強(qiáng)朦朦 沈滿洪,2

(1.浙江大學(xué) 經(jīng)濟(jì)學(xué)院, 杭州 310027；2.浙江農(nóng)林大學(xué) 經(jīng)濟(jì)管理學(xué)院, 杭州 311300)

隨著經(jīng)濟(jì)的增長和人均收入的提高，全球漁類產(chǎn)品的消費(fèi)量在不斷增加。根據(jù)糧農(nóng)組織的統(tǒng)計，全球人均漁類產(chǎn)品消費(fèi)量已經(jīng)從1961年的9.0 kg增加到2016年的20.5 kg，年均增長率約1.5%[1]。尤其對于欠發(fā)達(dá)國家，漁產(chǎn)品豐富的蛋白質(zhì)和微量元素在保障居民營養(yǎng)安全方面起著重要作用。然而，由于過度捕撈，全球漁業(yè)資源瀕臨衰退，眾多漁場消失。為實(shí)現(xiàn)漁業(yè)的可持續(xù)發(fā)展和滿足社會日益增長的漁類產(chǎn)品需求，全球眾多國家開始對漁業(yè)捕撈進(jìn)行管制，轉(zhuǎn)而大力鼓勵水產(chǎn)養(yǎng)殖。

相較于淡水養(yǎng)殖，海水養(yǎng)殖因其較高的經(jīng)濟(jì)價值，越來越受到關(guān)注。尤其在海洋強(qiáng)國戰(zhàn)略的背景下，我國政府開始大力扶持海水養(yǎng)殖業(yè)。我國已成為全球最大的海水養(yǎng)殖國家，紫菜、貝類養(yǎng)殖量均位居世界首位，年均養(yǎng)殖總量占到全球的60%左右。但海水養(yǎng)殖業(yè)卻是風(fēng)險巨大的行業(yè)，經(jīng)常面臨著天氣、污染、疾病、技術(shù)、管理等在內(nèi)的風(fēng)險。這些潛在的風(fēng)險不僅危害漁業(yè)生產(chǎn)的穩(wěn)定，而且容易造成嚴(yán)重的社會問題。一旦發(fā)生風(fēng)險，海水養(yǎng)殖戶將面臨巨額損失，因?yàn)?zāi)返貧和因?yàn)?zāi)致貧。因此，評估海水養(yǎng)殖業(yè)的生產(chǎn)風(fēng)險，進(jìn)而根據(jù)其特點(diǎn)進(jìn)行風(fēng)險管理是保障其健康發(fā)展的重中之重。

但在現(xiàn)有文獻(xiàn)中，尚不可見關(guān)于海水養(yǎng)殖業(yè)生產(chǎn)風(fēng)險定量測度的研究。最為相近的研究為Flaten等[2]針對挪威三文魚農(nóng)場價格、生產(chǎn)和回報風(fēng)險的分析，但他們的研究是以變異系數(shù)作為風(fēng)險測度指標(biāo)，嚴(yán)格意義上只能算波動，而不能算風(fēng)險分析?，F(xiàn)有文獻(xiàn)關(guān)注的重點(diǎn)主要是海水養(yǎng)殖業(yè)風(fēng)險因子的識別以及某一類風(fēng)險因子對海水養(yǎng)殖生產(chǎn)的影響。

第一個研究方向是海水養(yǎng)殖業(yè)風(fēng)險因子的識別。這類研究基于問卷調(diào)查的方式直接詢問養(yǎng)殖戶或企業(yè)對生產(chǎn)風(fēng)險的認(rèn)知。國外學(xué)者對挪威[3]、丹麥[4]、越南[5]、孟加拉國[6]、法國[7]以及泰國[8]海水養(yǎng)殖戶的風(fēng)險因子進(jìn)行調(diào)研。這些研究發(fā)現(xiàn)，海水養(yǎng)殖生產(chǎn)過程中面臨著缺氧、有害藻華、大腸桿菌、原油污染、疾病、生產(chǎn)率減少、低水位、熱浪、寒潮、溫度、鹽度、苗種質(zhì)量等將近40多種風(fēng)險因子，而控制成本、預(yù)防疾病、農(nóng)場管理、多樣化養(yǎng)殖被養(yǎng)殖戶認(rèn)為是最重要的風(fēng)險管理工具。

第二個研究方向是分析某一類風(fēng)險因子對海水養(yǎng)殖生產(chǎn)的影響。這類研究可以分為兩類視角：一是基于水產(chǎn)科學(xué)的分析視角，二是基于經(jīng)濟(jì)學(xué)的分析視角?；谒a(chǎn)科學(xué)視角的研究多是分析疾病、微生物、海水質(zhì)量對具體海水養(yǎng)殖品種生產(chǎn)的影響。比如說，針對白斑綜合征病毒、敗血癥風(fēng)險等的研究[9-10]?；诮?jīng)濟(jì)學(xué)分析視角的研究遵循Just等[11]的思路利用計量模型分析生產(chǎn)要素對海水養(yǎng)殖生產(chǎn)風(fēng)險的影響。這類研究的基本思路為：首先通過計量模型將生產(chǎn)方程分解為確定性和殘差兩個部分，其次再將殘差的平方作為風(fēng)險，再次利用計量方程分析投入要素對生產(chǎn)風(fēng)險的影響。比如，Asche等[12]基于這一思路分析了投入要素對挪威三文魚生產(chǎn)風(fēng)險的影響，發(fā)現(xiàn)勞動、資本以及原材料投入都將增加生產(chǎn)風(fēng)險。這類研究還可見其他學(xué)者的研究[13-15]。

總結(jié)來看，已有研究并沒有涉及海水養(yǎng)殖生產(chǎn)風(fēng)險的定量測度。第一類研究盡管描述了海水養(yǎng)殖的相應(yīng)風(fēng)險，但僅限于定性描述。第二類研究關(guān)注的是投入要素對海水養(yǎng)殖風(fēng)險的影響，而不是風(fēng)險本身。鑒于此，本研究利用參數(shù)分布擬合法，從不同層面評估了我國海水養(yǎng)殖業(yè)所面臨的生產(chǎn)風(fēng)險，并在此基礎(chǔ)上，基于系統(tǒng)聚類法，從期望單產(chǎn)損失的角度對我國海水養(yǎng)殖業(yè)生產(chǎn)進(jìn)行風(fēng)險分區(qū)，以期為海水養(yǎng)殖業(yè)的風(fēng)險管理提供有益的建議。需要強(qiáng)調(diào)的是，與農(nóng)業(yè)生產(chǎn)風(fēng)險評估與區(qū)劃的文獻(xiàn)相比[16-20]，一方面本研究借鑒水文領(lǐng)域的經(jīng)驗(yàn)，將Frechet(3P)，Person 5(3P)和Person 6(4P)分布引入，選擇了更大范圍的備選分布，提高了參數(shù)分布擬合的準(zhǔn)確性。另一方面，相較于以往文獻(xiàn)從總產(chǎn)量損失的視角進(jìn)行風(fēng)險區(qū)劃，本研究從單產(chǎn)損失的角度進(jìn)行風(fēng)險分區(qū)，更能體現(xiàn)損失的本質(zhì)，也更有助于指導(dǎo)海水養(yǎng)殖保險的實(shí)踐。

1 研究方法

1.1 研究區(qū)域與數(shù)據(jù)來源

我國是世界上最早進(jìn)行海水養(yǎng)殖的國家之一，早在漢代(公元前220—公元前206年)就有牡蠣養(yǎng)殖的記錄。根據(jù)世界糧農(nóng)組織的統(tǒng)計資料顯示，我國海水養(yǎng)殖總產(chǎn)量1955年僅10萬 t左右，到2017年已到達(dá)2 000萬 t。2008年，我國海水養(yǎng)殖產(chǎn)量占到國內(nèi)海水產(chǎn)品產(chǎn)量的51.6%，成為全球唯一海水養(yǎng)殖產(chǎn)量超過捕撈產(chǎn)量的國家。截至2017年，我國重要的海水養(yǎng)殖品種有40多種，可以分為魚類、甲殼類、貝類、藻類和其他類5種。2017年，貝類占到了71.83%，藻類11.14%，甲殼類8.15%，魚類7.09%，其他類僅1.79%?？梢哉f，我國海水養(yǎng)殖業(yè)的發(fā)展得益于貝類和藻類養(yǎng)殖的興起。

我國海水養(yǎng)殖的區(qū)域主要有天津、河北、遼寧、江蘇、上海、浙江、福建、山東、廣東、廣西和海南11個沿海省(市、自治區(qū))。但由于天津和上海市的養(yǎng)殖規(guī)模較小和相關(guān)統(tǒng)計數(shù)據(jù)不健全，本研究只評估其他9個省(自治區(qū))的風(fēng)險。需要說明的是，除海南省外，其他8個省(自治區(qū))均是以貝類和藻類為主。海南省是我國唯一以魚類和甲殼類海水養(yǎng)殖為主的省份。

數(shù)據(jù)的時間跨度為2000—2017年。之所以如此選擇有兩個原因：一是囿于數(shù)據(jù)的可得性。二是因?yàn)樵?000—2017我國海水養(yǎng)殖業(yè)已較為成熟，生產(chǎn)較為穩(wěn)定，因此測得的生產(chǎn)風(fēng)險比較符合當(dāng)前階段的特征。數(shù)據(jù)的具體來源為各年份的《中國漁業(yè)統(tǒng)計年鑒》[21]。

1.2 參數(shù)分布擬合

與已有文獻(xiàn)一致[16]，本研究將生產(chǎn)風(fēng)險定義為實(shí)際單產(chǎn)偏離期望單產(chǎn)的概率。生產(chǎn)風(fēng)險的定量評估方法有兩大類：參數(shù)法和非參數(shù)法[17-20]。參數(shù)法基于已有經(jīng)驗(yàn)，事先假定生產(chǎn)波動服從的分布，進(jìn)行擬合求解，而非參數(shù)法并不假定其服從的分布，往往采用核密度估計的方法求出其分布形式。兩種方法并沒有嚴(yán)格的優(yōu)劣，非參數(shù)法比較靈活，但在樣本較小時效果不如參數(shù)法，而且無法刻畫極端事件[22]。鑒于本研究的時間跨度內(nèi)樣本量并不大，選擇參數(shù)法進(jìn)行風(fēng)險評估。參數(shù)法主要遵循“單產(chǎn)趨勢—分布擬合—概率求解”3個步驟。

1.2.1單產(chǎn)趨勢

根據(jù)上述生產(chǎn)風(fēng)險的定義，首先需要分解海水養(yǎng)殖單產(chǎn)的趨勢值。在文獻(xiàn)中，常用的方法包括回歸方程法、自回歸移動平均、HP濾波法等[23-25]。因?yàn)楹ＫB(yǎng)殖單產(chǎn)趨勢并不一定與時間有關(guān)，本研究采用能夠處理復(fù)雜趨勢的HP濾波法。HP濾波法假設(shè)單產(chǎn)序列yt由趨勢項gt和波動項ct組成，通過最小化損失函數(shù)來求出趨勢項：

(1)

式中：λ是折算因子，式(1)中的第二項主要是用來調(diào)整趨勢項的平滑程度。由式(1)可得式(2)：

ct=λFgt

(2)

式中：F為一固定的T×T的常系數(shù)矩陣。通過聯(lián)立yt=gt+ct，可求出趨勢項為：

gt=(λF+I)-1yt

(3)

不同的λ值決定了不同的隨機(jī)波動方式和不同的平滑程度。當(dāng)λ=0時，gt=yt。當(dāng)λ趨于無窮大時，估計趨勢就會接近線性函數(shù)。根據(jù)經(jīng)驗(yàn)，當(dāng)使用年度數(shù)據(jù)時，最優(yōu)擬合效果的λ=100；當(dāng)使用季度數(shù)據(jù)時，λ=1 600；當(dāng)使用月度數(shù)據(jù)時，λ=14 400。本研究使用的是年度數(shù)據(jù)，因此取λ=100。

為比較不同省(自治區(qū))減產(chǎn)風(fēng)險的大小，借鑒已有文獻(xiàn)的做法[26-27]，構(gòu)造一個無量綱的單產(chǎn)波動的序列：

(4)

RSV為單產(chǎn)波動，yt為實(shí)際單產(chǎn)，gt為趨勢單產(chǎn)。該指標(biāo)代表波動單產(chǎn)對趨勢單產(chǎn)的偏離程度，指標(biāo)值為正，表示增產(chǎn)；若為負(fù)，則表示減產(chǎn)。

1.2.2分布擬合

風(fēng)險評估第二步是對單產(chǎn)波動進(jìn)行分布擬合，求出其概率密度函數(shù)。對于參數(shù)法，根據(jù)經(jīng)驗(yàn)，已有文獻(xiàn)歸納生產(chǎn)波動可能服從的主要分布包括：Normal，Lognormal(3P)，Logistic，Beta，Burr(4P)，Gamma(3P)，Weibull，Log-logistic(3P)和Johnson SB等[28-29]。因?yàn)楹ＫB(yǎng)殖產(chǎn)量波動很大程度是由自然災(zāi)害所造成，因此在上述分布的基礎(chǔ)上本研究增加了在自然災(zāi)害領(lǐng)域常用的Frechet(3P)，Person 5(3P)和Person 6(4P)分布。主要依據(jù)AD檢驗(yàn)對上述12個備選分布進(jìn)行選擇[30-32]：

(5)

式中：A2為AD統(tǒng)計量；F為待檢驗(yàn)分布的累計密度函數(shù)；xi為樣本值；n為樣本數(shù)目。AD統(tǒng)計量數(shù)值越小，分布擬合效果越好。因此，對上述12個備選分布進(jìn)行檢驗(yàn)結(jié)果排序后，取數(shù)值最小的作為最優(yōu)分布。

1.2.3概率求解

在利用參數(shù)法求得海水養(yǎng)殖單產(chǎn)波動的分布后，即可利用概率論知識進(jìn)行風(fēng)險的表達(dá)。借鑒已有文獻(xiàn)對生產(chǎn)風(fēng)險水平的劃分[16,33]，可以將減產(chǎn)區(qū)間劃分為4個層次：輕災(zāi)(減產(chǎn)5%～15%)、中災(zāi)(減產(chǎn)15%～25%)、重災(zāi)(減產(chǎn)25%～35%)和巨災(zāi)(減產(chǎn)>35%)。為衡量整體生產(chǎn)風(fēng)險，遵循重大減產(chǎn)權(quán)重更高的原則，對這4個減產(chǎn)區(qū)間的概率分別賦權(quán)重為10%、20%、30%和40%[16]，最后進(jìn)行加權(quán)求和得到風(fēng)險的均值，即風(fēng)險均值=40%×巨災(zāi)發(fā)生的概率+30%×重災(zāi)發(fā)生的概率+20%×中災(zāi)發(fā)生的概率+10%×輕災(zāi)發(fā)生的概率。之所以要賦予權(quán)重，是因?yàn)橄嗤l(fā)生概率下，不同減產(chǎn)區(qū)間的影響具有差異。巨災(zāi)和重災(zāi)的影響要明顯大于中災(zāi)和輕災(zāi)。

1.3 系統(tǒng)聚類法

本研究聚焦于單產(chǎn)損失風(fēng)險的區(qū)劃，如表1所示，風(fēng)險分區(qū)的指標(biāo)主要有4個：單產(chǎn)水平、減產(chǎn)的概率、單產(chǎn)的下行變異系數(shù)以及減產(chǎn)年份的比例。指標(biāo)值越大的省(自治區(qū))屬于單產(chǎn)損失的高風(fēng)險區(qū)。

表1 風(fēng)險分區(qū)指標(biāo)及計算方法Table 1 Risk partition indicators and calculation method

需要注意的是，本研究并沒有考慮養(yǎng)殖面積，這是因?yàn)樵趯?shí)踐中，政策補(bǔ)貼和保費(fèi)的計算都以單產(chǎn)為標(biāo)準(zhǔn)，單產(chǎn)期望損失的風(fēng)險區(qū)劃更有實(shí)踐指導(dǎo)意義。采用最常用的系統(tǒng)聚類法進(jìn)行風(fēng)險分區(qū)。系統(tǒng)聚類分析通常包括以下3個步驟：

第1步是將分類指標(biāo)進(jìn)行標(biāo)準(zhǔn)化。本研究選擇常見的z-score 標(biāo)準(zhǔn)化，公式為：

(6)

(7)

式中：i=1,2,…,m；j=1,2,…,n；m為省(自治區(qū))個數(shù)；n為分類指標(biāo)個數(shù)；Xij為第i個省(自治區(qū))，第j個指標(biāo)的值；E(Xj)為平均值；Sj為第j個因子的標(biāo)準(zhǔn)差。xij為標(biāo)準(zhǔn)化后的數(shù)據(jù)。

第2步是計算相似統(tǒng)計量。本研究以歐式距離的平方作為相似統(tǒng)計量，其計算公式為：

(8)

式中：xjk為第i個點(diǎn)，第k個指標(biāo)的值；xjk為第j個點(diǎn)，第k個指標(biāo)值。

第3步是完成分類。其主要步驟首先將每個樣本都看作1類，其次是通過歐氏距離將距離最近的2類合并為層次更高的1類。不斷重復(fù)這個過程就可以將所有的點(diǎn)并入一個大類。與大多數(shù)研究一致[34]，本研究將各省(自治區(qū))風(fēng)險層次劃分為3類：高風(fēng)險區(qū)、中風(fēng)險區(qū)和低風(fēng)險區(qū)。

2 結(jié)果與分析

2.1 海水養(yǎng)殖總生產(chǎn)風(fēng)險分析

這部分考慮海水養(yǎng)殖總生產(chǎn)風(fēng)險。圖1顯示了2000—2017年我國9個省(自治區(qū))海水養(yǎng)殖的單產(chǎn)水平。從趨勢上看，除遼寧、山東省外，其他省(自治區(qū))的海水養(yǎng)殖單產(chǎn)都在不斷提高。增長最快的省份是江蘇省，年均增長率為10.6%。廣西和福建省(自治區(qū))的單產(chǎn)水平較高，而河北、遼寧和江蘇省的單產(chǎn)水平較低。

圖1 2000—2017年9個省(自治區(qū))海水養(yǎng)殖單產(chǎn)Fig.1 Mariculture yield in nine provinces (autonomous regions) from 2000 to 2017

表2為利用HP濾波法得到的我國9個沿海省份(自治區(qū))海水養(yǎng)殖單產(chǎn)的波動。整體來看，單產(chǎn)的波動都是圍繞0值上下。從均值上來看，除了廣東和廣西壯族自治區(qū)(省)外，其他7個省份的單產(chǎn)波動均為負(fù)值，這表明單產(chǎn)損失的年份要多于增長的年份，減產(chǎn)經(jīng)常發(fā)生。從單產(chǎn)波動的最小值來看，各省(自治區(qū))最大損失幅度在5.2%～27.8%。從峰度來看，海南、廣東、廣西壯族自治區(qū)(省)等峰度值較大，河北、遼寧省較小。除福建省的峰度值接近3(正態(tài)分布的峰度值)外，其它省份(自治區(qū))差異較大，說明海水養(yǎng)殖單產(chǎn)波動不服從正態(tài)分布。

表2 各省(自治區(qū))海水養(yǎng)殖單產(chǎn)波動描述性統(tǒng)計Table 2 Descriptive statistics of mariculture yield fluctuations in different provinces and autonomous regions

為挑選海水養(yǎng)殖單產(chǎn)波動的最優(yōu)分布，對上述提到的12個備選分布的擬合效果進(jìn)行AD檢驗(yàn)。各個省(自治區(qū))單產(chǎn)波動最優(yōu)分布的形狀如圖2所示。這些分布呈現(xiàn)3種形狀。河北省是我國唯一的左偏分布省份，遼寧和海南的分布較為平緩，而江蘇、福建、廣東、山東和廣西壯族自治區(qū)(省)的分布呈尖峰型。一般情況下，平坦分布的減產(chǎn)概率大于尖峰分布的減產(chǎn)概率。主觀上，海南、河北、遼寧省減產(chǎn)概率較高，廣西和福建省(自治區(qū))減產(chǎn)概率較低。

圖2 各省(自治區(qū))海水養(yǎng)殖單產(chǎn)波動的最優(yōu)概率密度分布圖Fig.2 Optimal probability density function of mariculture yield fluctuations in provinces and autonomous regions

海水養(yǎng)殖總生產(chǎn)風(fēng)險評估的結(jié)果如表3所示。從結(jié)果上看，各省(自治區(qū))海水養(yǎng)殖業(yè)的生產(chǎn)風(fēng)險集中在減產(chǎn)5%～15%，發(fā)生較大損失的可能性比較小。但河北和海南兩個省份仍然有可能遭受較大損失。從風(fēng)險均值上看，遼寧省減產(chǎn)概率最高，而廣西和福建省(自治區(qū))減產(chǎn)概率最小。

表3 各省(自治區(qū))海水養(yǎng)殖總產(chǎn)量減產(chǎn)的概率Table 3 The probability of total yield reduction in different provinces and autonomous regions

如表5所示，系統(tǒng)聚類法的風(fēng)險分區(qū)結(jié)果表明，江蘇、遼寧和海南省為單產(chǎn)損失的高風(fēng)險區(qū)。江蘇和遼寧省的單產(chǎn)水平較低，但減產(chǎn)概率、下行變異系數(shù)和減產(chǎn)年份比例卻較大，海南省的4個分區(qū)指標(biāo)值得分都較高。遼寧省為中風(fēng)險區(qū)。其他省份為低風(fēng)險區(qū)。雖然廣西和福建省(自治區(qū))等的單產(chǎn)水平很高，但減產(chǎn)的可能性卻較小，單產(chǎn)的期望損失的風(fēng)險較低。

2.2 不同種類海水養(yǎng)殖的生產(chǎn)風(fēng)險分析

為更細(xì)化評估各省(自治區(qū))海水養(yǎng)殖的生產(chǎn)風(fēng)險，按照其品種的特征將其分為魚類、甲殼類、貝類和藻類4大類，對這4類養(yǎng)殖種類分別進(jìn)行生產(chǎn)風(fēng)險評估。因?yàn)楹颖焙蛷V西壯族自治區(qū)(省)沒有藻類海水養(yǎng)殖，因此，藻類風(fēng)險的評估只考慮其他7個省份。評估結(jié)果如表4所示。

首先，整體而言，4種養(yǎng)殖種類的減產(chǎn)風(fēng)險都要比總產(chǎn)出的減產(chǎn)風(fēng)險要高。四類養(yǎng)殖品種的風(fēng)險從大到小可以排序?yàn)椋呼~類>甲殼類>藻類>貝類。

其次，就減產(chǎn)區(qū)間而言，各個省(自治區(qū))除了貝類養(yǎng)殖極少可能發(fā)生較大減產(chǎn)風(fēng)險(>25%)，魚類、甲殼類和藻類都有很大概率出現(xiàn)。尤其是魚類，河北、遼寧和江蘇省魚類發(fā)生重大減產(chǎn)風(fēng)險的概率要比一般風(fēng)險要高。這意味著這些省(自治區(qū))的分布是“厚尾”的，風(fēng)險集中在尾部，一旦發(fā)生就可能是重大風(fēng)險。

最后，就魚類而言，江蘇省減產(chǎn)風(fēng)險最大，山東省最小；甲殼類而言，遼寧省減產(chǎn)風(fēng)險最大，廣東省最??；貝類而言，遼寧省減產(chǎn)風(fēng)險最大，福建省最?。辉孱惗?，江蘇省減產(chǎn)風(fēng)險最大，福建省最小。

利用系統(tǒng)聚類法對9個省份4個種類的海水養(yǎng)殖單產(chǎn)損失風(fēng)險分區(qū)的結(jié)果如表5所示。在魚類方面，河北和江蘇省屬于單產(chǎn)損失的高風(fēng)險區(qū)；甲殼類方面，浙江、福建、廣東、廣西、海南省(自治區(qū))都屬于高風(fēng)險區(qū)；貝類海水養(yǎng)殖中，河北、遼寧、浙江、山東和海南省屬于高風(fēng)險區(qū)。藻類養(yǎng)殖中，廣東和海南省屬于高風(fēng)險區(qū)。這9個省(自治區(qū))中，尤其需要關(guān)注海南，除了魚類外，該省份甲殼類、貝類和藻類生產(chǎn)都處于高風(fēng)險水平。

表5 總生產(chǎn)及四大海水養(yǎng)殖種類的風(fēng)險分區(qū)Table 5 Risk partition of total yield and four mariculture varieties

2.3 主要海水養(yǎng)殖品種的生產(chǎn)風(fēng)險分析

這部分評估重要海水養(yǎng)殖品種所面臨的生產(chǎn)風(fēng)險。盡管我國海水養(yǎng)殖的品種眾多，但國家對很多養(yǎng)殖品種的養(yǎng)殖面積數(shù)據(jù)并沒有公布，而且鑒于很多品種只限于少數(shù)省(自治區(qū))，因此在數(shù)據(jù)可得的情況下，這部分主要討論扇貝、蛤、南美白對蝦、牡蠣、紫菜、蟶、貽貝、海帶、蚶、螺、日本對蝦、梭子蟹、青蟹、中國對蝦、鮑、斑節(jié)對蝦共16種養(yǎng)殖品種的生產(chǎn)風(fēng)險。

如表6所示，遼寧省的減產(chǎn)風(fēng)險最高，16個品種有5個是風(fēng)險最高的，而福建省是減產(chǎn)風(fēng)險最低的省份，所有品種的減產(chǎn)可能都較低。從均值上看，河北、江蘇、浙江和海南省的減產(chǎn)風(fēng)險要大于山東、廣東和廣西壯族自治區(qū)(省)。從具體的養(yǎng)殖品種來看，鮑、青蟹、日本對蝦、紫菜等產(chǎn)品的減產(chǎn)風(fēng)險較大，而蛤、牡蠣、斑節(jié)對蝦的減產(chǎn)風(fēng)險較小。另外，同一個省(自治區(qū))內(nèi)部的不同品種有很大差異，這啟示養(yǎng)殖戶可以通過調(diào)整養(yǎng)殖品種來規(guī)避風(fēng)險。

表6 我國主要海水養(yǎng)殖品種的風(fēng)險均值Table 6 Mean risk of main mariculture varieties in China

利用系統(tǒng)聚類法對各個品種進(jìn)行風(fēng)險分區(qū)，結(jié)果如表7所示。在選擇的16個品種中，河北省的單產(chǎn)損失風(fēng)險最低，沒有養(yǎng)殖品種處于高風(fēng)險區(qū)。海南省是最高的，8個品種有4個處于高風(fēng)險。河北省單產(chǎn)損失風(fēng)險較低的原因在于單產(chǎn)水平較低，而海南省的高風(fēng)險則歸咎于較高的減產(chǎn)可能性，其他省(自治區(qū))單產(chǎn)損失的風(fēng)險相當(dāng)。

表7 我國主要海水養(yǎng)殖品種生產(chǎn)風(fēng)險的分區(qū)結(jié)果Table 7 Risk partition of main mariculture varieties in China

3 結(jié)論與建議

3.1 結(jié)論

研究表明，我國海水養(yǎng)殖業(yè)的生產(chǎn)風(fēng)險較高。從總生產(chǎn)來說，我國海水養(yǎng)殖的減產(chǎn)區(qū)間主要集中在5%～15%，但就細(xì)分的養(yǎng)殖品種而言，仍可能發(fā)生重大減產(chǎn)(>25%)。而且，不少養(yǎng)殖品種的風(fēng)險所服從的分布呈現(xiàn)出“厚尾”特征，極端情況發(fā)生的概率很大。

不同海水養(yǎng)殖品種的生產(chǎn)風(fēng)險具有明顯的差異。海水養(yǎng)殖單產(chǎn)波動的分布呈現(xiàn)出寬平、尖峰、左偏、厚尾等不同形態(tài)。從海水養(yǎng)殖品種來看，生產(chǎn)風(fēng)險從大到小的順序?yàn)轸~類>甲殼類>藻類>貝類。不同品種海水養(yǎng)殖的生產(chǎn)風(fēng)險之所以呈現(xiàn)出這樣的規(guī)律與我國的海水養(yǎng)殖的歷史有著密切的關(guān)系。我國海水養(yǎng)殖的發(fā)展主要得益于貝類和藻類養(yǎng)殖的興起，我國古代已經(jīng)掌握了蚌、牡蠣等貝類的養(yǎng)殖技術(shù)。我國魚類和甲殼類海水養(yǎng)殖的歷史不長，養(yǎng)殖技術(shù)還不夠先進(jìn)，生產(chǎn)風(fēng)險相對較大。

以單產(chǎn)期望損失為標(biāo)準(zhǔn)，整體而言，海南省屬于高風(fēng)險區(qū)，而福建、山東和廣西壯族自治區(qū)(省)屬于低風(fēng)險區(qū)。海南省只有魚類生產(chǎn)屬于低風(fēng)險區(qū)，甲殼類、貝類和藻類的生產(chǎn)都處于高風(fēng)險區(qū)。福建、山東和廣西壯族自治區(qū)(省)只有少數(shù)養(yǎng)殖種類處在高風(fēng)險區(qū)。這一發(fā)現(xiàn)也啟示生產(chǎn)者和管理者，高單產(chǎn)并不意味著高風(fēng)險，因?yàn)楦邌萎a(chǎn)可能會因?yàn)橄冗M(jìn)的養(yǎng)殖技術(shù)和管理水平，減產(chǎn)可能性較低。反之，低單產(chǎn)可能因?yàn)檩^高的減產(chǎn)概率而風(fēng)險較大。

3.2 建議

第一，調(diào)整海水養(yǎng)殖品種的結(jié)構(gòu)以降低風(fēng)險水平。同一省(自治區(qū))的不同養(yǎng)殖品種的減產(chǎn)風(fēng)險具有很大差異。因此，地方政府可以通過給予一些生產(chǎn)穩(wěn)定的品種優(yōu)惠來調(diào)整養(yǎng)殖的結(jié)構(gòu)。舉例來說，廣東省的紫菜和蟶減產(chǎn)風(fēng)險很大，但南美白對蝦和青蟹的減產(chǎn)風(fēng)險卻較小，政府可以逐漸適當(dāng)引導(dǎo)養(yǎng)殖戶進(jìn)行后者的養(yǎng)殖。

第二，改進(jìn)養(yǎng)殖技術(shù)和管理水平，提高養(yǎng)殖戶的風(fēng)險適應(yīng)能力。我國貝類和藻類生產(chǎn)風(fēng)險較低與其先進(jìn)的養(yǎng)殖技術(shù)和管理水平密切相關(guān)。對當(dāng)?shù)卣畞碚f，應(yīng)該推廣先進(jìn)的海水養(yǎng)殖技術(shù)，舉辦知識講座來提高養(yǎng)殖戶的能力。

第三，重視風(fēng)險的轉(zhuǎn)移，積極發(fā)展海水養(yǎng)殖保險。從海水養(yǎng)殖業(yè)的風(fēng)險因子來看，氣候?yàn)?zāi)害是不可忽視的。盡管養(yǎng)殖戶可以通過農(nóng)業(yè)管理等手段來降低污染、病害等風(fēng)險，但天氣風(fēng)險往往是無法規(guī)避的。“靠天吃飯”仍然是海水養(yǎng)殖業(yè)的主要特征。因此，需要重視風(fēng)險的轉(zhuǎn)移，大力發(fā)展海水養(yǎng)殖保險。另外，鑒于天氣風(fēng)險往往是系統(tǒng)性的，這也說明互助保險的發(fā)展在小范圍內(nèi)可能是無效的，需要在更大的區(qū)域建立互保制度。需要強(qiáng)調(diào)的是，本研究的風(fēng)險測度和分區(qū)結(jié)果也可以為海水養(yǎng)殖保險精算費(fèi)率的調(diào)整提供參考。

第四，政府需要對海水養(yǎng)殖保險給予補(bǔ)貼，保證承保體的可持續(xù)經(jīng)營。我國海水養(yǎng)殖業(yè)的生產(chǎn)風(fēng)險整體較大，不少養(yǎng)殖品種發(fā)生重大減產(chǎn)風(fēng)險的可能性很大。單靠養(yǎng)殖戶和保險公司還無法徹底分擔(dān)風(fēng)險，政府必須進(jìn)行兜底。事實(shí)上，我國海水養(yǎng)殖保險的規(guī)模之所以如此小，很大的原因就在于其風(fēng)險較大，而政府補(bǔ)貼較少，很多項目入不敷出而不得不中止。另外，政府對不同養(yǎng)殖品種的保險的補(bǔ)貼應(yīng)該是有所差異的。保險補(bǔ)貼最少應(yīng)該在魚類、甲殼類、貝類和藻類等方面有所差異。