石油和天然气贸易对欧盟经济的影响

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Influence of petroleum and gas trade on EU economies from the reduced
  Google matrix analysis of UN COMTRADE data》
---
作者：
C\\\'elestin Coquid\\\'e, Leonardo Ermann, Jos\\\'e Lages, D.L. Shepelyansky
---
最新提交年份：
2019
---
英文摘要：
  Using the United Nations COMTRADE database we apply the reduced Google matrix (REGOMAX) algorithm to analyze the multiproduct world trade in years 2004-2016. Our approach allows to determine the trade balance sensitivity of a group of countries to a specific product price increase from a specific exporting country taking into account all direct and indirect trade pathways via all world countries exchanging 61 UN COMTRADE identified trade products. On the basis of this approach we present the influence of trade in petroleum and gas products from Russia, USA, Saudi Arabia and Norway determining the sensitivity of each EU country. We show that the REGOMAX approach provides a new and more detailed analysis of trade influence propagation comparing to the usual approach based on export and import flows.
---
中文摘要：
利用联合国COMTRADE数据库，我们应用简化谷歌矩阵（REGOMAX）算法分析了2004-2016年的多产品世界贸易。我们的方法允许确定一组国家对特定出口国特定产品价格上涨的贸易平衡敏感性，同时考虑通过所有世界国家交换61种联合国商品贸易委员会确定的贸易产品的所有直接和间接贸易途径。在此方法的基础上，我们展示了俄罗斯、美国、沙特阿拉伯和挪威的石油和天然气产品贸易对每个欧盟国家敏感性的影响。我们表明，与基于进出口流量的常用方法相比，REGOMAX方法提供了一种新的、更详细的贸易影响传播分析。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：Statistical Finance        统计金融
分类描述：Statistical, econometric and econophysics analyses with applications to financial markets and economic data
统计、计量经济学和经济物理学分析及其在金融市场和经济数据中的应用
--
一级分类：Computer Science        计算机科学
二级分类：Social and Information Networks        社会和信息网络
分类描述：Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模，包括它们在联机信息访问、通信和交互方面的应用，以及它们作为数据集在这些领域和其他领域的问题探索中的作用，包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题；计算应用包括H.3、H.4和H.5中的主题；计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议（例如TCP/IP）的论文通常更适合网络和因特网体系结构（CS.NI）类别。
--
一级分类：Physics        物理学
二级分类：Physics and Society        物理学与社会
分类描述：Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体（人类或其他）的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统（如能源网、运输网络）的物理和工程。
--

---
PDF下载：
--> Influence_of_petroleum_and_gas_trade_on_EU_economies_from_the_reduced_Google_mat.pdf (9.73 MB)

2022-6-14 06:10:39 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：天然气 Applications Quantitative Econophysics multiproduct

EPJ第号手稿（将由编辑插入）对联合国商品贸易数据（elestin Coquide、Leonardo Ermann、Jos'e Lagesand D.L.ShepelyanskyInstitute UTINAM、OSU THETA、法国勃艮第大学、CNRS、Besan'con、FranceDepartamento de F'sica Te'orica、GIyA、CNEA、Av）的谷歌矩阵分析结果显示石油和天然气贸易对欧盟经济的影响。Libertador 8250，（1429BNP）阿根廷布宜诺斯艾利斯。图卢兹大学IRSAMC物理实验室，法国图卢兹，CNRS，UPS，31062图卢兹：2019年2月5日摘要。利用联合国COMTRADE数据库[1]，我们应用简化谷歌矩阵（REGOMAX）算法分析了2004-2016年的多产品世界贸易。我们的方法允许确定一组国家的贸易平衡对特定出口国特定产品价格上涨的敏感性，同时考虑到通过所有世界国家的所有直接和间接贸易途径改变61种联合国贸易标识的贸易产品。基于这一方法，我们展示了俄罗斯、美国、沙特阿拉伯和挪威石油和天然气产品贸易的影响，确定了每个欧盟国家的敏感性。我们表明，与基于进出口流量的常用方法相比，REGOMAX方法提供了一种新的、更详细的贸易流量传播分析。PACS。XX。XX。XX无PACS代码1简介《联合国商品贸易统计数据》[1]和《2018年世界贸易组织（WTO）统计评论》[2]表明，国际贸易对世界各国的发展和进步至关重要。此外，整个世界经济都深深地依赖于世界贸易[3]。目前，联合国商品贸易数据库包含Nc=294个联合国国家的数据，这些国家的toNp达到≈ 10贸易产品。因此，贸易货币流量的整个矩阵达到了一个较大的规模N=NpNc~ 10

事实上，每年国家间的商业交易代表着以给定年份的美元（USD）价值表示的各种商品（产品）交易的定向网络。很明显，复杂网络领域的最新研究进展（见例[4]）应能为多产品世界贸易网络（WTN）的分析找到有用的应用。在[5,6]中，建议使用Google矩阵G、PageRank和CheiRank算法的方法来分析WTN。PageRankalgorithm是由Brin和Page[7]发明的，用于对作为谷歌搜索引擎基础的万维网（WWW）节点进行排名。文献[9]描述了这些方法在各种实际定向网络中的应用。与基于双边进出口流量的通常经济方法相比，谷歌矩阵分析在平等的基础上对待所有世界国家（因为所有输出国流量为G的列都被标准化为统一，以便富国和穷国得到同等的考虑），而且AGERANK和CheiRank算法也考虑了整个交易链，包括特定网络节点的重要性。这与简单的双边进出口交易截然不同。通常在WWW或Wikipedia等定向网络中，谷歌矩阵的PageRank向量起着主导作用，因为它的组成部分与传入链接的数量平均成比例。对于WTN，流入流量与进口相关。然而，与出口相关的外流对贸易也很重要。因此，我们也可以使用谷歌矩阵G*, 由反向事务流构造，其PageRank特征向量称为CheiRank向量【10,11】。该向量的分量平均与原始WTN中传出链接的数量成比例。

G和G的构造规则*对于多产品WTN的情况，在[6]中有详细描述。在许多情况下，了解某个特定区域（即全球网络的选定节点）的贸易交易的有效互动非常重要，因为人们希望重点分析该区域。这不仅需要知道节点之间的直接链接，还需要知道通过全球网络的剩余部分连接选定节点的间接（或隐藏）链接。最近，简化的谷歌矩阵（REGOMAX）算法在[12]中得到了验证，并在Wikipedia的各种定向网络[13,14]和蛋白质-蛋白质相互作用[15]中进行了测试，显示了其效率。该算法源自2 C.Coquide'e等人：《石油和天然气贸易对欧盟经济的影响》核和介观物理散射理论以及量子混沌领域。在这项工作中，我们使用COMTRADE数据，应用REGOMAX算法分析俄罗斯（RU）、美国（US）、沙特阿拉伯（SA）和挪威（NO）对欧盟（EU）国家石油和天然气贸易的影响。通过这种方法，我们能够衡量欧盟国家对这四个国家之一的石油和天然气供应的敏感性，同时考虑全球WTN，即考虑到与世界其他地区的主要产品的所有直接和间接交易。我们注意到，有许多论文将网络方法应用于金融和贸易网络（参见[16,17,18,19,20,21]）。然而，很少使用PageRank算法对WTN进行应用（例如，参见[22]中的第一个案例），但除了[5,6]之外，没有考虑到与银行分析相关的流出流量。【23】中对枢纽和当局进行了分析，但我们认为，与谷歌矩阵方法相比，这种方法的性能较低。

因此，对于比特币交易网络，谷歌矩阵方法证明了寡头政治类型结构的存在【24】。迄今为止，矩阵方法很少用于交易领域，即使随机矩阵理论为金融和信用风险分析找到了有用的应用【25,26】。统计力学的方法也证明了它们在分析市场经济方面的有效性[27]。然而，在【25,26】中考虑的水流是非定向的，而WTN通常描述定向的水流。由于这些原因，我们希望REGOMAX算法将在处理贸易和金融交易方面找到进一步有用的应用。本文的结构如下：在第二节中，我们构建了世界贸易网络的谷歌矩阵，并介绍了REGOMAX方法。在第3节中，我们介绍了欧盟石油和天然气贸易的网络结构，展示了欧盟经济体与俄罗斯、沙特阿拉伯和美国等非欧盟主要国家之间石油和天然气贸易的直接和间接影响。我们还调查了欧盟国家贸易平衡对俄罗斯、沙特阿拉伯、，以及2004-2016年期间的美国石油、俄罗斯和挪威天然气。2方法我们从联合国商品贸易数据库[1]中收集了Nc=227个国家的多产品（多商品）贸易数据，Np=61种产品，由标准国际贸易分类（SITC）修订版中的两位数给出。2004年、2008年、2012年、2016年。按照【6】中制定的方法，在给定年份，我们构建Npmoney矩阵Mpc，cof WTN定义的asMpc，c=国家cto c（1）的产品p转移（美元），国家指数c，c=1，Ncand product indexp=1，Np。对于未来的符号，我们还定义了neVpc=XcMpc，c，V*pc=XcMpc，c.（2），即进口量（Vpc）和出口量（V*对于给定的国家c和给定的产品p。

全球进出口量由Vc=PpVpcandV给出*c=PpV*因此，ImportRank（^P）和ExportRank（^P*) 向量概率由归一化的导入和导出量^Pi=Vpc/V，^P给出*i=V*pc/V，（3），其中i=p+（c- 1） Np公司∈ {1，…，N=NcNp}是与国家c–产品p组合相关的指数，总贸易量为V=Pp，c，cMpc，c=Pp，cVpc=Pp，cV*pc.【6】中给出了61种产品和227个国家的列表。2.1 WTN的谷歌矩阵构建直接贸易流量的谷歌矩阵G和G*对于反向贸易流，其尺寸为N=NcNp=227×61=13847，其结构如【6】所述。根据定义，每列中的元素之和等于1。Google矩阵的格式为GIj=αSij+（1- α） 六、G*ij=αS*ij+（1- α） 五*i、 （4）其中α∈]0，1]是阻尼系数，v和v*i称为个性化向量的正列向量的分量，pivi=Piv*i=1【8】。在这项工作中，我们假设α=0.5，其在[0.5，0.9]范围内的变化对结果没有显著影响。PageRank和CheiRank P*由于GP=P和G，每个向量都有一个特征值λ=1*P*= P*. 根据Berron-Frobenius定理，分量{Pi}i=1，。。。，Nand{P*i} i=1，。。。，Nare为正，并给出在N个节点的网络上找到随机冲浪者（卖家）的概率。PageRank K和CheiRank K*指数由PageRank向量P和CheiRank向量P的概率递减顺序确定*作为P（K）≥P（K+1）和P*（K）*) ≥ P*（K）*+ 1） 带K，K*=1.N通过概率^Pp，^P，也可以对进出口贸易量的等级进行类似的定义*p、 ^Pc，^p*c、 ^Ppc，^P*Pc和相应的指数^Kp，^K*p、 ^Kc，^K*c、 ^K，^K*.矩阵S和S*根据货币矩阵Mpc，casSii=（Mpc，cδpp/V*pcif V*pc6=01/N，如果V*p0c=0S*ii=（Mpc，cδpp/Vpcif Vpc6=01/N，如果Vpc=0（5）c。

Coquid\'e等人：《石油和天然气贸易对欧盟经济体的影响》，3其中c，c=1，Nc；p、 p=1，Np；i=p+（c-1） Np；i=p+（c- 1） Np；因此i，i=1，N在【6】之后，我们通过相对进出口产品量percountryvi=VpcNcPpVpc，v定义了（4）中的个性化向量*i=V*pcNcPpV公司*pc，（6）使用定义（2）和关系i=p+（c-1） Np。通过这种方式，我们获得PageRank Pand CheiRank P的第一次迭代*保持各国民主和产品与其贸易量的比例的载体。然后在第二次迭代中，我们使用来自第一次迭代结果的个性化向量vi=PpNc，v0*i=P*pNc。（7） 在这里，我们对产品或国家进行跟踪，分别为Pc=PpPpc=PpP（p+（c- 1） Np）和P*c=购买力平价*pc=购买力平价*（p+（c- 1） Np）及其相应的KC和K*辛迪斯。此外，在追踪了多个国家后，我们获得了Pp=PcPpc=PcP（p+（c- 1） Np）和P*p=PcP*pc=PcP*（p+（c- 1） Np）及其相应的产品指数KP和K*p（Pp，p*（7）中使用的pare。第二次迭代用于进一步构造G和G*我们使用的矩阵如下所示。2.2[12]中发明的WTN REGOMAX算法的简化谷歌矩阵在[13]中有详细描述。在这里，我们给出了保持[13]符号的这种方法的主要元素。为选定的Nrnodes子集构造简化的Google矩阵GRI。该结构基于散射理论的概念，该理论用于不同领域，包括介观和核物理以及量子混沌。在Nr-by-NrPerron-Frobenius矩阵中，它捕获了Nr所选感兴趣节点之间在整个G矩阵中发生的直接和间接交互的全部贡献。

此外，节点的PageRank概率与具有Nnodes的全局网络的PageRank概率相同，考虑到Nrnodes上的PageRank概率的总和是一个常数。GR的（i，j）-元素可以解释为随机冲浪者从节点j开始，通过直接和间接交互到达节点i的概率。间接相互作用是指由与感兴趣的NRONE不同的部分节点组成的通路。GRo的中间计算步骤是对GRinto矩阵进行分解，明确区分直接和间接相互作用：GR=Grr+Gpr+Gqr【13】。这里的GRRI由全局G矩阵中选定的Nrnodes之间的直接链接给出，其中有N个节点，GPRI通常非常接近由PageRank向量给出的矩阵。因此，Gprdoes不提供有关所选节点之间直接和间接链接的太多信息。Gqr扮演了一个有趣的角色，它考虑了通过N个全球网络节点的多条路径在选定节点之间出现的所有间接链接（见[12,13]）。矩阵Gqr=Gqrd+Gqrnd有对角线（Gqrd）和非对角线（Gqrnd）部分，其中Gqrnd描述节点之间的间接交互。[12,13]中给出了GRaregiven所有三个矩阵分量的数学和数值计算方法的显式公式。我们将在下面讨论多产品WTN的这些矩阵组件的属性。2.3 WTN数据集使用REGOMAX方法，我们考虑了截至2008年的27个欧盟国家，如表1和表2所示；国家由其国家代码ISO 3166-1alpha-2标记【28】。

[6]给出了61种产品的列表。在表1中，除了27个欧盟国家（蓝色标记）外，我们还选择了2016年10个最佳非欧盟石油出口商（石油和石油产品的SITC Rev.1code p=33）（红色标记），显示了2016年的PageRank、CheiRank、ImportRank和ExportRank。此处，PageRank和CheiRank由PPC和P的本地顺序给出*Pc，固定p=33，指数为1，2，…，时的最高概率。。。（概率递减）。以同样的方式，ImportRank和ExportRank可从^Ppcand和^P获得*pcat固定p=33。对于石油，我们在表1中看到，2016年俄罗斯在CheiRank和Exportrank排名第一，而美国在PageRank和ImportRank排名第一。我们还可以看到，对于CheiRank来说，不仅是贸易额，而且是一个特定国家的广泛贸易网络。因此，沙特阿拉伯（SA）在出口排名中排名第二，但由于其贸易主要面向美国，其在切兰克仅排名第六。另一个例子是新加坡（SG），它从ImportRank的第四位上升到PageRank的第二位，这表明了SG广泛贸易关系的重要性。在欧盟国家中，荷兰（NL）由于其广泛的商业海上联系，在所有4个国家中排名第一。对于表2中的气体，我们有类似的观察结果。虽然法国（FR）、意大利（IT）和英国（GB）占据了欧盟国家的第一进口位置，即按天然气贸易量计算，它们是欧盟的最大进口国，但NL和比利时（BE）在PageRank排名中取代了它们，这表明NL和BE进口天然气的来源比FR、IT和GB更加多样化和重要。

此外，卡塔尔（QA）的出口排名第一，但由于其特定的贸易方向，其出口排名仅排在第四位。2.4贸易平衡的敏感性正如[6]中所述，我们确定一个给定国家的贸易平衡，PageRank和CheiRank概率为Bc=（P*c- Pc）/（P*c+Pc），并以类似的方式通过导入和导出秩概率作为^Bc=（^P*c-^Pc）/（^P*c+^Pc）。贸易差额Bc对4 C.Coquide\'e等人价格的敏感性：石油和天然气贸易对欧盟经济的影响表1。关于SITC Rev的ExportRank，27个欧盟国家（蓝色）和10个最佳非欧盟出口商名单。1 codep=33（石油和石油产品，红色），由联合国商品贸易2016年的PageRank、CheiRank、ImportRank和ExportRank订单分类。PageRank CheiRank ImportRank Exportrank 1 US RU US RU2 SG US NL SA3 NL AE IN US4 IN SG AE5 FR SG DE NL6 DE SA IT CA7 ES NL FR IQ8 GB BE GB SG9 IT GR BE KW10 BE NG ES NG11 CA IN 12 AE DE SE GB13 NG CA PL BE14 PL IQ NG DE15 SI KW AE IT16 CZ GB GR ES17 AT ES FI FR18 SE FR AT GR19 HU FI PT SE20 PT SE FI21 RO PT MT LT22 BG RO CZ DK23 SK DK PL24 GR BG LT RO RO26 SA PL IE BG27 RUHU HU SK28 LT AT SK AT29 IE SK SA LV30 CY LV BG MT31 DK MT SI HU32 FI CZ RU CZ33 LV SI EE EE34 LU CY LU SI35 IQ EE CY IE36 EE IE IQ CY37 KW LU石油或天然气可通过将与代码33或34相关的相应货币量流量乘以（1+δ），计算所有秩概率，然后计算导数dBc/dδ来获得。[6]中使用了这种方法。然而，通过这种方式，我们对所有国家都产生了石油天然气全球价格变化的影响。在此，我们要确定国家平衡对特定国家（如俄罗斯、美国或南非）石油流量的敏感性。