2018年,美国单方面宣布对中贸易制裁,意图通过提高关税的方式增加贸易壁垒,吸引海外制造业回归,严重破坏了世界经济产业合作共赢。2020年,突如其来的新冠疫情又一次对全球经济产生了沉重的打击。在此背景下,东盟主导签订了《区域全面经济伙伴关系协定》（RCEP）,该协议旨在降低关税、提高成员国之间贸易开放程度,加强产业交流合作,展现了成员国致力于推动全球化进程的决心,是世界经济发展的一剂强心针。中国作为重要参与国之一,加入RCEP的重大举措将为我国经济发展注入新动能,有助于我国加速实现“国内国际双循环”的目标。为研究《区域全面经济伙伴关系协定》（RCEP）对我国对外贸易流量的影响机制,探寻不同的区域贸易协定（FTA）对于贸易影响差别,本文选择1990-2018年间的贸易数据,采用Hofmann在2017年构建的FTA深度指标作为衡量FTA内容的标准,以FTA深度作为核心变量,同时加入人口数量、GDP发展水平、地理距离等变量,以机器学习相关算法分别构建了LASSO贸易流量影响因素分析模型、SVM贸易流量预测模型以及XGBOOST贸易流量预测模型,以此分析区域贸易协定对贸易的影响。最后,对于2022年中国与RCEP成员国之间的贸易流量进行了预测。研究结论:（1）LASSO模型显示:人均GDP数据、贸易国之间的地理位置信息对贸易流量的影响较大,而GDP总量数据、协议生效前三年的贸易流量平均增长率对于贸易流量的影响并不显著。在所有的FTA深度特征中,服务贸易总协定条款、卫生和植物检疫条款、竞争政策条款、反倾销条款、能源政策、劳动市场管制条款、创新政策条款、知识产权条款、视听产业条款、反补贴条款能显著的对于贸易流量产生影响。特别的,卫生和植物检疫条款、知识产权条款、视听产业条款在短期内对贸易流量产生负向影响。（2）在预测上,机器学习模型显示出了有较强的可用性,且XGBOOST模型明显优于SVM模型。XGBOOST模型在双边贸易流量的预测上取得了较好结果,贸易国间的双边贸易流量越大,预测结果越精准。对双边贸易流量在百亿美元以上、协议生效第一年的贸易,预测的平均绝对百分比误差约为0.066。