3. 金融图数据构建
金融图模型的上限，往往不由算法决定，而由底层图数据的质量与结构决定。增量更新与漂移监控之所以困难，根源在于四类核心网络——交易、股权、供应链、舆情——各自具有不同的数据节奏、实体粒度和关联语义。本节从“节点—边—属性—时间戳”的统一建模视角出发，梳理四类网络的构建方法与数据源，为后续增量更新与漂移检测奠定数据基础。
一、核心原理：四类网络的统一建模框架
无论哪类金融网络，都可抽象为带时间戳的异构图 G = (V, E, A, T)：V 为实体节点（账户、公司、产品、舆情事件），E 为关系边（转账、持股、供货、共现），A 为节点与边的属性集合，T 为每条边生效与失效的时间区间。四类网络的差异主要体现在边的语义、数据频率与实体对齐方式上，而非建模范式。
valid_from 与 valid_to 双时间戳，否则增量更新时无法区分“新增关系”与“关系变更”，漂移监控也会失去时间基准。
二、四类网络的构建方法与数据源
1. 交易网络
以账户或客户为节点，以资金转账为有向边，边属性包括金额、币种、渠道、交易类型。数据源主要来自核心银行系统流水、支付网关日志、清算所报文（如 ISO 20022）。构建时需做账户去重与同名合并，并按日/小时粒度切分快照。
2. 股权网络
以公司、自然人、基金为节点，以持股关系为有向边，边属性包括持股比例、持股类型（直接/间接）、生效日期。数据源包括工商登记、上市公司公告、基金季报、股权穿透数据库。难点在于多层穿透与一致行动人识别。
3. 供应链网络
以上市公司、供应商、客户为节点，以采购/销售关系为边，边属性包括交易金额、占比、合同期限。数据源来自年报附注、招投标记录、海关进出口数据、行业调研。供应链边更新频率低但单次变更影响大，需重点监控。
4. 舆情关联网络
以公司、人物、事件、媒体为节点，以报道、提及、转发、共现为边，边属性包括情感极性、传播量、时间窗口。数据源包括新闻 API、社交平台、公告文本、研报。舆情边生命周期短、噪声高，需配合实体链接与去重。
| 网络类型 | 节点 | 边语义 | 典型数据源 | 更新频率 |
|---|---|---|---|---|
| 交易网络 | 账户/客户 | 资金转账 | 核心流水、清算报文 | 小时/日 |
| 股权网络 | 公司/自然人/基金 | 持股关系 | 工商、公告、季报 | 季度/事件驱动 |
| 供应链网络 | 公司/供应商/客户 | 采购销售 | 年报、海关、招投标 | 季度/年度 |
| 舆情关联网络 | 公司/人物/事件 | 报道/共现 | 新闻、社交、研报 | 分钟/小时 |
三、方法流程：从原始数据到可增量图
- 实体抽取与对齐：统一社会信用代码、证券代码、账户号作为主键，建立跨源实体映射表。
- 关系抽取：结构化数据直接映射为边；文本数据通过规则或模型抽取三元组。
- 时间戳标注：为每条边写入生效区间，缺失时以数据入库时间兜底。
- 图快照生成：按业务时间切分日/周/月快照，供增量比对使用。
- 质量校验：检查孤立节点、重复边、时间倒挂、比例越界等异常。
# 边记录示例（交易网络）
{
"src": "ACC_10023",
"dst": "ACC_88410",
"type": "TRANSFER",
"amount": 1250000.00,
"currency": "CNY",
"channel": "WIRE",
"valid_from": "2024-03-01T09:12:00Z",
"valid_to": "9999-12-31T00:00:00Z"
}
四、案例与场景：一次股权变更引发的连锁更新
某上市公司 A 公告控股股东 B 将 15% 股权转让给基金 C。这一事件同时触发三类更新：股权网络中新增 B→C 的转让边并缩短 B→A 的持股区间；供应链网络中 A 的实控人属性变化，可能影响其供应商信用评级；舆情网络中“A 公司控制权变更”事件节点被创建，并与 A、B、C 建立共现边。若缺少统一时间戳，增量更新将无法判断哪些边是“新增”、哪些是“失效”，漂移监控也会误报。
五、误区与复盘
- 误区一：只建静态图。忽略时间戳会导致增量更新退化为全量重建，成本高且无法追踪漂移。
- 误区二：实体不对齐。同一公司在不同数据源中名称、代码不一致，会形成大量孤立节点，破坏网络连通性。
- 误区三：舆情边不去重。同一事件被多家媒体转载会产生大量重复边，放大情感信号，干扰漂移判断。
- 误区四：忽略边的失效。股权转让、合同到期后旧边未标记失效，会导致图结构持续膨胀且失真。
四类网络的构建并非彼此孤立：交易网络中的资金流可验证供应链边的真实性，股权网络可解释舆情事件的主体动机，舆情网络又能为交易网络提供异常预警线索。只有把四类网络放在统一的时间戳框架下构建，后续的增量更新与漂移监控才有可靠的数据底座。