我国生猪价格波动趋势和季节特征研究
时间:2022-12-04 21:45:01 来源:柠檬阅读网 本文已影响 人
黎庆莹
(仲恺农业工程学院计算科学学院,广东广州 510225)
猪肉在肉类消费量中占比60%以上,远远超过牛肉、羊肉和禽肉的占比。分析生猪价格波动特点,一定程度上对于减少生猪价格波动幅度、保证生猪产量平稳具有重要意义。目前,国内外许多学者研究了猪价波动的成因及影响,通常从生产周期、政策、相关行业变化、季节等方面展开分析。
Abdulai[1]利用门限协整方法和方差修正模型等分析生猪和猪肉价格的非对称传导关系,认为两者对上涨和下跌信息的反应具有非对称性,均对“利空”信息比较敏感。Parcell[2]采用美国11年间月度数据研究猪肉价格随时间的变动,指出猪肉价格波动存在明显的季节性波动周期。Molina等[3]采用X-12-ARIMA模型研究菲律宾生猪价格,发现剔除季节波动后的价格预测效果更好。Paparas等[4]对英国猪肉市场中的生产价格和零售价格进行协整分析和结构性突变分析,发现二者存在长期协整关系。
李婷婷等[5]采用H-P滤波法和X-12调整法研究发现,猪肉价格随生猪供给成本上涨而上涨,而且呈现周期性。黎东升等[6]运用HP和BP滤波法研究得出,2008年生猪产业相关调控政策实行前后中国生猪价格的波动有明显差异,而且波动周期逐渐失去规律性。石自忠等[7]利用MS-GARCH类模型分析,发现我国猪肉价格波动存在明显的状态转换特征、双重非对称特征和杠杆效应。孙永青等[8]基于Betaskew-t-EGARCH模型研究发现,生猪现货价格波动具有较强的持续性和聚集性,在每年一季度价格剧烈波动。程 硕等[9]采用GRNN模型研究发现,玉米价格、鸡蛋价格等指标可以作为生猪价格预警指标。
综上所述,国内外对生猪价格的研究主要采用传统协整建模、GARCH类模型和X-12季节调整等方法,本文用Holt-Winters模型分析生猪价格序列的波动,分解得到的趋势增量和季节波动指数,能够及时地反映波动特征。
1.1 数据来源
本文所用数据均来源于国家统计局网站,采用2014年1月至2021年6月中国月度生猪价格数据。
1.2 模型设定
Holt-Winters季节指数平滑模型将时间序列分解为线性长期趋势、季节波动和随机波动3个部分,不但可同时处理含有长期趋势和季节性周期的序列,还可以合理地过滤随机波动的干扰。Holt-Winters季节指数平滑模型有乘法模型、加法模型和无季节模型3种,以下是基本原理。
1.2.1 Holt-Winters乘法模型。此模型适合于含有线性趋势和乘法季节波动的数据。xt的模型结构通常表达为:
式中:假设t+k期为季节周期的第j期,则ct+k=Sj(j=1,2,…,m);
k≥1;
at是截距项,对应稳定成分;
bt是斜率项,对应线性成分;
at+btk对应长期趋势,Sj表示季节指数或是季节因子;
m是季节因子的周期长度,对于月度序列m=12。
式(1)中3个参数的递推公式如下:
式中,xt为序列在t时刻的最新观察值,m是季节效应的周期长度,α、β、γ为阻尼因子或称平滑系数,满足 0<α<1、0<β<1、0<γ<1。
1.2.2 Holt-Winters加法模型。此模型适合于含有线性趋势和加法季节波动的数据。xt的模型结构通常表达为:
式中:假设t+k期为季节周期的第j期,则ct+k=Sj(j=1,2,…,m);
k≥1;
at、bt、at+btk、Sj、m 的含义和乘法模型中一致。
at、bt、ct表达式如下:
式中,xt为序列在t时刻的最新观察值,m是季节效应的周期长度,α、β、γ为阻尼因子或称平滑系数,满足 0<α<1、0<β<1、0<γ<1。
1.2.3 Holt-Winters无季节模型。此模型适合于含有线性趋势但没有季节波动的数据。xt的模型结构通常表达为:
式中:k≥1;
at、bt、m 的含义和乘法模型中一致。at、bt分别为:
式中,xt为序列在t时刻的最新观察值,α、β为阻尼因子或称平滑系数,满足 0<α<1、0<β<1。
2.1 数据特征
2014年1月至2021年6月中国月度生猪价格数据如图1所示,我国生猪价格序列具有以下特征。
图1 2014年1月至2021年6月中国月度生猪价格
2.1.1 我国生猪价格总体呈上升趋势。2014—2016年生猪价格小幅度上升,至2016年6月达到21元/kg的高峰。2018年夏末我国暴发猪瘟疫情导致大批生猪死亡,猪价急剧增长,至2019年11月达40元/kg的高峰。2020年之后出台放开禁养、提供优秀贴息贷款等措施,生猪养殖规模迅速扩张,供需缺口缩小,猪价持续降低[10]。因此,生猪价格波动趋势与宏观政策和经济走势有很大的关系。
2.1.2 生猪价格呈现秋冬高、春夏低的季节性规律。主要原因是供给和需求的季节性波动。供给方面,夏季高温配种率低造成冬季仔猪出生数量少,同时冬季疫病多发,所以仔猪存栏在10月至翌年2月下滑,导致生猪出栏量在翌年6—8月减少;
需求方面,8—9月、国庆及春节等是猪肉的消费旺季。因此,生猪价格的季节波动大体为秋冬高、春夏低,后面采用Holt-Winters模型进行进一步研究。
2.2 模型估计结果
运用SAS统计软件对模型参数进行估计,根据均方根误差(RMSE)最小的准则以确定无季节、加法和乘法模型的平滑参数取值,以及分解长期趋势和季节波动,估计结果如表1、表2所示。
表1 我国生猪价格模型参数估计和检验
表2 我国生猪价格季节指数估计
2.2.1 稳健性检验。无季节模型、加法和乘法季节模型得到的RMSE分别为3.664、2.852和3.236,说明该数据不适合无季节模型,加法季节模型较优,生猪价格具有显著的季节性特征。
2.2.2 参数估计。
由 β、γ 接近于0可知bt≈bt-1、ct≈ct-12,表明该数据在不同时间段的长期趋势成分相同,在不同周期段的季节因子相同。因此,最新一期的线性趋势和季节因子能够推广到序列的整个时间段。
2.3 季节因素分析
2.3.1 增长趋势。从加法模型来看,最新一期的稳定成分at=17.235元/kg,期末的线性月度增长成分bt=0.152元/月>0,说明上升的整体趋势没有改变。结合图2的预测曲线,生猪价格在下半年有所抬升。短期来看,养殖量增大、疫情期间消费疲软使得生猪价格有短暂的下降,但基于猪肉消费的刚性需求,下半年仍会保持稳中盘整、温和上涨的趋势。
2.3.2 季节波动。由表2可知,从加法模型来看,剔除趋势因素后,季节指数在2021年4月出现价格低谷,为-2.790;
2020年9月、12月出现2次价格高峰,分别为2.406、0.958,第1次高峰比第2次高峰高。因此,生猪价格的季节性波动为:春节后持续下降,在4月底反弹,上升至9月达到第1次高峰后回落,年末再次回升,在12月达到第2次小高峰,这一结论与前面分析的季节波动的指标特征基本一致。另外,加法模型上、下半年季节因子变动的极差为2.591、1.741,说明上半年价格的波动比下半年更大。
3.1 结论
(1)随着国民经济的发展和通货膨胀,生猪价格有较为明显的上升趋势,且生猪价格的走势受宏观经济影响,趋势波动的时间点与我国宏观政策和经济走势有很大关系。
(2)生猪价格序列在一年内波动具有显著的季节特征。2次波峰分别在9月和12月附近,且9月高于12月;
波谷在4月附近。生猪价格在上半年的波动幅度较下半年大。
(3)Holt-Winters加法模型适合我国生猪价格长期趋势和季节波动的分解;
且我国生猪价格数据在不同时间段的长期趋势成分相同,在不同周期段的季节因子相同。
(4)采用Holt-Winters平滑模型能够很好地拟合生猪价格序列的波动,本研究表明,生猪价格具有显著的线性趋势和季节波动,而且模型分解的季节波动和相应的指标分析特征基本一致。
3.2 建议
从长期来看,生猪价格的趋势项受宏观经济的影响。因此,应制定生猪价格风险预警机制,通过大数据、媒体等提高信息传播效率,确保农户对宏观冲击提前做好应对措施;
同时,政府制定有关生猪养殖调控的宏观政策时应保持相对的连续性。
从短期来看,生猪价格上半年的季节波动幅度较下半年大。为了缓解上半年价格低谷,应加强产业链数据监测,比如控制产业链上游能繁母猪的数量规模、仔猪价格,避免生猪产量过剩;
同时,探索生猪期货市场可能性、丰富生猪产品多样性,增加生猪的需求量也有助于减少价格波动。
从短期来看,生猪价格数据在不同周期段的季节因子相同,在一定程度上可以预测价格的周期波动。因此,政府部门应根据“猪周期”的月度季节指数进行逆周期调节[11],在短期内平抑猪价波动,比如创新养殖模式,形成“企业+农户+保险公司”利益共享、风险共担的养殖方式,在季节指数低位的4月养殖户不至于损失过多;
同时从养殖场建设、改进生猪饲养方法等方面统筹布局,促进生猪养殖标准化、规模化,提高产业的生产效率及抗病、抗风险能力,保障生猪供给,在猪肉紧缺的9月、12月给生猪价格适当“降温”。