本研究由南京大学工程与管理学院的 Jiawei Xu 和 Haohua Li 完成，发表于 Systems 期刊2026年第14卷，文章编号1114。研究聚焦于复杂金融系统中关联方交易（related-party transactions, RPTs）网络与公司信用风险之间的关系。

从学术背景来看，公司信用风险的评估历来依赖于资产、负债、盈利能力和现金流等基本面指标，但企业所处的交易网络结构同样可能影响其偿债能力。在中国A股市场，关联方交易普遍存在，涉及购销、资金拆借、担保、资产转让等多种形式。这些交易既可能通过内部资本市场优化资源配置、缓解融资约束，也可能成为利益输送和风险转移的通道。因此，单纯考察关联交易总量无法区分其风险性质，必须深入交易网络的结构特征。本研究旨在回答：在关联交易活跃的上市公司中，关联方交易网络的规模、价值分布、投影位置和局部组织形态是否与公司信用缓冲相关，以及在控制可观测的关系形成机会后，局部闭合结构是否仍具有增量信息。

在工作流程方面，研究构建了2003年至2024年中国A股市场2674家上市公司的年度加权二分网络（bipartite network），共包含26264个关联交易活跃的公司-年度观测值。网络中的节点分为上市公司和关联方两类，边权重为年度交易总额。研究从三个维度刻画企业层面的网络特征：关系规模（relational scale）包括关联方数量、交易总额和平均交易额；交易集中度（transaction concentration）包括赫芬达尔指数（HHI）、最大关联方份额、前三大关联方份额和依赖指数；投影位置（projected position）则通过投影度中心性和投影接近中心性衡量企业在上市公司间共享关联方所形成网络中的位置。此外，研究识别了局部二分网络微观结构，包括单链、开放V形、星形等基础构型，以及共享关联方桥（shared-counterparty bridge）和闭合2×2构型（closed 2×2 configuration，即二分K₂,₂结构）等复杂构型。信用风险采用Merton违约距离（Merton DD）和KMV违约距离（KMV DD）衡量，数值越高表示信用缓冲越大。计量模型纳入企业固定效应和年份固定效应，并采用企业-年份双向聚类标准误。为排除闭合结构是关系机会机械生成的产物，研究进行了100次保持度序列的随机化基准检验，并控制了关联方流行度和企业投影度等变量。

主要结果显示，企业层面的网络特征呈现出“双刃剑”模式。关系规模的三个指标均与违约距离显著负相关：在精确滞后一期模型中，关联方数量对Merton DD的系数为-0.0542（p<0.001），对KMV DD为-0.0905（p<0.001）；交易总额对两种违约距离也均为负显著。这表明更广泛、更高强度的关联交易关系伴随着更薄的信用缓冲。与此相反，交易集中度中的前三大关联方份额与KMV DD呈显著正相关（系数0.0632，p<0.001），说明将交易价值集中于核心交易对手可能改善信息质量和资源配置的稳定性。投影度中心性与Merton DD负相关（系数-0.0234，p=0.013），但在控制其他变量后有所减弱。局部结构层面，闭合2×2构型的存在和参与强度与Merton DD显著负相关（存在性系数-0.0919，p=0.006；强度系数-0.0338，p=0.005），且该结果在Benjamini-Hochberg和Holm多重检验校正后仍然稳健。更关键的是，观测到的闭合结构数量在每一年度网络中都显著超过100次度序列保持随机化基准的平均水平，且超额闭合（excess closure）在控制焦点企业度、交易总额、投影度以及交易对手平均和最大度后，仍与Merton DD（系数-0.0276，p=0.019）和Bharath-Shumway DD（系数-0.0336，p=0.013）显著负相关。这证明重复的局部共享关系所包含的信用风险信息超越了由度序列和总体交易规模所预测的水平。方向性分析进一步表明，卖方/提供方和买方/接收方的交易规模均与违约距离负相关，而买方/接收方的集中度指标普遍与违约距离正相关，卖方/提供方的投影度则与KMV DD显著负相关。交易类型异质性分析显示，闭合2×2构型的效应在商品/权益和服务/运营交易层中更为明显。渠道分析发现，关联方资金占用部分中介了关系规模与信用风险之间的负相关关系，而资源配置协调指数则与集中度的正向效应一致。

研究结论强调，关联方交易网络的组织结构为信用风险监测提供了超越传统财务指标和总体关联交易的增量信息。关系规模的扩张和投影范围的扩大与更薄的信用缓冲相关，而核心交易对手之间的价值集中则可能带来更大的KMV缓冲，重复的局部闭合共享则是与结构性信用缓冲薄弱最稳健相关的局部微观结构。这一发现调和了内部资本市场理论与代理理论的对立预期，表明关联交易的嵌入性（embeddedness）具有“双刃剑”特征而非单向有利或有害。在应用层面，研究为债权人、审计师和监管机构提供了一个分层筛查框架：关系规模提示需要监控的交易关系广度和价值量，KMV前三大份额识别出稳定的核心协调模式，投影范围和闭合2×2参与则标记出值得重点审查的重复共享环境。研究还指出，当前披露制度主要以交易或关联方为单位组织信息，使得跨上市公司的重复共享关系难以被直接识别，因此建议推动关联方标准化标识和关系变更记录，以提升网络识别的准确性和可追踪性。

本研究的主要亮点在于：第一，构建了一个关联方交易专用的网络分析框架，将关系规模、交易集中度和投影位置三个维度同时纳入分析，揭示了直接关系与共享交易对手关系在信用风险信息上的互补性。第二，保留了二分网络中的局部微观结构信息，展示了闭合2×2构型在控制度序列和关系形成机会后的增量解释力，这比此前仅依赖节点度或投影边存在的网络研究更为精细。第三，通过方向编码、交易类型分层和度序列保持随机化基准，系统性地排除了网络结构机械生成的可能解释，强化了结果的结构性解释效力。研究的局限性在于，尽管固定效应和精确滞后设计加强了时序推断，但仍无法完全排除反向因果和时变组织变化的干扰；实体解析依赖标准化名称的精确匹配，虽通过源标识符子集进行了验证，但正式的精密度和召回率报告仍需基于人工标注的历史名录基准；样本限定于关联交易活跃的公司-年度，结论外推至全部上市公司需谨慎。