数据集覆盖与质量提升 [page::2][page::3]

• 2025年版本包含3.142百万企业，覆盖了英国超过50%活跃企业，较之前版本大幅增长。

- 新增支持Faster Payment System (FPS)交易，之前仅覆盖Bacs系统，从而交易数量增至490百万，交易金额超3.13万亿英镑。

• 多重分类改进，交易按照企业所有SIC代码平等划分，数据可细化至712个行业。

宏观经济指标相关性强 [page::5][page::6][page::7][page::8]

• 支付数据与GDP、货币M1及生产者价格指数（PPI）等变量相关性显著提升，数据显示支付交易从2017至2024年持续上升，尤其清洁数据增幅更明显。

- 支付数据对包含及排除 Covid-19期间的宏观走势均表现出良好表现，交易计数和金额均体现经济周期特征。

• 支付交易与经济信心指标（OECD商用领先指标CLI）在危机时期呈现较强正相关，暗示交易数据可作为经济预期的实时指标。

支付数据与国民账户投入产出表（IOTs）比较 [page::9][page::10][page::12][page::13][page::14][page::15][page::16]

• 支付数据基于交易金额构建的产业网络密度高于之前版本，但仍稍低于官方IxI与PxP输入产出表，显现更丰富的微小交易链接。

- 行业间交易模式与官方IOTs呈现良好自相关和交叉相关，尤其是以输出份额标准化后的数据，支付数据更适合用于下游投入分析。

• 行业层面输入输出总额强相关，但支付数据在农业、制造业、采矿等上游产业下报，服务业部分则存在输入或输出过度或不足估计。

生产网络微观特征的验证 [page::17][page::18][page::19]

• 产业间月度增长率相关系数随网络距离递减，符合文献中的网络相关性假说，说明支付数据捕捉到了产业间的传播效应。

- Katz-Bonacich中心性分布近似幂律，反映出少数关键行业对整个经济波动贡献较大，不过公共管理等服务业主体权重较大。

• 删减公共管理、中介服务后，能源、机械制造和建筑等行业中心性显著，体现其供应链关键地位。

量化分析不足，策略生成无具体涉猎 [page::2][page::20]

未来挑战与展望 [page::21][page::22]

• 约60%交易账户未匹配或无法映射至CPA代码，影响统计覆盖和分析偏差，需进一步分类完善。

- 大额交易账户不明一侧身份，可能含外国实体或休眠企业，结构角色待定。

• 付款时点异质性、价格调整刚性与动态效应需进一步澄清。

- ONS计划扩展区域数据与数据产品，推动经济理论和实际应用前沿。

金融研究报告详尽分析报告

报告标题：Revisiting Hötte (2025): A Companion Analysis with Extended Evidence from UK Inter-Industry Payment Data, 2017–2024
作者：Kerstin Hötte
发布机构：KEDGE Business School, Paris，基于英国国家统计局（ONS）2025年数据发布
发布日期：2025年8月26日
主题：英国行业间支付数据构建的宏观经济与产业网络分析更新研究

---

一、元数据与概览

1.1 报告背景与主题

本报告基于2025年英国国家统计局（ONS）发布的一套前所未有、覆盖2017年至2024年最新5位SIC（标准行业分类）月度行业间支付流数据，覆盖约315万注册组织，2023年交易总量达4.9亿笔，金额超过3.1万亿英镑。相比此前Hötte(2025)研究所用的非公开、小规模数据，本报告使用的新数据实现了显著扩容与多项方法论改进。报告旨在更新先前的实证结果，讨论支付数据构建的主要方法变更，审视新旧数据的差异与一致性，探析数据的应用意义及未来展望。

1.2 核心论点和目标

• 数据覆盖大幅增加，匹配度和概念一致性更高，表现出更强的宏观及产业层面相关性，尤其是与GDP、货币聚合指标、通胀及经济信心指标保持高度正相关。

- 行业内的支付网络结构与国家投入产出表（IOT）高度一致，尤其在链接层面、行业聚合和网络密度等结构特征表现积极。

• 细粒度支付数据符合生产网络文献中的经济网络“风格性事实”，为实时经济波动溯源和建模提供了坚实基础。

- 探讨了支付类型和平均交易值的变化，细节揭示了更多中小企业参与，使支付数据更具代表性。

• 报告指出支付数据仍存在60%的支付交易无有效匹配或分类，对数据应用带来潜在偏差和限制，强调未来工作应重点解决未分类账户问题及支付时间记录等关键挑战。

---

二、逐节深度解读

2.1 引言与数据简介（第1-3节）

• 描述了ONS新发布数据特点：新增覆盖3.142万家企业，涵盖两大支付系统（Bacs和FPS），实现了交易全覆盖。

- 新数据支持多重SIC匹配，改进了前期只用首个SIC代码分类的缺陷，明确了数据时间覆盖从2017年1月至2024年11月。

• 2025数据在公开层级上实现了从近40个行业细分提升到712个5位SIC行业细分，满足统计披露控制要求。

- 图1展示不同支付系统付款累计值、交易次数及平均交易值，表明原始数据和清理数据均呈上升趋势，清理数据因排除未匹配账户，具有更低的金额和交易量。

• 发现约60%交易无法匹配或不适用CPA代码，且高额交易往往关联这些未匹配账户，推测可能是外国机构或国际贸易相关账户。

- 新数据集更接近官方统计指标，且交易次数和金额整体呈上升趋势，并体现了疫情期间波动的明显影响。

2.2 宏观经济基准验证（第3节）

• 通过与GDP（季调及非季调）、货币供应量M1/M3、生产者价格指数（PPI）、消费者物价指数（CPI）及OECD综合领先指标（CLI）相关性分析，验证支付数据的宏观经济代表性。

- 两版本数据相比，2025年数据无论交易金额还是交易数量均与GDP保持约75%-93%的高相关度，更强于2023年之前数据表现。

• 月度增长率层面处理Covid-19数据后，支付数据与PPI的相关度达85%-93%，并且与货币供应量的关联也呈现较为稳定的正向关系。

- CLI与支付数据前后显现不同的相关性，疫情期间支付数据与经济信心有一定正相关，表现出支付数据捕捉经济预期的潜在能力。

• 图2进一步展示支付金额和次数走势与GDP和M1的走势对比，支付数据尤其为FPS交易增长显著，清晰反映了疫情影响和货币流动性态势。

2.3 与国家投入产出表比对（第4节）

2.3.1 网络统计特征比较

• 表3对2022年的支付数据衍生IOT网络和官方IOT表（PxP, IxI, SUT）进行结构比较，指标涵盖网络密度、平均度数、平均强度（每个行业交易总额）、权重（平均交易额）、互惠率、聚集系数及度数同质性（assortativity）。

- 支付数据网络密度和平均度均介于SUT与PxP、IxI之间，且因统计披露控制（SDC）导致计数网络密度略低。与早期数据相比覆盖和密度均显著提升。

• 平均交易额约为8872万元，高于前版，但低于PxP和IxI表，表明支付数据捕捉了价值较小但更多样的交易。

- 互惠率与聚集系数也较官方IOT稍低，可能意味着支付数据的网络中存在不同的行业连接结构或群落分布。

2.3.2 边（交易连接）层面自相关和交叉相关

• 图4与图5分析支付数据IOT与官方IOT边层交易值及相对份额（输入份额与输出份额）的相关性，支付值与PxP和IxI的边相关达35%-42%，输出份额的相关性明显高于输入份额（约34%-35% vs. 20%-28%），暗示支付数据更能反映下游消费环节。

- 交易次数与输入份额相关性偏低，但与输出份额仍保持一定相关性，为支付交易计数数据提供独立信息。

• 这一发现与早期数据版本相比有较大进步，体现数据的现实应用潜力，尤其是在动态预测与供应链追踪方面。

2.3.3 行业层面相似性

• 图6展示支付数据与官方IOT基于行业总输入和输出的相关系数，值的相关性高达60%-90%，尤其是输入方向高于输出，说明支付数据能较好还原某些行业的投入端交易规模。

- 交易次数的输入相关性也强于输出，但输出较支付值的匹配度较低。

• 输入侧偏下游产业，如农业、采矿等传统上游行业的交易量在支付数据中明显低估。

- 多数服务行业仍存在一定低估或结构性缺失，公共管理因其费用性能支出在支付数据中过度表现。

• 图7和图8展示了16个行业大类从2017年至2022年输入输出规模的时间动态，印证支付数据广泛存在行业与时间的异质性覆盖。

2.4 细粒度数据的“风格性事实”验证（第5节）

2.4.1 产业距离与增长率相关性

• 图9显示不同行业对间的增长率相关系数与网络距离的负相关，验证文献中边远产业间经济波动相互影响减弱的规律。

- 网络阈值截断时，相关性下降不均匀，极端截断可能导致网络失真。

• 相较旧数据，新数据更能稳健反映产业间增长率相关的空间衰减。

2.4.2 Katz-Bonacich中心性分布

• 图10及附录A.25-A.29表明产业的Katz-Bonacich中心性近似符合幂律分布，指数落在1.3至1.6区间，与文献一致，且优于以往数据。

- 产业影响力排名前列多为公共管理、电信、金融和支持服务等服务性行业，部分与分类和数据构建存在先天偏差，需谨慎处理。

• 去除服务业后的排名则呈现出制造业、能源及建筑业等更符合宏观经济波动来源的行业，说明支付网络在经济冲击溯源中具备潜力。

---

三、图表深度解读

图1：UK月度支付数据与主流支付系统对比

• 展示了新支付数据（清理和原始版本）与Bacs、CHAPS、FPS及ICS系统的整体支付金额、交易次数及平均单笔交易金额的时间序列。

- 新数据覆盖范围扩充，金额和次数均呈现平稳上升趋势，特别是FPS交易量突显增长，疫情期间观察到明显交易次数下滑。

• 期待未来针对未匹配账户的深入分析，尤其针对高价值异常流。

表1、表2：支付数据与宏观经济指标及其他支付系统相关性矩阵

• 覆盖COVID-19期间与排除期间的全面相关性分析。

- 高频交易数据与GDP、PPI、M1/M3相关性极高，尤其是交易数目与PPI的关联明确，支付交易数量可作为通胀动态和货币环境的间接指标。

• 排除疫情期后，相关性有所下降，反映疫情特殊政策影响了货币流动和经济状态。

图2：支付总额、交易数与GDP和M1走势对比

• 支付数据的交易金额曲线明显上升更陡峭于GDP和传统支付系统，说明数据对微观经济活动的深入覆盖。

- 平均交易金额相对稳定，有赖于下沉到中小企业且新增FPS支持的高频次小额交易。

表3及图3：支付交易网络与官方投入产出表比较

• 支付数据交易网络密度较之前数据更高，更接近官方投入产出表布局。

- 稍低于PxP和IxI的密度意味着尚未完全覆盖所有产业链关系，SDC与数据抓取机制可能影响交易连接的完整性。

• 阈值截断显示，删除低权重边后网络统计指标趋同，体现底层数据权重分布的特性。

图4、图5：边层相关性分析

• 支付数据的交易值与官方IOT交易边相关性处于中高水平，表现稳定，输出相关性高于输入。

- 这一趋势提示支付数据对下游供给依赖关系更敏感，暗示某些上游交易可能不足全面覆盖。

图6-8：行业级支付与官方数据对比

• 行业级投入产出相关性较高，尤其是对输入的捕捉。

- 各行业表现出明显异质性，农业、制造、建筑等传统上游行业支付数据不足。

• 服务业如交通运输、房地产等部分呈现输出偏高，公共部门显著高估，可能反映会计分类差异和非市场交易属性。

图9：产业间距离和增长率关联

• 明确验证产业间经济活动传导随产业距离递减。

- 强截断能异常削弱相关性，提示模型需谨慎设定网络剪枝阈值。

图10及相关表：Katz-Bonacich中心性分布及行业影响力排名

• 中心性呈幂律分布，呈现现实产业网络影响力的高度不均衡结构。

- 服务业主导高影响力排名，反映数据特有特质；去除服务后能源、制造业凸显，契合经济波动理论预期。

---

四、风险因素评估

• 数据覆盖局限性及分类问题：约60%的交易链未能明确分类，或SIC与CPA间无法一一对应，影响了数据的“清洁度”，给宏观和行业模型应用带来不稳定因素。

- 高额未匹配账户的结构不明：可能为国际机构或非标准企业，未知其经济活动性质，为理论建模和实证分析带来潜在偏差。

• 交易时间的记录差异与支付时滞问题：交易时点与实际生产消费之间的时间差使实时利用具挑战，需要研究企业支付行为异质性和财务中介影响。

- 价格调整机制不明确：通胀传导路径在高频支付数据中的表现需要进一步研究，尤其是支付次数与价格动态间的相互作用仍未知。

• 统计披露控制影响：相关交易数据可能因统计限制去除，导致网络结构和权重信息部分缺失。

---

五、批判性视角与细微差别

• 数据覆盖与代表性问题：虽然指标相关性良好，但未匹配账户和残差分类（n.e.c.）的高占比提示数据存在结构性偏差。高价值交易集中于未匹配账户的发现尤为关键，可能掩盖部分产业链关键节点。

- 公共管理与服务业影响力偏高：因支付网络构建方法，服务业及关联的公共部门获得极大中心性，需在使用时进行调整，否则易误导宏观波动源解释。

• 不同数据处理策略影响分析稳健性：如网络截断参数选择明显影响关联度和中心性分布，暗示模型需谨慎参数选取以避免过度拟合或信息缺失。

- 疫情期间数据表现差异显著：Covid-19期间相关统计显著变化，提示需在未来实际应用中考虑此类非均衡事件干扰。

• 时点与金额匹配问题：当前分析主要用年或月数据聚合，短期支付波动的微观结构和资金流转速度未被充分解析，限制对实时政策评估的支持。

---

六、结论性综合

本报告系统更新了Hötté（2025）基于英国国家统计局新发布大量行业间支付流数据的实证研究，通过严格构建和过滤，形成涵盖超过315万企业及712个细类行业的最新5位SIC支付网络。数据规模和覆盖的量级创新性地弥补了传统产业统计的滞后和粗糙性，支付数据的交易价值和计数与宏观经济关键指标（GDP、货币供应量、PPI等）保持高度同步，提供了反映经济运行和价格动态的细粒度视角。通过与官方输入产出表的多维度结构、行业及边缘层面比较，数据进一步证实具有可与国家统计体系接轨的代表性和稳定性。

深入网络经济的“风格性事实”检验，诸如产业间增长率与网络距离负相关、中心性分布近似幂律、核心行业影响力相对集中，均得到数据的积极支持，为未来基于支付流数据实时追踪供应链风险和经济波动因果提供理论及实证基础。

然而，仍有多项关键挑战尚未解决，包括约60%的支付数据未能实现有效分类、高价值未匹配交易账户的性质不明、数据构建中的统计披露截断、支付时效滞后不确定性、以及分类方法与行业间共享性的限制。这些问题强调了应用该数据进行宏观分析和政策制定时应有的审慎态度。

图表层面，支付数据与IOT的密度差异及行业间输入输出对比揭示了支付网络更细致地捕捉了中小微企业交易活动，而原材料等上游行业和部分服务业覆盖不足或存在过度估计，需在建模和解读中纳入调整。

综上，本报告确认新批准公开的支付数据具有显著的增长代表性和方法论提升，显示出与宏观经济和产业结构高度一致的潜力，是推动宏微观经济分析和政策即时响应的有力工具。未来研究方向包括完善未匹配支付账户的识别机制、改进支付数据和价格及时间结构的关联模型、以及提升对复杂供应链动态的解释力度，力争建立起以自然发生数据驱动的经济统计新范式。

---

附录：主要图表展示

图1：月度支付值、交易次数及平均交易值对比

图2：月度支付数据与GDP、M1对比走势

表3：2022年支付与官方IOT网络属性比较

| 指标 | 支付值网络 | 支付计数网络 | SUT | PxP | IxI |
|----------------|------------|--------------|-------------|-------------|-------------|
| 网络密度 | 0.552 | 0.404 | 0.474 | 0.718 | 0.978 |
| 平均度数 | 57.423 | 41.650 | 48.343 | 73.275 | 99.735 |
| 平均强度（百万） | 8,872.127 | 2,314,359 | 15,643.1 | 12,790.05 | 12,809.82 |
| 平均链路权重 | 154.505 | 55,566.2 | 323.585 | 174.55 | 128.438 |
| 互惠率 | 0.783 | 0.753 | 0.535 | 0.788 | 0.987 |
| 聚集系数 | 0.757 | 0.682 | 0.75 | 0.86 | 0.99 |
| 度数相关性 | -0.324 | -0.416 | -0.192 | -0.183 | -0.006 |

图4：边层交易相关性热图（2018-2022年）

图5：输入输出份额相关性热图（2021-2022年）

图6：行业级输入输出相关性（2021-2022年）

图7与图8：不同行业输入输出规模时间趋势细分图（2017-2022年）

• 图7（输入）

- 图8（输出）

图9：不同行业距离与增长率相关性

图10：Katz-Bonacich中心性分布

---

致谢

本报告作者感谢ONS同事及支付数据研究研讨会成员的技术支持与反馈，同时对Hötte(2025)原文及其资料提供深入技术和方法论支持。

---

结语

此次报告作为Hötte(2025)的姊妹文章与数据更新，为英国行业间支付数据的公开与应用奠定了系统性的实证基础。通过扩充样本规模与细节维度、深化宏观经济契合度检验以及发现符合经济网络理论的结构规律，为经济统计、产业分析、政策评估提供了创新性的数据工具。未来，解决覆盖缺失、高价值未识别主体、时间与价格机制等难点，是进一步实现实时经济洞察与模型应用的关键。整体而言，支付流数据有望成为经济运行的高频、细粒度、自然发生数据的标杆资源，推动国家经济统计进入新时代。

---

溯源标注： 本报告分析严格基于提供文本内容编写，引用页码详见每节对应正文标注 [page::X]，其中X为页码区间或单页。

报告