外部冲击对我国生猪价格波动的影响——以生猪疫情为例

近年来,由于外部冲击事件频繁发生,使我国生猪市场价格多次发生剧烈波动,对生产者和消费者的利益产生了较大影响,引起广泛关注。采用2009年2月~2020年12月生猪产业链的月度价格数据,以我国发生的生猪疫情为例,运用VAR模型分析生猪疫情冲击与生猪价格之间的动态关系。结果表明:生猪产业链上各环节价格与生猪疫情对生猪价格波动的影响存在明显的差异;生猪疫情对生猪价格波动的影响呈现先负后正的规律;生猪疫情对生猪价格波动的贡献在滞后期为4期后显著增强。据此,从加强生猪疫情防控体系建设、完善监测预警机制、增强政府在抑制生猪价格大幅波动方面的作用等提出应对建议。

不确定性冲击下生猪价格预测和风险预警研究

【目的】探究支持向量机模型(SVM)在生猪价格预测和风险预警中的应用。【方法】考虑影响生猪价格波动的多种因素,采用支持向量机模型,将对生猪产业影响较大的生猪疫情和全球经济政策不确定性因素纳入生猪价格的预测指标体系;综合选取特征指标输入支持向量机模型对生猪价格进行预测,最后基于预测结果进行价格风险警度判定。【结果】支持向量机模型输出结果的可决系数达到0.966,生猪价格的预测值与实际值相近,模型拟合出的生猪价格波动趋势与实际相符。在进行生猪价格风险预警分析时,10期价格预测值中有7期的警度与实际警度一致,其余3期稍有偏差。【结论】模型预测警度与实际警度吻合度高,将支持向量机模型用于生猪价格预测领域可以达到良好效果,有助于在复杂多变的宏观环境和极易发生的生猪疫情环境下准确研判生猪价格运行趋势。

基于神经网络模型的朝阳市生猪价格预测

选取2020年1月至2023年6月朝阳市生猪日价格和猪饲料中豆粕的日价格作为研究数据,分别建立BP神经网络模型和小波神经网络模型对朝阳市生猪价格进行预测.将前160周的价格数据作为BP神经网络模型和小波神经网络模型训练集数据,161~180周的价格数据作为预测数据,通过图形显示预测值和实际值变化,计算2种神经网格模型的平均绝对误差和均方根误差.通过误差比较分析得出,在朝阳市生猪价格波动领域,小波神经网络模型优于BP神经网络模型,建议推广应用.

基于ARIMA模型对山东省生猪出场价格变动的预测

猪肉价格保持在合理区间,对于生猪生产和消费至关重要。为预测未来生猪出场价格,推动生猪价格回归合理区间,本文基于2012年11月—2024年2月山东省生猪出场价格,运用ARIMA模型对山东省2024年3月-12月的生猪出场价格变化进行预测。结果表明,该模型拟合效果较好,能准确地预测山东省生猪出场价格短期波动。本文建议政府应该从调控能繁母猪保障底线、完善价格监测预警制度、强化价格风险管理工具、优化生猪库存管理、控制生猪生产成本、落实生猪补贴政策和拓宽生猪贸易等方面采取措施,优化生猪产能调控机制,促进生猪产业的发展。

生猪价格波动对养殖规模调整的非对称影响分析

基于2000—2021年省际面板数据检验生猪价格波动对养殖规模调整的非对称性影响机制以及养殖规模化的调节作用。结果表明:第一,价格波动会对下一期生猪养殖规模产生显著正向影响,且该影响具有非对称性,表现为价格下降时的边际影响显著高于价格上升时,证实生猪养殖户存在明显的损失厌恶型非理性调整行为;第二,养殖规模化会对由价格波动导致的养殖规模调整产生非对称性的负向调节效应,表现为价格下降时的负向调节效应更为显著。进一步分析发现,价格波动对养殖规模调整的影响主要由养殖户数量的变动而非户均养殖规模调整导致,且小规模养殖户对价格下降的“利空”消息反应更敏感,会因为价格下降产生市场退出行为,大规模养殖户则对价格上涨的“利好”消息更敏感。

不确定性冲击下生猪市场价格波动研究

【目的】生猪产业面临的不确定性冲击极易引起生猪市场价格大起大落,探究不确定性冲击对生猪市场价格波动机制对于缓解生猪市场价格剧烈波动、促进生猪产业健康发展具有重要意义。【方法】基于2009年2月—2021年10月的时间序列数据,运用MS-VAR模型与TVP-VAR模型,探究各类不确定性冲击对生猪市场价格的波动机制与冲击效应。【结果】1)不确定性冲击下生猪市场价格存在显著的区制转换特征。2018年以来,生猪市场价格在下跌和上涨区制转换频繁。2)外部不确定性因素在中长期内对生猪市场价格的冲击存在差异性。其中,中国经济政策变动对生猪市场价格呈长时间高强度的正向影响,是影响生猪市场价格的重要因素,而生猪疫情整体上呈负向冲击效应。3)生猪产业中内部不确定性因素对生猪市场价格具有双向性。生猪繁育、养殖与终端消费变动因素对生猪市场价格存在正负交替冲击效应。【结论】需要完善生猪生产标准化体系,掌握突发性疫情事件发展对生猪市场价格影响的演变规律,强化生猪市场应对不确定性能力,以确保生猪产业稳定发展。

生猪期货与玉米期货价格关联性的研究

本文选取2021年1月8日至2023年6月1日生猪期货和玉米期货主力合约连续日度数据为研究样本,采用VAR模型对我国生猪期货价格与玉米期货价格的价格关联性进行研究,研究结果表明:生猪期货和玉米期货价格之间存在长期均衡关系;且二者间呈现双向的Granger因果关系,表明生猪期货和玉米期货的价格之间存在着相互导向和拉动的影响关系。生猪期货和玉米期货的价格波动主要受到各自内在因素的影响,长期来看二者价格之间仍存在一定联系,二者间的互动性和影响关系较为稳定。基于研究结果,为有效发挥生猪期货市场的作用、稳定我国玉米与猪肉价格,本文提出了相关政策建议。

冷链物流发展对生猪价格波动的影响效应——基于出栏量聚类划分区域的比较

本文以中国内地30个省(市、自治区)为样本,探讨全国和不同产区冷链物流发展与生猪供给价格波动的空间影响效应。结果表明:首先,生猪价格短期内波动频繁且波动幅度大,长期呈现上涨的趋势,三类产区生猪价格存在显著差异;其次,我国冷链物流业呈现出先缓慢上升继而缓慢下降的发展特征,存在典型发展不平衡不充分现象;最后,冷链物流发展对生猪价格波动的影响具有空间异质性,主产区冷链物流发展负向影响生猪价格波动,而在中产区和低产区则不同。这一结果对我国稳定市场秩序和健康发展,特别是对于在重大突发事件中平抑生猪价格剧烈波动具有重要的参考价值。

基于时间序列的朝阳市生猪价格短期预测研究

为了获取更多利润,降低价格波动带来的风险,对朝阳市生猪价格进行基于时间序列的短期预测研究.根据辽宁省朝阳市某养猪场提供的2020~2022年3种生猪日销售价格,首先利用Excel对数据进行处理,以周为基本单位,把每周的平均价格作为周价格;其次,根据外三元猪价格中前100周的价格,分别采用时间序列预测法中的一次移动平均预测法、一次指数平滑预测法和三次指数平滑预测法来预测后57周的价格,通过与实际价格的对比可知,采用三次指数平滑预测法预测的误差最小,由此用该预测法来预测内三元猪和土杂猪后57周的价格;最后,利用Matlab计算土杂猪、内三元猪的预测值,结果显示二者的预测误差分别为0.386、0.604,并据此绘制价格变化趋势的图像,为养猪场预测生猪价格提供理论依据.

我国与美国“猪周期”动态关系分析

对我国与美国的猪肉价格月度时间序列数据进行了季节调整和滤波分析,分解出两国猪肉周期价格。利用结构向量自回归模型估计了我国与美国“猪周期”相互冲击的滞后效应和当期效应。研究发现,两国“猪周期”呈负相关关系。我国“猪周期”持续时间长,波动幅度大,美国“猪周期”则相反。美国“猪周期”能够缓解我国“猪周期”波动,中美双边猪肉贸易量主要决定于我国“猪周期”。

养殖主体行为与生猪价格形成机制

依据出栏量将生猪养殖主体分为散养户、小规模养殖户、中规模养殖场和大规模养殖场四类,运用市场微观结构理论研究养殖者行为与生猪价格形成机制。结果表明:养殖者行为存在明显差异。散养户和小规模养殖户采取"追跌卖涨"的逆周期生产行为,中规模养殖场生产行为比较稳定,大规模养殖场采取"追涨杀跌"的生产策略。养殖者行为是生猪价格形成的关键因素。中小规模养殖户出栏量越多,未来生猪价格越可能下跌;而中大规模养殖场出栏量越多,未来生猪价格越可能上涨。养殖者行为对生猪价格波动影响不同。散养户和小规模户是生猪价格上涨和下跌的主要推动力量,中规模养殖场是猪肉价格稳定的中坚力量,大规模养殖场可能加大价格波动。

江西省生猪价格波动的成因及其预警分析——基于灰色关联和LS-SVM模型

以2000年1月至2015年5月的江西生猪价格数据为研究对象,利用Census-X12和HP滤波分解方法探索生猪价格波动的特征,结合逐步回归法和灰色关联分析识别影响生猪价格波动的显著因素,在此基础上,构建LS-SVM模型对生猪价格进行预测。结果表明,生猪价格波动具有明显的季节性,每年的1月份季节因子最大,6月份降至全年的最低点;2000年以来生猪价格共经历了7个波动周期,平均周期为25.3个月;随机性成分对生猪价格的贡献日益增大,玉米价格、仔猪价格、猪肉价格、生产者预期、牛肉价格和疫情对生猪价格的波动有显著作用,其中玉米价格和仔猪价格的影响较大;LS-SVM模型的预测值和真实值很接近,平均误差仅为1.37%,LS-SVM能较好地反映生猪价格及其影响因素之间的复杂的非线性关系。

基于BP神经网络的江西省生猪价格波动预警分析

借助多元统计方法识别2000年1月~2016年12月江西省生猪价格波动的成因,选择生猪价格波动率作为警情指标,借助时差相关法,确定风险预警指标,建立BP人工神经网络模型,预警生猪价格波动的风险。结果表明,玉米价格、仔猪价格、猪肉价格、活鸡价格、豆粕价格、生产者预期和疫情为主要警情指标,其中先行性指标是仔猪价格和生产者预期,同步指标是玉米价格、猪肉价格和活鸡价格,豆粕价格和疫情是滞后指标;除个别样本点外,BP神经网络模型输出的生猪价格预警值和实际价格数据比较接近,生猪价格波动风险预警模型具有良好的预警效果。根据不同级别的风险程度提出相应对策建议,以便政府能够根据不同警情采取具有针对性的措施,使生猪生产、市场平稳健康发展。

中国生猪生产支持政策对价格调控的有效性分析

在对1992年以后中国制定的生猪生产支持政策梳理的基础上,应用经济学理论,分析了中国生猪支持政策的有效性。结果表明:政策支持及调控主要对象为规模猪场,对农户调控及支持力度不足;生猪价格下跌与生猪价格上涨时的政策力度不同。生猪价格上涨时,政府支持政策可能加剧生猪市场价格波动的风险,生猪价格下跌时,实施的政策一定程度上缓解了下一个时期的生猪价格的大幅波动。

中国生猪价格波动特征分析

使用2000—2009年中国生猪批发价格月度数据,分析了我国生猪批发价格运动的轨迹。研究结果表明:近年来我国生猪批发价格年度内震荡加剧且具有明显的季节性波动特征。并利用ARCH模型对生猪批发价格波动的动态过程进行了分析,发现滞后1期及滞后5期的生猪批发价格变动与当期价格变动的方向相同,而滞后2期的批发价格对当期价格有回调作用。

关于中国生猪产业的周期波动问题探析

随着中国养猪业向市场化迈进和产业结构及生产者行为的变迁,生猪周期逐渐显现出来。生猪市场的波动必然影响广大养殖企业和养猪户的生产积极性。本文利用历史数据对生猪市场的价格波动、生产波动及利润波动进行了实证分析,并对缓解生猪市场周期性波动提出了几点建议。

生猪价格的周期波动与成分结构

基于2003年1月至2017年4月实际生猪价格月度数据,运用B-N分解法将生猪价格时间序列进行成分分解,并据此对生猪价格周期进行识别和生猪价格的成分结构进行分析。在此基础上,基于脉冲响应给出的度量指标和方差比刻画了随机冲击对生猪价格波动的持久性效应。结果显示:(1)样本期内共形成了4个完整的周期,平均周期长度大约为40个月;(2)生猪价格主要是由确定性趋势成分和随机性趋势成分构成,周期成分对生猪价格作用很小,生猪价格呈现出明显随时间递增的"刚性上涨"的确定性趋势;(3)以生猪疫病和产业政策为主的随机冲击是生猪价格周期形成的重要引致因素。外部随机冲击对生猪价格波动的强持久效应以及各个外部冲击在不同周期的叠加效应,致使生猪价格波动呈现出一长一短两个周期的交替出现、大周期内包含小周期的周期波动特征,是导致生猪价格周期波动深层次的内在成因。

我国生猪饲料市场价格波动特征分析——基于产业链视角

为系统揭示我国生猪饲料市场价格风险与特征,在可储存商品市场理性预期的假设下,基于产业链视角建立扩展的GARCH簇实证模型,运用2000-2015年月度价格统计数据,分析了我国生猪饲料市场价格波动的主要特征。结果显示:我国生猪饲料市场价格波动具有显著的ARCH效应和非对称性,价格上涨信息引起的生猪饲料市场价格波动大于下跌信息引起的价格波动;我国生猪饲料市场并不具有高风险、高回报的特征,该市场的多数交易者在做决策时非理性因素大于理性因素;在产业链上下游产品中,玉米价格收益率显著影响了生猪饲料市场价格的波动性。为此,未来我国应从产业链视角进一步完善包括玉米价格在内的生猪饲料价格波动的预警系统;提高对饲料价格上涨及驱动因素的关注度和警惕性,并不断完善生猪饲料市场,引导饲料市场相关主体理性投资与决策。

基于梯度提升回归模型的生猪价格预测

研究生猪价格的准确预测问题,传统预测模型存在速度慢、陷入局部极小值、核函数的选择等问题,预测效果不佳。为此,首先筛选出生猪价格的显著因素,接着利用Python数据分析分别建立贝叶斯岭回归、普通线性回归、弹性网络和支持向量机模型,将这4个回归模型作为梯度提升回归模型的训练集,对生猪价格进行预测。结果表明,综合集成的梯度提升回归模型的均方差(MSE)为0.056,平均绝对误差(MAE)为0.18,判定系数为0.994,比前面单一模型预测效果好。最后,利用梯度提升回归模型对2017年2月至2017年11月的生猪价格预测,发现输出的预测值与真实值比较接近,最大相对误差为3.495%,梯度提升回归模型具有较高的预测精度。

我国生猪价格波动影响因素研究——基于均衡价格理论

进入新世纪以来,我国生猪价格波动经历了2003年~2006年、2006年~2010年、2010年至今三次起起落落,给生猪养殖户造成较大损失,也扰乱了群众日常生活。均衡价格理论认为,商品价格决定于市场供需双方的力量均衡,从这个角度来看,我国生猪价格波动是供需双方共同作用的结果。其影响因素主要有生猪生产周期、饲料成本、仔猪成本等供给层面的因素,收入水平、替代品价格等需求层面因素,以及通货膨胀情况、突发事件等其他因素,应该通过提高生猪养殖水平、提高生猪产业竞争力、建立健全生猪价格预警监控机制,更好地应对我国生猪价格波动,维护生猪市场稳定。