云南蔗糖產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警研究

石建輝，張君亞，李 宏

(云南農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，云南昆明650201)

0 引言

甘蔗是世界上最重要的糖料作物、食糖最重要的來(lái)源之一，目前中國(guó)甘蔗種植面積占全部糖料作物種植面積的 85%以上，產(chǎn)糖量約占食糖產(chǎn)量的88%，是全國(guó)糖業(yè)的重要支柱[1]。云南是僅次于廣西的全國(guó)第2大甘蔗產(chǎn)區(qū)，2017年云南省蔗糖產(chǎn)業(yè)經(jīng)濟(jì)研究室數(shù)據(jù)顯示，全省約有 150萬(wàn)戶、600萬(wàn)蔗農(nóng)從事甘蔗種植，歷年平均種植面積超過(guò)30萬(wàn)hm2，平均產(chǎn)糖量超過(guò)200萬(wàn)t，對(duì)于保障我國(guó)食糖供給、滿足食糖需求發(fā)揮了重要作用。然而由于農(nóng)業(yè)生產(chǎn)的弱質(zhì)性和蔗糖產(chǎn)業(yè)的特殊性，面對(duì)種植、市場(chǎng)和貿(mào)易等風(fēng)險(xiǎn)，會(huì)出現(xiàn)蔗農(nóng)生產(chǎn)積極性降低和制糖企業(yè)虧損現(xiàn)象，加大了國(guó)內(nèi)糖市風(fēng)險(xiǎn)，因此蔗糖產(chǎn)業(yè)的風(fēng)險(xiǎn)預(yù)警就顯得十分必要。

蔗糖產(chǎn)業(yè)風(fēng)險(xiǎn)包括了甘蔗生產(chǎn)、加工和經(jīng)營(yíng)過(guò)程中所面臨的來(lái)自于自然和社會(huì)經(jīng)濟(jì)等方面并最終反映到市場(chǎng)和甘蔗生產(chǎn)上的一切危害和損失。甘蔗預(yù)警系統(tǒng)可以根據(jù)甘蔗生產(chǎn)和經(jīng)營(yíng)過(guò)程所出現(xiàn)的細(xì)微趨勢(shì)或跡象進(jìn)行預(yù)測(cè)和警報(bào)，從而為生產(chǎn)和經(jīng)營(yíng)者進(jìn)行調(diào)控提供參考，減少反應(yīng)時(shí)間，及時(shí)規(guī)避風(fēng)險(xiǎn)。

近些年來(lái)，國(guó)內(nèi)許多學(xué)者對(duì)農(nóng)業(yè)領(lǐng)域進(jìn)行了風(fēng)險(xiǎn)預(yù)警的研究。安曉寧[2]、馬九杰等[3]分別從糧食安全預(yù)警的系統(tǒng)設(shè)計(jì)和指標(biāo)體系進(jìn)行了研究，前者認(rèn)為政府應(yīng)借助預(yù)警理論相關(guān)方法，加強(qiáng)預(yù)警系統(tǒng)在宏觀調(diào)控中的作用，提出在中國(guó)早期的糧食安全預(yù)警系統(tǒng)設(shè)計(jì)上應(yīng)包括信息員系統(tǒng)、信息分析系統(tǒng)和信息反饋系統(tǒng)；后者分別在宏、微觀2個(gè)方面對(duì)糧食安全進(jìn)行度量，提出了使用食物及膳食能量供求平衡指標(biāo)、糧食及食物生產(chǎn)和需求狀況指標(biāo)、安全儲(chǔ)備狀況指標(biāo)、進(jìn)出口狀況指標(biāo)、市場(chǎng)價(jià)格穩(wěn)定性指標(biāo)、糧食安全綜合衡量指標(biāo)、反映糧食安全的補(bǔ)充性指標(biāo)的不同區(qū)間代表不同安全程度，建立警戒系統(tǒng)。吳清華、高峰、馮中朝[4]運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)中國(guó)油菜產(chǎn)業(yè)風(fēng)險(xiǎn)進(jìn)行了預(yù)測(cè)研究，以油菜籽收購(gòu)價(jià)格波動(dòng)率為警情指標(biāo)，驗(yàn)證得出 BP神經(jīng)網(wǎng)絡(luò)對(duì)于油菜價(jià)格的波動(dòng)預(yù)測(cè)與期望值十分接近，可利用神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)預(yù)警系統(tǒng)，規(guī)避油菜產(chǎn)業(yè)風(fēng)險(xiǎn)。趙瑞瑩、楊學(xué)成[5]以生豬價(jià)格波動(dòng)率為警情指標(biāo)，建立了基于 BP神經(jīng)網(wǎng)絡(luò)的農(nóng)產(chǎn)品風(fēng)險(xiǎn)預(yù)警模型，認(rèn)為 BP神經(jīng)網(wǎng)絡(luò)對(duì)于農(nóng)產(chǎn)品風(fēng)險(xiǎn)預(yù)警十分可行，可推廣至對(duì)其他農(nóng)產(chǎn)品的警情預(yù)報(bào)。

通過(guò)對(duì)比分析諸多學(xué)者關(guān)于農(nóng)業(yè)領(lǐng)域預(yù)警的研究，結(jié)合研究所面臨的實(shí)際情況，本文嘗試采用BP神經(jīng)網(wǎng)絡(luò)，對(duì)云南蔗糖產(chǎn)業(yè)進(jìn)行預(yù)警分析。首先，結(jié)合云南省蔗糖產(chǎn)業(yè)的實(shí)際情況，構(gòu)建蔗糖產(chǎn)業(yè)預(yù)警機(jī)制的指標(biāo)體系；其次，通過(guò)因子分析判斷云南省蔗糖產(chǎn)業(yè)的主要風(fēng)險(xiǎn)因子，以主要風(fēng)險(xiǎn)因子按其方差貢獻(xiàn)度占總方差百分比為權(quán)重，加總得到綜合因子得分為警情指標(biāo)；最后，依據(jù)預(yù)測(cè)所得的2019/20年榨季的因子得分所處的風(fēng)險(xiǎn)區(qū)間，判斷2019/20年榨季云南蔗糖產(chǎn)業(yè)風(fēng)險(xiǎn)情況。警界范圍的選擇使用3σ原理，即跟據(jù)正態(tài)分布特征，以指標(biāo)因子綜合得分均值μ為中心，以綜合得分的正負(fù)一倍標(biāo)準(zhǔn)差、二倍標(biāo)準(zhǔn)差和三倍標(biāo)準(zhǔn)差作為區(qū)間分割點(diǎn)，將所有可能的綜合得分劃分為 5個(gè)警報(bào)區(qū)間，從左至右依次為：高度風(fēng)險(xiǎn) 1(-3σ，-2σ]、一般風(fēng)險(xiǎn) 1(-2σ，-σ]、無(wú)風(fēng)險(xiǎn)(-σ，σ]，一般風(fēng)險(xiǎn) 2(σ，2σ]、高度風(fēng)險(xiǎn)2(2σ，3σ]。

1 研究方法和數(shù)據(jù)來(lái)源

1.1 研究方法

1.1.1 因子分析

因子分析通過(guò)對(duì)原始數(shù)據(jù)的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的分析，將多個(gè)關(guān)聯(lián)的指標(biāo)轉(zhuǎn)化為少數(shù)不相關(guān)的綜合指標(biāo)，其目的是用少量無(wú)關(guān)指標(biāo)代替原來(lái)存在多重共線的多個(gè)指標(biāo)，消除共線性，綜合反映原來(lái)較多的信息[6]。因子分析認(rèn)為所有的原始變量都是由公共因子和唯一因子所構(gòu)成，其中由所有原始變量所共有，并且用以解釋變量之間關(guān)系的變量稱為公共因子，不能解釋變量之間關(guān)系、由原始變量特有的變量稱為唯一因子。因子分析可以通過(guò)提取變量公共因子，對(duì)原始變量進(jìn)行解釋，并通過(guò)因子方差貢獻(xiàn)率占總方差的比重和對(duì)應(yīng)因子的得分，計(jì)算得出綜合因子得分。

1.1.2 BP神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)網(wǎng)絡(luò)系統(tǒng)的人工智能技術(shù)，有非常強(qiáng)的自學(xué)習(xí)、自組織、自適應(yīng)和非線性映射能力，適合于因果關(guān)系復(fù)雜的非確定性推理、判斷、識(shí)別和分類等問(wèn)題[7]。BP神經(jīng)網(wǎng)絡(luò)是一種誤差反方向傳播網(wǎng)絡(luò)，由輸入層、隱層、輸出層組成，分為正向傳播的學(xué)習(xí)信號(hào)和反向傳播的誤差信號(hào)。訓(xùn)練過(guò)程中，當(dāng)實(shí)際輸出與期望輸出大于規(guī)定誤差范圍時(shí)，進(jìn)入反向傳播，調(diào)整權(quán)值，直到誤差減少至允許的范圍。在對(duì)蔗糖產(chǎn)業(yè)風(fēng)險(xiǎn)進(jìn)行預(yù)警時(shí)，由于需要考慮的因素很多，很難建立有效的模型進(jìn)行預(yù)測(cè)，BP神經(jīng)網(wǎng)絡(luò)憑借其非線性逼近能力、強(qiáng)大的學(xué)習(xí)能力和容錯(cuò)能力等優(yōu)勢(shì)，能準(zhǔn)確的對(duì)所面臨的風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。

1.2 數(shù)據(jù)來(lái)源和指標(biāo)選取

本研究所采用的數(shù)據(jù)來(lái)源于《云南農(nóng)業(yè)年鑒》和《云南省統(tǒng)計(jì)年鑒》以及云南糖網(wǎng)、沐甜科技、中國(guó)糖業(yè)協(xié)會(huì)等權(quán)威數(shù)據(jù)統(tǒng)計(jì)資料和實(shí)地調(diào)研所得，個(gè)別數(shù)據(jù)的缺失由相關(guān)數(shù)據(jù)計(jì)算得出。通過(guò)2009/10～2018/19年榨季 10年間的相關(guān)統(tǒng)計(jì)數(shù)據(jù)，對(duì)云南省蔗糖產(chǎn)業(yè)面臨的風(fēng)險(xiǎn)進(jìn)行評(píng)估預(yù)測(cè)。根據(jù)云南蔗糖產(chǎn)業(yè)發(fā)展所面臨的實(shí)際情況以及對(duì)國(guó)內(nèi)外產(chǎn)業(yè)風(fēng)險(xiǎn)的歸納總結(jié)，本研究將在種植風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和貿(mào)易風(fēng)險(xiǎn)等3個(gè)方面選取評(píng)價(jià)指標(biāo)，評(píng)價(jià)指標(biāo)設(shè)置分為三級(jí)，總指標(biāo)下分3個(gè)一級(jí)指標(biāo)，12個(gè)二級(jí)指標(biāo)，14個(gè)三級(jí)指標(biāo)。具體指標(biāo)設(shè)置如表1。

表1 指標(biāo)設(shè)置

2 實(shí)證分析

2.1 數(shù)據(jù)標(biāo)準(zhǔn)化處理

Z-score法是為消除變量間的量綱關(guān)系，使數(shù)據(jù)更有可比性，對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理一種方法，可通過(guò)將數(shù)據(jù)代入以下公式得到標(biāo)準(zhǔn)化數(shù)據(jù)結(jié)果：

公式(1)為標(biāo)準(zhǔn)化公式，其中，x~為標(biāo)準(zhǔn)化后的數(shù)值，xj為第j個(gè)榨季指標(biāo)的數(shù)值，μj為第j個(gè)榨季指標(biāo)的均值，sj為第j個(gè)榨季指標(biāo)的標(biāo)準(zhǔn)差；公式(2)為均值公式，其中，m為指標(biāo)數(shù)量，xij為第j個(gè)榨季中第i個(gè)指標(biāo)數(shù)值；公式(3)為標(biāo)準(zhǔn)差公式，字母含義同上。標(biāo)準(zhǔn)化處理結(jié)果如下表2所示。

表2 指標(biāo)變量標(biāo)準(zhǔn)化處理結(jié)果

表3 解釋總方差

2.2 因子分析及結(jié)果

利用SPSS 25.0進(jìn)行因子分析，解釋總方差如表3。通過(guò)因子分析，共提出 3個(gè)因子，分別記作F1、F2、F3，累計(jì)得分為 89.823%，綜合得分記作Ft。其中，F(xiàn)1主要描述種植風(fēng)險(xiǎn)中旱地成本、水田成本和水澆地成本；F2主要描述入榨量和產(chǎn)糖量；F3主要描述自然災(zāi)害。根據(jù)方差貢獻(xiàn)率確定各因子權(quán)重，則3個(gè)公因子的權(quán)重為：

公式(4)中αi為第i個(gè)因子占因子綜合得分的權(quán)重，θi為第i個(gè)因子的方差百分比。綜合得分Ft=α1F1+α2F2+α3F3。通過(guò)因子得分的均值和標(biāo)準(zhǔn)差，設(shè)定高度風(fēng)險(xiǎn)、一般風(fēng)險(xiǎn)和無(wú)風(fēng)險(xiǎn)區(qū)間，假設(shè)高度風(fēng)險(xiǎn)1為A(10000)、一般風(fēng)險(xiǎn)1為B(01000)、無(wú)風(fēng)險(xiǎn)為C(00100)、一般風(fēng)險(xiǎn)2為D(00010)、高度風(fēng)險(xiǎn)2為E(00001)，然后根據(jù)3σ法，設(shè)置風(fēng)險(xiǎn)區(qū)間。具體因子得分和風(fēng)險(xiǎn)區(qū)間上下限如下表4和表5所示。

表4 因子得分表

表5 風(fēng)險(xiǎn)區(qū)間表

結(jié)合所獲得的數(shù)據(jù)資料和研究目的，本研究以2009/10～2016/17年榨季云南省甘蔗的市場(chǎng)風(fēng)險(xiǎn)、種植風(fēng)險(xiǎn)和貿(mào)易風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)為訓(xùn)練樣本，其因子綜合得分對(duì)應(yīng)的區(qū)間值為實(shí)際輸出，以2017/18年榨季因子得分作為訓(xùn)練樣本的檢驗(yàn)值，最后以2018/19年榨季蔗糖產(chǎn)業(yè)的指標(biāo)數(shù)據(jù)為基礎(chǔ)對(duì)2019/20年榨季產(chǎn)業(yè)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。

以2009/10年榨季至2016/17年榨季數(shù)據(jù)為預(yù)警研究的樣本建立模型。警兆指標(biāo)包括：種植面積、種植成本(水田成本、旱地成本、水澆地成本)、總產(chǎn)量、入榨量、產(chǎn)糖量、產(chǎn)糖率、自然災(zāi)害、食糖價(jià)格、平均收購(gòu)價(jià)、白砂糖含稅成本、進(jìn)口量、出口量。

結(jié)合分析需要及神經(jīng)網(wǎng)絡(luò)，研究設(shè)置輸入 14個(gè)特征向量，輸出 5個(gè)向量。3層神經(jīng)網(wǎng)絡(luò)，其中包括2個(gè)隱含層和1個(gè)輸出層，每個(gè)隱含層5個(gè)神經(jīng)元，輸出層 5個(gè)神經(jīng)元，隱含層傳遞函數(shù) tansig函數(shù)，輸出層傳遞函數(shù) purelin函數(shù)。學(xué)習(xí)率0.05，學(xué)習(xí)函數(shù) trainscg函數(shù)。最大迭代次數(shù)為 5000次，神經(jīng)網(wǎng)絡(luò)的驗(yàn)證數(shù)據(jù)的 RMSE最小，訓(xùn)練收斂于0.00225。

表6 模型精度確認(rèn)

根據(jù)2009/10～2018/19年榨季指標(biāo)數(shù)據(jù)，依托Matlab 12軟件，建立BP神經(jīng)網(wǎng)絡(luò)模型，模型輸出為因子綜合得分值，將綜合得分與風(fēng)險(xiǎn)區(qū)間表進(jìn)行對(duì)照，可以判斷風(fēng)險(xiǎn)程度。通過(guò)對(duì)比模型預(yù)測(cè)輸出與實(shí)際值驗(yàn)證模型預(yù)測(cè)精度，表6可得 2010/11～2016/17年榨季神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出與實(shí)際輸出一致，滿足模型預(yù)測(cè)精度要求。

以2016/17年榨季14個(gè)指標(biāo)數(shù)據(jù)為輸入值，驗(yàn)證2017/18年榨季風(fēng)險(xiǎn)情況，得出2017/18年榨季云南省蔗糖產(chǎn)業(yè)處于無(wú)風(fēng)險(xiǎn)區(qū)間C(00100)，期望輸出與實(shí)際輸出一致，模型驗(yàn)證成功，可用于 2018/19年榨季數(shù)據(jù)對(duì) 2019/20年榨季云南省蔗糖產(chǎn)業(yè)風(fēng)險(xiǎn)情況進(jìn)行預(yù)測(cè)。以 2018/19年榨季云南蔗糖產(chǎn)業(yè)的種植、市場(chǎng)和貿(mào)易指標(biāo)數(shù)據(jù)為輸入數(shù)據(jù)，可得2019/20年榨季云南省蔗糖產(chǎn)業(yè)預(yù)測(cè)結(jié)果處于高度風(fēng)險(xiǎn)1區(qū)間，具體預(yù)測(cè)結(jié)果Ft為(0.9987，0.0399，-0.0039，-0.0466，0.0775)即 A(10000)。其中F1為A(-∞，-1.87)，F(xiàn)2為 C(-1.72，2.05)，F(xiàn)3為 A(-∞，-2.54)。

3 結(jié)論

由因子分析可得，種植風(fēng)險(xiǎn)為云南蔗糖產(chǎn)業(yè)面臨的首要風(fēng)險(xiǎn)，主要體現(xiàn)在種植成本(水田、旱地、水澆地)、入榨量、產(chǎn)糖量和自然災(zāi)害。由BP神經(jīng)網(wǎng)絡(luò)分析可得，2019/20年榨季云南蔗糖產(chǎn)業(yè)總體處于高度風(fēng)險(xiǎn)區(qū)間 A(-∞，-1.87)，風(fēng)險(xiǎn)敞口較大，其因子F1處于高度風(fēng)險(xiǎn)1(-∞，-2.37)，因子F2處于無(wú)風(fēng)險(xiǎn)區(qū)間(-1.72，2.05)，因子F3處于高度風(fēng)險(xiǎn)1(-∞，-2.54)，即實(shí)證研究結(jié)果表明，在 2019/20年榨季，云南省蔗糖產(chǎn)業(yè)將面臨較大風(fēng)險(xiǎn)，風(fēng)險(xiǎn)來(lái)源為種植成本(水田、旱地和水澆地種植成本)和自然災(zāi)害風(fēng)險(xiǎn)，應(yīng)注意加強(qiáng)控制成本和自然風(fēng)險(xiǎn)的預(yù)防。

4 建議

4.1 提高機(jī)械化水平，降低種植成本

云南蔗糖產(chǎn)業(yè)面臨的風(fēng)險(xiǎn)最主要的來(lái)源為種植成本過(guò)高。甘蔗種植成本主要由人工成本、地租、化肥等費(fèi)用組成，其中中耕管理成本和砍收成本等人工成本是降低甘蔗種植成本的重要制約因素，其費(fèi)用占到了總成本的 50%以上，細(xì)碎化小規(guī)模的小農(nóng)戶經(jīng)營(yíng)方式生產(chǎn)成本高，無(wú)法面對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)。因此，應(yīng)大力發(fā)展機(jī)械化甘蔗生產(chǎn)，提高甘蔗規(guī)?；N植水平，降低人工成本的同時(shí)實(shí)現(xiàn)甘蔗生產(chǎn)和銷售階段的規(guī)模效益。然而，在 2019/20年榨季，云南機(jī)收率僅為 2.26%，相比廣西省 2019/20年榨季“雙高”基地 13.2%的機(jī)收率，云南蔗糖產(chǎn)業(yè)的機(jī)械化推進(jìn)還需繼續(xù)加強(qiáng)[8]。

4.2 加快良種研究，提高甘蔗產(chǎn)量

云南蔗糖產(chǎn)業(yè)風(fēng)險(xiǎn)的另一個(gè)來(lái)源是甘蔗產(chǎn)量。根據(jù)歷年云南糖業(yè)協(xié)會(huì)和云南糖網(wǎng)關(guān)于蔗糖產(chǎn)業(yè)的統(tǒng)計(jì)數(shù)據(jù)，云南省歷年平均甘蔗種植面積在 30萬(wàn)hm2左右，為在有限的面積內(nèi)提升甘蔗產(chǎn)量，應(yīng)積極推進(jìn)甘蔗良種培育。根據(jù)國(guó)家甘蔗品種第 6輪集成示范德宏點(diǎn)的試驗(yàn)結(jié)果，粵甘50號(hào)、云蔗11-3898、云瑞10-187、粵甘48號(hào)4個(gè)品種在甘蔗蔗莖產(chǎn)量上有較高產(chǎn)表現(xiàn)[9]，應(yīng)因地制宜地進(jìn)行推廣。此外，還應(yīng)加強(qiáng)對(duì)甘蔗新品種的研究培育，開(kāi)發(fā)高產(chǎn)高糖抗逆性抗蟲(chóng)害好的甘蔗新品種，從而保證甘蔗產(chǎn)量的穩(wěn)步增加。

4.3 加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，提高自然風(fēng)險(xiǎn)應(yīng)對(duì)能力

自然風(fēng)險(xiǎn)也是云南省蔗糖產(chǎn)業(yè)的發(fā)展的一個(gè)重要威脅。甘蔗生產(chǎn)面臨著旱災(zāi)、病蟲(chóng)、洪澇和霜凍等自然災(zāi)害。針對(duì)云南省甘蔗種植主要面臨的旱災(zāi)和病蟲(chóng)災(zāi)害，在研究培育新種同時(shí)，應(yīng)強(qiáng)化外部的監(jiān)測(cè)和治理?；A(chǔ)設(shè)施建設(shè)是促進(jìn)農(nóng)業(yè)活動(dòng)發(fā)展的關(guān)鍵，包括蔗田灌溉、道路及坡地改造等內(nèi)容，完善的基礎(chǔ)設(shè)施建設(shè)能有效地應(yīng)對(duì)甘蔗旱災(zāi)，達(dá)到抗旱目的。針對(duì)可能的病蟲(chóng)害，應(yīng)注重監(jiān)測(cè)，開(kāi)展專業(yè)化防治服務(wù)，積極推廣物理、生物防治措施指導(dǎo)。