我國豬市價格異常波動預警及其對策研究

康藝之 鄭業魯 林偉君 方偉

摘 要：本研究采用黑色預警方法，以價格波動率為警情指標，CPI月度波動率平均值1-2倍標準差確定警限，建立我國豬市價格異常波動預警模型并展開預警。結果顯示，2016年上半年我國豬市價格處于異常波動中，且多為重警狀態。異常波動主要源于生豬市場，豬肉市場價格異常波動警限等級輕于生豬市場。因此，生豬產業宏觀調控壓力要大于豬肉消費市場。建議從加大政府對養殖環節的固定扶持、增設肉豬保險、重視豬肉流通調控、建立統一信息平臺等方面出具對策措施。

關鍵詞：豬市價格；異常波動；黑色預警

中圖分類號：F326.3 文獻標志碼：A 文章編號：1008-2697（2016）01-0046-04

一、引言及文獻回顧

長期以來，中國生豬產量接近世界的一半，但近年國內生豬與豬肉市場的價格波動日漸增大，異常波動時有發生，給國內豬產業發展造成較大影響。因此，探尋豬市價格的波動情況，對未來豬市價格走勢展開預測預警，進而指導生產經營和市場政策出具，對于穩定市場價格、保障生產者利益具有重要意義。

關于豬價異常波動的預測及預警研究在國外開展較早，先后有Do Canto，Melinda等使用多變量遞回歸式模型對美國的生豬季度價格、月度價格展開過預測[1，2]，Ole采用通過建立生豬市場價格預測的年度模型、季節模型、ARIMA模型等方式，對美國生豬的市場價格波動展開過專門研究[3]。國內對于豬市價格預警的研究是在引進國外研究成果的基礎上，集中于用計量模型對市場價格波動周期和成因展開分析。如趙瑞瑩等采用BP神經網絡模型對豬肉價格波動影響因素進行分析[4]。呂杰重在研究生豬市場價格的運行周期，并對其價格波動形成機理展開了分析[5]。欒淑梅等采用VAR模型對豬肉月度價格進行協整檢驗[6]。楊瑢利用MIMIC結構方程模型和月度價格，對生豬價格的波動及其風險臨界展開預警[7]。于少東運用X12季節調整法和HP濾波法對北京市豬肉月度批發價格進行研究[8]。范傳棋、陳迪欽等采用ARIMA模型預測了四川省和全國生豬價格波動，并用多元線性模型對價格波動影響因素展開分析等[9，10]。

因已有研究多分別選擇生豬或豬肉價格展開研究，不能綜合反應豬市價格異常波動給生產者和消費者所造成的不同影響，因此也就難以出具更加明確的政策指導建議。本研究選擇生豬以及豬肉兩種價格，分別用以反映生豬生產者和豬肉消費者面臨的豬產品價格波動不同影響。樣本數據采用2000年1月到2015年12月的月度數據，通過建立豬市價格波動率的時間序列模型，預測生豬市場和肉產品市場未來6個月的產品價格極其波動率。在此基礎上，提出我國豬市價格異常波動的相關對策建議。

二、 我國豬市價格異常波動的預警系統構建

因在警情信息不足時，黑色預警法有助于快速判斷特定產品未來價格波動水平，因此，本文采用黑色預警法展開分析。主要包括選擇未來價格預測模型、確定警情指標、劃分警限層次、分析判斷風險等級四個步驟。

（一）價格預測模型選擇

目前，在時間序列預測方面主要有時間序列趨勢法、彈性系數法、灰色預測法、Logistic模型等預測方法[11]。因ARIMA模型在分析短期時間序列數據方面具有良好的擬合效果，技術成熟，利用該模型展開價格預測，能夠實現最小方差下的最優結果。因此，本文選擇ARIMA模型展開豬市價格預測。

（二）價格警情指標確定

警情指標是衡量市場價格波動是否出現異常的核心指標，本研究以價格波動率作為豬市價格風險預警的警情指標。以更加動態地反映豬市產品的價格變動水平及劃分風險程度，具體公式為：

Rt=（lnPt-lnPt-1）×100 （1）

其中，Pt和Pt-1分別表示第t月和第t-1月的豬市價格，Rt為豬市價格波動率，即相鄰月份豬市價格的對數一階差分。

（三）豬市價格波動的警限劃分

警限作為劃分有警或無警的界限，是預報警度的基礎。由于價格波動預警的警情指標屬于雙側有警，并非無波動就屬合理[12]。本文采用我國近三年來的CPI月度波動率平均值作為判斷標準，并依據1-2倍標準差確定警限。若豬市價格波動幅度過大，出現遠遠偏離CPI波動軌跡的情況，則認為價格水平異常波動，出現警情。其中，豬市價格波動率若在基準點一個標準差以內上下浮動，認為價格波動水平正常，屬于無警狀態；若價格波動率在一個標準差至兩個標準差之間，認為價格波動出現輕度異常；若價格波動率浮動水平超過了兩個標準差，則認為市場價格出現了重度異常，具體分類如表1：

采用近三年（2013-2015年）全國月度CPI 環比數據，計算預警系統價格波動率的參照平均值和標準差。得到2013-2015年 CPI環比指數的平均值為1.25，即平均波動率為正的0.25%，標準差為0.52。由此，可確定各級警度的區間如表2：

三、我國豬市價格異常波動預警的實證分析

依據上述預警體系，采用Eviews6.0軟件對我國豬市價格異常波動預警所需的價格數據及價格波動率等展開預測分析，并對我國豬市價格的異常波動情況展開預警。

（一）豬市價格走勢預測

1.價格數據的平穩性檢驗

平穩的時間序列是運用ARMA模型的基礎。因此，數據的平穩性檢驗是展開價格預測模型建模的首要環節。經檢驗，原豬市價格的數據并未通過平穩性檢驗。為消除豬市價格原序列存在的趨勢性誤差，對原價格序列做一階自然對數逐期差分，通過計算豬市價格波動率消除趨勢和減小序列波動，并對豬市價格波動率序列進行ADF單位根檢驗，看各序列是否平穩，結果如表3。

經過對原價格序列做一階自然對數逐期差分，計算所得的豬市價格波動率已成為平穩序列，但仍帶有明顯的季節趨勢。因此，對經過處理的豬市價格波動率序列進行季節差分后可采用ARIMA模型建模。經過多次測試，豬市價格波動率序列在三階季節差分后，不再出現序列季節性特征，但因差分后數據信息丟失過多，故本文只做一階季節差分即展開建模。

2.價格波動建模與參數估計

從單位根檢驗結果已知豬市原價格序列逐期差分階數d=1。因數據均為月度數據，且按照一階季節差分建模，故參數S=12，D取1。對于季節自回歸和移動平均階數p、q、P、Q，通過多次檢驗，主要觀察各序列的自相關函數和偏自相關函數。在反復比較模型解釋能力、參數顯著性后，最終確定的帶季節的模型形式為：SARIMA（0，1，2）（0，1，1）12，表4為模型各參數估計結果。

3.模型的有效性檢驗

完成對建模和參數估計后，對模型的殘差序列進行白噪聲檢驗，以確定所估計的模型已經充分提取了序列中的有用信息[13]。根據圖1，豬市價格序列建模后的模型殘差序列自相關系數都明顯落入隨機區間，自相關系數的絕對值幾乎都小于0.1，與0無明顯差異，可以判定殘差序列是白噪聲，不存在有用信息沒有提取干凈的情況，可以采用所建的SARIMA模型展開價格預測。

4.豬市價格走勢預測

在當前的技術條件下，豬產品生產從仔豬出生到長成出欄的待宰活豬，需要6個月左右；這意味著，穩定豬市價格，有必要在至少6-12個月之前就對產品價格展開預測預警分析，才有較大的經濟意義。基于豬產品生產周期考慮，采用豬市價格季節模型，對生豬和豬肉價格走勢展開樣本外6個月的價格預測。本研究采用靜態預測方法逐步向前預測，實現了較好的擬合和預測效果，Theil指數在0.01左右，協方差比例達0.99，預測值和實際值之間的誤差率基本處于0.01%-0.31%之間，誤差較少。

（二）豬市價格異常波動預警結果

根據所預測的豬產品價格序列結果，計算豬市價格波動率，并分析異常波動警情，計算結果如表5。結果顯示，2016年上半年，我國豬市價格異常波動明顯，絕大部分時間均在正、負向重警之間來回波動，豬產業宏觀調控壓力較大。

四、結論與對策建議

研究結果顯示：（1）2016年上半年，我國豬市價格總體水平異常波動較頻繁，主要豬產品價格在正向重警和負向重警之間反復波動，生產者和消費者均面臨較大的市場風險和消費壓力。（2）從價格波動率來看，豬市價格異常波動主要來源于生豬交易市場，生產者面臨市場風險較大。其中，上半年負向重警占據主要地位，生豬市場價格下跌較快，豬價持續低迷，生豬存欄量增加。（3）豬肉市場價格異常波動警限等級輕于生豬市場。受生豬價格下跌影響，豬肉價格同步下降，預警結果顯示，豬肉異常波動等級輕于生豬價格，主要原因在于生豬市場多受調整效果時滯性影響，難以及時做出反應；而豬肉市場在短期內可供選擇的調控途徑較多，因此，只要采取適當措施，就可以避免市場價格的異常波動發生。

針對上述結論，從生豬養殖供應商和豬肉消費市場兩個角度提出建議：

（1）加大政府對養殖環節的固定扶持，減少養豬邊際效益波動從而減少投機性養豬行為決策的產生。特別是加大對研發和生產環節的支持力度，保障生豬市場貨源供應充足。一是加快生豬育種、豬病臨床診斷與疾病防控技術的科研與推廣。最大限度提高豬成活率，降低生豬病死率，提高生豬出欄水平，保證在合理出欄周期內將生豬供應到市場。二是盡快落實各項生豬產業政策，特別是將肉豬生產也全面納入保險，保障生產者利益，提高養殖戶積極性。

（2）重視豬肉流通各環節宏觀調控，減少流通成本，減輕消費者壓力。一是通過整治農資市場、加強流通環節監管、開展凍豬肉收儲等各種方式，對豬肉市場開展綜合治理，實現穩定豬肉市場價格、緩解市場價格異常波動給市民帶來的不利影響。二是促進豬市供需市場信息平臺建設。相關部門應盡快建立統一、規范的農產品價格數據信息平臺，及時、定期更新豬市產品數據信息，展開價格預警監測，引導生產商、流通商和廣大消費者，避免各方出現大的判斷失誤，減少市場價格大幅和異常波動發生。

參考文獻：

[1]Do canto，Wilson leite.A recursive model for forecasting

quarterly and monthly US hog prices[D].Master thesis，

Michigan State University，1972.

[2]Melinda D，Ingco. Econometric and ARIMA models in

Predicting cattle and hog Prices：all Evaluation[D].

Master thesis： Michigan State University，1983.

[3]Ole Gjolberg.Are piglet prices rational hog prices

forecasts[J].Agricultural Economics，1995（13）：

119-123.

[4]趙瑞瑩，楊學成.農產品價格風險預警模型的建立與應用——

基于BP人工神經網絡[J].農業現代化研究，2008，29（2）：

172-175.

[5]呂杰，綦穎.生豬市場價格周期性波動的經濟學分析[J].

農業經濟問題，2007（7）：89-72.

[6]欒淑梅，壽金，呂杰等.省際間豬肉價格波動的動態關系研

究——基于VAR模型分析[J].農業經濟，2011（8）：87-88.

[7]楊瑢.基于結構方程模型的生豬價格預警研究[J].中國畜

牧雜志，2011，47（18）：6-9.

[8]于少東.北京市豬肉價格波動周期分析[J].農業經濟問題，

2012（2）：75-78.

[9]范傳棋，王映，譚靜.基于ARIMA模型的四川省生豬價格預

測[J].農村經濟與科技，2013，24（5）：31-33.

[10]陳迪欽，漆雁斌.中國生豬價格波動影響因素的實證分

析[J].湖北農業科學，2013，52（4）：960-961.

[11]唐江橋.中國畜產品價格預測預警研究[D].福州：福建農

林大學，2011，82-84.

[12]丁浩，張鵬程，霍國輝.山東省原油自給能力預測與分析[J].

技術經濟，2011，30（9）：96.

[13]康藝之，方偉，林偉君.我國重要農產品價格異常波動情報

預警分析[J].廣東農業科學，2014（4）：200-204.

（責任編輯：吳 霞）