WHITEFLAG

主权资产 Re-Optimization Portal

估值框架

WHITEFLAG 采用严谨、基于证据的框架，以企业估值方法论为基础，对国家和城市进行定价。本页阐释完整的定价公式——从国家层面的资产与负债，到城市层面的可分离性分析，再到平台主权衡量——以便您理解、引用并批判性地评估我们得出每一项估值的依据。

目录

1. 定价框架概述

See this in action → 主权洞察

WHITEFLAG 采用基本的企业估值方程，并针对地缘政治复杂性进行调整，对各国进行估值：

国家价值 = [资产 - 调整项 - 负债] × 乘数

其中：

与简单的资产基础估值不同，本框架纳入了以下因素：

1b. 预测模型：SAPA 与 Gale-Shapley

See this in action → 交易浏览器  |  收购匹配

WHITEFLAG 采用两种互补的预测算法，回答不同的战略问题：

SAPA：双边可行性

主权收购倾向算法

问题： "A 国能否收购 B 国？"

  • 结构： 1 个买方 → 1 个目标（双边）
  • 输出： 48,180 配对（所有组合）
  • 指标： 可行性 %（综合评分，非校准概率）
  • 时间性： 静态/当前评估
  • 用于： 交易浏览器

示例： 中国 → 台湾 = 48.5% 可行性
纳入因素：战略冲动、胁迫折扣、美国安全层级、军事能力、距离。 51 buyer–target pairs carry a hardcoded historical claim that replaces the computed strategic impulse whenever it is higher; （主导生态系统：NVIDIA、Google、OpenAI） → Taiwan is one 的 them.

Gale-Shapley：联盟形成

时间稳定匹配算法

问题： "哪些联盟形成以收购谁，以及何时发生？"

  • 结构： 联盟 → 1 个目标（多边）
  • 输出： 194 跨 3 个阶段的稳定匹配，取自 220 已分析实体（主权实体和可分离资产）
  • 指标： 协同评分（相互契合度）
  • 时间性： 2025-2030、2030-2040、2040-2050
  • 用于： 洞察 → 联盟

示例（最高协同）： USA → JOR (14.04)
纳入因素：联盟兼容性、气候紧迫性、政权契合度、共享边界

协同因素（14）：

联盟： shared_alliances（+1.0 各），shared_ftas（+0.5 各），target_alliance_overlap（+0.8 各）
经济： economic_balance（+0.3），human_capital_complementarity（+1.5），resource_delta（+0.8），creditor_leverage（+1.2)
） 地理：+0.5geographic_proximity（ +0.5 ），chokepoint_value（按距离分档，而非固定奖励： 2,000 在 +0.3 ），chokepoint_value（按距离分档，而非固定奖励： 5,000 公里内 +0.1 +0.1+0.3)
以外），military_projection（ 气候：+0.4+0.4+0.75+0.75+0.6+0.6+0.4)

），climate_migration_fit（

约束条件（4 项）：-2.0alliance_shield（-3.0），nuclear_deterrent（-1.0），regime_incompatibility（-0.5)
），brain_drain_risk（ 2 最低协同阈值：

（低于此值的匹配将被过滤掉）26 不可收购国家（

被阻止作为目标的国家）： UNSC P5：
USA、CHN、RUS、GBR、FRA 核大国：
IND、PAK、ISR、PRK 主要经济体：
DEU、JPN、BRA、ITA、CAN、KOR、AUS 区域霸主：
TUR、SAU、IRN、IDN、MEX、POL、ESP、NGA、EGY、ZAF

这些国家只能作为联盟成员（收购方），永远不能作为目标。

两者的关系 SAPA 和 Gale-Shapley 是互补的

同时展示两者：SAPA 双边可行性 + Gale-Shapley 的相关联盟匹配

方法论说明：解读可行性评分 可行性 % 评分为综合指数，而非校准概率。

60% 的评分并不意味着"收购发生的概率为 60%"。它代表战略动机（资源、邻近性、咽喉要道）、胁迫可行性（军事能力比率）和阻碍约束（联盟、距离、经济规模）的加权组合。 如何解读：

2. 资产估值

See this in action → 主权洞察 Overview

2.0 资产基础与 CWON 交叉校验

下文的工业、人力资本、资源和土地基础对每个实体都在同一尺度上计算。对于世界银行 Changing Wealth of Nations 2024 账户（2020 年数值）覆盖的 150 个国家，先用 k（所有覆盖国家中计算基础与 CWON 数值之比的中位数）把对应的 CWON 存量（生产资本、人力资本、不可再生和可再生自然资本）换算到计算尺度上，再与各项基础合成：

Base_Used = √(Computed_Base × k × CWON_Value) (w = 0.5)

查看实际应用 → 主权洞察概览

2.1 生产资本（工业与基础设施）

公式

基础工业价值 = 有效_GDP × 有效_乘数 × 调整_乘数 10× 10×

根据治理质量、制裁、货币稳定性、投资环境和 AI 基础设施进行调整： 10× 有效_GDP = 官方_GDP × (1 + 影子经济_%) 有效_乘数 =

个在 AI 强国名单上的国家 示例

工业价值——巨大的影子经济提升对抗弱治理乘数

2.2 人力资本

方法论：HCI-生产率方法

我们使用 World Bank 人力资本指数（HCI）结合实际生产率数据来计算终身劳动价值：

其中：

= 人力资本指数平方（质量乘数）

每工人 GDP，而非理论估计

当气候成本超过生产率时降低 HC

2.3 自然资源

分层储量估值

以现实的采掘经济学取代简单的"储量 × 商品价格"： 层级 利润率 个在 AI 强国名单上的国家
折扣 40% 已探明常规 1.0×
沙特石油、澳大利亚铁矿石 25% 投资环境： 已探明难采
北极石油、深水天然气 10% 推测性 0.40×
北极资源、未证实锂矿 5% 政治受阻 0.20×

格陵兰稀土（被丹麦禁止）

$19.4B0.20 制裁折扣： 1.00没有单独的采掘概率项。执行风险仅通过上述层级折扣因子（

）以及国家层面的政治和气候调整进入；引擎不会将储量乘以采掘概率。

2.4 战略资产

3. 负债估值

==================== 负债估值 ====================

3.1 主权债务（经债权人调整）

债权人集中度问题

中国持有的 560 亿美元债务与多元化的私人持有的 560 亿美元债务所携带的杠杆风险不同。

我们计算名义债务占 GDP 的百分比，然后使用债权人集中度（HHI 指数）来调整买方承担的有效债务负担：

名义债务
×
债权人杠杆系数
=
调整后债务

运作方式：

示例：美国 vs 中国

数据来源： IMF债务统计数据库、World Bank债权人报告系统、AidData（中国贷款追踪）

3.2 环境负债

收购的隐性成本

关键在于，环境清理成本无法被新所有者否认，且代表真实负债：

影响： 环境负债使净估值降低2-15%，具体取决于工业化水平和气候承诺。

3.3 气候适应成本（ND-GAIN动态）

动态气候负债计算

我们用动态ND-GAIN数据取代静态气候脆弱性表，以计算气候适应成本：

Climate_Liability_NPV = Annual_Cost × Annuity_Factor(100yr, 4%) Annual_Cost = GDP × Vulnerability × 0.05 × (1 - Readiness × 0.6) 其中： Vulnerability = ND-GAIN脆弱性指数（0-1） Readiness = ND-GAIN准备度指数（0-1）

ND-GAIN指标：

来源： Notre Dame Global Adaptation Initiative (ND-GAIN)、IPCC AR6第二工作组

3.4 水安全溢价

淡水作为战略资产

水是21世纪的战略资源。淡水丰富的国家获得估值溢价：

Water_溢价 = GDP × 溢价_Factor 溢价_Factor based on Freshwater_Stress_Index: Stress < 0.2 (ABUNDANT): 5.0% of GDP Stress 0.2-0.4 (ADEQUATE): 3.75% of GDP Stress 0.4-0.6 (MODERATE): 2.0% of GDP Stress 0.6-0.8 (STRESSED): 0.5% of GDP Stress > 0.8 (危急）： 0% 占GDP
水等级 个在 AI 强国名单上的国家 溢价
丰富 加拿大、巴西、俄罗斯、挪威 （多伦多/蒙特利尔 AI 中心，初创企业集中） GDP
充足 德国、英国、澳大利亚 +3.75% GDP
中等 美国、法国、日本 荷兰 GDP
危急 埃及、巴基斯坦、印度 +0% GDP
来源： FAO AQUASTAT、World Resources Institute Aqueduct Water Risk Atlas

3.5 2050年耕地预测

气候赢家与输家

气候变化在农业潜力方面创造赢家和输家。我们根据IPCC预测调整土地价值：

Adjusted_Land_Value = Base_Land_Value × Multiplier Multiplier = 1 + (Projected_Arable_Change_% / 100) × 2.0 上限：Multiplier限制在[0.5, 1.5]
轨迹 预测变化 个在 AI 强国名单上的国家
气候赢家 +15%或更多 俄罗斯（+18%）、加拿大（+15%）、挪威（+12%）
气候中性 -5%至+5% 美国（-3%）、德国（+2%）、英国（+1%）
气候输家 -15%或更多 埃及（-40%）、孟加拉国（-22%）、巴基斯坦（-18%）
案例研究：俄罗斯作为气候赢家
俄罗斯到2050年预测耕地增加+18%（西伯利亚解冻）转化为 1.36x 土地价值乘数 针对定价为 $50,000 每平方公里。 即 $294.8B 的额外土地价值。
来源： IPCC AR6第二工作组，第5章（食品、纤维和其他生态系统产品）

3.6 气候绝望折扣

气候脆弱目标方的BATNA降低

面临气候崩溃的国家谈判杠杆降低（BATNA更弱——谈判协议的最佳替代方案）：

Climate_Desperation = min(1.0, Vulnerability / (Readiness + 0.1)) Effective_Integration_Cost = Base_Cost × (1 - 利润率)

绝望区间 （各区间边缘的折扣）：

折扣并非随绝望程度线性变化。斜率在0.5处翻两番，因此0.49的目标方获得 4% 而0.50的目标方获得 16%.

案例研究：马尔代夫
海平面上升威胁该国生存。绝望系数饱和于 1.00 （脆弱性除以准备度，上限为1.0）， 使马尔代夫处于绝望区间，并将其整合成本削减 40%。 在经济上，马尔代夫拒绝收购要约的杠杆有限。

3.7 气候迁移人力资本流动 See in action → Climate

World Bank Groundswell 2050预测

气候变化驱动人力资本再分配，独立于收购情景。World Bank预测到2050年将有2.16亿国内气候移民。模型根据这些预测迁移模式调整HC值：

Net_Migration_Factor = Immigration_Gain - Emigration_Loss Adjusted_Human_Capital = Base_HC × (1 + Net_Migration_Factor) 其中： Emigration_Loss = Emigration_Pressure × 0.15（最多15% HC损失） Immigration_Gain = (Attractiveness - 0.5) × 2 × 0.08（最多8% HC增益）

区域预测

区域 预测移民（2050） 典型HC影响
撒哈拉以南非洲 8600万 -10%至-15%损失
南亚 4000万 -10%至-13%损失
东亚和太平洋 4900万 -5%至-8%损失
西欧 净接收方 +3%至+8%增益
北美 净接收方 +3%至+5%增益

移出压力因素

移入吸引力因素

迁移状态 净因素范围 个在 AI 强国名单上的国家
净目的地 > 荷兰 德国（+5.6%）、加拿大（+4.7%）、美国（+3.1%)
中性 -5%至+2% 移入吸引力大致抵消移出压力的国家
净来源 < -5% 孟加拉国（-15.0%）、尼日利亚（-15.0%）、中国（-10.9%)
示例：德国 vs 孟加拉国
德国： 高移入吸引力和低移出压力带来净 +5.6% 人力资本调整
孟加拉国： 移出压力在低吸引力下饱和至1.0，因此 调整触及 -15.0% floor — the maximum loss the model allows
来源： World Bank Groundswell Report (2021)、ND-GAIN Climate Index、IOM Global Migration Data Portal

3.8 整合成本

四种整合情景

每个国家根据其脆弱性、制度能力和抵抗占领历史被归类为四种情景之一。该分类设定总整合成本占GDP的比例，并在取决于情景和规模的持续时间内分摊。

情景 描述 总成本
自愿整合 地方精英合作；无重大抵抗 5% 占GDP
谈判整合 谈判解决；制度对齐 25% 占GDP
争议整合 重大抵抗；长期冲突 65% 占GDP
敌对占领 全面叛乱；表中整合时间最长，最多 35 年 120% 占GDP

实际导致成本变化的因素：

4. 整合情景

Each country shows three valuation outcomes. All three are deltas against one base price, so the scenarios differ only by the terms listed below — they are 不 three independent valuations:

Base = 资产 - (Creditor-调整后债务 + Environmental + Pension + Integration Cost) Best = Base + 0.50 × Integration_Cost Worst = Base - 1.50 × Integration_Cost - 0.80 × 联盟_Value - Human_Capital × Brain_Drain_Coefficient + Debt the buyer avoids assuming

愿意合作（最佳情况）

买方支付约一半的基准整合成本，因此价格因该节省而上升。其他不变：假设联盟价值和人力资本在转移后完整保留。

争议转移（基准情况）

基准价格本身，已扣除按情景分类的全部整合成本。这是全站显示的标题企业价值。

敌对收购（最坏情况）

买方支付 1.50× 基准整合成本叠加在基准之上，损失 0.80 目标方联盟价值因驱逐而损失，并损失逃离的人力资本。相对地，它避免承担其拒绝承担的债务。负债没有单独的执法成本乘数。

5. 债权人杠杆分析

See this in action → 经济 Capture

我们计算一个 风险评分（0-100） 衡量债权人集中度对买方的约束程度：

风险评分公式（细粒度）

Risk_Score = HHI_Component + China_Component + IMF_Component + Collateral_Component HHI_Component = min(60, HHI × 60) China_Component = min(25, (china_pct / 100) × 25) IMF_Component = min(20, (imf_pct / 30) × 20) Collateral_Component = min(15, (collateral_multiplier − 1.0) × 10) 若乘数 > 1.5，否则为0

战略抵押品组成部分。 当债权人实际持有 借款人的战略资产——港口、基地、走廊——其杠杆超过仅凭债务份额 所暗示的水平，因此第四个组成部分最多增加15分。杠杆乘数因资产而异（上限为3.0倍）： 例如中国–汉班托塔港（斯里兰卡）2.0倍 → +10；中国–瓜达尔 + CPEC（巴基斯坦）2.5倍 → +15； 美国–乌代德基地（卡塔尔）2.0倍 → +10。没有债权人数据记录的实体（例如无人居住或投机性 领土）采用中性默认风险评分50。

风险评分解释：

示例：美国（20.7） vs 中国（44.3）
美国：债权人分散于日本、中国、欧洲 → 风险20.7 → 高买方自主性
中国：债权人集中（HHI 0.738） → 风险44.3 → 中等买方自主性（需要适度谈判）

5.1 经济捕获指数（v3.0）

See this in action → 经济 Capture tab

）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） Risk 评分 above measures one slice 的 capture — concentration 的 主权债权人的集中度。经济捕获指数将其扩展为六维综合指标，衡量一个国家在所有主权决策领域被外国势力功能性控制的程度，并应用 多向量门控 ，使单向量依赖（例如盟友武器采购关系）不会被登记为捕获。

六个维度，加权

维度权重衡量内容评分1.0意味着
monetary_control0.22对货币/货币政策的外部控制外国控制（CFA法郎、美元化）
debt_dependency0.18主权债务对单一外国债权人的集中度>50% from one creditor
resource_foreign_control0.18初级出口行业的外国所有权外国主导（例如尼日尔铀）
trade_concentration0.15对单一伙伴的出口依赖>70% 制裁折扣： one partner
security_apparatus0.13武器供应国集中度 + 外国基地驻扎唯一供应国武器 + 主要驻扎基地
executive_function0.14现任行政机构由外国安装或依赖外国锚定以求生存的程度外国驻军且依赖外国（2003年后的伊拉克、COFA国家）

为何安全维度上限被压至低位（0.13）： hosting a US base or buying US fighters is alliance, 不 acquisition. A weight in line with the other dimensions would push every NATO member into “captured.” ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） cap, combined with the gate below, prevents that.

活跃向量门槛

）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） page text has long defined capture as “decisive leverage on two or more 的 [the dimensions above].” ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） composite score alone doesn't enforce that — a single dimension scoring near 1.0 can drag the composite up without any second lever. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） gate fixes this:

active_vectors = count 的 dimensions scoring ≥ 0.5 classification requires both (composite_floor AND min_active_vectors）： EFFECTIVELY_ACQUIRED composite ≥ 0.55 AND active_vectors ≥ 4 HIGH_CAPTURE composite ≥ 0.40 AND active_vectors ≥ 3 中等_CAPTURE composite ≥ 0.25 AND active_vectors ≥ 2 LOW_CAPTURE composite ≥ 0.15 AND active_vectors ≥ 1 SOVEREIGN otherwise

俘获是多向量的，否则不构成俘获。单向量的安全联盟（以色列、日本、韩国：100%美国武器供应国且驻有基地）在仅有一个活跃向量时，安全贡献最高为0.13，仍处于LOW_CAPTURE。瑞士无活跃向量且得分处于噪声底限，仍处于SOVEREIGN。

SIPRI截止点：苏联时代的武器不构成当前俘获

武器转让仅在供应方仍与当前政权保持有效关系时才具有政治分量。我们采用默认的2014年至今交付窗口，并针对主权/政权过渡设置各国生效截止点：

校准

国家综合得分活跃向量分类解读
瑞士0.110SOVEREIGN仅噪声底限
以色列0.231LOW_CAPTURE单向量美国武器；门槛有效
韩国0.231LOW_CAPTURE同上：盟友，而非被俘获
沙特阿拉伯0.332中等_CAPTURE美元挂钩 + 美国武器 = 两个向量
巴林0.413HIGH_CAPTURE第五舰队 + 美元挂钩 + 2011年后政权
伊拉克0.413HIGH_CAPTURE2003年后体系 + 武器 + 外国资源
白俄罗斯0.504HIGH_CAPTURE俄罗斯武器100% + 货币 + 行政
马绍尔群岛0.604EFFECTIVELY_ACQUIREDCOFA：美元 + 行政 + 贸易
尼日尔0.634EFFECTIVELY_ACQUIREDCFA法郎 + 铀 + 政变后行政
个拥有该乘数的国家。0.655EFFECTIVELY_ACQUIREDBRI债务 + 资源 + 贸易 + 基地
乍得0.665EFFECTIVELY_ACQUIREDCFA法郎 + 资源 + 安全 + 行政 + 贸易
数据来源： SIPRI Arms Transfers Database (deliveries 2014–present, with regime cutoffs); curated foreign-base dataset (Wikipedia consolidated lists + Vine 2021 + manual overlay for hosts that Wikipedia under-counts); Powell-Thyne Coup Dataset V2026.01.13; V-Dem v14 (v2x_polyarchy); curated post-intervention regime list (伊拉克 2003, COFA states, Sahel 2020–23, etc.); existing dimension scores from AidData, IMF DOTS, World Bank IDS, UNCTAD Commodity Dependence, Natural 资源 Governance Institute, Chinn-Ito.

6. 人力资本流失风险

人力资本韧性

在敌意收购中，技术工人会外流。我们将其量化为人力资本价值的保留百分比：

收购类型 人力资本韧性 调整
自愿合作 95-100% 极少移民
有争议的整合 70-85% 部分技术工人离开
敌意接管 30-60% 受教育人口大规模外逃
数据来源： UN World Migration Report、OECD International Migration Outlook、World Bank人力资本估算

6.1 Brain Drain Coefficient: 意图 × 流动性 Decomposition

为何单一的英语熟练度修正因子不够充分

Earlier versions 的 brain-drain coefficient gated emigration intent by a single English-proficiency modifier (±6–12%). That signal conflated 语言熟练度 with the 使用 apparatus 的 mobility — passports, visas, currency power, destination corridors, 和 exit feasibility — 和 applied identical treatment 制裁折扣： populations who could execute flight 和 populations who could 不. Under hostile conquest, a Tajik subsistence farmer 和 a Swedish engineer with the same English proficiency received the same brain-drain coefficient, despite radically different real-world ability 制裁折扣： leave.

当前模型将系数分解为两个正交项：

effective_brain_drain = intent × mobility_factor 其中： intent = scenario_base + diaspora_modifier + regime_delta_modifier mobility_factor = geometric_mean(legal_access, currency_power, financial_means, destination_network, exit_feasibility) range: 0.05–0.95

意图 is unchanged from prior versions: it captures the scenario type (voluntary merger → military conquest → autocratic regime change）， modulated by diaspora network strength 和 the regime delta between origin 和 acquirer. 流动性 is a new five-signal scalar that gates intent by the population's 使用 capacity 制裁折扣： execute flight. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） geometric mean ensures that 任何单一 near-zero gate dominates — matching the real-world pattern in which populations are trapped by any one 的 passport, poverty, currency, network, or war.

五个流动性信号

信号 捕捉内容 数据来源
legal_access Passport visa-free access ratio. Bilateral 199×199 matrix scoring the share 的 destinations the origin's passport reaches without prior visa. passport_visa_matrix.json （ilyankou/passport-index-dataset）
currency_power Currency tier (reserve / hard / stable / moderate / high-risk / hyperinflation) × inflation penalty × live 3-year FX trend. Represents whether origin savings retain value 为 destination. currency_stability.json + market_pulse_cache.json (currency_3yr_change_pct，每30分钟刷新一次，由 market_batch.py)
financial_means 对数缩放 名义 USD GDP per capita. Anchors: $500 → 0.10, $40,000 → 0.95. Deliberately uses 名义 不 PPP — emigration uses FX conversion, 不 domestic purchasing power. economic_baselines.json (World Bank GDP & population indicators)
destination_network 侨民强度 + 通过共同语言、殖民关系或边界至少连接一个主要经济体的走廊。EU/EEA/CH原籍国获得0.85的迁徙自由下限；英语圈、西班牙语圈、葡语圈和法语圈原籍国获得0.70的指定走廊下限。 enhanced_country_profiles.json （侨民）+ cepii_geodist.json （CEPII GeoDist双边关系）
exit_feasibility Fragility penalty for sealed regimes 和 war-zone exit barriers. FSI > 100 → 0.20; FSI > 90 → 0.45; FSI > 80 → 0.70; otherwise 0.90. Plus a hard override floor 的 0.05 for documented closed regimes (PRK, ERI, TKM). fragility_index.json （Fund for Peace FSI）+ 封闭政权覆盖列表
实现： backend/valuation/mobility_factor.py （信号计算、几何平均聚合、覆盖列表）； backend/valuation/brain_drain_engine.py (intent × mobility 整合 into the scenario coefficient).

校准 & Validation

）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） mobility factor was calibrated against UN DESA emigrant-stock data 为 the bilateral level (origin×destination pairs) using the predecessor bilateral model: pair-level R² = 0.19, Spearman rank correlation +0.42 — consistent with cross-sectional bilateral migration models in the literature, where idiosyncratic destination policy 和 cohort effects bound explanatory power. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） current unilateral five-signal formula was 不 formally re-calibrated; it was verified against approximately twelve historical reference cases (post-Soviet emigration 1991–2000, Syrian conflict 2011–2024, Venezuelan collapse 2015–2024, North Korean defection 1998–2024, Greek crisis 2010–2018, Cuban migration cycles, others) 和 produced expected ordinal rankings.

校准结果摘要

国家类别 旧模型（仅熟练度） New Model (intent × mobility) 观测参考
被困人口（叙利亚、阿富汗、委内瑞拉） ~0.65（高估） 与观测外逃在几个百分点内吻合 UNHCR、IOM存量数据
富裕高流动性（美国、日本、德国） ~0.65 适度向下修正 OECD移民展望
封闭政权（DPRK、厄立特里亚、土库曼斯坦） ~0.65（严重高估） ~0.05（硬性覆盖） ~0.14% / 30年（PRK），封闭（TKM）
195个国家的中位数 ~0.65 ~0.38 —
参考案例： UN DESA International Migrant Stock 2020、UNHCR Global Trends、IOM Global Migration Data Portal、后苏联移民队列研究、Pew Research移民估算。

已知局限

  1. 来源方出境禁令未在硬性覆盖之外建模。 限制出境但不在封闭政权列表（PRK、ERI、TKM）上的政权，其流动性将被高估。脆弱性指数代理捕捉了部分情况，但未区分主动禁止移民与普遍的国家崩溃。
  2. “敌意”情景在主权层面与收购方无关。 同一目标无论收购方是谁，都产生相同的敌意收购人才外流。城市层面的配对计算在 city_sapa_engine.compute_brain_drain 中确实携带收购方背景，但主权层面的系数不携带。
  3. EU迁徙自由可能略微低估。 EU/EEA/CH原籍国获得0.85的目的地得分下限，但技术专业人员的真实EU内部流动性接近功能上完全自由。0.85的下限是保守的。
  4. 汇率贬值仅通过3年窗口捕捉。 Currencies that have weakened gradually over longer horizons (e.g., 5–10 year structural depreciation) without showing in the 3-year monthly close series are under-penalized. Adding a longer FX window is a refinement.
  5. 双边配对收购方走廊未建模。 单边流动性因子评分的是原籍国的 总体 外逃能力，而非其向特定收购方外逃的能力。对于收购方特定的预测， bilateral_mobility.py 中的双边模型仍是合适的工具。
注意： 气候驱动的移民（与收购驱动的人力资本外流分开）在 第3.7节：气候移民人力资本流动中建模。该调整在韧性计算之前应用于基础估值。

7. 联盟网络价值

See this in action → Network Influence

联盟成员溢价与转移风险

联盟成员资格通过贸易准入、安全保证和协调收益创造可量化的GDP溢价。这些溢价是 有条件的——它们转移给友好买家，但在敌意收购中蒸发。

关键洞察： 在敌意收购中，联盟成员资格通常被 撤销，因此买家不会继承这些收益。制裁和驱逐通常随之而来，形成“搁浅的联盟价值”。

联盟价值如何计算： 每个成员资格贡献其保守的GDP溢价加上FDI提升，即 (FDI_multiplier − 1) × GDP × 0.50。对于模型实际分配的每个联盟，FDI提升都大于GDP溢价，因此它是联盟价值的较大一半。

双边安全关系: 集团属于俱乐部，因此双边保护从 data/bilateral_defense_ties.json 单独计算：来自 ATOP v5.1 的防务条约（截至2018年有效）、经美国国务院《Treaties in Force 2025》确认的美国条约、美国的22个主要非北约盟友，以及注明日期的2018年后协定（俄罗斯–朝鲜 2024年、沙特阿拉伯–巴基斯坦 2025年）。只有受保护的一方获得计入：与美国的防务条约增加GDP的8%（北约成员除外，因北约已包含此项），主要非北约盟友地位增加3%，其他任何双边防务协定增加2%，每项均附带上述FDI加成。这三项溢价是未经校准的先验假设。买方与目标之间若有直接防务条约，则与共同集团一样，在SAPA中阻止胁迫。

各联盟转移列并非： 下方的“转移给敌对方”百分比描述了联盟定义，但估值引擎不读取它们。在敌意情景中，它对一个国家的联盟总值施加统一的 0.80 损失，无论该价值来自哪些联盟。

西方联盟

联盟 GDP溢价 FDI乘数 转移给盟友 转移给敌对方
NATO - 北大西洋公约组织 15-51%（保守20%） 1.47x 95% 0%
EU - 欧洲联盟 9-22%（保守12%） 1.35x 90% 10%
G20 - 二十国集团 0.5-1.5%（保守1%） 1.05x 70% 20%

欧亚与非西方安全集团

联盟 GDP溢价 FDI乘数 转移给盟友 转移给敌对方
BRICS - 巴西、俄罗斯、印度、中国、南非（+） 3-8%（保守估计5%） 1.20x 85% 50%
SCO - 上海合作组织 2-6%（保守估计4%） 1.15x 90% 20%
CSTO - 集体安全条约组织 3-8%（保守估计5%） 1.10x 95% 0%

区域经济共同体

联盟 GDP溢价 FDI乘数 转移给盟友 转移给敌对方
ASEAN - 东南亚国家联盟 5-12%（保守估计8%） 1.20x 85% 40%
GCC - 海湾合作委员会 6-12%（保守估计8%） 1.25x 90% 30%
MERCOSUR - 南方共同市场 3-8%（保守估计5%） 1.15x 85% 40%
ARAB_LEAGUE - 阿拉伯国家联盟 1-4%（保守估计2%） 1.05x 70% 30%
SAARC - 南亚区域合作联盟 1-4%（保守估计2%） 1.05x 70% 40%
OPEC - 石油输出国组织 8-15%（保守估计10%） 1.30x 80% 30%

非洲区域集团

联盟 GDP溢价 FDI乘数 转移给盟友 转移给敌对方
AU - 非洲联盟 2-8%（保守估计4%） 1.10x 80% 30%
ECOWAS - 西非国家经济共同体 2-6%（保守估计3%） 1.08x 75% 35%
EAC - 东非共同体 2-6%（保守估计4%） 1.12x 80% 35%
SADC - 南部非洲发展共同体 2-5%（保守估计3%） 1.08x 75% 35%
示例：波兰（NATO + EU）
在GDP上 $1.1T，NATO（20%）和EU（12%）溢价约占GDP的三分之一，而 NATO（1.47x）和EU（1.35x）FDI乘数又进一步增加。联盟总价值： $828.0B.
在敌对情景下，波兰被两者驱逐，且 0.80 该价值被注销。

覆盖范围说明： 19 上文定义了联盟，但只有 5 的 them — NATO, EU, BRICS, ASEAN 和 AU — are ever stamped onto a country by the profile generator. GCC, OPEC, Arab League, SCO, CSTO, MERCOSUR, ECOWAS, EAC, SADC, SAARC 和 G20 memberships are defined but never assigned, so they contribute nothing 制裁折扣： any valuation. 沙特阿拉伯, whose value would come almost entirely from those blocs, carries $916.5B 的联盟价值。

8. 意识形态与整合摩擦

See this in action → 交易浏览器 → Step C

主权收购面临超出军事和经济因素的结构性阻力。宗教人口结构、治理体系、语言距离和联盟亲和力产生了可观察的摩擦模式，这些模式在历史上可预测整合难度。本节将这些模式建模为SAPA整合摩擦的连续调节因子。

整合摩擦公式

意识形态通过连续乘数调节基于联盟的基础摩擦（0.0 / 0.10 / 0.30）：

Integration_Friction = min(0.50, Base_Friction × Ideology_Friction_Modifier) Ideology_Friction_Modifier = f(Alignment_Score) Alignment ≥ +0.5 → Modifier = 0.70 （摩擦减少30%） Alignment ≈ 0.0 → Modifier = 1.00 （无变化） Alignment ≤ -0.5 → Modifier = 1.15 （摩擦增加15%）

调节因子范围（0.70–1.15）有意设计为非对称：高一致性可以显著减少摩擦，但仅凭意识形态对立无法产生比地理和军事障碍已经施加的更多摩擦。

8.1 一致性评分组件

综合一致性评分（-1.0至+1.0）

七个加权信号组合成每个买方-目标对的单一一致性评分：

组件 权重/范围 方法 来源
宗教相似性 ×0.30权重 宗教人口向量上的余弦相似度（233个国家，38个教派） Pew Research Center, CIA World Factbook
国教兼容性 -0.20至+0.20 22种政府-宗教分类之间的成对兼容性（世俗宪法→神权） Pew Government Restrictions Index
宗教自由相似性 最大0.10 宗教自由指数之间的归一化评分差距 Pew Government Restrictions Index
治理一致性 -0.15至+0.18 政治体系带匹配（完全民主→封闭专制） World Bank WGI, Economist Intelligence Unit
共享联盟奖励 最大0.25 25个集团中共享意识形态驱动联盟的对数加权计数（OIC、Five Eyes、BRICS+、EU、NATO、GCC等） 官方条约登记处
历史互动 -0.30至+0.30 合作与冲突双边事件（102个事件，1792年至今） UCDP, Correlates 的 War (COW)
语言接近度 最大约0.08 DICL树加权语言家族相似度（环境文化信号） USITC/CEPII公共领域数据

8.2 意识形态兼容性矩阵

38种意识形态类型，成对评分（0.0–1.0）

兼容性矩阵衡量 观察到的历史互动模式 在意识形态家族之间——而非对政治体系的规范性判断。评分反映记录的合作、冲突和制度兼容性：

矩阵从18×18扩展到38×38，以捕捉地缘政治重要的次教派区别（逊尼派与什叶派、新教与天主教）。

8.3 意识形态驱动联盟

25个联盟，166个国家

与传统安全联盟（NATO、CSTO）不同，意识形态驱动联盟反映共享的文明、宗教或治理亲和力。这些创造了潜在整合路径，即使没有正式军事条约也能减少摩擦：

联盟重叠采用对数加权，以避免过度计算共享许多集团的配对——第5个共享联盟的边际整合收益小于第1个。

8.4 历史事件验证

102个地缘政治事件（1792年至今）

历史事件数据集根据现实世界结果验证意识形态一致性评分。每个事件都标记了参与国的意识形态一致性、互动是合作还是冲突，以及观察到的结果：

这些事件作为校准一致性公式的地面真值——具有高合作历史的配对获得正调节因子，具有冲突历史的配对获得负调节因子。

来源： Uppsala Conflict Data Program (UCDP), Correlates of War (COW) Project, SIPRI冲突数据库

8.5 对SAPA概率的影响

意识形态如何改变收购可行性

意识形态充当 调节因子，而非驱动因素 ——它调整SAPA内的整合摩擦项，但不覆盖战略冲动或强制可行性：

P = Strategic_Impulse × Coercion_Factor × (1 - Integration_Friction) × (1 - Uncertainty/2) 其中：Integration_Friction = min(0.50, Base_Friction × Ideology_Friction_Modifier)
示例配对 基础摩擦 意识形态一致性 修改后摩擦 效果
沙特阿拉伯 → 也门 0.30 +0.70（逊尼派对齐） ~0.24 摩擦减少——共享宗教身份缓解整合
美国 → 加拿大 0.00 +0.85（自由民主） 0.00 无变化——基础摩擦已为零（共享NATO）
中国 → 日本 0.30 ~0.00（治理冲突） ~0.30 不变——中性对齐，无调节因子
美国 → 伊朗 0.30 -0.45（意识形态对手） ~0.32 略有增加——世俗-神权不匹配
总体影响： 约22%的所有买方-目标对看到调整后的可行性评分。平均绝对差值为0.0004（很小）——意识形态填补摩擦模型中的空白，而非主导它。国家内在估值不受影响；只有成对摩擦变化。

方法论说明：可观察模式，而非规范性判断

所有意识形态评分反映 记录的历史模式 ——具有给定意识形态画像的国家实际如何互动——而非对政治体系或宗教的价值判断。威权国家之间的高兼容性（如俄罗斯-中国）反映观察到的协调，而非认可。神权与世俗国家之间的低兼容性反映记录的摩擦，而非文化等级。

宗教人口数据使用标准学术类别（Pew Research Center分类法）。次教派分裂（逊尼派/什叶派、新教/天主教）仅在地缘政治重要且有定量证据支持时包括。

9. 提升指数：GDP 质量与资本流动

提升指数

衡量领土生产与居民收入之间的差距

概念框架参考幻影资本和资本主权理论。引用：Poliks, M., & Trillo, R. A. (2025). 外资本主义：绝对无限制的经济体. Becoming Press.

基于互联网普及率 ((GDP - GNI) / GDP) × 100

提升指数衡量一国GDP中代表 资本流经领土而未累积为居民收入的比例。它揭示：

正提升指数 = “幻影GDP”

GDP超过GNI。资本流经领土（利润流向外国所有者）。常见于避税天堂、金融中心和采掘业有大量外国直接投资的国家。

示例： 卢森堡（+31.9%）、爱尔兰（+31.4%)
负提升指数 = “债权人溢价”

GNI超过GDP。居民和国内企业在国外赚取的比外国人在国内赚取的更多。成熟债权国和拥有大量海外资产的发达经济体的特征。

示例： 日本（-6.3%）；最负读数是 Tuvalu (-62.8%)

仅显示；不应用于价格

提升指数是一个描述层。它 不 进入发布的主权价格。写入它们的引擎不应用基于提升的GDP质量调整；基于提升的工业价值调整存在于较旧的估值模块中，该模块不在产生本网站所示价格的路径上。本页早期版本将该调整描述为实时生效。它并非如此。

该指数的用途保持不变：它将领土生产与居民收入分开，并标记收购者将购买流转资本而非经济体的地方。与价格一起阅读，而非在价格内部。

当前读数

覆盖范围： 200 同年报告GDP和GNI的国家。 平均值 +1.23%，中位数 +1.81%。 最高： Puerto Rico (US) (+32.3%）。 最低： Tuvalu (-62.8%）。 来源：World Bank WDI，每次构建从API获取；指标最后更新 2026-07-13.

10. 扩展估值因素

See this in action → Rankings

这些因素通过学术文献综述（World Bank CWON、UNEP Inclusive Wealth Report、Fund for Peace）被确定为传统主权估值框架中缺失的。它们捕捉显著影响收购价值但常被忽视的资产和负债。

10.1 软实力与国家品牌价值

来源：Brand Finance Global Soft Power Index

它衡量什么： 国家声誉、文化影响力、外交网络和制度声望的经济价值。软实力影响吸引投资、人才、贸易关系和联盟可信度的能力。

国家品牌价值 = 品牌强度指数 × 行业特许权使用费率 × GDP预测NPV 应用为：附加资产（加到总资产价值）

示例值（2024年）：

Brand Finance将ISO 10668估值方法应用于国家品牌，将国家视为具有可量化声誉价值的“品牌”。

来源： Brand Finance 全球 Soft Power Index | brandirectory.com/softpower | 覆盖范围： 59 引擎读取的数据集中评分的国家 | 每年更新

10.2 侨民网络（资本化汇款）

来源：World Bank KNOMAD

它衡量什么： 与海外公民的经济联系。汇款代表持续的侨民经济参与——一种资产，而不仅仅是收入。我们将年度流量资本化，以估计侨民网络的“存量价值”。

侨民资产价值 = 年度汇款流入 × 10 理由：按10%折现率视为永续年金 应用方式：加性资产

侨民资产价值排名前列：

注：人才外流作为负债单独建模（通过人力资本韧性指标）。侨民价值捕捉的是 正向 与海外公民的经济联系。

来源： World Bank KNOMAD 汇款数据 | data.worldbank.org | 覆盖范围： 195 个国家 | 每年更新

10.3 国家脆弱性与稳定性乘数

来源：Fund for Peace 脆弱国家指数（FSI）

它衡量什么： 国家稳定性与韧性。脆弱国家因以下因素导致资产价值折价：治理风险、冲突可能性、制度衰败和资本外逃风险。FSI涵盖凝聚力、经济、政治和社会四个维度的12项指标。

FSI_乘数 = 1.0 - (脆弱性得分 / 240) 政治自由度 = mean(V-Dem 选举民主, V-Dem 公民社会, Freedom House 政治权利, 公民自由) → 0-1 PF_乘数 = 0.60 + 政治自由度 × 0.40 稳定性乘数 = FSI_乘数 × 0.60 + PF_乘数 × 0.40 应用方式：在加入软实力和侨民之前对基础资产施加的乘数

两个来源混合使用是因为它们覆盖不同的国家集合。脆弱国家指数覆盖 84 的 217 经济基线中的国家；V-Dem和Freedom House合计覆盖 197 和 197。仅有一个来源时，该来源单独使用；两者都没有时，乘数为1.0。

极端值 （ 84 个被两个来源同时评分的实体，乘数完全确定）：

在整个定价集合中，乘数范围为 0.58 制裁折扣： 1.00，但上限由既无脆弱性数据也无政治自由度数据的实体达到。乘数为1.00意味着"未评分"，而非"完全稳定"。

来源： Fund for Peace 脆弱国家指数 | fragilestatesindex.org | V-Dem, Freedom House | 每年更新

10.4 养老金负债

来源：Eurostat 表29 / OECD Pensions at a Glance

它衡量什么： 累计养老金权益占GDP的百分比。这些代表政府对当前和未来退休人员做出的承诺。收购方将继承（或必须拒绝承认）这些义务。

养老金负债 = GDP × (养老金权益 % / 100) × 0.25 折现因子（0.25）的应用原因： - 并非所有权益都无资金准备 - 时间跨度长达数十年 - 部分体系有部分资金准备（如丹麦、荷兰） 应用方式：加性负债

养老金负担最高（占GDP百分比）：

引擎记账内容： 美国承担养老金负债 $14.6T 西班牙 $2.7T， 均为应用 0.25 因子后的数值。来源未覆盖的国家记为零， 这低估而非估算了其义务。

Eurostat的警示： "累计养老金权益不适合作为可持续性衡量标准，不应被视为政府债务。" 我们采用保守的 0.25 因子以反映这一细微差别。

来源： Eurostat 表29, OECD Pensions at a Glance | ec.europa.eu/eurostat | 覆盖范围： 80 个国家（EU + OECD）| 定期更新

10.5 对估值的综合影响

更新后的资产/负债公式

资产（更新）： 基础资产 = 工业 + 资源 + 土地 + 人力资本 + 战略 + 水资源溢价 调整后资产 = (基础资产 × 稳定性乘数) + 软实力 + 侨民 负债（更新）： 总负债 = 主权债务（债权人调整后） + 环境负债 + 养老金负债（累计的0.25 ） + 整合成本 净值： 企业价值 = 调整后资产 - 总负债

影响摘要：

11. 数据来源与置信度

主要数据来源

类别 来源 更新频率 覆盖范围 算法中的用途
GDP与工业产出 IMF World 经济 Outlook, World Bank 年度（季度估算） 213 的 217 工业价值（10× 乘数）、整合成本、水资源溢价、气候负债NPV、Gale-Shapley economic_balance
主权债务 IMF Debt Statistics, 世界银行， Government Finance Statistics 年度 192 的 217 个国家有债务比率；其余回退至 40% 占GDP 债务负债、债权人HHI指数、债务承担概率
中国贷款 AidData 中国贷款 Tracker (Johns Hopkins) 年度 140个国家 债权人杠杆评分、Gale-Shapley creditor_leverage（+1.2协同效应）
自然资源 USGS Mineral Commodities, BP Statistical Review, UN COMTRADE 年度 按商品类别 资源估值、SAPA resource_delta、Gale-Shapley resource_complementarity
人力资本 World Bank HCI 2020, World Bank Labor Statistics, ILO 定期 176 HCI 是 World Bank 同行评审数据，覆盖 人力资本价值（HCI-生产率）、人力资本韧性、SAPA human_capital_delta（0.40 权重）、Gale-Shapley human_capital_complementarity（+1.5)
制度质量 World Bank Worldwide Governance Indicators 年度 216 HCI 是 World Bank 同行评审数据，覆盖 政权兼容性评分、Gale-Shapley regime_incompatibility约束（-1.0)
ND-GAIN气候指数 Notre Dame 全球 Adaptation Initiative 年度 220 个实体 气候脆弱性、气候准备度、绝望因子、气候负债NPV、Gale-Shapley urgency_score（阶段分配）
淡水压力 FAO AQUASTAT, WRI Aqueduct Water Risk Atlas 年度 180多个国家 水安全溢价（GDP的0-5%）、水层级分类、SAPA water_arbitrage（+50%）、Gale-Shapley water_arbitrage（+0.75）
耕地预测 IPCC AR6 Working Group II, FAO 基于报告（2021） 全球 土地价值乘数（0.5-1.5×）、气候轨迹分类、SAPA arable_land_premium（+40%）、Gale-Shapley arable_land_premium（+0.6）
气候移民 World Bank Groundswell Report (2021) 基于报告 区域 移民压力、移民吸引力、人力资本迁移调整、Gale-Shapley climate_migration_fit（+0.4）
联盟成员资格 官方条约数据库, NATO, EU, BRICS, SCO, GCC注册机构 实时 19 个已定义联盟， 5 个实际分配给国家（第7节） 联盟价值溢价、联盟护盾（CDF）、Gale-Shapley shared_alliances（+1.0）、联盟有效性
自由贸易协定 WTO RTA Database, 双边条约文本 实时 350多个FTA FTA价值溢价、Gale-Shapley shared_ftas（+0.5）、联盟有效性
意识形态与宗教人口统计 Pew Research Center, CIA World Factbook, Pew Government Restrictions Index 定期（基于调查） 233个国家，38个教派 SAPA整合摩擦修正因子（0.70–1.15×）、意识形态对齐评分（-1.0至+1.0）
历史地缘政治事件 Uppsala Conflict Data Program (UCDP）， Correlates 的 War (COW) 年度 102个事件（1792年至今） SAPA历史互动修正因子（-0.3至+0.3）
语言接近度 USITC/CEPII DICL（树加权语系距离） 静态 195个国家 SAPA语言接近度信号（最大约0.08对齐贡献）
军事能力 全球 Firepower Index, SIPRI Military Expenditure 年度 140个国家 战略溢价、SAPA咽喉要道距离调整、Gale-Shapley military_projection（+0.3）
核地位 SIPRI, Federation 的 American Scientists 实时 9个核国家 胁迫折现因子（CDF）、Gale-Shapley nuclear_deterrent约束（-3.0）
国家概况与简介 CIA World Factbook, World Bank, IMF WEO, The Economist Big Mac Index, Trading Economics, 官方政府机构 实时/年度 220个主权实体 前端展示、国家卡片、招股说明书生成
首都城市照片 Unsplash, Pexels, Pixabay（免费图库摄影） 实时（每季度刷新） 199个国家（67%高质量，30%在刷新队列中） 仅前端展示
互联网普及率与数字生产率 ITU Facts & Figures, World Bank World Development Indicators (IT.NET.USER.ZS) 年度 220个主权实体 数字生产率乘数（人力资本的0.75-1.5×）
AI投资与数字基础设施 Crunchbase AI 投资 Database, 世界银行， Morgan Stanley AI Index, ITU Statistics, Stanford HAI, GSMA Intelligence 年度 50多个国家（主要AI经济体） AI基础设施加成、战略溢价调整
Lift Index World Bank National Accounts: GDP (NY.GDP.MKTP.CD), GNI (NY.GNP.MKTP.CD); 公式: ((GDP - GNI) / GDP) × 100 年度 196个国家 幻影资本调整、避税天堂的工业价值折价
战略咽喉要道 US EIA World Oil Transit Chokepoints, Lloyd's List Maritime Intelligence 静态 + 更新 15个主要咽喉要道 战略溢价、SAPA chokepoint_value、Gale-Shapley chokepoint_value（+0.5 制裁折扣： +0.1，按距离分档）
城市GaWC排名 Globalization 和 World Cities Research Network 两年一次 526个城市 Lambda连通性子评分（70%权重）、城市资格门槛（最低Gamma+）
都市GDP OECD Metropolitan Database, Brookings 全球 Metro Monitor, Oxford Economics 年度 600多个都市区 Lambda GDP子评分、国家GDP份额、分离经济杠杆
城市气候风险 Swiss Re SONAR, C40 Cities, Notre Dame ND-GAIN（国家代理） 年度 74个城市 Lambda气候差异子评分、平台收购方偏好
机场连通性 IATA / OAG Direct 连通性 Index 年度 74个城市 Lambda连通性子评分（30%权重，与GaWC混合）
城市专利申请 WIPO PCT Statistics, 国家专利局 年度 74个城市 Lambda人力资本子评分（30%权重，与QS混合）
港口排名 Lloyd's List Top 100 Container Ports 年度 100个港口 Lambda战略资产子评分（港口加成）
数据中心密度 Cloudscene, 数据中心 Map 每季度 74个城市 Lambda战略资产子评分、平台基础设施渗透率
历史分离案例 专家编码自学术来源（Coggins, Griffiths, Crawford） 静态 + 更新 51 cases (1776–2023) 分离历史先例子评分、分离结果校准
平台渗透率 Synergy Research, We Are Social, BIS Payment Statistics, 平台年度报告 年度 50 个国家， 74 个城市 平台主权指数（5个维度）、平台收购方偏好
软实力/国家品牌 Brand Finance 全球 Soft Power Index (ISO 10668 methodology) 年度 59 个国家有评分；其余不贡献软实力资产 软实力资产价值（加性计入总资产）
侨民/汇款 World Bank KNOMAD, World Development Indicators (BX.TRF.PWKR.CD.DT) 年度 195 HCI 是 World Bank 同行评审数据，覆盖 侨民资产价值（年度汇款的10倍资本化）
国家脆弱性 Fund for Peace Fragile States Index (12项指标) 年度 84 个国家；与V-Dem和Freedom House混合以覆盖其余国家（第10.3节） 稳定性乘数（0.58–1.00× 基础资产）
养老金负债 Eurostat Table 29, OECD Pensions 为 a Glance 定期 80 个国家（EU + OECD） 养老金负债（累计权益占GDP百分比的0.25 ）

置信水平：

已知数据缺口

12. 历史分离数据库

See this in action → 可分离资产 → Historical

在前瞻性建模城市分离之前，WHITEFLAG 构建了一个历史案例数据库，涵盖主权实体实际被创建、分离、吸收或未能分离的案例。该数据库用于校准分离可行性模型，并为当前城市提供先例评分。

51 Cases (1776–2023)

该数据库包含所有重大现代领土分离案例，按结果分类：

类别 数量 个在 AI 强国名单上的国家 在模型中的用途
成功分离 26 新加坡（1965）、科索沃（2008）、孟加拉国（1971）、捷克共和国（1993）、东帝汶（2002） Calibrates severance feasibility > 0.5; provides structural profiles for successful separation
失败尝试 15 加泰罗尼亚（2017）、苏格兰（2014）、魁北克（1995）、比亚法拉（1970）、库尔德斯坦（2017） Calibrates severance feasibility < 0.3; identifies blocking factors (nuclear state, economic dependency, international non-recognition)
进行中 / 有争议 10 Taiwan (1949–）， Crimea (2014–）， Somaliland (1991–）， Western Sahara (1975–) 提供部分承认概率校准；为承认子评分提供依据

每个案例记录的内容

数据来源： Coggins (2014) Power Politics 和 State Formation in the Twentieth Century，Griffiths (2016) Age 的 Secession，Crawford (2006) ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） Creation 的 States in International Law。查看完整数据库： 洞察 → 可分离资产 → Historical Cases

13. 城市层面分离分析

See this in action → 可分离资产 → Forward Analysis

WHITEFLAG 将国家层面的估值框架扩展到单个城市，识别那些战略价值足够独立于东道国、理论上可被收购、分离或重组为独立主权资产的城市。当前正在评分 74个城市 覆盖 50 个国家。

13.1 Lambda 评分 (λ — Strategic Value Ratio)

一座城市的战略价值相对于其 GDP 份额有多高？

Lambda measures whether a city "punches above its weight" — holding more strategic value than its share 的 national GDP would suggest.

λ = adjusted_city_valuation_share / national_gdp_share

其中 adjusted_city_valuation_share 是五个维度的加权综合：

adjusted_city_valuation_share = (0.30 × gdp_share) + (0.25 × connectivity) + (0.20 × human_capital) + (0.15 × climate_differential) + (0.10 × strategic_asset)
子评分 权重 衡量内容 数据来源
GDP 份额 0.30 metro_gdp / national_gdp OECD Metro DB、Brookings、Oxford Economics
连通性 0.25 GaWC 评分（70%）+ 机场连通性（30%） GaWC Research Network、IATA / OAG
人力资本 0.20 QS 大学密度（70%）+ 专利申请（30%） QS World Rankings、WIPO PCT
气候差异 0.15 readiness × (1 - city_vulnerability) vs national average Swiss Re SONAR、ND-GAIN
战略资产 0.10 港口排名 + 数据中心密度 + 军事存在 + GFCI 金融 Lloyd's List、Cloudscene、SIPRI、Z/Yen GFCI

解读：

上限： λ is clamped 为 3.00。该上限并不罕见，也不是城邦标志： 27 的 74 个评分城市达到该上限，其中包括主权城邦，但也包括子评分饱和的大型都市。此前在此列为上限案例的香港，评分为 0.78: it is 不 flagged as already-sovereign in the scores file, so its λ comes from the ordinary sub-score blend rather than the fixed ceiling that ，韩国 和 卢森堡 receive.

校准示例： ，韩国 λ = 3.00 (IS the nation, fixed 为 the cap）， London λ = 1.57 (disproportionate 制裁折扣： （大规模国家投资，基础设施快速扩张） GDP share）， San Francisco λ = 3.00 (cloud-dominant tech capital, 为 the cap）， Dubai λ = 1.74 （贸易流动枢纽，超过 GDP 权重）

13.2 Bratton 层级分解

地球 / 流动 / 云价值分布

遵循 Benjamin Bratton 的垂直主权模型（）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） Stack，2016），每座城市的战略价值被分解为三个层级。这为分离可行性提供依据：上层价值高的城市更容易分离，因为东道国的物理控制机制无法捕获该价值。

earth_pct + flow_pct + cloud_pct = 1.0
层级 捕捉内容 分离含义 示例城市
地球 领土、物理基础设施、自然资源、军事设施、房地产 东道国通过物理主权控制价值。分离需要领土谈判。 分离受惩罚 休斯顿（0.40）、珀斯（0.35）
流动 金融吞吐量、贸易路径、物流枢纽、港口/机场容量 Value is in transit — flows can partially reroute. 中等分离可行性 新加坡（0.55）、迪拜（0.50）
云 平台总部、数据中心、AI/科技集中、数字服务出口 价值与地点无关。东道国的物理控制最弱。 分离得到提升 旧金山（0.70）、都柏林（0.50）

13.3 分离可行性评分

分离有多现实？

0.0 至 1.0 的综合评分，衡量一座城市从东道国分离的现实概率。使用 6 个子评分按重要性加权，再乘以核修正因子。

severance = ( 0.22 × constitutional_pathway + 0.22 × economic_leverage + 0.18 × layer_mobility + 0.14 × international_recognition + 0.14 × historical_precedent + 0.10 × geographic_proximity ) × nuclear_modifier
子评分 权重 范围 驱动因素
宪制路径 0.22 0.0–1.0 1.0 = 明确分离权（魁北克）；0.7 = 自治区（香港特别行政区）；0.3 = 联邦制；0.0 = 明确禁止
经济杠杆 0.22 0.0–1.0 Does the city need the nation, or does the nation need the city? GDP share × alternative availability
层级流动性 0.18 0.0–1.0 源自 Bratton： (flow_pct × 0.6) + (cloud_pct × 1.0)。云价值完全可移动；地球则不可
国际承认 0.14 0.0–1.0 现有独立外交存在、与大国利益的一致性、区域先例
历史先例 0.14 0.0–1.0 与 51 个历史案例进行模式匹配。1.0 = 直接先例，0.5 = 部分，0.0 = 无
地理邻近性 0.10 0.0–1.0 城市到东道国首都的 Haversine 距离。 min(1.0, distance_km / 10,000)。越远 = 东道国越难投射控制
核修正因子： If the host nation is a nuclear-armed state, severance is capped 为 0.15 (modifier = 0.15). No city has ever been detached from a nuclear power against its will. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） 0.15 (不 0.0) preserves the possibility 的 negotiated secession — Scotland from the （大规模国家投资，基础设施快速扩张） is theoretically possible, but only through constitutional process.
校准： ，韩国 sev = 1.0 (already sovereign）， Hong Kong sev = 0.10 (Basic Law pathway exists, but nuclear （主导生态系统：NVIDIA、Google、OpenAI） → capped）， Madrid sev = 0.40 (non-nuclear, federal, economic leverage）， Shenzhen sev = 0.04 (nuclear （主导生态系统：NVIDIA、Google、OpenAI）, unitary state, no constitutional pathway)

13.4 分离可行性（综合）

核心评分

每座城市的最终排名结合 Lambda（其价值有多高）与分离可行性（其可分离性有多高）：

detachment_可行性 = lambda_normalized × severance_feasibility × strategic_value_factor

其中：

可行性层级：

评分 标签 解读
≥ 0.50高可行性已主权或具有强结构性分离理由
0.25–0.50中等存在有意义的分离路径，但有重大障碍
0.10–0.25低可行性存在战略价值，但分离在结构上受阻
< 0.10可忽略城市缺乏战略溢价或分离路径

13.5 城市资格标准

哪些城市会被评分？

一座城市通过全部三道门槛后进入分离分析：

当前 74个城市 pass all gates. All 49 originally curated 个城市 plus 25 expansion 个城市 meet eligibility. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） gate is designed for forward-looking expansion — as coverage grows toward 150+ 城市、 the filter removes candidates that lack the structural prerequisites for meaningful detachment analysis.

探索城市评分： 洞察 → 可分离资产 → Forward Analysis — sortable by Lambda, severance, 可行性, all columns. Click any city 制裁折扣： expand full sub-score breakdown.

14. 平台主权分析

See this in action → 可分离资产 → 平台 Sovereignty

A descriptive analytical layer measuring the degree 制裁折扣： which platform companies (Amazon, Apple, Google, Meta, Microsoft, etc.) have assumed functions traditionally exercised by sovereign states — taxation, regulation, identity, infrastructure, currency. Based on Bratton (2016）， Castells (1996）， 和 Poliks & Trillo (2025).

14.1 平台实体数据库

84 跨 6 项主权职能的平台实体

每个平台实体按其行使的主权职能分类：

主权职能 传统国家角色 平台等价物 示例实体
基础设施 道路、公用事业、电信 云计算、数据中心、连通性 AWS、Azure、Starlink、Cloudflare
征税 从经济活动中提取收入 应用商店佣金、市场费用、广告收入分成 Apple（30% App Store）、Amazon Marketplace、Google Ads
监管 规则制定与执行 服务条款、内容审核、平台封禁 Meta、Google、TikTok（字节跳动）
身份 护照、国民身份证、民事登记 平台登录作为主要数字身份 Apple ID、Google 账户、微信、Meta 登录
货币 / 支付 中央银行、国家支付系统 平台支付通道、数字钱包 PayPal、Stripe、M-Pesa、Apple Pay、Visa、Mastercard
裁决 法院、争议解决 平台争议解决、封禁申诉、卖家仲裁 PayPal/Stripe 平台封禁、Amazon A-to-Z

每个平台还拥有 收购方偏好 — weighted scores for 能源, 水, 光纤连接, 人力资本, 监管环境, market size, tax regime, 土地成本, 和 地质稳定性 — used in platform-city matching.

14.2 平台主权指数（PSI）

按国家和按城市的测量

对于每一个 50 拥有评分城市的国家，PSI 衡量平台公司对主权职能的渗透深度：

PSI(国家) = 0.30 × financial_penetration + 0.30 × regulatory_penetration + 0.15 × infrastructure_penetration + 0.15 × economic_penetration + 0.10 × identity_penetration
维度 权重 衡量内容 校准示例
金融 0.30 平台支付量占总交易量的份额 M-Pesa 式的主导地位推动了这一维度
监管 0.30 平台服务条款作为事实上的法律与国家监管相比的程度 对平台严格监管的国家在此得分较低
基础设施 0.15 前三大平台的云市场份额、数据中心容量、海底电缆所有权 AWS/Azure/GCP 集中度
经济 0.15 平台依赖型 GDP 份额：电子商务、零工经济、数字广告 欧盟总部所在司法管辖区得分较高
身份 0.10 使用平台 SSO 作为主要数字身份的人口比例 平台登录取代国家身份证

PSI 范围： 0.0（国家对数字职能拥有完全主权）至 1.0（平台已有效取代国家职能）。PSI 最高的国家： GBR 0.8650, USA 0.8601, DNK 0.8333, AUS 0.8299, SGP 0.8293.

城市级 PSI： 国家得分根据 Bratton 分解中该城市的云层百分比进行调整。城市 PSI 最高的是 Boston 为 0.8171 （云 0.45）；旧金山紧随其后，为 0.7827 （云 0.41）。地球层较高的城市平台主权暴露度较低。

14.3 各平台收购方偏好

84 Platforms × 74 城市 = 6,216 偏好评分

每个平台都有独特的基础设施需求。偏好模型将平台需求与城市能力相匹配：

AMAZON (AWS)

优先事项： 能源 （0.35）+ 水 （0.25）= 偏好权重的 60%。偏好廉价水电、充足的冷却水、地质稳定性。最佳匹配：赫尔辛基、柏林、斯德哥尔摩。

GOOGLE (ALPHABET)

优先事项： 光纤连接 （0.30）+ 人力资本 （0.25）。偏好位于主要互联网交换点且拥有强大大学输送渠道的地点。最佳匹配：伦敦、首尔、巴黎。

TSMC

优先事项： 水 （0.30）+ 地质稳定性 （0.25）+ 能源 （0.20）。半导体晶圆厂需要超纯水和地震稳定的地面。最佳匹配：伦敦、赫尔辛基、斯德哥尔摩。

SPACEX / STARLINK

优先事项： 监管环境 （0.30）+ 土地成本 （0.25）。需要宽松的频谱监管和廉价的地面站用地。最佳匹配：华沙、约翰内斯堡、广州。

平台与城市的偏好输入到城市级 Gale-Shapley 匹配（第 5 阶段），其中平台与传统国家行为者一起充当收购方。与 Amazon 匹配的城市和与 Apple 匹配的城市面临不同的主权影响。

14.4 地球层需求模型

物理资源需求预测

平台 companies are 不 purely digital — they require massive physical infrastructure. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） demand model projects platform resource consumption 至 three horizons:

资源 2025 年基线 2027 2030 2035 复合年增长率
数据中心容量 35 GW 48 GW 78 GW 176 GW 17.5%
可再生能源（已签约） 50 GW 72 GW 124 GW 310 GW 20.0%
土地（太阳能/风电场） — 576K 英亩 933K 英亩 2.45M 英亩 —
水消耗 175M 加仑/天 483M 加仑/天 784M 加仑/天 1.76B 加仑/天 —

到 2030 年，平台可再生能源农场将占据约 933,000 英亩 — overwhelmingly sited in low-cost agricultural areas (Texas Panhandle, Midwest, desert Southwest, southern Spain). Each GW 的 solar requires approximately 5,000–10,000 acres. Amazon alone is the world's largest corporate renewable 能源 purchaser 为 20+ GW contracted.

14.5 领土收购映射

13 项已记录的平台地球层收购

平台公司已经在为基础设施收购物理领土。该模型用 提取比率 — the estimated ratio 的 value extracted from a territory versus value returned through jobs, taxes, 和 investment:

平台 领土 类型 投资 人口 提取比率
Amazon 弗吉尼亚州劳登县 数据中心 $35B 420K 50:1
Google 俄勒冈州达尔斯 数据中心 $1.8B 15K 40:1
Google 俄克拉荷马州普赖尔溪 数据中心 $0.6B 9K 45:1
Meta Luleå, Sweden 数据中心 $1.0B 47K 15:1
TSMC 亚利桑那州北凤凰城 半导体晶圆厂 $65B — 25:1
Samsung 德克萨斯州泰勒 半导体晶圆厂 $17B 17K 20:1
SpaceX 德克萨斯州博卡奇卡 测试设施 $3B 35 —

模式： Platforms preferentially acquire territory in small, economically limited communities with cheap 能源 和 permissive regulation. Extraction ratios are highest where the community has fewest economic alternatives. Swedish tax system (Meta Luleå: 15:1) captures more value than U.S. localities (Google ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） Dalles: 40:1).

探索平台主权： 洞察 → 平台 Sovereignty — country/city PSI tables, per-platform preference cards, demand projections, 和 territory acquisitions with extraction ratios.

数据覆盖披露

平台主权评分使用 三层数据模型 反映各国直接测量数据的可用性：

以现实的采掘经济学取代简单的"储量 × 商品价格"： 覆盖范围 方法 置信度
第 1 层：实测 约 50 个 OECD 国家 StatCounter 市场份额数据、BIS 跨境银行统计、OECD 数字服务指标 高
第 2 层：代理 约 130 个国家 WGI 治理评分、World Bank Findex（金融包容性）、Heritage Foundation 贸易/经济自由指数、人均 GDP 缩放 中
第 3 层：估算 约 40 个国家 GDP 层级代理，并带有区域平台邻近度调整（例如，Alibaba 在东亚/东南亚的存在被上调）。国家特征（财富、互联网普及率）调节平台类别权重。 低

Countries below the line (Tiers 2 和 3) lack direct platform market share measurement. Their PSI scores are structural estimates — useful for comparative ranking but 不 calibrated 制裁折扣： observed platform activity. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） 可分离资产 explorer marks each platform entry with a confidence dot: 实测， 部分， 建模。

15. Sovereign Restructuring & Dignity Floor Analysis

See this in action → 优化  |  网络构建器  |  残余国家

）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） city-level detachment scores 和 platform sovereignty analyses (Sections 11–13) feed into a five-phase pipeline that models 完整的 lifecycle 的 city detachment: who acquires what, 为 what cost, in what combinations, what happens 制裁折扣： the people left behind, 和 what sovereign arrangement maximizes dignity for all 8 billion.

15.1 城市-收购方匹配（Gale-Shapley）

多对多稳定匹配（医院-住院医师变体）将 74 可分离城市与国家收购方（领土主权）和平台收购方（基础设施主权）在两个独立的 Gale-Shapley 轮次中配对。城市可以同时与国家收购方和平台收购方匹配，因为这些代表非竞争性的主权层。

国家收购方对城市的偏好

每个国家收购方使用 5 因素协同评分（规范第 3A 节）对所有 74 城市进行排名。容量：每个国家收购方 3 个城市。

State_Synergy = 0.25 × resource_complementarity + 0.25 × human_capital_fit + 0.20 × connectivity_gain + 0.15 × climate_arbitrage + 0.15 × alliance_compatibility 其中： resource_complementarity = min(1.0, acquirer_gdp_pc / 60,000) × (0.5 + 0.5 × city_flow_pct) human_capital_fit = 0.7 × city_human_capital + 0.3 × regional_language_proximity connectivity_gain = max(0, city_gawc_score - acquirer_top_city_gawc) climate_arbitrage = max(0, composite_vulnerability - city_climate_risk) alliance_compatibility = shared_alliance_bonus (0.0 hostile → 1.0 same bloc)

城市对国家收购方的偏好

每个城市根据收购方服务于城市治理和经济利益的程度对国家收购方进行排名：

City_State_Pref = 0.30 × alliance_compatibility + 0.25 × economic_upgrade_potential + 0.25 × governance_quality_match + 0.20 × geographic_proximity 其中： economic_upgrade = max(0, (acquirer_gdp_pc - city_gdp_pc) / acquirer_gdp_pc) governance_match = 1.0 - |acquirer_gov_effectiveness - host_wgi| geographic_proximity = max(0, 1.0 - haversine_distance_km / 10,000)

平台收购方对城市的偏好

平台公司根据数字基础设施适宜性对城市进行排名（规范第 3D.4 节）。容量：每个平台 5 个城市。

平台_Synergy = 0.30 × regulatory_environment + 0.25 × human_capital_density + 0.20 × digital_infrastructure_quality + 0.15 × tax_regime_favorability + 0.10 × market_size_access 其中： regulatory_environment = 0.40 × digital_permissiveness (OECD DSTRI inverted) + 0.30 × data_sovereignty_inverse + 0.30 × antitrust_inverse digital_infrastructure = 0.60 × data_center_capacity + 0.40 × bratton_cloud_pct tax_favorability = max(0, 1.0 - effective_corporate_rate / 0.30) market_size_access = log(accessible_market_pop) / log(8 × 10&sup9;)

城市对平台收购方的偏好

城市根据当地经济收益潜力对平台进行排名：

City_平台_Pref = 0.35 × employment_creation_potential + 0.30 × infrastructure_investment_potential + 0.20 × global_connectivity_boost + 0.15 × technology_transfer_potential 其中： employment_creation = min(1.0, platform_employees / 100,000) infrastructure_investment = sovereignty_type score (cloud/infra 0.8-1.0, financial 0.3-0.5) global_connectivity = min(1.0, global_presence_HCI 是 World Bank 同行评审数据，覆盖 / 100) technology_transfer = sovereignty_type category mapping (0.2-0.9)

匹配算法

每个（收购方，城市）对的综合协同效应是收购方偏好和城市偏好的几何平均值： synergy = sqrt(acquirer_score × city_pref)。两个独立的 Gale-Shapley 轮次产生高于最低协同阈值 0.25 的稳定匹配。硬约束阻止收购方对城市所在东道国联盟敌对、平台是主导雇主（>15% 劳动力）或东道国司法管辖区存在反垄断行动的匹配。

数据来源： GaWC 城市排名、OECD DSTRI（数字服务贸易限制指数）、ND-GAIN 气候脆弱性、World Bank WGI 治理基线、QS 大学排名、GFCI 金融中心指数、Bratton 主权层（地球/流动/云）、企业税率数据、平台实体档案（83 平台收购方来自 84 实体）

输出： city_acquirer_matches.json — stable matches 至 74 城市、 217 国家收购方和 83 平台收购方的稳定匹配。在 可分离资产

15.2 三角交易经济学（SAPA）

采用第 5 阶段的稳定匹配，并通过完整的 SAPA（主权收购倾向评估）摩擦建模对每个匹配进行压力测试。城市交易是 三角的 (acquirer ↔ city ↔ host nation）， 不 bilateral — the host nation's military capability, alliance backing, nuclear status, 和 economic leverage all create friction that reduces 可行性.

国家收购方东道国摩擦

国家收购方面临来自东道国的四个摩擦组成部分：

Host_Friction = 0.30 × military_resistance + 0.25 × economic_retaliation + 0.25 × international_coalition_opposition + 0.20 × nuclear_deterrent 其中： military_resistance = host_military_normalized × (1 - constitutional_pathway) economic_retaliation = f(national_gdp_share）： ≥50% → 0.8, ≥20% → 0.6, ≥10% → 0.4, else 0.2 coalition_opposition = NATO+EU host → 0.9, NATO → 0.8, BRICS → 0.6, non-aligned → 0.3 nuclear_deterrent = 1.0 if host in {溢价乘数：, RUS, CHN, GBR, FRA, 核大国：}, else 0.0

平台收购方东道国摩擦

平台收购方面临的是监管摩擦而非军事摩擦：

平台_Friction = 0.35 × regulatory_friction + 0.25 × data_sovereignty_friction + 0.25 × antitrust_friction + 0.15 × public_backlash_risk 其中： regulatory_friction = enforcement_intensity / 5.0 (from enforcement_evidence.json) data_sovereignty = (data_localization_flag + digital_sovereignty_law_flag) / 2 antitrust_friction = (regulatory_friction + min(total_fines_$B / 10, 1.0)) / 2 public_backlash = min(consumer_function_overlap / 3, 1.0) for consumer-facing platforms

收购方与东道国之间的联盟分歧会放大交易可行性：同一阵营 = 0.0 惩罚，对立阵营（NATO 对 BRICS）= 1.0 惩罚。中国阵营收购方瞄准 NATO 东道国城市的交易面临最大分歧摩擦。只有可行性高于 10% 的交易才会显示在 交易浏览器.

数据来源： 军事能力基线（源自 GFP）、执法证据（各国监管强度、罚款、数据本地化法律）、联盟成员名单（NATO、EU、BRICS、CSTO、SCO）、平台实体概况（主要功能、员工、反垄断风险敞口）

输出： city_sapa_deals.json — 524 笔交易已定价，其中 227 笔达到 10% 可行性门槛并显示。探索于 交易浏览器

15.3 网络国家联盟形成

Assembles multi-entity coalitions (3–12 members) 的 detachable 城市、 small states, quasi-autonomous territories, sovereign city-states, 和 platform companies into 个实体 that could function as network states with real sovereign balance sheets. All entity types are treated uniformly through a single CoalitionEntity dataclass — no sub-score formula branches on entity type.

联盟可行性评分（10 个子评分 + 治理乘数）

规范第 3C.2 节。每个联盟按 10 个加权维度评分，然后乘以联盟的平均治理质量：

可行性 = Governance_Multiplier × ( 0.25 × trade_可行性 + 0.16 × resource_coverage + 0.12 × financial_circuit_completeness + 0.10 × human_capital_diversity + 0.10 × competitive_positioning + 0.08 × exit_accessibility + 0.06 × climate_resilience_portfolio + 0.06 × defense_credibility + 0.04 × geographic_coherence + 0.03 × severance_feasibility_portfolio ) 其中： trade_可行性 = weighted(trade_self_sufficiency, category_coverage, partner_diversity) resource_coverage = 水_tier + 能源_balance + arable_land_coverage + critical_minerals financial_circuits = GFCI presence + BIS claims + payment system coverage + alt_payment_system

带重启的贪心优化

规范第 3C.4 节。该算法使用 50 个锚点（得分最高的实体）加上 30 个区域锚点来播种联盟构建：

数据来源： 城市分离评分、增强国家概况、HS2 贸易数据（出口/进口份额）、GFCI 金融中心排名、BIS 跨境债权、GFP 军事能力、ND-GAIN 气候准备度、World Bank WGI、平台实体概况、LSCI 航运连通性

输出： network_state_coalitions.json — 22 个来自多实体池（城市、州、领土、城邦、平台）的联盟。探索于 可分离资产 → 网络构建器

15.4 残余国家影响评估

Phases 5–7 model detachment from the acquirer's 和 city's perspective. Phase 8 models the Povinelli 级联 — the compounding fiscal deterioration, brain drain acceleration, service degradation, 和 territory abandonment that afflict the host nation after its major 个城市 detach. 74 个可分离城市位于 50 host nations (Spec Sections 3E.2–3E.7). 对于 each host, both single-city 和 worst-case all-个城市 detachment scenarios are computed, plus 30 联盟触发的复合情景。

财政影响模型

税收收入集中在城市，与其人口份额不成比例。税收集中乘数使收入损失超过原始 GDP 份额：

tax_revenue_loss_pct = min(gdp_loss_pct × tax_concentration_multiplier, 0.95) fiscal_gap_pct_gdp = tax_revenue_loss_pct - (population_loss_pct × service_cost_factor) Tax Concentration 乘数 (hardcoded）： London (GBR）： 1.23 Paris (FRA）： 1.29 New York (溢价乘数：）： 1.50 Tokyo (JPN）： 1.32 Default: 1.0 + national_gdp_share × 0.3

人力资本外流级联

技术工人跟随经济机会进入分离城市。移民在四个时间跨度内加速，参照后苏联移民（保留 75-90%）、希腊危机（保留 88%）和委内瑞拉崩溃（保留 85%）进行校准：

年份 1: min(sqrt(gdp_loss_pct) × hci × 0.15, 0.15) 年份 5: year_1 + (1 - year_1) × emigration_pull × 5 年份 10: year_5 + (1 - year_5) × emigration_pull × 5 × acceleration cap: 30% 年份 25: year_10 + (1 - year_10) × emigration_pull × 15 × acceleration cap: 50% 其中： emigration_pull = gdp_per_capita_gap / 40,000 × hci acceleration = 1.0 + fiscal_gap_pct × 0.5 (fiscal desperation compounds flight)

7 组件主权可行性评分

将制度能力与经济冲击严重程度相结合：

Institutional_可行性 = 0.25 × fiscal_sustainability + 0.20 × economic_base_diversity + 0.15 × institutional_continuity + 0.15 × military_retention + 0.10 × alliance_retention + 0.10 × demographic_stability + 0.05 × territorial_coherence GDP_Shock_Multiplier = (1 - gdp_loss_pct) ^ 0.6 Sovereign_可行性 = Institutional_可行性 × GDP_Shock_Multiplier 其中： fiscal_sustainability = max(0, 1.0 - fiscal_gap_pct × 5.0) economic_base_diversity = 1.0 - sectoral_HHI (agriculture² + industry² + services²) institutional_continuity = 0.7 + gov_effectiveness × 0.3 (or 0.4 + ge × 0.3 if capital detaches) military_retention = max(0.5, 1.0 - city_military_share × 0.5) alliance_retention = 0.9 (nuclear）， 0.4–0.8 (allied）， 0.3 (non-aligned) demographic_stability = max(0, 1.0 - brain_drain_Y10 × 2.0 - dependency_ratio_shift) territorial_coherence = 0.9 (1 city) → 0.3 (5+ 个城市)

国家被分类为 可行/削弱 (≥60%）， 挣扎/严重危机 (≥35%）， 失败/终末衰退 (≥15%），或 崩溃轨迹/不可行 below that. City-states (，韩国, 卢森堡, Hong Kong) score 0% by definition — detachment eliminates the state entirely.

额外影响层

数据来源： 经济基线（GDP、人口、按部门就业）、World Bank Gini 系数（48 个国家）、World Bank WGI 治理、GFP 军事能力、联盟成员名单、GFCI 金融中心、人力资本指数（176 个国家）、国家首都、脆弱性指数、互联网普及率、历史分离数据库（用于叙述类比匹配）

输出： residual_state_impacts.json — 50 个东道国、4 个时间跨度、 30 个联盟复合情景。探索于 可分离资产 → 残余国家

15.5 Optimal Configurations & Dignity Floor Index

顶点模块回答：给定 80 亿人口，在每个人口单位都满足最低尊严阈值的约束下，何种主权结构安排能最大化总体福利？计算 228 个主权实体的尊严底线指数（DFI），识别底线违规，建模再分配能力，并生成 18 archetype configurations scored on 5个目标函数 (Spec Sections 3F.1–3F.9).

尊严底线指数（DFI）：7 维合取度量

每个国家获得一个复合 DFI 评分和按维度的细分。DFI 是 合取的 — a country fails the floor if 任何单一 维度低于其阈值，国家即未达底线，无论其他维度表现如何。

DFI = 0.20 × material_security + 0.20 × health_access + 0.15 × education_access + 0.15 × 住房_adequacy + 0.10 × political_participation + 0.10 × 环境_safety + 0.10 × social_connection Conjunctive Floor Thresholds (per dimension）： material_security: 0.40 health_access: 0.35 education_access: 0.35 住房_adequacy: 0.35 political_participation: 0.25 环境_safety: 0.30 social_connection: 0.25

维度子指标

维度 权重 关键子指标 主要来源
物质安全 0.20 Income adequacy (GDP pc / 2×$6.85/day poverty line）， food security (1 - undernourishment%）， economic stability (unemployment, inflation via Heritage monetary freedom) World Bank、Heritage Foundation
健康可及性 0.20 UHC 覆盖指数、5 岁以下死亡率、预期寿命、孕产妇死亡率、医生/1000、医院床位/1000、自付医疗支出、基本药物可及性（代理） WHO UHC、World Bank WDI
教育可及性 0.15 小学/中学完成率、高中入学率、成人识字率、教育支出占 GDP %、人力资本指数 World Bank HCI、UNESCO
住房充足性 0.15 贫民窟人口 %、安全用水 %、安全卫生设施 %、电力可及 %、过度拥挤（从贫民窟%代理）、可负担性（从 GDP pc + Heritage 金融自由度代理） World Bank、Heritage Foundation
政治参与 0.10 V-Dem 选举民主、Freedom House 公民自由、WGI 法治、Transparency International CPI V-Dem、Freedom House、WGI、TI
环境安全 0.10 PM2.5 浓度、ND-GAIN 气候脆弱性、WRI 淡水压力、土壤退化（从 ND-GAIN 耕地变化代理）、INFORM 灾害准备度 ND-GAIN、INFORM Risk、WRI
社会连接 0.10 互联网普及率、移动订阅、V-Dem 公民社会指数、UN 电子政务指数、LSCI 交通连通性、软实力评分、文化支出（代理） ITU、UN E-Gov、V-Dem、LSCI、Soft Power 30

指标值通过 4 层解析级联：（1）从 dfi_indicators.json测量，（2）从 economic_baselines.json测量，（3）从 world_bank_indicators.json, (4) development-scaled global median default (poor HCI 是 World Bank 同行评审数据，覆盖 receive worse defaults via a GDP-per-capita sigmoid). Active conflict 个国家（UKR, SDN, SOM, YEM, SYR, MMR, AFG, LBY, ETH, COD, SSD, IRQ) receive a hard conflict penalty 国家调整：综合0.35–0.65) on service delivery dimensions.

全球 DFI 结果（228 个主权实体）：
平均 DFI： 0.6713 | 分类： 159 绿色， 52 黄色， 1 橙色， 16 红色
结构性底线违规（国家层面）： 3.56B (43.4%) — population in HCI 是 World Bank 同行评审数据，覆盖 where one or more DFI dimensions falls below its threshold
不平等调整后的底线违规： 5.85B (71.5%) — incorporates World Bank poverty headcount ratios (SI.POV.UMIC, 182 国家）来估算每个国家中个体自身低于尊严底线的比例，即使国家平均值已达标。对于DFI绿色国家，世界银行每日6.85美元的贫困率作为最低个体底线违反率。
交叉验证： DFI与以下指标的相关性 r=0.9387 与社交进步指数在以下范围内的相关性 196 匹配的国家对（Pearson r，手动计算）

与世界银行基准的校准

DFI衡量的概念比单纯的收入更广泛。世界银行的 贫困、繁荣与地球 report (2024) provides the canonical income-based baselines against which DFI results can be compared. Our dignity floor captures populations that income measures miss — people above the income line who nonetheless lack adequate health systems, political voice, 住房, or 环境 safety.

指标 阈值 人口 来源
世界银行：极端收入阈值 每日2.15美元（2017年PPP） 6.92亿（8.5%） 世界银行 PIP 2024
世界银行：中低收入阈值 每日3.65美元（2017年PPP） 约12亿（15%） 世界银行 PIP 2024
世界银行：中高收入阈值 每日6.85美元（2017年PPP） 35.3亿（44%） 世界银行 PIP 2024
世界银行：繁荣差距 每日25美元（2017年PPP） Factor: 4.9× current per-capita 世界银行 PIP 2024
OPHI/UNDP：多维贫困指数（MPI） 健康+教育+生活水平综合指标 11亿 OPHI MPI 2024
WHITEFLAG：DFI（国家结构性） 7维度合取（任一国家维度低于阈值） 3.56B (43.4%) DFI v1.0
WHITEFLAG：DFI（不平等调整后） 国家结构性失败+世界银行贫困人口比例作为绿色国家的个体层面底线 5.85B (71.5%) DFI v1.0 + 世界银行 PIP

关键比较： 世界银行统计有35.3亿人低于每日6.85美元。我们的国家层面DFI结构性底线识别出 3.56B in HCI 是 World Bank 同行评审数据，覆盖 where 为 least one dimension fails — a similar magnitude because national averages mask ），chokepoint_value（按距离分档，而非固定奖励：-country inequality (India “passes” nationally despite 82% 的 its population being below $6.85/day per WB PIP 2022). When we inject World Bank poverty headcount ratios as an individual-level floor — recognizing that the income-poor ），chokepoint_value（按距离分档，而非固定奖励： DFI-green HCI 是 World Bank 同行评审数据，覆盖 still lack dignity in practice — the inequality-adjusted figure 上升至 5.85B (71.5%). ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） 2.2B gap between the WB’s income-only count 和 our adjusted count represents populations affected by non-income structural failures: authoritarian governance (（主导生态系统：NVIDIA、Google、OpenAI） 1.4B, Russia 144M）， weak health systems, 环境 vulnerability, 和 inadequate 住房 that income measures alone do 不 capture.

标量假设： We use WB poverty headcount ratios as a baseline floor because conditions ——而非企业价值，也非上述战略溢价——乘以 income-poor are scalar with structural capacity — if a country’s governance, health system, or environment degrades, the poorest suffer disproportionately. WB poverty data thus serves as a minimum individual-level dignity violation rate, with structural DFI failures adding additional affected populations on top.

预测轨迹： ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） World Bank projects 622 million will remain below the extreme income line by 2030, 和 estimates it would take more than a century 为 current rates 制裁折扣： bring all populations above $6.85/day. Climate change could push an additional 100+ million below income thresholds by 2030 (World Bank Climate 和 Development Reports). Our archetype configurations model how structural reforms — ranging from fiscal federalism 制裁折扣： full sovereign restructuring — could accelerate or retard these trajectories 至 all seven dimensions simultaneously.

来源： 世界银行， 贫困、繁荣与地球 （2024年）；OPHI/UNDP， 全球多维贫困指数 （2024年）。DFI收入充足性子指标直接使用每日6.85美元阈值： income_adequacy = min(1.0，中位数_income / (2.0 × $6.85/day)).

次国家DFI分解

对于 20 有可用次国家数据的国家，引擎将国家维度得分乘以区域调整因子，以生成区域级DFI估计。这捕捉了国家平均值所掩盖的国内不平等（例如印度的农村比哈尔邦与城市马哈拉施特拉邦，或美国深南部与太平洋西北地区）。数据加载自 subnational_adjustments.json，生成 75 区域DFI细分，其中 30 低于底线。

残余人力资本层

通过计算以下每个国家的分离后DFI，将第8阶段桥接到第9阶段 49 承载残余人力资本情景的东道国。模拟无法离开的人口：

Immobility_Rate = working_age_pct × 0.65 + elderly_pct × 0.92 + children_pct × 0.95 Post-Detachment DFI Degradation: material_security ×= (1.0 - gdp_loss_pct × 0.8) health_access ×= (1.0 - fiscal_gap_pct × 0.50 × 0.7) education_access ×= (1.0 - fiscal_gap_pct × 0.50 × 0.6) Skill Distribution Shift (3-tier）： high_skill_loss = gdp_loss_pct × 1.5 (capped 为 1.0) mid_skill_loss = gdp_loss_pct × 0.8 low_skill_loss = gdp_loss_pct × 0.3 年度 Redistribution Cost = Σ immobile_pop × (gap / 0.01) × cost_per_unit_gap cost per 0.01 的 gap: material $2,000 | 健康 $1,500 住房 $1,200 | 教育 $1,000 环境 $800 | 社会 $500 | 政治参与 $800

5阶段搜索算法

每个原型配置通过正式的5阶段流程生成：

1. 当前状态评估
220个主权实体DFI得分
→
2. 干预排序
所有（国家，维度）差距
按dfi_gain_per_dollar排序
→
3. 再分配池
4个收入来源
→
4. 配置搜索
按原型约束
+ 预算分配
→
5. 目标评分
5个目标函数

再分配池（第3阶段）

Total_Pool = platform_taxation + carbon_taxation + financial_transaction_tax + sovereign_wealth 其中： platform_taxation = Σ ，而非相互竞争：_deal_values × 0.02 (2% transaction levy) carbon_taxation = Σ estimated_CO²_tons × $50/ton × 0.10 (from climate vulnerability data) financial_transaction_tax = modeled from BIS digital payment volumes sovereign_wealth = GDP surplus fraction from high-surplus economies (voluntary solidarity levy)

5个目标函数

目标 2.1 生产资本（工业与基础设施）
功利主义 所有实体的人口加权平均DFI
最差者优先 所有人口单位中的min(DFI)（最大化最小值）
自主性 功利主义 base - disruption_penalty(structural_changes × 0.001) + autonomy_bonus(devolved × 0.002)
可持续性 重新加权DFI：environmental_safety 0.25（从0.10上调），material/health各降至0.125
公平性 功利主义 base - Gini_penalty(inter-entity DFI inequality × 0.3）， no entity DFI decline >5%

18 原型配置

原型 理念 预算比例 转移有效性 尊严合规度 转型可行性
A：财政联邦制 No border changes; enhanced fiscal transfers via existing institutions (IMF, 世界银行， regional banks). Fiscal-only mechanisms — cannot address | 政治参与 or social connection directly. 100% of pool 0.65 56.9% 0.81
B：权力下放 次国家自治，配合财政+治理改革。允许有意愿的次国家单位改变边界。较高的自主性奖励被干扰惩罚部分抵消。 70% of pool (governance reform is expensive) 0.55 57.8% 0.58
C：城邦网络 城市和小国组成网络联盟（来自第7阶段）。激进重组带来最高合规度，但政治可行性极低。 not recorded 0.70 77.1% 0.33
D：平台公地 平台公司作为受监管的公用事业提供基础设施服务。平台税收为尊严底线闭合提供资金。中度重组。 not recorded 0.60 64.1% 0.60
E：全面优化 Unconstrained boundary redrawing 制裁折扣： maximize DFI. Theoretically optimal but politically impossible — requires overriding all existing sovereignty. not recorded 0.80 97.0% 0.13
F：气候韧性税 What would zero take? Climate-resilient HCI 是 World Bank 同行评审数据，覆盖 pay into a pool redistributed 制裁折扣： climate-vulnerable nations. Pure fiscal mechanism — closes material, health, education, 住房, 和 环境 gaps but cannot address | 政治参与. Shows the fiscal ceiling, 和 the political-participation wall behind it: past a point, money stops working. not recorded not recorded 62.3% 0.60
G：仁慈的全球君主 Theoretical upper bound: what if an omnipotent benevolent ruler could force institutional reform 和 ensure efficient governance? Removes the democracy wall 和 cuts governance absorption sharply, which is what lets compliance reach the ceiling. Transition feasibility: near zero — pure thought experiment, 不 a policy proposal. not recorded not recorded 100.0% 0.02
H：主权现实政治 反原型：强国放弃所有底线承诺，追求赤裸裸的自身利益。无转移，无改革。人力资本外流、资源开采和环境倾倒使脆弱国家退化。合规度降至当前状态以下。成本：0美元。阻力最小且不平等最大化的路径。 not recorded 0.00 29.9% 0.95
I：国家指令经济 生态列宁主义+中央计划。国家将工业国有化，强制脱碳。物质交付高（古巴医疗、苏联教育）但政治自由为零。PP上限为0.00。治理底线0.70（党即治理）。 not recorded not recorded 56.6% 0.37
J：生态法西斯主义 Carrying-capacity ideology: selective exclusion as environmentalism. Three tiers — excluded (~3.5B, active harm）， protected (~1.5B rich, marginal gains but political losses）， contested (~3B). Modeled 制裁折扣： show exclusion produces the worst outcomes. not recorded not recorded 23.4% 0.34
K：生态现代主义 技术绕过政治：核能替代煤炭，地球工程管理气候，AI优化资源。环境安全是明星维度（0.85效率）。在弱国，治理吸收仍然制约交付。 not recorded not recorded 56.6% 0.61
L：去增长/有管理撤退 在地球边界内有意进行经济收缩。环境安全是核心（0.90效率），但人均GDP输入不利于物质得分。政治参与通过参与式民主改善。 not recorded not recorded 58.1% 0.33
M：非共识算法治理 AI AS the state, imposed without consent. Eliminates governance absorption (algorithm IS governance). Transfer effectiveness 0.85, but V-Dem electoral democracy = 0, civil liberties = 0. Efficient allocation, zero agency. Everyone fails because the 合取的 floor requires PP ≥ 0.25. not recorded not recorded 0.0% 0.35
P：共识AI治理 人民自愿接受AI治理作为合法权威。与M相同的算法效率，但政治参与非零，因为公民民主地选择AI决策。社会联系得以保留，而非被监控摧毁。 not recorded not recorded 84.5% 0.42
N：全面崩溃/军阀主义 国家完全失败。真正的底线。所有国家退化，包括富国（因基础设施惯性有40%的比率）。无受保护层级。军阀治理取代机构。 not recorded not recorded 15.3% 0.69
O：乌托邦无政府主义/互助 Bottom-up commons governance. Cooperative economy, direct democracy. Scores moderate — 不 because anarchist communities lack wellbeing, but because DFI inputs (GDP/cap, V-Dem, physicians/1000) are calibrated 制裁折扣： formal systems. not recorded not recorded 59.6% 0.27
Q：主权绕过/去中介化 通过参数化、平台和算法工具直接向人口交付底线，绕过国家财政吸收。在治理薄弱或掠夺性的地方，价值无需经过国库即可到达人民。交付主权从国家转移到基础设施。 55% of pool 0.70 56.9% 0.62
R: Cultural & Civilizational Sovereignty 尊严在文明集团内部定义和交付，而非由普世标准定义。各集团设定自己的底线并在内部提供资金，以测量可比性换取合法性和政治同意。 40% of pool 0.50 57.1% 0.52

对于其生成器未将其写入 optimal_configurations.json的原型，预算比例和转移有效性显示为“未记录”。这些原型内部确实使用两者；只是数值尚未发布，本页面不会重述输出中未携带的数字。

转型可行性（5个组成部分）

Transition_Feasibility = 0.30 × political_acceptability + 0.25 × incremental_deployability + 0.20 × historical_precedent + 0.15 × legal_framework_compatibility + 0.10 × timeline_feasibility

根本性权衡：尊严合规度与转型可行性呈负相关。财政联邦制实现 56.9% 合规度，可行性为 0.81 ；全面优化实现 97.0% 合规度，可行性为 0.13 可行性。气候韧性税显示了财政上限：即使资金无限，合规率也止步于 62.3% 因为政治参与无法用金钱购买。仁慈的全球君主通过强制推行制度改革消除了这一上限，达到 100.0% — but requires authority that has never existed, 和 scores 0.02 。不存在同时最大化合规率与可行性的配置。

Conceptual 领土: Archetypes I–O

Archetypes A–H model governance arrangements that build on or reform existing state structures. Archetypes I–O expand the analysis into geopolitical territories from climate politics, collapse studies, 和 political theory — scenarios that dominate real-world policy debate but fall outside conventional institutional reform. Q 和 R ask a different question again: 不 how the state should be reformed, but whether delivery has 制裁折扣： run through it 为 all, 和 whether one floor can be defined for everyone.

国家指令经济（I） occupies the territory where a vanguard party or authoritarian state seizes control 的 economy for rapid decarbonization. Historical precedents include Soviet-era industrialization, Cuban healthcare universalization, 和 Chinese state-directed development. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） model shows high material delivery but zero political freedom. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） 环境 score (0.55) is lower than expected because command economies historically produce severe non-carbon pollution even when they reduce CO&sub2;.

生态法西斯主义（J） models the territory where 环境 crisis is instrumentalized 制裁折扣： justify biopolitical exclusion — border militarization, carrying-capacity ideology, 和 the construction 的 protected vs. expendable populations. This archetype exists in the analysis specifically 制裁折扣： demonstrate that exclusionary approaches produce worse 总体 outcomes than any constructive alternative.

生态现代主义（K） represents the territory where technological deployment bypasses political reform entirely — nuclear 能源, atmospheric geoengineering, AI-optimized resource allocation, 和 precision agriculture. Environmental safety is the star dimension (0.85 effectiveness). But the model reveals that technology cannot bypass governance absorption: HCI 是 World Bank 同行评审数据，覆盖 with weak institutions still cannot deploy or maintain complex technical systems.

去增长 / 有管理的撤退（L） 占据的是在地球边界内有意进行经济收缩的领域。环境安全得分最高（0.90 有效性），但物质安全得分的 40% 是人均 GDP，而去增长有意降低这一指标。该原型在选举制度内运作，在新集合中产生了最高的政治参与有效性（0.65）。

非共识算法治理（M） 模拟的是由算法进行治理，而非用算法辅助治理，且未经民主授权强加。转移有效性最高（0.85），因为算法系统消除了官僚摩擦。但 V-Dem 选举民主等于零，公民自由等于零，监控基础设施摧毁了公民社会。

共识性 AI 治理（P） models the same algorithmic efficiency as M, but with a critical difference: the population willingly accepts AI as legitimate authority. Political participation is non-zero because citizens democratically choose algorithmic decision-making — a world where people believe AI is better than human governance. Social connection is preserved rather than destroyed, because there is no need for surveillance when compliance is voluntary. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） comparison between M 和 P isolates the question: does AI governance fail because algorithms cannot govern, or because people will 不 accept being governed by algorithms?

全面崩溃 / 军阀主义（N） represents the true floor — complete institutional failure 至 all regions including wealthy ones. Rich HCI 是 World Bank 同行评审数据，覆盖 degrade 为 40% 的 完整的 rate due 制裁折扣： infrastructure inertia. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） analytical purpose is establishing the absolute bottom 的 possibility space.

主权绕行 / 去中介化（Q） routes the floor around the treasury rather than through it — direct transfers, index- 和 satellite-triggered parametric payouts, platform-delivered services, subnational revenue capture. It is the archetype that treats state fiscal absorption as the binding constraint rather than the amount 的 money available. Compliance lands close 制裁折扣： Fiscal Federalism, on a noticeably lower feasibility score, because the delivery infrastructure has 制裁折扣： exist before the state consents 制裁折扣： being bypassed.

Cultural & Civilizational Sovereignty (R) 让文明集团定义并资助自己的底线，而不是用同一个标准衡量所有人。它以可比性换取同意。因此它在此获得的合规数字比表中其他原型的主张更弱：它是根据我们的七个维度评分的，而这恰恰是该原型所拒绝的前提。

乌托邦无政府主义 / 互助（O） occupies the territory 的 bottom-up commons governance without state institutions. Our DFI model shows anarchism scoring moderate (~60% compliance）， but this reflects the model’s institutional bias more than anarchist wellbeing. GDP per capita does 不 capture cooperative production. V-Dem indices cannot distinguish direct democracy from no democracy. Anarchism provides something our model cannot fully measure.

结构可行性（7 个组成部分）

按国家计算，以评估每个国家在给定原型下能否维持其主权职能：

Structural_Feasibility = 0.25 × fiscal_可行性 (1 - fiscal_gap × 5) + 0.20 × economic_base (gdp_pc / 30,000) + 0.15 × governance_capacity (mean 的 gov_effectiveness + reg_quality) + 0.15 × security (military_ratio × 10 + 0.3, capped 为 1.0) + 0.10 × infrastructure (mean 的 economic + governance) + 0.10 × international_整合 (Heritage trade_freedom / 100) + 0.05 × demographic_可行性 (population / 5M, capped 为 1.0)
数据来源： DFI 指标（WHO/UNESCO/World Bank 汇编）、V-Dem 民主指数、Freedom House、Transparency International CPI、INFORM Risk、Social Progress Index（交叉验证）、World Bank WGI、World Bank WDI、ND-GAIN 气候脆弱性、WRI 水资源风险、人力资本指数、Heritage 经济自由度、LSCI 航运连通性、UN 电子政务指数、Soft Power 30、军事能力基线、脆弱性指数、次国家级调整、第 6 阶段 SAPA 交易价值、第 7 阶段网络联盟、第 8 阶段残余国家影响

输出： optimal_configurations.json — 228 主权实体， 18 原型配置，次国家级 DFI 覆盖 20 个国家（75 个地区），残余人力资本覆盖 49 个东道国，SPI 交叉验证。探索于 优化

方法论说明：城市分析是扩展，而非替代

）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） city-level detachment framework (Sections 11–13) 扩展 the country-level valuation (Sections 1–10); it does 不 replace it. 国家 valuations remain the foundation — a city's Lambda 和 severance scores are derived from its relationship 制裁折扣： the host nation's valuation. 平台 sovereignty analysis adds a new analytical dimension that applies 制裁折扣： both 个国家和 个城市. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） 可行性 scores in this framework are composite indices, 不 calibrated probabilities — they measure structural feasibility, 不 likelihood.

16. 已知局限性

整合模型的不确定性

该框架对主权实体进行估值，并现在通过第 8 阶段（残余国家影响评估）模拟分离后的影响，包括财政侵蚀、人力资本外流、技能分布变化以及对东道国的不流动性效应。然而，完整的分离后整合 modeling — what happens if a nation is actually absorbed by an acquirer — remains unmodeled. Key uncertainties:

经济捕获与正式收购之间的差距仍是该框架最大的概念不确定性。

本框架未捕捉的内容

可复现性

在输入不变的情况下重新运行流水线，除每个文件携带的生成时间戳外，每个引擎输出均可逐字节复现。匹配、联盟形成和交易定价是确定性的，不依赖于集合迭代顺序或 Python 哈希种子。

置信度随时间衰减

本估值框架为清晰起见有意简化。真实的地缘政治分析需要情景建模、博弈论和区域专业知识。 18 archetype configurations (Fiscal Federalism, Devolution, Network 的 City-States, 平台 Commons, Full Optimization, Climate Resilience Tax, Benevolent 全球 Monarch, Sovereign Realpolitik, State Command Economy, Eco-Fascism, Ecomodernism, Degrowth, Non-Consensual Algorithmic Governance, Full Collapse, Utopian Anarchism, Consensual AI Governance, Sovereign Bypass, Cultural & Civilizational Sovereignty) each operate on different time horizons, 和 confidence degrades 为 different rates depending on the archetype assumed. Use this as a starting point, 不 an oracle.

平台主权数据局限性

平台主权分析直接对 50 个国家和 74 个城市 directly; every other sovereign entity relies on modelled platform data (Tiers 2–3) rather than observed metrics. ）可能在 Gale-Shapley 中作为联盟情景出现（例如中国 + 俄罗斯 → 台湾，第二阶段） inequality-adjusted dignity floor count (5.85B 人）取决于 World Bank 贫困人口数据的质量，该数据覆盖 182 HCI 是 World Bank 同行评审数据，覆盖 with varying recency (2014–2024). Countries with older survey data may have dignity floor estimates that lag 使用 conditions by several 年.

国家层面聚合

尊严底线指数将每个国家视为同质单元，为每个国家计算单一可行性得分。国内不平等通过不平等调整（将 World Bank 贫困人口数据注入财政缺口计算）和次国家级分解（20 个国家，75 个地区）得到部分处理。然而，大多数国家完全缺乏次国家级数据，这意味着治理能力、经济基础和基础设施质量方面显著的国内差异被平均掉了。联邦制国家、受冲突影响的国家以及城乡差距大的国家，其次国家级差异最有可能被国家层面聚合所掩盖。

有问题或反馈？

本框架根据研究人员的反馈不断演进。如果您发现缺口、矛盾或改进之处，请报告。

返回 地球 以探索估值，或查看 洞察 页面以了解元排名和模式。