在经济全球化的背景下，企业与企业之间逐渐建立了密不可分的关系。企业不仅仅会受到企业本身发展的直接影响，还会受到其合作伙伴支持和竞争对手的限制。在一家企业的全球化进程中，单兵作战往往会发展成为多家合作、交叉控股从而减少风险。对一家企业的评估不能只停留在企业本身的资产负债表和利润表，还要对与该企业相关联的公司进行风险评估。例如2016年乐视发生信用风险，一家大公司突然没落影响了多家相关企业和个人发生信用风险危机。为了防止这样的连锁信用风险危机的爆发，需要将信用风险的预测从公司本身转移到其相关公司上。因此从公司的关联交易，持股股东信息等多方面深入了解某家上市公司具有一定的需求和现实价值。
　　复杂网络是一种比较常见的研究公司关联交易的方法。该方法使用图论的相关理论基础，在信用风险传染领域有着良好的效果。但图论的方法主要针对的是网络结构特征，并不考虑某一节点的具体邻居信息。本文针对这个问题，使用图嵌入方法，将上市公司的十大持股股东为研究对象，以其关联股东的信用风险为研究内容，对上市公司信用风险进行预测，从更多的维度预测上市公司在其关联公司的影响下的信用风险等级。
　　本文首先将上市公司十大持股股东进行整理，建立持股关系网络来表示某一年的持股关系。然后将多个年份的持股关系网络进行整合构建多年份的动态持股关系网络，使用近些年来比较热门的图嵌入方法，在该网络的基础上设定其对应的游走路径和目标函数，最后实现对上市公司的风险预测。具体研究工作如下：
　　（1）首先根据每一年的上市公司十大持股股东信息建立持股网络图，接着根据其持股的比例设定网络中边的权重。将多个连续年份的持股网络图整合成为一个包含多个年份的持股网络图，将多个年份的同一家上市公司节点相连，同一家公司节点之间的边视为年份的更替即网络的跳跃，从而形成一张多年份的持股网络图。
　　（2）使用KMV模型和Z-score模型进行上市公司的风险计算，KMV模型使用违约距离DD作为评估标准，Z-score中使用四变量公式进行计算。由于两种方法计算出的指标并非离散数据，根据相关文献将两种指标的数据离散化为七个信用风险等级。除此之外，本文还引入上市公司的违约信息表，对两种方法形成的信用风险等级进行直接降级。最终将三个指标进行合并形成本文中信用风险的评估标准，整体信用风险满足正态分布。
　　（3）根据本文提出的多年份的持股网络图进行针对化的随机游走，形成的独特的游走序列。提出全局标签变量，在原本负采样目标函数的基础上，对网络进行有针对性的学习，通过不断改变图嵌入方法的参数，使得最终形成的向量在空间中有更好的意义。然后对2002年到2017年的上市公司信用风险进行预测，整体预测结果良好，表明在使用图嵌入方法可以进行有效的信用风险预测。最后在与两种经典的图嵌入方法的对比中，本文提出的方法在各个参数的设置上均有更好的效果，表明在信用风险传染研究中，使用全局标签向量可以对嵌入向量做更好的方向牵引。
　　（4）使用本文提出的方法，对疫情可能产生的风险进行传染模拟，发现30%的上市公司信用风险等级会降低。受疫情影响最大的行业是工业，金融行业也会受到一定的影响。而我国电信行业相比之下抗风险能力更强。