Versenyképesség a nemzetközi gabonakereskedelemben
Bibliographic record
Abstract
A cikk a nemzetközi gabonakereskedelemben megnyilvánuló versenyképességet vizsgálja 1994–2017 között globális adatokon. A témakör nemzetközi szinten is újdonságnak számít, különösen az agrártermékek hasonló vizsgálatainak korlátozott száma miatt. A cikk a megnyilvánuló komparatív előnyök módszerét alkalmazza a gabonakereskedelmi adatok elemzésére és számos következtetésre jut. Először is az eredményekből kiderül, hogy mely országok a világ legnagyobb gabonaexportőrei, illetve importőrei, valamint hogy mely termékekkel kereskednek leginkább. Ezzel összefüggésben kimutattam, hogy a nemzetközi gabonakereskedelem mind ország-, mind termékszinten nagy koncentrációt mutat. A nemzetközi gabonakereskedelem specializációját elemezve továbbá kiderült, hogy a legnagyobb gabonaexportőr országok közül Argentína, Ukrajna és Kanada rendelkezett a legnagyobb komparatív előnnyel a vizsgált időszakban. Németország volt ugyanakkor az egyetlen, amely egyik vizsgált időszakban sem rendelkezett komparatív előnnyel. A komparatív előnyök dinamikáját elemezve kimutattam, hogy nagymértékben csökkent a kezdeti előnyök túlélési esélye, utalva ezzel a nemzetközi gabonapiacon megjelenő éles versenyre. Az eredmények szerint továbbá a nagy gabonaexportőr országok alapvetően racionális piaci magatartást folytatnak, és olyan termékeket exportálnak (importálnak), amiből van (nincs) komparatív előnyük. Végül, de nem utolsósorban Magyarország eredményeit is megjelenítettem és a hazai versenypozíciókat nemzetközi összehasonlításban is elemeztem. --------------------- The article analyses competitiveness in global cereals trade between 1994 and 2017. The topic is novel even in the international arena, as the number of similar investigations is limited. The article applies the method of revealed comparative advantages on global cereals trade data and reaches a few conclusions. First, results suggest which countries are the biggest cereal exporters and importers globally, as well as which products are traded the most frequently. The article shows that global cereals trade is highly concentrated by country and product. By analysing specialisation in global cereals trade, Argentina, Ukraine and Canada had the highest comparative advantages, while Germany was the only amongst countries analysed lacking comparative advantages during the period. By analysing dynamics of comparative advantages, it turned out that survival chances of comparative advantages for the whole period have declined to a great extent, suggesting fierce competition in global cereal markets. Moreover, results suggest that top cereal exporters have a wise market strategy – they generally export (import) those cereals where they a have comparative advantage (disadvantage). Last but not least, Hungarian positions are also analysed in context throughout the paper.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.074 | 0.014 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".