侯英杰，張立杰

(1.新疆大學(xué)經(jīng)濟(jì)與管理學(xué)院，新疆烏魯木齊830047；2.新疆大學(xué)紡織與服裝學(xué)院，新疆烏魯木齊830046)

0 引言

中國是世界上最大的產(chǎn)棉國之一，據(jù)統(tǒng)計(jì)數(shù)據(jù)顯示，截止到2016年，我國棉花產(chǎn)量達(dá)534萬噸，居世界首位，棉紡織品出口2 733.93億美元，棉布產(chǎn)量也位居第一，棉花已成為我國重要的紡織原料和戰(zhàn)略性物資.棉花生產(chǎn)的穩(wěn)定性和充足程度不但影響我國紡織服裝業(yè)的生產(chǎn)和出口，還極大影響中國乃至世界紡織服裝類市場的發(fā)展.但是，近幾年來，由于經(jīng)濟(jì)環(huán)境、進(jìn)出口量和自然環(huán)境等因素的制約，我國棉花生產(chǎn)風(fēng)險(xiǎn)加大，使得棉花產(chǎn)量呈現(xiàn)出較大的波動(dòng)性.2001―2016年，我國棉花產(chǎn)量從532.35萬噸上漲至2008年的749.19萬噸，由于2008年以后經(jīng)濟(jì)形勢的下滑，棉花市場出現(xiàn)一定程度的緊縮，雖部分年份產(chǎn)量緩慢上升，但整體呈下行趨勢，到2016年產(chǎn)量已跌至534萬噸，整個(gè)過程波動(dòng)明顯.但是同期，我國棉紗產(chǎn)量從760.68萬噸上漲至3 732.6萬噸，年平均增長率達(dá)到11.19%，遠(yuǎn)遠(yuǎn)超過棉花產(chǎn)量1.12%的增長率.棉花產(chǎn)量并未隨著我國紡織品行業(yè)生產(chǎn)能力的提高以及棉花需求量不斷增加的趨勢實(shí)現(xiàn)持續(xù)上漲，這種供求之間的非同步性，大大影響生產(chǎn)者的決策行為和消費(fèi)者的購買意愿，不利于我國棉花生產(chǎn)及相關(guān)行業(yè)的穩(wěn)定發(fā)展.如何轉(zhuǎn)變調(diào)控方式，降低棉花生產(chǎn)和市場的不確定性，使得棉農(nóng)棉企在面對如此復(fù)雜多變的市場環(huán)境時(shí)避免陷入生產(chǎn)困境并實(shí)現(xiàn)穩(wěn)定發(fā)展，是目前我國棉花產(chǎn)業(yè)亟待解決的問題.

農(nóng)業(yè)預(yù)警是對農(nóng)業(yè)未來狀態(tài)進(jìn)行測度，預(yù)報(bào)不正常狀態(tài)的時(shí)空范圍和危害程度，并提出防范措施.合理的農(nóng)業(yè)預(yù)警機(jī)制能夠預(yù)報(bào)農(nóng)業(yè)風(fēng)險(xiǎn)，預(yù)防農(nóng)業(yè)警情，進(jìn)而降低農(nóng)業(yè)生產(chǎn)風(fēng)險(xiǎn)和市場的不穩(wěn)定性.農(nóng)業(yè)預(yù)警研究是目前我國農(nóng)業(yè)風(fēng)險(xiǎn)研究領(lǐng)域中的重點(diǎn)和熱點(diǎn)，從研究對象來看，我國農(nóng)業(yè)預(yù)警研究主要集中在糧食、蔬菜水果等經(jīng)濟(jì)作物以及生豬等農(nóng)產(chǎn)品的價(jià)格風(fēng)險(xiǎn)、產(chǎn)業(yè)安全及生產(chǎn)風(fēng)險(xiǎn)等方面，如徐磊等[1]和侯曉磊等[2]分別運(yùn)用糧食單產(chǎn)波動(dòng)概率分布模型和山東小麥生產(chǎn)預(yù)警系統(tǒng)對糧食生產(chǎn)風(fēng)險(xiǎn)進(jìn)行了度量和分析，李優(yōu)柱等[3]對蔬菜價(jià)格風(fēng)險(xiǎn)進(jìn)行預(yù)警研究.熊巍等[4]以柑橘為例構(gòu)建水果類農(nóng)產(chǎn)品的產(chǎn)銷預(yù)警指標(biāo)體系，劉芳等[5]研究了我國生豬價(jià)格波動(dòng)風(fēng)險(xiǎn).張立杰等[6]改進(jìn)了自回歸移動(dòng)平均模型，構(gòu)建基于自回歸移動(dòng)平均和支持向量機(jī)的組合模型對我國棉花價(jià)格進(jìn)行了預(yù)測.張淑芬等[7]評(píng)價(jià)了我國棉花產(chǎn)業(yè)安全狀況，結(jié)果表明我國棉花產(chǎn)業(yè)處于偏低的安全度范圍，棉花產(chǎn)業(yè)安全還需通過對棉花預(yù)警監(jiān)測系統(tǒng)及相關(guān)政策制度的的進(jìn)一步完善來提高.我國農(nóng)業(yè)預(yù)警研究對象的選取較為廣泛，但是總體來看以我國棉花為預(yù)警對象的研究相對較少，棉花預(yù)警領(lǐng)域的研究亟待補(bǔ)充和完善.從研究方法來看，我國農(nóng)業(yè)預(yù)警大多從指標(biāo)設(shè)置和模型構(gòu)建出發(fā)對農(nóng)業(yè)風(fēng)險(xiǎn)狀況進(jìn)行探討.如趙瑞瑩等[8]以生豬價(jià)格波動(dòng)率為警情指標(biāo)，從供給、需求和供給環(huán)境三方面出發(fā)，以指標(biāo)變化率和增長率為警兆指標(biāo)，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的生豬價(jià)格風(fēng)險(xiǎn)預(yù)警模型.吳清華等[9]以油菜籽收購價(jià)格的波動(dòng)率作為警情指標(biāo)，從供給、需求、自然經(jīng)濟(jì)和政策與國際環(huán)境幾方面選取警兆指標(biāo)，并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對油菜產(chǎn)業(yè)進(jìn)行了實(shí)證研究，驗(yàn)證了利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的風(fēng)險(xiǎn)預(yù)警模型的實(shí)用性和可行性.羅永恒[10]和程彬等[11]利用ARMA模型分別對農(nóng)產(chǎn)品價(jià)格指數(shù)和生豬生產(chǎn)風(fēng)險(xiǎn)狀況進(jìn)行了預(yù)測分析，預(yù)測結(jié)果表明ARMA模型在預(yù)測問題中有較高的預(yù)測精度.李芳鳳等[12]引入改進(jìn)后的灰色預(yù)測模型對城市蔬菜污染問題進(jìn)行了預(yù)警研究，并對模型的預(yù)測精度進(jìn)行了驗(yàn)證.閔銳[13]采用多元自回歸模型對湖北省糧食安全狀況進(jìn)行了預(yù)警分析.

總體來看，學(xué)者對農(nóng)產(chǎn)品預(yù)警指標(biāo)選取主要集中在供需水平、市場價(jià)格、生產(chǎn)、經(jīng)濟(jì)環(huán)境和自然環(huán)境幾方面，但是從現(xiàn)有研究來看普遍存在指標(biāo)設(shè)置不全面的問題，指標(biāo)選取中并未將上述幾方面內(nèi)容全部考慮到，因此本文在綜合考慮供需水平、市場價(jià)格、生產(chǎn)、經(jīng)濟(jì)環(huán)境和自然環(huán)境的基礎(chǔ)上，盡可能全面的構(gòu)建出我國棉花生產(chǎn)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系.另外，從模型選取來看，目前以單一模型為主進(jìn)行預(yù)警研究，其中BP神經(jīng)網(wǎng)絡(luò)和ARMA模型相較其他預(yù)測模型，在我國農(nóng)業(yè)預(yù)警研究中使用更為廣泛.BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性逼近能力和自學(xué)習(xí)能力，能夠較好的處理影響因素較多的復(fù)雜非線性問題，但是從預(yù)測的時(shí)間維度來看，許多學(xué)者在農(nóng)業(yè)預(yù)警研究中未考慮BP神經(jīng)網(wǎng)絡(luò)在預(yù)測中的局限性，僅使用單一BP神經(jīng)網(wǎng)絡(luò)利用現(xiàn)有數(shù)據(jù)對結(jié)果進(jìn)行擬合，并未做到對未來狀態(tài)的預(yù)測.而ARMA模型作為單指標(biāo)預(yù)測模型，僅需考慮預(yù)測序列歷史數(shù)據(jù)信息，預(yù)測方法相對來說簡單明了，但是在面對棉花生產(chǎn)這種過程復(fù)雜影響因素較多的農(nóng)業(yè)生產(chǎn)問題時(shí)，其單指標(biāo)歷史數(shù)據(jù)信息并不能真實(shí)全面地反映棉花生產(chǎn)過程.因此本文在綜合考慮兩類預(yù)警模型優(yōu)缺點(diǎn)基礎(chǔ)上，選取ARMA-BP網(wǎng)絡(luò)組合模型，既能保留ARMA模型和BP網(wǎng)絡(luò)在預(yù)警問題中的優(yōu)點(diǎn)，又能互補(bǔ)缺點(diǎn)，提高模型預(yù)測精度.

1 我國棉花生產(chǎn)預(yù)警指標(biāo)體系

在總結(jié)以往研究文獻(xiàn)和我國棉花生產(chǎn)特點(diǎn)的基礎(chǔ)上，從指標(biāo)的實(shí)際意義和數(shù)據(jù)的可獲得性考慮，選取20個(gè)指標(biāo)構(gòu)建我國棉花生產(chǎn)預(yù)警評(píng)價(jià)指標(biāo)體系.如表1所示，包括5個(gè)一級(jí)指標(biāo)，15個(gè)二級(jí)指標(biāo)，對我國2001―2015年棉花生產(chǎn)狀況進(jìn)行分析研究.

表1 我國棉花生產(chǎn)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系Tab 1 The early warning indicator system of China cotton production risk

1.1 指標(biāo)的設(shè)置

1.1.1 供給指標(biāo)的設(shè)置

（1）棉花供給量.棉花供給量用以反映我國棉花供給水平，是衡量我國棉花供給市場是否平衡的重要指標(biāo).統(tǒng)計(jì)數(shù)據(jù)顯示，2001―2010年，我國棉花供給量與棉花消費(fèi)量保持同步上升趨勢，棉花供給市場基本平衡，但2010年后，為了穩(wěn)定棉花市場，我國實(shí)行棉花臨時(shí)收儲(chǔ)政策，棉花供應(yīng)量持續(xù)上漲，而經(jīng)濟(jì)形勢的下滑，使得國內(nèi)棉花消費(fèi)量下跌，這就造成了棉花市場供需不平衡，影響國內(nèi)棉花生產(chǎn).

（2）棉花人均占有量.棉花人均占有量用以反映棉花人均占有水平.該指標(biāo)的設(shè)立對于衡量我國棉花供應(yīng)是否充足具有重要的現(xiàn)實(shí)意義.作為人口大國，我國人口基數(shù)大，棉花供給總量不足以說明我國棉花供給的充足度.棉花人均占有量是將供給總量分?jǐn)偟絺€(gè)人，用以衡量棉花人均占有水平，反映棉花供給充足與否.而棉花供給的充足度對我國棉花生產(chǎn)有較大影響.

（3）棉花期末庫存.棉花期末庫存用以反映我國棉花當(dāng)年期末庫存數(shù)量，是衡量我國棉花供給市場是否平衡的重要指標(biāo)之一.如圖1所示，我國棉花期末庫存量在2010年后直線上升，但是我國棉花消費(fèi)量在同一時(shí)期卻呈下降趨勢，期末庫存量逐步高于消費(fèi)量，這意味著我國棉花生產(chǎn)出現(xiàn)供大于求的趨勢，在一定程度上打破了棉花供給市場的平衡，這對棉花生產(chǎn)計(jì)劃的調(diào)整和決策有很大影響.

圖1 2001―2016年我國棉花消費(fèi)量和棉花期末庫存Fig 1 2001―2016 China’s cotton consumption and cotton ending stocks

（4）棉花進(jìn)口數(shù)量.作為棉紡織生產(chǎn)及出口大國，國內(nèi)市場對棉花需求量大，需較多的進(jìn)口棉供應(yīng)棉紡織行業(yè).棉花供給市場除進(jìn)口棉外，還包括國產(chǎn)棉，兩類棉互為競爭關(guān)系.加之進(jìn)口棉在價(jià)格和質(zhì)量上較國產(chǎn)棉有一定的優(yōu)勢，對國產(chǎn)棉供給市場造成沖擊，這就使得國產(chǎn)棉相較于進(jìn)口棉的需求降低，致使國內(nèi)棉花生產(chǎn)受到影響.

1.1.2 需求指標(biāo)的設(shè)置

（1）棉花消費(fèi)量.反映我國棉花消費(fèi)情況.國內(nèi)消費(fèi)量是需求指標(biāo)中最重要的二級(jí)指標(biāo)，它能直觀反映我國棉花消費(fèi)情況，決定國內(nèi)棉花市場需求量，因此直接影響我國棉花生產(chǎn).如圖2所示，2001―2016年我國棉花產(chǎn)量增減趨勢與國內(nèi)棉花消費(fèi)量趨同，國內(nèi)棉花消費(fèi)量和棉花生產(chǎn)呈正相關(guān)關(guān)系.

（2）城鎮(zhèn)和農(nóng)村居民人均衣著支出.這兩個(gè)指標(biāo)分別用以衡量我國城鎮(zhèn)居民和農(nóng)村居民衣著類消費(fèi)品的平均支出水平.據(jù)統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，我國城鎮(zhèn)居民人均衣著支出已從2001年的533.66元上漲到2016年的1 739元，漲幅超過3倍，農(nóng)村居民人均衣著支出漲幅超過5倍，服裝類產(chǎn)品消費(fèi)支出不斷增加.我國居民生活質(zhì)量和收入水平的提高，人們對服裝的舒適性要求普遍增加，很大程度的促進(jìn)了棉花需求，使得棉花類服裝制品的占比不斷增加.該指標(biāo)間接反映我國棉花需求狀況，對國內(nèi)棉花生產(chǎn)存在一定影響.

（3）棉花出口量.反映我國棉花出口情況.隨著國際市場的開放和國際經(jīng)濟(jì)形勢的下滑，國際棉花市場競爭日益激烈，我國棉花在出口方面受到一定程度的沖擊，這對我國棉花需求總量產(chǎn)生影響，進(jìn)而影響我國棉花生產(chǎn).

圖2 2001―2016年我國棉花產(chǎn)量和棉花消費(fèi)量Fig 2 2001―2016 cotton production and cotton consumption

1.1.3 經(jīng)濟(jì)環(huán)境和價(jià)格指標(biāo)的設(shè)置

（1）GDP（年度）.反映我國年度經(jīng)濟(jì)表現(xiàn).GDP是國家或地區(qū)一定時(shí)期內(nèi)產(chǎn)品和勞務(wù)價(jià)值的總和，是衡量國家經(jīng)濟(jì)狀況的最佳指標(biāo).棉花供求市場通常受國內(nèi)經(jīng)濟(jì)走勢的影響，在良好的經(jīng)濟(jì)形勢下，需求呈上升趨勢，會(huì)刺激棉花生產(chǎn)，反之經(jīng)濟(jì)衰退則會(huì)對棉花生產(chǎn)產(chǎn)生負(fù)面影響.

（2）國內(nèi)棉花價(jià)格A指數(shù).反映國內(nèi)主要地區(qū)棉花平均成交價(jià)格水平.我國棉花價(jià)格指數(shù)主要包括A、B指數(shù)，分別代表229級(jí)和328級(jí)兩種國內(nèi)主要皮棉的市場交易均價(jià).兩種價(jià)格指數(shù)變化及價(jià)格走向基本趨同，因此選擇一種反映棉花交易價(jià)格即可，本文選擇A指數(shù).棉花交易價(jià)格的高低能直觀反映市場供需情況，對棉花生產(chǎn)起到促進(jìn)和遏止作用.

1.1.4 生產(chǎn)指標(biāo)的設(shè)置

（1）棉花產(chǎn)量.反映我國棉花每年的產(chǎn)出情況，是評(píng)價(jià)我國棉花生產(chǎn)狀況的核心指標(biāo)，也是直接反映我國棉花生產(chǎn)是否有警的預(yù)警指標(biāo).從圖2可以看出，我國棉花生產(chǎn)波動(dòng)性大，生產(chǎn)并不穩(wěn)定，存在一定的生產(chǎn)風(fēng)險(xiǎn).

（2）棉花單面積產(chǎn)量.反映我國棉花生產(chǎn)單位面積產(chǎn)出效率.棉花生產(chǎn)受機(jī)械化程度、灌溉水平、受災(zāi)狀況影響，棉花單位面積產(chǎn)量是影響棉花生產(chǎn)因素的綜合反映，能夠同步反映棉花生產(chǎn)水平.

（3）棉花播種面積.反映我國棉花播種生產(chǎn)情況.由于上年度的市場供求狀況對本年度棉花播種面積有很大的影響，因此它既是上年度棉花市場供求狀況的市場供需指標(biāo)，又是反映本年度棉花生產(chǎn)狀況的生產(chǎn)指標(biāo)，決定我國棉花生產(chǎn)在本年度的產(chǎn)出水平.

（4）棉花有效灌溉面積.反映我國棉花生產(chǎn)灌溉情況.棉花生產(chǎn)過程中，有效灌溉面積對棉花生長有極大的影響，會(huì)直接影響棉花生產(chǎn)及棉花產(chǎn)出狀況，由于數(shù)據(jù)來源有限，本文對棉花有效灌溉面積在統(tǒng)計(jì)上做了處理：棉花有效灌溉面積=有效灌溉面積×（棉花播種面積/農(nóng)作物總播種面積）.

（5）棉花受災(zāi)面積.反映棉花因?yàn)?zāi)害損失面積.農(nóng)業(yè)生產(chǎn)中，存在氣象災(zāi)害等不可控因素，會(huì)影響農(nóng)業(yè)生產(chǎn)，造成減產(chǎn).棉花受災(zāi)面積可以反映棉花生產(chǎn)受災(zāi)害情況，是衡量棉花生產(chǎn)狀況的重要指標(biāo).由于數(shù)據(jù)來源有限，本文對棉花受災(zāi)情況也做了一定的統(tǒng)計(jì)處理：棉花受災(zāi)面積=受災(zāi)面積×（棉花播種面積/農(nóng)作物總播種面積）.

1.2 指標(biāo)體系灰色關(guān)聯(lián)度分析

指標(biāo)進(jìn)行預(yù)選取后，需要進(jìn)一步對所選取指標(biāo)的合理性進(jìn)行評(píng)估.棉花生產(chǎn)通常處于一種復(fù)雜的系統(tǒng)中，受社會(huì)、經(jīng)濟(jì)、自然等因素的影響較大，本文在考慮棉花生產(chǎn)環(huán)境復(fù)雜性的基礎(chǔ)上結(jié)合指標(biāo)選取原則，對指標(biāo)進(jìn)行了預(yù)選取.根據(jù)預(yù)警基本原理，在預(yù)選取的指標(biāo)中需要設(shè)定棉花生產(chǎn)警情指標(biāo)，作為監(jiān)測風(fēng)險(xiǎn)的一項(xiàng)基準(zhǔn)指標(biāo)來判斷棉花生產(chǎn)是否存在過熱或過冷現(xiàn)象，影響棉花行業(yè)發(fā)展，導(dǎo)致棉花供求失衡.棉花產(chǎn)量能夠直觀的反映棉花生產(chǎn)情況.是棉花行業(yè)是否正常發(fā)展的導(dǎo)向指標(biāo)，可以作為警情指標(biāo)，剩余的指標(biāo)我們作為警兆指標(biāo)進(jìn)行預(yù)警研究.警兆指標(biāo)的選取在滿足了上述指標(biāo)選取要求外，還需考慮各指標(biāo)與警情指標(biāo)之間的關(guān)聯(lián)程度，也就是考察各指標(biāo)是否能夠反映警情指標(biāo)，警情指標(biāo)能夠直觀描述棉花生產(chǎn)狀況，因此其關(guān)聯(lián)程度決定了所選取的警兆指標(biāo)是否能作為反映棉花生產(chǎn)真實(shí)狀況的影響因子.

本文引入灰色關(guān)聯(lián)度分析對棉花生產(chǎn)預(yù)警指標(biāo)體系中警情指標(biāo)和各相關(guān)指標(biāo)間的關(guān)聯(lián)程度進(jìn)行評(píng)價(jià)，進(jìn)一步判斷該指標(biāo)體系構(gòu)建的合理性.選取我國棉花2001―2016年數(shù)據(jù)，建立灰色關(guān)聯(lián)度評(píng)價(jià)模型來考察我國棉花生產(chǎn)指標(biāo)體系是否合理有效.

首先確定系統(tǒng)行為序列.設(shè)我國2001―2016年棉花產(chǎn)量序列為X0=(x0(1),x0(2),...,x0(k),...,x0(16))，其中x0(k)表示第2 000+k年的國內(nèi)棉花產(chǎn)量，k=1,2,...,16.

該指標(biāo)序列為模型的特征行為數(shù)列，其他指標(biāo)設(shè)為相關(guān)因素行為數(shù)列，具體如表2所示.本文所選取指標(biāo)數(shù)量多，包含的信息差異較大，因此各指標(biāo)間存在量綱和數(shù)量級(jí)上的不同，為了避免量綱和數(shù)量級(jí)差異帶來的計(jì)算誤差和指標(biāo)間比較不便的問題，本文在計(jì)算關(guān)聯(lián)度之前，對各指標(biāo)原始數(shù)據(jù)進(jìn)行無量綱化處理，盡可能的降低數(shù)據(jù)量綱差異帶來的影響.本文采用初值法對各指標(biāo)與特征指標(biāo)間灰色關(guān)聯(lián)度進(jìn)行分析，并將灰色關(guān)聯(lián)度的分辨系數(shù)ξ取為0.5.

表2 棉花生產(chǎn)預(yù)警指標(biāo)系統(tǒng)行為序列Tab 2 The behavior sequence of cotton production early warning indicator system

通過軟件計(jì)算，可得棉花產(chǎn)量指標(biāo)與其他警兆指標(biāo)的關(guān)聯(lián)度，如表3所示.

關(guān)聯(lián)度數(shù)據(jù)表明除棉花進(jìn)口量指標(biāo)外，各警兆指標(biāo)與棉花產(chǎn)量指標(biāo)的關(guān)聯(lián)度均大于0.9，關(guān)聯(lián)度較強(qiáng)，說明這些指標(biāo)對棉花生產(chǎn)均有較大的影響.我國棉花市場的發(fā)展受國內(nèi)棉花政策影響明顯，2011年我國出臺(tái)了棉花收儲(chǔ)政策以及目標(biāo)價(jià)格改革政策，國內(nèi)棉花價(jià)格與國際棉花價(jià)差進(jìn)一步拉開，國內(nèi)棉企對國產(chǎn)棉需求降低，進(jìn)口棉需求量不斷上漲.2014年以后國家為抑制國內(nèi)外棉價(jià)倒掛現(xiàn)象，取消該項(xiàng)政策，并試點(diǎn)棉花目標(biāo)價(jià)格補(bǔ)貼政策，這使得國內(nèi)棉花差價(jià)逐步降低，棉企對國產(chǎn)棉需求增加，進(jìn)口棉數(shù)量則產(chǎn)生了下跌現(xiàn)象.也就是說政策原因造成進(jìn)口量的較大幅度波動(dòng)，使得關(guān)聯(lián)度評(píng)價(jià)中出現(xiàn)棉花進(jìn)口數(shù)量與棉花產(chǎn)量兩項(xiàng)指標(biāo)的關(guān)聯(lián)度較低.

表3 相關(guān)因素關(guān)聯(lián)度Tab 3 Relevance factor correlation

從總體來看，警情指標(biāo)與警兆之間的關(guān)聯(lián)程度較好，警兆指標(biāo)能夠?qū)γ藁ㄉa(chǎn)產(chǎn)生較大的影響，將這些指標(biāo)作為反映棉花狀況的因子是合理的.

2 我國棉花生產(chǎn)預(yù)警模型

2.1 基于ARMA的我國棉花生產(chǎn)預(yù)警模型

2.1.1 ARMA模型原理

作為描述時(shí)間序列的重要方法，ARMA模型憑借其高預(yù)測精度，常被用于短期預(yù)測問題中.該模型認(rèn)為雖然時(shí)間序列中單個(gè)序列值是隨機(jī)不確定的，但是整個(gè)序列是一組隨時(shí)間變化具有一定規(guī)律的序列簇，可以通過構(gòu)建函數(shù)對該變化規(guī)律進(jìn)行描述，并對結(jié)果做出最優(yōu)預(yù)測，ARMA模型可表示為

該模型被稱為（p，q）階自回歸移動(dòng)平均模型，記為ARMA（p，q）.其中，φ1,φ2,...,φp為自回歸參數(shù)，θ1,θ2,...,θP為移動(dòng)平均參數(shù)，是模型的待估參數(shù)，εt是相互獨(dú)立的白噪聲序列.

2.1.2 ARMA模型的建立與預(yù)測

選取中國統(tǒng)計(jì)局全國棉花產(chǎn)量1949―2016年年度數(shù)據(jù)，利用ARMA模型的建模原理結(jié)合1949―2015年數(shù)據(jù)建立ARMA模型，并預(yù)測2016年全國棉花產(chǎn)量，與實(shí)際值對比考察ARMA模型的預(yù)測精度，然后利用該模型預(yù)測2017―2018年全國棉花產(chǎn)量.

原始數(shù)據(jù)平穩(wěn)化處理.ARMA模型構(gòu)建要求數(shù)據(jù)具有平穩(wěn)性，我國棉花生產(chǎn)波動(dòng)性大，數(shù)據(jù)序列通常為非平穩(wěn)數(shù)據(jù)，因此，在構(gòu)建模型前，需先對數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)，對非平穩(wěn)數(shù)據(jù)進(jìn)行平穩(wěn)化處理.

圖3 全國棉花產(chǎn)量原始數(shù)據(jù)時(shí)間序列圖Fig 3 Time series chart of cotton production raw data

首先，繪制原始數(shù)據(jù)x的時(shí)間序列圖，如圖3所示.可以看出，1949―2015年全國棉花產(chǎn)量序列具有明顯的上升趨勢，可以判定序列x為非平穩(wěn)序列，無法滿足ARMA模型的序列要求，故需進(jìn)一步考察序列x的差分序列，經(jīng)考察一階差分序列dx為平穩(wěn)純隨機(jī)序列，二階差分序列ddx為平穩(wěn)非純隨機(jī)序列，如圖4所示，故選擇二階差分序列ddx進(jìn)行ARMA模型的建立.至此，完成了原始數(shù)據(jù)的平穩(wěn)化處理.

2.1.3 ARMA模型的模式識(shí)別

原始數(shù)據(jù)平穩(wěn)化處理后，需對模型的各階數(shù)進(jìn)行確定來識(shí)別模型模式，即確定ARMA（p,d,q）中p,d和q的值，由平穩(wěn)化處理過程可知d=2.p和q主要由二階差分ddx的自相關(guān)系數(shù)圖和偏相關(guān)系數(shù)圖來確定.根據(jù)圖4可知，自相關(guān)系數(shù)自1階后，基本都能落在2倍的標(biāo)準(zhǔn)差范圍內(nèi)，并逐漸減弱到零，具有一定的拖尾性，偏自相關(guān)系數(shù)在延遲6階之后，全部落到2倍的標(biāo)準(zhǔn)差范圍內(nèi)，同樣具有一定的拖尾性，即二者都不具有明顯的截尾性，這樣就難以用傳統(tǒng)的方法具體確定模型的階數(shù)，對于這種情況，需要通過反復(fù)對比模型進(jìn)行估計(jì)來確定最佳模型.嘗試不同的ARIMA（p,d,q）模型，取p=1,2,3,4,5,6,d=2,q=1，并將其參數(shù)的t統(tǒng)計(jì)量的顯著性檢驗(yàn)值P、AIC值和SBC 值列表，如表4所示.同時(shí)由于二階差分序列繞著零軸上下波動(dòng)，可視其均值為零，故在對其建模時(shí)不再考慮常數(shù)項(xiàng)C.

圖4 序列x二階差分時(shí)間序列圖和相關(guān)系數(shù)圖Fig 4 Second-order differential time series graph and correlation coefficient graph of sequence x

剔除參數(shù)不顯著的模型，剩余MX_2、MX_4以及MX_5模型符合條件，其中MX_2的AIC值最小，因此，MX_2模型更好的提取了序列的信息.故利用MX_2模型對全國棉花產(chǎn)量進(jìn)行建模.

表4 不同ARMA模型參數(shù)的t統(tǒng)計(jì)量的顯著性檢驗(yàn)值P、AIC值和SBC值Tab 4 Significance test value P,AIC value and SBC value of t statistic of different ARMA model parameters

2.1.4 ARMA模型的建立和殘差檢驗(yàn)

根據(jù)模型識(shí)別與選擇，選用ARIMA（6，2，0）作為最佳預(yù)測模型，使用最小二乘法估計(jì)該模型的參數(shù)及模型的相關(guān)檢驗(yàn)，結(jié)果表明，模型中的各個(gè)系數(shù)具有明顯的統(tǒng)計(jì)意義，對應(yīng)的模型表達(dá)式為

式中，εt為殘差序列.

參數(shù)估計(jì)后，還需要對模型的殘差序列進(jìn)行白噪聲檢驗(yàn)，若殘差序列不是白噪聲序列，那么殘差序列中還存在有用信息未被提取，需要進(jìn)一步改進(jìn)模型，若殘差序列為白噪聲序列，則說明信息已被完全提取，說明建立的模型是有效的.對殘差進(jìn)行檢驗(yàn)，結(jié)果如圖5所示.

圖5 ARMA模型的殘差序列的相關(guān)系數(shù)圖Fig 5 Correlation coefficient diagram of residual sequence of ARMA model

由圖5可知，檢驗(yàn)Q統(tǒng)計(jì)量的P值全部顯著的大于顯著性水平0.05，即說明模型的殘差序列是純隨機(jī)序列，因此，該模型的建立是有效的.

2.1.5 ARMA模型的預(yù)測分析

模型建立后，就可以用建立的模型對未來的全國棉花產(chǎn)量進(jìn)行預(yù)測，首先對2016年的棉花產(chǎn)量進(jìn)行預(yù)測，檢驗(yàn)?zāi)Ｐ皖A(yù)測的精準(zhǔn)度，如圖6所示.通過該模型預(yù)測的2016年全國棉花產(chǎn)量為503.27萬噸，與2016年實(shí)際全國棉花產(chǎn)量534萬噸的誤差為5.75%，預(yù)測精度良好.利用該模型預(yù)測2017年和2018年的全國棉花產(chǎn)量，分別為520.776萬噸和536.164萬噸.

圖6 ARMA模型的預(yù)測圖Fig 6 Prediction map of ARMA model

2.2 基于ARMA-BP網(wǎng)絡(luò)的我國棉花生產(chǎn)預(yù)警組合模型

BP網(wǎng)絡(luò)是一種常用的單向多層前饋網(wǎng)絡(luò)，其形式一般為三層或三層以上的層級(jí)結(jié)構(gòu)，包括一個(gè)輸入層、一個(gè)輸出層和一個(gè)或多個(gè)隱含層.各層由若干個(gè)神經(jīng)元（節(jié)點(diǎn)）構(gòu)成，同層神經(jīng)元間無關(guān)聯(lián)，不同層間各神經(jīng)元以權(quán)向前連接.BP神經(jīng)網(wǎng)絡(luò)是通過BP算法來實(shí)現(xiàn)的，BP算法又被稱作誤差反向傳播算法，是一種監(jiān)督式的學(xué)習(xí)算法，它是根據(jù)研究對象的不同，選擇適當(dāng)?shù)木W(wǎng)絡(luò)結(jié)構(gòu)和作用函數(shù)，利用輸入和輸出樣本集對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并通過誤差的逐層往回傳遞，不斷調(diào)整和修正層間的閾值和權(quán)值，逐層逼近目標(biāo)值，以實(shí)現(xiàn)輸入到輸出的任意非線性映射.BP神經(jīng)網(wǎng)絡(luò)是通過輸入指標(biāo)和其內(nèi)部函數(shù)及參數(shù)來擬合輸出，結(jié)果預(yù)測需要借助輸入端數(shù)據(jù)的預(yù)測值，因此本文選擇與ARMA模型相結(jié)合，彌補(bǔ)單一模型無法全面反映變量變化規(guī)律的不足，提高模型預(yù)測精度.

2.2.1 ARMA-BP網(wǎng)絡(luò)的構(gòu)建

ARMA-BP網(wǎng)絡(luò)的構(gòu)建主要包括警兆指標(biāo)預(yù)測模型的構(gòu)建和ARMA-BP網(wǎng)絡(luò)層次、各節(jié)點(diǎn)數(shù)及網(wǎng)絡(luò)計(jì)算函數(shù)的確定

（1）基于ARMA的警兆指標(biāo)預(yù)測模型的構(gòu)建

BP網(wǎng)絡(luò)對數(shù)據(jù)的預(yù)測建立在輸入指標(biāo)的基礎(chǔ)上，在對棉花生產(chǎn)狀況進(jìn)行預(yù)測前，需先對警兆指標(biāo)作出預(yù)測，通過預(yù)測出的警兆指標(biāo)進(jìn)一步擬合得出警兆指標(biāo)值，因此先構(gòu)建警兆指標(biāo)預(yù)測模型，對各警兆指標(biāo)2017―2018年的數(shù)據(jù)值進(jìn)行預(yù)測.具體步驟與棉花產(chǎn)量的預(yù)測類似.

（2）ARMA-BP網(wǎng)絡(luò)結(jié)構(gòu)及函數(shù)的確定

ARMA-BP網(wǎng)絡(luò)的構(gòu)建包括確定網(wǎng)絡(luò)層次、各節(jié)點(diǎn)數(shù)及網(wǎng)絡(luò)計(jì)算函數(shù).

a 網(wǎng)絡(luò)層次結(jié)構(gòu)的確定

BP網(wǎng)絡(luò)的隱層數(shù)量可以根據(jù)具體問題進(jìn)行選擇，通常來看，一個(gè)單隱層的BP網(wǎng)絡(luò)即可完成對任何一個(gè)閉區(qū)間內(nèi)的連續(xù)函數(shù)逼近，單隱層網(wǎng)絡(luò)即三層網(wǎng)絡(luò)即可完成任意的n維到m維的映射，因此，本文采用三層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖7所示.其中輸入層有n個(gè)神經(jīng)元，輸入向量為U (u1...,ui...,un)T，隱層有n1個(gè)神經(jīng)元，隱層輸出向量為X(x1,...xj,...xn1)T，輸出層有n2個(gè)神經(jīng)元，輸出向量為Y（y1,...,ym,...,yn2）T；輸入層神經(jīng)元ui與隱層神經(jīng)元xj之間的權(quán)值為Wij，閾值為θj(i=1...,n;j=1,...,n1)；隱層神經(jīng)元j與輸出層神經(jīng)元m之間連接權(quán)值為wjm，閾值為θm(m=1...,n2).

圖7 網(wǎng)絡(luò)結(jié)構(gòu)圖Fig 7 Network structure

b 網(wǎng)絡(luò)各層級(jí)節(jié)點(diǎn)數(shù)的確定

（1）輸入層節(jié)點(diǎn)數(shù)的確定.根據(jù)上節(jié)確定的棉花生產(chǎn)預(yù)警指標(biāo)體系，從供給、需求、經(jīng)濟(jì)環(huán)境、價(jià)格和生產(chǎn)指標(biāo)中選取除棉花產(chǎn)量以外的14個(gè)二級(jí)指標(biāo)作為描述棉花生產(chǎn)風(fēng)險(xiǎn)的輸入指標(biāo).因此，本文的輸入層初步確定為n=14，具體選取情況還需考慮ARMA模型的預(yù)測情況.

（2）輸出層節(jié)點(diǎn)數(shù)的確定.輸出層的選取對應(yīng)于最后的評(píng)價(jià)結(jié)果，為此，節(jié)點(diǎn)數(shù)的確定也應(yīng)與評(píng)價(jià)結(jié)果相對應(yīng).本文以棉花產(chǎn)量作為我國棉花生產(chǎn)預(yù)警風(fēng)險(xiǎn)指標(biāo).所以，輸出節(jié)點(diǎn)數(shù)m=1.

（3）隱含層節(jié)點(diǎn)數(shù)的確定.隱層的神經(jīng)元數(shù)目的選取是一個(gè)復(fù)雜的問題，選取數(shù)量過少，會(huì)導(dǎo)致網(wǎng)絡(luò)訓(xùn)練效果不佳，預(yù)測精度較低，選取數(shù)量過多，網(wǎng)絡(luò)映射關(guān)系復(fù)雜性增加，會(huì)造成學(xué)習(xí)時(shí)間過長且預(yù)測精度不一定最佳.因此，網(wǎng)絡(luò)應(yīng)設(shè)有一個(gè)最佳隱含層節(jié)點(diǎn)數(shù).本文根據(jù)式(3)確定隱層節(jié)點(diǎn)數(shù)范圍，并經(jīng)過多次試驗(yàn)確定最佳隱層節(jié)點(diǎn)數(shù)n1=6.

其中，n為輸入層節(jié)點(diǎn)數(shù)，m為輸出層節(jié)點(diǎn)數(shù)，a為[0,10]之間的常數(shù).

c 網(wǎng)絡(luò)函數(shù)的確定

BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建需要通過一系列函數(shù)來完成.

（1）傳遞函數(shù).傳遞函數(shù)又稱為激活函數(shù)，是用以傳遞輸入信息的重要組成部分，常用S型的對數(shù)或正切函數(shù)，本文采用“transig”雙曲正切S型函數(shù)進(jìn)行信息傳遞.

（2）訓(xùn)練函數(shù).BP網(wǎng)絡(luò)是一種反向傳播網(wǎng)絡(luò)，傳統(tǒng)的基于梯度下降法的反向傳播算法（traind）應(yīng)用廣泛，但是傳統(tǒng)算法存在一定的缺陷.為了克服傳統(tǒng)算法帶來的缺陷，本文采用動(dòng)量及自適應(yīng)lr的梯度遞減算法.因此，文中采用“traindx”作為網(wǎng)絡(luò)訓(xùn)練函數(shù).

（3）學(xué)習(xí)函數(shù).學(xué)習(xí)函數(shù)用于進(jìn)行網(wǎng)絡(luò)權(quán)值和閾值的學(xué)習(xí).本文采用“l(fā)earndm”梯度下降動(dòng)量學(xué)習(xí)函數(shù)計(jì)算權(quán)值和閾值的變化率.

2.2.2 模型預(yù)測

（1）數(shù)據(jù)來源及處理

預(yù)警指標(biāo)體系中選取的15項(xiàng)指標(biāo)數(shù)據(jù)均為年度數(shù)據(jù)，來源于中國統(tǒng)計(jì)局及中國棉花網(wǎng)和前瞻數(shù)據(jù)庫，所能收集到的各指標(biāo)數(shù)據(jù)量具有差異性，但均取自1949―2016年間，其中用以建立ARMA模型的14個(gè)警兆指標(biāo)數(shù)據(jù)需先進(jìn)行平穩(wěn)性檢驗(yàn)和平穩(wěn)化處理，具體步驟與上文棉花產(chǎn)量序列的平穩(wěn)化處理相同.除此之外，為了避免不同變量之間的量綱差異對ARMA-BP網(wǎng)絡(luò)的預(yù)測效果產(chǎn)生影響，加快網(wǎng)絡(luò)收斂速度，還需對各數(shù)據(jù)做歸一化處理.

其中，Y為預(yù)處理后的樣本值，Xi為原始輸入樣本值，Xmax，Xmin分別為原始輸入樣本值中的最大值和最小值.

（2）ARMA模型的預(yù)測

本文以2015年以前各指標(biāo)數(shù)據(jù)作為訓(xùn)練樣本，2016年數(shù)據(jù)作為測試樣本，分別對14組警兆指標(biāo)進(jìn)行訓(xùn)練和驗(yàn)證，剔除未通過模型檢驗(yàn)和誤差較大指標(biāo)數(shù)據(jù)，測試結(jié)果如表5所示.

表5 模型測試結(jié)果Tab 5 The test result of model

從表5的測試結(jié)果來看，這12個(gè)指標(biāo)的測試誤差相對較小，大部分指標(biāo)的誤差率在10%以下，總體都能保持在15%以下，說明模型預(yù)測精度較高，這幾項(xiàng)指標(biāo)可以通過ARMA模型進(jìn)一步預(yù)測.本文在進(jìn)行ARMA模型的測試和檢驗(yàn)中剔除了棉花出口量和期末庫存兩項(xiàng)指標(biāo)，觀察棉花出口量指標(biāo)的自相關(guān)-偏自相關(guān)圖，棉花出口量數(shù)據(jù)列是一組純隨機(jī)變量，無法使用ARMA模型預(yù)測.由于我國棉花出口量少，尤其在2009年以后棉花出口量維持在1萬噸不變，對于棉花產(chǎn)量的影響極弱，所以，綜合這兩部分考慮，本文剔除該項(xiàng)指標(biāo)；觀察棉花期末庫存指標(biāo)，發(fā)現(xiàn)該項(xiàng)指標(biāo)的測試值誤差達(dá)到108.46%.誤差極大，究其原因是由于近幾年來我國各項(xiàng)棉花政策的出臺(tái)，導(dǎo)致我國棉花庫存大范圍的波動(dòng)，而已有的數(shù)據(jù)相對較少，也不適合ARMA模型，因此也剔除該項(xiàng)指標(biāo).最后保留剩余的12項(xiàng)指標(biāo)，再通過建立模型函數(shù)分別對各警兆指標(biāo)預(yù)測出2017―2018年的數(shù)據(jù).

（3）ARMA-BP網(wǎng)絡(luò)預(yù)測

a 網(wǎng)絡(luò)訓(xùn)練

本文以2000―2014年數(shù)據(jù)作為訓(xùn)練樣本，建立結(jié)構(gòu)為12-6-1的3層BP神經(jīng)網(wǎng)絡(luò)，設(shè)網(wǎng)絡(luò)學(xué)習(xí)率為0.5，目標(biāo)訓(xùn)練誤差為0.001，訓(xùn)練次數(shù)為2 000次.得到訓(xùn)練誤差曲線，如圖8在654次達(dá)到訓(xùn)練誤差.訓(xùn)練樣本仿真輸出和實(shí)際輸出之間的線性回歸關(guān)系如圖9所示.最佳擬合方程為Output=0.99×Target+0.00063，擬合優(yōu)度為99.86%，網(wǎng)絡(luò)訓(xùn)練良好.訓(xùn)練樣本實(shí)際輸出和訓(xùn)練仿真輸出如表6所示.

圖8 訓(xùn)練誤差曲線Fig 8 Training error curve

圖9 訓(xùn)練樣本仿真輸出與實(shí)際輸出線性回歸擬合圖Fig 9 Training sample simulation output and actual output linear regression fit map

表6 模型訓(xùn)練結(jié)果Tab 6 The training result of model

從表6可以看出，訓(xùn)練樣本實(shí)際輸出和仿真輸出間的訓(xùn)練誤差基本都低于0.05，網(wǎng)絡(luò)訓(xùn)練結(jié)果良好，能夠進(jìn)一步的測試和預(yù)測工作.

b 模型測試及結(jié)果

以2015、2016年數(shù)據(jù)作為測試樣本，對模型的預(yù)測精度進(jìn)行測試，測試結(jié)果如表7所示.

表7 模型測試結(jié)果Tab 7 The test result of model

從測試結(jié)果來看，模型輸出值和實(shí)際輸出值非常接近，具有較好的預(yù)測精度，且可以看出ARMA-BP網(wǎng)絡(luò)的誤差率遠(yuǎn)遠(yuǎn)低于ARMA單一模型預(yù)測出的誤差率，表明ARMA-BP組合模型在棉花生產(chǎn)預(yù)測中具有更好的預(yù)測效果.

c 模型預(yù)測及結(jié)果

以2017―2018年ARMA模型預(yù)測數(shù)據(jù)作為網(wǎng)絡(luò)輸入數(shù)據(jù)，調(diào)用訓(xùn)練好的網(wǎng)絡(luò)對2017―2018年我國棉花產(chǎn)量進(jìn)行預(yù)測，預(yù)測結(jié)果如表8所示.

表8 模型預(yù)測結(jié)果Tab 8 The prediction test of model

3 警限警度劃分及預(yù)警結(jié)果

對棉花生產(chǎn)狀況進(jìn)行模型研究后，需為我國棉花生產(chǎn)狀況劃分警限，確定警度來分析模型結(jié)果，并對棉花生產(chǎn)狀況進(jìn)行合理預(yù)警.警限劃分的主要原則有：多數(shù)原則、少數(shù)原則、半數(shù)原則等.由于棉花生產(chǎn)會(huì)出現(xiàn)供大于求和供不應(yīng)求兩種不正常狀況，因此，我們在制定警限警度時(shí)需定為雙側(cè)有警，即負(fù)向有警和正向有警，對比來看，多數(shù)原則和少數(shù)原則的制定方法將數(shù)據(jù)從小到大排列，從最小值或者最大值來選取無警狀態(tài)，對棉花數(shù)據(jù)這種僅有正值的數(shù)據(jù)無法制定雙側(cè)有警，因此本文選擇半數(shù)原則劃分警限.

我國棉花生產(chǎn)在不同時(shí)期由于經(jīng)濟(jì)環(huán)境和政策環(huán)境的不同，棉花產(chǎn)量存在較大的差異，為了降低異常時(shí)間段對棉花生產(chǎn)的影響，本文選取1985―2016年數(shù)據(jù)，作為警限區(qū)間劃分樣本.首先將棉花生產(chǎn)警情指標(biāo)棉花產(chǎn)量時(shí)間序列數(shù)據(jù)分別按照大小順序進(jìn)行排列，從中間開始向兩邊共選取一半的區(qū)間作為無警區(qū)間，剩余區(qū)間劃分為有警區(qū)間，劃分結(jié)果為：負(fù)向重警（0,350），負(fù)向輕警（350，425），負(fù)無警（425,625），正向輕警（625，765），正向重警（765,+∞）.在確定警限區(qū)間后，根據(jù)警限與警度對應(yīng)劃分的原則，將警度劃分為5種，為了更好的的描述警度，本文利用信號(hào)燈標(biāo)識(shí)法表示各警度，具體如表9所示.

表9 棉花生產(chǎn)預(yù)警警限和警度Tab 9 The early warning risk limits and levels of cotton production

根據(jù)表9棉花生產(chǎn)預(yù)警警限和警度的建立，對1985―2018年棉花生產(chǎn)狀況進(jìn)行劃分，具體預(yù)警結(jié)果如表10所示.

表10 棉花產(chǎn)量預(yù)警信號(hào)燈Tab 10 The early warning blinker of cotton production

1989―2016年中無警年份為16年，負(fù)向輕警年份為7年，正向輕警年份為6年，負(fù)向重警為1年，正向重警年份為2年.國內(nèi)棉花整體態(tài)勢良好，其中2000年以后，隨著棉花種植技術(shù)的提升和災(zāi)害預(yù)防能力的提高，棉花產(chǎn)量有了大幅度的提高，棉花產(chǎn)量開始出現(xiàn)供過于求的狀況，但是從表10我們可以看出，在2006―2007年，棉花產(chǎn)量達(dá)到了高峰，對此通過比較其他數(shù)據(jù)發(fā)現(xiàn)，在經(jīng)過2004年棉花價(jià)格的突降后，2005年棉花價(jià)格迅速提高，這就使得棉農(nóng)種棉積極性大大增強(qiáng)，到2016年棉花播種面積較上年上漲14.9%，棉花產(chǎn)量大幅度提高.但隨后，棉花種植過熱導(dǎo)致供求不平衡，棉花價(jià)格開始下跌，棉花播種面積也隨之下降.總體來看這一階段，盡管棉花生產(chǎn)圍繞供求關(guān)系出現(xiàn)輕微波動(dòng)，但整體形勢良好.從2017―2018年預(yù)測指標(biāo)的警度狀態(tài)劃分來看，我國棉花生產(chǎn)狀態(tài)良好，在未來一段時(shí)間能夠保持我國棉花市場供求的平衡.

4 對策建議

對我國棉花生產(chǎn)進(jìn)行預(yù)警研究，能夠指導(dǎo)農(nóng)產(chǎn)品生產(chǎn)者提前做出風(fēng)險(xiǎn)應(yīng)對措施，降低棉花生產(chǎn)風(fēng)險(xiǎn)給棉花生產(chǎn)者及棉花相關(guān)行業(yè)生產(chǎn)者及投資者帶來的損失.對此，針對不同生產(chǎn)狀態(tài)，本文提出如下政策建議：

（1）正常狀態(tài).如果預(yù)警結(jié)果是我國棉花生產(chǎn)處于正常狀態(tài)，說明國內(nèi)棉花生產(chǎn)穩(wěn)定，能保證棉花市場需求，基本維持我國棉花市場的供需平衡.在這種正常年份，除了繼續(xù)維持這種良好的生產(chǎn)平衡外，還應(yīng)盡可能的保證我國棉花生產(chǎn)各環(huán)節(jié)運(yùn)行良好，保證棉花生產(chǎn)保持持續(xù)發(fā)展態(tài)勢.

（2）正向輕警及重警.棉花生產(chǎn)處在這一警度范圍，就意味著棉花供給過量，造成市場供大于求.通常在這一階段會(huì)伴隨價(jià)格下跌，棉農(nóng)生產(chǎn)利益受損，國家相關(guān)部門需通過收購及刺激棉花消費(fèi)，盡可能拉動(dòng)需求，降低供求差距，除此之外，還應(yīng)減少進(jìn)口棉數(shù)量，使棉價(jià)回升，防止“棉賤傷農(nóng)”降低棉農(nóng)的生產(chǎn)積極性，為下一年棉花種植危機(jī)埋下伏筆，在這種年份，國家相關(guān)部門雖然在促進(jìn)市場供給平衡方面有積極影響，但要防止干預(yù)過度，進(jìn)而造成市場異常，無法正常運(yùn)行的現(xiàn)象發(fā)生.

（3）負(fù)向輕警及重警.如果預(yù)警結(jié)果是我國棉花生產(chǎn)處于供給不足狀態(tài)，無法滿足市場的需求.供不應(yīng)求會(huì)使棉價(jià)抬高，影響棉企及其他棉花需求行業(yè)，這就要求國家盡快向市場投放國家?guī)齑婷迊碓黾用藁ü?yīng)，并提高進(jìn)口棉數(shù)量，增加棉花供給量，逐步平抑價(jià)格，保障棉企和其他相關(guān)需求商的正常生產(chǎn)和投資.在這一階段，國家在政策干預(yù)時(shí)也要把握好度，防止干預(yù)過度造成市場異常.

在現(xiàn)實(shí)運(yùn)用中，不可簡單的根據(jù)市場表現(xiàn)盲目行動(dòng)，還需針對各種警情深入分析，明確各環(huán)節(jié)存在的問題，并從中找出最主要的原因，對癥下藥.同時(shí)在各項(xiàng)措施實(shí)施過程中，還應(yīng)持續(xù)監(jiān)控棉花生產(chǎn)狀況和市場具體表現(xiàn)，及時(shí)調(diào)整應(yīng)對措施，使其適應(yīng)各個(gè)階段的棉花生產(chǎn)情況.