全部版块 我的主页
论坛 经济学人 二区 外文文献专区
715 7
2022-04-16
摘要翻译:
本文介绍了一个公司所有权网络的自适应演化模型。最近的一项研究表明,经验上的全球公司控制网络是以一个中心的、紧密相连的“核心”为标志的,由少数控制着全球经济很大一部分的大公司组成。在这里,我们展示了一个简单的、自适应的“富人变得更富”的动态如何解释这一特征,它包含了更有影响力的公司增加的购买力,进而导致更高的控制权。我们的结论是,这种集中结构可以出现,而不是这些公司的明确目标,也不是一个组织良好的战略的结果。
---
英文标题:
《Spontaneous centralization of control in a network of company ownerships》
---
作者:
Sebastian M. Krause, Tiago P. Peixoto, Stefan Bornholdt
---
最新提交年份:
2013
---
分类信息:

一级分类:Physics        物理学
二级分类:Physics and Society        物理学与社会
分类描述:Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体(人类或其他)的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统(如能源网、运输网络)的物理和工程。
--
一级分类:Computer Science        计算机科学
二级分类:Social and Information Networks        社会和信息网络
分类描述:Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模,包括它们在联机信息访问、通信和交互方面的应用,以及它们作为数据集在这些领域和其他领域的问题探索中的作用,包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题;计算应用包括H.3、H.4和H.5中的主题;计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议(例如TCP/IP)的论文通常更适合网络和因特网体系结构(CS.NI)类别。
--
一级分类:Quantitative Finance        数量金融学
二级分类:General Finance        一般财务
分类描述:Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
英文摘要:
  We introduce a model for the adaptive evolution of a network of company ownerships. In a recent work it has been shown that the empirical global network of corporate control is marked by a central, tightly connected \"core\" made of a small number of large companies which control a significant part of the global economy. Here we show how a simple, adaptive \"rich get richer\" dynamics can account for this characteristic, which incorporates the increased buying power of more influential companies, and in turn results in even higher control. We conclude that this kind of centralized structure can emerge without it being an explicit goal of these companies, or as a result of a well-organized strategy.
---
PDF下载:
-->
English_Paper.pdf
大小:(1.94 MB)

 马上下载

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-4-16 13:59:52
公司所有权网络中的自发集中控制Sebastian M.Krause,*Tiago P.Peixoto,和Stefan Bornholdt.Institut f-ur Theoritische Phyk,University at Bremen,D-28359 Bremen,Germany,我们介绍了一个公司所有权网络自适应演化的模型。最近的一项研究表明,经验的全球公司控制网络是以一个中心的、紧密相连的“核心”为标志的,这些“核心”由少数控制全球经济重要部分的大公司组成。在这里,我们展示了一个简单的、自适应的“富人变得更富”的动态如何解释这一特征,它结合了更多的人在有限的公司中增加的购买力,进而导致更高的控制。我们的结论是,这种集中的结构可以出现,而不是这些公司的明确目标,也不是组织良好的战略的结果。引言公司所有权的全球网络为系统分析世界经济提供了重要信息[1,2]。对其特性及其如何形成的全面理解具有广泛的潜在应用,包括系统风险的评估和规避[3]、合谋和反托拉斯监管[4,5]、市场监测[6,7]和战略投资[8]。最近,Vitali等人[9]利用ORBIS2007营销数据库[10]推断出全球公司控制的网络结构。分析其结构,他们发现了一个紧密相连的“核心”,由大量控制着全球经济重要部分的大公司(大多数是金融机构)组成。由此产生的一个中心问题是,这种集中控制背后的主导机制是什么。答案并不明显,因为购买其他股票的决定可能是由不同的目标驱动的:银行作为对不知情的投资者进行监督的中介机构[6,7],经理人可以通过购买其他股票而不是支付股息来提高他们的权力[11],对股票价格的投机和股息收入是一个重要的收入来源[11-13],公司可以拥有战略优势,例如,由于知识共享[8,14,15]。控制权集中的另一个可能的假设是,经理人串通结成联盟:实际上,代理人(如董事会成员)经常为处于中心位置的经理人工作[16]。尽管所有这些因素都可能起作用,但我们在此研究一个间接的假说,即一个集中的结构可能会自发地产生,这是由于有限的“富-变富”动态[17]的结果,而没有任何明确的潜在战略来自公司方面。我们考虑了一个简单的适应性反馈机制[18],该机制包含了公司对其拥有的其他公司的间接控制,这反过来又增加了它们的购买力。更高的购买力可以用来购买更重要的Compa*Sebastian.krause@itp.uni-bremen.de@tiago@itp.uni-bremen.deóbornholdt@itp.uni-bremen.denies或更多不太重要的公司,这进一步增加了它们的相对控制权,并逐渐边缘化较小的公司。我们表明,这一简单的动力学成分可以再现在实际数据中观察到的许多定性特征[9],包括核心-外围结构的出现和支配核心施加的相对控制部分。虽然这并不排除公司利用和进一步巩固其在网络中的特权地位的可能性,但它确实表明,深思熟虑的战略可能不是导致全球集中的主导因素。模型描述我们考虑一个由N个公司组成的网络,其中两个节点j→i之间的有向边意味着公司拥有公司i的一部分。j拥有的相对数量由矩阵wij(即所有权份额)给出,这样pjwij=1。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-16 13:59:58
我们注意到自我循环是可能存在的,即公司原则上可以购买自己的股票。下面,我们用两个主要的机制来描述amodel:1。公司相对控制权的演化,给出了一个静态网络。通过边缘自适应布线来实现网络拓扑的演化。控制的演化在这里我们假设,如果j拥有i,它以与WiJ成正比的方式对i施加一定的影响。如果welet vj描述了一个公司j对其他公司的相对控制力,我们可以写出evj=1-α+αxiaijwijvi,(1)其中aiji是邻接矩阵,参数α决定了控制力的传播,1-α是公司之间内在的独立性[19]。我们进一步假设,控制价值VJI直接增加了额外的特征,如利润和整体市场波动,因此拥有大VJI的公司的购买力也增加了。这意味着公司i的所有权在所有者j之间按其控制权vj的比例分配,即wij=aijvjplailvl,(2)(见图1)。假设这些方程在以后的时间尺度上演化,这样在拓扑变化之前就达到了平衡,如下一节所述。vjviwijvjvlwijfig。1.firectControl(左)和所有权与control(右)成比例的firectroms的控制说明,如本文所述。b。网络拓扑的演变公司可以决定在给定的时间购买或出售givencompany的股票。管理这些决策的实际机制通常是复杂的,而且在很大程度上是未知的,因为它们可能涉及投机、实际市场价值和其他因素,我们在此不试图详细建模。取而代之的是,我们以概率的方式描述这些变化,其中边可能被随机地删除或插入到网络中,这种移动可能被接受或拒绝,这取决于它在多大程度上改变了所涉及的节点的控制。为了简单起见,我们强迫网络中的边总量保持不变,使得随机边删除总是伴随着随机边插入。这种“举动”可能会被拒绝或接受,这取决于它们给相关公司的vjvalues带来的变化。如果welet m是购买companyl新股的公司,而j是出售companyl股票的公司,则移动被接受的概率isp=min1,Eβ(~WLMVL-WiJVI),(3),wijis在移动之前计算,~WLMAFTERWards,参数β决定了公司必须预见移动优势的能力,也就是说,对于β=0,所有随机移动都被接受,对于β→∞只有当净收益为正时才被接受(见图2)。注意在EQ中。3暗示拥有较大控制权的公司往往比拥有较小控制权的公司购买更多,这很好地符合你的假设,即控制权与利润和财富相关。VLVIWIJVLVI~WLMFIG。2.自适应过程的图示,在接线前(左)和接线后(右),如文中所述。整个动态过程由执行上述多个接线步骤组成,直到达到平衡,即观察到的网络属性不再改变。为了保持控制和重新布线动态之间的时间尺度的分离,我们执行了大量的迭代。1和2之前的每一次尝试边缘移动。集中控制:动力学的典型结果可以在图中看到。3对于N=3×10个节点,平均度hki=2的网络,经过大约6×10步的平衡时间。与β=0形成完全随机图的情况相反,对于β值很高的情况,所有权的分布(即结点的外部程度)变得非常倾斜,呈双峰形式。我们可以将最强大的公司分为拥有10到150家其他公司股份的广泛范围,以及Kout>150的单独组。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-16 14:00:05
该网络的相关矩阵表明,这些高度节点之间的联系很强,并且拥有剩余公司的很大一部分(见图3)。这对应于一个由大约45个节点组成的高度连接的“核心”,hksubi≈39.8,在图中高亮为红色。3c和图中分别可见。内度的分布(未示出)也是双峰的,内核的值最高。当values达到kin=50时,最高的in-dege(拥有者的数量)大大低于最高的out-dege(一次拥有的鱼类的数量)。与out-dege类似,对于较大的β值,控制值VII的分布也是双峰的,如图1所示。4、且与out-degree值有很强的相关性。由最强大的公司控制的公司的总比例非常大,如图右面板所示。4.例如,我们看到大约0.15%的中央核心控制着大约57%的公司。具有中间控制价值(和外部控制)的公司也拥有全局控制的重要部分,例如,大约85%的最强大的控制和25%的额外网络。重要的是要强调这两类公司之间的差异,原因有二:100101102Kout(拥有的公司数量)10-710-610-510-410-310-210-1ρβ=0.0β=10.0(a)0 100 200 300目标(财产)超过-degree0100200300Source(所有者)超过-degree100101102count(b)(c)(d)fig。3.(a)当hki=2,控制传播值α=0.5,N=30000,先验知识β值为给定值时,所得网络的度分布;(b)β=10的度相关矩阵,表示由此产生的核心-外围结构;(c)整个网络的图形布局,红色节点代表连通度最高的核心的选定部分,蓝色节点代表外围;(d)VI>20(约100)的最强大公司的子图。10-1100101102遗传对照VI-(1-α)10-710-610-510-410-310-210-1100101ρβ=0.0β=10.010-510-410-310-210-1100最强群体的分数0.00.20.40.60.81.00累积遗传对照β=0.0β=10.0图。4.左:α=0.5时遗传对照VI-(1-α)的分布和β的di值;右图:控制权的相对比例是最强大公司的比例的函数。首先,内部核心从中间公司继承控制权,而不需要聚集所有的小公司。事实上,从内部核心出去的所有权链接(约10个)仅足以覆盖三分之一的公司的直接控制,而e--间接控制则超过一半。第二,网络规模越大,中介公司的比例越大,对于N=3×10的网络,核心公司的比例仅为0.04%,控制着41%的中介公司。尽管如此,所有最强大的公司加起来占网络的1%左右,占总控制权的82%;这些值不会随系统规模而发生很大的变化。让我们将迄今为止给出的结果与[9]中给出的经验数据进行比较。由于种种原因,这种比较只能是定性的。首先,在实证数据中,我们考虑相同的经济主体(如金融业和实体经济)以外的具有间接作用的经济主体(股东、跨国公司和参股公司);其次,我们强制要求每个公司100%持股,而实证数据忽略了限制股和间接持股。第三,在文献[9]中的控制分析做得有些不恰当:在拓扑描述中考虑了所有600,508个经济代理,而在控制分析中忽略了许多公司(占所有代理的80%)。在经验数据中,一个由1318家公司组成的强关联公司控制着所有被安排在外部公司中的公司的一半以上。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-16 14:00:11
这种浓度与图1所示的核-外围结构是相容的。然而,经验数据并没有显示出明显的双峰结构。然而,核心中存在高度关联的子结构,例如,在[3]中突出了一个拥有22个高度关联的财务公司(hksubi≈12)的结构。经验数据中的控制浓度是0.5%的分数,控制了80%的网络。这与我们的模型的结果相似(见右边的图4)。然而,有一些特征是我们的模型所不能再现的,其中最重要的是网络的外度分布,在[9]中,这种分布非常广泛,并且没有显示出可识别的尺度,在我们的例子中,它要么是双峰类Orpoisson。对这种差异的一个可能的解释是,我们把注意力集中在平衡的稳态动力学上,而现实经济肯定远离这样的平衡。一个更精确的模型将需要以更现实的方式纳入这种瞬态动力学。然而,在这种均衡状态下,控制权集中于相对较少的公司的普遍趋势是明显的,并且在经验数据中也表现得非常突出。为了研究均匀非集中网络随着β的增加而发生的转变,我们测量了平衡后在一个长度为t的长时间窗口上时间t总和的反参与比I=tnptivi(t)-1。当cen≤I≤1时,在完全齐次的情况下,当所有节点evi=1时,我们期望I=1;当只有一个节点vi>0时,I=n,并且控制是最大集中的。在无花果中可以看到。5.当β=0时,我们观察到从完全随机连接的非常齐次的公司到当β增加时明显集中的对照的平滑转变,并观察到上述的核心-外围。当平均度hki增加或参数α(决定遗传控制的分数)减小时,这种转变变得更加突然。024681012β0.00.20.40.60.81.0Iα=0.2α=0.5α=0.8024681012β0.00.20.40.60.81.0IHKI=2hki=5hki=10FIG。5.对于N=10的网络,(左)hki=2,di值为α和(右)α=0.5,di值为hki.100101102103kout(拥有的公司数)10-810-710-610-510-410-310-210-1ρα=0.2α=0.810-1100101102继承控制6.INFIG中β=10,hki=2,N=30000时的out度(左)和遗传控制VI-(1-α)(右)分布。3和4,但对于α的不确定值,控制的集中可以根据α和β的参数以不确定的方式出现。在无花果。6.研究表明,当α值大于β=10时,可导致控制核心分离(α=0.2)或控制值广泛分布(α=0.8)。当α值较小时,间接控制被抑制,公司只能通过拥有大量的边际公司来获得权力。例如:α=0.2时,41家公司的核心高度相连,hksubi≈18.2,其余公司的控制权很小。对于较大的α值,间接控制权有较大的Ect,这导致了一个等级网络,在这个网络中,拥有少量控制权的公司可能永远不会继承较大的控制权值VI。α=0.5和β=10的情况如图1所示。3和4展示了这些ETWO场景的混合。当增加β和保持α不变时,向集中核心的转变也会发生(图5中的seeright面板)。10-310-210-1100101102遗传控制VI-(1-α)10-810-710-610-510-410-310-210-1100101102103ρα=0.999α=0.8α=0.5图。7.左:一个α=0.9的10×10格子的图布局。顶点大小和颜色对应于vivalues,边厚度对应于wijvalues。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-4-16 14:00:17
右图:静态泊松图havinghki=2和N=30000的控制VI-(1-α)分布,其di值为α(α=0.5和α=0.8平移)。虚线是指数为-1的幂律。我们所描述的集中控制的一个有趣的方面是,它并不完全依赖于自适应动力学,而且在某种程度上也发生在静态图上。简单地解决EQS。1和2将导致控制值的非平凡分布,这些分布依赖于(在本例中是规定的)网络拓扑和控制继承参数α。7在左边显示了对具有周期性边界条件和双向边的正方形2D晶格获得的控制值。所观察到的是皮肤对称性破缺,其中尽管所有节点之间共享拓扑等价,但形成了一个层次控制,这不是唯一的,并将在每个动力学实现之间发生变化。完全随机图也有类似的行为,如图右所示。7,当α值较大时,控制值的分布变得越来越宽,当α→1时,控制值的分布逐渐接近幂律ρ(v)→v-1。这种行为类似于α=1处的相变,这里在这一点eq。1不再转化为一种解决方案。结论:我们用一个简单的、自适应的动力学模型检验了富-得-富过程的假说,该假说能够解释经验的公司所有权网络中的控制权集中现象[9]。在我们的模型中,系统自发地组织成一个由一个完善的核心-外围结构组成的非稳态,该结构再现了文献[9]中提出的真实数据中的许多定性观察,例如支配性公司施加的控制的相对部分,该过程包含了公司对它们所拥有的其他公司的间接控制,这以反馈的方式增加了它们的购买力,并使它们获得更多的控制。我们的模型表明,这种集中结构可以出现,而不是相关公司的明确目标。相反,由于仅仅基于局部知识的个人决策,它可能变得简单,而且强大的公司可以进一步增加它们的相对优势。有趣的是,将我们的模型与其他基于代理的模型进行比较,这些模型以代理为中心竞争为特征。根据博弈论[20-22]描述了具有有趣的全球秩序模式的分层、集中状态的出现,以及根据确定的中心性重新布线的非常简单的e----有效规则[23,24]。后者是根据重构过程中的噪声与相变相结合的。在[24]中研究的社会的程式化模型显示了一种等级结构,如果个人对社会地位有参照的话。层次结构的直观出现与层次结构内单个代理的移动性缩小有关。这一结论也存在于我们的模型中,值得进一步研究,我们的研究结果对反垄断规制策略有一定的指导意义。正如我们发现的那样,一个没有共谋的控制集权的简单机制,任何旨在减少此类活动的监管都可能被证明是徒劳的。相反,针对导致这种集中的自组织特征,例如限制代表其他公司的股东的间接控制,似乎更有希望。[1]F.Schweitzer,G.Fagiolo,D.Sornette,F.Vega-Redondo,A.Vespignani和D.R.White,Science 325,422(2009).J.D.Farmer,M.Gallegati,C.Hommes,A.Kirman,P.Ormerod,S.Cincotti,A.Sanchez,D.Helbing,《欧洲物理杂志专题》214,295(2012).[3]S.Battiston,M.Puliga,R.Kaushik,P.Tasca,andg.Caldarelli,Scienti reports 2(2012).[4]R.Gulati,N.Nohria和A.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
相关推荐
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群