反倾销预警系统中的数据挖掘技术(1)论文

[摘 要] 本文从反倾销预警内涵入手，指出其核心所在，并在此基础上，较为详尽地论述了如何运用数据挖掘技术对无序的和表层的反倾销预警构成数据进行运算与推断，旨在为国家有关部门构建反倾销预警系统提供一种新思路。 【论文关键词】 反倾销；预警系统；数据挖掘 近20年来，经济全球化使世界各国、各地区之间经济相互依赖程度日益加深，贸易保护主义抬头，贸易纷争日益激烈，作为GATT/WTO法律体系重要组成部分的反倾销规则，正在为世贸组织各成员越来越频繁地使用。

中国作为世界上最大的发展中国家和主要贸易大国，从1995年至今，己经连续12年成为遭受反倾销最多的国家，见表。 面对国外接踵而来的反倾销，建立出口预警机制，即利用数据挖掘技术将具体商品和市场进行分级分类，提出分级预警防范和应对措施，以引导企业有序出口，是应对来自国外反倾销的当务之急。

一、 反倾销预警 目前，国内对反倾销预警有两种理解。一种是以进口国为发起方，将“反倾销预警”理解为反对别国在本国倾销的预警；另一种是以出口国为发起方，将“反倾销预警”理解为对别国向本国发起的反倾销的预警。

前后二者实施主体可能同一，但扮演的角色却不同。本文将站在出口国的角度给予研判。

即我们认为，反倾销预警是指一国以出口国的身份，以WTO相关规则和出口国家相关法律、法规为依据，运用经济学原理、研究方法和信息技术手段，通过采集各国海关数据、政府或行业协会发展预测数据，跟踪各国各类贸易救济措施潜在信息，向本国政府、企业、行业协会和专业服务机构提供预警服务，包括国内产业产销量、产能变化、技术进步及生产企业生产经营状况变化信息，国内市场价格信息、本国出口到各国产品数量和价格走势、产品倾销幅度、产业损害程度等，通过对国内产品整体出口情况进行监控，及时发现和制止不正当出口竞争，为避免遭受国外反倾销等指控提供支撑。 基于上述分析，不难看出，反倾销预警的核心在于能否通过对重点、敏感产品的出口数量、价格以及国外同类产品生产经营情况等重要参数变化的监测，准确地研判出对进口方产业的影响，以及其受到实质性损害(威胁)程度或阻碍产业建立程度的预警信息。

二、数据挖掘技术 数据挖掘(Data mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。挖掘出的知识通常被表示为概念、规则、规律、模式、约束或可视化等形式，用以辅助决策过程或修正已有的知识体系。

1.数据挖掘的功能 数据挖掘的功能常分可成5类：关联分析、概括分析、分类分析、聚类分析、预测与评价。

(1)关联分析，即利用关联规则进行数据挖掘。分析表面上不相关数据之间的内在联系，揭示各事件之间的依赖性和相关性，分析范围包括简单关联、因果关联等。

(2)概括分析，即提取数据库中指定的数据集合的一般特性，找出普遍性规律。

(3)分类分析，设置分类规则，把各个事务或实体按照性质和特征的不同进行归类训练，把数据层次化和规整化，从而建立数据的分类模型，对于没有分类的数据进行分类。

(4)聚类分析，聚类是对记录分组，把相似的记录归在一个聚集里，是通过分析和归纳实体之间的特征差异，选出具有相同特征的实体聚合成为一个类，并用某种规则来描述该类的相同属性，形成一种聚类规则。

(5)预测与评价，对历史数据进行综合分析和归纳，推理出数据分布的时效性和规律性，从而对未来事件发展的趋势和结果进行预测和评估，这种预测是需要时间来验证的。 2.数据挖掘的过程 数据挖掘一般由三个阶段组成：数据准备、数据挖掘、结果的表达和验证。

数据准备是指先明确数据挖掘的对象和商业应用主题，再针对商业主题收集数据源，并对数据做整理和转换等技术处理，最后装进数据仓库。数据挖掘是创建正确的数据挖掘模型，并选择合适的挖掘算法，从数据集合中析取有价值的商业知识，例如商业规则、营销模式、带来最多利润的顾客群分布模型、顾客购买的商品之间的关联程度等等。

结果的表达和验证是在原始数据经过挖掘算法处理之后，将产生一系列有价值的结果，必须用简单易懂的语言或图表把它表达出来，并集成到电子商务中心，融合专家知识与领域规则，为商业活动提供决策支持，并在商业实践中来检验它。 3.数据挖掘的方法 数据挖掘的方法，可粗分为：统计方法、机器学习方法、神经网络方法和数据库方法。

统计方法可细分为：回归分析、判别分析、聚类分析、探索性分析以及模糊集、粗糙集、支持向量集等。机器学习可细分为：归纳学习方法、基于范例的推理CBR、遗传算法、贝叶斯信念网络等。

神经网络方法可细分为：前向神经网络、自组织神经网络等。其中，模糊和粗糙集方法已经被广泛地应用在各行业中了。

如：用基于粗糙集——主成分分析方法进行企业创新能力评价，用模糊逻辑规则进行企业生产决策，用模糊算法进行供应链合作伙伴的选择，利用遗传算法实现客户关系的管理，等等。

三、数据挖掘技术在反倾销预警系统中的应用 在反倾销预警系统中的数据挖掘就是从大量的有关产业出口企业资料信息库以及Web的数据中，收集产品的出口数量、价格以及国外同类产品生产经营情况、产业政策等重要参数变化信息，然后借助各种分析方法，透过无序的、表层的信息挖出内在的知识和规律，系统就可以根据这些规律或用这些信息设计数学模型，对未发生行为做出结果分析和预测，并及时发布给相关企业，从而为企业的综合经营决策、市场策划提供依据。具体来说，就是根据WTO《反倾销协议》对倾销的认定条件规定，运用数据挖掘技术对无序的和表层的反倾销预警构成数据，进行运算与推断，研判出口价格、出口数量及增率是否正常，对进口国有无实质性损害或损害威胁，甚至阻碍其产业建立。

因此，数据挖掘技术在反倾销预警系统中的应用具体反映在数据挖掘技术在出口产品价格动态分析预警系统、出口产品数量动态分析预警系统以及损害动态分析预警系统等三个预警系统中的应用。 1.出口产品价格动态分析预警系统 根据WTO《反倾销协议》对倾销的认定条件规定，产品以低于正常价值向另一国销售，即存在倾销产品。

因此，出口产品价格动态分析预警系统主要功能是通过产品价格监控系统，动态跟踪出口产品价格，并根据正常价格，检测其波动幅度，进而预测产品出口价格是否正常。为此，其程序设计的基本思路是：根据出口产品的正常价值(成本+合理费用+合理利润)并结合进口国对该产品反倾销的历史数据确定出该产品正常区间值[a，b]，即“绿色安全区域”。

如果出口产品价格低于“绿色安全区域”上限a这一阀值，一旦出口数量增长超过一定量，随时将可能会被进口国厂商或政府提起反倾销诉讼。此时，系统会给出预警，并根据其差距给出不同信号。

如处于[0.85a，a]区间，则给出“黄色”信号。该数值范围就是“黄色反倾销区域”；处于[0.65a，0.85a]区间，则给出“橙色”信号。

该数值范围就是“橙色反倾销区域”；处于[0，0.65a]区间，则给出“红色”信号。该数值范围就是“红色反倾销区域”。

无论何种预警信号出现，行业协会应对出口该产品的企业进行有关信息通报，以便企业作出合理的决策；当预警信号处于“橙色”以上，行业协会必须出面协调相关出口企业，对出口到该国产品进行一定的限制，否则出口企业将会招致被诉“倾销”，如图所示。如果出口产品价格高于“绿色安全区域”下限b这一阀值，预示着该产品出口价格相对过高，即意味着在某一国外市场上本国还有降价销售空间。

通过上述分析，不难看出，出口价格的确定十分关键。然而，出口产品价格的确定相当复杂，各个国家规定的确定方法也不相同。

所以，这方面的数据构成应当严格根据本国和它国的相关规定，确定数据的考虑范围和内容。常通过收集大量国内外的同行业、相同产品的时点价格动态信息及综合性价格信息，建立起产品价格监控系统。

即可以通过运用数据挖掘的概念描述，从出口反倾销数据信息系统(海关报关系统)中选定特定行业及其中某一产品，并运用分类分析法和聚类分析法从中析取该类产品单个企业出口时点价格动态信息及综合性价格信息，全国出口平均时点价格动态信息及综合性价格信息，进口国的时点价格动态信息及综合性价格信息，其他国家出口到该进口国的时点价格动态信息及综合性价格信息等。在对以上数据进行分类和聚类的基础上，确定出正常的价值，并运用偏差检测法计算产品价格偏差度。

2.出口产品数量动态分析预警系统 根据WTO《反倾销协议》对倾销的认定条件规定，销售量在一段时间内猛增是裁定某类产品是否构成倾销的条件之一。因此，必须构建出口产品数量动态分析预警系统，用以动态跟踪出口产品数量及其变化，并根据反倾销历史数据研判其增幅是否正常。

其工作原理是：通过数据挖掘技术中的概念描述，从出口反倾销数据信息系统(海关报关系统)中选定特定行业及其中某一产品，并运用分类分析法和聚类分析法从中析取该类产品出口地、出口的数量、在进口国所占的市场份额等相关的时点数据及综合性数据、进口国相同产品的国内生产量、国内产品销售量或市场份额及其他国家在该国同类产品的出口数量等相关的时点数据及综合性数据等信息到出口产品数量监控系统中。系统再定时调用相应模型，通过汇总、分类等方法对本国企业出口产品数量信息库中的出口到同一国家的商品数据进行动态分析、比较，并结合反倾销历史数据，按一定规律将本国出口到它国商品数量区分为红、黄、绿三个区域。

其中：

(1)“绿色安全区域”，表示出口产品数量及其变化处于正常值的范围，也意味着在某一国外市场上本国还有出口空间。

(2)“红色反倾销区域”，则表示出口产品在进口国的出口销售量及市场占有率达到一般会被进口国厂商或政府提起反倾销诉讼的范围。一旦出口产品价格低于正常的价格，即随时会被外国政府反倾销。

行业协会必须对相关出口企业出口该产品数量进行协调，对出口到该国产品的出口价格进行一定的限制，否则出口企业将会招致被诉“倾销”。

(3)“黄色警示区域”，则处于“绿色安全区域”和“红色反倾销区域”之间，表示产品出口量或增量已超过正常值的范围，可能会导致国外政府反倾销。此时，行业协会必须对出口该产品的企业进行有关信息通报，以便企业作出合理的决策。

3.损害动态分析预警系统 根据世贸组织的规定，确定实质性损害威胁有以下几个条件：

(1)倾销进口产品以极大的增长速度进入进口国市场；

(2)出口商有能力扩大生产、增加出口，或者出口商有大量库存产品可以出口；

(3)倾销产品的出口价格是否会打击国内产品价格；

(4)进口国尚有新的市场可以吸收扩大的倾销出口产品。所以，确定实质损害应考虑出口产品的数量对进口国相同产品价格和产品生产商造成的影响，它主要依赖于出口国产品倾销的输入量、倾销输入对价格的影响、对进口国同种产品国内生产价格的影响，但在规则中使用了模糊概念、倾销输入量有相当程度增加对进口国国内价格有相当程度压制等，使得损害的确定极具主观性。

由于损害的确定极具主观性，预警系统的设置应当经过系统全面的调查分析，设计出了一个完整的产业损害指标体系，可以用层次分析法同灰色评判模型，或者同模糊理论相结合，对产业损害程度进行综合考虑。同时根据行业和企业的特点选取不同的损害评价指标，确定出它们的权重。

并运用经济学中的弹性概念确定倾销对国内产业的影响、运用单层次模糊综合评判方法进行损害分析，以提供预警依据。

四、结论 加入WTO后，我国出口产品越来越多地遭到反倾销调查和起诉。这些都是企业在决策时不得不面对的情况。

在严峻的形势下，我们应当在构筑由政府、中介组织和企业共同组成的反倾销应诉体系的基础上， 立足于数据挖掘这一数据库和信息决策领域的理论前沿，通过构造更为先进的数据采集和处理模型，从多种信息源中提取出高质量的、及时的信息，建立一个完善、科学、准确的反倾销预警系统，以应对新时期市场对企业的挑战，为企业的战略决策提供有力的、科学的依据，保证企业的可持续和谐发展。 参考文献： 邵峰晶，等.数据挖掘原理与算法[M].北京：中国水利水电出版社，2003. 康塔尼克，著.闪四清，等译.数据挖掘：概念、模型、方法和算法[M].北京：清华大学出版社，2003. 易久.电子商务中数据挖掘技术的应用[J].工业技术经济，2004，

(4). 李峰.数据挖掘在企业中的应用[J].商场现代化·商业技术，2004，

(1

2). 刘君强，等.数据挖掘技术在企业经营中的应用研究[J].商业经济与管理，2003，

(6). 吴宗朝，张玉峰.企业竞争情报获取途径的分析[J].情报杂志，2007，

(2).