吳中昊+徐莘博+王天陽+鄭雨朦

摘要：中國農(nóng)村經(jīng)濟持續(xù)發(fā)展，不僅對中國整體發(fā)展造成巨大影響，也通過進出口影響到了世界經(jīng)濟格局。人民幣的匯率波動同樣也影響進出口貿(mào)易。通過主成分分析法，從若干農(nóng)產(chǎn)品進出口參數(shù)中求得主要影響。然后結(jié)合人民幣匯率和當年農(nóng)業(yè)生產(chǎn)量，采用工程分析中常用的基于遺傳算法的BP神經(jīng)網(wǎng)絡，用2002年到2011年的數(shù)據(jù)進行訓練，探索對于這些主要指標的影響關系，最后用2012年和2013年的數(shù)據(jù)進行分析檢驗。雖然最后結(jié)果表明，由于客觀條件的偶然性、復雜性和預測的不確定性，很難給出確定的關系。但是也從一個側(cè)面對該問題進行了嘗試探索。

關鍵詞：人民幣匯率；農(nóng)業(yè)；主成分分析；BP神經(jīng)網(wǎng)絡；相關分析

中圖分類號：F74

文獻標識碼：A

文章編號：16723198（2015）13004902

1引文和背景

農(nóng)村宏觀經(jīng)濟的發(fā)展水平主要由農(nóng)村GDP和近年來極為重視的環(huán)境質(zhì)量所評判。農(nóng)業(yè)的發(fā)展則可以從各種生產(chǎn)資料的占有水平進行推測。在上世紀的家庭聯(lián)產(chǎn)承包制等一系列史無前例的成就基礎上，不斷深化和落實農(nóng)村經(jīng)濟改革，到現(xiàn)在我們已經(jīng)不斷穩(wěn)定和發(fā)展農(nóng)村商品和產(chǎn)業(yè)結(jié)構(gòu)。不僅僅中國，農(nóng)業(yè)的發(fā)展已經(jīng)成為世界層面上衡量經(jīng)濟的重要指標。

另一方面，伴著經(jīng)濟全球化程度不斷加深，我國進出口貿(mào)易和匯率變動已經(jīng)越來越緊密地影響著國家發(fā)展。事實上，如果以點及面，綜合考慮農(nóng)業(yè)發(fā)展和農(nóng)業(yè)的進出口年總量和匯率變化，或許可以發(fā)現(xiàn)其中若隱若現(xiàn)的聯(lián)系和影響。

對于這一問題，學術界尚未有深刻的討論。主要是因為關系復雜，涉及到的影響因素過多，現(xiàn)實具有很強的偶然性，例如每年的政策影響和國際環(huán)境的干擾。本文適當選取多元因素之間的相互聯(lián)系，并在BP神經(jīng)網(wǎng)絡分析時增加少量擾動。最后的預測和事實相比較發(fā)現(xiàn)相關性不高，但是也提供了一種新穎的問題分析方法。由于時間精力有限，僅僅就少量參數(shù)進行分析。倘若日后增加建模的完整性，考慮到國際和國家政治性影響等因素綜合建模或許會有不錯的預測效果。

2建模

2.1整體處理

中國國內(nèi)經(jīng)濟評判指標暫且選為：美元對人民幣市場匯率年平均價x1，人均國內(nèi)生產(chǎn)總值/元x2；

農(nóng)業(yè)生產(chǎn)工具參數(shù)選擇為：農(nóng)業(yè)機械總動力/萬千瓦y1，大中型拖拉機數(shù)量/臺y2，小型拖拉機數(shù)量/臺y3，農(nóng)用排灌柴油機/臺y4；

對于進出口量的評判參數(shù)選為：海關出口活豬/萬頭（z1），海關出口大米/萬噸（z2），海關出口棉花（原棉）/萬噸（z3），海關出口蔬菜/萬噸（z4），海關出口水果/萬噸（z5），海關出口水產(chǎn)品/萬噸（z6），海關進口小麥/萬噸（z7），海關進口玉米/萬噸（z8），海關進口大豆/萬噸（z9），海關進口棉花/萬噸（z10），海關進口食用油/萬噸（z11）。由于客觀條件制約，假設忽略其他因素（后文的事實證明需要考慮的因素還有很多）。本文所有數(shù)據(jù)均來自中國經(jīng)濟與社會發(fā)展統(tǒng)計數(shù)據(jù)庫（部分缺失數(shù)據(jù)由灰色預測得到）。

先通過歸一化處理，去除量綱的影響。根據(jù)分布圖樣，修正偏差過大數(shù)據(jù)，將偏離整體過大的數(shù)據(jù)默認修改為平均值的n倍或n分之一。

2.2進出口數(shù)據(jù)主成分分析

利用主成分分析法處理變量z1到z11：

z1=ω1-1z1+ω1-2z2+…+ω1-11z11

z2=ω2-1z1+ω2-2z2+…+ω2-11z11

……

zp=ωp-1z1+ωp-2z2+…+ωp-11z11

（1）

采用不同組數(shù)的數(shù)據(jù)進行求解主成分，觀察貢獻率，挑選方差最大k項作為主要影響因子。

2.3BP神經(jīng)網(wǎng)絡訓練

以x1，x2，y1，y2，y3和y4為輸入層探求與Z1，Z2，…Zk的輸出層關系。

BP神經(jīng)網(wǎng)絡是1974年Paul Werbos首次提出的網(wǎng)絡學習算法，基于生物進化過程，模擬自然條件下的選擇。先批量輸入2002到2011年學習樣本，并進行歸一化處理，通過修整權值和閾值不斷計算輸出層誤差最后得到結(jié)果，核心代碼：

Delta2=Error；

Delta1=W2'*Delta2.*HiddenOut.*（1-HiddenOut）；

dW2=Delta2*HiddenOut'；

dB2=Delta2*ones（SamNum，1）；

dW1=Delta1*SamIn'；

dB1=Delta1*ones（SamNum，1）；

截取部分程序：

P=p；

T=t；

R=size（P，1）；

S2=size（T，1）；

S1=25；%隱含層節(jié)點數(shù)

S=R*S1+S1*S2+S1+S2；%遺傳算法編碼長度

aa=ones（S，1）*[-1，1]；

popu=50；%種群規(guī)模

initPpp=initializega（popu，aa，'gabpEval'）；%初始化種群

gen=100；%遺傳代數(shù)

%調(diào)用GAOT工具箱，其中目標函數(shù)定義為gabpEval[x，endPop，bPop，trace]=ga（aa，'gabpEval'，[]，initPpp，[1e-6 1 1]，'maxGenTerm'，gen，... 'normGeomSelect'，[0.09]，['arithXover']，[2]，'nonUnifMutation'，[2 gen 3]）；

3實證檢驗

以2012和2013年數(shù)據(jù)為例進行校驗，多次模擬運算發(fā)現(xiàn)結(jié)果和實測值比較如表1、圖1。

表1實測值和用不同組數(shù)據(jù)模擬的結(jié)果對比

12組數(shù)據(jù)實測-201210組數(shù)據(jù)模擬-201212組數(shù)據(jù)模擬-201212組數(shù)據(jù)實測-201310組數(shù)據(jù)模擬-201312組數(shù)據(jù)模擬-2013

主成分13.9779-1.07265.85342.985-4.253514.1942

主成分22.0829-1.04710.72040.62930.46712.9206

圖1模擬結(jié)果

兩兩矩陣求相關系數(shù)，發(fā)現(xiàn)均小于0.5，事實證明結(jié)果不具有相關性。這種模擬方法存在一定問題。

4問題分析和反思改進

通過觀察發(fā)現(xiàn)個別數(shù)據(jù)在某年有極為明顯的起伏（即使已經(jīng)對極端數(shù)據(jù)采取處理），在數(shù)據(jù)總量較少的情況下，很大程度影響了最后的預測結(jié)果。此外宏觀經(jīng)濟的影響因素過多，截取的參考量有限。政策性因素和現(xiàn)實的偶然性很難通過神經(jīng)網(wǎng)絡的擾動所模擬。神經(jīng)網(wǎng)絡的模擬量有限，現(xiàn)實中的發(fā)展規(guī)律變化多端，每隔數(shù)年新的經(jīng)濟政策就會影響到接下來的發(fā)展。農(nóng)村發(fā)展不僅僅只從生產(chǎn)工具和耗電量來評判。

采取后續(xù)工作：將偏離度高的數(shù)據(jù)直接剔除，采用灰色預測補充空缺，再進行相關性驗證：所有結(jié)果都在0.75以上，而且去除的極端數(shù)據(jù)越多，相關性越高。說明此種方法具有一定的可行性。

進而設計改進模型如下：

（1）擴充三個維度的影響因素，擴充變量條件，主成分分析選定的因子數(shù)量增加，既能夠綜合考慮問題，又能縮小個別變量的偶然影響；

（2）不斷改變擾動的值，確定最佳臨界點；

（3）引入新概念：政策性影響因子，由前若干年影響預測后一年變化，并酌情設置權重ξn：

Po=ξnPn+ξnPn+…+ξnPn（2）

對求解主成分的出發(fā)點，現(xiàn)在還沒有一個定論，但是我們應該看到，不考慮實際情況就對數(shù)據(jù)進行標準化處理或者直接從原始變量的相關矩陣出發(fā)求解主成分是有其不足之處的，這一點一定要引起注意。建議在實際工作中分別從不同角度出發(fā)求解主成分并研究其結(jié)果的差別，觀察是否發(fā)生明顯差異且這種差異產(chǎn)生的原因在何處，以確定用哪種結(jié)果更為可信。在此基礎上，不斷優(yōu)化BP算法，使二者結(jié)合在經(jīng)濟領域發(fā)揮更大作用。

參考文獻

[1]何曉群.多元統(tǒng)計分析（第三版）[M].北京：中國人民大學出版社，2011，（6）.

[2]戚德虎，康繼昌.BP神經(jīng)網(wǎng)絡的設計[J].計算機工程與設計，1998，19（2）：4850.

[3]朱小梅，田賢亮，王紅玲.人民幣匯率變動對中國農(nóng)產(chǎn)品對外貿(mào)易影響的實證分析——以中國與日本農(nóng)產(chǎn)品貿(mào)易為例[J].中國農(nóng)村經(jīng)濟，2006，（9）：5155.

[4]孫霄翀，宋逢明.人民幣匯率升值對我國貿(mào)易影響的評估[J].國際貿(mào)易問題，2008，（1）：8797.

[5]孔祥智，李圣軍.人民幣升值對農(nóng)產(chǎn)品進出口影響的實證分析[J].經(jīng)濟理論與經(jīng)濟管理，2008，（4）：6571.

[6]李昊.人民幣升值對我國農(nóng)業(yè)經(jīng)濟的影響[J].經(jīng)營管理者，2010，（19）：6464.

[7]黃祖宇，楊駿.人民幣升值對我國農(nóng)產(chǎn)品貿(mào)易的影響研究[J].理論界，2013，（11）.

[8]陳吉元.進一步加強農(nóng)村宏觀經(jīng)濟問題的研究工作[J].中國農(nóng)村經(jīng)濟，1992，（1）.