非洲豬瘟疫情下中國豬肉價格波動性研究—基于ARCH 族和BVAR 模型

孫大巖, 陳 磊, 布仁門德

(1. 東北財經大學經濟學院，大連 116025; 2. 內蒙古民族大學經濟學院，通遼 028000;3. 內蒙古東部鄉村振興研究基地，通遼 028000)

0 引言

養豬業與中國農耕經濟存在著相互促進、相互適應的良性互動，是中國古代農業經濟發展的一條重要脈絡。越是盛世朝代，養豬業越是發達，越是普及，以漢朝和唐朝最為明顯。漢朝很多地方官員勸導人民發展農業，倡導全民養豬、家家養豬；在唐朝，地不分南北都以養豬為重要農業活動，此時家豬在中國已經不單單是一種經濟產品，而擁有了濃濃的文化色彩。

在現代老百姓的日常生活中，豬肉依然占據著重要角色。據國家統計局數據顯示，2010 年以來，中國豬肉年人均占有量都在45 公斤以上。2019 年，雖然受到非洲豬瘟疫情的影響，國內豬肉產量有較大幅度下降，但依然達到4 255 萬噸。2019 年我國累計進口豬肉210.8 萬噸，同比增長178%；進口額累計值達323.7 億元，同比增長376.8%。

2018 年8 月3 日經國家實驗室確診，沈陽市沈北新區發生了中國首例非洲豬瘟疫情，隨后在河南、江蘇、浙江、安徽、內蒙古等31 省份都陸續發現了此類疫情。對此，國家和各地方畜牧獸醫部門迅速采取了隔離、封鎖、撲殺和清洗等一系列緊急措施給予應對，使得疫情得以有效控制。然而，此次疫情對豬肉市場特別是供給端產生了較大沖擊，盡管距疫情爆發已經過去一年多的時間，豬肉價格仍然在高位運行。

那么豬肉價格都具有哪些波動性質？哪些因素影響到了豬肉價格？各影響因素的影響方向和程度如何？本文嘗試使用兩種定量分析方法來解決這些問題：一個是將經常用于金融領域的ARCH 族模型來研究豬肉價格的波動性；另一個是使用將待估參數的先驗分布和樣本信息相結合的BVAR 模型來估計豬肉價格和影響因素間的關系。

1 文獻綜述

1.1 關于農畜產品價格波動性

對于農畜產品價格波動性的研究方法各異。石自忠等[1]使用時變參數VAR 模型研究了主要農畜產品和經濟政策不確定性間的關系，結論認為經濟政策不確定性對畜產品價格沖擊較大，2001 年美國“9·11”事件、2008 年全球金融危機和2011 年歐洲次債危機三個時期的不確定性經濟政策不同程度的影響農畜產品市場。陳甜和肖海峰[2]分析認為我國畜產品價格2007 年以來異常波動的原因包括：流通體系不完整導致抗風險能力差、規模化市場小不利于交易、信息服務和市場導向不健全等，并從價格預警機制、疾病監管機制、養殖激勵機制三個維度給出了具體的解決辦法。唐江橋和雷娜[3]選取價格波動率為警情指標，選取27 個指標構成警兆指標體系，運用時差相關分析得到6 個先行指標和滯后指標，以及15 個同步指標，最后實證檢驗了我國畜產品價格波動預警指標體系的可行性和客觀性。朱增勇等[4]研究認為非洲豬瘟導致豬肉產能下降供給不足，仔豬補欄和外調不暢壓欄嚴重，主產區育肥場和種豬場虧損嚴重，并提出了提升疫情防控能力、優化加工屠宰業結構、嘗試構建生態資源補償等解決辦法。盧彥丞和許畔[5]運用馬爾可夫向量自回歸模型分析了我國雞肉價格波動情況，結論認為當雞肉價格較低迷時，幼雞價格和玉米價格更顯著的影響雞肉價格；禽流感疫情的嚴重程度和雞肉價格存在明顯的負向關系。王茂安等[6]通過構建VAR 模型研究了中國四大肉類價格受非洲豬瘟疫情的影響，所得結論是二者存在長期均衡關系，需要使用誤差修正模型進行短期修正；同時，豬瘟疫情對四類價格的影響程度和持續性存在較大差異。石自忠等[7]通過構建TVP-VAR 模型研究了豬肉價格受豬瘟疫情等影響的情況，結果表明非洲豬瘟對畜產品價格的影響存在時變性，而且會持續較長時間。

1.2 關于農畜產品價格的影響因素

已有的文獻大多數是從產業鏈角度和金融角度分析農產品價格與影響因素的關系。Kr¨atschell 和Schmidt[8]使用頻域Granger 因果檢驗研究了食品價格與能源價格之間的長期和短期因果關系，發現油價是所有食品價格的格蘭杰原因，當價格的商業周期波動收到控制時，這種聯系在低頻時更加明顯。因此，投機或羊群行為等短期現象似乎對食品價格的影響不大，石油和食品價格之間的關系更多的是由長期發展確定的，對此可能的解釋是生物燃料的生產和使用。Algieri 等[9]使用2006 年至2016 年間12 種指數化農產品的周期貨數據，構建多元Logit 模型實證分析了投機交易對農產品價格波動的影響，結論認為在新興經濟體中商業周期驅動的需求變化導致了農業極端價格事件的產生；高回報促使金融參與者不斷將資金投入到農產品期貨市場中，這是導致價格突變的金融渠道；另外，能源渠道方面要考慮國際油價沖擊對農產品的溢出效應。劉茜[10]研究認為，可以從三方面來分析影響農產品營銷價格的因素，其一的生產者環節主要指農業的生產成本，包括極少的人均耕地面積，較差的農業生產條件和缺乏的農業勞動力；其二是處于銷售渠道的哪個環節，又分為產地批發商、銷地批發商和零售商；其三是消費者的購買能力，購買能力又主要取決于收入水平。李靚等[11]運用通經分析法研究了貨幣政策、國際原油價格和農產品價格三者的關系，得出結論認為貨幣政策與農產品價格正相關，但間接影響大于直接影響，主要通過農業生產成本、國際原油價格和城鎮居民收入三種渠道施加間接影響。

1.3 關于ARCH 族和BVAR 模型的使用

ARCH 族和BVAR 模型多用于金融領域。黃義[12]運用DCC-MGARCH 模型和VAR(p)-MGARCH(1,1)-BEKK 模型考察了我國房地產市場和股票市場的動態相關性以及波動溢出效應，研究認為股票價格和房地產價格都存在時變性和集聚性，兩市場的動態相關性具有明顯的時變特性，同時存在雙向波動溢出效應。周曉波等[13]分別使用BPAdaboost、ARCH、GARCH 和ARMA 模型對CPI 的波定性進行了預測，并用均方誤差、平均絕對誤差和DM 統計量來比較預測的效果，發現BPAdaboost 的預測效果最好。蘇念思等[14]選用鄭州期貨交易所提取的棉花日收盤價的2 232 個數據，在經過價格平減并使用HP 濾波法提取周期成分后，將此時間段的棉花收益價格序列分成了三個周期，并用ARCH 族分析了波動性，得出的結論是價格波動具有集簇性、非對稱性，說明交易者對好消息比壞消息有更大的反應程度。高小紅等[15]使用非線性格蘭杰檢驗和BVAR 模型研究了美國的貨幣政策和中國通貨膨脹的關系，結論認為匯率對中國的通貨膨脹產生線性影響，而大宗商品價格對中國的通脹產生非線性影響。中國人民銀行長春中心支行課題組[16]基于中國的數據，從信用創造視角研究了影子銀行和貨幣供給的關系，結論揭示影子銀行對貨幣供給存在周期性作用，2008 年金融危機以來中國影子銀行的擴張減少了貨幣供給量。

總結以往的研究成果發現，關于畜產品價格的波動性主要是使用VAR、TVP-VAR、Markov-VAR 模型的脈沖響應函數和區制變換來描述，而本文嘗試采用適用于樣本數較大(2000 年1 月至2020 年3 月的月度數據)場合的ARCH 族模型來刻畫豬肉價格的波動性，這既可以體現長數據列下的整體性質，又可以通過ARCH 族中的不同子模型來同時描述序列的波動成群現象、高風險高回報和利空利好帶來的非對稱性等特征。

關于豬肉價格的影響因素更多地從國際原油和農產品價格來考慮，而本文綜合考慮國際國內兩個市場對豬肉價格的影響，具體指標包括匯率、豬疫情指數、玉米價格和可支配收入，特別是豬疫情指數可以充分體現非洲豬瘟疫情的背景；而且構建了較少使用的貝葉斯向量自回歸模型來描述豬肉價格和影響因素的關系，該模型可以通過對待估參數施加約束條件來克服樣本量較少的缺點，避免自由度的損失。

2 豬肉價格走勢和理論分析

2.1 全國及代表性省份豬肉市場價格情況

為了客觀全面描述全國以及代表性省份豬肉價格情況，我們結合四大經濟分區與豬易數據整理出的2018 年生豬出欄量排名靠前的省份，選取了全國和有代表性省份的去皮帶骨豬肉價格(單位：元/公斤)來進行對比分析。八個省份分別是東北地區的遼寧和黑龍江、東部地區的山東和河北、中部地區的河南和湖南、西部地區的四川和云南。為了顯示時間縱向維度的變化趨勢，我們繪制了2000 年1 月至2019 年11 月各序列的豬肉價格折線圖，如圖1 所示。

圖1 中國及八個省份價格變化趨勢

由圖1 可知，全國和八個省份的價格除個別時期外基本趨同，大致都分為三個階段：第一階段是2000 年1 月至2006 年6 月，豬肉價格持續在低位運行；第二階段是2006 年7 月至2019 年1 月，豬肉價格有較小幅度的波動性上漲，在北京奧運會即將召開的2008 年3 月、口蹄疫和藍耳病爆發后的2001 年9 月、中小規模養豬散戶陸續退出后的2016 年6 月三個時間節點達到局部最大值；在養豬大發展供大于求的2006 年6 月、2009 年6 月、2014 年4 月和環保要求導致生豬大量提前出欄的2018 年5 月四個時間節點達到局部最小值；第三階段是2019 年2 月至今，豬肉價格持續在高位運行，特別是在去年10 月達到了每公斤53.49 元的歷史峰值。另外，還需要注意在以下兩個時間段全國和代表性省份間價格出現了較大的差別：一段是2018 年8 月至2019 年5 月，這段時間是此輪非洲豬瘟集中爆發的時間段，不同地區疫情爆發的先后順序和嚴重程度各不相同，導致序列間價格出現了較大的差別；另一個是2005 年11 月，由于發生了無名高熱性疫情河南省豬肉價格發生了斷崖式下跌。

2.2 豬肉價格因素影響的理論分析

2.2.1 產業鏈角度

產業鏈上游會影響到豬肉價格，這些因素包括飼料、生豬、能繁母豬數量等。養豬的飼料主要包括玉米和豆粕，豬糧比是用來衡量生豬價格和玉米價格比值的常用指標，一般認為當此數值為6 時，為養豬的盈利虧本平衡點。在非洲豬瘟后的此輪價格上漲周期中，豬糧比的峰值出現在2019 年10 月的第5 周和2019 年11 月的第1 周，此時活豬價格達到每公斤38.71 元和38.18 元，在玉米價格基本恒定的情況下，豬糧比數值分別高達18.26 和18.01，說明養豬可以帶來豐厚的利潤。豆粕是大豆提取豆油后得到的一種副產品，豆餅和豆粕中粗蛋白質含量高達30%～50%，是動物主要的蛋白質飼料之一。豆粕價格在2008 年7 月達到峰值后逐步回落，這也為養豬降低了生產成本。疫情爆發初期，為了盡快控制疫情對被感染活豬進行撲殺，這直接導致了能繁母豬、成年豬和仔豬數量大幅減少，從而推高了豬肉的市場價格。隨后，為了穩定價格，國家大力加強生豬調動以恢復生產。

2.2.2 消費需求角度

從長期看，豬肉消費需求主要由人口增長、居民收入水平和消費結構決定?！叭鎯珊ⅰ闭邔嵤┖螅?016 年和2017 年，我國人口分別增長了809 萬和737 萬，較之前年份都有所增加，但是2018 年和2019 年分別只增長了530 萬和467 萬人，都是建國以來較低的值。因此，未來人口增長情況尚不確定。在收入水平較低時，人均可支配收入對豬肉消費需求的影響很大。而當社會進入中等收入水平之后，肉類消費需求主要與居民的飲食結構以及飲食偏好有關。2018 年中國人均GDP 約為9 780 美元左右，按照世界銀行2015 年的標準，我國就已處于中高等收入國家行列的偏高水平。盡管多年來形成了肉食以豬肉為主的消費習慣，然而，隨著人們對健康要求的提高，食用雞肉和魚肉的量會不斷增加；另外，在不受收入約束的情況下，價位稍高的牛羊肉消費比重也會提高。從短期看，豬肉需求主要受食品安全和季節性飲食習慣等影響。

2.2.3 其他角度

還有其他一些因素會影響到豬肉價格。首先是疫情因素，除了導致本輪豬肉價格劇烈上漲的非洲豬瘟疫情外，常見的疫情還包括藍耳病、豬繁殖與呼吸綜合征、豬丹毒、豬肺疫等。隨著我國規?；B殖水平的不斷提高，疫情大規模傳染的可能性也隨之提高。其次是金融因素，2007 年8 月份中國人民保險等五家保險公司試點推出包括生豬生產、屠宰、冷凍、運輸、銷售和產品質量等覆蓋整個生豬產業鏈的保險產品，確保生豬產業鏈上下游的穩定。2020 年4 月24 日，中國證監會正式批準大連商品交易所開展生豬期貨交易，這為大型生豬產業鏈企業運用期貨工具規避風險提供了好的公共平臺。其三是外貿因素，隨著豬肉進口數量的不斷增加，總供給會擴大，這必將影響國內豬肉的價格。

3 實證分析

3.1 豬肉價格波動性研究

對農畜產品相關價格變量的波動性進行描述時，產生的誤差分階段的或大或小，即說明條件方差和過去誤差的大小以及時間變化有關，而這種波動性我們可以用自回歸條件異方差模型族來描述。

3.1.1 ARCH 模型

首先令yt代表全國每公斤去皮帶骨豬肉價格，一般要構建ARCH 族模型的前提是要求序列具備平穩性，所以我們引入變量Rt= lnyt ?lnyt?1代表豬肉價格的變化率，數據段選擇為2000 年1 月至2020 年3 月的月度數據。ARCH 模型的建構順序是先均值方程后方差方程，取波動率R的1～5 階分布滯后模型，對比發現，只有一階和二階滯后項通過了系數顯著性檢驗，而且取二階比一階滯后有更大的擬合優度值。因此，我們得到以下的豬肉價格均值方程

以下圖2 為式(1)均值方程的殘差分布圖，通過觀察波動存在“成群”現象，即較大值集中在一起，較小值也集中在一起，這說明殘差項可能存在條件異方差。

圖2 均值方程殘差分布圖

下面我們使用ARCH LM 方法進行檢驗，結果見表1。觀察表1 可知，對于F和T×R2統計量來說，對于1～5 的不同滯后期相應的伴隨概率都小于顯著性水平0.10，所以認為豬肉價格殘差序列存在ARCH 效應。

表1 條件異方差的ARCH LM 檢驗結果

ARCH 模型的條件方差依賴于上若干期擾動項的平方。對比豬肉價格的條件方差方程知滯后1 期、2 期和3 期可以通過顯著性檢驗，而且系數均非負；但是ARCH(1)的擬合優度值和對數似然值比較大，施瓦茨和赤池統計量較小，所以得到方差方程的最終形式如下通過式(2)可知，兩個系數估計值均非負且和小于1，可以保證協方差的平穩性。

3.1.2 GARCH 模型

不同于ARCH 模型，GARCH 模型的條件方差除了和若干期擾動項的平方相關外，還受上述若干期預測誤差的影響。我們繼續構建豬肉價格GARCH 模型，在服從ARCH(1)過程的基礎上GARCH 只有取1 時，系數才都是顯著的，且取值為非負，GARCH(1,1)的具體形式如下

觀察(4)式知ARCH 項和GARCH 項的和為0.806 0，小于1，滿足參數約束條件，說明豬肉價格條件方差受到持久性沖擊，而且可以利用這個沖擊來預測未來值。

3.1.3 GARCH-M 模型

GARCH-M 模型和ARCH 模型的區別僅是在均值方程中增加了條件方差項，當然有些時候可以用條件標準差或者條件方差絕對值代替條件方差。在GARCH(1,1)的基礎上加上“風險”項得到

觀察(5)和(6)式知，系數都通過了顯著性檢驗，而且“風險測量”系數值為正，說明豬肉價格存在高風險高回報的特點，即當市場中預期風險提高一個單位時，收益率也相應增加0.339 4 個百分點。

3.1.4 TARCH 和EGARCH 模型

TARCH 和EGARCH 模型的條件方差是在GARCH 模型的基礎上增加了非對稱效應項，TARCH 模型中條件方差是通過虛擬變量來描述，而EGARCH 模型中的條件方差是通過上一期擾動項與上一期的條件方差商的絕對值來衡量的。構建關于豬肉價格的兩個非對稱模型如下在TARCH 模型(8)中，杠桿效應系數γ等于?0.029 7，說明對于豬肉價格來說，“利好消息”比“利空消息”能夠帶來更大的波動。當市場中存在“利好消息”時，dt?1= 0，即給豬肉價格帶來0.180 9 倍的沖擊；而當市場中存在“利空消息”時，dt?1=1，即給豬肉價格帶來0.151 2 倍的沖擊。在EGARCH 模型(10)中，非對稱項系數γ等于0.064 6，即當市場中存在“利好消息”時，ut?1> 0，此時，給豬肉價格波動帶來0.143 1 +0.064 6 = 0.207 7 倍的沖擊；而當市場中存在“利空消息”時，ut?1＜ 0，此時，給豬肉價格波動帶來0.143 1?0.064 6=0.078 5 倍的沖擊。兩種模型得出的結論相一致。

3.2 豬肉價格影響因素研究

關于變量選取，選用去皮帶骨豬肉價格代表全國豬肉價格，用y來表示，單位是元每公斤；選用22 個省市玉米平均價格代表全國玉米平均價格，用x1表示，單位是元每公斤。由于城鎮居民比農村居民對豬肉的消費要高得多，因此選用城鎮居民人均可支配收入代表豬肉消費水平，用x2表示，單位是元每人；由于美元是國際貿易結算中最常用的貨幣之一，所以選擇人民幣兌美元中間價代表匯率水平，用x3表示；選用豬疫情指數來代表疫情程度，用x4表示。數據選取2000 年1 月至2020 年3 月的月度數據，其中城鎮居民人均可支配收入數據是由季度升頻到月度而形成。豬肉價格和玉米價格數據來自中國畜牧業信息網，城鎮人均可支配收入數據來自中國經濟信息網產業數據庫和Wind 數據庫，匯率數據來源于中國人民銀行網站，疫情指數數據來自布瑞克農業數據庫。為了降低異方差和指數趨勢，對原序列分別取了對數。

3.2.1 平穩性檢驗

弱平穩時間序列一般指滿足均值相等、方差相等、協方差僅與樣本點間隔大小有關的序列。使用擴展的迪奇富勒法檢驗以上五個序列的平穩性，結果見表2，其中lny和lnxi表示五個序列的對數序列，而?lny和?lnxi代表對數差分序列。觀察表2 可知，對數序列對應的p值都大于顯著性水平0.05，即非平穩。而對數差分序列對應的p值都小于顯著性水平0.05，說明是平穩序列。因此，五個序列同為一階單整序列，可以繼續檢驗協整性。

表2 ADF 檢驗結果

3.2.2 協整性檢驗

社會生活中經常遇到幾個序列具有相同的變化趨勢，看似有關系實際不存在，即稱為偽回歸現象。為了避免出現這種狀況，我們可以檢驗一下變量間是否相關，常用的檢驗多變量協整關系的方法是約翰森協整檢驗。對應滯后期為4 的檢驗結果見表3，觀察表3 可知，當原假設為“不存在協整關系”時，p值小于顯著性水平0.05。而當原假設為“至多存在一個協整關系”時p值大于顯著性水平0.05，說明變量間存在一個協整關系。

表3 約翰森協整檢驗結果

3.2.3 BVAR 模型構建

BVAR 模型將后驗分布看成與先驗分布和似然函數的乘積成正比，進而計算相應的矩估計。分析的基礎是研究者能夠基于經驗合理地指定參數的先驗分布，從而增強對參數真實值的統計推斷能力。常見的先驗分布有三種：Litterman/Minnesota 先驗、Normal-Wishart 先驗和Sims-Zha 先驗。Litterman/Minnesota 先驗認為協方差矩陣是已知的，而且后驗推斷很容易得到。下面即用此法構建BVAR 模型，首先來確定滯后階數，經對比發現滯后期取2 時，決定系數為0.956，值較大；殘差平方和為0.276 1，值較小；F統計量為239.148 3，值較大，同時AR 根的倒數值都位于單位圓內部，說明模型是穩定的，見圖3。因此，選2 為滯后階數。其次來確定四個參數μ1、λ1、λ2和λ3的值，其中μ1代表先驗分布的均值，λ1代表整體參數的“收緊”程度，λ2代表交叉變量間的相關性，λ3代表滯后變量方差的衰減速度。參見文獻[16–18]的相關研究，我們取μ1= 0,λ2= 0.99,λ3= 1。參見文獻[19]的處理方法，將λ1取不同值，我們得到表4 的回歸結果。觀察表4 可知，當λ1取2.7 時，決定系數和修正決定系數達到最大值，而殘差平方和與回歸標準差較小。因此，取λ1=2.7。

圖3 特征根倒數取值分布

表4 整體參數變量的回歸結果

3.2.4 脈沖響應函數

對于BVAR 模型來說，相對于具體的參數估計值，脈沖響應結果更能形象地反應變量間的關系。其表示當一個變量在當期受到一個單位正向沖擊時，另一個變量的響應程度。豬肉價格對四個解釋變量所受沖擊的響應結果見圖4。

圖4 豬肉價格對影響因素的脈沖響應圖

在圖4 中，橫軸為滯后階數，因為是月度數據所以選擇滯后期為48，縱軸為響應數值。圖4(a)和圖4(c)說明，當lnx1和lnx3受到一個單位正向沖擊時，短期內lny都呈現較強的正向響應；圖4(b)說明，短期內lny對lnx2呈現較弱的正向響應；圖4(d)說明短期內lny對lnx4呈現較強的負向響應。總體來看，四個變量對lny的影響持續時間都較長，在24 期后才逐漸減弱接近于0。

3.2.5 方差分解

簡單講，向量自回歸模型中的方差分解用來分析影響因變量的結構沖擊的貢獻度大小，進而評價不同結構沖擊的重要性。表5 給出了方差分析結果，第一列為滯后期，我們最大取到了第30 期，為壓縮表格長度，將1～19 期省略；第二列為標準差；后五列分別是五個變量對因變量lny方差變動的具體貢獻值。我們發現從20 期開始數值開始趨于穩定，比較來看，因變量lny對自身的貢獻度最大，達到60%左右；其次是lnx3，約占28%；接下來依次是lnx2、lnx1和lnx4，占比都較低。

表5 方差分析結果

4 結論與對策

4.1 結論

在非洲豬瘟背景下，本文以豬肉價格作為代表研究了中國畜產品價格的波動性，使用的數據段為2000 年1 月至2020 年3 月的月度數據，實證所有模型為ARCH 族和BVAR 模型，得出的結論如下。

第一、豬肉價格條件方差存在波動“成群”現象；豬肉價格存在高風險高回報的特點，即當市場中預期風險提高時，收益率也相應增加；“利好消息”比“利空消息”能夠帶來更大的波動。

第二、豬肉價格、玉米價格、城鎮居民可支配收入水平、匯率水平和豬疫情指數五個指標原序列非平穩，而一階差分序列平穩，即為一階單整序列I(1)。約翰森協整檢驗結果揭示序列間存在一個協整關系，即存在長期均衡關系。

第三、在短期內，玉米價格和匯率水平對豬肉價格有較強的正向影響，可支配收入對豬肉價格的正向影響作用較弱，而豬疫情對豬肉價格存在較強的負向影響。從長期看，四個指標都對豬肉價格存在持續性影響，從24 期后才逐漸減弱接近于0。

第四、對于豬肉價格的波動貢獻率最大的是自身，其次是匯率水平，接下來依次是城鎮居民可支配收入水平、玉米價格和豬疫情指數，而且占比都不高。

4.2 對策

對于豬肉價格波動存在的集簇現象，由于小波動對市場影響不大，所以我們更多關注大波動的情況。大波動的預期持續出現，既為我們的預測提供了依據，又為制定更合理持續性對沖政策確定了時間點。高風險高回報的存在，表明豬肉供給方可以理性地要求更高的交易價格。同時，我們也要積極防范可能的市場投機行為，比如，最近大商所新上市的生豬期貨交易就是不錯的工具。好消息比壞消息對價格波動有更大的影響，主要體現為養豬市場進入成本低而退出成本高，為了不出現大漲大落，要適度調高入市門檻和降低退市門檻。

影響因素方面，可以通過調低玉米飼料的價格來降低豬肉價格，具體措施是繼續推進2014 年國務院提出的目標價格改革，逐步改變玉米的政府保護價為公開市場價格，通過各種補貼的形式對農民進行補償。隨著人民幣國際地位的不斷提升，人民幣升值是長期趨勢，而政府要做的就是通過擴大資本市場開放和逆周期宏觀審慎措施來保持人民幣穩定性，進而保證豬肉價格的波動維持在較低水平。可支配收入提高對豬肉價格的影響漸弱，表明老百姓的需求正由生存需求向更深層次的需求轉變。因此，要提供更好的文化和精神娛樂產品。疫情對豬肉價格有著“過山車式”的影響，因此要加強對國內外疫情的監測預警，并為類似非洲豬瘟等各種突發事件的出現做好準備。