This paper addresses the mutual influence between economic theory and policy in international trade employing interdisciplinary methodology, integrating Natural Language Processing (NLP) and econometric analysis. We test whether the relationship between economic theory and economic policy can be characterised by either “economics as art” approach (where theory serves the role of an auxiliary tool to the policy) or by “scientistic” approach (where economic policy is interpreted as the practical application of theory). We fi rstly characterise the academic discourse in terms of adherence to either protectionism or economic liberalism with NLP algorithms. Our analysis reveals the formation of a dominant liberal consensus in academia regardless of journal quality adjustments. Secondly, we estimate Vector Autoregression (VAR) and Vector Error Correction (VEC) models to analyse the dynamic relationship between academic discourse, trade policies, and economic activity (measured by trade volume). At the global level, we identify a complex, bidirectional relationship: academic discourse helps predict policy and trade in the short-run, while in the long-run, policy and economic activity help predict the discourse. This refutes the “scientistic” interpretation of direct theoretical infl uence in favour of “economics as art” approach. Similar analysis of Russian data provides deeper understanding of the relationship between theory and policy at the country level. On the one hand, Russian academic discourse aligns with global liberal trends and tends to study the economic environment rather than have a direct influence on it. On the other hand, Russian policy-makers are driven by distinct political objectives, pursuing protectionist policies despite a more liberal global academic discourse. These results indicate the absence of the “scientistic” approach in Russia
В последние годы кратное расширение числа и применения международных санкций вызвало интерес к оценке их последствий. В данном исследовании анализируется влияние финансовых санкций ООН на участие стран в глобальных цепочках создания стоимости (ГЦСС). Исследование выполнено методом синтетического контроля на выборке стран, подпавших под финансовые санкции в период 1995–2018 гг. Рассмотрены санкции против девяти развивающихся экономик, среди которых Ангола, Иран, Кения, Конго, Кот-д’Ивуар, Ливан, Мали, Нигерия, Центральноафриканская Республика, а также — особый случай — санкции против России 2014 г. Анализ показывает, что финансовые санкции не всегда приводят к сокращению участия стран в ГЦСС. В отношении рассмотренных экономик последствия санкций оказались неоднородными: чаще они влияют на участие «вперед», снижая экспорт сырья, чем на участие «назад», уменьшая импорт. Влияние санкций в рамках рассмотренной выборки также различается в зависимости от временнóго горизонта (3, 5, 7 лет) и страны. На исследованной выборке выявлено, что негативные последствия санкций проявляются на горизонте 3–5 лет и исчезают через 7 лет, после чего развитие страны определяется другими факторами. В отношении России выявлено, что санкции привели к расширению ее участия в ГЦСС, однако дополнительные тесты определили статистическую незначимость последствий самих санкций. Результаты анализа характера и продолжительности влияния санкций могут быть использованы для разработки политики выбранных нами стран, а также для политики других стран, подпавших под финансовые санкции, при формировании стратегий адаптации к санкционным ограничениям и для стимулирования экономического роста
В статье рассматривается подход к прогнозированию торговых потоков российской нефтяной отрасли с помощью графовой нейросетевой модели (GNN) в условиях международных санкций. В качестве факторов, определяющих объем торговых потоков, среди прочего рассматриваются классические факторы из гравитационной модели международной торговли, включая ВВП и многостороннее сопротивление. Архитектура предложенной графовой нейросетевой модели включает два сверточных слоя и многослойный перцептрон. Для калибровки модели используются данные Comtrade о глобальных торговых потоках нефти и нефтепродуктов, в том числе показатели «зеркальной» таможенной статистики для РФ, агрегированные до полугодовых интервалов за период 2015–2023 гг. Построены оценки прогнозных свойств предложенной графовой нейросетевой модели: определено, что для рынка российских нефтепродуктов точность прогнозов выше, чем для рынка сырой нефти, а более точные прогнозы на основе GNN-модели, использующей гравитационные факторы торговли, получены для стран, в отношении которых санкции не применялись. Смоделированы последствия гипотетического усиления режима вторичных санкций для глобальной нефтяной отрасли на период до конца 2025 г