不確定因素對生豬價格的預測模型及應用

2019-09-10 07:22:44祁小凡

天府數學 2019年4期

祁小凡

摘要：近期豬肉價格在國內一直呈增長趨勢，造成了整體市場價格的動蕩，給市民日常生活帶來不小影響，有序平穩的市場價格離不開政府部門的調控和監管?；诖?，本文針對不確定因素下生豬的價格問題進行了研究預測，研究以樂山市市中區華聯商場2018年2月到2019年11月生豬價格數據為依據，用db4小波對原始數據進行去噪處理后，綜合EGARCH和NARX模型對短期內生豬價格進行了預測，得出短期內生豬價格走勢。通過對比分析NARX模型和EGARCH-NARX模型的價格走勢，研究發現EGARCH-NARX復合模型的預測精度更高，可靠度更強。

關鍵詞：小波分析;時間序列;NARX模型;EGARCH模型

1引言

從2017年各類畜產品占比來看，豬肉已經成為是我國主要的畜牧加工產品，占比達到了62. 48%。生豬價格長期受到社會各界的關注[1]，受非洲豬瘟的影響，近幾個月生豬價格波動很大，因此研究不確定因素下對生豬價格的影響，建立相應的預測模型，就顯得尤為重要。

生豬養殖緊密聯系著樂山地區農戶的生產生活，生豬價格的周期性頻繁大幅度波動經常導致生豬養殖及相關環節經營困難。生豬價格的大幅波動，首當其沖的是對養殖戶的經營造成沖擊，使得養殖戶難以對接下來的市場價格作出準確預估，往往會造成高成本低回報的局面。探尋生豬價格波動的情況，準確把握未來生豬市場養殖戶更加重要。

本文在傳統的價格預測模型上，基于小波理論并綜合NARX和EGARCH模型，在不確定因素下，對生豬價格進行預測。

2 傳統的價格預測模型和波動率模型

首先對傳統的價格預測模型和波動率模型進行分析。

2.1傳統的價格預測模型及其應用

在農產品的價格預測問題中，現階段國內外已有很多研究成果，其中較為著名的是小麥價格走勢預測，研究發現，賣期貨的價格在相當長的一個時期里面處于較高的水平。其他研究學者還發現，白菜價格預測上，最好避免使用ARMA模型。劉海清對農產品價格也進行了預測，得出了芒果在一定時期內的價格走勢曲線，并對價格波動進行了深入分析。在過去的預測分析中，雖然對價格走勢分析很多，但是對價格的波動卻研究得很少。

2.2 波動率模型及其應用

1986年Bolloerselev提出了廣義自回歸條件異方差模型，即GARCH模型。GARCH（p，q）模型定義為

公式（1）中，ui為殘差項，ht為條件異方差，a0>0，ai，為GARCH項系數，bi為GARCH項系數。GARCH模型自產生以來，很多的市場研究專家通過不斷的分析和探索，在此模型基礎上，進行了改進，使得模型在直觀反映價格波動的基礎上，還可以反映市場情況，例如MGARCH模型、EGARCH模型等。第二種模型主要應用在金融領域，通過對模型的分析運用，可準確把握基金市場的風險和誤差，有效避免基金可能潛在的風險。肖云香、李星野結合數學科學中的多項式算法對我國的外匯儲備進行了預測，研究表明，通過模型預測的農產品價格波動，與上市股票的波動性較為吻合。通過分析上海和倫敦期貨波動率，學者們對溢出效應、杠桿效應有了進一步的了解。從上面的論述中可以知道，GARCH模型已經被廣大學者所認同。

非線性源回歸網絡是有反饋的動態神經網絡，是一種有記憶功能的神經網絡，通過當前輸入和過去輸出這兩個方面，來決定當前輸出的情況。NARX模型不僅繼承了傳統的時間序列模型的優點，而且通過訓練使得模型對非線性數據有著更好的適應能力，因此，NARX模型非常適合復雜的、非平穩、非線性時間序列的預測。

參數d，m分別是延遲階數和神經元的個數，可以通過調整d，m的值，來優化模型的預測性能。

由以上分析可知，結合NARAXM模型和EAMD模型對生豬價格進行預測，可以較好的綜合各方有因素，對價格波動做出精準預測，有效避免了以往價格預測過程中出現的片面性問題。

3 基于小波理論和EGARCH- NARX的組合模型

小波函數是在傳統傅里葉函數上發展而來的，小波變換是通過平移和伸縮等運算對信號進行多尺度細化分析[10]，利用多分辨率分析來得到更多的信息。當滿足如下完全重條件則稱為基小波。

小波本身具有多分辨分析和良好的非線性局部逼近功能等多種特性，能夠對研究對象進行更為細致的逼近，因此小波分析又被人們稱為“數學顯微鏡”[11]。近年來逐漸被引入經濟領域，并得到廣泛的應用。

基于小波理論綜合上述模型，本文提出預測生豬價格的模型結構由以下步驟完成：

Stepl利用小波分析理論對原始數據進行了分析，篩選有效的數據和層數。

Step2對選取的主要趨勢數據運用NARX模型進行擬合，并對未來價格進行第一次預測;

Step3對殘差部分進行高階ARCH檢驗，若存在高階ARCH效應則進一步建立GARCH模型并進行第二次預測，反之在第二步處結束。

詳見圖2[12]。

3.1數據來源

本文選用的模型是短期預測模型，由于生豬價格受政策因素影響比較明顯，所以為了提高預測精度，選用的數據是在統一政策時期的數據[13-15]。本文以樂山市市中區華聯商場2018年2月到2019年11月的生豬價格為研究對象，數據見圖3，用小波對數據分解，經嘗試，第一層可以代表原始數據的大部分信息，所以選取第一層的主要趨勢進行建模。

3.2平穩性檢驗

從上圖可以看出數據具有明顯的上升趨勢，初步判斷序列不平穩。對數據進行ADF檢驗，數據不平穩，對數據進行平穩化處理，數據進行一次差分后變得平穩。由ADF檢驗結果可知，-5. 639824小于1%、5%、10%顯著性水平下的臨界值，p值趨近于0，根據ADF檢驗原理序列是平穩的，因此ADF檢驗通過，即數據經過一階差分后變平穩。

3.3模型參數估計及模型定階

利用自相關與偏自相關函數和Q統計量來檢驗序列相關性，序列自相關和偏自相關系數、Q統計量對應的p值趨近于0、進行差分后的序列的自相關系數和偏自相關系數如表1所示。

由表1可知，p可以選擇1或者2，q可以選擇1或者2，由于一階差分，所以d一1，從而得到NARX （1，1，1）、NARX（1，2，1）、NARX （2，1，1）、NARX（2，2，1）。通過嘗試對比四個模型調整后的可抉系數，同時考慮AIC最小準則，最終NARX（2，2，1）模型比較好。模型參數估計及檢驗結果見表1。

3.4模型檢驗

通過上面的分析結果可以知道NARX（2，2，1）是最理想的預測模型，從表中的參數可以直觀的看出，預測模型的準確度盡可能的提升，對數據的殘差部分進行了進一步的校驗和檢測，從而得出殘差部分具有高階ARCH效應的結論，從而進一步提升了預測模型的精確度。

3.5 預測結果與分析

運用小波預測理論分析對比NARXEGARCH數據，研究發現，運用單一的NARX模型數據誤差較大，而NARX-EGARCH模型對于函數的標準誤差可以控制在0.4的范圍之內，模型的準確度有了很大提升。

4 結論和政策建議

本文通過多個模型對農產品的價格進項了預測分析，并對目前國內熱點的生豬價格問題進行了重點分析和預測。通過比較不同模型預測結果的準確度，得出以下結論，基于小波理論的NARXEGARCH模型所得到的數據最為精確，可以在實際的運用過程中根據產品的實際價格變動情況，對更多的產品和領域進行有效的預測。在政策長期穩定的情況下，生豬產品的價格在一定時間內會有所下降，但是下降的幅度不會很高。

雖然我國生豬產量巨大，但養殖行業規模小，有實力的大企業少，產業化經營水平低，標準化養殖系統依然不完善，加強規模化、集約化養殖不僅可以得到更多的市場信息，抵御市場風險的能力也更強，會避免因供需失衡而引起的豬肉價格異常波動，而且也更有利于生豬疫情的防控。

同時，政府應該采取措施加大生豬市場流通，創建良性的競爭環境，建立健全對城鎮居民特別是城鎮中低收入群體的扶持政策，如可以建立一種物價指數與生活補貼的聯動機制，通過分析物價指數漲幅的變化，有條理、有規定地對特定城鎮居民在一定時間段內給予一定比例的現金補貼;完善疫病防疫體系，減少疫病對生豬生產的沖擊等，通過建立一系列豬肉生產和供給的長效保障機制，保持豬肉價格的基本穩定，盡可能降低豬肉價格波動給城鎮居民帶來的長期損失。

論文由西南民族大學研究生創新型科研項目資助，項目編號CX2020SP70。

參考文獻

[1]阮冬燕，陳玉萍，周晶，中國農戶生豬散養動態演化規律分析[J].農業展望，2018（6）：53-58.

[2]王勇，張浩，小麥期貨價格預測的馬爾可夫模型[J].安徽農業科學，2008.36（5）：17-21.

[3]劉峰，王儒敬，李傳席.ARMA模型在農產品價格預中的應用[Jl.計算機工程與應用，2009，45（25）：238- 248.

[4]程賢祿，北京市農產品批發市場蔬菜價格預測預報體系研究[J].北京農業科學，2002（2）：1-10.

[5]劉海清，方佳，基于指數平滑模型的海南省芒果價格預測[J].熱帶東業科學，2010，30（1）：79-81

[6]楊夫立，基于GARCH模型的證券投資基金VaR計算與實證研究[J].經濟問題，2012（6）：87- 91.

[7]肖云湘，李星野，基于小波的回歸 GARCH模型及其在外匯儲備中的應用[J].上海理工大學學報，2015，37（1）：18-22.

[8]夏冰，農產品價格波動聚集特征驗證及趨勢預[Jl.經濟實證，2015（II）：145-148.

[9]萬蔚，江孝感，我國滬、深股市的波動性研究基GARCH族模型[J].價值工程，2007（10）：14- 18.

[10]高輝，趙進文，期貨價格收益率與波動性的實證研究以中國上海與英國倫敦為例[J].財經問題研究，2007（2）：54-65.