045

区域创新合作

绿”，因其香鲜爽口，外形条索紧圆光滑，色泽苍翠绿

润，毫白如玉，并且在清朝时期，当时恩施地区将茶

叶作为贡品进贡给皇帝，因皇帝的一句“胜似玉露琼

浆”而得名，就有了后来的“玉露”，体现出恩施玉

露的历史悠久。

2.1.2 深厚的茶文化

在恩施人民的日常生活中，也有很多茶文化的形

式，如茶诗、茶歌、茶俗、茶礼等，并且具有民族特

色与地方特色。例如“六口茶”民歌，“土家油茶汤”“罐

罐茶”等独特的饮茶方式，以及“容美四道茶”展示

了恩施独有的茶礼。这些丰富多彩的茶文化与龙船调、

摆手舞、撒尔嗬等极具土家族风格的文化活动相结合，

推动了恩施茶文化产业的发展[18]。

2.1.3 独特的工艺

我国在古代就已经使用蒸汽杀青这类工艺，恩施

玉露便是国内仅存的几种保留蒸青技艺这一唐宋遗风

的绿茶之一[19]。蒸汽杀青，对茶叶色、香、味等品质

特点的形成均起着决定性的作用，最终能达到杀青透

彻而均匀、叶色翠绿而匀调、幽香持久、滋味鲜醇隽

永的效果。

2.1.4 旅游发展资源

恩施州荣膺全国休闲农业与乡村旅游示范州，

恩施市、利川市成功创建国家全域旅游示范区。截至

2022年4月，恩施州5A级景区总量达到3家，4A级及以

上景区达到20家，利川苏马荡成功创建省级旅游度假

区；新增4家四星级饭店，总量达到13家；新增 2家4A

级旅行社，总量达到 3家。恩施州“旅游 + 扶贫”、

宣恩县全域旅游发展助推脱贫致富模式入选世界旅游

联盟减贫案例。全州旅游接待人次由2016年的4 366万

人次增至2019年的7 117万人次，旅游综合收入由300亿

元增至530亿元，提前实现“十三五”目标，综合实力

位居全省“五强”。2016年、2017年、2018年游客满

意度蝉联全省第一。2020年，应对新冠疫情、洪灾冲

击，全年接待游客3 499.24万人次，实现旅游综合收入

202.16亿元，稳住了旅游业发展基本盘。

2.2 劣势分析

2.2.1 品牌效应不强以及推介力度不足

对于旅游业的发展来讲，品牌起着一个非常重要

的作用。乡村振兴视域下的茶旅融合发展主要是为了

促进茶产业和旅游业互惠互利，实现茶旅融合发展，

并在此基础上推动茶产地的经济良性发展。恩施有“恩

施玉露”“利川红”等茶叶品牌，但这些品牌由于营销

力度明显不足而导致其品牌影响力较小，使得恩施茶

旅融合发展缺乏市场竞争力，难以较好地实现茶叶品

牌和旅游产业的融合并发挥积极作用，一些茶叶产地

的经济发展也很缓慢，不利于乡村振兴战略的高效实

施。造成恩施茶叶品牌影响力相对不足的主要原因可

能有两方面：一是对原产品牌的保护力度不够。对恩

施茶文化的挖掘工作相对滞后，并且相关的文物遗产

保护不足，并没有恢复古时的恩施茶文化。二是宣传

力度相对不足，虽然每年政府都会举办茶叶文化节、

博览会等，但是活动的辐射范围较小，很难产生较大

的影响力。

2.2.2 茶旅融合复合型人才匮乏

茶旅融合发展需要大量复合型人才。随着恩施茶

旅产业融合发展，其对人才的需求也在不断增加。然

而，恩施产茶区主要集中在农村地区，发展茶旅融合

产业的人才稀缺，并且人才大多集中在茶叶的生产和

制备方面。工作人员对茶叶产品营销、茶文化等方面

的知识比较欠缺，并且研究此方面的科研人才少，很

难持续研发新产品。这一因素阻碍了茶业与旅游业的

进一步融合发展。

2.3 机遇分析

2.3.1 政府的大力支持

恩施州委七届十一次全会作出立足大生态、构建

大交通、发展大旅游、打造大产业，奋力推进恩施绿

色崛起的重要决策部署，强调发挥“土、硒、茶、凉、

绿”特色资源优势，为推进茶产业链高质量发展明确

了方向和路径。并且恩施州委、州人民政府对茶业的

支持力度一直在不断加大，还吸引了一些外商来投资

恩施州的茶业。在此基础上，恩施茶旅融合发展的产

业链将会不断拓展，打造新业态，助推其发展。

2.3.2 交通系统日趋完善

恩施州目前已拥有“公铁空”立体交通网络系统。

恩施境内有许家坪机场、6个火车站，加上高速公路建

设全面铺开，恩施境内已有7条高速公路，吸引了很多

游客去恩施旅游。由此可见，恩施州交通系统的逐步

完善，为茶旅产业融合提供了有力的支撑。

2.4 威胁分析

2.4.1 茶旅融合发展模式缺乏创意，同质化明显

茶旅产品才是茶旅融合项目的核心，恩施在茶旅

融合发展的过程中，虽然推出了很多项目，然而其发

展模式缺乏新意，仍然是以大众化的游览茶园、茶叶

采摘、茶叶销售、茶叶加工工艺展览以及农家乐体

验等基础茶旅融合项目为主，缺少一些具有创新性的

活动形式，并未把恩施茶文化的地域特色和民族特色

046

中阿科技论坛 2023年第4期

展现出来。在茶艺景观的塑造方面，简单模仿和生搬

硬套其他地区的发展模式，既不能点缀和具象农业美

学，又不能烘托园区特色，整体概念与主题不突出，

缺乏创意[20]。因此，恩施的茶旅产品很难吸引省外或

者境外的游客，造成茶旅融合难以推动恩施茶产地的

经济持续增长，茶旅融合发展进程缓慢。

2.4.2 生态环境的制约不断增大

恩施茶旅融合发展需要建立在良好的生态环境基

础之上。按照目前的趋势来看，恩施州茶旅融合项目越

做越大，同时也带来一些问题。游客的增多对生态环境

造成了破坏，比如垃圾堆积、树木砍伐、污水排放、空

气污染等。因此，恩施州在茶旅融合发展的过程中，需

要重视保护生态环境，促进茶旅融合绿色可持续发展。

3 乡村振兴视域下茶旅融合发展路径

3.1 创新差异化产品

在茶旅融合发展的过程中，必须要创新特色茶旅

产业，打造差异化的产品，以此来展现恩施的区域特

色以及民族特色。可通过结合“吃、住、行、游、购、娱”

旅游六要素与“公司+农户”模式，针对恩施茶产业的

不同特点来进行旅游开发，制定精品旅游路线，形成

多种茶旅产品和活动。比如，恩施州作为土家族和苗

族聚居地，可以打造将茶馆、民族文化以及旅游融合

的经营模式，在观茶艺、品茶的过程中，游客可以领

略土家族和苗族的风俗文化。还可以构建茶园、保健、

甜点融合的模式，如在观光茶园的基础上，为游客安

排一些安静舒适的茶香SPA，或者是开展甜点评鉴会，

即让游客品尝用恩施茶叶制作的奶茶、抹茶面包等等。

这些经营模式不仅延长了产业链，还丰富了旅游的形

式，打造了更加新颖的茶旅项目产品。

3.2 创新营销方法

营销是乡村振兴视域下茶旅融合发展的重点，同

时也是恩施玉露茶产地经济可持续发展的保障。因此，

需要不断地创新营销策略，迎合现代的发展潮流，不

仅能够获得经济效益，还可以实现茶旅融合的可持续

发展。

对于恩施的茶文化品牌，应该加强茶文化营销，

来吸引消费者。恩施要在传统营销策略的基础上，迎

合时代潮流，结合快消品的营销方式来做茶叶品牌

的营销。通过利用新媒体平台，如抖音、微博、小红

书、微信公众号等，来覆盖不同消费层次和不同年龄

段的消费者，以提高影响力，线上线下双管齐下。同

时还可以与携程、飞猪等旅行平台合作来制定茶旅精

品线路。

3.3 加强人才队伍建设

人才是实施乡村振兴战略的基础，乡村振兴离不

开人才，茶业与旅游业的融合自然需要人才的大力支

持。要实现恩施茶旅融合发展，就应该大力引进和培

养人才，推动茶旅融合的健康发展。首先，可以加强

恩施茶旅融合人力资源建设。这需要政府、企业、乡

村和高校的通力合作，共同构建专业的茶业与旅游业

协同发展运营团队，开展“产学研”深度合作，有针

对性地培养复合型人才，为恩施茶业与旅游业融合创

造良好的人才培养环境。其次，可以吸收其他地区茶

旅融合的经验，引进其他地区的专业人才，结合恩施

地区的实践环境，制定出合理并且可持续的发展方案。

最后，在旅游方面，为了提升茶业与旅游业从业人员

的专业性，可以定期组织培训，提高其综合职业素

养，加速促进茶旅产业的高质量发展。

4 结语

在乡村振兴视域下，茶旅融合发展有助于推动乡

村经济的稳定持续发展，恩施州的自然条件优越，同

时茶产业强，加上旅游资源丰富，茶旅融合也刚好顺

应了时代发展潮流。茶旅融合作为一个新兴的旅游项

目，具有很大的发展潜力。从这一项目的提出，恩施

州就已经在努力发展茶旅产业。然而目前在恩施茶业

与旅游业的融合过程中，存在着缺乏新意、人才匮乏、

营销策略较为传统等一系列问题，导致茶业很难进一

步推动旅游业的快速发展。因此对于恩施的茶旅融合

来讲，应该不断创新，深入挖掘茶文化的地方特色，

延长产业链，通过增强茶业的品牌效应，来促进茶旅

融合的可持续发展。同时，政府、企业和社会的力量

也是必不可少的，营造良好的外部发展环境，有利于

茶业和旅游业的深度融合。

参考文献：

[1]国家发展和改革委员会.农村一二三产业融合发

展年度报告(2017年)[J].中国经贸导刊,2018(13):58-64.

[2]郭军,张效榕,孔祥智.农村一二三产业融合与农

民增收:基于河南省农村一二三产业融合案例[J].农业经

济问题,2019(3):135-144.

[3]苏毅清,游玉婷,王志刚.农村一二三产业融合

发展:理论探讨、现状分析与对策建议[J].中国软科

学,2016(8):17-28.

[4]周振华.产业融合:产业发展及经济增长的新动力

[J].中国工业经济,2003(4):46-52.

[5]梁立华.农村地区第一、二、三产业融合的动力机

制、发展模式及实施策略[J].改革与战略,2016,32(8):74-77.

047

区域创新合作

[6]熊爱华,张涵.农村一二三产业融合:发展模式、条

件分析及政策建议[J].理论学刊,2019(1):72-79.

[7]邬燕,周国忠.基于博弈论的会展产业融合模式研

究[J].浙江学刊,2018(1):118-125.

[8]余昕.旅游资源和茶产业的契合点分析和融合措

施[J].福建茶叶,2017,39(5):90-91.

[9]黄春,陈蕴茜.全面乡村振兴背景下江西茶旅融合

发展路径研究:以江西资溪县为例[J].农业考古,2021(2):84-

89.

[10]林曼瑜,陈荣发,李丹.乡村振兴背景下茶旅产业

融合发展探究:以广东省开平市大沙镇为例[J].广东茶

业,2022(4):36-41.

[11]刘新永,池敏青,林国华,等.宁化茶产业SWOT分

析及其发展策略研究[J].中国农学通报,2022,38(17):128-

133.

[12]HOLLAS C R,CHASE L,CONNER D,et

al.Factors related to profitability of agritourism in the United

States: Results from a national survey of operators[J].Sustainabili

ty,2021,13(23):13334.

[13]YU W,SPENCER D M.Motivations, challenges, and

self-transformations of farmers engaged in farm tourism on a

tropical island[J].Journal of Heritage Tourism,2021,16(2):164-180.

[14]GARROD B,FYALL A.Managing heritage tourism[J].

Annals of Tourism Research,2000,27(3):682-708.

[15]YALE P.From tourist attractions to heritage tourism[M].

Huntingdon:ELM publications,1991.

[16]Ahmed I. A participatory approach to conservation:

working with community to save the cultural hertiage of

Panamnagar[J].BRAC University Journal,2006,3(2):25-33.

[17] Sharma A，Sharma S. Heritage tourism inIndia:

A stakeholder's perspective[J]. Tourism and Travelling, 2017,1

(1):20-33.

[18]张金霞.乡村振兴战略背景下湖北恩施茶文化产

业发展研究[J].中国商论,2019(9):213-215.

[19]焦巧.文旅融合背景下恩施地区茶旅融合发展策

略[J].广东蚕业,2019,53(6):71-72.

[20]许艺娜,吴娜培,周鹭岚.乡村产业振兴视阈下安

溪县茶旅产业融合模式及策略研究[J].福建茶叶,2019,

41(7):110-111.

Research on the Path of Tea-Tourism Integration in the Context of

Rural Revitalization

——Taking Enshi Prefecture in Hubei Province as an Example

Zhu Hengxiao, Liu Yang

(Hunan Agricultural University, Changsha 410125)

Abstract: Tea-tourism integration is an emerging industrial chain with tourism as the core and tea industry as the resource,

which injects new vitality into rural revitalization. In recent years, the tea industry in Enshi, Hubei Province has ushered in a new

stage, and vigorously tapping tea industry is undoubtedly an important way out to revitalize the rural economy. Taking advantage of

local resources to promote tea-tourism integration is also conducive to the implementation of rural revitalization. Hence, this thesis

aims to compare the differences between domestic and foreign research on the integration of tourism and other industries, analyzes

the integration of tea-tourism in Enshi through SWOT and puts forward specific path accordingly, aiming to boost the high-quality

economic and social development of Enshi.

Key words: Rural revitalization; Tea-tourism integration; Path; Enshi Prefecture

（校对：郭雁华 杨艳佩）

048

中阿科技论坛 2023年第4期

油菜作为世界四大主要油料作物之一，是食用油

和生物柴油生产的主要原料，在我国农作物中占据重

要地位[1]。一直以来，我国高度重视油料作物的发展问

题。2023年中央一号文件提出：“深入推进大豆和油

料产能提升工程……统筹油菜综合性扶持措施，推行

稻油轮作，大力开发利用冬闲田种植油菜。”但农业

具有“弱质性”的特征，导致油菜在生产过程中会遭

遇多种风险，主要表现为自然风险和市场风险。农业

保险是现代农业中的一种规避风险的重要工具，是世

界各国用来保障农业的稳定生产的重要手段。因此，

油料作物保险产品可以分散油菜生产过程中的风险，

保障农户的经济利益。然而，目前湖北油菜保险产品

的保障范围不够全面，不能够同时规避油菜生产过程

中产生的自然风险和市场风险。而农作物收入保险以

农户收入为保险标的，能够同时规避产量和价格双重

风险。随着2023年的中央一号文件于2023年2月13日发

布，“农作物收入保险”已连续8年被写入报告。然而，

目前对油菜籽收入保险的研究还相对较少。因此，本

文基于Copula以及旋转Copula方法对湖北省油菜籽进行

收入保险的研究，具有理论和现实意义。

1 研究现状

1996年美国开展探索农作物收入保险，之后众多

国外学者开始对其研究，且取得了大量的优秀成果。

Hennessy等（1997）的研究结果表明，在同一保障水

平下，收入保险比产量保险和价格保险具有更低的

费率[2]。Cole等（2010） 认 为 农 作 物 收 入 保 险 的 费

率厘定主要分为四步：估算出产量和价格的边际分

布函数，确定它们的联合分布，并随机模拟出符合联

合分布的多组产量和价格数据，设置多个保障水平，分

别估算出纯费率[3]。确定边际分布的方法主要有两种：

Lanoue（2010）采用参数法拟合产量和价格的分布[4]；

Woodard等（2012）则是运用高斯核密度法对产量、

价格分布进行估算[5]。Ghosh等（2011）将单一Copula

和混合Copula方法进行对比研究[6]。Goodwin等（2015）

运用了Vine-Copula方法进行研究[7]。庹国柱等（2016）

认为价格指数保险并不适宜长期发展，我国农业保险

的研究方向应该转向收入保险[8]。游悠洋（2015）从三

个方面分析我国开展农作物收入保险的可行性，结果

表明，尽管目前仍然存在一些问题和缺陷，但从整体

上看，我国农作物收入保险的发展前景还是比较乐观

的[9]。田菁等（2019）以辽宁省玉米和大豆为例，用参

数法分别拟合产量和价格的边缘分布[10]。赵玉（2019）

在确定水稻产量与价格的边际分布时采用了非参数核

密度估计法[11]。

以湖北省油菜籽为例的我国农作物收入保险定价研究

曹梦亚

（山东工商学院,山东 烟台 264000）

摘要：农业保险作为分散农业生产经营风险的重要手段，对推进现代农业发展、促进乡村产业振兴、改进农

村社会治理、保障农民收益等具有重要作用。当某种农产品生产更易受到各种自然灾害影响，同时也面临着市场

价格波动的风险，农作物收入保险便可成为能够同时应对自然灾害和市场波动的新型保险产品，未来将成为分散

农业风险的主要工具。油菜作为世界重要的油料作物之一，同样面临着自然灾害和市场波动的双重风险，因此需

要农作物收入保险为其提供相应的保障。本文以湖北省油菜籽为例，选择几种参数分布模型来分别拟合油菜籽的

单产和价格序列，结合Copula函数来构建两者的联合分布，并测算出农作物收入保险的费率及保费。实证结果表

明，旋转180°后Copula模型能更准确描绘湖北油菜籽之间的相关结构，有助于制定更加准确的收入保险费率，以

保障农户的经济利益。

关键词：农作物收入保险；费率厘定；旋转Copula；油菜籽

中图分类号：F842.66 文献标识码：A

收稿日期：2023-01-09

基金项目：国家社会科学基金重点项目“巨灾债券定价与风险管理的统计建模研究”（22ATJ005）。

作者简介：曹梦亚（1996— ），女，硕士研究生，研究方向为农作物保险。

049

区域创新合作

综上所述，国外学者对收入保险的研究开始较

早，因此也取得了丰富的成果。而国内对农作物收入保

险的探索还处于起步阶段，对费率厘定这一核心问题的

研究有待深入。另外，国内外学者在选择收入保险的研

究对象时主要聚焦于粮食作物，对油菜籽收入保险的相

关研究较少。基于此，本文以湖北省油菜籽为例，运用

Copula函数对收入保险的定价问题进行研究。

2 研究方法

2.1 Copula函数理论

Copula函数又称连接函数，是由Sklar（1959）提出

的，用来描绘随机变量间的相关性问题。它的本质是

将一个高维的联合分布函数分解成一个Copula函数以

及多个一维边缘分布函数。Joe（1997）的研究中提供

了有关Copula的构造和属性的详细信息，构造联合分布

的实质是使“Copula”函数将两个或多个可能（或可能

不）彼此相关的边际分布函数联系在一起，以形成联

合分布函数[12]。在实证研究中，Copula模型已被广泛应

用于农作物收入保险费率的厘定中。

油菜的收入由其产量和价格决定，所以对收入保

险的费率进行研究时，需要考虑产量与价格这两个变

量，因此本文建模时选择二元Copula函数。二元Copula

函数的定义为：

如果存在函数C，使 ，则称C

是分布函数G的Copula函数。其中 是随机变量（X,Y）

的联合分布函数， ， 分

别为X、Y的分布函数。

2.2 常见二元Copula函数

通过对收入保险文献的研究发现，最常用的二元

Copula函数有t-Copula函数、Clayton Copula函数、Normal

Copula函数、Gumbel Copula函数以及Frank Copula函数。

2.2.1 椭圆Copula函数

t-Copula函数以及Normal Copula函数是最常用的椭

圆Copula函数，它们的基本形式及参数θ的取值范围如

表1所示。

其中，U、V是取值范围在[0,1]上的随机变量，θ

是相关参数，表示线性相关系数， 表示标准一元正

态分布函数的反函数， 为自由度为χ的一元 t分布

函数的反函数。

2.2.2 阿基米德Copula函数

阿基米德Copula函数的二元函数表达式为：

（1）

其中，函数 为阿基米德Copula函数的生成元，

满足 且 ，对任意 ，

有 ， 。几种常见的二元阿基米德Copula

函数的基本形式及参数δ的取值范围如表2所示。

其中，U、V是取值范围在[0,1]上的随机变量，δ

为描绘相关关系的参数，取值与秩相关系数有关。

2.3 蒙特卡洛模拟

Monte Carlo模拟是一种以概率和统计理论为基础的

随机抽样方法，能够很好地模拟模型描绘的过程，以

期获得问题的近似解。二元Copula函数的概率密度函数

较为复杂，因此本文选择Monte Carlo模拟法模拟多组单

产和价格数据，相乘得到农作物收入数据。

利用Monte Carlo模拟生成10 000组随机数的具体方

法步骤如下：

（1）根据确定的联合分布，运用蒙特卡洛模拟法

生成10 000组分布函数的函数值序列 ；

（2）将生成的序列值代入边缘分布，通过其反

函数 ， 得到10 000组模拟的单产数据和价

格数据；

在不同保障水平下，根据公式（2）厘定收入保险

的纯费率：

（2）

为农作物收入保险的预计损失：

（3）

其中 表示收入， 为保障水平， ， 为期

望收入水平。

3 湖北省油菜籽收入保险费率厘定

3.1 数据选取与预处理

本文单产数据选取1993—2021年湖北省油菜籽单

位面积产量，数据来源于历年《湖北统计年鉴》；价

格数据选取与其对应的1993—2021年湖北省油菜籽的

平均出售价格，数据来自1994—2022年的《全国农产

品成本收益资料汇编》。

首先对油菜籽的单产序列进行平稳性检验，结果

表明，单产序列不平稳。因此，需要对油菜籽的单产

数据进行去趋势处理。去趋势的核心即为分离出趋势

项和波动项，统计学中有许多去趋势的方法，本文采

表1 常用椭圆族Copula函数

连接函数 取值范围

Normal Copula [-1,1]

t-Copula [-1,1]

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

( , , )

exp[ ( ) ]

[ ( ) ]

( )

( )

( , ) ( ( ) ( ))

( )

( ) ( ) ( )

( )

( )

( )

C u v

s st t dsdt

s t st dsdt

T

C u v u v

u v

t

t

t

2 1

1

2 1

2

2 1

1 1 1

2

0

1 0

0 1

0

0

( ) ( )

( ) ( )

u v

T u T v

2 2

2 2

2 2

2 2 2

2

1

1

1

1 1

1 1

$

$

$

1

2

#

G G

r

r

i

i i

i

i | i

i

z z z

z

z z z

z

z

z

U

- - -

- +

- + -

+ -

= +

+

=

3 3

3 3

|

|

U U

- -

- -

- +

-

-

-

| |

- -

- -

l

m

# #

# #

D e m o

表2 常用阿基米德族Copula函数

连接函数 取值范围

Frank Copula (-∞,+∞)\\{0}

Gumbel Copula [1,+∞）

Clayton Copula (0,+∞）

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

y

( , ) [ ( ), ( )]

( , )

( ) ( , )

( ) ( , )

G x y c G x G y

G x y

G x G x

G y G y

1 2

1

2

3

3

i

=

= +

= +

D e m o

( , ) [ ( ), ( )]

( , )

( ) ( , )

( ) ( , )

G x y c G x G y

G x y

G x G x

G y G y

1 2

1

2

3

3

i

=

= +

= +

D e m o

( , ) [ ( ), ( )]

( , )

( ) ( , )

( ) ( , )

G x y c G x G y

G x y

G x G x

G y G y

1 2

1

2

3

3

i

=

= +

= +

D e m o

( , ) [ ( ), ( )]

( , )

( ) ( , )

( ) ( , )

G x y c G x G y

G x y

G x G x

G y G y

1 2

1

2

3

3

i

=

= +

= +

D e m o

( , ) [ ( ), ( )]

( , )

( ) ( , )

( ) ( , )

G x y c G x G y

G x y

G x G x

G y G y

1 2

1

2

3

3

i

=

= +

= +

D e m o

C

050

中阿科技论坛 2023年第4期

用HP滤波的方法对数据进行处理，然后将去趋势之后

的数据按式（4）转化为以2021年为基期的单产。

，t=1993,…, 2021, T=2021

（4）

其中， 为实际单产， 为预测趋势单产， 为随

机波动项。对新单产序列做ADF单位根检验，结果表

明在5%的显著性水平下单产序列平稳。

同样，先对价格序列进行平稳性检验，结果表明

价格序列也不平稳。由于1993—2021年年份跨度较大，

价格序列可能会因通货膨胀出现明显的趋势，因此，

先用1993—2021年湖北省居民消费价格指数（数据

来自《湖北统计年鉴》）对价格序列做去通货膨胀

处理，然后采用与单产数据去趋势相同的方式处理

价格数据，对处理后的数据做ADF单位根检验。结

果表明在三个显著性水平下，处理后的价格序列均

是平稳序列。单产和价格去趋势前后的ADF检验结

果如表3和表4所示。

3.2 拟合单产和价格的边缘分布

3.2.1 油菜籽单产边缘分布

Goodwin等（1998）认为当样本量低于30个时，

边缘分布拟合适宜采用参数估计法[13]。由于本文样本

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

表3 油菜籽单产序列ADF检验结果

变量 统计量 各显著性水平下临界值 P值 检验结果 1% 5% 10%

单产 -0.064 0 -3.711 5 -2.981 0 -2.629 9 0.943 6 不平稳

处理后单产 -3.383 5 -3.724 1 -2.986 2 -2.632 6 0.021 5 平稳

表4 油菜籽价格序列ADF检验结果

变量 统计量 各显著性水平下临界值 P值 检验结果

1% 5% 10%

价格 -1.028 7 -3.689 2 -2.971 9 -2.625 1 0.728 7 不平稳

处理后价格 -3.959 4 -3.689 2 -2.971 9 -2.625 1 0.005 2 平稳

量小于30，因此在确定单产分布时选择采用参数法，

参考国内外对收入保险的研究，选取Normal、Lognormal、Gamma、Weibull、Log-logistic、Logistic六 种 常

见的模型拟合单产分布，并给出了这六种分布的K-S检

验和AD检验结果，其中检验统计量的数值越小，说

明该模型能够较好地描绘单产的特征，拟合的效果

越好。由于K-S检验易受异常值的影响，因此在两

个检验结果有异议时，本文以AD检验结果为准，检

验结果如表5所示。

由表5可以看出，两种检验都显示Logistic分布是拟

合湖北油菜籽单产的最优分布，则它的密度函数为：

（5）

其中，μ=154.92900，σ=4.64033。

3.2.2 油菜籽价格边缘分布

与单产拟合时采用参数法相同，价格拟合选取

Normal、Log-normal、Gamma、Logistic、Log-logistic、

Gumbel这六种常见的分布作为候选模型，并分别给出

这几种分布的K-S检验与AD检验结果，检验结果如表6

所示。

由表6可以看出，两种检验的结果均显示Logistic分

布是拟合湖北油菜籽价格序列的最优分布，其密度函

数为：

（6）

其中，μ=5.0214678，σ=0.3748052。

3.2.3 单产和价格的概率密度分布

单产和价格的检验结果均显示Logistic分布是拟合

效果最好的分布，根据前文得出的结果，可以画出单

产和价格序列的概率密度函数图，能够更直观地看出

Logistic分布的拟合效果，具体结果如图1所示。

3.3 最优Copula函数的确定

为了选取最合适的Copula模型来确定联合分布，本

文引入经验分布的概念。设 是取自二

元随机变量（X,Y）的样本，将X、Y的经验分布函数

分别记为 和 ，则称： ，

表5 油菜籽单产分布拟合优度检验

分布 K-S检验 AD检验

统计量 排序 统计量 排序

Weibull 0.1588559 4 0.9400994 3

Normal 0.1535857 3 1.1418091 4

Log-normal 0.1702656 6 1.4336416 6

Gamma 0.1647837 5 1.3274654 5

Logistic 0.1124002 1 0.5240554 1

Log-logistic 0.1145116 2 0.5743612 2

表6 油菜籽价格分布拟合优度检验

分布 K-S检验 AD检验

统计量 排序 统计量 排序

Normal 0.12644518 6 0.57598058 6

Log-normal 0.11273050 2 0.44004961 3

Gamma 0.11289563 3 0.46593345 4

Logistic 0.11033851 1 0.36417262 1

Log-logistic 0.12357042 4 0.37311385 2

Gumbel 0.12361522 5 0.55050561 5

( ) ( ) f x e

1 e

1 ( )/

( )/

x

x

= v 2 + v

v

n

n

-

-

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

C u( ,v) n I I 1 [ ( F x ) ] u G[ (y v ) ]

i

n

1

= n i # # n i

=

t /

D e m o

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

1

( )

[( ) ( ) ( )]/ ( )

[( ) ( ) ]

( )

( )

( )

( )

( )

( )

( ) ( )[ ( )]

( ]

( )

, ,

lg

exp lg lg

,

Pr |

,

C u v

e e e e

u v

u v

u v

F u

F v

r

Y

Expected loss y

Expected loss y

Expected loss y ob y Y Y E y y Y

P P

P

e

1

1 1 1 1

0 1

1

/

/

u v

t t

t

t

t T

t

t

1

1

1

1

1

#

1 1

!

d

d

a

a a a

a

- - - - - -

- - + -

+ -

=

= -

= +

d d d d

d d d

d d d

- - - - -

- - -

-

-

t

t t t

t t

\"

\"

,

,

D e m o

( ) ( ) f x e

1 e

1 ( )/

( )/

x

x

= v 2 + n v

n v

-

-

D e m o

( ) ( ) f x e

1 e

1 ( )/

( )/

x

x

= v 2 + v

v

n

n

-

-

D e m o

051

区域创新合作

为经验Copula分布函数，其中， 为示性函

数，当 时， ，否则 。

本文选择5种常用的二元Copula函数以及两种旋

转180°的Copula函数来刻画单产和价格两者的联合分

布，然后运用两阶段极大似然估计法来分别测算这7种

Copula函数的参数、秩相关系数以及与经验Copula分布

函数的平方欧式距离，具体结果如表7所示。

由表7可知，旋转Clayton Copula函数与经验Copula函

数的平方欧氏距离最小，距离越小，表明模型的拟合

程度越好，能更准确地描绘油菜籽单产与价格之间的

关系。因此本文选择旋转Clayton Copula函数来确定单产

和价格间的联合分布，其Kendall秩相关系数为0.031 8，

表明湖北省油菜籽的单产和价格之间存在微弱的正相

关，这可能与近年来湖北油菜种植成本的快速升高有

关，导致价格与产量之间没有明显的对冲效果。

3.4 油菜籽收入保险费率厘定

Copula函数的表达式较为复杂，直接计算费率比

较困难，因此本文利用Monte Carlo模拟法。根据最终确

定的旋转Clayton Copula函数，按照Monte Carlo模拟法的

步骤，可以得到10 000组湖北省油菜籽的单产和价格数

据，将数据带入式（2）、式（3）中，可以得到油菜

籽收入保险的纯费率。实际中，保费的计算使用的是

毛费率，毛费率一般由纯费率和附加费率构成，本文

选择庹国柱等（2005）提出的毛费率（G）的计算方

式[14]，选择安全系数（F）为15%、营业费用（B）为

20%、预定结余率（S）为5%，具体计算公式为：

（7）

根据计算出的油菜籽收入保险的毛费率，可以计

算出湖北省油菜籽收入保险的保费，具体计算公式

如下：

（8）

（9）

其中， 为保障水平， 为保障收入， 为预期收入，

为保费。

本文选择2019—2021年每亩油菜籽的平均收入作

为预期收入，则在多个保障水平下具体的费率和保费

如表8所示。

4 结论

本文以湖北省油菜籽为例，运用多个分布来分别

拟合单产和价格的边缘分布函数，然后运用5种常用的

二元Copula函数及两种旋转Copula函数来描绘单产和价

格两者间的相关关系，构建联合分布，最后通过Monte

Carlo模拟法获得了多个保障水平下的费率。通过对湖北

油菜籽收入保险的研究，本文主要得到以下几点结论：

（1）旋转Clayton Copula函数更适合构建湖北油

菜籽的联合分布。本文运用7种Copula函数来描绘单产

和价格间的关系，其中旋转Clayton Copula函数与经验

Copula函数的距离最小，距离越小，说明对联合分布的

估计越精确，能够更好地刻画油菜籽单产与价格之间

的相关结构。

（2）湖北油菜籽产量和价格存在微弱的正相关

关系。运用旋转Clayton Copula函数确定的联合分布，其

Kendall秩相关系数是0.031 8，表明单产和价格之间呈现

正相关关系。这可能与近年来湖北油菜种植成本的快速

升高有关，导致价格与产量之间没有明显的对冲效果。

（3）不同保障水平下的费率存在较大差异。

在70% ～ 100%的 保 障 水 平 下，收 入 保 险 纯 费 率 为

0.23% ～ 5.69%，毛费率为0.33% ～ 8.24%。在设置保

险费率时，要综合考虑多方面因素，因为当费率设置

过高时，会导致保费升高，农户有支付不起的可能；

而当费率设置太低时，保险公司可获得的保费降低，

可能会给保险公司带来损失，导致保险公司发展此业

务的意愿降低。

参考文献：

[1]王汉中,殷艳.我国油料产业形势分析与发展对策

建议[J].中国油料作物学报,2014, 36(3):414-421.

图1 单产和价格拟合分布图

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

表7 Copula函数估计结果

连接函数 参数θ 秩相关系数 平方欧氏距离 Kendall Spearman

t-Copula 0.165 4 0.101 6 0.146 9 1.130 8

Normal Copula 0.165 4 0.099 9 0.149 6 1.130 8

Clayton Copula 0.120 4 0.052 0 0.078 0 0.998 8

Gumbel Copula 1.014 0 0.018 6 0.027 9 0.909 6

Frank Copula 0.760 2 0.092 0 0.138 4 1.073 3

旋转Gumbel Copula 1.020 0 0.017 3 0.025 9 0.923 7

旋转Clayton Copula 0.050 5 0.031 8 0.047 8 0.909 3

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

表8 湖北油菜籽收入保险费率及保费

保障水平（%） 纯费率 毛费率 保费（元/亩）

100 0.056 9 0.082 4 63.998 1

95 0.036 9 0.053 5 39.474 6

90 0.022 4 0.032 4 22.647 9

85 0.012 9 0.018 7 12.345 3

80 0.007 4 0.010 7 6.648 3

75 0.004 1 0.005 9 3.436 8

70 0.002 3 0.003 3 1.794 1

a

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

( , ) ( , , , )

( )

( )

( , )

, [ , ]

( )

( )( )( )

x y i n

F x

G y

C u v n I I

u v

I

F x u

I

I

G r F B S

Y Y

Q G Y

1 2

1

0 1

1

0

1 1 1

[ ( ) ] [ ( ) ]

[ ]

[ ( ) ]

[ ( ) ]

i i

n

n

F x u G y v

n i

F x u

F x u

i

n

1 n i n i

n i

n i

#

g

!

#

a

=

=

=

=

= + + +

=

=

$

# #

#

#

=

t

u t

u

/

D e m o

a

052

中阿科技论坛 2023年第4期

[2]HENNESSY D A, BABCOCK B A, HAYES

D J.Budgetary and Producer Welfare Effects of

Revenue Insurance[J].American Journal of Agricultural

Economics,1997,79(3): 1024-1034.

[3]COLE J B, GIBSON R.Analysis and Feasibility

of Crop Revenue Insurance in China[J].Agriculture and

Agricultural Science Procedia,2010,1(156):136-145.

[4]LANOUE C.Evaluating Yield Models for Crop

Insurance Rating[C]//Denver, Colorado: Agricultural and

Applied Economics Association,2010.

[5]WOODARD J D,PAVLISTA A D,SCHNITKEY

G D,et al.Government Insurance Program Design, Incentive

Effects, and Technology Adoption: The Case of SkipRow Crop Insurance[J].American Journal of Agricultural

Economics,2012,94(4):823-837.

[6]GHOSH S, WOODARD J D, VEDENOV D

V. Efficient Estimation of Copula Mixture Model: An

Application to the Rating of Crop Revenue Insurance[C]//

Pittsburgh, Pennsylvania: Agricultural and Applied Economics

Association,2011.

[7]GOODWIN B K, HUNGERFORD A.Copulabased models of systemic risk in U.S. agriculture: Implications

for crop insurance and reinsurance contracts[J]. American

Journal of Agricultural Economics,2015,97(3):879-896.

[8]庹国柱,朱俊生.论收入保险对完善农产品价格形

成机制改革的重要性[J].保险研究,2016(6):3-11.

[9]游悠洋.关于推广扩大我国农作物收入保险的可

行性研究[J].云南农业大学学报(社会科学),2015,9(2):20-24.

[10]田 菁,张 琅,袁 佳 子.农 作 物 收 入 保 险 省 及 地

市级定价研究:以辽宁省玉米、大豆为例[J].保险研

究,2019,371(3):103-115.

[11]赵玉.基于半参数Copula方法的蔬菜收入保险定

价研究[J].农业现代化研究,2019,40(2):308-315.

[12]JOE H.Multivariate Models and Dependence

Concepts[M].London: Chapman & Hall,1997.

[13]GOODWIN B K, KER A P.Nonparametric

Estimation of Crop Yield Distributions: Implications for

Rating Group-Risk Crop Insurance Contracts[J].American

Journal of Agricultural Economics,1998,80(1):139-153.

[14]庹国柱,李军.农业保险[M].北京:中国人民大学

出版社,2005:400-401.

Study on the Pricing of Crop Income Insurance in ChinaTaking

Rapeseed in Hubei Province as an Example

Cao Mengya

(Shandong Technology and Business University, Yantai 264000)

Abstract: Agricultural insurance, as a key means of diversifying the risk of agricultural production and operation, plays a

significant role in promoting modern agriculture, bolstering the revitalization of rural industries, improving social governance and

safeguarding farmers’ interests. Certain agricultural products are more vulnerable to natural disasters and more prone to market

fluctuations, and crop income insurance emerged as a new type of insurance that can cope with both natural disasters and market

fluctuations, and will become a major tool to diversify agricultural risks in the future. As one of the world’s most important oil crops,

rapeseed is exposed to both natural disasters and market fluctuations, and therefore needs the protection of crop income insurance.

Accordingly, taking rapeseed in Hubei Province as an example, this paper selects several parametric distribution models to fit the

yield and price series of rapeseed respectively, combines Copula function to construct the joint distribution of both, and measures

the rates and premiums of crop income insurance. The empirical results show that the Copula model after rotating 180° can more

accurately depict the correlation among rapeseed in Hubei, and can set more accurate insurance rates.

Key words: Crop income insurance; Rate determination; Rotated Copula; Rapeseed

（校对：郭雁华 赵一）

053

区域创新合作

党的十九大报告首次提出乡村振兴战略，涵盖产

业振兴、人才振兴、生态振兴、组织振兴和文化振兴

5个方面。其中，文化振兴是乡村振兴的任务和追求，

既能为乡村全面振兴提供哺育和支撑，也是推动乡村

实现全面振兴的路径和抓手。党的二十大报告明确提

出要“全面推进乡村振兴”，不断深化党的十九大以

来在乡村振兴方面所实施的相关举措。本文以洪江国

际艺术村为例，通过调研该村艺术赋能乡村振兴的探

索与实践，以期为其他地区开展艺术赋能乡村振兴的

实践提供参考。

1 洪江国际艺术村概况

洪 江 村 地 处 荔 波 县 西 面，毗 邻 国 家5A级 景

区——荔波小七孔景区，距朝阳镇政府8 km，全村面

积27 km2

，共有9个自然寨，10个村民小组，有原居村

民373户1 533人。近年来，洪江村立足荔波县全域旅游

发展战略，结合本村资源禀赋，以村落遗存老房、民

族传统文化等为媒，吸引国内外艺术家纷纷实地到访

洪江、体验洪江、创造洪江。截至目前，入驻洪江村

的艺术家有93名，涉及艺术评论、绘画、诗人、雕塑、

编剧、导演等领域，带动当地居民从事餐饮住宿服务、

老房修复、文化服务等行业。

2 艺术赋能乡村振兴之洪江国际艺术村的探索实践

2.1 立足本土文化，找准艺术赋能的根基

洪江村坚持以文化为魂，注重立足本土文化，挖

掘艺术赋能乡村振兴的根基。

一是以本土文化为艺术村发展根基。洪江村结合

福马文化、扎染古布技艺等文化遗存，以闲置老民房

和传统村落遗存为媒介，吸引了100余名艺术家入驻，

不断激活资源要素，奋力打造艺术洪江[1]。洪江村探索

梳理出了非遗洪江、艺术洪江、匠人洪江、生态洪江

等本土文化内涵，从而为艺术赋能乡村振兴找准了切

入点。在实践过程中，洪江村不断挖掘和提炼农耕文

化、布依族文化、喀斯特文化、传统节日文化等本地

文化元素，以添粮补寿的敬老福马文化，爱幼护体的

阳蛊密语，整村保留的采棉、纺纱、浆线、织布、扎

染的非遗工艺等为重点，撬动资源打造“福马蛊布”

本地地缘文化品牌。

二是洪江村结合荔波县民宿改造政策，邀请国内

外的艺术家到洪江进行老房民宿改造。每间“废旧房”

以承租的方式租给艺术家，艺术家将各种文化艺术符

号还原在砖瓦木料、丹漆粉涂之上，让“废旧房”变

成了艺术家的“文创房”。目前，村里96幢古老建筑，

被来自国内外的52位艺术家“认养”。通过艺术活化

装修，也为村民提供了务工机会。

三是注重交流互鉴，打造“非遗+教育”研学课堂。

近年来，洪江村还建设了艺术交流中心、村史馆等，

并依托原洪江小学校舍进行改造，引进中国-东盟教育

交流周平台建设美育研学基地，一排排破败老屋脱胎

为充满艺术气息的文化建筑，吸引众多游客前来“打

卡”。美育研学基地落地洪江村，为艺术村建设奠定

艺术赋能乡村振兴的探索与实践

钟少兰

（黔南民族职业技术学院,贵州 黔南 558000）

摘要：艺术聚力文化振兴赋能乡村振兴的实践和探索，是人民之盼，是时代课题。随着乡村振兴战略的不断

深化，乡村文旅产业迅速发展，艺术也逐渐融入乡村建设中，对我国乡村经济发展和文化振兴产生重要影响。本

文以洪江国际艺术村为例，通过艺术在乡村振兴中的多场景应用，以建立健全艺术赋能乡村振兴的内在机制，合

理开发艺术赋能乡村振兴的多种模式为目的，探讨了艺术元素与乡村资源有效融合的路径以及艺术赋能经济生态

建构与发展的创新方式。

关键词：艺术赋能；乡村振兴；实践分析；洪江国际艺术村

中图分类号：G642.3 文献标识码：A

收稿日期：2023-01-25

作者简介： 钟少兰（1972— ），女，硕士，研究方向为思想政治教育。

054

中阿科技论坛 2023年第4期

了坚实的基础。洪江艺术村研学旅行基地主打“美育”

和“劳动”研学课程，利用洪江艺术家资源让学生与

艺术家面对面交流，得到美学的启蒙。另外，洪江村

还不定期开展文学艺术创作、文化沙龙、艺术展览、

艺术交流、教育培训等活动。

2.2 注重推进“四个”融合，不断探索艺术赋能乡

村振兴的路径

融合发展是洪江国际艺术村鲜明的特征。在实践

中洪江村注重艺术与本土文化、村民与艺术家、艺术

与生态洪江、文化与旅游的融合，营造良好的文化艺

术生态。

一是注重艺术与本土文化的融合。瞄准节庆活动

的助推作用，引导和支持打造“洪江国际艺术节”、

国际艺术年展、艺术家论坛、研讨会等特色节庆活动

品牌，邀请世界各地艺术家来到洪江开展交流活动[2]。

同时，聚焦乡村振兴战略的内涵建设和价值追求，强

化村落保护和民族文化传承，充分挖掘洪江民俗风情、

农耕文化和特色风貌等元素，建设了洪江文化展馆，

通过举办以“留住乡愁记忆”为主题的国际散文、诗

展，不断提升洪江的知名度和美誉度。设立“洪江国

际艺术奖”，吸引和鼓励各地艺术家到洪江开展艺术

创作、艺术交流，大力挖掘培养诗歌、书画等本土人才。

二是注重村民与艺术家的融合。注重鼓励引导村

民多与艺术家互动，提高艺术修养，培育本土工匠，

让艺术家感受到洪江的淳朴民风。艺术家们把先进的

理念和专业造诣与村民分享。双方在互动与分享中增

进了情谊，共同营造互助、和谐的社会氛围。

三是注重艺术与生态的融合。艺术的表现形式、

艺术设施建设以及建筑风貌设计，遵循生态优先原

则，力求与自然的山水林田融为一体，保护洪江国际

艺术村的原生态。

四是注重文化与旅游的融合。在实践中辩证处

理好文化保有的魅力与旅游带来的活力之间的关

系，处理好文化是灵魂、旅游是载体之间的关系，避

免偏离初衷。

推进“四个融合”，营造良好文化艺术生态，聚

力培根铸魂。进一步挖掘整理洪江村布依文化和传统

非遗技艺，开展活态化体验和传承以及文创设计，让

外来艺术家充分体验民族文化底蕴，让艺术转化为生

产力助推乡村振兴[3]。在洪江国际艺术村的建设过程

中，洪江村以乡土文化为灵魂、以村民闲置老房和传

统村落遗存为媒介，由此探索走上一条“艺术乡建”

助力乡村文化振兴的新路子。

2.3 推进“三权分置”实践，增强艺术赋能乡村振

兴效果

在艺术赋能乡村振兴过程中，洪江村积极探索宅

基地所有权、资格权、使用权“三权分置”。2017年，

洪江村被列入全州3个农村集体建设用地使用权制度改

革试点之一，出台了《荔波县农村集体建设用地使用

权制度改革试点村宅基地有偿退出实施方案》等四个

配套性政策措施，闲置老房被全面激活。为有序有效

推进试点工作，荔波县探索农村宅基地“三权分置”，

通过组建业务工作专班、制定改革工作推进表、明确

集体建设用地基准地价等，形成“符合上级配套政策

规划+保证集体和群众利益+保障艺术家团体权益”的

改革工作推进机制，充分盘活长期低效利用和闲置的

宅基地，收购并统一改造闲置老房，让群众“闲置地”

变“生财地”，“废旧房”变“文创房”[4]。目前，荔

波县共收储废旧房屋和宅基地1.98万平方米，支付群众

补偿资金400余万元，完成修复改造老房48栋，宅基地

挂牌交易41宗，实现土地溢价收入260余万元。探索农

村宅基地所有权、资格权、使用权“三权分置”，有

序盘活长期低效利用和闲置宅基地，为洪江村走“艺

术乡建”之路奠定了坚实的基础。

2.4 注重规划引领发展，拓展艺术赋能乡村振兴的

空间

艺术赋能乡村振兴探索实践中，洪江村注重规划

引领，做好概念性空间、国土空间、艺术空间布局。

一是注重规划引领。注重科学统筹、有序推进、

持续发展，在规划中通盘考虑洪江村土地利用、产业

发展、居民点布局、人居环境整治、生态环保和文化

传承，注重乡村空间保护开发利用，编制“多规合一”

的实用性村庄规划。注重空间规划与上位规划衔接的

全面性、系统性、合法性，让规划经得住实践检验。

二是布局好概念性空间，在保持洪江村原始风貌

的基础上，做好概念性规划，明确功能分区，尊重艺

术家群体的合理需求和村民的发展诉求，尊重艺术发

展规律，充分发挥村民和艺术家的积极性。

三是布局好国土空间，成立洪江国际艺术村管

委会，编制《荔波县朝阳镇洪江村村庄规划（2020—

2035）》，做好国土空间规划编制，对洪江村生产、

生活、生态“三生空间”做出合理安排，提供土地开

发利用依据，确保不重复投资和重复建设。

四是布局好艺术发展空间。制定艺术村发展规

划，合理布局艺术空间的创作区、展示区、休闲区和

生活区，吸引艺术家来洪江驻点创作，提高洪江知名

055

区域创新合作

度、美誉度。

3 洪江国际艺术村的实践成效

3.1 激活了乡村发展潜能

在近些年的发展实践中，洪江村积极推动“四个

发展”，提升艺术赋能乡村振兴的效果。

一是带动村民共同发展。艺术家在老旧房修复过

程中，特别重视复原其原状，传统木房结构需要其工

艺支撑，掌握相关技艺的村民最先加入其中，但这并

不能满足老房修复的需求。村两委、艺术家、村民代

表经商议，决定组建布依族老房建筑修复队伍，目前

这支队伍共有149人，其中脱贫人口72人。经粗略统

计，仅2018年和2019年，老房修复队收入就超过300万

元，村民既传承了技艺又增加了收入，还增强了自豪

感与归属感。

二是带动了村集体发展。在实践过程中，注重发

挥市场作用。洪江村富洪公司通过收储推荐老房为艺

术家选房提供服务，为艺术村的老房修复、农业发展

提供劳动力就业服务，持续增加村集体收入。

三是带动了旅游业发展。洪江村艺术交流中心为

艺术家们提供培训交流的平台，不定期开展文学艺术

创作、文化沙龙、艺术展览、艺术交流、教育培训、

文创设计等活动。例如“写生中国走进洪江”“国际

动漫走进洪江艺术展”“亮相洪江·艺术家代表作品

展”“入驻艺术家文献展”等大型艺术活动，为洪江

村聚集了人气，提振了精神，推动旅游服务业逐步兴

起。

四是注重持续发展。荔波县充分发挥艺术家的作

用，每年安排专项资金，用于艺术家开展课题调研。

艺术家们牵头通过深入调研、实地走访、座谈交流等

方式，为促进洪江国际艺术村的持续发展奉献智慧。

3.2 提升了乡村治理效能

通过积极推动艺术赋能乡村振兴，洪江村实现了

治理效能的有效提高[5]。

一是坚持党建引领。洪江艺术村启动建设以来，

村党支部建设不断加强、力量持续得到充实、能力素

质不断提升，主动承担阶段性历史任务，脱贫攻坚任

务如期完成，实现了全面小康。为更好地推进艺术赋

能乡村振兴工作，2022年，荔波县委选派了1名有丰富

工作经验、深厚为民情怀、强烈服务意识的正科级干

部到洪江村任党支部书记，通过回引本土人才担任强

村富民“领头雁”，为洪江国际艺术村的发展进一步

夯实了组织基础。

二是坚持高位统筹。成立由州县两级宣传文化、

自然资源、住建、交通等相关部门组成的洪江国际艺

术村管委会，负责洪江村发展定位等总体框架和方向

性、长远性工作的统筹。

三是设立专家咨询委员会。以驻村艺术家为主体，

各级文化艺术专家、村支两委负责人、乡贤等代表组

成专家咨询委员会，负责制定艺术家入驻洪江村准入

门槛或标准并组织评审，对洪江的规划建设提出意见

和建议，真正把洪江村建设成为艺术家和村民和谐共

处的家园。

四是建立行业自治性组织。建立自治性行业协会，

成立洪江国际艺术村艺术家协会。发挥艺术家自主管

理、自我约束的主人翁精神，并保障艺术家合法正当

权益，搭建艺术家和村民联系沟通的纽带和桥梁。在

充分发挥洪江艺术家优势的同时，结合本地民族特色

手工艺，促进农民的发展。在实践中总结《洪江村“四

破四变四强”打造乡村治理样板》《洪江村“1353”工

作法打造乡村振兴新样板》的经验，通过推动多元主

体参与洪江的乡村建设、乡村治理，促进了治理效能

的极大提升。

3.3 促进了乡村产业发展

通过对洪江经验进行深入总结之后可以发现，艺

术赋能乡村振兴，能够有效促进乡村产业发展。

一是产业发展的基础设施持续改善。洪江村紧盯

水、电、路、讯设施短板，通过项目倾斜、汇聚资源

持续对基础设施进行改善。仅2022年，通过实施荔波

县朝阳镇洪江村乡村振兴建设项目，完成近300盏路灯

安装，完成了杉乡部落艺术区用电户，风禾日丽艺术

区电路各点位排查，针对确有需要的电杆已进行改造

设计。有序推进各艺术区域污水管网安装，还修建饮

水窖6座，缓解了洪江村饮水困难问题。

二是农业产业化基础更扎实。在开展艺术赋能洪

江村发展的实践过程中，洪江村以农业为本，不断优

化种植结构，提升农业产能增加农民收入。在艺术村

建设过程中，机耕道、排洪渠等农业设施也持续得到

了完善。在艺术赋能洪江村发展的实践过程中，洪江

村引进了大量的文化产业，在文化产业的带动之下，

洪江村农业产业等方面获得了较大的发展，在推动村

民就业、提升村民收入以及促进村庄整体发展等方面

发挥出了重要的促进作用[6]。

三是文旅产业持续提升。在艺术赋能的加持之下，

洪江村旅游产业发展水平不断提高，越来越多的游客

到洪江村感受艺术氛围，享受艺术盛宴，体验艺术生

活，促进了当地旅游业发展。经过7年的努力，目前洪

056

中阿科技论坛 2023年第4期

江村在文化产业化发展方面取得了显著的成就，以美

丽乡村建设为依托，文化产业化发展的基础得到了不

断巩固，在促进洪江国际艺术村品牌建设方面发挥出

了重要的促进作用[7]。

四是服务业态逐渐丰富。公司化运作适时启动，

采取“政府+社会+艺术家+村民”合作模式，在洪江艺

术村规划、建设、运营上推进共商共建共享。产业多

元化、运作公司化、群众参与化都极大促进了洪江产

业的发展。

3.4 推动了乡风文明建设

第一，洪江村以“寻根乡土、艺术洪江”为理念，

依托洪江“乡土寻根，宜待候鸟”旅居环境优势，开

展调研并深入挖掘当地乡土文化。

第二，围绕洪江人文故事、乡村面貌变革、艺术

洪江部落、脱贫攻坚奔小康、非遗洪江工艺坊、推进

乡村振兴等方面，建设洪江文史展馆，在文化挖掘、

文化梳理基础上，进行文化展示、文化传承工作，丰

富的文化底蕴孕育了淳朴的民风、乡风，为文明乡风

的传承奠定了基础。

第三，洪江文化充分体现了洪江村民从远古历史

落户安家，男耕女织繁衍生息，踏石留印战天斗地，

艺人造访激发活力，团结奋进共圆小康，凝心聚力共

创振兴的历史脉络和发展进程。各领域的艺术家入驻

洪江，在洪江生活、创作，在与洪江村民、洪江艺术

的交流、互鉴、共融中推动着乡风文明建设。

第四，洪江的村史文化馆、中国-东盟美育研学基

地、福马广场、村民非遗作坊与艺术家的创作空间，

在空间布局上得到了极大拓展并各具特色，在艺术创

作上得到了极大丰富并各具魅力，进一步促进了乡风

文明建设。

4 艺术赋能乡村振兴路径实践策略思考

4.1 艺术与教育的融合

一是艺术赋能基础教育的形式有待丰富。洪江村

处于基础教育年龄的人口主要在朝阳镇和荔波县城完

成学业，但艺术家的入驻、艺术村的建设，升华了村

民对家乡的认识、激发了文化自信、迸发出更浓厚的

乡情。艺术家利用周末和寒暑假，与当地孩子们交流，

但覆盖面小频率还相对低，县内学校聘请艺术家上课

仍处于尝试阶段，这些均需共商机制推进常态化。

二是艺术赋能文化品牌培育需进一步升华。洪江

以文化为魂，以洪江论坛、洪江艺术节为平台载体，

定期开展一系列高规格的艺术、文学、影视等展览、

论坛与交流等文化活动，逐步增强洪江在人文领域的

影响力[8]，但需进一步强化文化传承与传习，不断赋予

品牌活力。

三是艺术赋能美育研学基地的作用有待加强。应

进一步以教育为根，加强交流互鉴，以持续提升洪江

国际艺术村的美誉度。

4.2 艺术与农业的融合

一是艺术赋能农耕文化还需深入。应持续深入挖

掘洪江村的农耕文化，结合区域、地理、历史进行梳

理，进一步充实农耕文化内容，丰富艺术村文化内涵。

二是艺术赋能农业生产需持续优化。作为艺术村

的洪江村，传统农业散发出更浓厚的乡土气息，具有

独特魅力。在艺术与农业生产的融合中，需要遵循科

学性、观赏性、实用性原则，比如说田间水稻种植＋

艺术、田埂葵花种植＋艺术村落，在品种选择、图案寓

意、颜色搭配等方面，更好地兼顾社会效益、经济效益，

使淳朴的乡土气息与艺术的科学赋能更好地促进农业生

产提质增效，更好地突显艺术特质、乡村特质。

三是艺术赋能农业营销需持续优化。洪江村在农

产品外观包装设计、营销推广等方面实现了良好起步，

但在共创共营共享方面，还有待加强相应的机制建

设，促进艺术赋能农业营销常态化、规范化、市场化，

特别是在建立利益共同体上再下功夫，体现共同价值

追求和合理经济回报。

4.3 艺术与旅游的融合

一是文旅融合发展的艺术特点有待进一步彰显。

“文化为魂、旅游为形”，“洪江艺术+旅游”带给游

客的是文化熏染、优良生态、美丽乡村的叠加体验，

在精品、高端、小众沉浸式旅游方面需进一步彰显其

艺术特点。

二是文旅融合发展的设施有待进一步完善。按照

规划荔波县聚合资源、强化统筹，持续改善了洪江村

的基础设施。在未来的一段时间，应聚焦艺术空间，

还需继续聚源用力，如生活艺术馆、艺术体验馆、作

品交易馆等的完善，更好满足艺术家在生活、创作等

方面的需求，让游客可以有更丰富的旅游体验。

三是文旅融合发展的服务业态有待进一步丰富。

洪江服务业态有了好的突破，实现了良好起步，但在

适应性和匹配性上仍需持续用力，如民宿的量和质需

再扩大和提升，商品开发的特色有待凸显，以“非遗”

市场化促进“非遗”活态传承。

4.4 艺术与生态的融合

一是人文生态融合发展需统筹着力。洪江村通过

“四个融合”实践，呈现了良好的氛围和态势，但仍

057

区域创新合作

需持续发力。生活习惯、生产方式、交流载体因时代

发展、历史变迁、人员流动、产业进步等会呈现新的

特点和新的挑战，需以平等、互利、共赢、发展为出

发点和落脚点去克服和破解。

二是产业生态化发展需统筹着力。产业兴旺是乡

村振兴的基石，洪江产业发展中注重平衡好生态保护

与经济增长的关系，促进当地经济社会的良性发展。

三是环境生态持续发展需统筹着力。良好的生态

环境是洪江村的发展优势，在推进基础设施建设、文

旅融合、教育研学交流的过程中，需持续推进生态环

境保护工作。

5 结语

洪江村作为曾经的“空心村”，坚持以加强基层

党组织为基础，以解决艺术家入驻宅基地使用权让其

安心为突破口，聚焦艺术赋能乡村振兴而不懈探索，

不断破解艺术与产业发展实践中遇到的各类问题，在

乡村振兴过程中取得了显著成就。洪江国际艺术村的

实践路径对于其他地区开展艺术赋能乡村振兴建设工

作具有一定的借鉴意义。

参考文献：

[1]原韬雄.艺术为乡村振兴发展赋能[N].人民日

报,2022-12-22(5).

[2]郑颖.甘肃皮影艺术赋能乡村振兴实践研究[J].天

南,2022(6):79-81.

[3]高宏存.文创赋能乡村振兴的理念革新与思路突

破[J].行政管理改革,2022(11):23-33.

[4]黔南组织工作网.荔波县洪江村艺术党建助推乡村

振兴[EB/OL].(2020-12-25)[2022-10-15].https://

www.qnzzgz.gov.cn/document/show/11967.html.

[5]文汇,周书羽.数字化环境下，艺术职业教育赋能

民族地区乡村文化振兴:以四川省凉山彝族自治州德昌

县职业高级中学为例[J].教育家,2022(37):62-63.

[6]鲁三妹.公共艺术赋能乡村振兴的实现机理及对

策建议[J].美与时代,2022(22):13-15.

[7]单宁.乡村振兴背景下的艺术设计赋能美丽田园

建设[J].中国农业资源与区划,2022,43(5):155+195.

[8]葛民越,储玲琴,王淼.数字化赋能艺术振兴乡村

的路径探索:以宁海县“浙里艺术村”为例[J].工业工程

设计,2022,4(2):49-56.

Research on the Exploration and Practice of Art Empowering Rural

Revitalization

Zhong Shaolan

(Qiannan Polytechnic for Nationalities, Qiannan 558000)

Abstract: Art empowering rural revitalization through cultural revitalization is the hope of the people and an issue of the

times. With the implementation of the “rural revitalization” and the booming of rural cultural tourism, art has gradually integrated

into rural construction, and has exerted a significant impact on rural economy and cultural revitalization. Taking Hongjiang

International Art Village as an example, this paper aims to explore the effective integration of art and rural resources and innovative

ways of art-empowered economic and ecological development through multi-scene application, with the aim of establishing a sound

mechanism for and developing various modes of art-empowered rural revitalization.

Key words: Art empowerment; Rural revitalization; Practice analysis; Hongjiang International Art Village

（校对：张晶晶 赵一）

058

中阿科技论坛 2023年第4期

1 问题的提出

数字经济与农业农村经济融合发展不仅可以多方

位促进农业升级和农村地区经济社会进步，还可以促

进农民的自我发展以及集体发展[1]。在日益现代化的今

天，数字经济正在对世界经济版图的格局产生重大影

响，并成为我国经济增长的新动能[2]。2019年5月，中

共中央办公厅、国务院办公厅印发的《数字乡村发展

战略纲要》明确指出，要“着力发挥信息技术创新的

扩散效应、信息和知识的溢出效应、数字技术释放的

普惠效应，加快推进农业农村现代化”。2023年2月，

中共中央、国务院印发的《数字中国建设整体布局规

划》明确，数字中国建设按照“2522”的整体框架进

行布局，即夯实数字基础设施和数据资源体系“两大

基础”，推进数字技术与经济、政治、文化、社会、

生态文明建设“五位一体”深度融合，强化数字技术

创新体系和数字安全屏障“两大能力”，优化数字化

发展国内国际“两个环境”。由此可见，发展数字经

济是新一轮科技革命和产业变革的大势所趋，同时数

字经济也事关国家发展大局。

实现农村地区产业转型升级是一项复杂、系统、

深入的工程，农村地区产业转型升级不但面临着资源

环境的现实约束，也有待寻找新动能。在农业发展的

不同历史阶段，农村地区产业转型升级的支撑动能具

有不同的实现方式和条件，或者存在不同的模式[3]。目

前，全球已进入数字经济新时代，我国已建立了完善

的数据基础设施，拥有了庞大的数据量，数字经济正

在蓬勃发展[4]。在我国，以互联网为代表的数字技术正

在广泛渗透到农业农村经济各个领域，然而互联网技

术在大田作物上的应用很少，农产品加工环节的互联

网技术应用水平还较低[5]。

目前，学术界基于不同视角，研究了农贸市场改

革、数字赋能农业、农村电子商务等领域，为农村产

业转型升级提供了理论导向。但是，随着数字技术向农

业农村领域的渗透，以数字乡村建设为依托的数字新动

能推动农村地区产业转型升级的理论逻辑和现实路径还

不够明晰。为此，本文在系统梳理国内外数字乡村建设

和农村地区产业转型实践的基础上，试图剖析数字乡村

建设与农村产业转型的内在协同机制，进而提出数字

乡村建设与农村产业转型协同发展的战略路径。

2 数字乡村建设与农村地区产业转型协同机制剖析

协同理论（synergetics）是20世纪70年代由德国斯

图加特大学物理学家哈肯提出并形成系统化理论[6]。其

数字乡村建设与农村产业转型协同发展战略研究

张小勇 1

马海涯 1

陈 锦 2

赵崧雲 1

（1.西北民族大学经济学院,甘肃 兰州 730000；2.兰州大学经济学院,甘肃 兰州 730000）

摘要：数字乡村建设是数字经济进阶的必然趋势，成为“十四五”时期发展“数字三农”的主要内容，而农

村产业转型是数字乡村建设的基本动能与重要引擎。文章通过剖析数字乡村建设与农村产业转型之间的协同机制

发现：数字乡村建设通过农业技术迭代、电子商务引领、农业合作社带动、创新环境优化促进农村产业转型；农

村产业通过向创新驱动转型、向智能生产转型、向工业化转型、向服务化转型，对数字乡村建设产生作用。在此

基础上，文章基于多维视角提出了数字乡村建设与农村地区产业转型协同发展的战略性理论视点和经验启示。

关键词：数字乡村建设；农村产业转型；数字经济；数字“三农”

中图分类号：F327 文献标识码：A

收稿日期：2023-02-24

基金项目：甘肃省哲学社会科学规划项目（20YB012）；甘肃省科技计划软科学专项（20CX4ZA046）；中央

高校基本科研业务费专项资金资助项目（31920220030）。

作者简介：张小勇（1988— ），男，讲师，博士研究生，研究方向为数字经济、区域产业发展战略研究；马

海涯（1970— ），女，教授，研究方向为相对贫困治理、金融发展；陈锦（1999— ），男，硕士研究生，研究方

向为数字金融；赵崧雲（1999— ），男，研究方向为绿色金融。

059

科技与产业

由于具备科学性和系统性，逐渐被众多学科采用，不

断发展成为一门新兴学科。本文运用协同理论，构建

数字乡村建设子系统、农村地区产业转型子系统以及

二者的复合系统，主要研究数字乡村建设子系统和农

村地区产业转型子系统之间的相互作用、双向因果、

正反馈，以达到对复合系统有序和协同演化的状态

（见图1）。数字乡村建设和农村地区产业转型构成的

复合系统主要包括数字乡村建设子系统和农村地区产

业转型子系统，数字乡村建设子系统表现为完善农村

信息基础设施、建设和完善农业农村综合信息数据库、

建设农业农村综合信息网络平台、推进农业生产经营

管理和农村社会管理服务信息化、推进信息服务进村

入户；农村地区产业转型子系统表现为向创新驱动转

型、向智能生产转型、向工业化转型、向服务化转型。

数字乡村建设子系统的演进主要通过数字赋能推动农

村地区产业转型进程，农村地区产业转型子系统演进

则通过政策引导、“三化”（信息化、工业化、现代化）

等促进数字乡村建设。

图1 数字乡村建设与农村地区产业转型协同模型

2.1 数字乡村建设推动农村地区产业转型

数字乡村建设将数据作为一种新的生产力要素，

对农业生产、管理、销售全过程进行数字赋能，从而

推动农村地区产业转型。

2.1.1 农业技术迭代

数字技术推动农业生产精细化，利用掌上农业管

理、土壤探测、农田遥感监测等智慧农业系统，将其

安装到现代智能农机中，建立农业生产“互联网”，

收集农业生产数据，实现智能喷水、精准撒药、合理

施肥等精细化操作，可实现农业栽培、生产、加工等

过程的智能化，降低农业生产成本。

2.1.2 电子商务引领

建设农产品综合信息数据库，将农产品的采摘、

生产、加工等过程的数据收集并导入数据库，开发共

享数据与电商平台或者农产品销售App，利用网络平台

让购买者间接参与到农产品生产过程，同时将其购买

农产品后的评价在第一时间反馈给电商平台或者农产

品销售App，通过大数据技术科学系统地分析得出服务

过程中存在的问题并给出相关建议，从而达到智慧服

务的效果。

2.1.3 农业合作社带动

以农户为基础，依托现有的农业合作社，将农户

和互联网有机连接，形成“互联网＋合作社＋农户”

模式，建设农业农村综合信息网络平台，通过农业合

作社这一载体和互联网平台，为农户提供多种现代化

的专业化服务，将所有农户聚合成一个整体，在农产

品栽培、采摘、销售过程中统一管理、统一经营、统

一生产、统一销售，让农业分散型小规模生产转向规

模化生产。

2.1.4 创新环境优化

利用现代化的数字技术、大数据要素和物联网技

术等数字科技，对农业生产方式、经营方式进行数字

化创新，构建现代农业产业数字化发展新体系，培育

掌握一定科技知识的新型职业农民，深入推进农业业

态的创新，重构农业商业模式，将农产品与现代工艺

结合创造出“新农产品”，并促进农业经营管理和社

会管理服务体制机制的创新发展。

2.2 农村地区产业转型促进数字乡村建设

农村地区产业转型通过转型过程中的政策引导数

字乡村建设，通过农村产业信息化、工业化、数字化

060

中阿科技论坛 2023年第4期

促进数字乡村建设。

2.2.1 科学化引导

产业政策对推动地区产业转型升级有很大的影

响，且因地制宜的产业政策可以引导地区产业转型升

级向高质量发展转变。从我国现行的产业政策实施效

果来看，总体上其对中国快速推进工业化进程、促进

产业转型升级、实现经济赶超发挥了重要作用[7]。农村

地区产业转型同样需要更有针对性的政策来引导，在

农村地区产业转型、数字乡村建设过程中要深刻把握

新时期发展的新特征、新要求，坚持把做实、做强、

做优农村地区实体经济作为主要目标，加速推动农村

生产向中国式现代化发展[8]。

2.2.2 信息化推动

农村地区产业向信息化建设转型可以促进数字乡

村建设。农村地区产业信息化需要依托农业基础设施

信息化建设，它包括硬件和软件建设。其中，硬件建

设通过各种信息传输网络的建设，同时普及计算机、

智能手机、农业数字化管控系统等现实信息化工具的

使用，解决“最后一公里入户问题”；通过“一体化

智慧农村”软件的建设和普惠，建立内容全面的农村

综合信息数据库，包括图像数据、文本数据、空间数据、

分析数据等，由此来推动数字乡村建设。

2.2.3 工业化带动

坚持基于新型工业化理念发展农业，打造现代产

业园区，将生产、经营和销售一体化，推动农村产业

转型。农村产业在向工业化转型过程中，要牢牢抓住

数字经济发展的机遇，充分利用数字技术促进农业生

产销售统一化，不断推动农业生产经营管理和农村社

会管理服务信息化，打造农业产品龙头企业，形成品

牌效应，大幅提升农业工业化生产水平，促进数字乡

村建设。

2.2.4 数字化联动

在农业现代化的过程中，应将现代数字技术和农

业相结合，探索农业新发展模式——“数字＋农业”，

建设数字种植、数字生产现代化农业，重塑农村农业

种植、生产、销售模式；大力发展电子商务，将农产

品生产与流通有机结合，开展农产品网络直销，提高

农业数字化程度，高效率地提高农业现代化的建设水

平，并推进数字乡村建设进程。

3 数字乡村建设与农村地区产业转型协同发展战

略路径

大数据、云计算、物联网、工业互联网等数字智

能技术在农村经济社会领域广泛渗透与应用，改变了

传统农村经济增长路径、发展模式与营商环境。农村

一二三产业的界限逐渐模糊并趋于融合，农业工业化、

信息化和智能化趋势明显，数字赋能乡村建设与产业

转型的潜力巨大。

数字乡村建设方面，主要从网络、数字基础设施

建设出发，突出乡村在网络节点中的特殊功能（梅特

卡夫定律），让乡村成为产业转型、经济增长的重要

经济节点。大力发展农村电子商务，完善“县级电子

商务中心＋乡（镇）电子商务服务站＋村级电子商务

服务点”的硬核支撑体系，盘活农村实体经济要素，

促进城乡要素双向有序流动。乡村数字化建设是农村

地区产业转型的基础支撑条件，农村产业转型升级是

数字乡村建设的基本载体和依赖路径。

3.1 强化数字技术和数字基础设施建设的基础支

撑作用

3.1.1 多措并举促进人的全面发展

数字乡村建设的首要任务就是提高农民的积极

性与参与度，数字乡村建设的关键目标是提高农民的

幸福感和可获得感，数字乡村建设的根本追求是打造

现代数字化的农民栖居地。政府要贯彻落实“以人民

为中心”的发展思想，在每个村庄设立数字技术与数

字经济宣传培训中心，定期组织农民进行数字经济相

关知识学习，并进行数字基本技术培训，提高农民的

“数字素养”，增强他们对数字技术与数字经济的认知。

农民在政府的帮扶下对数字经济有一定的了解，初步

掌握数字技术相关的基本技能，有了良好的数字经济

素质，其参与数字乡村建设的兴趣度得到提高，就会

自主地参与数字乡村的建设。

3.1.2 产学研用合作推进协同创新

数字人才作为数字乡村建设的核心要素，在数字

乡村建设中起着重要的支撑作用。首先，要深入开展

数字人才调查研究，充分了解建设数字乡村所需要

的人才类型，制定与数字乡村建设相匹配的人才培

养规划，充分利用高校这一平台进行培育，支持鼓励

高校开设数字经济相关课程，扩大数字人才培育方

向的招生规模，大力引进高级数字人才任教，同时创

新培育模式，建立校企合作培养模式，将理论与实践

结合；其次，制定并推出相关人才奖励与保障制度，

各地区优先保障人才发展投入，对为数字乡村建设

做出突出贡献的人才给予奖励，给予数字经济方向

从业者在户籍、住房、个税以及子女教育方面的优

惠政策，吸引数字化人才集聚，为数字乡村建设提供

更多优秀人才。

061

科技与产业

3.1.3 继续实施国家重大发展战略

数字经济是数字中国和网络强国战略的重要基

石[9]，农村地区网络信息基础设施建设是数字乡村建设

的基础支撑。首先，通过“宽带中国”战略精准解决

个别村庄的“村村通”问题，同时对农村宽带设施损

坏、老化进行修复改进，加快农村地区宽带网络优化

升级；其次，通过网络强国战略扩大5G、物联网等在

农村地区的覆盖范围，加快云计算、数据中心及相关

应用服务基础设施在农村地区布局，提高农村地区衣

食住行相关传统基础设施智能化水平，打造“网络强

村”；最后，依托“宽带中国”战略和网络强国战略

在农村地区建立现代化网络基础设施，将数字作为载

体，让其与农业农村发展深度融合，推动传统农村向

“数字农村”转变。

3.2 深入推动农村一二三产业融合，聚焦产业数字

化转型

3.2.1 加快推动农村地区产业数字化

数字化作为驱动产业转型和创新发展的有效途

径，正发挥着越来越重要的作用，同时产业数字化也

是大势所趋。首先，聚焦基础建设。聚焦农村地区，

加快宽带与5G网络等基础设施建设，发挥网络数字技

术的优势，搭建“数字网络＋农业”的信息化平台，

缩小农村与城市的数字鸿沟，确保农民用得上；在信

息化基础建设的基础上，推出农村宽带优惠政策或者

农村专属优惠网络套餐，确保农民用得起。其次，聚

焦数字赋能。要利用数字赋能推动农村资源要素的均

等化、优质化，以促进数字乡村建设为导向，推动农

产品供给、农村基础设施和农村公共服务等数字化，

同时利用数字赋能农村社会治理，构建由党引领，有

数字支撑的农村治理体系，实现乡村数字治理。

3.2.2 弥合城乡之间的数字鸿沟

习近平总书记明确指出“要着力解决发展失衡、

治理困境、数字鸿沟、分配差距等问题，建设开放、

包容、普惠、平衡、共赢的经济全球化的新格局”。

从目前来看，数字经济红利分配格局呈现出农村少、

城市多的局面，导致了城乡发展不平衡，并在一定程

度上阻碍了农村一二三产业发展及其融合，因此弥合

城乡数字鸿沟刻不容缓。要充分考虑中国农村数字鸿

沟问题的多样性和复杂性，在建立农村现代化网络基

础设施的基础上，培育现代专业化数字人才队伍，降

低农村地区民众使用信息技术的成本，因时因地制定

相关信息化投资和干预政策；同时推动农业与电子商

务深度融合，建设一条现代化联通城乡之道，以弥合

城乡之间的数字鸿沟。

3.2.3 推动农村地区一二三产业融合发展

要以农业发展为现实基础，通过提高农村农业产

品和手工业产品的附加值、延伸并重构农村产业链和

价值链，促进农村地区第二产业的创新发展和转型升

级，打造农村地区特有的现代数字工业体系，通过第

一、第二产业的高质量发展来促进农村地区旅游度假、

现代服务和金融业等第三产业的高效发展，并主要依

托农业农村合作社、农村中小银行所提供的金融服务

来整合一二三产业资源，建设农村一二三产业融合发

展永续机制。通过农产品生产、加工、物流以及销售

一体化经营管理，兴办农产品产地加工业，建立农产

品直销店，来推动农村一二三产业顺向融合；以消费

需求为导向，推动农村一二三产业逆向融合，提高农

业生产全过程信息服务管理能力，建设高产、高质量、

绿色安全的农产品原料基地。

4 结语

在新一轮技术革命和产业变革的历史节点，依托

海量数据、现代化网络和数字技术应运而生的数字经

济日渐成为中国经济增长的主要动能，不断促使人们

的生产与生活方式发生重大变革。产业融合进程加速，

传统农业、工业和服务业的边界逐渐模糊，不同产业

和行业劳动分工的价值创造与增殖方式发生变化，城

乡之间、区域之间的劳动性工资收入差距开始缩小，

区域协调和城乡一体化趋势开始加速。

数字乡村建设与农村产业转型是时代赋予的重大

机遇，二者之间交互叠加的协同趋势日益明显。要将

数字技术和农村产业深度融合，用数字赋能农村地区

产业创新，尝试探索智慧农业、智能制造与智享服务，

加快现代数字技术在农业生产和服务体系中的广泛运

用。与此同时，农村地区产业转型升级提高了农业现

代化程度，促进了数字乡村建设，二者的协同联动为

乡村振兴战略实施提供了理论视点与经验启示。

城乡之间的数字鸿沟长期受多种因素影响，致使

农民的“数字素养”仍然偏低。彻底解决上述现实困

境需要一个漫长的过程，需要市场、政府和社会协同

发力，坚决贯彻“以人民为中心”的发展思想，推动

共同富裕取得实质性进展，为数字乡村建设与农村产

业转型升级提供经济基础和制度保障。

参考文献：

[1]温涛,陈一明.数字经济与农业农村经济融合

发展:实践模式、现实障碍与突破路径[J].农业经济问

题,2020(7):118-129.

062

中阿科技论坛 2023年第4期

[2]戚聿东,肖旭.数字经济时代的企业管理变革[J].管

理世界,2020,36(6):135-152+250.

[3]李国祥.论中国农业发展动能转换[J].中国农村经

济,2017(7):2-14.

[4]陈剑,黄朔,刘运辉.从赋能到使能:数字化环境下

的企业运营管理[J].管理世界,2020,36(2):117-128+222

[5]蓝海涛,周振.我国“互联网+农村经济”发展现

状与政策建议[J].宏观经济管理,2018(7):31-38+65.

[6]HAKEN H.Synergetics-An Introduction[M].

Berlin,Heidelberg,New York:Springer Verlag,1977.

[7]黄群慧.改革开放40年中国的产业发展与工业化

进程[J].中国工业经济,2018(9):5-23.

[8]魏后凯,姜长云,孔祥智,等.全面推进乡村振兴:

权威专家深度解读十九届五中全会精神[J].中国农村经

济,2021(1):2-14.

[9]刘淑春.中国数字经济高质量发展的靶向路径与

政策供给[J].经济学家,2019(6):52-61.

Study on the Synergistic Development of Digital Village and Rural

Industrial Transformation

Zhang Xiaoyong1

, Ma Haiya1

, Chen Jin2

, Zhao Songyun1

(1. College of Economics, Northwest Minzu University, Lanzhou 730000; 2. College of Economics, Lanzhou University,

Lanzhou 730000)

Abstract: Digital village is an inevitable trend of digital economy and has become the main means of developing “digital

agriculture, countryside and farmers” in the 14th Five-Year period, while the transformation of rural industries is a major driver

of digital village. By analyzing the synergy between the two, it’s found that digital village promotes rural industrial transformation

through technology iteration, e-commerce, agricultural cooperatives, and innovation environment optimization. Moreover,

innovation-driven, intelligent, industrialized and service-oriented rural industries in turn contribute to digital village. On this basis,

this paper offers strategic theories and insights to the synergistic development of digital village and industrial transformation under a

multidimensional perspective.

Key words: Digital village; Rural industrial transformation; Digital economy; Digital agriculture, countryside and farmers

（校对：郭雁华 杨艳佩）

063

科技与产业

2022年1月，国务院正式印发《“十四五”数字经

济发展规划》，提出到2025年我国数字经济迈向全面

扩展期的发展目标，人工智能是数字经济发展的核心

引擎。从2012年机器人流程自动化（RPA）的提出到

2022年底OpenAI公司研发的ChatGPT系统发布，财务行

业正在接受新一轮智能化革命的洗礼，智能化系统的

应用大幅提升了财务决策的效率和效能。在企业资金

管理中，特别是集团公司和大型互联网公司，银企对

账环节至关重要。实际工作场景中各账户收付信息的

采集与处理操作量大，对账过程重复操作多，人工核

对易出错等问题，银企互联系统虽然能解决结构性的

操作处理，但对于异常的非结构性的决策无法实现自

动化，同时还存在构建成本高、维护成本高的问题。

在人工智能技术驱动财务智能化的背景下，将RPA技

术与ChatGPT系统应用相结合，可以有效解决企业资金

管理异常项目的决策痛点，重构银企对账流程，构建

人机协同状态的银企对账智能模式。

1 RPA——“像双手一样操作”

2016年3月德勤咨询公司（Deloitte Consulting LLP）

与Kira System合作将机器学习引入税务、会计、审计等

工作流程中，由其对高度结构化的、常规的手工任务

业务流程进行自动化运行，在中国企业率先推出 RPA

应用咨询服务。RPA（Robotic Process Automation）即机

器人流程自动化，是通过使用用户界面层中的技术，

模拟并增强人与计算机的交互过程、执行基于一定规

则的可重复任务的软件解决方案[1]。具体而言，RPA是

针对各行各业存在大批量、重复性、机械化人工操作

的情况，以机器人作为虚拟劳动力，模拟、增强并拓

展人类与计算机的交互过程并完成预期任务的一种工

作流程自动化软件，本质上是一种能按特定指令完成

工作的软件，这种软件安装在个人计算机或大型服务

器上，通过模拟键盘、鼠标等人工操作来实现办公操

作的自动化[2]。德勤咨询公司负责人戴夫·库德（Dave

Kuder）表示，企业使用RPA的目的是将传统业务流程

的自动化以实现企业的人才、技术和时间资源节省。

通过使用RPA，财务总监和相关管理人可以用不到半

小时或更短时间完成过去需要花数天或甚至数周才能

完成的事务。

RPA与财务的结合催生了财务机器人，即RPA在财

务领域的应用，是以RPA结合一系列认知技术来代替

传统人工的财务数字化技术应用[2]。通过模拟、增强与

拓展财务人员与计算机系统的交互过程，辅助财务人

员完成交易量大、重复性强、易于标准化的财务业务，

从而优化财务流程，降低财务运作成本，提升财务工

作效率和质量，实现财务人员、财务业务和信息系统

一体化协同。简言之，就是财务机器人能够替代“财

务人员的双手”，对于日常简单重复的电脑操作，基

于财务的业务内容和流程特点来自动化处理。财务机

基于 RPA 技术和 ChatGPT 的银企对账流程重构

王怡丹

（兰州工商学院会计学院,甘肃 兰州 730000）

摘要：人工智能是数字经济发展的核心引擎，更是促进智能财务发展的强大推动力。本文以企业资金管理中

银企对账环节实际应用场景为例，在银企互联系统存在构建成本高、异常数据仍需手工处理等问题的情况下，分

析了银企对账原流程的决策痛点，将RPA技术与ChatGPT系统应用相结合，提出了重构银企对账智能化流程，构

建人机协同状态的银企对账智能模式的具体设想。

关键词：RPA技术；财务机器人；ChatGPT；银企对账

中图分类号：F416.6;F406.7 文献标识码：A

收稿日期：2023-03-13

基金项目：兰州工商学院校级重点教改项目“大智移云背景下的计算机会计信息系统课程体系改革研究”

（LGSJG202104）。

作者简介：王怡丹（1989— ），女，助教，硕士，研究方向为财务会计、会计信息化、会计智能化。

064

中阿科技论坛 2023年第4期

器人作为业务和财务之间的“黏合剂”，能够有效助

力解决企业“信息孤岛”“业财分离”问题，帮助企业

实现内外部价值链“柔性一体化”的连接和“大会计”

系统的建构。财务机器人当前已在会计核算、合规财

务和精益财务等方面有着丰富的应用场景，其能够为

优化财务任务处理、释放人力创造力和智能化财务管

理、实现财务数字化转型提供明确可持续的路径。在

财务领域，传统的RPA技术只能从事步骤明确、规则

固定、重复简单的工作，应用场景通常局限于狭小的

领域，例如，财务中的对账、核算等重复性的工作，或

者批量进行且烦琐的上传下载、简单的数据填写转录

等工作，适用场景如表1所示。

表1 财务机器人适用场景举例

适用场景 流程 职责/角色

费用报销

影像系统OCR识别票据信息-编制生成费用报账单-审核或审批相关单据-ERP系统导入

应付发票-验证、创建会计分录、打印凭证-将应付业务导入总账并过账-出纳系统外实

体付款、费用会计系统内付款

费用部门/报账员

财务部/出纳

财务部/应付会计/总账会计

采购和付款 影像系统OCR识别票据信息-填写报账申请发起报账-报账材料合规性检查-同步ERP采

购订单信息，报账平台进行三单匹配-发票验证、生成凭证-付款执行

采购部门/采购人员

财务部/出纳

财务部/应付会计/总账会计

销售和收款 影像系统OCR识别票据信息-自动开票形成应收单-收款回单收集核对形成应收单-应收

单据与收款单据核销-客户信用管理及应收账款管理

销售部门/销售人员

财务部/出纳

财务部/应收会计/总账会计

资金管理

对外收付业务：收款单付款单信息核对-付款执行、收款回单信息核对。

资金管理：账户限额超额预警-资金划拨归集-资金下拨。

银企对账：银行对账单获取-银行对账单信息转换-银企对账-编制银行存款余额调节

表-未达账项预约处理

财务部/出纳

财务部/总账会计

财务部/资金主管

因此，通过RPA和AI两者的结合运用，即智能RPA

技术或者IPA(intelligent processing automation)技术，可以

带来一股独特的智能化应用的发展潮流，能够胜任复

杂的财务核算、合同和报告审阅、供应链自动调度等

原先需要很多领域知识、专家经验才能进行的工作，

而ChatGPT的出现更是加快了智能化应用步入强智能阶

段的步伐。

2 ChatGPT——“像大脑一样思考”

ChatGPT 是OpenAI公司于2022年底发布的，基于

GPT-3.5（Generative Pre-trained Transformer 3.5） 架 构

开发的对话AI模型，本质上，其是一个大型语言模型

（LLM），采用“从人类反馈中强化学习”的训练方

式，是一款有较高智能的多语言聊天机器人。因其为

具备语言生成，上下文学习、代码理解和生成、推理、

零样本生成等能力火爆全网。与RPA只能处理系统性

的标准化任务不同，ChatGPT是一种基于文本的生成式

AI系统，能够学习和理解人类交流语言的语法规则和

意图，通过检索其所拥有的数据集，运用深度学习算

法，针对语言所表达的目的，生成符合人类习惯的对

话结果，并能在持续对话中推理问题。由于可以识别

语音和语言，通过多轮人机对话，ChatGPT可以即时回

答输出论文、邮件、策划书、程序代码、数据分析等

答案。

ChatGPT在会计职业人员中也受到广泛关注，财务

工作者可以将现有的自动化技术和ChatGPT智能化技术

相结合，使自动化更智能，拥有更强的学习能力和判

断力。

然而，由于ChatGPT是一个大型语言模型，不直接

具备网络搜索功能，因此不连接搜索引擎的版本只能

基于2021年所拥有的数据集进行回答。且使用对话式

人工智能进行专业研究可能会出现不准确、偏见和抄

袭。在向ChatGPT提供一系列需要深入了解文献的问题

和作业时，经常会生成虚假和误导性的文本[3]。此外，

ChatGPT无法处理复杂冗长或者特别专业的语言结构，

对于来自金融、自然科学或医学等专业领域的问题，若

没有进行足够的语料“喂食”，ChatGPT可能无法生成

准确回答[4]，此时仍需要专业人员的职业判断，在处理

财务风险较大的企业数据时，应审慎运用ChatGPT系统。

3 银企互联系统——“银企高速通道”

3.1 银企互联系统概述

银企互联系统是指将企业ERP（Enterprise Resource

Planning）系统或者专门的企业支付平台和金融企业

网上银行系统相连接，由银行提供标准接口，企业客

户按照银行提供的接口标准进行接入，在企业内部通

过接口平台连接核心系统，对企业外部通过安全通道

连接银行系统，实现企业直接通过ERP系统或者支付

平台进行转账支付、电子对账、信息查询、资金拨付

等业务操作的系统。银企互联可以统一整合银企双方

的信息流，企业财务人员通过ERP系统的操作界面将

账务指令提交到银企互联平台，出纳核对支付单据信

065

科技与产业

息后提交支付指令，通过银企互联平台直接到达银行

支付系统，瞬时的安全验证后银行即时付款并自动反

馈回单信息至ERP系统。出纳人员不再登录网银系统

逐笔提交支付信息和指令，实现了“账务处理结果指

令—支付信息提交指令—资金划转结算指令”的不

落地处理，打通了ERP系统和网银支付系统的信息通

道，银行端、银企互联和企业端数据流程图如图1所示。

3.2 银企互联系统的优劣势

3.2.1 资金支付自动化程度高，效率倍升

建立银企互联系统后，付款业务的自动化程度显

著提高，手工录入付款信息工作量大、容易出错的问

题迎刃而解。同时，传统网银手动支付还存在不同层

级审批，各级审批均需单独的用户CA证书验证登录

的限制，而审核环节仍需要逐笔核验，等待不同级别

审核人员处理，大幅降低了企业资金支付效率；而银

企互联由于通过专线安全验证，无须设置多级审批环

节，系统中可以实现金额权限阶梯式审批，即金额限

度内批量复核，超限额单笔更高级复核，实现了资金

支付的跨环节跨平台的效率提升。

3.2.2 集团资金管理集中度高，风险管控及时方便

银企互联以即时付款、高效准确的特点广泛运用

于集团公司、大型企业的财务共享中心或财务核算中

心。以集团企业来讲，省公司层面实现了在银企互联

直接管理本省各县市公司收入和支出账户，大额资金

结算权限集中管理，从宏观上进行主要资金收集账户

间的资金下拨与集中调控管理、银企对账和余额查询。

微观层面可以实现各地市分公司的资金收付业务、资

金上划和集中监控管理。且随着云计算加速与金融结

合，金融服务泛在化，以本地部署的传统银企直连模

式已经加速到了云模式。

3.2.3 专线建设成本高昂，后期运维投入大

银企互联平台能够实现企业ERP与银行数据系统

的即时联通，关键在于专线建设可以免去烦琐的安全

验证，以银企互联的高频模式为例，通常采用加密机

替代前置程序和U盾，即同时实现了前置程序和U盾的

功能，加解密和签名验签速度提升10倍以上，劣势是

加密机成本较高。高频模式适用于大型集团或者大型

互联网集团公司，即具有高频直联结算或者查询需求

的企业集团，且能承担较高的银企互联建设成本。此

外，银企互联系统采用专门的线路来连接银行端系统

和企业端系统，这种接入方式需要企业按需求按月或

年租用线路，网络性能稳定但成本较高。如何平衡成

本、效率和安全成了中小型企业运用银企互联平台的

决策痛点。

3.2.4 银企对账环节特殊支付事项仍需手工核对

银企互联系统构建成本高，而RPA技术在财务中

的广泛应用可以实现对银企互联系统的平替操作，节

省企业平台构建和专线建设及维护成本。同时，对于

在银企对账环节无法自动勾选的特殊支付事项相关记

录，实际操作中仍然需要财会人员手工收集数据，分

析数量关系后确定是否为未达账项，这些操作都可以

在RPA流程设计器中预先编写好个性化的业务代码，

实现特殊支付事项的流程自动化，凸显了用RPA技术

代替银企互联系统的优势。结合ChatGPT代码编写、数

据分析和文本输出的功能，可以实现一般业务的自动

对账和特殊业务的自动调整。

4 运用RPA和ChatGPT对银企对账流程重构

4.1 银企互联平台对账原有流程

银企对账是企业资金管理中的重要一环，对于大

型集团公司更是日常资金管控的重点，也是审计工作

的必经流程。传统手工操作先通过CA证书验证登录企

业网上银行，下载电子银行对账单Excel格式文件，再

登录企业ERP系统下载银行日记账数据文件，将数据

匹配之后处理无法匹配勾对的收付款记录，人工归类

未达账项类别后编制银行存款余额调表。银企互联平

台对账工作流程图如图2所示。如果依托银企互联平

图1 银行端、银企互联和企业端数据流程

图2 银企互联平台对账工作流程

066

中阿科技论坛 2023年第4期

策需求。

4.2 基于RPA和ChatGPT的银企对账流程重构

ChatGPT的优势在于可以进行数据分析、代码编

写和文本撰写，类似于人类的大脑，而RPA优势在于

可以针对预先设置好的流程和操作自动运行，类似于

人类的双手，二者优势互补，在非系统性的特殊处理

方面，可以大幅提升工作效率；同时在关键环节设置

财务人员的审核和干预，可以降低错误和ChatGPT可能

的判断失误，真正达到人机协同的效果。基于RPA和

ChatGPT的银企对账流程设计如图3所示。

财务机器人流程设计登录、查找界面、选择时间

图3 基于RPA和ChatGPT的银企对账流程图

段、保存文件格式为Excel、下载路径选择等操作代码，

运行RPA登录企业网上银行客户端，下载企业账户银

行对账单电子文档；登录、查找工作台界面，账簿查询、

选择时间段、下载明细账，保存银行存款明细账电子

文档。

财务机器人进行数据读取，按照预设的条件自动

匹配银行对账单与银行存款明细账中的数据，符合逻

辑条件的记录自动写入勾对标记，不符合逻辑条件的

记录单独保存在新建的电子文档中。

对于对账过程中无法匹配的异常数据，通常存在

三种可能。第一种是未达账项，由于企业和银行收到

结算凭证的时间不一致所产生的异常，通常在下月企

业收到结算凭证时补做账务处理就可以消除。第二种

是由于账务处理贷记一笔银行存款而实际流水是多笔

或批量支付的情况，例如工资批量支付或供应商为个

人而多笔支付。而无法自动对账的金额之间一般均存

在求和的数量关系，通过财务机器人将异常数据录入

到ChatGPT中并要求编写出能够分析出具有求和数量关

系的代码，就可以筛选出符合第二种情况的记录并保

存为电子文档。第三种情况是借方流水一进一出或者

贷方一进一出，这种一般是银行支付失败退回或企业

红字冲销账务处理，通过ChatGPT或者财务机器人均可

以迅速筛选并勾对。

上述流程运行完毕后，自动勾对、异常数据处理

和分类都已经完成，为了保证数据的准确性，资金管

理人员将账务处理贷记一笔银行存款而实际流水是多

笔或批量支付的处理数据进行审核，将未达账项与客

户或原始凭证进行核对，准确无误后存档。

台，手工下载和Excel格式文件数据匹配的操作在平台

就可以高效实现，但是对于账务处理贷记一笔银行存

款而实际流水是多笔或批量支付的情况（如图2中的

异常处理），银企互联系统还不能自动勾对，只能人

工分析数据关系，从会计账务处理和原始业务单据中

查找原因，通常耗时耗力，是银企互联系统无法解决

的业务痛点。如果通过RPA技术并结合ChatGPT进行流

程重构和自动化处理，可以快速提升特殊业务处理效

率；加之大多数RPA应用费用低操作简单，而免费的

ChatGPT又能够帮助企业编写RPA流程代码和文本输

出，可以解决大部分企业平衡成本、效率和安全的决

067

科技与产业

财务机器人将上述数据结果录入ChatGPT，形成

银行对账分析文本，具体可以分析当月收入和支出水

平，交易笔数和金额分析、银行存款余额调节表分析、

客户及供应商组成分析等内容。也可进一步通过财务

机器人收集上述文本数据，形成统一格式的、有可视

化图表的分析报告。

以上基于RPA和ChatGPT的银企对账流程重构是具

体应用场景的实施落地，将二者优势互补，同时可以

处理结构化流程和非结构化流程，是AI技术和财务机

器人的有效整合，实现了复杂场景的智能决策。此外，

结合OCR、NLP、ASR、TTS等技术让RPA拥有认知能力，

再通过大数据不断矫正自己的行为，从而有智能决策

和智能运筹能力[4]。

5 结语

在人工智能发展速度之快、辐射范围之广、影响

范围之深的时代背景下，财务机器人的广泛应用使得

会计核算职能不断被弱化，财务工作人员职业判断的

时点不断前移，内容不断深化，会计职能中的管理决

策和价值创造必将成为工作中心。而类似于ChatGPT系

统的智能化应用会越来越多，企业需要懂业务、懂财

务、懂信息技术的财务管理团队，财务人员应积极利

用RPA及ChatGPT等智能应用人机协同开展工作，做人

工智能的运用者、创造者和受益者。

参考文献：

[1]田高良,陈虎,郭奕,等.基于RPA技术的财务机器

人应用研究[J].财会月刊,2019(18):11-14.

[2]程平,褚瑞.RPA财务机器人原理、应用于开发

[M].北京:中国人民大学出版社,2022:250-277.

[3]Eva A M van Dis, Johan Bollen, Robert van

Rooij.,et al. ChatGPT:five priorities for research[J].

Nature,2023(614):225.

[4]陈巍.ChatGPT发展历程、原理、技术架构详解

和 产 业 未 来[EB/OL].http://zhuanlan.zhihu.com/p/59065

5677,2023-02-08.

Study on the Reconfiguration of Bank-Enterprise Reconciliation

Based on RPA and ChatGPT

Wang Yidan

(School of Accounting, Lanzhou Technology and Business College, Lanzhou 730000)

Abstract: As the core of digital economy, artificial intelligence is a powerful driving force for promoting intelligent finance.

In view of this, this paper takes the application of bank-enterprise reconciliation as an example, expounds the difficulty in decision

making of the original process in light of the issues of high construction cost and manual process of anomaly data with the help of

RPA and ChatGPT, and proposes the idea of reconstructing an intelligent model of bank-enterprise reconciliation characterized by

human-computer collaboration.

Key words: RPA technology; Financial robot; ChatGPT; Bank-enterprise reconciliation

（校对：郭雁华 刘卿）

068

中阿科技论坛 2023年第4期

1 研究现状

股票价格预测问题一直是金融行业的热点话题，

剧烈的股票价格波动将会对金融行业和国家经济造成

极大影响。股票价格预测主要是指通过对股票相关信

息的收集与分析，运用专业技术挖掘股票价格的变动

规律，进而判断未来变化趋势。目前，在现有国内外

文献中可以找到大量股票价格预测方法，大致可划分

为三种方法。

第一种是基于基本面分析的方法，通过对股票市

场的影响因素与宏观经济政策综合分析，做出相应买

入或卖出的决策，降低投资中的风险。吴威廷（2020）

阐述了基本面分析方法的理论知识和实际意义，并介

绍了在实际股票行业中，基本面分析方法如何使用和

分析[1]。韦景忠（2019）针对基本面分析和技术面分

析两种方法进行阐述，总结了基本面分析中存在的问

题，首先基本面分析方法无法解释价格变动原因，其

次对于实际指导具有延迟性，最重要的是方法中的指

标衡量带有主观性[2]。

第二种是时间序列模型方法，通过挖掘金融时间

序列的线性关系构建模型进行预测研究。刘洁（2021）

构建了ARIMA(2,1,1)模型对格力电器的股票价格进行预

测，研究结果表明ARIMA模型在短期上具有很好的表

现效果，但不适合中长期预测[3]。马育欣等（2021）使

用EMD方法对股票数据进行分解，将分解后的数据进

行分开预测，结果相加，结果表明将数据分解后单独

预测相加的效果优于单纯时间序列模型的预测效果[4]。

熊政等（2022）对平安银行的股票收盘价进行预测，

构建了ARIMA-GARCH模型，对拟合曲线进行校正并

预测，结果表明改进后的ARIMA-GARCH-M模型在短

期股票价格预测上具有更好的预测效果[5]。

第三种方法是机器学习模型，它主要包括浅层机

器学习和深度学习模型。其中浅层机器学习模型主要

包括支持向量机模型、决策树模型等，深度学习模型

包括LSTM、BP神经网络等。相较浅层机器学习模型，

深度学习模型具有更高的非线性处理能力，可以提取

更深层次的数据特征。随着技术的发展，学者将深度

学习模型运用到金融时间序列的预测中，发现可以取

得更好的效果。丁文绢（2021）对ARIMA模型与LSTM

模型进行比较，选取上证A股50作为研究对象，预测

收盘价，研究表明LSTM的预测精度更高[6]。彭燕等

（2019）选择LSTM模型对苹果公司的股票价格进行预

测，并研究LSTM模型层数与预测效果之间的关系，结

果表明要根据数据选择合适的网络层数，太多或太少

都会影响模型的预测效果[7]。

此外，由于股票数据具有海量和复杂性的特点，

学者开始倾向使用组合模型进行预测分析。熊志斌

基于 ARIMA-BiLSTM 模型的沪深 300 指数预测

黄杏丹

（山东工商学院统计学院,山东 烟台 264005）

摘要：股票价格指数是度量和反映股票市场总体价格水平及其变动趋势而编制的股价统计指标，是反映社

会、政治、经济变化状况的“晴雨表”。准确预测股票价格指数波动，有助于防范股票市场风险和保障金融市

场稳定发展。由于股票数据的复杂性，本文将时间序列模型与深度学习模型相结合，提出新的组合模型ARIMABiLSTM，对沪深300指数数据集进行性能评估。结果表明，ARIMA-BiLSTM模型可以规避单一模型带来的缺陷，

较其他先进方法具有更高的预测精度。文章对构建的模型展开消融实验，研究模型参数设置的合理性，并基于不

同数据集进一步验证了组合模型的预测效果。

关键词：时间序列模型；深度学习模型；股票价格指数预测；沪深300指数

中图分类号：F830.91 文献标识码：A

收稿日期：2023-03-22

基金项目：山东省教育教学“十四五”规划一般专项课题（2021CYB012）。

作者简介：黄杏丹（1997— ），女，硕士研究生，研究方向为大数据分析。

069

科技与产业

（2011）将ARIMA模型与ANN模型相结合，对三个不

同汇率数据集进行预测，结果均显示组合模型能更好

地挖掘数据中复杂的线性和非线性特征，预测效果更

好[8]。Xu Min等（2021）结合ARIMA和回归树模型发

现，其对股票市场的非线性捕捉能力增强[9]。王晓蕾

等（2021）将含有序列信息的GARCH模型参数增加

到LSTM模型的输入层构建LSTM-GTEP模型，运用到

农产品苹果价格的预测上，发现MAE值最小，预测效

果较好[10]。

学者们运用了不同的组合方式，组合模型可以规

避单一模型带来的缺陷，优于单一模型的预测效果，

这些研究都表明了组合模型在股票价格预测上的可行

性。时间序列模型可以很好地描述股票价格数据中的

线性部分，而深度学习模型可以很好地拟合股票价格

数据中的非线性部分。基于此，本文提出了一个更为

完善的组合模型进行股票价格指数的预测，ARIMABiLSTM模型将ARIMA模型与BiLSTM模型组合，两者互

相补充，充分利用数据所包含的信息，以取得更高的

预测精度。

2 ARIMA-BiLSTM模型构建

2.1 差分自回归移动平均模型

ARIMA实际上是金融时间序列经过差分处理后的

ARMA模型，通常d阶差分后的模型被记为ARIMA(p,d,q)。

ARMA模型是由自回归模型和移动平均模型混合而

来，用于研究经济变量的变化规律，是平稳序列建模

的常用模型。ARMA(p,q)即自回归移动平均模型，其表

达形式为：

（1）

式（1）中，c代表常数项， 和

代表两个模型的模型系数， 为白噪声序列。在

实际应用中，股票时间序列通常表现为不平稳，这不

满足ARMA模型的使用条件，需要对序列进行差分处理

转化为平稳序列。

2.2 双向长短时记忆网络模型

在长短时记忆网络模型的基础上改进得到双向

长短时记忆网络模型（BiLSTM），模型结构如图1

所示，可以看出它由正向LSTM模型和反向LSTM模

型两部分组成。其中，正向LSTM模型用于处理原顺

序输入，挖掘上文的数据信息，反向LSTM模型则处

理逆序输入的信息，挖掘下文所包含的数据信息。

与长短时记忆网络模型相比，该模型可以更好地捕

捉上下文的信息。

2.3 ARIMA-BiLSTM组合模型

本文将差分自回归移动平均模型和双向长短时记

忆网络模型进行组合，把股票数据视为两部分构成，

即线性部分和非线性部分，用时间序列模型提取线性

部分，用深度学习模型提取非线性部分，两种模型结

合可以充分挖掘数据内的信息。在组合模型中，本文

主要利用残差优化的思想，针对BiLSTM模型预测后得

到的残差序列，挖掘残差序列中的有用信息，充分利

用所隐含的数据信息。在股票价格预测中，残差是股

票数据样本的实际值与模型预测值的差值。组合模型

ARIMA-BiLSTM的具体框架如图2所示。

由图2可知，对于一组股票价格序列P1，首先构

建BiLSTM模型预测股票价格，得到预测结果和残差序

列，预测结果记为P

^

k，残差序列记为Ct

。之后针对残差

序列构建ARIMA模型，得到预测残差值C

^

t

，最终的预

测结果由BiLSTM预测值和ARIMA网络预测的残差值相

加。由ARIMA-BiLSTM模型框架的构造可知，相较于单

一模型，它提取的数据信息更为充分，可以有效避免

单一模型带来的缺陷，为股票价格的预测提供良好的

框架基础。

3 实证研究设计

3.1 数据集

本文数据来源于国泰安数据库，选择具有代表性

的沪深300指数作为研究数据集。数据区间为2020年

6月1日—2022年12月30日，共630条数据。其中2020

年6月4日—2022年9月27日共565条数据作为训练集，

2022年10月9日—2022年12月31日共61天数据作为测

试集，本文实验是在python3.6的Tensorflow2.0框架下

实现。

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

图1 BiLSTM网络结构示意图

图2 ARIMA-BiLSTM模型框架图

070

中阿科技论坛 2023年第4期

3.2 ARIMA-BiLSTM模型预测

在上文已经对ARIMA-BiLSTM模型的构建进行了

阐述，接下来依照模型框架进行股票价格指数的预

测。预测主要包括三步：第一步是构建BiLSTM模型预

测沪深300股票收盘价格，得到残差序列；第二步是针

对残差序列构建ARIMA模型预测残差值；第三步是将

BiLSTM模型预测值与残差预测值相加，得到最终预测

结果。首先对沪深300数据进行标准化处理，之后选取

沪深300指数的开盘价、最高价、最低价、收盘价、成

交量五项指标作为特征向量，通过试错法得到BiLSTM

模型参数设置如表1所示。在超参数设置完毕后训练模

型，用训练好的模型预测沪深300指数未来61天的股票

收盘价格，将真实值与预测值作差，得到残差序列。

表1 超参数设置表

超参数 数值

学习率 0.001

批次大小 64

迭代次数 100

时间窗口 3天

时间序列模型构建，首先对残差序列进行平稳性

检验，沪深300指数残差序列ADF检验的t值为-6.010

110，小于1%、5%、10%显著性水平下的临界值，且

p值为0.00，拒绝原假设，即不存在单位根，残差时

间序列平稳。通过观察残差序列的自相关与偏自相

关图结合AIC、BIC指标确定ARIMA(2,0,2)模型，模型

方程如下：

（2）

采用构建好的ARIMA(2,0,2)模型预测沪深300指数

残差数据，得到残差数据的预测值。按照组合模型思

想将残差预测值与BiLSTM模型预测值相加得到最终预

测结果。

3.3 消融实验

消融实验通过设置对照组确定模块选择的必要性。

在股票价格预测中，倘若消融实验后模型的预测精度

降低，就表明选择该模块有效。

3.3.1 时间窗口的选择

通过文献发现模型时间窗口的选择会影响模型的

预测效果。因此，时间窗口的选择是整个模型训练必

不可少的阶段。在沪深300指数价格预测中，假定时间

窗口为m，具体指利用前m天的股票数据预测第m+1天

的沪深300指数收盘价格。为选择合理的时间窗口，综

合文献研究和股票自身的特性，选择时间窗口为3天、

5天、7天。根据不同的时间窗口，构建模型进行预测，

得到结果如表2所示。

表2 模型时间窗口选择

时间窗口 3天 5天 7天

RMSE 62.78 68.16 63.82

在表2中，根据不同时间窗口进行预测，从得到的

均方根误差（RMSE）可以看出，在时间窗口m=3天时，

预测误差最小，说明模型选择参数合理。

3.3.2 迭代次数epoch选择

模型在选择超参数时，基于相同时间窗口加入不

同的epoch，发现模型的结果也不同。研究中，在3天

的时间窗口下使用不同epoch得到预测结果。通过对模

型实际运行的观察，选择epoch次数为100次、130次、

150次，结果如表3所示，根据预测均方根误差值，发现

epoch次数为100次时模型效果最好。

表3 epoch次数选择

epoch 100 130 150

RMSE 62.78 65.20 62.95

3.4 实验结果与分析

上 文 中 已 经 构 建 了 合 理 的 组 合 模 型ARIMABiLSTM，基于上述实验模型的预测结果如表4所示，

用RMSE、MAE、MAPE、R2

作为指标进行评价，验证

模型效果。本文与经典模型进行对比，评估ARIMABiLSTM模型的有效性，其中经典模型选择如下：

（1）LSTM模型：在金融时间序列预测中常用的

模型。

（2）BiLSTM模型：验证组合模型的预测效果是

否提高，构建BiLSTM模型。

（3）GRU模型：作为预测时间序列的经典模型，

通过训练数据预测模型效果。

（4）ARIMA模型：数据不存在ARCH效应，所以

仅构建ARIMA(2,1,1)模型。

由表4可知，仅有BiLSTM模型预测时，其RMSE值

为64.39，MAE值为50.47。但在BiLSTM模型预测结果

加上ARIMA(2,0,2)模型预测的残差结果后，其RMSE、

MAE和MAPE误差值均降低，判定系数R2

从0.642提高

到0.729，表明拟合曲线添加后更接近真实值，反映

出本文构建的ARIMA-BiLSTM模型在预测精度上较

其他模型显著提高。对比多个模型的预测效果，发现

本文提出的ARIMA-BiLSTM模型在各项指标上表现

效果均最好。

3.5 泛化性能实验

为了验证ARIMA-BiLSTM模型的有效性，本文选

择上证综指数据集进行验证，预测区间选择上证综指

2019年10月9日 —2019年12月31日 的 数 据。 首 先 构 建

BiLSTM模型得到残差时间序列 ，之后对残差序列构

建ARIMA模型，经过AIC和SC以及模型的系数显著性检

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

( )

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

071

科技与产业

验，得到的最优模型为ARIMA(2,0,1)模型，模型系数均

通过检验，模型的表达式如下：

（3）

采用构建好的模型ARIMA(2,0,1)预测未来60天的残

差数据，按照组合模型思想将残差预测值与BiLSTM模

型预测值相加得到最终预测结果，具体预测结果部分

如表5所示。

基于上述实验步骤，得到上证综指数据的模型预

测结果。由表5可以发现，BiLSTM模型在加上残差预测

值后，模型整体的预测效果得到了提高，距离真实值

更近，说明加上残差预测是有效的。

由表6可知，在仅有BiLSTM模型预测时，其RMSE

值为26.90，MAE值为21.04。但在BiLSTM模型预测结果

表4 ARIMA-BiLSTM模型沪深300指数预测结果

模型 RMSE MAE MAPE R2

LSTM 65.49 50.91 0.011 0.630

GRU 66.26 50.75 0.011 0.621

ARIMA 61.24 45.35 0.010 0.676

BiLSTM 64.39 50.47 0.011 0.642

ARIMA-BiLSTM ( ) 56.06 42.10 0.009 0.729

( )

. . . .

{ }

. . .

u c u u u

k p

i q

c c c

C

c c c

1 810012 0 930864 1 945449 0 996142

1 460129 0 610567 0 786649

1

1

t t t p t p t t t q t q

k

i

t t t t t t

t

t t t t t

1 1 2 2 1 1 2 2

1 2 1 2

1 2 1

g g

# #

# #

z z z f i f i f i f

z

i

f f f

f f

= + + + + + + + + +

= - + - +

= - + -

- - - - - -

- - - -

- - -

D e m o

表5 上证综指部分预测结果

日期 真实值 BiLSTM模型预测值 残差预测值 ARIMA-BiLSTM预测值

2019-10-09 2 924.86 2 910.565 808 8.929 111 75 2 919.494 92

2019-10-10 2 947.71 2 907.671 676 19.110 242 89 2 926.781 919

2019-10-11 2 973.66 2 922.123 165 33.270 167 29 2 955.393 332

2019-10-14 3 007.88 2 952.277 043 36.434 462 42 2 988.711 505

2019-10-15 2 991.05 3 001.488 836 34.641 460 17 3 036.130 296

… … … … …

2019-12-27 3 005.04 2 997.782 961 20.516 289 21 3 018.299 25

2019-12-30 3 040.02 3 029.109 138 8.799 485 679 3 037.908 62

2019-12-31 3 050.12 3 043.774 862 9.839 353 481 3 053.614 21

表6 ARIMA-BiLSTM模型上证综指预测结果

模型 RMSE MAE MAPE R2

BiLSTM 26.90 21.04 0.007 0.630

ARIMA-BiLSTM 20.65 15.58 0.005 0.782

加上ARIMA(2,0,1)模型预测的残差结果后，其RMSE值

为20.65，MAE值为15.58，表明ARIMA-BiLSTM模型拥

有更高的预测精度。

4 结语

本文基于残差优化思想提出了ARIMA-BiLSTM

模型，针对沪深300指数数据构建了ARIMA(2,0,2)-

BiLSTM模 型，相 比 其 他 经 典 模 型BiLSTM、GRU、

ARIMA、LSTM模型，预测精度更高，针对组合模型

ARIMA-BiLSTM模型进行消融实验，确定了模型参数

的合理性，最后在上证综指数据集上进一步验证了

ARIMA-BiLSTM模型的适用性。本文构建的组合模

型可以更好地为投资者决策提供参考，降低投资者

的投资风险。

参考文献：

[1]吴威廷.股票基本面分析的主要内容[J].财经界,

2020(20):49-50.

[2]韦景忠.供求理论角度探析证券价格[J].智库时

代,2019(19):41+52.

[3]刘洁.ARMA模型在股票价格预测中的应用:以格

力电器为例[J].中国管理信息化,2021,24(11):153-155.

[4]马育欣,王纯杰,秦喜文,等.基于EMD和GARCH

模型的股票收盘价格预测[J].长春工业大学学报,2021,

42(1):7-10.

[5]熊 政,车 文 刚.ARIMA-GARCH-M模 型 在 短

期股票预测中的应用[J].陕西理工大学学报(自然科学

版),2022,38(4):69-74.

[6]丁文绢.基于股票预测的ARIMA模型、LSTM模

型比较[J].工业控制计算机,2021,34(7):109-112+116.

[7]彭燕,刘宇红,张荣芬.基于LSTM的股票价格预测

建模与分析[J].计算机工程与应用,2019,55(11):209-212.

[8]熊志斌.ARIMA融合神经网络的人民币汇率预

测模型研究[J].数量经济技术经济研究,2011,28(6):64-76.

[9]XU M,QIN Z F.A novel hybrid ARIMA

and regression tree model for the interval-valued time

series[J].Journal of Statistical Computation and Simulati

072

中阿科技论坛 2023年第4期

on,2021,91(5):1000-1015.

[10]王晓蕾,张艳,柳平增,等.基于LSTM与GARCH

族组合模型的苹果价格预测分析[J].山东农业大学学报

(自然科学版),2021,52(6):1055-1062.

Research on the Forecasting of CSI 300 Index Based on ARIMABiLSTM Model

Huang Xingdan

(College of Statistics, Shandong Technology and Business University, Yantai 264005)

Abstract: Stock price index is not only an indicator of the overall price of stock market and its trend, but also a “barometer”

of the social, political and economic changes in the country or region where the market is located. Accurate forecasting of stock price

fluctuations helps to prevent risks and promote the sound development of financial markets. Due to the complexity of stock data, this

paper combines time series models with deep learning models to propose a new combined model ARIMA-BiLSTM to evaluate the

performance of the CSI 300 index data set. The ablation experiments are conducted on the proposed model to study its parameters

settings, and further verify the prediction accuracy of the proposed model based on different datasets. The results suggest that the

new model can circumvent the defects brought by a single model and has higher accuracy than other advanced methods.

Key words: Time series model; Deep learning model; Prediction of stock price index; CSI 300 index

（校对：郭雁华 杨艳佩）

073

科技与产业

根据1956年联合国发布的有关国家或地区进入人

口老龄化的确定标准，当一个国家或地区65岁及以上

老年人口数量占总人口的比例超过7%，则意味着这个

国家或地区进入人口老龄化[1]。我国自1999年开始步入

老龄化社会。国家统计局数据显示，截至2022年末我

国60周岁及以上人口占全国人口的19.8%，其中65岁及

以上人口占比14.9%，表明我国人口老龄化程度持续加

深，已进入深度老龄化社会。

第48次《中国互联网络发展状况统计报告》数据

显示，截至2021年6月，我国网民规模达10.11亿，我国

网民主要集中在10 ～ 59岁之间，而60岁及以上网民占

比12.2%。60岁及以上老年群体是非网民的主要群体，

绝大多数老年人不会使用互联网及数字产品，无法享

受互联网及数字技术发展带来的便捷服务。

随着数字化时代的到来，数字技术对人类经济社

会生活产生了巨大的影响。网络购物、移动支付、线

上就诊预约挂号等手机App或微信小程序的普及和使

用，尤其是疫情防控期间，基于健康码的防疫措施及

生活物资团购等，使数字技术得到了更广泛的应用。

当数字技术为人类生活提供极大便利的时候，老年群

体却因视力、听力、记忆力等身体机能方面的衰退以

及传统观念、环境约束等因素的影响，在数字技术学习

和使用方面遇到了很多的困难，成为数字化时代被忽略

的“边缘群体”。移动互联网技术、数字信息技术的发

展及广泛应用，使人们的社会生活更加便利，但同时也

成为横亘在老年群体面前难以跨越的一道“数字鸿沟”。

助力老年群体跨越数字鸿沟是当今社会关注并亟

待解决的问题。目前已有文献资料研究关注到老年群

体数字鸿沟问题，部分学者提出了弥合数字鸿沟的对

策，但较少通过实证分析数字鸿沟对老年群体产生的

影响并提出针对性的对策。基于此，本文以60岁及以

上老年人为调查对象，通过对老年群体网络及信息技

术使用情况展开调查，探究数字化时代老年群体产生

数字鸿沟的影响因素，并针对性地提出帮助老年群体

跨越其与年轻群体之间的数字鸿沟的对策。

1 研究现状

1.1 数字鸿沟与老年数字鸿沟的界定

“数字鸿沟”的概念最初由经济合作与发展组织

数字化时代助力老年群体跨越数字鸿沟的对策

柯晶琳 陈明洋 佘子龙 肖文丹

（黄冈师范学院商学院,湖北 黄冈 438000）

摘要：数字化时代，老年群体“数字鸿沟”问题受到广泛关注。以加强“数字反哺”，帮助老年人跨越“数

字鸿沟”为目的，本文基于2020年河南省驻马店市西平县的实地调查数据，在综合考虑老年群体特征、家庭情况、

信息获取和社会支持的基础上，运用二元logistic回归进行分析，结果发现：年龄越大，老年群体存在数字鸿沟的可

能性越大；而文化程度、月平均收入、与子女见面的频率、子女对老年人使用智能手机的态度、无线局域网或宽

带接入情况、网络获取信息时间等因素，对老年数字鸿沟有显著负向影响。因此，本文就如何助力老年群体跨越

数字鸿沟提出了加强老年群体数字教育、提倡家庭“数字反哺”、普及网络及“适老化”数字产品、构建社会帮

扶机制等具体对策建议。

关键词：数字化时代；老年群体；数字鸿沟；数字反哺

中图分类号：C916; D669; F719 文献标识码：A

收稿日期：2023-02-05

基金项目：湖北省教育厅哲学社会科学研究项目（21Y225）；黄冈师范学院大学生创新创业项目（202110

514132）。

作者简介：柯晶琳（1984— ），女，讲师，硕士，研究方向为农业经济管理；陈明洋（2000— ），女，研究

方向为国际经济与贸易；佘子龙（2000— ），男，研究方向为经济与金融；肖文丹（2000— ），女，研究方向为

工商管理。

074

中阿科技论坛 2023年第4期

（OECD）在《理解数字鸿沟》报告中提出，是指个人、

家庭、企业及地区在信息技术可及性及互联网使用方

面存在差距，主要表现在接入沟、使用沟和知识沟三

个方面，即经济和物质条件之间的差距、新媒体使用

程度和技能水平之间的差距、不同群体对新媒体技术

认知态度及采纳使用等方面的差距。

随着互联网技术与数字技术的发展及广泛应用，

不同年龄群体之间在认知观念及行为取向方面存在差

距。杜鹏等（2021）研究发现中国老年群体使用互联

网的比例呈现持续上升态势，但在日常生活中适应数

字生活的能力与深入互联网应用方面依然存在差距[2]。

潘曙雅等（2021）提出老年数字鸿沟是数字鸿沟的一

个分支，老年数字鸿沟是数字鸿沟在年代维度上的呈

现[3]。何铨等（2017）指出老年数字鸿沟是老年群体与

年轻群体在获取互联网信息的能力和使用数字资源等

方面存在的差距[4]。周裕琼（2014）通过选取200个家

庭的亲子代进行调查，发现老年群体与年轻一代在新

媒体使用方面存在显著的数字鸿沟[5]。

1.2 老年数字鸿沟的相关研究

目前有学者认为主要是信息技术发展导致老年数

字鸿沟出现。王吉等（2013）认为技术水平、信息意

识等因素共同导致了老年数字鸿沟[6]。也有学者认为除

了信息技术还有老年人自身身体原因。邓蔚等（2015）、

何铨等（2017）认为老年数字鸿沟的主要形成原因是

老年人自身能力的限制及媒体和信息技术对老年群体

的忽视[4,7]。有学者研究还发现家庭在帮助老年人跨越

数字鸿沟中起着重要作用。黄晨熹（2020）提出老年

数字鸿沟是老年群体生理心理特征、互联网技术普及

滞后、科技产品不适老性、家庭反哺不足等因素共同

影响的结果[8]。于潇等（2021）研究发现低龄、居住在

城市、社会经济地位高等因素正向促进老年人使用互

联网，并从家庭子女角度进行分析发现亲子见面联系

频次越高，数字鸿沟越小[9]。

也有学者从老年群体数字融入或助力老年群体跨

越数字鸿沟的角度展开研究。刘彦（2021）提出应充

分利用社区教育的政策、教学和资源优势开展老年人

智能技术教育，拓宽宣教渠道，集合多方社会力量，

对老年群体开展全方位数字反哺，以助力老年群体跨

越数字鸿沟[10]。谢秋山等（2019）认为促进老年群体

的数字融入应加强老年人数字素养教育，开发适老化

新媒体产品，开展家庭和社会的数字反哺等[11]。陆杰华

等（2021）基于数字鸿沟和知沟理论，分析了老年数

字鸿沟形成的根源，并构建了信息能力与素养建设和

年龄友好环境建设的老年数字鸿沟治理思路，以提升

老年群体与数字化社会融合程度[12]。陈万球等（2022）

认为要从技术赋能和管理赋能方面构筑数字社会以弥

合老年数字鸿沟[13]。刘奕等（2022）提出要通过普及

数字包容理念、推进技术适老化、构建数字素养教育

和构筑社会支持体系四个维度形成弥合老年数字鸿沟

的解决路径[14]。

综上所述，已有研究较为全面地探讨了老年群体

数字鸿沟问题与弥合对策，为我国老年数字鸿沟研究

提供了丰富的参考资料，但现有大多数研究一定程度

上仍以描述问题为主，通过实证分析老年数字鸿沟产

生的影响因素的研究尚不多见。因此，本文借鉴已有研

究，从老年群体个人特征、家庭情况、信息获取和社会

支持四个方面，构建老年群体数字鸿沟影响因素的理论

模型进行实证分析，在实证分析结论基础上有针对性

地提出有效助力老年群体跨越数字鸿沟的对策，为老

年数字鸿沟相关研究提供理论依据和决策支持。

2 数据来源与变量说明

2.1 数据来源

本文研究所用数据来源于项目组成员于2020年5月

在河南省驻马店市西平县对老年人信息获取及数字产

品使用等情况开展的实地调查。世界卫生组织对老年

人的定义为60周岁以上的人群，因此此次调查对象

是60岁及以上老年人群体。调查内容综合考虑了老

年群体的个人特征、家庭情况、信息获取及社会支持

四个方面，具有良好的代表性，能较好地支持本项目

的研究。

本次调查采用多阶段抽样和配额抽样的调查方

法，先在西平县20个街道或乡（镇）随机抽取了7个，

再抽取下一级20个社区或村，最后在每个街道或村按

照人口所占比例随机抽取相应数量作为样本。各乡镇

街道分别按0.12（柏城街道）、0.08（柏亭街道）、0.12

（权寨镇）、0.18（谭店乡）、0.15（杨庄乡）、0.2（专

探乡）、0.15（焦庄乡）的比例进行调查，确定各区抽

取样本数。其中柏城街道抽取3个社区，柏亭街道抽取

2个社区，权寨镇抽取3个村，谭店乡抽取4个村，杨庄

乡抽取3个村，专探乡抽取4个村，焦庄乡抽取3个村。

在调查中，采用街头随机拦截访问、入户访问

相结合的方法进行实地调查，并且为了提高问卷回收

率，由调查员亲自访问并填写调查问卷。为了保证调

查的质量，调查人员先进行了调查培训，并明确了分

工和严格的质量控制，调查前确定调查对象和调查范

围；调查中为避免被访者理解偏差，对调查对象不明

075

科技与产业

白的问题进行了适当解释；问卷回收后进行审核，剔

除有严重质量问题的问卷。本次调查共发放问卷600

份，在剔除逻辑错误等无效问卷后共获得有效问卷591

份，问卷有效率达98.5%。

2.2 变量说明

本文选择老年群体是否存在数字鸿沟为因变量，

由于数字鸿沟是指通过网络或信息技术获取信息的

差距，因此选择调查问卷中的问题“您获取信息的渠

道？”来衡量。若获取信息的渠道是智能手机或电脑，

即不存在数字鸿沟，则赋值为0；若获取信息的渠道是

电视、广播、报刊等，即不通过网络或信息技术获取

信息，存在数字鸿沟，则赋值为1。

在以往文献研究和实地调研的基础上，从个人特

征、家庭情况、信息获取和社会支持四个方面进行分析。

一是个人特征变量，包括年龄、性别、文化程度、政

治面貌、长期居住地、月平均收入。二是家庭情况变量，

包括与子女见面间隔时长、子女对老年人使用智能手

机的态度。三是信息获取变量，包括无线网或宽带接

入情况、通过网络获取信息的时间、信息对生活的影

响程度。四是社会支持变量，包括居住地是否有老年

活动中心、社区/村镇提供免费知识教学的参加学习意

愿。变量说明及描述性统计如表1所示。

表1 变量说明及描述性统计

变量类型 变量名称 变量说明 均值 标准差

因变量 老年群体是否存在数字鸿沟 信息获取渠道首选智能手机或电脑=0；首选电视、广播、报刊

或其他=1 0.67 0.471

个体特征 年龄 60～64岁=1；65～69岁=2；70～74岁=3；75～79岁=4；80岁及

以上=5 2.2 1.127

性别 男=1；女=2 1.45 0.498

文化程度 未上过学=1；小学及以下=2；初中=3；高中或中专=4；大专或

大学及以上=5 2.53 1.052

长期居住地 农村=1；城镇=2 1.48 0.5

月平均收入 1 000元及以下=1；1 001～2 000元=2；2 001～3 000元=3；3

001～4 000元=4；4 001元及以上=5 2.4 1.188

家庭情况 与子女见面间隔时长 每天=1；一周至一个月=2；一个月至半年=3；半年至一年=4；

一年以上=5 2.17 1.057

子女对老年人使用智能手机的

态度 认为没必要=1；无所谓=2；认为有必要=3 2.09 0.805

信息获取 无线网或宽带接入情况 否=0；是=1 0.704 0.457

通过网络获取信息的时间 不超过1小时=1；1小时至1.5小时=2；1.5小时至2小时=3；2小时

以上=4 2.26 1.142

信息对生活的影响程度 不大=1；不太大=2；一般=3；较大=4；非常大=5 2.958 0.123

社会支持 居住地是否有老年活动中心 有=1；没有=0 0.528 0.500

社区/村镇提供免费知识教学

的参加学习意愿 不愿意=1；不太愿意=2；愿意=3；较愿意=4；非常愿意=5 3.139 1.167

3 实证分析与结果

3.1 二元Logistic回归分析

由于因变量老年群体是否存在数字鸿沟是二分变

量，本文采用二元Logistic回归模型对老年群体数字鸿

沟的影响因素进行分析。样本的处理、回归分析，均

采用SPSS25.0软件进行。

3.2 实证结果及分析

老年群体数字鸿沟影响因素的二元Logistic回归分

析结果如表2所示，可以看出个人特征、家庭情况、信

息获取、社会支持四个方面中均有因素存在显著影响。

3.2.1 个人特征方面

年龄对老年群体数字鸿沟有显著正向影响；文化

程度、月平均收入对老年群体数字鸿沟有显著负向影

响。由此可见，老年群体年龄越大，使用电脑和智能

手机的可能性越小，数字鸿沟越大；而老年人文化程

度越高、月收入水平越高，使用智能手机或电脑的可

能性越大，数字鸿沟越小。因此，老年群体个人特征

中，年龄、文化程度、月收入水平是影响数字鸿沟形

成的重要因素。老年人年龄越大，由于视觉、听觉等

身体机能的衰退，对电脑和智能手机的学习和使用更

加困难，而文化程度越高的老年人，接受新知识和新

技术的能力越强，越容易学习和掌握电脑、智能手机

的使用。

3.2.2 家庭情况方面

与子女见面间隔时长对老年群体数字鸿沟有显著

正向影响，而子女对老年人使用智能手机的态度对老

年群体数字鸿沟有显著负向影响。老年人与子女见面

间隔的时间越长，子女对老年人数字反哺的可能性越

076

中阿科技论坛 2023年第4期

低，老年人越不会使用电脑和智能手机，数字鸿沟越

大；而子女对老年人使用智能手机的态度越是支持，

老年人越可能使用电脑和智能手机，数字鸿沟越小。

由此可见，家庭因素中与子女见面间隔时长、子女对

老年人使用智能手机的态度是老年群体数字鸿沟形成

的主要影响因素。

3.2.3 信息获取方面

无线网或宽带接入情况、通过网络获取信息的时

间、信息对生活的影响程度对老年群体数字鸿沟有显

著负向影响。由此可见，网络等信息基础设施的接入

有助于弥合老年群体的数字鸿沟，家中接入了网络，

老年人可以通过网络获取信息，则数字鸿沟较小；而

老年人通过网络获取信息的时间越长，以及认为信息

对生活的影响程度越大，越会使用智能手机、电脑等

信息设备，数字鸿沟越小。

3.2.4 社会支持方面

居住地是否有老年活动中心对老年群体数字鸿沟

有显著负向影响，而老年人对社区或村镇提供免费知

识教学的参加学习意愿对老年群体数字鸿沟没有显著

影响。这意味着居住地有老年活动中心，会有助于缩

小老年数字鸿沟，其原因可能是老年活动中心为老年

人提供了一个交流学习的场所，老年人在老年活动中

心交流学习的机会更多，会促使其接触并学习电脑、

智能手机等设备的使用，从而老年数字鸿沟越小。

4 助力老年群体跨越数字鸿沟的对策

结合上述老年群体数字鸿沟的影响因素分析，助

力老年群体跨越数字鸿沟及弥合对策可从以下几个方

面入手。

4.1 加强老年群体数字教育

政府应根据各地老龄化程度和信息技术发展水

平，在政策、资金等方面提供支持以提升老年群体数

字素养。可通过老年教育机构、老年服务机构等针对

老年群体进行线下的数字技术宣传和培训，并不断提

高相关部门的社会数字信息服务能力，为老年人提供

互联网使用指导，促进老年人对数字技术的了解和掌

握。可充分利用网络新媒体，如短视频、直播等老年

群体易于接受的方式，对数字技术进行普及和培训，

缩小老年群体的数字鸿沟。

4.2 提倡家庭数字反哺

家庭对于老年人是最直接有效的支持单元，家庭

中年轻一代通过与老年群体的代际互动、沟通交流有

关互联网和数字技术的使用，充分发挥家庭数字反哺

的作用，能有效帮助老年人融入数字化时代。子女应

多与家中老年人交流沟通，鼓励老年人接触信息化新鲜

事物，支持老年人使用智能手机等智能产品，耐心传授

数字产品的使用方法，帮助老年人学会手机App、扫码

等基本功能应用，尽可能帮助老年人解决在使用过程中

遇到的困难、克服对网络数字技术的陌生感和恐惧感。

通过家中子女的陪伴和支持，提高老年人对数字技术的

熟悉度，有助于缩小老年人与年轻一代的数字鸿沟。

4.3 普及网络及适老化数字产品

在助力老年群体跨越数字鸿沟的过程中，一是要

加强信息基础设施的建设，尤其是互联网基础设施落

后地区。家庭网络接入有助于提高老年人对互联网的

使用频率及数字信息技术的参与度，老年群体存在数

字鸿沟的可能性越小。政府应加强电信基础设施建设

及互联网的普及，逐步提高老年群体对网络及数字技

术的可及性。二是要推进适老化数字产品开发，倡导

信息技术等相关企业考虑老年群体生活、信息、社

交等方面的需求，尽量简化智能手机等产品的操作过

程，设计具有符合老年人使用习惯的外观和操作流程

的产品，提高老年群体对数字产品的可用性。

4.4 构建社会帮扶机制

充分发挥社区或村镇等基层部门的作用，多渠道

表2 老年群体数字鸿沟影响因素的二元Logistic回归分析结果

变量 系数 p值

年龄 0.347*** 0.008

性别 0.121 0.589

文化程度 -0.379*** 0.003

长期居住地 0.372 0.120

月平均收入 -0.229** 0.041

与子女见面间隔时长 0.274* 0.064

子女对老年人使用智能手机的态度 -0.411*** 0.010

无线网或宽带接入情况 -0.847*** 0.008

通过网络获取信息的时间 -0.344*** 0.001

信息对生活的影响程度 -0.220*** 0.040

居住地是否有老年活动中心 -0.445* 0.075

社区/村镇提供免费知识教学的参加学习意愿 0.088 0.791

注：***、**和*

分别表示1%、5%、10%的显著性水平。

077

科技与产业

了解老年人对数字信息技术的应用需求，整合社区资

源，成立老年活动中心，并设置电脑、网络培训室等

设施，提供老年人学习所需的场所，促使老年人有更

多机会学习和交流网络及信息技术知识，提升相关应

用技能。社区或村镇等基层部门可以联合志愿者、公

益组织等多方社会力量，在老年活动中心与老年人进

行数字化知识与技能运用的互动与帮扶，帮助老年人

了解当今信息社会的发展，尝试接触互联网新媒体等

新鲜事物，并传授数字产品的操作方法和技能，为老

年人提供数字技术方面的帮助。

参考文献：

[1]Organisation for Economic Co-operation and

Development.Understanding the digital divide[R].

Paris:OECD,2001.

[2]杜鹏,韩文婷.互联网与老年生活:挑战与机遇[J].

人口研究,2021,45(3):3-16.

[3]潘曙雅,邱月玲.“银色数字鸿沟”的形成及弥

合:基于2001-2019年的文献梳理和理论透视[J].新闻春

秋,2021(1):27-33.

[4]何 铨,张 湘 笛.老 年 人 数 字 鸿 沟 的 影 响 因 素

及 社 会 融 合 策 略[J].浙 江 工 业 大 学 学 报(社 会 科 学

版),2017,16(4):437-441.

[5]周裕琼.数字代沟与文化反哺:对家庭内“静悄

悄的革命”的量化考察[J].现代传播(中国传媒大学学

报),2014,36(2):117-123.

[6]王吉,潘彬.跨越银色数字鸿沟:老年人信息技术

教育初探[J].江苏广播电视大学学报,2013,24(2):19-22.

[7]邓蔚,汪明香.老龄化传播中数字鸿沟的成因及对

策[J].中国广播,2015(1):55-58.

[8]黄晨熹.老年数字鸿沟的现状、挑战及对策[J].人

民论坛,2020(29):126-128.

[9]于潇,刘澍.老年人数字鸿沟与家庭支持:基于

2018年中国家庭追踪调查的研究[J].吉林大学社会科学

学报,2021,61(6):67-82+231-232.

[10]刘彦.社区教育助力老年人跨越数字鸿沟策略

研究[J].成人教育,2021,41(8):31-35.

[11]谢秋山,岳婷.积极老龄化背景下老年人数字融

入的必要性及路径研究[J].当代继续教育,2019,37(4):10-

16.

[12]陆杰华,韦晓丹.老年数字鸿沟治理的分析框架、

理念及其路径选择:基于数字鸿沟与知沟理论视角[J].人

口研究,2021,45(3):17-30.

[13]陈万球,邓丽伶.老龄技术守护:人工智能时代老

年数字鸿沟及其弥合路径[J].昆明理工大学学报(社会科

学版),2022,22(5):45-52.

[14]刘奕,李晓娜.数字时代老年数字鸿沟何以跨

越?[J].东南学术,2022(5):105-115.

Research on Countermeasures to Help the Elderly Bridge Digital

Divide in the Digital Era

Ke Jinglin, Chen Mingyang, She Zilong, Xiao Wendan

(College of Business, Huanggang Normal University, Huanggang 438000)

Abstract: In the digital era, the issue of “digital divide” has received widespread attention. Based on the data from a field

survey in Xiping County, Zhumadian City, Henan Province in 2020, this paper aims to use binary logistic regression to examine

the digital divide and its influencing factors, taking into account the characteristics of the elderly, family status, information access

and social support. It’s found that the older the age, the greater the possibility of digital divide; and factors such as literacy, average

monthly income, frequency of meeting with children, children’s attitude toward the use of smartphones by the elderly, wireless LAN or

broadband access, and time spent on accessing online information all exert a significant negative effect on digital divide. Accordingly,

this paper proposes specific suggestions to help the elderly bridge digital divide, such as strengthening digital education, advocating

family “digital feedback”, popularizing Internet and “elderly-oriented” products and building social support mechanism.

Key words: Digital era; Elderly; Digital divide; Digital feedback

（校对：拜亚丽 杨艳佩）

078

中阿科技论坛 2023年第4期

近年来我国金融衍生品市场快速发展，交易品种

不断丰富。股指期货和股指期权的推出与发展对完

善资本市场有着重大意义，在完善资本市场结构的同

时，还可以改善股票现货市场的运行机制，从而使资

本市场体系更加完善。建立和发展衍生品市场是我国

向金融强国迈进的必经之路。当前我国面临经济转型

升级、金融深化改革，发展金融衍生品市场是构建我

国多层次基本市场的迫切要求，同时也是为了更好地

为实体经济服务。2010年沪深300股指期货上市，完善

了我国证券市场的做空机制，为国内投资者提供了一

个规避市场风险的选择；2015年上证50ETF期权在上

交所的上市，开启了多元化投资和风险管理并存的新

时代；同年，中金所上市交易上证50和中证500股指期

货，进一步丰富了我国金融衍生品市场；2019年，国

内首只股指期权沪深300股指期权在中金所上市交易；

2022年，中证1000股指期货和股指期权合约在中金所

正式挂牌交易。

中证1000指数由1 000只市值相对较高且流动性良

好的A股股票组成，排名在沪深300指数以及中证500指

数成分股之后。因此，中证1000指数的样本股票涵括

了沪深两市的上市公司，同时作为一支宽基跨市场指

数，充分反映了小盘股公司在A股市场的股价表现，

与沪深300、中证500等指数形成互补关系。中证1000

股指期货的推出，也与沪深300股指期货、中证500股

指期货在产品结构上形成了互补关系，在进一步丰富

投资者风险管理工具的同时，有助于满足投资者多样

化的投资需求。活跃了小盘股交易的同时，还提高了

其市场定价效率，也促进了中证1000指数ETF的发展。

自中证1000股指期货上市以来，投资者参与积极性较

高，持仓量与成交量呈现出不断增长的态势。因此研

究中证1000股指期货是否发挥良好的价格发现功能，

可以反映我国指数衍生品市场发展的最新状况，对促

进我国金融衍生品市场的繁荣以及对冲股票市场风险

有着重要意义。

1 文献综述

价格发现是衍生品市场发展和套期保值交易的

基础。对价格发现功能的解释一般是衍生品市场价

格应是现货市场价格的无偏估计，这是判断衍生品

市场是否具有良好价格发现功能的重要依据。此

外，当市场出现新息时，若衍生品市场在现货市场之

前做出反应，即衍生品价格对现货价格具有引导作

用，那便可以认为此衍生品市场具有价格发现的功

能。若市场具备价格发现功能，投资者便可通过套期

保值交易对冲相关风险，衍生品的基础功能得以有

效发挥。

国内外学者对价格发现功能进行了广泛的研究，

各个市场之间价格的动态关系能够有效地揭示市场的

发展质量和运行效率，对此研究较早的是一些相对成

熟的资本市场，如美国、欧洲等，随着世界经济发展

格局的改变，目前将研究重点转向了印度、中国等新

中证 1000 股指期货市场价格发现功能研究

杨嘉薇

（天津工业大学经济与管理学院,天津 300387）

摘要：本文以现货市场与股指期货市场为研究对象，选取中证1000指数和中证1000股指期货的5分钟高频交易

数据为样本数据，通过采用ADF单位根检验、协整检验、Granger因果检验、脉冲响应分析以及方差分解等方法，

分析了中证1000股指期货价格发现功能。结果表明：中证1000股指期货虽然上市时间较短，但已具备价格发现功

能，期货与现货市场的价格相互引领，同时在价格发现功能中发挥主导作用的是股指期货市场。因此，应重视期

货市场的价格发现功能作用，以形成中证1000指数市场高效的价格体系。

关键词：中证1000股指；期货；价格发现功能

中图分类号：F832.5 文献标识码：A

收稿日期：2023-03-22

作者简介：杨嘉薇（1996— ），女，硕士，研究方向为区域经济学。

079

科技与产业

兴市场。

不同市场具有不同的微观结构，处理信息的过程

和速度也不尽相同，因此，哪个市场更具引导性，学

者们尚未得出一致的结论。目前就主流观点来看，主

要有以下三种观点。

第一种观点认为衍生品市场引导现货市场。王苏

生等（2017）研究中通过引入VEC模型与Granger检验，

得出了国债期货领先于国债现货[1]。这个研究结果与杜

朝运等（2020）、李宗龙（2022）所研究出的结论一

致[2-3]。李丹等（2022）在对鲜果类农产品期货的研究

中同样得出了苹果期货单向引导现货的结论[4]。王新华

等（2022）通过对沪深300ETF和股指期权市场研究发

现期权市场引导现货市场[5]。

第二种观点认为现货市场引导衍生品市场。Stucki

等（1994）通过研究瑞士期权和股票市场价格之间

的相互关系，得出了二者之间具有正相关的关系，股

票市场领先期权市场，但仅仅领先10分钟[6]。吴献博

（2016）研究发现现货对期权价格有着主导作用，与

袁琴等（2018）得出的结论一致[7-8]。王珍（2022）通

过研究我国黄金现货和期货市场发现，黄金现货价格

对黄金期货价格有着主导作用[9]。

第三种观点认为现货市场与衍生品市场相互引领。

Lihara等（1996）通过研究发现股指期货与现货市场间

存在相互的领先滞后关系[10]。王国志等（2016）选取

沪深300现货、股指期货以及ETF基金的5分钟交易数

据，运用VEC模型，得出三个市场间存在长期稳定的均

衡关系和双向引导关系，且股指期货在价格发现过程

中占主导地位[11]。邹绍辉等（2018）通过对国际碳期

货价格与中国碳价格的研究发现，两个市场之间为双

向引导关系[12]。

综上所述，当前对于期、现货市场的价格发现功

能的研究方法主要围绕ADF单位根检验、VAR模型、

协整检验、Granger因果关系检验以及脉冲分析和方差

分解。中证1000期货上市时间较短，国内对中证1000

期货研究较少，且大多停留在理论层面。因此，本文

以中证1000指数及股指期货为研究对象，对中证1000

期货市场的价格发现功能进行实证研究。

2 数据选取与研究方法

2.1 数据选取与处理

以小时、分钟甚至秒为频率取样区间的高频数据

比低频数据更能够及时反映市场信息，但高频数据信

息具有离散性，采集过程中随着频率的提高，信息损

失逐渐严重，且还会伴随着噪声干扰。鉴于此，本文

选择中证1000指数与中证1000股指期货的5分钟数据为

研究对象。数据时间跨度为2022年7月22日—2023年2

月28日，共计143个交易日，6 864个观察值，数据来源

于Choice金融终端。选取中证1000指数作为现货价格，

代表市场主力，并将具有较好的流动性和成交量的当

月主力连续合约作为期货价格。最后对价格序列进行

对数化处理，将中证1000指数现货价格表示为PZZ，中

证1000股指期货的价格表示为PIM。

2.2 研究方法

2.2.1 平稳性检验

时间序列建模时首先需要考虑平稳性的问题，非

平稳时间序列往往会出现“伪回归”的现象，研究便

失去意义。因此，在建立模型前需对数据进行平稳性

检验。设存在序列yt

，其AR(1)过程可表示为：

（1）

其中， 是方差为σ2

的白噪声过程。

实际应用中，时间序列的平稳性检验一般采用ADF

单位根检验，原假设是序列存在单位根，即非平稳序

列，而备择假设则是序列不存在单位根，即平稳序列[6]。

2.2.2 向量自回归模型

VAR模型可以弥补变量的内生性问题，因此在经济

问题的实证研究中广泛应用。VAR模型的一般形式为：

（2）

其中， 是由t时期的n个变量组成的阶列向量；A、

F1、F2都是阶矩阵；是阶干扰项。

2.2.3 协整检验

尽管一些经济变量本身是非平稳的，但它们的线

性组合可能是平稳序列。这种平稳的线性组合被称为

“协整方程”，即变量间存在长期稳定关系。协整变

量必须具有相同的单整阶数，否则不能进行协整检验。

本文采用Johansen协整分析方法。

2.2.4 Granger因果关系检验

从本质上看，Granger因果关系检验考察了某一个

变量的滞后项对另一个变量是否具有边际预测作用。

当一个变量受到其他变量的滞后影响时，它们之间存

在Granger因果关系。Granger因果关系检验解决了x是否

引起y，或者y是否由x引起的问题。但“x Granger引起

y”并不意味着y就是x的结果，仅仅代表统计上时间的

先后顺序。

2.2.5 脉冲响应与方差分解分析

脉冲响应函数可以用来刻画一个变量在受到另一

个变量的冲击后的动态路径以及持久性。方差分解利

... , s t ,...,

y c y

A F y F y F y n

DP

DP

y 1

t t t

t t t k t k t

t

ZZ

IM

1

1 1 2 2

a f

n

n

= + +

= + + + + = +

-

- - -

D e m o

... , s t ,...,

y c y

A F y F y F y n

DP

DP

y 1

t t t

t t t k t k t

t

ZZ

IM

1

1 1 2 2

a f

n

n

= + +

= + + + + = +

-

- - -

D e m o

... , s t ,...,

y c y

A F y F y F y n

DP

DP

y 1

t t t

t t t k t k t

t

ZZ

IM

1

1 1 2 2

a f

n

n

= + +

= + + + + = +

-

- - -

D e m o

... , s t ,...,

y c y

A F y F y F y n

DP

DP

y 1

t t t

t t t k t k t

t

ZZ

IM

1

1 1 2 2

a f

n

n

= + +

= + + + + = +

-

- - -

D e m o

... , s t ,...,

y c y

A F y F y F y n

DP

DP

y 1

t t t

t t t k t k t

t

ZZ

IM

1

1 1 2 2

a f

n

n

= + +

= + + + + = +

-

- - -

D e m o

080

中阿科技论坛 2023年第4期

用每次冲击对内生变量的贡献度来确定解释变量和其

他变量对该解释变量的影响程度。

3 实证分析

3.1 相关性分析

图1为经过数据处理后的中证1000指数（LNZZ）、

中证1000股指期货（LNIM）价格走势，可以发现两个

市场价格走势十分相似。在进行相关性检验后，可知

两个市场价格的相关系数达到0.997，表明中证1000期

货和现货价格存在显著相关关系。

3.2 平稳性检验

非平稳时间序列建模可能会产生“伪回归”问题，

因此建模前需要对现货、期货的价格序列进行平稳性

检验。由表1可知，在5%的显著性水平下，对数价格序

列存在单位根，为非平稳序列，接下来对其一阶滞后

项（DPZZ、DPIM）进行检验，结果发现二者均拒绝原假

设，为平稳序列。因此可知PZZ、PIM均为一阶差分平稳

序列。

3.3 VAR最佳滞后阶数选取

在对对数价格序列进行Johansen协整检验前，

需要构建VAR模型，并确定模型中内生变量的p阶滞

后期，从而反映全部内生变量的动态关系。本文依

据AIC和SC准则，确定最佳滞后期为9阶，且构建的

VAR模型稳定。

3.4 Johansen协整检验

一些经济变量可能在短期内暂时偏离均值，但从

长期来看会回归均衡状态，协整关系便反映了这种长

期均衡关系。接下来对中证1000期现货对数价格序列

进行协整检验来验证两个序列间是否存在协整关系。

通过表2可知，p值为0.000 0，在5%的显著性水平下拒

绝不存在协整关系的原假设，表明中证1000现货和期

货价格之间存在长期协整关系。

3.5 Granger因果分析

期货和现货价格间是否为相互引导关系、在时间

上是否具有领先滞后关系可以用Granger因果关系检验

来验证。检验结果如表3所示，在5%的显著性水平下，

中证1000期现货价格间存在相互Granger因果关系，表

明两个市场之间存在相互引导关系，从F统计量来看，

期货引导能力强于现货。

3.6 脉冲响应分析

脉冲响应分析可以用来研究中证1000期现货间价

格发现的效率问题。从图2可知，期货与现货市场面对

图1 中证1000期现货对数价格走势图

表1 中证1000现货与期货的价格和对数收益的ADF检验结果

名称 ADF检验值 P值 检验结果

PZZ -1.610 601 0.477 1 非平稳

PIM -1.798 982 0.381 5 非平稳

DPZZ -79.116 72 0.000 1 平稳

DPIM -81.822 84 0.000 1 平稳

表3 Granger因果关系检验结果

滞后期 原假设 F统计量 P值 结果

1 不能Granger引起 5.869 67 0.015 4 拒绝

不能Granger引起 4.782 57 0.028 8 拒绝

5 不能Granger引起 22.415 9 2×10-22 拒绝

不能Granger引起 2.881 6 0.013 3 拒绝

9 不能Granger引起 13.310 6 2×10-21 拒绝

不能Granger引起 2.498 95 0.007 5 拒绝

14 不能Granger引起 8.834 09 2×10-19 拒绝

不能Granger引起 2.147 45 0.007 6 拒绝

来自自身的冲击，均做出了较快的反应，均在15分钟

将冲击消化完毕。对两市场之间的冲击而言，现货市

场产生的冲击对期货市场在滞后1期达到最大值，而期

货市场的冲击则对现货市场在滞后2期达到最大值，表

明期货市场反应更为迅速。

3.7 方差分解

方差分解用于分析影响内生变量的结构冲击的贡

献度，占据更多价格信息份额的一方市场将发挥更好

的价格发现功能。对期货和现货价格序列进行方差分

解，从现货市场和期货市场的比例中获得现货与期货

价格变化的长期作用方差，然后将计算出的两个市场

信息份额的平均值去衡量现货和期货市场在价格发现

功能中的作用大小，结果如表4所示。

由表4可以看出，滞后期为1时，现货价格波动对

表2 协整检验结果

协整关系

零假设 特征值 迹统计量 5%临界值 P值

无* 0.004 831 36.132 25 15.494 71 0.000 0

至多一个 0.000 429 2.941 247 3.841 466 0.086 3

注：*为在5%显著水平下拒绝原假设

081

科技与产业

现货市场长期影响的方差为17.94%，对期货市场长期

影响的方差为82.06%。随着滞后期的增加，现货市场

对总方差的影响逐渐减小，在100期时减小到8.22%，

而期货市场的影响逐渐增大，在100期时达到91.78%。

当滞后期为1时，所有对期货价格变动长期影响的冲

击都来自期货市场。随着滞后期的增加，来自现货市

场的冲击在总方差上逐渐增大，在100期达到1.46%，

而来自期货市场的冲击则呈现下降趋势，在100期降至

98.54%。现货市场的方差平均为4.85%，而期货市场的

方差平均为95.15%。因此可知中证1000期货价格对现

货价格的传导比较强，表明在价格发现功能上期货市

场处于主导地位。

4 结论与建议

4.1 结论

本文基于5分钟高频数据，利用相关性分析、协整

检验、Granger因果分析、脉冲响应分析以及方差分解

等方法对2022年7月22日—2023年2月28日中证1000期

货市场价格发现功能进行了相关实证研究，得出如下

结论：通过对两市场相关性分析发现，中证1000期货

与现货价格呈现高度相关且相关系数达到0.997，同时

通过观察期、现货价格走势图可以发现两个市场波幅

与走势基本一致；通过协整检验发现两个市场价格间

在5%的显著性水平下存在协整关系，即两个市场存在

长期均衡关系；通过Granger因果关系检验表明两个市

场存在相互引导关系，且期货价格发现功能显著；对

两个市场进行脉冲响应分析和方差分解，发现期货市

场价格对现货市场价格有较强的影响，说明期价对现

价有较强的传导，进一步表明在价格发现功能中期货

市场处于主导地位。

4.2 建议

4.2.1 放宽金融衍生品准入门槛，提升市场活跃度

金融衍生品准入门槛放宽，能够让更多的市场主

体参与进来。实证结果表明，中证1000期货市场具有

较强的价格发现功能，可作为分析股票市场的领先指

标，为股票的交易提供参考，可以帮助投资者把握一

定的市场动态，更有利于长期性投资交易，进而帮助

投资者做出更加有利的决策。良好的市场功能需要活

跃的交易市场做支撑，只有需求足够大，市场才会有

较好的流动性和较低的交易成本。我国金融衍生品市

场一直在实行投资者准入制度，且准入门槛较高，因

此市场活跃度较现货来说有所不足。此外个人投资者

投资经验不足，投资行为不够成熟，面对市场波动可

能会产生从众心理，无法正确面对风险。因此，在适

当降低市场准入门槛、放宽准入条件，吸引更多的投

表4 方差分解结果

滞后期 来自 来自

PZZ PIM PZZ PIM

1 17.937 27 82.062 73 0.000 000 100.000 0

10 10.346 05 89.653 95 0.426 637 99.573 36

50 8.764 263 91.235 74 0.872 329 99.127 67

100 8.224 461 91.775 54 1.462 754 98.537 25

注：RZZ为中证1000指数收益率，RIM为中证1000股指期货收益率。

图2 脉冲响应函数分析图

082

中阿科技论坛 2023年第4期

资主体入市交易的同时，要通过机构投资者去引导个

人投资者做出更为理性的投资判断。

4.2.2 稳步推出新产品，增加金融衍生品市场的多

样性

实证结果表明，中证1000股指期货作为以中证

1000指数为基础的衍生品，并未出现同质化现象，实

现了一定的价格发现功能，对现货市场有一定的引导

作用，同时较好地提升了现货市场的市场质量。我国

现有的金融产品还不够丰富，无法满足投资者对金融

衍生品的需求。因此，需要基于市场环境和不同产品

的发展条件，有序推出金融衍生品，不断丰富和完善

金融市场层次，更好地为投资和实体经济服务。我国

股市、债市经过多年培养，已经有了大量的投资者，

出于投资、避险和资产配置的目的，目前我国对股市、

债市衍生品的需求量很大，因此应该推出更多的金融

衍生产品以满足市场需求。

参考文献：

[1]王苏生,于永瑞,刘惠敏,等.基于高频数据的中国国

债期货价格发现能力研究[J].运筹与管理,2017,26(6):117-

123+131.

[2]杜朝运,郭晟宇.我国国债期货有价格发现功能

吗？ [J].金融市场研究,2020(7):110-119.

[3]李宗龙.商业银行参与国债期货对金融市场的影

响研究:兼析提升国债期货价格发现功能的制度机制[J].

价格理论与实践,2022(1):107-111.

[4]李丹,任钰田,王馨瑶,等.鲜果类农产品期货市场

价格发现功能研究:以苹果期货为例[J].价格理论与实

践,2022(10):142-145.

[5]王新华,吴怡林.沪深300股指期权与现货市场价

格关联性研究[J].中国证券期货,2022(2):32-40.

[6]STUCKI T,WASSERFALLEN W.Stock and option

markets: The Swiss evidence[J].Journal of Banking and

Finance,1994,18(5):881-893.

[7]吴献博.基于GARCH模型的上证50ETF期权与

标的现货的影响关系研究[D].哈尔滨:哈尔滨工业大

学,2016.

[8]袁琴,刘文琼.上证50ETF期权与现货价格关系的

实证研究[J].湖州师范学院学报,2018,40(10):81-88.

[9]王珍.我国黄金市场期货价格和现货价格关系的

实证研究[J].黄山学院学报,2022,24(1):59-64.

[10]Lihara, Kato, Tokunaga. Intraday Return Dynamics

between the Cash and the Futures Markets in Japan [J].

Journal of Futures Markets, 1999(16):147-162.

[11]王国志,王薇.沪深300股指期货,ETF基金与沪深

300指数的价格发现功能研究[J].沈阳工业大学学报(社

会科学版),2016,9(1):72-77.

[12]邹绍辉,张甜.国际碳期货价格与国内碳价动态

关系[J].山东大学学报(理学版),2018,53(5):70-79.

Study on the Price Discovery Function of CSI 1000 Stock Index

Futures

Yang Jiawei

(School of Economics and Management, Tianjin Polytechnic University, Tianjin 300387)

Abstract: This paper aims to explore the price discovery function of CSI 1000 stock index futures by employing ADF unit root

test, co-integration test, Granger causality test, impulse response analysis, and variance decomposition, using the 5-minute high

frequency trading data of CSI 1000 index and CSI 1000 stock index futures as sample data. The results indicate that although with

short listing period, the CSI 1000 stock index futures already developed price discovery function, and the prices of futures and spot

markets guide each other, in which futures market plays a leading role. Therefore, it’s concluded that the price discovery function of

the futures market should be attached more significance to form an efficient price system in the CSI 1000 index market.

Key words: CSI 1000 stock index; Futures; Price discovery function

（校对：张晶晶 杨艳佩）

083

科技与产业

在现代信息技术快速发展与推广的今天，越来越

多的服务行业在不断创新。政府部门运用信息技术，

在行政管理工作中进行革新，电子政务的出现具有

高效率、方便、省时等优点，弥补了政府部门传统管

理工作中存在的缺陷，极大地提高了政府为民服务

质量与水平。在全球化加速发展的今天，电子政务的

发展已经成为世界各国政府进行管理改革的一个重

要标志，更是衡量一个国家和城市竞争力高低的指

标之一。

1 电子政务的概念

电子政务是政府机构应用计算机和网络通信技

术，使日常办公、信息收集与发布及公共管理等事务，

实现电子化、数字化、网络化的国家行政管理形式。

它将传统行政模式转变为电子化，达到了行政管理工

作的无纸化、信息传递的网络化以及行政人际关系的

虚拟化。

电子政务包含政府部门间、政府与企业以及政府

与公民等方面的内容，如政府办公自动化、政府部门

间的信息共建共享、政府实时信息发布、电子税务、

公民网上查询政府信息、电子医疗和社会保险等。随

着阳光政策的号召，电子政务的发展取得了巨大的成

就，提高了政府部门管理工作的透明化水平，促进了

信息资源的共建共享，使公民和企业可以更为清晰明

了地感知到政府部门的管理工作成果，建立起一个良

好的政府部门与公民信息传递系统，为公民和企业提

供更为有效的服务。

电子政务不受时空限制，可以有效地优化政府部

门内部结构和业务流程，从而极大地提高了政府部门

的工作效率和管理水平，更好地发挥政府部门功能与

作用，给社会公众带来更多高质量、方便的信息管理

与服务，成为政府行政管理不可或缺的一部分[1]。

《2020年联合国电子政务调查报告》显示，未来

几年，随着信息化建设的进一步深入以及社会对公共

服务需求的不断增长，我国电子政务仍有巨大的发展

潜力。随着国家治理体系的不断完善，管理水平和政

府服务的质量也不断提升，人工智能、互联网、云计

算和其他新的信息技术发展，将会给电子政府提供更

多行之有效的服务方式[2]。

2 我国电子政务的发展现状分析

我国电子政务的发展历经了从自发分散式部门

型，到互联互通的集成型，再到开发开放的平台型，

如今已逐步走向生态融合的智慧型。这表明，我国的

电子政务信息化已经从独立到协同，再到公共参与，

也就是从原来的单一部门运行，到跨部门合作，再到

与社会公众的协同治理，最后转变为基于数据决策的

驱动型政府[3]。

我国电子政务研究的热点及发展趋势

——基于CiteSpace的可视化分析

张建颖

（沈阳师范大学,辽宁 沈阳 110034）

摘要：本文通过借助CiteSpace软件，对中国知网收录的2015—2022年有关电子政务研究的1034条文献数据进行

了可视化分析，通过对这些数据进行发文量、研究者、研究机构、研究领域和研究热点方面的分析，发现电子政

务研究在政策背景下发展势头良好，但存在发文量总体较少、研究作者与机构之间合作不充分等问题。为了更好

地促进电子政务研究的发展，进而推动我国政府部门改革、建设服务型政府，本文对我国电子政务研究的热点及

发展趋势进行了系统论述。

关键词：电子政务；CiteSpace；可视化分析；政府建设

中图分类号：D63 文献标识码：A

收稿日期：2023-02-15

作者简介：张建颖（1999— ），女，硕士研究生，研究方向为公共管理人力资源管理。

084

中阿科技论坛 2023年第4期

近几年，我国政府大力推进电子政务，取得了显

著成效。许多地方政府部门正在主动发展和应用信

息技术，以满足发展的需求。他们十分重视信息的发

展和运用，强化了监督功能，拓展了公众服务功能，

并积极改变工作模式，这大大提升了我国行政办事效

率，增强了政府与企业、群众之间的沟通，为构建服

务型政府提供了有力的技术支撑。

为了更好地分析电子政务研究成果，该项研究采

用中国知网信息库作为样本数据源，全面、细致地搜

集电子政务的相关文献，选择“电子政务”为检索词，

以“主题”为检索条件，对数据库中符合要求的主题、

篇名和关键词进行精确匹配检索。由于电子政务的发

展日新月异，为了确保研究结果的有效性，将检索时

间跨度设定为2015—2022年，删除无效数据，最终得到

1 034 篇相关文献作为分析样本。

4 我国电子政务研究的整体情况

4.1 文献数量的时间分布

研究对象在不同时间段的发文量可以反映该研究

领域学术研究的热点与趋势。根据图1中关于电子政

务研究相关文献的发文量年度发布图，通过对2015—

2022年的发文量进行统计，得出每年电子政务研究发

文数量分别为186、164、152、130、121、115、106、

60。由此可知，2015年发表论文数量较多，研究热度

高涨，2016—2022年总体的发文量呈下降趋势。

4.2 发文作者分析

发文量的多少在一定程度上能反映作者对该研究

领域的关注程度和研究能力。结合CiteSpace软件，以作

者作为影响因子进行分析，通过对这些研究成果的总

结和整理，得到了作者的网络关系图。从图的分析可

以看出，作者的共线网络比较分散，而且彼此之间的

联系也比较薄弱，每个作者大部分都是以点的形式分

散在各地，这就说明了研究作者跨区域和机构的合作

并不多，并且主要集中在小范围内的合作。从论文发

表数量来看，胡广伟发表了10篇、罗贤春发表了9篇、

王益民发表了9篇。每一位作者都有自己的主攻领域，

但彼此间的区别较大，联系不够深入（见图2）。

4.3 研究机构分布

研究表明，高校建筑和研究院已成为电子政务领

域的重要研究中心，其中以南京大学国民经济管理研

究所、华中科技高校城市公共管理研究所、湖北高校

信息研究所等机构为核心，为电子政务的发展提供了

强有力的支撑。发文量最多的研究机构是南京大学信

息管理学院，发文19篇；华中科技大学公共管理学院

紧随其后，发文 15篇，绝大部分机构发表的文章并不

多。有关电子政务的研究文献主要来自大学和科研院

所，大学已成为研究电子政务的主要力量，但从整体

上来看，高产出的论文在发文机构中并不显著。

在合作网络关系上，通过深入的分析可以发现，

具有高连通性的机构通常都在同一个或者是邻近的城

市，它们的资金、团队和空间等资源可以被有效地融

合在一起，这对于推动区域电子政务的各方面研究是

有利的。除此之外，各个科研机构总体上都比较分散，

这也说明了不同地区的科研机构之间的合作还不够密

切，不同学科领域之间有待进一步交流合作（见图3）。

5 我国电子政务研究热点分析与研究趋势变化

5.1 关键词共线聚类分析

在CiteSpace中对关键词进行了计算分析，从而得

到了可视化的关键词共现网络分析图和关键词聚类分

析图（见图4、图5）。从共现和聚类结果来看，政务

服务、数字政府、互联网+、公共服务、大数据等关

键词都出现在聚类中心，并且具有很高的显著性，由

此可以得知这个阶段研究的主要方向和发展趋势。

随着对电子政务的不断深入，从关键词的变化中可

以看到，对电子政务的研究逐步深入，电子政务与智

慧城市、电子治理紧密相关，电子政务已经涉足了多

个方面。

图1 电子政务发表年度变化趋势

图2 研究作者共线网络关系图

085

科技与产业

根据电子政务关键词聚类图谱可以进一步简化分

析得到13个中心词，可以将其划分为三个方面的研究

方向和趋势。

（1）电子政务在公民参与中的服务研究

包括政务微博、政务服务、网络舆情、公众体验。

据最新统计数据显示，中国政府服务用户已达到8.43

亿，这为全国建立一体化政府服务体系提供了良好的

基础，使公众可以更加方便快捷地参与政府工作。在

政务新媒体日益蓬勃发展的今天，政务微博已成为政

府机关的一种信息发布方式，用以疏导网络舆情，是

开展网络问政的重要环节。在我国，很多政府部门都

建立起自己的官方微博，通过微博这一形式来传播自

身的政策与声音。在疫情期间，中央及地方政府陆续

召开多场新闻发布会，为公众答疑解惑，并通过政务

微博及时向社会传递权威信息，宣传防疫政策，在抗

击疫情过程中起到了至关重要的作用。政务微博还能

够使政府、媒体、民众之间实现良性互动，有效推动

政府、民众之间的交流和合作，为抗击疫情提供更多

的助力[4]。

（2）电子政务在管理实践中的应用研究

随着新一轮科技革命和产业变革的蓬勃兴起，全

球进入了数字化时代。数字政府作为数字经济的重要

组成部分，正逐渐成为世界各国推动治理体系和治理

能力现代化的重要抓手。党的十九届五中全会提出，

“十四五”时期要加快数字化发展，建设数字中国。

中国作为世界第二大经济体，数字化进程全面加速，

国家政策不断出台，数字政府建设逐步走向全国统一、

全国联网、数据共享、互联互通。数字政府作为新一

代信息技术应用创新的重要载体和有效方式，是推动

政府治理体系和治理能力现代化的重要手段[5]。

（3）电子政务中政府信息公开问题的研究

主要是对数字时代背景下政府信息公开制度建设

问题进行分析。建立健全的政府信息公开制度体系，

有利于推进国家治理体系和治理能力现代化。加强

信息公开，能够更好地提高政府的工作效率和服务水

平，有利于提高行政效率，增强政府公信力，促进社

会的和谐发展。

图3 研究机构共线网络关系图

图4 关键词共现图谱

图5 关键词聚类图谱

086

中阿科技论坛 2023年第4期

5.2 关键词突现分析

为了更好地对我国电子政务研究热点的发展情况

有一个比较清晰的认识，使用Burst Terms功能对突现词

进行分析，经过统计，可以获得17个突现词，并对关键

词的出现时间、出现强度、突现时间和突现强度减弱

的时间进行了统计（见图6）。对热点关键词突现图进

行了分析，得出不同时间段突现的研究热点与前沿。

2015—2022年，突现词主要为数字政府、开放政府、

互联网+等[6]。“十四五”是我国社会管理的一个关键

时期，要推动数字政府管理系统的建立，要加速顶层

设计的步伐，要有相应的硬件设施，同时，在这个阶

段，国家的政务服务更加注重服务的品质和效率，因

此，怎样才能使民众在网上参与政治活动中获得更多

的经验，从而更好地理解民众的需要，就变得非常关

键。数据在电子政务的发展中有着很强的推动力，

为了让数据能够更好地为政府提供服务，要不断提高

政府工作人员素质，让他们能够充分发挥出自己的作

用，对电子政务系统进行完善与改进。要进一步完善

数据共享机制，推动数据共享的法治化与规范化，保

障公民个人信息的安全、合法使用。

6 结论

由于科技的发展，电子政务已经变成我国政府日

常工作的一部分，它不仅可以促进政府职能的转换，

提升政府部门工作绩效，还能够极大地提高政府办公

效能，对社会发展产生了巨大的深远影响。由于科技

的发展，我国现阶段的电子政务正在逐步取代传统的

政府日常管理工作，已经成为现代社会管理工作之中

的重中之重。通过电子政务的建设，政府的行政行为、

行政手段和行政效率得到了大幅度提高，为政府治理

能力的提升提供了强大的支持，同时也为人民群众提

供了更多的公共服务，提高了政府在人民群众心目中

的地位，实现了让人民群众满意的目标[7]。我们应该高

度重视电子政务的发展，采取积极措施来推动其完善

和发展，以确保政府部门的工作能够顺利进行，促进

社会的进步。

参考文献：

[1]丁文.“互联网+”电子政务国际缘起及中国应

对[J].经济师,2022(9):228-229.

[2]郑子然.我国电子政务研究的热点及发展趋

势——基于CiteSpace的可视化分析[J].黑龙江人力资源

和社会保障,2021(13):25-27.

[3]姜家昆.我国电子政务发展现状、问题与对策研

究[D].长春:吉林大学,2021.

[4]徐强,刘欣.我国电子政务在线服务指数全球排名

升至第九位[N].法治日报,2022-08-19(006).

[5]傅荣校.我国政务数据共享的政策目标变迁与共

享实践推进[J].档案学通讯,2022(5):28-36.

[6]李燕.“互联网+政务服务”公民获得感:理论内

涵与测量维度[J].探索,2021(4):133-145.

[7]高斯芃.整体政府视角下“互联网+政务服务”

生态系统研究[D].北京:中共中央党校,2020.

图6 关键词突现分析图

087

科技与产业

Study on the Hot-Spots and Trends of E-government Research in

China

——Visual Analysis Based on CiteSpace

Zhang Jianying

(Shenyang Normal University, Shenyang 110034)

Abstract: In this paper, with the help of CiteSpace software, a visual analysis of 1,034 literature on e-government from 2015

to 2022 included in China National Knowledge Infrastructure is conducted to study the volume of articles, researchers, research

institutions, research fields and hot-spots. The results suggest that e-government research is gaining momentum, but there are

restraints such as the overall low volume of publications and insufficient collaboration between researchers and institutions. In order

to promote e-government research and to accelerate the reform of government departments and the construction of service-oriented

government, this paper discusses the hot-spots and trends of e-government research in detail.

Key words: E-government; CiteSpace; Visual analysis; Government construction

（校对：郭雁华 赵一）

088

中阿科技论坛 2023年第4期

中国信息通信研究院曾经在《大数据白皮书

（2020年）》中预测，2035年全球范围内生产的数

据总量将达到2142ZB，至此，全球数据量开始呈现

出爆发式增长的态势。党的十九届四中全会决议中

提出，“健全劳动、资本、土地、知识、技术、管理、

数据等生产要素由市场评价贡献、按贡献决定报酬的

机制”，数据已然成为国家的重要生产要素之一。随

着市场对数据的应用，部分数据成功转化为现金流，

其资产属性愈发明显，庞大的数据价值开始从其他活

动和已有资产中剥离，从而形成数据资产。世界经济

论坛曾对其未来前景进行预测，称其为下一个财富高

地，与当今社会石油的价值相比，甚至有超越之势。

尽管如此，有关数据资产的问题仍处于亟待解决

状态。首先，对数据资产概念的界定尚未统一，研究

者各自基于不同视角和研究目的进行定义。其次，数

据资产定价缺乏系统框架，前期研究大多是基于具

体行业或具体公司，对某种参数进行改进或调整来

计算数据资产价值。在这种情况下，对数据资产基本

理论和定价方法都面临着巨大的挑战。基于以上问

题，本文试图梳理现有数据资产基本理论及定价方

法，总结数据资产的内涵，探究数据资产定价的研究

现状和热点问题。为推动我国数据生产要素核算理

论、统计标准和调查方法的创新提供了借鉴和参考，

也为探讨数据资产对经济增长等的宏观影响提供了参

考和支持。

1 数据资产概念

1974年，Richard提出了数据资产这一概念，他认

为各类实物债券等虚拟资产的集合即为数据资产，当

时这一数据资产的概念与学界所讨论的数据资产差距

较大。此后Gargano第一次将网络中的数据库资源的隐

藏价值作为数据资产，并指出可以利用数据挖掘技术

挖掘这些数据背后的高额价值，自此数据资产逐渐受

到国内外学者的重视。2020年中共中央、国务院发布

的《关于构建更加完善的要素市场化配置体制机制的

意见》中提出未来我国要加快培育数据要素市场，这

标志着数据与劳动、资本等传统要素拥有了相同的地

位和角色，但当前学界对数据资产暂时还没有权威性

的明确概念。

1.1 从资产定义的角度

从资产定义的角度来看，《国际会计准则》中对

资产的定义是由企业拥有或者控制的、由过去的交易

或者经营事项所形成的、可以为企业带来预期收益的

资源，在这些资源当中没有实物形态的非货币性资产

被视为无形资产。基于准则当中对于无形资产的定义，

有学者认为数据资产即为具有数据化形态的非货币资

产，其本质就是一种特殊的无形资产。但也有学者持

相反态度，李原[1]认为数据资产也是由生产过程生产、

具有较长使用期限、能够作为生产工具重复使用而且

能够获得市场或非市场收益的资源，因此数据资产可

以作为固定资产。

数据资产定价问题探讨

刘芸溪

（山东工商学院统计学院,山东 烟台 264005）

摘要：数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和

社会服务管理等各个环节，深刻改变着生产方式、生活方式和社会治理方式。因此，数据资产作为数字经济时代

的产物，其概念及定价方法一直以来都是国内外学者讨论的重点问题。文章通过阐述数据资产的概念和特性，分

析了数据资产的几种定价方法及其优缺点，进而提出了基于Hedonic模型的数据资产定价方法，旨在为加快大数据

交易平台建设、完善数据资产定价机制提供参考。

关键词：数据资产；定价问题；Hedonic

中图分类号：F275 文献标识码：A

收稿日期：2023-03-04

作者简介：刘芸溪（1998— ），女，硕士研究生，研究方向为社会经济统计。

089

科技与产业

1.2 从数据资产本质的角度

从本质特征的角度出发，中信院发布《数据资产

管理实践白皮书（5.0版）》将数据资产定义以电子或

文本、图像、语音、网页、数据库等方式记录的、经

过组合和整理使其具有使用价值的、且被组织（政府

机构、企事业单位等）合法拥有或控制的数据资源。

刘枬[2]则将当前的大数据信息应用与资产定义相结合，

他认为那些由经营者利用现代信息技术合法获取的用

户行为习惯信息、或被政府或其他组织公开并经由企

业收集处理分析应用所形成的、可以为企业带来相应

的经济利润和经营收入的信息资源为数据资产。

1.3 从数据类型的角度

从数据类型的角度出发，在对数据进行分类后，

石艾鑫[3]等将数据类型分为结构化和非结构化的数据资

源，发现二者均可以被视为数据资产。谭明军[4]则将数

字化产品、数据信息等概念加以区分，他认为数字化

产品能否被视为数据资产存在争议，经由企业通过合

法途径所获取的数据和信息则可以被视为企业的数据

资源。另外由于数据的非实体性，数据资产也可以按

照载体形式加以区分。目前来说其载体可以分为虚拟

载体和物理载体，其中虚拟载体即为电子数据库，其

中存储的数据为经由计算机和互联网所保存的信息资

源；而物理形式则大多采取纸质作为媒介。在载体区

分的基础上，彭刚[5]指出不同载体的数据可利用时长有

所差别，由于纸质媒介的低时效性与低调用率，其使

用价值往往低于电子数据库，在此基础上他提出具有

特定用途且可以长期使用时的数据资源才可以被称为

数据资产。

综合国内外学者对数据资产的研究和会计准则，

本文认为数据资产即为由机构、单位或者个人因为特

定用途而开发或记载、并以电子或物理方式储存、能

够为企业提供数字化信息服务、资源量达到一定的规

模、可以长期重复使用、可以为组织带来预期收益的

数据资料、设备或集成项目。

2 数据资产特性

2.1 业务增值性

数据资产的本质是能够产生收益，这是它的基本

特征。随着市场竞争的日益激烈，数据资源已经成为

企业实现最大收益的关键性因素。无论是政府机构还

是私营部门，其表现形式和应用场景都有所不同，这

些都能够为企业带来丰富的经济效益。数据资产在服

务业和工业领域都至关重要，它们的价值不可低估。

通过利用其丰富的数据资源，服务业企业能够更加深

入地洞察客户的需求，从而实施精确的营销策略，进

而提高客户的满意度。工业企业拥有的数据资产可以

帮助优化供应链，提高生产效率。金融业企业拥有的

数据资产可以帮助其管理客户关系，并合理控制风险。

通过实施有效的利润最大化管理，以及对用户进行有

效的分类，公共服务部门可以利用数据资产来提升公

民体验，从而达到双赢的局面。无论是哪种经营主体

拥有的数据资产，都可以根据其实际需求，进行业务

创新和决策优化，从而有效地降低成本、提高收入，

实现业务增值。

2.2 时效性

由于数据资产具有高度的流动性，它们的价值仅

能在特定的时间范围内被有效利用，而一旦超过这个

期限，就可能导致功能性或经济性的损失，从而使得

它们的价值大幅降低。尽管实时股票市场和首次公布

的新闻具有高度灵活性，但是随着时间的推移，它们

的价值可能会急剧下降甚至完全消失。然而，当这些

数据被投入到长期发展中，它们的价值将会变得更

加显著，比如用于预测的年度、季节性和周期性数

据，它们的价值将会持续提升，从而为投资者带来更

多的收益。由于数据信息的及时性，使得数据资产的

特征可以及时反映出实际情况，从而使其能够及时发

挥作用。

2.3 非实体性

与实体资产相比，数据资产没有实体形态，它们

的价值只能通过特定的媒介来实现，而且这些数据资

产是存在于虚拟网络中，需要进一步开发和利用。由

于其具备许多不可见的特性，因此，在进行数据资产

定价时，必须结合具体情况进行准确的判断。数据资

产是一种由特定的个人或组织所掌握的重要信息来

源，通常被存储在电脑上，可以帮助公司预测未来的

收益。因为其耐久性和抗干扰性，这种资产的实际价

值远高于其他物质财富，并且只有在合适的媒体上，

才能充分展示其实际的价值。因此，数据资产具有非

实体性。

2.4 共享性

信息来自各个领域，并且随着智能设备的普及

而不断发展。通过互联网，人们可以获取大量的数字

化信息，而且这些信息不受任何特定拥有者的控制，

从而实现了信息的共享和交流。数据的重要性在于它

的可共享性，可以通过多种渠道将信息分发给不同的

人，以便达成信息的有效交流和共享。数据资产的共

享意味着它们能够被多个主体分别用于从事各自的业

090

中阿科技论坛 2023年第4期

务和活动。数据是由企业的日常运作所创造的，它们

能够在各种情况下得到有效利用。与目前准则中明确

指出的无形资产相比，即使共享数据资产也不会增加

机会成本，不会造成额外的经济损失。此外，多个主

体可能将数据资产应用到不同领域，这样多主体间不

存在竞争关系，更多地体现为合作协同关系。

2.5 多样性

数据资产既可以利用数字、表格、声音、图像等

方式进行展现，还可以通过融合形态利用数据与数据

处理技术进行融合的方式表现，则在形成方式上体现

了数据资产的多样性。根据数据使用者的不同需求，

数据使用主体可以在多种途径下进行数据转换。不同

的数据类型拥有不同的应用方式和应用场景，甚至同

一数据资产也可以应用于不同的场景。与此同时，数

据资产的经济价值会因使用方式的不同而具有不同的

价值。

3 数据资产定价方法

3.1 成本法

使用成本法来评估数据资产时，需要考虑购买或

其他方式获取数据的成本，以及将其转换为资产后的

运营成本，也就是说，要从该数据资产中获取收入所

需的所有费用的总和。

（1）

在式（1）中，V代表数据资产的总价值，VR则是

用来进行重新配置的费用，而Df

则是指其可能会带来

的损失；De代表经济性贬值。

虽然成本法可以有效地抑制主观因素对数据资产

价值的影响，但它无法充分考虑到数据资产在不同环

境中所带来的复杂性和多样性，也无法充分反映出数

据的时间价值，因此，仅凭成本法来评估数据资产的

价值，将会存在较大的风险。因此，成本法只能用于

评估企业在短期内从外部获取的数据资产的价值。

3.2 收益法

通过收益法，可以根据当前行业的宏观环境，以

及预期的收益，将数据资产的价值以一定的折现率进

行评估，从而获得更准确的投资回报。通过这种资产

评估方法，可以肯定数据资产的价值，并且收益法认

为拥有这些资产将会为企业带来更多的收益。然而，

在评估数据资产的价值时，必须综合考虑各种因素，

才能使用收益法。在计算未来收益时，需要确定资产

的剩余使用寿命，以便合理地估算它们的价值；此外，

还需要准确地预测和量化被评估的资产的风险，这将

会反映在它们的价值中。

重要的是要考虑如何计算出超额收益、折现率和

收益期限。采用收益法进行评估的核心原则是：

（2）

在式（2）中，P代表数据资产的价值；Ft

代表第t

年的超额收益；n代表收益期的长短；i代表折旧率。Ft

的计算方法是通过将物流企业的自由现金流与除数据

资产之外的其他资产的贡献率相比较，并使用相应的

公式进行计算。

（3）

式（3）中， 是第t年的超额收益，它反映

出当年的自由现金流水平，而则是指当年的其他资源

的价值，它可以用来衡量当年的投资回报率。

尽管收益法具有一定的优势，但是它仍然存在一

些局限性。因此，为了准确地评估数据资产价值，需

要对其可能带来的收益、期望的收益以及折现率进

行准确的预测，并且需要评估人员不断提升专业技

能，同时，各个参与方之间也需要建立良好的沟通和

协调。在使用收益法时，不能仅仅凭借一个模型就做

出评估，而应该根据具体情况进行分析，以确保最佳

的结果。

3.3 市场法

市场法旨在以客观、公正的标准，从多个交易案

例中提取出相关信息，并结合当前市场情况，以及其

他可靠的经济因素，对这些信息进行综合分析，以确

定其最终的价值。为了准确地评估数据资产的价值，

必须收集足够多的实际交易案例，并将它们与预期的

结果进行比较。此外，为了更好地反映出实际的使用

环境和影响价值的各种因素，还必须建立一个统一的

量化指标，以便更加准确地衡量这些因素的作用。为

了满足这一需求，必须建立一个规模宏大、交易活跃、

遵循统一标准的数据资产交易市场。市场法是一种基

于公开市场上资产价格的估值方法，它通过比较可比

的案例来确定目标资产的价值，并通过计算修正系数

来进行调整，以确定最终的评估价值。

（4）

式（4）中，V代表着数据资源的可用性和可靠性；

P代表基准值取参照数值。rm可以用来改善数据的质

量，而rq则可以用来改善数据的准确性，rc则可以用来改

善数据应用管理，最后，rr

则可以用来纠正数据的风险。

通过市场法对数据资产定价，应当确保其具有良

好的透明度和可操作性，以便能够获得更加准确、可

靠的结果；在这个市场中，资产的交易价格必须可以

被获取。随着技术的飞速发展，以及政府数据交易系

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

091

科技与产业

统的持续改善，采用市场机制对数据资产进行估值的

潜力巨大、前景光明。尽管市场法的使用有一定的优

势，但它也存在两个明显的弊端：首先，由于目前我

国公开交易机构尚未完全成熟，无法提供足够的交易

指标来衡量数据资产的价值；其次，由于数据资产的

价值受到各种环境的影响，无法准确地反映出实际情

况，从而导致其价格的变动受到限制。

4 基于Hedonic模型数据资产定价方法

4.1 Hedonic模型

Hedonic是希腊语“Hedonists”的缩写，也被称

作“享乐模型”。经济学家考特(Court, 1939)首次提

出了一种新的经济学概念，即消费者对商品或服务

的体验，并将其应用于实践，以更好地反映消费者

的消费行为。Hedonic模型主要应用于房地产行业，

将房地产商品的价格分解，以显现出其各项特征的

隐含价格，在保持房地产的特征不变的情况下，将

房地产价格变动中的特征因素分解，从价格的总变

动中逐项剔除特征变动的影响，剩下的便是纯粹由

供求关系引起的价格变动。

因为Hedonic模型是基于商品主体由多项异质性特

征构造而成，所以可以将数据资产视为各项特征的集

合。即：

（5）

式（5）中，S表示特征集合。

故Hedonic模型的一般形式为：

（6）

式（6）中，P表示数据资产价格，表示影响数据

资产价值的因素。

对特征因素求导即可得出数据资产影响因素的隐

含特征价格：

（7）

式（7）中，Pi

表示数据资产价格，si

表示影响数

据资产价值的第i个因素。

4.2 基于Hedonic法数据资产定价优缺点

Hedonic法的核心思想是通过统计学方法，将数据

资产的关键特征与交易价格联系起来，构建一个基于

计量经济学的评估体系，从而有效地分析和预测数据

资产的价值。Hedonic法不仅能够借助市场上的相关

交易信息，有效地解决在市场环境中寻找可比较的参

照物的挑战，还可以充分了解消费者的需求，并将它

们转换成可衡量的数据特征，从而更好地跟踪市场变

化，有效降低漏报变量的风险。通过Hedonic法，能够

全面考量数据资产的各种特征，包括内部特征和系统

性市场特征。与传统的评估方法相比，这种方法具有

很高的灵活性，能够收集更多影响市场的因素，并且

能够提取一些被传统方法忽略的重要信息。

Hedonic法还具有极高的灵活性，它可以根据样本估

计和回归分析的需要，自主选择参数，并且允许更多的

因素加入模型，从而使得评估人员能够更加全面、准确

地评估数据资产价值，从而更好地实现价值的最大化。

尽管Hedonic法拥有许多优势，但它仍然面临着诸

多挑战。首先，由于数据资产市场的信息量较少，因

此如何确定合适的交易对象以及如何确保样本的代表性

成了一个棘手的问题；其次，由于数据资产的特殊性质

以及当前的市场状况，使得该方法的适用范围受到了一

定的限制。所以，当使用Hedonic法来评估数据资产的价

值时，必须注意它的适用性以及相关的约束条件。

5 结语

数据资产的概念与定价一直是业界的棘手课题，

它涉及法律、安全、技术、市场等各个领域，因此，

要想有效地实现它的定价，就必须借助先进的市场定

价模型，来实现对它的有效管理。随着技术的发展，

传统的市场定价方式已经逐渐被更加先进的技术取

代，这些技术可以提供更加准确的市场数据，从而更

好地指导企业进行有效的定价。尽管数据资产定价具

有一定的参考价值，但由于买卖双方的信息不对称，

使得买方无法获取到数据资产的真实价值，而卖方却

能够以较低的价格购入，或者以较高的价格出售，这

就使得交易的不公正性和定价的不精确性成为一个严

重的问题。鉴于当前市场环境，传统的数据资产定价

模式已经无法满足客观、公正、合理的要求。因此，

Hedonic法的出现既考虑了数据资产的特点，又具有较

强的交易适用性，将有助于克服这一问题。总之，未

来数据资产定价应当更加重视市场交易的建立和信息

的透明度，以及相关模型的创新发展，为实证研究、

经济统计分析及宏观政策制定提供更有效的支持。

参考文献：

[1]李原,刘洋,李宝瑜.数据资产核算若干理论问题

辨析[J].统计研究,2022,39(9):19-28.

[2]刘枬,郝雪镜,陈俞宏.大数据定价方法的国内外

研究综述及对比分析[J].大数据,2021,7(6):89-102.

[3]石艾鑫,郜鼎,谢婧.互联网企业数据资产价值评

估体系的构建[J].时代金融,2017,60(14):109+112.

[4]谭明军.论数据资产的概念发展与理论框架[J].财

会月刊,2021(10):87-93.

[5]彭刚,李杰,朱莉.SNA视角下数据资产及其核算

问题研究[J].财贸经济,2022,43(5):145-160.

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

( )

( )

( )

( )

( ) ( , , , , )

V V D D

D

P i

F

F R R

R R

V P r r r r

S S S S S

P s f s s s s

P s

f

1

R f e

f

t

n

t

t

t t

t

m q c r

n

n

i i

s

0

1 2

1 2

1 2 3

1 2 3

i

# # # #

g

f

2

2

= - -

= +

= -

-

=

= + + + +

=

=

=

/

D e m o

092

中阿科技论坛 2023年第4期

Study on the Issue of Data Asset Pricing

Liu Yunxi

(College of Statistics, Shandong Technology and Business University, Yantai 264005)

Abstract: As a new production factor, data is the basis of digitization, network and intelligence, and has been rapidly

integrated into various aspects of production, distribution, circulation, consumption and social governance, profoundly changing the

mode of production, life style and social governance. Therefore, as a product of the digital economy era, the definition and pricing

of data assets have been the key issues discussed by scholars at home and abroad. To this end, the article attempts to elaborate the

definition and attributes of data assets, and expounds several pricing methods and their pros and cons, and then proposes a pricing

method based on Hedonic model, aiming to provide reference for the construction of big data trading platform and improving the

pricing mechanism of data assets.

Key words: Data assets; Pricing issue; Hedonic

（校对：郭雁华 张从从）