TRUMP’S TRADE WAR: EU EXPORTS AT RISK AND ALTERNATIVE MARKETS
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
This paper examines the European Union (EU)’s response to President Trump’s 2025 imposition of tariffs on imports of aluminum and steel from the EU. The EU’s response includes bargaining, politically targeted tariffs and internal substitution measures. The EU is not considering external substitution measures, such as alternative export markets for aluminum and steel products threatened. In this paper, we argue that this is an omission. The EU’s response should be twofold: one, at the EU level, to apply retaliatory tariffs and negotiations, and two, to support country-level efforts to minimize the impact of tariffs, including external substitution. We use the case of the Netherlands to illustrate the usefulness of our recommended approach. Using the CEPII BACI reconciled UN COMTRADE data we calculate time-weighted Revealed Comparative Advantage (RCA tw ) and Revealed Trade Advantage (RTA tw ) measures to assess the risk to the Netherlands’ exports to the USA. For high-risk products, we then use a data filtering process to identify alternative export markets. Our findings indicate that while most of the Netherlands’ exports to the USA are at low-to-medium risk, a smaller portion is at high risk. For aluminum and steel products, the high-risk products face exports-at-risk of US$ 245 million, much lower than some current estimates. For these, we identify alternative export opportunities outside the USA and EU. The best opportunities, valued at US$ 12 billion, are in China, Mexico, Canada, Malaysia and India. An implication is that the USA’s trade policies could push the Netherlands and the wider EU toward closer economic ties with other global players, potentially weakening the USA’s geopolitical standing.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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