6-år syklus i torskebestanden

Forskningen begynte med en autokorrelasjon. En statistisk beregning, som hadde et uventet resultat. Den hadde et bratt forløp som viste at vi bare kunne beregne torskebestanden, bare ett år fremover i tid. I forløpet på autokorrelasjonen var der også en liten hump. Kan det være mulig? Jeg hadde forventet et klokkeformet forløp. Autokorrelasjonen viste at Norsk Arktisk torsk rekrutterer samtidig i perioder på 6 år. Er det virkelig slik, eller er det noe galt med min undersøkelse?

Fiskerinæringen har alltid vært en bærebjelke for økonomisk utvikling og bosetting langs Norskekysten. Samtidig har den vært en lunefull bransje, med gode år etterfulgt av dårlige år. Etter gode år på 1950- og 1960-tallet kom det dårlige år på 1970- og 1980-tallet. Denne perioden skapte store utfordringer for fiskerinæringen og den maritime industrielle klyngen på Nord-Vestlandet. Så kom 1990-årene med ny vekst i torskebestanden, noe som skapte ny optimisme og en tid for å bygge en moderne fiskeflåte.

Høsten 1994 deltok jeg i en livsløpsanalyse av en ny, moderne tråler. Banken hadde laget en inntektsmodell basert på at biomassen til Norsk Arktisk torsk ville øke de neste fem årene. Dette fikk meg til å stille et kritisk spørsmål: «Hvordan kan banken vite at biomassen vil fortsette å vokse i fem år?» Jeg fant frem Havforskningsinstituttets rapport på biblioteket, leste dataene for Norsk Arktisk torsk, skrev et dataprogram og beregnet autokorrelasjonen. Det hele var gjort på en time.

Hva undersøkelsen avslørte

Autokorrelasjonen viste at vi ikke kan beregne torskebestandens fremtid utover ett år. Dette betydde at vi ikke kunne forutsi fremtidige kvoter og inntekter, bare kostnader. Beregningen av trålerens livssyklus var basert på stor usikkerhet. Min første tanke var at hvis jeg fortalte dette, ville det ødelegge hele prosjektet. Samtidig viste autokorrelasjonen en uventet topp ved 6-7 år, noe som usikkerhet og samtidig en mulighet. Perioden avslørte at torskebestanden har en periodisk rekruttering. Det tyder på at den har forutsigbare periodiske endringer. Investeringer i fiskerinæringen kan sammenlignes med børsinvesteringer; kunsten er å finne riktig tidspunkt for oppgang. En 6-års syklus i torskebestanden var en viktig oppdagelse som viser forventet oppgangs- og nedgangstider.

Om autokorrelasjon

Når vi ser på en dataserie, er det umulig å forutsi oppgangs- eller nedgangstider. Vi trenger metoder for å forstå variasjonens egenskaper. En dataserie y(t) kan være sammensatt av tre komponenter: y(t) = a*y(t-1) + n(t) + cos(wt). I denne enkle modellen representerer a*y(t-1) treghet i endring fra ett år til neste, n(t) representerer en tilfeldig endring, og cos(wt) representerer periodisk endring. Autokorrelasjon er definert som: R_yy(m) = E[y(t)y(t+m)], altså middelverdien av produktet y(t)y(t+m) der m representerer avstanden mellom to tidspunkt. Hvis autokorrelasjonen faller raskt, er det store tilfeldige variasjoner fra år til år, og vi kan ikke stole på prognoser. Dersom dataserien har en periode cos(wt), vil periodetiden gi topper i autokorrelasjonen som samsvarer med periodetiden.

Rekkevidden

Autokorrelasjonen avslørte at det finnes noe i naturen som får hele bestanden til å rekruttere mer hvert sjette år. Dette betyr at det er en stasjonær 6-års syklus i torskebestanden som vil fortsette i overskuelig fremtid. En god årgang vil forsterke rekrutteringen om seks år, noe som gjør at biomassen kan vokse i forutsigbare perioder på 6, 12, 18 år, osv. Dette kan forklare hvorfor det er gode år og dårlige år i fiskerinæringen.

En 6-års syklus i torskebestanden var ukjent for trålerens reder og Havforskningsinstituttet. Biomassen kan ikke bestemme seg for å rekruttere i perioder på seks år, så det må være noe utenfor biomassen som forårsaker periodiske endringer. Dette må være en ukjent kilde som ingen har hørt om, men som påvirker fiskerinæringen. Jeg bestemte meg for å finne ut hva dette kunne være. Det skulle vise seg, at dette ble en lang veg å gå..