石油和天然气贸易对欧盟经济的影响

因此，我们首先计算简化后的Googlematrix GR、Gpr、Grr、GQR的所有4个矩阵分量，然后使用价格修正系数（1+δ）重新计算这些矩阵，该系数适用于特定欧盟国家与俄罗斯（或与美国或南非）的贸易。表2：。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=34（天然气和人造气，红色），按2016年UN COMTRADE的PageRank、CheiRank、ImportRank和ExportRank订单排序。PageRank CheiRank ImportRank Exportrank 1 NL US FR QA2 BE CA NO3 FR RU GB RU4 IT QA US 5 GB NO DE AU6 ES AU BE DZ7 HU NL ES MY8 US GB NL BE9 DE DZ AE CA10 PT AE CA AE11 BG BE ID 12 SK DE CZ NL13 PL IT SK GB14 SI FR PT DE15 CA SE HU FR16 RO ID PL ES17 ID DK MY AT18 GR MY IE SK19 RU GR CZ20 MY PL SE IT21 CZ ES BG PL22 SE AT LT SE23 AU PT RO 24 IE HU 25 AE SI RO26 LT SK AU SI27编号LT RU PT28 AT RO DK GR29 DK CZ EE LT30 CY SI NO LU31 EE LV LU LV 32 MT BG FI FI33 LV FI AT MT34 LU CY IE35 FI MT EE36 QA EE QA BG37 DZ CY DZ CY GRand its 3个矩阵组件的示例如图1所示，适用于27个欧盟国家，代码p=33（27个节点）加上俄罗斯石油，即GR共28个节点（来自N=13847个节点的全球网络）。图2显示了与俄罗斯天然气相同的GR矩阵。我们讨论了这些GRmatrix组件的特性，如图所示。下一节中的1、2。在这里，我们只注意到，对于选定的国家，该GRmatrix仅限于石油（或天然气）贸易。这本身可能很有趣，但这样我们就无法获得国家平衡及其敏感性。因此，我们采用另一种方法。我们将27个欧盟国家及其所有产品（即27×61=1647个节点）添加到这些节点上，即俄罗斯石油节点。通过这种方式，我们获得了Nr=1647+1=1648个节点的GRmatrix（从C。

Coquid\'e等人：石油和天然气贸易对欧盟经济体的影响.03 0.04 0.05 0.060.07eelulvfidkcyieltrumtgrskbgropthuseatcziplbeitgbedfernlderesgbitbeplsiczatseuptrobgskgrmtrultiecydkfillvluee 0.05 0.1 0.15 0.2 0.25 CZSIPLBEITGBESDEFRNLNLFREDESGBITBEPLSICZATSEUPTROBGSGRMTRULTIECYDKFILFLUEE 00.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4.1 0.15 0.2 0.25 0.30.35eelulvfidkcyieltrumtgrskbgropthuseatcziplbeitgbeDefrnlnlfrdeesgbitbeplisczatseuptrobgskgrmtrultiecydkfilvluee 0.01 0.03 0.04 0.05图。1、左四个面板：2016年27个欧盟国家和俄罗斯之间交换的石油产品（代码p=33）的简化谷歌矩阵GR（左上）及其矩阵组件Gpr（右上）、Grr（左下）和Gqrnd（右下）。右侧四个面板：与左侧相同，但用于简化的Google matrix G*按与左侧相同的顺序排列其三个矩阵组件。在这里，欧盟国家和俄罗斯按照表1的PageRank列进行排序。G的总尺寸为N=13847）。在此GRMatrix中，我们拥有27个欧盟国家的所有产品与俄罗斯石油的所有直接和间接联系。

在这个GRMatrix中，我们可以使用从RU石油到其他节点的链接的乘数（1+δ）来改变石油价格，并将该列中所有矩阵元素重新规范化为统一。然后，我们获得了所有27+1个国家的概率PPC。对于CheiRankGRmatrix，也会执行相同的步骤来获取P*Pc，然后是国家（包括其所有产品）对俄罗斯石油公司的余额敏感性Dbc/dδ。同样的程序用于获得对俄罗斯天然气（或美国或其他国家天然气）的敏感性。考虑到WTN中存在的所有直接和间接链接，以这种方式计算的灵敏度为我们提供了国家平衡的真实灵敏度。3结果在此，我们给出了使用简化谷歌矩阵算法获得的欧盟贸易结果。3.1简化谷歌矩阵示例GRand G*RIn图1显示了简化的Google矩阵GRand G*Rand 2016年欧盟与俄罗斯石油贸易的3个矩阵组件。所选节点的矩阵大小为nr=27+1=28，其他网络节点的直接和间接链路贡献为Ns=N- Nr=13847- 28=13819被REGOMAX算法考虑在内。节点按表1所示国家的PageRankindex排序。我们通过其所有元素之和除以矩阵大小Nr（wqrnd表示Gqrnd），来表征其3个矩阵分量Gpr、Grr、gqrof的权重WR、Wpr、Wrr、Wqrof GRand。根据定义，WR=1。通常，维基百科网络的权重是Wpr≈ 0.95（参见例[13,14]）非常接近统一，因为GPRI大致由PageRankvector的相同列组成，而剩余重量约为0.05，大致平均分布在Wrrand Wqr之间。我们发现，WTN的情况有所不同。

我们有Wpr=0.651568、Wrr=0.30849、Wqr=0.039942和Wqrnd=0.036512，因此WPRI的重量显著减少，WRRI的重量显著大于Wqr的重量。我们将此归因于WTN的全局S矩阵包含多个链接（对于振幅大于~ 10-4） 与非常稀疏的维基百科矩阵形成对比。因此，对于WTN来说，直接链接的重要性要高得多。forg*对其3个矩阵分量进行Rand，我们得到以下权重W*pr=0.6051，W*rr=0.34379，W*qr=0.05111和W*qrnd=0.047，与GR情况类似。在图1（左4个面板）中，我们显示了27个欧盟国家与俄罗斯的石油产品（代码p=33）贸易的GRmatrix及其3矩阵组件。对于GRand Grrhedominant，矩阵元素对应于从爱尔兰共和国（IE）到英国（GB）的贸易流量。事实上，由于英国和爱尔兰都在爱尔兰岛拥有领土，两国之间的贸易流量非常高。其次是从丹麦（DK）到瑞典（SE）的贸易流量，两者均为大Grr。在间接联系中，我们发现从葡萄牙（PT）到西班牙（ES）以及从罗马尼亚（RO）到保加利亚（BG）的流量最大6 C。

Coquid'e等人：《石油和天然气贸易对欧盟经济的影响》Filulvmteecydkattliesczrugrrosiplskbgptdehuesgbitfrbenlnlbefritgbeshudeptbgskplsirogruczeielttdkcyemtlvlufi 0.1 0.2 0.3 0.4 0.5 Filulvmteedkattliescrrougrosiplskbgptdehuesgbitfrbenlnlbefritgbeshudeptbgskplsirogruczeielttcyemtlvlufi 0.05 0.1 0.150.2fillvmteecydkattlieczrugrrosiplskbgptdehuesgbitfrbenlnlbefritgbeshudeptbgsklsirogruczseielttcyemtlvlufi 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 fillvmteecyrosiplskbgptdehuesgbitferlnlbefritgbeshudeptbgsklsirogruczseelttlvlufi 0.02 0.04 0.08 0.1 0.120.14fillvmteedkattlesEczrugrrosiplskbpgptdehuesgbitfrbenlnlbefritgbeshudeptbgsklsirogruczseielttcyemtlvlufi 0.1 0.2 0.3 0.4 0.5fillvmteedkattlesEczrugrrosiplskbpdtehuesgbitfrbenlnlbefritgbeshudeptbgsklsirogruczseelttcyemtlvlufi 0.02 0.04 0.06 0.08 0.1fillvmteedkattlesEczrugrrosiplskbptdeh UESGBITFRBENLNLBEFRITGBESHUDEPTBGSKPLSIROGRUCZSEIELTATDKCYEEMTLVLUFI 0 0.05 0.10.15 0.2 0.25 0.3 0.35 0.4 0.45fillvmteecydkattliesczrugrrosiplskbpgptdehuesgbitfrbenlnlbefritgbeshudeptbgskplsirogruczseielttdkcyemtlvlufi 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09图。2、左四个面板：2016年27个欧盟国家和俄罗斯之间交换的天然气产品（代码p=34）的简化谷歌矩阵GR（左上）及其矩阵组件Gpr（右上）、Grr（左下）和Gqrnd（右下）。右侧四个面板：与左侧相同，但用于简化的谷歌矩阵G*按与左侧相同的顺序排列其三个矩阵分量。在这里，欧盟国家和俄罗斯按照表2的PageRank列进行排序。塞浦路斯（CY）到意大利（IT）。然而，这些跃迁的幅度相对较小。在矩阵成分GPR中，主要的转变指向排名靠前的国家NL、FR、DE、ES、GB、IT。

在所有基质组分中，钌中石油的贡献并不显著。我们在图中看到了美国和南非石油贸易的类似特征。附录A1和A2。这些结果表明，石油贸易的贡献被欧盟国家与其他产品之间的活跃贸易所掩盖。简化的谷歌矩阵G*Rand及其3个矩阵组件如图1所示（右4个面板）。在这里，我们要记住的是，为了计算切兰克概率，流动方向已被转换。因此，为了从俄罗斯获得最高的石油出口量，我们必须关注RU水平线上最大的矩阵元素。与GR情况相反，RU石油出口明显主导G*Rmatrix及其3个矩阵组件；这主要是因为俄罗斯是石油的最大出口国（见CheiRank和ExportRankin表1）。来自G*Rwe观察到，最强的石油流从RU point（重要性降低）流向拉脱维亚（LV）、立陶宛（LT）、芬兰（FI）、BG、波兰（PL）、爱沙尼亚（EE）。。。这些都是托鲁周边的国家。我们还注意到，从荷兰到比利时（BE）以及从比利时到卢森堡（LU）的石油流量不容忽视。图2显示了简化的Google矩阵GRand G*Rfor欧盟与俄罗斯的天然气贸易。大G的重量*Rmatrix组件WR=1，Wpr=0.634069，Wrr=0.308960，Wqr=0.056971（Wqrnd=0.051085）和W*R=1，W*pr=0.611761，W*rr=0.322066，W*qr=0.066173（W*qrnd=0.058111），与欧盟与俄罗斯的石油贸易类似。在图2（左4个面板）中，GR矩阵给出了最强的气体进口流，通过降低重要性，从CY到IT，即从GB到DK到SE，从BE到FR，从LT到PL，从ES到PT。。。GPrmatrix组件显示，欧盟天然气的主要进口国为NL。

事实上，流向NL的进口流量至少比流向其他欧盟国家的进口流量重要一个数量级，尤其是FR，尽管如此，根据ImportRank的数据，FR仍是顶级进口国（见表2）。对于欧盟国家和俄罗斯之间的天然气贸易，我们注意到GQR中的最大矩阵元素与其他矩阵组件的最大矩阵元素具有相同的量级。特别是，从Gqr可以清楚地看到从LU和PL向匈牙利（HU）隐藏的间接进口流。在图2中（右4个面板），来自G*R、 最强的天然气出口流量主要来自RU（重要性降低）拉脱维亚（LV）、EE、FI、BG、RO。。。除俄罗斯天然气出口外，第二和第三大天然气出口流实际上是从GB到IE和从BE到LU。来自G*prwe发现天然气出口来自荷兰，根据CheiRank的数据，荷兰是欧盟最大的天然气出口国（见表2），尽管比俄罗斯的天然气出口量小，但数量级相同。在欧盟国家和俄罗斯之间，荷兰和俄罗斯争夺最佳天然气供应商。虽然G的重量*QRI弱于其他基质成分的重量，隐藏的间接气体输出流可以在G中看到*qrfrom、SE和RU，至DE.3.2石油和天然气欧盟贸易网络结构*r如图1所示，我们能够提取欧盟国家与俄罗斯之间石油贸易的网络结构。图3左面板显示c。Coquid\'e等人：石油和天然气贸易对欧盟经济体的影响7图。3、2016年欧盟国家与俄罗斯之间的石油进口网络和石油出口网络。欧盟和俄罗斯石油简化网络由GRfor import（左面板）和G*Rfor导出（右面板）。网络构建规则如下：对于每个c国，我们根据GR（G）确定c国（出口国）的4个最佳石油进口国*R） 。

定向链接说明了石油流。欧盟和俄罗斯之间的石油进口贸易网络。按名义GDP计算的欧盟前六大经济体（即2016年的DE、GB、FR、IT、ES、NL[29]）是主要的石油进口国，NL和FR更为重要。因此，这些经济体的表现与其有效进口石油的能力相关。RU petroleumare DE、FR、NL和IT的四个主要直接和/或间接欧盟大门。我们注意到（几乎）邻国之间的闭环石油交换，例如DEAT、CZ-SK、DE-PL、AT-HU、AT-SK、PT-ES、ES-IT、SEFI。图3右面板显示了欧盟和俄罗斯之间的石油出口贸易网络。我们清楚地发现，RU是欧盟的第一个石油供应商，NL是欧盟最大的石油出口国（见表1中的Cheirank和ExportRank）。从图3所示的两个石油贸易网络中，我们观察到荷兰是欧洲石油交易所的主要枢纽。二级石油输出国是GR、IT、BE、GB、SE和DE。我们还构建了简化的Google矩阵GRand G*Rassociated负责欧盟国家和沙特阿拉伯（SA）之间的石油进出口。图4显示了欧盟国家与南非之间的石油贸易网络。欧盟+南非石油进口贸易网络（图4左面板）与欧盟+俄罗斯石油进口贸易网络类似（见图3左面板）。这说明了欧盟内部市场在石油进口方面的稳健性。SA石油在欧盟的主要入口是FR、IT、ES和NL。图4右面板显示，除了南非以外，主要的欧盟石油出口国是荷兰、比利时、德国、意大利、希腊。如图所示，这两个欧盟+南非石油贸易网络都有。4我们观察到一种不同于欧盟+欧盟的情况（图3），因为不仅NL，而且DE、IT、GB都构成了石油交易所的枢纽。

虽然南非是全球最大的石油出口国，但俄罗斯是欧盟的主要供应商，这就是为什么与南非的贸易网络也允许建立二级石油交易所枢纽的原因。3.3欧盟对上述石油价格的敏感性我们考虑了谷歌matricesGRand G*R仅与27个欧盟国家和俄罗斯（或南非、美国）的石油组织建立相关网络。然而，这种方法并不能反映石油或天然气贸易对特定欧盟国家所有产品贸易平衡的全球影响。因此，考虑到GRand G的矩阵sizeNr=1648，我们扩展了我们的Regomax分析*R（见第2.4节）。作为主要特征，我们分析了国家全球贸易平衡对石油价格小幅上涨（从单价1到价格1+δ）的敏感性，以衍生dBc/dδ表示。如第2.4节所述，我们通过CheiRank P表示国家c余额bc*cand PageRank Pc概率，也可通过ExportRank^P*cand ImportRank^pC概率。8 C.Coquide\'e等人：石油和天然气贸易对欧盟经济的影响图。4、2016年欧盟国家与沙特阿拉伯之间的石油进口网络和石油出口网络。欧洲和阿拉伯石油简化网络由GRfor import（左面板）和G*Rfor导出（右面板）。网络建设规则如下：对于每个c国，我们根据GR（G）确定c国（出口国）的4个最佳石油进口国*R） 。定向链接说明了石油流。在图5中，我们展示了2016年欧盟政治地图上dBc/dδ对与俄罗斯、美国和南非的石油贸易的敏感性，如彩色所示。图5左上面板显示了对俄罗斯石油的敏感性。

我们看到，对NL产生的负面影响最大，因为NL的强大海上关系带来了大量的石油吨，然后重新分配给其他欧盟国家，所以NL处于最高排名（见表1）。其次最敏感的欧盟国家是意大利（IT）、希腊（GR）、保加利亚（BG）、波兰（PL）、立陶宛（LT）和拉脱维亚（LV）。我们注意到，这里通过CheiRank和PageRank概率确定了灵敏度dBc/dδ，并考虑了WTN链路的多重性。如果敏感性d^Bc/dδ由ExportRank和ImportRank概率定义，则结果会非常不同（见图5右上面板），这通常用于经济中的贸易分析。该原油进出口分析对拉脱维亚（LV）的负敏感性最强。其次是立陶宛（LT），作为LV与前苏联加盟共和国的俄罗斯保持着密切的贸易关系。此外，进出口分析显示，欧盟西部国家对俄罗斯石油几乎不敏感。REGOMAX分析和simplestandard进出口分析之间的巨大全球差异在于，前者考虑了两国之间直接或间接贸易的多边级联，而后者只考虑了两国之间的直接双边贸易。我们认为，与通常的进出口考虑相比，REGOMAX算法在石油价格敏感性方面提供了更加详细和现实的信息。我们将REGOMAX分析的这一优势归因于其深刻的数学特性，该特性允许考虑WTN选定节点之间的所有直接和隐藏链接。由于以下原因，我们主要关注通过REGOMAX分析获得的结果。图5的底部面板显示了欧盟对南非和美国石油价格的敏感性。