[論文レビュー] Revealing production networks from firm growth dynamics

Luca Mungo, José Alberto Moráis Morán|arXiv (Cornell University)|Feb 20, 2023

Firm Innovation and GrowthEconomics, Econometrics and Finance被引用数 3

ひとこと要約

本稿では、Gaussian Markovモデルと相関行列のスペクトル分解を活用して、企業の成長ダイナミクスの相関を用いて、企業レベルの生産ネットワークを再構築する、新しい非教師あり手法を提案する。供給チェーンで接続された企業は、接続されていない企業よりも顕著に高い成長相関を示すことが示され、トポロジー制約を適用することで、ランダムなベンチマークを上回る精度で部分的なネットワーク回復が可能である。

ABSTRACT

We study the correlation structure of firm growth rates. We show that most firms are correlated because of their exposure to a common factor but that firms linked through the supply chain exhibit a stronger correlation on average than firms that are not. Removing this common factor significantly reduces the average correlation between two firms with no relationship in the supply chain while maintaining a significant correlation between two firms that are linked. We then investigate if this observation can be used to reconstruct the topology of a supply chain network using Gaussian Markov Models.

研究の動機と目的

• 企業の成長率相関が、裏側の生産ネットワークのトポロジーに関する追跡可能な情報を保持しているかどうかを調査すること。
• 直接の取引データを必要とせず、観測可能な企業の成長ダイナミクスのみを用いて、企業レベルのサプライチェーンを再構築する手法を開発すること。
• 企業成長率の相関構造が、サプライチェーンで接続された企業と接続されていない企業を区別できるかどうかを検証すること。
• スペクトルベースの非教師あり再構築手法の性能を、ランダムネットワークベンチマークと比較して評価すること。

提案手法

• 著者らは、FactSetのサプライチェーンデータセットから得た企業成長率の相関行列を分析し、サプライチェーン関係に結びつくパターンを同定する。
• 企業の業界に基づいて、相関行列を対角成分（業界内）と非対角成分（業界間）のブロックに分解する。
• スペクトル分解を用いて、業界内ブロックにはErdős-Rényiランダムグラフの固有値スペクトルに一致させるように、業界間ブロックにはストークスティックブロックモデルに一致させるように隣接行列を再構築する。
• 再構築手順では、実測ネットワーク密度に一致させるパラメータαを用い、各ブロックを独立に処理した後、再び統合して完全なネットワークを構築する。
• この手法は非教師ありであり、モデルの学習を必要とせず、実測相関構造から導かれた統計的制約に依存する。
• 性能評価には、標準的な指標（真正陽性率、正答率、F1スコア）を用い、Erdős-Rényiおよびブロックモデルベンチマークと比較する。

実験結果

リサーチクエスチョン

• RQ1 サプライチェーンで接続された企業は、接続されていない企業よりも顕著に高い成長率相関を示すか？
• RQ2 企業成長率の相関構造を用いて、生産ネットワークのトポロジーを再構築できるか？
• RQ3 サプライチェーンに沿ったネットワーク距離が増加するに従い、企業成長率の相関はどのように減衰するか？
• RQ4 スペクトルベースの非教師あり再構築手法は、ランダムネットワークベンチマークに比べて、サプライチェーン構造の回復においてどの程度優れているか？
• RQ5 業界セクターの所属などの既知のトポロジカル特徴を組み込むことで、この手法は改善できるか？

主な発見

• サプライチェーンで接続された企業は、接続されていない企業よりも顕著に高い平均的な成長率相関を示す。これは、共通のマクロ経済要因を除いた後でも同様に成立する。
• 共通要因を除いた後、接続されていない企業間の平均相関は著しく低下するが、接続された企業間の相関は高いままであるため、構造的信号が存在することが示唆される。
• 企業成長率の相関は、サプライチェーンに沿ったネットワーク距離が増加するに従い、徐々に減衰する傾向を示しており、測定可能な空間的相関構造が存在することが示唆される。
• 提案されたスペクトル再構築手法は、Erdős-Rényiおよびブロックモデルベンチマークを上回る高い正答率を達成しているが、F1スコアや真正陽性率においては、ブロックモデルを常に上回るとは限らない。
• この手法は完全に非教師ありであり、企業の売上や株価リターンといった容易に入手可能なデータのみに依存するため、広く適用可能で、データの置き換えに対しても頑健である。
• このアプローチは300〜500社程度のサブネットワークに対してもスケーラブルであり、将来的に生産ネットワークの生成モデルと統合する可能性を示している。