经济增长率在贸易信贷中的多对一传染

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Many-to-one contagion of economic growth rate across trade credit
  network of firms》
---
作者：
Natasa Golo, Guy Kelman, David S. Bree, Leanne Usher, Marco Lamieri
  and Sorin Solomon
---
最新提交年份：
2015
---
英文摘要：
  We propose a novel approach and an empirical procedure to test direct contagion of growth rate in a trade credit network of firms. Our hypotheses are that the use of trade credit contributes to contagion (from many customers to a single supplier - \"many to one\" contagion) and amplification (through their interaction with the macrocopic variables, such as interest rate) of growth rate. In this paper we test the contagion hypothesis, measuring empirically the mesoscopic \"many-to-one\" effect. The effect of amplification has been dealt with in another paper.   Our empirical analysis is based on the delayed payments between trading partners across many different industrial sectors, intermediated by a large Italian bank during the year 2007. The data is used to create a weighted and directed trade credit network. Assuming that the linkages are static, we look at the dynamics of the nodes/firms. On the ratio of the 2007 trade credit in Sales and Purchases items on the profit and loss statements, we estimate the trade credit in 2006 and 2008.   Applying the \"many to one\" approach we compare such predicted growth of trade (demand) aggregated per supplier, and compare it with the real growth of Sales of the supplier. We analyze the correlation of these two growth rates over two yearly periods, 2007/2006 and 2008/2007, and in this way we test our contagion hypotheses. We could not find strong correlations between the predicted and the actual growth rates. We provide an evidence of contagion only in restricted sub-groups of our network, and not in the whole network. We do find a strong macroscopic effect of the crisis, indicated by a coincident negative drift in the growth of sales of nearly all the firms in our sample.
---
中文摘要：
我们提出了一种新的方法和实证程序来测试企业贸易信贷网络中增长率的直接传染。我们的假设是，贸易信贷的使用有助于增长率的传染（从许多客户到单一供应商——“多对一”传染）和放大（通过它们与宏观变量的相互作用，如利率）。在本文中，我们检验了传染假说，从经验上衡量了介观的“多对一”效应。放大效应已在另一篇论文中讨论过。我们的实证分析基于2007年意大利一家大型银行在许多不同行业的贸易伙伴之间的延迟付款。这些数据用于创建一个加权和定向的贸易信贷网络。假设这些联系是静态的，我们研究节点/企业的动态。根据损益表中2007年的贸易信用占销售和采购项目的比率，我们估计了2006年和2008年的贸易信用。应用“多对一”方法，我们将每个供应商的贸易（需求）预测增长进行比较，并将其与供应商销售额的实际增长进行比较。我们分析了2007/2006年和2008/2007年这两个年度期间这两个增长率的相关性，并通过这种方式检验了我们的传染假说。我们无法在预测增长率和实际增长率之间找到强相关性。我们只在我们网络的有限子群体中提供传染证据，而不是在整个网络中。我们确实发现了这场危机的强大宏观影响，我们样本中几乎所有公司的销售增长都出现了同步的负漂移。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Many-to-one_contagion_of_economic_growth_rate_across_trade_credit_network_of_firms.pdf (1.1 MB)

2022-5-8 07:33:44 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：经济增长率 经济增长 增长率 Quantitative intermediate

经济增长率的多对一传染通过Fimsnatasa Golo、Guy Kelman、David S.Brée、Leanne Usher、Marco Lamieri和Sorin SolomonCevipof政治研究中心的贸易信贷网络传播，该中心位于巴黎、法国希伯来大学耶路撒冷分校。曼彻斯特大学计算机科学系，曼彻斯特大学，英国皇后学院，纽约城市大学，USDept。以色列耶路撒冷希伯来大学ItalyRacah物理研究所米兰圣保罗联合大学研究所2018年10月3日摘要我们提出了一种新的方法和实证程序来测试企业贸易信贷网络中增长率的直接传染。我们的假设是，贸易信贷的使用有助于增长率的传染（从许多客户到单个供应商——“多对一”传染）和放大（通过它们与宏观变量的相互作用，如利率）。在本文中，我们检验了传染假说，从经验上衡量了介观的“多对一”效应。我们的论文[1]讨论了放大效应。我们的实证分析基于2007年意大利一家大型银行在许多不同行业的贸易伙伴之间的延迟付款。这些数据用于创建一个加权和定向的贸易信贷网络。假设这些联系是静态的，我们研究节点/企业的动态。根据2007年贸易信贷在损益表中的销售和采购项目中的比率，我们估计了2006年和2008年的贸易信贷。应用“多对一”方法，我们将每个供应商的贸易（需求）预测增长进行比较，并将其与供应商的实际销售增长进行比较。我们分析了2007/2006年和2008/2007年这两个年度期间这两个增长率的相关性，并通过这种方式检验了我们的传染假说。

我们无法在预测增长率和实际增长率之间找到强相关性。我们只在我们网络的有限子群体中提供传染证据，而不是在整个网络中。我们确实发现了这场危机的强大宏观影响，我们样本中几乎所有公司的销售额增长都出现了同步的负漂移。1简介在本文中，我们使用意大利企业的贸易信贷网络来测试经济增长或经济危机的“多通”传染模型。由于贸易信贷交易的数据不易获取，关于企业间贸易信贷网络的学术研究仍处于起步阶段。一个例外是对日本企业贸易信贷网络的分析，例如Tamura等人[2]、Miura等人[3]和渡边等人[4]对日本企业的贸易信贷网络进行了广泛的描述。我们对经济增长率直接传染的方法是建立在假设的基础上的，这些假设基于之前发表在各种关于资产负债表传染的经济文献中的结果（例如清崎和摩尔[5]、博伊赛[6]、彼得森和拉詹[7]、经济增长熊彼特[8]），根据我们之前开发的方法和模型，采用复杂系统方法（Solomon&Richmond[9]，Challet等人。

[10]).当许多企业同时相互借贷时，尤其是当这些企业是投机性的且依赖于信贷流时，对一些企业流动性的冲击可能会导致其他企业也陷入财务困境。尽管这一论点听起来可能很明显，但很难证明数据中直接传染的影响，原因正是因为一旦双方同时互动，线性就会消失。“多对一”传染依赖于这样一个假设，即供应商的年销售额的变化遵循中观总需求的变化，即供应商的年销售额增长与其客户的年需求增长成正比。假设我们知道供应商的所有客户在一年内的采购量增长，我们难道不能预测供应商的销售额增长吗？事实上，只要：o客户和供应商之间的联系在较长时期内保持不变（至少两年，因为报告的不平衡或利润和亏损报表的财务指标的增长率每年都是可用的）o假设客户的需求（采购）增长在其所有供应商之间均匀分布。假设满足上述条件，我们将销售增长预测与利润表和亏损表中测量的实际增长进行比较，因此我们可以测试增长从客户传染到供应商的假设。论文的结构如下。在第2节中，我们描述了不同的相互作用机制的性质和应用，这些机制可以参与自我放大的自动催化回路，以支持经济微观结构和宏观结构之间的对等相互作用和双向反馈。

接下来，我们描述了可能用于实证显示自动催化反馈的存在和运行的方法。在第3节中，我们详细描述了用于网络模型的数据和节点的内部属性。在这一部分中，读者还可以找到变量和代数符号的定义。在第4节中，我们详细阐述了实证结果，并给出了它们的解释和含义。最后，我们将在第5.2节中讨论统计物理方法对经济随机过程的适用性。经济学中的一个主要问题是理解技术或财富分布中相对较小且暂时的内生变化如何可能对总生产率、资产价格等产生宏观影响，有必要确定自我放大机制，从注定淹没在局部短暂扰动噪声中的其他相互作用中，筛选出可能触发导致系统性变化的动力学的主要机制。这意味着，可能影响宏观经济/系统水平的绝大多数微观经济互动都是通过一种自动催化正反馈回路来实现的。这个想法已经在不同的背景下被提出，但由于缺乏具体的机制来实现它，常常被驳回。下面，我们列出了三种可能有效地将微观事件放大到经济系统宏观动态的机制。

在本文中，我们只讨论第一种机制，第二种机制我们在[1]中讨论过，第三种机制我们将来可能会解决。”网络中企业之间的“点对点”、“一对多”和“多对一”互动“多米诺效应”或“传染”可以通过渗流理论中开发的强大数学和统计力学工具得到最好的理解。它们允许呈现与现实世界的程式化事实相对应的精确预测：微小参数变化引起的宏观转变、分形时空传播模式、经济部门或地理区域之间的增长延迟或危机差异。对于社会和市场渗透模型的正式讨论，读者可参考Goldenberg等人[11]。在本文中，我们讨论了多对一传染原则（在应用程序只有一个客户的情况下，它简化为点对点原则）。同龄人在经济上和身体上都被他们传递的商品捆绑在一起。我们引入了一个假设，即同龄人的增长率是相关的，并对其进行了实证检验。我们试图并成功地在我们的数据中仅找到部分证据，证明多对一有助于在由供应商及其客户组成的贸易网络上传播增长率。这种机制只对生长物的凝聚起部分作用，还应考虑其他机制，如以下机制。长期以来，受物理学启发的动力学模型的缺点之一是尺度之间缺乏相互作用。所罗门·安德戈洛[12]提出了一个引入这种相互作用的模型。这是一个财务模型，扩展了明斯基[13]的思想，其中不仅包括单个企业的命运（例如：。

失败）影响系统状态（风险规避导致公司利率上升），但系统状态也会反馈到其自身的组成部分（例如，利率上升导致更多失败）。再加上网络上的传染，该模型产生了大量与程式化事实相符的预测。例如：通过对关键单个组件或系统属性（如利率）进行有针对性的干预，延迟或阻止痛苦的传播。该模型与[1]中的经验数据进行了对比，为解释2008年的经济崩溃做出了重大贡献。自我互动：企业自我作用Shnerb等人[14]提出了一个自我依赖的复制模型，概括了马尔萨斯的观点，即随机系统中微观层面的增殖导致了一系列自适应对象的自发出现。该模型可通过上述统计力学方法进行分析处理。它生成了大量有关系统宏观行为的定性（相变）和定量预测。这些预测在许多情况下都得到了实证测量的精确证实：冲击后衰退经济部门和新兴经济部门之间的交叉指数[15]、财富不平等“帕累托-齐普夫”指数[16]和市场不稳定指数[17][18]的同一性，等等。。自我互动机制不在本文的讨论范围内，企业的微观经济模型也不被考虑。2.1经验对抗的困难在传染分析中，因果关系是关键。

我们在前一小节中概述的机制需要测试，但分析应该考虑因果关系，而不是对应关系。网络中代理的微观行为应该通过代理之间的链接结构及其交互模式来揭示。在金融网络中，代理人之间的可视通信是通过他们开具的发票和支付的款项进行的。网络中节点之间的链路结构正式称为“网络拓扑”。通常用于测量拓扑结构的指标（指标）有：节点度是每个节点之间的连接数，集群是不同的节点组数，以及连接的组件大小。然而，拓扑结构的描述并不是本文的主题。我们的目的是通过测量网络节点间交互的重要性，来证明网络的存在和网络分析的应用。在我们的工作中，我们专注于选择由单一供应商的买家组成的特定社区。因此，聚类系数和组分大小仅用于验证选择过程不会破坏完整样本的统计特性。我们考虑到，企业的属性会影响它们之间的互动。在金融网络中，如果不了解代理（企业）面临的金融风险水平，就无法解释其强度和互动模式。提供和扩展贸易信贷关系的财务风险是企业自身流动性状况、其社会邻居（其行业及其特定买家和供应商）和系统性影响（如利率）之间的相互作用。

由于无法直接衡量企业的风险敞口，因此我们使用了数据中可用的“评级分数”来衡量企业履行环境和系统义务的能力。该数量将在下面的数据部分中定义。3数据集的描述关于单个企业的数据来自意大利有限责任公司的年末资产负债表和损益表数据集（进一步缩写为BS），这是专有数据库的一部分。该网络由供应商在销售商品时向客户开具的销售发票组成。其中一些发票被提交给银行以获得贸易信用证（TC）。在大多数情况下，借款人是供应商-客户对中的卖方。银行记录的就是这些发票，我们能够分析这些发票。在本研究中，我们结合了两个数据集（BS）和（TC），以选择最适合本分析的供应商。资产负债表数据库在意大利，所有有限责任公司都有义务向当地商会提交年度财务报告（资产负债表）。公司资产负债表中包含的项目是公司的资产和负债，如：股权、净销售额、应收账款、存货、银行贷款、应付账款、财务成本等。。除余额数据外，这些报告还包含财务比率。财务比率是资产负债表项目中的数量比率，如酸性测试或应收账款转换期，其目的是帮助快速估计公司的财务状况。资产负债表由外部机构收集和存储。

无论期末是否违约，这些公司的“评级分数”都在1到9之间，按违约概率的递增顺序排列：1属于预计具有高度偿债能力的公司，9属于严重违约风险的公司。请注意，排名是有序的：公司评级为9并不意味着违约概率是评级为1的公司的9倍。Bottazzi等人[20]在一篇论文中对评分进行了很好的描述。为了进行分析，并根据从业者的行为，我们使用评级分数将所有公司分为三组：一组易于获得银行信贷（评级1-3）、一组具有中等风险（评级4-6）的银行信贷（ABC）和第三组具有高风险且很少或根本无法获得银行信贷（评级7-9）。该数据库是意大利一家主要银行的专有数据库，所有分析均以完全匿名的方式进行，包括数据许可证政策、隐私限制和银行的研究部门政策。只有汇总的数据被分发给了评级为1-3 ABC的研究小组→ 阿拉廷4-6 ABC→ BRating 7-9 ABC→ CTrade信用数据贸易信用数据库（TC）包含2007年期间由一家大型意大利银行中介的所有企业间延迟支付交易。根据意大利银行的官方统计数据，这家银行覆盖了意大利全部贸易信贷的15%。代数表示法我们使用符号i和j分别标记供应商和客户。供应商和客户之间的交易将按照资金流动的大小和方向来表示。