中小企業集群融資中風險信息的擴散研究

徐榮+陳寶峰+劉慧

摘要： 一、引言

中小企業融資難是困擾我國中小企業發展的“桎梏”，造成這種狀況的深層原因是我國金融體制的不健全和資金提供者與中小企業之間的信息不對稱[1]。在當前金融體制不斷深化改革的同時，民間金融也不斷發展創新，特別是中小企業集群融資模式的出現，有效地將外部融資者對貸款者信息獲取的傳統機制轉化為內生性的集群成員之間相互監督機制。這種融資模式一方面減少資金供給者對信息不透明的中小企業資金使用者的信息獲取難度；另一方面充分發揮貸款者之間的信息監督機制從而減少貸款者機會主義行為的發生。在實踐中，集群融資模式取得了良好的運行效果。中小企業集群融資，從大體上來講，是集合地理接近的同業或異業中小企業主，依托彼此長期交往建立起的社會交往網絡所產生的信任關系，將這種熟識的社會關系轉化為中小企業主之間的相互監督，從而減少外界對中小企業的信息收集成本，擴大單個企業的信譽度，在集群內部或者以集群的形式對外部資金供給者進行資金的拆借或融通的行為。

中小企業集群由于集群內企業地理位置的相近性和經營活動的根植性，集群內企業之間信息傳遞路徑發生改變，不同于銀企之間傳統的信息傳遞路徑，集群內信息傳遞與企業業主的社會交往網絡嵌套在一起，依靠熟人圈子來進行“軟信息”（soft information）的傳播[2]，這些“軟信息”具有隱形知識的特征，不能靠標準化辦法收集和處理，是嵌入到社會關系網絡中的，主要包括企業家品質、企業家聲譽、健康狀況、家庭狀況、交易信譽、企業生產狀況、企業與政府關系、企業間關系等[3]，這類信息的溝通是通過企業間社會資本網絡上的交流和互動，“軟信息”的有效傳遞是集群內中小企業控制融資風險的重要手段之一。

這類“軟信息”能否準確有效地在中小企業融資集群中傳遞和擴散，使投資者在第一時間通過社會網絡去察覺該類風險信息，是檢驗集群融資效率、發揮集群融資優勢的關鍵因素，也是決定該集群的抗風險能力和能否持續健康發展的重要條件。本文基于復雜網絡的方法對集群中此類風險信息在社會網絡中的傳遞機制進行研究，以期找到集群中風險信息傳播的路徑特點和影響信息傳遞的因素，從而減少融資風險信息傳遞時滯，降低集群融資風險，進一步發揮集群融資優勢。

二、文獻綜述

中小企業集群形成基于中小企業的根植性。Harrison（1994）[4]、Fabian（2000）[5]等分別從實證研究角度證明了由于集群的根植性使得集群內企業間更容易建立信任關系和信息共享機制，導致群內企業在信用上要比群外企業更具融資優勢。魏守華（2002）闡述了基于根植性的集群內企業之間信息交流路徑構建方式與傳統的中小企業和外部資金供給者之間信息交流方式不同 [6]，進一步說明集群特有的信息傳遞方式改善了中小企業和銀行的信息不對稱問題，有效降低了中小企業融資交易費用和外部資金供給者的風險。由于共同的融資需求，地理位置相近、經營業態相似、相互熟識的中小企業聚集形成融資集群，將彼此的信譽聯結在一起，以擴大的信用保證共同獲取外部資金資源。

但是，Williamson（1985）認為集群這類合作性組織存在“關系風險”[7]，關系風險是組織內合作伙伴不遵守合作精神而產生的違約可能性。Harrison（1994）在研究中肯定集群融資優勢的同時也指出，由于集群內企業信息網絡發達，會導致信息在集群內快速擴散，因此會挫傷企業的創新意識和知識共享意識，限制集群整體的發展[4]。同樣，朱海就（2008）也指出，依賴血緣關系、地緣關系、業緣關系形成的非擴展信任關系導致集群內聚集大量具有合作競爭關系的中小企業，合作半徑小、競爭激烈，容易導致合作關系不穩定，造成集群風險[8]。張琦（2010）[9]、王筱萍（2015）[10]指出集群不僅具有單個企業所可能面對的經營風險、自然風險等，而且由于網絡的鏈條傳導，集群企業往往還面臨集群內其他企業的風險傳染。因此，如何預防和控制鏈條內部非系統性風險是中小企業集群順利實現融資的關鍵。

蔡寧（2003）提出，集群的網絡結構是影響集群內非系統性風險的關鍵要素[11]。由此可見，預防和控制集群內的非系統性風險首先要先認清中小企業集群的組織結構特征。蔡寧（2006）[12]、吳小謹（2008）[13]、孫耀吾（2011）[14]一致認為，在中小企業集群網絡中，集群的形成與發展建立于中小企業成員之間的根植性和過去信任關系積累基礎上，集群內的信息傳遞牢牢嵌套在社會關系網絡上，信息傳播路徑廣泛而復雜，具有典型的“小世界網絡”特征，并且集群內中小企業的信息會通過集群網絡加速擴散傳播。馮峰（2007）基于小世界網絡特性研究了創新知識在集群中的擴散路徑[15]，劉納新（2015）基于小世界網絡理論對科技型小微企業的風險傳導進行了分析[16]，結果發現，小世界網絡模型基本貼合現實世界中信息傳遞傳導路徑，并剖析了影響網絡中信息傳遞的因素。

借鑒已有的研究成果，結合我國集群特點，本文基于復雜網絡中的小世界網絡模型對集群內的風險信息傳遞路徑和影響信息傳遞因素進行分析。由于集群形成和發展是建立在復雜的社會關系網絡基礎之上，特別是在集群進行融資活動時，社會網絡中的聲譽機制對融資行為產生巨大的監督作用，利用集群的聲譽機制可以有效避免集群成員的機會主義行為，而聲譽機制運行載體是集群社會網絡中復雜社會關系。大量學者的研究成果表明，利用復雜網絡中的小世界網絡能夠貼切反映集群內信息傳遞網絡特性。這些成果中，有許多學者關注集群內創新知識外溢和知識轉移在集群內的擴散，還未發現有學者對集群內融資風險信息擴散進行關注。而不容忽視的是，基于“熟人社會”建立起來的企業集群，單個企業的經營風險信息能否在集群內快速、有效地擴散是關系到集群生死存亡的重要因素，也是檢驗聲譽機制在集群中能否發揮作用的關鍵點。當集群內某一企業發生融資風險，與之相近的周邊企業能迅速察覺并將該風險信息傳遞至整個集群網絡，說明該集群內信息傳遞渠道順暢，且聲譽監督機制能有效發揮作用；反之，則說明該集群內聲譽監督機制失效，集群內信息仍處于不對稱狀態。因此，不能進行高風險的集群融資行為。由于集群網絡中信息傳遞路徑是由集群內企業業主社會交往關系構建，具有廣泛性和復雜性，因此利用小世界網絡進行研究這類復雜網絡信息傳遞特征是必要和有效的。endprint

三、理論基礎及模型構建

（一） 理論基礎

1.小世界網絡理論

1967年，社會心理學家Stanley Milgram通過著名的“傳信實驗”發現了六度分割理論（six degrees of separation），揭示了任意兩人之間的社會關系距離不超過6人的現象，說明信息傳遞的社會網絡距離很短，提出小世界網絡雛型。1998年，Watts和Strogatz正式構建WS小世界網絡模型，描述基于人類社會關系中社會交往的同質性和遠程“弱聯系”統一的人際關系的結合網絡[17]。該網絡具有較短的平均路徑長度同時又具有較高的聚類系數，普遍存在于現實社會網絡中，譬如社交網絡、輿論信息傳播網絡等。小世界網絡的提出給社會學家提供了一種解釋人類社會聯系本質的新思路。

WS模型是在規則網絡中以概率p將一個端點與另一端點重連，同時保證不出現自身連接和重復連接。當p=0時，表示每個節點與自身周圍k個節點相連，沒有“遠程跳躍邊”，表示規則網絡；當p=1時，所有端點與其他端點進行重連，表示隨機網絡；當0

資料來源：Watts D J， Strogatz S H， 1998.

通過圖1所示，介于規則網絡和隨機網絡之間的小世界網絡，最主要的特征是具有較大的集聚系數 C（Clustering co-efficient）和較短的特征路徑長度L （Characteristic path length），集聚系數C表示近鄰節點聯系緊密程度，特征路徑長度L表示網絡中各節點相連的最短距離的平均數，即小世界網絡的平均距離。通過實證檢驗，專家學者分別證明了電影明星網、電力網、蠕蟲的神經網、性行為網絡[18]等實際網絡構成符合小世界網絡模型特征。隨后，Newman和Watts在WS網絡模型的基礎上構建了NW網絡模型，NW網絡強調了在不改變原有節點關系的基礎上，再在原本沒有關系的節點之間建立連接關系，表達新交往關系產生并不改變原先的交往關系[19]。在現實交往社會關系網絡中，節點間新聯系的產生并不會破壞原有節點間的聯系方式。因此，NW小世界網絡模型更接近社會交往網絡模型本質。在集群網絡中，企業間原有的人緣、地緣、血緣交往關系類似于小世界網絡的節點連接邊。隨著集群的形成，集群內部會有企業建立新關系，類似于NW模型中新增加的關系連接邊，由于新形成的關系邊并未破壞原有網絡的關系連接。因此，NW模型更符合集群網絡的構建特征。

2.信息傳播理論

作為復雜網絡科學的新成果，小世界網絡模型在傳染病傳播預測領域[20]、互聯網輿論信息傳播領域[21]、神經網絡信息傳導領域[22]等取得了豐厚的研究成果。蔡寧（2003）發現在我國集群網絡構建中，集群具有較短的平均最短路徑長度和較高集聚系數，符合小世界網絡模型特征[11]。孫耀吾（2011）發現小世界網絡模型中的信息傳遞理論可以有效地揭示創新知識在集群組織中的擴散特性[14]。馮峰（2006）利用小世界網絡模型對集群內知識轉移過程進行特性分析，提出在集群中加速推廣新知識的政策建議[15]。信息與知識在集群中屬于同性質的資源，信息擴散與知識擴散類似，在信息傳遞方面中，Moukarzel（1999）利用傳染病傳播擴散機制“SIR”和“SIS”模型進行社會輿論信息動力傳播機制仿真模擬[23]，吳鵬飛（2014）運用傳染病網絡模型對信息在微博中的傳播過程進行分析[24]。基于學者的研究觀點，由于集群內的信息傳遞嵌套在集群內企業節點之間的社會關系網絡中，可以用傳染病模型的研究方法闡述信息在復雜網絡中的擴散過程。但是，傳染病模型的假設前提是信息傳遞的節點數處于無限的網絡中，這點與集群融資網中節點數目固定這一前提并不相符，還需對傳染病模型進行改變后，再運用到集群網絡風險信息傳遞路徑分析中。

發源于社會網絡理論的小世界網絡既屬于社會本質屬性的理論方法，又是復雜網絡研究理論中的一種特性網絡。本文借鑒小世界網絡理論研究集群內的社會網絡的構建方式，并通過小世界網絡理論中復雜網絡特性研究嵌套在集群網絡中的風險信息傳遞路徑。本文首先研究風險信息在集群中的擴散動力機制，其次研究影響風險信息傳遞的集群構建特性，以期在集群中建立起快速的風險信息的傳遞機制，使集群其他企業及時發現和處理融資風險，確保集群融資安全。

（二） 模型構建

1.基于小世界網絡的風險信息擴散模型

若集群網絡中的節點數目為N，集群內某一個中小企業節點發生了融資風險，我們把該節點做為傳染病傳播中的傳播者（infective），將與該節點發生直接聯系的點，譬如對與該點屬于上下游供應鏈關系或與該節點有直接聯保關系的點稱為易感染者（susceptible），在小世界網絡中表現為距I點的社會距離較近。若I節點發生上述融資風險時，與該節點具有直接聯系邊的Sn（n=1，2…n）個節點可能會首先意識到該節點產生融資風險，我們假設此Sn個節點會以一定概率λ將I的風險信息傳遞至集群網絡中的其他節點。

因此，當某一節點發生了融資風險為，I0，則整個集群網絡中的企業節點此時分為兩種狀態：已知節點和未知節點。未知節點一旦接觸到風險信息會成為已知節點，并會以一定的概率λ將該信息繼續擴散。根據平均場理論，在t時刻內，在具有N個節點的集群內已知風險信息的節點狀態和未知風險信息的節點狀態分別為i（t）和s（t），并且節點間的傳播概率為固定值λ，則該風險在集群中的擴散模型的動力學方程即為[25]：

ds（t）dt=-λi（t）s（t）

di（t）dt=-λi（t）s（t）（1）

即在t時刻，集群中風險信息的已知者以λi（t）s（t）的比例增加，未知者以λi（t）s（t）的比例逐漸縮小。且當t=0時，i（t）=i0，則有，

i（t）=i0eλt（2）

根據，s（t）+i（t）=N，與式（1）、式（2）聯立，求得：

i（t）=N（1+N/i0-1）eλNt（3）

由式（3）可得，當t→∞時，i（t） →N，也就是說，風險信息隨著時間增長，整個集群會成為風險信息的已知者。

根據平均場理論假設[26]，該模型表示的是集群中所有點之間均勻混合，充分接觸，即集群內所有點都有等概率機會與其他點進行信息溝通和交流。但在集群中，有些節點的節點度數非常高，一旦發生風險，風險信息會迅速傳播到整個網絡，該點傳播信息的速度相比節點度低的企業節點信息傳播的速度會很快，理論上容易使其他節點察覺該風險；同樣，集群中有些節點處于集群網絡的邊緣，與集群其他節點聯系較少，發生風險時，信息傳遞到整個網絡的速度較慢，那么該節點的風險不容易被整個集群網絡識別和控制。結合小世界網絡的分析方法，進一步對集群網絡的特性進行分析。

2.風險信息在集群中傳播特性模型構建

（1）特征路徑長度（L）。在集群網絡中，融資風險信息傳遞是與社會交往網絡聯系在一起的。以N表示集群中中小企業的節點數量；集群中企業之間的社會交往關系是NW小世界網絡的點點之間的連接邊，用M表示；集群中融資風險信息用G表示；集群中任意兩個中小企業Ni和Nj之間信息傳遞的最短路徑為dij，表示當集群中某個節點企業發生融資風險時，最有可能發現該風險信息的節點是距該節點距離最短路徑的節點。根據NW小世界網絡模型的定義，從整個集群網絡來看，任何兩個節點之間的平均距離為L（G），則有：

L（G）=2N（N-1）∑dij（4）

在NW網絡假設前提下，集群中每個企業節點與左右相鄰的K/2個節點相連，其中K為偶數，集群中企業由于集群內部企業間交流合作的不斷加深，會以概率p與其他節點建立聯系，由于不能有自連邊和重復邊的假設，則修正后的特征路徑表達式為[20]：

L（p）=2NKfNKp2（5）

其中，f（NKp/2）為普適標度數，滿足：

fNKp2=常數，NKp21

ln（KNp/2）NKp/2，NKp21（6）

結合式（5）、（6），集群中信息傳遞的特征路徑長度L與節點N呈對數正比關系。一方面表明集群中企業規模不斷增加的同時，特征路徑呈現對數形式的增長；另一方面表明集群內中小企業節點之間信息交流比較密切，一旦有融資風險信息的發生，可以通過較短的特征路徑長度L（G）快速地傳播至整個集群網絡，對網絡中的其他節點產生風險預警作用。反之，特征路徑越長表明，風險信息在全網傳播速度變慢，容易出現信息傳播時滯現象，風險信息不能及時傳遞到整個集群網絡中，會導致整個網絡對處理該風險的反應延遲，增加集群風險發生的概率。

（2）集聚系數（C）。假設集群中節點Ni有ki條邊將它和其他節點相連，這些節點就稱為Ni的直接相鄰節點，則節點之間最多存在ki （ki-1）/2條邊將他們相互連接起來。假設在集群中這些節點之間實際連接邊總數為E，則與可能的存在的邊數ki （ki-1）/2之比定義為Ni節點的集聚系數Ci，即：

Ci=2Eki（ki-1）（7）

Ci表示的是節點Ni的集聚系數，集聚系數的值表示為：

C（p）=ε（K-2）4（K-1）+4Kp（p+2）（8）

集聚系數越高，說明集群網絡中“小團體”的程度越高，若融資風險發生，融資風險信息就容易在集群中傳遞，特別是集聚系數較大的節點，隱蔽風險信息的可能性越小。一旦風險發生，較高的集聚系數也能表明節點之間由于復雜聯系的社會網絡關系，使整個集群的抗風險能力提高。

（3）頂點度。在小世界網絡模型中，頂點度表述的是節點Ni與其他節點以ki的連接邊聯系的度數，Ni節點的頂點度I（i）表示Ni節點的頂點度與整個網絡所有頂點度之間的比值，具體表達式為：

I（i）=ki∑ni=1ki（9）

根據小世界網絡定義，該節點的頂點度也可以用度分布，即與之直接相連的k條邊表示，即該點的度數為k，根據NW網絡定義，網絡中任一個節點至少要與相鄰K個節點相連，則任意一個節點的頂點度分布為：

p（k）=0，kK

Nk-KKpNk-K1-KpNn-K+k，kK（10）

某節點的頂點度越高說明該點與其他節點的聯系越多。集群中頂點度越高說明越具有重要性，可能是該集群創立初期的發起人或在集群中具有核心影響力的企業。由于該點與集群內其他節點具有較多的聯系邊，假如該節點發生風險，對整個集群的發展就會產生毀滅性的打擊，當頂點度高的節點發生風險時，風險信息會快速傳覆蓋到整個網絡；當頂點度低時，最初察覺該風險信息的僅有與其具有直接連接邊的節點，再由相鄰節點將其風險信息擴散開來，會產生風險信息傳遞時滯，很難快速觸發集群內的風險防范預警機制，可能會導致實質性風險的發生，對集群的其他企業帶來風險傳染。

四、實證分析

（一）案例選擇

河南省魯山縣趙村絹花生產基地是全國絹花生產三大產地之一。 1992年，趙村村民燕金鳳從廣東將絹花制作技術引回家鄉，在趙村進行絹花的生產和加工，取得了較好的效益。由于絹花生產投資小、技術簡單、市場銷路廣等特點，趙村村民看到了絹花生產的廣闊前景，紛紛學習絹花制作技術，使絹花生產在趙村迅速擴散。農閑時間家家戶戶從事絹花制作，賺取收益。時至今日，趙村已經形成了東起朱家墳，西至小爾城，以3公里中湯街為中心的全國最大絹花生產加工基地，所制作的絹花產品遠銷海外，聲明遠揚。據統計，2014年底，趙村絹花生產投資總額達9000余萬元，年創產值12562萬元，營業收入12940萬元，企業一線工人達900余人，利潤高達6000余萬元[27]。絹花生產不僅為村民脫貧致富貢獻了力量，同時也為魯山縣經濟發展開辟了新的道路，成為了名副其實的“經濟花”。endprint

隨著近年來趙村絹花生產企業數目不斷增加，企業間自發選取本地絹花行業中具有威望的人員和企業主成立“趙村絹花生產協會”。該協會成立一方面是為了規范絹花生產企業的生產合作行為，防止企業間的惡性競爭，促進絹花生產企業的共同發展；更重要的一方面是，絹花企業可以通過協會平臺解決自身融資難的問題。由于絹花生產企業一般體量較小、企業設置不規范、擔保物少，往往面臨融資困難的局面。因此，絹花生產企業利用協會平臺集合當地企業的整體信用對外融資，解決協會成員的融資難問題。據統計，2014年，趙村絹花生產協會共向當地農村信用合作社貸款400余萬元，有效解決了協會內企業融資難問題[28]，并且沒有一家企業逾期還款，得到了當地企業和銀行的廣泛認可。

絹花生產企業通過協會平臺集合信用對外融資模式取得成功的根本原因在于：一是有效利用了企業的根植性。絹花生產企業是當地祖輩都在趙村生存的農民發展起來的，企業的主要經營管理人員之間親緣關系復雜，對彼此的信譽、品質都十分了解，在對外進行融資擔保時，協會自動排除具有潛在道德風險的企業，減少了對外融資的風險。二是有效利用了絹花生產企業集群內復雜的信息傳遞網絡。企業主之間的復雜的人緣、地緣關系可以形成信息傳遞的有效渠道，使借款企業的生產經營等信息通過信息傳遞渠道真實快速地傳遞至集群其他企業，對借款企業形成巨大的聲譽約束。其他企業可以通過信息傳遞渠道網絡共同對借款企業進行間接監督，一旦借款企業發生風險，該風險信息會迅速通過信息網絡傳遞至整個企業集群，使協會相關部門迅速對該風險做出反應，從而防止融資風險發生。

趙村絹花生產企業集群地理位置集中，企業經營規模普遍較小且設置不規范、擔保物少等，具有典型的中小企業生產集群特征。同時，絹花生產集群利用協會平臺對外融資模式日趨成熟，經過現實檢驗，該模式有效降低了絹花企業融資風險，提高了融資效率。因此，本文選擇河南省魯山縣絹花生產企業集群作為研究對象，通過采集企業間關系網絡數據研究風險信息在集群中的擴散方式及擴散條件，對中小企業集群融資中融資風險防范具有重要意義。

（二）數據收集

趙村絹花產業集群是我國最大的絹花生產加工基地，1992年由村民燕金鳳將絹花生產技術引入村莊，成立金鳳花卉有限公司。經近年來的發展，趙村又相繼成立了振華絹花廠、自卿絹花廠等絹花生產企業。直至2014年底，趙村絹花生產企業與絹花加工的手工作坊共計上千家，構成了趙村絹花生產加工企業集群網絡。由于企業生產經常會面臨資金周轉困難等資金短缺問題，集群成立絹花生產協會協助企業解決集群的融資困難。具體融資方式如下：參與協會的會員，若有一家會員發生資金短缺需要融資時，必須由除本單位外5家會員單位共同簽名為其做擔保，才可以向協會申請借款幫助，經協會對申請單位進行初步核實后，協會用絹花生產集群整體信用作為擔保與當地銀行協調融資，資金一旦批準，融資款項會劃撥至集群協會資金管理中心，再由中心向借款單位撥付，借款單位到期向中心還本付息，再由中心還款至銀行。如果單位到期未還款或者發生融資風險，由簽名的5家單位共同將借款款額補齊繳至中心，且中心不再為這6家企業進行擔保。根據絹花企業集群的融資過程的特點設計調查問卷，問卷的主題項包括五個部分，分別為：

（1）所在單位基本情況。

（2）近一年中，所在單位為哪些絹花生產廠家或者農戶做過信用擔保？

（3）所在單位是否愿意為協會內的其他絹花生產廠家或農戶做信用擔保？如果愿意，請說明愿意為其信用擔保單位的具體名稱；如果不愿意，請說明理由。

（4）近一年中，所在單位領導與哪些絹花生產廠家或者農戶來往比較密切？（社會關系強度）

（5）近一年中，所在單位是否會及時參與協會組織的各項活動，請問具體次數是多少？（社會交往頻率）

趙村絹花生產集群成員關系復雜，成員之間信息互通，利用社會學的關系網絡數據探索集群內社會關系。本文主要使用滾雪球抽樣方法，結合廣度搜索和深度搜索的方式，其中通過剪枝法控制抽樣的層次，從而控制廣度搜索最終的覆蓋范圍[29]。本文首先選定協會年產值在500萬以上的4家大規模的絹花生產企業，金鳳花卉有限公司、自卿絹花廠、振華絹花廠、偉業絹花廠為出發點，通過對這些企業的主要負責人發放調查問卷和實地訪談，確定日常交往較多和愿意為其做信用擔保的絹花生產企業和農戶，再由這些企業及農戶發放調研問卷，由他們再次確認同樣日常交往多和信賴的企業及農戶，如果調研企業之間存在互指，則認為集群網絡中信任關系成立。

依據社會學研究的方法，滾雪球抽樣會使抽樣結果帶來廣度和深度的問題，為了得到有效的社會關系數據，在研究過程中需要確定抽樣的深度。首先根據企業的成立時間、生產經營規模判斷企業在集群網絡中的重要性，其次根據企業的重要性確定抽樣廣度的覆蓋率，最后確定抽樣的深度應為4層，由此獲得集群網絡中社會網絡關系型數據。由于關系型數據并沒有辦法檢測數據的信度及效度，所以在問卷調研中增加了互指認證，在保證滾雪球抽樣檢驗的覆蓋率和控制調研成本的同時，進一步對關系型數據進行清洗，即排除關系型數據中單個指向關系，將有互指關系的數據留下，并排除絹花生產年產量在30萬朵以下的超小型手工作坊，由此進一步篩選出具有代表性的中小企業集群融資關系網絡數據。

（三）魯山縣趙村絹花生產集群融資網絡拓撲圖

通過滾雪球的社會網絡抽樣方法和對數據的進一步篩選和清理，最后得到魯山縣趙村絹花生產集群融資網絡拓撲圖，涵蓋了趙村25家正規絹花生產廠家和34家中、大型農戶手工作坊。以這59家節點單位之間的擔保關系和社會交往關系作為融資中集群企業節點間的信任關系邊，根據調研結果，在pajek501軟件中輸入相關數據，我們得到如圖2所示的集群社會關系網絡拓撲圖。

通過結果可以清晰地看到節點間的擔保及信任關系復雜網絡圖。其中，圖中的文字節點表示趙村集群生產企業具體單位名稱，f1至f34代表34家中大型手工作坊農戶。通過對實測網絡的初步分析得到，該網絡的頂點值為N=59，網絡的邊為E=133，平均點度為k=45，網絡密度為D=007。簡單的網絡模型特征值并不能確定該實測網絡屬于復雜網絡中的哪一種隨機圖模型，因此，還需運用蒙特卡洛模擬方法計算出置信空間對實測網絡模型進一步驗證。根據蒙特卡洛模擬方法要求，固定網絡的頂點數、邊數、平均點度等基本特征值，利用Pajek軟件分別根據NW小世界網絡特征、隨機網絡特征和無標度網絡特征各生成1000次的隨機網絡圖，從以上三類隨機網絡中計算出各自特征值分布圖，劃出95%的置信區間與實測網絡進行分析對比，如表1所示。圖2趙村絹花生產集群社會關系網絡拓撲圖endprint

1.不同節點度數的風險傳染性分析

實測網絡中的節點度數分布可以由Pajek軟件統計得出，如表1所示。表中分別顯示不同點度的頻數分布和各個點度分布的代表節點名稱，如第一行f15節點在實測網絡中的節點度數為2，代表與2個企業產生了互選關系，并且在圖中共有3個度數為2的節點；最后一行的中中絹花企業代表著與9家企業產生了互選關系，且表中共有2個節點與中中的度數相同，其他節點度數依次類推。節點度數的分布代表不同節點與絹花生產集群網絡中其他節點的連接關系，代表著與其他節點的社會網絡連接緊密程度。可以認為，假若集群內某一點發生融資風險，與之社會距離較近的企業節點會首先發現該風險信息，并將該風險信息擴散到整個集群網絡中。

由圖3可以看出，具有不同度數節點的風險信息在集群網絡中傳播速度不同。節點度數越大，風險信息在整個網絡中擴散速度越快；反之，節點度越小，風險信息在集群網絡中擴散越慢。如節點中中企業與節點f15對比，在風險發生早期，中中企業的風險信息會迅速傳入到集群網絡中，感知到中中企業產生風險信息的企業比感知到f15節點產生風險信息的企業多達一倍有余；隨著時間推移，得知中中企業發生風險的企業數目急劇上升，集群中有一半以上企業得知此風險信息，相對于f15節點，該節點的風險信息擴散曲線相對平穩；到中后期，中中企業的風險信息先于f15節點擴散到整個集群。節點度數越高，意味著與該節點產生直接社會聯系的節點越多，如果這類節點發生融資風險，那么，這類風險信息在集群中就越難以隱瞞，風險信息會迅速在網絡中傳播引起企業集群風險預警，也越容易使協會管理者對該風險進行識別，進而評估該風險，并及時加以處理；反之，節點度數越低的企業節點與其他企業社會聯系越少，一旦發生風險，風險信息不易在集群內擴散，風險信息不易察覺，影響整個集群對風險處理的流程，加大集群融資風險。

2不同特征路徑長度的風險信息傳播分析

河南省魯山縣趙村絹花生產加工產業集群的整體節點數目較少，但隨著絹花生產集群后期不斷擴展，企業節點數目也會隨之增加。因此，本文以實測網絡為基礎，結合小世界網絡中信息擴散特性，對集群不斷擴大時風險信息傳遞路徑進行分析，找出集群中融資風險信息擴散的一般規律。根據調研結果，絹花生產企業集群內企業節點的平均點度為k=45。假設點度不變，即集群內的連接系數為45，當集群節點數擴大為N=59、100、200、500時，根據第三部分分析，集群內其特征路徑長度L（p）僅與節點間關系的重連概率p有關，通過Matlab70仿真模擬分析可得圖4。圖4不同節點數目時，特征路徑長度與節點重連概率的關系圖示

由4圖可以看出，絹花生產企業集群內的特征路徑長度隨著集群節點間的重連概率增加，路徑不斷變小。隨著集群內節點數目不斷增加，特征路徑長度增加。說明隨著集群發展，集群內節點數目增加導致信息傳遞路徑增長，信息傳遞時滯也會增加。如果集群內企業一旦發生風險，風險信息傳遞的速度變慢，不利于企業集群內對該風險信息的識別和處理，不利于風險控制。

3不同的連接系數對風險信息的擴散影響

在絹花企業集群中，連接系數代表著集群內所有企業之間的平均點度，但在實際社會交往過程中，實際點度會隨著集群內企業交往緊密而增加，隨著集群內節點間的交惡而降低，是一個處在不斷變化的值。根據前文所述，特征路徑長度僅與集群內節點的重連概率相關，假設當固定集群內企業數量為N=59，連接系數k=4、45、5時，特征路徑長度與重連概率p之間的關系如圖5所示：圖5不同連接系數時，特征路徑長度與節點重連概率的關系圖示

當連接系數k一定時，特征路徑長度L（p）與企業間的重連概率p成負相關關系，表示當企業間新建立的聯系概率p越大，企業間的信息傳遞路徑就越短，信息交流越快。隨著連接系數k的增加，L（p）曲線向左下方移動，這表明連接系數越大，可以明顯縮短企業間的社會交往距離。即當融資風險信息出現時，企業間可以通過較大的連接系數和較短的社會路徑距離快速地使風險信息在集群網絡中傳播，減少信息時滯，較快應對風險。

4不同的聚集系數對集群內風險信息的擴散影響

在絹花生產集群的實測網絡的聚集系數為c=0165。隨著集群的節點間連接系數不斷變化，集群的聚集系數也不斷變化與集群內重連概率相關，當連接系數k=4、45、5時，對于集聚系數C（p）與重連概率p之間的關系如圖6所示。圖6不同連接系數時，聚集系數與節點重連概率的關系圖示

由圖6可知，集聚系數C（p）與重連概率p是反比關系。重連概率越大，集群內節點的集聚系數越小，意味著保持現有絹花生產企業數目不變，隨著重連概率增大，節點間的小團體數隨著關系重連更加分散。集聚系數越大，信息在企業集群中擴散越快。一旦集群內有企業發生融資風險時，信息首先在集群小團體中傳播，再由該團體傳播至集群內其他團體，聚集系數越大的集群，說明集群內企業連接緊密，減少信息傳播時滯。

研究結果發現，魯山絹花生產集群具有明顯的小世界網絡特征。集群內度數較大的企業節點所具備的信息傳播能力越強，度數較小的節點信息傳播能力越弱，但由于集群內節點數目較少，風險信息傳播至整個集群網絡的時間相近。假設集群不斷擴展，當節點數目不斷增加時，特征路徑長度也不斷增加，越不利于風險信息在集群中的傳遞；在現有集群內，集群內節點的連接系數增大時，集群內的特征路徑長度和聚集系數都隨之減小，且隨著集群內的節點間重新連接概率增加使特征路徑長度和聚集系數相應增加。節點數目增加、連接系數變小都會導致集群內節點間的信息交流不暢，有可能會發生信息傳遞的時滯，降低風險信息在集群內的傳播效率，導致集群不能針對風險及時做出反應，延誤風險處理時間。

五、研究結論與政策啟示

（一）研究結論

本文基于復雜網絡的分析方法剖析了集群內風險信息的傳遞路徑。在此基礎上，結合集群內風險信息傳遞的小世界網絡特性，采用仿真方法對影響風險信息擴散的因素進行模擬分析。研究結果表明：endprint

第一，集群內點度較大的企業節點的風險信息在集群融資網絡中擴散較快。

第二，集群網絡企業節點數目、節點間的連接系數和重連概率直接影響集群的特征路徑長度和聚集度，進而影響集群內企業風險信息的擴散效率。

（二）政策啟示

本文結論對當前我國集群融資機制的建設具有以下啟示：

第一，要適度控制集群規模擴張速度。集群在吸納新成員時應篩選出經營者人品信譽良好的企業，不能盲目吸收成員，集群擴展速度宜緩不宜急。

第二，應對新申請加入集群的企業建立相應的評估標準。集群管理者通過對新申請入群企業的評估，旨在挑選出與已在集群企業有密切社會交往關系或與已在群企業有供應鏈上下游關系的企業，以保證新入群企業能迅速融入集群內原有企業的社會交往網絡，與在群企業快速建立新的交往與聯系。

第三，充分發揮集群管理協會作用，提高集群內企業的交往頻率。集群管理協會應積極組織集群內企業活動，譬如定期組織集群內生產能力較強的企業向生產能力較弱的企業傳授前沿的生產技術和管理經驗，在提高集群整體經營水平的同時增加集群內強弱企業間的信息交流溝通，提高集群內企業間社會交往頻率。

第四，應加強對集群內規模較小企業的貸后監督。經營規模較小的企業占據社會資源少，不易與集群內其他企業建立社會聯系，當此類企業進行融資活動時，除了對其風險信息側面監控的同時，資金供給者還應對其財務和經營狀況進行不定期檢查，以減少由于此類企業風險信息在集群中傳播時滯而造成融資風險發生。

參考文獻：

[1]全麗萍.非對稱信息下中小企業融資問題研究——兼論我國中小金融機構的發展[J].管理世界， 2002（06）：144-145.

[2]林毅夫.信息——非正規金融與中小企業融資[J]. 經濟研究，2005（07）： 35-44.

[3]陳曉紅.中小企業集群融資[M].北京：經濟科學出版社，2008.

[4]HARRISON， BENNETT. The Italian Industrial Districts and the Crisis of the Cooperative Form： Part I， PartⅡ [J].European Planning Studies， 1994， 2（1）：3-22.

[5]FABIANI S， PELLEGRINI G， ROMAGNANO E， SIGNORNI LF. Efficiency and localization： the case of Italian districts [M]. Germany： CUHK Libraries， 2000.

[6]魏守華， 劉光海， 邵東濤.產業集群內中小企業間接融資特點及策略研究[J].財經研究，2002，28（9）：53-60.

[7]RIORADAN M H， WILLIAMSON O E. Asset specificity and economic organization [J]. International Journal of Industrial Organization， 1985， 3（4）：365-378.

[8]朱海就.企業網絡的經濟分析：產業區能力差異的解釋[M]. 浙江：浙江工商大學出版社，2008.

[9]張琦.基于共生理論的中小企業集群融資風險分攤機制[J].湖南商學院學報， 2010， 17（6）：65-69.

[10]王筱萍，王文利. 農村中小企業集群供應鏈融資：內生風險治理機制與效應[J].農業經濟問題， 2015（10）：34-42.

[11]蔡寧，楊閂柱，吳結兵.企業集群風險的研究：一個基于網絡的視角[J].中國工業經濟，2003（4）：59-64.

[12]蔡寧，吳結兵，殷鳴.產業集群復雜網絡的結構與功能分析[J].經濟地理，2006， 26（3）：378-382.

[13]吳小瑾. 基于社會資本視角的中小企業集群融資機制研究[D]. 湖南：中南大學， 2008.

[14]孫耀吾， 衛英平. 高技術企業聯盟知識擴散研究基于小世界網絡的視角[J]. 管理科學學報， 2011， 14（12）：17-26.

[15]馮鋒， 張瑞青， 閆威. 基于小世界網絡模型的企業創新網絡特征分析[J]. 科學學與科學技術管理， 2006， 27（9）：87-91.

[16]劉納新， 伍中信， 林劍峰. 科技型小微企業融資風險傳導過程研究——基于小世界網絡視角[J]. 會計研究， 2015（1）：56-60.

[17]WATTS D J， STROGATZ S H. Collective dynamics of“smallworld”networks [J].Nature， 1998，393（6684）：440-2.

[18]LILJEROS F， EDLING C R， LAN A. The web of human sexual contacts [J]. Nature， 2001， 411（6840）：907-8.

[19]NEWMAN M E. The structure of scientific collaboration networks [J]. Proceedings of the National Academy of Sciences of the United States of America， 2000， 98（2）：404-9.

[20]NEWMAN M E， WATTS D J. Scaling and percolation in the small-world network model [J]. Physical Review E Statistical Physics Plasmas Fluids & Related Interdisciplinary Topics， 2000， 60（6 Pt B）：7332-42.endprint

[21]NOSHIR S. Theories of communication networks [M].America： Oxford University Press， 2003.

[22]SIMARD D， NADEAU L， KROGER H. Fastest learning in small-world neural networks [J]. Physics， 2004， 336（1）：8-15.

[23]MOUKARZEL C F. Spreading and shortest paths in systems with sparse long-range connections [J]. Physical Review E Statistical Physics Plasmas Fluids & Related Interdisciplinary Topics， 1999， 60（60）：R6263-6.

[24]吳騰飛， 周昌樂， 王小華，等. 基于平均場理論的微博傳播網絡模型[J]. 物理學報， 2014， 63（24）：44-51.

[25]BARTHELEMY M， BARRAT A， PASTORSATORRAS S， et al. Velocity and hierarchical spread of epidemic outbreaks in scale-free networks[J]. Physical Review Letters， 2004， 92（17）：178701.

[26]NEWMAN M E. Mixing patterns in networks [J]. Physical Review E Statistical Nonlinear & Soft Matter Physics， 2003， 67（2 Pt 2）：241-251.

[27]匿名.2014年各縣中小企業聚集區發展數據匯總[EB/OL].平頂山市統計局， （2015-08-24）[2016-10-26].http：//www.pdstj.gov.cn/Article/List/List_49.html.

[28]楊碩.魯山開出“經濟花”[EB/OL].河南省農村信用社， （2015-06-11）[2016-10-26].http：//www.hnnx.com/viewCmsCac.do？cacId=ff808081331b127c0133256729e52997&offset=18&.html.

[29]陳偉，周文，郎益夫.集聚結構、中介性與集群創新網絡抗風險能力研究——以東北新能源汽車產業集群為例[J].管理評論，2015，27（10）：204-217.endprint