論文の概要: Network Structure in UK Payment Flows: Evidence on Economic Interdependencies and Implications for Real-Time Measurement

• arxiv url: http://arxiv.org/abs/2604.02068v1
• Date: Thu, 02 Apr 2026 14:00:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.838988
• Title: Network Structure in UK Payment Flows: Evidence on Economic Interdependencies and Implications for Real-Time Measurement
• Title（参考訳）: イギリスの支払フローにおけるネットワーク構造:経済的相互依存の証拠と実時間計測への応用
• Authors: Aditya Humnabadkar,
• Abstract要約: 産業間支払フローのネットワーク分析により、従来の二元間計測手法には見えない構造的経済関係が明らかになった。 金融サービス、Wholesale Trade、およびProfessional Servicesは構造的に中心的な産業であり、ネットワークのポジションは取引量を超える体系的な重要性を示している。 支払いネットワークの監視は、構造的経済変化の先進的な指標を提供し、伝統的な時間的パターンが信頼できないと証明された期間に、現在の放送精度を向上させることで、公式統計生産を強化する可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Network analysis of inter-industry payment flows reveals structural economic relationships invisible to traditional bilateral measurement approaches, with significant implications for real-time economic monitoring. Analysing 532,346 UK payment records (2017--2024) across 89 industry sectors, we demonstrate that graph-theoretic features which include centrality measures and clustering coefficients improve payment flow forecasting by 8.8 percentage points beyond traditional time-series methods. Critically, network features prove most valuable during economic disruptions: during the COVID-19 pandemic, when traditional forecasting accuracy collapsed (R2} falling from 0.38 to 0.19), network-enhanced models maintained substantially better performance, with network contributions reaching +13.8 percentage points. The analysis identifies Financial Services, Wholesale Trade, and Professional Services as structurally central industries whose network positions indicate systemic importance beyond their transaction volumes. Network density increased 12.5\% over the sample period, with visible disruption during 2020 followed by recovery exceeding pre-pandemic integration levels. These findings suggest payment network monitoring could enhance official statistics production by providing leading indicators of structural economic change and improving nowcasting accuracy during periods when traditional temporal patterns prove unreliable.
• Abstract（参考訳）: 産業間支払フローのネットワーク分析は、従来の二国間計測手法とは無関係な構造的経済関係を明らかにし、リアルタイムの経済モニタリングに重要な意味を持つ。 中央値とクラスタリング係数を含むグラフ理論的特徴により,従来の時系列法より8.8ポイント高い支払フロー予測が得られた。 新型コロナウイルスのパンデミックの間、従来の予測精度が0.38から0.19に低下した(R2は0.38から0.19に低下)。 この分析は、金融サービス、Wholesale Trade、およびProfessional Servicesを、ネットワークポジションが取引量を超える体系的な重要性を示す構造的に中心的な産業として特定している。 ネットワーク密度はサンプル期間で12.5\%増加し、2020年の目に見える破壊と、パンデミック前の統合レベルを超える回復が続いた。 これらの結果から,従来の時間的パターンが信頼できない期間に,構造的経済変化の先行指標を提供することで,支払いネットワークの監視により公式統計生産が向上する可能性が示唆された。

関連論文リスト

• Automating Supply Chain Disruption Monitoring via an Agentic AI Approach [49.77982322940809]
  我々は、自律的に監視し、分析し、拡張されたサプライネットワークにまたがる破壊に応答する、最小限の教師付きエージェントAIフレームワークを導入する。 F1スコアは0.962から0.991の間であり、破壊1回あたり0.0836ドルのコストで平均3.83分でエンドツーエンドの分析を行う。
  論文  参考訳（メタデータ） (2026-01-14T18:28:31Z)
• Financial Fraud Identification and Interpretability Study for Listed Companies Based on Convolutional Neural Network [4.504327589607446]
  本稿では、畳み込みニューラルネットワーク(CNN)に基づく中国のAシェア上場企業を対象とした金融不正検出フレームワークを提案する。 実験の結果、CNNはロジスティック回帰とLightGBMの精度、堅牢性、早期警戒性能に優れていた。 環境指標は, 主に高汚染産業において重要であり, 可溶性, 比構造, 統治構造, 内部統制が詐欺の一般的な予測要因であることがわかった。
  論文  参考訳（メタデータ） (2025-12-07T04:14:16Z)
• Machine Learning Enabled Early Warning System For Financial Distress Using Real-Time Digital Signals [0.07282038457285603]
  本研究では,機械学習による早期警戒システムを導入し,ほぼリアルタイムで財政難を特定する。 13ヶ月にわたる3回のモニタリングラウンドで追跡された750世帯のパネルデータセットを使用します。 システムは二進的災害検知と多クラス重大度分類の両方に対して確実に機能する。
  論文  参考訳（メタデータ） (2025-10-25T13:12:45Z)
• Network Contagion in Financial Labor Markets: Predicting Turnover in Hong Kong [0.5599792629509227]
  我々は、従業員の退社を分析・予測するために、121,883人のプロフェッショナルと4,979社の時間的ネットワークを構築した。 専門家は6ヶ月以内に30%以上の仲間が退去する確率が23%高い。
  論文  参考訳（メタデータ） (2025-09-07T11:31:40Z)
• Performance Analysis of Decentralized Physical Infrastructure Networks and Centralized Clouds [42.37170902465878]
  DePIN(Decentralized Physical Infrastructure Networks)は、データの主権と機密性を高め、単一障害点に対するレジリエンスを高めることを目的としている。 この研究は、モノのインターネット(IoT)デバイスとブロックチェーンの組み合わせによる暗号経済設計を活用することで、DePINが従来の集中型アーキテクチャを破壊できる可能性に焦点を当てている。
  論文  参考訳（メタデータ） (2024-04-12T08:00:38Z)
• Machine learning and economic forecasting: the role of international trade networks [0.0]
  本研究では,非グローバル化の動向が国際貿易ネットワークに与える影響と,経済成長予測の改善に果たす役割について検討する。 2010年から2022年までの200か国近くの貿易データを用いて、貿易政策の不確実性の高まりによるネットワークトポロジの著しい変化を特定する。 地域特化貿易ネットワークから評価されたネットワーク記述子は、国のGDP成長率予測の質を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-04-11T21:04:56Z)
• G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks through Attributed Client Graph Clustering [116.4277292854053]
  Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。 FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。 本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:15:04Z)
• Explicit Tradeoffs between Adversarial and Natural Distributional Robustness [48.44639585732391]
  実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。 本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
  論文  参考訳（メタデータ） (2022-09-15T19:58:01Z)
• Multi-head Temporal Attention-Augmented Bilinear Network for Financial time series prediction [77.57991021445959]
  本稿では,時間的注意と多面的注意の考え方に基づいて,ニューラルネットワークの能力を拡張するニューラルネットワーク層を提案する。 本手法の有効性を,大規模書籍市場データを用いて検証した。
  論文  参考訳（メタデータ） (2022-01-14T14:02:19Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。