对实体经济的实时监测，为我们了解现在、预测未来提供了一个有用的工具。利用大量数据的监测工具，特别是在日常或更短的时间尺度上，最近已广泛使用(例如Diebold 2021)。在这种情况下，我们利用企业银行账户的大数据来了解由企业及其供应商-客户关系组成的区域经济中的资金流动。这为应用提供了多种可能性，例如捕捉区域经济繁荣和萧条时期的动态，检测自然灾害或大流行病造成的突变，或估计公司违约的可能影响(仅举几例)。据我们所知，迄今为止还没有进行过这样的研究。这是因为由于隐私问题，这些数据是不可用的，即使是为了学术目的。在这里，我们报告了与日本一家区域性银行合作，在全区域范围内开展这种研究的第一步。
我们将证明，企业在银行的账户可以为理解经济活动背后的资金流动结构提供理想的工具(Fujiwara等人，2021年)。我们的方法是建立在以公司为节点，以资金流为链接的复杂网络之上的(参见青山等人，2017年获得更广泛的视角)。
数据:研究资金流动的独特机会
我们的数据集由地区银行中公司的银行账户发送或接收的所有银行转账组成。该地区银行名为“志贺银行有限公司”，是日本目标县最大的银行，就人口(超过100万)和经济活动而言，该地区属于中等规模。所有的账户数据都是匿名和加密的，而公司拥有的一些属性，如地理位置，是匿名的。本研究涵盖的时间为2017年3月至2019年7月(29个月)。企业账户3万个，汇款240万笔，合计21亿元。
根据这些数据，我们构建了一个网络，从数学上讲，这是一个由公司账户和资金从一个账户流向另一个账户的节点和链接组成的图表。显然，流动数据中包含了资金的流向和金额。这样的图称为有向加权网络。处理数据集的结果是280,000个有向链接，权重(流量)的分布高度倾斜。换句话说，只有“少数巨人和许多矮人”。(注意，资金从客户流向供应商，与商品/服务流向相反)。
定位资金流动的上游、下游和核心
该网络的一个重要特征是货币如何从上游流向下游，并在区域经济中循环。在这里，我们定义从客户流向供应商的流向——即付款——与商品和服务的流向相反。众所周知，社交网络通常有所谓的“领结”结构。在中心是一个巨大的核心，称为“巨型强连接组件”(GSCC)，其中任何一对节点都可以通过至少一条连接链路的路径相互到达，基本上意味着一个整体的循环模式。有些节点无法到达，但可以到达核心，称为“IN组件”。对于“OUT组件”则相反。IN和OUT组件是流通的上游和下游，分别对应于客户和供应商。剩下的节点只占据很小的一部分，称为“卷须”(或TE)。
图1企业账户之间的资金流动形成了核桃结构
我们发现整个形状看起来不像领结，而是像一个“核桃”——从某种意义上说，in和OUT是两个相互分离的薄皮肤，包裹着巨大的强连接组件的核心，而不是从中心延伸的两个翅膀。这一特征与我们在日本全国范围内的生产网络中发现的非常相似，但与许多社交网络(如万维网)不同。
图1给出了一个原理图。结果表明，OUT分量较大，说明供应商在该地区占主导地位
图2核桃结构和位置的上游，下游，和核心
要为单个公司帐户定位流程的上游、下游和核心，可以通过使用物理学中经常使用的数学工具来量化每个帐户的位置。每个节点的位置可以通过流中的一种高度(“霍奇势”)来测量。图2显示了所有节点高度的直方图。虽然OUT组件(供应商)与其他组件明显分离，但巨大的强连接组件和IN组件(客户)有显著的重叠。这意味着生产中间产品(OUT)的企业相对于核心企业和最终消费品(in)的企业是相对独立的。这与我们之前对全国生产网络的研究有很大的不同。这一发现意味着，该地区的产业结构不同于东京和大阪的城市地区，后者主导着全国的生产网络。如果能够对日本不同地区进行系统的分析，就可以获得有关地区异质性特征的有价值的信息。
揭示流量和区域活动的“主要组成部分”
资金流动发生在局部区域和区域内相互联系的地理区域。公司只通过特定的和少量的目的地和来源向其他公司发送和接收资金。例如，郊区城镇的一家公司经常与同一地区以及邻近大城市的供应商公司和客户进行交易，但很少与其他更偏远的地区进行交易。由于银行帐户通过地址与其地理区域相关联，因此可以根据汇款来源和目的地所在的地区，在地理上不相连的地区将汇款相加，从而构建汇款矩阵。
图3显示组件:源(左)和目标(右)
虽然这样的矩阵很大，但可以预期，这个矩阵可以分解成相对较少的组成部分，每个组成部分代表从一个区域到另一个区域的主要和频繁流动。为了揭示这些主成分，我们使用了一种数学方法(称为非负矩阵分解)。我们发现，大约有十几种成分可以很准确地解释这个矩阵。图3显示了在地理地图上描绘的两个这样选择的组件。每个组件为我们提供一对源和目的地，作为重要的发送方和接收方对。很明显，左边(来源)和右边(目的地)都集中在一个特定的城市，表示这个组成部分主要是城市内流。我们发现，其他组成部分对应于城市内和城市间的资金流动(Fujiwara et al. 2021)。
展望未来
在我们的研究中发现的网络结构有几个用途。由于中小企业的财务信息往往难以获取，利用从网络获得的信息，银行的信贷风险管理将得到改善。关于网络结构的信息也将有助于促进区域经济、观察网络的整体流动和评估网络的时间变化。最后，研究资金流动网络可以预测由于流行病或其他灾难造成的经济冲击之后的情况。对Covid-19案例的研究证明，这一方向对于实体经济的实时监测非常有前景(Yamaguchi et al. 2020)。
编者注:本专栏所基于的主要研究最初是作为讨论文件日本经济贸易工业研究所(RIETI)的研究员。
参考文献
青山，H, Y Fujiwara, Y Ikeda, H Iyetomi, W Souma和H Yoshikawa (2017)，宏观经济物理学:经济网络与同步的新研究，英国剑桥:剑桥大学出版社。
迪堡，F(2021)，”实时衡量实际活动:退出大衰退和进入大流行衰退， VoxEU.org, 1月22日。
Fujiwara, Y, H Inoue, T Yamaguchi, H Aoyama, T Tanaka和K Kikuchi(2021)，“日本地区银行企业账户之间的资金流动网络”，EPJ数据科学10(19)。
Yamaguchi, T, K Tsuji, Y Nakagawa, T Tanaka和K Kikuchi(2020)，“COVID-19大流行对企业间交易的行业影响:金融大数据的实时分析”，志贺大学，经济与商业研究所讨论论文系列J-1。
