AJAE | 华中农大农业产业经济团队在农业经济与机器学习交叉领域研究上取得重要进展【转】

2020年9月，华中农业大学经济管理学院农业产业经济研究团队在American Journal of Agricultural Economics上发表了题为“China's Missing Pigs: Correcting China's Hog Inventory Data Using a Machine Learning Approach”的研究论文，首次运用机器学习技术分析与修正我国生猪存栏数据，为准确把握生猪市场数据提供新的科学依据。

2014年以前，我国生猪市场存在稳定的量价关系，即在猪肉消费相对平稳的情况下，生猪存栏量与生猪市场价格存在稳定的同步变动关系。自2014年以来，我国生猪市场稳定的量价关系被打破，生猪存栏量持续下滑的同时，生猪市场价格呈现倒V型波动态势，两者不再呈现同步变动关系。研究量价关系被打破的原因何在，如何识别生猪存栏量的偏误，如何修正生猪存栏量具有重要理论与现实意义。

生猪市场宏观数据呈现明显的小样本特征，常规的计量经济学方法难以完成小样本预测建模工作。近年来，随着机器学习技术的迅猛发展，涌现出适用于小样本预测建模的技术——支持向量回归算法。

为此，该研究使用我国生猪与母猪存栏量，生猪与饲料市场价格数据集，从理论与实证角度分析我国生猪市场量价关系的演进机制，进而将机器学习技术引入农业经济领域，构建基于支持向量回归算法的生猪存栏量与母猪存栏量预测模型，对存在偏误的存栏量数据进行预测与修正，从而得到准确的生猪、母猪存栏量预测值。该文研究成果为准确把握我国生猪市场数据提供了新的依据，对我国生猪市场的健康发展具有指导意义。

华中农业大学经济管理学院熊涛教授与天津商业大学邵永同教授为论文共同第一作者，美国爱荷华州立大学助理教授张文栋为论文通讯作者，美国爱荷华州立大学Dermot J. Hayes教授和美国新墨西哥州立大学助理教授李明昊一同参与了研究工作。该研究得到了国家自然科学基金的资助。

英文摘要：

Small sample size often limits forecasting tasks such as the prediction of production, yield, and consumption of agricultural products. Machine learning offers an appealing alternative to traditional forecasting methods. In particular, support vector regression has superior forecasting performance in small sample applications. In this article, we introduce support vector regression via an application to China's hog market. Since 2014, China's hog inventory data has experienced an abnormal decline that contradicts price and consumption trends. We use support vector regression to predict the true inventory based on the price‐inventory relationship before 2014. We show that, in this application with a small sample size, support vector regression outperforms neural networks, random forest, and linear regression. Predicted hog inventory decreased by 3.9% from November 2013 to September 2017, instead of the 25.4% decrease in the reported data.

全文链接（或点击“阅读原文”）：

https://doi.org/10.1111/ajae.12137

——END

中文介绍转自南湖新闻网：

http://news.hzau.edu.cn/2020/0921/58251.shtml

相关阅读：