Consequences of russia’s military invasion of Ukraine for Polish-Ukrainian trade relations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An accurate forecast of interstate trade volume allows for short-term and long-term planning, particularly deciding on state budget revenues, foreign exchange earnings, border arrangement, other infrastructure, migration and social policies. Hostilities are destructive so the russian military aggression against Ukraine in 2022 needs to be assessed in terms of its effects on key economic aspects of Polish-Ukrainian relations, as Poland has been the main economic, trade and social partner of Ukraine in recent years. This article analyses the trade dynamics between the two countries since 2005. It was found that since 2015 the main trends of this dynamics have changed. Monthly data from 2015 to 2021 were used for modelling and forecasting. Relevant SARIMA and Holt-Winters exponential smoothing models were built. These models forecast the volume of trade for the fourth quarter of 2021 and the first quarter of 2022. The relative errors of forecasting (compared to actual data) for October, November and December 2021 were as follows: according to the SARIMA model – 0.8%, 3.6% and 2.3%, respectively; for the Holt-Winters model – 1.9%, 3.6% and 0.7%, respectively. Given the expectations and consequences of russia’s military aggression against Ukraine, the average projected trade turnover between Ukraine and Poland was reduced by 20% per month for the first quarter of 2022. In comparison with the available actual (preliminary) data for January 2022, such a pessimistic forecast gave the following relative forecasting errors: according to the SARIMA model – 3.8%; according to the Holt-Winters model – approx. 1%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle