基于博弈论的企业网络总体波动分析

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：
《Analyses of Aggregate Fluctuations of Firm Network Based on the
  Self-Organized Criticality Model》
---
作者：
Hiroyasu Inoue
---
最新提交年份：
2016
---
英文摘要：
  This study examine the difference in the size of avalanches among industries triggered by demand shocks, which can be rephrased by control of the economy or fiscal policy, and by using the production-inventory model and observed data. We obtain the following results. (1) The size of avalanches follows power law. (2) The mean sizes of avalanches for industries are diverse but their standard deviations highly overlap. (3) We compare the simulation with an input-output table and with the actual policies. They are compatible.
---
中文摘要：
本研究考察了由需求冲击引发的行业之间雪崩规模的差异，需求冲击可以通过控制经济或财政政策、使用生产库存模型和观察数据来重新表述。我们得到了以下结果。（1） 雪崩的大小遵循幂律。（2） 行业雪崩的平均规模各不相同，但它们的标准偏差高度重叠。（3） 我们将模拟结果与投入产出表和实际政策进行了比较。它们是兼容的。
---
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
--
一级分类：Computer Science        计算机科学
二级分类：Systems and Control        系统与控制
分类描述：cs.SY is an alias for eess.SY. This section includes theoretical and experimental research covering all facets of automatic control systems. The section is focused on methods of control system analysis and design using tools of modeling, simulation and optimization. Specific areas of research include nonlinear, distributed, adaptive, stochastic and robust control in addition to hybrid and discrete event systems. Application areas include automotive and aerospace control systems, network control, biological systems, multiagent and cooperative control, robotics, reinforcement learning, sensor networks, control of cyber-physical and energy-related systems, and control of computing systems.
cs.sy是eess.sy的别名。本部分包括理论和实验研究，涵盖了自动控制系统的各个方面。本节主要介绍利用建模、仿真和优化工具进行控制系统分析和设计的方法。具体研究领域包括非线性、分布式、自适应、随机和鲁棒控制，以及混合和离散事件系统。应用领域包括汽车和航空航天控制系统、网络控制、生物系统、多智能体和协作控制、机器人学、强化学习、传感器网络、信息物理和能源相关系统的控制以及计算系统的控制。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--

---
PDF下载：
--> Analyses_of_Aggregate_Fluctuations_of_Firm_Network_Based_on_the_Self-Organized_C.pdf (546.17 KB)

2022-5-10 12:42:21 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：博弈论 Quantitative Fluctuations Experimental Applications

基于自组织临界模型的企业网络总体波动分析*井上广康+兵库大学模拟研究生院摘要本研究考察了由需求冲击引发的行业之间雪崩规模的差异，这可以通过控制经济或规模政策、使用生产库存模型和观察数据来重新表述。我们得到了以下结果。（1） 雪崩的大小遵循幂律。（2） 行业雪崩的平均规模各不相同，但它们的标准偏差高度重叠。（3） 我们将模拟结果与投入产出表和实际政策进行了比较。他们很难相处。关键词：总波动、需求、网络、企业、生产、库存、控制理论*本研究是经济、贸易和工业研究所（RIETI）开展的“中小企业价格网络和动态”项目的一部分。作者感谢该研究所提供的各种支持。我们感谢吉川浩史、青山秀美、伊藤博史、池田裕一、藤原佳一、渡岛和彦、荒田佳彦以及参加日铁内部研讨会的成员们提供了有益的意见。我们衷心感谢日本科学促进会（编号：15K01217）提供的财政支持。+兵库大学模拟研究生院，7-1-28 Minatojima minamimachi，神户中谷，兵库650-0047，日本1简介刺激企业并促进溢出效应是政府影响其经济的一种方式，包括购买商品和服务，向企业提供补助，以及调整税收。政府认为财政政策是增长的重要决定因素[1,2]。目前，投入产出表分析被认为是预测溢出效应的有力工具[3]。

它使我们能够获得刺激所使用的溢出效应的单一预测值。然而，很明显，即使我们使用与计算中使用的相同的公式，也无法获得与预测相同的结果。尽管如此，我们通常期望结果基本上与预测一致。这种担忧，即期望是否正确是本研究的主要主题。如果溢出效应的大小接近于预测的平均值，那么，通过企业网络传播的影响永远不会扩大或减少，这是事实。然而，Gabaix表明，如果企业规模分布是厚尾分布，该假设就不成立[4]。此外，Acemoglu等人。指出在存在部门间投入产出联系的情况下，微观经济冲击可能导致总体波动[5]。这些研究表明，刺激和溢出效应不会导致预测的接近。换句话说，正态分布通常是假定的，但这个假设是可疑的。这项研究揭示了外部需求冲击如何导致溢出效应。我们使用Bak等人[6]发明的微模型，并使用观测数据。我们澄清了以下几点：（1）溢出效应的多样性（必须取决于受到冲击的行业）（2）参与溢出效应的程度。（这还必须取决于行业。）本文的其余部分组织如下。在第2节中，我们将介绍数据集。第3节描述了我们在分析中使用的方法。

第4节给出了结果。最后，第5节得出结论。2数据我们使用日本主要企业研究公司之一东京株式会社（TSR）收集的数据集s、TSR公司信息数据库和TSR公司链接数据库。这些数据集由经济、贸易和工业研究所（RIETI）提供。特别是，我们使用2012年收集的数据集。TSR数据包含广泛的企业信息。作为我们研究的必要信息，我们使用身份、资本、行业类型、供应商和客户。我们以供应商和客户为基础构建了一个完整的企业网络。请注意，数据中每家公司最多有24家供应商和24家客户。可以认为，该约束限制了每个节点的链接数量。然而，只要这些客户指定节点为供应商，no-de就可以是其他节点的供应商，没有限制，反之亦然。因此，供应商或客户的数量不限于24家。公司（即节点）的数量为1109549。供应商-客户关系（即链接）的数量为5106081。这个网络有方向，方向在我们的研究中很重要。我们根据行业划分公司。这些行业按照日本标准工业分类[7]进行分类。我们主要使用有20个分类的部门级别。然而，我们对分类进行了修改。由于在我们的研究中，“S:ZF，除其他分类外”和“T:无法分类的行业”的分类不那么重要，我们省略了它们。此外，我们将“I:整体销售和零售交易”分为批发和零售。

在我们的研究中，这些部门之间的差异是不可忽略的，因为来自外部的冲击，例如零售业的规模政策。因此，在我们的研究中，变更后的部门级别显示了19个行业。此外，我们在集团层面使用了三个行业来比较一些日本金融政策的影响。这些类别分别是“5911：新汽车店”、“5931：除二手商品外的电器店”和“6821：房地产公司和经纪人”在后来的行业中，分化和集团层面之间的差异是明显的，不担心混淆这两个层面。我们使用投入产出表来比较amicro模型和该表之间溢出效应大小的预测。作为时间上最接近的表，我们使用201 1更新的输入输出表[8]。图1显示了观测网络的度分布。红色图表示观测网络的分布。重要的一点是，分布是厚尾的，这意味着分布不会超线性衰减。我们似乎无法将曲线绘制成P线∝ K-λ、 式中，Pis为累积概率，k为阶数，λ为正常数。如果度分布为正态分布，则曲线图的形状为d，如图1中的蓝色曲线图所示。由于正态分布指数衰减，我们可以观察到蓝色图在对数图上呈超线性下降。第4节解释了如何创建随机网络。我们应该将o观测网络与随机网络进行比较的原因是，正如我们在第4节中所示，随机网络会产生指数衰减的聚合函数。换句话说，它告诉我们，如果随机网络是真实经济中的网络，则不存在厚尾聚集函数。

然而，被观测网络并不像我们在这里看到的那样是随机网络。[图1]如果概率分布或累积概率分布可以适用于一条直线，则表示该分布为幂律分布。具有幂律分布的网络称为无标度网络。有人指出，网络的幂律或无标度特性是厚尾聚集函数的决定因素[4]。由于观测到的网络是无标度网络，因此我们预计网络的聚合函数是厚尾的。3方法我们使用基于生产模型[6]的改进模型[9]。m-odi fied模型使我们能够进行微观层面的模拟，并研究骨料流动的特征。生产和库存模型最初由Bak等人发明[6]。该模型假设企业在供应链上相互连接。每家公司都有一定数量的存货。当一家公司收到客户的订单时，它会向客户提供中间产品或服务。如果公司没有足够的库存，它会向供应商发送订单。因此，订单和生产的级联有时会发生。级联的大小可以通过激活的企业的总生产范围来确定。Bak等人表明，ca-scade尺寸的分布遵循幂律。这一结果为最近与总波动相关的基于网络的研究奠定了基础[4,5]。也就是说，级联反应可以理解为聚合反应。在这里，为了简洁起见，我们把这场灾难称为雪崩。Bak等人得出的结果强烈依赖于供应链网络的规律性。一个节点在常规网络中有两个供应商和两个客户机，但顶层和底层的节点除外。

正如我们已经证明的那样，真正的供应链网络不是一个规则的网络，而是一个规模-自由网络，这个假设太强，无法将该模型应用于真正的供应链网络。为了减轻常规网络的限制，Iino和Iyetomi对模型进行了一般化，使一个节点具有任意数量的入度或出度，并分析了广义生产模型的性质[9]。我们采用了他们的广义模型，并进行了轻微修改。在这里，我们描述了我们分析中使用的模型。对于每一个时间步t和每一个企业i，根据以下等式确定新的库存量。zi（t+1）=zi（t）- si（t）+yi（t），其中zi（t）是公司i在t时的库存量，si（t）是公司i在t时收到的订单量，yi（t）是公司i在t时进行的生产量。该等式更新库存，如图2（a）所示。我们假设（1）企业向其供应商同等地发送订单，（2）每家企业从其获得的一单位材料中生产一单位产品，以及（3）一家企业生产满足其消费者要求所需的最低商品。假设（1）和（2）只会产生一个生产特征，其中yi（t）是ni的倍数，其中ni是企业i的供应商数量。此外，假设（3）会产生zi（t）≤ 镍。根据库存更新方程和假设，产量yi（t）由yi（t）给出=0（si（t）≤ zi（t））ni（zi（t）<si（t）≤ 子（t）+ni）。。。。。。ai（t）·ni（zi（t）+（ai（t）- 1） ni<si（t）≤ zi（t）+ai（t）ni，（1）其中ai（t）是指我向每个供应商下的订单数量。ai（t）是通过aceiling function i（t）=&si（t）计算的- (t)ni\"。由于收到的订单数量si（t）是i公司的订单总数，si（t）=Xjaj（t），其中j是i公司的客户之一。

如果一家企业没有客户，而该企业需要生产，则该企业被视为属于第一产业，并被认为能够生产任意数量的产品。[图2]第一批订单是从外部下的。根据分析，从所有公司或特定行业的公司中选择一家公司下单。选择是一致随机的。两个企业可能相互供应，或者供应链的一个长步骤可能形成一个循环。虽然现实经济中从未出现过这种情况，但在一个环路上的企业可能不完全生产商品或服务。Iino和Iyetomi假设公司有随机分配的电势值，这是静电学的分析。一家比另一家更具潜力的公司可以供应，这与水流相似。虽然这一假设有助于避免循环，并有助于分析随机创建的网络的性质，但如何为每个企业分配一个值还不是特别清楚。这里，我们做一个简单的假设。已经提供产品的公司，即已经在传播过程中的公司，作为供应商被忽略。图2（b）显示了一个有三家公司的环路示例。企业3在需要生产时忽略了企业1。更准确地说，从1号企业到3号企业的供应链暂时被忽略。由于观察到的数据包括所有行业，因此可以认为为服务行业提供库存是不自然的。这是因为考虑购买保险或医疗保健等无形产品是不可理解的。然而，服务业没有库存。也就是说，如果一个服务已经准备好使用，它应该被视为库存。例如，一个空置的酒店房间需要花费。

因此，我们可以讨论在同一网络中处理有形或无形产品的所有行业。4结果在本节中，我们展示了avala nches的厚尾特性及其在不同行业中的多样性。Westart用avala nches的结果比较了随机网络和观测网络。在arandom网络中，每一对节点都是按照常数概率p连接的。具有p的随机网络的预期链路数为Np，其中N是节点数。随机网络的创建是为了使网络具有与观测网络相同的节点数和链路数。观测到的网络有1109549个节点和5106,0 81条链路。因此，我们将p设置为大约8.30×10-6.作为结果，我们得到了一个随机网络，有1109549个节点和5366223条链路。这种一致性对于比较这两个网络是必要的。这两个网络的实验如下。（1） 在时间t，从所有公司中随机选择一家公司。（2） 选定的公司销售一个产品单元。（3） 计算了一次雪崩。（4） 重复（1）-（3）10亿次（t从10亿到10亿）对于雪崩规模，即总产量，我们得到每个时间步t的y（t）=Xiyi（t）。图3显示了两个网络的雪崩规模。红色图表示观测网络，蓝色图表示随机网络。随机网络显然衰减很快，而且分布似乎无法拟合成一条直线。另一方面，被观测网络有一部分可以安装到线路上。这个结果，即无标度网络具有fat-t-ailedavalanche大小，已经在分析[9]中得到了证明，并且在某些约束条件下得到了部分证明[10]。[图3]这里的结果告诉我们，均匀随机刺激会导致realnetwork上的无标度雪崩。

也就是说，平均雪崩大小不是它的代表值。输入输出分析的结果是单一预测值，这意味着使用一些代表性的值来预测溢出效应。然而，幂律分布没有一个典型的规模。似乎投入产出表需要仔细分析。从规模政策的角度来看，了解不同行业收到的刺激是如何导致差异的是很重要的。我们对以前的实验做了一些改动。企业是从一个行业中随机选择的。该行业是通过一项实验确定的。在每一次实验中，给出了10亿个需求实例。这些实验是针对19个行业部门进行的。图4显示了雪崩大小的分布。虽然我们曾预期雪崩大小的分布会有不同的形状，但事实证明并非如此。正如可以观察到的，图5显示了雪崩的平均大小，图4显示了雪崩的平均大小。然而，正如在最后一段中提到的，大小分布是有尾的，因此，平均值并不能代表雪崩的大小。图5中的误差条显示了标准偏差。由于我们已经观察到雪崩大小在图3和图4中具有幂律分布，我们知道标准偏差或方差很大。我们不会对平均值的差异进行统计检验，因为10亿个样本会产生较小的标准误差，并且总是显示出显著的差异。因此，测试毫无意义。相反，重要的是标准偏差是重叠的。