|
|
پیشبینی تجارت جهانی محصولات پتروشیمی و تعیین جایگاه ایران: رویکرد شبکه
|
|
|
|
|
نویسنده
|
محمدی سارا ,الماسی مجتبی ,سهیلی کیومرث ,سلیمانی صادق
|
منبع
|
اقتصاد و الگوسازي - 1400 - دوره : 12 - شماره : 2 - صفحه:93 -121
|
چکیده
|
صنعت پتروشیمی نقش مهمی در ایجاد ارزش افزوده در منابع نفت و گاز به ویژه برای ایران دارد. پیشبینی کشورهای صادرکننده یا وارد کننده پتروشیمی به همراه نوع محصول تبادلی، کمک بزرگی به ذینفعان این صنعت برای برنامهریزی بهینه تجاری است.. هدف این مطالعه، استفاده از روشهای تحلیل شبکه برای اولین بار در پیشبینی تجارت محصولات پتروشیمی در سطح جهانی است. دادههای مورد بررسی از وبسایت سازمان ملل در رابطه با تبادلات تجاری به ازای صادرات و واردات محصولات رایج صنعت پتروشیمی برای سالهای 20192017 استخراج و پیشپردازش شدند. همچنین از روشهای محاسباتی پیشبینی پیوند، برای پیشبینی ارتباطات سالهای بعد هر کدام برمبنای سال قبل، استفاده شد. ارزیابی به دو شیوه محاسباتی و مقایسه پیشبینیها با نتایج موجود انجام شد. بهترین روش پیشبینی با بیش از 90 درصد امتیاز سطح زیر منحنی، الحاق ترجیحی به دست آمد که بر اساس آن مقایسه با دادههای واقعی نیز صورت گرفت. یافتههای پژوهش، مستعدترین کشورها برای واردات را اسپانیا، اسلونی، استرالیا، نروژ و آرژانتین شناسایی کرد و خوشآتیهترین صادرات برای ایران را محصول استون به اسپانیا برآورد کرد. در نهایت روشهای افزایش کارایی پیشبینیها نیز بیان شد.
|
کلیدواژه
|
پتروشیمی، پیشبینی پیوند، تحلیل شبکه، تجارت
|
آدرس
|
دانشگاه رازی, دانشکده اقتصاد و مدیریت کارآفرینی, ایران, دانشگاه رازی, دانشکده اقتصاد و مدیریت کارآفرینی, گروه اقتصاد, ایران, دانشگاه رازی, دانشکده اقتصاد و مدیریت کارآفرینی, گروه اقتصاد, ایران, دانشگاه کردستان, دانشکده مهندسی, گروه مهندسی کامپیوتر, ایران
|
پست الکترونیکی
|
s.sulaimany@uok.ac.ir
|
|
|
|
|
|
|
|
|
Prediction of Global Petrochemical Product Trade and Determining the Position of Iran: The Network Approach
|
|
|
Authors
|
Mohammadi Sara ,Almasi Mojtaba ,Soheili Kiomars ,Sulaimany Sadegh
|
Abstract
|
Petrochemical industry has important role in creating value added for gas and oil resources, especially for Iran. Predicting import and export countries plus the trade product type, is a great aid for the industry stakeholders for optimal trade planning. Besides, computational methods of social networks, has been used in several applications and different areas. The aim of this paper is using network analysis methods for the first time for global petrochemical product’s trade. Data extracted and preprocessed from UN website of commercial trade, for popular petrochemical products from 2017 to 2019. Also, link prediction methods utilized for predicting next year trade relations, each year based on the previous one. Evaluation was done using two methods; computational approach, and validating the results with available data. The best performance method with more than 90% percent of AUC, was Preferential Attachment, and comparing the results with real data performed accordingly. Based on findings, the most promising countries for import was Spain, Slovenia, Australia, Norway and Argentina, and most feasible relation for Iran is exporting ACETONE to Spain. Finally, the methods to increase the performance of the predictions were proposed.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|