[论文解读] Modeling Dynamic Transport Network with Matrix Factor Models: with an Application to International Trade Flow

Elynn Y. Chen, Rong Chen|arXiv (Cornell University)|Jan 2, 2019

Complex Network Analysis Techniques被引用 6

一句话总结

本文提出一种矩阵分解模型，将动态国际贸易流量建模为关系矩阵的时间序列，揭示潜在的低维结构，从而揭示贸易枢纽、中心性变化及演变中的贸易模式。该方法在保留长期趋势和与政策相关的突变点的同时实现降维，分析了1982至2015年间的贸易网络。

ABSTRACT

International trade research plays an important role to inform trade policy and shed light on wider issues relating to poverty, development, migration, productivity, and economy. With recent advances in information technology, global and regional agencies distribute an enormous amount of internationally comparable trading data among a large number of countries over time, providing a goldmine for empirical analysis of international trade. Meanwhile, an array of new statistical methods are recently developed for dynamic network analysis. However, these advanced methods have not been utilized for analyzing such massive dynamic cross-country trading data. International trade data can be viewed as a dynamic transport network because it emphasizes the amount of goods moving across a network. Most literature on dynamic network analysis concentrates on the connectivity network that focuses on link formation or deformation rather than the transport moving across the network. We take a different perspective from the pervasive node-and-edge level modeling: the dynamic transport network is modeled as a time series of relational matrices. We adopt a matrix factor model of \\cite{wang2018factor}, with a specific interpretation for the dynamic transport network. Under the model, the observed surface network is assumed to be driven by a latent dynamic transport network with lower dimensions. The proposed method is able to unveil the latent dynamic structure and achieve the objective of dimension reduction. We applied the proposed framework and methodology to a data set of monthly trading volumes among 24 countries and regions from 1982 to 2015. Our findings shed light on trading hubs, centrality, trends and patterns of international trade and show matching change points to trading policies. The dataset also provides a fertile ground for future research on international trade.

研究动机与目标

• 将动态国际贸易流量建模为表示国家间双边贸易额的矩阵变量化时间序列。
• 揭示观测贸易数据背后动态运输网络的潜在低维隐含结构。
• 识别过去三十年间全球贸易中不断演变的贸易枢纽、中心性模式及结构性趋势。
• 提供一种灵活且数据驱动的框架，适用于大规模关系数据的降维与动态网络分析。
• 通过将隐含动态与现实世界贸易事件关联，实现未来预测与具有政策意义的洞见。

提出的方法

• 该方法将观测到的贸易矩阵建模为潜在动态因子与载荷矩阵的低秩分解，遵循Wang等人（2018）的方法。
• 将 $ n \times n $ 贸易矩阵的时间序列视为矩阵变量化时间序列，其中每个矩阵元素表示国家间的定向贸易额。
• 潜在因子捕捉贸易网络的核心动态结构，而载荷矩阵则将潜在枢纽与实际国家关联起来。
• 通过用较少数量的潜在分量表示高维贸易流量，实现降维。
• 该框架被扩展以包含时变动态，并可调整以纳入诸如GDP或地理距离等协变量。
• 采用滚动五年的窗口分析来估计随时间演变的载荷矩阵与因子矩阵，捕捉网络结构的时序变化。

实验结果

研究问题

• RQ1 1982至2015年间，国际贸易流量演变背后的潜在动态结构是什么？
• RQ2 在经济与政策变化的影响下，贸易枢纽及其角色如何随时间演变？
• RQ3 哪些国家在全球贸易网络中表现出持续的中心性或中心性的变化？
• RQ4 区域贸易集团（如欧洲联盟）如何影响全球贸易的结构与动态？
• RQ5 潜在网络结构能否用于检测并对应重大经济事件（如金融危机或政策转变）？

主要发现

• 四个主要贸易枢纽浮现：1980至1990年代的美国、欧洲国家、大型亚洲经济体（包括中国）以及德国。
• 美国自1980年代至2010年代始终保持贸易核心地位，全程仅使用第一个潜在因子枢纽。
• 德国在1990年代末失去中心性，并在1993年欧洲联盟成立后逐渐融入更广泛的欧洲枢纽。
• 自1990年代起，中国大陆取代日本，成为大型亚洲经济体枢纽。
• 四小龙（1992–1994年）的崛起以及2008年金融危机在欧洲枢纽的主导地位中引发了临时性变化，体现为枢纽影响力的短暂转移。
• 加拿大与墨西哥在2000年代至2010年代成为北美枢纽的显著参与者，反映出区域贸易一体化的深化。