現代都市型農業背景下生鮮乳價格波動預警研究*
——以天津市為例

李慧燕，張淑榮，江智偉

(1. 天津農學院經濟管理學院，天津市，300392； 2. 天津農學院計算機與信息工程學院，天津市，300392)

0 引言

在高度城市化的大都市，農業規模盡管較小，但對保障百姓基本民生起到重要作用，抗風險能力提升對于現代都市農業發展尤為重要。農產品生產周期少則一兩個月，多則半年，甚至更長。在此過程中，農產品生產易受自然氣候、市場條件、政策調整等多種因素影響，導致價格波動。因此需建立農產品價格預警機制，預判價格波動風險，為農業相關政策制定提供依據，從而維護農產品價格穩定。

在進口乳制品的沖擊和大型乳企的控制下，天津市生鮮乳價格經歷了數年“寒冬”，奶牛飼養數量呈現較大幅度波動，影響了生鮮乳供給量和牛奶自給率。與此同時，生鮮乳價格的高低不僅決定了奶牛養殖戶(場)的收益，也影響著下游乳制品企業的生產成本。

為了更好地理解并準確把握生鮮乳價格的變化規律和影響因素，國內外學者利用大量數據，采取數理統計方法對生鮮乳價格展開深入研究。在生鮮乳價格波動規律方面，學者多采用CensusX12和H-P濾波分析法，對我國生鮮乳價格波動規律、周期性進行研究[1-6]。對于生鮮乳價格波動的原因，周憲鋒等[7]認為由于原料奶的需求彈性小于生產供給彈性，由此導致原料奶市場波動。從影響因素來看，造成生鮮乳價格波動的因素主要有玉米價格、進口苜蓿價格、豆粕價格、鮮奶價格、國際主要市場生鮮乳價格、進口嬰幼兒奶粉、進口乳清粉、產業政策、質量安全事件等[8-11]。為了預判農產品價格走勢，學術界開始加深對農產品價格監測、預警方面的研究。歐美等發達國家對農產品生產、消費等方面的信息采集、分析、發布起步較早，針對價格波動預警機制的研究較多。美國農業部USDA開展的農業信息監測涉及120多個國家、60多個農產品品種，且從信息采集到信息發布進行立法，監測預警過程嚴謹規范[12]。Kumar[13]構建預警模型，對糧食生產進行監測預警。國內這方面研究起步相對較晚，中國農業科學院構建了中國農產品監測預警系統，采用智能化、仿真化的分析手段，對農產品信息展開即時監測與信息分析。還有一些學者構建了生豬、糧食、水產品等農產品價格預警體系[14-17]。

國內外學者針對生鮮乳價格波動規律、影響因素展開了豐富而卓有成效的研究，為后續研究奠定了堅實基礎，但針對現代都市農業特征下生鮮乳價格波動規律研究較少，尤其是針對生鮮乳價格波動預警機制的研究鳳毛麟角。為了推動生鮮乳市場健康發展，天津市建立了生鮮乳價格協商機制，但該機制還有待進一步完善，亟待科學預判生鮮乳價格走勢、建立生鮮乳價格波動預警機制，為生鮮乳價格協商提供依據，從而保障生鮮乳穩定供給。在此背景下，本文以天津市為例，在對生鮮乳價格波動規律進行分解剖析的基礎上，對生鮮乳價格進行短期預測，測算警限區間，明確預警狀態；確定生鮮乳價格波動的先行警兆指標，基于BP神經網絡構建生鮮乳價格波動預警模型，提出相關政策建議，以期為生鮮乳價格預警機制構建提供借鑒，為穩定生鮮乳價格提供政策參考。這一研究對穩定生鮮乳價格、維護特大型城市奶牛養殖戶(場)和乳品企業的合法權益具有重要意義。

1 天津市生鮮乳價格波動周期分析

農產品價格季節性特別明顯，且存在大量的重復模式、數據拐點、離群點以及因節假日造成的價格變動[18]。如圖1所示，本文利用季節調整法得到生鮮乳價格趨勢性成分(MP_TC)，結果顯示天津市生鮮乳價格自2015年下半年開始至2018年上半年，整體上呈現下滑態勢，但自2018年下半年以來上漲態勢較為明顯，收購價格普遍高于上一年同期水平。

運用H-P濾波分析法，分離天津市生鮮乳價格趨勢性成分中的趨勢序列Tend和周期序列Cycle，從而分析其變動趨勢和季節規律。如圖1所示，趨勢序列為先向下又微上揚的平滑曲線，表明自2015年以來天津市生鮮乳價格呈逐年下滑的態勢并于2018年下半年出現上漲的趨勢。循環序列曲線走勢表明自2016年開始生鮮乳價格周期性波動愈來愈明顯。

圖1 天津市生鮮乳價格波動趨勢分析和周期分析

以月為單位，天津市生鮮乳價格大致經歷了4個周期，價格波動周期基本保持在12個月左右。結合圖2可見，天津市生鮮乳價格波動存在比較明顯的季節性，每個自然年度內生鮮乳價格的最高價基本出現在每年年末至來年1—2月，最低價出現在7—8月。此價格的季節性波動主要是受到消費市場影響。1—2月正值中國重大傳統節日—春節，乳制品作為走親訪友的主要禮品之一，需求十分旺盛，乳企不得不通過調高收購價格，爭取更加穩定的奶源，從而保證乳企的正常生產活動，滿足節日期間市場需求。而夏季，盡管受到奶牛熱應激反應的影響，短時間內部分畜牧場生鮮乳產量出現下降，但是整體上對生鮮乳價格影響不大。

圖2 天津市生鮮乳價格波動季節因素

2 生鮮乳月度價格短期預測及預警

2.1 生鮮乳月度價格短期預測

奶牛從幼牛到成年牛有特定生長周期，因此預警提前量需要考慮生長周期，這樣預警才更具有實際意義。一般而言，奶牛大致要經歷初生牛犢、犢牛、育成牛、青成牛、成年牛等多個階段，養殖22～24個月，才能產崽產奶。

因此考慮到奶牛的生長周期，本文對樣本外2020年1月—2022年12月天津市生鮮乳價格進行預警。通過多次比較2019年1—9月的預測值和實際值，考察平均絕對誤差MAPE和希爾不等系數TIC兩項指標，發現對季節調整法和Holt雙參數指數平滑法得到的預測值進行組合預測(權重分別為35%和65%)結果最為理想，其中MAPE值為0.497%，遠低于10%的臨界值，說明預測精度很高；TIC值為0.003 2，接近于0，同樣說明預測結果精度很高。其中季節調整法中趨勢預測模型估計結果，各參數均通過了顯著性檢驗，調整后的擬合優度為0.829，F統計量為115.006，模型估計結果良好。

趨勢預測模型估計結果為

P_TC=3.846-0.028×T+0.000 6×T2

(178.921)(-13.824)(14.931)

(1)

式中：P_TC——生鮮乳月度價格；

T——時期。

進一步利用組合預測方法，計算得出組合預測結果，詳見表1。從表1可以看出，天津市生鮮乳月度價格雖有升有降，但整體呈現出上漲態勢，季節性波動亦比較明顯。2022年1—6月天津市生鮮乳價格保持在4.34～4.38元/kg之間，其中2022年2月達到最高值，為4.38元/kg。

表1 天津市生鮮乳月度價格組合預測結果Tab. 1 Combined forecast results of fresh milk monthly price in Tianjin 元/kg

2.2 生鮮乳月度價格波動預警

2.2.1 警限和警度的確定

確定警限的方法有很多種，其中專家經驗法主要依靠人們的經驗來劃定警限，主觀性較強。若研究人員經驗豐富，可能會通過專家經驗法得到比較理想的預警結果。但為了避免出現因經驗不足導致警限確定不當等問題，選擇客觀性強的系統方法和統計方法更合適、更便于操作。根據經濟學理論，商品價格圍繞均衡點出現小幅波動，表明價格信號及時靈敏地反映出市場供需變化。根據價格信號，市場供求雙方及時調整供給或需求水平，市場回到均衡狀態。而價格波動存在警情主要有以下兩種情況：一是價格長期低于或高于均衡點，則認為該價格波動存在警情(雙側有警)；二是波動幅度大，遠離均衡點，則認為該價格波動也存在警情。

借鑒葛慧玲[19]、唐江橋[14]、信麗媛[15]的方法，本文以消費者價格指數月度波動率平均值為基準點，以其標準差作為警限的確定依據，將警度分為5個等級，對應5個警限區間，并分別采用5種信號燈顯示預警信息，反映不同市場狀態。根據國家統計局公布的天津市消費者價格指數月度環比數據，計算得出波動率及其月度平均值和標準差，波動率月度平均值計算結果為0.181，其標準差為0.534，警限區間詳見表2。

表2 警情指標的警度、警限和市場狀態Tab. 2 Alarm degree, alarm limit and market state of alarm indicators

2.2.2 價格波動預警結果

利用生鮮乳價格短期預測結果，計算其月度波動率，并將其與各警限臨界值進行比較，得到預警結果如表3所示。由表3可知，30個月中無警狀態的月份有16個、輕警狀態12個、重警狀態2個，生鮮乳價格整體比較穩定。價格波動相對比較頻繁的時間段是每年下半年，尤其是10—12月。年末生鮮乳價格出現相對大幅度的增長，其原因主要是由于年底乳制品企業尤其是飲用奶生產商為即將到來的元旦和春節備貨，搶占奶源，生鮮乳需求旺盛所致。春節過后的3—4月份，基本會出現負向輕警，生鮮乳價格出現小幅下降。

表3 天津市生鮮乳月度波動預警結果Tab. 3 Warning results of monthly fluctuations of fresh milk in Tianjin

3 基于BP神經網絡模型的生鮮乳年度價格波動預警機制

3.1 預警指標體系構建

生鮮乳價格主要受到供給、需求、自然條件、政策與經濟環境方面的影響，但其中起決定作用的還是生產和消費環節，因此本文重點考慮生鮮乳供需方面，結合現代都市型農業的自然條件、政策與經濟環境特點，對預警指標進行選擇。

3.1.1 警情指標

借鑒唐江橋[14]、信麗媛[15]等研究成果，本文采用生鮮乳價格波動率作為警情指標，計算公式為

(2)

式中：Pt、Pt-1——第t年、第t-1年天津市生鮮乳價格；

Rt——天津市生鮮乳價格波動率。

3.1.2 警兆指標

1) 警兆指標的選擇。生鮮乳年度價格波動預警警兆指標的選擇可能涉及生鮮乳生產、加工、存貯、流通、乳品消費等多個環節。自然條件方面，天津市近年未發生嚴重的自然災害天氣，且從生產實際來看，冰雹等惡劣天氣對生鮮乳生產影響極小。高溫天氣是影響生鮮乳生產的自然因素之一。天氣炎熱時，奶牛通常會產生熱應激反應，產奶量可能出現一定幅度的下降，但該影響在年度數據中無法體現。因此本文警兆指標主要從供給、需求、政策與經濟環境方面考慮，結合指標體系構建的可操作性、系統性、客觀性、代表性原則進行篩選。天津市生鮮乳價格波動預警警兆指標如表4所示。

2) 先行指標、同步指標、滯后指標的確定。為了便于對天津市生鮮乳價格波動進行分析和預警，本文將警兆指標分為3類，分別是先行指標、同步指標和滯后指標。先行指標的變化領先于生鮮乳價格變化，預示著生鮮乳價格的變化趨勢，對于預報生鮮乳價格波動警情十分重要；同步指標與生鮮乳價格變化在時間上一致；滯后指標晚于生鮮乳價格的變化。

在確定警兆指標的各種方法中，時差相關分析法對數據序列長度要求不高、計算量小、可操作性強、精確度高，因此常被用來劃分警兆指標類別。

設Rt為基準指標，xt為被選擇指標，即警兆指標；r為時差相關系數，則

(3)

其中，l=0，±1，±2，…，±L；當l≥0時，t′=1；當l<0時，t′=1-l。

式中：l——延遲數或時差，若l>0，表示該指標滯后；若l<0，表示該指標超前；若l=0，則二者同步。

表4 生鮮乳年度價格波動預警警兆指標Tab. 4 Pre-warning indicator of fresh milk yearly price fluctuation

在某延遲數下，若被選擇指標與基準指標的時差相關系數絕對值最大，一般認為該延遲數下二者波動最為接近。

考慮到實際經濟意義和樣本數，本文以生鮮乳價格波動率為基準指標，運用時差相關分析方法，計算警兆指標(當年、前3年、后3年，共7個數據)與基準指標的時差相關系數，找到最大時差相關系數，根據該延遲數確定其先導強度和先導長度，明確其先行、同步或滯后性質。

本部分原始數據來源于全國畜牧總站、國家統計局官網、《天津統計年鑒》、Comtrade數據庫、《全國農產品成本收益匯編》等。

通過計算與比較時差相關系數，本文得出各指標的類型，詳見表5。

由表5可知，先行指標包括城鎮人口比重、農業人口增長率、城鎮居民人均可支配收入增長率、乳制品產量變動率、通貨膨脹率和市場化水平，是影響生鮮乳價格的主要因素。

3.2 BP神經網絡模型

樣本小、數據非線性、影響因素復雜是構建價格波動預警模型時需要考慮的三大問題。基于此，本文進一步基于BP人工神經網絡進行預警模型的構建。

對天津市生鮮乳價格波動進行預警，輸入變量為先行警兆指標。考慮到先行警兆指標不同的先導長度，因此先行1期的警兆指標為i-1年數據，先行2期的警兆指標為i-2年數據，先行3期的警兆指標為i-3年數據。上文已確定6個先行警兆指標，分別為城鎮人口比重、農業人口增長率、城鎮居民人均可支配收入增長率、乳制品產量變動率、通貨膨脹率、市場化水平。

根據蛛網理論，上一期價格對當期價格影響較大，因此本文增加上一年度生鮮乳價格變動率作為第7個先行警兆指標，基礎數據詳見表6。由此輸入變量是一個7維向量，輸入層神經元數量為7；輸出變量為警情指標，即天津市生鮮乳價格波動率，是BP神經網絡的目標向量，輸出層神經元數量為1；隱層神經元數量為15。

表6 構建BP神經網絡模型的基礎數據Tab. 6 Basic data for constructing BP neural network model

3.3 BP神經網絡訓練結果

如表7、圖3所示，本模型經過42次訓練后，網絡誤差達到0.005的目標。預測結果的均方誤差MSE值為0.001，均方根誤差RMSE值為0.037，平均絕對誤差MAE值為0.033。進一步計算希爾不等系數TIC值，得到TIC值為0.145，介于0與1之間，且接近于0，說明BP神經網絡預測精度較高，預測結果比較理想。將測試樣本數據輸入模型，驗證此預警模型的有效性，測試結果為0.101 5，與2019年實際值0.106 7相近且均顯示為無警狀態，因此該模型達到預警要求，可以用此模型對生鮮乳年度價格進行預警。

表7 BP網絡訓練結果Tab. 7 BP network training results

圖3 生鮮乳價格波動預警模型訓練過程

4 結論與政策建議

4.1 結論

本文利用季節調整法和H-P濾波分析法，充分分析天津市生鮮乳價格波動的趨勢性和周期性，并采用組合預測方法對生鮮乳月度價格進行短期預測。對于月度價格波動預警，本文設定警度、警限區間，并對預測結果進行預警。在年度價格波動預警機制問題上，本文建立預警指標體系，利用時差相關分析法，確定影響生鮮乳價格的先行指標，構建BP神經網絡模型，對預測結果進行訓練，最終得出理想的預測結果。

1) 天津市生鮮乳價格趨勢序列呈現先向下后微上揚的態勢，2016年開始周期波動愈加明顯，價格波動周期基本保持在12個月左右。組合預測精度較高，預測結果顯示2022年1—6月生鮮乳價格在4.34～4.38元/kg之間，其中2月價格最高為4.38元/kg。

2) 月度價格波動預警結果顯示天津市生鮮乳價格整體比較穩定。價格波動相對比較頻繁的時間段是每年下半年，尤其是10—12月，生鮮乳價格易出現正向輕警甚至正向重警。

3) 影響天津市生鮮乳價格的先行指標包括城鎮人口比重、農業人口增長率、城鎮居民人均可支配收入增長率、乳制品產量變動率、通貨膨脹率、市場化水平。基于BP神經網絡構建的年度價格預警模型，經過訓練，誤差達到0.005的目標，精度較高，預測結果比較理想，達到預警要求。

4.2 政策建議

針對上述研究結論，本文提出以下3點建議。

1) 建立科學有效的市場信息收集、分析、發布機制。滯后、片面的市場信息易導致農業生產主體判斷出現錯誤，使農產品價格出現劇烈波動。市場參與主體需要獲得生鮮乳生產、消費、貯存、加工、流通等方面準確、及時的信息，以便及時把握市場變化。但目前大部分城市仍缺少生鮮乳價格信息及時發布平臺和信息收集、分析、發布機制，或存在數據滯后問題，市場參與主體獲得信息的渠道較少，導致其無法及時獲取全面、準確的信息。因此，我國應著力創新信息服務模式，依托大數據技術，以政府為主導，完善價格預警監測、生產形勢監測、消費市場監測、全產業鏈標準、疫病防控監測、科技咨詢調查服務、融資保險等信息服務平臺，建立全面、綜合的信息收集、分析、發布機制。

2) 加強生鮮乳價格波動預警監測。從生產、加工、消費等環節，加強對基礎數據的監測與統計，隨著市場風險的不斷演變，調整預警指標體系。著力挖掘統計監測數據所反映的規律，構建并完善生鮮乳價格波動預警模型和預警機制，加強風險跟蹤，制定風險響應預案，提高預警的準確性和實效性。始終堅持以市場調節為主導的原則，尊重市場經濟運行規律，充分發揮生鮮乳價格形成機制的作用，同時在存在重大風險時，通過政府調控政策，穩定生鮮乳價格。

3) 優化生鮮乳價格協商機制。建議精細核算生鮮乳生產成本、加工成本，兼顧奶農和加工企業合理利潤、季節因素、市場供求變化等因素，加快推動建立生鮮乳價格協調機制；大力推進優質乳工程，完善優質優價、分級獎勵標準；充分發揮奶業協會的作用，由奶業協會及相關單位共同監督、監管價格機制的執行情況，對于違反價格機制的乳品加工企業和規模化奶牛場，采取懲罰性措施，列入行業黑名單；加強生鮮乳生產與銷售環節的緊密銜接，鼓勵乳品企業通過收購、參股、托管等方式，制定全產業鏈生產標準，加強奶源基地建設；鼓勵大型養殖戶(場)參股乳品企業，形成利益共同體；完善生鮮乳價格保險機制，著力推進該險種在奶牛養殖戶(場)的試點操作。