400-315-2188

　　江南app【导语】2023年，印度继续从俄罗斯大量进口廉价能源产品，同时对欧盟、英国出口额分别增长2.2%、10.9%，外贸下滑的势头有所改善。俄乌冲突以来，印度外贸出现结构性变化，其中，俄罗斯占印度总进口的比重从2021年的1.5%上升至2023年的9.0%；欧盟占印度总出口的份额从14.9%升至17.4%。在全球“去风险化”逆风下，印度外贸主动承担风险，一方面加强同俄罗斯经贸联系，又大幅提升对美西方市场依赖度，可谓“左右逢源”，成为此轮全球地缘灾难的主要受益者之一。

　　2023年，印度进出口累计11015.1亿美元，同比(较上年)下降6.1%，其中12月当月进出口965.2亿美元，同比下降2.7%，环比(较上月)增长9.4%，近12个月趋势向上。

　　进口与出口分别统计，2023年印度进口金额6702.5亿美元，同比下降6.9%；出口金额4312.6亿美元，同比下降4.7%。

　　按顺逆差统计(出口额减进口额)，2023年，印度贸易逆差为2389.9亿美元，具体来看，印度对中国贸易出现833.4亿美元逆差，对美国实现323.4亿美元顺差。

　　按伙伴统计，2023年，印度自全球进口前三位贸易伙伴分别是中国、东盟、欧盟等，其中，印度自中国进口规模第一江南app，金额995.8亿美元江南app，同比下降3.0%；自俄罗斯进口增速最高，金额605.8亿美元，同比增长78.2%；总体来看，在前十位伙伴中，有4个同比增速保持增长。

　　按拉动度分解，印度自俄罗斯进口拉动整体增速3.7个百分点，自东盟进口拖累整体增速1.4个百分点，自沙特阿拉伯进口拖累整体增速1.3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、东盟、欧盟占印度总进口的比重分别为14.9%、11.8%、9.3%。

　　按商品(大类)统计，2023年，印度自全球进口前三大品类分别是矿物产品(25-27章)、机电产品(84-85章)、珠宝首饰(71章)等，其中，矿物产品(25-27章)规模第一，金额2292.0亿美元，同比下降15.4%；植物产品(06-14章)增速最高江南app，金额101.7亿美元，同比增长12.8%；总体来看，在主要品类中，有4个同比增速保持增长。

　　2023年江南app，在印度进口的主要品类中，中国在机电产品(84-85章)、化学产品(28-38章)的占比为38.1%、28.7%；东盟在机电产品(84-85章)江南app、矿物产品(25-27章)的占比为15.2%、7.0%；欧盟在机电产品(84-85章)的占比为17.9%。

　　2023年，在印度进口的主要伙伴中，矿物产品(25-27章)在俄罗斯、伊拉克、沙特阿拉伯的占比为88.4%、99.2%、78.2%；机电产品(84-85章)在中国、欧盟、东盟的占比为51.6%、38.8%、26.1%；珠宝首饰(71章)在阿联酋、瑞士的占比为38.1%、85.0%。

　　按伙伴统计，2023年，印度对全球出口前三位贸易伙伴分别是美国、欧盟、东盟，其中，印度对美国出口规模第一，金额756.9亿美元，同比下降5.4%；对英国出口增速最高，金额124.3亿美元，同比增长10.9%；总体来看，在前十位伙伴中，有5个同比增速保持增长。

　　按拉动度分解，印度对美国出口拖累整体增速1.0个百分点，对东盟出口拖累整体增速0.9个百分点，对孟加拉国出口拖累整体增速0.6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、欧盟、东盟占印度总出口的比重分别为17.6%、17.4%、9.2%。

　　按商品(大类)统计，2023年，印度对全球出口前三大品类分别是矿物产品(25-27章)、机电产品(84-85章)、化学产品(28-38章)等，其中，矿物产品(25-27章)规模第一，金额957.7亿美元，同比下降6.6%；机电产品(84-85章)增速最高，金额615.8亿美元，同比增长14.4%；总体来看，在主要品类中，有2个同比增速保持增长。

　　2023年，在印度出口的主要伙伴中，矿物产品(25-27章)在欧盟、东盟、阿联酋的占比为26.0%、24.1%、22.9%；机电产品(84-85章)在美国、欧盟的占比为21.0%、17.3%；化学产品(28-38章)在美国、欧盟的占比为16.4%、13.2%。

　　基于印度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个月印度进出口金额分别为906.17亿美元、883.32亿美元、966.75亿美元，同比分别增长2.3%、下降2.4%、下降6.0%。（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。）

　　（作者：瀚闻资讯 本文观点与北京大学区域与国别研究院立场无关，文责自负。引用、转载请标注作者信息及文章出处。）

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。