利用人类移动数据量化极端冲击对企业的经济影响：一种贝叶斯因果推断方法
综合金融
2020-04-24 v1 计算工程、金融与科学
社会与信息网络
摘要
近年来，自然灾害等极端冲击在频率和强度上均在增加，给全球许多城市造成显著经济损失。量化极端冲击后本地企业的经济成本对于灾后评估和灾前规划十分重要。传统上，调查一直是用于量化灾害对企业造成损失的主要数据来源。然而，调查往往成本高、实施时间长、观测存在时空稀疏性，且可扩展性有限。近来，大规模人类移动数据（如手机 GPS）已被用于以前所未有的时空粒度和规模观察和分析人类移动模式。在这项工作中，我们使用从手机收集的位置数据来估计和分析飓风对企业绩效的因果影响。为量化灾害的因果影响，我们使用贝叶斯结构时间序列模型预测受影响企业的反事实绩效（若灾害未发生会如何？），该模型可使用灾害区域外其他企业的绩效作为协变量。该方法经测试用于量化波多黎各 635 家跨 9 个类别的企业在玛丽亚飓风后的韧性。此外，使用分层贝叶斯模型揭示企业特征（如位置和类别）对企业长期韧性的影响。本研究提出了一种新颖且更高效的企业韧性量化方法，可协助决策者在灾害准备和救援过程中开展工作。
引用
@article{arxiv.2004.11121,
title = {Quantifying the Economic Impact of Extreme Shocks on Businesses using Human Mobility Data: a Bayesian Causal Inference Approach},
author = {Takahiro Yabe and Yunchang Zhang and Satish Ukkusuri},
journal= {arXiv preprint arXiv:2004.11121},
year = {2020}
}