糧食安全視角下我國小麥進口量波動趨勢預測研究

琚銳佳 李逸波 朱文薈

摘 要：當前，受到新冠疫情、自然災害等多方面因素的影響，我國糧食安全不穩定性增加，小麥進口呈現新形勢。現階段，我國小麥進口量呈現明顯上升趨勢，增加了我國糧食安全風險，因此，需要對其下一階段進口波動趨勢進行預測研究，進而及時調整化解風險。該文從進口數量、進口來源國家、貿易逆差等方面分析了小麥進口特征，并利用中國海關總署公布的2019年01月至2021月12日我國小麥進口量月度數據，建立了ARIMA模型，對小麥未來半年進口趨勢進行預測。結果表明：我國下一階段小麥進口將繼續保持上升態勢;我國小麥進口來源依賴度比較高，糧食安全風險增加;小麥生產成本需進一步控制。因此，要依靠科技進步，強化供給結構調整;警惕進口風險，分散小麥進口市場;實行適度規模化經營，降低小麥生產成本。

關鍵詞：小麥進口;趨勢預測;ARIMA模型

中圖分類號 S512.1 文獻標識碼 A 文章編號 1007-7731（2022）10-0027-04

Prediction of Wheat Import Fluctuation Trend in China from the Perspective of Food Security——Based on Arima Prediction Model

JU Ruijia? ?LI Yibo? ?ZHU Wenhui

（College of Economics and Management， Agricultural University of Hebei，Baoding 071000， China）

Abstract： At present， under the influence of COVID-19， natural disasters and other aspects， food security instability is increasing， and food import is in a new development situation. At present， China′s wheat import volume shows an obvious upward trend， so it is of practical significance to forecast the fluctuation trend of its import in the next stage. This paper analyzes the current situation of wheat import from the import quantity， import source countries， trade deficit and other aspects， the ARIMA model is established based on the monthly wheat import data from January 2019 to December 2021 released by the General Administration of Customs of China to forecast the wheat import trend in the next six months. The result showed that China′s wheat import will continue to rise in the next stage， China′s wheat import source dependence is relatively high， food security risk increased; Wheat costs need to be further controlled. Therefore， we must put forward to improve the minimum purchase price policy of wheat and enhance farmers' enthusiasm for planting grain.， guard against import risk and disperse wheat import market， implement system scale management， reduce wheat production cost.

Key words： Wheat import; Trend forecast; ARIMA model

1 引言

2022年中央一號文件指出，要牢牢守住保障國家糧食安全底線。小麥是我國重要的糧食品類，小麥口糧消費在中國口糧消費總量中的占比約為35%左右，對我國糧食安全具有重要影響。目前，我國小麥自給率可達95%以上，但仍需要進口來滿足國內需求。近期，由于國際國內環境變化明顯，小麥進口量增長趨勢明顯，2019年我國小麥進口量為349t，2020年為838t，2021年為977t，進口量的激增對我國糧食安全帶來了不利影響。國際上，由于新冠疫情傳播范圍擴大、貿易不確定性不穩定、經濟形勢下行等原因，小麥在國際市場上的熱度上升;國內，受到我疫情導致民眾屯糧行為等的影響，小麥需求量增長。基于這樣的環境變化，在糧食安全視角下，國家為促進小麥產業發展，從各個方面出臺了相關政策，以期提高小麥生產水平，保障小麥自給率。但中國對小麥的需求強勁，現有水平仍存在供給缺口，需要進口小麥緩解國內部分供給壓力。因此，對小麥后續階段的進口趨勢進行定量精準預測，對于我國小麥進口、生產政策制定具有重要的現實意義。

當前，學者們對小麥進口貿易相關重要問題已進行了研究并取得一定研究成果。部分學者通過定性研究，對小麥進口貿易趨勢進行預測，如鐘志平[1]指出國內外小麥價額差導致我國小麥貿易逆差明顯擴大;李喜貴[2]從供需角度對小麥需求進行預測;劉平[3]從生產成本、最低糧食收購價格、科技創新水平及物流運輸等多角度分析影響小麥進口貿易的主要原因;王新華[4]則從國際、國內2個角度對我國小麥進口貿易提出對策。在小麥進口定量預測方面，龐碧云[5]對小麥2019、2020年供需進行預測，但是在新的背景之下，對小麥進口數據進行定量精準預測，仍具有重要現實意義。

以上研究大多是從定性角度對小麥進口進行的分析及預測，為后續研究奠定了重要基礎。但是當前國內外環境變化較大，小麥進口形勢變化較大，而近期用定量方法分析小麥進口數量的相關研究較少。為此，本文采用定量預測方法對小麥在當前階段的進口數量進行科學預測，以期為解決我國小麥進口相關問題提供參考。

2 研究方法與數據來源

2.1 研究方法 在方法選擇上，目前國內用于糧食產量預測的方法主要有無偏灰色馬爾可夫模型、BP神經網絡模型、多元線性回歸模型、支持向量機、灰色GM（1，1）模型等，代表學者有尹邦華[6]、周永生[7]、王啟平[8]、趙桂芝等[9]。本文根據小麥進口數據特點，選擇ARIMA模型對小麥進口量進行短期預測。ARIMA模型是根據預測對象受其自身變化影響規律，結合自回歸模型和滑動平均模型而建立的模型，是目前最常用的擬合平穩序列的模型，簡記為ARIMA（p，d，q）。

[Φ（B）?dxt=Θ（B）εtEεt=0，Varεt=σ2ε，Eεsεt=0，s≠tEεsεt=0， 任意 s<t]

2.2 數據來源 本文采用2019年1月至2021年12月我國小麥月度進口量，據此預測2022年1—6月份我國小麥進口量。所用數據來源于中國海關總署官方公布數據及網上信息資料收集所得。

3 我國小麥進口現狀與特征

3.1 進口數量波動上升 根據中國海關總署官方公布數據及網上信息資料收集，2018—2021年小麥進口月度數據如圖1所示。由圖1可知，我國小麥進口呈現“周期性波動上升”趨勢，小麥進口量的激增，主要受到國際國內環境變化的影響。國際上，受疫情影響，糧食價格猛增，當前是各國經濟格局重新調整的關鍵時期，小麥是保障國家穩定的重要物資。同時，國際貿易、經濟、政治不穩定性因素增加，更需要通過多渠道穩定國家糧食總量。國內，疫情導致民眾恐慌情緒增加，屯糧現象明顯，并且我國長期以來需要小麥作為工業用糧及飼料用糧，因此，小麥進口量在近期急劇上漲。

3.2 進口來源國家比較集中 2021年1—10月，在中國小麥進口來源中，美國占32%、加拿大占31%、澳大利亞占24%。這幾個國家優質小麥產量高、總量大，是我國小麥進口主要的來源[4]，我國每年從這3個小麥主產國進口的小麥數量占我國每年進口小麥總量的90%左右。同時，這3個國家也是世界主要小麥出口國，其中美國小麥出口量占世界小麥出口量的25%[10]。

3.3 進出口貿易逆差逐年增加 由表1可知，在小麥貿易中，我國長期以進口為主，每年都處于出口量低于進口量的貿易逆差狀態，從2010年到2020年貿易逆差逐年擴大，其中2020年貿易逆差尤為突出，達到819.9萬t。

我國小麥出口遠低于進口，貿易逆差較大，與我國小麥成本較高有關。成本較高導致我國小麥在國際小麥競爭市場處于劣勢，小麥生產成本較高原因主要有以下3個：一是小麥種植人工成本較高。目前，我國大量農業勞動力職業分化，向非農轉移，同時農業老齡化嚴重，造成小麥種植人工成本上升。二是土地流轉價格較高，尤其是經濟發達地區，土地流轉價格極高，超過15000元/hm2。規模化經營是降低種植成本的重要途徑，過高的土地流轉價格阻礙了規模化經營的實現，使得小麥成本上升。三是化肥等物質投入的增加提高了物質費用，導致小麥生產成本增加，不利于小麥的安全生產。

4 我國小麥進出口量趨勢預測

4.1 平穩性處理 對2019—2021年中國小麥月度進口量進行單位根檢驗，未通過檢驗，所以需要首先對序列去除趨勢，然后差分將序列轉化為平穩的時間序列。一階差分后的中國小麥月度進口量時間序列的ADF檢驗結果平穩。

4.2 模型識別及定階 在平穩化時間序列之后，本文利用AIC準則確定ARIMA模型的自回歸階數P和移動平均階數q，在使用Eviews10.0軟件計算后，得出最終AIC值最小的預測模型為ARIMA（2，1，2）。

4.3 參數估計及模型檢驗 通過對模型的識別與定階，認為ARIMA（2，1，2）模型進行擬合效果最好，并通過最小二乘估計法對模型進行參數估計，其P值均小于0.05，通過檢驗。ARIMA（2，1，2）模型的最終估計結果為：

[Xt= ][0.834040Xt-1-0.404867Xt-2-1.644635Xt-1+]

[0.925117Xt-2+εt]

其次，對模型進行殘差序列白噪聲檢驗，即Q統計量檢驗，結果如圖2。模型殘差的自相關和偏自相關值都小于臨界值，對應Q統計量的P值大于0.05，即接受原始假設，在5%的有效性水平下，表明模型可以較好地描述數據。

4.4 模型預測 數據通過檢驗后，以我國小麥進口數量2019—2021年月度數據為基礎進行預測，并與實際值進行對比，其結果如圖3所示。由圖3可知，其基本趨勢能夠與現實情況進行擬合，在可接受范圍內，證實了所建ARIMA（2，1，2）模型具有良好的可信度。據此，對2022年1—6月中國小麥進口趨勢進行預測，在2022年1—6月我國小麥進口將繼續上升態勢。

5 結論與建議

5.1 結論

5.1.1 下一階段小麥進口量將繼續保持上升態勢 從定量角度看，通過運用ARIMA模型對我國小麥進口量進行趨勢預測，可以預測未來一段時間小麥進口量將繼續呈現上漲趨勢。同時，從當前小麥進口量現狀來看，受國際國內環境變化，國內需求強勁等因素的影響，增長仍然是小麥進口的必然趨勢。

5.1.2 小麥進口來源依賴度較高，糧食安全風險增加 美國、澳大利亞、加拿大作為世界小麥主要生產大國，優質小麥資源豐富，能夠滿足我國小麥進口的需求。但是，我國小麥常年從這3個國家進口，容易產生進口依賴性，從而對我國糧食安全產生影響。當前，國際形勢復雜嚴峻，不穩定性因素增加，進口依賴性較高將會增加我國糧食安全風險。

5.1.3 小麥生產成本需進一步控制 由于人工成本上升、土地小麥生產成本過高、物質資料成本上升等原因，導致我國小麥生產成本較高。小麥生產成本較高導致我國小麥在國際市場處于劣勢，同時，種植小麥成本高導致利潤較少，不利于提高糧農種植小麥的積極性。因此，需要進一步控制小麥生產成本，以提升我國小麥國際市場競爭力，并提高小麥種植利潤，增加糧農種植小麥的積極性。

5.2 建議

5.2.1 依靠科技進步提高小麥產量，強化供給結構調整 我國小麥種植面積處于世界前列，但是在單產方面依舊落后于美國、加拿大、澳大利亞等小麥生產先進國家。在未來小麥生產中，要借助科技進步[11]，從以下2個方面提升小麥生產能力：一是推動種業創新。相關科研單位加快優質小麥研發，加快新品種的推廣;二是采用先進種植技術，進一步提高大型機械、智慧農業的應用水平，提高小麥產量。

5.2.2 警惕進口風險，分散小麥進口市場 目前，我國小麥進口來源依賴性已經顯現，需警惕進口風險。我國應該實現小麥進口渠道多元化，多國家多方位進口小麥，保障我國小麥進口安全[12]。小麥在全世界范圍內種植廣泛，且分布范圍較大，遍布各大洲及各個國家，小麥產量、品種都非常豐富。下一階段，中國應進一步與更多國家開展小麥貿易往來，將小麥進口國家分散化，降低小麥進口來源依賴性，降低進口風險，保障我國糧食安全。

5.2.3 實行適度規模化經營，降低小麥生產成本 規模化經營是降低小麥生產成本的有效途徑。首先，相較于目前我國普遍實行的分散且規模較小的小農戶生產方式，規模化的糧食種植能夠對土地利用實現最大化，為機械化生產提供條件，便于操作與管理。其次，規模化的生產可以減少單位土地面積勞動投入與購買投入，直接降低小麥生產成本。再次，規模化生產，能夠為優質品種試驗提供良好平臺，推動優質小麥生產。

參考文獻

[1]鐘志平，許世衛，孫素華.2020年中國糧食供需分析及未來展望[J].農業展望，2021，17（08）：3-14.

[2]李喜貴.小麥市場供需平穩價格保持在合理區間[J].黑龍江糧食，2021（08）：23-24.

[3]劉平，方旖旎.中國小麥進口結構及競爭力比較研究[J].市場周刊，2021，34（08）：144-146.

[4]王新華，魯艷，王銳，等.我國小麥進出口貿易發展現狀、原因及對策[J].農業經濟，2017（1）：114-116.

[5]龐碧玉，馮愛芬，曹振雪，等.中國糧食供需研究及預測——以小麥為例[J].河南科技學院學報（自然科學版），2020，48（03）：15-21.

[6]尹邦華，廖基定，黃朝強.改進灰色馬爾可夫模型[J].南華大學學報（自然科學版），2019，33（1）：52-57

[7]周永生，肖玉歡，黃潤生.基于多元線性回歸的廣西糧食產量預測[J].南方農業學報，2011，42（9）：1165-1167.

[8]王啟平.BP神經網絡在我國糧食產量預測中的應用[J].預測，2002，21（3）：79-80.

[9]趙桂芝，趙華洋，李理，等.基于混沌-SVM-PSO的糧食產量預測方法研究[J].中國農機化學報，2019，40（1）：179-183.

[10]何峰.新形勢下我國小麥進口現狀及趨勢分析[J].食品研究與開發，2021，42（23）：225-226.

[11]尹士，李柏洲.中國區域技術有效供給能力評價及影響因素[J].中國科技論壇，2018（04）：128-137，147.

[12]鄭國富.中國小麥進口貿易發展的格局演進與路徑優化[J].農業展望，2020，16（01）：127-131.

（責編：張宏民）