海水魚價格風險預警研究范文

本站小編為你精心準備了海水魚價格風險預警研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:根據價格風險體系的一般組成結構,文章以大菱鲆為例分析了我國海水魚價格風險預警體系的組成。從產業的供給與需求及國家宏觀政策等影響我國海水魚市場價格的因素出發,以大菱鲆出池價格為例,作為海水魚產業市場風險預警的警情指標,構建了我國大菱鲆產業價格風險預警的指標體系。運用BP神經網絡對2012—2017年的季度調研樣本作為原始數據對我國大菱鲆價格風險預警進行實證研究,研究表明,成魚養殖面積、幼苗存量和牙鲆出池價格是大菱鲆價格變動的主要先行指標。驗證了BP神經網絡構建的風險預警模型對我國大菱鲆價格風險研究,具有實用性和可行性,并對針海水魚產業提出了加強政府監管、提升方案有效性和加強技術創新等建議。

關鍵詞:價格風險預警;實證研究;海水魚;預警;BP神經網絡

0引言

近年來,我國海水魚價格波動頻繁,嚴重影響了產業的平穩健康發展。因此,海水魚產業亟待建立一個預警指標全面、預測準確且預警時間長的預警體系。本研究將從產品的供給和需求等主要影響因素建立基于BP神經網絡模型的價格預警機制來分析我國海水魚價格風險。關于預警體系的關鍵問題是對模型的構建,由于我國水產品供求過程是一種復雜的社會經濟活動,所表現出的周期性欠規范并具有時變性、高度非線性及相關因素繁多等特點。因此,對于傳統的計量經濟預警法和專家經驗法很難滿足我國水產品價格預警的要求。在農業經濟預警研究中,目前已提出的各種具體的經濟預警模型較多,并且不斷有新的經濟預警模型應用到農業經濟預警特別是水產品價格波動預警研究中來。例如,目前已提出的水產品產業預警模型有:水產品供需預警模型、水產品產量趨勢增長率預警模型、水產品價格周期波動預警模型、水產品出口貿易風險預警模型和水產品生產預警模型等。另外還有一些用于需求量預測研究模型等也不斷運用于農業經濟預警研究中,如付蓮蓮等對江西省生豬價格波動的研究就采用了BP神經網絡模型[1];熊巍等在對果蔬農產品市場價格風險進行預警研究時應用了CensusX-13季節調整法、HP濾波法和風險價值法(VaR)[2];IvánRamírezMorales等對商業雞蛋生產曲線進行預警研究時采用的支持向量機預警模型(SVM)[3];賀艷輝和袁永明等基于BP人工神經網絡對羅非魚價格預測進行應用[4]。綜合當前關于農產品價格特別是水產品價格預測與預警的研究成果可以看出,目前關于農產品價格長期預測與預警相結合的文獻較少,特別是關于我國水產品價格方面的預警研究。我國水產品市場經歷了從計劃到逐步放開的過程,產品的供求關系、內外部因素和市場特征等一系列復雜因素使我國海水魚價格波動日趨劇烈[5]。本研究將在前人研究的基礎上建立基于BP神經網絡模型的我國海水魚價格預警機制。

1海水魚價格形成機理

運用經濟學理論蛛網模型能夠很好地解釋了我國水產品價格的形成機制,產品的供給和需求是影響海水魚價格的主要因素,突發性因素對海水魚價格也有著外部推動作用[6]。1.1產品供給方面近年來,海洋中高端魚生產養殖成本逐步增長,飼料價格、辦公費用、倉儲費用等上漲直接促使海洋中高端魚生產養殖物質費用的增加;人工成本方面,隨著社會經濟的發展和城市化的進展促使農民工進城務工人數的增加,間接影響了生產養殖和技術人員人工費用的上漲。此外,國際原油價格漲跌對我國海水魚生產和銷售費用有著直接影響。

1.2產品需求方面

替代品的價格是海水魚需求方面主要的影響因素,隨著人均可支配收入的增加,對消費食品的質量要求也在提高,從谷類、畜牧類等食品逐漸轉向水產品等高蛋白食品,但如果海水魚價格漲得太高,人們選擇消費其他食品,如豬肉、牛肉、羊肉等相關替代品。一般情況下,海水魚價格和居民可支配收入呈正相關,但居民可支配收入對價格的影響會存在邊際遞減效應,海水魚的消費量增長速度慢于收入增長速度。另外,本研究以大菱鲆為例,分析我國海水魚價格風險預警,采取的都是季度數據變量,故牙鲆出池價格和半活舌鰨出池價格作為相關替代品價格。

1.3外部環境因素

除了產品的供給與需求的影響因素外,產業安全、國際匯率、經濟與國家政策等外部因素對我國海水魚價格變動具有一定的影響作用。如,2006年的多寶魚事件直接導致了大菱鲆及其他相關海水魚價格的下降。另一方面,隨著國際貿易的開放,匯率變動改變我國海水魚的國際競爭力從而間接地影響海水魚價格。

2BP神經網絡基本原理

2.1人工神經網絡

人工神經網絡是由大量神經元廣泛互連而成的網絡,是對人腦的一種抽象和模擬,反映了人腦的基本特征。在學習培訓過程由信號的正向傳播與誤差的反向傳播這兩個過程組成。正向傳播時,輸入樣本從輸入層傳入,經隱含層逐層處理后傳向輸出層。輸出層的實際輸出與期望輸出存在差異時,則轉向誤差的反向傳播階段。誤差的反向傳播將輸出誤差以某種形式通過隱含層向輸入層反傳,并將誤差分攤給各層的所有單元,從而獲得各層單元的誤差信號。這種信號正向傳播與誤差反向傳播的各層權值調整過程周而復始的進行。權值不斷調整的過程,也就是網絡的學習訓練過程。此過程一直進行到網絡輸出的誤差減少到可以接受的程度。

2.2BP神經網絡模型

BP神經網絡屬于神經網絡應用相對廣泛模型之一,具有單向傳播的多層向前網絡,包括輸入層、隱含層和輸出層。上下層之間實現全連接,每一層神經元之間無連接。當一對學習樣本提供網絡后神經元的激活值從輸入層經過各隱含層向輸出層傳播,在輸出層的各神經元網絡的輸出響應。根據BP神經網絡一般的預測問題都可以單隱含層的網絡實現,如圖1所示,其中輸入層有n個神經元,隱含層有p個神經元,輸出層有m個神經元。隱含層神經元個數和輸入神經元個數之間可以按照p=2n+1的關系來選取。在實際操作中要不斷調整各參數,觀測訓練學習的效果,找出最優的預測結果。

3大菱鲆價格預警體系構建

我國大菱鲆價格預警指標體系主要從產業的供給和需求兩個方面尋找警源,分解各方面具體的價格影響因素。該指標體系中有滯后性指標兩個,分別為:苗種價格和半活舌鰨出池價格。同步性指標4個,分別為:成魚季末存量、成魚本季銷售量、幼魚生產面積和幼苗銷售量。先行性指標3個,分別為:成魚養殖面積、幼苗存量和牙鲆出池價格。從指標構成上來看,其指標體系所涉及時間領域包括了滯后期情況、當前情況以及未來的預期情況。大菱鲆價格變動前先行指標已提前發生了變化,可以用對未來的大菱鲆價格提前進行預測,及早發現警情。以上所有涉及的指標中其預測能力精確到每個季度。本研究選取的是近兩年大菱鲆工廠化養殖生產平均成本和企業的機會成本之和作為生產的總成本,總成本與企業的風險回報之和設為均衡點,經長期跟蹤調研和相關文獻的梳理計算出均衡值為48.37元/kg。大菱鲆價格預警體系能夠體現過去、近期和未來預測價格的走勢及產業的發展態勢。本研究選用不同顏色指示燈來表示大菱鲆產業的發展狀況。具體為:紅燈代表負向巨警,大菱鲆相關產業極度衰退,社會上因缺少產品而產生不穩定因素,而且很難使相關產業復蘇,出池價格小于37.87元/kg;黃燈代表負向重警,大菱鲆及相關產業開始萎縮,各相關指標開始滑坡,經過努力能夠使其恢復,出池價格處于(37.87,41.37)元/kg;綠燈代表負向輕警,大菱鲆及相關產業基本正常,個別指標可能出現滑坡現象,但長期發展可能出現重大警情,出池價格處于(41.37,44.87)元/kg;白燈代表無警,大菱鲆及相關產業處于繁榮時期,供需平衡,能滿足全國人民的生活需求,大菱鲆市場運行良好,對國民經濟的長期發展處于有利狀態,出池價格處于(44.87,51.87)元/kg;淺藍燈代表正向輕警,大菱鲆及相關產業部分指標過熱,但價格沒有出現顯著上漲,出池價格處于(51.87,55.37)元/kg;藍燈代表正向重警,大菱鲆及相關產業開始過熱發展,價格迅速上漲,出池價格處于(55.37,58.87)元/kg;黑燈代表正向重警,大菱鲆及相關產業膨脹發展導致價格產生劇烈波動,亟須市場調控,出池價格的大于58.87元/kg。

4以大菱鲆為例的實證分析

4.1數據來源大菱鲆價格預警模型的構建可選月度和季度作為時度。考慮到其他各指標數據的可獲得性,本研究的預警時度選為季,根據我國大菱鲆養殖業的季度數據作為本研究的樣本,建立大菱鲆季度出池價格預警模型,并對它進行預警驗證,以檢驗結果的準確性。基于2012—2017年我國大菱鲆出池季度價格及各項指標的調研數據作為樣本建立BP神經網絡模型,采用神經網絡模型預測方法對我國大菱鲆價格走勢及其影響因素之間的關系進行探討,得出穩定價格波動的主要因素和警源的辨析并給政府提供相關建議和對市場進行風險控制。(1)警情指標。以大菱鲆出池價格波作為大菱鲆價格預警的警情指標。價格高低反映了大菱鲆供給與需求之間的關系變化,正常情況下,大菱鲆的出池價格在一定的范圍內上下波動,當價格大小偏離了這個范圍時,便會發生價格預警,因此,價格的大小可以表明價格預警是否發生以及風險的程度如何。然后按不同顏色的燈將風險值進行分組,確定每個季度大菱鲆出池價格預警風險所對應的期望輸出值。(2)警兆指標。經濟預警的首要目標從產業的供給、需求和國家政策3個方面尋找警源最終確認警兆的變動情況來研究警情的大小。要實現我國大菱鲆價格預警,選擇合理的警兆指標是關鍵,尤其是先行指標的選擇至關重要,大菱鲆價格變動前先行指標已提前發生了變化,可直接對大菱鲆出池價格的變化進行預測。

4.2預警模型及結果根據上述確定的我國大菱鲆價格預警指標可知,所建的BP人工神經網絡模型的輸入神經元個數為9,輸出神經元個數為1,因此隱含層神經元個數為:2×9+1=19。

5研究結論與討論

(1)成魚養殖面積、幼苗存量和牙鲆出池價格是大菱鲆價格變動的主要先行指標。成魚養殖面積決定著我國海水魚(大菱鲆)產品的供給,供給增加必然帶來價格的下降,供給減少帶來價格的上升,應發展合理的生產養殖規模,提高產業進入門檻,減少產業劇烈變動引起價格大幅度的波動;幼苗存量主要影響當年產量的重要因素,對短期價格影響較大,關注幼苗存量是做好相應產品價格預警的重要影響指標因素;海洋中高端魚產品之間存在著重要的替代關系,大菱鲆是牙鲆的替代品,所以做好替代品的價格預警有助于預測其他產品價格的預測。因此,準確掌握先行指標的變化對預警工作尤為關鍵。(2)大菱鲆價格預警體系的構建進一步說明了基于BP人工神經網絡的我國海水魚價格預警模型具有可行性和時效性。海水魚屬于水產品,其價格主要受供給和需求決定,但由于一些外界因素的沖擊導致產品價格在短期內波動性很大,再加上我國養殖者主要以個體養殖戶為主,生產規模較小,并在市場經濟中處于弱勢地位,從而由產品價格所引起的風險會使其遭受很大的損失。價格預警體系的成功構建與應用,可指導相關養殖生產者提前知道警情并采取有效預控措施,避免價格波動所帶來的損失。先行指標的選擇至關重要,產品價格變動前先行指標已提前發生了變化,可用來對價格的變化進行預測并發出相應的預警信號,可以幫助生產養殖者判斷產業未來的發展狀況,從而科學地預警降低產業的損失。我國海水魚產業的發展受多種因素的干擾,給產業帶來一定的內外沖擊,因此對于先行指標數據的及時性和準確性是預警的關鍵。相關工作需要根據實際情況不斷修正和完善。

6政策建議

我國海水魚價格風險預警屬于經濟預警的范疇,具有一般經濟預警的共性,同時又具有其自身的特點。水產品價格風險預警是經濟預警理論和方法的具體應用,但在應用過程中要考慮產業的供求關系,如每年成魚產量、養殖面積和消費者行為等。目前經濟預警的方法眾多,在選擇合適的方法應用到海洋中高端魚價格風險預警中時,需要充分考慮價格的特點和樣本數據的可獲得性。

作者：黃明紅1,2,3；楊正勇1,2,3 單位：1.上海海洋大學，.中國水產養殖研究中心，3.海洋產業發展戰略研究中心