基于BP神经网络的我国农产品市场风险预警研究

本文已发表于：农业经济问题.2008（增刊）：152-156基于BP神经网络的我国农产品市场风险预警研究*——以大豆为例的实证分析王川王克（中国农业科学院农业信息研究所北京100081）摘要：本文从影响农产品供给与需求的因素，以及自然、经济、政策与国际环境等影响农产品价格的因素等方面出发构建了我国农产品市场风险预警的指标体系，并以大豆为例，利用BP神经网络对大豆市场风险预警进行了实证分析，网络训练和验证结果表明BP神经网络很好地拟和、预测出了我国大豆市场风险水平，说明基于BP人工神经网络的农产品市场风险预警模型是切实可行的。关键词：农产品、市场风险、预警、BP神经网络StudyontheEarly-warningofAgriculturalProductMarketRiskBasedonBPNeuralNetwork－AnEmpiricalStudyofSoybeanMarketRiskChuanWang,KeWang(AgriculturalInformationInstitute,ChineseAcademicofAgriculturalSciences,Beijing100081)Abstract:Thispaperconstructtheindicatorsystemforagriculturalproductmarketbasedonthefactorsthataffectthesupply,demandandpriceofagriculturalproduction.Wemakeanempiricalstudyontheearly-warningofagriculturalproductmarketriskusingBPneuralnetworkthroughthecaseofsoybean.Itisfoundthatourearly-warningmodelmadebyBPneuralnetworkcandescribethesoybeanmarketriskaccurately.Basedontheempiricalresult,wemadetheconclusionthatitisafeasibleapproachtomaketheearly-warningofagriculturalproductmarketriskbyBPneuralnetwork.Keyword:Agriculturalproduct;Marketrisk;Early-warning;BPneuralnetwork一、引言农产品市场风险一般指价格风险，是指农业生产者投入一定生产要素所生产的昀终产品，在通过市场转化为商品的过程中，由于价格的波动超过了他们的预期，致使其收益带有很大的不确定性，对农业生产造成难以控制的收入损失。改革开放以来，随着我国社会主义市场经济体制的确立和各项事业的不断深入，我国农产品市场流通体制得到完善，市场对农产品价格的调节成分越来越高，人们面临的市场价格波动所带来的风险程度也在不断增大。当前，农产品市场风险已经超过自然灾害风险，成为农民生产经营过程中面临的昀主要风险（孙良媛等，2001；JoyHarwoodetal，1999）。农产品价格的频繁波动，直接影响到农民收入的稳定和增长，也关系到居民的购买能力和购买欲望，进而影响到居民对社会稳定的态度。在市场经济体系下，农产品市场风险是客观存在、不可避免的。对我国农产品市场风险进行分析，研究建立农产品市场风险预警体系，是一项十分重要和必要的工作。它不仅是对农产品市场风险进行有效管理的前提，同时还涉及到增加农民收入、提高全民生活水平、保持物价稳定等问题，是新时期促进我国现代农业发展，增加和稳定农民收入，构建和谐社会的必然选择。二、农产品市场风险预警指标体系的建立*本文是公益性科研院所基本科研业务费专项资金资助项目“农产品生产与市场风险分析及管理策略研究”（课题编号:2008J-2-01）的部分研究成果。本文已发表于：农业经济问题.2008（增刊）：152-156（一）农产品市场风险预警内涵预警理论，起源于军事，后在社会政治、宏观管理与环境保护、经济各个领域得到了广泛的应用。所谓“预警”，就是对事物发展过程中那些可能出现的不正常的情况或风险进行汇总、分析和测度，并以之为据对不正常情况或风险的时空范围和危害程度进行预报，以及提出防范或消解的措施。农产品市场风险预警是指对农产品市场风险进行分析、评价、推断、预测，根据风险程度事先发出警报信息，提示农产品经营决策者警惕市场风险，从而为我国农产品生产与农产品市场的正常运行提供有效的指导，为我国政府的宏观调控提出合理的建议。（二）市场风险预警的指标体系农产品市场风险预警，属于经济预警范畴。遵循经济预警中“明确警情→寻找警源→分析警兆→预测警度→排除警情”的一般范式，其前提就是选择农产品市场风险的预警指标，建立科学、合理、完整的预警指标体系。农产品市场风险预警的指标体系主要包括警情指标、警源指标和警兆指标三种。明确警情是预警的前提，其任务在于明确监测预警的对象。警情是指经济运行的不正常状况。我国农产品市场风险的警情主要是农产品供需不平衡的状况，进而反映在农产品价格的波动上面。本文采用农产品价格的波动率作为农产品市场风险预警的警情指标。农产品价格波动率=（该期农产品价格－上一期的农产品价格）/上一期的农产品价格，该指标反映了农产品供求关系的变化，一般来说，正常情况下，农产品的价格在一定的范围内波动，当价格波动超出这个范围时，便会发生市场价格风险。警源是产生某种警情的根源，寻找警源是预警过程的起点。农产品市场风险的警源是指决定农产品价格水平和影响农产品价格波动的因素，从警情产生的原因及生成机制来看，农产品市场风险的警源指标主要包括自然警源、内生警源和外生警源三类。自然警源是指来自于自然环境影响的因素，主要包括农产品生产受灾情况、耕地资源状况、水资源状况；内生警源是指来自于经济运行机制内部的各种影响根源，主要包括农产品生产投入成本、技术投入水平、资金投入水平、劳动力素质、国家政策、不同农产品的比较效益；外生警源是指来自于经济运行的各类外部影响因素，主要包括我国人口状况、我国农产品消费水平、我国农产品加工状况、农产品进出口状况、国际农产品价格、国际农产品贸易状况和国外农产品发展政策。警兆是警情发生前表现出来的先导现象，是以警源为基础而选定的具体的预见性因素。分析警兆是预警过程中的关键环节，经济预警的主要目的就是根据警兆的变动研究警情的大小。要实现农产品市场风险的预警，选择合理的警兆指标是关键，根据前述对警情和警源指标的分析，本文分别从影响农产品供给与需求的因素，以及自然、经济、政策与国际环境等影响农产品价格的因素等方面，利用相关分析法，在排除了自相关的基础上，筛选确定出我国农产品市场风险预警的警兆指标，见表1。表1我国农产品市场风险预警的警兆指标警兆指标指标符号指标反应领域单产增长率X1生产规模增长率X2生产成本增长率X3该产品与其他可替代比较成本收益率比值X4供给方面居民食用消费增长率X5工业用消费增长率X6种用消费增长率X7需求方面本文已发表于：农业经济问题.2008（增刊）：152-156受灾面积增长率X8国际市场价格变动率X9自然、经济、政策与国际环境三、农产品市场风险预警的方法的选择由于农产品供需过程是一种复杂的社会经济活动，其市场价格的波动具有时变性、高度非线性及相关因素繁多等特点。同时，农产品市场价格风险预警也是一个复杂的非线性映射，很难找到一个确定的函数进行准确表达。因此，层次分析法和自回归条件异方差等传统计量方法在农产品市场风险预警中存在很大的局限性。相比之下，BP神经网络具有很强的非线性逼近能力、自适应和自学习能力，在处理内部机理模糊复杂等传统计量方法难以解决的问题上面有着明显的优势：1）BP神经网络是一个隐式模型，相当于一个黑箱，将系统的结构隐含于网络的权值和阀值当中。它不需要建立数学模型，只需要将历史数据交给网络，网络自己选择合适的模型，而且一般都很好地解决问题；2）BP神经网络良好的非线性映射能力可以避开复杂的参数估计过程；3）BP神经网络比其它方法更能容忍噪声，而时间序列的数据往往都含有大量的噪声（袁泉等，1998）。基于此，本文选择利用BP神经网络来构建我国农产品市场价格风险的预警模型。BP神经网络是采用误差反向传播算法的多层前馈网络，由一个输入层、一个输出层和若干个隐层组成，上下层之间实现全连接，而每层神经元之间无连接。BP算法是一种有导师学习，即在已知输入和理想输出的模式下进行学习，网络根据已知输出与实际输出的误差值来调节网络的权值。该算法可以看作是信息的正向传递和误差的反向传播两部分组成，其核心是通过一边向后传播误差，一边修正误差的方法来不断调节网络参数（权、阀值），以实现或逼近所希望的输入、输出映射关系；当一个信号输入到网络后，它要先向前传播到隐层节点，经过传递函数转换后，再把隐层节点的输出传播到输出节点；如果在输出层没有得到期望的输出，则计算输出层的误差变化值，然后转向反向传播，通过网络将误差信号沿原来的连接通路反传回来修改各层神经元的权值，通过权值的不断修正使网络的实际输出更接近期望输出。四、大豆市场风险预警的实证分析近年来，我国由大豆出口国转变为纯进口国，且进口数量远远超过了我国的大豆生产量（已达到生产量的2倍），大豆市场价格的剧烈波动已引起社会各界的广泛关注。因此，选择大豆进行市场价格风险预警的实证分析，具有一定的代表性。（一）样本说明我国大豆生产基本是一年一季。因此，本实证研究的预警时刻选为年，以1984－2004年的年度数据作为样本建立预警模型，利用2005、2006年度的数据样本进行检验。结合大豆生产的特点及统计数据的可获取性，选择大豆生产价格指数的波动率作为警情指标。以表1所列的农产品市场风险预警警兆指标体系为基础，选择大豆单产增长率、大豆播种面积增长率、大豆生产成本增长率、大豆与玉米比较成本收益率比值、居民大豆食用消费增长率、工业用大豆增长率、种子用大豆增长率、受灾面积增长率和国际市场价格变动率共9个指标作为警兆指标。样本数据来源于中国统计年鉴和中国农业统计年鉴。（二）样本数据预处理由于BP网络的连接函数大都采用S型，样本输入输出值都局限在一定范围，故应用BP神经网络时，对输入、输出样本的预处理十分重要，有助于提高效率、加快训练网络的收敛性。本文利用公式（1）对输入输出数据进行预处理，使之转化为[-1,1]区间上的值。min)maxmin2(/()1iiPIIII=−−−（1）本文已发表于：农业经济问题.2008（增刊）：152-156其中，Pi为预处理后样本；Ii为样本值；Imin为样本昀小值；Imax为样本昀大值。（三）BP网络结构的设计1、节点个数的确定在BP网络中，设计神经网络的拓扑结构是非常重要的问题，它不仅对建立的神经网络模型的性能影响很大，而且可以导致“过拟和”现象，降低网络的推广能力。理论研究已经证明，虽然BP网络可以包含多个隐层，但在不限制隐层节点数的情况下，三层网络（即有一个隐层）可以实现任意非线性映射，对封闭区间内的任意连续函数实现网络逼近（陈如云，2007），故本文选择单隐层的网络结构。BP网络结构设计的主要困难在于隐层节点数的确定。隐层节点过少，则学习过程可能不收敛，单隐层节点过多，则会导致训练时间过长，还会造成“过拟和”问题，造成网络的容错性下降（王文剑，2000）。尽管隐层节点数的确定十分重要，但是目前理论上还没有一种科学的确定隐层节点个数的方法，实际应用中，往往需要根据设计者的经验和多次试验来确定（罗若谷等，2007）。公式（2）为我们提供了选择昀佳隐层节点个数的参考，1nnma=++（2）其中，n1为隐层节点数，m为输出层节点个数，n为输入层节点个数，a为1－10之间常数。本文共用9个指标来描述大豆市场风险的警兆，用大豆生产价格指数波动率来衡量或表示大豆市场风险，因此，本网络中输入点n＝9，输出节点m＝1。故昀佳隐层节点个数n1应该在5－1