经济增长率在贸易信贷中的多对一传染

在这里，我们将供应商在Y轴上的复合年增长率（CAGR）与从其贸易信用显示的购买总额中预测的复合年增长率（CAGR）放在对数刻度上为零，其含义是“无增长”。图4：根据行业分类，以度直方图表示的子组：C采矿和采石；D-制造业；E-电力、燃气和供水；F-施工；G——批发和零售贸易、机动车维修；H-酒店和餐厅；I运输、储存和通讯；K——房地产、租赁和商业活动；O-其他社区、社会和个人服务活动。学位>0的公司数量在每个小组的标题中给出。X轴上的客户。圆点的颜色表示公司的评级等级：ABC=A为灰色，B为红色，C为蓝色。图6中的散点图可以用以下方式解释：第一象限中的公司在两年内成功地保持了销售额和订单的正增长。在这两个面板中，我们观察到该象限中的点为红色。这意味着评级为B级（4-6级）的供应商在两年内和金融危机期间，成功维持了与同一合作伙伴的销售和订单。尽管这一结果与[22]中提出的假设形成对比，但并不令人意外。Kelman等人[23]讨论的同一数据集上的同质性测量给出了明确的证据，表明同一评级级别的企业相互依附的可能性更大，客户与评级更高的供应商建立业务的倾向很小。在第二象限中，找到保持销售额增长的供应商，与客户订单下降趋势相反。由于多种原因，可能出现负增长，但正增长。

最明显的一点来自我们的假设，即网络是静态的。这只是一个近似值，虽然在制造业中这基本上是一个很好的结果，但在某些情况下，随着时间的推移，可能会发生财务变化，贸易伙伴也会发生变化，尤其是图5：2007年至2008年期间，供应商i的销售额增长与供应商i的所有客户在每个工业部门的预计订单增长之比。图4所示为信贷受限的行业。根据Delli Gatti等人[24]的观点，波动的起源是由于异质企业网络不断变化的结构，整个动态由财务变量决定。该象限中的公司数量也非常少（样本中只有13家公司，只有4家公司的销售额超过100万欧元）。第三象限的供应商受危机影响最大。他们的客户和他们自己的销售额都有所下降。令人惊讶的是，在这个范围内，我们发现供应商的评级为“A”。正如Beaver[25]和Ohlson[26]等人之前所证明的那样，良好的信用评级与公司的流动比率和流动性有关。此外，拥有良好的信用评级对应着容易获得银行信贷。i、 e.借款人能够以较低的利息获得更大比例的贷款抵押品。然而，良好的流动性头寸并不符合市场的总体状况，因此这些公司在危机期间保持了显著的增长率。最后，在第四个象限中是供应商，他们在销售额下降的同时估计了总订单。

这可能有几个原因，尽管这也可能是网络不像预期那样稳定的迹象，因此客户已经从新供应商那里购买了产品。这些测量最有趣的结果是CAGRW与评级和企业规模的相关性：观察皮尔逊的相关系数，根据图6子图的关键，我们可以看到销售和订单的综合年增长率之间的相关性最高(~ 0.70）对于大型A级公司。排名第二的是中等信用等级的公司，就所有公司而言，其关联系数为~ 0.4. （a）所有公司（b）销售额>10欧元图6：供应商销售额的测量复合增长（y轴）与其贸易信贷客户向其购买的总额的估计复合增长（x轴）。符号的颜色与公司评级的对应方式如下：A-灰色，填充圆圈，B-红色，空圆圈，C-蓝色，填充圆圈。选择的供应商公司仅来自制造业（28xx），其客户可能来自任何行业。右边的面板显示了销售额>10欧元的公司。每个等级/大小类别的相关系数显示在每个图左上角的图例中。无论是在所有企业还是大型企业中，评级为C级的公司都没有表现出大于0.3的相关性。在文献中可以找到对客户订单的预期增长与排名靠前的公司的销售额增长（从而获得良好的信贷）之间非常好的相关性的额外支持。最近，几位学者[22]、[27]试图对2007-2008年金融危机对企业间流动性供给的影响进行建模和实证验证。

Garcia Appendini&Montoriol Garriga[27]在寻找银行信贷配给的因果效应时，检验了一个假设，即危机前流动性水平高的企业，增加了向其他企业提供的贸易信贷，随后与之前现金匮乏的企业相比，表现更好。他们得出结论，在此期间，受约束企业的贸易信贷有所增加。因此，他们有兴趣保持他们的血液循环，这可能解释了我们测量的高度相关性。5结论本研究考察了多对一环境下，客户订单的估计增长率与供应商销售额的测量增长率之间的相关性，其中每个供应商的客户至少负责供应商销售额的80%，在第二个时间段开始时测量。通过在一年内建立他们的贸易关系，可以根据这些客户的购买趋势和供应商社区的社会结构来预测增长率。这一预测与供应商销售额的实际增长进行了比较。结果表明，仅在以下有限的制造企业子选择中存在增长率传染，并在两年内复合：（1）信用评级为A级的大型企业，以及（2）信用评级为中等（B级）的任何规模的供应商。这表明，客户和供应商之间增长率的直接传染对以下因素很敏感：o行业异质性：一般来说，供应商和客户所在的行业可能不同。

由于该行业要求的会计程序，每个行业都有其特有的行为在来自银行的数据中，与宏观影响相比，微观影响仍然是次要的，即使是在危机状态下，因为有问题的客户可能会避免接近银行缺失数据：在仔细考虑数值漂移和保留总体统计数据的同时，经过清理和过滤的样本仍然比完整数据集中的企业数量少三个数量级。我们还意识到，在ratherlimited（尤其是在网络动力学方面）数据中执行介观多对一方法是基于可能无效的假设，尤其是在危机的情况下。预计客户在不得不缩减订单的情况下，会有选择性地选择供应商，并且不会像我们的模型假设的那样统一缩减订单。然而，为了了解客户如何做出这些决定，我们需要更多的数据。最后，图3中的测量数据所反映的宏观影响是现实的，其解释得到了给定时期工业生产和商业信心的官方统计数据的支持：统计数据显示，利润工业生产在2007年达到峰值，然后下降，在2009年达到10年来的最低点。致谢本文中的工作部分得到了新经济思想研究所（INET）01100017项目“企业贸易信用的大规模网络分析”的支持。参考文献[1]Golo N，Bree DS，Kelman G，Usher L，Lamieri M，Solomon S（2015）。太过动态而不能失败——明斯基金融不稳定假说的自催化模型的实证支持。

发表在《经济互动与协调》杂志上。[2] Tamura K，Miura W，Takayasu M，Takayasu H，Kitajima S等（2012）大型企业间网络上相互作用节点之间流量的估计。《世界科学》，第16卷，第93-104页。[3] Miura W，Takayasu H，Takayasu M（2012）企业网络中资金流动不对称行为的起源。欧洲物理专题212:6575。[4] Watanabe H，Takayasu H，Takayasu M（2012）对日本内部贸易网络的偏见分歧：从网络结构估计销售额。新物理J 14。[5] 清塔基、信宏和约翰·摩尔。信贷周期。号码w5083。国家经济研究局，1995年。[6] Boissay F（2006）信贷链和财务困境的传播。技术报告573，欧洲中央银行。统一资源定位地址http://ideas.repec.org/p/ecb/ecbwps/20060573.html.[7] 《贸易信贷：理论与证据》。金融研究综述10:661-691。[8] 熊彼特·贾（1976）资本主义、社会主义和民主。纽约：Allen&Unwin。[9] Solomon S，Richmond P（2002）可变经济体中的稳定幂律；LotkaVolterra暗示着帕累托·齐普夫。欧洲物理杂志B-凝聚态物质复杂系统27:257–261。[10] Challet D，Solomon S，Yaari G（2009）冲击后经济衰退和复苏的普遍形态。经济学：开放获取、开放评估电子期刊3。[11] Goldenberg J，Libai B，Solomon S，Jan N，Stau ff D（2000）营销渗透。Physica A：统计力学及其应用284:335–347。[12] Solomon S，Golo N（2013）明斯基金融不稳定性、尺度间反馈、渗流和马歇尔-沃尔拉斯不平衡。会计学、经济学和法学3:167–260。[13] Minsky HP（1982）《金融不稳定假说：资本主义过程与经济行为》。

作者：Kindleberger C，La Aff argue JP，《金融学：理论、历史和政策》编辑，剑桥大学出版社。第13-38页。[14] Shnerb NM，Louzoun Y，Bettelheim E，Solomon S（2000）离散的重要性：生活总是在表面上获胜。美国国家科学院院刊97:10322-10324。[15] 卢佐恩Y，施内布NM，所罗门S（2007）微观噪音，在恶劣环境中的适应和生存。欧洲物理杂志B-Complex Systems 56:141–148。[16] Klass OS、Biham O、Levy M、Malcai O、Solomon S（2007）福布斯400、Paretopower law和高效市场。欧洲物理杂志B 55:143-147。[17] Choi Y，Douady R（2012）《金融危机动态：试图定义市场不稳定指标》。定量金融12:1351–1365。[18] Huang ZF，Solomon S（2001）有限的市场规模是极端财富不平等和市场不稳定的根源。物理学A：统计力学及其应用294:503–513。[19] 克鲁格曼P（1999）《资产负债表、转移问题和金融危机》。国际税务和公共财政6:459–472。[20] Bottazzi G、Grazzi M、Secchi A、Tamagni F（2011）企业违约的金融和经济决定因素。进化经济学杂志21:373-406。[21]Schwarzkopf Y，Axtell RL，Farmer JD（2010）增长函数普遍性的原因。ArXiv非线性科学电子版。[22]Shenoy J，Williams R（2011）客户-供应商关系和流动性管理：贸易信贷和银行信贷额度的共同影响。SSRN。[23]Kelman G，Bree D，Manes E，Lamieri M，Golo N等（2015）从外部分离，从内部分类：工业贸易网络中的社会结构和行为。摘自：第48届夏威夷国际系统科学年会论文集。IEEE，计算机社会出版社，2015年，第页。