楼主: 何人来此
1701 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]

21楼
nandehutu2022 在职认证  发表于 2022-5-7 08:20:45
在其他变化较大的指标中,我们注意到58种塑料材料,84种服装,93种特殊交易。,34天然气和人造气。产品33和72在globalindex平面(K,K)上的时间演化*) 图10显示了图7中的6个国家。因此,对于产品72,我们看到K的显著改善*对于中国和韩国来说,这是K的全球重要性提高的根源*销图9。对于图10中的产品33,俄罗斯显著提高了其排名,获得了排名前K的排名*= 1(另见表3)。全局秩K,K的变化*图11显示了4种产品和10个国家的随时间变化。对于产品72、73,以50年为尺度,我们看到K的显著改善*中国、日本、韩国。对于产品33,我们看到K的显著改善*在过去的15年里对俄罗斯来说。值得注意的是,在1986年至1992年期间,美国的廉价石油价格高居K*= 1相应的K值显著增加。我们认为,这是对苏联施加经济压力的政治决定的结果,因为从经济角度来看,增加廉价石油的出口是不合理的。对于产品33,我们还注意到K的显著改进*在Cheirank中可见,但在ExportRank中不可见的印度(见表3)。我们认为这并不是因为印度的贸易量很大,而是因为印度在该产品中的贸易网络有了显著的结构性改善。我们注意到强度和效率如图9所示。PageRank和CheiRank K的时间演化*1962年至2010年的Pindex,用于右面板上用表1中的代码标记的某些产品。前面板展示2010年前5名,中间和底部面板分别展示2010年的排名6至10和11至15。曲线的颜色对应于图5中标记第一个码位的颜色。图10。

22楼
kedemingshi 在职认证  发表于 2022-5-7 08:20:48
图7中6个国家的72和33两种产品排名的时间演变在全球页面RankCheirank plane(K,K)上显示*). 左面板和右面板分别显示了72台电机、仪器和电器以及33台石油和石油产品的外壳。时间的演变始于1962年(以十字为标志),结束于2010年(以正方形为标志)。与贸易量排名相比,贸易网络的效率也是新加坡PageRank和CheiRank排名显著提高的原因。因此,某些国家贸易关系的发展显著改善了其谷歌排名。对于产品03,我们注意到K的改进*中国和阿根廷的立场,而俄罗斯在这一时期的产品贸易中并没有表现出任何改善。L.Ermann和D.L.Shepelyansky:多产品世界贸易网络的谷歌矩阵分析9Fig。11.PageRank和Cheirank指数K,K全球排名的时间演变*针对选定的10个国家和4种产品。左右面板显示K和K*作为产品年份的函数:03鱼类和鱼类制剂;33种石油和石油产品;72.电动机械、仪器和用具;和73个运输设备(从上到下)。在所有面板中,10个给定国家的排名以对数刻度显示:美国、韩国、中国、俄罗斯、法国、巴西、英国、日本、德国和阿根廷,用曲线颜色标记。4.4 PageRank和Cheirank向量的相关特性PageRank和Cheirank向量的κ相关器的特性见[8,10]。有一些定向网络的κ值很小,甚至略为负,例如Linux内核或物理网络,或κ~ 4用于维基百科网络和更大的值κ≈ Twitter网络的116名用户。由等式定义的相关器的值。(9) ——(12)无花果中的阿瑞斯。

23楼
mingdashike22 在职认证  发表于 2022-5-7 08:20:51
2008年的典型年份为12,13。对于globalPageRank-CheiRank相关器,我们发现κ≈ 5.7(9)在进出口概率方面,κ的相应值显著增大≈ 33.7. 因此,产品的对称性使贸易量增加了一个显著因素。对于等式(12)中的产品κ(p)和国家κ(c)中的相关因子,进出口的类似增强因子仍然存在,而对于PageRank CheiRank,我们获得了统一附近的中等相关因子值(见图12)。特定产品的PageRank-Cheirank相关因子κp(11)的值相对较低,几乎所有p≤ 45(我们要提醒的是,这里p按表1中的外观顺序计算产品,这与Comtrade代码不同)。产物κpp(10)的相关矩阵如图13所示。该矩阵是不对称的,表明73个运输设备、65个纺织纱线、织物、madeFig产品之间存在相对较高的相关性。12.来自GPVM的PageRank CheiRank相关器κp(11)显示为产品指数p的函数,图5中有相应的符号。PageRank Cheirank和ImportRank ExportRank相关器分别以实线和虚线显示,其中全局相关器κ(9)以黑色显示,国家κ(c)(12)的相关器以红线显示,产品κ(p)(12)的相关器以蓝线显示。此处产品编号p按表1中的外观顺序计算。2008年的数据为NP=61、Nc=227、N=13847。图13。2008年产品PageRank CheiRank相关矩阵κp,p(10),相关值以颜色显示。代码索引p和pof all Np=61产品在x轴和y轴上以其对应的第一位数字显示(见表1)。更新文章等。

24楼
大多数88 在职认证  发表于 2022-5-7 08:20:55
83件与产品运输有关的旅行用品、手袋及类似物品。4.5 WTN谷歌矩阵的谱和本征态上述我们分析了G和G的本征态性质*在最大特征值λ=1时。然而,总共有N个本征值和本征态。Wikipedia网络[26]的结果表明,具有大模数λ的本征态对应于网络的特定群体。因此,10 L.Ermann和D.L.Shepelyansky很有意思:多产品世界贸易网络的谷歌矩阵分析研究多产品WTN的G的光谱特性。G和G的光谱*如图14所示,为2008年。有趣的是,G的光谱显示出与维基百科的一些相似之处(参见[26]中的图1)。在α=1时,G和G分别有12和7个退化本征值λ=1*分别地因此,Spectragap仅在α<1时出现。图15显示了G的初始状态IPRξ对Reλ的依赖关系。结果表明,ξ 使本征态在节点上的某个群上很好地局部化。图14。谷歌矩阵G(左面板)和G的谱*(右面板)以λ的复平面表示。2008年的数据为α=1,N=13847,Nc=227,Np=61。用彩色圆圈标记的四个本征值用于图示图中的本征状态。15,16.本征态ψi可按其振幅递减|ψi |排序,给出本征态指数Ki,在Ki=1时振幅最大。四种本征态的示例如图16所示。我们看到振幅主要集中在几个顶部节点上,与ξ的小值一致~ 4如图15所示。表4显示了这四种本征态的前十个振幅,以及相应的国家和产品名称。

25楼
大多数88 在职认证  发表于 2022-5-7 08:20:58
我们看到,对于给定的本征态,这些前十个节点对应一个产品,清楚地表明了某些国家之间的强大贸易联系。因此,对于06 Sugar,我们看到了地理位置相近的马里和几内亚之间的紧密联系,以及与美国、德国等的进一步联系。同样,对于56个国家,有一些拉丁美洲国家巴西、玻利维亚、巴拉圭与阿根廷、乌拉圭等有联系。我们在产品57和52中看到了类似的情况。这些结果证实了维基百科[26]中的观察结果,即λ模较大的本征态选择了有趣的特定网络社区。我们认为在进一步的研究中研究本征态的性质将是有趣的。4.6对价格变化的敏感性我们建立了多产品WTN的全局数学结构,并给出了其排列和光谱特性的结果。这样的排名属性带来了关于WTN的新的有趣和重要的信息。然而,从经济角度来看,更重要的是分析危机污染和价格变化的影响。这样的分析代表了一个复杂的例子。15.G所有本征态的逆参与比(IPR)ξ,作为图14频谱中相应本征值λ实部的函数。由彩色圆圈标记的特征值如图14所示。16.本征态振幅|ψi |按其自身振幅递减顺序排列,图14中4个不同本征值的指数为Ki(状态为标准化的asPi |ψi |=1)。Toppanel显示了两个实特征值示例,分别为λ=0.9548和λ=0.9345,而底部面板显示了两个虚部较大的特征值,分别为λ=0.452+i0。775和λ=0.424+i0。467.这些特征向量最大振幅的节点名称(国家、产品)如表4所示。这是我们希望在进一步调查中返回的任务。

26楼
mingdashike22 在职认证  发表于 2022-5-7 08:21:03
然而,对全球WTN结构的了解是这项任务的一个重要组成部分,我们认为,目前的结果表明,这一部分是可用的。利用WTN结构的知识,我们举例说明,它允许获得对某些产品的价格变化敏感度的非平凡结果。我们以2008年为例,假设产品33石油和石油产品的价格增加了相对分数δ,从其单位值1增加到1+δ(或δ=δ)。然后我们计算概率的导数。Ermann和D.L.Shepelyansky:多产品世界贸易网络的谷歌矩阵分析。D=dP/d17导数*= 数据处理*/dδ表示2008年33种石油和石油产品的四月变化δ。左上方和右上方的面板显示了负、正D和D的情况*分别与一些产品和国家的2位代码标记。底部面板显示了对数导数sdl=D/P和D的正负情况*l=D*/P*适用于拥有K的国家和产品≤ 50,其中显示了国家和产品的标签和2位代码(右面板中仅显示产品33)。代码如表1所示。PageRank的概率D=dP/Dδ=P/δ和切兰克德*= 数据处理*/dδ=P*/δ. 对δ=0.01、0.03、0.05的值进行计算,确保结果对特定δ值不敏感。我们还计算了对数导数Dl=d ln P/dδ,d*l=d ln P*/dδ给出了P,P的相对变化*.图18。与图17的顶部面板相同,但使用交易量的概率(3)。33种石油和石油产品的价格变化δ结果如图17所示。所有WTN节点的导数显示在平面(D,D)上*)和(Dl,D*l) 。对于(D,D)*) 节点分布在D>0、D的两个扇区中*> 0和D<0,D*< 0

27楼
能者818 在职认证  发表于 2022-5-7 08:21:06
D>0的最大值,D*> 0对应于产品33中石油储量丰富的国家(如俄罗斯、沙特阿拉伯、尼日利亚)或向其他国家(新加坡、印度、中国等)有大量石油贸易转移的国家的节点。随着石油价格的增长,秩概率P,P是很自然的*这些国家中的大多数都在增长。在D区<0,D中观察到了更意想不到的影响*< 0.这里我们看到,石油价格的上涨导致机械产品71、72、73的贸易国德国、法国、中国、日本的节点概率降低。为了比较,我们还计算了导数D,D*,Dl,D*l根据进出口贸易量而非PageRank CheiRank确定的概率(3)。图18显示了将石油价格变化与图17进行比较的结果。D、D的分布*与PageRank-CheiRank概率得出的值有很大不同。这与PageRank和CheiRank将全球网络结构考虑在内,而贸易量仅给出国家间贸易联系的局部关系有关。对于对数导数Dl,D,这两种方法之间的差异变得更加显著*l、 事实上,对于交易量排名,概率P的变化*, 考虑到δp的贸易量变化,可以分析计算给定产品价格变化的Pdue。计算得出Dcp=(1- fp)Pcp,D*cp=(1)- fp)P*产品p和国家c的概率对产品δpandDcp价格的导数Cp=-fpPcp,Dcp=-fpPcp,D*cp=-fpP*cp(ifp6=p),其中FP是世界贸易中产品p的一部分。从这些表达式中我们可以看出,对数导数与国家和乘积无关。事实上,就无花果而言。

28楼
nandehutu2022 在职认证  发表于 2022-5-7 08:21:09
18.我们通过解析和直接数值计算得出Dl=D*l=-0.2022(如果p6=p=33,则适用于所有国家)和Dl=D*l=0.7916(如果p=p=33,则适用于所有国家)。由于这种情况很简单,我们在图18中没有显示它。图19显示了34种天然气和人造气的价格变化结果,显示了PageRank和CheiRank概率对δ的导数。我们看到,对于绝对导数D,D*目前受影响最大的是D区天然气生产国的节点*> 0,而对于扇区D,D*< 0受影响最大的是与石油生产或贸易有关的国家,以及产品为71、72、73的美国。对于对数导数的部分Dl,D*l<0在前K中,K*节点我们找到产品33和产品93所在国家的节点。因此,对衍生品的分析为世界贸易对价格变化的敏感性提供了一个有趣的新信息。4.7 CheiRank PageRank世界贸易平衡图根据获得的WTN谷歌矩阵,我们现在可以分析12 L.Ermann和D.L.Shepelyansky之间各种产品的贸易平衡:多产品世界贸易网络的谷歌矩阵分析图。19.P和P的导数*(D和D)*2008年天然气和制造业的价格变动分别为34。左上方和右上方的面板显示了D和D的负扇区和正扇区的情况*一些产品和国家分别用两位数的代码和名称标注(在右上角的面板中,所有点对应于产品34)。底部面板显示了对数导数DLD和DLD的情况*L适用于含K的国家和产品≤ 50(左下面板)和K,K*≤25(右下面板);显示了国家和产品的标签和2位代码。在右下面板中(K,K*≤ 25)我们没有显示苏丹(73台运输设备)的情况,其值为(Dl,D)*l) =(2×10)-4, 1.75 × 10-2).

29楼
能者818 在职认证  发表于 2022-5-7 08:21:12
代码如表1所示。世界各国。经济学家通常会考虑一个国家的出口和进口,如图1所示。然后,通过对所有产品求和,可以确定给定国家c的贸易平衡:Bc=Xp(P*内容提供商-Pcp)/Xp(P*cp+Pcp)=(P*C-Pc)/(P*c+Pc)。(13) 在经济方面,Pc,P*通过交易量^Pcp,^P的概率定义的护理*第三部分。在我们的方法中,我们定义了Cp,P*CPA PageRank和CheiRank概率。与交易量相比,我们的方法考虑了节点之间的多个网络链接。图20显示了通过这两种方法获得的世界贸易平衡的比较。我们看到,中国的领导地位在中国的贸易平衡图中变得非常明显,而在贸易量平衡图中则不那么明显。谷歌矩阵分析还强调了尼日利亚(主要面向石油出口和机械进口)和苏丹的贸易网络失衡。值得注意的是,CheiRank PageRank的正平衡主要分布在金砖国家(巴西、俄罗斯、印度、中国、南非)。与此形成对比的是,通常的贸易额是不稳定的。20.世界概率图平衡Bc=(P*C-Pc)/(P*2008年为Nc=227个国家中的每一个确定的c+Pc)。顶部面板:概率P*c、 Pc由Cheirank和PageRank向量给出;底部面板:概率根据进出口贸易量计算(3)。国家名称可在[4]找到。ance强调了2008年西撒哈拉和阿富汗的巨大贸易顺差和贸易逆差。图21。2008年,概率导数平衡dBc/dδ石油价格δ。顶部面板:根据图20顶部面板中的CheiRank和PageRank向量确定国家平衡;底部面板:BCV值根据底部面板OFIG中的交易量计算。20

30楼
大多数88 在职认证  发表于 2022-5-7 08:21:16
国家名称可在[4]找到。L.Ermann和D.L.Shepelyansky:多产品世界贸易网络的谷歌矩阵分析13我们还可以通过计算平衡导数dBc/Dδp来确定贸易平衡对某一产品价格变化的敏感性。图21显示了上述两种概率定义方法Pc,p的世界地图对石油价格的敏感性*cin(13)。对于CheiRank PageRank余额,我们看到,对于石油生产国(俄罗斯、沙特阿拉伯、委内瑞拉),dBc/dδ的导数为正,而对于经济恰好对石油价格非常敏感的中国,dBc/dδ的负导数最高。图21所示的BC/dδp的贸易量计算结果给出了不同国家的衍生品分布情况,其中苏丹的衍生品分布最大,瑙鲁共和国的衍生品分布最小(该国面积很小,在图21的下面板中看不到),而中国的衍生品分布对δ不太敏感(与切兰克帕格朗克法相比)。这是因为在贸易量计算中节点之间没有链接,而银行PageRank方法考虑了链接并恢复产品和国家之间隐藏的贸易关系。图22。定义为dBcp/dδ的产品的部分概率平衡对2008年石油价格δ的导数;这里Bcp=(P*内容提供商- Pcp)/(P*c+Pc)和p=72(表1中的72台电机);根据CheiRank和PageRank向量(toppanel)和进出口贸易量(3)(下图)确定国家的产品平衡。

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 02:14