最近，我想在论文中重建财务传染模型：Prasanna Gai撰写的Contagion in Financial Networks。
现在我陷入了第一个数字：
（实际上是图3）。
我做了什么
我使用了Python和networkx。
首先，建立具有1000个节点的ER网络，概率取决于我要模拟的平均程度。例如，如果要模拟平均度为3，则生成ER网络的概率为3 /（1000-1），其中1000是网络大小。
然后，对于每个节点，我发现有多少节点指向该节点并计数，以计算AiIB（权重）。如果节点1指向3个节点，则这些边缘上的权重为AiIB（纸上为0.2）/ 3（邻居数）。
为了模拟传染，首先要随机选择一个节点以删除其所有资产。那么如果负债超过资本缓冲（Ki，本文中为0.04），它就无法将债务偿还给邻居。对于那些从多家银行获得负债的银行，即使每个链接的权重都小于Ki，如果这些负债的总和大于Ki，则仍被视为破产。该模型就像流行病传播一样，新的破产银行将影响新一批银行，最终在该系统中不再有银行破产。
由于蔓延被定义为该网络中超过5％的破产银行（在这种情况下为50家）。
要绘制图形，每个平均学位需要测试100次：
概率=发生传染的次数/模拟乘以100
程度= [在发生传染的情况下]破产银行所占比例/发生传染的数量之和。
原始代码在GitHub上可用。通过运行er_100.py，您可以得到如下图：
如果您对代码有任何疑问，请告诉我。 （代码需要至少1小时才能在具有8个vCPU的GCP上运行...）
我还尝试了60个节点的网络，如下所示：
它的形状与图1相似。但这仍然不好，小型网络不是我想要的。
我不知道我的代码有什么问题。我认为，我已经到处考虑过，并且应该会得到类似的结果。我什至开始质疑这份文件的权威性。
如果您有任何想法请帮助我。
最佳答案
这是一个“难”的问题。
我仍然找不到该代码的任何线索。然后，我用R重写代码并运行它，这是我得到的草稿图：
正如您现在所看到的，该图只是本文中的那个。但是算法和结构与我用Python编写的完全相同。
也许这是一个显示Python无法做到的情况。
如果有人对此问题感到感兴趣，想在Python和R之间的差异中进行更多划分，这是一个很好的例子。我很高兴提供任何帮助。
顺便说一句，R中的模型代码在GitHub中可用，并且仍在更新中。
对于那些花时间阅读我的描述的人，谢谢您的时间。
更新：
我也不敢相信这一点，因为在我看来，代码在进行计数和计算很简单。我在每一步都打印出非常多的东西，并检查了每个节点，从10个节点的小型网络到1000个节点的网络，日志文件已超过50G。一切看起来都很正常，数字（破产的一个）只是没有达到阈值。与R完全相同的结构不同，结果与本文相同。
我真的不知道为什么，也不知道。