区域性自由贸易协定对双边贸易流量影响的量化研究——基于机器学习方法的分析

作者：靳开元

来源：江苏商论, 2022, (04): 50-70.

DOI：10.13395/j.cnki.issn.1009-0061.2022.04.003

• 区域性自由贸易协定
• 双边贸易流量
• FTA深度
• 机器学习
• XGBOOST

区域性贸易深度一体化是当前世界经济贸易发展的主要趋势，区域性自由贸易协定（FTA）的签订与重订是这一趋势的重要表现形式。为量化区域贸易协定对双边贸易流量的影响，区别于普遍用于外贸领域的引力模型，本文分别采用机器学习领域中的树模型XGBOOST与线性模型Ridge，选择FTA深度指标作为衡量FTA异质性的核心变量，添加协议签订国GDP等变量，对于协议生效3年内的双边贸易流量建立预测模型，探究机器学习模型在外贸领域的可用性。实证结果显示，XGBOOST模型在双边贸易流量的预测上取得了较好结果。贸易国间的双边贸易流量越大，预测结果越精准，对双边贸易流量在十亿美元以上、协议生效第一年的贸易，预测的平均绝对百分比误差约为0.077。因此，本文得到结论，机器学习模型在外贸领域中有较强的可用性，而且树模型的效果较优。

• 单位
  南京财经大学