关键资源的系统性贸易风险

我们发现ρpartial=0.68（p<10-4） 这意味着价格波动性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主要传达相同的信息。

表格。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，与进口依赖IRi相比，贸易风险指标T RRI与价格波动率的相关性仍然更高。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。在随机Mr fix In deg（t）和Mr fix In/out deg（t）下，强度内贸易风险的结果得以保留，这分别保持了In度和两者、In度和out度。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，我们仍然发现强度贸易风险（In-strenghtradelisk）与价格波动率之间存在着显著的相关性，而价格波动率远远低于实际数据。这些相关性可归因于进口国的P Si（t）值的影响，在任何随机分析下都不会改变。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。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年中国取消了几项铊出口税收优惠[15]。我们还发现，镓和钒在美国的贸易风险很高。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）。