社会成员和他们之间的联系形成社交网络。社交网络分析可以应用于社会学、心理学、金融和社交媒体研究等。网络中心度衡量个人在社交网络中的重要性,同时也揭示其社交关系。金融研究者曾对首席执行官的网络中心度与其公司的并购表现进行研究,发现两者之间存在正相关关系。这表明社交网络分析应用于金融研究有一定的价值。随着数据指数级地增长,社交网络的规模也日益增大。因此,研究者逐渐提出网络中心度的并行算法,以改进单机计算的不足之处。Spark平台提供分布式计算。其Graph X库的Pregel API遵循Pregel并行计算模型,可用于并行图计算。本文基于度中心度提出n-度中心度,基于压力中心度提出k-压力中心度,基于接近中心度提出k-接近中心度,基于调和中心度提出k-调和中心度。后两种中心度的目的在于,简化接近中心度的计算,并找出能在金融社交网络分析中替代接近中心度的近似度量。随后,基于Pregel模型的计算机制,设计n-度中心度和k-压力中心度的并行算法,以及接近中心度系列的通用并行算法。通用并行算法适用于各种基于最短路径距离的网络中心度的计算。并行算法通过Spark平台实现,其中图计算的迭代过程由Pregel API完成。接下来进行实验,验证本文提出的网络中心度与设计实现的并行算法的性能,以及金融社交网络分析。实验数据主要是来自Board Ex金融社交数据库的真实网络,以及根据网络模型生成的随机网络。实验分为三部分。首先,在不同规模的Spark集群上运行并行算法,记录时间开销并分别算出各算法在各规模集群下的算法加速比。借此验证并行算法的可行性和拓展性。其次,验证k-接近中心度和k-调和中心度与接近中心度的近似效果。结果表明,无论在真实网络还是随机网络中,近似度量都与接近中心度有高度的等级相关关系。对于Board Ex的金融社交网络,3-调和中心度具有更高的离散程度以及更大的区间范围,相比接近中心度具有更显著的区分度。因此,在今后的金融社交网络分析中,可以用3-调和中心度替代接近中心度。最后,进行金融社交网络分析,对各地区各类高管的各种网络中心度与其公司价值进行等级相关性分析。结果表明,高管的社交关系对公司价值存在积极影响,其中对市值的影响高于对年度收入的影响;在使用单一度量的金融社交网络分析中,2-度中心度和4-度中心度能更好地反映高管社交关系对公司价值的积极影响,具有更好的通用性;总体上首席技术官和首席信息官的社交关系对公司价值影响最大。