| 931 | 6 | 532 |
| 下载次数 | 被引频次 | 阅读次数 |
农产品电商具有农业经营改善和农户福利提升的积极作用，在电商参与模式下识别和预测农产品短期经营风险有助于农户家庭主动管理和积极干预电商嵌入结构，也可为区域电商布局优化提供理论依据和预警方案。文章以江苏省3755户家庭梨果种植户为样本，采集种植投入、电商交易和借贷保险等电子台账大数据，对比分析线性计量模型、一维非线性机器学习模型和二维深度学习模型对农产品短期经营风险结果和风险决策的预测能力。结果表明，电子台账大数据包含预测农产品短期经营风险的信息含量，基于特征灰度的二维卷积神经网络具有精准而稳定的预测能力，电商交易的预测信息含量高于种植投入和借贷保险且三者相互印证。在此基础上，从电商数据规范、台账软件升级、电商咨询建设和数字平台管理角度提出建议。
Abstract：Agricultural e-commerce has a positive effect on operation improvement and welfare enhancement. Identifying and predicting its risks helps to actively manage and intervene embedding patterns,and also provides theoretical basis and early warning solutions for regional e-commerce optimization. Electronic ledger data of production,transaction and finance of 3755 pear farmers in Jiangsu Province were collected to compare the predictive capability of linear model,1-dimensional non-linear machine learning models and 2-dimensional deep learning model on the risk outcomes and decisions of agricultural operations. The results show that ledger data have adequate information content to predict short-term agricultural risk. Convolution Neural Networks on feature grey scale has the best prediction ability. And the prediction information of transaction data is higher than production and financial data with mutually validated structure. Recommendations are made from the perspectives of e-commercial data specification,ledger software upgrading,consulting service construction and digital platform management.
[1]陈新建，韦圆圆．风险感知、风险偏好与贫困农户风险管理策略[J]．华南农业大学学报(社会科学版)，2019(1):74-85．
[2]沈琼．新型职业农民持续务农的关键因素及面临的难题[J]．社会科学家，2020(9):15-21．
[3]尚燕，熊涛．所为非所想?农户风险管理意愿与行为的悖离分析[J]．华中农业大学学报(社会科学版)，2020(5):19-28,169．
[4]丁少群，张珏，李丹．乡村振兴背景下农业巨灾风险分散机制完善研究[J]．理论探索，2021(5):96-104．
[5]王志刚，李圣军，宋敏．农业收入风险对农户生产经营的影响:来自西南地区的实证分析[J]．农业技术经济，2005(4):46-50．
[6]谢花林，黄萤乾．非农就业与土地流转对农户耕地撂荒行为的影响---以闽赣湘山区为例[J]．自然资源学报，2022(2):408-423．
[7]PORTER M.Strategy and the internet[J].Harvard Business Review,2001,79(3):63-78．
[8]KHANAL R,MISHRA K,GUJARATHI P,et al.Financial performance of small farm business households:the role of internet[J].China Agricultural Economic Review,2016,8(4):553-571．
[9]周浪．另一种“资本下乡”:电商资本嵌入乡村社会的过程与机制[J]．中国农村经济，2020(12):35-55．
[10]DUTTA P,SURYAWANSHI P,GUJARATHI P,et al.Managing risk for e-commerce supply chains:an empirical study[J].IFAC-PapersOnLine,2019,52(13):349-354．
[11]ZHANG N,WEI X.Game theory analysis on credit risk assessment in e-commerce[J].Information Processing&Management,2022,59(1):1-9．
[12]肖迪，陈瑛，王佳燕，等．考虑平台数据赋能的电商供应链成本分担策略选择研究[J]．中国管理科学，2021(10):58-69．
[13]汪兴东，刘雨虹．农户电商销售意愿与行为偏差分析---基于江西省54个县的调查数据[J]．农林经济管理学报，2021(3):316-325．
[14]王艳玲，张广胜．农户电商创业意愿实证研究---基于技术接受、感知风险与主观经验[J]．北京交通大学学报(社会科学版)，2021(2):90-100．
[15]向丽，胡珑瑛．生计风险感知对农民参与电商扶贫意愿的影响及代际差异研究[J]．农业技术经济，2019(5):85-98．
[16]郝鸿，刘尊礼，孟突忠，等．行使权力对渠道电商感知风险的调节作用---感知关系风险和绩效风险的差异[J]．工业工程与管理，2015(5):37-44,53．
[17]聂召英，王伊欢．链接与断裂:小农户与互联网市场衔接机制研究---以农村电商的生产经营实践为例[J]．农业经济问题，2021(1):132-143．
[18]廖理，崔向博，孙琼．另类数据的信息含量研究---来自电商销售的证据[J]．管理世界，2021(9):90-104．
[19]KAMBLE S,GUNASEKARAN A,GAWANKAR S.Achieving sustainable performance in a data-driven agriculture supply chain[J].International Journal of Production Economics,2019(5):179-194．
[20]林明，杨林楠，彭琳，等．基于BFGS-NARX神经网络的农产品价格预测方法[J]．统计与决策，2013(16):18-20．
[21]王骞．基于遗传算法与支持向量机的农业经济预测[J]．农业技术经济，2011(8):34-38．
[22]谢星雨，余本功．基于MFFMB的电商评论文本分类研究[J]．数据分析与知识发现，2022(1):101-112．
[23]岑咏华，李文敬，李莉，等．基于深度学习的电商评论信息多刻面情感分类研究[J]．情报科学，2021(9):67-73,100．
[24]胡春华，邓奥，童小芹，等．社交电商中融合信任和声誉的图神经网络推荐研究[J]．中国管理科学，2021(10):202-212．
[25]王颖，阮梦黎．基于大数据的电商异常交易风险评估仿真[J]．计算机仿真，2018(3):369-372,388．
[26]徐鲲，张驰，鲍新中．基于电商平台自有资金的供应链融资风险系统分析与仿真[J]．系统科学学报，2021(2):100-104,115．
[27]DAI N,VIKEN G,JOO E,et al.Risk assessment in e-commerce:how sellers'photos,reputation scores,and the stake of a transaction influence buyers'purchase behavior and information processing[J].Computers in Human Behavior,2018,84(7):342-351．
[28]刘艳．中国农业弱质性探究[J]．求是学刊，1998(3):47-50．
[29]ROUMASSET J.Rice and risk:decision making among low-income farmers[M].Amsterdam:North-Holland,1976:825-828．
[30]程欣炜，岳中刚．参与农产品电商能够提升农村女性有薪劳动绩效吗?---基于10省种植户家庭跟踪数据[J]．商业经济与管理，2021(10):5-19．
[31]CORTES C,VAPNIK V.Support vector networks[J].Machine Learning,1995,20(3):273-297．
[32]BREIMAN L.Random forests[J].Machine Learning,2001,45(1):5-23．
[33]ROSENBLATT F.The perceptron:a probabilistic model for information storage and organization in the brain[J].Psychological Review,1958,65(6):386-408．
[34]RUMELHART D,HINTON G,WILLIAMS R,et al.Learning representations by back propagating errors[J].Nature,1986,323(6):533-536．
[35]FREUND Y,SCHAPIRE R.Experiment with a new boosting algorithm[A]//Machine Learning:Proceedings of the Thirteenth International Conference.San Francisco:Morgan Kauffman,1996:148-156．
[36]CHEN T,GUESTRIN C.XGboost:a scalable tree boosting system[C].San Francisco:22nd SIGKDD Conference on Knowledge Discovery and Data Mining,2016．
[37]HINTON G,SRIVASTAVA N,KRIZHEVSKY A,et al.Improving neural networks by preventing co-adaptation of feature detectors[J].Computer Science,2012(4):212-223．
[38]KRIZHEVSKY A,SUTSKEVER I,HINTON G.Image Net classification with deep convolutional neural networks[J].Communications of the ACM,2017,60(6):84-90．
[39]RASEKHSCHAFFE K,JONES R.Machine learning for stock selection[J].Financial Analysts Journal,2019,75(3):70-88．
[40]ZHOU B,KHOSLA A,LAPEDRIZA A,et al.Learning deep features for discriminative localization[J].Ar Xiv Preprint Ar Xiv:1512.04150,2015:1-10．
[41]SELVARAJU R,COGSWELL M,VEDANTAM R,et al.Grad-CAM:visual explanations from deep networks via gradient-based localization[J].International Journal of Computer Vision,2020,128 (2):336-359.
基本信息:
DOI：10.14134/j.cnki.cn33-1336/f.2022.09.002
中图分类号:F724.6;F323.7
引用信息:
[1]程欣炜,岳中刚.基于电商大数据的农产品短期经营风险预测研究——以家庭经营梨果种植户为样本[J].商业经济与管理,2022,No.371(09):16-29.DOI:10.14134/j.cnki.cn33-1336/f.2022.09.002.
基金信息:
教育部人文社会科学基金一般项目“基于深度学习的农产品电商风险预警和金融对策研究”(18YJC790016); 江苏省社会科学应用研究精品工程课题“脱贫攻坚阶段农产品电商对小农户有机衔接现代农业发展效率的影响研究”(20SYC-057)
2022-09-15
2022-09-15