UK 支付流中的网络结构：经济 interdependencies 的证据及对实时测量的启示
计算机视觉与模式识别
2026-04-03 v1 计量经济学
摘要
对行业间支付流的网络分析揭示了传统双边测量方法下难以察觉的结构性经济关系，对实时经济监测具有重要意义。我们分析了 532,346 条 UK 支付记录（2017--2024），涵盖 89 个行业部门，证明包含中心性测度和聚类系数等图论特征的网络特征，可使支付流预测准确率提高 8.8 个百分点。关键在于，网络特征在经济冲击时最为有价值：在新冠疫情期间，当传统预测准确率崩溃（R2 从 0.38 下降至 0.19）时，网络增强模型仍保持显著更好的性能，网络贡献可达 +13.8 个百分点。该分析确定金融服务、批发贸易和专业服务为结构性中心行业，其网络位置表明其在经济系统中的重要性超出了交易量。网络密度在样本期间增加了 12.5%，2020 年期间出现可见冲击，随后在疫情前的恢复水平以上恢复。这些发现表明，支付网络监测有望通过提供结构性经济变迁的领先指标，以及在传统时间模式不可靠时提高 nowcasting 准确率。
引用
@article{arxiv.2604.02068,
title = {Network Structure in UK Payment Flows: Evidence on Economic Interdependencies and Implications for Real-Time Measurement},
author = {Aditya Humnabadkar},
journal= {arXiv preprint arXiv:2604.02068},
year = {2026}
}
备注
Accepted for Poster presentation at the ESCoE Conference on Economic Measurement 2026