企業のガバナンスは経営の透明性やステークホルダーからの信頼と大きく関連する．コーポレートガバナンス・コードが，独立社外取締役の知見に基づいた助言に期待して，その選任を推奨する中で，一人の個人が複数企業の取締役および社外取締役を兼任するケースがある．取締役兼任ネットワークを分析した先行研究の多くは，ネットワーク中心性と企業の業績や情報開示の相関分析に焦点を当てている．しかし，同じ人物による異なる取締役会への参画によって，その人物の知見やノウハウが共有・伝播されるとすれば，接続の同類性やクラスター構造をはじめ，より複雑なネットワーク構造を捉えた分析が重要である．また，ネットワークデータを直接扱う機械学習技術の開発が進んできていることからも，兼任ネットワークにおいて，こうした豊富なネットワーク情報を考慮する意義を見定めることが必要である．本稿では，日本における兼任ネットワークの最近の動向を調査するとともに，条件付き一様グラフ検定と指数ランダムグラフモデル(ERGM)を適用し，ガバナンスとの関連が知られる諸指標の同類性(assortativity)を検証する．結果として，ベータや残差リスクは同類性をもつことがわかり，取締役の兼任によって企業間で知見が共有されている可能性が示唆された．取締役兼任ネットワークのもつ豊富な情報を活用して，ガバナンス構造の分析・予測を行う余地があると考えられる．
