2011-01-19 09:10 来源：樊重俊 张小红
摘要：国际贸易是世界各国经济、政治、文化交流的重要纽带,是一个复杂时变的非线性系统。科学地分析与预测是作出正确的国际贸易决策的前提。对国际贸易非线性定量分析与预测方法的研究与应用现状进行评述,并讨论我国近年来的发展情况,以期为该方面的研究与应用者提供参考。
关键词：国际贸易;非线性经济学;经济预测;数据分析;评述
国际贸易是世界各国经济、政治、文化交流的重要纽带,通过它可以扩大相互作用,促进相互的经济合作,改善国际环境,为本国的经济发展创造良好的外部条件。
国际贸易是一个复杂时变非线性系统。对国际贸易问题的分析与预测是建立良性经贸环境的前提。国际贸易不仅受到一国(或地区)的经济条件、自然条件、贸易政策等国内因素影响,还受到国际市场需求、全球经济增长等国际因素影响,且各影响因素相互之间存在非线性关系。对进出口贸易数据分析与预测,其实质就是建立适当的数学模型并进行应用。研究表明,各个国家的外贸环境复杂多变,导致在原来数据结构之上建立的简单线性模型失真,这给进出口贸易的分析与预测带来了很多困难。如何建立能很好拟合该数据特征的非线性模型,是一种积极的探讨,近年来日益受到国际贸易领域研究与应用者的重视。改革开放20多年来,我国外经贸事业发生了巨大变化。特别是加入世界贸易组织后,我国对外开放进入了新的阶段,我国已经成为世界第三大贸易国。关于我国外贸的准确分析与预测对于促进经济的平稳、持续增长,制定有效的外贸政策具有重要意义。本文介绍了目前用于国际贸易分析与预测的一些方法,以期供相关学者与实际工作者借鉴。
一、国际贸易的非线性特性分析
奴隶社会国际贸易的发展是与暴力掠夺、海上抢劫、贩卖奴隶密切联系在一起的。受自然经济的制约,国际贸易在奴隶社会经济中的地位并不重要。封建社会的国际贸易虽然较奴隶社会有了进一步发展,但由于占主导地位的仍然是自给自足的自然经济,因而贸易的规模和范围还是很有限的。国际贸易真正获得巨大的发展,出现在资本主义生产形成和发展时期。从16世纪至第一次世界大战,国际贸易发展迅速。全世界经历过一次由国际贸易带动的全球化浪潮,各国之间的经济联系因国际贸易的快速增加而大大加强[1]。许多国家对外交往范围之广、程度之深,如果以出口占GDP的比重来衡量的话,现在仍有一些国家(如日本等国)的国际化程度不能达到当时的水平。第二次世界大战后结束初期到1973年,是国际贸易迅速发展阶段。这一阶段国际贸易增长速度之快在历史上是空前的。这主要是因为:(1)战后发达资本主义国家经济的迅速恢复和发展;(2)国际分工和生产国际化的深入和扩大;(3)跨国公司的发展;(4)国际金融贸易组织的建立和经济一体化;(5)关税与贸易总协定的作用。从1973年到1985年,由于经济危机、能源危机、货币制度危机、农业危机的爆发,导致国际贸易由迅速发展转向缓慢发展,甚至停滞的阶段。20世纪80年代后半期至今,是国际贸易发展速度总体回升的阶段。近几十年涌动着又一波全球化浪潮,呈现出两个新的特征:中间产品贸易的大幅度增长(当然也是国际贸易的大幅度增长)和FDI流动的快速增加。以发达国家为例,过去20年,美国出口占GDP的比重大约翻了一番;OECD国家,即使略去集团内贸易不计,出口占GDP的比重也大致增长了一倍。与GDP相比,国际贸易出现了更快速度的非线性式增长。不管是从国际贸易的发展史,还是从各个国家的发展情况来看,国际贸易从宏观上看,均呈非线性发展的显著特点。
此处着重评述一下在微观上我国学者对非线性特征的认知与分析所做的研究与探讨工作。
黄梦桥和王涛生(2005)[2]结合使用相关维数和最大Lyapunov指数方法,采用我国进出口贸易的月度数据序列作为样本,说明了国际贸易市场具有非线性和低维混沌特征。
湛垦华、张永安和冯宗宪(1997)[3]应用自组织理论与方法,对国际市场演变的非线性机制作了较系统的分析,从新的视角阐述了国际市场演变的一般规律及特点。他们认为从自组织理论看,国际市场作为一个远离平衡的、开放的非线性系统,在国际政治、地缘关系、自然资源、人口分布等构成的国际经贸市场的势场背景下,是以一定的基核为始点,在不断涨落的外界环境影响下,以不同的演化方式,组成有特定功能的系统。
祝宝江(2006)[4]把国际贸易信用系统置于耗散结构状态下进行了研究。说明在耗散结构状态下的国际贸易信用系统不停地与经济社会系统通过实物信用和货币信用在内外环境之间进行着物质、能量、信息的交换与流通。系统耗掉了一定的能量,具有微小涨落和非线性动力过程,从而使多基元、多组分、多层次的国际贸易信用非线性流动,使系统各要素之间产生协调动作和相干效应。
二、国际贸易的非线性模型与方法
关于国际贸易非线性复杂系统的分析预测的模型与方法目前国内外都有诸多探讨,并取得了一定效果。下面按方法分类进行评述。
(一) 神经网络模型
神经网络是目前应用广泛的非线性建模与预测方法,它具有较强的非线性映射功能,具鲁棒性(robust)和容错性,在股市预测、证券预测、GDP预测、财务报警等经济领域内皆有应用。各个领域的研究与应用结果说明,经过恰当的结构设置与模型学习,神经网络预测精度可优于其他传统预测方法。
神经网络模型在国际贸易问题的分析与预测方面也已有一些结果。李小红(2007)[5]将BP神经网络应用于重庆外贸出口额的预测,建立起预测模型并进行实证预测。结果表明,所建立的预测模型具有较高的预测精度,可以作为相关部门制定出口贸易发展目标的参考依据。杨卫和平瑛(2005)[6]利用BP神经网络建立水产品贸易模型,选取1999年至2003年中国主要出口伙伴国的GDP值、我国水产品总量、出口水产品平均价格、进口水产品平均价格,以其作为参数来考察它们与衡量出口的几个主要指标: 出口总量、出口总额、各出口方式所占数量及总额等之间的关系。结果表明,利用BP神经网络预测模型可以比较精确地预测水产品贸易情况,但也有些不足,如收敛不够快,有时会受局部平坦或局部最小的影响。可考虑结合遗传算法或其它一些全局收敛速度快的算法,来进一步提高精确度。
近期更多的研究侧重于考虑采用神经网络和其他方法的结合,通过建立混合模型来提高预测精度。张一、徐山鹰和汪寿阳(2003)[7]分析了协整技术及在此基础上建立的误差校正模型在预测中的应用。结合神经元网络的特点,他们提出了一个基于神经元网络的非线性误差纠正预测模型,选取了出口、外汇储备和外国直接投资数据,建立了两个在不同数据基础上的出口预测模型,并对模型的结果进行比较分析,证实两个模型反映了中国近几年出口的变化,都是比较可信的,并对两个模型的结果取平均值作为2003年全年中国外贸出口最终的预测结果,预测了中国2003年出口贸易的大体情况。傅晓旗和谢雯(2005)[8]运用协整分析方法和误差校正模型及非线性BP神经元算法,采用进口、出口、外汇储备、汇率等数据建立经济计量模型,对2006年我国进出口进行预测。
Lean YU、Shouyang WANG和Kin Keung LAI (2008)[9]提出了一种新颖的非线性集成学习方法,在神经网络基础上建立了基于神经网络的非线性误差纠正预测模型(EC-VAR),合理地运用计量经济学方法、整合技术和人工智能(AI)方法,对中国的进出口贸易进行预测。
众所周知,目前最常用的BP神经网络模型误差反向传播神经网络中存在诸多有待解决的问题:参数较多,并且部分参数要凭经验主观确定;模型极难建立,需要经过反复多次训练和实验;模型拟合精度与泛化能力矛盾问题,也就是说,可能会对训练样本集“过度匹配”达到较高的拟合效果,而对于新的输入样本却可能产生与目标值差别较大的输出。各个专家都在如何改进这些问题做积极探讨。向剑伟(2007)[10]在相空间重构的非线性思想基础上,采用贝叶斯正则化方法,建立一个时滞BP神经网络模型,提高了BP网络的泛化能力。他将该模型应用于某电子行业进出口贸易非线性时间序列预测中,结果说明改进的模型具有较好的泛化能力,较准确地拟合了进出口贸易发展的历史以及趋势。
(二) 贝叶斯方法
贝叶斯方法源于英国学者贝叶斯于1763年在皇家学会学报上发表的论文《论机会学说中一个问题的求解》(An Essay Towards Solving a Problem in the Doctrine of Chances)。20世纪50年代后,随着统计理论及方法的应用范围扩大,贝叶斯理论也受到了欢迎,并迅速发展。贝叶斯基本思想是,将人们的经验知识作为先验信息和采集到的样本信息一起结合到实际模型中,即利用先验信息、样本信息来进行预测。
Bayes方法应用广泛,严格地说并不能归为非线性方法,但鉴于其灵活选择先验分布的技术,对处理复杂经济问题有其独特优势,所以本文也把他作为处理国际贸易问题的工具之一来给于评述与推荐。此处主要给出几个非线性模型的Bayes分析方法。
Jiang Weijin和Xu Yuhui(2006)[11]在相空间重构思想下,提出了一种时滞BP神经网络模型,并通过贝叶斯正规化方法,提高了泛化能力,效果良好。祝树金和赖明勇(2005)[12]针对非线性时间序列预测,根据相空间重构的非线性预报思想,利用G-P算法计算饱和嵌入维,即输入层节点数,同时结合贝叶斯正则化方法确定隐层节点数,并提高网络的泛化能力,建立了一类时滞的BP神经网络预报模型(TDBPNN)。该模型选择了中国1989年1月至2003年6月进出口贸易的月度数据作为训练样本,进行归一化处理,采用多步预测法,不仅能够有效地拟合实际数据,而且可以合理地预测实际序列的发展趋势。前文也提及到向剑伟(2006)[10]采用贝叶斯正则化方法,建立一类新的时滞神经网络(TDBP)预测模型,选取了一电子外贸企业1989年1月至2003年6月进出口贸易月度数据作为学习样本,运用多步预测方法预测了该企业2004年进出口贸易发展趋势。数据结果表明精度较好,能很好地跟踪原时间序列,具有比现有同类方法更快的响应性能,迭代次数减小,具有较强的鲁棒性和泛化能力。
(三) 灰色系统理论
灰色系统是指元素(参数)信息不完全、结构信息不完全、关系信息不完全、运行的行为信息不完全的系统。灰色系统理论即灰色系统所做的预测的一种理论框架,它是由我国著名控制专家邓聚龙教授于20世纪80年代首先提出的。灰色系统理论是一种新的建模方法,它可以克服线性回归模型的不足之处,对数据量的要求比较低,并且计算简单,建模精度高,被广泛应用于各种分析与预测领域。
在国际贸易方面,一些学者运用灰色系统理论,对进出口额进行分析,预测进出口贸易的发展趋势。邹晶和姜志新(2004)[13]建立了基开GM(1,1)的灰色预测模型,选取中国2001年10月份到2003年5月份的外贸出口额作为样本数据进行预测计算。通过对模型进行应用,将预测值与实际的外贸出口数值进行比较,发现误差较小,模型基本符合要求。李苏(2008)[14]采集了我国1990年至2004年的进出口总额,对原始数据经累加生成,经过光滑性、准指数规律性检验后,建立GM(1,1)的灰色预测模型,预测了2010、2015、2020年我国的进出口贸易总额。综合分析,预测结果比较符合我国进出口贸易总额的实际发展趋势。
(四) 支持向量机
支持向量机(Support Vector Machines,SVM)是上世纪90年代中期提出的一种机器学习算法,由于它具有自学习、自调整模型的特点,能对各种混沌系统产生较好的预测效果,使之成为当前机器学习界的研究热点。目前支持向量回归模型已应用在金融时间序列预测、产品需求和销售预测、电力负荷预测和故障诊断等方面,获得较好效果。
有学者运用支持向量机方法,对进出口数据进行了分析。肖智和陈婷婷(2006)[15]针对SVM以重庆市外贸出口信息为例,运用SVM方法对重庆摩托车出口进行了实证研究,建立了时序预测模型对其出口总量和发展趋势做出了较为精确的预测。数据结果显示,SVM方法在外贸进出口信息分析预测中的运用是可行的,而且SVM模型对样本量小、波动性强的外贸出口时序具有较高的预测精度,尤其是对其发展趋势的预测,模型具有较高的拟合度。
(五) 协整分析、向量自回归和误差校正模型
基于协整关系的误差校正(VEC)模型是一个含有协整约束的向量自回归(VAR)模型,被认为是一种精度较高的动态经济预测模型。该模型在宏观经济领域中得到日益广泛的应用,尤其是在货币需求、消费、投资、进出口方面取得了良好的效果。将神经网络等非线性方法与该模型结合,建立一种非线性混合预测模型,应用于进出口贸易,能得到更精确的预测结果。
协整分析方法的系统提出和介绍归功于Engle和Granger(1987)。该方法的基础思想是:如果两个或以上的变量的值呈现非平稳性,但它们的某种线性组合却呈现平稳性,表明变量之间存在某种长期稳定关系,即协整关系。如果非平稳的变量之间存在协整关系,必然可以建立一个误差校正模型。
在国际贸易中,很多学者利用了协整分析方法和误差校正模型,对我国进出口进行预测。徐山鹰和汪寿阳(2006)[8]通过对2005年我国对外贸易形势和2006年国内外宏观经济环境的分析,采用1994年1月份到2005年11月份的月度数据,建立了误差较正模型,并使用BP神经元网络方法进行非线性误差较正,对2006年我国进出口进行预测。程桂云(2007)[16]选取国内生产总值(GDP)、出口额(EX)、进口额(IM)三个变量作为研究对象,选取辽宁省1979-2004年的年度数据作为样本区间,对各变量数据取对数,然后对LNGDP、LNEX、LNIM三个变量进行平稳性检验和协整检验,建立向量误差修正模型(VECM),最后对各变量进行GRANGER因果性检验,对辽宁省的对外贸易与经济增长之间的长短期关系进行了实证分析的检验。菲和马超群(2008)[17]根据1999年1月到2006年6月的月度出口贸易额数据,建立了一种基于BP神经网络和误差校正向量自回归模型的非线性混合预测模型。〖JP+1〗结果显示,该模型能够反映经济系统中各变量的长期均衡关系,同时非线性的协整变量能够反映出经济系统其他变量的短期波动对预测变量的影响,适合于经济变量的预测。
三、结束语
对国际贸易非线性经济系统的分析、研究与应用,目前已有一些成果,并在不断地完善与发展中。国际贸易的定量分析与预测问题极其复杂,影响因素众多,不可能建立一种完全统一的模型,应该根据不同的目的,不同的数据特征,应用多种分析方法,去选取、建立合适的模型。而且应该及时根据影响国际贸易的因素的变化来检验模型,不断改进和完善模型及方法,提高分析、评估和预测的效果,为我国相关部门提供正确的决策依据。
参考文献:
[1]王怀民.关税减让、垂直专业化与国际贸易的非线性增长. 青海社会科学,2006(2):30-32.
[2]黄梦桥,王涛生.国际贸易系统中的分数维和最大Lyapunov指数[J].经济数学,2005,22(3):301-306.
[3]湛垦华,张永安,冯宗宪.国际市场演变的非线性机制分析[J]. 西安交通大学学报,1997,31 (增刊1):5-9.
[4]祝宝江.耗散结构下国际贸易信用的非线性流动[J]. 国际贸易问题,2006(2): 34-39.
[5]李小红.基于BP神经网络的重庆市外贸出口预测研究[J]. 商场现代化,2007(3):214-215.
[6]杨卫,平瑛.基于BP模型的中国水产品出口规模预测研究[J]. 中国渔业经济,2005(4):25-29.
[7]张一,徐山鹰,汪寿阳.一类基于神经元网络的误差纠正模型的应用——2003年度中国出口预测[J]. 预测,2003,22(3):21-26.
[8]傅晓旗,谢雯,徐山鹰,汪寿阳.2006年中国进出口预测与分析[J]. 管理评论,2006,18(1): 22-25.
[9]Lean YU,Shouyang WANG and Kin Keung Lai. Forecasting China’s Foreign Trade Volume with a Kernel-based Hybrid Econometric-AI Eensemble Learning Approach[J]. Jrl Syst Sci & Complexity ,2008 (21):1-19.
[10]向剑伟.一种新的时滞神经网络非线性时间序列预测方法[J]. 现代电子技术,2007(4):118-119.
[11]Jiang Weijin and Xu Yuhui. A novel method for nonlinear time series forecasting of time-delay neural network[J]. Wuhan University Journal of Natural Sciences,2006,11(5):1357-1361.
[12]祝树金,赖明勇.基于贝叶斯正则化的TDBPNN模型的中国外贸预报中的应用用评估[J]. 中国管理科学,2005,13(1): 1-8.
[13] 邹晶,姜志新.基于GM(1.1)的灰色系统模型在我国外贸出口预测中的应用[J]. 国际贸易问题,2004(2):27-29.
[14]李苏.基于灰色系统模型的我国进出口贸易总额发展趋势预测[J]. 商业研究,2008(3):113-115.
[15]肖智,陈婷婷.基于支持向量机的外贸出口预测[J]. 科技管理研究,2006(7):231-234.
[16]程桂云.对外贸易与经济增长:基于辽宁省的实证分析和检验[J]. 国际贸易问题,2007(2):62-66.
[17]王菲菲,马超群.区域出口贸易非线性混合预测模型及其实证[J]. 统计与决策,2008(1):46-48.
[18]樊重俊,张尧庭.多元自回归模型的Bayes分析方法[J]. 工程数学学报,1991(1):143-148.
[19]樊重俊,王浣尘.一种非线性相关性推断方法及其应用[J]. 上海交通大学学报,1998(3):70-73.
[20]樊重俊,韩崇昭,胡保生.时间序列神经网络预测模型[J]. 统计与信息论坛,1996(3):41-44.
