海洋生物醫藥業發展趨勢研究

鄭　莉,蔡大浩

(國家海洋信息中心，天津　300171)

?

海洋生物醫藥業發展趨勢研究

鄭莉,蔡大浩

(國家海洋信息中心，天津300171)

摘要：本文首先采用指數平滑模型、ARIMA 模型及多元回歸模型，對中國海洋生物醫藥業增加值建立了單項預測模型，隨后引進誘導有序加權幾何平均(IOWGA)算子的概念，建立了組合預測模型。實證結果表明，組合模型能有效提高預測精度。最后利用組合模型對“十三五”期間中國海洋生物醫藥業發展趨勢進行了預測分析并提出了對策建議。

關鍵詞：海洋生物醫藥業；IOWGA算子；組合預測

“十二五”以來，中國海洋生物醫藥業取得了重大進展，國家海洋局發布的《2014年中國海洋經濟統計公報》顯示，2014年，中國海洋生物醫藥業增加值達到258億元，“十二五”期間，年均增長21.5%，成為突出亮點。“十三五”期間，面對外部環境的復雜態勢，在國民經濟新常態以及“一帶一路”戰略的推動下，海洋生物醫藥業將迎來新的發展格局。作為新興的海洋戰略性新興產業，適時加快對海洋生物醫藥業發展的宏觀分析與預測研究，對于確定“十三五”期間產業增長目標和海洋開發戰略將具有重要的意義。本文以海洋戰略性新興產業——海洋生物醫藥業為例，對海洋生物醫藥業增加值建立動態組合預測模型，為其他海洋產業發展趨勢預測提供一定的借鑒。

1誘導有序加權幾何平均組合預測模型簡介及文獻綜述

國內外許多學者和機構都對海洋生物醫藥業的預測方法進行了廣泛研究，主要方法為時間序列分析法、灰色預測法、情景分析法等，但組合預測的方法較少。組合預測可以綜合利用各種預測方法所提供的信息，提高預測的精確度和可靠性。BATES和GRANGER[1]首次提出了組合預測的概念，即通過確定各單項預測方法的加權平均系數，以適當權重將不同的單項預測方法進行組合。基于組合預測的思想，Yager[2-3]提出誘導有序加權平均(IOWA)算子，通過引入IOWA算子，根據各單項預測方法在樣本區間上各時點的擬合精度的高低按順序賦權，以誤差平方和為準則建立一種動態組合預測模型。國內學者陳華友[4-5]最先提出基于誘導有序幾何加權平均(IOWGA)算子的組合預測模型，并證明該方法相比于傳統的組合預測方法具有更高的精度。這種方法克服了傳統靜態組合預測模型在集成時存在對單項預測方法以固定權系數賦權的缺陷，可以對不同時期的單模型預測結果進行動態集成。

誘導有序加權幾何平均組合預測模型基本計算過程如下[6-7]：

1.1　計算預測精度

i=1,2,…,m,t=1,2,…,N

(1)

顯然ait∈[0,1]，預測精度反映了預測模型的擬合值與實際值擬合程度的優劣。

1.2　確定IOWGA算子組合預測值

(2)

其中,a-index(it)是第i個大的預測精度的下標，W=(W1,W2,…,Wm)T為各單項預測方法在組合預測中的IOWGA 算子的加權向量。顯然，新的組合預測的賦權系數與單項預測方法在各時點上的預測精度大小密切相關，預測精度高就優先賦大一點的權系數。

1.3　建立基于IOWGA 算子的組合預測模型

(3)

(4)

1.4　基于IOWGA 算子的組合預測模型的預測

(5)

在模型應用方面，趙學敏[7]構建了基于IOWGA算子的城市生活需水組合預測模型,將灰色GM(1，1)模型、自回歸AR(p)模型及多元逐步回歸分析模型予以組合,并證明了該模型預測精度優于各單一預測模型。顏筱紅[8]利用IOWGA 算子集成GM(1，1)預測模型、曲線趨勢外推預測模型、三次指數平滑預測模型3種模型在各時點上的預測信息建立了能源消費組合預測模型。陳啟明[9]建立了基于IOWGA算子的公路客運量的組合預測模型，驗證了IOWGA算子組合預測方法相對于單一預測方法的優越性。盡管IOWGA算子組合預測方法具有比傳統預測方法更精確、更穩定的預測結果，但基本尚未應用在海洋經濟預測領域。本文擬在海洋經濟領域引入IOWGA算子的組合預測模型，選取海洋戰略性新興產業——海洋生物醫藥產業為例，對海洋生物醫藥業增加值建立動態組合預測模型。

2中國海洋生物醫藥業增加值預測實證研究

下文將對中國海洋生物醫藥業增加值建立指數平滑模型、ARIMA 模型及多元回歸模型3種模型，并在此基礎上進行組合預測實證研究[10-14]。其中，建模數據來源于中國海洋統計年鑒(2002—2014年)及核算相關數據資料。圖1描述了中國海洋生物醫藥業增加值走勢(2001—2014年)。

數據來源：海洋生產總值核算數據。

2.1　單項預測模型

at=αyt+(1-α) (at-1+bt-1)，bt=β(at-at-1)+(1-β) bt-1

(6)

其中α、β取值在[0，1]之間，稱為阻尼因子。預測值就可以由下式計算：

(7)

利用2001-2013年海洋生物醫藥業增加值數據，利用Eviews軟件建立Holt—Winters無季節性模型，得到α、β值分別為1、0.57。通過指數平滑模型得到2003—2014年中國海洋生物醫藥業增加值(見表1)。

ΔdYt=c+α1ΔdYt-1+…+αpΔdYt-p+εt+β1εt-1+…+βqεt-q

(8)

上述模型稱為ARIMA(p，d，q)模型，其中，Yt是d階單整序列，由一個自回歸模型AR(p)和一個移動平均模型MA(q)組成，p為模型的自回歸項數，q為模型的移動平均項數。其中，Yt是自回歸移動平均序列，c為常數，α1…αp表示自回歸系數，β1…βq表示移動平均系數，εt是相互獨立的白噪聲序列。

根據上述建模過程，利用2001—2014年數據，對中國海洋生物醫藥業增加值序列建立ARIMA(0，2，2)模型，方程估計結果如下：

(9)

采用建立的ARIMA模型并通過靜態預測法，可得到2003—2014年中國海洋生物醫藥業增加值(見表1)。

(3)多元回歸模型。多元回歸模型的基本表達式如下：

y=b0+b1x1+b2x2+…+bnxn+εt

(10)

其中，y為因變量，x為自變量，b0,b1,…,bn為待估計參數。最常見的參數估計方法為最小二乘估計法。多元回歸模型包括線性回歸及非線性回歸，有多種變形，其中自變量可取對數、指數、冪指數等多種形式。

（2）對于手工滴定分析與色譜分析存在的差距，從化學滴定分析的局限性進行分析和討論，手工滴定的分析原理為：

(11)

采用多元回歸模型得到2003—2014年中國海洋生物醫藥業增加值(見表1)。

2.2　基于IOWGA算子的組合預測模型

按式(2)對上表計算IOWGA組合預測值，以t=1，2簡要說明計算過程，當t=1時：

=IOWGA(<0.9985,16.49>,<0.7791,20.11>,<0.7540,20.52>)

=16.49w1×20.11w2×20.52w3

當t=2時：

=IOWGA(<0.9821,19.29>,<0.9496,19.90>,<0.8600,21.60>)

=19.29w1×19.90w2×21.60w3

表1　各種單項預測方法、預測精度及預測值二維數組

同理可得t=3,…，11的IOWGA組合預測值，根據公式(3)～(4)，可得如下最優化組合預測模型：

minF(w1,w2,w3)=0.0086×w1×w1+

0.1500×w2×w2+0.5726×w3×w3-

0.0196×w1×w2-0.0996×w1×w3+

0.3997×w2×w3

由上述組合模型知，t時刻預測精度排名第二的單項預測法對應的權系數取值零，說明該時刻對應的單項預測方法冗余，這和傳統的組合預測方法的權系數的計算有很大的不同。

2.3　組合預測模型的評價及預測

一般模型比較方法有絕對數值比較和相對數值比較，其中均方根誤差和平均絕對誤差屬于絕對數值比較，而平均絕對百分比誤差和希爾不等系數屬于相對數值比較[4,15]。由于均方根誤差的應用原理與平均絕對誤差基本一致，選一種即可，因此最終選擇平均絕對百分誤差、希爾不等系數和均方誤差。一般認為平均絕對百分比誤差(MAPE)的值低于5%，則預測精度很高；希爾不等系數(TheilIC)的值介于0～1之間，且值越小，模型的精度越高。其中，

平均絕對百分比誤差：

希爾不等系數：

選取2003—2014年中國海洋生物醫藥業增加值單項模型預測及組合模型預測數據計算預測誤差，從而進行模型評價，結果見表2及表3。

表2　各個預測模型評價結果

表3　基于IOWGA算子的組合預測模型結果及評價

從表2中結果可知，多元回歸模型的MAPE值、RMSE值和TheilIC值較其他單項模型都小，且組合預測模型的MAPE值、RMSE值和TheilIC值均小于所有單個預測模型，同時也小于簡單幾何加權組合預測模型。由此可見，組合預測模型比單項預測模型的精度要高，同時比傳統簡單幾何加權平均組合預測精度高，從而表明基于IOWGA算子的海洋生物醫藥業增加值組合預測模型具有效性和優越性，是優性組合模型。從表3中結果可知，基于IOWGA算子的組合模型具有很強的預測性，所有年份的相對誤差均在5%以內。此外，由圖2可看出，所有預測方法中，基于IOWGA算子的組合模型預測值曲線與實際值曲線最為接近。

從前面的分析可得知，如果所選取模型的信息具有很強的互補性，那么模型的預測誤差將會更大幅度地降低，因此單項預測模型的選取在組合預測模型中是非常重要的。

圖2　2003—2014年海洋生物醫藥業增加值

3“十三五”時期海洋生物醫藥業預測及分析

當前，海洋生物產業處于起步向全面產業化發展的關鍵時期，隨著國家對海洋生物醫藥業政策扶持和投入力度的逐步加大，海洋生物醫藥業發展正行駛入快車道。在這一背景下，多家公司爭先布局海洋生物產業，A股市場上，澳柯瑪、山大華特等公司已經介入海洋生物醫藥業，領域涵蓋海洋植物提取、海洋生物醫藥產品等。預計“十三五”期間，海洋生物醫藥業將繼續保持較快發展態勢，成為藍色經濟新的增長點。

根據上述單項模型及組合預測模型，對2015—2020年海洋生物醫藥業增加值進行實證預測。其中，為了預測2015—2020年海洋生物醫藥業增加值，需要對回歸模型中自變量進行預測，對于海洋生物醫藥資本變量預測采用ARIMA(1，1，1)模型預測，海洋生物醫藥業涉海就業人員采用指數平滑法預測，結果見表4。

表4　“十三五”時期海洋生物醫藥業預測值　單位：億元

由表4可知，預計到2020年，中國海洋生物醫藥業增加值將達到559億元，“十三五”期間海洋生物醫藥業增加值的增速將達到14.6%(現價)。在國民經濟新常態大背景下，隨著中國海洋強國及海上絲綢之路戰略的實施，經濟體制改革和創新驅動的推進，以及國家和地方政府政策的大力支持，“十三五”期間中國海洋經濟將逐步進入轉型期，經濟增長轉入中高速、結構優化、效益提高、民生改善。海洋生物醫藥固定資產投資屬于產業發展前期投入，由上文建立的多元回歸模型的估計結果公式(11)可知，海洋資本的產出彈性為0.84，勞動力產出彈性為0.16，可見海洋生物醫藥業是資本密集型產業，符合海洋新興產業發展特征，明顯區別于傳統海洋產業過分依賴于勞動力投入的發展模式。因此可以預期，作為海洋戰略性新興產業，“十三五”期間海洋生物醫藥業將順應國內外經濟形勢變化，增速將放緩，且低于“十二五”期間海洋生物醫藥業的增速27.5%(現價)。

4政策建議

4.1　加大產業發展資金支持力度

海洋生物醫藥業是資本技術密集型產業，具有高投入、高風險、高回報特點，因此加大資金支持力度是保證產業持續健康發展的重要前提。總體來看，中國海洋藥物研究與開發起步較晚，目前仍處于孕育期，各級政府應從政策和資金方面扶持產業的發展，加大財政投入，拓展支持產業發展的財政支持渠道。同時，設立重大專項，提供資金保障；建立海洋生物醫藥技術成果轉化、產業化專項資金，以及中小企業創業風險投資引導基金，拓展融資渠道，采取傾向性政策措施鼓勵社會資金進入海洋生物醫藥業；對海洋生物醫藥產業發展實施政府支持、資金進入、轉讓退出的運營模式，推動產業發展的市場化運作。

4.2　建立并逐步形成完善的產業發展投融資機制

在國家和地方政府加大資金投入的基礎上，國家和地方應出臺積極的投融資政策和制度，引導金融機構完善信貸擔保體系，支持海洋生物醫藥產業發展；引導社會資金投向生物產業，鼓勵設立產業投資基金；積極支持符合條件的中小海洋生物醫藥企業在中小企業板和創業板和境外上市籌資，拓寬渠道，吸引風險投資；構建具有中國特色的由基礎研究與技術開發到工程化、產業化發展的良性的海洋生物醫藥產業發展的投融資機制和體系，使其盡快由分散式、自發式、低水平重復的現狀轉變成為有計劃、有組織、高起點的國家行為，提高中國海洋生物醫藥研究自主創新能力和產業發展的整體水平。

4.3　促進企業的聯盟整合，培植大型海洋生物醫藥企業

按照“區別分類、突出重點、產能提升、強化特色、培植優勢”的原則，在海洋生物醫藥產業基礎雄厚、基礎研究和技術開發優勢顯著、發展潛質和勢頭良好的區域，通過政策引導、資金扶持，以海洋藥物、海洋中藥、基因工程藥物、海洋功能食品、海洋生物醫用材料等產業為重點，推動本區域內同類海洋生物醫藥企業的整合，形成大型海洋生物醫藥企業，示范帶動整個產業的發展。

4.4　加強海洋生物醫藥專業技術人才培養和引進力度

從長遠來看，隨著中國海洋經濟產業結構的優化與產業轉型升級，海洋專業技術人才是高技術產業發展的基石，是產業可持續發展的重要動力。因此，一方面要加強海洋生物醫藥專業技術人才的培養，利用高校、科研院所、企業的人才資源，制定人才培養和激勵機制，有計劃、有步驟、有目的地培養專業人才，加速海洋生物醫藥技術成果轉化和產業化人才隊伍建設；另一方面要加強高層次的研發技術人員的引進，招賢納士的同時，更好地吸收國外先進技術。

4.5　建設國際一流的海洋生物醫藥研發創新平臺和產業化支撐平臺

以海洋生物醫藥產業發展的優勢區域(青島、上海、廈門、廣州)為中心，以基礎設施條件良好、研究隊伍高度集中、研究特色優勢顯著的科研院所為依托，以政府宏觀規劃和政策引導為導向，充分發揮市場配置資源基礎性作用，鼓勵企業參與，改造或新建形成若干具有較大規模、多學科融合、創新能力強、開放運行的國家級海洋生物醫藥研究開發中心、工程技術研究中心和公共信息與服務平臺，提高原始創新能力，促進科研成果的工程化與系統集成能力的大幅提升，并以此促進高層次人才、研發資金和高新技術向產業園區集聚，形成從基礎研究、技術開發、產業化到規模化發展的海洋生物醫藥產業鏈體系和生物醫藥產業集群，以引領中國海洋生物醫藥產業的發展。

參考文獻：

[1]BATES J M,GRANGER C W J.The combination of forecasts[J].Operational research quarterly,1969，20(4):451-468.

[2]YAGER R R.Induced ordered weighted averaging operators[J].IEEE transactions on systems,man，and cybernetics，part B，1999，29(2):141-150.

[3]YAGER R R.Using fuzzy methods to model nearest neighbor rules[J].IEEE transactions on systems，man and cybernetics，part B，2002，32(4): 512-525.

[4]陳華友,盛昭瀚.一類基于IOWGA算子的組合預測新方法[J].管理工程學報,2005,19(4):36-39.

[5]陳華友.組合預測方法有效性理論及其應用[M].北京;科學出版社,2008.

[6]陳啟明,陳華友.基于IOWGA 算子的最優組合預測模型及應用[J].統計與決策,2012(3):88-90.

[7]趙學敏.用IOWGA算子組合預測城市生活需水量的研究[J].水電能源科學,2010,01:35-37,113.

[8]顏筱紅.基于IOWGA算子的能源消費組合預測模型[J].西南民族大學學報(自然科學版),2011(04):543-547.

[9]陳啟明,陳華友.基于IOWGA算子的最優組合預測模型及應用[J].統計與決策,2012(03):88-91.

[10]楊桂元,唐小我,馬永開.最優加權幾何平均組合預測方法研究[J].統計研究,1996(2):55-58.

[11]陳華友.組合預測權系數確定的一種合作對策方法[J].預測,2003,22(1):75-77.

[12]盧奇,顧培亮,等.組合預測模型在中國能源消費系統中的建構及應用[J].系統工程理論與實踐,2003,23(3):24-30.

[13]盧二坡.組合模型在中國能源需求預測中的應用[J].數理統計與管理,2006,25(5):505-511.

[14]張玉強,寧凌,王桂花.中國海洋戰略性新興產業培育模型與應用研究——以廣東為實證[J].中國科技論壇,2014(2):46-51.

[15]丁晨芳.組合模型分析方法在中國糧食產量預測中的應用[J].農業現代化研究,2007(1):101-103.

(責任編輯沈蓉)

Development Trend of China’s Marine Biomedicine Industry

Zheng Li，Cai Dahao

(National Marine Data & Information Service，Tianjin，300171,China)

Abstract：China’s marine biomedicine industry has developed rapidly in recent years.Firstly，the paper respectively makes use of exponential smoothing model，ARIMA model and multiple regression model to construct models of added value of China’s marine biomedicine industry.Secondly，by introducing the concept of induced ordered weighted geometric averaging operator，it constructs the combination forecasting model of added value of marine biomedicine industry.The empirical results show that the combination forecasting model can effectively improves the prediction accuracy.Finally，it predicts the development trend of China’s marine biomedicine industry during the 13th Five-Year Plan period by using the above combination forecasting model and then gives the corresponding policy recommendations.

Key words:Marine biomedicine industry；IOWGA operator；Combination forecasting

中圖分類號:F062.9

文獻標識碼:A

作者簡介：鄭莉(1987-)，女，湖北黃岡人，國家海洋信息中心助理研究員；研究方向：海洋經濟統計與預測。

收稿日期:2015-04-15