解开复杂网络上的冲击扩散：通过图可展平性识别
摘要：大规模网络展现了集体动态，但常常出现节点级的连锁故障，导致整个系统崩溃。典型例子包括金融和经济网络的崩溃。网络节点动态相互交织使得难以解开通过网络传播的冲击的源头和目的地，这种特性被称为反身性。本文提出了一种新方法，将向量自回归模型与从网络的拓扑结构获得的独特标识限制相结合，以确定性地描述级联。具体来说，我们展示了网络的平面性使得我们能够在符合观察网络的统计估计下，唯一地确定从任选震中到网络中所有其他节点的冲击传播路径。我们分析了闭环中出现的扰动传播机制，形成了有关反馈回路在传递冲击中的影响的详细图景。我们展示了该算法在两个具有不同时间尺度动态的网络中的实用性和应用：全球GDP增长网络和股票网络。在两种情况下，我们观察到该模型预测，源自美国的冲击将集中在发达国家群集中，并且发展中国家的反应非常微弱，这与过去十年的实证观察一致。
作者：Sudarshan Kumar, Tiziana Di Matteo, Anindya S. Chakrabarti
论文ID：2001.01518
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2020-01-07