当前位置：首页>python>【Python 代码分享】跨国供应链存续技术构建关系稳定性新指标

【Python 代码分享】跨国供应链存续技术构建关系稳定性新指标

2026-06-27 11:17:24

原文简介

跨国供应链存续技术构建关系稳定性新指标一段跨国供应链关系能持续多久，往往比“它有没有断”更能解释企业真实的关系稳定性。真正值得追问的，不只是断裂发生的那一刻，而是断裂之前这段关系究竟维持了多长时间、积累了多深的协同基础。本案例的吸引力，就在于把这种原本隐性的“关系稳定性”转化成可量化、可复现、可比较的结构化新指标。

业务背景与测度意义

研究目的：本研究旨在刻画中国供应商与海外客户关系在发生断裂之前的持续能力，并据此构建跨国供应链关系稳定性测度结果。研究方法：项目从原始 FactSet 关系数据出发，统一“中国供应商 - 海外客户”样本口径，展开月度面板，识别断裂月份，再从关系首月累计到断裂月，按 ln(存续月数 + 1) 计算存续力结果。研究结果：当前存续力面板覆盖 3,298 个供应商、4,840 个海外客户，时间范围为 2004-07 到 2026-02，共包含 20,175 条断裂前存续观察记录。核心指标均值为 2.9564，中位数为 2.8904，最小值为 0.6931，最大值为 5.2523。

研究价值：这一结果把原本难以直接刻画的跨国客户关系稳定性转换成了可直接进入后续研究的结构化变量，为分析企业长期协同能力、关系稳固程度和供应链韧性奠定了结果基础。

代码链接：https://www.ppmandata.cn/codeBase/2054030351281524737

代码思路

整条链路由五个脚本顺序推进。第一步，step1_sample_filter.py 从 FactSet 原始关系数据中筛出“中国供应商 - 海外客户”样本，并统一关系方向。第二步，step2_monthly_panel.py 将区间型关系展开为月度面板，使得断裂识别可以建立在逐月关系之上。第三步，step3_break_sustainability.py 通过 shift(-1) 识别断裂月份，并从关系首月累计到断裂月，计算 Sustainability。第四步，step4_recovery_indicators.py 把完整面板中的存续力结果抽出，生成独立存续力结果表。第五步，step5_match_resset.py 将公司匹配信息并回结果面板，输出最终 CSV。

这条链路的关键不在于单个脚本，而在于口径衔接：先统一样本方向，再转换为逐月关系，再识别断裂点，再从断裂点向前回溯关系持续时长，最后把存续结果与公司识别信息组合成可直接使用的结果面板。也正因为如此，这不是简单的关系时长统计，而是一套能被重复复现的关系稳定性测度链路。

核心代码展示

panel["next_month"] = panel.groupby(group_cols)["month"].shift(-1)panel["is_last_in_group"] = panel["next_month"].isna()panel["month_gap"] = (panel["next_month"] - panel["month"]).apply(    lambda x: x.n if pd.notna(x) else np.nan)cond_gap  = panel["month_gap"] > 1cond_last = panel["is_last_in_group"]panel["Break"] = np.where(cond_gap | cond_last, 1, 0)panel["first_month"] = panel.groupby(group_cols)["month"].transform("min")panel["sustain_months"] = (panel["month"] - panel["first_month"]).apply(    lambda x: x.n + 1 if pd.notna(x) else np.nan)panel["Sustainability"] = np.where(    panel["Break"] == 1,    np.log(panel["sustain_months"] + 1),    np.nan)