楼主: 何人来此
1704 42

[量化金融] 多产品世界贸易网络的谷歌矩阵分析 [推广有奖]

11楼
mingdashike22 在职认证  发表于 2022-5-7 08:20:11
排名表K(i)是通过增加K来构建的→ K+1,如果第一个K列表中出现新条目,则将2DRank索引K(i)增加1*< K个CheiRank条目,然后在K中完成一个unitstep*如果新条目出现在第一个K<K的列表中,则Kis增加1*银行记录。更正式地说,2DRank K K(i)给出了出现在方格[1,1;K=K,K]中的站点序列的顺序*= k、 …]当一个从k=1逐步运行到N时。此外,我们还分析了减少索引(Kp,k)的节点分布*p) ,(Kc,K*c) 。图3。产品Pp(Kp),P的PageRank和Cheirank概率分布*p(K)*p) (左面板)和countriesPc(Kc),p*c(K)*c) (右面板)图2中WTNF的对数比例。这里,PageRank(CheiRank)的红色(蓝色)曲线分别以虚线和实线显示了1stand 2ndGPVM迭代的结果。进出口贸易额排名的概率分别用黑色曲线(左)和红色虚线和蓝色虚线(右)表示。我们还刻画了G,G的本征态的局部化性质*通过定义为ξ=(π|ψi |)和π|ψi |的反向参与比(IPR)。这一特征决定了影响给定本征态形成的节点的有效数量(详见[10])。2.3 PageRank和CheiRank向量的相关器在之前的工作[8,9,11]中,PageRank和CheiRank向量的相关器定义为:κ=NNXi=1P(i)P*(一)- 1.

12楼
可人4 在职认证  发表于 2022-5-7 08:20:15
(9) [10]中给出了各种网络的κ的典型值。对于global PageRank和CheiRank,productcorrelator矩阵定义为:κpp=NcNcXc=1P(P+)(c- 1) Np)P*(p+(c)- 1) Np)PcP(p+(c- 1) Np)PcP*(p+(c)- 1) (Np)-1(10)那么,给定乘积的相关器可以从(10)中得到:κp=κppδp,p,(11),其中δp,pis是Kroneckerδ。我们还使用了从产品(Pc=Pppc)和国家(Pp=Pppc)追踪的概率中获得的相关系数,定义为κ(c)=NcNcXc=1PcP*C- 1,κ(p)=npxp=1PpP*P- 1.(12) 在上述等式(9)-(12)中,计算PageRank和CheiRank概率的相关器。我们可以。Ermann和D.L.Shepelyansky:多产品世界贸易网络5的谷歌矩阵分析也使用进出口贸易量和出口排名的概率计算相同的相关系数*由(3)定义。我们在第4.3节数据中讨论了这些相关器的值。所有数据均来自COMTRADE数据库[1]。我们使用COMTRADE SITC Rev.的产品。1产品数量Np=10和61的分类。我们选择SITC Rev。1因为它覆盖的时间间隔最长。主要结果针对Np=61和多达Nc=227个国家。表1给出了产品名称,表2给出了1998年和2008年产品进口指数K及其在全球贸易量中的比例(百分比)。这些数据是1962年至2010年收集和呈现的。我们的数据和结果可在[25]获得,矩阵Mpc和care的数据可在COMTRADE[1]获得,并符合分配政策的规则。

13楼
可人4 在职认证  发表于 2022-5-7 08:20:18
以下[11]我们使用维基百科上提供的ISO3166-1 alpha-3代码。4结果我们将上述方法应用于所述的贸易数据集,并在下面展示获得的结果。4.1 PageRank和CheiRank概率PageRank P(K)和CheiRank P概率的相关性*(K)*) 它们的索引K,K上的向量*如图2所示,为选定的2008年。结果可以近似地用代数依赖关系P来描述∝1/Kβ,其指数值在标题中给出。有趣的是,我们发现了大致相同的β≈ PageRank和CheiRank均为0.6,而WWW、大学和维基百科网络通常为0.6≈ 1表示PageRank和β≈ 0.6 forCheiRank[7,10]。我们将其归因于WTN的固有属性,即各国试图保持贸易的经济平衡。数据显示,与批量排名相比,谷歌排名的概率变化范围有所缩小。这是根据谷歌矩阵分析中使用的国家民主排名得出的结果,该排名减少了国家之间的富裕程度差异。结果还表明,第一次和第二次GPVM结果的概率变化不是很大,这表明了该方法的收敛性。在追踪各国的概率后,我们得到了概率分布Pp(Kp),P*p(K)*p) 过度生产如图3所示。概率的变化范围与数量排名的情况相同。这表明GPVM方法正确地对待产品,使其贡献与其数量成比例。第一次迭代和第二次迭代之间的差异非常小,在这张图上几乎看不到。

14楼
可人4 在职认证  发表于 2022-5-7 08:20:21
这里显而易见的重要结果是,Gerank概率和CheiRank概率之间存在明显差异,而ImportRank概率和ExportRank概率之间没有差异,因为它们在追踪多个国家后是相等的。通过对乘积的追踪,我们得到了概率分布Pc(Kc),P*c(K)*c) 图3所示的国家。我们看到,数量排名的概率大约相差1000倍,而对于PageRank和Cheirank,这样的概率只有大约10倍。因此,谷歌矩阵构建所带来的国家民主显著减少了国家间概率的变化和国家间的不平等。图3的两个面板显示了第一次和第二次GPVM迭代之间相对较小的变化,证实了该方法的稳定性。在接下来的几节中,我们仅介绍第二次GPVM迭代的结果。这种选择是通过考虑全局矩阵G,G的各种节点的排名位置来确定的*与第一次GPVM迭代的结果相比,显示出更少的波动。从国家和产品的全球排名中,我们可以选择给定的产品,然后确定给定产品中国家的本地排名,看看他们对该产品的贸易有多强劲。下面讨论了2008年三种选定产品的结果。为了便于比较,我们还从贸易额方面与进出口贸易额进行了比较。图4。PageRank CheiRank飞机上的国家位置(Kc,K)*c) 通过GPVM分析(左面板)、进出口贸易量排名(中间面板)和PageRank CheiRank所有商品(右面板,数据来源[11])获得。

15楼
mingdashike22 在职认证  发表于 2022-5-7 08:20:25
顶部面板显示全球范围(Kc,K*C∈ [1200])和底部面板显示顶级(Kc,K)的缩放*C∈ [1, 40]).每个国家都用圆圈表示,圆圈有自己的轮廓(为了更好地使用,圆圈中心稍微偏离其整体位置(Kc,K*c) 沿方向角π/4)。数据显示了2008年的数据。4.2追踪概率P(K),P*(K)*) 通过这些产品,我们获得了在世界各国的分布情况*c) 图46显示了L.Ermann和D.L.Shepelyansky:2008年测试年多产品世界贸易网络的谷歌矩阵分析。在同一图表中,我们展示了从进出口排名概率中获得的所有商品贸易的排名分布和[11]中获得的结果。对于GPVM数据,我们可以看到[11]中已经讨论过的全局特征:这些国家分布在对角线Kc=K附近*C.每个国家都致力于保持贸易平衡。排名前20位的国家恢复了G20主要世界经济体19个国家中的15个(欧盟排名第20),从而获得了整个名单的79%。这接近[11]中所有商品贸易的百分比。Kc最高国家的全球分布≤ 40,K*C≤ 40对于图4所示的三种排名方法,平均而言是相似的。但GPVM分析引入的一些修改是可见的。因此,中国(CHN)在所有大宗商品的贸易额排名和车臣银行排名中都位于第一位,而中国(CHN)在车臣银行中排名第二。此外,沙特阿拉伯(沙特)和俄罗斯(俄罗斯)从切兰克的立场转移到了韩国*c=21和K*在所有商品[11]到K中,c=7*c=29和K*在GPVM排名中,c=6。另一个例子是尼日利亚(NGA)的严重流离失所。

16楼
可人4 在职认证  发表于 2022-5-7 08:20:28
我们解释了这种差异是由于在多产品WTN中获得高排名所需的更大的连通性造成的。事实上,与美国相比,中国在特定产品方面更为专业(例如,没有石油生产和出口),这导致其在K*c、 我们注意到,与贸易量排名相比,生态排名也让中国的排名更差[12]。类似地,沙特阿拉伯的贸易主要由石油主导,而且它的石油贸易主要面向美国,这使得它的贸易网络集中在几个环节上,而俄罗斯正在改善其在乌克兰的地位*我们希望与欧盟和亚洲建立重要的贸易联系。在全球范围内,图4所示的三个国家等级的比较证实,GPVM分析给出了多产品WTN的可靠等级。因此,我们现在尝试使用GPVM方法获得多产品WTN的新特性。在GPVM方法中获得的主要新特征如图5所示,图5给出了产品在PageRank CheiRank平面(Kp,K)上的分布*p) 追踪全局概率p(K),p*(K)*) 遍及世界各国。数据清楚地表明,产品在这个平面上的分布是不对称的,而贸易量的产品排名产生了直接位于对角线Kp=K上的产品的对称排名*p、 因此,产品的功能是不对称的:其中一些产品更倾向于出口(例如,03鱼和鱼制品,05水果和蔬菜,26纺织纤维,而不是手工制品等,28金属矿石和金属废料,84件衣服);在过去几年(如2008年),34种天然气和人造气也具有明显的出口导向特征,其特点是位于右下三角(K*方平面(Kp,K)的p<Kp*p) 。

17楼
可人4 在职认证  发表于 2022-5-7 08:20:32
与产品位于左上三角形(K)相反*p> Kp)代表以进口为导向的产品(例如02乳制品和鸡蛋,04谷物和谷物制备AFIG.5.产品在Agerank-CheiRank平面上的二维排名(Kp,K*p) 。每种产品都由其特定的颜色和符号组合来表示:颜色显示了COMTRADE SITC版本的第一位数字。1个代码,对应的名称如右侧图例所示;符号对应于表1中列出的产品名称及其代码;图右面板上的名称顺序与表1相同。进出口排名的贸易量以小符号显示在^Kp=^K的对角线上*p、 在追踪了多个国家后,这个排名在产品上是对称的。左上方和右下方的面板分别显示1963年和1978年,而左下方和右下方的面板分别显示1993年和2008年。采购产品,64种纸张,纸板和制造,65种纺织纱线,织物等,86种科学与控制仪器,photogr gds,钟表)。有趣的是,机器的产品是71,72。在1963年、1978年、1993年,73家公司位于领先的进口导向位置,但在2008年,它们变得更接近对称位置。我们把这归因于中国的发展,使这些产品的进出口贸易更加对称。值得注意的是,1993年,由于石油价格较低,33号石油产品和石油产品的第一个贸易量地位下降,但它仍然保持着第一个CheiRank地位,显示出其贸易网络对出口的重要性。每种产品都在继续(Kp,K*p) 随着时间的推移。然而,上述几点中的一部分,我们可以说全球分布并没有表现出剧烈的变化。事实上,例如,第一位数字2的绿色符号在整个1963年至2008年期间仍然以出口为导向。

18楼
大多数88 在职认证  发表于 2022-5-7 08:20:35
我们注意到,世界贸易中确定的产品方向不对称与[12]中基于生态排名得出的类似迹象一致。然而,与生态排名相比,使用的GPVM方法有更坚实的数学和统计基础,显著降低了影响。GPVM和贸易量排名方法之间的比较提供了有趣的信息。因此,在《石油代码33》中,我们在俄罗斯、沙特阿拉伯、阿拉伯联合酋长国排名靠前,而在《石油代码33》中,我们在俄罗斯、沙特阿拉伯、阿拉伯联合酋长国排名靠前。Ermann和D.L.Shepelyansky:多产品世界贸易网络的谷歌矩阵分析7Fig。6.顶部面板显示了PageRank CheiRank平面上本地秩值sk,K的国家位置的GPVM数据结果*订购人(Kcp,K)*cp)适用于p=33(左面板)、p=72(中面板)和p=03(右面板)的特定产品。底部面板分别显示ImportRank ExportRank平面,以供比较。给出了2008年的数据。如图4所示,每个国家都用圆圈表示,并有自己的轮廓。CheiRank订购本产品时,我们发现俄罗斯、美国、印度(见图6和表3)。这标志着美国和印度在WTN中以及在邻近地区国家(如印度周边)的石油分布中发挥的重要作用。此外,新加坡在当地的石油开采中仅次于印度,紧随沙特阿拉伯,见表3。这是因为印度和新加坡大力参与石油的贸易再分配,而沙特阿拉伯则相当严格地限制了与美国和周边国家的贸易联系。对于电动机械72,出口排名或CheiRank排名靠前的位置变动较少(见图6),但我们观察到,与进口排名或CheiRank排名相比,Pagerank银行平面上的位置显著扩大。因此,亚洲国家(中国、日本、美国、。

19楼
可人4 在职认证  发表于 2022-5-7 08:20:38
(韩国、新加坡)位于PageRank CheiRank飞机对角线K=K下方*与其他国家(美国、德国、法国、英国)相比,这些国家在产品方面具有显著的贸易优势。另一种产品,如图6所示,是03鱼类和鱼类制剂。根据贸易量出口排名,排名前三位的是中国、挪威、泰国。然而,我们从03号产品的CheiRank找到了另一份与泰国、美国和中国的订单。这一结果再次突显了泰国和美国贸易关系的广泛性和稳健性。另一个例子是,我们注意到西班牙-切拉克的地位显著改善,表明其与产品的强大商业关系03。另一方面,俄罗斯在03产品的贸易量出口中处于相对较好的地位,但由于该产品缺乏广泛的商业联系,其Cheirank指数变得更差。全球排名前20位的指数K,K*, K、 ^K,^K*表3给出了2008年的数据。我们注意到,新加坡和印度PageRank CheiRank的仓位与它们在贸易量排名中的仓位相比有显著改善。这反映了他们在世界贸易中强有力的商业关系。在贸易量排名中,排名靠前的是33家石油公司和第7位的机械产品公司。这主要适用于PageRank CheiRank的职位,但我们看到中国的84家服装公司(K*= 2) 和93特别交易。对于美国(K=4),这两种产品在世界各地有着强大的商业交流,即使它们的贸易量不是那么占主导地位。图7。秩指数的全局平面(K,K*) 用于2008年N=13847个节点的PageRankCheiRank(左面板)和ImportRank ExportRank(右面板)。每个国家和产品对都用灰色圆圈表示。

20楼
mingdashike22 在职认证  发表于 2022-5-7 08:20:41
一些国家用颜色突出显示:美国用黑色,韩国用红色,中国用绿色,俄罗斯用红色,法国用黄色,巴西用橙色。我们展示飞机(K,K)*) 图7显示了2008年全球对数世界排名。某些选定国家的贸易节点位置以颜色显示。我们观察到,与GPVM排名相比,交易量使对角线周围的节点集中度更高。我们把这归因于产品贸易量的对称性。在图8中,我们展示了PageRank CheiRank平面的前200个rank的分布(图7左面板的缩放)。在K的前30名中*美国有8种产品,中国有6种,德国有3种,其他国家的产品数量较少。最顶端的位置是K*= 1对应于俄罗斯的产品33,而沙特仅对应于K*= 本产品12美元。所有N=13847个网络节点及其K、K、K的列表*数值见[25]。4.3等级的时间演化产品Kp,K指数的时间演化*pis如图9所示。为了获得这些数据,我们追踪了各国的PageRank和Cheirank概率,并展示了产品Kp、K的等级指数的时间演变*pfor 2010年度排名前15位的产品。产品33 Petroleumand petroleum products仍然位于CheiRank的前K位*在PageRankit中,整个期间的p=1显示出Kp=1到4之间的显著变化8 L.Ermann和D.L.Shepelyansky:多产品世界贸易网络的谷歌矩阵分析图。8.全球排名前200的PageRank CheiRank指数(K,K)*)2008年的分配。每个国家(针对不同的产品)都由其公司代表。1986-1999年石油价格较低时,Kp=4。第一位数字为7的产品具有较高的KP等级,但K的变化尤其强烈*pof 72电机从1962年的第26位上升到2010年的第4位。

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
扫码
拉您进交流群
GMT+8, 2026-11-22 03:08