舟山蝦蟹類產品價格指數的預測

朱順樂 毛曉慧

摘要水產品的價格指數是漁業經濟發展的重要指標。在如今經濟高速發展的時代，水產品價格指數的預測對漁業經濟運行有著至關重要的作用。通過多種時間序列預測法（移動平均法、加權移動平均法、二次移動平均法以及指數平滑法），分別對蝦蟹類水產品進行價格指數的預測，并通過預測精度對各個方法的不同結果進行精確度的比較，最后確定最精確的方法，并用其對舟山蝦蟹類價格指數作最后的預測。

關鍵詞水產品價格指數；時間序列預測法；精確度

中圖分類號S-9文獻標識碼A文章編號0517-6611（2014）23-07697-03

Prediction of Zhoushan Shrimp and Crab Products Price Index

ZHU Shunle et al （Donghai Science and Technology College， Zhejiang Ocean University， Zhoushan， Zhejiang 316000）

Abstract Aquatic products price index is an important index in fisheries economic development. In todays rapid development of economy， predicting aquatic products price index has a crucial role to the fishery economy. Through a variety of time series forecasting methods （moving average method， weighted moving average method， the two moving average method and exponential smoothing method）， the price index of shrimp and aquatic products were predicted. And the accuracy of the results was compared. Finally， the most accurate method was determined and it was used as the final prediction of shrimp and crab price index.

Key words Aquatic products price index； Time sequence prediction method； Precision

基金項目浙江省教育廳科研資助項目（Y201328308）。

作者簡介朱順樂（1977- ），男，湖南婁底人，講師，從事計算機應用方面的研究。

收稿日期20140703漁業的快速發展使得漁業勞動者的收入明顯增加。大批漁民通過發展漁業生產率先致富，生活質量得到明顯改善。以水產養殖業為重點的我國漁業已經成為大農業中一個重要的產業，在農村經濟中發揮重要的作用。其中，水產品價格指數的變化直接影響水產品市場的發展，所以對水產品價格指數的精確預測對漁業經濟的發展有著重要意義。時間序列預測是一種最基本、最常用的預測方法，在很多方面都有過應用[1-3]。同時，時間序列也涉及漁業的其他預測[4-5]。但是，還沒有人對水產品的價格指數進行過預測，所以現在將運用時間序列對水產品價格進行預測。

時間序列[5]是指將某現象的某一個指標在不同時間上的各個數值按時間先后順序排列而形成的序列。時間序列的構成要素是現象所屬的時間與反映現象發展水平的指標數值。時間序列可以反映社會經濟的發展變化過程、描述現象的發展狀態和結果，研究社會經濟現象的發展趨勢和發展速度等。時間序列預測是利用統計技術和方法[6]，從預測指標的時間序列中找出演變模式，從而建立數學模型，對預測指標的未來發展趨勢進行定量估計。筆者介紹常用的幾種時間序列預測方法，并且用預測精度中的2個指標（平均絕對偏差和均方誤差）對各個結果進行精度分析，確定最精確的方法。

1時間序列方法

1.1移動平均法事物的發展變化具有延續性。事物近期的狀態與近期的過去密切相關，而與較遠的過去關系就不是很大，因此可以用過去的動態數列，求移動平均數，從而預測未來。移動平均法[7]是根據時間序列資料，逐項推移，依次包含二定項數的時序平均數，以反映長期趨勢的方法。如：

設某場該年每月的盈利分別為A1、A2……A12，以3個月的移動平均數做預測為例，4月份的預測值為A4=（A1+A2+A3）/3，5月份的預測值為A5=（A2+A3+A4）/3，同理可以分別得出以后幾個月的預測值。

1.2加權移動平均法加權移動平均法和移動平均法最大的區別在于：加權移動平均法[8]在計算平均值時對移動期內的數據是不同等看待的。它是根據近期數據對預測值影響最大的這個特點而對移動期內的數據進行不同的對待。與預測期越近的數據權數越大，距離預測期越遠的數據權數越小，通俗一點講就是對新舊（遠近）不同月份的數據給予大小不同的權數，然后計算移動平均數。以3個月的加權移動平均數為例，其公式如下：

F=3M1+3M2+M36

式中，M1為距離預測月份最近一月的新數據；M2為距離預測月份次近1月的數據；M3為距離預測月份最遠一月的舊數據。

加權移動平均法的運用對數據有一定的要求。若一組數據有明顯的季節性影響，則采用該方法得到的預測值會有較大的偏差。在這種情況下，最好不采用該方法。

1.3二次移動平均法二次移動平均法[9]是對一次移動平均數再進行第二次移動平均，再以一次移動平均值與第二次移動平均值為基礎建立預測模型，計算預測值的方法。它適用于預測某些具有線性變動趨勢的經濟現象，其線性方程為：

Xt+T=at+bt·T

式中，Xt+T為第（t+T）期的預測值；t為一次和二次移動平均值的當期，通常名之為本期；T為本期t至預測期相隔的期數（如，若以6月為本期，7月為預測期，則T=7-6=1，8月為預測期，則T=8-6=2），被看作變量；at，bt都是參數，at的含義為初始基本預測值，bt為滯后偏差的修正值。求參數at、bt的公式為：

at=2M（1）t-M（2）t

bt=2n-1（M（1）t-M（2）t ）

式中，M（1）t為t期的一次移動平均值；M（2）t為t期的二次移動平均值；n為移動平均的期數。該公式適用于歷史數據（變量）存在明顯的線性變動趨勢時（即逐期增減量大致相等時）。

1.4指數平滑法指數平滑法[8]（Exponential smoothing，ES）是由布朗所提出的。他認為，時間序列的態勢具有穩定性或規則性，可以被合理地順勢推延，且最近的過去態勢在某種程度上會在未來持續，所以將最大的權數放在最近的資料上。也就是說，指數平滑法是在移動平均法的基礎上發展起來的一種時間序列分析預測法。所謂指數平滑，就是用一個簡化的a值作平滑系數建立的預測模型，再將歷史數據代入模型求解作預測。公式如下：

St+1=aXt+（1-a）St

式中，St+1為指數平滑對下期預測值；St為指數平滑對本期預測值；Xt為本期的實際值；a為平滑系數。對于市場需求比較穩定的產品，a值可取大一些，一般在0.6

同時，運用指數平滑法還有以下優點：①預測計算方法較簡便；②有自我修正誤差的作用；③對客觀變化反映靈敏；④可以靈活選擇平滑系數a值；⑤能使產品需求不規則的變動趨向平滑。

2各方法精確度的比較

以蝦蟹類水產品價格指數為例，分別計算幾個方法的結果，并進行精確度比較。以下是在中國舟山水產城指數網[10]上得到的近幾個月的蝦蟹類價格指數，接下來將用其作為原始數據進行預測

2.1移動平均法預測結果由表2可知，預測值與原始值相差較大，說明移動平均法在這個水產品價格指數的預測中不是適用的方法，需要對其進行改進。

2.2加權移動平均法預測結果由表3可知，若掩去那些原始數據起伏劇烈的月份的下期預測值，該方法得到的數據比移動平均法得到的數據要精確一些。加權移動平均法的MES值與MAD值均低于移動平均法，得出加權移動平均法的精確度要高一些。有時間可以4個月或5個月為例，得到的數據會更精確一些。但是，這個方法的缺點也因此暴露了，蝦蟹類產品的價格指數會因為季節原因出現劇烈起伏的現象，這種情況下就不適合用該方法進行預測。

2.3二次移動平均法預測結果由表4可知，用二次移動平均法進行的預測要比前面2種方法不精確很多。該方法的MES與MAD值明顯高于前2種方法。正如介紹時所說，該方法不適合運用在數據有劇烈波動的序列的預測中。但是，通過單個數據的對比，發現在原始數據較平緩的時候，該方法的預測精度還是蠻高的，但不適合運用在蝦蟹類水產品價格指數的預測中。

2.4指數平均法預測結果由表5可知，指數平滑法在蝦蟹類價格指數的預測中a取不同的值精確度是不同的，當a取0.8時是最精確的，且指數平滑法的精確度要大于移動平均法和加權移動平均法，遠遠大于二次移動平均法。當數據平緩時，該方法的預測值的精確度要小于二次移動平均法，但是二次移動平均法在數據有劇烈起伏時不適合運用的，所以將用指數平滑法對蝦蟹類水產品今后的價格指數走向進行預測。

3水產品價格指數預測

由表5可知，取a=0.8時，14年2月份（序號17）的實際值為67.57，預測值為65.49，所以通過公式得到3月份的預測值為67.57*0.8+65.49*0.2=67.15。

4小結

該研究主要是對時間序列的普遍方法進行簡單地介紹，并且通過實例對幾種方法的精確度進行比較，得出指數平滑法在預測蝦蟹類價格指數方面是最好的方法，之后再運用指數平滑法得出3月份的價格指數預測值。

42卷23期朱順樂等舟山蝦蟹類產品價格指數的預測參考文獻

[1] 宋學娜，王曉雨，孟玲清.時間序列分析在溫度預測中的應用[J/OL].（20080116）http：//anniversary.paper.edu.cn/html/releasepaper/2008/01/501.

[2] 顧嵐.時間序列分析在經濟中的應用[M].北京：中國統計出版社，1994.

[3] 王麗娜，肖冬榮.基于ARMA模型的經濟非平穩時間序列的預測分析[J].武漢理工大學學報，2004，28（1）：133-136.

[4] 任崇光，高俊芳，張黛華.時間序列分析在水量預測中的應用[J].預測，1985（S1）：77-84.

[5] 張小栓，傅澤田，穆維松，等.1978-2000年我國水產品零售價格波動的周期性研究[R].農業系統科學與綜合研究，2004.

[6] 王振龍.時間序列分析[M].北京：中國統計出版社，2000：8-9.

[7] 湯樹光，張楠.時間序列預測方法簡析[J].北京經濟學院學報，1997，2（6）：21-23.

[8] 張楠.時間序列預測法簡介[J].經濟與管理研究，1981（4）：41-44，59.

[9] 田名譽，曹進.時間序列二次移動平均預測法——公式的推導及應用[J].基建管理優化，1994（4）：19-22.

[10] 舟山國際水產城.中國·舟山國際水產城指數