生豬價格波動特征分析
——基于Beta-skew-t-EGARCH模型的實證分析

孫永青，陳皓東

（南京審計大學金融學院，江蘇 南京 211815）

1 引言

2018年夏末我國暴發的非洲豬瘟疫情蔓延，導致大批生豬死亡，引起生豬價格頻繁劇烈地波動。作為我國居民最廣泛食用的肉類品之一，豬肉價格的劇烈波動給居民基本生活帶來巨大的負面影響。為此，國家高度重視生豬市場穩定，農業農村部在農辦牧〔（2018）69號〕文件中強調要切實維護生豬產品的正常流通秩序，確保生豬產品市場的有效供給。

生豬價格是生豬市場發展的重要一環，生豬平穩供給、價格穩定對經濟社會健康良性發展的重要意義不言而喻。因此，研究生豬現貨價格波動特征，一定程度上對緩解生豬價格波動劇烈、保障生豬供給穩定都具有重要意義。文章以2017-2020年江蘇、湖北和四川生豬價格數據，引入Beta-skew-t-EGARCH模型分析生豬價格波動特征，并以此對生豬產業未來發展提出針對性建議。

2 文獻綜述

于少東（2012）[1]運用H-P濾波法和X-12季節調整法實證研究得出，北京近十年豬肉價格波動周期與生豬生產周期波動基本一致，總體周期性波動上升，短期波動劇烈。李婷婷等（2018）[2]采用H-P 濾波法和X-12調整法研究四川省豬肉價格波動規律，發現豬肉價格伴隨生豬生產成本上升而上升，且豬肉價格波動具有顯著的周期性特征。黎東升等（2015）[3]采用BP和H-P濾波法對比分析發現，我國生豬價格在2008年相關調控政策實施前后波動差異顯著，后進入較明顯的下跌周期，且波動逐漸喪失周期的規律性。商迪等（2017）[4]采用多元GARCH模型研究豬肉及仔豬價格的波動特征，檢驗發現，我國豬肉和仔豬市場皆存在溢出效應和集群效應。曹先磊（2017）[5]基于我國生豬飼料市場價格月度價格數據，搭建了GARCH類模型，系統地揭示出我國生豬飼料市場價格波動具有明顯的自回歸條件異方差模型（ARCH）效應和顯著非對稱性。石自忠（2019）[6]利用MS-GARCH類模型分析我國1994-2018年豬肉價格月度數據，發現我國豬肉價格波動具有顯著的狀態轉換特征和雙重非對稱效應，同時還存在明顯的杠桿效應。

綜上所述，國內學者的研究方法主要利用單一的X-12調整法、 H-P 濾波等方法和綜合性GARCH類模型等進行實證分析。為更好地分析生豬價格波動特征，文章采用GARCH類衍生模型——Beta-Skew-t-EGARCH 模型，以能夠更好地擬合現實的金融時間序列，更好地刻畫尖峰厚尾、杠桿效應、條件偏度等特征。

3 實證研究

生豬產業收入是我國農業經濟的主要收入，生豬價格波動的不確定性可能會導致極端風險，損害生豬產業眾多參與者的利益，對整個農業經濟的健康發展和廣大人民群眾的幸福生活皆有重大影響。為了精確全面地反映生豬價格收益率序列的尖峰厚尾、偏斜、波動集聚性以及杠桿效應等特征，文章采用Beta-skew-t-EGARCH模型對生豬價格收益率序列進行擬合，使之能夠更加準確地描繪生豬現貨價格波動的特征。

3.1 描述性統計分析

文章研究對象是江蘇、湖北和四川生豬價格數據。樣本數據選取的起始日期為2017年8月28日，截止日期為2020年4月1日，除去節假日每個樣本觀測值共計945個，所有數據均來自同花順數據服務中心。

首先，對三個省份生豬價格進行對數處理。令Rt為第t日的生豬價格收益率，Pt和Pt-1為第t日和第t-1日生豬價格，則生豬價格收益率可表示為：

Rt=100×(lnPt-lnPt-1)

圖1、圖2、圖3呈現的是江蘇、湖北和四川三個省的生豬價格收益率序列。可以清晰的看出三個省份的生豬價格收益率序列出現波動集聚現象，即高波動率和低波動率往往會各自聚集在某一段時間段，而且高波動率和低波動率集聚的時期會交替出現。值得注意的是，在每年的一季度生豬價格波動程度顯著高于其他時段，這主要來自于春節的影響。一方面，新春假期會加大對豬肉的消費量；另一方面在春節期間各行業都會休假，豬肉及其產業鏈的供給會有短暫的停滯，從而引起豬肉價格的上升。

其次，將處理好的三個省份生豬價格收益率序列進行描述性統計分析，結果如表1所示。

江蘇、湖北和四川的均值都大于0，說明三個省份生豬價格總體上呈上升趨勢。這可能和經濟發展、人口增長有關，人均收入越來越高，居民對豬肉消費量持續增大，總供給小于需求，造成生豬價格上漲。同時，近年來發生在我國多地的非洲豬瘟也是引起生豬價格上漲的重要原因。

江蘇、湖北和四川的偏度都大于0，呈現右偏，表明生豬價格收益率序列存在非對稱性。其中，江蘇的非對稱性最為突出，四川的非對稱最不顯著。江蘇和湖北的峰度都大于3，符合尖峰厚尾特征，江蘇的該特征比湖北明顯。四川的峰度小于3，不具備尖峰厚尾特征。為進一步檢驗樣本序列的分布特征，利用圖4、圖5、圖6對樣本序列的 QQ 圖進行刻畫。

檢驗生豬價格收益率序列是否服從正態分布。文章通過JB統計量進行判斷，江蘇、湖北和四川的JB統計量P值都為0，說明三個省份的生豬價格收益率序列都不服從正態分布。關于三個省份的生豬價格收益率序列是否平穩，文章采用ADF單位根檢驗，我們發現ADF檢驗的P值都為0.01，均顯著，拒絕原假設，說明三個省份均不存在單位根，表明生豬價格收益率序列是平穩的；關于生豬價格收益率序列是否存在ARCH效應，文章采用ARCH-LM檢驗的方法，結果顯示ARCH-LM檢驗P值都為0，說明生豬價格收益率序列存在顯著的ARCH效應。

3.2 基于Beta-skew-t-EGARCH模型價格波動特征實證分析

金融資產收益率波動具有的聚集性、尖峰厚尾等特征，無法滿足傳統的線性回歸模型中同方差的假設，因此一般選用條件異方差模型來擬合金融資產價格波動特征。Harvey和Sucarrat在Beta-t-EGARCH模型的基礎上擴展到Beta-Skew-t-EGARCH模型，該模型通過刻畫這一系列結構特征，能夠更好地擬合現實的金融時間序列，也能夠更符合實際情況來預測波動。

Beta-Skew-t-EGARCH模型的表達式：

其中，yt表示金融資產收益率，δt是 波 動 率，λt是 對 數 刻 度，條件誤差εt為具有零均值，方差為偏度參數為γ，自由度參數為ν的偏t分布，是均值為με*，偏度參數為γ，自由度參數為ν的偏t分布。ω是對數尺度截距，可以解釋為長期對數波動率，?1是持久性參數（越大，越集中），κ1是ARCH參數（絕對值越大，則越大對沖擊的反應），sgn（）是符號函數，ut是條件得分項，κ*是杠桿參數，λt穩定的充分條件是 ｜?1｜＜ 1。

從表2可以看到湖北生豬價格的持續性參數為0.951 4，在三個省份中最大，江蘇和四川的持續性參數也都在0.9上下，說明各省份的生豬價格收益率序列波動集聚性顯著，表明條件方差當受到外界沖擊后持續時間較長。江蘇的持續性參數最低，可能由于江蘇的經濟發達，受到外部沖擊后，生豬市場可以迅速消化不利干擾，短時間內恢復正常水平。可見江蘇的生豬市場較為成熟，是其他省份學習的目標。

表1 不同省份生豬價格收益率序列描述性統計

表2 Beta-skew-t-EGARCH模型的參數估計

江蘇、湖北和四川的ARCH參數都比較小，說明三個省份生豬價格收益率序列受到外界干擾后響應程度都較低，抗干擾能力強。從杠桿參數來看，三個省份都具有杠桿效應，且杠桿參數都小于0，說明三個省份生豬價格收益率序列具有負杠桿效應。其中江蘇的杠桿參數最小，表明江蘇的杠桿效應比湖北和四川明顯。江蘇、湖北和四川的偏度參數都大于0，說明三個省份生豬價格收益率序列都具有偏斜特征。其中，江蘇偏度參數大于1，呈現右偏，湖北和四川小于1，呈現左偏。從地域上來說，湖北和四川較為接近，各項參數也都差不多，符合實際情況。

上述分析可知，Beta-Skew-t-EGARCH模型能夠較好地擬合三個省份生豬價格收益率序列，為掌握三個省份生豬價格波動特征、降低生豬市場的價格波動風險提供了支持，為推進生豬市場發展添磚加瓦。

4 結論與政策建議

為了能夠更好地穩定國內生豬價格，推進養豬及其產業鏈的健康發展，基于上述江蘇、湖北和四川生豬價格波動特征的實證得出結論，并從我國實際情況出發針對性地提出下列對策建議。

第一，三個省份的生豬價格杠桿參數皆不為0，說明生豬存在杠桿效應，外部消息有變化時其價格也會有變化，表明生豬市場的各項相關制度還有待進一步完善，應提高信息傳播效率與真實性，盡可能解決信息不對稱問題，確保農戶提前做好應對措施。還應該積極探索生豬期貨市場可能性，豐富生豬市場多樣化，加強生豬價格風險預警。

第二，生豬價格波動存在集聚性。生豬價格收益率序列圖能非常清晰直觀反映出三個省份生豬價格波動集聚性特征，而實證分析更加精確闡述生豬價格波動規律，其中湖北的集聚性最明顯，接近1，這意味著在一定程度上可以預測生豬的價格波動情況。生豬養殖是全產業鏈中風險最高的環節之一，相關職能部門可通過5G通信、大數據等金融科技手段，優化生豬產業鏈，形成穩定的生豬價格預警機制。同時，由于“豬周期”的存在，政府部門可加強逆周期調節。比如在母豬存欄量持續走低，豬肉價格上漲時，給予養殖戶價格補貼或者稅收優惠，鼓勵養殖，從而增加供給，穩定生豬價格。

第三，生豬價格平均收益率偏低。上述分析可以看出三個省份的平均收益率略大于0，收益率偏低情況會給養殖戶積極性造成嚴重打擊。因此，建議從養殖場建設、改進生豬飼養方法等方面統籌布局，促進生豬養殖標準化、規模化，控制生產成本，推廣良種豬。同時創新養殖模式，形成生豬企業+農戶+保險公司利益共享、風險共擔養殖方式。當生豬價格下跌到一定程度，給予養殖戶損失補償。