关键资源的系统性贸易风险

我们发现ρpartial=0.68（p<10-4） 这意味着价格波动和贸易风险之间的原始相关性（ρ=0.71）中约96%可以归因于真正的网络效应。基本上，同样的观察结果也适用于美国，参见图2（B），其中贸易风险指标再次解释了价格波动σrUS（ρ=0.58，p<10）-5） ，比贸易风险、进口依赖和PageRank单独的优势要好。在控制了贸易风险T Rstr和rUS的影响后，我们发现贸易风险和价格波动之间的部分相关性ρpartial=0.38（p=0.0032）。在欧盟和美国这两个地区，风险和供应风险CSRr之间存在显著相关性，见图2。这一结果并不出人意料，因为这两个指标都明确取决于最大生产国的进口依赖和政治稳定。表二显示，美国和欧盟之间的贸易风险与保护水平、贸易壁垒和Bri的相关性存在显著差异。美国倾向于采用较低的贸易壁垒来进口系统性贸易风险较高的资源，而贸易风险与欧盟之间没有显著关系。表二还显示了贸易风险和布鲁氏菌病之间的高度相关性，这是由系统性贸易风险的Pagerank贡献驱动的，这表明美国在资源壁垒较低的情况下具有高度的基于网络的脆弱性（不一定高度依赖进口）。如支持信息表S.V所示，用等式1中的资源治理指标RGIII代替政治稳定性P Si（t）不会改变区域具体结果。这表明，P Si（t）和RGIIB在基于网络的系统性贸易风险脆弱性方面传达了相同的信息。

桌子。V还显示了每个国家在P Si（t）=0的情况下的区域特定结果。这就消除了所有关于个别国家政治稳定的信息。在这种情况下，贸易风险指标RRIT与价格波动的相关性仍然高于进口依赖IRi。为了研究区域特定结果的稳健性，我们将表II的价格波动率的相关系数与三个随机数据集的结果进行了比较，如第IV c节所述。表S.V中的支持信息显示了随机结果。对于进口依赖性，在任何一种按结构进行的随机化下，结果都不会发生变化。强度内交易风险的结果在随机Mr fix In deg（t）和Mr fix In-/out deg（t）下保存，这两种方法分别保持了入度和入度与出度的固定。对于仅保留网络平均度的随机化Mr fix度（t），情况并非如此。在这里，我们仍然发现强度内贸易风险与价格波动之间存在显著相关性，其显著低于实际数据。这些相关性可归因于进口国的PSI（t）值的影响，在任何一种随机分析下都不会发生变化。价格波动性与贸易风险和PageRank两者之间的相关性，仅对随机方案Mr fix in-/out deg（t）而言是显著的。这证实了系统性贸易风险的实质性贡献只能通过考虑整个贸易流网络来解释。图2：欧盟和美国的贸易风险与价格波动。每个点代表一种矿产资源。

（A）欧盟和（B）美国的特定国家风险指标与特定矿物的年平均价格波动率以及以颜色表示的综合供应风险显著相关。具有高CSRR的资源往往位于右侧。我们还分别展示了价格波动率与贸易风险和综合供应风险的相关系数ρσ和ρCs，以及p值，以拒绝真实相关系数为零的无效假设。C.高风险资源EUis铍贸易风险最高的资源。铍的主要用途是制造航空航天和国防工业中轻型精密仪器的连接器和开关[15]。全球85%的铍供应来自美国，其余大部分来自中国。因此，美国的贸易风险远低于欧盟。铟的贸易风险在欧盟（美国）排名第二（第三）。这对于制造液晶显示器至关重要。铟几乎是锌矿开采的副产品[21]。如果对铟的需求增加，其可用性不一定会增加，因为这种可用性在很大程度上取决于锌的经济性。美国面临的最高风险是铊，它对医学成像至关重要。美国的全球铊供应相对受限，特别是2006年中国取消了对铊出口的几项税收优惠[15]。我们还发现，镓和钒在美国的交易风险很高。镓通常是铝的副产品，钒通常是铀矿开采的副产品[21]。我们发现，碲在欧盟的贸易风险相对较高（美国的数据被扣留，以避免披露专有公司数据）。

碲是铜的副产品，对制造太阳能电池板至关重要[15]。一般来说，我们在美国的欧盟发现了更高的贸易风险值，见表S.III。在欧盟，铍的贸易风险最高值为0.44，而在美国，铊的贸易风险最高值为0.19。欧盟和美国的个别资源贸易风险等级如图3所示。每种资源都是根据其在欧盟和美国的贸易风险值进行排名的。最低等级对应最高的贸易风险，最高等级对应最低等级。图3中的颜色表示资源是否属于（i）主要金属（ii）主要金属的副产品，或（iii）其他资源[14]。有一种趋势是，两国贸易风险相对较高的矿产往往作为副产品开采，而主要金属的贸易风险为中间值。三、 讨论本研究的实质是，我们已经表明，关键资源的国际贸易网络包含的信息能够解释这些资源价格波动的很大一部分。该信息通过系统性风险度量TradeRisk进行量化。在欧盟，贸易风险和价格波动之间的相关性远高于美国。这一发现与另外两个事实相吻合。首先，美国基于网络对系统性贸易风险的贡献较低，占解释价格波动的38%，而欧盟在控制了非网络影响后解释了68%的价格波动。其次，美国系统性地对系统性贸易风险高、网络脆弱性高的资源采用较低的贸易壁垒，而欧盟则没有这样的措施。因此，我们有理由假设，降低系统性风险资源的贸易壁垒，可以减少连锁供应冲击对资源价格的影响。

这些发现表明，目前非燃料矿产资源的风险管理存在明显缺陷，尤其是在欧盟。这是因为没有考虑到级联冲击对复杂互联系统的累积影响而导致的系统故障。这一点在发现无花果的情况下尤为突出。3：欧盟和美国的贸易风险等级。每个点代表一个资源。排名1的是给定区域内交易风险最高的资源，排名2的是第二高的交易风险，依此类推。只有欧盟或美国信息可用的资源显示在绘图区域之外。主要金属用黑匣子表示，副产品矿物用灰色圆圈表示，其他矿物用浅灰色钻石表示。很明显，在这两个地区具有高贸易风险的矿物都是作为副产品开采的，而主要金属表现出贸易风险的中间值。许多最容易受到系统性风险影响的资源仅作为副产品生产，在对国家利益至关重要的行业中发挥着关键作用。对系统性贸易风险的分析产生了许多政策影响。虽然商品或关键资源的交易总是会涉及一定程度的不完善信息，但需要更好的监控和数据透明度，以便采用更稳健的方法来理解风险，而这些风险可以通过考虑网络影响来预见。能够缓解系统性风险的政策工具将允许决策者实施战略实物储备和贸易法规等措施，以缓解市场波动，同时确保实物供应。金融网络研究表明，通过所谓的“系统性风险税”，系统性金融风险几乎可以完全消除[22]。

这是一种宏观审慎监管方法，对系统性风险金融交易征税，以设定与该交易相关的系统性风险增加。在这种方法的推动下，可以想象，类似的政策措施，如商品风险税，可以与AIM一起开发，以创造对我们社会至关重要的更具弹性的商品市场。四、 数据和方法a。矿产贸易数据本研究中包含的矿产来自美国地质调查局（USGS）每年发布的矿产商品摘要[15]。这些摘要包含有关71种矿产商品的产业结构、显著统计数据以及世界产量和资源的信息。摘要还列出了协调制度（HS）分类中每种矿物的tari FFF代码。我们收集了联合国商品贸易数据提供的2000-2012年每种商品的关税代码的贸易数据[23]。不包括不特定于特定来源的关税代码，如代码2530.90（“其他矿物质”）。我们包括了所有这些年中存在任何矿物贸易数据的国家。这相当于107个国家。资源r中i国和j国之间在t年的贸易流量记录在矩阵Mrij（t）中。Mrij（t）是以美元计量的资源r的价值，从伊藤j国流出。对于每个贸易流，数据中应有两个记录，一个为进口国j，一个为出口国i。由于数据不完整，在某些情况下，这两个条目不匹配。Mrij（t）定义为这两个条目的较大值。Mrij（t）是一个依赖时间的多路网络，其中节点对应于国家，每个网络层是给定矿产资源的国际贸易网络。

以类似的方式，我们构建了多重Krij（t），其中每个条目对应于t年从i国到j国的资源贸易流量，以千克为单位。我们只包括占一个国家进口额1%以上的贸易流，即Mrij（t）PiMrij（t）>0.01的贸易流。价格和波动性。i国资源r的价格（以美元/千克为单位）pi（r，t）可从贸易数据中获得，即pi（r，t）=PjMrij（t）PjKrij（t）。pi（r，t）对应于i国资源r的平均免费船上价值，即货物的交易价值和将货物运送至出口国边境所提供服务的价值。i国资源r的对数年回报率为vi（r，t）=logpi（r，t）pi（r，t）-1). i国资源r的波动率σri是vi（r，t）的标准偏差，在时间跨度t内计算∈ [2000, 2012].总贸易量和储备。第t年资源r的总贸易量tV（r，t）是以千克为单位测量的所有贸易流量的总和，即tV（r，t）=Pi，jKrij（t）。一种矿物的可用储量r，Rr的估计值取自美国地质调查局的最新估计值[15]。这些估算给出了经济上可开采的已确定和目前未发现资源的未来供应量，同时也考虑了回收资源。B.进口依赖、供应风险和贸易壁垒进口依赖。一个国家在资源r供应冲击方面的脆弱性与i对r的净进口依赖性密切相关。如果我是r的净出口国，那么与经济依赖资源r进口的国家相比，我受供应冲击的影响较小。进口依赖水平由进口依赖指标IRri（t）量化，即国家i在t年对资源的依赖。

美国的IRri（t）数据由美国地质调查局每年提供，定义为进口减去出口。加上ZF和行业证券交易所的调整[15]。Irri被测量为该表观消耗量的百分比，在一段时间跨度t内的平均值∈ [2000, 2012]. 欧盟2006年的进口依赖值可从欧盟委员会（EC）[24]获得。综合供应风险。有多种方法可以量化资源的供应风险。（美国）国家研究委员会（NRC）根据进口依赖性、资源生产集中度和可替代性[25]对11种矿物的供应量进行了估算。英国地质调查局（BGS）发布了41种矿产的风险指标，考虑了它们的稀缺性、生产集中度、储量分布、回收率、可替代性，以及顶级生产国和储量托管国的治理方面[26]。欧共体根据生产集中度、生产国的政治稳定性以及材料的可替代性和循环性发布了41种材料的供应风险指标[24]。我们对这三个数值列表中的每一个进行了重新缩放，以便将供应风险最高的矿物的值指定为一，将供应风险最低的矿物的值指定为零。矿产r的复合供应风险CSRr定义为NRC、BGS和EC提供的重新调整供应风险的平均值。请注意，虽然单个供应风险指标通常是特定于区域的，但我们认为复合供应风险CSRRA是一个全球指标。贸易壁垒。贸易壁垒定义为从MAcMap数据库获得的，适用于进入区域i的所有涉及资源r的贸易流的所有从价等值关税单位的平均值[27]。C

随机数据集为了研究我们结果的稳健性，我们考虑了贸易流量矩阵Mr（t）的三种不同随机性。随机Mr fix度（t）是Mr（t）的所有元素的随机排列。也就是说，Mr（t）中的每个贸易流都被指定一个新的进口国和出口国，从所有国家中随机选择。Mr fix degree（t）与Mr（t）具有相同的平均度和总贸易量，但在其他方面是完全随机的。第二个随机化，Mr fix in deg（t），是从Mr（t）中获得的，方法是用一个随机化的国家替换每个贸易流的出口国。这种随机化程序不仅保留了每个国家的平均程度和贸易量，还保留了每个国家的实力和程度。在这种随机化下，涉及节点最近邻的网络属性（如特征值）可能会发生变化。在第三次随机化中，我们按照以下方式构建贸易流量矩阵Mr fix In-/out deg（t）。LetLr（t）是mr（t）中的一组链路（即非零交易流），Wr（t）是相应的链路权重集。Mr fix in-/out deg（t）是通过保持Lr（t）固定并用元素的随机排列替换Wr（t）来获得的。Mr（t）和Mr fix in-/out deg（t）仅受非零贸易流量的影响。所有涉及随机数据的结果都是100个独立实现的随机过程的平均值。[1] 《现代社会的物质基础》。《国家科学院院刊》（2013年）。[2] Tang，K.和Xiong，W.商品指数投资和金融化。技术代表，国家经济研究局（2010年）。[3] Ba Offes，J.和Haniotis，T.展望了2006/08年的商品价格繁荣。技术代表，世界银行（2010年6月）。[4] 比利奥，M.，盖特曼斯基，M.，洛，A.W。

&Pelizzon，L.金融和保险行业连通性和系统性风险的计量经济学度量。《金融经济学杂志》104535–559（2012）。[5] Huang，X.，Zhou，H.&Zhu，H.。评估主要金融机构系统性风险的框架。《银行与金融杂志》332036-2049（2009）。[6] 霍尔丹，A.G.&梅，R.M.银行生态系统中的系统性风险。《自然》杂志469351-355（2011）。[7] Calvo，G.，Izquierdo，A.&Mejia，L.-F.《系统性突然停止：资产负债表影响和财务整合的相关性》。美洲开发银行。研究部工作文件（2008年）。[8] Grubesic，T.H.，Matisziw，T.C.，Murray，A.T.和Snediker，D.评估网络脆弱性的比较方法。《国际区域科学评论》31，88–112（2008）。[9] 西蒙森，I.，布兹纳，L.，彼得斯，K.，博恩霍尔德，S.&赫尔宾，D.瞬态动力学增加了网络对级联故障的脆弱性。《物理评论快报》100218701（2008）。[10] 南卡罗来纳州巴蒂斯顿、马里兰州普里加、考希克、R、P、T&G、C.债务等级：太中心而不能失败？金融网络、OFFED和系统性风险。科学报告2（2012年）。[11] S.Thurner&Poledna，S.DebtRank transparency:控制金融网络中的系统性风险。科学报告（2013年）。[12] Lee，B.，Preston，F.，Kooroshy，J.，Bailey，R.和Lahn，G.资源期货，第14卷（Citeseer，2012）。[13] Erdmann，L.&Graedel，T.E.《非燃料矿物的临界性：主要方法和分析综述》。环境科学与技术457620–7630（2011）。[14] Gunn，G.，Graedel，T.和Espinoza，L.T.金属资源，使用和临界性（Wiley，2014）。[15] （美国），G.S.矿产商品摘要，2014年。技术代表，美国地质调查局（2014年）。[16] Graedel，T.等人。金属临界性测定方法。环境科学与技术461063–1070（2012）。[17] 考夫曼，D.，克雷，A。