国际作物贸易网络：冲击和级联的影响

相似文件 换一批

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：
《International crop trade networks: The impact of shocks and cascades》
---
作者：
Rebekka Burkholz, Frank Schweitzer
---
最新提交年份：
2019
---
英文摘要：
  Analyzing available FAO data from 176 countries over 21 years, we observe an increase of complexity in the international trade of maize, rice, soy, and wheat. A larger number of countries play a role as producers or intermediaries, either for trade or food processing. In consequence, we find that the trade networks become more prone to failure cascades caused by exogenous shocks. In our model, countries compensate for demand deficits by imposing export restrictions. To capture these, we construct higher-order trade dependency networks for the different crops and years. These networks reveal hidden dependencies between countries and allow to discuss policy implications.
---
中文摘要：
通过分析粮农组织21年来176个国家的可用数据，我们发现玉米、大米、大豆和小麦的国际贸易越来越复杂。更多的国家在贸易或食品加工方面发挥着生产者或中间商的作用。因此，我们发现，贸易网络更容易出现由外部冲击引起的失败级联。在我们的模型中，各国通过实施出口限制来弥补需求赤字。为了捕捉这些，我们为不同的作物和年份构建了高阶贸易依赖网络。这些网络揭示了国家之间隐藏的依赖关系，并允许讨论政策影响。
---
分类信息：

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。
--
一级分类：Physics        物理学
二级分类：Adaptation and Self-Organizing Systems        自适应和自组织系统
分类描述：Adaptation, self-organizing systems, statistical physics, fluctuating systems, stochastic processes, interacting particle systems, machine learning
自适应，自组织系统，统计物理，波动系统，随机过程，相互作用粒子系统，机器学习
--
一级分类：Quantitative Finance        数量金融学
二级分类：Trading and Market Microstructure        交易与市场微观结构
分类描述：Market microstructure, liquidity, exchange and auction design, automated trading, agent-based modeling and market-making
市场微观结构，流动性，交易和拍卖设计，自动化交易，基于代理的建模和做市
--

---
PDF下载：
--> International_crop_trade_networks:_The_impact_of_shocks_and_cascades.pdf (2.79 MB)

2022-6-15 21:01:05 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：Quantitative Implications Restrictions QUANTITATIV Internation

R、 Burkholz，F.Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）《国际作物贸易网络：冲击和级联的影响》（International crop trade networks:The Impact of shocks and cascades）斯雷贝卡·伯克霍尔茨（Frank SchweitzerChair of Systems Design），苏黎世ETH，Weinbergstrasse 58，8092苏黎世，瑞士分析了21年来176个国家的粮农组织可用数据，我们观察到玉米、大米、大豆和小麦的国际贸易日益复杂。更多的国家在贸易或食品加工方面扮演着生产者或中间商的角色。无足轻重的是，我们发现贸易网络更容易因外部冲击而出现故障级联。在我们的模型中，各国通过实施出口限制来补偿需求不足。为了捕捉这些，我们构建了不同作物和年份的高阶贸易依赖网络。这些网络揭示了国家之间隐藏的依赖关系，并允许讨论政策含义。关键词：食品贸易、级联、玉米、大米、大豆、小麦、网络1简介食品生产和贸易几乎涉及世界所有国家，这样就形成了一个全球依赖网络。本文对该网络进行了重构和分析。它反映了国家之间的直接进出口关系，并进一步作为评估一国粮食生产冲击如何间接影响其他国家的基础。我们专注于主食的国际贸易网络，特别是玉米、大米、大豆和小麦，作为人类消费热量的最重要来源。在过去二十年中，它们的国际贸易量大幅增加，原因有几个，特别是世界人口不断增长，肉类和饲料消费与经济增长相关，或者对生物燃料的需求不断增加。

由于全球化，各国可以专门生产他们拥有适当资源的食品。但更多的国家也可以从食品贸易和通过额外加工增加食品价值中受益。因此，如果这种主食的生产或贸易受到阻碍，例如由于自然灾害或政治冲突，就会有更多的国家受到直接或间接的影响。我们的目标是（i）利用22年来176个国家的数据揭示这些直接和间接依赖关系，以及（ii）模拟不同冲击情景对国际粮食贸易的影响。这是一项具有挑战性的任务，因为国家的作用不能轻易地减少到生产者、进口商和出口商。一些国家生产特定作物主要用于出口（例如巴西生产大豆），而其他国家显然依赖其主食的进口（例如1/27R.Burkholz，F.Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）沙特阿拉伯进口了大量大米和小麦）。但许多国家都是重要的中间商，要么因为它们是贸易商（如荷兰），要么因为它们从这些主食中生产中间产品或最终产品（如意大利）。因此，即使是生产特定主食的国家也可以作为进口商出现，而不生产特定主食的国家也可以作为出口商出现。这种情况与全球化食品贸易的利弊密切相关。一方面，涉及更多国家可以实现专业化和更复杂的价值链。此外，全球市场促进了风险分散[1]，以更好地缓解供应冲击，例如收获损失。另一方面，通过这些全球市场，各国更容易受到冲击。

此类冲击可能包括，例如，由于天气异常、干旱或害虫造成的生产损失。其他不利因素包括全球交通运输给社会和气候带来的更大成本。此外，更多的转运点会增加食物损失，并促进害虫的传播[16]。虽然由此导致的全球粮食系统的脆弱性已经得到承认[17]，但国际贸易网络中冲击的传播尚未完全了解，其间接后果也没有量化。这就是为什么在本文的第二部分中，我们对一个国家不同规模的冲击如何影响玉米、大米、大豆、，或者世界其他地方的小麦。具体而言，特定国家的冲击会减少其特定作物的产量或供应。如果这导致需求未得到满足，该国可以通过实施出口限制来减少这种贸易流量。这种限制可能会促使受影响的国家也这样做，从而引发一连串的出口限制。这种级联效应被称为乘数效应，也可以从经验上观察到，并被发现影响食品价格[9，10]。级联的相关性已经讨论过了【9，17】。然而，据我们所知，它们尚未在分析国际粮食贸易弹性的压力测试中得到实施【17–19】，只有一个例外：【15】考虑了一个聚合的粮食贸易网络和更复杂的动力学，假设级联过程实际上模拟了网络形成的时间演化。然而，这与只有一年以上国家间总贸易信息的情况相反。相反，我们限制自己揭示间接贸易流。在我们的模型中，我们假设全球食品贸易的规则不会随着时间的推移而改变，以关注国家间有效的贸易流量依赖性以及由此产生的出口限制级联。

最近开发了一个类似的模型[6]，以研究全球海洋食品贸易在与受冲击国家的海鲜出口成比例的冲击方面的脆弱性。与该模型不同，我们关注玉米、大米、大豆和小麦的贸易，并考虑取决于各国生产和需求的冲击情景。这承认了可能发生的大多数冲击的性质，并允许研究一个国家在本地冲击下的风险敞口，与从遥远国家开始的级联相比。2/27R。Burkholz，F.Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）我们的模型是数据驱动的，即使用可用数据（i）重建国际粮食贸易网络，然后用于（ii）评估不同冲击情景对真实网络的全球影响（每种作物和每年都不同）。在我们的案例中，出口限制的结果并没有被年度数据所捕获，因此难以评估。在这里，我们的模型发挥了作用，因为它提供了对未观察到的直接影响的见解。我们记得，某一作物的主要生产者的冲击不仅会影响本国人口或其他国家人口的粮食供应，还会影响中间国家的贸易和粮食加工。为了捕捉这种影响，我们提出了一种新的方法，即构建高阶贸易依赖网络。虽然一阶网络只反映了冲击对直接出口伙伴的影响，但高阶网络考虑了出口限制级联产生的所有间接影响。我们对高阶贸易依赖网络的可视化可以与其他有关国际食品贸易的研究进行比较。

例如，[17]讨论了1992-2009年的国际大米和小麦贸易网络，并分析了它们对出口限制的脆弱性（不考虑级联效应）。此外，[19]的作者确定了2000年至2009年玉米国际贸易的主要参与者和贸易结构，而[2]的重点是集群。此外，还分析了不同食品类型的热量和货币贸易流量[14]，并开发了一个动态流量模型来衡量各国对食品污染的脆弱性[3]。2数据分析和网络构建2.1关于国家层面的可用数据进口到一个国家的食品可以由人口消费，也可以直接或在增值后再出口，例如面包是用面粉生产的。联合国粮食及农业组织【5】在一年决议中提供的可用数据仅给出了不同国家的粮食生产、进出口总额。在我们的分析中，我们考虑了N=176个国家在1992-2013年22年期间的数据。这一时期尤其令人感兴趣，因为在苏联解体后，从1992年起，地理领土一直相当稳定，持续的全球化也塑造了国际粮食贸易。我们考虑四种不同的作物，玉米、水稻、小麦和大豆，因为它们是主要的国际贸易作物，并用指数c表示∈ M、 R、S、W。N（c）（y）是在y年从事作物c贸易或生产的国家的数量。图1中绘制了该数字随时间变化的曲线，并且所有作物的增长趋势都是逐年增加的。然而，自2001/2002年以来，玉米、水稻和小麦的氮（c）（y）似乎停滞不前。3月27日。Burkholz，F。

Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）图1：从事主食贸易或生产的国家数量∈ M、 一年中的R，S，W。M：玉米，R：大米，S：大豆，W：小麦。（a） USACHNBRAMEXFRAUSACHNJPNKORTWNZAFESPUSACHNFRAARGCAN0.250.500.750.00/1.00（b）Usachnbraargusachnjpnkormexepgybrausaargukrfra0.250.500.750.00/1.00图2：玉米产量（M）i（y）（外圈）、进口（M）i（y）（第二外圈）、出口（M）i（y）（第二内圈）和需求dem（M）i（y）（内圈）在y=1992年（左）和y=2013年（右）的各个国家的分数。每个图应被视为四个独立饼图的叠加。这样可以直接比较各个数量。根据图4所示的世界地图，不同的颜色表示国家。缩写遵循表1中给出的名称约定。大米、大豆和小麦的相应数字如图11、12、13所示（附录）。4月27日。Burkholz，F.Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）我们的数据集包含关于i=1、…、国家的年产量（c）i（y）的信息。。。，N对于给定的作物c，其出口量exp（c）i（y），进口量imp（c）i（y），以吨为单位。根据这一点，我们已经可以计算出一个国家在一个特定年份对特定作物的需求：dem（c）i（y）=prod（c）i（y）+imp（c）i（y）- exp（c）i（y）（1）如图2所示，这些数字随着时间的推移而变化，并且在各国之间差异很大。例如，2013年，只有五大生产商的总产量约占全球大豆产量的89%，水稻产量的79%，玉米产量的71%，小麦产量的52%。有趣的是，如图2所示，大多数国家同时是同一作物的生产者、进口商和出口商。

这已经表明了全球粮食贸易的复杂性，因为一个国家的生产冲击几乎涉及所有其他国家的进出口。（a） （b）图3：（a）全球出口Exp（c）（y），以吨为单位。（b） 随着时间的推移，全球出口占总产量的一小部分，即Exp（c）（y）/Prod（c）（y）。最终，我们可以得到全球出口量Exp（c）（y）和全球产量Prod（c）（y），因为：Exp（c）（y）=N（c）（y）Xi=1exp（c）i（y）；Prod（c）（y）=N（c）（y）Xi=1prod（c）i（y）（2）Exp（c）（y）如图3（a）所示。虽然各自的产量稳步增长，但更有趣的是，将其与同年给定作物的全球年产量Prod（c）（y）进行比较。图3（b）显示，总出口量与全球产量持平，或增长更快。这一事实应与图1中的观察结果相对照，图1中的观察结果表明，在5/27R年之后，参与玉米和大米生产或贸易的国家数量几乎保持不变。Burkholz，F.Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）2000年。特别是大豆在很大程度上进行国际贸易，尽管参与贸易或生产的国家最少。因此，大豆贸易的特点是贸易量非常大。2.2构建贸易网络在下文中，我们根据可用数据构建了不同作物和不同年份的贸易网络。每个国家由网络G（c）（y）中的一个节点i表示=V（c）（y）、W（c）（y）. 所有节点的集合由V（c）（y）表示，其中包含N（c）（y）个元素。总的来说，我们认为N=176个国家。然而，并非所有人每年都从事贸易或收获农作物。所以，通常N（c）（y）<176。作物c从i国到j国的出口由定向和加权链接w（c）ij（y）表示≥ 所有加权链接集由W（c）（y）表示。

根据权重w（c）ij（y），我们可以将给定国家i的总进出口表示为：exp（c）i（y）=NXj=1w（c）ij（y）；imp（c）i（y）=NXj=1w（c）ji（y）（3）它们的差异（c） i（y）=exp（c）i（y）- 图4中使用imp（c）i（y）表示净进口商和净出口商。贸易网络G（c）（2013）=V（c）（2013），W（c）（2013）对于四种不同的作物，如图4所示。我们观察到，大豆贸易网络的链接数量最低。然而，单一贸易量相对较大，与其他三种作物相比，总产量的最高部分是国际贸易（约34%）。相比之下，ricetrade网络的链接数量最多，而其总贸易量仅占水稻总产量的约4%，这是观察到的最小部分。我们还研究了1992年至2013年间，玉米、大米、大豆和小麦的全球贸易网络是如何演变的。经验网络图如附录中的图15161718所示。2.3网络属性的变化国家间的贸易关系随着时间的推移而发展，如下所示。图5（a）描述了链路密度ρ（c）（y）=L（c）（y）的变化/N（c）（y）N（c）（y）- 1., 其中，l（c）（y）表示y年网络中所有交易链接的数量。标准化是关于N（N）的完全连接网络- 1） 定向链接。如图所示，ρ（c）（y）清晰地为6/27R。Burkholz，F。

Schweitzer：《国际作物贸易：冲击和级联的影响》（提交出版日期：2019年1月17日）●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●USAARGBRAPRYFRAIRLITANLDGBRGRHUNROURUSKRJPNKORTWNINDEGYZAF●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●Usacanargfradeuitaespbgrhunlourusukorindsaudzamartunaus●●●●●●●●●●●●●●●●●●●●●USACANARGBRAGYURYFINGRCITANORESPWECHEALBINDPAKHMTHAEGYAUS●●●●●●●●●●●●●●●●●●●●●●●●●●●●USACANARGBOLBRAPRYIRYITAPRTESPUKRCHNJPNKORTNINDIDNMYSTHAEGY）（M）（R）（S）（W）图4:2013年玉米（M）、大米（R）、大豆（S）和小麦（W）的国际贸易网络。每个节点都根据世界地图上色。链接（i，j）的颜色对应于出口国i，链接权重与出口量的对数变换成比例：log（1+wij）。权重较大的链接绘制在较小链接的顶部。方形节点形状表示各自的国家是净进口国，而圆形表示净出口国。节点大小与其净导入或净导出的日志转换成比例。最大的20个节点分配了ISO-3国家代码（见表1）。网络图中省略了孤立节点（即无连接）。随着时间的推移而增长，但增长率并不总是与全球出口增长率相同。3、考虑到链接的权重，我们还可以计算出平均链接权重，w（c）（y）=（1/N（c）（y））PN（c）（y）i<jw（c）ij（y）=exp（c）（y）, 这等于每个国家的平均总出口量。图5（b）显示，事实上，玉米和小麦贸易的平均总出口量减少，大豆贸易的平均总出口量增加，而大米贸易没有明显的趋势。然而，平均出口量并不是描述这种趋势的合适指标，因为权重分布很明显。如图所示。