[论文解读] Reconstructing firm-level input-output networks from partial information

Andrea Bacilieri, Pablo Austudillo-Estevez|arXiv (Cornell University)|Mar 31, 2023

Economic and Technological InnovationEconomics, Econometrics and Finance被引用 3

一句话总结

本文提出一种最大熵方法，利用部分数据（包括二元供应商-客户关系与企业层面的财务汇总数据）重建企业级投入产出网络的权重。该方法在恢复微观分布方面表现良好，但在系统重要性指标上表现出发散结果，尤其受网络结构和缺失企业及关联的抽样偏差影响。

ABSTRACT

There is a large consensus on the fundamental role of firm-level supply chain networks in macroeconomics. However, data on supply chains at the fine-grained, firm level are scarce and frequently incomplete. For listed firms, some commercial datasets exist but only contain information about the existence of a trade relationship between two companies, not the value of the monetary transaction. We use a recently developed maximum entropy method to reconstruct the values of the transactions based on information about their existence and aggregate information disclosed by firms in financial statements. We test the method on the administrative dataset of Ecuador and reconstruct a commercial dataset (FactSet). We test the method's performance on the weights, the technical and allocation coefficients (microscale quantities), two measures of firms' systemic importance and GDP volatility. The method reconstructs the distribution of microscale quantities reasonably well but shows diverging results for the measures of firms' systemic importance. Due to the network structure of supply chains and the sampling process of firms and links, quantities relying on the number of customers firms have (out-degrees) are harder to reconstruct. We also reconstruct the input-output table of globally listed firms and merge it with a global input-output table at the sector level (the WIOD). Differences in accounting standards between national accounts and firms' financial statements significantly reduce the quality of the reconstruction.

研究动机与目标

• 解决企业级供应链数据稀缺与不完整的问题，该问题阻碍了对冲击传播的宏观建模。
• 评估在仅掌握二元链接与汇总财务数据的情况下，最大熵方法在重建投入产出网络中交易价值方面的性能。
• 评估该方法在微观尺度、高阶指标及宏观尺度经济量上的准确性，包括系统性风险指标与GDP波动性。
• 研究网络结构与抽样偏差对重建质量的影响，特别是对依赖企业出度（客户数量）的指标。
• 探讨通过将全球企业级数据集与行业级投入产出表（如WIOD）合并，以增强全球企业级数据集的可行性，尽管存在会计标准不匹配的问题。

提出的方法

• 应用条件最大熵方法（Parisi et al., 2020），从已知的二元拓扑结构与企业层面的收入/支出数据中推断交易价值。
• 使用厄瓜多尔SRI的行政数据集作为真实值，校准并验证重建方法。
• 通过将推断的权重相对于企业总投入或总产出进行归一化，重建技术系数与分配系数。
• 采用一般均衡投入产出模型（Acemoglu et al., 2012）模拟冲击传播，并评估重建网络下的GDP波动性。
• 引入一个代理节点以代表经济中未观测的部分，测试其对重建准确度的影响。
• 将FactSet中全球上市企业的数据集与WIOD行业级投入产出表合并，对增强后的网络应用相同的重建方法。

实验结果

研究问题

• RQ1 当仅掌握部分链接与汇总财务数据时，最大熵方法在重建企业级交易权重方面的准确性如何？
• RQ2 该重建方法在多大程度上保持了微观尺度量（如技术系数与分配系数）的分布？
• RQ3 该方法在恢复高阶系统重要性指标（如产出乘数与影响向量）方面的表现如何？
• RQ4 为何某些系统性风险指标（特别是基于企业出度的指标）表现出较差的重建性能？
• RQ5 将代表未观测经济部分的代理节点纳入模型，如何影响重建网络量与总体GDP波动性的准确性？

主要发现

• 尽管绝对值不完美，该方法仍能合理重建微观尺度量（如技术系数与分配系数）的分布。
• 产出乘数的重建具有极高的准确性，与厄瓜多尔数据集中的实证值非常接近。
• 影响向量（一种基于企业出度的系统重要性度量）因抽样过程中缺失企业与关联而系统性高估。
• 重建后的总体GDP波动性被高估，表明该方法未能充分捕捉真实网络结构的稳定效应。
• 出度较高（客户较多）的企业受缺失数据影响更严重，原因在于网络固有结构与抽样偏差。
• 引入代理节点可改善微观尺度与高阶量的重建效果，但无法降低总体GDP波动性的高估程度。