时尚新闻

时尚新闻
您的位置:主页 > 时尚新闻 >

我国大菱鲆养殖业风险预警研究


发布日期:2022-01-02 02:51   来源:未知   阅读:

  2019 年 1 月农业农村部等 10 部委发布的《关于加快推进水产养殖业绿色发展的若干意见》中明确指出,新时期,水产养殖业绿色发展要以满足人民对优质水产品需求为目标,以减量增收、提质增效为着力点,加快构建水产养殖业绿色发展的空间格局、产业结构和生产方式。大菱鲆是我国海水鱼主养品种之一,年产量占鲆鲽类 60%以上。作为中高档水产品,其养殖业发展为我国城镇居民水产品日常消费和水产养殖业创收做出一定贡献。然而 2010-2018 年我国大菱鲆平均销售价格呈现大起大落的态势(表 1)。这种价格波动不仅导致成本利润率的波动,影响养殖生产者的增收,且在一定程度上影响了消费者福利的提高。若能够在大菱鲆价格出现非正常波动之前,提前采取应对措施,则可以减少或避免损失,促进该养殖产业的绿色发展。

  经济预警是对经济中的周期性现象进行监测分析,预判警情,在经济失衡前发出警报,并采取相应的防范措施进行调控,从而最大可能的减少经济失衡所带来的损失。经济预警按领域可区分为宏观经济、产业经济、企业经济预警;其中,产业经济预警是对国民经济中某个产业的经济状态存在景气与衰退的波动循环进行监测和预报 ,农业预警属于产业经济预警范畴。

  国外农业预警的研究主要集中在环境、气候变化对农业生产所带来的影响,有些学者通过构建预警模型研究了干旱对小麦、玉米等粮食生产的影响,取得了较好的预警效果 。国内农业预警的研究主要集中在农产品领域,主要研究的农产品如粮食 ,生猪,肉鸡 ,油菜 等产业预警有了比较成熟的研究,而水产品风险预警研究则相对较少,且研究视角主要集中在水产品进出口贸易 ,水产品价格 等方面。

  随着计算机技术的进步以及数学在预警研究中的广泛运用,经济预警的研究方法越来越多样化和智能化,由传统的经验判断法如德尔斐(Delphi)法,统计计量方法如时间序列分析法,逐步向智能计算方法如机器学习法的转变。为提高风险预警效果,本文采用双隐层的前馈型 BP神经网络构建我国大菱鲆养殖业风险预警模型,并检验其有效性,同时运用灰色系统模型和时间序列模型对警兆指标进行预测,将指标预测值运用到已建立的预警模型,从而来对我国大菱鲆养殖业未来安全状况进行系统预警。

  建立大菱鲆养殖业风险预警指标体系是进行风险预警的前提。在风险管理中,警兆是警源变成警情的外部表现形式,警源是风险产生的原因所在。因此,大菱鲆养殖业风险预警体系选取两类指标变量,警情指标变量和警兆指标变量。我国大菱鲆养殖业风险的警情主要是其供给与需求的不均衡进而引起的价格波动。大菱鲆价格是一个绝对量,是一个静态指标,不适合作为预警指标。而增长率是一个动态指标,呈波动型变动,其值过高或过低均会发出警报 。因此,本文选择大菱鲆出池价格波动率作为警情指标 。即:大菱鲆出池价格波动率=(本期大菱鲆价格-上一期大菱鲆价格)/上一期大菱鲆价格。当大菱鲆出池价格的波动率过高或过低时,说明大菱鲆养殖业存在一定的风险。 ①警情指标的警限确定,大致可分为三类:专家经验法、系统方法和统计方法。由于系统方法需要全面考虑各方面的因素,较为复杂;同时大菱鲆出池价格波幅很大,无法采用半数原则等统计方法,因此本文采用专家经验法,结合生产者的盈亏平衡点和停止营业点对警限进行确定。见表 2。

  辽宁葫芦岛地区是大菱鲆的重要产地之一,,其大菱鲆出池价格可以反映全国大菱鲆价格的整体走势。因此,我们在分析时使用这一代表性数据。

  警兆是警情发生前所表现出的先导迹象,也是以警源为基础而确定的、具体的可预见因素。大菱鲆养殖业风险预警就是根据警兆的变动研究警情的大小。本文分别从能够影响大菱鲆供给与需求的因素,以及自然、政策、等影响大菱鲆出池价格的因素出发,利用 SPSS20 软件对警兆指标进行时差相关分析,经筛选并最终确定我国大菱鲆养殖业风险预警的警兆指标,见表 3。

  同理可以预测城镇居民人均可支配收入,通过转换和计算可得 2019 第一季度-2020 年第四季度指标 F4、F7 的预测值。见表 5。

  时域分析方法是从序列自相关的角度揭示时间序列的发展规律,具有理论基础扎实、操作步骤规范、分析结果易于解释等优点,目前它已广泛应用于自然科学和社会科学的各个领域,成为时间序列分析的主流方法 。而求和自回归移动平均模型(ARIMA)则是时域分析方法核心内容。鉴于数据的可获得性及模型数据的要求,本文利用 ARIMA 模型对大菱鲆成鱼库存量、半滑舌鳎出池价格、海水养殖产品生产价格指数、城镇居民消费价格指数进行时间序列预测。此外大菱鲆成鱼季度产量整体呈现平稳趋势,只 2013 年第三季度和 2018 年第三季度产量出现较大幅度波动,因此采用普通移动平均法对成鱼产量进行平滑和预测。通过转换和计算可得2019 第一季度-2020 年第四季度指标 F1、F2、F3、F5、F6 的预测值。

  大菱鲆平均养殖周期长达 15 个月,价格波动的趋势受观测时间(长期、中期、短期)的影响,当观测时间过长或过短时,价格的波动情况并不能很好的表现出养殖业风险,同时考虑到其他各指标数据的可获得性,本文的统计数据以季度为单位,以 2011 年第一季度至 2018 年第二季度数据作为样本建立我国大菱鲆养殖业风险预警模型,以 2018 年第三、四季度的数据样本进行检验,以 2019 年第一季度至 2020 年第四季度的预测指标数据进行我国大菱鲆养殖业安全状况预测。表 3 的 7 个警兆指标对应的样本数据来源于《海水鱼产业技术体系产业经济数据库》、《国家统计局》。为了避免输入数据具有不同的量纲等因素影响模型预测效果,对输入数据进行尺度变换,公式为:

  上式中,Pi 为预处理后的样本,I i为输入的样本,Imin为输入的样本中的最小值,I max为输入的样本中的最大值。

  ①输入层节点数和输出层节点数的确定。本文选取 7 个指标来描述大菱鲆养殖业风险的警兆,用大菱鲆出池价格波动率作为大菱鲆养殖业风险指标,因此,本网络中输入节点数 n=7,输出节点数 m=1。②隐含层节点数的确定。目前理论上还没有一种科学的确定隐层节点个数的方法,实际应用中,往往需要根据设计者的经验和多次试验确定 。本文根据设定的训练精度要求不断调整最后得出,当第一隐层的节点数为 14,第二隐层的节点数为 5 时,BP 神经网络的模拟效果较好。

  标准的 BP 算法具有推导严谨、通用性良好等一系列优点,但也存在一定的局限性,如收敛速度慢,有可能出现局部极小值等问题。而 RPROP 算法抛开偏导数的大小,采用偏导数的符号所带来的网络训练信息来调整网络,从而避开了基本 BP 算法的固有局限性 。因此本文采用 RPROP 算法,以“tanh”作为本神经网络的转移函数。

  表 7 的训练结果显示,实际风险等级与预测风险等级吻合,用 BP 神经网络所构建的大菱鲆养殖业风险预警模型拟合度良好。然而,判断 BP 神经网络用于预警效果的优劣的主要依据是其外推能力的好坏。因此,本文利用 2018 年第三、四季度的警兆指标作为测试样本,对所建立的大菱鲆养殖业风险预警模型进行验证,表 8 验证结果显示,预测值和实际值比较接近,预测风险等级和实际风险等级吻合,建立的大菱鲆养殖业风险预警模型符合要求。由此推出,利用 BP 神经网络对大菱鲆养殖业风险进行预警是一种可行的方法。

  建立好预警模型后,还需要明确哪些警兆指标对警情指标的预测更为重要。神经网络中的权重作为节点的连接强度,无法直观揭示输入变量(警兆指标)的重要程度。为此,引用广义权重(generalize weight),用于测度解释变量的重要性。第 i 个输入变量的广义权重为:

  它是对数优势函数的偏导数,将观测数据(x i ,y i )代入,可计算第 i 个输入变量在第 j 个观测处的广义权重。第 i 个输入变量在所有观测处的偏导数几乎均为 0,表明该变量取值的变化不对对数优势产生影响,也即对输出变量(警情指标)影响较小。

  通过绘制各个警情指标的广义权重散点图(图 1),对比分析得知警兆指标重要性较大的三个指标为成鱼产量增长率(F1)、成鱼库存量增长率(F2)、半滑舌鳎出池价格增长率(F3)。

  利用已预测的指标和训练的模型(所有指标数据在训练模型时均进行了归一化处理),对2019 年第一季度至 2020 年第四季度我国大菱鲆养殖业风险进行预测,结果(见表 9)显示:未来五个季度我国大菱鲆养殖业总体将处于轻度风险水平,需做适度防范。同时将 2019 年第一、二、三季度我国大菱鲆养殖业实际风险与预测风险进行对比,结果显示第一、三季度实际风险和预测风险相吻合,第二季度存在微小偏差,说明预测结果准确性良好。模型和指标预测的双重偏差是导致预测结果存在一定偏差的主要原因,同时数据的可获得性以及指标体系建立的不完备性对预测结果也有一定的影响。

  表 10 2019Q1-2019Q3 我国大菱鲆养殖业实际风险和预测风险对比

  借助 R3.5.1 的运算,通过实证分析得出以下结论:第一,以 2011 年第一季度至 2018 年第二季度数据为测试样本建立 BP 神经网络模型,用 2018 年第三、四季度数据验证了模型的预测效果较好,模型具有实用性和可行性;第二,结合 2019 年第一季度至 2020 年第四季度各指标的预测值对我国大菱鲆养殖业未来风险进行预警,将 2019 年第一、二、三季度我国大菱鲆养殖业实际风险与预测风险进行对比,得出预测结果准确性良好。同时预测结果显示:未来五个季度我国大菱鲆养殖业总体将处于轻度风险水平,需做适度防范。针对大菱鲆养殖业风险预警结果提出以下两个方面的建议:

  目前,我国大菱鲆养殖主要呈现“个体户,小规模”的特点,其生产组织化程度较低,抗风险能力较弱,一些地方虽然早就建立了产业协会,但在协调生产者行为方面尚可大幅改进。

  因此,建议相关政府部门及渔业协会,积极推动大菱鲆养殖户构建合作经济组织,以此提高产业集中度和市场拓展能力;同时搭建并完善养殖户与供销商间的销售平台,进而规范大菱鲆成鱼购销途径,实现中、小规模养殖主体的“分散养殖,统一销售”,最终提高大菱鲆养殖生产的拓展能力及其成本收益水平,保障养殖户的利益。

  大菱鲆的养殖容易受到疾病、天灾等不利因素的影响,这些因素进而最终会影响到大菱鲆的价格。一是推动渔业政策性保险的实施。保险作为一种风险管理的金融工具,能较好的防范此类风险。由于海水鱼养殖风险大、赔付率高等特点,现有的商业保险运作不佳。因此建议政府主导并制定适合我国国情的渔业政策性保险,并出台相应的制度法规,以此保障养殖户的收益,促进海水鱼养殖业的稳定可持续发展。二是建立稳定大菱鲆养殖业发展的长效机制。一方面加强大菱鲆遗传改良计划的研发,培育优质品种。另一方面要按照养殖的容量和规划及相应的环境要求科学的指导大菱鲆养殖绿色发展,推广健康养殖,如:倡导和采用清洁生产模式,建造养殖污水的处理设施等。返回搜狐,查看更多