近年来,受经济下行影响,很多企业经营越来越困难,每年向银行贷款数量越来越多,贷款量增加带来的就是银行不良贷款率和不良贷款余额的提高,为了管控风险,商业银行认可了以担保方式进行贷款,担保圈应运而生。担保圈是指多家企业通过担保的关系组成的关系网,处于担保圈的公司因为互相存在利益链条而变得十分脆弱,一旦圈内有一家公司发生危机,这种危机就会立刻传染到圈内其他公司,所谓“牵一发而动全身”,产生巨大影响。因此如何能在大量贷款数据中识别出担保圈进行风险识别,并加以防范对银行来说至关重要。本文结合金融大数据的背景,选取2006-2019年上市公司在商业银行中的担保合约数据,经过初步筛选和整理后运用社会网络分析软件建立、绘制担保网络,运用社会网络中“凝聚子群”的概念,分析识别出各个独立的担保圈。通过阅读文献,选取反映担保圈内企业经营状况的财务指标和反映担保圈规模的相关指标。使用因子分析法对选取的担保圈内企业的财务指标降维生成盈利因子、成长因子、营运因子、偿债因子四项指标。再利用社会网络分析中关于“中心性”的理论,计算所选具有代表性担保圈内企业的多种“中心度”的数值,通过比较选出适合的“中心度”,计算圈内各个企业的“中心度”从而实现对圈内企业的权重分配,使每个担保圈内的企业指标转化为代表担保圈的整体财务因子指标。最后利用熵权法将担保圈整体财务指标和担保圈规模指标进行综合评价打分,根据得分情况分成“高、中、低”风险担保圈,对存在的高风险担保圈进行分析,并根据前文总结的担保圈特点,针对性的提出风险防范对策。本文通过担保圈风险识别和综合评价分析得出以下结论:首先,担保圈的风险主要来自担保圈规模的影响,对担保圈风险影响较大的几个指标都属于与担保圈规模有关的指标,其中担保圈风险影响最大的指标是担保圈内担保总金额。其次,虽然反映担保圈经营情况的财务指标对担保圈风险影响相对较小,但其中的盈利因子指标的影响不可忽视,所占比重也较大,因此对担保圈风险影响也比较大,盈利是企业保持健康稳定发展的根基,对于担保圈内企业的盈利情况也需要密切关注。本文通过社会网络技术对担保圈进行了识别与风险评价,在建立担保圈风险评价模型时,指标选取角度更为丰富,不仅有直接相关的担保规模的一系列指标,还有从内部考虑,选取了担保圈内部企业的经营状况的财务指标。同时不同于以往的相关研究普遍采用较为主观或单一的评价方法,使用了社会网络技术、因子分析法、熵权法相结合的综合评价方法,保证了评价的客观、准确性。