周昌仕 張麗麗 慕永通

(1.廣東海洋大學(xué) 管理學(xué)院，廣東 湛江 524088；2.中國海洋大學(xué) 水產(chǎn)學(xué)院，山東 青島 266003)

?

基于災(zāi)變灰模型的牡蠣價(jià)格異常波動(dòng)風(fēng)險(xiǎn)預(yù)警研究

周昌仕1張麗麗1慕永通2

(1.廣東海洋大學(xué) 管理學(xué)院，廣東 湛江 524088；2.中國海洋大學(xué) 水產(chǎn)學(xué)院，山東 青島 266003)

牡蠣價(jià)格的異常波動(dòng)會(huì)損害人們的消費(fèi)欲望、給養(yǎng)殖戶帶來損失并最終影響牡蠣產(chǎn)業(yè)的持續(xù)健康發(fā)展，有必要對(duì)其進(jìn)行準(zhǔn)確預(yù)警和管控。以2011-2016年兩廣地區(qū)香港牡蠣的平均帶殼批發(fā)價(jià)格為基礎(chǔ)，利用災(zāi)變灰模型對(duì)牡蠣價(jià)格進(jìn)行風(fēng)險(xiǎn)預(yù)警。擬合結(jié)果表明，基本模型不能用來預(yù)測牡蠣價(jià)格的異常波動(dòng)情況，需引入第三方影響因子CPI指數(shù)來優(yōu)化模型。預(yù)測結(jié)果顯示，若有關(guān)利益主體不作為，2020年與2021年的牡蠣價(jià)格可能會(huì)發(fā)生異常波動(dòng)，需要作好牡蠣價(jià)格異常波動(dòng)的災(zāi)情預(yù)警和監(jiān)管。

牡蠣價(jià)格；異常波動(dòng)；風(fēng)險(xiǎn)預(yù)警；災(zāi)變灰模型

牡蠣是依靠濾食海水中浮游生物生長的資源依賴型大宗貝類優(yōu)勢類群，海水環(huán)境變化會(huì)對(duì)牡蠣生長速度、產(chǎn)量和品質(zhì)產(chǎn)生重大影響，[1]并有可能引起牡蠣價(jià)格異常波動(dòng)，而牡蠣價(jià)格的異常波動(dòng)會(huì)損害人們的消費(fèi)欲望、給養(yǎng)殖戶帶來損失并最終影響牡蠣產(chǎn)業(yè)的持續(xù)健康發(fā)展，因此有必要對(duì)其進(jìn)行風(fēng)險(xiǎn)預(yù)警和管控。如果在價(jià)格波動(dòng)之前就能獲知災(zāi)變的信息，養(yǎng)殖戶、產(chǎn)業(yè)合作組織和政府有關(guān)管理部門就可以采取有效的防范和規(guī)避措施，牡蠣價(jià)格異常波動(dòng)的風(fēng)險(xiǎn)預(yù)警研究至關(guān)重要。在價(jià)格歷史數(shù)據(jù)相對(duì)容易獲取的蔬菜、生豬和玉米等必需品領(lǐng)域，價(jià)格異常波動(dòng)預(yù)警已經(jīng)得到研究和運(yùn)用，[2-4]而在價(jià)格統(tǒng)計(jì)數(shù)據(jù)缺少的牡蠣產(chǎn)業(yè)等海水產(chǎn)品領(lǐng)域，價(jià)格異常波動(dòng)的預(yù)警分析較為欠缺。本文基于災(zāi)變灰理論探索性地構(gòu)建牡蠣價(jià)格波動(dòng)預(yù)警模型，對(duì)牡蠣價(jià)格的異常波動(dòng)進(jìn)行風(fēng)險(xiǎn)預(yù)測，旨在為牡蠣養(yǎng)殖戶和有關(guān)部門提供參考并為海水產(chǎn)品價(jià)格風(fēng)險(xiǎn)預(yù)警研究提供借鑒。

一、理論與模型

(一)災(zāi)變灰理論

價(jià)格波動(dòng)預(yù)警常用的模型有BP神經(jīng)網(wǎng)絡(luò)模型、SARIMA模型、季節(jié)因子分離模型和灰預(yù)測模型等，前3個(gè)模型對(duì)數(shù)據(jù)量要求較高，不適用于對(duì)數(shù)據(jù)相對(duì)稀缺的牡蠣價(jià)格進(jìn)行風(fēng)險(xiǎn)預(yù)測，但灰預(yù)測模型分支下的災(zāi)變灰模型適用于分析既無經(jīng)驗(yàn)又缺少數(shù)據(jù)的不確定性問題。災(zāi)變灰模型的理論內(nèi)涵得到不斷豐富，已經(jīng)被廣泛運(yùn)用于社會(huì)各個(gè)領(lǐng)域。[5]其核心理念強(qiáng)調(diào)信息優(yōu)化，研究現(xiàn)實(shí)規(guī)律，基本思想是通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度(即關(guān)聯(lián)分析)，對(duì)原始數(shù)據(jù)進(jìn)行處理來尋找系統(tǒng)變動(dòng)的規(guī)律，生成具有較強(qiáng)規(guī)律性的數(shù)據(jù)系列，對(duì)具有灰色系統(tǒng)特征的社會(huì)經(jīng)濟(jì)現(xiàn)象進(jìn)行預(yù)測。[6]構(gòu)建災(zāi)變灰模型的一般步驟是把數(shù)據(jù)處理過程看作一個(gè)灰色過程，先通過白化微分方程建立灰色模型，再進(jìn)行基于灰色模型的灰色預(yù)測或相關(guān)分析?；疑Ｐ陀徐o態(tài)模型、狀態(tài)模型和預(yù)測模型。預(yù)測模型又包括灰色馬爾柯夫預(yù)測模型和GM(1.1)預(yù)測模型，其中最常用的是后者，它是一階單變量的灰色模型，可預(yù)測變量本身，同時(shí)也是灰色預(yù)測的基礎(chǔ)。[7]GM(1.1)預(yù)測模型被廣泛應(yīng)用于分析數(shù)據(jù)收集難度大、數(shù)據(jù)量不多的領(lǐng)域，鑒于牡蠣價(jià)格具有難收集和數(shù)量較少的數(shù)據(jù)特征，其風(fēng)險(xiǎn)預(yù)警適合采用該預(yù)測模型。

(二)基本模型構(gòu)建

對(duì)牡蠣價(jià)格異常波動(dòng)年份進(jìn)行預(yù)測需要構(gòu)建基本模型，其建立步驟是：首先利用牡蠣價(jià)格原始數(shù)據(jù)累加建立GM(1.1)模型的微分方程；然后利用最小二乘法求解模型中微分方程的參數(shù)a、b；其次根據(jù)已經(jīng)求解的模型做牡蠣價(jià)格的殘差分析，并估算牡蠣價(jià)格異常波動(dòng)的災(zāi)變閥值，最終構(gòu)建GM(1.1)預(yù)測基本模型。

1、GM(1.1)微分方程的建立

GM(1,1)反映一個(gè)變量對(duì)時(shí)間的一階微分函數(shù)，對(duì)牡蠣價(jià)格和年份求一階導(dǎo)數(shù)(為方便計(jì)算，年份取值為2011=1，2012=2，……)：

(1)

設(shè)牡蠣價(jià)格為原始數(shù)列：

x(0)={x(0)(1),x(0)(2),x(0)(3),…,x(0)(n)},i=1,2,…,n

i表示牡蠣價(jià)格所對(duì)應(yīng)的年份，對(duì)序列x(0)進(jìn)行GM(1.1)建模，按照下列公式進(jìn)行累加：

(2)

2、參數(shù)a、b的求解

(3)

(4)

由公式(1)-(4)求解參數(shù)a、b：

(5)

3、牡蠣價(jià)格的殘差分析

采取殘差檢驗(yàn)，求出牡蠣價(jià)格的殘差分析值，并對(duì)牡蠣價(jià)格異常波動(dòng)的災(zāi)變閥值進(jìn)行估算，牡蠣價(jià)格殘差分析值大于災(zāi)變閥值即為對(duì)應(yīng)年份的牡蠣價(jià)格發(fā)生異常波動(dòng)。牡蠣價(jià)格殘差分析值的公式如下所示：

(6)

二、預(yù)測模型檢驗(yàn)與優(yōu)化

(一)數(shù)據(jù)來源

在現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)資金資助下，課題組通過訪談兩廣地區(qū)沿海市縣海洋與漁業(yè)主管部門、現(xiàn)場考察水產(chǎn)品批發(fā)市場、入戶深度調(diào)查和電話回訪確認(rèn)等方式，了解該地區(qū)牡蠣產(chǎn)業(yè)的發(fā)展?fàn)顩r，收集整理出該地區(qū)香港牡蠣平均帶殼批發(fā)價(jià)格(見表1)。

表1 2011-2016年兩廣地區(qū)香港牡蠣平均帶殼批發(fā)價(jià)格(元/kg)

注：數(shù)據(jù)來源于課題組的系統(tǒng)調(diào)查和收集整理。

(二)預(yù)測模型檢驗(yàn)

1、回歸分析

設(shè)定各年份香港牡蠣的平均帶殼批發(fā)價(jià)格為：

x(0)={x(0)(1),x(0)(2),…,x(0)(n)}

因表1中各地區(qū)的價(jià)格與兩廣地區(qū)平均價(jià)格所得模型結(jié)果基本相同，為方便計(jì)算，取兩廣地區(qū)的平均價(jià)格組建模型并作牡蠣價(jià)格的殘差分析，則有：

x(0)={x(0)(1),x(0)(2),…,x(0)(6)}={3.6,4.2,4.9,6.4,7.2,7.5}

利用最小二乘法對(duì)2011-2016年牡蠣價(jià)格作回歸分析(見表2)。

表2 2011-2016年牡蠣價(jià)格回歸分析結(jié)果

注：括號(hào)里為t值，*表示P<1%。

由表2中回歸結(jié)果可得a=2.63，b=0.86，即牡蠣價(jià)格y和年份x之間的關(guān)系為：

y=2.63+0.86x

(7)

2、殘差分析

表3 2011-2016年牡蠣價(jià)格的殘差分析(元/kg，%)

3、災(zāi)變閥值估算

估算模型中牡蠣價(jià)格的災(zāi)變閥值為10%，而上述各年殘差分析的結(jié)果都低于10%，說明只將年份作為GM(1.1)模型的時(shí)分布并不全面，此時(shí)的預(yù)測模型還不夠精確，并不能用來準(zhǔn)確預(yù)測牡蠣價(jià)格的未來變動(dòng)，需要引入新的第三方影響因子來優(yōu)化模型，以提高預(yù)測數(shù)據(jù)的準(zhǔn)確性。

(三)預(yù)測模型優(yōu)化

2011-2016年兩廣地區(qū)香港牡蠣平均帶殼批發(fā)價(jià)格分別為3.60、4.20、4.90、6.40、7.20和7.50元/kg。假定2011年牡蠣價(jià)格增長率為0，則2012-2016年牡蠣價(jià)格增長率分別為0.17%、0.17%、0.31%、0.13%和0.04%。根據(jù)《中國統(tǒng)計(jì)年鑒》的統(tǒng)計(jì)，2011-2016年的平均居民消費(fèi)價(jià)格指數(shù)(CPI)分別為105.4、102.6、102.6、102.0、101.4和101.9。以CPI為自變量x1，牡蠣價(jià)格增長率為因變量yd，擬合x1、yd之間的對(duì)數(shù)函數(shù)關(guān)系，得到線性回歸方程：

yd=3.93ln(x1)-18.02(8)

表4 2011-2016年CPI調(diào)整下牡蠣價(jià)格的殘差分析(kg，%)

結(jié)果顯示，2014年和2016年的牡蠣價(jià)格殘差分析值都大于災(zāi)變閥值10%，即牡蠣價(jià)格有發(fā)生異常波動(dòng)的趨勢。從數(shù)據(jù)來源看(見表1)，2014年牡蠣價(jià)格增長最快，2016年牡蠣價(jià)格增長最慢，2014年、2016年牡蠣價(jià)格異常波動(dòng)顯著。研究結(jié)果驗(yàn)證了牡蠣價(jià)格與CPI之間有緊密聯(lián)系，即引入CPI之后的GM(1.1)模型有效，可用來預(yù)測牡蠣價(jià)格的未來波動(dòng)。

三、牡蠣價(jià)格異常波動(dòng)的風(fēng)險(xiǎn)預(yù)測

(一)數(shù)據(jù)擬合

(二)風(fēng)險(xiǎn)預(yù)測

表5 CPI調(diào)整下2017-2021年牡蠣價(jià)格的殘差分析(元/kg，%)

如表5所示，2017-2021年的牡蠣價(jià)格殘差分析值分別為8.09%、9.04%、9.93%、10.68%、10.91%。其中，2017-2019年的牡蠣價(jià)格殘差分析值都小于災(zāi)變閥值10%，即牡蠣價(jià)格不會(huì)發(fā)生太大的改變，牡蠣價(jià)格波動(dòng)在正常范圍內(nèi)。然而，2020年與2021年的牡蠣價(jià)格殘差分析值均大于災(zāi)變閥值10%，即若有關(guān)利益主體不作為或政府管制不當(dāng)，2020年與2021年的牡蠣價(jià)格都有異常波動(dòng)的趨勢，2021年牡蠣價(jià)格殘差分析值比2020年的殘差分析值大，故2021年更需要作好預(yù)防牡蠣價(jià)格異常波動(dòng)的災(zāi)情準(zhǔn)備，避免造成過度損失。

究其根源，引起牡蠣價(jià)格異常波動(dòng)的風(fēng)險(xiǎn)因素很多。例如，該地區(qū)牡蠣產(chǎn)業(yè)尚處于以分散化經(jīng)營為主的獨(dú)立發(fā)展階段，又缺乏能引導(dǎo)牡蠣有效生產(chǎn)的信息平臺(tái)，[1]牡蠣養(yǎng)殖戶不能共享資本、技術(shù)和市場等資源，致使牡蠣生產(chǎn)過于依賴自然環(huán)境而產(chǎn)生較大的養(yǎng)殖風(fēng)險(xiǎn)；由于各地區(qū)文化背景和消費(fèi)習(xí)慣不同，消費(fèi)者對(duì)產(chǎn)品的需求就不盡相同，而且各地可能會(huì)為公共利益甚至部門利益而采取本地環(huán)保標(biāo)準(zhǔn)等限制措施，從而造成營銷風(fēng)險(xiǎn)；該地區(qū)牡蠣產(chǎn)品存在“沙井蠔”“晨洲蠔”和“程村蠔”等品牌(在兩廣地區(qū)牡蠣俗稱“蠔”)，而對(duì)品牌認(rèn)同與接受程度不同又會(huì)帶來品牌風(fēng)險(xiǎn)。牡蠣價(jià)格受隨機(jī)波動(dòng)、季節(jié)波動(dòng)和周期波動(dòng)的影響較大，[8]預(yù)計(jì)短時(shí)間內(nèi)市場牡蠣價(jià)格很難有明顯下降的空間，需要做好長期牡蠣價(jià)格預(yù)警工作。

四、結(jié)論與建議

(一)結(jié)論

以兩廣地區(qū)2011-2016年香港牡蠣平均帶殼批發(fā)價(jià)格為基礎(chǔ)，利用災(zāi)變灰模型對(duì)牡蠣價(jià)格進(jìn)行風(fēng)險(xiǎn)預(yù)警。模型擬合結(jié)果表明，只對(duì)年份和牡蠣價(jià)格之間的關(guān)系作預(yù)警分析的結(jié)果并不理想，引入CPI指數(shù)作為第三方影響因子修正預(yù)測模型，可提高GM(1.1)模型預(yù)測的準(zhǔn)確度。對(duì)2017-2021年牡蠣價(jià)格的風(fēng)險(xiǎn)預(yù)測結(jié)果顯示，若有關(guān)利益主體不作為或政府管制不當(dāng)，則2020年與2021年的牡蠣價(jià)格均存在異常波動(dòng)的趨勢，需要作好牡蠣價(jià)格異常波動(dòng)災(zāi)情預(yù)警和監(jiān)管。

(二)政策建議

一是建立牡蠣價(jià)格異常波動(dòng)預(yù)警長效機(jī)制。這需要多方聯(lián)動(dòng)和分工合作，政府管理部門是預(yù)警機(jī)制的主導(dǎo)者，并根據(jù)預(yù)警結(jié)果實(shí)施有效的牡蠣價(jià)格宏觀調(diào)控措施；行業(yè)協(xié)會(huì)是預(yù)警機(jī)制的協(xié)調(diào)者，成為政府和企業(yè)、養(yǎng)殖戶和合作社溝通的橋梁，要配合政府管理部門的調(diào)控措施，并作好本行業(yè)的價(jià)格預(yù)警服務(wù)；企業(yè)、養(yǎng)殖戶和合作社是預(yù)警機(jī)制的參與者和受益者，要配合政府管理部門的預(yù)警工作。

二是建設(shè)確保牡蠣價(jià)格公開透明的信息平臺(tái)。借鑒珠海牡蠣養(yǎng)殖的管理辦法，[9]疏導(dǎo)心理，共享信息，只有讓大眾消費(fèi)者相信政府有關(guān)部門會(huì)穩(wěn)定市場秩序，不會(huì)亂漲價(jià)，才能避免消費(fèi)者因?yàn)榭謶謨r(jià)格上漲的心理而出現(xiàn)的跟風(fēng)搶購現(xiàn)象，應(yīng)建立牡蠣信息公開平臺(tái)，保證牡蠣價(jià)格的公開透明。

三是實(shí)施牡蠣產(chǎn)業(yè)流通環(huán)節(jié)的規(guī)范化管理。應(yīng)借鑒農(nóng)產(chǎn)品管理的經(jīng)驗(yàn)，[10-11]吸取2014年由于經(jīng)濟(jì)過快增長而造成的牡蠣價(jià)格異常波動(dòng)的經(jīng)驗(yàn)教訓(xùn)，跟蹤分析牡蠣價(jià)格的變化趨勢，加強(qiáng)牡蠣產(chǎn)業(yè)供應(yīng)鏈的規(guī)范化管理，避免和減少因?yàn)槟迪爟r(jià)格異常波動(dòng)而帶來的不必要經(jīng)濟(jì)損失。相關(guān)部門要做好價(jià)格管理工作，不僅要加強(qiáng)牡蠣價(jià)格監(jiān)督檢查，限制壟斷，堅(jiān)決打擊亂調(diào)價(jià)和牟取暴利的行為。

[1] 周昌仕,郇長坤,慕永通.珠三角沿海地區(qū)牡蠣產(chǎn)業(yè)發(fā)展策略研究[J].農(nóng)業(yè)現(xiàn)代化研究,2014,35(6):757-762.

[2] 劉思峰,鄧聚龍. GM(1,1)模型的適用范圍[J].系統(tǒng)工程理論與實(shí)踐, 2000, 20(5):121-124.

[3] 李優(yōu)柱,李崇光,李谷成. 我國蔬菜價(jià)格預(yù)警系統(tǒng)研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2014,(7):79-88.

[4] 劉芳,王琛,何忠偉. 我國生豬市場價(jià)格預(yù)警體系研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2013,(5):78-85.

[5] Picozzi M, Bindi D, Pittore M, et al. Real-time risk assessment in seismic early warning and rapid response: a feasibility study in Bishkek (Kyrgyzstan)[J]. Journal of Seismology, 2013, 17(2):485-505.

[6] Tang Y Q, Cui Z D, Wang J X, et al. Application of grey theory-based model to prediction of land subsidence due to engineering environment in Shanghai[J]. Environmental Geology, 2008, 55(3):583-593.

[7] Pitchipoo P, Venkumar P. Grey decision model for supplier evaluation and selection in process industry: a comparative perspective[J]. The International Journal of Advanced Manufacturing Technology, 2015, 76(9):2059-2069.

[8] 李輝尚,沈辰,孔繁濤.基于X12-HP模型的水產(chǎn)品價(jià)格波動(dòng)分解研究[J].廣東農(nóng)業(yè)科學(xué),2016,43(11):175-183.

[9] 張亞峰,雷俊,鄭曉坤,等.珠海牡蠣養(yǎng)殖業(yè)現(xiàn)狀初步調(diào)查分析和思考[J].水產(chǎn)科技,2010,(Z1):21-23.

[10] 羅蓉,王志凌.農(nóng)產(chǎn)品價(jià)格傳導(dǎo)機(jī)制研究方法的創(chuàng)新探索[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2016,(6):91-92.

[11] 展進(jìn)濤,唐若迪,謝銳.轉(zhuǎn)基因水稻產(chǎn)業(yè)化的潛在動(dòng)態(tài)影響[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2015,(4):11-18.

責(zé)任編輯：王明舜

A Study on Risk Early Warning of Abnormal Fluctuations inOyster Price Based on Catastrophe Grey Model

Zhou Changshi1Zhang Lili1Mu Yongtong2

(1. College of Management, Guangdong Oceanic University, Zhangjiang 524088, China;2. College of Fisheries, Ocean University of China, Qingdao 266003, China)

Abnormal fluctuations in oyster prices can curb people's consuming desire, bring losses to farmers and ultimately affect the sustainable and healthy development of oyster industry, which is necessarily to be accurately alerted and controlled. Based on the average shell price of Hong Kong oysters in Guangdong and Guangxi in 2011～2016, the catastrophe grey model was used to forecast the price of oysters. The fitting results show that the basic model cannot be used to predict abnormal fluctuations in oyster prices, and a third-party influencing factor CPI index is needed to optimize the model. The forecast results show that if the relevant stakeholders do not act, the price of oysters in 2020 and 2021 may fluctuate abnormally, and the disaster early warning and supervision of oyster price fluctuation need to be made.

oyster price; abnormal fluctuation; risk early warning; catastrophe grey model

2017-03-30

國家“現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)資金資助”資助

周昌仕(1971- )，男，湖南永州人，廣東海洋大學(xué)管理學(xué)院教授，博士，主要從事海洋產(chǎn)業(yè)發(fā)展、財(cái)務(wù)理論與實(shí)踐研究。

D509

A

1672-335X(2017)03-0001-04