| Раздел | Статьи |
| Заглавие | Торговые и инвестиционные потоки стран асеан в контексте тарифного противостояния США и КНР |
| Страницы | 81-98 |
| Автор | Дёмина Яна Валерьевна кандидат экономических наук, старший научный сотрудник Институт экономических исследований ДВО РАН ул. Тихоокеанская, 153, Хабаровск, 680042, Российская Федерация This email address is being protected from spambots. You need JavaScript enabled to view it. ORCID: 0000-0001-5208-7273 |
| Аннотация | В статье анализируется новая тарифная политика США в отношении стран Юго-Восточной Азии и влияние торговой войны между КНР и Соединенными Штатами на внешнеторговые и инвестиционные потоки в рамках Ассоциации государств Юго-Восточной Азии (АСЕАН). Показано, что в отношении товаров, импортируемых из стран – торговых партнеров США, действует сложная система тарифных ставок. Так, применяются следующие виды ставок импортных пошлин: «взаимные» тарифы, которые для АСЕАН варьируются в пределах от 10% (базовая ставка, действует в отношении Сингапура) – до 40% (в отношении Мьянмы и Лаоса, не участвовавших в переговорах); тарифы за перевалку китайских грузов через территорию АСЕАН – 40%; специальные тарифы в отношении конкретных товаров – 25–50%; антидемпинговые и компенсационные пошлины и специальные тарифы – в соответствии с разделом 232 Закона о расширении торговли 1962 г. (направлены на защиту национальной безопасности). Анализ внешнеторговых потоков стран АСЕАН показал, что за периоды 2012–2017 гг. и 2018–2024 гг. средние значения долей КНР в совокупном товарном импорте блока увеличились с 18,1 до 23,1%, в экспорте – с 12,3 до 15,1%; для США – уменьшились с 7,5 до 7,4% и увеличились с 10,1 до 14,3% соответственно. Приток ПИИ за исследуемые периоды увеличился из США с 15,4 до 16%, из КНР – с 6,7 до 7,5%. Таким образом, зависимость стран АСЕАН в торговой и инвестиционной сферах от КНР и США увеличилась с обострением торговой войны, однако влияние геополитического фактора является неоднозначным. Этот вопрос требует дальнейшего исследования с применением методов экономико-математического моделирования |
| УДК | 339.5+339.9 |
| JEL | F13, F51, F52, O19 |
| DOI | |
| Ключевые слова | внешняя торговля, прямые иностранные инвестиции, международная экономическая интеграция, санкции, тарифы, АСЕАН, Китай, США |
| Скачать | SE.2025.4.081-098.Dyomina.pdf |
| Для цитирования | Дёмина Я.В. Торговые и инвестиционные потоки стран асеан в контексте тарифного противостояния США и КНР // Пространственная экономика. 2025. Т. 21. № 4. С. 81–98. |
| Ссылки | 1. Бородин С.Н. Прогнозирование экономического развития региона на основе регрессионных и нейросетевых моделей // Russian Economic Bulletin. 2024. Т. 7. № 1. С. 290–300. 2. Вавилова Д.Д., Зерари Р. Анализ, моделирование и прогнозирование динамики валового регионального продукта на основе производственной функции // Экономика. Информатика. 2024. Т. 51. № 1. С. 5–17. 3. Васильева Р.И. Моделирование влияния фискальной децентрализации на экономическое развитие регионов Российской Федерации // Вестник университета. 2022.Т. 1. № 12. С. 145–153. 4. Горшкова Т. Прогнозирование ВРП с использованием методов пространственной корреляции // Научный вестник ИЭП им. Гайдара.ру. 2018. Т. 10. № 129. С. 37–47. 5. Казакова М.В., Фокин Н.Д. Тестирование прогнозных свойств различных подходов к интервальному прогнозированию (на примере инфляции в России) // Вопросы статистики. 2024. Т. 31. № 5. С. 23–40. 6. Киприянов А. Сравнение моделей прогнозирования роста под риском // Деньги и кредит. 2022. Т. 81. № 1. С. 23–45. 7. Орлова И.В., Филонова Е.С. Анализ и прогнозирование номинальной заработной платы населения Российской Федерации с учетом ее региональной дифференциации // Фундаментальные исследования. 2021. № 5. С. 67–74. 8. Полбин А.В., Шумилов А.В. Об использовании моделей панельных данных для прогнозирования темпов роста отраслей российской обрабатывающей промышленности // Экономическое развитие России. 2022. Т. 29. № 2. С. 15–19. 9. Фокин Н.Д. Наукастинг и прогнозирование основных российских макроэкономических показателей с помощью MFBVAR-модели // Экономическая политика. 2023. Т. 18. № 3. С. 110–135. 10. Чудаева А. Анализ факторов инфляционного риска в России // Деньги и кредит. 2025. Т. 84. № 1. С. 60–92. 11. Adrian T., Boyarchenko N., Giannone D. Vulnerable Growth // American Economic Review. 2019. Vol. 109. No. 4. Pp. 1263–1289. 12. Adrian T., Grinberg F., Liang N., Malik S. The Term Structure of Growth-at-Risk / IMF. Working Paper No. 180. 2018. 40 p. 13. Cannon A.J. Quantile Regression Neural Networks: Implementation in R and Application to Precipitation Downscaling // Computers & Geosciences. 2011. Vol. 37. Issue 9. Pp. 1277–1284. 14. Fosten J., Greenaway-McGrevy R. Panel Data Nowcasting // Econometric Reviews. 2022. Vol. 41. Issue 7. Pp. 675–696. 15. Koenker R. Quantile Regression for Longitudinal Data // Journal of Multivariate Analysis. 2004. Vol. 91. Issue 1. Pp. 74–89. 16. Koenker R. Quantile Regression. Cambridge: Cambridge University Press, 2005. 368 p. |
| Финансирование | |
| Поступила в редакцию | 16.11.2025 |
| Одобрена после рецензирования | 21.11.2025 |
| Принята к публикации | 28.11.2025 |
| Доступно онлайн | 25.12.2025 |