海洋生物医药业发展趋势研究

郑　莉,蔡大浩

(国家海洋信息中心，天津　300171)



海洋生物医药业发展趋势研究

郑莉,蔡大浩

(国家海洋信息中心，天津300171)

摘要：本文首先采用指数平滑模型、ARIMA 模型及多元回归模型，对中国海洋生物医药业增加值建立了单项预测模型，随后引进诱导有序加权几何平均(IOWGA)算子的概念，建立了组合预测模型。实证结果表明，组合模型能有效提高预测精度。最后利用组合模型对“十三五”期间中国海洋生物医药业发展趋势进行了预测分析并提出了对策建议。

关键词：海洋生物医药业；IOWGA算子；组合预测

“十二五”以来，中国海洋生物医药业取得了重大进展，国家海洋局发布的《2014年中国海洋经济统计公报》显示，2014年，中国海洋生物医药业增加值达到258亿元，“十二五”期间，年均增长21.5%，成为突出亮点。“十三五”期间，面对外部环境的复杂态势，在国民经济新常态以及“一带一路”战略的推动下，海洋生物医药业将迎来新的发展格局。作为新兴的海洋战略性新兴产业，适时加快对海洋生物医药业发展的宏观分析与预测研究，对于确定“十三五”期间产业增长目标和海洋开发战略将具有重要的意义。本文以海洋战略性新兴产业——海洋生物医药业为例，对海洋生物医药业增加值建立动态组合预测模型，为其他海洋产业发展趋势预测提供一定的借鉴。

1诱导有序加权几何平均组合预测模型简介及文献综述

国内外许多学者和机构都对海洋生物医药业的预测方法进行了广泛研究，主要方法为时间序列分析法、灰色预测法、情景分析法等，但组合预测的方法较少。组合预测可以综合利用各种预测方法所提供的信息，提高预测的精确度和可靠性。BATES和GRANGER[1]首次提出了组合预测的概念，即通过确定各单项预测方法的加权平均系数，以适当权重将不同的单项预测方法进行组合。基于组合预测的思想，Yager[2-3]提出诱导有序加权平均(IOWA)算子，通过引入IOWA算子，根据各单项预测方法在样本区间上各时点的拟合精度的高低按顺序赋权，以误差平方和为准则建立一种动态组合预测模型。国内学者陈华友[4-5]最先提出基于诱导有序几何加权平均(IOWGA)算子的组合预测模型，并证明该方法相比于传统的组合预测方法具有更高的精度。这种方法克服了传统静态组合预测模型在集成时存在对单项预测方法以固定权系数赋权的缺陷，可以对不同时期的单模型预测结果进行动态集成。

诱导有序加权几何平均组合预测模型基本计算过程如下[6-7]：

1.1　计算预测精度

i=1,2,…,m,t=1,2,…,N

(1)

显然ait∈[0,1]，预测精度反映了预测模型的拟合值与实际值拟合程度的优劣。

1.2　确定IOWGA算子组合预测值

(2)

其中,a-index(it)是第i个大的预测精度的下标，W=(W1,W2,…,Wm)T为各单项预测方法在组合预测中的IOWGA 算子的加权向量。显然，新的组合预测的赋权系数与单项预测方法在各时点上的预测精度大小密切相关，预测精度高就优先赋大一点的权系数。

1.3　建立基于IOWGA 算子的组合预测模型

(3)

(4)

1.4　基于IOWGA 算子的组合预测模型的预测

(5)

在模型应用方面，赵学敏[7]构建了基于IOWGA算子的城市生活需水组合预测模型,将灰色GM(1，1)模型、自回归AR(p)模型及多元逐步回归分析模型予以组合,并证明了该模型预测精度优于各单一预测模型。颜筱红[8]利用IOWGA 算子集成GM(1，1)预测模型、曲线趋势外推预测模型、三次指数平滑预测模型3种模型在各时点上的预测信息建立了能源消费组合预测模型。陈启明[9]建立了基于IOWGA算子的公路客运量的组合预测模型，验证了IOWGA算子组合预测方法相对于单一预测方法的优越性。尽管IOWGA算子组合预测方法具有比传统预测方法更精确、更稳定的预测结果，但基本尚未应用在海洋经济预测领域。本文拟在海洋经济领域引入IOWGA算子的组合预测模型，选取海洋战略性新兴产业——海洋生物医药产业为例，对海洋生物医药业增加值建立动态组合预测模型。

2中国海洋生物医药业增加值预测实证研究

下文将对中国海洋生物医药业增加值建立指数平滑模型、ARIMA 模型及多元回归模型3种模型，并在此基础上进行组合预测实证研究[10-14]。其中，建模数据来源于中国海洋统计年鉴(2002—2014年)及核算相关数据资料。图1描述了中国海洋生物医药业增加值走势(2001—2014年)。

数据来源：海洋生产总值核算数据。

2.1　单项预测模型

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]之间，称为阻尼因子。预测值就可以由下式计算：

(7)

利用2001-2013年海洋生物医药业增加值数据，利用Eviews软件建立Holt—Winters无季节性模型，得到α、β值分别为1、0.57。通过指数平滑模型得到2003—2014年中国海洋生物医药业增加值(见表1)。

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

(8)

上述模型称为ARIMA(p，d，q)模型，其中，Yt是d阶单整序列，由一个自回归模型AR(p)和一个移动平均模型MA(q)组成，p为模型的自回归项数，q为模型的移动平均项数。其中，Yt是自回归移动平均序列，c为常数，α1…αp表示自回归系数，β1…βq表示移动平均系数，εt是相互独立的白噪声序列。

根据上述建模过程，利用2001—2014年数据，对中国海洋生物医药业增加值序列建立ARIMA(0，2，2)模型，方程估计结果如下：

(9)

采用建立的ARIMA模型并通过静态预测法，可得到2003—2014年中国海洋生物医药业增加值(见表1)。

(3)多元回归模型。多元回归模型的基本表达式如下：

y=b0+b1x1+b2x2+…+bnxn+εt

(10)

其中，y为因变量，x为自变量，b0,b1,…,bn为待估计参数。最常见的参数估计方法为最小二乘估计法。多元回归模型包括线性回归及非线性回归，有多种变形，其中自变量可取对数、指数、幂指数等多种形式。

（2）对于手工滴定分析与色谱分析存在的差距，从化学滴定分析的局限性进行分析和讨论，手工滴定的分析原理为：

(11)

采用多元回归模型得到2003—2014年中国海洋生物医药业增加值(见表1)。

2.2　基于IOWGA算子的组合预测模型

按式(2)对上表计算IOWGA组合预测值，以t=1，2简要说明计算过程，当t=1时：

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

=16.49w1×20.11w2×20.52w3

当t=2时：

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

=19.29w1×19.90w2×21.60w3

表1　各种单项预测方法、预测精度及预测值二维数组

同理可得t=3,…，11的IOWGA组合预测值，根据公式(3)～(4)，可得如下最优化组合预测模型：

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

由上述组合模型知，t时刻预测精度排名第二的单项预测法对应的权系数取值零，说明该时刻对应的单项预测方法冗余，这和传统的组合预测方法的权系数的计算有很大的不同。

2.3　组合预测模型的评价及预测

一般模型比较方法有绝对数值比较和相对数值比较，其中均方根误差和平均绝对误差属于绝对数值比较，而平均绝对百分比误差和希尔不等系数属于相对数值比较[4,15]。由于均方根误差的应用原理与平均绝对误差基本一致，选一种即可，因此最终选择平均绝对百分误差、希尔不等系数和均方误差。一般认为平均绝对百分比误差(MAPE)的值低于5%，则预测精度很高；希尔不等系数(TheilIC)的值介于0～1之间，且值越小，模型的精度越高。其中，

平均绝对百分比误差：

希尔不等系数：

选取2003—2014年中国海洋生物医药业增加值单项模型预测及组合模型预测数据计算预测误差，从而进行模型评价，结果见表2及表3。

表2　各个预测模型评价结果

表3　基于IOWGA算子的组合预测模型结果及评价

从表2中结果可知，多元回归模型的MAPE值、RMSE值和TheilIC值较其他单项模型都小，且组合预测模型的MAPE值、RMSE值和TheilIC值均小于所有单个预测模型，同时也小于简单几何加权组合预测模型。由此可见，组合预测模型比单项预测模型的精度要高，同时比传统简单几何加权平均组合预测精度高，从而表明基于IOWGA算子的海洋生物医药业增加值组合预测模型具有效性和优越性，是优性组合模型。从表3中结果可知，基于IOWGA算子的组合模型具有很强的预测性，所有年份的相对误差均在5%以内。此外，由图2可看出，所有预测方法中，基于IOWGA算子的组合模型预测值曲线与实际值曲线最为接近。

从前面的分析可得知，如果所选取模型的信息具有很强的互补性，那么模型的预测误差将会更大幅度地降低，因此单项预测模型的选取在组合预测模型中是非常重要的。

图2　2003—2014年海洋生物医药业增加值

3“十三五”时期海洋生物医药业预测及分析

当前，海洋生物产业处于起步向全面产业化发展的关键时期，随着国家对海洋生物医药业政策扶持和投入力度的逐步加大，海洋生物医药业发展正行驶入快车道。在这一背景下，多家公司争先布局海洋生物产业，A股市场上，澳柯玛、山大华特等公司已经介入海洋生物医药业，领域涵盖海洋植物提取、海洋生物医药产品等。预计“十三五”期间，海洋生物医药业将继续保持较快发展态势，成为蓝色经济新的增长点。

根据上述单项模型及组合预测模型，对2015—2020年海洋生物医药业增加值进行实证预测。其中，为了预测2015—2020年海洋生物医药业增加值，需要对回归模型中自变量进行预测，对于海洋生物医药资本变量预测采用ARIMA(1，1，1)模型预测，海洋生物医药业涉海就业人员采用指数平滑法预测，结果见表4。

表4　“十三五”时期海洋生物医药业预测值　单位：亿元

由表4可知，预计到2020年，中国海洋生物医药业增加值将达到559亿元，“十三五”期间海洋生物医药业增加值的增速将达到14.6%(现价)。在国民经济新常态大背景下，随着中国海洋强国及海上丝绸之路战略的实施，经济体制改革和创新驱动的推进，以及国家和地方政府政策的大力支持，“十三五”期间中国海洋经济将逐步进入转型期，经济增长转入中高速、结构优化、效益提高、民生改善。海洋生物医药固定资产投资属于产业发展前期投入，由上文建立的多元回归模型的估计结果公式(11)可知，海洋资本的产出弹性为0.84，劳动力产出弹性为0.16，可见海洋生物医药业是资本密集型产业，符合海洋新兴产业发展特征，明显区别于传统海洋产业过分依赖于劳动力投入的发展模式。因此可以预期，作为海洋战略性新兴产业，“十三五”期间海洋生物医药业将顺应国内外经济形势变化，增速将放缓，且低于“十二五”期间海洋生物医药业的增速27.5%(现价)。

4政策建议

4.1　加大产业发展资金支持力度

海洋生物医药业是资本技术密集型产业，具有高投入、高风险、高回报特点，因此加大资金支持力度是保证产业持续健康发展的重要前提。总体来看，中国海洋药物研究与开发起步较晚，目前仍处于孕育期，各级政府应从政策和资金方面扶持产业的发展，加大财政投入，拓展支持产业发展的财政支持渠道。同时，设立重大专项，提供资金保障；建立海洋生物医药技术成果转化、产业化专项资金，以及中小企业创业风险投资引导基金，拓展融资渠道，采取倾向性政策措施鼓励社会资金进入海洋生物医药业；对海洋生物医药产业发展实施政府支持、资金进入、转让退出的运营模式，推动产业发展的市场化运作。

4.2　建立并逐步形成完善的产业发展投融资机制

在国家和地方政府加大资金投入的基础上，国家和地方应出台积极的投融资政策和制度，引导金融机构完善信贷担保体系，支持海洋生物医药产业发展；引导社会资金投向生物产业，鼓励设立产业投资基金；积极支持符合条件的中小海洋生物医药企业在中小企业板和创业板和境外上市筹资，拓宽渠道，吸引风险投资；构建具有中国特色的由基础研究与技术开发到工程化、产业化发展的良性的海洋生物医药产业发展的投融资机制和体系，使其尽快由分散式、自发式、低水平重复的现状转变成为有计划、有组织、高起点的国家行为，提高中国海洋生物医药研究自主创新能力和产业发展的整体水平。

4.3　促进企业的联盟整合，培植大型海洋生物医药企业

按照“区别分类、突出重点、产能提升、强化特色、培植优势”的原则，在海洋生物医药产业基础雄厚、基础研究和技术开发优势显著、发展潜质和势头良好的区域，通过政策引导、资金扶持，以海洋药物、海洋中药、基因工程药物、海洋功能食品、海洋生物医用材料等产业为重点，推动本区域内同类海洋生物医药企业的整合，形成大型海洋生物医药企业，示范带动整个产业的发展。

4.4　加强海洋生物医药专业技术人才培养和引进力度

从长远来看，随着中国海洋经济产业结构的优化与产业转型升级，海洋专业技术人才是高技术产业发展的基石，是产业可持续发展的重要动力。因此，一方面要加强海洋生物医药专业技术人才的培养，利用高校、科研院所、企业的人才资源，制定人才培养和激励机制，有计划、有步骤、有目的地培养专业人才，加速海洋生物医药技术成果转化和产业化人才队伍建设；另一方面要加强高层次的研发技术人员的引进，招贤纳士的同时，更好地吸收国外先进技术。

4.5　建设国际一流的海洋生物医药研发创新平台和产业化支撑平台

以海洋生物医药产业发展的优势区域(青岛、上海、厦门、广州)为中心，以基础设施条件良好、研究队伍高度集中、研究特色优势显著的科研院所为依托，以政府宏观规划和政策引导为导向，充分发挥市场配置资源基础性作用，鼓励企业参与，改造或新建形成若干具有较大规模、多学科融合、创新能力强、开放运行的国家级海洋生物医药研究开发中心、工程技术研究中心和公共信息与服务平台，提高原始创新能力，促进科研成果的工程化与系统集成能力的大幅提升，并以此促进高层次人才、研发资金和高新技术向产业园区集聚，形成从基础研究、技术开发、产业化到规模化发展的海洋生物医药产业链体系和生物医药产业集群，以引领中国海洋生物医药产业的发展。

参考文献：

[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]陈华友,盛昭瀚.一类基于IOWGA算子的组合预测新方法[J].管理工程学报,2005,19(4):36-39.

[5]陈华友.组合预测方法有效性理论及其应用[M].北京;科学出版社,2008.

[6]陈启明,陈华友.基于IOWGA 算子的最优组合预测模型及应用[J].统计与决策,2012(3):88-90.

[7]赵学敏.用IOWGA算子组合预测城市生活需水量的研究[J].水电能源科学,2010,01:35-37,113.

[8]颜筱红.基于IOWGA算子的能源消费组合预测模型[J].西南民族大学学报(自然科学版),2011(04):543-547.

[9]陈启明,陈华友.基于IOWGA算子的最优组合预测模型及应用[J].统计与决策,2012(03):88-91.

[10]杨桂元,唐小我,马永开.最优加权几何平均组合预测方法研究[J].统计研究,1996(2):55-58.

[11]陈华友.组合预测权系数确定的一种合作对策方法[J].预测,2003,22(1):75-77.

[12]卢奇,顾培亮,等.组合预测模型在中国能源消费系统中的建构及应用[J].系统工程理论与实践,2003,23(3):24-30.

[13]卢二坡.组合模型在中国能源需求预测中的应用[J].数理统计与管理,2006,25(5):505-511.

[14]张玉强,宁凌,王桂花.中国海洋战略性新兴产业培育模型与应用研究——以广东为实证[J].中国科技论坛,2014(2):46-51.

[15]丁晨芳.组合模型分析方法在中国粮食产量预测中的应用[J].农业现代化研究,2007(1):101-103.

(责任编辑沈蓉)

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

中图分类号:F062.9

文献标识码:A

作者简介：郑莉(1987-)，女，湖北黄冈人，国家海洋信息中心助理研究员；研究方向：海洋经济统计与预测。

收稿日期:2015-04-15