有色金屬工業(yè)預(yù)警體系探微

帥加琴 溫標(biāo)|文

有色金屬工業(yè)是國(guó)民經(jīng)濟(jì)中占據(jù)重要戰(zhàn)略地位的基礎(chǔ)性產(chǎn)業(yè)，在復(fù)雜多變的國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境下，深入研究有色金屬工業(yè)波動(dòng)特點(diǎn)、科學(xué)預(yù)測(cè)行業(yè)未來(lái)發(fā)展趨勢(shì)以及有效地監(jiān)測(cè)預(yù)警是促進(jìn)行業(yè)健康持續(xù)發(fā)展的迫切需求。

作為國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，有色金屬工業(yè)在經(jīng)濟(jì)發(fā)展中占據(jù)重要的戰(zhàn)略地位。中國(guó)有色金屬工業(yè)已建成完整的工業(yè)體系，但尚存的問(wèn)題也是不容忽視的，如易受宏觀(guān)經(jīng)濟(jì)的波動(dòng)而大幅震蕩、巨大的資源環(huán)境約束壓力、產(chǎn)業(yè)“大而不強(qiáng)”等。在復(fù)雜多變的國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境下，深入研究有色金屬工業(yè)波動(dòng)特點(diǎn)、科學(xué)預(yù)測(cè)行業(yè)未來(lái)發(fā)展趨勢(shì)以及有效地監(jiān)測(cè)預(yù)警是促進(jìn)行業(yè)健康持續(xù)發(fā)展的迫切需求。

有色金屬工業(yè)預(yù)警體系研究現(xiàn)狀

經(jīng)濟(jì)監(jiān)測(cè)預(yù)警的理論和方法源自國(guó)外，主要集中于宏觀(guān)經(jīng)濟(jì)及金融領(lǐng)域。該項(xiàng)研究可追溯到19世紀(jì)末的法國(guó)，當(dāng)時(shí)以四種不同顏色表述法國(guó)1877～1887年的經(jīng)濟(jì)波動(dòng)；1917年哈佛大學(xué)經(jīng)濟(jì)調(diào)查委員會(huì)編制了“哈佛指數(shù)”；1950年，G．H．Moore確定了宏觀(guān)經(jīng)濟(jì)監(jiān)測(cè)系統(tǒng)的先行、一致和滯后指標(biāo)，開(kāi)發(fā)出擴(kuò)散指數(shù)（DI）。DI不能刻畫(huà)經(jīng)濟(jì)周期波動(dòng)幅度，為彌補(bǔ)這一缺陷，J．Shiskin 和 G．H．Moore于 1961年合作編制了合成指數(shù)（CI）。CI既能預(yù)測(cè)經(jīng)濟(jì)周期的轉(zhuǎn)折點(diǎn)，又能反映波動(dòng)強(qiáng)度。合成指數(shù)是度量經(jīng)濟(jì)波動(dòng)的有力的工具，廣泛應(yīng)用于世界各國(guó)，如1995年美國(guó)會(huì)議委員會(huì)發(fā)布美國(guó)、澳大利亞、法國(guó)、德國(guó)、韓國(guó)、西班牙和英國(guó)等國(guó)家的合成指數(shù)。DI和CI的編制需要首先選定指標(biāo)，而指標(biāo)的選取具有一定的主觀(guān)性、缺乏統(tǒng)計(jì)理論基礎(chǔ)，所以一些經(jīng)濟(jì)學(xué)家開(kāi)始嘗試引入嚴(yán)謹(jǐn)?shù)臄?shù)學(xué) 模 型。J．H．Stock和M．W．Watson認(rèn)為多個(gè)宏觀(guān)經(jīng)濟(jì)總量指標(biāo)共同變動(dòng)的背后有一個(gè)刻畫(huà)主要經(jīng)濟(jì)指標(biāo)間協(xié)同變動(dòng)趨勢(shì)的共同成分，并利用狀態(tài)空間模型和卡爾曼濾波建立了S-W型景氣指數(shù)。合成指數(shù)由于計(jì)算原理簡(jiǎn)單易懂而應(yīng)用廣泛，相比而言，SW指數(shù)在實(shí)際中的應(yīng)用則不多。

將景氣指數(shù)應(yīng)用于金屬行業(yè)分析的官方機(jī)構(gòu)是美國(guó)地質(zhì)調(diào)查局（USGS）。USGS金屬工業(yè)先行和一致指數(shù)，包括主要的初級(jí)金屬和鋼鐵、鋁、銅等工業(yè)。先行指數(shù)可以提前幾個(gè)月對(duì)由一致指標(biāo)所衡量的金屬工業(yè)活動(dòng)的主要變化給出一些信號(hào)；一致指數(shù)描述工業(yè)當(dāng)前的狀況，可作為行業(yè)基本狀況的衡量標(biāo)準(zhǔn)。USGS先行指數(shù)對(duì)初級(jí)金屬領(lǐng)先一致指數(shù)9個(gè)月、對(duì)鋼鐵領(lǐng)先8個(gè)月、對(duì)銅領(lǐng)先7個(gè)月、對(duì)于鋁領(lǐng)先6個(gè)月。

綜上所述，國(guó)外關(guān)于經(jīng)濟(jì)預(yù)警理論方法的研究比較成熟，在金屬行業(yè)也有權(quán)威應(yīng)用，我們可以借鑒這些理論和方法，結(jié)合中國(guó)有色金屬工業(yè)經(jīng)濟(jì)發(fā)展的實(shí)際開(kāi)展預(yù)警研究。

中國(guó)經(jīng)濟(jì)監(jiān)測(cè)預(yù)警系統(tǒng)的研究始于20世紀(jì)80年代初期，以宏觀(guān)經(jīng)濟(jì)領(lǐng)域居多。中國(guó)有色金屬工業(yè)協(xié)會(huì)于2009年與商務(wù)部聯(lián)合建立了“有色金屬行業(yè)產(chǎn)業(yè)損害預(yù)警機(jī)制”，協(xié)會(huì)負(fù)責(zé)跟蹤有色金屬行業(yè)重點(diǎn)監(jiān)測(cè)產(chǎn)品運(yùn)行狀況、定期報(bào)送有色金屬行業(yè)熱點(diǎn)專(zhuān)報(bào)信息、定期完成產(chǎn)業(yè)安全數(shù)據(jù)直報(bào)系統(tǒng)月度審核和數(shù)據(jù)分析、及時(shí)在產(chǎn)業(yè)安全網(wǎng)站向企業(yè)和社會(huì)公眾發(fā)布預(yù)警信息，并對(duì)有色金屬行業(yè)產(chǎn)業(yè)安全面臨的形勢(shì)進(jìn)行評(píng)估、判斷和研究。目前中國(guó)有色金屬工業(yè)協(xié)會(huì)產(chǎn)業(yè)損害預(yù)警信息報(bào)送、數(shù)據(jù)直報(bào)及網(wǎng)站維護(hù)、競(jìng)爭(zhēng)力研究、應(yīng)對(duì)貿(mào)易摩擦培訓(xùn)等各項(xiàng)工作正在穩(wěn)步推進(jìn)。

以上研究大多只提出了預(yù)警的構(gòu)思或框架，有的僅是關(guān)于有色金屬行業(yè)某一方面的預(yù)警，如采購(gòu)量、價(jià)格等。為及時(shí)、準(zhǔn)確向各級(jí)政府部門(mén)、廣大有色金屬企業(yè)和社會(huì)各界提供權(quán)威、規(guī)范的行業(yè)監(jiān)測(cè)預(yù)警信息，中國(guó)有色金屬工業(yè)協(xié)會(huì)聯(lián)合經(jīng)濟(jì)日?qǐng)?bào)中經(jīng)產(chǎn)業(yè)景氣指數(shù)研究中心和國(guó)家統(tǒng)計(jì)局中國(guó)經(jīng)濟(jì)景氣監(jiān)測(cè)中心，于2014年4月16日首次共同發(fā)布本年3月“中經(jīng)有色金屬產(chǎn)業(yè)月度景氣指數(shù)”。據(jù)了解，協(xié)會(huì)編制的有色金屬景氣指數(shù)是國(guó)際通用的合成指數(shù)，其計(jì)算方法具有規(guī)范性，指標(biāo)的選擇經(jīng)業(yè)內(nèi)專(zhuān)家商討確定，因此具有一定的權(quán)威性。

預(yù)警方法綜述

預(yù)警方法是經(jīng)濟(jì)監(jiān)測(cè)預(yù)警實(shí)施的重要工具，也是預(yù)警工作開(kāi)展的關(guān)鍵步驟。預(yù)警信號(hào)燈法是應(yīng)用最早（20世紀(jì)60年代中后期）、最易為社會(huì)大眾認(rèn)知的經(jīng)濟(jì)預(yù)警方法。傳統(tǒng)的預(yù)警信號(hào)系統(tǒng)是將一組反映經(jīng)濟(jì)發(fā)展?fàn)顩r的敏感性指標(biāo)合并為綜合性指標(biāo)，再利用類(lèi)似于交通信號(hào)的紅、黃、綠燈的標(biāo)志，對(duì)這組指標(biāo)及綜合指標(biāo)所反映出的經(jīng)濟(jì)狀況給出不同的信號(hào)，通過(guò)觀(guān)察信號(hào)的變動(dòng)情況，判斷經(jīng)濟(jì)系統(tǒng)當(dāng)前的運(yùn)動(dòng)狀況和未來(lái)發(fā)展的趨勢(shì)。信號(hào)燈通常與景氣指數(shù)相結(jié)合，構(gòu)成經(jīng)典的預(yù)警體系。然而，由于經(jīng)濟(jì)系統(tǒng)的非線(xiàn)性和不確定性，傳統(tǒng)的線(xiàn)性預(yù)警模型與實(shí)際經(jīng)濟(jì)系統(tǒng)存在著較大的誤差，傳統(tǒng)方法也越來(lái)越不適應(yīng)科學(xué)管理的需求。隨著經(jīng)濟(jì)預(yù)警研究的逐步深入及智能技術(shù)的高速發(fā)展，一些學(xué)者將智能技術(shù)應(yīng)用于經(jīng)濟(jì)預(yù)警，如采用模糊數(shù)學(xué)方法進(jìn)行預(yù)警界限確定、利用神經(jīng)網(wǎng)絡(luò)方法記錄專(zhuān)家對(duì)以往經(jīng)濟(jì)運(yùn)動(dòng)狀態(tài)評(píng)價(jià)，利用模型自學(xué)習(xí)功能對(duì)未來(lái)前景作出判斷等。

1．景氣指數(shù)法

景氣指數(shù)法是用經(jīng)濟(jì)變量之間的時(shí)差關(guān)系來(lái)指示景氣的動(dòng)向，通過(guò)構(gòu)建合成指數(shù)和擴(kuò)散指數(shù)進(jìn)行監(jiān)測(cè)預(yù)警。該方法包括三個(gè)基本步驟：確定基準(zhǔn)循環(huán)；劃分先行、同步、滯后指標(biāo)；對(duì)先行、同步、滯后指標(biāo)分別編制擴(kuò)散指數(shù)和合成指數(shù)。

2．自回歸條件異方差模型和自回歸移動(dòng)平均模型

自回歸條件異方差模型（ARCH）是用過(guò)去誤差解釋未來(lái)預(yù)測(cè)誤差的一種方法，能準(zhǔn)確度量經(jīng)濟(jì)循環(huán)波動(dòng)的誤差。引入時(shí)變條件方差使預(yù)報(bào)的置信區(qū)間能夠與經(jīng)濟(jì)時(shí)間序列的波動(dòng)程度相適應(yīng)，從而使確定的警限能比較準(zhǔn)確地反映實(shí)際經(jīng)濟(jì)狀況。自回歸移動(dòng)平均模型（ARMA）是一種準(zhǔn)確度比較高的短期預(yù)測(cè)方法。

3．基于概率模式分類(lèi)法

該方法從模式識(shí)別的角度進(jìn)行預(yù)警，將所有具有相同警度的預(yù)警樣本組成一個(gè)預(yù)警模式集。預(yù)警指標(biāo)選擇相當(dāng)于模式識(shí)別系統(tǒng)中的模式特征選擇，預(yù)警方法相當(dāng)于模式分類(lèi)過(guò)程；報(bào)警相當(dāng)于識(shí)別錯(cuò)誤檢查過(guò)程。根據(jù)模式識(shí)別原理，預(yù)警就是把未知警度的新樣本與已知警度的標(biāo)準(zhǔn)樣本進(jìn)行比較，再判定新樣本所歸屬于的預(yù)警模式類(lèi)別?；诟怕誓Ｊ椒诸?lèi)法不再?gòu)暮?jiǎn)單的統(tǒng)計(jì)規(guī)律出發(fā)來(lái)探求發(fā)展趨勢(shì)，而是應(yīng)用模式分類(lèi)和比較來(lái)獲得對(duì)未來(lái)狀況的把握。因此其在預(yù)警系統(tǒng)的設(shè)計(jì)和應(yīng)用中是很有前途的。

4．人工神經(jīng)網(wǎng)絡(luò)方法

人工神經(jīng)網(wǎng)絡(luò)（ANN）在經(jīng)濟(jì)預(yù)警系統(tǒng)中的應(yīng)用，解決了傳統(tǒng)預(yù)警模型難以處理高度非線(xiàn)性問(wèn)題、難以處理定性指標(biāo)的問(wèn)題，為預(yù)警走向?qū)嵱没椭悄芑於嘶A(chǔ)。ANN預(yù)警的實(shí)質(zhì)是利用神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)功能實(shí)現(xiàn)經(jīng)濟(jì)預(yù)警。

自L(fǎng)apeds和Parber首先應(yīng)用ANN技術(shù)進(jìn)行預(yù)測(cè)開(kāi)始，國(guó)內(nèi)外學(xué)者對(duì)其應(yīng)用于經(jīng)濟(jì)預(yù)測(cè)及預(yù)警作了大量的研究。已有文獻(xiàn)表明ANN分類(lèi)正確率高于其他判別法，國(guó)外學(xué)者比較并總結(jié)了神經(jīng)網(wǎng)絡(luò)與其他統(tǒng)計(jì)分析方法應(yīng)用領(lǐng)域，認(rèn)為神經(jīng)網(wǎng)絡(luò)模型在處理預(yù)測(cè)和分類(lèi)問(wèn)題時(shí)更準(zhǔn)確。國(guó)內(nèi)學(xué)者的研究也證實(shí)了ANN對(duì)不同行業(yè)經(jīng)濟(jì)預(yù)測(cè)與預(yù)警的可行性與優(yōu)越性。傳統(tǒng)的ANN模型雖有自組織、自適應(yīng)及非線(xiàn)性的優(yōu)勢(shì)，但是隨著輸入變量維數(shù)的增加，網(wǎng)絡(luò)運(yùn)行時(shí)間劇增，并易出現(xiàn)局部極小等現(xiàn)象，導(dǎo)致預(yù)警精度達(dá)不到理想要求。還有學(xué)者將ANN與其他學(xué)科結(jié)合起來(lái)，如Hongkyu Jo等整合基于案例預(yù)測(cè)系統(tǒng)、判別分析和ANN三種有分類(lèi)功能的模型，建立用于破產(chǎn)預(yù)警的新模型，實(shí)證結(jié)果表明整合模型的預(yù)警性能更好。

有色金屬工業(yè)預(yù)警體系的研究已經(jīng)取得一些成果，國(guó)內(nèi)較權(quán)威的“有色金屬產(chǎn)業(yè)月度景氣指數(shù)”也已公開(kāi)發(fā)布。但結(jié)合上述的預(yù)警方法可以看出，現(xiàn)代智能方法尚未充分應(yīng)用于中國(guó)有色金屬工業(yè)預(yù)警。筆者認(rèn)為，預(yù)警理論與計(jì)算機(jī)技術(shù)相結(jié)合以及先進(jìn)學(xué)科的綜合應(yīng)用是未來(lái)研究方向。有色金屬工業(yè)預(yù)警系統(tǒng)的進(jìn)一步研發(fā)應(yīng)充分利用計(jì)算機(jī)技術(shù)，建立實(shí)用的平臺(tái)，實(shí)現(xiàn)預(yù)警系統(tǒng)的人機(jī)交互。另外有必要利用數(shù)據(jù)挖掘技術(shù)對(duì)行業(yè)進(jìn)行深層次分析，并把多媒體技術(shù)融入預(yù)警系統(tǒng)，以實(shí)現(xiàn)動(dòng)態(tài)報(bào)警和增強(qiáng)預(yù)警結(jié)果的可視性。