江西省生豬價格波動的成因及其預警分析
——基于灰色關聯和LS-SVM模型

付蓮蓮，翁貞林2，張雅燕2

（1.江西農業大學理學院，江西南昌330045；2.江西農業大學江西現代農業發展協同創新中心，江西南昌330045）

江西省生豬價格波動的成因及其預警分析
——基于灰色關聯和LS-SVM模型

付蓮蓮1，2，翁貞林2，張雅燕2

（1.江西農業大學理學院，江西南昌330045；2.江西農業大學江西現代農業發展協同創新中心，江西南昌330045）

以2000年1月至2015年5月的江西生豬價格數據為研究對象，利用Census-X12和HP濾波分解方法探索生豬價格波動的特征，結合逐步回歸法和灰色關聯分析識別影響生豬價格波動的顯著因素，在此基礎上，構建LS-SVM模型對生豬價格進行預測。結果表明，生豬價格波動具有明顯的季節性，每年的1月份季節因子最大，6月份降至全年的最低點；2000年以來生豬價格共經歷了7個波動周期，平均周期為25.3個月；隨機性成分對生豬價格的貢獻日益增大，玉米價格、仔豬價格、豬肉價格、生產者預期、牛肉價格和疫情對生豬價格的波動有顯著作用，其中玉米價格和仔豬價格的影響較大；LS-SVM模型的預測值和真實值很接近，平均誤差僅為1.37%，LS-SVM能較好地反映生豬價格及其影響因素之間的復雜的非線性關系。

生豬價格；波動特征；灰色關聯；LS-SVM模型；預警

自1985年國家取消統購統銷實行多渠道經營以來，我國生豬價格波動歷經了數次飆漲、暴跌及其相互轉換過程［1］。2010年5月—2011年9月，生豬價格持續上漲，累計漲幅達95.48%。2014年以來，“豬周期”再次來臨，2014年4月，生豬價格僅為10.97元·kg-1，全國生豬出場價格持續19周下跌，累計降幅達31.11%。2015年3月開始，豬價在4個月里上漲50%，此輪豬價上漲出乎意料，在淡季出現了價格大逆轉。生豬價格波動劇烈，不確定因素眾多，且價格波動具有聯動性、傳導性、同步性和放大效應［2］，對消費者和生產者造成巨大的經濟損失，影響市場的供求，是困擾生豬產業健康發展、價格穩定的難題［3］。

已有研究中，國外學者主要從生豬供給、需求、石油價格、生產成本、貨幣、生物質能源、疫情、匯率、氣候、國際畜產品價格等方面論述生豬價格波動的成因［4-9］，國內學者主要從生豬的生產成本、流通成本、養殖主體行為、生豬生產周期、替代品價格、疫情等生豬價格波動的原因進行了探討。近年來，我國豆粕、玉米等飼料原料價格上漲、人工成本增加導致生豬生產成本上升［10］；部分地區過多征收豬肉稅費，國內成品油價格大幅上漲，生豬規模效益的缺乏都導致了生豬流通成本的增加［10］。我國生豬飼養大都以農戶散養為主，散養戶的素質普遍偏低，基本不具備市場分析能力和決策能力，經常簡單地依據市場價格做出生產決策。價格上漲時大家一窩蜂涌入市場，而價格下跌時紛紛退出，這種頻繁進退市場行為容易引起生豬市場價格的劇烈波動［11］。除了供給和需求層面的因素外，疫病、突發性事件和國家政策等外部沖擊同樣會影響生豬價格［12］。學術界對生豬價格波動的成因未達成共識。

為此，本文基于 Census-X12和 HP濾波分解，探尋生豬價格波動的周期、趨勢成分和不確定成分，結合逐步回歸分析和灰色關聯法挖掘生豬價格波動的原因。在此基礎上，構建LS-SVM模型對江西省生豬價格進行預測，提出生豬價格風險調控策略。

1 研究方法和數據來源

1.1 研究方法

1.1.1 HP濾波分解

生豬價格的月度數據通常包括4種信息成分：趨勢成分（trend）、周期成分（cycle）、季節成分（seasonal）和隨機成分（irregular）。成分分解就是通過統計方法將月度數據的季節、趨勢、周期和隨機成分逐個分離出來，分析不同成分的波動特點。通過設置λ參數值（月度數據= 14 400），根據對稱移動數據平均法原理，通過數學計算，HP濾波分析將生豬價格的月度數據分離成一條趨勢線和一條上下波動的周期線［13］，從而探索生豬價格的趨勢成分、周期成分和隨機成分。

1.1.2 LS-SVM模型

支持向量機（support vector machine，SVM）在處理非線性問題及精確預測方面有較強的適用價值，能有效避免機器學習理論中的局部極小、維數災難等傳統問題，在很多領域都得到了成功的應用［14］。在此，應用最小二乘支持向量機（LSSVM）對生豬價格進行預測。

LS-SVM在優化過程中的損失函數為誤差的二范數，目標函數為：

｛xi，yi｝為n個訓練樣本，xi∈R6為訓練樣本輸入，yi∈R為訓練樣本輸出。C＞0為懲罰因子，用于調節誤差，C值越大，模型的誤差越小。

定義Lagrange函數為：

其中αi為拉格朗日乘子。根據KKT條件可以得到如下等式和約束條件：根據Mercer條件，可得

1.2 數據來源

在研究江西生豬價格波動規律方面，以2000年1月—2015年5月江西待宰活豬月度價格（HOGP）為研究對象，數據來自中國畜牧業信息網。

在研究江西生豬價格波動成因和生豬價格預測方面，選取玉米價格、仔豬價格、豬肉價格、豬肉替代品價格（雞肉、牛肉）、豆粕價格、疫情等因素作為生豬價格波動成因［15-16］。基于數據可得性，樣本范圍定為2000年1月—2015年5月，其中玉米價格、仔豬價格、豬肉價格、雞肉價格、牛肉價格和豆粕價格數據來源于中國畜牧業信息網，匯率來自于國際清算銀行，疫情以虛擬變量表示，通過文本挖掘，如果當年發生疫情，記為1，否則，記為0。

式中，K（xi，xi）=φ（xi）Tφ（xi）是定義滿足Mercer條件的核函數，最后用最小二乘法求出αi和b，則預測輸出為

2 結果與分析

2.1 江西省生豬價格波動規律

從價格走勢圖（圖1）發現，2000年1月—2015年5月生豬價格波動幅度較大。

圖1 江西省生豬價格走勢圖Fig.1 Chart of hog price in Jiangxi

2.1.1 生豬價格的季節成分

月度數據可能存在季節性，為此，采用Census-X12對月度生豬價格（HOGP）進行調整，調整后的序列記為HOGP_TC（圖2），同時得到生豬價格的季節因子HOGP_SF（圖3）。

生豬價格波動具有明顯的季節性。每年的1月份，生豬價格的季節因子最大，之后逐漸下降，5、6月份降至全年的最低點，之后開始上漲，12月至次年的2月均保持較高的價格。之所以會出現如此明顯的季節規律，主要是由于我國居民的消費習慣和節假日的影響。每年的4月份以后，天氣逐漸變熱，豬肉的消費量也相應減少，供求關系決定了生豬價格走低；8月份之后，隨著謝師宴、國慶節、元旦和春節等傳統節日的來臨，居民對豬肉的需求逐漸增加，拉動了生豬價格的上漲。

2.1.2 生豬價格的趨勢成分和周期成分

對HOGP_TC進行HP濾波分解，得到生豬價格的趨勢曲線和周期曲線（圖4）。由圖可知，生豬價格的趨勢曲線有明顯的時間趨勢，對Trend關于時間擬合，經過反復調試，得：

圖2 HOGP和HOGP_TC的走勢圖Fig.2 Chart of HOGP and HOGP_TC

圖3 生豬價格的季節成分Fig.3 Seasonal factors of hog price

式（6）中，方括號里是t的統計量，R2和F值表明方程（6）的擬合效果較好，說明生豬價格有著明顯的趨勢性。長期來看，生豬價格的趨勢性和生豬市場的供求、生豬進出口等因素有著密切的關系。

圖4 H-P分解后的生豬價格的趨勢成分和周期成分Fig.4 Trend and cycle of hog price decomposed by HP

周期曲線顯示價格存在著明顯的周期變化規律，按波谷—波谷劃分，2000—2015年生豬價格共經歷了大大小小7個完整的波動周期（表1），大周期里面包含小周期。在不同周期中，生豬價格波動在時間和振幅上存在明顯的差異，2006—2009年振幅最大，高達7.46%，而2000—2003年、2014—2015年年初則振幅最小。價格波動呈現相對平穩、小幅度波動、急劇波動、小幅度波動的形式轉變。

表1 2000—2015年生豬價格波動周期Table 1 The cycle of hog price from 2000 to 2015

2.1.3 生豬價格的隨機成分

生豬價格的隨機成分見圖5。由圖可知，自2003年以來，生豬價格的隨機成分波動越來越頻繁，2006年初，生豬價格達到波谷，之后，隨機成分波動未呈現明顯的規律性。2006、2007年疫情最嚴重，生豬藍耳病、豬肺疫、豬瘟等發病數及次數創新高，自2011年以來基本無大疫情，生豬供應增長平穩，說明生豬疫情、炒作等不確定因素對生豬價格波動的影響非常明顯。

圖5 生豬價格的隨機成分Fig.5 Irregular factors of hog price

21世紀以來，生豬價格波動的周期性明顯，大周期內現小周期，下跌的時間較上漲的時間長，隨機性對生豬價格波動的貢獻日益增大。挖掘其波動背后的因素、預測生豬價格亟待解決，這樣有利于江西生豬產業的健康發展。

2.2 生豬價格波動的成因分析

2.2.1 基于逐步回歸的生豬價格影響因素的研究

建立線性模型對生豬價格的影響因素進行篩取，模型具體為：

式（7）中，Pd、Py、Pz、Pp、Pj、Pn、Pc、R、D分別表示待宰活豬價格、玉米價格、仔豬價格、去皮帶骨豬肉價格、雞肉價格、牛肉價格、豆粕價格、人民幣有效匯率和疫情。

求Py、Pz、Pp、Pj、Pn、Pc、R、D之間的相關系數，發現，玉米和豆粕價格、牛肉和雞肉價格之間的相關性達到了0.9以上，表明模型可能存在多重共線問題，故采用stepwise逐步回歸法回歸，考慮生豬價格可能存在滯后效應，依次加入生豬價格的n階滯后項進行調試，最后滯后3階生豬價格進入模型，這和現實吻合，故用滯后3階的生豬價格代表生產者預期，估計結果如下：

式（8）中，方括號內表示t的統計量，在5%的顯著性水平下，玉米價格、仔豬價格、豬肉價格、牛肉價格、生產者預期和疫情對生豬價格的影響均比較顯著。玉米價格的邊際影響系數為1.045，高于其他因素的影響程度，表明生產成本對生豬價格的影響較大。其次，豬肉價格產生的需求拉動效應對生豬價格的影響也比較明顯。

2.2.2 基于灰色關聯法的生豬價格影響因素的研究

為更合理地剖析生豬價格波動的成因，選取待宰活豬價格作為參考序列，利用灰色關聯法計算生豬價格和上述影響因素之間的關聯度，結果見表2。

表2 關聯度排序表Table 2 Ranking table of correlation

玉米價格、豬肉價格、仔豬價格、生產者預期對生豬價格的影響較大，關聯度均在0.8以上，其中玉米價格和生豬價格的關聯度高達0.93，仔豬價格和生豬價格的關聯度為0.84，進一步驗證了逐步回歸分析結果的正確性，發現玉米價格和仔豬價格是生豬價格波動的主要原因。豆粕價格和生豬價格的關聯度也較高，但逐步回歸模型（3）中沒進入模型，可能是因為與玉米價格存在多重共線性。

結合逐步回歸模型和灰色關聯分析的結果，最終選取玉米價格、豬肉價格、仔豬價格、生產者預期、牛肉價格和疫情作為生豬價格的顯著影響因素進入LS-SVM預測模型，這6個變量在逐步回歸中顯著，并且其和生豬價格的關聯度均在0.8以上。表明這6個影響因素對江西生豬價格有著顯著的影響。

2.3 基于LS-SVM模型的生豬價格的預測分析

選擇玉米價格、豬肉價格、仔豬價格、生產者預期、牛肉價格和疫情作為訓練輸入變量，生豬價格作為輸出變量，以2000—2014年江西省生豬價格和主要影響因素數據建立LS-SVM模型。在建立LS-SVM模型時，選擇一個適當的核函數非常重要，常用的核函數主要包括多項式核函數、線性核函數、徑向基核函數等。由于徑向基核函數具有較強的泛化能力、表達形式簡單、光滑性好等優點，為此，本文建立LS-SVM模型時，核函數選擇徑向基（9）。

預測過程的實現通過MATLAB（R2010b）平臺的LSSVMlabv1_8_R2009b_R2011a工具箱完成。首先根據公式（10）將原始數據映射到［0.2，0.9］區間，其中x為原始數據，y為歸一化后的輸出數據。

選取2000年1月—2014年6月的相關數據作為訓練樣本，2014年7月至2015年6月的數據作為測試樣本，處理后構建LS-SVM模型，預測結果如表3。結果表明，LS-SVM模型取得較好的擬合效果，相對誤差低于2%的值占到91.7%。隨著擬合的進行，相對誤差的波動總體上趨于穩定。真實值和預測值非常接近，平均誤差僅為1.37%，表明LS-SVM模型在生豬價格預測方面具有良好的預測性能，能較好地反應江西生豬價格及其影響因素的復雜的、非線性的關系，在生豬價格預測方面具有良好的應用前景。

表3 基于SVM模型的江西省生豬價格預測值與真實值Table 3 Predicted value and actual value of hog price based on SVM model

3 結論與建議

本研究運用Census-X12和HP濾波方法研究了2000年1月—2015年5月江西生豬價格波動的周期性、季節性和隨機性，并構建逐步回歸模型和灰色關聯模型，從眾多影響因素中篩選出生豬價格波動的顯著影響因素。在此基礎上，構建LS-SVM模型，對江西生豬價格做出預測。研究結果表明，江西省生豬價格波動具有明顯的季節性，每年的1月份，生豬價格的季節因子最大，5、6月份降至全年的最低點。2000年1月—2015年5月生豬價格共經歷了7個波動周期，生豬價格經歷了由相對平穩、小幅度波動到急劇波動，再到小幅度波動的轉變，波動的周期越來越短，隨機性成分對生豬價格的貢獻日益增大。為挖掘生豬價格波動的成因，文章構建逐步回歸模型和灰色關聯模型甄別出玉米價格、仔豬價格、豬肉價格、生產者預期、牛肉價格和疫情6個顯著影響生豬價格波動的因素，這6個因素較好地代表了生產成本、需求、預期和外部沖擊對生豬價格的影響；其中，玉米價格和仔豬價格對生豬價格影響較大，與Tan等［6］、張富的研究結論一致［16］。最后，建立LS-SVM模型對生豬價格進行預測，取得了較好的擬合效果，價格的真實值和預測值接近。國內對生豬價格的預測主要采用了計量模型、結構方程模型和BP神經網絡等，傳統的BP網絡模型可能出現局部極小問題，且需要大量樣本進行學習和訓練［17］。生豬價格月度數據有非平穩、非線性、復雜性等特點，文中LSSVM模型預測的平均誤差較小，表明LS-SVM能更科學地反映生豬價格和影響因素之間的復雜的、非線性的關系。

基于本文研究，提出以下政策建議。

一是完善生豬生產和市場的預警體系。鑒于生豬價格波動的周期越來越短，隨機因素對價格的干擾越來越劇烈，政府相關部門應在“互聯網+”模式下進一步完善生豬生產和市場的預警體系。實現生豬生產和市場信息的實時共享，使生豬養殖戶尤其是散養戶能夠準確地把握未來生豬價格的變化，提高養殖戶的科學決策水平，從源頭上減緩生豬供給的波動，從而熨平生豬價格的非正常波動。

二是加強對飼料、獸藥等相關行業的監管能力。逐步回歸模型和灰色關聯分析表明，玉米價格和豆粕價格對生豬價格的影響最大，通過加強對飼料和獸藥等行業的監管，便于穩定生豬養殖的成本。另外，通過對飼料、獸藥行業的監管，從終端及其產業鏈的角度避免“瘦肉精”“三聚氰胺”等事件的發生。

三是提升生豬價格預測預警水平。目前，生豬生產市場仍以散養戶為主，這就需要加強生豬市場預期的準確性，要重視生豬價格波動特征的識別，運用不同的時間序列方法對生豬價格的周期和趨勢進行甄別，并比較方法的結果的異同性。同時，需要引入更多高精度的預測模型到生豬價格預測預警中，深入分析生豬價格波動的機理，不斷完善生豬價格預警指標，以適應生豬價格預測的需要。

（

）：

［1］ GALE F，MARTID，HU D.China's volatile pork industry［J］.Situation&Outlook Report Rice，2012：1-27.

［2］ 呂東輝，楊祚，金春雨.基于MS-ARCH模型的我國生豬價格波動特征檢驗及其與CPI變動關聯性分析［J］.農業技術經濟，2012（9）：96-103.

LV D H，YANG Z，JIN C Y.China's hog price characteristics and its correlation of CPI based on MS-ARCH［J］.Agricultural Technology，2012（9）：96-103.（in chinese）

［3］ ZHANG Q，WANG K，HUO R.Study on Stabilizing Price of Hog Market in China［M］//Proceedings of Selected Articles of 2013 World Agricultural Outlook Conference，2014：1-9.［4］ CHEN S，KUO H，Chen C.Modeling the Relationship Between the Oil Price and Global Food Prices［J］.Applied Energy，2010，87（8）：2517-2525.

［5］ CHEN R，ZAPATA H O.Dynamics of Price Volatility in the China-USHog Industries［C］//2015 Annual Meeting，January 31-February 3，2015，Atlanta，Georgia.Southern Agricultural Economics Association，2015.

［6］ TAN Y，ZAPATA H O.Hog price transmission in Global markets：China EU and US［C］//2014 Annual Meeting，February 1-4，2014，Dallas，Texas.Southern Agricultural Economics Association，2014.

［7］ YU X.Monetary Easing Policy and Long-Run Food Prices：Evidence From China［J］.Economic Modelling，2014（40）：175-183.

［8］ SHIVA L，BESSLER D A，MCCARL B A.On the Dynamics of Price Discovery：Energy and Agricultural Markets with and without the Renewable Fuels Mandate［C］//2014 Annual Meeting，July 27-29，2014，Minneapolis，Minnesota.Agricultural and Applied Economics Association，2014.

［9］ ABAO LN B，KONOH，GUNARATHNE A，et al.Impact of Foot-And-Mouth Disease On Pork and Chicken Prices in Central Luzon，Philippines［J］.Preventive Veterinary Medicine，2014，113（4）：398-406.

［10］ 寧攸涼，喬娟.中國生豬價格波動的影響與成因探究［J］.中國畜牧雜志，2010，46（2）：52-56.

NING Y L，QIAO J.The impact and cause of hog price volatility in China［J］.Chinese Journal of Animal Science，2010，46（2）：52-56.（in chinese）

［11］ 李秉龍，何秋紅.中國豬肉價格短期波動及其原因分析［J］.農業經濟問題，2007（10）：18-21.

LIB L，HEQH.Analysis on the short-term volatility of pork prices and its reasons in China［J］.Issues in Agricultural E-conomy，2007（10）：18-21.（in chinese）

［12］ 毛學峰，曾寅初.基于時間序列分解的生豬價格周期識別［J］.中國農村經濟，2008（12）：4-13.

MAO X F，ZENG Y C.Cycle recognition of hog price based on time series decomposition［J］.Chinese Rural Economy. 2008（12）：4-13.（in chinese）

［13］ 付蓮蓮，鄧群釗，周利平，等.基于ISM的農產品價格波動的影響因素分析［J］.軟科學，2014（4）：112-116.

FU L L，DENG Q Z，ZHOU L P，etal.Research on factors influencing price fluctuation of agricultural products［J］.Soft Science，2014（4）：112-116.（in Chinese with English abstract）

［14］ 任順，于海業，周麗娜.基于支持向量機的葉綠素熒光預測光能利用效率研究［J］.農業機械學報，2015（04）：273-276.

REN S，YU H Y，ZHOU LN.Predicting lightuse efficiency with chlorophyll fluorescence spectra based on SVM［J］. Transactions of the Chinese Society for Agricultural Machinery，2015（4）：273-276.（in Chinese with English abstract）

［15］ 綦穎，宋連喜.生豬價格波動影響因素的實證分析——以遼寧省為例［J］.中國畜牧雜志，2009（8）：1-4.

QIY，SONG L X.An empirical analysis on the live hog price fluctuation influencing factor-take Liaoning Province as example［J］.Chinese Journal of Animal Science，2009（8）：1-4.（in chinese）

［16］ 張富.我國生豬生產波動與預警調控［D］.北京：中國農業科學院，2012.

ZHANG F.Fluctuation of hog production and early warning control［D］.Beijing：Chinese Academy of Agricultural Sciences，2012.（in chinese）

［17］ 楊瑢.基于結構方程模型的生豬價格預警研究［J］.中國畜牧雜志，2011（18）：6-9.

YANG R.Early warning research for hog price based on structural equation model［J］.Chinese Journal of Animal Science，2011（18）：6-9.（in chinese）

（責任編輯 萬 晶）

Fluctuation and forecast analysis of hog price in Jiangxi Province based on LS-SVM with grey correlation analysis

FU Lian-lian1，2，WENG Zhen-lin2，ZHANG Ya-yan2
（1.Faculty of Science，Jiangxi Agricultural University，Nanchang 330045，China；2.Jiangxi Collaborative Innovation Center of Modern Agriculture Development，Jiangxi Agricultural University，Nanchang 330045，China）

The paper explored the characteristics of fluctuation for hog price from January 2000 to May 2015 by Census-X12 and HP analysis and identified significant factors for hog price by stepwise regression and grey correlation analysis.On this basis，the LS-SVM model was constructed to predict hog price.The results showed that the fluctuation for hog price was seasonal with the largest seasonal factor in January and the lowest in June.Since 2000，hog price had experienced seven fluctuation cycles and each cycle continued 25.3 months.Contribution of stochastic component to price was increasing.Corn price，piglet price，pork price，producers' expectation，beef price and epidemic disease were notable factors for hog price，among which corn price and piglet price were the largest.The predicted value and actual value of LS-SVM were close.The average error was only 1.37%.The LS-SVM model can effectively describe the nonlinear relations between hog price and its factors.

hog price；characteristics；grey correlation；LS-SVM model；warning

S-9；S237

A

1004-1524（2016）09-1624-07

10.3969/j.issn.1004-1524.2016.09.24

2015-12-05

國家自然科學基金項目（71561014，61561025，71461019）；教育部人文社會科學研究項目（11YJCZH236）；江西現代農業及其優勢產業可持續發展的決策支持協同創新中心課題（XDNYA1502，XDNYA1510）

付蓮蓮（1981—），女，江西九江人，博士，講師，從事農業系統工程研究。E-mail：fulianhappy@163.com

浙江農業學報Acta Agriculturae Zhejiangensis，2016，28（9）：1624-1630 http://www.zjnyxb.cn付蓮蓮，翁貞林，張雅燕.江西省生豬價格波動的成因及其預警分析——基于灰色關聯和LS-SVM模型［J］.浙江農業學報，2016，28（9）：1624-1630.