農村供應鏈金融復雜網絡演化模型研究

陳瓊瓊 翟帥男 浙江理工大學

?

農村供應鏈金融復雜網絡演化模型研究

陳瓊瓊 翟帥男 浙江理工大學

摘 要：農村電子商務的快速發展催生農村地區的資金需求日益增加，供應鏈金融為滿足農村資金需求提供了新的融資模式，成為支持農村電子商務發展的重要保障。

關鍵詞：供應鏈金融 復雜網絡 無標度 小世界效應

一、引言

農戶受信貸約束的問題在我國農村普遍存在。在農村地區開展供應鏈金融模式，能夠適應農業產業化發展過程中出現“公司+農戶”的組織架構，解決金融機構開展農村金融業務面臨的諸多掣肘，具有應用于“三農”發展的必要性和可行性[1]。現有的供應鏈金融研究集中于研究特定的融資模式，從宏觀層面的研究很少。用復雜網絡理論通過網絡結構演化的行為方式描述整個系統的演化機制和整體行為。國外對復雜網絡描述社會網絡已取得一定的研究成果，復雜網絡的基本模型主要有：隨機網絡，聚集系數小，節點之間的關系并不緊密[2]。小世界模型用來描述現中龐大且復雜的網絡，聚集系數較高，節點之間聯系緊密[3]。無標度網絡的頂點與邊的生長連接方式具有一定的規則，引入了擇優機制，該模型具有較高的無標度特性[4]，沈愛忠從復雜網絡視角對供應鏈金融網絡拓撲進行分析，認為供應鏈金融網絡具有無標度特性[5]。

二、農村供應鏈金融復雜網絡模型

農村供應鏈金融網絡包括金融機構、電商平臺、P2P平臺、物流企業和農戶五層節點，每個層次內的節點同質。供應鏈金融網絡組織結構演化過程：受融資需求影響不斷調整，不適應的節點消失，與網絡相適應的節點加入，融資渠道的創新又會形成一系列新的金融供應鏈。

本文以無標度網絡模型為參考模型，以節點存在擇優性為依據，為更貼切實際網絡的連接特征，通過引入多個隨機量(如邊的權值)增加供應鏈金融網絡的真實性，提出分層的加權供應鏈金融網絡演化模型。

本文提出的分層供應鏈網絡演化模型基本演化規則為：

供應鏈金融網絡G在t=0時刻是由n0個節點構成的層次型網絡，共有5層節點：金融機構、電商、P2P、物流企業、農戶。假設邊的權值隨機生成，初始wi設定為2。在以后的每一個時間步里，新增一個度為mi的節點（mi

（1）增長。產生隨機整數A∈(0,5]，根據A值區別不同層次的新增節點，跨層連接規則如下：A=1時，表示新增節點為第一層的金融機構節點，它可以與第二層、第三層、第五層的節點相連。A=2，表示新增節點為第二層的電商平臺節點，它可以與第五層的節點相連。A=3，表示新增節點為第三層的P2P平臺節點，它可以與第五層的節點相連。A=4，表示新增節點為第四層的物流企業節點，它可以與第一層和第五層的節點相連。A=5時，第五層節點可與任意四層節點相連。

（2）擇優選擇。新增t個時間步后，新增節點選擇與網絡中已存在的mi個不同的老節點相連。被選擇的節點vi與新節點連接的概率為：

其中si，為節點vi的強度，ki為節點vi的度數，為受偏好影響節點重要度的參數。

（3）邊權演化。初始對邊值w0都賦予權值，參照有向加權模型的邊權演化規則，本文認為新加入的邊會使連接節點vi和節點vj之間的邊發生相應的變化：

此外，金融市場收益的“尖峰厚尾”特征，尖峰峰度大于3（正態分布的峰度），直觀上來講比正態分布更為陡峭。出于網絡節點企業的交易量增加真實性目的，在節點的邊權演化中引入貝塔分布的概率密度函數B。

三、實驗分析

本文采用的仿真軟件為matlab7.12.0，根據上述算法生成節點數N=100的供應鏈金融網絡模型，對供應鏈金融初始網絡節點N=1000開始演化，通過選取不同的值選擇網絡的數值模擬。根據試驗中擬合p(k)～k-γ的結果得出網絡中，度大的節點出現的概率較少，大量度值是出現在低概率中。

此外，不同偏好因子（p值）下的集聚系數變化較小，整體的集聚系數的值較大。隨著網絡規模的增長，網絡的平均路徑長度也有一定的增長，但整體來說變化較小。網絡模型的集聚系數和平均路徑長度的變化特征體現了供應鏈金融網絡具有小世界特性。事實上，較小的平均路徑長度體現了跨層點對整個網絡的信息傳遞起到非常重要的作用。

總結，仿真結果中度分布存在“長尾效應”，屬于冪率分布，點強度分布和度分布成正相關，平均最短路徑隨著偏好參數的變化并沒有大幅度調整，而網絡的集聚系數很大。因此，供應鏈金融網絡具有無標度特征和小世界效應。

參考文獻：

[1]謝斯儒. 供應鏈金融應用于“三農”發展的必要性與可行性[J]. 經濟視角(下),2011,09:99-101.

[2]A.Erd s, P.;Rényi, A. On the evolution of random graphs. Bull. Inst. Internat. Statist,1961,38:343-347.

[3] Watts, Duncan J, Strogatz, Steven H. Collective dynamics of small-world networks. NATURE, 1998,393( 6684): 440-442.

[4] Wat Barabasi AL;Albert R. Emergence of scaling in random networks. Science (New York, N.Y.), 1999,286( 5439): 509-512.

[5]沈愛忠,郭進利. 復雜網絡理論視角下供應鏈金融風險分析與控制[J]. 科技與管理,2013,05:107-110.