基于ARMA模型的運城市果蔬肉類價格預測研究

摘要 [目的]預測果蔬肉類價格。[方法]采用自回歸滑動平均模型（ARMA模型）對價格進行預測。[結果]近6周的預測結果可信度高，具有較低的相對誤差率。[結論]運用ARMA模型可對果蔬肉類價格進行預測且預測效果良好。

關鍵詞 時間序列；自回歸滑動平均模型；果蔬肉；價格預測

中圖分類號 S126 文獻標識碼 A 文章編號 0517-6611（2014）25-08849-04

Abstract [Objective] To predict the prices of fruit， vegetable flesh in Yuncheng. [Method] Price prediction of fruit， vegetable flesh in Yuncheng was conducted based on ARMA model. [Result] The credible prediction prices were obtained in the latest 6 weeks， which have lower relative errors. [Conclusion] The ARMA model can be applied to predict fruit and vegetable flesh prices.

Key words Time series； ARMA model； Fruit and vegetable flesh； Price prediction

果品、蔬菜與肉類是我國居民日常生活的重要消費品，也是支撐農村經濟發展的一個重要產業，各級各類相關管理部門非常重視果蔬肉的生產、供應與銷售。各級政府管理部門更是關注果蔬肉的價格波動，并將保持果蔬肉價格穩定作為一項重要職責。如何對果蔬肉市場未來的運行狀況進行預測，以確保果蔬肉市場的平穩運行和保障果農、菜農、養殖農戶的收入和消費者生活的穩定，逐漸成為社會各界關注的熱點和研究界研究的焦點之一。

產品的價格預測是基于時間序列數據的。基于時間序列數據的預測方法有很多種，最常用的技術有分解分析法、回歸分析法、移動平均法、指數平滑法、自適應過濾法、小波分頻技術、混沌時間序列法、自回歸滑動平均模型等[1]。ARMA （Auto-Regressive and Moving Average Model） 是一類常見的隨機時間序列模型，它是自回歸模型（AR模型）和移動平均模型（MA模型）的結合，是對時間序列數據進行預測的較為科學的計量經濟學方法之一。ARMA模型由于其較高的靈活性，預測精度較高而且有很多統計軟件工具的支持，因此在很多實際時間序列數據分析任務中應用廣泛[2-3]。李瑞瑩等基于ARMA模型對某航空公司波音飛機的故障率進行預測，并用實例說明ARMA模型適用于故障率預測[4]。徐亞鵬等運用ARMA模型對ST天一的股票價格進行分析和預測[5]。章晨等利用我國房地產價格的歷史數據，構建ARMA模型對2012年房地產價格變化進行較為準確的預測[6]。

為此，筆者隨機選取運城市某大型超市的部分果蔬肉類價格周數據作為研究樣本（數據來源于運城市農業信息網），樣本區間設定為2010年第1周至2012年11月第2周，對序列建立一個合理的預測模型來預測2012年11月第3、4周及2012年12月的部分果蔬價格，并與實際周價格進行比較，獲得了較為滿意的效果。結果表明，ARMA模型可以對地區果蔬肉價格進行預測，預測結果在一定程度上能夠對運城市農業管理部門調控果蔬肉市場的供求關系、農戶調整生產結構以及果蔬肉交易商掌握較為準確的交易信息提供可靠的參考依據。

1 自回歸滑動平均模型（ARMA模型）

自回歸滑動平均模型由美國統計學家Jenkins和 Box 于20世紀70年代提出，主要用來進行時間序列分析。自回歸滑動平均模型是自回歸模型與滑動平均模型的結合。

參考文獻

[1] 何書元.應用時間序列分析[M].北京：北京大學出版社， 2003.

[2] 韓雯.ARIMA模型在貴州省農產品價格預測中的應用——以辣椒為例[J].安徽農業科學，2011，39（21）：13226-13227.

[3] 鄒伯賢，劉強.基于ARMA 模型的網絡流量預測[J].計算機研究與發展，2002，39（2）：1645-1655.

[4] 李瑞瑩，康銳.基于ARMA 模型的故障率預測方法研究[J].系統工程與電子技術，2008，30（8）：1588-1591.

[5] 徐亞鵬，陳貴磊.ARMA 模型在股票價格預測中的應用[J].才智，2013（15）：2-3.

[6] 章晨，鄭循剛，龔沁.基于ARMA模型的我國房地產價格預測分析[J].生產力研究，2012（2）：183-185.

[7] 葛根，王洪禮，許佳.小波分頻技術和混沌時間序列在國際石油價格預測中的應用[J].系統工程理論與實踐，2009，29（7）：64-68.

[8] 王燕.應用時間序列分析[M].北京：中國人民大學出版社，2012.