我国海水养殖业生产风险的评估与分区

强朦朦 沈满洪,2

(1.浙江大学 经济学院, 杭州 310027；2.浙江农林大学 经济管理学院, 杭州 311300)

随着经济的增长和人均收入的提高，全球渔类产品的消费量在不断增加。根据粮农组织的统计，全球人均渔类产品消费量已经从1961年的9.0 kg增加到2016年的20.5 kg，年均增长率约1.5%[1]。尤其对于欠发达国家，渔产品丰富的蛋白质和微量元素在保障居民营养安全方面起着重要作用。然而，由于过度捕捞，全球渔业资源濒临衰退，众多渔场消失。为实现渔业的可持续发展和满足社会日益增长的渔类产品需求，全球众多国家开始对渔业捕捞进行管制，转而大力鼓励水产养殖。

相较于淡水养殖，海水养殖因其较高的经济价值，越来越受到关注。尤其在海洋强国战略的背景下，我国政府开始大力扶持海水养殖业。我国已成为全球最大的海水养殖国家，紫菜、贝类养殖量均位居世界首位，年均养殖总量占到全球的60%左右。但海水养殖业却是风险巨大的行业，经常面临着天气、污染、疾病、技术、管理等在内的风险。这些潜在的风险不仅危害渔业生产的稳定，而且容易造成严重的社会问题。一旦发生风险，海水养殖户将面临巨额损失，因灾返贫和因灾致贫。因此，评估海水养殖业的生产风险，进而根据其特点进行风险管理是保障其健康发展的重中之重。

但在现有文献中，尚不可见关于海水养殖业生产风险定量测度的研究。最为相近的研究为Flaten等[2]针对挪威三文鱼农场价格、生产和回报风险的分析，但他们的研究是以变异系数作为风险测度指标，严格意义上只能算波动，而不能算风险分析。现有文献关注的重点主要是海水养殖业风险因子的识别以及某一类风险因子对海水养殖生产的影响。

第一个研究方向是海水养殖业风险因子的识别。这类研究基于问卷调查的方式直接询问养殖户或企业对生产风险的认知。国外学者对挪威[3]、丹麦[4]、越南[5]、孟加拉国[6]、法国[7]以及泰国[8]海水养殖户的风险因子进行调研。这些研究发现，海水养殖生产过程中面临着缺氧、有害藻华、大肠杆菌、原油污染、疾病、生产率减少、低水位、热浪、寒潮、温度、盐度、苗种质量等将近40多种风险因子，而控制成本、预防疾病、农场管理、多样化养殖被养殖户认为是最重要的风险管理工具。

第二个研究方向是分析某一类风险因子对海水养殖生产的影响。这类研究可以分为两类视角：一是基于水产科学的分析视角，二是基于经济学的分析视角。基于水产科学视角的研究多是分析疾病、微生物、海水质量对具体海水养殖品种生产的影响。比如说，针对白斑综合征病毒、败血症风险等的研究[9-10]。基于经济学分析视角的研究遵循Just等[11]的思路利用计量模型分析生产要素对海水养殖生产风险的影响。这类研究的基本思路为：首先通过计量模型将生产方程分解为确定性和残差两个部分，其次再将残差的平方作为风险，再次利用计量方程分析投入要素对生产风险的影响。比如，Asche等[12]基于这一思路分析了投入要素对挪威三文鱼生产风险的影响，发现劳动、资本以及原材料投入都将增加生产风险。这类研究还可见其他学者的研究[13-15]。

总结来看，已有研究并没有涉及海水养殖生产风险的定量测度。第一类研究尽管描述了海水养殖的相应风险，但仅限于定性描述。第二类研究关注的是投入要素对海水养殖风险的影响，而不是风险本身。鉴于此，本研究利用参数分布拟合法，从不同层面评估了我国海水养殖业所面临的生产风险，并在此基础上，基于系统聚类法，从期望单产损失的角度对我国海水养殖业生产进行风险分区，以期为海水养殖业的风险管理提供有益的建议。需要强调的是，与农业生产风险评估与区划的文献相比[16-20]，一方面本研究借鉴水文领域的经验，将Frechet(3P)，Person 5(3P)和Person 6(4P)分布引入，选择了更大范围的备选分布，提高了参数分布拟合的准确性。另一方面，相较于以往文献从总产量损失的视角进行风险区划，本研究从单产损失的角度进行风险分区，更能体现损失的本质，也更有助于指导海水养殖保险的实践。

1 研究方法

1.1 研究区域与数据来源

我国是世界上最早进行海水养殖的国家之一，早在汉代(公元前220—公元前206年)就有牡蛎养殖的记录。根据世界粮农组织的统计资料显示，我国海水养殖总产量1955年仅10万 t左右，到2017年已到达2 000万 t。2008年，我国海水养殖产量占到国内海水产品产量的51.6%，成为全球唯一海水养殖产量超过捕捞产量的国家。截至2017年，我国重要的海水养殖品种有40多种，可以分为鱼类、甲壳类、贝类、藻类和其他类5种。2017年，贝类占到了71.83%，藻类11.14%，甲壳类8.15%，鱼类7.09%，其他类仅1.79%。可以说，我国海水养殖业的发展得益于贝类和藻类养殖的兴起。

我国海水养殖的区域主要有天津、河北、辽宁、江苏、上海、浙江、福建、山东、广东、广西和海南11个沿海省(市、自治区)。但由于天津和上海市的养殖规模较小和相关统计数据不健全，本研究只评估其他9个省(自治区)的风险。需要说明的是，除海南省外，其他8个省(自治区)均是以贝类和藻类为主。海南省是我国唯一以鱼类和甲壳类海水养殖为主的省份。

数据的时间跨度为2000—2017年。之所以如此选择有两个原因：一是囿于数据的可得性。二是因为在2000—2017我国海水养殖业已较为成熟，生产较为稳定，因此测得的生产风险比较符合当前阶段的特征。数据的具体来源为各年份的《中国渔业统计年鉴》[21]。

1.2 参数分布拟合

与已有文献一致[16]，本研究将生产风险定义为实际单产偏离期望单产的概率。生产风险的定量评估方法有两大类：参数法和非参数法[17-20]。参数法基于已有经验，事先假定生产波动服从的分布，进行拟合求解，而非参数法并不假定其服从的分布，往往采用核密度估计的方法求出其分布形式。两种方法并没有严格的优劣，非参数法比较灵活，但在样本较小时效果不如参数法，而且无法刻画极端事件[22]。鉴于本研究的时间跨度内样本量并不大，选择参数法进行风险评估。参数法主要遵循“单产趋势—分布拟合—概率求解”3个步骤。

1.2.1单产趋势

根据上述生产风险的定义，首先需要分解海水养殖单产的趋势值。在文献中，常用的方法包括回归方程法、自回归移动平均、HP滤波法等[23-25]。因为海水养殖单产趋势并不一定与时间有关，本研究采用能够处理复杂趋势的HP滤波法。HP滤波法假设单产序列yt由趋势项gt和波动项ct组成，通过最小化损失函数来求出趋势项：

(1)

式中：λ是折算因子，式(1)中的第二项主要是用来调整趋势项的平滑程度。由式(1)可得式(2)：

ct=λFgt

(2)

式中：F为一固定的T×T的常系数矩阵。通过联立yt=gt+ct，可求出趋势项为：

gt=(λF+I)-1yt

(3)

不同的λ值决定了不同的随机波动方式和不同的平滑程度。当λ=0时，gt=yt。当λ趋于无穷大时，估计趋势就会接近线性函数。根据经验，当使用年度数据时，最优拟合效果的λ=100；当使用季度数据时，λ=1 600；当使用月度数据时，λ=14 400。本研究使用的是年度数据，因此取λ=100。

为比较不同省(自治区)减产风险的大小，借鉴已有文献的做法[26-27]，构造一个无量纲的单产波动的序列：

(4)

RSV为单产波动，yt为实际单产，gt为趋势单产。该指标代表波动单产对趋势单产的偏离程度，指标值为正，表示增产；若为负，则表示减产。

1.2.2分布拟合

风险评估第二步是对单产波动进行分布拟合，求出其概率密度函数。对于参数法，根据经验，已有文献归纳生产波动可能服从的主要分布包括：Normal，Lognormal(3P)，Logistic，Beta，Burr(4P)，Gamma(3P)，Weibull，Log-logistic(3P)和Johnson SB等[28-29]。因为海水养殖产量波动很大程度是由自然灾害所造成，因此在上述分布的基础上本研究增加了在自然灾害领域常用的Frechet(3P)，Person 5(3P)和Person 6(4P)分布。主要依据AD检验对上述12个备选分布进行选择[30-32]：

(5)

式中：A2为AD统计量；F为待检验分布的累计密度函数；xi为样本值；n为样本数目。AD统计量数值越小，分布拟合效果越好。因此，对上述12个备选分布进行检验结果排序后，取数值最小的作为最优分布。

1.2.3概率求解

在利用参数法求得海水养殖单产波动的分布后，即可利用概率论知识进行风险的表达。借鉴已有文献对生产风险水平的划分[16,33]，可以将减产区间划分为4个层次：轻灾(减产5%～15%)、中灾(减产15%～25%)、重灾(减产25%～35%)和巨灾(减产>35%)。为衡量整体生产风险，遵循重大减产权重更高的原则，对这4个减产区间的概率分别赋权重为10%、20%、30%和40%[16]，最后进行加权求和得到风险的均值，即风险均值=40%×巨灾发生的概率+30%×重灾发生的概率+20%×中灾发生的概率+10%×轻灾发生的概率。之所以要赋予权重，是因为相同发生概率下，不同减产区间的影响具有差异。巨灾和重灾的影响要明显大于中灾和轻灾。

1.3 系统聚类法

本研究聚焦于单产损失风险的区划，如表1所示，风险分区的指标主要有4个：单产水平、减产的概率、单产的下行变异系数以及减产年份的比例。指标值越大的省(自治区)属于单产损失的高风险区。

表1 风险分区指标及计算方法Table 1 Risk partition indicators and calculation method

需要注意的是，本研究并没有考虑养殖面积，这是因为在实践中，政策补贴和保费的计算都以单产为标准，单产期望损失的风险区划更有实践指导意义。采用最常用的系统聚类法进行风险分区。系统聚类分析通常包括以下3个步骤：

第1步是将分类指标进行标准化。本研究选择常见的z-score 标准化，公式为：

(6)

(7)

式中：i=1,2,…,m；j=1,2,…,n；m为省(自治区)个数；n为分类指标个数；Xij为第i个省(自治区)，第j个指标的值；E(Xj)为平均值；Sj为第j个因子的标准差。xij为标准化后的数据。

第2步是计算相似统计量。本研究以欧式距离的平方作为相似统计量，其计算公式为：

(8)

式中：xjk为第i个点，第k个指标的值；xjk为第j个点，第k个指标值。

第3步是完成分类。其主要步骤首先将每个样本都看作1类，其次是通过欧氏距离将距离最近的2类合并为层次更高的1类。不断重复这个过程就可以将所有的点并入一个大类。与大多数研究一致[34]，本研究将各省(自治区)风险层次划分为3类：高风险区、中风险区和低风险区。

2 结果与分析

2.1 海水养殖总生产风险分析

这部分考虑海水养殖总生产风险。图1显示了2000—2017年我国9个省(自治区)海水养殖的单产水平。从趋势上看，除辽宁、山东省外，其他省(自治区)的海水养殖单产都在不断提高。增长最快的省份是江苏省，年均增长率为10.6%。广西和福建省(自治区)的单产水平较高，而河北、辽宁和江苏省的单产水平较低。

图1 2000—2017年9个省(自治区)海水养殖单产Fig.1 Mariculture yield in nine provinces (autonomous regions) from 2000 to 2017

表2为利用HP滤波法得到的我国9个沿海省份(自治区)海水养殖单产的波动。整体来看，单产的波动都是围绕0值上下。从均值上来看，除了广东和广西壮族自治区(省)外，其他7个省份的单产波动均为负值，这表明单产损失的年份要多于增长的年份，减产经常发生。从单产波动的最小值来看，各省(自治区)最大损失幅度在5.2%～27.8%。从峰度来看，海南、广东、广西壮族自治区(省)等峰度值较大，河北、辽宁省较小。除福建省的峰度值接近3(正态分布的峰度值)外，其它省份(自治区)差异较大，说明海水养殖单产波动不服从正态分布。

表2 各省(自治区)海水养殖单产波动描述性统计Table 2 Descriptive statistics of mariculture yield fluctuations in different provinces and autonomous regions

为挑选海水养殖单产波动的最优分布，对上述提到的12个备选分布的拟合效果进行AD检验。各个省(自治区)单产波动最优分布的形状如图2所示。这些分布呈现3种形状。河北省是我国唯一的左偏分布省份，辽宁和海南的分布较为平缓，而江苏、福建、广东、山东和广西壮族自治区(省)的分布呈尖峰型。一般情况下，平坦分布的减产概率大于尖峰分布的减产概率。主观上，海南、河北、辽宁省减产概率较高，广西和福建省(自治区)减产概率较低。

图2 各省(自治区)海水养殖单产波动的最优概率密度分布图Fig.2 Optimal probability density function of mariculture yield fluctuations in provinces and autonomous regions

海水养殖总生产风险评估的结果如表3所示。从结果上看，各省(自治区)海水养殖业的生产风险集中在减产5%～15%，发生较大损失的可能性比较小。但河北和海南两个省份仍然有可能遭受较大损失。从风险均值上看，辽宁省减产概率最高，而广西和福建省(自治区)减产概率最小。

表3 各省(自治区)海水养殖总产量减产的概率Table 3 The probability of total yield reduction in different provinces and autonomous regions

如表5所示，系统聚类法的风险分区结果表明，江苏、辽宁和海南省为单产损失的高风险区。江苏和辽宁省的单产水平较低，但减产概率、下行变异系数和减产年份比例却较大，海南省的4个分区指标值得分都较高。辽宁省为中风险区。其他省份为低风险区。虽然广西和福建省(自治区)等的单产水平很高，但减产的可能性却较小，单产的期望损失的风险较低。

2.2 不同种类海水养殖的生产风险分析

为更细化评估各省(自治区)海水养殖的生产风险，按照其品种的特征将其分为鱼类、甲壳类、贝类和藻类4大类，对这4类养殖种类分别进行生产风险评估。因为河北和广西壮族自治区(省)没有藻类海水养殖，因此，藻类风险的评估只考虑其他7个省份。评估结果如表4所示。

首先，整体而言，4种养殖种类的减产风险都要比总产出的减产风险要高。四类养殖品种的风险从大到小可以排序为：鱼类>甲壳类>藻类>贝类。

其次，就减产区间而言，各个省(自治区)除了贝类养殖极少可能发生较大减产风险(>25%)，鱼类、甲壳类和藻类都有很大概率出现。尤其是鱼类，河北、辽宁和江苏省鱼类发生重大减产风险的概率要比一般风险要高。这意味着这些省(自治区)的分布是“厚尾”的，风险集中在尾部，一旦发生就可能是重大风险。

最后，就鱼类而言，江苏省减产风险最大，山东省最小；甲壳类而言，辽宁省减产风险最大，广东省最小；贝类而言，辽宁省减产风险最大，福建省最小；藻类而言，江苏省减产风险最大，福建省最小。

利用系统聚类法对9个省份4个种类的海水养殖单产损失风险分区的结果如表5所示。在鱼类方面，河北和江苏省属于单产损失的高风险区；甲壳类方面，浙江、福建、广东、广西、海南省(自治区)都属于高风险区；贝类海水养殖中，河北、辽宁、浙江、山东和海南省属于高风险区。藻类养殖中，广东和海南省属于高风险区。这9个省(自治区)中，尤其需要关注海南，除了鱼类外，该省份甲壳类、贝类和藻类生产都处于高风险水平。

表5 总生产及四大海水养殖种类的风险分区Table 5 Risk partition of total yield and four mariculture varieties

2.3 主要海水养殖品种的生产风险分析

这部分评估重要海水养殖品种所面临的生产风险。尽管我国海水养殖的品种众多，但国家对很多养殖品种的养殖面积数据并没有公布，而且鉴于很多品种只限于少数省(自治区)，因此在数据可得的情况下，这部分主要讨论扇贝、蛤、南美白对虾、牡蛎、紫菜、蛏、贻贝、海带、蚶、螺、日本对虾、梭子蟹、青蟹、中国对虾、鲍、斑节对虾共16种养殖品种的生产风险。

如表6所示，辽宁省的减产风险最高，16个品种有5个是风险最高的，而福建省是减产风险最低的省份，所有品种的减产可能都较低。从均值上看，河北、江苏、浙江和海南省的减产风险要大于山东、广东和广西壮族自治区(省)。从具体的养殖品种来看，鲍、青蟹、日本对虾、紫菜等产品的减产风险较大，而蛤、牡蛎、斑节对虾的减产风险较小。另外，同一个省(自治区)内部的不同品种有很大差异，这启示养殖户可以通过调整养殖品种来规避风险。

表6 我国主要海水养殖品种的风险均值Table 6 Mean risk of main mariculture varieties in China

利用系统聚类法对各个品种进行风险分区，结果如表7所示。在选择的16个品种中，河北省的单产损失风险最低，没有养殖品种处于高风险区。海南省是最高的，8个品种有4个处于高风险。河北省单产损失风险较低的原因在于单产水平较低，而海南省的高风险则归咎于较高的减产可能性，其他省(自治区)单产损失的风险相当。

表7 我国主要海水养殖品种生产风险的分区结果Table 7 Risk partition of main mariculture varieties in China

3 结论与建议

3.1 结论

研究表明，我国海水养殖业的生产风险较高。从总生产来说，我国海水养殖的减产区间主要集中在5%～15%，但就细分的养殖品种而言，仍可能发生重大减产(>25%)。而且，不少养殖品种的风险所服从的分布呈现出“厚尾”特征，极端情况发生的概率很大。

不同海水养殖品种的生产风险具有明显的差异。海水养殖单产波动的分布呈现出宽平、尖峰、左偏、厚尾等不同形态。从海水养殖品种来看，生产风险从大到小的顺序为鱼类>甲壳类>藻类>贝类。不同品种海水养殖的生产风险之所以呈现出这样的规律与我国的海水养殖的历史有着密切的关系。我国海水养殖的发展主要得益于贝类和藻类养殖的兴起，我国古代已经掌握了蚌、牡蛎等贝类的养殖技术。我国鱼类和甲壳类海水养殖的历史不长，养殖技术还不够先进，生产风险相对较大。

以单产期望损失为标准，整体而言，海南省属于高风险区，而福建、山东和广西壮族自治区(省)属于低风险区。海南省只有鱼类生产属于低风险区，甲壳类、贝类和藻类的生产都处于高风险区。福建、山东和广西壮族自治区(省)只有少数养殖种类处在高风险区。这一发现也启示生产者和管理者，高单产并不意味着高风险，因为高单产可能会因为先进的养殖技术和管理水平，减产可能性较低。反之，低单产可能因为较高的减产概率而风险较大。

3.2 建议

第一，调整海水养殖品种的结构以降低风险水平。同一省(自治区)的不同养殖品种的减产风险具有很大差异。因此，地方政府可以通过给予一些生产稳定的品种优惠来调整养殖的结构。举例来说，广东省的紫菜和蛏减产风险很大，但南美白对虾和青蟹的减产风险却较小，政府可以逐渐适当引导养殖户进行后者的养殖。

第二，改进养殖技术和管理水平，提高养殖户的风险适应能力。我国贝类和藻类生产风险较低与其先进的养殖技术和管理水平密切相关。对当地政府来说，应该推广先进的海水养殖技术，举办知识讲座来提高养殖户的能力。

第三，重视风险的转移，积极发展海水养殖保险。从海水养殖业的风险因子来看，气候灾害是不可忽视的。尽管养殖户可以通过农业管理等手段来降低污染、病害等风险，但天气风险往往是无法规避的。“靠天吃饭”仍然是海水养殖业的主要特征。因此，需要重视风险的转移，大力发展海水养殖保险。另外，鉴于天气风险往往是系统性的，这也说明互助保险的发展在小范围内可能是无效的，需要在更大的区域建立互保制度。需要强调的是，本研究的风险测度和分区结果也可以为海水养殖保险精算费率的调整提供参考。

第四，政府需要对海水养殖保险给予补贴，保证承保体的可持续经营。我国海水养殖业的生产风险整体较大，不少养殖品种发生重大减产风险的可能性很大。单靠养殖户和保险公司还无法彻底分担风险，政府必须进行兜底。事实上，我国海水养殖保险的规模之所以如此小，很大的原因就在于其风险较大，而政府补贴较少，很多项目入不敷出而不得不中止。另外，政府对不同养殖品种的保险的补贴应该是有所差异的。保险补贴最少应该在鱼类、甲壳类、贝类和藻类等方面有所差异。