基于灾变灰模型的牡蛎价格异常波动风险预警研究

周昌仕 张丽丽 慕永通

(1.广东海洋大学 管理学院，广东 湛江 524088；2.中国海洋大学 水产学院，山东 青岛 266003)



基于灾变灰模型的牡蛎价格异常波动风险预警研究

周昌仕1张丽丽1慕永通2

(1.广东海洋大学 管理学院，广东 湛江 524088；2.中国海洋大学 水产学院，山东 青岛 266003)

牡蛎价格的异常波动会损害人们的消费欲望、给养殖户带来损失并最终影响牡蛎产业的持续健康发展，有必要对其进行准确预警和管控。以2011-2016年两广地区香港牡蛎的平均带壳批发价格为基础，利用灾变灰模型对牡蛎价格进行风险预警。拟合结果表明，基本模型不能用来预测牡蛎价格的异常波动情况，需引入第三方影响因子CPI指数来优化模型。预测结果显示，若有关利益主体不作为，2020年与2021年的牡蛎价格可能会发生异常波动，需要作好牡蛎价格异常波动的灾情预警和监管。

牡蛎价格；异常波动；风险预警；灾变灰模型

牡蛎是依靠滤食海水中浮游生物生长的资源依赖型大宗贝类优势类群，海水环境变化会对牡蛎生长速度、产量和品质产生重大影响，[1]并有可能引起牡蛎价格异常波动，而牡蛎价格的异常波动会损害人们的消费欲望、给养殖户带来损失并最终影响牡蛎产业的持续健康发展，因此有必要对其进行风险预警和管控。如果在价格波动之前就能获知灾变的信息，养殖户、产业合作组织和政府有关管理部门就可以采取有效的防范和规避措施，牡蛎价格异常波动的风险预警研究至关重要。在价格历史数据相对容易获取的蔬菜、生猪和玉米等必需品领域，价格异常波动预警已经得到研究和运用，[2-4]而在价格统计数据缺少的牡蛎产业等海水产品领域，价格异常波动的预警分析较为欠缺。本文基于灾变灰理论探索性地构建牡蛎价格波动预警模型，对牡蛎价格的异常波动进行风险预测，旨在为牡蛎养殖户和有关部门提供参考并为海水产品价格风险预警研究提供借鉴。

一、理论与模型

(一)灾变灰理论

价格波动预警常用的模型有BP神经网络模型、SARIMA模型、季节因子分离模型和灰预测模型等，前3个模型对数据量要求较高，不适用于对数据相对稀缺的牡蛎价格进行风险预测，但灰预测模型分支下的灾变灰模型适用于分析既无经验又缺少数据的不确定性问题。灾变灰模型的理论内涵得到不断丰富，已经被广泛运用于社会各个领域。[5]其核心理念强调信息优化，研究现实规律，基本思想是通过鉴别系统因素之间发展趋势的相异程度(即关联分析)，对原始数据进行处理来寻找系统变动的规律，生成具有较强规律性的数据系列，对具有灰色系统特征的社会经济现象进行预测。[6]构建灾变灰模型的一般步骤是把数据处理过程看作一个灰色过程，先通过白化微分方程建立灰色模型，再进行基于灰色模型的灰色预测或相关分析。灰色模型有静态模型、状态模型和预测模型。预测模型又包括灰色马尔柯夫预测模型和GM(1.1)预测模型，其中最常用的是后者，它是一阶单变量的灰色模型，可预测变量本身，同时也是灰色预测的基础。[7]GM(1.1)预测模型被广泛应用于分析数据收集难度大、数据量不多的领域，鉴于牡蛎价格具有难收集和数量较少的数据特征，其风险预警适合采用该预测模型。

(二)基本模型构建

对牡蛎价格异常波动年份进行预测需要构建基本模型，其建立步骤是：首先利用牡蛎价格原始数据累加建立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参数a、b；其次根据已经求解的模型做牡蛎价格的残差分析，并估算牡蛎价格异常波动的灾变阀值，最终构建GM(1.1)预测基本模型。

1、GM(1.1)微分方程的建立

GM(1,1)反映一个变量对时间的一阶微分函数，对牡蛎价格和年份求一阶导数(为方便计算，年份取值为2011=1，2012=2，……)：

(1)

设牡蛎价格为原始数列：

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

i表示牡蛎价格所对应的年份，对序列x(0)进行GM(1.1)建模，按照下列公式进行累加：

(2)

2、参数a、b的求解

(3)

(4)

由公式(1)-(4)求解参数a、b：

(5)

3、牡蛎价格的残差分析

采取残差检验，求出牡蛎价格的残差分析值，并对牡蛎价格异常波动的灾变阀值进行估算，牡蛎价格残差分析值大于灾变阀值即为对应年份的牡蛎价格发生异常波动。牡蛎价格残差分析值的公式如下所示：

(6)

二、预测模型检验与优化

(一)数据来源

在现代农业产业技术体系建设专项资金资助下，课题组通过访谈两广地区沿海市县海洋与渔业主管部门、现场考察水产品批发市场、入户深度调查和电话回访确认等方式，了解该地区牡蛎产业的发展状况，收集整理出该地区香港牡蛎平均带壳批发价格(见表1)。

表1 2011-2016年两广地区香港牡蛎平均带壳批发价格(元/kg)

注：数据来源于课题组的系统调查和收集整理。

(二)预测模型检验

1、回归分析

设定各年份香港牡蛎的平均带壳批发价格为：

x(0)={x(0)(1),x(0)(2),…,x(0)(n)}

因表1中各地区的价格与两广地区平均价格所得模型结果基本相同，为方便计算，取两广地区的平均价格组建模型并作牡蛎价格的残差分析，则有：

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

利用最小二乘法对2011-2016年牡蛎价格作回归分析(见表2)。

表2 2011-2016年牡蛎价格回归分析结果

注：括号里为t值，*表示P<1%。

由表2中回归结果可得a=2.63，b=0.86，即牡蛎价格y和年份x之间的关系为：

y=2.63+0.86x

(7)

2、残差分析

表3 2011-2016年牡蛎价格的残差分析(元/kg，%)

3、灾变阀值估算

估算模型中牡蛎价格的灾变阀值为10%，而上述各年残差分析的结果都低于10%，说明只将年份作为GM(1.1)模型的时分布并不全面，此时的预测模型还不够精确，并不能用来准确预测牡蛎价格的未来变动，需要引入新的第三方影响因子来优化模型，以提高预测数据的准确性。

(三)预测模型优化

2011-2016年两广地区香港牡蛎平均带壳批发价格分别为3.60、4.20、4.90、6.40、7.20和7.50元/kg。假定2011年牡蛎价格增长率为0，则2012-2016年牡蛎价格增长率分别为0.17%、0.17%、0.31%、0.13%和0.04%。根据《中国统计年鉴》的统计，2011-2016年的平均居民消费价格指数(CPI)分别为105.4、102.6、102.6、102.0、101.4和101.9。以CPI为自变量x1，牡蛎价格增长率为因变量yd，拟合x1、yd之间的对数函数关系，得到线性回归方程：

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

表4 2011-2016年CPI调整下牡蛎价格的残差分析(kg，%)

结果显示，2014年和2016年的牡蛎价格残差分析值都大于灾变阀值10%，即牡蛎价格有发生异常波动的趋势。从数据来源看(见表1)，2014年牡蛎价格增长最快，2016年牡蛎价格增长最慢，2014年、2016年牡蛎价格异常波动显著。研究结果验证了牡蛎价格与CPI之间有紧密联系，即引入CPI之后的GM(1.1)模型有效，可用来预测牡蛎价格的未来波动。

三、牡蛎价格异常波动的风险预测

(一)数据拟合

(二)风险预测

表5 CPI调整下2017-2021年牡蛎价格的残差分析(元/kg，%)

如表5所示，2017-2021年的牡蛎价格残差分析值分别为8.09%、9.04%、9.93%、10.68%、10.91%。其中，2017-2019年的牡蛎价格残差分析值都小于灾变阀值10%，即牡蛎价格不会发生太大的改变，牡蛎价格波动在正常范围内。然而，2020年与2021年的牡蛎价格残差分析值均大于灾变阀值10%，即若有关利益主体不作为或政府管制不当，2020年与2021年的牡蛎价格都有异常波动的趋势，2021年牡蛎价格残差分析值比2020年的残差分析值大，故2021年更需要作好预防牡蛎价格异常波动的灾情准备，避免造成过度损失。

究其根源，引起牡蛎价格异常波动的风险因素很多。例如，该地区牡蛎产业尚处于以分散化经营为主的独立发展阶段，又缺乏能引导牡蛎有效生产的信息平台，[1]牡蛎养殖户不能共享资本、技术和市场等资源，致使牡蛎生产过于依赖自然环境而产生较大的养殖风险；由于各地区文化背景和消费习惯不同，消费者对产品的需求就不尽相同，而且各地可能会为公共利益甚至部门利益而采取本地环保标准等限制措施，从而造成营销风险；该地区牡蛎产品存在“沙井蚝”“晨洲蚝”和“程村蚝”等品牌(在两广地区牡蛎俗称“蚝”)，而对品牌认同与接受程度不同又会带来品牌风险。牡蛎价格受随机波动、季节波动和周期波动的影响较大，[8]预计短时间内市场牡蛎价格很难有明显下降的空间，需要做好长期牡蛎价格预警工作。

四、结论与建议

(一)结论

以两广地区2011-2016年香港牡蛎平均带壳批发价格为基础，利用灾变灰模型对牡蛎价格进行风险预警。模型拟合结果表明，只对年份和牡蛎价格之间的关系作预警分析的结果并不理想，引入CPI指数作为第三方影响因子修正预测模型，可提高GM(1.1)模型预测的准确度。对2017-2021年牡蛎价格的风险预测结果显示，若有关利益主体不作为或政府管制不当，则2020年与2021年的牡蛎价格均存在异常波动的趋势，需要作好牡蛎价格异常波动灾情预警和监管。

(二)政策建议

一是建立牡蛎价格异常波动预警长效机制。这需要多方联动和分工合作，政府管理部门是预警机制的主导者，并根据预警结果实施有效的牡蛎价格宏观调控措施；行业协会是预警机制的协调者，成为政府和企业、养殖户和合作社沟通的桥梁，要配合政府管理部门的调控措施，并作好本行业的价格预警服务；企业、养殖户和合作社是预警机制的参与者和受益者，要配合政府管理部门的预警工作。

二是建设确保牡蛎价格公开透明的信息平台。借鉴珠海牡蛎养殖的管理办法，[9]疏导心理，共享信息，只有让大众消费者相信政府有关部门会稳定市场秩序，不会乱涨价，才能避免消费者因为恐惧价格上涨的心理而出现的跟风抢购现象，应建立牡蛎信息公开平台，保证牡蛎价格的公开透明。

三是实施牡蛎产业流通环节的规范化管理。应借鉴农产品管理的经验，[10-11]吸取2014年由于经济过快增长而造成的牡蛎价格异常波动的经验教训，跟踪分析牡蛎价格的变化趋势，加强牡蛎产业供应链的规范化管理，避免和减少因为牡蛎价格异常波动而带来的不必要经济损失。相关部门要做好价格管理工作，不仅要加强牡蛎价格监督检查，限制垄断，坚决打击乱调价和牟取暴利的行为。

[1] 周昌仕,郇长坤,慕永通.珠三角沿海地区牡蛎产业发展策略研究[J].农业现代化研究,2014,35(6):757-762.

[2] 刘思峰,邓聚龙. GM(1,1)模型的适用范围[J].系统工程理论与实践, 2000, 20(5):121-124.

[3] 李优柱,李崇光,李谷成. 我国蔬菜价格预警系统研究[J].农业技术经济,2014,(7):79-88.

[4] 刘芳,王琛,何忠伟. 我国生猪市场价格预警体系研究[J].农业技术经济,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] 李辉尚,沈辰,孔繁涛.基于X12-HP模型的水产品价格波动分解研究[J].广东农业科学,2016,43(11):175-183.

[9] 张亚峰,雷俊,郑晓坤,等.珠海牡蛎养殖业现状初步调查分析和思考[J].水产科技,2010,(Z1):21-23.

[10] 罗蓉,王志凌.农产品价格传导机制研究方法的创新探索[J].农业经济问题,2016,(6):91-92.

[11] 展进涛,唐若迪,谢锐.转基因水稻产业化的潜在动态影响[J].农业经济问题,2015,(4):11-18.

责任编辑：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

国家“现代农业产业技术体系建设专项资金资助”资助

周昌仕(1971- )，男，湖南永州人，广东海洋大学管理学院教授，博士，主要从事海洋产业发展、财务理论与实践研究。

D509

A

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