• 数据来源与覆盖 [page::2][page::4][page::7]:

- 使用英国银行自动清算系统（Bacs）提供的匿名聚合企业间支付数据，涵盖约117,000个服务用户和5位SIC行业分类。
- 数据涵盖2015年8月至2023年12月，支付值覆盖2023年Bacs支付价值的22.1%，但交易次数仅为1%左右。
- Bacs主要服务于批量常规及中高价值业务支付，交易费用较低且安全性高。

• 宏观经济相关性分析 [page::9][page::10][page::11]:

| 指标 | 与Bacs支付值的年相关(%) | 与GDP非调整月度的相关(%) | 与M1的相关(%) |
|-----------------|-------------------------|--------------------------|---------------|
| 年度交易值 | 96.7 | 99.8 | 99.6 |
| 月度交易值 | 87.4 | 86.5 | 91.1 |
| 年度交易次数 | 97.2 | 98.8 | 99.3 |
| 月度交易次数 | 81.7 | 86.7 | 78.3 |
- 交易值高度反映名义指标动态，交易次数更强联系实际经济活跃度。

- 支付值与名义货币供应（M1）高度相关，交易次数与GDP非季调数列共同波动。
- 受疫情影响，支付数据表现出复杂实时反应，体现出与传统宏观指标的差异。

• 输入输出表(IOTs)构造及比较 [page::12][page::14][page::15]:

- 通过支付交易构建按3/5位SIC行业分类的年度代理输入输出表，转换为供应-使用表、行业-行业(PxP)和产品-产品(IxI)格式。
- 支付数据网络密度约为29%，远低于官方IOTs 47%-98%的密度，但截断高权重链接后相似。
| 网络指标 | 付款值 | 付款次数 | PxP | SUT | IxI |
|------------|--------|----------|-------|-------|-------|
| 密度 | 0.286 | 0.286 | 0.723 | 0.474 | 0.980 |
| 平均度数 | 28.55 | 28.55 | 75.20 | 49.26 | 101.9 |
| 互惠率 | 0.554 | 0.554 | 0.793 | 0.534 | 0.989 |
| 三级传递性 | 0.648 | 0.648 | 0.921 | 0.787 | 1.000 |
- 网络体现产业间多产品交易，金融和贸易中介差异显著，支付网络呈现更稀疏但稳定结构。

• 边缘级差异及数据属性比较 [page::18][page::19][page::20]:

- 支付数据与官方IOTs交易金额存在较大边缘差异，中位差异约为5-7倍，分布偏斜存在极端差别。
- 支付数据因独特的计量时间点、涵盖资本投资支付、金融服务全额资金流和贸易运输边际费用双重计数等，与国家账户存在概念性区别。
- 支付数据不包括出口，但可能部分包含进口经国内贸易环节，且行业分类基于企业注册地址主编码，存在“总部效应”。

• 量化网络微观特征验证及经济网络典范 [page::24][page::25][page::27]:

- 长距离网络中产业增长率相关性递减，符合典型经济网络传播效应。

- Katz-Bonacich中心性分布呈幂律，尾部指数介于1.34至1.69之间，与文献中已发表的产业和企业网络结果吻合。
- 这表明微观冲击可导致宏观波动，数据适合建模经济结构性风险和传导机制。

• 支付数据对经济研究的价值与应用前景 [page::28][page::29]:

- 支付交易频次数据为新颖指标，体现企业活跃度和实物经济动态。
- 数据月度更新、高度细粒度，为经济现况预测、产业链中断预警和区域经济分析提供新视角。
- 需结合其他数据进行支付归因校正，解决结构性差异以实现与国家账户数据的融合与应用。

National accounting from the bottom up using large-scale financial transactions data: An application to input-output tables —— 深度解读与分析报告

---

1. 元数据与概览

• 标题: National accounting from the bottom up using large-scale financial transactions data: An application to input-output tables

- 作者: Kerstin Hötte 和 Andreina Naddeo

• 发布机构: Alan Turing Institute, Institute for New Economic Thinking（牛津大学），以及英国国家统计局（ONS）

- 发布日期: 2024年7月23日

• 主题: 利用英国大规模企业间电子支付交易数据构建的输入-输出表（IOTs）进行国家会计底层经济流的实时刻画与验证分析

核心论点: 利用英国银行自动清算服务（Bacs）支付系统的匿名聚合数据，构建细粒度月度企业间支付网络，探索该数据与传统的国内生产总值（GDP）、官方投入产出表和产业生产网络的相关关系。文章探讨支付数据与国家账户间的基准比较和概念差异，强调了支付数据的时效性、细粒度优势，但同时警示其受支付行为变化、金融中介作用及多支付渠道使用的影响。研究结论显示支付流量与GDP密切相关，能在一定程度上反映经济活动脉动，是经济研究和政策制定的新视角。

---

2. 逐节深度解读

2.1 引言与背景 (第0-3页)

• 关键论点:

当前宏观经济政策面临疫情、气候、地缘冲突等大规模冲击事件，要求更细粒度且实时的经济数据。国家统计机构开始试探使用大数据和非传统数据源以补充传统统计（ONS等）。该研究首次使用英国Bacs支付系统中约8年、5位SIC工业分类粒度的企业对企业月度支付数据，作为输入产出关系的底层“资金流”新型数据源。

• 推理依据:

Bacs支付覆盖大量企业交易，但只占企业对企业业务交易的一部分，尚非全面覆盖；该数据还区别了交易次数与金额两种信息，后者反映名义活动，前者则蕴含企业动态活跃度信息。支付行为的供给侧（支付系统、规则、技术）变化、疫情对现金支付的冲击等均可能影响数据解读，但整体趋势显示经济基本面信号质量较强。

• 数据特征:

约117,000个服务使用者，覆盖2015年8月至2023年12月，交易包括直接借记（Direct Debit, DD）和直接信用转账（Direct Credit, DC）。比官方投入产出表更细粒度且更新频率更高，提供前所未有的网络层面视角。

• 研究目标:

以多角度（宏观指标、IOT结构、经济理论规则）验证支付数据的经济有效性，分析概念性差异及限制，挖掘其作为创新计量和政策分析工具的潜力。

---

2.2 数据详解：支付系统概览与英国支付体系 (第4-9页)

• 支付系统基本知识:

支付由清算和结算两个步骤组成，清算指消息交换与付款义务确认，结算才是真实资金转移。Bacs属于零售支付系统，结算通常按净额周期处理。相较于批发系统（如CHAPS），Bacs交易费用更低，交易额度较高，但结算速度较慢。

• 英国主要支付系统比较（表1）:

- Bacs: 适合反复大批量支付（工资、租金等），交易限额约2000万英镑，3~5日清算，安全性高，费用低
- FPS (Faster Payments): 适合低额即时支付，限额100万英镑，清算即时，费用中等，有增长趋势
- CHAPS: 高价值即时结算，费用高，主要用于银行间与大型交易
- 其他（ICS、LINK、Cards、SWIFT、SEPA、TARGET2）各有其应用环境与特点

• 支付数据覆盖范围:

该研究数据占B2B交易总值的22.1%（2023年），但交易数只占1%左右，反映高价值交易特征。平均交易金额约16.2千英镑，是Bacs平均交易的20倍。

• 支付数据技术说明:

支付数据由不同接入模式（企业直接、代理、第三方服务提供商）产生，对应不同服务用户号码（SUN）。此数据采集在清算层面，保存了账户间网络结构，避免了金融中介层面的交易隐藏。

• 创新与趋势:

新支付系统架构（New Payments Architecture, NPA）在规划中，未来可能整合Bacs、FPS等，增强数据同质性和覆盖率，但目前影响有限。

---

2.3 宏观基准测试 (第10-12页)

• 方法:

比较支付数据（付款值和交易次数）与UK其他支付数据（Bacs、FPS、CHAPS）以及宏观指标（GDP、货币供应M1/M3和价格指数）的相关性，剔除新冠疫情期间数据。基于Pearson相关系数。

• 主要发现 (表2, 图2):

- 交易值与宏观名义指标（GDP名义、M1/M3、物价指数）高度相关，相关系数多在80%以上，显示支付金额数据是名义活动良好代理
- 交易次数与实际经济（去价格影响后）指标关联较强，体现真实经济动态，且相较交易值更能捕捉企业间活跃度和“真正”经济行为
- 平均交易值与支付体系整体相关性较弱，暗示该指标反映不同类型交易组合
- 长期趋势上，Payment 数据值走势与货币供应基本一致，略微跑赢GDP，疫情期间波动复杂，表现疫情冲击效应
- 不同支付系统的表现差异明显，FPS交易量快速增长，CHAPS交易金额高但波动较小

• 经济学解释:

支付金额揭示名义货币流动，与价格水平和货币供应密切相关，而交易计数映射企业间真实产出链条。支付数据中的计数信息是一种少用但有潜力的商业动态指标。

---

2.4 输入产出表构建与比较 (第13-20页)

• 方法:

将月度企业间支付流（按SIC代码标注的产业分类）累积为年度额，构成支付数据基础的产业间交易矩阵，转置后形成类似投入产出表（IOT）形式。与官方来源的三类IOT比较：
1. 供应使用表中的中间需求（SUT）
2. 行业对行业（IxI）
3. 产品对产品（PxP）

• 概念区分:

- 官方IOT通过调查加权平衡，配合固定资产投资、贸易边界调整等，体现经济各环节生产关系
- 支付数据体现真实资金流而非产品流，可能包含资本投资、债务偿还、贸易中介的双重支付等

• 网络性质比较 (表3, 图4):

- 支付数据构造的网络密度较官方IOT低，连接数明显更少，SUT最稀疏，IxI接近完全连接
- 这是统计保密控制（SDC）去除小额和稀疏连接导致；去除小的交易边缘连接后，各网络统计特征趋同
- 负的关联度暗示大产业多与小产业连接，符合产业经济学常见结构

• 相关性分析 (图3, 表4):

- 同一数据源内（ONS vs Payments）相关性高达75%-99%，不同数据源之间相关性略降但仍稳定
- 输入相关性高于输出，反映投入端分类较官方数据更为接近，输出端差异更多
- 交易值与交易计数的IOT表也存在系统性差异，体现价值与数量的不同经济内涵

• 边缘层面差异测度:

- 使用“比例差”（proportional difference）指标量化具体产销对差异，中位数在5-7倍，表明大量产业对支付值与官方IOT数据存在显著差距
- 较大差异主要由数据覆盖度缺失（支付数据未覆盖所有支付渠道）、统计方法及分类不一致造成
- PxP型IOT与支付差异最大，IxI差异较小且更集中
- 结果提示支付数据需要对资金流做更复杂分配建模，方能用于完整IOT推断

---

2.5 支付与国家账户间的概念差异解析 (第20-24页)

• 时间记录差异:

- 国家账户采用权责发生制，交易在经济价值生成时入账。
- 支付数据反映资金实际支付瞬间，可能滞后且包括库存等非生产耗费的交易。

• 固定资本投入问题:

- IOT排除固定资产投资，支付数据中投资相关支付和贷款偿还可能包含，混合资本和流转性质资金流。

• 金融服务流:

- 国家账户体现金融中介服务的价值部分（利差及收费），支付数据则为资金原始流动，贷款与还款均显示，金融行业额外膨胀。

• 贸易与流通差异:

- IOT调整商品贸易与流通边际，消除中间商品重复计数。
- 支付流观测的是实际资金往来，批发商上下游支付都被记录，有重复计算风险及流向错配。

• 分配性交易:

- 账户中员工报酬、税收、补贴等属于增值分配，IOT中被排除或单独处理，支付数据可能部分计入（税收、利息、股息等）。

• 国际贸易问题:

- IOT中进口作为输入，出口作为最终需求。支付数据捕获的多为境内支付，国际交易基本缺失。

• 单位与分类:

- IOT基于法人单位及商务分类，支持多产出性质。支付数据基于Bacs账户申报的单一主营SIC代码，存在“总公司效应”和错误分类风险。

• 非正规部门影响:

- 非正规经济可能多使用现金不入电子支付数据，支付数据可能部分低估该类经济活动。

---

2.6 细粒度支付网络的数据特征及风格事实检验 (第24-28页)

• 目标: 无官方数据可比的5位SIC工业分类层级，验证支付构建的网络是否符合经济网络领域的已知规律。
• 风格事实1: 产业增长率相关性随网络距离递减

- 计算产业间的输入与输出网络距离（基于输入链接最短路径）和相应的产量增长率Spearman相关系数
- 结果显示相关性明显负相关，距离越远相关性越弱，虽距离较大时结果噪声增多。
- 计数数据相关性相比价值数据更为显著。

• 风格事实2: 中心性分布的幂律尾部特征 (Katz-Bonacich中心性分布)

- 计算Katz-Bonacich中心性（基于列随机矩阵的影响向量，相关于产业对整体经济波动贡献的理论权重）
- 分布的尾部符合幂律，幂律指数γ在1.34-1.69范围内（价值），较计数数据略低且统计显著性差异存在（部分年份不显著）
- 与已有文献中基于美国、欧洲等产业及企业级网络数据相符
- 代表部分行业（公共管理、金融、零售）在网络中极为关键，微观冲击可导致重大宏观波动。

• 含义:

- 验证支付网络结构与其他经济网络数据体相似，支持其作为经济研究和政策分析的创新数据源。
- 提示产业间联动性强，支持基于网络的增长、冲击传导与预警机制开发。

---

2.7 结论与展望 (第28-30页)

• 总结:

支付数据作为全新数据源，具备独特的时效性和细粒度优势，能补充和强化传统国家账户及产业分析，特别在实时宏观监测、产业链网络动态研究和供应链压力预警等领域展现巨大潜力。

• 核心发现:

- 支付金额数据与宏观名义量高度相关；交易计数提供对实际经济活跃度的有用指示，尤其体现企业间经济动态性。
- 支付构建的产业网络密度较官方IOT低，受统计保护控制影响，但在显著交易连接上表现一致。
- 支付与官方IOT间存在显著交易规模和分类上的差异，反映了资金流与商品流的本质不同，适用环境及解释框架需谨慎匹配。
- 在细粒度层面，支付网络数据符合产业经济学已知风格事实，为经济网络模型应用铺就道路。

• 未来方向:

- 针对支付数据的多支付渠道覆盖不足和分类调整等问题进行改进和合理配置。
- 探索区域级数据构建，促进区域经济、政策评估和脱欧、供应链扰动等事件的微观层面分析。
- 开发基于支付计数的新型经济指标。实现从支付网络向完整国家账户体系的桥接和融合。

---

3. 图表深度解读

图1：英国主要支付体系月度交易值与交易次数趋势（对数刻度）

• 展现内容:

展示Bacs支付样本数据对比Bacs整体、CHAPS、FPS及支票清算系统的交易总额和交易次数的月度时序（2015–2023）。交易值（左图）和交易次数（右图）均采用对数尺度。

• 数据解读及趋势:

- 交易值方面，CHAPS最高，稳定且稍有上升；Bacs整体次之，持平；FPS增长较快，接近Bacs级别；支付样本数据显著低于整体Bacs。
- 交易次数方面，FPS展示最明显的增长趋势，反映实时小额支付需求提升。支付样本数据显示交易次数是各系统中最少的，但与CHAPS走势相似。
- ICS（支票）交易值和次数呈下降趋势，符合现金及支票支付减少的总体趋势。

• 文本联结:

反映支付系统使用习惯与支付方式结构多样性，支付样本数据虽覆盖有限，但价值贡献较大，主要针对高额企业间交易提供视角。FPS作为新兴系统，未来占比有望持续上升。

---

图2：支付数据与宏观经济指标的月度同比指数（2015=100）

• 展现内容:

主要包括支付数据（值、次数、平均值）、Bacs、CHAPS、FPS支付数据，及名义货币供应量M1与实际GDP指标的同比指数走势。

• 数据解读及趋势:

- 支付交易值增长率超过GDP和Bacs，基本与M1走势匹配，反映名义货币量扩张趋势。
- 交易次数走势与实际GDP趋势吻合度高，反映真实经济活动。
- 2020年疫情冲击明显，GDP和支付交易次数跌落，平均交易额短期反弹。
- FPS成交数量激增。
- 总体，无明显季节性，符合非季节调整GDP数据相关性分析结果。

---

表2：支付数据与其他支付系统及宏观指标的相关性（Pearson相关系数）

• 展现内容:

支付数据值、次数、平均交易值分别与Bacs、FPS、CHAPS、非季节及季节调整GDP、货币供应M1/M3、价格指数在年/月度不同统计频率的相关性。

• 数据解读:

- 交易值与名义指标相关性普遍较高（0.8以上），交易次数与实际经济指标（如实际GDP）相关更明显。
- 平均值与部分指标相关负相关，反映不同交易模式（高频低值vs低频高值）。
- 季节调整后的GDP增长数据相关度略低，表现出支付数据在非季节因素捕捉上的优势。

---

表3：2019年支付数据与ONS官方输入产出表的网络统计特征比较

• 展现内容:

网络密度、平均度数、平均强度（交易值/次数求和）、平均权重（边均值）、 reciprocity（互惠率）、transitivity（三角闭合率）、节点度的同类相连趋势（assortativity）等。

• 数据解读:

- 支付数据网络密度不到30%，明显低于官方网络（47%-98%），因统计保密控制与实际交易稀疏性。
- 互惠率及三角闭合比例较低，反映支付网络较少出现双向交易和三者群组现象。
- 负向degrees assortativity说明大产业倾向与小产业交易，网络复杂性高。

---

图3：2018-19年输入/输出权重在不同IOT间的自相关及交叉相关热力图

• 内容解读:

- 产销份额的自相关高达0.75-0.99，支付数据内部的输入份额之间相关度尤其显著。
- 不同数据源间（如支付与ONS IOT）的相关度较低，但输入相关性普遍高于输出，说明支付数据更准确模拟投入需求结构。
- 通常价值数据比计数数据表现出更强的内在一致性。

---

图4及表4：支付数据与ONS IOT边缘层面差异分布

• 展现内容:

以比例差分（log10基准）形式，展示支付数据与ONS不同IOT（IxI、PxP、SUT）间对应产业对交易值的差异频率分布及分位数。

• 解读:

- 差异分布高度偏态，50%对应交易对的支付值至少较官方数据多/少5-7倍，25%-75%分布在2-28倍，显著波动及分布长尾。
- 最大差异出现在基于产品的PxP模型中，官方IxI表差异最小。
- 显著体现两数据结构、采样、统计规则差异，不排除部分产业的支付交易因金融或中介作用而被重复计算或分类错分。

---

图5：5位SIC产业间的增长率相关性随着网络距离的减少

• 数据表现:

Spearman相关系数随最短路径距离递减，距离1（直接链接）相关度约0.2，距离4-5时相关性接近0甚至负值，符合理论预期。
- 不同截断阈值的网络连接强度变化，均表现出一致趋势
- 计数数据相关性下降幅度更大，反映动态频率相关性显著

---

图6及表C6：Katz-Bonacich中心性的幂律分布及拟合统计

• 结果解读:

- 支付数据构建的产业中心性具有明显幂律尾部，γ指数介于1.3-1.7，部分年份统计显著，计数数据幂律性稍弱。
- 这个指数范围与多个国家和行业的文献数据一致，表明产业网络结构存在极强聚集的“超级节点”效应。

---

4. 估值与分析方法

本报告未包含传统估值方法分析（如DCF、PE）。技术上，支付数据主要用于构建真实经济交易网络，量化产业经济绩效与关联，辅助宏观动态监测，非直接估值工具。

---

5. 风险因素评估

报告指出多种风险因素：

• 数据覆盖局限：支付数据仅覆盖部分支付渠道，未包含全貌，导致一定抽样偏差。

- 统计保密控制影响：去除小额交易抑制了网络完整性，影响下游分析。

• 支付行为变化：支付文化、技术创新和监管演变改变数据含义，致使长期比较复杂。

- 金融中介作用混淆：金融机构内转交易干扰真实生产性支付流分析。

• 分类问题：根据主SIC码单一分类掩盖了多元经营与跨界交易。

- 国际贸易未全覆盖：不反映跨境产业链资金流。

• 时间差异：支付即时记录不同于国家账户的权责发生制。

风险说明全面，但未明确给出缓解策略，需要后续研究如何结合多数据源实现修正。

---

6. 批判性视角与细微差别

• 支付数据的创新优势与限制并存：数据细粒活跃，实时性强，但内在局限亟待精细解构和补齐。

- 数据分类的不完备易导致解释偏差，特别是总部归属效应和金融行业套利流包滋生偏差。

• 对疫情及大冲击的响应分析尚浅，实际稳定性与异常期表现有待更深入对应。

- IOT与支付数据的差异未充分拆解权责制与经济价值的底层对应，容易导致误用。

• 未来工作必须构建覆盖多支付渠道、跨境交易和补充统计手段的综合框架。

---

7. 结论性综合

本文通过构建英国基于Bacs支付系统的细粒度企业间资金流月度时间序列，为传统国家账户体系注入了全新数据视角与计算范式。宏观层面发现：支付金额数据与名义GDP和货币供应高度同步，交易次数反映真实经济活跃度和企业动态。支付数据构建的输入-输出网络虽较传统IOT更稀疏，但在重要连接上吻合度高，支撑其作为经济网络研究的重要数据源。

数据的核心优势在于月度高频、细粒级别与资金流真实反映，为经济实时监测、供应链压力预警、政策评估和产业关联分析提供新机遇。但其内在的时间记录方式差异、分类限定、金融中介影响和多支付渠道不完备不可忽视。支付数据不能简单代替传统投入产出表，而应作为其有益补充，结合多源数据和统计配比算法发掘更广阔应用。

细粒度数据符合经济网络理论中的关键风格事实，如增长率相关性随网络距离减弱与Katz-Bonacich中心性分布幂律特性，验证其科学有效性。未来研究应聚焦数据融合、国际贸易涵盖、产业分类优化及支付系统升级带来的数据变革，实现经济计量学和政策分析范式的真正革新。

重要图表要点补充:

• 图1和2展现支付数据与主流支付系统和宏观指标的紧密关系及动态差异，体现了数据的现实代表能力。

- 表2和图3深入揭示支付数据和官方系统的统计关联，为可靠性提供量化基础。

• 表3和图4分析产业网络结构差异，指出统计保密与数据来源带来的影响。

- 图5和6通过网络距离相关性和中心性幂律检验，显著印证支付网络作为经济网络合理代理的可信度。

本文为支付数据融入国家经济核算体系奠定了理论和实证基础，开启数字时代宏观经济统计与产业经济研究全新路径，为政策制定者和学界带来重要启示。

---

参考溯源

• 元数据与导言[page::0], [page::2], [page::3]

- 支付系统介绍及基本数据特征[page::4], [page::5], [page::6], [page::7], [page::8], [page::9]

• 宏观基准测试与相关性分析[page::9], [page::10], [page::11]

- 输入产出表构建与网络特征分析[page::12], [page::13], [page::14], [page::15], [page::16], [page::17], [page::18], [page::19], [page::20]

• 支付与国家账户差异[page::20], [page::21], [page::22], [page::23], [page::24]

- 细粒度网络风格事实[page::24], [page::25], [page::26], [page::27], [page::28]

• 结论与未来展望[page::28], [page::29], [page::30]
• 图1[page::7]

- 图2[page::11]

• 表2[page::10]

- 表3[page::15]

• 图3[page::17]

- 图4[page::19]

• 表4[page::19]

- 表5及相关差异概念讨论[page::20]

• 图5[page::25]

- 图6[page::27]

---

附录说明

• 支付数据的直接借记和直接信用付款细分及补充证据（附图B.1-B.2，表B.2）

- 不同截断下网络密度敏感性分析（附图B.3，表B.3-B.4）

• 产业层面输入输出自相关及增长率相关分析（附图B.4-B.5）

- 规模差异散点图和差异指标的构造方法（附图B.6-B.7，表B.5）

• Katz-Bonacich中心性幂律指数拟合统计与高中心度产业榜单（附表C.6-C.7）

---

总结

本报告深度剖析了英国Bacs支付数据构建的产业输入-输出网络的经济学潜力、统计基本性质与存在的复杂差异，为现实世界大规模非传统数据赋能国家经济分析提供了详尽蓝图，推动了经济计量学、产业网络分析及数字时代宏观统计的创新。

报告