【导语】今年前2月，欧盟自盟外进口额下滑13.3%，其中自中国(降16.7%)、东盟(降14.3%)、日本(降7.9%)、韩国(降19.2%)、中国台湾(降12.6%)等均现大幅下降态势。欧盟自东亚进口以机电产品(如芯片)和运输设备(如电动汽车、船舶)为主，因此，当前态势显示欧亚产业链、供应链风险的进一步暴露。上述情况与红海航运危机、贸易保护主义抬头、经济复苏势头不稳等存在关联，非一朝一夕能冰释。未来欧亚贸易发展阻力较大，各方应回归世贸组织规则下对话合作。
1.整体趋势分析
2024年1-2月，欧盟(盟外)进出口8585.7亿美元，同比(较上年)下降6.2%，近12个月趋势向下。其中，进口金额4139.4亿美元，同比下降13.3%；出口金额4446.3亿美元，同比增长1.5%。
图1 2021-2024年2月欧盟(盟外)进出口总值走势(亿美元)
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
按顺逆差统计(出口额减进口额)，2024年1-2月，欧盟(盟外)贸易顺差为306.9亿美元，具体来看，欧盟(盟外)对中国贸易出现441.5亿美元逆差，对英国实现314.4亿美元顺差。
图2 2024年1-2月欧盟(盟外)主要贸易伙伴及贸易平衡情况(亿美元)
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
2.结构分析
2.1.进口侧分析
按伙伴统计，2024年1-2月，欧盟(盟外)自全球进口前三位贸易伙伴分别是中国、美国、英国等，其中，欧盟(盟外)自中国进口规模第一，金额804.9亿美元，同比下降16.7%；自土耳其进口增速最高，金额173.7亿美元，同比增长2.3%。
表1 2024年1-2月欧盟(盟外)进口金额前十位贸易伙伴
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
按拉动度分解，欧盟(盟外)自中国进口拖累整体增速3.4个百分点，自英国进口拖累整体增速1.4个百分点，自东盟进口拖累整体增速0.9个百分点。(注：此处拉动度为本年自该贸易伙伴进口金额的变动与上年同期进口总值的比值。)从份额来看，中国、美国、英国占欧盟(盟外)总进口的比重分别为19.4%、14.3%、7.1%。
图3 2012-2024年2月主要贸易伙伴占欧盟(盟外)进口份额变化情况
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
图4 2024年1-2月欧盟(盟外)自全球进口主要伙伴的结构情况
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
从进口侧看，监测预警算法显示，在全部216个贸易伙伴中，共13个进口金额存在异常波动状况，其中，欧盟(盟外)自哈萨克斯坦、中国台湾、韩国等进口情况值得关注。
图5 2012-2024年2月欧盟(盟外)进口异常走势一览图(按伙伴统计)
数据来源：瀚闻资讯《全球贸易观察》(GTF)系统
2.2.出口侧分析
按伙伴统计，2024年1-2月，欧盟(盟外)对全球出口前三位贸易伙伴分别是美国、英国、中国等，其中，欧盟(盟外)对美国出口规模第一，金额889.3亿美元，同比增长10.2%；对墨西哥出口增速最高，金额94.6亿美元，同比增长11.2%；总体来看，在前十位伙伴中，有8个同比增速保持增长。
表2 2024年1-2月欧盟(盟外)出口金额前十位贸易伙伴
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
按拉动度分解，欧盟(盟外)对美国出口拉动整体增速1.9个百分点，对英国出口拉动整体增速0.7个百分点，对中国出口拖累整体增速0.7个百分点。(注：此处拉动度为本年对该贸易伙伴出口金额的变动与上年同期出口总值的比值。)从份额来看，美国、英国、中国占欧盟(盟外)总出口的比重分别为20.0%、13.7%、8.2%。
图6 2012-2024年2月主要贸易伙伴占欧盟(盟外)出口份额变化情况
数据来源：Eurostat, 瀚闻资讯《全球贸易观察》(GTF)系统
3. 指数化评价
2024年2月欧盟(盟外)与全球进出口晴雨指数得分为83.18(上月为83.21)，处于消极区间，贸易增长明显慢于中长期趋势，且向下动能增强。(注：温和区间得分介于97.5~102.5，积极区间得分需大于102.5，消极区间得分小于97.5。)
图7 2012-2024年2月欧盟(盟外)进出口晴雨指数得分
数据来源：瀚闻资讯《全球贸易观察》(GTF)系统
4.短期预测
基于欧盟(盟外)进出口金额的历史走势分析，在不考虑外部因素情况下，应用Prophet算法，预测未来3个月欧盟(盟外)进出口金额分别为4588.09亿美元、4161.31亿美元、4191.19亿美元，同比分别下降8.4%、下降5.3%、下降12.0%。（注：Prophet是由Facebook(META)开发的一种用于时间序列预测的开源库。Prophet模型是一种基于加法模型的时间序列预测方法，它结合了趋势、季节性和节假日效应来建模和预测时间序列数据。需要注意的是，Prophet模型是基于统计的方法，它假设时间序列数据具有一定的规律性和可预测性。）