一、项目概述

本系统基于机器学习与复杂网络方法，构建上市公司业务相似性网络，用于分析企业间的竞争关系。系统通过文本向量化和网络分析技术，量化企业业务相似度，为竞争格局研究提供数据支持。

二、核心思路

技术路线

1. 文本向量化：使用 QWen 嵌入模型将上市公司主营业务描述转换为高维向量

2. 相似度计算：基于余弦相似度度量企业间业务相似性

3. 网络构建：应用“同业剔除”规则（相同行业公司不连接），保留相似度前 33% 的边

4. 中心性分析：计算度中心性、接近中心性、特征向量中心性等网络指标

关键创新

• 同业剔除机制：避免同行业内企业的直接比较，聚焦跨界竞争关系

• 动态阈值设定：使用分位数阈值自适应确定网络连接标准

• 多维度中心性：从不同角度识别网络中的关键节点

三、使用流程

数据准备

需要准备两个数据文件：

1. 上市公司主营业务文本数据.csv

• 包含字段：证券代码、股票简称、统计截止日期、文本内容、年份

• 数据要求：完整的主营业务描述文本，共 56,676 条原始记录

2. 上市公司 2024 年行业信息.xlsx

• 包含字段：股票代码（字符串）、行业代码（字符串）

• 用于行业匹配和同业剔除

运行步骤

1. 环境配置：安装 pandas、numpy、scikit-learn、tqdm 等依赖库

2. 文本预处理：读取主营业务数据，进行文本清洗和归一化

3. 向量化处理：使用 QWen 模型生成文本嵌入向量（约 33 分钟）

4. 行业匹配：合并行业信息，标记制造业企业

5. 网络构建：计算相似度矩阵，应用同业剔除规则

6. 中心性计算：生成度中心性、接近中心性、特征向量中心性指标

7. 结果输出：保存网络文件和中心性指标表格

输出结果

1. network.csv

业务相似网络边列表（约 460 万条边）

字段说明：

• source（源节点）

• target（目标节点）

• weight（相似度权重）

2. 中心性指标表格

包含各网络中心度测量结果：

• 度中心度

• 接近中心度

• 特征向量中心度

四、应用价值

该系统为以下研究提供技术支持：

• 企业竞争格局分析

• 产业链关联识别

• 跨界竞争风险评估

• 网络关键节点识别

使用者只需准备好符合格式要求的业务文本和行业分类数据，即可快速构建上市公司业务相似网络，为竞争分析提供量化工具。

参考文献

牛晓健, 强皓凡, 吕斌, 等. 企业跨界竞争与债务违约风险——基于机器学习与复杂网络方法[J]. 金融研究, 2024(03): 150-168.

度中心性Top5企业

网络拓扑特征

• 节点数量： 5,408家上市公司

• 边数量： 4,605,924条业务相似关系

• 平均度中心性： 0.1523

• 网络密度： 0.0315