Network Structure in UK Payment Flows: Evidence on Economic Interdependencies and Implications for Real-Time Measurement
英国支付流的网络结构：经济相互依赖与实时衡量AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究行业支付网络的中心性与聚类特征，并明确讨论预测和即时预测用途。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
英国支付流的网络结构：经济相互依赖与实时衡量
- 研究问题
- 行业间支付网络能否揭示双边交易统计遗漏的经济联系，并在经济扰动期间改善支付流预测与实时监测？
- 方法与思路
- 作者分析英国多行业支付记录，提取中心性与聚类系数等网络特征，并比较纳入这些特征前后的预测表现。
- 材料陈述的贡献
- 摘要称，网络特征提升支付流预测表现，疫情期间贡献更突出；同时识别中心行业并描述网络密度的变化。
- 阅读关注点
- 应核对支付记录的覆盖范围、预测验证划分、提升指标的具体定义，以及网络位置与系统重要性的解释依据。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要中的预测提升未独立验证，网络中心性也不直接识别因果影响。
原文摘要
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.