随着经济一体化的高速发展,担保作为一种很重要的筹集资金方式,在资金融通中被广泛使用,但是由于其复杂且不透明特性,已成为加剧信贷风险暴露的重要原因,引起社会各界普遍关注。由于传统分析方法对处理大规模担保网络问题的局限性,复杂网络等大数据技术则为担保圈风险分析提供了契机。本文利用某金融机构提供的担保数据,基于复杂网络理论分析担保网络的拓扑结构,重点识别担保圈的社团结构,以及揭示担保风险的传播机制,为有针对性的进行风险防范,降低风险管理成本提供帮助。具体的研究内容可以归纳为以下几方面:(1)提出一种快速的社团挖掘算法Fast-SCAN(FSCAN)。SCAN算法的时间复杂度是O(4|E|2/|V|),针对该算法在大规模网络社团划分中时间开销较高的问题,本文改进后的时间复杂度是O(2|E|2/|V|-2K|E|/|V|),能够高效发现大规模网络中的社区结构、集群点以及噪音点。(2)本文引入并查集思想,提出基于路径压缩的谱系划分算法,可以发现担保网络中连通的担保圈。结合图论和复杂网络理论对其结构进行分析,同时使用FSCAN算法识别核心担保圈的社团结构。(3)针对待查信用主体在担保网络中隐藏的间接担保关系,提出一种模拟邻接表的数据结构,同时融合图论的遍历思想,提出待查信用主体K代关联关系的路径发现算法,发现待查信用主体之间隐藏的间接担保关系,以防范担保圈风险的爆发。(4)通过对担保圈的风险传播特性进行分析,改进灾害蔓延动力学模型,提出更适用的风险传播模型。仿真传播源对风险传播的影响,对待查信用主体进行信用评级,并仿真关键企业在核心担保群中风险传播的路径。最后,提出相应监管策略,为防范因担保圈引发的金融危机提供理论参考。