CN115170179B - 贸易政策不确定性指数确定方法、装置、设备及介质 - Google Patents

贸易政策不确定性指数确定方法、装置、设备及介质 Download PDF

Info

Publication number
CN115170179B
CN115170179B CN202210755976.4A CN202210755976A CN115170179B CN 115170179 B CN115170179 B CN 115170179B CN 202210755976 A CN202210755976 A CN 202210755976A CN 115170179 B CN115170179 B CN 115170179B
Authority
CN
China
Prior art keywords
index
data
uncertainty
mfn
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210755976.4A
Other languages
English (en)
Other versions
CN115170179A (zh
Inventor
杨振山
杨航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202210755976.4A priority Critical patent/CN115170179B/zh
Publication of CN115170179A publication Critical patent/CN115170179A/zh
Application granted granted Critical
Publication of CN115170179B publication Critical patent/CN115170179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种贸易政策不确定性指数确定方法、装置、设备及介质，该方法包括：获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据；所述MFN数据存储在预设数据库服务器中；将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数；输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据。本发明实施例的贸易政策不确定性指数确定方法，将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数，确定的效率和精确性较高。

Description

贸易政策不确定性指数确定方法、装置、设备及介质
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种贸易政策不确定性指数确定方法、装置、设备及介质。
背景技术
新一轮全球化背景下，对进口商品征收关税是最为重要的贸易保护措施之一。尽管世界贸易组织和其他区域贸易协定在一定程度上维护了国际贸易市场的稳定性，但以进口关税调整为主要表现形式的贸易政策不确定性仍然无法避免。通过计算和确定各国各类产品的贸易政策不确定性，可以为规避国际贸易中潜在风险提供参考依据，为应对国际贸易摩擦提供科学支撑。
目前一般通过人工的方式进行确定贸易政策不确定性指数，确定贸易政策不确定性指数的效率和精确性都较低。
发明内容
本发明提供一种贸易政策不确定性指数确定方法、装置、设备及介质，用以解决目前确定贸易政策不确定性指数的效率和精确性都较低的问题。
本发明实施例第一方面提供一种贸易政策不确定性指数确定方法，包括：
获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据；所述MFN数据存储在预设数据库服务器中；
将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数；
输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据。
可选的，如上所述的方法，所述预设指数确定模型包括：预设信息熵指数确定算法；
所述将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数，包括：
采用预设指数确定模型将所述MFN数据以目标国序列为行方向，以MFN数据在时间上构成的时序数据为列方向构建指数确定矩阵；
根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数。
可选的，如上所述的方法，所述根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数，包括：
计算所述指数确定矩阵的列向量上各MFN数据在对应时序数据中的出现频率；
采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵；
将所述MFN数据信息熵确定为贸易政策不确定性指数。
可选的，如上所述的方法，所述采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵，包括：
采用所述预设信息熵指数确定算法计算相同列向量上各所述出现频率和对应的出现频率对数之间的乘积；
采用所述预设信息熵指数确定算法计算相同列向量上各所述乘积的和，以生成对应列向量上的MFN数据信息熵。
可选的，如上所述的方法，所述输出所述贸易政策不确定性指数至用户终端设备之前，还包括：
根据所述贸易政策不确定性指数和预设指数阈值范围确定所述贸易政策不确定性指数所属的预设不确定性级别；
所述输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据，包括：
输出所述预设不确定性级别至用户终端设备，以根据所述预设不确定性级别确定所述目标产品的下一不确定性级别。
可选的，如上所述的方法，所述预设指数确定模型还包括：预设差额法指数确定算法；
所述方法，还包括：
获取预设时间段内至少一个目标国对于相同类别产品的约束关税数据和相同类别产品中其他产品的MFN数据；所述相同类别产品包括：目标产品和其他产品；
将所述相同类别产品的约束关税数据和MFN数据输入所述预设差额法指数确定算法，以确定所述相同类别产品对应的贸易政策不确定性指数；
所述输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据，包括：
输出所述目标产品对应的贸易政策不确定性指数以及所述相同类别产品对应的贸易政策不确定性指数至用户终端设备，以根据所述目标产品对应的贸易政策不确定性指数以及所述相同类别产品对应的贸易政策不确定性指数确定所述目标产品的下一MFN数据。
本发明实施例第二方面提供一种贸易政策不确定性指数确定装置，包括：
获取模块，用于获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据；所述MFN数据存储在预设数据库服务器中；
确定模块，用于将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数；
输出模块，用于输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据。
可选的，如上所述的装置，所述预设指数确定模型包括：预设信息熵指数确定算法；
所述确定模块具体用于：
采用预设指数确定模型将所述MFN数据以目标国序列为行方向，以MFN数据在时间上构成的时序数据为列方向构建指数确定矩阵；根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数。
可选的，如上所述的装置，所述确定模块在根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数时，具体用于：
计算所述指数确定矩阵的列向量上各MFN数据在对应时序数据中的出现频率；采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵；将所述MFN数据信息熵确定为贸易政策不确定性指数。
可选的，如上所述的装置，所述确定模块在采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵时，具体用于：
采用所述预设信息熵指数确定算法计算相同列向量上各所述出现频率和对应的出现频率对数之间的乘积；采用所述预设信息熵指数确定算法计算相同列向量上各所述乘积的和，以生成对应列向量上的MFN数据信息熵。
可选的，如上所述的装置，所述确定模块还用于：
根据所述贸易政策不确定性指数和预设指数阈值范围确定所述贸易政策不确定性指数所属的预设不确定性级别；
所述输出模块具体用于：
输出所述预设不确定性级别至用户终端设备，以根据所述预设不确定性级别确定所述目标产品的下一不确定性级别。
可选的，如上所述的装置，所述预设指数确定模型还包括：预设差额法指数确定算法；
所述装置，还包括：
差额计算模块，用于获取预设时间段内至少一个目标国对于相同类别产品的约束关税数据和相同类别产品中其他产品的MFN数据；所述相同类别产品包括：目标产品和其他产品；将所述相同类别产品的约束关税数据和MFN数据输入所述预设差额法指数确定算法，以确定所述相同类别产品对应的贸易政策不确定性指数；
所述输出模块在输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据时，具体用于：
输出所述目标产品对应的贸易政策不确定性指数以及所述相同类别产品对应的贸易政策不确定性指数至用户终端设备，以根据所述目标产品对应的贸易政策不确定性指数以及所述相同类别产品对应的贸易政策不确定性指数确定所述目标产品的下一MFN数据。
本发明实施例第三方面提供一种电子设备，包括：包括：处理器、存储器及收发器；
所述处理器、所述存储器及所述收发器电路互连；
所述存储器存储计算机执行指令；所述收发器用于收发数据；
所述处理器执行所述存储器存储的计算机执行指令，以实现第一方面任一项所述的贸易政策不确定性指数确定方法。
本发明实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的贸易政策不确定性指数确定方法。
本发明实施例第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面任一项所述的贸易政策不确定性指数确定方法。
本发明实施例提供的一种贸易政策不确定性指数确定方法、装置、设备及介质，该方法包括：获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据；所述MFN数据存储在预设数据库服务器中；将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数；输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据。本发明实施例的贸易政策不确定性指数确定方法，通过获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据，同时，将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数，确定的效率和精确性较高。并且，在确定贸易政策不确定性指数后，还可以输出所述贸易政策不确定性指数至用户终端设备，从而根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为可以实现本发明实施例的贸易政策不确定性指数确定方法的场景图；
图2为本发明提供的贸易政策不确定性指数确定方法的流程示意图一；
图3为本发明提供的贸易政策不确定性指数确定方法的流程示意图二；
图4为本发明提供的贸易政策不确定性指数确定装置的结构示意图一；
图5为本发明提供的贸易政策不确定性指数确定装置的结构示意图二；
图6为本发明提供的电子设备的结构示意图。
通过上述附图，已示出本发明明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
为了清楚理解本申请的技术方案，首先对现有技术的方案进行详细介绍。约束关税(英文全称为：Bound Tariff，英文缩写为：BND)是指经过世界贸易组织谈判而确立的成员国可以对进口产品征收的税率上限，最惠国待遇关税(英文全称为：Most-favored-nation Treatment，英文缩写为：MFN)是指签订互惠协议的双方必须在关税方面给予不低于现时或将来给予任何第三国的优惠或豁免待遇。世界贸易组织成员国之间进口货物都适用于最惠国待遇关税，为所有成员国的产品在与其他国家公平竞争时提供了保障。但是，最惠国待遇关税不是一成不变的，具体应用税率可以在不超过约束关税的区间内灵活调整，只要未将MFN提高到BND以上水平，就不会违反关贸总协定，也不会受到世界贸易组织争端解决机制的惩罚。
因此，以进口关税调整为主要表现形式的贸易政策不确定性无法避免，通过计算和确定各国各类产品的贸易政策不确定性，可以为规避国际贸易中潜在风险提供参考依据，为应对国际贸易摩擦提供科学支撑。目前一般通过人工的方式进行确定贸易政策不确定性指数，依赖人工经验，导致确定贸易政策不确定性指数的效率和精确性都较低。
所以针对现有技术中确定贸易政策不确定性指数的效率和精确性都较低的问题，发明人在研究中发现，为了解决该问题，可以通过预设指数确定模型结合预设时间段内的目标国对于目标产品的最惠国待遇关税数据MFN数据确定对应的贸易政策不确定性指数，效率和精确性更高。
具体的，获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据，同时，将MFN数据输入预设指数确定模型，以确定目标国的目标产品对应的贸易政策不确定性指数，确定的效率和精确性较高。并且，在确定贸易政策不确定性指数后，还可以输出贸易政策不确定性指数至用户终端设备，从而根据贸易政策不确定性指数确定目标产品的下一MFN数据。
发明人基于上述的创造性发现，提出了本申请的技术方案。
下面对本发明实施例提供的贸易政策不确定性指数确定方法的应用场景进行介绍。如图1所示，1为第一电子设备，2为第二电子设备，3为用户终端设备。第二电子设备2存储有各个国家对于各种产品的最惠国待遇关税数据MFN数据。用户终端设备3可以为智能终端或其他电子设备，本实施例对此不作限定。
本发明实施例提供的贸易政策不确定性指数确定方法对应的应用场景的网络架构中包括：第一电子设备1、第二电子设备2和用户终端设备3。在进行贸易政策不确定性指数确定时，第一电子设备1从第二电子设备2处，获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据。目标国可以根据实际需求设置具体数量，比如可以设置为100个。同时，第一电子设备1将MFN数据输入预设指数确定模型，以确定目标国的目标产品对应的贸易政策不确定性指数。第一电子设备1输出贸易政策不确定性指数至用户终端设备3，以根据贸易政策不确定性指数确定目标产品的下一MFN数据，使用户可以提前确定下一MFN数据，规避国际贸易中潜在风险。第一电子设备1也可以根据该贸易政策不确定性指数生成分析报告，从而确定贸易政策变化情况，为后续规避国际贸易中潜在风险提供参考依据。第一电子设备1还可以将贸易政策不确定性指数输出至金融系统，由金融系统确定贸易政策相关的数据处理策略。本实施例贸易政策不确定性指数确定方法的应用场景较多，在此不再一一赘述。
下面结合说明书附图对本发明实施例进行介绍。
图2为本发明提供的贸易政策不确定性指数确定方法的流程示意图一，如图2所示，本实施例中，本发明实施例的执行主体为贸易政策不确定性指数确定装置，该贸易政策不确定性指数确定装置可以集成在电子设备中。则本实施例提供的贸易政策不确定性指数确定方法包括以下几个步骤：
步骤S101，获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据。MFN数据存储在预设数据库服务器中。
本实施例中，预设时间段可以根据实际需求进行设置，比如根据MFN数据调整的间隔时间来进行设置。一般情况下MFN数据调整间隔以年为时间单位，因而，预设时间段可以设置为几年。同时，由于需要分析预设时间段内MFN数据，预设时间段为历史时间段。示例性的，可以设置为1998年至2003年。
目标国的数量可以按照实际需求进行设置，比如设置118个国家为目标国。目标产品也可以按照实际需求进行设置，如设置为生铁、粗钢等。
预设数据库服务器可以从联合国贸易与发展会议数据库批量获取MFN数据，并进行存储。
步骤S102，将MFN数据输入预设指数确定模型，以确定目标国的目标产品对应的贸易政策不确定性指数。
本实施例中，贸易政策不确定性指数可以反映贸易政策不确定性，可以体现MFN数据的变化程度和不确定性程度。
预设指数确定模型可以包括：预设差额法指数确定算法、预设信息熵指数确定算法以及矩阵构建模块等，从而对MFN数据进行对应处理。
步骤S103，输出贸易政策不确定性指数至用户终端设备，以根据贸易政策不确定性指数确定目标产品的下一MFN数据。
本实施例中，当贸易政策不确定性指数确定后，可以输出至用户终端设备，以确定目标产品的下一MFN数据，实现对目标产品的MFN数据的预测，为规避国际贸易中潜在风险提供参考依据。根据贸易政策不确定性指数确定目标产品的下一MFN数据的流程可以具体为：根据贸易政策不确定性指数确定对应的贸易政策不确定性指数等级，根据贸易政策不确定性指数等级和当前MFN数据来确定下一MFN数据。
贸易政策不确定性指数等级可以根据实际需求进行设置，比如设置为高中低三个等级，低等级则将低等级对应的变化区间范围结合当前MFN数据来确定下一MFN数据的区间范围，中等级和高等级同理。确定下一MFN数据的区间范围之后可以选取区间范围内的一个数值作为下一MFN数据，也可以将下一MFN数据的区间范围作为下一MFN数据的确定结果。
本发明实施例提供的一种贸易政策不确定性指数确定方法，通过获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据，同时，将MFN数据输入预设指数确定模型，以确定目标国的目标产品对应的贸易政策不确定性指数，确定的效率和精确性较高。并且，在确定贸易政策不确定性指数后，还可以输出贸易政策不确定性指数至用户终端设备，从而根据贸易政策不确定性指数确定目标产品的下一MFN数据。
图3为本发明提供的贸易政策不确定性指数确定方法的流程示意图二，如图3所示，本实施例提供的贸易政策不确定性指数确定方法，本实施例中，本实施例提供的贸易政策不确定性指数确定方法包括以下几个步骤：
步骤S201，获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据。MFN数据存储在预设数据库服务器中。
本实施例中，步骤201的实现方式与本发明上一实施例中的步骤101的实现方式类似，在此不再一一赘述。
步骤S202，采用预设指数确定模型将MFN数据以目标国序列为行方向，以MFN数据在时间上构成的时序数据为列方向构建指数确定矩阵。
本实施例中，假设矩阵为M×N矩阵，则M为行方向的行向量，N为列方向的列向量。则M为目标国序列，假设目标国包括国家A、国家B和国家C，则目标国序列为国家A、国家B、国家C。同理，N为时序数据，假设时序数据包括1998年MFN为A，1999年MFN为B，2000年MFN为C，则时序数据为1998年MFN为A、1999年MFN为B、2000年MFN为C的排列。
通过构建指数确定矩阵可以提高后续计算贸易政策不确定性指数的效率。
需要说明的是，预设指数确定模型包括：预设信息熵指数确定算法。
步骤S203，根据指数确定矩阵和预设信息熵指数确定算法确定贸易政策不确定性指数。
本实施例中，预设信息熵指数确定算法为：
Figure BDA0003722490290000091
其中，TPSi为产品i的贸易政策不确定性指数，j为该产品MFN数据在预设时间段内出现过不同值的次数，pr为在预设时间段内MFN数据为r的时间占所有预设时间段的比值，即该MFN数据r出现的频率，r＝1为指代其中一种数值的MFN数据，其排序为1。TPSi越大，表明MFN数据变动越频繁，概率分布越复杂，贸易政策不确定性程度越高。
可选的，本实施例中，根据指数确定矩阵和预设信息熵指数确定算法确定贸易政策不确定性指数，包括：
计算指数确定矩阵的列向量上各MFN数据在对应时序数据中的出现频率。
采用预设信息熵指数确定算法根据各出现频率确定对应列向量上的MFN数据信息熵。
将MFN数据信息熵确定为贸易政策不确定性指数。
出现频率指在所有时序数据中，相同数值的MFN数据占据时间相比时序数据总时间的比值。示例性的，假设时序数据的总时间为1990年-2004年，MFN数据为A的出现在1990、1995以及1996，则MFN数据为A的出现频率为五分之一。通过指数确定矩阵可以更效率地确定各MFN数据在对应时序数据中的出现频率，同时，确定出现频率可以确定各MFN数据的变化情况，并且也可以为后续确定MFN数据信息熵提供基础。
预设信息熵指数确定算法中，TPSi代表MFN数据信息熵，也代表产品i的贸易政策不确定性指数。
可选的，本实施例中，采用预设信息熵指数确定算法根据各出现频率确定对应列向量上的MFN数据信息熵，包括：
采用预设信息熵指数确定算法计算相同列向量上各出现频率和对应的出现频率对数之间的乘积。
采用预设信息熵指数确定算法计算相同列向量上各乘积的和，以生成对应列向量上的MFN数据信息熵。
通过预设信息熵指数确定算法计算各乘积的和，从而可以确定MFN数据信息熵。当MFN数据在预设时间段内中出现过多个数值，且每个数值出现的概率基本相当时，MFN数据信息熵较高，贸易政策的不确定性较高，即难以确定下一MFN数据会呈现何种数值。本实施例中，通过确定MFN数据信息熵，并将其作为贸易政策不确定性指数可以反映MFN数据的变化频率、变化大小等变化情况，同时，可以更直观地反映在与该国的出口贸易合作中可能面临其关税调整所造成的风险。
同时，生成所有MFN数据信息熵后，可以生成新的M×N矩阵，第m行第n列数据表示某国在某时间对于目标产品的贸易政策不确定性指数。
步骤S204，输出贸易政策不确定性指数至用户终端设备，以根据贸易政策不确定性指数确定目标产品的下一MFN数据。
本实施例中，步骤204的实现方式与本发明上一实施例中的步骤103的实现方式类似，在此不再一一赘述。
可选的，本实施例中，输出贸易政策不确定性指数至用户终端设备之前，还包括：
根据贸易政策不确定性指数和预设指数阈值范围确定贸易政策不确定性指数所属的预设不确定性级别。
输出贸易政策不确定性指数至用户终端设备，以根据贸易政策不确定性指数确定目标产品的下一MFN数据，包括：
输出预设不确定性级别至用户终端设备，以根据预设不确定性级别确定目标产品的下一不确定性级别。
本实施例中，可以预先设置预设指数阈值范围以确定贸易政策不确定性指数所属的预设不确定性级别、示例性的，比如预设指数阈值范围可以设置为小于0.1，0.1至0.2，0.2至0.3等，对应预设级别为轻微、较轻微、中等等。通过设置预设不确定性级别，可以更直观的反映贸易政策不确定性程度，为用户提供更好的参考依据。预设不确定性级别若为轻微，则下一不确定性级别大概率也为轻微，预设不确定性级别若为轻微为中等，则下一不确定性级别中等概率维持中等，小概率变为高，可以将下一不确定性级别以及其对应概率大小作为目标产品的下一不确定性级别的确定结果。
可选的，本实施例中，预设指数确定模型还包括：预设差额法指数确定算法。
本实施例的方法，还包括：
获取预设时间段内至少一个目标国对于相同类别产品的约束关税数据和相同类别产品中其他产品的MFN数据。相同类别产品包括：目标产品和其他产品。
将相同类别产品的约束关税数据和MFN数据输入预设差额法指数确定算法，以确定相同类别产品对应的贸易政策不确定性指数。
输出贸易政策不确定性指数至用户终端设备，以根据贸易政策不确定性指数确定目标产品的下一MFN数据，包括：
输出目标产品对应的贸易政策不确定性指数以及相同类别产品对应的贸易政策不确定性指数至用户终端设备，以根据目标产品对应的贸易政策不确定性指数以及相同类别产品对应的贸易政策不确定性指数确定目标产品的下一MFN数据。
本实施例中，下一MFN数据的确定方式与本发明上一实施例中的步骤103下一MFN数据的确定方式类似，可以对两个贸易政策不确定性指数按照预设比例关系进行加权融合。并在融合后确定其对应的贸易政策不确定性指数等级，以结合贸易政策不确定性指数等级对应的变化区间范围和当前MFN数据来确定下一MFN数据的区间范围，从而确定下一MFN数据。
本实施例中，预设差额法指数确定算法为：
Figure BDA0003722490290000111
其中，TPWi为i类产品贸易政策不确定性指数，n为同一类型下海关商品代码四位数产品的类型数，BNDj为进口产品j的约束关税，MFNj为进口产品j的最惠国待遇关税数据。TPWi越大，表明在不违反世贸组织规定的情况下可调整的进口关税幅度越大，贸易政策不确定性越高。
通过预设差额法指数确定算法确定出的相同类别产品对应的贸易政策不确定性指数可以与目标产品对应的贸易政策不确定性指数进行互补，相同类别产品对应的贸易政策不确定性指数反映同类产品的MFN数据的调整空间，目标产品对应的贸易政策不确定性指数反映目标产品的MFN数据调整频率和下一调整的可能数值。通过融合目标产品对应的贸易政策不确定性指数以及相同类别产品对应的贸易政策不确定性指数，可以更精确的反映贸易政策不确定性，同时，也可以更精确的确定目标产品的下一MFN数据。
为了进一步详细的说明本实施例的贸易政策不确定性指数确定方法，下面将以实际应用结果进行举例说明。本实施例统计了在2008年至2020年全球118个国家进口钢铁(海关商品代码HS72)以及钢铁制品(HS73)协调制度编码四位数产品的MFN，并根据新方法计算了生铁、粗钢、初加工钢铁制品以及深加工钢铁制品的贸易政策不确定性指数TPS。
总体而言，发展中国家的贸易政策不确定性整体最高，最不发达国家次之，发达国家最低，这一测算结果与TPW指数测算结果基本吻合。从空间分布上看，2020年钢铁贸易政策不确定性较高的地区主要分布于拉丁美洲北部、亚洲南部和东部以及非洲等地区，欧洲地区的贸易政策不确定性则非常低。分析认为，发达经济体的贸易政策不确定性整体较低，尤其是钢铁需求几乎全部依赖进口的后工业化国家。新兴经济体以及主要的钢铁生产大国，频繁调整关税以维持本国钢铁企业的利润或调整钢铁行业的生产结构，因此具有更高的贸易政策不确定性，TPS指数较好地反映出了这一客观现象。
同时，进行有效性分析，具体如下：关于TPS指数用以衡量贸易政策不确定性的有效性分析，通过灰色预测模型实现。灰色预测是一种对含有不确定因素的系统进行预测的方法，通过鉴别系统因素之间发展趋势的相异程度，将原始数据生成有较强规律性的数据序列来寻找系统变动的规律，并建立相应的微分方程模型，从而预测事物未来发展趋势的状况。以生铁产品为例，2008至2020年全球共46个国家的生铁TPS指数为0，即这些国家在研究期内的MFN数据未发生变化，针对剩余72个TPS指数大于0的国家构造GM(1，1)灰色预测模型，采用2008-2019年的钢铁贸易政策不确定性TPS指数的时间序列，计算各国2020年TPS指数预测值与真实值的相对误差和级比偏差。
检验结果表明，2020年TPS指数预测值与真实值的相对误差小于20％的国家有69个(占比95.83％)，小于10％的国家有64个(占比88.9％)。级比偏差小于0.2的国家有70个(占比97.2％)，小于0.1的国家有68个(占比94.4％)，GM(1，1)模型对TPS不确定性指数的拟合效果良好。通过观测各国MFN数据的时序数据并基于信息熵计算贸易政策不确定性指数，可以有效刻画贸易政策不确定性的历史变化轨迹并用于预测未来的发展趋势。
图4为本发明提供的贸易政策不确定性指数确定装置的结构示意图一，如图4所示，本实施例中，该贸易政策不确定性指数确定装置300包括：
获取模块301，用于获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据。MFN数据存储在预设数据库服务器中。
确定模块302，用于将MFN数据输入预设指数确定模型，以确定目标国的目标产品对应的贸易政策不确定性指数。
输出模块303，用于输出贸易政策不确定性指数至用户终端设备，以根据贸易政策不确定性指数确定目标产品的下一MFN数据。
本实施例提供的贸易政策不确定性指数确定装置可以执行图2所示方法实施例的技术方案，其实现原理和技术效果与图2所示方法实施例类似，在此不再一一赘述。
图5为本发明提供的贸易政策不确定性指数确定装置的结构示意图二，如图5所示，本发明提供的贸易政策不确定性指数确定装置在上一实施例提供的贸易政策不确定性指数确定装置的基础上，对贸易政策不确定性指数确定装置进行了进一步的细化，为了与上一实施例的贸易政策不确定性指数确定装置进行区分，本实施例以贸易政策不确定性指数确定装置400进行说明。
可选的，本实施例中，预设指数确定模型包括：预设信息熵指数确定算法。
确定模块302具体用于：
采用预设指数确定模型将MFN数据以目标国序列为行方向，以MFN数据在时间上构成的时序数据为列方向构建指数确定矩阵。根据指数确定矩阵和预设信息熵指数确定算法确定贸易政策不确定性指数。
可选的，本实施例中，确定模块302在根据指数确定矩阵和预设信息熵指数确定算法确定贸易政策不确定性指数时，具体用于：
计算指数确定矩阵的列向量上各MFN数据在对应时序数据中的出现频率。采用预设信息熵指数确定算法根据各出现频率确定对应列向量上的MFN数据信息熵。将MFN数据信息熵确定为贸易政策不确定性指数。
可选的，本实施例中，确定模块302在采用预设信息熵指数确定算法根据各出现频率确定对应列向量上的MFN数据信息熵时，具体用于：
采用预设信息熵指数确定算法计算相同列向量上各出现频率和对应的出现频率对数之间的乘积。采用预设信息熵指数确定算法计算相同列向量上各乘积的和，以生成对应列向量上的MFN数据信息熵。
可选的，本实施例中，确定模块302还用于：
根据贸易政策不确定性指数和预设指数阈值范围确定贸易政策不确定性指数所属的预设不确定性级别。
输出模块303具体用于：
输出预设不确定性级别至用户终端设备，以根据预设不确定性级别确定目标产品的下一不确定性级别。
可选的，本实施例中，预设指数确定模型还包括：预设差额法指数确定算法。
贸易政策不确定性指数确定装置400，还包括：
差额计算模块401，用于获取预设时间段内至少一个目标国对于相同类别产品的约束关税数据和相同类别产品中其他产品的MFN数据。相同类别产品包括：目标产品和其他产品。将相同类别产品的约束关税数据和MFN数据输入预设差额法指数确定算法，以确定相同类别产品对应的贸易政策不确定性指数。
输出模块303在输出贸易政策不确定性指数至用户终端设备，以根据贸易政策不确定性指数确定目标产品的下一MFN数据时，具体用于：
输出目标产品对应的贸易政策不确定性指数以及相同类别产品对应的贸易政策不确定性指数至用户终端设备，以根据目标产品对应的贸易政策不确定性指数以及相同类别产品对应的贸易政策不确定性指数确定目标产品的下一MFN数据。
本实施例提供的贸易政策不确定性指数确定装置可以执行图2-图3所示方法实施例的技术方案，其实现原理和技术效果与图2-图3所示方法实施例类似，在此不再一一赘述。
根据本发明的实施例，本发明还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
如图6所示，图6是本发明提供的电子设备的结构示意图。电子设备旨在各种形式的电子设备，诸如，平板计算机和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，该电子设备包括：处理器501、存储器502和收发器503。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理。
存储器502即为本发明所提供的非瞬时计算机可读存储介质。其中，存储器存储有可由至少一个处理器执行的指令，以使至少一个处理器执行本发明所提供的贸易政策不确定性指数确定方法。本发明的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本发明所提供的贸易政策不确定性指数确定方法。
存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本发明实施例中的贸易政策不确定性指数确定方法对应的程序指令/模块(例如，附图4所示的获取模块301、确定模块302和输出模块303)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的贸易政策不确定性指数确定方法。收发器503用于收发数据。
同时，本实施例还提供一种计算机产品，当该计算机产品中的指令由电子设备的处理器执行时，使得电子设备能够执行上述实施例一至二的贸易政策不确定性指数确定方法。
本领域技术人员在考虑说明书及实践本申请公开的发明后，将容易想到本发明实施例的其它实施方案。本发明旨在涵盖本发明实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明实施例的一般性原理并包括本发明实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明实施例的真正范围和精神由权利要求书指出。
应当理解的是，本发明实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明实施例的范围仅由所附的权利要求书来限制。

Claims (8)

1.一种贸易政策不确定性指数确定方法，其特征在于，包括：
获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据；所述MFN数据存储在预设数据库服务器中；
将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数；
输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据；
所述预设指数确定模型包括：预设信息熵指数确定算法；
所述将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数，包括：
采用预设指数确定模型将所述MFN数据以目标国序列为行方向，以MFN数据在时间上构成的时序数据为列方向构建指数确定矩阵；
根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数；
所述根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数，包括：
计算所述指数确定矩阵的列向量上各MFN数据在对应时序数据中的出现频率；
采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵；
将所述MFN数据信息熵确定为贸易政策不确定性指数。
2.根据权利要求1所述的方法，其特征在于，所述采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵，包括：
采用所述预设信息熵指数确定算法计算相同列向量上各所述出现频率和对应的出现频率对数之间的乘积；
采用所述预设信息熵指数确定算法计算相同列向量上各所述乘积的和，以生成对应列向量上的MFN数据信息熵。
3.根据权利要求1至2任一项所述的方法，其特征在于，所述输出所述贸易政策不确定性指数至用户终端设备之前，还包括：
根据所述贸易政策不确定性指数和预设指数阈值范围确定所述贸易政策不确定性指数所属的预设不确定性级别；
所述输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据，包括：
输出所述预设不确定性级别至用户终端设备，以根据所述预设不确定性级别确定所述目标产品的下一不确定性级别。
4.根据权利要求1至2任一项所述的方法，其特征在于，所述预设指数确定模型还包括：预设差额法指数确定算法；
所述方法，还包括：
获取预设时间段内至少一个目标国对于相同类别产品的约束关税数据和相同类别产品中其他产品的MFN数据；所述相同类别产品包括：目标产品和其他产品；
将所述相同类别产品的约束关税数据和MFN数据输入所述预设差额法指数确定算法，以确定所述相同类别产品对应的贸易政策不确定性指数；
所述输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据，包括：
输出所述目标产品对应的贸易政策不确定性指数以及所述相同类别产品对应的贸易政策不确定性指数至用户终端设备，以根据所述目标产品对应的贸易政策不确定性指数以及所述相同类别产品对应的贸易政策不确定性指数确定所述目标产品的下一MFN数据。
5.一种贸易政策不确定性指数确定装置，其特征在于，包括：
获取模块，用于获取预设时间段内至少一个目标国对于目标产品的最惠国待遇关税数据MFN数据；所述MFN数据存储在预设数据库服务器中；
确定模块，用于将所述MFN数据输入预设指数确定模型，以确定所述目标国的目标产品对应的贸易政策不确定性指数；其中，所述预设指数确定模型包括：预设信息熵指数确定算法；
输出模块，用于输出所述贸易政策不确定性指数至用户终端设备，以根据所述贸易政策不确定性指数确定所述目标产品的下一MFN数据；
所述确定模块，具体用于采用所述预设指数确定模型将所述MFN数据以目标国序列为行方向，以MFN数据在时间上构成的时序数据为列方向构建指数确定矩阵；根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数；
所述确定模块在所述根据所述指数确定矩阵和所述预设信息熵指数确定算法确定所述贸易政策不确定性指数时，具体用于：计算所述指数确定矩阵的列向量上各MFN数据在对应时序数据中的出现频率；采用所述预设信息熵指数确定算法根据各所述出现频率确定对应列向量上的MFN数据信息熵；将所述MFN数据信息熵确定为贸易政策不确定性指数。
6.一种电子设备，其特征在于，包括：包括：处理器、存储器及收发器；
所述处理器、所述存储器及所述收发器电路互连；
所述存储器存储计算机执行指令；所述收发器用于收发数据；
所述处理器执行所述存储器存储的计算机执行指令，以实现如权利要求1至4任一项所述的贸易政策不确定性指数确定方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至4任一项所述的贸易政策不确定性指数确定方法。
8.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至4任一项所述的贸易政策不确定性指数确定方法。
CN202210755976.4A 2022-06-30 2022-06-30 贸易政策不确定性指数确定方法、装置、设备及介质 Active CN115170179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210755976.4A CN115170179B (zh) 2022-06-30 2022-06-30 贸易政策不确定性指数确定方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210755976.4A CN115170179B (zh) 2022-06-30 2022-06-30 贸易政策不确定性指数确定方法、装置、设备及介质

Publications (2)

Publication Number Publication Date
CN115170179A CN115170179A (zh) 2022-10-11
CN115170179B true CN115170179B (zh) 2023-03-24

Family

ID=83488672

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210755976.4A Active CN115170179B (zh) 2022-06-30 2022-06-30 贸易政策不确定性指数确定方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN115170179B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490061A (zh) * 2019-07-11 2019-11-22 武汉大学 一种遥感影像特征的不确定性建模与度量方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2903225A1 (en) * 2013-03-14 2014-10-09 United States Postal Service Export preparation and support system and method
US20150287141A1 (en) * 2014-04-03 2015-10-08 Edgar Parker, JR. Portfolio optimization by the detection and control of the predictive horizon of included investments.
CN112686754A (zh) * 2020-12-28 2021-04-20 重庆财经职业学院 一种国际贸易信息管理系统
CN114647944B (zh) * 2022-03-29 2024-08-23 中国科学院地理科学与资源研究所 基于区间不确定的水资源承载力优化评估方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110490061A (zh) * 2019-07-11 2019-11-22 武汉大学 一种遥感影像特征的不确定性建模与度量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
气候变化影响下塔里木河流域径流不确定性与缺水风险评估;左京平;《中国博士学位论文全文数据库 (基础科学辑)》;20220315(第3期);全文 *

Also Published As

Publication number Publication date
CN115170179A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN112734559B (zh) 企业信用风险评价方法、装置及电子设备
Türegün Financial performance evaluation by multi-criteria decision-making techniques
CN107886241B (zh) 资源分析方法、装置、介质和电子设备
CN110415123B (zh) 金融产品推荐方法、装置和设备及计算机存储介质
Raval et al. A semiparametric discrete choice model: An application to hospital mergers
US10643276B1 (en) Systems and computer-implemented processes for model-based underwriting
CN116128135A (zh) 数据处理方法及装置、电子设备和存储介质
CN107644042B (zh) 软件程序点击率预估排序方法及服务器
CN115170179B (zh) 贸易政策不确定性指数确定方法、装置、设备及介质
CN117132317A (zh) 数据处理方法、装置、设备、介质及产品
CN116542696A (zh) 用户群体分类方法、装置、设备及存储介质
CN114723239A (zh) 一种多方协同建模方法、装置、设备、介质及程序产品
CN114239985A (zh) 汇率预测方法、装置、电子设备及存储介质
CN114897607A (zh) 产品资源的数据处理方法及装置、电子设备、存储介质
CN114547416A (zh) 一种媒体资源排序方法及电子设备
CN115545088A (zh) 模型构建方法、分类方法、装置和电子设备
CN112132689A (zh) 一种基于时序因子事件的推荐方法和装置
CN111815204A (zh) 风险评估方法、装置以及系统
Obrimah A Discretely Formulated Option Pricing Model That, Absent Directness of Modeling of Volatility, Embeds the ‘Volatility Smile’
CN113077352B (zh) 基于用户信息和保险相关信息的保险服务物品推荐方法
CN117592692A (zh) 资源分配方法和资源智能分配系统
Fan et al. Imported-Input Trade Liberalization and Firms' Export Performance in China: Theory and Evidence
CN118152759A (zh) 数据处理方法及装置、设备、存储介质和程序产品
CN113807379A (zh) 数据处理装置的获取方法及装置、存储介质及电子设备
WO2016014032A1 (en) Grading information technology infrastructures

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant