组合模型在中国猪肉市场价格预测中的应用研究

摘要：为给中国生猪生产提供决策信息，研究猪肉价格未来走势提高预见性尤为重要。本文以2005年1月～2020年7月全国平均猪肉价格时间序列为数据基础，运用差分自回归移动平均法、指数平滑法建立单项预测模型作为解释变量，据此构建组合模型探讨其对中国猪肉市场价格的预测性能。研究结果表明，组合模型对于中国猪肉市场价格的预测性能较之单项预测模型预测性能更优，具有一定的应用价值。

关键词：组合模型；猪肉市场价格；预测

2019年中国生猪生产受非洲猪瘟的影响，猪肉总产量比上年减少1148.43万吨，国内供给缺口增大，猪肉价格出现持续上涨态势。年底受新冠疫情以及春节带来的消费旺季的影响，全国猪肉平均价格于2020年2月创历史新高上涨至58.89元/公斤，随着疫情防控措施初见成效，全国平均猪肉价格呈下降态势，5月回落至47.63元/公斤，猪肉价格涨幅在季节范围内合理波动，市场供应有保障。疫情还未彻底平复，汛期又至，自6月1日起南方多次强降雨过程造成将近27个省近4000万人次受灾，全国猪肉平均价格同比去年6月上涨81.6%，影响CPI上涨约2.05个百分点，7月随着受灾面积持续性扩大，生猪运输受阻，猪肉供给压力递增，猪肉供应偏紧的格局再次使得新一轮猪肉价格上升至53.55元/公斤。之后又历经了几轮小幅波动，据中国畜牧兽医信息网数据显示，2021年1月全国猪肉价格为53.63元/公斤，6月第一周为33.35元/公斤，呈快速下降趋势。中国不仅是猪肉生产大国同时也是消费大国，据国家统计局数据，2018年肉类总产量8624.63万吨，其中猪肉产量5403.74万吨，猪肉总消费量5619.5万吨。猪肉价格上涨不仅危害生产者利益还影响消费者福利，多重压力叠加造成的中国猪肉价格超常波动的严峻形式亟须调整，但仅凭市场机制难以实现有效调节。面对剧烈波动的猪肉价格，最有效的政策手段是提供准确有效的市场信息，价格作为市场信息和市场效率的表征是市场最为敏感的反应器，研究猪肉价格未来走势，提高预见性对指导我国生猪生产经营决策、调控猪肉市场供需关系具有重要意义。

当前猪肉市场价格趋势研究除了定性分析外定量预测也是常用的研究方法，定性分析法在猪肉市场价格趋势研究中被普遍运用。但其结论因受历史经验制约带有一定的主观性，计量统计法被广泛运用到猪肉价格时间序列的预测研究中。目前国内关于猪肉价格时间序列的定量预测思想主要有两种，单项预测和组合预测。罗创国、黄文玲等以ARIMA模型预测生猪价格精度较高，但对数据的依赖性较强，预测期越长误差越大，更适合于做短期预测。其次是灰色系统预测方法，该方法带有一定的趋势性适合中长期趋势预测，适用于预测小样本、贫信息的历史数据，但也间接的造成数据信息挖掘不充分的缺陷。此外神经网络模型等方法也被应用到猪肉价格时间序列的预测中，国内关于猪肉价格的单项预测方法颇多，ARIMA、GM（1，1）和网络神经等预测模型发展得较为成熟，但单项预测模型在挖掘历史数据信息等方面仍然存在局限性，预测精度往往达不到最佳效果。预测结果是否有价值往往取决于预测精度，而组合模型因能够有效的集成各单项预测方法的信息在其他领域受到广泛运用，它能够减少由参数或模型错误识别带来的误差。1969年Bates和Granger首次提出组合预测方法的概念，为证明组合预测模型的普遍优势，Hibon，Evgeniou选择3000多个时间序列数据作为样本，以14种预测方法展开研究，得出组合模型预测精度受最优子集个数影响的结论。吴培等构建ARIMA-GM-RBF组合模型对中国猪肉价格进行预测，研究结果表明单一模型由于信息利用不充分精确度较低，组合模型预测精度更高。平平，刘大有等以回归预测思想将猪肉价格分为因素预测以及结果预测，据此选择不同的单项预测模型组合，其中灰色预测法GM（1，1）模型与BP神经网络预测法的组合预测方法精确度最高。蔡超敏、凌立文等基于集成预测思想，提出EMDSVM集成预测模型，研究结果表明EMD-SVM集成模型预测性能更好。综上所述，国内有關猪肉价格各单一预测模型的研究成果颇丰，大多是关于单项以及集成预测思想为主，而关于组合思想在猪肉价格时间序列预测中的应用及研究则较少，少许的研究主要以非线性组合预测方法为指导，线性组合预测方法的应用基本没有。鉴于此本文引用线性组合思想构建组合模型并对定量预测结果辅以定性分析，综合研判中国猪肉市场价格变化趋势。

1.1 数据来源及描述分析

以来源于中国畜牧业信息网4.0版和全国畜牧总站2005年1月～2020年7月的全国平均猪肉价格时间序列代替中国猪肉市场价格，并以此作为构建组合预测模型的数据基础。为更清晰的观测中国猪肉市场价格的波动特征，运用EVIEWS软件，采用Census X12季节调整法把全国平均猪肉价格分离为季节因子成分（SF）、趋势周期成分（TC）以及不规则成分（IR），并运用H-P滤波方法继续把TC分解为趋势成分（Tred）与周期成分（Cycle），可以发现中国猪肉市场价格存在以下波动特征：第一，季节性。中国猪肉市场价格季节性波动规律明显，2005～2011年期间猪肉价格受冬季以及春节消费旺季的影响，猪肉价格于每年1月最高，在每年5月下降至最低点。2011年后随着人均可支配收入的增加，可选择的肉类替代品呈现多元化，传统节日以及冬季猪肉消费量大、价格高的季节性特征被放大，每年猪肉价格最高点呈两阶段变化特征，于每年9月份猪肉价格最高，之后开始减弱，在临近春节之际猪肉价格开始小幅上涨，之后转入下降，自2017年起于每年6月猪肉价格下降至最低点。第二，不规则性。受突发事件的影响猪肉价格不规则波动规律显著，呈多频率波动、波动趋势大的特征，加大了数据的不平稳性，为猪肉价格预测以及趋势研究造成了困扰。第三，趋势周期性。一是趋势性，可以看出受物价水平上升的影响，自2005年起猪肉价格呈缓慢上涨趋势，其中2019～2020年因极端事件导致猪肉价格上涨迅速，超出常年水平，予以剔除。二是周期性，按照波谷—波谷的原则大致可把2005～2020年猪肉价格划分为4个完整周期以及1个不完整周期，周期（Cycle）曲线可以清晰的发现中国猪肉市场价格在不同的历史阶段呈现不同的周期性波动特征，大周期以及小周期循环交替出现。通过观测不规则成分图以及周期（Cycle）曲线，发现周期曲线以及不规则成份曲线的谷值及峰值出现的时间节点大致相同，表明不规则成份即突发事件显著影响猪肉价格的周期性波动频率。总的来说，猪肉价格历史数据中隐含的趋势性以及周期性为定量预测以及趋势研究提供了基础和依据，但不规则因子（突发事件）的存在加大了定量预测的难度。

1.2 组合模型的构建方法

2.1 单项预测模型的建立

模型1：差分自回归移动平均法。

采用ADF检验方法对2005年1月～2020年7月的猪肉价格（P）进行平稳性检验，可以看出猪肉价格ADF统计值显著大于1%临界值、5%临界值和10%临界值，表明该序列不是平稳序列，因此对猪肉价格分别进行一阶差分D（P1）以及一次差分和一次季节差分D（P，1，12）平稳性处理。通过观测差分后的猪肉价格序列相关图采用试凑法对模型进行定阶，筛选最优模型。经比较ARIMA（6，1，5）最优。模型检验，R2值为0.975，RMSE（均方根误差）值为1.178，MAPE值为3.04%。

模型2：指数平滑法。

经比较建立Winters季节性加法模型最优，预测方程参数估计结果为，α值=0.867，γ=0.089，δ=0.999，详情见表4。模型检验，R2=0.965，回归效果显著；可知模型参数显著，且预测误差较小，RMSE=1.631，MAPE=3.897%，检验结果证明该预测模型具有统计学意义。

2.2 组合预测模型的建立

4.1 结论

文章通过构建组合模型对猪肉市场价格进行了预测。研究结果表明，组合模型对猪肉市场价格的预测误差较之单项预测模型存在显著优势，达到了预测精度的要求范围，存在一定的参考价值。

4.2 讨论

第一，在组合预测思想的实践中，常常存在因缺少模型选择依据而把本领域运用得较为成熟的单项预测模型全部纳入组合模型的最佳子集等问题，但不恰当的单项模型引入常常会降低组合预测模型的精度。遵循这一思路，文章在建立组合预测模型时充分考虑了猪肉价格的波动特征，故把ARIMA模型及Winters季节性加法模型作为组合模型的子集。尽管研究结果表明预测精度在可控范围内，但并未在精度上取得重要突破，纠其根源，作者认为单项预测模型的构建缺乏科学性，下一步将对其进一步改正。

第二，由于猪肉价格的影响因素复杂多变，加之参数设置的主观性及数学模型的局限性，文章只能力求控制误差来保障外推结果的精度，故只能提供未来猪肉价格发展趋势，但猪肉价格何时恢复至常年价格依然是未知数，需进一步深化研究。

作者简介：缪智宇（1993-），男，在读硕士研究生。主要从事农村区域发展研究。