ESRIcascade.jl:面向经济系统性风险指数快速计算的Julia软件包

《SoftwareX》:ESRIcascade.jl: A Julia package for fast computation of the economic systemic risk index

【字体: 大 中 小 】 时间:2026年10月22日 来源:SoftwareX 1.9

编辑推荐:

  本工作介绍了ESRIcascade.jl,一个用于计算经济系统性风险指数(Economic Systemic Risk Index,ESRI)的Julia软件包。该软件包将计算效率与面向研究工作流程的规范化接口相结合。基准测试表明,ESRIcascade.jl

  
本工作介绍了ESRIcascade.jl,一个用于计算经济系统性风险指数(Economic Systemic Risk Index,ESRI)的Julia软件包。该软件包将计算效率与面向研究工作流程的规范化接口相结合。基准测试表明,ESRIcascade.jl比现有实现快140至300倍。对于一个规模符合现实情况的合成经济体,这可将计算时间从16小时缩短至7分钟。通过缩短计算时间,ESRIcascade.jl使对较大规模生产网络的重复分析变得切实可行,并可能促进ESRI在实证与方法论研究中的更广泛应用。该软件包及其文档可在https://github.com/Devetak/ESRIcascade.jl上以MIT许可证(MIT License)自由获取。
一、研究背景与问题
社会经济系统本质上是网络化的。单个组件的失效可能通过网络连接产生级联效应,最终影响整个系统的功能,这种结构性相互依赖催生了系统性风险。2008年金融危机是此类风险显现的典型例证:银行间借贷金融网络中单一机构的困境引发了连锁失效,最终导致大金融危机。此后,研究者开发了量化框架来建模和估计网络面对此类级联失效的脆弱性,其中关键的概念范式转变是认识到机构可能"过于中心而不能倒"(too central to fail),而非仅仅"过大而不能倒",DebtRank等基于网络的指标将这一概念操作化。
生产网络和供应链遵循类似逻辑。2011年东日本大地震及其后的海啸和福岛核灾难表明,虽然初始物理冲击在地理上是局部的,但其经济影响沿供应网络传播。Inoue和Todo证明,未受灾害直接损害的企业的间接宏观经济影响占GDP的2.3%,比直接物理损失大100倍以上。这表明供应链网络中存在特定节点,其扰动可影响整个经济体。
为系统量化这些脆弱性,研究者提出了经济系统性风险指数(ESRI)。ESRI通过模拟单个企业的暂时失效来评估系统性重要性:假设目标企业暂时不活跃,向其供应商需求零投入、向其客户交付零产出,由此产生的供需变化通过网络多层传播,企业的ESRI定义为其失效直接导致的国家总产出预期损失比例。应用于全国性企业级供应网络时,ESRI揭示了小型系统性风险核心。例如匈牙利仅32家公司构成该核心,每家企业ESRI约为国家经济产出的23%。企业规模对系统性重要性的预测能力较差,部分关键节点是大型企业,但相当一部分是处于网络拓扑高度中心位置的中小企业。
ESRI框架已被广泛应用于手机数据供应网络监测、网络聚合信息损失研究、金融稳定性分析、快速脱碳情景、企业级系统性风险随时间变化分析等,并成为从不完备或聚合数据重建企业级生产网络方法的重要验证目标。计算上,计算整个经济的ESRI意味着对其中每个企业反复执行冲击传播,由于每次调用都需在大规模网络上传播关闭冲击,这些单次调用成本高昂。现有ESRI实现虽复现了模型,但在大规模网络的重复企业级分析中成本过高。ESRIcascade.jl在不改变底层算法的前提下,通过降低单次调用成本来解决这些局限。
二、研究内容与核心结论
研究人员开发了ESRIcascade.jl,一个围绕两个主要数据结构和两个公共接口组织的Julia软件包。IndustryInfo存储每个企业的行业归属及生产函数使用的投入分类;ESRIEconomy将该信息与稀疏企业间交易矩阵W结合,并缓存归一化的上游和下游算子、行和与列和、总产出及企业数量。esri接口评估单企业关闭情景,esri_shock评估表示同时或部分中断的任意产能向量。每个情景的冲击分别通过上游需求和下游投入渠道传播,合并损失后获得最终ESRI得分。
该软件包的核心创新在于算法优化:不再将ESRI表示为矩阵-矩阵和矩阵-向量乘法序列,而是通过直接遍历生产网络展开这些运算。上游传播步骤计算企业产出减少如何降低其供应商面临的需求,该步骤线性且计算相对快速;下游传播步骤则核算因失去必要投入交付而无法进行的生产,该步骤更复杂,因损失不成比例,由广义列昂惕夫(Leontief)生产函数调节,计算时间更长,优化空间也更大。具体优化包括:以与遍历方向对齐的稀疏格式存储每个ESRI步骤算子,使内存访问更连续并避免处理非活动链接和零条目;将原实现中构建稠密N×M中间矩阵(N为企业数,M为行业数)的做法替换为从相反方向评估同一方程——对每个供应商遍历其客户链接,将损失供应直接累加到相应客户累加器中,每个活动链接仅访问一次,其贡献直接写入最终累加器,避免了稠密中间体的构建和重复扫描,同时减少了算术和内存流量。
基准测试表明,ESRIcascade.jl比现有实现快140至300倍。在10,000家企业的合成幂律网络上,IHS生产函数单线程情况下每企业耗时0.777毫秒,对比fastcascade的172.422毫秒,加速222倍;线性生产函数单线程加速达303倍。在100,000家企业的现实规模网络上,4线程运行仅需7分钟,而传统代码需16小时以上。内存方面,单线程100,000家企业计算使用1.1 GB RAM,4线程消耗2.5 GB,而fastcascade分别为2.1 GB和7.6 GB。
三、主要技术方法
研究人员使用了以下关键技术方法:基于Julia语言开发,利用其高性能数值计算特性;采用稀疏矩阵数据结构存储企业间交易网络,包括SparseArrays和SparseMatricesCSR;实现直接网络遍历算法替代矩阵乘法运算,分别处理上游需求传播和下游投入传播两个渠道;使用广义列昂惕夫生产函数建模企业生产约束,将投入分为必要投入(essential inputs)、非必要投入(non-essential inputs)和无短期影响投入三类;采用合成幂律网络进行基准测试,模拟现实网络结构;使用多线程并行计算加速;通过与C++/R传统实现fastcascade在同一经济体上运行结果对比进行验证,确认数值匹配至收敛容差。
四、研究结果
4.1 验证与性能:研究人员通过在同一经济体上分别运行ESRIcascade.jl和fastcascade,确认所有测试中数值匹配至收敛容差,保证了算法等价性。基准测试使用合成幂律网络,将企业均匀分配至616个IHS行业,测试线性生产函数、混合生产函数和IHS生产函数三种配置,分别使用1和4线程,在10,000家企业和100,000家企业规模上运行。结果表明较小网络线性情况下加速达300倍;100,000家企业网络加速因子略低但节省时间显著,4线程运行7分钟对比传统代码16小时以上。内存使用方面,ESRIcascade.jl因将大部分经济数据保存为单一结构,多线程时数据重复较少,单线程100,000家企业使用1.1 GB RAM,4线程消耗2.5 GB,均低于fastcascade的2.1 GB和7.6 GB。
五、结论
本工作介绍了ESRIcascade.jl,一个用于计算经济系统性风险指数的Julia软件包。该软件包保持ESRI模型不变,同时用稀疏生产网络链接的直接遍历替代成本高昂的基于矩阵的运算。在基准测试中,ESRIcascade.jl比传统实现快至多300倍。这些改进使大规模生产网络的重复分析更加切实可行,并可能支持ESRI在实证和方法论研究中的更广泛应用。通过降低单次ESRI计算成本,该软件包使重复分析、情景分析、敏感性研究和重建网络验证更加实用,在100,000家企业基准中运行时间从16小时以上降至约7分钟。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号