导语

由于供给链网络容易受到社会和自然的负面冲击，从而影响经济和社会的复原力和可持续性。在2019年8月 Nature 的子刊 Nature Sustainability 上发布的一篇论文中，研究者通过对自然灾害影响的分析，针对企业级供给链网络，提出了影响冲击在网络上传播的三个因素。

论文题目：

Firm-level propagation of shocks through supply-chain networks

论文地址：

https://www.nature.com/articles/s41893-019-0351-x

背景介绍

经济冲击将减少特定地区或行业的产量，直接受冲击影响的企业供应商会因缺乏需求而减少生产，而由于材料，零件或组件短缺，他们的客户也必须缩减产量，这种间接影响通常比冲击本身带来的直接影响更为显著，因此整个经济体的波动将很大。为了研究冲击传播的规模和持续性，研究者提取了一种基于代理的模型，通过分析冲击在供应链网络上的传播，研究了造成持续间接影响的可能因素。

自然灾害在供给链上的传播

研究者采用自然灾害作为冲击的来源，原因主要有两点：其一，自然灾害一直是经济冲击的主要原因，由于地震周期和气候的变化，它们的发生预计会增加；其二：自然灾害与金融危机等人为灾害不同，它提供了一种独立于灾前经济活动的冲击，我们可以更加准确地分析冲击对经济活动的因果影响。

2011 年日本地震

研究者模拟了 2011 年日本地震通过供给链传播的影响，如图 1 所示。粉红色点是工业生产指数估计的实际增加值，而红线代表总日增值的最佳模拟，红色虚点线代表该模拟结果的 ±δ（标准差）区间。从图中可以看到，红线在地震发生后的100天后很好地拟合了真实数据，但是100 天之前的拟合结果较差，这是因为地震后紧接发生的福岛核泄漏以及海啸存在一定的影响，以及灾后民众情绪对经济的影响，但这不是本文研究的重点。

图 1: 模拟 2011 年日本地震通过供给链传播的影响。

图 1 的内嵌图展示了 30 次使用相同参数的模拟结果，其中有 6 次结果表明在大约 100 天后，经济体经历了第二波负传播的影响。尽管整个经济体在大约50天前开始恢复，但第二波的浪潮损失仍大于第一波的浪潮的损失。在这6种情况下，生产损失持续的时间更长，该结果与实际总增加值（图1 中的粉红点）在恢复过程中的两次下降（地震后7个月和地震后9个月）的观察结果一致，这种持久性值得我们深思。

图 2: 由于地震冲击，受影响企业或实际产量低于灾前能力的企业的地理传播情况。

图 2 展示了由于地震冲击，受影响企业或实际产量低于灾前能力的企业的地理传播情况。图中粉色阴影块表示直接遭受地震的区域，蓝色阴影块表示直接遭受海啸的区域，颜色最深的点表示产量小于或等于其产能 20％的企业，而较浅的点表明公司的产量下降较为温和。地震发生20天后（图2b），地震的间接影响传播到日本大多数主要城市，这些间接影响甚至在60天后仍然存在（图2d）。

日本南海大地震

图 3 将2011年日本地震与日本南海大地震的影响进行了对比。图中，蓝线代表日本南海大地震后总日增值的模拟，红线代表2011年地震后总日增值的模拟，红色虚线和蓝色虚线分别代表两者的误差区间（±δ）。尽管两者的地震震级相似，模拟结果表明日本南海大地震的影响将远远大于2011年日本地震的影响，这是因为预计南海地震及其后来的海啸将袭击东京，名古屋和大阪等主要产业集群。从图3的内嵌图中可以看出，日本南海大地震的仿真结果中也出现了与 2011 年日本地震相似的二次负面浪潮，同样证实了持续经济损失的可能性。

图 3:2011年日本地震与日本南海大地震的影响情况对比。

灾害分析

由于冲击的传播，2011年日本地震的总间接影响（未被地震直接破坏一年的企业的总损失）估计为11.4万亿日元，约为 GDP 的 2.3% ，而总直接影响（被地震直接破坏的企业的总损失）估计为0.1万亿日元，总间接损失是总直接损失的100多倍，如表 1 所示。对于日本南海大地震，模型估计总直接损失为52万亿日元，间接损失为2.3万亿日元，总损失占GDP的11％，总间接损失是总直接损失的200 多倍。可见间接损失的影响是巨大的，而且比直接损失带来的影响更为严重。

表 1

造成持续间接影响的元凶

通过对 2011年日本地震和日本南海大地震影响的模拟，研究者发现通过供应链传播的经济冲击具有两个显着特征：（1）实质性的间接影响和（2）可能的长期持续性。换句话而言，供应链的形成机制会影响经济和社会的复原力和可持续性。造成这种持续大规模间接影响的因素主要有三点：供给链网络的无标度特性，中间产品的可替代性，以及强连接组件（GSCC）成环的复杂性。

供给链网络的无标度特性

为了验证供给链网络的无标度特性的影响，研究者实施了简单IO分析、随机供给链网络、度保持随机网络的对比实验，实验结果分别为图 4 中绿线、橘线和紫线所示，其中红线为使用基于代理的模型对真实供给链网络模拟的结果，粉红色点为实际工业生成指数。使用 IO分析预测（绿线）的影响比使用代理模型模拟的影响小得多，使用随机供给链网络（橘线）模拟的影响也很小，这些结果意味着无标度特性增强了通过供应链的冲击传播。

图 4: 利用具有不同网络结构的供应链模拟增值动态。

在保持度的随机网络中，网络保留了无标度属性，企业往往与更多行业的供应商联系在一起，企业很难将受损供应商替换为其他现有供应商。因此，相对于真实供给网络，使用保持度的随机网络（紫线）模拟的影响要更大些。

中间产品的可替代性

为了研究可替代性如何影响冲击的传播，研究者在模拟中做出了三个可选择的假设。(1). 企业只生产与自身企业相关的产品，该产品与行业无关，即产品完全不具备可替代性。

(2). 使用实际的供应链网络，随机表示企业的行业或产品类别，即产品具有较低的可替代性。

(3). 假设所有产品完全可替代。模拟结果分别如紫线、蓝线和棕线所示，随着可替代性的减弱，冲击传播的速度和影响逐渐加大，这种特性在图 6 中也得到了体现。

图 5: 利用不同替代水平的供应链模拟增值动态。

强连接组件成环的复杂性

2011年日本地震复苏期间经济实际增值的下降，以及模拟预测中的第二波负面影响（图1和图3），表明了灾害的负面影响可以长期持续。造成第二波冲击的原因与强连接组件（GSCC）成环的复杂性有关，网络中的这些环形可能以复杂的方式导致冲击的循环。如图 6 所示，当我们将实际供应链中的环路移除时，第二波冲击就消失了。而且无论中间产品的可替代性有多大，当供应链网络中没有环路时，就不会出现持续的间接影响。

图 6:将实际供应链中的环路移除时，第二波冲击就消失了。

如何抵御风险

由于供应链通常很复杂（具有无标度的特性和环路），经济冲击不可避免地会通过供应链传播并放大，从而导致整个经济产生巨大的负面间接影响。而且在恢复过程开始后，这些负面的间接影响可能作为第二波冲击出现，因此从长远来看这种间接影响是持久的。因此，网络的复杂性将导致经济和社会复原力和可持续性的恶化，那么企业该如何抵御这种风险呢？

从前文的分析来看，剩余库存和备用供应商可以显着降低冲击，因为它提高了中间产品的可替代性。除此之外，决策者还必须持续关注这些冲击事件，尽量保持稳定的贸易环境，必要时采取主动保护措施以避免冲击的影响。