王孟偉，周 悅，白 麗，王 哲

（河北農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 河北保定 071000）

據(jù)國(guó)家統(tǒng)計(jì)局最新數(shù)據(jù)，2021 年中國(guó)蔬菜總種植面積約2200 萬(wàn)hm2，在同年全國(guó)農(nóng)作物總種植面積中占比約13.03%。但蔬菜供應(yīng)的數(shù)量和穩(wěn)定程度、蔬菜的質(zhì)量安全、蔬菜的價(jià)格波動(dòng)是3 個(gè)較為重要的問(wèn)題，需引起高度重視。其中蔬菜價(jià)格劇烈波動(dòng)問(wèn)題影響著菜農(nóng)與消費(fèi)者雙方的利益，“菜貴傷民”“菜賤傷農(nóng)”的現(xiàn)象反復(fù)出現(xiàn)，這對(duì)社會(huì)經(jīng)濟(jì)及人民生活造成了一系列負(fù)面影響，蔬菜價(jià)格是否穩(wěn)定牽動(dòng)著蔬菜產(chǎn)業(yè)的發(fā)展態(tài)勢(shì)，是涉及民生的關(guān)鍵問(wèn)題。筆者在借鑒相關(guān)理論和國(guó)內(nèi)外研究已有成果的基礎(chǔ)上，以主要辛辣類蔬菜價(jià)格為研究對(duì)象，分析辛辣類蔬菜的生產(chǎn)現(xiàn)狀和價(jià)格走勢(shì)，并基于BP 神經(jīng)網(wǎng)絡(luò)的價(jià)格波動(dòng)預(yù)警模型，對(duì)辛辣類蔬菜價(jià)格進(jìn)行短期預(yù)測(cè)預(yù)警，探索辛辣類蔬菜價(jià)格未來(lái)走勢(shì)，最后根據(jù)預(yù)警結(jié)果對(duì)辛辣類蔬菜價(jià)格進(jìn)行合理的判斷，以期為生產(chǎn)者提前預(yù)報(bào)警情降低未來(lái)潛在損失，促進(jìn)蔬菜產(chǎn)業(yè)的健康發(fā)展。

1 相關(guān)文獻(xiàn)綜述

關(guān)于農(nóng)產(chǎn)品價(jià)格波動(dòng)的研究方法，鄭姍等[1]利用H-P 濾波對(duì)河北蔬菜的價(jià)格進(jìn)行分析，并利用VAR 模型對(duì)價(jià)格波動(dòng)進(jìn)行實(shí)證研究。高仙草等[2]運(yùn)用ARCH 類模型通過(guò)對(duì)金鄉(xiāng)大蒜產(chǎn)地價(jià)格波動(dòng)特征的研究，得出金鄉(xiāng)大蒜的市場(chǎng)價(jià)格波動(dòng)具有明顯的聚簇性和不對(duì)稱特性。熊德斌等[3]以近十年辣椒出口價(jià)格和出口量為研究對(duì)象，發(fā)現(xiàn)我國(guó)辣椒出口價(jià)格及出口量呈現(xiàn)明顯的季節(jié)性波動(dòng)特征。關(guān)于蔬菜價(jià)格波動(dòng)異常原因的研究，隨學(xué)超等[4]認(rèn)為是市場(chǎng)不透明、供求信息不對(duì)稱影響地區(qū)蔬菜剩余調(diào)節(jié)效率，如果一定區(qū)域內(nèi)的市場(chǎng)蔬菜供需不能及時(shí)調(diào)劑，將使其市場(chǎng)價(jià)格產(chǎn)生異常的波動(dòng)。張娟娟等[5]發(fā)現(xiàn)受疫情和供給量影響2020年辣椒的價(jià)格出現(xiàn)異常波動(dòng)。陳明均等[6]認(rèn)為2019 年生姜產(chǎn)量下降，市場(chǎng)供應(yīng)不足，受新冠疫情的影響，2020 年上半年生姜出口需求激增，以及生姜種植成本增加推動(dòng)市場(chǎng)價(jià)格上漲是生姜價(jià)格異常波動(dòng)的主要原因。

綜上所述，已有文獻(xiàn)主要集中于從總體上研究農(nóng)產(chǎn)品的價(jià)格波動(dòng)特征，或從總體上研究蔬菜的價(jià)格波動(dòng)問(wèn)題，對(duì)辛辣類蔬菜產(chǎn)業(yè)的價(jià)格預(yù)警研究較少。筆者在本文中將主要以辛辣類蔬菜品種為例，建立動(dòng)態(tài)的辛辣類蔬菜價(jià)格波動(dòng)預(yù)警模型，為農(nóng)戶安排種植和管理部門掌握生產(chǎn)情況提供參考。

2 辛辣類蔬菜價(jià)格波動(dòng)預(yù)警的理論分析

2.1 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用原理

神經(jīng)網(wǎng)絡(luò)理論最早是在1943 年由心理學(xué)家Warren McCulloch 和數(shù)學(xué)家Walter Pitts 提出的，該系統(tǒng)的應(yīng)用內(nèi)容非常豐富，可以用于預(yù)測(cè)經(jīng)濟(jì)變量、風(fēng)險(xiǎn)評(píng)估、預(yù)測(cè)預(yù)警等[7-8]。BP 網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)具有代表性的網(wǎng)絡(luò)模型之一，它是多層前饋網(wǎng)絡(luò)，可以根據(jù)誤差判別進(jìn)行反向傳播訓(xùn)練的算法，這種算法利用實(shí)際和期望輸出值誤差的平方作為錨定函數(shù)，運(yùn)用Adam 函數(shù)計(jì)算錨定函數(shù)最小值，相比梯度下降算法，Adam 吸收了自適應(yīng)學(xué)習(xí)率的梯度下降算法和動(dòng)量梯度下降算法的優(yōu)點(diǎn)。BP 神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層3 層結(jié)構(gòu)組成（圖1），每層神經(jīng)元之間利用連接的權(quán)重互相反饋，而同一層次內(nèi)是相互獨(dú)立的神經(jīng)元[9]。該學(xué)習(xí)過(guò)程包括正向傳輸和誤差逆向傳輸，在樣本正向傳輸時(shí)，樣本從輸入層進(jìn)入，然后經(jīng)過(guò)隱含層的層層處理，最后到達(dá)輸出層，如果輸出端與預(yù)期的輸出不一致，則進(jìn)行逆向傳輸，錯(cuò)誤數(shù)據(jù)從原來(lái)的連接通道中返回，再用自動(dòng)校正重新賦值來(lái)減小誤差，經(jīng)過(guò)反復(fù)地學(xué)習(xí)，最終可以得到在誤差允許范圍之內(nèi)的結(jié)果。

2.2 辛辣類蔬菜生產(chǎn)現(xiàn)狀分析

我國(guó)辛辣類蔬菜的產(chǎn)地眾多，分布廣泛，于南北均有種植。其中，大蒜的主要產(chǎn)地有山東、河南、河北、江蘇、安徽、四川及云南等地；大蔥產(chǎn)地主要包括山東、河北、河南、遼寧、吉林及黑龍江等地；生姜主產(chǎn)地包括山東、湖南、貴州、廣西、四川、河南及湖北等地；洋蔥產(chǎn)地集中在云南、福建、山東、河南、河北、甘肅、黑龍江及吉林等地；辣椒產(chǎn)地主要集中在貴州、河南、云南、湖南、江蘇及山東等地。從總體上看，2010 年和2020 年我國(guó)辛辣類蔬菜的種植面積和總產(chǎn)量均呈平穩(wěn)增長(zhǎng)趨勢(shì)。由表1 可知，我國(guó)辣椒的產(chǎn)量和單產(chǎn)增幅最大，生姜和辣椒的種植面積增幅相對(duì)較大。大蒜種植面積、產(chǎn)量和單產(chǎn)穩(wěn)定上升；生姜種植面積和產(chǎn)量穩(wěn)步上升，單產(chǎn)水平不穩(wěn)定波動(dòng)；大蔥種植面積和產(chǎn)量均穩(wěn)步上升，單產(chǎn)維持穩(wěn)定；洋蔥種植面積和產(chǎn)量穩(wěn)定增長(zhǎng)，單產(chǎn)小幅增長(zhǎng)；辣椒種植面積、產(chǎn)量和單產(chǎn)均大幅上升。

表1 2010 年和2020 年我國(guó)辛辣類蔬菜生產(chǎn)現(xiàn)狀Table 1 Production status of spicy vegetables in China in 2010 and 2020

2.3 年度價(jià)格走勢(shì)分析

由辛辣類蔬菜價(jià)格總體走勢(shì)（圖2）可以看出，大蒜價(jià)格和大蔥價(jià)格走勢(shì)相反，生姜價(jià)格和大蒜價(jià)格走勢(shì)相反，洋蔥價(jià)格和大蒜價(jià)格走勢(shì)相似，辣椒價(jià)格和洋蔥價(jià)格走勢(shì)相似。在2016—2018 年、2018—2021 年大蔥和大蒜的價(jià)格出現(xiàn)了2 次相反的波動(dòng)；當(dāng)2014 年生姜價(jià)格處于高位時(shí)，大蒜價(jià)格處于低位；當(dāng)2016 年大蒜價(jià)格處于高位時(shí)，生姜價(jià)格處于低位；在2014－2017 年期間洋蔥、大蒜的價(jià)格呈現(xiàn)較為同步的波動(dòng)。辛辣類蔬菜的價(jià)格之間存在著長(zhǎng)期制衡的關(guān)系[10]，與其均為調(diào)味蔬菜、功能屬性相近有關(guān)，可見(jiàn)辛辣類蔬菜相互之間具有互補(bǔ)性或替代性。

圖2 辛辣類蔬菜年度價(jià)格總體走勢(shì)Fig.2 Overall annual price trend of spicy vegetables

2.4 月度價(jià)格走勢(shì)

從整體上來(lái)看，蔬菜價(jià)格變動(dòng)無(wú)常且波動(dòng)頻繁，價(jià)格能迅速在幾個(gè)月內(nèi)上漲幾番，也會(huì)在一兩個(gè)月內(nèi)迅速回落跌至低谷，呈現(xiàn)難以預(yù)測(cè)和爆發(fā)性的特點(diǎn)；除此之外，價(jià)格波動(dòng)還呈現(xiàn)出難以干預(yù)性，在辛辣蔬菜出現(xiàn)大幅波動(dòng)的時(shí)候，很難在短時(shí)間內(nèi)將異常的價(jià)格穩(wěn)定下來(lái)，而作為小宗農(nóng)產(chǎn)品的典型，大蒜等辛辣類蔬菜的價(jià)格應(yīng)急機(jī)制還不健全，還沒(méi)有制定專門的儲(chǔ)備制度，在市場(chǎng)上的囤積居奇和人為控制的情況下，很難通過(guò)政府的介入來(lái)及時(shí)調(diào)整供需（圖3）。

圖3 辛辣類蔬菜月度價(jià)格總體走勢(shì)Fig.3 Overall monthly price trend of spicy vegetables

3 辛辣類蔬菜價(jià)格波動(dòng)預(yù)警的實(shí)證分析

3.1 價(jià)格波動(dòng)預(yù)警模型的構(gòu)建

3.1.1 警情指標(biāo)的確定 該研究將辛辣類蔬菜價(jià)格波動(dòng)率作為反映是否有警的警情指標(biāo)，在各種經(jīng)濟(jì)指標(biāo)中，絕對(duì)指數(shù)總體上呈遞增式，采用對(duì)數(shù)差分法后，增長(zhǎng)率呈現(xiàn)波動(dòng)性，以排除單位影響，有利于確定警限和警度[11]。辛辣類蔬菜價(jià)格波動(dòng)率公式為：

Rt=（lnPt-lnPt-1）×100。

上式中Pt和Pt-1分別表示第t時(shí)期和第t-1 時(shí)期的辛辣類蔬菜價(jià)格，Rt為辛辣類蔬菜價(jià)格波動(dòng)率。

3.1.2 警限警度的劃分 該研究采用與辛辣類蔬菜價(jià)格關(guān)系最為密切的居民消費(fèi)價(jià)格指數(shù)（CPI）的波動(dòng)率作為判斷標(biāo)準(zhǔn)，并依據(jù)1～2 倍標(biāo)準(zhǔn)差確定警限[11]。以2020 年、2021 年和2022 年CPI 每月環(huán)比值作為基準(zhǔn)數(shù)列，取CPI 近3 年的平均值作為標(biāo)準(zhǔn)點(diǎn)，通過(guò)計(jì)算可得平均波動(dòng)率為+1.703%，標(biāo)準(zhǔn)差為1.436，若辛辣類蔬菜價(jià)格波動(dòng)幅度過(guò)大，顯現(xiàn)出偏離CPI 波動(dòng)軌跡且偏離程度較大的現(xiàn)象，則表示辛辣類蔬菜價(jià)格水平異常，出現(xiàn)警情?？煞譃闊o(wú)警狀態(tài)、輕警狀態(tài)、重警狀態(tài)，其中無(wú)警狀態(tài)是指價(jià)格波動(dòng)水平正常，即辛辣類蔬菜價(jià)格波動(dòng)率在基準(zhǔn)點(diǎn)1個(gè)標(biāo)準(zhǔn)差以內(nèi)上下浮動(dòng)；輕警狀態(tài)是指價(jià)格波動(dòng)輕度異常，即辛辣類蔬菜價(jià)格波動(dòng)率在1 個(gè)標(biāo)準(zhǔn)差至2 個(gè)標(biāo)準(zhǔn)差之間；重警狀態(tài)是指價(jià)格波動(dòng)重度異常，即辛辣類蔬菜價(jià)格波動(dòng)率浮動(dòng)水平超過(guò)了2 個(gè)標(biāo)準(zhǔn)差。為更清晰地顯示警情狀態(tài)，采用信號(hào)燈的方式顯示預(yù)警信號(hào)，其中綠燈表示無(wú)警，黃燈表示正向輕警，紅燈表示正向重警，藍(lán)燈表示負(fù)向輕警，白燈表示負(fù)向重警。辛辣類蔬菜價(jià)格預(yù)警的警度、警限、信號(hào)顯示、狀態(tài)特征和波動(dòng)水平具體如表2所示。

表2 警情指標(biāo)的警限與警度劃分Table 2 Classification of warning limits and levels of warning indicators

3.2 預(yù)警模型的訓(xùn)練與驗(yàn)證

BP 神經(jīng)網(wǎng)絡(luò)輸入層設(shè)置10 個(gè)神經(jīng)元，輸出層的神經(jīng)元個(gè)數(shù)為1 個(gè)。模型采用3 層BP 網(wǎng)絡(luò)，并設(shè)置一個(gè)隱含層，通過(guò)不斷調(diào)整各參數(shù)，找出最優(yōu)的預(yù)測(cè)結(jié)果。

為了提高預(yù)測(cè)值的精確度和保證預(yù)警結(jié)果的準(zhǔn)確性，需盡可能地?cái)U(kuò)大樣本數(shù)量。該研究選用各辛辣類蔬菜價(jià)格的周度數(shù)據(jù)，使樣本數(shù)據(jù)數(shù)量足以支撐BP 神經(jīng)網(wǎng)絡(luò)訓(xùn)練。選擇2010 年至2022 年的各參數(shù)數(shù)據(jù)作為樣本建立BP 神經(jīng)網(wǎng)絡(luò)模型（根據(jù)數(shù)據(jù)的可獲取性，大蔥數(shù)據(jù)從2014 年開(kāi)始統(tǒng)計(jì)）。其中，輸入訓(xùn)練數(shù)據(jù)為2010 年1 月1 日至2021 年12 月31 日，共617 個(gè)周度數(shù)值（大蔥訓(xùn)練393 個(gè)周度數(shù)值）；輸出測(cè)試數(shù)據(jù)為2022 年1 月7 日至6 月24 日，共25 個(gè)周度數(shù)值。各辛辣類蔬菜品種模型的超參數(shù)如表3 所示。

表3 辛辣類蔬菜模型超參數(shù)Table 3 Model hyperparameters for spicy vegetables

經(jīng)過(guò)反復(fù)的訓(xùn)練，各蔬菜品種的訓(xùn)練結(jié)果誤差逐步減小，最后的訓(xùn)練誤差趨于目標(biāo)誤差，訓(xùn)練誤差達(dá)到最小值后停止訓(xùn)練（圖4～8）。將訓(xùn)練誤差、目標(biāo)誤差、最佳效果繪制在圖中，以便于更直觀地觀察BP 網(wǎng)絡(luò)的訓(xùn)練過(guò)程。

圖4 大蒜價(jià)格波動(dòng)預(yù)警模型的訓(xùn)練過(guò)程Fig.4 Training process of garlic price fluctuation warning model

圖5 辣椒價(jià)格波動(dòng)預(yù)警模型的訓(xùn)練過(guò)程Fig.5 Training process of pepper price fluctuation warning model

圖6 生姜價(jià)格波動(dòng)預(yù)警模型的訓(xùn)練過(guò)程Fig.6 Training process of ginger price fluctuation warning model

圖7 洋蔥價(jià)格波動(dòng)預(yù)警模型的訓(xùn)練過(guò)程Fig.7 Training process of onion price fluctuation warning model

圖8 大蔥價(jià)格波動(dòng)預(yù)警模型的訓(xùn)練過(guò)程Fig.8 Training process of the early warning model for scallion price fluctuations

為了更加直觀地驗(yàn)證建立的BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)警結(jié)果的效果，在表中列出蔬菜價(jià)格真實(shí)信息進(jìn)行對(duì)比。由于測(cè)試周數(shù)據(jù)較多，不方便在表中全部展示，所以將周數(shù)據(jù)計(jì)算成月數(shù)據(jù)進(jìn)行展示。從表4～8 模型驗(yàn)證結(jié)果可知，BP 神經(jīng)網(wǎng)絡(luò)模型的預(yù)警值和真實(shí)值的誤差較小，整體趨勢(shì)基本吻合。個(gè)別樣本點(diǎn)可能是處于辛辣類蔬菜價(jià)格上漲和下跌狀態(tài)的轉(zhuǎn)折處，因此預(yù)測(cè)結(jié)果會(huì)受此影響。總體來(lái)說(shuō)，所建的價(jià)格預(yù)警模型能夠很好地滿足要求，適用于辛辣類蔬菜的非線性、突變性價(jià)格預(yù)測(cè)預(yù)警。

表4 大蔥價(jià)格預(yù)警模型結(jié)果驗(yàn)證Table 4 Validation of the results of the scallion price warning model

表5 大蒜價(jià)格預(yù)警模型結(jié)果驗(yàn)證Table 5 Validation of garlic price warning model results

表6 生姜價(jià)格預(yù)警模型結(jié)果驗(yàn)證Table 6 Validation of ginger price warning model results

表7 洋蔥價(jià)格預(yù)警模型結(jié)果驗(yàn)證Table 7 Validation of onion price warning model results

表8 辣椒價(jià)格預(yù)警模型結(jié)果驗(yàn)證Table 8 Validation of chili pepper price warning model results

3.3 價(jià)格預(yù)警結(jié)果分析

辛辣類蔬菜在生產(chǎn)過(guò)程中每一個(gè)品種都有一定的生長(zhǎng)周期，無(wú)論是大蔥、大蒜、生姜、洋蔥、辣椒還是其他品種，根據(jù)天氣、環(huán)境、農(nóng)民對(duì)田間管理技術(shù)的掌握程度而異，提早一年對(duì)蔬菜的價(jià)格變動(dòng)做出預(yù)警，不僅可以為生產(chǎn)者制定生產(chǎn)計(jì)劃提供參考，同時(shí)為政府及時(shí)了解蔬菜生產(chǎn)狀況提供依據(jù)。

2022 年1—6 月的模擬結(jié)果與期望的結(jié)果吻合很好，其結(jié)果與真實(shí)結(jié)果的價(jià)格走勢(shì)相吻合。并依據(jù)所建立的模型，對(duì)未來(lái)一年辛辣類蔬菜價(jià)格走勢(shì)進(jìn)行估計(jì)分析，根據(jù)6.3.2 劃分的警限警度，并做出相應(yīng)的警情提醒，具體預(yù)警結(jié)果如表9 所示。

表9 5 種辛辣類蔬菜未來(lái)一年價(jià)格預(yù)測(cè)預(yù)警結(jié)果Table 9 Price forecast and warning results of five spicy vegetables in the next year

大蒜未來(lái)一年內(nèi)價(jià)格呈現(xiàn)先下降后上升的深“U”型態(tài)勢(shì)（圖9），預(yù)警結(jié)果顯示2022 年7—11 月處于負(fù)向重警區(qū)間，表示價(jià)格下跌過(guò)快，市場(chǎng)過(guò)冷；2023 年1、5 月、11—12 月處于正向輕警區(qū)間，表示價(jià)格上漲較快，市場(chǎng)偏熱；2023 年2—4 月處于正向重警區(qū)間，表示價(jià)格上漲過(guò)快，市場(chǎng)過(guò)熱；2022 年12 月、2023 年6 月處于無(wú)警區(qū)間，說(shuō)明價(jià)格穩(wěn)定，市場(chǎng)基本均衡。

圖9 大蒜價(jià)格波動(dòng)趨勢(shì)示意圖Fig.9 Schematic diagram of garlic price fluctuation trend

大蔥未來(lái)一年內(nèi)價(jià)格呈現(xiàn)曲折下降的態(tài)勢(shì)（圖10），2022 年12 月至2023 年2 月價(jià)格小幅度上漲，預(yù)警結(jié)果顯示2022 年7 月、10—12 月、2023 年3—5 月處于負(fù)向重警區(qū)間，表示價(jià)格下跌過(guò)快，市場(chǎng)過(guò)冷；2022 年9 月處于正向輕警區(qū)間，表示價(jià)格上漲較快，市場(chǎng)偏熱；2023 年1—2 月、6 月、11—12 月處于正向重警區(qū)間，表示價(jià)格上漲過(guò)快，市場(chǎng)過(guò)熱；2022 年8 月處于無(wú)警區(qū)間，說(shuō)明價(jià)格穩(wěn)定，市場(chǎng)基本均衡。

圖10 大蔥價(jià)格波動(dòng)趨勢(shì)示意圖Fig.10 Schematic diagram of the fluctuation trend of scallion prices

生姜未來(lái)一年內(nèi)價(jià)格呈先緩緩下降后上升的淺“U”型態(tài)勢(shì)（圖11），從2022 年12 月開(kāi)始小幅度上漲，預(yù)警結(jié)果顯示2022 年7—10 月處于負(fù)向重警區(qū)間，表示價(jià)格下跌過(guò)快，市場(chǎng)過(guò)冷；2022 年11月處于負(fù)向輕警區(qū)間，表示價(jià)格下跌較快，市場(chǎng)偏冷；2023 年3—4 月、11—12 月處于正向輕警區(qū)間，表示價(jià)格上漲較快，市場(chǎng)偏熱；2023 年5—6 月處于正向重警區(qū)間，表示價(jià)格上漲過(guò)快，市場(chǎng)過(guò)熱；2022年12 月、2023 年1—2 月處于無(wú)警區(qū)間，說(shuō)明價(jià)格穩(wěn)定，市場(chǎng)基本均衡。

圖11 生姜價(jià)格波動(dòng)趨勢(shì)示意圖Fig.11 Schematic diagram of ginger price fluctuation trend

洋蔥未來(lái)一年內(nèi)價(jià)格呈先下降后平穩(wěn)的態(tài)勢(shì)（圖12），從2023 年1 月開(kāi)始價(jià)格保持穩(wěn)定，預(yù)警結(jié)果顯示2022 年7—11 月處于負(fù)向重警區(qū)間，表示價(jià)格下跌過(guò)快，市場(chǎng)過(guò)冷；2022 年3—6 月處于負(fù)向輕警區(qū)間，表示價(jià)格下跌較快，市場(chǎng)偏冷；2023 年1月處于正向重警區(qū)間，表示價(jià)格上漲過(guò)快，市場(chǎng)過(guò)熱；2022 年12 月、2023 年2 月處于無(wú)警區(qū)間，說(shuō)明價(jià)格穩(wěn)定，市場(chǎng)基本均衡。2023 年10—12 月處于負(fù)向輕警區(qū)間，市場(chǎng)偏冷。

圖12 洋蔥價(jià)格波動(dòng)趨勢(shì)示意圖Fig.12 Schematic diagram of onion price fluctuation trend

辣椒未來(lái)一年內(nèi)價(jià)格呈先上升后下降的倒“V”型態(tài)勢(shì)（圖13），從2023 年1 月之前價(jià)格處于上升的趨勢(shì)，2023 年2 月之后價(jià)格接近直線下降的趨勢(shì)，預(yù)警結(jié)果顯示2022 年7—8 月、2023 年2—6 月處于負(fù)向重警區(qū)間，表示價(jià)格下跌過(guò)快，市場(chǎng)過(guò)冷；2022 年9 月至來(lái)年1 月處于正向重警區(qū)間，表示價(jià)格上漲過(guò)快，市場(chǎng)過(guò)熱；2023 年8—10 月市場(chǎng)偏冷，但11—12 月處于正向輕警區(qū)間，市場(chǎng)較熱。

圖13 辣椒價(jià)格波動(dòng)趨勢(shì)示意圖Fig.13 Schematic diagram of the fluctuation trend of chili prices

4 結(jié)論與對(duì)策建議

4.1 主要結(jié)論

該文在對(duì)辛辣類蔬菜基本情況分析的基礎(chǔ)上，基于BP 神經(jīng)網(wǎng)絡(luò)的價(jià)格波動(dòng)預(yù)警模型，對(duì)辛辣類蔬菜價(jià)格進(jìn)行短期預(yù)測(cè)預(yù)警，主要研究結(jié)論如下：

BP 神經(jīng)網(wǎng)絡(luò)模型具有良好的價(jià)格預(yù)警性能。以大蒜等5 種主要辛辣類蔬菜價(jià)格波動(dòng)為例進(jìn)行實(shí)證研究，預(yù)測(cè)值和真實(shí)值誤差較小，整體趨勢(shì)基本吻合，即基于BP 神經(jīng)網(wǎng)絡(luò)的辛辣類蔬菜價(jià)格預(yù)警模型能夠很好地滿足要求；同時(shí)依據(jù)訓(xùn)練出的模型對(duì)未來(lái)一年蔬菜價(jià)格的整體趨勢(shì)進(jìn)行評(píng)估，可以得到大蒜未來(lái)價(jià)格呈先下降后上升的深“U”型態(tài)勢(shì)；大蔥未來(lái)價(jià)格呈曲折下降的態(tài)勢(shì)；生姜未來(lái)價(jià)格呈先緩慢下降后上升的淺“U”型態(tài)勢(shì)；洋蔥未來(lái)價(jià)格呈先下降后平穩(wěn)的態(tài)勢(shì)；辣椒未來(lái)價(jià)格呈先上升后下降的倒“V”型態(tài)勢(shì)。

4.2 對(duì)策建議

第一，加強(qiáng)價(jià)格預(yù)警，及時(shí)調(diào)控蔬菜市場(chǎng)。由新冠疫情的突然襲擊對(duì)中國(guó)辛辣類蔬菜價(jià)格波動(dòng)造成的影響可見(jiàn)，加強(qiáng)監(jiān)測(cè)預(yù)警對(duì)穩(wěn)定辛辣類蔬菜價(jià)格具有必要性[12]。政府需強(qiáng)化對(duì)辛辣類蔬菜市場(chǎng)價(jià)格的監(jiān)控，合理利用現(xiàn)代化的技術(shù)手段結(jié)合統(tǒng)計(jì)計(jì)量、大數(shù)據(jù)平臺(tái)、神經(jīng)網(wǎng)絡(luò)等方法，時(shí)刻監(jiān)控辛辣類蔬菜價(jià)格等變量的內(nèi)在變動(dòng)規(guī)律，隨時(shí)驗(yàn)證、評(píng)估、調(diào)整各環(huán)節(jié)辛辣類蔬菜的供需情況，以準(zhǔn)確預(yù)估未來(lái)變化趨勢(shì)，針對(duì)蔬菜價(jià)格波動(dòng)的各個(gè)環(huán)節(jié)向生產(chǎn)者提供技術(shù)支持及產(chǎn)銷策略。

第二，加強(qiáng)政府扶持，鼓勵(lì)預(yù)警平臺(tái)建設(shè)。政府需鼓勵(lì)并主動(dòng)扶持第三方蔬菜價(jià)格預(yù)警服務(wù)平臺(tái)，作為政府信息服務(wù)平臺(tái)的有效補(bǔ)充，如蔬菜商情網(wǎng)、大蒜產(chǎn)業(yè)鏈大數(shù)據(jù)平臺(tái)等相關(guān)網(wǎng)站并進(jìn)行實(shí)時(shí)監(jiān)管，以保證發(fā)布信息的權(quán)威可靠；按照市場(chǎng)機(jī)制建設(shè)“辛辣類蔬菜市場(chǎng)預(yù)警體系”，通過(guò)市場(chǎng)行為把辛辣類蔬菜農(nóng)戶組織起來(lái)，建立實(shí)時(shí)動(dòng)態(tài)的信息互動(dòng)交流多媒體網(wǎng)絡(luò)平臺(tái)，以快速全面獲取行業(yè)的各種資訊與行情，如進(jìn)行行情跟蹤、監(jiān)測(cè)，發(fā)布各辛辣類蔬菜價(jià)格、庫(kù)存量、出口量、交易量等產(chǎn)業(yè)的相關(guān)信息，并根據(jù)預(yù)警趨勢(shì)做出對(duì)應(yīng)的銷售策略指導(dǎo)，以減小價(jià)格波動(dòng)幅度，確保蔬菜市場(chǎng)良性發(fā)展。

第三，采取不同措施，保障辛辣類蔬菜價(jià)格平穩(wěn)。當(dāng)預(yù)警信號(hào)顯示紅燈時(shí)，表現(xiàn)為辛辣類蔬菜價(jià)格急速上漲，政府應(yīng)及時(shí)向菜農(nóng)發(fā)布市場(chǎng)行情信息，加強(qiáng)對(duì)菜農(nóng)生產(chǎn)的科學(xué)引導(dǎo)，避免農(nóng)民盲目跟風(fēng)種植；當(dāng)預(yù)警信號(hào)顯示黃燈時(shí)，說(shuō)明辛辣類蔬菜價(jià)格處于走高階段，需查明辛辣類蔬菜價(jià)格上漲的原因，制定相應(yīng)解決措施并加以實(shí)施；當(dāng)預(yù)警信號(hào)為綠燈時(shí)，說(shuō)明該區(qū)域內(nèi)辛辣類蔬菜價(jià)格水平合理，政府可根據(jù)市場(chǎng)情況，進(jìn)一步健全辛辣類蔬菜市場(chǎng)監(jiān)管機(jī)制；當(dāng)預(yù)警信號(hào)顯示藍(lán)燈時(shí)，表明辛辣類蔬菜價(jià)格呈現(xiàn)下降趨勢(shì)，應(yīng)及時(shí)尋找價(jià)格下降的具體原因，針對(duì)性地從各方面擊破問(wèn)題；當(dāng)預(yù)警信號(hào)顯示白燈時(shí)，則表示辛辣類蔬菜價(jià)格急劇下降，辛辣蔬菜行業(yè)陷入虧損，此時(shí)應(yīng)放寬對(duì)辛辣類蔬菜市場(chǎng)的相關(guān)政策，適當(dāng)加大收入補(bǔ)貼力度，保證蔬菜生產(chǎn)者的基本收益，維護(hù)市場(chǎng)秩序。