香港作为国际金融中心之一，其金融机构情报管理体系特色鲜明，值得借鉴。依据收集到的资料，该香港大型国际金融机构反洗钱监管情报管理体系主要由香港财政司财经事务及库务局等19个相关方组成（ 见表2）。21世纪以来，美国反洗钱监管全面加强，在国际社会产生了深刻影响，其情报管理体系严密，成效显着。依据收集到的资料，该美国某大型国际金融机构反洗钱监管情报管理体系主要由Fin CEN（ 美国金融执法网络） 等22个相关方组成（ 见表3）。
2研究方法与数据来源
2. 1基于社会网络分析法的反洗钱监管情报管理体系 社会网络分析法在社会科学领域研究中，主要处理的是关系数据，关注的核心问题是各数据之间的关系，从关系的角度出发研究和分析各类现象和组织结构，不同于常规社会统计学处理的是属性数据，体现出了在本体论、认识论和方法论的独特之处，有助于从多个角度分析、研究问题[14].目前，社会网络分析法广泛应用在工程项目管理、教育管理、地缘经济等领域，取得了丰硕的成果。在情报管理体系中，也得到了广泛应用，但是在反洗钱监管情报管理体系中，研究较少。本文尝试性将社会网络分析法应用于国际金融机构反洗钱监管情报管理体系中，以期比较、借鉴国际金融机构反洗钱监管情报管理体系有益经验。
中心性（Centrality） 是社会网络研究的重要内容之一，权力的量化基本指标。对社会网络关系中的各个相关者的中心度分析，可以使我们更加清晰、客观合理的分析各个相关者在整个网络中所处地位的重要性和价值。点的度数中心度，即某相关者i的度数中心度（Point centrality） ,又可分为绝对中心度（Degree） 和相对中心度（Nrmdegree）。绝对中心度主要指网络中各个相关者与该相关者直接相连的点数，相对中心度是对绝对中心度的标准化。点的接近中心度（Close-ness centrality） ,即网络中的某相关者i的不受其他相关者控制、操纵的度量数据。如果该相关者与其他相关者的“距离”都很短，则称该相关者i具有较高的接近中心度。接近中心度又分为绝对中心度和相对中心度。中间中心度（Betweenness centrality） ,主要度量网络某相关者i对资源控制的程度，如果该相关者i处于相比较其他相关者更短的路径上，该相关者就具有较高的中 间 中 心 度。点 度 中 心 度 （Point centrality,即CDC（ni） ） ,接 近 中 心 度 （Closeness centrality,即CBC（ni） ） ） ,中 间 中 心 度 （Betweenness centrality,即CCC（ni） ） ） ,其计算公式分别为
公式中L为边的个数，N为网络规模，d（ni） 为与接点ni相连边的条数，d（ni,nj） 为结点ni与nj之间的捷径距离，gjk（ni） 表示包含结点（ni） 的两个结点之间的短程线数目，Cmax为最大中心度，ci是结点ni的中心度。
2. 2数据来源 我国大型金融机构情报管理数据来源，主要来自其公开的金融机构上市年报、中国反洗钱报告及国家外汇管理局数据库； 香港大型金融机构情报管理数据来源，主要来自其公开的金融机构上市年报、香港联合财富调查情报组公开数据库； 美国大型金融机构情报管理数据来源，主要来自其公开的金融机构上市年报、Fin CEN等网站数据库及案例分析； 其余个别数据来自FATF、FIUs等国际组织网站。基于数据的可得性和可靠性，各金融机构情报管理截取时间为2011-2014年。
研究工具主要采用Ucinet6. 0.
3国际金融机构反洗钱监管情报管理社会网络分析
3. 1各金融机构反洗钱监管情报管理可视化分析
在2011-2014年间，我国某大型金融机构反洗钱监管情报管理体系形成了24个相关方，即一个24行24列的1-模矩阵。运用Ucinet6. 0软件，可得到我国某大型金融机构反洗钱监管情报管理体系社会网络关系（ 见图2）。可以看出，整个网络密度层次感极强，疏密差异极大，FATF等、央行反洗钱局、内控合规部等三个机构“中心地位”明显，首席风险官、风险管理部、金融市场部、中国反洗钱监测分析中心等机构处于第二层次，其它各个机构基本处于边缘区域。
在2011-2014年间，香港某大型金融机构反洗钱监管情报管理体系形成了19个相关者，形成一个19行19列的1-模矩阵。运用Ucinet6. 0软件，可得到香港某大型反洗钱监管情报管理体系社会网络关系（ 见图3）。可以看出，整体网络层次清晰，FATF等、风险控制部、金融监管部、客户等四个部门处于中心地位，学者、学术机构、海关、保安局禁毒处、董事长等处于第三层次，其余涉及机构处于第二层次。
在2011-2014年间，美国某大型金融机构反洗钱监管情报管理体系形成了22个相关方，即一个22行22列的1 -模矩阵。运用Ucinet6. 0软件，可得到美国某大型反洗钱监管情报管理体系社会网络关系（ 见图4）。整个反洗钱监管情报管理体系，网络疏密合理，整体性突出。
3. 2各金融机构反洗钱监管情报管理整体网络密度 在我国大陆某大型金融机构情报管理体系中，网络密度及其标准差分别为18. 116%和18. 938%,数据较低，说明整个网络连接疏密极度不均，整体网络密度极低，亟需加强，结合图2,也证明了这一点。中间网络中心势、接近网络中心势、特征向量等三个指标分别为4. 447% 、51. 973%和23. 961%,说明该网络属于弱网络连接图，部分相关方独立性较强（ 见表4）。
在香港某大型金融机构情报管理社会网络关系整体网络结构中，网络密度及其标准差分别为32. 164%和15. 035%,结合图3分析，数据较低，整个网络密度较低，网络中各节点连接疏密度层次感明显。中间网络中心势、接近网络中心势及特征向量等三个指标分别为5. 332% 、54. 004%和28. 920%,说明属于偏弱网络连接图，部分情报管理相关方在整个网络体系中作用并不明显（ 见表5）。
在美国某大型金融机构情报管理社会网络关系整体网络结构中，网络密度及其标准差分别为45. 887%和20. 383%,结合图4分析，数据适中，整个网络密度适中，无明显突出者，表明各相关方作用均匀，整体联系合理。中间网络中心势、接近网络中心势及特征向量等三个指标分别为3. 030% 、64. 062%和27. 973%,可以看出属于较强连接图，网络中各相关方联系紧密，形成一个较为完整的整体（ 见表6）。
