Modelling Global Trade with Optimal Transport

要約

世界貿易は、輸送コストや関税などの具体的な変数だけでなく、政治的および経済的関係などの定量化できない影響を含む、需要と供給を超えた要因の複雑な組み合わせによって形成されます。
従来、経済学者は重力モデルを使用して貿易をモデル化しており、明示的な共変量に依存していますが、貿易のこれらの微妙な要因を捉えるのに苦労することがよくあります。
この研究では、最適なトランスポートとディープ ニューラル ネットワークを使用して、特定の関数形式を課すことなく、データから時間依存のコスト関数を学習します。
このアプローチは、精度において従来の重力モデルを常に上回り、自然な不確実性の定量化を実現します。
私たちの枠組みを世界の食料と農産物貿易に適用すると、ウクライナ戦争が小麦市場に与えた影響により、グローバル・サウスが不当に大きな被害を受けていることがわかります。
また、自由貿易協定や中国との貿易紛争の影響、英国の欧州貿易に対するBrexitの影響も分析し、貿易量だけでは明らかにできない隠れたパターンを明らかにします。

要約(オリジナル)

Global trade is shaped by a complex mix of factors beyond supply and demand, including tangible variables like transport costs and tariffs, as well as less quantifiable influences such as political and economic relations. Traditionally, economists model trade using gravity models, which rely on explicit covariates but often struggle to capture these subtler drivers of trade. In this work, we employ optimal transport and a deep neural network to learn a time-dependent cost function from data, without imposing a specific functional form. This approach consistently outperforms traditional gravity models in accuracy while providing natural uncertainty quantification. Applying our framework to global food and agricultural trade, we show that the global South suffered disproportionately from the war in Ukraine’s impact on wheat markets. We also analyze the effects of free-trade agreements and trade disputes with China, as well as Brexit’s impact on British trade with Europe, uncovering hidden patterns that trade volumes alone cannot reveal.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google