CC BY
47
Модель и прогноз нетарифных мер для экспорта молочной продукции в КНР
Сергей Иванович НИКИТИН,
кандидат экономических наук, доцент, Российский государственный аграрный университет - Московская сельскохозяйственная академия (РГАУ-МСХА) им. К.А.Тимирязева (127550 Москва, Тимирязевская ул., д.49), тел.(499) 976-21-51, e-mail: nikitin-serg@ mail.ru
УДК 339.5 ББК 65.428 Н-623
DOI: 10.24411/2072-8042-2020-10122
Аннотация
Экспорт товаров животного происхождения из России развивается неравномерно. Кратный рост по отдельным товарным группам сочетается с почти полным отсутствием роста по другим. Поставки куриного мяса и молочной продукции на рынок КНР начались одновременно более года назад. Концепции продвижения товарных групп тоже совпадают. Темпы роста по обеим группам отличаются в несколько раз. Автор рассматривает применение ветеринарно-санитарных мер, предусмотренных Соглашением ВТО о применении санитарных и фитосанитарных мер, страной-импортером в качестве основной причины отставания экспорта молочной продукции. В соответствии с условиями транспарентности соглашений ВТО, Система ВТО по управлению информацией по санитарным и фитосанитарным мерам и техническим барьерам в торговле агрегирует данные, которые могут использоваться для моделирования введения санитарных и фитосанитарных мер участниками ВТО по отдельным классам товарной номенклатуры, что позволяет надежно прогнозировать будущие санитарные меры и значительно снижает риски внешней среды для экспортеров. В статье рассматривается применение предиктивной модели применения ветеринарно-санитарных мер участниками ВТО в отношении молочной продукции методами машинного обучения для продвижения экспорта на примере рынка молочной продукции КНР.
Ключевые слова: внешняя торговля, товары животного происхождения, Всемирная торговая организация, санитарные и фитосанитарные меры, нетарифные меры, машинное обучение, модели.
Predictive Modeling for Non-tariff Measures to Promote WTO Members' Dairy Exports to China
Sergej Ivanovich NIKITIN,
Candidate of Economic Sciences, Associate Professor, Russian State Agrarian University -Moscow Timiryazev Agricultural Academy (49 Timiryazevskaya st., Moscow 127550), Department of Political Economy, phone: (499) 976-21-51, e-mail: nikitin-serg@mail.ru
& 64
Российский внешнеэкономический вестник
12 - 2020
Abstract
Exports of products of animal origin from Russia have been growing unevenly. Soaring exports of certain product groups is combined with flat figures for others. Exports of poultry and dairy products to Chinese market started to grow simultaneously in 2019. While promotion strategies for both product groups are also the same, the growth rates for both groups differ several times. The author considers the application of veterinary and sanitary measures provided for by the WTO Agreement on the Application of Sanitary and Phytosanitary Measures by the importing country as the main reason for the lagging dairy products exports. In accordance with the transparency provisions of the WTO agreements, the WTO System for Information Management on Sanitary and Phytosanitary Measures and Technical Barriers to Trade aggregates data that can be used to model the introduction of sanitary and phytosanitary measures by WTO members on individual groups of the commodity classification, which allows reliable forecasting of future sanitary measures and significantly reduces the external risks for exporters. The paper assesses building a predictive model for veterinary-sanitary measures application by World Trade Organization members in relation to dairy products using machine learning as a way to promote and predict dairy exports.
Keywords: foreign trade, milk and dairy exports, World Trade Organization, veterinary-sanitary regulations and requirements, non-tariff measures, Russia, China, machine learning model.
Производство и экспорт сельскохозяйственной продукции из России растет все последние годы. Вместе с тем становятся все более очевидными проблемы роста экспорта отдельных товаров животного происхождения, что вынуждает сдвигать достижение целевых показателей экспорта на более поздние сроки. Так, Минсель-хоз ожидает, что экспорт продукции АПК в 2020 году составит не менее 27 миллиардов долларов, но подготовил обновленную версию паспорта федерального проекта «Экспорт продукции АПК». В рамках изменений достижение целевого показателя в 45 млрд долл. по поставкам сельскохозяйственной продукции за рубеж переносится с 2024 на 2030 год1. КНР является крупнейшим импортером российской сельхозпродукции, и, что важнее, темпы прироста экспорта на китайский рынок - самые высокие среди торговых партнеров РФ. За 9 месяцев 2020 года Россия поставила на китайский рынок продукции АПК стоимостью 2,8 млрд долларов - на 24,1% больше по сравнению с аналогичным периодом прошлого года. В частности, кратно увеличены поставки в Китай подсолнечного масла (595,3 тысячи тонн в 2020 году против 243,2 тысячи в 2019 году), мяса птицы (113,1 тысячи тонн - 26,7 тысячи тонн)2.
Однако даже в рамках одной страны-импортера российской сельхозпродукции кратный рост по отдельным товарным группам может сочетаться с почти полным отсутствием экспорта по другим. Так, экспорт российской молочной продукции в Китай в 2019-20 гг. отличился мизерными объемами и крайне неустойчивым и медленным ростом. По итогам 2019 года Россия экспортировала в Китай 480 т мо-
12 - 2020
Российский внешнеэкономический вестник
65 Q
лочной продукции всего на 919 тыс. долл. США. Ситуация вызывает еще больше вопросов, если учесть, что китайский рынок официально открылся 2 января 2019 года одновременно для российской молочной продукции и мяса птицы согласно Протокола о проведении инспекционного, карантинного, ветеринарного и санитарного контроля в отношении взаимных поставок замороженного мяса птицы и молочной продукции между Россией и Китаем, подписанному в конце 2018 года Россельхознадзором и Главной таможенной администрацией КНР. Более того, в 2019/20 сельхозгоду для экспортеров молочных продуктов на китайском рынке сложилась во многом уникальная ситуация, открылся целый ряд возможностей, сочетание которых не повторится в среднесрочной перспективе3. На фоне рекордного роста импорта молочной продукции на 9% (январь-октябрь 2019 г. к тому же периоду 2018) в пересчете на товарное молоко, в октябре 2019 г. рост, по данным молочного департамента ведущего американского брокера сельскохозяйственных коммодитис - ЮТЬ РС81юпе, превысил 13%4.
Сегодня на Китай приходится менее 1% экспорта молочной продукции из России.
Почему на рынке одной страны (КНР) экспорт мяса птицы вырастает за год в 4 раза, а экспорт молочной продукции остается на уровне статистической погрешности? Как можно увеличить экспорт молочной продукции в Китай?
Ответом компетентных российских ведомств стала разработка новой стратегической программы. В июле 2020 г. ФГБУ «Агроэкспорт» представил окончательный вариант «Концепции продвижения молочной продукции на рынок КНР». Документ разработали консалтинговая компания КРМО и коммуникационно-маркетинговое агентство Ке1сЬиш, заказчиком выступил ФГБУ «Агроэкспорт». Работа велась в тесном контакте с отраслевым сообществом по заранее согласованным товарным категориям - сухому молоку и сухой молочной сыворотке, сырам, питьевому молоку и йогуртам5. В концепции проведён всесторонний анализ рынка молочной продукции КНР, дана оценка конкурентоспособности на нём российских товаров, предложены целевые модели развития экспорта и необходимые действия по коммуникационному продвижению.
Торговля товарами животного и растительного происхождения особый вид внешней торговли, где действуют специфические условия (ветеринарная сертификация, например), а риски, характерные для внешнеторговых операций, имеют специфическое проявление. Особенностью международно-правового порядка внешней торговли товарами животного происхождения является очень своеобразное сочетание частно- и публично-правовых форм, присущее только этому виду международной коммерческой деятельности. Многие исследователи отмечают, что в начале XXI века нетарифные меры (далее - НТМ) вышли на первое место как барьеры и регуляторы внешней торговли. При этом предпочтение в применении для оперативного регулирования внешнеторговых потоков отдается группе нетарифных мер, которые регулируются подзаконными актами национальных прави-
^ 66
Российский внешнеэкономический вестник
12 - 2020
тельств стран ВТО и оперативны в плане введения и отмены. И по этим причинам превращаются в предпочтительный инструмент регулирования для целого ряда правительств как развитых, так и развивающихся стран. Хотя мотивы, по которым они прибегают к использованию НТМ, могут различаться6.
Нетарифные меры и особенно санитарные и фитосанитарные меры сильно влияют не только на эффективность, но в целом на возможность и целесообразность экспорта товаров животного и растительного происхождения. Введение ветери-нарно-санитарной меры страной-импортером способно не только обнулить прибыль от отдельной внешнеторговой операции, но часто приводит к необходимости затратной перестройки производственных и логистических цепочек предприятия. Что не может не сказываться на прибыли.
«Концепция продвижения молочной продукции на рынок КНР» совершенно актуально называет в качестве главного шага для продвижения российского молока на китайском рынке «снятие нетарифных барьеров для экспорта молочной продукции российского производства в КНР»7. Однако автору не удалось найти в Концепции, ни в стратегиях продвижения отдельных товарных групп, разработанных ФГУП «Агроэкспорт», каким именно образом этот ключевой пункт для увеличения экспорта будет реализовываться.
Риски введения санитарных и фитосанитарных мер в определении Соглашения ВТО по применению санитарных и фитосанитарных мер (далее - СФС-меры) в специализированных исследованиях принято относить к рискам внешней среды. Предприятие-экспортер товаров животного происхождения не имеет возможностей предотвращения или влияния на наступление неблагоприятных последствий реализации рисков такого характера.
В специализированной литературе тема квантификации и исследования воздействия ветеринарно-санитарных и фитосанитарных мер на внешнеторговые потоки и экономику в целом представлена многочисленными исследованиями и насчитывает уже несколько десятков лет8. Но остается практически неисследованной тема прогноза и предсказания введения СФС-мер импортерами.
Современные информационные технологии предлагают для проверки сложных гипотез и решения стратегических проблем использовать аппарат извлечения знаний из обширных баз данных, основой которого является Data Science (прим. авт. - в русском переводе чаще встречается перевод «интеллектуальный анализ данных»)9.
По убеждению автора, с точки зрения схемы способов управления рисками на предприятии в качестве главного - и единственного пока - способа контроля риска введения СФС-мер импортерами товаров животного происхождения может использоваться предвидение, или прогноз. В тематических исследованиях по внешней торговле и нетарифным мерам не удается найти инструментов для прогноза и моделирования таких специфических рисков, как введение СФС-меры страной-импортером в отношении определенного вида товара животного происхождения.
12 - 2020
Российский внешнеэкономический вестник
67 Q
Между тем создание модели для предсказания введения СФС-мер в отношении определенного вида товара животного происхождения (молочной продукции) участниками ВТО представляется весьма обоснованным.
Для составления аналитической отчетности и многомерного представления данных используется набор данных о применяемых защитных мерах (СФС- и ТБТ-меры) в рамках Соглашения ВТО о применении санитарных и фитосанитар-ных мер и Соглашения ВТО о технических барьерах в торговле. Первоначальный набор данных (далее - датасет) представлен в виде сводных таблиц - это распространенный инструмент для агрегации данных. Сводные таблицы составляются Секретариатом ВТО на основе нотификаций стран-участниц о введении/отмене СФС-ТБТ-мер. Исходный датасет содержит данные по наблюдениям, где уникальные наблюдения (санитарные и фитосанитарные меры и технические барьеры в торговле, вводимые в определенную дату страной-участницей ВТО, располагаются в строках, а в столбцах содержатся атрибуты (параметры) этого наблюдения. Исходные данные, представленные в виде плоской двумерной таблицы, можно получить в Системе ВТО по управлению информацией по СФС или напрямую запросив Секретариат ВТО в рамках правил транспарентности.
Ка1аГу>п<И Mc-mbcr(») Symbol, lit If* and deecflplion ol nontnril Lin ha
Unite-d States О' Ат*ГКй Tempofary Fraoi Motor Vehicto Sifirtf and Bumper Standards Thln docunwit amends NKtSAs régulation on temporary axwrcpWMï from nhe Faderal rrKstor vahKl* saiecy standards (PMVSS) and bumpe< itwfwttï tt> e^pedn« Qw Of notice* aoIJ Clt In g pçililiç comment on *-ï«<nption poïlticma 11 <tO»3 io by Products 4'гее text): Motor vtfitcX bumper standards- 11/02/201 <9 m Full t<wct
Pf>lllp0én*4 Q.-' TBTJM^ PHlL^lQ Drait Dc-pnrtmc-nt Administrative Owder No._: Mandaïory Philippin« National Standard fPNS} for Sp«d LimilalKo . Pursuaitt to P-epiublio Att lO^tft or the *Road Sp<! «d Llmner ACt of 2016'. Reput» Ile Ad aïo-», RepUbliC Act Eï«g»kv»<ird»rNo. f lSMnol 19«MEieeC4Jtlv» Ortie*- No 1 Serles of 1ÏB7, EMCUllW Order Ho lOI S<f№ of 1 967t Department Products |frce text): Spwd li -л iai on Davtcaa (SU»«Ad AilpiinabPe- Speed 1S/02/201 9 eti Pull te*t Full text
European Uni«« q.isrs/ Ni'îu I'JUEZ Drafl Commission Rvgulalion «manding Annan III lo Régulation (K) №> It^/ÎMS ef ihe P-*rli«iri4M itid of №«.,. Titw préposa*! draft Régulation concvm« aetting of MRU ioi chlorat* In or on carlaln food camrnodltm. Ttw documeril Ks ai tti* si âge of the feedbaclt nxchanlsm of tfw Eu d#el«la<t-fn*k.>fto pf we*s WTO Mainte« s a** wvued to pi»vid* commenta aire»dy product* {free i#Jrt) Carnal« <HS Code» lOOl. 1002, 1003. 1QCM. TDOS, 1006. 1007,.. 1в/02/2019 EJy ES
Kenya O / TBTJWi1 K OEA3 «34:701« Pwlugle^ — Flexible tirainat* tub«* — Tes! method-s to Hsasi Ifio itrangth of tho skdo s«am Ttiin [>rttft East Afrlca Standard nrwthodsfor Ihe jis«4ïtTwi1 of th* ïtre-ngth of Uw Stdr séant Of flexible lanoinai* lut*s it ka appaieaWe to Ha«ibie laminarce tube» nied lor pacfcln^i phwvnanuiicaF,. commette, hygiène. food and »»ou«#«ierid ICS codât: 55- V20 озгозггш в Ш ШЯ Full text
— O TB TJ H, KEH/ 7M' DKSï9S:Zai9 Chocolatés - spe-clflcat»on TJt-ie Drnft Ken y 3 Standard -spécifié:! the requirement3 &nd mechod of teat for tJr>e vtrlcuji i>t>m and forma of chocetate« p*oceaaed f«x human contumptior ICScodai 67 1« 04/03/201 в EUES
Рис.1. Фрагмент сводной таблицы нотификаций участников ВТО о принимаемых СФС- и ТБТ-мерах
Fig. 1. Fragment of the summary table of notifications of WTO members on SPS and TBT measures
Источник: Система ВТО по управлению информацией по СФС: http://spsims. wto.org
^ 68
Российский внешнеэкономический вестник
12 - 2020
Автор обработал датасет с нотификациями за 52 недели методами анализа данных языка программирования Python 3 и на его основе составил простую модель машинного обучения для предсказания введения СФС-мер в отношении молочной продукции странами участницами ВТО.
Рис.2. Фрагмент предобработанного датасета с нотификациями за анализируемый период
Fig. 2. Fragment of a preprocessed dataset with notifications for the analyzed period Источник: Система ВТО по управлению информацией по СФС: http://spsims. wto.org
Полученный датасет содержит информацию о 5461 принятой СФС- и ТБТ-мере за рассматриваемый период.
In [25]: sps^tbt^dita^aLinfo()
<{1jis ' psndjs, core,frsme,Djtif rjrw?1 > IntMIndtx: SJ61 «itri»Jj 1 ta 323 Oati calumni (t«il 4 columns):
SyiKul Cite
Pffldu с t j_HS_ICS_e»iit itypin rtjirtW pwiory uiage: 213.3+ KB
S4$l ngn-null £451 лоп-ngll Qbject 5461 non-null object 5192 non-null object
Рис.3. Основные числовые и категориальные характеристики датасета после применения функции info
Fig. 3. Basic numeric and categorical characteristics of a dataset after using the info function
12 - 2020
Российский внешнеэкономический вестник
69 Q
Датасет содержит 4 переменные: Notifying_Member - название участника ВТО, направившего уведомление о применении санитарной или фитосанитарной меры согласно Соглашению ВТО о применении санитарных и фитосанитарных мер, Date - дата в формате месяца, когда уведомление поступило в ВТО для рассылки участникам, Symbol - шифр и номер нотификации, Products_HS_ICS_code - коды товарной номенклатуры, которые затрагиваются нотификацией. Для построения предиктивной модели в датасет добавляются новые признаки: Dairy_SPS - значение 1 в колонке означает, что примененная мера, о которой участник ВТО уведомил других участников организации, введена в отношении молочной продукции (код товарной номенклатуры 67.100), значение 0 в колонке означает, что мера относится не к молочной продукции. Dairy_SPS_count_this_month - значение в колонке показывает, сколько санитарных мер в отношении молочной продукции принято всеми участниками ВТО в месяце принятия СФС-меры. Данный показатель представляется важным, поскольку частотные индексы чаще всего используются в расчетах тарифного эквивалента для нетарифных мер по Соглашению ВТО о сельском хозяйстве.
in [IT); joirted_!.piw>t_tibli(nlu*i = l'Daii^JM_iiiint_tliii_«flth,.1 'ftitrywjwiOif'], : imh'K ■ 'Dfti'j
agjfwi > 'nun'tat (kind • 'tar')
fcjlLST)! < ii.it p] or ] i S. лке^ - Mihn Lnt . Аяе-i^ubp Lot jt ftditfnsidtt
[ 1 1 ■ h ■ o. "iD | Ни. 1 fUW
fl л * 5 \ i 11 i 111
Mr
Рис.4. График отклонения средней мировой цены на молочную продукцию от 30-летнего среднего и общего числа принятых участниками ВТО СФС-мер по молочной продукции в месяц принятия СФС-меры
Fig. 4. Deviation of the average world price for dairy products from the 30-year average and the total number of SPS measures adopted by the WTO members on dairy products in the month of the SPS measure
Российский внешнеэкономический вестник
12 - 2020
70
Также рассчитываются автором и вводятся в модель признаки: Dairy Price Index - абсолютное значение мирового индекса цен на молочную продукцию в данном месяце, DairyMeanDif - отклонение значения мирового индекса цен на молочную продукцию в данном месяце от среднего значения индекса цен на молочную продукцию за 30 лет, Importer - 1 в колонке означает, что страна относится к двадцати самым крупным в денежном выражении импортерам молочной продукции, Exporter - 1 в колонке означает, что страна относится к двадцати самым крупным в денежном выражении экспортерам молочной продукции.
Рис.5. Фрагмент датасета для предиктивной модели после очистки, предобработки и введения новых признаков
Fig. 5. Dataset Fragment for a predictive model after cleaning, preprocessing and introducing new features
После очистки, удаления дубликатов, нечисловых значений, преобразования дат, преобразования в числовые коды строковых названий стран-участниц ВТО, слияния исходного датасета с внешними данными и применения feature engineering к категориальным значениям модель на основе полученного датасета можно обучать и получать предсказанные значения по назначаемой целевой функции. Моделью машинного обучения является алгоритм, который помогает по одному конкретному примеру принять решение или построить прогноз.
Рассмотрим последовательность предсказания на примере простого алгоритма дерева принятия решений. В качестве целевой функции назначается значение признака Dairy_SPS, поскольку исследователя интересует, будут ли в рассматриваемый будущий период приниматься СФС-меры в отношении молочной продукции.
12 - 2020
Российский внешнеэкономический вестник
71 Q
Рис.6. Пример обучения модели классификации на основе простого классификатора дерева принятия решений (деление выборки на целевую и тестовую - в соотношении 70 на 30, глубина дерева не задается)
Fig. 6. An example of training a classification model based on a simple classifier of a decision tree (dividing the sample into target and test samples - in a ratio of 70 to 30, the depth of the tree is not specified)
In [74] : 1 9 Cauiiion Maiut> Sayes
2 from skl«arn,naiv»_bay*s import GsujsianNB from sklearn,metrics import aceuracy_score
4
5 gjuisian = Giussi»nNB()
6 g^ussian.fit(data_train, target_train) prediction = gaussian.predict(datante£t)
3 acc_g3ussiar = rcrnni(ассигасу_*соге(prediction, target_test) ■ 100, 2)
S print fe«_faussian)
in [81]: 1 # KNN or k-Nearest Neighbors
Z from btleam.neighbsrs import KNeiehborbClas£ifier
J kiin = KNeighboriClaiiifierO
к n n.fi t(data_trai n, target_tга in) prediction = knn.predict(data_testj
acc_bnn i roLind(a<;cLjrflcy_s«jre( prediction, target_te3t) * iee, J) & print (асс.кпп)
In [B2] : 1 # StocfNjstit Gradient Descent
from tklaar-n ,linear_ino(lel Import Side less if ier
г
4 spd = S€DClaHifierf)
sgd . fit (data_train, targat_trairi) prediction - sgd.pradict(data_teat) 7 acc_sgd = round(accur«cy_si:ore(prediction, target_test) * iee, 2)
5 printCaec.sgd)
96-1$
^ 72
Российский внешнеэкономический вестник
12 - 2020
Чтобы определить точность предсказания можно воспользоваться метрикой accuracy_score, поскольку она подходит и для моделей восстановления регрессии, и классификации. Проводится моделирование еще по нескольким алгоритмам, оценка по метрике, и выбирается наиболее подходящий.
В данном случае из рассмотренных наибольшую точность по метрике accuracy score дает классификатор К-ближайших соседей.
Непосредственно прогноз представляет собой массив данных.
Рис.7. Прогнозный массив данных Fig. 7. Forecast dataset
Чтобы расшифровать, какие же именно страны, по версии модели, примут санитарные меры в отношении молока в будущем придется проделать ряд обратных операций, получить коды стран, вводящих СФС-меры и сопоставить с их строковыми названиями:
In [89]г predict*[pr*dictt[1D»iry_SP5'3==l3.Country_Code.unique()
Out[ДО]: »rr»y([ 54, 267, 11, 596, 593, 29, 503, 12, 592, 504, 972, 254, 69, 595, 597, 3S6, 256], d*ype=int64)
In [99]: 1 eountry_codes.loc[country_Codes['Country_Code1]»267]
Out[99]г
Notffylng_Member Country_Co<Je
22 Botswana 267
1 countr-y_codes. loc [country^codes[ ' Country^Code' ]==594]
Notffying_M*mi»r Counlry_Code
71 Honduras 504
1 country_codes..loc[country_codes£'Country_Code' ]»3S6]
Notlfying_Member Country_Code
155 Slovenia Эй в
Рис.8. Пример обратного определения страны по коду в предиктивной модели Fig. 8. An example of the reverse determination of the country by code in the predictive model
12 - 2020
Российский внешнеэкономический вестник
73 Q
Представленная автором самая несложная модель машинного обучения предсказывает введение Китаем СФС-мер в отношении молочной продукции в течение 52 недель от момента прогнозирования. Справедливым было бы признать, что модель не дает ответа, для какого именно вида молочной продукции будут введены СФС-меры, поскольку класс 67.100 Гармонизированной системы описания и кодирования товаров Всемирной таможенной организации (HS), по которому проведено выделение целевой функции в приведенной модели, включает все виды молочной продукции. Что можно компенсировать другими видами прогноза, например, экспертным.
На осень 2020 года Минсельхоз РФ совместно федеральным центром «Агроэк-спорт» и Национальным союзом производителей молока «Союзмолоко» запланировали расширение поставок в Китай за счет биржевых товаров - сухого цельного и обезжиренного молока10. По оценке Федерального центра «Агроэкспорт», российская молочная отрасль имеет потенциал увеличения экспорта до 800 млн долл. в год (прим.авт. - рост от уровня 2019 года более чем в 800 раз). Возможностями расширения экспорта обладают сыры, цельное молоко, а в случае открытия китайского рынка в сегменте В2С - сухое молоко и сыворотка. Доля Китая в экспорте молочных продуктов должна вырасти до 29% к 2024 году11.
По мнению автора, без прогнозирования и управления рисками внешней среды по введению импортерами нетарифных мер в отношении российского сельхозэк-спорта, прежде всего санитарных и фитосанитарных ограничений, достижение целевых показателей маловероятно.
В подтверждение прогноза 25 сентября 2020 г. в информационной системе ВТО по санитарным и фитосанитарным мерам появились нотификации КНР об изменениях в национальных стандартах сухого молока, сыворотки и кисломолочных продуктов 12. По оценке автора, предлагаемые изменения (в основном затрагивающие процедуры прослеживаемости и изменения маркировки) в меньшей мере повлияют на экспортные цены российской молочной продукции, но удлиняют сроки возврата экспортных кредитов, потребуют некоторой перестройки производственного и контрольного оборудования.
ПРИМЕЧАНИЯ:
1 Минсельхоз РФ разработал новый паспорт проекта по экспорту продукции АПК. http://www.finmarket.ru/news/5354566
2 Экспорт российской агропродукции почти сравнялся с импортом. https://rg. ru/2020/10/15/eksport-rossijskoj-agroprodukcii-pochti-sravnialsia-s-importom.html
3 Никитин С.И. Первый год на китайском рынке. Проблемы и перспективы экспорта российского молока. // Молочная промышленность, № 1, 2020, с.64-67
4 Dairy Market Intelligence. CME Cash Market Summary. https://www.intlfcstone.com/Com-modities/Dairy/
^ 74
Российский внешнеэкономический вестник
12 - 2020
5 Завершена разработка стратегии продвижения молочной продукции в КНР. https:// www.dairynews.ru/news/zavershena-razrabotka-strategii-prodvizheniya-molo.html
Дюмулен И.И. Нетарифные меры в современной международной торговле: некоторые вопросы теории, практика и правила ВТО, интересы России /Российский внешнеэкономический вестник №2 - 2016, с.3-20
7 Федеральный центр развития экспорта продукции АПК Минсельхоза России «Аг-роэкспорт» https://aemcx.ru/wp-content/uploads/2020/06/Экспорт-российской-молочной-продукции-в-КНР.pdf
John C. Beghin et Jean-Christophe Bureau, Quantitative policy analysis of sanitary, phytosanitary and technical barriers to trade Économie internationale 2001/3 (no 87), pages 107 à 130 https://www.cairn.info/revue-economie-internationale-2001-3-page-107.htm#
Шитиков В. К., Мастицкий С. Э. (2017) Классификация, регрессия, алгоритмы Data Mining с использованием R. - Электронная книга, адрес доступа: https://github.com/ ranalytics/data-mining
10 Экспорт сухого молока и сыворотки в Китай может начаться осенью. https://www. agroinvestor.ru/markets/news/33889-eksport-sukhogo-moloka-i-syvorotki-v-kitay-mozhet-nachatsya-osenyu/
11 Перспективы российских молочных продуктов на мировом рынке https://aemcx.ru/ wp-content/uploads/2020/03/Перспективы-российских-молочных-продуктов-на-мировом-рынке.pdf
12 См. G/SPS/N/CHN/1167 National Food Safety Standard of the P.R.C.: Fermented Milk, /SPS/N/CHN/1145/Add.1, National Food Safety Standard of the P.R.C.: Processed Cheese and Cheese Products, G/SPS/N/CHN/1168, National Food Safety Standard of the P.R.C.: Whey Powder and Whey Protein Powder
БИБЛИОГРАФИЯ:
Дюмулен И. И. Нетарифные меры в современной международной торговле: некоторые вопросы теории, практика и правила ВТО, интересы России //Российский внешнеэкономический вестник №2 - 2016, с.3-20
Шитиков В. К., Мастицкий С. Э. (2017) Классификация, регрессия, алгоритмы Data Mining с использованием R. - Электронная книга, адрес доступа: https://github.com/ ranalytics/data-mining
Электронный портал ВТО нотификаций о применении СФС-мер http://spsims.wto.org
Электронный портал об экспорте товаров животного и растительного происхождения http://www.proagroexport.com
Экспорт сухого молока и сыворотки в Китай может начаться осенью // https://www.agro-investor.ru/markets/news/33889-eksport-sukhogo-moloka-i-syvorotki-v-kitay-mozhet-nachat-sya-osenyu
Федеральный центр развития экспорта продукции АПК Минсельхоза России «Агро-экспорт» // https://aemcx.ru/wp-content/uploads/2020/06/Экспорт-российской-молочной-продукции-в-КНР.pdfG/SPS/N/CHN/1167 National Food Safety Standard of the P.R.C.: Fermented Milk,
G/SPS/N/CHN/1145/Add.1, National Food Safety Standard of the P.R.C.: Processed Cheese and Cheese Products,
12 - 2020
Российский внешнеэкономический вестник
75 Q
G/SPS/N/CHN/1168, National Food Safety Standard of the P.R.C.: Whey Powder and Whey Protein Powder
John C. Beghin et Jean-Christophe Bureau, Quantitative policy analysis of sanitary, phytosan-itary and technical barriers to trade Économie internationale 2001/3 (no 87), pages 107 à 130 https://www.cairn.info/revue-economie-internationale-2001-3-page-107.htm#
BIBLIOGRAPHY:
Dyumulen I.I. Netarifny'e mery' v sovremennoj mezhdunarodnoj torgovle: nekotory'e voprosy' teorii, praktika i pravila VTO, interesy' Rossii //Rossijskij vneshnee'konomicheskij vestnik №2 - 2016, s.3-20
Shitikov V. K., Masticzkij S. E'. (2017) Klassifikaciya, regressiya, algoritmy' Data Mining s ispol'zovaniem R. - E'lektronnaya kniga, adres dostupa: https://github.com/ranalytics/data-mining
E'lektronny'j portal VTO notifikacij o primenenii SFS-mer http://spsims.wto.org
E'lektronny'j portal ob e'ksporte tovarov zhivotnogo i rastitel'nogo proisxozhdeniya http:// www.proagroexport.com
E'ksport suxogo moloka i sy'vorotki v Kitaj mozhet nachat'sya osen'yu // https://www. agroinvestor.ru/markets/news/33889-eksport-sukhogo-moloka-i-syvorotki-v-kitay-mozhet-nachatsya-osenyu
Federal'ny'j centr razvitiya e'ksporta produkcii APK Minsel'xoza Rossii «Agroe'ksport» // https://aemcx.ru/wp-content/uploads/2020/06/E'ksport-rossijskoj-molochnoj-produkcii-v-KNR. pdfG/SPS/N/CHN/1167 National Food Safety Standard of the P.R.C.: Fermented Milk,
G/SPS/N/CHN/1145/Add.1, National Food Safety Standard of the P.R.C.: Processed Cheese and Cheese Products,
G/SPS/N/CHN/1168, National Food Safety Standard of the P.R.C.: Whey Powder and Whey Protein Powder
John C. Beghin et Jean-Christophe Bureau, Quantitative policy analysis of sanitary, phytosanitary and technical barriers to trade Économie internationale 2001/3 (no 87), pages 107 à 130 https://www.cairn.info/revue-economie-internationale-2001-3-page-107.htm#
^ 76
Российский внешнеэкономический вестник
12 - 2020
