有色金屬工業預警體系探微

帥加琴 溫標|文

有色金屬工業是國民經濟中占據重要戰略地位的基礎性產業，在復雜多變的國內外經濟環境下，深入研究有色金屬工業波動特點、科學預測行業未來發展趨勢以及有效地監測預警是促進行業健康持續發展的迫切需求。

作為國民經濟的基礎產業，有色金屬工業在經濟發展中占據重要的戰略地位。中國有色金屬工業已建成完整的工業體系，但尚存的問題也是不容忽視的，如易受宏觀經濟的波動而大幅震蕩、巨大的資源環境約束壓力、產業“大而不強”等。在復雜多變的國內外經濟環境下，深入研究有色金屬工業波動特點、科學預測行業未來發展趨勢以及有效地監測預警是促進行業健康持續發展的迫切需求。

有色金屬工業預警體系研究現狀

經濟監測預警的理論和方法源自國外，主要集中于宏觀經濟及金融領域。該項研究可追溯到19世紀末的法國，當時以四種不同顏色表述法國1877～1887年的經濟波動；1917年哈佛大學經濟調查委員會編制了“哈佛指數”；1950年，G．H．Moore確定了宏觀經濟監測系統的先行、一致和滯后指標，開發出擴散指數（DI）。DI不能刻畫經濟周期波動幅度，為彌補這一缺陷，J．Shiskin 和 G．H．Moore于 1961年合作編制了合成指數（CI）。CI既能預測經濟周期的轉折點，又能反映波動強度。合成指數是度量經濟波動的有力的工具，廣泛應用于世界各國，如1995年美國會議委員會發布美國、澳大利亞、法國、德國、韓國、西班牙和英國等國家的合成指數。DI和CI的編制需要首先選定指標，而指標的選取具有一定的主觀性、缺乏統計理論基礎，所以一些經濟學家開始嘗試引入嚴謹的數學 模 型。J．H．Stock和M．W．Watson認為多個宏觀經濟總量指標共同變動的背后有一個刻畫主要經濟指標間協同變動趨勢的共同成分，并利用狀態空間模型和卡爾曼濾波建立了S-W型景氣指數。合成指數由于計算原理簡單易懂而應用廣泛，相比而言，SW指數在實際中的應用則不多。

將景氣指數應用于金屬行業分析的官方機構是美國地質調查局（USGS）。USGS金屬工業先行和一致指數，包括主要的初級金屬和鋼鐵、鋁、銅等工業。先行指數可以提前幾個月對由一致指標所衡量的金屬工業活動的主要變化給出一些信號；一致指數描述工業當前的狀況，可作為行業基本狀況的衡量標準。USGS先行指數對初級金屬領先一致指數9個月、對鋼鐵領先8個月、對銅領先7個月、對于鋁領先6個月。

綜上所述，國外關于經濟預警理論方法的研究比較成熟，在金屬行業也有權威應用，我們可以借鑒這些理論和方法，結合中國有色金屬工業經濟發展的實際開展預警研究。

中國經濟監測預警系統的研究始于20世紀80年代初期，以宏觀經濟領域居多。中國有色金屬工業協會于2009年與商務部聯合建立了“有色金屬行業產業損害預警機制”，協會負責跟蹤有色金屬行業重點監測產品運行狀況、定期報送有色金屬行業熱點專報信息、定期完成產業安全數據直報系統月度審核和數據分析、及時在產業安全網站向企業和社會公眾發布預警信息，并對有色金屬行業產業安全面臨的形勢進行評估、判斷和研究。目前中國有色金屬工業協會產業損害預警信息報送、數據直報及網站維護、競爭力研究、應對貿易摩擦培訓等各項工作正在穩步推進。

以上研究大多只提出了預警的構思或框架，有的僅是關于有色金屬行業某一方面的預警，如采購量、價格等。為及時、準確向各級政府部門、廣大有色金屬企業和社會各界提供權威、規范的行業監測預警信息，中國有色金屬工業協會聯合經濟日報中經產業景氣指數研究中心和國家統計局中國經濟景氣監測中心，于2014年4月16日首次共同發布本年3月“中經有色金屬產業月度景氣指數”。據了解，協會編制的有色金屬景氣指數是國際通用的合成指數，其計算方法具有規范性，指標的選擇經業內專家商討確定，因此具有一定的權威性。

預警方法綜述

預警方法是經濟監測預警實施的重要工具，也是預警工作開展的關鍵步驟。預警信號燈法是應用最早（20世紀60年代中后期）、最易為社會大眾認知的經濟預警方法。傳統的預警信號系統是將一組反映經濟發展狀況的敏感性指標合并為綜合性指標，再利用類似于交通信號的紅、黃、綠燈的標志，對這組指標及綜合指標所反映出的經濟狀況給出不同的信號，通過觀察信號的變動情況，判斷經濟系統當前的運動狀況和未來發展的趨勢。信號燈通常與景氣指數相結合，構成經典的預警體系。然而，由于經濟系統的非線性和不確定性，傳統的線性預警模型與實際經濟系統存在著較大的誤差，傳統方法也越來越不適應科學管理的需求。隨著經濟預警研究的逐步深入及智能技術的高速發展，一些學者將智能技術應用于經濟預警，如采用模糊數學方法進行預警界限確定、利用神經網絡方法記錄專家對以往經濟運動狀態評價，利用模型自學習功能對未來前景作出判斷等。

1．景氣指數法

景氣指數法是用經濟變量之間的時差關系來指示景氣的動向，通過構建合成指數和擴散指數進行監測預警。該方法包括三個基本步驟：確定基準循環；劃分先行、同步、滯后指標；對先行、同步、滯后指標分別編制擴散指數和合成指數。

2．自回歸條件異方差模型和自回歸移動平均模型

自回歸條件異方差模型（ARCH）是用過去誤差解釋未來預測誤差的一種方法，能準確度量經濟循環波動的誤差。引入時變條件方差使預報的置信區間能夠與經濟時間序列的波動程度相適應，從而使確定的警限能比較準確地反映實際經濟狀況。自回歸移動平均模型（ARMA）是一種準確度比較高的短期預測方法。

3．基于概率模式分類法

該方法從模式識別的角度進行預警，將所有具有相同警度的預警樣本組成一個預警模式集。預警指標選擇相當于模式識別系統中的模式特征選擇，預警方法相當于模式分類過程；報警相當于識別錯誤檢查過程。根據模式識別原理，預警就是把未知警度的新樣本與已知警度的標準樣本進行比較，再判定新樣本所歸屬于的預警模式類別。基于概率模式分類法不再從簡單的統計規律出發來探求發展趨勢，而是應用模式分類和比較來獲得對未來狀況的把握。因此其在預警系統的設計和應用中是很有前途的。

4．人工神經網絡方法

人工神經網絡（ANN）在經濟預警系統中的應用，解決了傳統預警模型難以處理高度非線性問題、難以處理定性指標的問題，為預警走向實用化和智能化奠定了基礎。ANN預警的實質是利用神經網絡的預測功能實現經濟預警。

自Lapeds和Parber首先應用ANN技術進行預測開始，國內外學者對其應用于經濟預測及預警作了大量的研究。已有文獻表明ANN分類正確率高于其他判別法，國外學者比較并總結了神經網絡與其他統計分析方法應用領域，認為神經網絡模型在處理預測和分類問題時更準確。國內學者的研究也證實了ANN對不同行業經濟預測與預警的可行性與優越性。傳統的ANN模型雖有自組織、自適應及非線性的優勢，但是隨著輸入變量維數的增加，網絡運行時間劇增，并易出現局部極小等現象，導致預警精度達不到理想要求。還有學者將ANN與其他學科結合起來，如Hongkyu Jo等整合基于案例預測系統、判別分析和ANN三種有分類功能的模型，建立用于破產預警的新模型，實證結果表明整合模型的預警性能更好。

有色金屬工業預警體系的研究已經取得一些成果，國內較權威的“有色金屬產業月度景氣指數”也已公開發布。但結合上述的預警方法可以看出，現代智能方法尚未充分應用于中國有色金屬工業預警。筆者認為，預警理論與計算機技術相結合以及先進學科的綜合應用是未來研究方向。有色金屬工業預警系統的進一步研發應充分利用計算機技術，建立實用的平臺，實現預警系統的人機交互。另外有必要利用數據挖掘技術對行業進行深層次分析，并把多媒體技術融入預警系統，以實現動態報警和增強預警結果的可視性。