互聯網金融輿情風險防控理論研究

董志學

摘要：互聯網金融是金融產業與互聯網產業相互耦合的結果，伴隨互聯網金融的發展，互聯網金融輿情事件也大量涌現。文章通過與普通輿情事件對比，得出互聯網金融輿情具有“影響區域廣、處理難度大、涉事主體多、持續周期長”的超網絡特征，并以此為基礎，構建了我國互聯網金融輿情超網絡模型框架。文章采用集聚系數、K-shell值、介數指標方法對互聯網金融輿情中的關鍵人物進行了識別，并從控制、引導、干預的角度構建了互聯網金融輿情風險防控體系，為互聯網金融輿情事件的解決提供了解決方案。

關鍵詞：超網絡；互聯網金融輿情；風險防控；理論研究

一、引言

互聯網金融是金融產業與互聯網產業相互耦合的結果，它為傳統金融業注入了全新的發展思維和理念，也為互聯網產業開拓了新型的業務領域和對象。謝平（2012）認為，互聯網金融是傳統金融機構或電商企業與互聯網企業利用互聯網技術和信息通信技術實現資金融通、支付、投資和信息中介服務的新型金融業務模式，是介于傳統金融與互聯網兩端之間的金融交易和組織形式。自2013年互聯網金融元年以來，我國互聯網金融發展迅速，2015年市場整體規模超過10萬億元，其中支付市場規模就達到9.22億元。然而，伴隨機構和產品的數量持續增長、金融消費者對自身權益的保護意識增強，以及我國互聯網金融監管體系的缺失，造成我國互聯網金融事件頻發，以眾籌行業為例，截至2016年，全國各類型正常運營的眾籌平臺總計427家，全年倒閉、轉型及其他（跑路、提現困難以及眾籌板塊下架等）平臺數量達293家，給消費者、企業、社會帶來難以估計得損失。

由于互聯網金融事件具有互聯網快速傳播、金融行業保密隱私的特征，導致我國在應對互聯網金融輿情風險的防控中捉襟見肘，尤其存在傳播途徑認識不清、影響程度和范圍評估不準、關鍵人物識別模糊等情況，導致金融運營機構、監管機構應對危機能力有限。本文在分析互聯網金融輿情事件與普通輿情事件差異的基礎上，從超網絡的視角對互聯網金融輿情進行風險識別與管控研究，分別構建了不同級別人物的識別模型、輿論演變模型，以及互聯網金融輿情引導策略矩陣，最終從控制、引導、干預三個方面構建我國互聯網金融輿情風險防控體系。

二、互聯網金融輿情的定義與特征

輿情是較多群眾關于社會中各種現象、問題所表達的信念、態度、意見和情緒等表現的總和。針對互聯網金融輿情方面，目前學術界并沒有一致的定義，本文認為互聯網金融輿情是指享受互聯網金融服務的對象對所發生的互聯網金融事件信息進行傳播與互動的過程。根據互聯網金融輿情的發生對象不同，可以分為金融形勢輿情和金融事件輿情。其中，前者是指升息、貨幣政策調整引起的金融市場的波動，如果媒體等傳播主體沒有正面引導，那么容易引發輿情波動以及相應的資本市場變化。后者是指各互聯網金融機構在運行過程中所遇到的一些與經營有關的資金鏈斷裂、資金擠兌、金融產品虧損等突發事件，該類事件容易產生大幅度的社會輿論，對相關銀行、證券、保險等金融企業產生較大的負面影響。本文所研究的對象是指互聯網金融事件輿情。

在網絡技術發達的當今時代，輿情中信息的不對稱性正在弱化，傳播方式呈現出快速共享、全面透明、多向傳播的特征，與普通輿情相比，互聯網金融輿情尤其體現為錯綜復雜性和難以控制性。

（一）影響區域廣

不同特征的輿情事件影響范圍和程度各不相同，并且具有行業性、區域性等特征，如某個公共政策引發的輿情事件具有區域性特征，某一產品的質量引發的輿情事件具有行業性特征，而互聯網金融輿情事件的影響范圍可能會達到全國，涉事對象能夠涵蓋社會不同階層，因此影響范圍更大。從爆發過程來講，普通輿情事件以爆發點是唯一的，呈現從中心向四周輻射的態勢，而互聯網金融輿情一旦爆發，將會在多地區產生“核裂變”式的連鎖反應，在短期內呈現燎原之勢。例如，爆發于2015年的“e租寶”事件，涉及金額約745億元，涉及人數達到了90.95萬人，涉事主體遍及全國31個省市區。

（二）處理難度大

基于互聯網金融具有的普惠特征，我國不同地區經濟發展的差異化，造成在不同區域會出現影響程度與范圍出現高與低之分。從處理方式來看，各區域政府很難在短時間內做到聯合協同處理。此外，由于互聯網金融具有同質性，一旦一家互聯網金融機構出現問題，很容易波及上下游對象，并且對同類單位和產品造成巨大影響。從處理對象上看，普通輿情事件呈現“線”形特征，關鍵人物或節點有可能產生在事件爆發的起點，其關鍵人物或節點可以通過數據分析精確定位，而互聯網金融輿情事件呈現“面”形特征，容易出現多點爆發的態勢，其關鍵人物或節點的出現時間和節點難進行清晰識別，其識別與防控難度巨大。

（三）涉事主體多

輿情主體包括與輿情事件有關聯的人或組織。從參與者的角度來看，普通輿情的參與主體包括制造者、參與者、管理者和旁觀者；而互聯網金融輿情事件，涉事主體一方是從事互聯網金融業務的企業，另一方是購買互聯網金融服務的龐大群體。此外，在互聯網金融輿情事件中，由于涉及到違法、犯罪等行為，政府、行業監管主體往往會介入。因此，任何一個互聯網金融輿情事件，都會涉及多方主體，每一方的角色、人物均不相同，具有錯綜復雜性的系統性特征。正因為如此，從根源上講，處理普通輿情事件的目標是平息輿情，但處理互聯網金融輿情的目標是解決輿情。

（四）持續周期長

輿情本身具有突發性的特征，不同性質的輿情的持續周期存在差異性，普通輿情事件的生命周期大多呈現“正態曲線”分布（見圖1- a），從事件的突然爆發到最終消亡是一個正態分布的趨勢，其持續周期一般在3個月以內；互聯網金融輿情則呈現“梯形分布”特征（見圖 1-b），此類事件發生之后，人們的關注度會持續攀升，并在一定時間段之后，達到一個長期的平穩狀態，該階段會隨著事件調查等工作持續很長時間，其長短由解決方案的推出時間決定，最后隨著事件解決，關注度會逐漸回落。

通常來講，普通輿情事件的持續周期大約是三個月左右時間，并會伴隨新事件的發生而逐漸消亡，而互聯網金融輿情事件的持續周期可能會達到半年甚至一年以上，并且會隨著新的互聯網金融輿情事件的發生，推動原有事件朝著更嚴重的方向發展。例如，在2015年發生的“快鹿事件”，從事件爆發到最終立案調查，持續周期達到了6個月。

互聯網金融輿情特征的特殊性，導致對其進行風險識別與防控必然不能采取與普通輿情一樣的應對措施，而是應該基于傳播網絡建立從識別到判斷、從控制到干預的防控系統。

三、互聯網金融輿情風險防控研究現狀

從現有研究成果來看，對互聯網金融輿情風險的識別與防控方面的研究始于2010年以后，張世曉（2012）認為，金融監管機構對收集到的金融輿情信息可以從定性、定量兩種方法角度建立研究分析機制，其中，定性分析主要是對金融輿情主題分類整理和對金融輿情觀點歸納整理。定量分析主要包括統計方法和計量方法，統計方法可以實現基礎數據統計和對各類主題、各類觀點的占比等進行指標設定。計量方法是基于基礎數據運用計量分析輿情變化的影響因素。張金鳳、王恒山（2013）從網絡輿情的傳播過程提出對不良金融信息網絡傳播的管理方法，認為金融部門可以成立專門的檢測部門、網絡媒體編輯室，以及通過處理好跟傳統媒體的關系獲得傳統媒體的支持等。譚云明、饒瀟（2015）認為網絡金融輿情共有“金融市場突發事件、業務表現失敗事件、服務缺失與行為失當、制度性弊端”四類，并認為網絡金融輿情的處理流程包括信息采集、定量分析、危機預警三個部分，繼而提出強化危機意識、加強組織領導、熟悉輿情形成與傳播規律等措施。龐引明等（2016）分別從時間節點、時間序列的角度研究了風控模型，指出可以通過大數據集進行試算，并在試算中調整各種參數，就可以訓練出適合具體環境和分析目標的大數據風控模型。

從以上學者的研究范疇可以看出，現有成果多集中在互聯網金融輿情的形成機制、處置流程、防范措施方面，部分學者運用統計學等方法實現了情緒識別、影響因素識別等局部防控，但是在傳播網絡等方面的系統性研究不足。本文從超網絡的角度，試圖揭示輿情事件中各類數據的深層次關系，主要達到如下目標，一是理清互聯網金融輿情在線上和線下網絡中的傳播機制與擴散路徑，二是構建互聯網金融輿情在傳播過程中不同類別輿情人物的識別方法，三是建立“控制、引導、干預”一體化的互聯網金融輿情風險防控體系。

總之，本文通過對輿情事件主體、傳播態勢的準確識別方法，以及處理輿情事件過程與控制體系，為政府、企業等責任主體及時應對輿情事件有實質指導意義。

四、互聯網金融輿情超網絡的構建

Nagurney和Dong（2002）最早提出了超網絡（Super Net Work）的概念，指出高于并超出現有網絡結構可稱之為超網絡，Bohannon（2009）認為傳統的社會網絡分析方法中，主要關注事件主體中“人”的信息，但是對于環境、時間、區域等事件的動態屬性研究較少。我國相關學者對超網絡與金融的關系研究較早，王志平和王眾托（2008）構建了金融超網絡模型，認為典型的網絡是由許多“節點”與連接兩個節點的一些“邊”組成的。其中，節點用來表示實際系統中不同的個體，連接節點的邊則用來表示兩個節點之間具有某種特定的關系。李倩倩、劉怡君（2012）將輿論模型的研究從復雜網絡進一步擴展到超網絡空間中。

相比普通輿情事件的傳播機制，互聯網金融輿情事件往往是在線上爆發，并通過線上和線下兩個網絡層面進行同步傳播。此外，互聯網金融輿情除了受個體影響（心理、觀點、行為）外，還受外界環境（政府、法律、媒體等）的影響，將這些因素分別建模為相關子集網絡，再聚集成為超網絡，對防控互聯網金融風險具有重要意義。

從圖2可以看出，互聯網金融輿情網絡是一個典型的超網絡，對網絡節點間的親疏、遠近關系的度量，可以研判互聯網金融輿情事件的發展態勢、引導預期走勢的基礎。對節點間的度量主要是進行距離度量和連接能力度量，其中距離度量可通過最短路徑距離、平均路徑長度進行衡量；連接能力度量可通過優先連接進行度量。

（一）節點間最短路徑距離

最短路徑旨在尋找網絡中兩節點之間的最短路徑，最常用的為Floyd算法，其原理為。

如果一個矩陣D=[dij]，其中dij表示i與j的距離，dij>0。若i與j之間不存在連接路徑，則dij為無窮大；i與j的最短距離分為是否經過i與j間的k兩種情況，可以令k=1，2，3，…，n（n為節點數），檢驗dij與（dik+dkj）的值，在此，（dik+dkj）分別是已知的i到k、k到j的最短距離，因此，（dik+dkj）就是i到j的最短距離。所以，若有dij>dik+dkj，表示從i到k，再到j的距離要比原來的從i到j的距離短，自然把i到j的dij重寫成（dik+dkj）。每當一個k搜索完，dij就是目前i到j的最短距離。將此過程不斷重復，當查完所有的k時，dij就是i到j的最短距離。

（二）平均路徑長度

平均路徑長度（APL）是指網絡中所有節點之間的平均最短距離，與之相對的最大距離稱為網絡的直徑，二者共同衡量網絡的傳輸性能與效率。平均路徑長度的計算公式為

APL=■■dij

式中dij為節點i和j之間的最短距離。

（三）優先連接

優先連接是指新增加的關注者的觀點、心理總是受到權威機構、人物等具有較高連接特征人群的影響，新出現的節點更傾向于與較高連接度的節點相連接。一個新的節點與一個原有節點相連接的概率Πi與節點vi的度ki和適應度ηi之間的關系滿足如下關系。

Πi=■

從式中可以看出，優先連接概率不僅與節點的度成正比，還與節點的度與適應度的乘積成正比。通常情況下，越老的節點具有越高的度，但如果一個新的節點具有較高的適應度，在隨后的網絡演化過程中同樣可以獲得更多甚至比老節點更多的邊。

通過以上的計算方法，可以計算各節點之間的緊密、親疏程度，在實際應用過程中的價值體現如表1所示。

五、基于超網絡的互聯網金融輿情人物的有效識別

互聯網金融輿情具有全國區域性特征，因此要對輿論加以引導和控制，必須要識別出輿情傳播過程中的人物類別。根據相關人物在輿情網絡中的作用，可以分為“領袖人物、連接人物、擴散人物、一般人物”四類，其中前三類可稱之為“關鍵人物”，不同的人物類型在線下和線上網絡輿情傳播中起到領導、聯系等不同的作用。

（一）領袖人物

領袖人物對輿情的形成和演化具有重要作用，在現實互聯網金融輿情分析中，領袖人物分為兩類，一類是在互聯網傳播中起到意見領導作用的具體人物；另一類是對解決互聯網金融輿情起到領導作用的虛擬人物，包括監管機構等權威主體。

對具體領袖人物的識別分為兩類，一類是線下領袖人物識別，可以根據線下活動的角色進行確定；另一類是對線上領袖人物的識別，可以通過節點超度、超邊重疊度、集聚系數、平均最短距離等進行識別。其中，集聚系數應用較廣，可以用來衡量網絡中各節點的群聚情況。

設網絡中節點i通過ki個節點相連，如果這ki個點完全相連的話，將有■條邊，而節點i與這ki個節點間的連接邊數僅為Ei，則節點i的集聚系數Ci為：

Ci=■

（二）擴散人物

擴散人物在網絡結構中處于核心位置，分為正面人物和負面人物，負面人物大多為造謠者和傳謠者，正面人物大多為辟謠者。在互聯網金融輿情事件中，線上和線下的擴散人物可能并不一致，線下的正面擴散人物可以是監管機構的工作人員，線上的正面人物可以是國家權威的社會媒體；線下的負面人物可能是競爭對手或者互聯網金融機構的工作人員等，線上的負面人物可能是在互聯網金融輿情事件中損失較大的投資者等。

線下的擴散人物較容易識別，對于線上擴散人物，可以利用K-shell值可識別出網絡中的擴散人物，并通過計算這些擴散人物之間的距離，防止負面人物輿論的擴大，以及實現正面人物擴散積極信息的范圍達到最大化。K-shell其基本思想如下。

假設邊緣節點的 K-shell值為 1，然后往內一層層進入網絡的核心，先去除網絡中度值等于 1 的所有節點以及連邊。若剩下的節點里面，仍有度值等于 1 的節點，則重復上述操作，即去除這些節點和連邊，直至所有節點的度值都大于 1，把這些去除的節點的 K-shell 值記為 1，也就是說這些節點均處于kls值為1的層。然后依次去除度值小于或等于k的節點及連邊（k為整數，k≥2），直到所有的節點都有對應的ks值為止。

（三）連接人物

連接人物是指在網絡結構中起到連接作用的人物，在互聯網金融輿情事件中，連接的對象包括互聯網金融企業、社交媒體、政府部門、行業監管機構、投資者等多個主體，因此在互聯網輿情關系體系內眾多的人物中識別連接人物較難。

對連接人物的識別通常由兩種方式，一是通過介數指標（Betweenness）刻畫節點對網絡結構的連接作用及該節點對其他節點對之間信息的控制能力；二是利用BR（Bridging）方法識別網絡中重要連接人物。

例如在圖4中，節點m和節點o之間的聯系，依賴于連接節點m和節點o路徑上的其他節點i、q和p，因此，計算一個節點的與其他節點的關聯性可以通過計算經過該節點的最短路徑的數量獲得，這個數量就是點的介數。令b為介數，則節點i的介數為

綜上，領袖節點是輿情網絡中影響力最大的節點，即連接度最大的節點；擴散節點是K-shell值最大的節點，該節點位于網絡的中心位置；介數或BR描繪的則是節點本身對網絡結構所具有的全局影響。通過對線上、線下“領袖人物”、“擴散人物”、“連接人物”的識別，可以制定線上、線下不同的引導、干預策略。

六、基于超網絡的互聯網金融輿情風險防控方法

（一）控制

互聯網金融輿情與普通輿情相比，就是在互聯網金融輿情的超網絡中存在大量的關鍵人物、領袖人物，并且這些人物在超網絡中所起的作用各異，因此對其進行有效控制的難度很大。目前，在輿情控制理論方面，主要有蜂擁控制（Flocking Control）、牽制控制（Pinning Control）兩類。其中，蜂擁控制源自仿生學，采用最多的經典模型是Reynolds（1987）模型，該模型按照大自然中鳥群群體蜂擁飛行的特點，通過觀察每個鳥的現有鄰居來決定其飛行方向。以此模型為基礎，Han J、Li M、Guo L（2006）構建了Boids模型，該模型以Reynolds模型為基礎，通過引入“間諜鳥”來控制群體行為。蜂擁控制能夠通過在系統結構保持穩定的情況下，對特定群體行為進行有效控制。

牽引控制是指通過對輿情網絡中的部分節點施加一定的影響進而使整個的網絡朝著預期的方向改變。對節點的施加影響可以是隨機施加，也可以按照相關的目的特定施加。Lu和Wang（2008）基于谷歌對網頁重要性進行排序的PageRank算法，提出了計算某一節點是否重要的ControlRank算法，即通過ControlRank值來評定哪些節點是最需要進行控制。節點的ControlRank值（CRi）如下。

綜上，互聯網金融輿情屬于典型的超網絡，因此，采用特定牽制的方式進行輿情控制是最有效的方式，尤其是利用ControlRank算法能夠挖掘出度較大的節點進行控制，進而實現對整個系統進行有效控制的目的。

（二）引導

1. 引導對象的識別

在互聯網金融輿情傳播網絡中，共有三類人物，分別是活躍人物、焦點人物和領袖人物。活躍人物活動范圍廣、活動頻率高，其傳播的輿情內容能夠加速整個輿情事件的發展速度與程度，因此，在輿情爆發的開始階段要盡可能地降低其傳播負面信息的概率，而在輿情的平穩階段要最大程度地引導其傳播正面消息的數量和范圍。在互聯網金融輿情事件中，活躍人物分為線上和線下兩類，線上的活躍人物可通過發帖數量、評論數量等進行衡量，線下活躍人物可通過具體的行為數量加以評判。線上活躍人物的可通過節點超度識別，節點超度越大，表明其活躍程度越高，其表率和示范能力越強。

焦點人物是具有高度凝聚力特征的人物，在線上傳播中作用明顯。焦點人物主要體現為兩類，一是負面焦點人物，往往是互聯網金融輿情事件的肇事者，主要為線下人物；二是在傳播過程中起到推波助瀾作用的傳播焦點人物，主要為線上人物。互聯網金融輿情事件一旦爆發，前者會成為眾矢之的，往往會變為沉默人物；后者擁有較大規模的粉絲數量，其言論容易得到較大數量的評論和轉發，其看待輿情問題的觀點較為精確，而且其觀點具有長期穩定、持續的特征。在焦點人物的識別上，負面焦點人物較容易識別。傳播焦點人物可通過超邊重疊度（Hyperedge Density，Dh）進行識別，其數值越高，焦點人物的程度越高。

領袖人物是整個輿情事件的引領者，其支持率較高，在整個互聯網金融輿情事件中，領袖人物一般分為兩類，一是輿情事件本身的事件領袖人物；二是處理輿情事件的權威領袖人物。后者往往是權威機構部門的發言人，對整個輿情事件起導向作用；前者是一般是輿情事件的參與者，往往是輿情受害者的代表。事件領袖人物和權威領袖人物構成直接的對話關系，二者的關系決定該輿情事件解決的好與壞、快與慢。

2. 引導策略的選定

互聯網金融輿情網絡是一個超網絡，每一類人物都存在線上人物和線下人物，由于互聯網金融輿情具有區域性的特征，因此在識別的基礎上進行引導時，要做到因時制宜、因地制宜。

（三）干預

1. 干預的輿情主體

在當今各種社交媒體的作用下，輿論的傳播除了受社交網絡中個體的影響，還受到來自媒體、政府等其他媒介的影響。李倩倩、劉怡君（2012）建立了社會輿論超網絡模型，從環境網絡、社交網絡、心理網絡、觀點網絡共同構建輿情的傳播與驅動機制。在互聯網金融輿情事件中，按照互聯網金融事件的主體劃分，可分為肇事者、涉事者、旁觀者三類，不同主體的心理、觀點、行為共同構建互聯網金融輿情事件輿論模型。

其中，肇事者是指爆發互聯網金融輿情的經營機構，互聯網金融輿情爆發以后，出于保全自己、將損失降到最低的觀點，責任較大的肇事者往往采取隱匿藏身、秘密跑路的行為，部分責任較輕者會采取投案自首等行為。涉事者是指互聯網金融輿情事件中遭受經濟損失的群體，當出現互聯網金融輿情事件時，對肇事者持有極其憤怒的心理，同時也會出現后悔、自責的心理，涉事者基于各自的經濟實力、能力水平會出現孤立無助、內心矛盾等觀點，繼而出現全體上訪、法律訴訟、甚至是暴利破壞等行為；旁觀者是指未在互聯網金融事件造成損失的群體，該群體包括行業從業者、普通人士等。該群體出于自身考慮，通常對互聯網金融輿情事件持有慶幸自己未遭損失、嘲笑、同情涉事者心理，因此會有事不關己的觀點，部分旁觀者會采取提供法律幫助等行為，但同時會存在指責、建議采取一定措施等行為。

2. 干預的措施

互聯網金融輿情具有系統性的特征，與普通輿情事件相比，解決互聯網金融輿情的目標不是平息事件，而是徹底解決事件，因此，必須借助政府、媒體的作用才能得以解決，所以采取的措施也必然以解決事件為出發點。干預的路徑是通過外部環境、自身認知的改變引起相關主體心理的改變，進而促使該主體觀點的變化，最后達成行為方式的改變。可見，干預的本質是通過改變達成控制。基于此，干預的措施包括隔離、嵌入、重構三個方面。

（1）隔離

從理論上講，隔離是通過隔離輿情網絡中一條或多條負向超邊，進而達到改變網絡傳播結構的目的。在實踐中是指隔離互聯網金融輿情超網絡中的持有、傳播負面信息的活躍人物、焦點人物和領袖人物。隔離的方式包括信息隔離和物理隔離，前者是通過信息化技術手段隔離相關人物的賬號、內容等，后者是指對造成極大惡劣影響的人物通過法律手段等實現隔離。隔離并不是最終目的，如果隔離出錯，甚至會引起更大波瀾的輿情，因此，隔離必須從系統的角度有理有據，一針見效。

（2）嵌入

嵌入是指通過在超網絡中嵌入一條或多條正向超邊，進而達到通過增加正向超邊數量影響整體輿情態勢的目的。嵌入的方式主要有信息嵌入和人物嵌入兩種，信息嵌入包括以新聞發布會、媒體文章等形式適時發布一些真實信息，進而對輿情態勢起到一定的引導作用；人物嵌入是指在互聯網金融輿情事件發展過程中，引入一些權威的政府、法律、權威機構等領域的人士，讓其傳播特定信息的目的。在運用嵌入策略時，嵌入的時機、內容至關重要，嵌入內容的傳播程度和范圍直接可以影響到嵌入結果。

（3）重構

重構是指通過改變超網絡中的負面超邊和正面超邊進行重新排列組合，進而實現對整個互聯網金融輿情達到整體防控的目的。重構是一個系統工程，在重構前應該制定具體的重構策略和緊急情況出現時的備選措施，尤其針對全國性的互聯網金融輿情事件進行重構時，必須考慮到區域聯動，做到行動一致、目標一致、方法一致。

七、總結

本文通過借鑒相關學者對網絡輿情研究成果，結合金融輿情的特性，得出互聯網金融輿情的傳播機制、人物識別方法、風險防控措施等，并進一步提出了針對互聯網金融輿情的監測和引導策略。從實際使用的角度來講，本文的研究僅僅是互聯網金融風險鏈條中的一環，為了有效地監測網絡金融輿情，還應該利用信息化手段，建立互聯網金融輿情的監測平臺系統，將信息采集、數據分析和危機預警三個層次有機結合在一起，并建立輿情事件數據庫，將消費者數據、宏觀經濟數據、金融產品數據等融為一體，為深度的信用評價、產品定價等大數據挖掘服務。

參考文章：

[1]You You Lu，Xiao Fan Wang. Pinning control of directed dynamical networks based on ControlRank[J].International Journal of Computer Mathematics， 2008（08）.

[2]李倩倩，劉怡君.基于超網絡的社會輿論演化及應用研究[J].中國科學院院刊，2012（27）.

[3]譚云明，饒瀟.網絡金融的輿情引導策略[J].重慶社會科學，2015（07）.

[4]張金鳳，王恒山.金融信息網絡傳播研究[J].金融經濟，2013（10）.

[5]張世曉.金融輿情與金融監管[J].經濟研究導刊，2012（02）.

（作者簡介：作者系中央財經大學博士后）