基于案例推理的反吸收预警研究.doc

1、基于案例推理的反吸收预警研究冯宗宪 柳春 【内容摘要】 本文利用基于案例推理（CBR ）方法，针对反吸收调查发起之后，最终是否会采取修正现行反倾销措施的反吸收措施，构建了基于案例推理的反吸收预警模型，讨论了预警模型中案例的知识表示、案例检索的匹配算法、案例学习等关键技术，并采用逐步回归分析方法筛选出预警指标，随后利用熵值法确定各特征值的权重，最后根据欧盟反吸收调查案件，初步实现了该预警模型，进而检验证明基于案例推理的反吸收预警模型的预警效果是非常值得参考的。【关键词】 反吸收；案例推理；预警在欧盟反倾销法律和实践中，吸收（absorption）是指在裁决征收反倾销税之后，出口商通过降低出口价格

2、来部分或者全部补偿欧盟进口商因被征收反倾销税而发生的附加成本，从而有效缓解反倾销税对欧盟进口商所带来的影响；因此，当提请立案的主体（包括：欧盟产业或者任何其他利益相关方、欧盟委员会、欧盟成员国）在反倾销措施生效起两年内提交“充分信息”证明在原调查期之后和在反倾销措施实施之前或之后，出口价格（export prices）下降，或者在欧盟境内的进口产品的转售价格（resale prices）或随后销售价格（subsequent selling prices）没有变化或没有充分变化，则欧盟委员会即可自立案提请 45 天之内，向咨询委员会咨询意见之后，发起反吸收调查。反吸收调查作为欧盟反倾销法律体系中

3、的一项独立条款，不仅简单迅速，而且效果显著，一旦对涉案国产品实施反吸收措施，将可能几乎彻底破坏出口商和进口商之间的委托代理关系，从而将涉案产品完全驱出欧盟市场，有效地达到贸易救济的效果；并且，自反吸收调查 1988 年 8 月 2 日生效以来，迄今为止共针对中国出口品发起 10 件反吸收调查，占所有发起总数（共 16 件）的62.5%，在最终采取修正现行反倾销措施的调查案件中（共 11 件） ，针对中国出口品的案件共计 7 件，占总数的 63.6%，可以看出，不论从发起反吸收调查案件数还是从最终采取修正现行反倾销措施案件数来看，针对中国出口品的案件数量都占到了总数的一半以上，因此，对反吸收调查

4、的预警研究是亟待解决的重要问题。由于即使欧盟委员会发起发吸收调查，最终未必一定会采取修正现行反倾 冯宗宪：西安交通大学经济与金融学院教授、博士生导师；柳春：西安交通大学金禾经济研究中心博士研究生。本文获国家自然科学基金项目（71073124/G030602）资助。销措施的反吸收措施，而若不采取该种措施，则现行反倾销措施将维持不变，并不会对涉案国出口产品产生任何威胁，因此，本文将利用案例推理（CBR）方法，针对当反吸收调查发起之后，最终是否会被采取修正现行反倾销措施的反吸收措施，构建基于案例推理的反吸收预警模型。一、案例推理的理论概述（一）案例推理的基本原理CBR 是人工智能（Artificia

5、l Intelligence, AI）领域新出现的一种重要的推理方法，其源自认知科学。CBR 理论的逻辑起点是，人类能够将感知到的信息传输给大脑，大脑通过某种信息组合算法将信息存储起来，若再次遇到相同或相似的问题，大脑便将记忆中存储的信息与该问题中抽象出的信息进行类比推理，并提供值得借鉴的以往经验或教训，然后再将该问题中有价值的信息和解决办法重组保存在记忆中，以待下次利用。因此，CBR 的基本原理就是在求解新案例时，利用以往案例所组成的案例库（Case Base） ，在案例库中检索出与新案例最相似的旧案例，并对旧案例修改后给新案例提供一种解的推理模式。即 CBR 是在旧案例求解问题的经验基础之

6、上，对新案例的可能解进行推理求解，从而减少求解过程中的重复步骤，提高求解效率，并能吸取旧案例中的经验教训，所以，在某种程度上，CBR 也是一种循环式的求解方法。此外，从认知科学的角度来看，CBR 主要基于两个前提假设：问题求解是有规律可循的；相同或相似问题会再次出现。（二）案例推理的一般过程A. Aamodt 和 E. Plaza 通过研究将 CBR 的一般过程总结为“4 REs”：即检索（Retrieve）最相似的旧案例；重用（Reuse）旧案例中求解问题的信息和知识；修正（Revise ）解决方案；保留（Retain ）新案例中有价值的信息。CBR 的一般过程如图 6-1 所示。相似案例新

7、案例可能的解决方案修正后的解决方案案例库重用Reuse修正Revise保留Retain检索Retrieve图 1 CBR 的一般过程在 CBR 的一般过程中，待求解案例为新案例，首先用该新案例从案例库中检索出相似案例，其次利用相似案例的解决方案结合新案例的具体情况得出新案例可能的解决方案，实现旧案例的重用，然后通过修正该可能的解决方案得出新案例的解决方案并进行评价，最后将有价值的经验信息保留到案例库，以更新案例库。在实现 CBR 的一般过程的具体环节时，并无统一的适用技术，可根据具体情况选择合适的方法。（三）案例推理的优点由于 CBR 源自认知科学，所以符合人们解决问题时的常规思路，因此在现实

8、世界中具有较强的适用性；其次，实现 CBR 的相关技术已经比较成熟，所以比较容易推理出具有参考价值的结果；此外，由于案例库中不仅包括成功的案例，而且还包括失败的案例教训，所以 CBR 能够为人们提供问题的更为全面的参考；最后，因为 CBR 保留了解决问题过程中有价值的经验信息，具有良好的学习机制，能够不断地更新和扩充案例库的知识，所以随着时间推移将具有很强的实用价值。二、基于案例推理的反吸收预警模型的关键技术（一）案例的知识表示案例的知识表示就是将案例中的信息编码成某种数据结构，存储在计算机中，以实现案例知识的高效运用和管理，并最终使得计算机能够模拟人类智能。案例的知识表示是建立智能系统时非常

9、关键的一个过程，因为该系统的智能性很大程度上取决于知识的全面程度和可利用程度，因此，案例的知识表示不仅要考虑知识的数量，还要考虑知识的质量。基于案例推理的反吸收预警模型中案例的知识表示将采用目前使用最广泛并且性能最优的框架表示法。在利用框架表示法进行案例的知识表示之前，必须清楚知识表示过程中的几个核心问题：1）案例信息描述。将案例的基本信息描述清楚，包括反吸收调查涉案产品、涉案国家、最终反倾销措施裁决日期、最终反倾销税率、反吸收提请立案主体、反吸收提请立案日期、反吸收发起日期、原调查期（Original IP） 、新调查期（New IP ） 。2）案例特征描述。案例特征、即预警指标的选取是整个

10、预警研究中最为关键的一步，因为其直接关系着最终的预警结果即警度，所以必须选择一套能够最为准确地刻画反吸收调查案例特征且数量适度的指标体系。3）案例结果集。即最终实施的反吸收措施，包括终止反吸收调查（维持现行反倾销措施不变） 、修正现行反倾销措施。4）预警结果。可以根据警限（无警警限、轻警警限、中警警限、重警警限、巨警警限）确定具体的警度（无警、轻警、中警、重警、巨警） 。5）案例相关知识。反吸收措施对涉案国家及涉案企业造成的损失；反吸收调查的经验总结及防范对策。反吸收调查案例的形式化描述如表 1 所示。表 1 反吸收调查案例的框架表示案例编号：框架名 反吸收调查案例名称槽 1 案例信息描述侧面

11、 1 涉案产品、涉案国家侧面 2 最终反倾销措施裁决日期、最终反倾销税率侧面 3 反吸收提请立案主体、反吸收提请立案日期、反吸收发起日期、原调查期（Original IP ） 、新调查期（New IP）槽 2 案例特征描述侧面 1 反吸收调查案件特征（指标 1，侧面值 1，权重 1；指标 2，侧面值2，权重 2；）侧面 2 反吸收调查环境特征（指标 1，侧面值 1，权重 1；指标 2，侧面值2，权重 2；）槽 3 案例结果集侧面 1 反吸收措施（终止反吸收调查，修正现行反倾销措施）槽 4 预警结果侧面 1 无警警度、轻警警度、中警警度、重警警度、巨警警度槽 5 案例相关知识侧面 1 反吸收措施

12、造成的损失（涉案国家，涉案企业）侧面 2 反吸收调查的经验总结及防范对策（二）案例检索匹配算法案例的检索即为在案例库中寻找与当前案例最为匹配的案例，从而提取相关知识，为当前案例的求解提供参考方案，因此，案例的检索要求匹配算法能够快速且准确地找到一个或多个与当前案例最为相似的案例。基于案例推理的反吸收预警模型的匹配算法将利用最邻近法（Nearest Neighbor）以确定案例之间的相似度（ Similarity Degree） 。首先需要计算案例之间各特征值的相对距离：(,)=| |其中 和 分别为当前案例和案例库中案例 的第 个特征值。 再计算案例之间的综合相似度：(,)=1 =1(,)其中

13、 为第 个特征值的权重，即指标 对案例结果的影响程度，该权重可 以依据熵值法、Delphi 法、AHP 法等计算得到，或者由专家给定。由上述计算公式可知，综合相似度 ，并且越接近 1，说明0(,)1当前案例和案例库中案例 越相似，即越匹配。（三）案例学习案例学习是案例库不断地从新案例中获取知识，更新和扩充案例库的过程，是 CBR 所具有的独特优点，随着案例库知识的不断更新和扩充，案例库的检索效率将大大提高，同时，CBR 系统将更加智能化。本预警模型中将案例的学习过程设置如下：若案例库中所有案例与当前案例的综合相似度都小于 ，则认为案例库中1没有与当前案例相似的案例，需将当前案例加入案例库；若案

14、例库中至少有一个案例与当前案例的综合相似度大于 ，则认为案例库中已经存在与当前案例2完全相似的案例，当前案例不加入案例库；若案例库中所有案例与当前案例的综合相似度都介于 与 之间，则将案例库中与当前案例综合相似度最大的案1 2例进行适当调整，并重新存入案例库中。上述 和 （ ）是由专家给定的案例学习的阈值，并且随着预1 2 0121警模型的不断使用，即案例库的不断更新与扩充，相应阈值均须做调整，使得案例学习更为精确有效。三、基于案例推理的反吸收预警模型的实现本节将利用欧盟反吸收调查案件，初步实现基于案例推理的反吸收预警模型，并检验该模型的有效性。（一）案例选取迄今为止，欧盟发起且已经结案的反吸

15、收调查案件共计 16 件，由于其中Stainless Steel Fasteners and Parts from Malaysia and Thailand 和 CFL-i from China案件是由于提请立案主体请求撤销反吸收调查而最终导致终止反吸收调查的，属于例外情况，所以为了便于操作，此处不将这两件案件选作案例；此外，由于在具体反吸收调查案件中涉案企业往往不止一家，而不同企业又可能会有不同情况，例如在反吸收调查过程中选择合作或非合作等，并且这些不同情况对最终所采取的反吸收措施都将有重要影响，因此，本节所选取的案例将主要以企业为单位，并对同类企业做适当合并。最终选取的反吸收调查案例如表

16、 2 所示。表 2 反吸收调查案例表案例编号 涉案产品 涉案国家 涉案企业1 Polyolefin Sacks China All Companies2 Silicon Metal China All Companies3 Weighing Scales Singa-pore Teraoka4 TCS Japan Sony5 TCS Japan Ikegami6 MWOs Korea All Companies7 Ammonium Nitrate Russia All Companies8 Glyphosate China All Companies9 RBMs China WWS10 RBM

17、s China Others11 UU Magnesium China All Companies12 Twines Poland BZLP Bezalin13 Twines Poland All Companies14 Sulphanilic Acid China All Companies15 Sodium Cyclamate China All Companies16 Hand Pallet Trucks and Their Essential PartsChina All Companies17 FPFAF China 合作企业18 FPFAF China 非合作企业资料来源：根据 E

18、UR-Lex Home 网站整理。反吸收调查案例选取好之后，即可建立反吸收调查案例库。反吸收调查案例库的建立将采用数据库技术，充分利用数据库系统中现有的查询、修改等机制，以方便管理反吸收调查案例库。（二）案例特征选取作为反倾销调查的重要补充，反吸收调查在很多方面都延续了反倾销调查的特点，并且反倾销调查既涉及宏观经济问题，又涉及微观经济问题，因此，首先本小节将参考目前反倾销预警研究中的预警指标，并结合反吸收调查的具体特点，为反吸收预警选择一套既能反映宏观经济预警又能反映微观经济预警的预警指标体系。该预警指标体系及其说明如下表所示。表 3 反吸收预警指标体系预警指标 说明价格变化幅度/现行反倾销税

19、（ PRICE）在反吸收调查中，只要确认出口价格下降，或者转售价格或随后销售价格理应变化而没有变化或充分变化，即存在吸收行为，即可重新计算倾销幅度，进而修正现行反倾销措施，所以，价格变化在反吸收调查过程中最为重要。正常价值变化幅度（NORMALVAL）正常价值的变化可以合理地解释出口价格、转售价格或随后销售价格的变化，因此，可以在很大程度上降低实施反吸收措施的风险。反吸收调查案件特征涉案企业是否合作（COOPERATION）合作的涉案企业可以向欧盟委员会提供能够合理解释征收反倾销税之后欧盟境内价格没有变化或变化不充分的原因，为自身辩护，因此，也可以降低实施反吸收措施的风险。行业收入增长率（EC

20、OGROWTH ）若增长率较低，则欧盟委员会将可能在共同体利益的驱使下，不仅实施反倾销措施，而且进一步实施反吸收措施，以保护产业发展及经济增长。反吸收调查环境特征 行业失业率（UNEMPLOYMENT） 若失业率较高，则欧盟委员会将可能为了减少产业损害，增加就业率，进而实施反吸收措施，将出口商彻底驱出欧盟市场。其次，由于上述各预警指标间可能存在多重共线性问题，因此，接下来本小节将采用逐步回归分析方法（Stepwise Regression）中的向前筛选法（Forwards）对上述预警指标进行筛选。向前筛选法是将可能的解释变量不断引入回归方程的变量筛选方法。首先，将与被解释变量具有最大线性相关系

21、数的变量引入方程，并进行检验；其次，在剩余的解释变量中选择与被解释变量偏相关系数最大并且通过检验的变量进入回归方程，并对新的回归方程进行检验；然后，重复该过程，直至没有新的解释变量可以进入回归方程。在逐步回归分析方法中，与向前筛选法相对应的方法是向后筛选法（Backwards） ，即将解释变量不断剔出回归方程的变量筛选方法。这两种变量筛选方法虽然不相同，但采用其中任何一种进行逐步回归分析，都能够得到相同的最优方程。由于行业收入增长率和行业失业率数据取得的困难，本节将利用欧盟经济增长率和欧盟失业率来分别替代上述两个指标；并利用 EViews 6 来实现逐步回归分析，结果如下表所示。表 4 采用向

22、前筛选法进行逐步回归分析的结果Coefficient Std. Error t-Statistic Prob.*C 0.307343 0.253121 1.214215 0.2480PRICE -0.445605 0.126993 -3.508902 0.0043NORMALVAL 4.478730 1.748813 2.561011 0.0250ECOGROWTH 8.978601 8.478649 1.058966 0.0305R-squared 0.546516 Mean dependent var 0.750000Adjusted R-squared 0.433144 S.D. dep

23、endent var 0.447214S.E. of regression 0.336706 Akaike info criterion 0.873106Sum squared resid 1.360453 Schwarz criterion 1.066254Log likelihood -2.984851 Hannan-Quinn criter. 0.882997F-statistic 4.820588 Durbin-Watson stat 2.596416Prob(F-statistic) 0.019921Selection SummaryAdded PRICEAdded NORMALVA

24、LAdded ECOGROWTH*Note: p-values and subsequent tests do not account for stepwise selection.根据上表逐步回归分析的结果，可知预警指标价格变化幅度/现行反倾销税、正常价值变化幅度、欧盟经济增长率依次被筛选进入方程，因此，下文预警过程中将使用上述三个预警指标。（三）特征值权重和警度的确定特征值的权重可以说明某一预警指标对案例结果的影响程度，因此，特征值权重的确定也是非常关键的。基于方法的可操作性，以及熵值法能够反映指标信息熵值的效用价值，本小节将采用熵值法（Entropy Method）来确定各特征值的权重。

25、根据上述对反吸收调查案例的论述，可知该问题由 18 个样本组成，每个样本包括 3 个指标，因此，建立如下数学模型：论域： =1,2,18 (=1,2,18)每一样本 有 3 个指标的数据特征： =1,2,3 (=1,2,3)初始数据矩阵： =183式中 表示第 个案例第 个指标的值。 首先，对初始数据矩阵归一化处理，得到标准化矩阵： =183其次，定义熵。第 个指标的信息熵值为：=18=1式中 ；常数 与案例数有关，此处设定 。=/18=1 =1/18最后，得到第 个指标的权重为：= 13 3=1由上式可知， ， 。013=1=1根据上述过程，计算得到第 个指标的信息熵值和权重如下表所示。表

26、5 特征值权重表信息熵值 权重 价格变化幅度/现行反倾销税 0.944285093 0.486701398正常价值变化幅度 0.96484175 0.307127309欧盟经济增长率 0.976398641 0.206171293警度主要根据综合相似度的计算结果，并参照相应的案例结果集，同时依据专家经验设定的警限来最终确定。（四）预警为了实现基于案例推理的反吸收预警模型并检验该预警模型的有效性，本小节将从上一小节反吸收调查案例中随机选取案例 17 和案例 18 作为当前案例，剩余 16 个案例作为案例库中案例，进而对案例库中案例根据匹配算法分别计算与当前案例 17 和 18 的综合相似度。综合

27、相似度排名前三位的案例如下表所示。表 6 综合相似度表案例 17 案例 18案例 综合相似度 案例 综合相似度案例 16 0.677703 案例 4 0.641521案例 15 0.390616 案例 7 0.577138案例 12 0.274969 案例 14 0.570067根据上表计算结果，可知与案例 17 最相似的案例是案例 16，并且二者综合相似度较高，因此可以从案例 16 的结果集中推测当前案例 17 的警度和可能采取的反吸收措施；同样，与案例 18 最相似的案例是案例 4，并且二者综合相似度也较高，因此也可以从案例 4 的结果集中推测当前案例 18 的警度和可能采取的反吸收措施。

28、因为在案例 16 中，最终所采取的反吸收措施是终止反吸收调查，现行反倾销措施维持不变，因此，可以推测案例 17 的最终反吸收措施将是终止反吸收调查，维持现行反倾销措施不变，警度为轻警警度；然而，在案例 4 中，最终采取的反吸收措施是修正现行反倾销措施，因此，可以推测案例 18 的最终反吸收措施将可能是修正现行反倾销措施，同时，由于综合相似度不是非常高，所以确定警度为重警警度。由于本文所构建的反吸收预警模型是针对当反吸收调查发起之后，最终可能会采取何种反吸收措施，因此，若欧盟委员会发布公告发起反吸收调查，即可根据上述预警过程推测判断可能的反吸收措施，则在欧盟委员会做出反吸收调查裁决之前的 9 个

29、月时间内，涉案国家以及涉案企业即可根据预警结果选择恰当的策略，将损失降低到最小程度。此外，因为案例 17 和案例 18 的实际最终反吸收措施分别为：维持现行反倾销措施不变和修正现行反倾销措施，可知上述预警结果非常值得参考。四、总结本文利用基于案例推理（CBR）方法，针对当发起反吸收调查之后最终将会采取何种反吸收措施，而构建了基于案例推理的反吸收预警模型，并通过实现该预警模型进而检验证明将基于案例推理（CBR）方法应用于反吸收预警当中不仅是可行的，而且其预警效果也是非常理想的。此外需要说明的是，上述基于案例推理的反吸收预警模型属于静态预警模型，而在现实中，即在欧盟委员会发起反吸收调查至做出裁决之

30、前的 9 个月时间内，可以随着调查的时间推移，根据实际情况逐步收集尽可能多的案例信息，跟踪动态预警，这样不仅能够实现动态预警，而且预警效果也必将会大大提高。参考文献：1 Roger C. Schank and Robert P. Abelson, Scripts, Plans, Goals, and Understanding: An Inquiry into Human Knowledge Structures M, Psychology Press, 1977.2 Roger C. Schank, Dynamic memory: A Theory of Reminding and Lear

31、ning in Computers and People M, Cambridge University Press, 1982.3 Janet L. Kolodner, Maintaining Organization in a Dynamic Long-Term Memory J, Cognitive Science, 1983, 7(4), p.243-280.4 Aamodt and E. Plaza, Case-Based Reasoning: Foundational Issues, Methodological Variations, and System ApproachesJ, AI Communications, 1994, vol. 7: 1, p. 39-59.5 张光前，邓贵仕，李朝晖基于事例推理的技术及其应用前景J 计算机工程与应用，2002，38（20）：52-556 陈文伟，邓苏，张维明数据开采与发现综述N 计算机世界 1997，6，307 周凯波，魏莹，冯珊基于案例推理的金融危机预警支持系统J计算机工程与应用2001，37（14）8 柳炳祥，盛昭翰基于案例推理的企业危机预警系统设计J 中国软科学2003（3）.