论文部分内容阅读
[摘 要] 随着信息化的发展，金融领域信息量迅猛增加，在此背景下用科学的方法对海量信息筛选加工从而挖掘出潜在的知识价值已成为必要。文章以Web of science数据库中2000-2016年的金融领域文献为数据源，基于文献关联构建了金融学领域知识的多重关系网络，通过动态网络模型对该网络的整体演化进行了分析，对网络中潜在的重要关系和变化进行了识别，为我国金融领域科研的创新工作提供参考。
[关键词] 知识结构；文献关联；多重网络；动态网络分析；金融学
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 07. 060
[中图分类号] F830 [文献标识码] A [文章编号] 1673 - 0194（2018）07- 0145- 05
1 引 言
随着金融业的快速成长，该领域的知识结构也在随之发生变化，且这之间是存在传承、发展关系的。因此用科学的方法挖掘网络中潜在的知识演化和创新过程，对于把握学科领域发展的全局以及梳理知识发展脉络和追踪新兴主题有着重要意义。
在国外，目前比较新的研究是Avkiran N K[1]以金融领域文献为数据源，采用引文分析法研究作者之间的协作关系对文献影响力的作用情况；Michayluk D[2]等对四大顶尖金融期刊以及谷歌学术等数据库中文献的被引频次进行回归分析；Sch？覿ffer[3]采用协同引证分析的方法，对四大顶尖金融期刊上的文献做相关定量分析。相比之下，国内学者们对金融领域知识的分析方法比较侧重于传统的计量统计，如凌雨濛[4]从统计分析的角度，借助CSSCI数据对我国金融学领域研究概况进行了总结。
随着对领域知识研究的进一步深入，学者们逐渐认识到知识网络的复杂性，想寻找一个途径挖掘更深层次的知识特征，因此有了对动态网络分析（DNA）这一新兴领域的初步探索，国内DNA研究大多用在专利领域。
刘彤[5]等利用DNA对锂离子电池领域专利多重关系网络的演化进行了分析，发现DNA提高了专利数据分析的全面性与准确性；同年刘彤 等[6]又对纳米技术专利进行了DNA研究，结果表明该方法提供的测度方式不仅能识别个体在组织中重要性，更重要是能预测网络的演化趋势；而马宁 等[7]则是将DNA应用到网络意见领袖的识别研究中，验证了该方法在意见领袖识别研究中具有可靠性和创新性。
综上所述，发现对于金融知识这样一个复杂且规模大的知识网络，传统统计方法局限性大，研究维度较为单一已满足不了研究的需要，而DNA可能是一个更好的选择。但目前国内学者只在专利分析等领域进行了尝试，对于金融领域知识仍有空白。
故展开本文的研究，旨为该领域传统的研究分析方法提供一个新视角。另外本文扩充了DNA分析指标，从一个更全面的视角来揭示出金融领域内知识结构的构成与演变，实现领域内热点知识的识别。
2 动态网络理论与应用
2.1 动态网络分析
DNA是一个新兴的领域，是SNA理论和方法的延伸，Carley及其同事拓展了SNA方法，将知识管理、行为研究及社会网络技术融入其中，得到了动态网络分析方法（DNA）[8]。本文采用的分析工具是ORA软件，它能够处理基于人、知识、事务等本体类所构建的元矩阵[9]。
如表1中所示，基于几个元素定义了一系列相互联系的网络，各网络之间相互作用、相互影响。
2.2 动态网络分析的应用
DNA在规模大且复杂的网络中有着广泛的应用，本文的知识网络的研究也是其应用的范畴。在以文献为研究对象的研究中，常见的知识结构的构成要素有作者、机构、主题等[10]。基于领域知识之间存在关联、继承、发展的关系，利用作者、引用和内容等属性建立知识链接，进而构建知识结构网络[11]。
本文将动态网络分析中的相关指标映射到金融知识结构网络中，利用相应的指标来测度领域知识网络，下面对相应的指标进行定义说明。
分中的相关指标如表2所示。
2.3 数据获取
为了研究我国金融领域知识发展情况，本文以WC=（Business， Finance）作为检索式在Web of Science数据库中检索，时间跨度为2 000年至2016年3月22日，文献类型为PROCEEDINGS PAPER、ARTICLE和REVIEW，下载文献27 281篇。本文就27 281篇文献进行情报挖掘，分析金融领域知识的研究情况。
3 金融领域知识全局网络构建及分析
了解金融领域知识概况后，紧接着分析其多重关系网络。通过对多重网络指标的计算，从网络规模、网络强度、网络流通性三个方面分析金融领域知识结构网络整体演化情况。
（1）网络规模。网络中节点数、关联关系越多则网络规模越大。文中用特定时段内节点集的节点数、节点之间连接数以及知识多样性来表示。
（2）網络强度。网络强度主要是与稳定性相关，一般强关系可以持续较长时间，故稳定性较高。文中用总度数中心势以及网络能力表示。
（3）网络流通性。网络流通性指信息在网络中的流动情况。文中用特征路径长度指标对其进行测量。
指标计算结果如表3所示。
结合表3中的研究结果对多重网络的整体演化情况进行分析，可发现该领域具有如下特点：
（1）在2000-2016年期间，Agent、Knowledge和Public节点数以及各网络之间的连接数均在不断增加，可判断整个金融领域知识的网络规模在不断地扩大。文献发表数量增加，领域知识面却没有明显的扩大，从“知识的多样性”指标可看出这点。该指标在2000-2007年间出现小幅增加，之后处于不变状态，表明在2007-2008年间金融研究所涵盖的知识不断拓宽，之后几乎达到饱和状态。 （2）AA网络、AK以及KK网络的总度数中心势逐渐降低，而在AP网络、PP网络中却呈上升趋势。一方面表明作者之间的合作越来越分散，从事主导型研究的人群也愈加分散，这有利于促进新核心成员的产生。在一定程度上该现象与知识多样性的增加相对应，随着涉及的知识点的增多，必然会稀释一部分的科研资源；另一方面，发文的刊物集中度也在提高，表明跨领域的交叉研究是当今学术研究的大趋势。
（3）虽然随着网络节点个数与连接数在不断增加，其特征路径长度随之逐渐增大，可见网络规模大、复杂，其整体的信息传递效率会有所降低，网络流通性不高。
4 网络结构与重要节点特征分析
4.1 合作网络分析
目前，金融领域的研究方向大多掌握在国内外少数的学者手中，本节利用领域内文献的耦合关系，以期定位领域知识中“主要合作者”即那些与其他成员具有广泛联系的作者。
利用ORA对合作网络（Agent×Agent）进行分析，获取Top 8著者的相关信息，如表4所示。
从表4中演化情况看，2000-2003年合作范围最广的作者是Yor M、Luo DC等人，2004-2007年，新晋作者Li J排名大幅上升，并一直位于榜首。从合作网络的整体情况来看，作者Li J、Yor M在近几年合作最为广泛，他们的合作网络值得关注。
4.2 知识网络分析
知识网络由文献著者和关键词构成，通过知识网络可以了解不同著者所涉及的知识领域，同时达到识别核心主题和新生热点的目的。
以关键词节点为对象，通过指标“主导性知识”分析领域的焦点知识，如表5所示。
由上表5可知，2000-2016年间学者们的研究主要集中在模型、绩效、信息以及风险，此结果与当前国际的金融环境是相符合的。随着自然科学方法逐渐渗透到金融领域研究中，学者逐渐倾向构建模型来分析。随着信息爆炸时代的到来，信息对称的一方显然处于竞争优势地位，故“信息”也成为学者们研究的热门点。其次，由于受到次贷危机的影响，近年来风险的管理以及金融安全问题也备受关注。
以作者为节点对象可以分析作者对领域知识的垄断性。通过指标“知识垄断性”对网络Agent-Knowledge进行测度，结果表明：
整体来看，现如今比较具有知识垄断性的几位著者分别是Shackelford， DA、Landsman， WR、Wang J以及Bjork T等人。垄断性越高的著者说明其具有较高的专业性，实现了新兴知识领域研究的零的突破。知识垄断性高的著者从Hirshleifer D变化为Shackelford、Landsman。Hirshleifer早在2001年就一直从事研究投资心理与资产价格之间的联系等一些问题，文献的被引频次均在100以上，但是于2004年以后在Web of Science上搜索不到他的文献，这对他的知识垄断性测度造成了不利影响。
4.3 著者分布网络
著者分布网络主要由文献著者和期刊构成，由著者分布网络可以挖掘出该领域备受关注的期刊类型，另一个方面也能反映出作者发文的机构的广泛度。
对AP网络进行测度，获取金融知识领域著者的主要区域分布，排名结果显示，金融领域的学术论文发表主要集中在国际会议、金融数学（Mathematical Finance）等几个期刊，表明这些期刊在金融界的权威性比较好。近几年计量学在金融领域应用越来越广泛，因此计量金融（Quantitative Finance）的排名跃升到榜首。
5 结 论
通过分析金融知识网络，不难发现该领域知识规模不断增大，所涵盖的其他领域知识更广泛。同时也可以发现随着网络时代到来，“知识掌握在少数人手里”的局面逐渐被打破，主导性知识领域不再集中，科研竞争态势向着良性发展。另外，从整体网络的演化结果看，金融危机此类经济波动对该领域的发展起了促进作用，危机的发生在一程度上引导了金融学科的发展方向。
其次，聚焦局部网络，最为突出的是国外学者在领域主导性知识上具有垄断地位，抢占了创新研究的先机，而我国能对全球金融研究起到导向作用的人才稀缺，处于非常被动的局面。在合作网络层面上，发现文献之间的合作越来越分散，随着知识的多样性增强，势必会稀释一部分的科研资源，而机构间的合作却趋于集中，表明跨领域合作是我国近几年大的发展趋势。
通过本文基于动态网络对金融领域知识结构的分析，不难看出我国与欧美资本主义国家之间还是存在很大差距的，在健全我国金融市场、加大培养金融方面高端人才上还有很大的提升空间。
主要参考文献
[1]Avkiran N K. An Empirical Investigation of the Influence of Collaboration in Finance on Article Impact[J]. Scientometrics， 2013， 95（3）：911-925.
[2]Michayluk D， Zurbruegg R. Do Lead Articles Signal Higher Quality in the Digital Age？ Evidence from Finance Journals[J]. Scientometrics， 2014， 98（2）：961-973.
[3]Sch？觓ffer， Utz， Nevries， Pascal， Fikus， Christian， et al. Is Finance Research a’Normal Science’？ A Bibliometric Study of the Structure and Development of Finance Research from 1988 to 2007[J]. Social Science Electronic Publishing， 2011， 63：189-225.
[4]凌雨潆. 我国金融领域2001～2009年研究概况分析——基于CSSCI数据[J]. 统计与决策， 2011（6）：96-99.
[5]刘彤， 杨冠灿， 蒋继娅，等. 基于多重关系的专利网络演化特征与动态分析——以锂离子电池领域为例[J]. 情报学报， 2014（12）：1288-1301.
[6]刘彤， 郭鲁钢， 杨冠灿，等. 基于動态网络分析的专利合作网络演化分析——以纳米技术为例[J]. 情报杂志， 2014（11）：88-93.
[7]马宁， 田儒雅， 刘怡君，等. 基于动态网络分析（DNA）的意见领袖识别研究[J]. 科研管理， 2014， 35（8）：83-92.
[8]翟东升， 孙武， 张杰，等. 基于动态网络分析的LTE TDD技术专利分析[J]. 情报杂志， 2014（7）：63-69.
[9]Carley K M.Dynamic Network Analysis[M].Saarbrücken，DE：Alphascript Publishing，2003.
[10]郝心宁. 生物育种领域知识结构与知识演化研究[D]. 北京：中国农业科学院， 2013.
[11]陈雪飞，肖仙桃， 史新艳. 基于文献的领域知识网络构建研究[J]. 图书情报知识，2011（3）：96-102.
[12]李登杰，翟东升，冯秀珍，等. 基于动态网络的石墨烯专利技术分析[J]. 情报杂志，2015（10）：52-58.
[关键词] 知识结构；文献关联；多重网络；动态网络分析；金融学
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2018. 07. 060
[中图分类号] F830 [文献标识码] A [文章编号] 1673 - 0194（2018）07- 0145- 05
1 引 言
随着金融业的快速成长，该领域的知识结构也在随之发生变化，且这之间是存在传承、发展关系的。因此用科学的方法挖掘网络中潜在的知识演化和创新过程，对于把握学科领域发展的全局以及梳理知识发展脉络和追踪新兴主题有着重要意义。
在国外，目前比较新的研究是Avkiran N K[1]以金融领域文献为数据源，采用引文分析法研究作者之间的协作关系对文献影响力的作用情况；Michayluk D[2]等对四大顶尖金融期刊以及谷歌学术等数据库中文献的被引频次进行回归分析；Sch？覿ffer[3]采用协同引证分析的方法，对四大顶尖金融期刊上的文献做相关定量分析。相比之下，国内学者们对金融领域知识的分析方法比较侧重于传统的计量统计，如凌雨濛[4]从统计分析的角度，借助CSSCI数据对我国金融学领域研究概况进行了总结。
随着对领域知识研究的进一步深入，学者们逐渐认识到知识网络的复杂性，想寻找一个途径挖掘更深层次的知识特征，因此有了对动态网络分析（DNA）这一新兴领域的初步探索，国内DNA研究大多用在专利领域。
刘彤[5]等利用DNA对锂离子电池领域专利多重关系网络的演化进行了分析，发现DNA提高了专利数据分析的全面性与准确性；同年刘彤 等[6]又对纳米技术专利进行了DNA研究，结果表明该方法提供的测度方式不仅能识别个体在组织中重要性，更重要是能预测网络的演化趋势；而马宁 等[7]则是将DNA应用到网络意见领袖的识别研究中，验证了该方法在意见领袖识别研究中具有可靠性和创新性。
综上所述，发现对于金融知识这样一个复杂且规模大的知识网络，传统统计方法局限性大，研究维度较为单一已满足不了研究的需要，而DNA可能是一个更好的选择。但目前国内学者只在专利分析等领域进行了尝试，对于金融领域知识仍有空白。
故展开本文的研究，旨为该领域传统的研究分析方法提供一个新视角。另外本文扩充了DNA分析指标，从一个更全面的视角来揭示出金融领域内知识结构的构成与演变，实现领域内热点知识的识别。
2 动态网络理论与应用
2.1 动态网络分析
DNA是一个新兴的领域，是SNA理论和方法的延伸，Carley及其同事拓展了SNA方法，将知识管理、行为研究及社会网络技术融入其中，得到了动态网络分析方法（DNA）[8]。本文采用的分析工具是ORA软件，它能够处理基于人、知识、事务等本体类所构建的元矩阵[9]。
如表1中所示，基于几个元素定义了一系列相互联系的网络，各网络之间相互作用、相互影响。
2.2 动态网络分析的应用
DNA在规模大且复杂的网络中有着广泛的应用，本文的知识网络的研究也是其应用的范畴。在以文献为研究对象的研究中，常见的知识结构的构成要素有作者、机构、主题等[10]。基于领域知识之间存在关联、继承、发展的关系，利用作者、引用和内容等属性建立知识链接，进而构建知识结构网络[11]。
本文将动态网络分析中的相关指标映射到金融知识结构网络中，利用相应的指标来测度领域知识网络，下面对相应的指标进行定义说明。
分中的相关指标如表2所示。
2.3 数据获取
为了研究我国金融领域知识发展情况，本文以WC=（Business， Finance）作为检索式在Web of Science数据库中检索，时间跨度为2 000年至2016年3月22日，文献类型为PROCEEDINGS PAPER、ARTICLE和REVIEW，下载文献27 281篇。本文就27 281篇文献进行情报挖掘，分析金融领域知识的研究情况。
3 金融领域知识全局网络构建及分析
了解金融领域知识概况后，紧接着分析其多重关系网络。通过对多重网络指标的计算，从网络规模、网络强度、网络流通性三个方面分析金融领域知识结构网络整体演化情况。
（1）网络规模。网络中节点数、关联关系越多则网络规模越大。文中用特定时段内节点集的节点数、节点之间连接数以及知识多样性来表示。
（2）網络强度。网络强度主要是与稳定性相关，一般强关系可以持续较长时间，故稳定性较高。文中用总度数中心势以及网络能力表示。
（3）网络流通性。网络流通性指信息在网络中的流动情况。文中用特征路径长度指标对其进行测量。
指标计算结果如表3所示。
结合表3中的研究结果对多重网络的整体演化情况进行分析，可发现该领域具有如下特点：
（1）在2000-2016年期间，Agent、Knowledge和Public节点数以及各网络之间的连接数均在不断增加，可判断整个金融领域知识的网络规模在不断地扩大。文献发表数量增加，领域知识面却没有明显的扩大，从“知识的多样性”指标可看出这点。该指标在2000-2007年间出现小幅增加，之后处于不变状态，表明在2007-2008年间金融研究所涵盖的知识不断拓宽，之后几乎达到饱和状态。 （2）AA网络、AK以及KK网络的总度数中心势逐渐降低，而在AP网络、PP网络中却呈上升趋势。一方面表明作者之间的合作越来越分散，从事主导型研究的人群也愈加分散，这有利于促进新核心成员的产生。在一定程度上该现象与知识多样性的增加相对应，随着涉及的知识点的增多，必然会稀释一部分的科研资源；另一方面，发文的刊物集中度也在提高，表明跨领域的交叉研究是当今学术研究的大趋势。
（3）虽然随着网络节点个数与连接数在不断增加，其特征路径长度随之逐渐增大，可见网络规模大、复杂，其整体的信息传递效率会有所降低，网络流通性不高。
4 网络结构与重要节点特征分析
4.1 合作网络分析
目前，金融领域的研究方向大多掌握在国内外少数的学者手中，本节利用领域内文献的耦合关系，以期定位领域知识中“主要合作者”即那些与其他成员具有广泛联系的作者。
利用ORA对合作网络（Agent×Agent）进行分析，获取Top 8著者的相关信息，如表4所示。
从表4中演化情况看，2000-2003年合作范围最广的作者是Yor M、Luo DC等人，2004-2007年，新晋作者Li J排名大幅上升，并一直位于榜首。从合作网络的整体情况来看，作者Li J、Yor M在近几年合作最为广泛，他们的合作网络值得关注。
4.2 知识网络分析
知识网络由文献著者和关键词构成，通过知识网络可以了解不同著者所涉及的知识领域，同时达到识别核心主题和新生热点的目的。
以关键词节点为对象，通过指标“主导性知识”分析领域的焦点知识，如表5所示。
由上表5可知，2000-2016年间学者们的研究主要集中在模型、绩效、信息以及风险，此结果与当前国际的金融环境是相符合的。随着自然科学方法逐渐渗透到金融领域研究中，学者逐渐倾向构建模型来分析。随着信息爆炸时代的到来，信息对称的一方显然处于竞争优势地位，故“信息”也成为学者们研究的热门点。其次，由于受到次贷危机的影响，近年来风险的管理以及金融安全问题也备受关注。
以作者为节点对象可以分析作者对领域知识的垄断性。通过指标“知识垄断性”对网络Agent-Knowledge进行测度，结果表明：
整体来看，现如今比较具有知识垄断性的几位著者分别是Shackelford， DA、Landsman， WR、Wang J以及Bjork T等人。垄断性越高的著者说明其具有较高的专业性，实现了新兴知识领域研究的零的突破。知识垄断性高的著者从Hirshleifer D变化为Shackelford、Landsman。Hirshleifer早在2001年就一直从事研究投资心理与资产价格之间的联系等一些问题，文献的被引频次均在100以上，但是于2004年以后在Web of Science上搜索不到他的文献，这对他的知识垄断性测度造成了不利影响。
4.3 著者分布网络
著者分布网络主要由文献著者和期刊构成，由著者分布网络可以挖掘出该领域备受关注的期刊类型，另一个方面也能反映出作者发文的机构的广泛度。
对AP网络进行测度，获取金融知识领域著者的主要区域分布，排名结果显示，金融领域的学术论文发表主要集中在国际会议、金融数学（Mathematical Finance）等几个期刊，表明这些期刊在金融界的权威性比较好。近几年计量学在金融领域应用越来越广泛，因此计量金融（Quantitative Finance）的排名跃升到榜首。
5 结 论
通过分析金融知识网络，不难发现该领域知识规模不断增大，所涵盖的其他领域知识更广泛。同时也可以发现随着网络时代到来，“知识掌握在少数人手里”的局面逐渐被打破，主导性知识领域不再集中，科研竞争态势向着良性发展。另外，从整体网络的演化结果看，金融危机此类经济波动对该领域的发展起了促进作用，危机的发生在一程度上引导了金融学科的发展方向。
其次，聚焦局部网络，最为突出的是国外学者在领域主导性知识上具有垄断地位，抢占了创新研究的先机，而我国能对全球金融研究起到导向作用的人才稀缺，处于非常被动的局面。在合作网络层面上，发现文献之间的合作越来越分散，随着知识的多样性增强，势必会稀释一部分的科研资源，而机构间的合作却趋于集中，表明跨领域合作是我国近几年大的发展趋势。
通过本文基于动态网络对金融领域知识结构的分析，不难看出我国与欧美资本主义国家之间还是存在很大差距的，在健全我国金融市场、加大培养金融方面高端人才上还有很大的提升空间。
主要参考文献
[1]Avkiran N K. An Empirical Investigation of the Influence of Collaboration in Finance on Article Impact[J]. Scientometrics， 2013， 95（3）：911-925.
[2]Michayluk D， Zurbruegg R. Do Lead Articles Signal Higher Quality in the Digital Age？ Evidence from Finance Journals[J]. Scientometrics， 2014， 98（2）：961-973.
[3]Sch？觓ffer， Utz， Nevries， Pascal， Fikus， Christian， et al. Is Finance Research a’Normal Science’？ A Bibliometric Study of the Structure and Development of Finance Research from 1988 to 2007[J]. Social Science Electronic Publishing， 2011， 63：189-225.
[4]凌雨潆. 我国金融领域2001～2009年研究概况分析——基于CSSCI数据[J]. 统计与决策， 2011（6）：96-99.
[5]刘彤， 杨冠灿， 蒋继娅，等. 基于多重关系的专利网络演化特征与动态分析——以锂离子电池领域为例[J]. 情报学报， 2014（12）：1288-1301.
[6]刘彤， 郭鲁钢， 杨冠灿，等. 基于動态网络分析的专利合作网络演化分析——以纳米技术为例[J]. 情报杂志， 2014（11）：88-93.
[7]马宁， 田儒雅， 刘怡君，等. 基于动态网络分析（DNA）的意见领袖识别研究[J]. 科研管理， 2014， 35（8）：83-92.
[8]翟东升， 孙武， 张杰，等. 基于动态网络分析的LTE TDD技术专利分析[J]. 情报杂志， 2014（7）：63-69.
[9]Carley K M.Dynamic Network Analysis[M].Saarbrücken，DE：Alphascript Publishing，2003.
[10]郝心宁. 生物育种领域知识结构与知识演化研究[D]. 北京：中国农业科学院， 2013.
[11]陈雪飞，肖仙桃， 史新艳. 基于文献的领域知识网络构建研究[J]. 图书情报知识，2011（3）：96-102.
[12]李登杰，翟东升，冯秀珍，等. 基于动态网络的石墨烯专利技术分析[J]. 情报杂志，2015（10）：52-58.