E16
全球粮食贸易网络的冲击级联模型：以 2022 年黑海冲击的样本外预测秩相关为判据
1 · 研究问题
在 FAO/BACI 双边粮食贸易网络上构建的冲击级联（cascade）模型，用 2021 年前数据标定后，能否样本外预测 2022 年黑海供给冲击（俄乌冲突）下各进口国小麦进口量的实际变化排序（秩相关 ρ 达到多少）？模型对再分配规则与库存缓冲假设的敏感性有多大？
2 · 研究背景与空白
粮食贸易网络是网络经济学"冲击传导"理论的可检验场景。已有工作：Heslin 等（Environ. Res. Lett. 2019）在 FAO 小麦/玉米贸易网络上建立含库存缓冲的级联模型，模拟主产国减产的传导；Acemoglu 等（2012）奠定生产网络冲击放大的理论；2022 年后已有多篇论文用多层网络模拟俄乌冲突对全球食品可得性的冲击（arXiv 2210.01846 等）。
空白在评价维度与时间覆盖：绝大多数级联研究停在"模拟情景"层面，用真实发生的 2022 冲击做严格的样本外验证（预测排序 vs 实测排序）的公开工作很少——而这恰是对"模型不自说自话"要求的直接回应：2022 年实测进口变化是天然的检验集。数据全免费、模型可在小网络上手算核对、"模型预测失败"同样是有效结论（量化该类模型的真实预测力上限）。
3 · 可检验假设
- H1：以 2016–2021 平均网络标定的级联模型，对 2022 年小麦进口下降幅度前 30 大进口国的预测排序与实测排序的 Spearman ρ≥0.5。
- H2：加入库存缓冲（USDA PSD 期末库存数据）比无库存版本显著提高 ρ（自助法置信区间不重叠）；若无改善，"库存数据在年度尺度上无预测增益"是有效结论。
4 · 量化验收标准
- 方法学校验（硬门槛）：（i）在 4 国玩具网络上，级联代码与手算逐步传导结果完全一致（≥3 个手算情景）；（ii）复现 Heslin et al. (2019) 的一个核心情景结果（如主产国 X% 减产下最受影响进口国名单的前 5 名重合 ≥4 个，或关键数值相对偏差 ≤10%，以原文可提取数据为准）。此步不过关，后续全部结论无效。
- 样本外纪律预先写死：2022 年数据在模型标定全程封存，仅在最终验证阶段使用一次；验证指标（Spearman ρ、前 10 名命中数）预先注册（GitHub 时间戳）。
- 混杂剥离：实测 2022 变化须先扣除各国进口的 2016–2021 线性趋势（用趋势外推残差作为"冲击响应"），并报告"扣趋势 vs 不扣"双口径。
- 敏感性用全局方法：对（再分配规则 3 种、库存动用比例、需求刚性参数）做拉丁超立方 ≥200 组扫描，报 ρ 的分布及主结论翻转比例。
- 随机成分（比例再分配的扰动）报 ≥50 种子均值 ± 标准差。
- 全部数据管道（原始 CSV→网络→结果）开源一键重跑。
5 · 数据与工具
| 用途 | 来源 / 工具 |
|---|---|
| 双边贸易流 | FAOSTAT Detailed Trade Matrix（免费 CSV，年度、分商品）；交叉核对用 BACI/CEPII（免费下载，HS 6 位，2022/2023 覆盖需核实最新年份） |
| 产量与库存 | FAOSTAT 产量（免费）；USDA PSD Online（免费 CSV，含期末库存与贸易年度口径） |
| 实测冲击响应 | 2022–2023 年小麦进口量（同上来源，封存至验证阶段） |
| 网络与模拟 | Python + NetworkX + NumPy（级联核心自写，<300 行） |
| 方法对照 | Heslin et al. 2019；arXiv 2210.01846——仅用于校验与对比，不计入本项目贡献 |
算力：约 180 节点 × 10^3–10^4 条边的网络，单次级联毫秒级；200 组 LHS × 50 种子 ≈10^4 次运行 <1 小时，纯 CPU 轻松。规模上限：HS 6 位全商品多层网络（10^5 边 × 多层）超出范围；降规模版本：单一商品（小麦）单层网络，即本课题主设定。
6 · 方法路径
- 下载 FAOSTAT/USDA 数据，清洗出 2016–2022 小麦贸易网络与库存表（镜像流不一致时用出口方申报并报告差异率）。
- 实现级联模型（减产→出口削减→按规则再分配→进口国短缺→二阶传导），通过玩具网络手算与 Heslin 复现校验（第 1 条验收）。
- 预注册验证方案，封存 2022 数据。
- 用 2016–2021 数据标定基线参数（拟合历史小型冲击年，如 2010 俄罗斯出口禁令的传导，作为标定集）。
- 跑 2022 黑海情景（俄乌出口削减幅度用 UN/FAO 公开报告数字），输出预测排序。
- 开封 2022 实测数据，计算 ρ 与命中数；跑 LHS 全局敏感性。
- 独立交叉校验：用简单基准（"进口依赖度排序"，即无级联的一阶暴露）对照，报告级联模型相对一阶基准的增益——增益为零则如实报告。
7 · 新颖性边界
本课题不声称提出新级联算法，不声称预测未来粮价（只做量的传导，不做价格）。已有工作：Heslin et al. 2019 已建立同类模型并做情景模拟；2022 年后的多层网络冲击论文已模拟俄乌情景。本项目差异轴是评价维度转换：前人做"情景模拟"，本项目做以真实事件为检验集的样本外预测力审计，并以"级联模型相对一阶暴露基准的增益"为主结论——这直接回答"复杂模型是否值得"这一方法论问题。丘奖历届相邻工作须点名：2025 铜奖"全球价值链多阶段增加值引力模型"（引力模型、无级联与样本外验证）、2022 优胜"中国贸易冲击与美国创新"（计量实证），方法与判据均不同。ρ 很低（模型失败）是有效结论，但须证明一阶基准同样失败或成功，以区分"级联无用"与"问题不可预测"。
8 · 决策门槛（go / no-go）
- 第 5 周末：FAOSTAT 2022 年小麦矩阵完整性核实（覆盖前 30 进口国 ≥90%）。不完整→用 USDA PSD 年度口径替代（国家级进口总量足够，失去双边细节但验证指标不受影响）。
- 第 8 周末：Heslin 复现通过。原文数据无法提取到可比精度→改为"玩具网络手算 + 守恒量检查（贸易量守恒漂移 <10^-8）"作为硬门槛，并在文中说明复现受限原因。
- 第 16 周末：2010 俄罗斯禁令标定集上 ρ≥0.4。达不到→降级：放弃样本外预测定位，转为"级联模型敏感性与结构脆弱性分析"（识别系统关键节点 + 全局敏感性），保留网络与模型框架，主结论改为结构性而非预测性。
- 已知困难：2022 年进口变化混杂了价格、汇率与政策禁令——扣趋势 + 与一阶基准对照只能部分剥离，须在局限性中定量讨论（列出同期主要出口禁令清单，FAO 公开）。
- 预算裁剪顺序：先砍玉米第二商品扩展（若已启动），再砍 LHS 组数（保 100 组），最后砍 2010 标定集（改用文献参数）；主结论（样本外 ρ + 相对基准增益）在裁剪下成立。