全球贸易网络的多层分析
Multilayer Analysis of the Global Trade Network
浏览论文内容
中文总结 AI 辅助
本研究利用BACI数据构建1995-2024年时间多层全球贸易网络，提出基于随机游走的相似性度量，揭示网络短期稳定长期渐变、产品社区与官方分类部分不符及经济体结构影响力非由贸易量单独决定等隐藏模式。
中文摘要 AI 辅助
全球贸易不仅仅是一个由总体流量构成的单一网络。在经济体之间可观察到的产品交换之下，隐藏着一个复杂的多层结构，该结构由数千种产品特定的贸易关系组成，这些关系在相似性、相互依赖性和时间演化方面各不相同。利用记录经济体之间双边产品级贸易流量的CEPII的BACI数据库，我们将1995年至2024年的全球贸易网络表示为时间多层网络，其中经济体为节点，有向加权贸易流量为边。为了研究产品层面的组织与跨层相似性、时间结构变化以及单个经济体的结构角色，我们引入了一种基于随机游走的相似性度量，该度量提供了一个统一的框架来比较加权和有向的贸易层。我们的结果表明，全球贸易网络在短期内保持相对稳定，但在较长时间尺度上经历渐进的结构变化。我们还发现，基于相似性的产品社区仅与官方产品分类部分一致，这表明被分配到同一官方类别的产品不一定表现出相似的贸易网络结构。最后，我们表明，一个经济体的结构影响力并不总是由其贸易量决定。这些结果凸显了多层网络分析在揭示全球贸易中在总体层面隐藏的模式方面的价值。
英文摘要
Global trade is more than a single network of aggregate flows. Beneath the observable exchange of products among economies lies a complex multilayer structure, formed by thousands of product-specific trade relationships that differ in their similarity, interdependence, and temporal evolution. Using the CEPII's BACI database, which records bilateral product-level trade flows between economies, we represent the global trade network from 1995 to 2024 as a temporal multilayer network, with economies as nodes and directed weighted trade flows as edges. To investigate product-level organisation and cross-layer similarity, temporal structural change, and the structural role of individual economies, we introduce a random-walk-based similarity measure that provides a unified framework for comparing weighted and directed trade layers. Our results show that the global trade network remains relatively stable over short periods but undergoes gradual structural change over longer timescales. We also find that similarity-based product communities only partially align with the official product taxonomy, indicating that products assigned to the same official category do not necessarily exhibit similar trade-network structures. Finally, we show that an economy's structural influence is not always determined by its trade volume. These results highlight the value of multilayer network analysis for revealing patterns in global trade that remain hidden at the aggregate level.
发表机构
- Queen Mary University of London（伦敦大学皇家玛丽学院）
- Università di Siena（锡耶纳大学）
- Sorbonne Université, Paris Brain Institute (ICM), CNRS UMR7225, INRIA Paris, INSERM U1127, Hôpital de la Pitié-Salpêtrière, AP-HP（索邦大学，巴黎脑研究所（ICM），CNRS UMR7225，INRIA巴黎，INSERM U1127，皮蒂埃-萨尔佩特里埃尔医院，AP-HP）
- Dipartimento di Fisica ed Astronomia, Università di Catania, and INFN Catania（卡塔尼亚大学物理与天文系及INFN卡塔尼亚分部）
- Complexity Science Hub Vienna（维也纳复杂性科学中心）
机构由 AI 辅助整理，请以论文原文为准。
