奶牛主產區奶價波動趨勢預測及穩定對策

劉秀娟+劉立爭+趙慧峰

摘要：目前原料奶價格大幅下跌，嚴重打擊了奶農的養牛積極性。為了分析奶價波動規律，預測奶價的未來趨勢，穩定奶價，促進奶牛產業的健康發展，利用2006—2015年奶牛主產區原料奶月度價格數據，分析奶價的波動特點。根據ARIMA、灰色預測模型建立綜合集成預測模型，分別對2016年的原料奶價格進行預測，并將3種預測結果進行對比，證實綜合集成預測效果最好，預測結果表明，在未來一年奶價將有上漲趨勢。在此基礎上提出穩定原料奶價格的對策，即提高原料奶生產者的競爭力、調節原料奶的市場供給、增加原料奶的市場黏性、保障奶農合理利潤。

關鍵詞：原料奶價格；價格預測；穩定對策；奶牛主產區；綜合集成預測；ARIMA模型；灰色預測模型

中圖分類號： F323.7 文獻標志碼： A

文章編號：1002-1302（2016）11-0569-05

隨著國民生活水平的提高，社會加大了對畜產品的需求。牛奶作為一種重要的畜產品，已經形成了獨立的產業體系，受市場供求、生產周期等因素影響較大，其價格敏感性不斷增強。2008年“三聚氰胺事件”后，原料奶的價格出現過劇烈的下跌；2013年“奶荒”事件引起奶價急劇攀升；2014年由于奶價的持續下降，倒奶事件頻發。2015年農業部下發《關于協調處理賣奶難穩定奶業生產的緊急通知》，要求各級地方農牧部門采取有效措施，確保奶農利益。本研究所稱奶牛主產區是指河北、山西、內蒙古、遼寧、黑龍江、山東、河南、陜西、寧夏、新疆等10個省（區），2014年該區域生鮮乳產量占全國的 78.0%。奶價大幅波動，使當地奶農陷入高價進口奶牛、倒奶、殺牛的惡性循環，不利于奶業的平穩、健康發展，因此采取措施防止奶價大幅波動成為一個現實問題。本研究目的在于對奶牛主產區原料奶收購價格的波動規律進行深入分析；預測未來一年奶價的走勢，有助于乳企、奶農擬定合理生產計劃；就穩定原料奶價格提供政策建議，有利于整個行業的健康發展。

1 文獻綜述

1.1 關于價格研究方面

最早在農產品領域進行價格實證預測的是經濟學家Henry L. Moore發表的《經濟周期》和《棉花收益和價格的預測》，直接促進了美國20世紀20年代關于農業供給、需求和價格的研究[1]。1930年美國的Schultz、意大利的Ricci、荷蘭的Tinbergen各自獨立揭示了價格和產量連續變動關系，即著名的“蛛網理論”。Kinnucan等分析了農場牛奶的價格變化與4大奶制品（流體牛奶、黃油、奶酪和冰淇淋）的零售價格之間的關系[2]。Westhoff 等分析了1999年12月31日美國乳品價格支持計劃結束后對美國乳品行業的影響[3]。

國內關于農產品價格的研究起步較晚，具體到奶價的研究較少，近年的研究主要有曹志軍等分析了中國2007年原料奶價格的變化情況及變化的原因，從原料奶生產成本和乳制品銷售終端倒推分析原料奶的合理價格，同時提出保證原料奶合理價格的措施[4]。陳新等分析了上海地區生奶收購價格與奶牛精料價格比值指數歷史軌跡，牛奶銷售價格與生奶收購價格的比價關系，提出了創建生奶價格形成機制的具體建議[5]。于冬旭等從價格體系的角度對原料奶價格進行分析，發現原料奶混合料比價波動較大，鮮奶原料奶差價波動較小，體現出奶農收益的不穩定和乳制品加工企業對利潤的把控性較強[6]。趙建偉等從經濟博弈論的角度出發，通過建立Bertrand模型，分析了宏升村奶牛合作社牛奶利潤減少的經濟學原因[7]。白燕飛等采用時間序列分析，通過Granger因果檢驗對進口乳制品價格序列與國內乳制品價格序列之間的因果關系進行檢驗[8]。

1.2 關于預測方法方面

傳統的價格預測方法有時間序列預測法、因果關系預測法；目前較為流行的智能預測方法有人工神經網絡、灰色系統、遺傳算法、粗糙集、小波分析等。其中，Bessler等為探索畜產品價格的影響因素建立了專家預測、實際價格、期貨價格的向量自回歸模型[9]。Kohzadi等以1950—1990年的月度活牛和小麥價格數據為基礎，利用前饋神經網絡測度ARIMA和神經網絡價格預測性能[10]。Rutherford利用2000年之前的肉、奶平均年增長率，對部分亞洲國家2000—2010年肉、奶的生產量、消費量進行了預測，以測度不同國家的自給自足能力[11]。Schmit等利用當前的總量預測數據，結合現有的供需經濟模型，預測未來10年的液體奶和奶酪的零售需求、農場牛奶的供應和價格[12]。Vere等將多種模型進行集成，試驗結果表明集成模型在分析經濟問題時沒有帶來不利影響，反而提供了1種比單個模型更有效的評估機制[13]。

國內在農產品預測方法上呈現多樣化，謝華文利用時間序列自回歸模型和普通回歸模型對近3年來廣西壯族自治區南寧市的豬肉價格進行了分析預測[14]。錢貴霞等利用CensusX12季節調整方法和HP濾波法分析了鮮奶價格數據變動、波動周期和季節性變動，并且利用季節指數預測法和Holt-Winters季節乘積模型對未來2年我國鮮奶價格的變動進行了預測[15]。張瑞榮等運用ARIMA模型對肉雞產品價格進行了模擬分析和預測評價[16]。李寧等運用修正的AIDS模型對內蒙古城鎮居民肉類消費結構的變化趨勢進行了實證分析[17]。

縱觀國內外文獻發現，價格的變動有規律可循，選擇恰當的預測方法，可以形成合理的預期。國外對奶價的研究集中于變化調整、預測，既有堅實的理論基礎，也有成熟的研究方法；國內主要研究奶價的形成、變動和利益分享，農產品價格預測方法比較豐富，但奶價預測研究不多。由于奶牛主產區原料奶價格是自相關非平穩的時間序列，影響原料奶價格的因素有很多，如供給量、需求量、飼料價格、市場景氣指數、國際貿易輸出及輸入量等，而且這些因素又常常存在多重共線性，所以準確找出影響原料奶價格的重要因素進行建模比較困難。但是ARIMA模型在單時序建模中簡單易行，操作步驟規范，預測精度較高。另外，奶價的變化過程是灰色的，很多影響因素無法定量描述，灰色預測模型可以將影響奶價的各種因素隱含在模型內部，對小樣本數據預測效果較好。因此，本研究采用ARIMA模型和灰色預測模型對原料奶價格進行擬合并短期預測，最后為避免單個模型預測精度的可能不穩定，采用回歸方法進行綜合集成預測。

2 奶牛主產區原料奶價格波動的特點

2.1 名義價格由上漲轉為下跌

自2006年5月以來，奶牛主產區原料奶的名義價格波動較大，由長期上漲轉為下跌（圖1）。2006年價格平穩，2007年開始步入上升通道，于2008年3月達到第一個峰值 2.93元/kg，而后進入下降通道直到2009年9月2.31元/kg，接著進入慢漲趨勢直到2014年2月第二個峰值4.26元/kg，隨后進入下降趨勢至2015年5月。從月度價格走勢來看，每年5—8月相對價格最低。

2.2 實際價格在波動中上升

以2010年不變價格為基期，去除CPI對原料奶名義價格的影響，發現自2006年5月以來，奶牛主產區原料奶的實際價格波動區間為2.10～3.75元/kg，有2個明顯的波峰，總體趨勢是波動中上升，2015年價格較低（圖2）。第一個波峰在2008年3月。從3月開始三鹿奶粉屢遭消費者投訴，逐步演變成三聚氰胺事件，在消費者恐慌心理的影響下，原料奶價格一路下滑，到2009年8—9月達到最低點。2009年10月開始，國內市場對乳制品的需求逐漸恢復，原料奶價格觸底回升，奶業開始恢復性增長。第二個波峰出現在2014年2月。隨著2013年奶牛散養戶大量退出，規模化牧場未能填補缺口，主產區奶牛存欄量、牛奶產量大幅減少，形成“奶荒”，2013年5月開始，原奶收購價格直線攀升，至2014年2月達到最高點，此后進入下滑區間。

3 研究方法及數據說明

3.1 ARIMA模型及建模過程

ARIMA模型即差分自回歸移動平均模型，是博克斯等于20世紀70年代提出的一種時間序列預測方法。ARIMA模型是將非平穩時間序列轉化為平穩時間序列，然后將因變量僅對它的滯后值以及隨機誤差項的現值和滯后值進行回歸所建立的模型。ARIMA模型將預測指標隨時間推移而形成的數據序列看作1個隨機序列，這組隨機變量所具有的依存關系體現著原始數據在時間上的延續性，利用序列過去的觀察值，可以外推出序列的未來值。其模型的一般形式如下式所示：

ARIMA模型的建模過程具體可以分為以下4個步驟，即時間序列的平穩性檢驗、確定模型的階數、參數估計、診斷檢驗[18]；用建立的ARIMA模型進行預測。

3.2 灰色預測模型及建模過程

灰色預測是一種對含有不確定因素的系統進行預測的方法。灰色預測通過鑒別系統因素之間發展趨勢的相異程度，并對原始數據進行生成處理來尋找系統變動的規律，生成有較強規律性的數據序列，然后建立相應的微分方程模型，從而預測事物未來發展趨勢的狀況。該方法用等時距觀測到的反應預測對象特征的一系列數量值構造灰色預測模型，預測未來某一時刻的特征量。本研究預測采用的是對序列進行1次累加生成的處理方式，生成新數據序列后建模，最后累減形成預測值，即GM（1，1）。

灰色預測的建模過程具體可以分為以下3個步驟：

（1）對原數據進行預處理。計算1次累加生成數據y（t）及均值生成數據z（t）。設經過預處理的原料奶實際價格數據為x（1），x（2），…，x（n），記為X=[x（1），x（2），…，x（n）]。

3.3 綜合集成預測

觀察ARIMA、灰色預測模型的優缺點，將這2種模型進行綜合集成，以期獲得更加精確、穩定的預測結果。集成模型采用回歸方法進行，設y=αx1+βx2，其中，y表示全國原料奶實際價格，x1表示ARIMA模型預測值，x2表示灰色預測值。

3.4 原始數據來源

本研究采用2006年5月—2015年5月原料奶收購價格月度數據作為分析樣本，共計109個。數據來源于河北、山西、內蒙古、遼寧、黑龍江、山東、河南、陜西、寧夏、新疆等10個奶牛主產省（區）農業部監測的原料奶周度價格，經過歸納整理形成月度平均價格。為了剔除通貨膨脹對數據的影響，本研究以2010年價格為基期，根據國際貨幣基金組織測算的中國CPI去除通脹，得到原料奶實際價格作為原始數據。

4 原料奶價格變化趨勢預測

4.1 ARIMA模型預測

4.1.1 確定模型的形式

4.2 灰色預測

根據后驗差檢查結果，發現精度滿足要求，可以用此模型進行預測，預測結果見表2。

4.3 綜合集成預測

集成模型采用回歸方法，設y=αx1+βx2，其中，y表示原料奶實際價格，x1表示ARIMA模型預測值，x2表示灰色預測值，由SPSS19.0軟件回歸工具確定α=0.587，β=0.407，然后對2種預測數據進行集成，集成預測結果見表3。

4.4 預測精度比較

把3種預測結果和實際值進行比較，通過分別測定Theil不相等系數、偏誤比例、方差比例、協方差比例來判定不同方法的預測精度（表4）。

Theil不相等系數、偏誤比例、方差比例越小，協方差比例越接近1，說明預測精度越高。由于灰色預測結果方差比例最高，Theil不相等系數最大；ARIMA預測結果偏誤比例最高；集成預測結果Theil不相等系數、偏誤比例最小，協方差比例接近1（表4）。綜合3種預測結果，認為集成預測結果的穩定性和預測精度最優。2006年5月至2015年5月奶牛主產區原料奶實際價格數據與預測結果擬合效果見圖3。

5 結論與穩定原料奶價格的政策建議

5.1 結論

第一，根據預測結果，盡管截至2015年5月奶牛主產區原料奶收購價格還在持續下跌，但是在未來1年有上漲趨勢。但這基于如下假設，假設在預測時間段內不發生重大事件，如疫情、重大食品安全事故等。理論依據在于，雖然目前下跌還在持續，但是近年來原料奶的生產成本在不斷上升，而目前的收購價格已經逼近原料奶的成本價，隨著雙方的博弈，價格在未來會出現小幅上升，給奶農必要的生存空間。第二，由圖3可知，預測值和實際值在2013年8月到2014年10月期間偏差較大，反映出2013年的暴漲和2014年的急跌外在干擾因素較多，如國際市場變化、偶然事件。2014年初期原料奶價格下行是市場自身調節的理性回歸。2014年11月至2015年5月奶價持續下跌已近底部，在市場自身調節下將會出現價格反彈。第三，隨著玉米、豆粕等飼料價格的上漲，截至2014年原料奶的價格是在波動中上升。2006—2014年，大幅度的價格波動有2次，分別是2008年、2014年，平均波動周期為4.5年。從月度價格來看，每年5—8月相對價格較低，呈現明顯的季節變動。

5.2 政策建議

5.2.1 提高主產區原料奶生產者的競爭力

主產區奶農面對2015年的價格探底，深刻體會到國際競爭的緊迫性。當前國外奶價遠遠低于國內，政策性協調乳企和奶農間利益的行為都是短期的。任何一個理性的乳品企業，從盈利的角度出發，必然選擇進口。雖然中國未加入TPP，但是我國已經和TPP內2大乳制品出口商新西蘭、澳大利亞簽訂了自由貿易協定。2015年歐盟取消牛奶配額制度，牛奶產量將會上升，中國市場備受歐盟關注。雖然國際市場沖擊將持續存在，但是國內奶牛主產區大都分布于北緯黃金奶帶或大城市周邊，具有良好的產銷地緣優勢，所以奶牛主產區的乳品企業還是會以國內為立足點；但是主產區的牛奶生產者需要慎重思考如何轉型升級，通過降低飼料成本、提高轉化率、提高單人養殖規模、發展乳肉兼用牛等多種途徑降低原料奶的單位成本，提高原奶質量，增加競爭力。

5.2.2 調節原料奶的市場供給

根據蛛網理論，當供給價格彈性大于需求價格彈性時，蛛網模型是發散的，價格是不穩定的。由于國人的飲食結構、消費習慣相對比較穩定，所以需求價格彈性較小。原料奶供給價格彈性大，當奶價下跌時，奶農就會減產、殺牛，供給大幅波動。所以調節原料奶的市場供給，可以增加奶價的穩定性。由于原料奶的易腐性，只能通過加工成易保存的奶粉、黃油、奶酪調節供需矛盾。而目前乳企和大部分牛奶生產者利益是分離的，所以奶農有必要考慮延長產業鏈，組建加工企業加工剩余原料奶，根據市場的需求，調節原料奶供應量，減小價格波動。如果奶農資金有限，無力發展加工企業，也可以委托乳企加工。奶牛主產區的農業管理部門可以在一定的情況下（若連續2個月原料奶均價和平均飼料成本之差低于最低保障利潤時），聯合慈善機構以市場價購買奶制品，捐贈給低收入家庭。

5.2.3 增加原料奶的市場黏性

雖然國外原料奶的品質、價格優勢存在，但是鮮奶保質期短（1周左右），且全程運輸、儲藏需冷鏈支持，所以進口乳制品主要以奶粉、黃油、奶酪等固態形式進入國內。奶牛主產區奶農的優勢在于生產生鮮乳，所以發展高品質的生鮮乳制品（發展鮮奶制品店、巴氏奶配送、乳制品原料來源注明屬于復原乳還是生鮮乳），以此吸引消費者群體，保證市場對本地原料奶的需求，是增加其市場黏性的基礎，這是穩定價格的關鍵。

5.2.4 保障奶農合理利潤

根據國家奶牛產業技術體系牛場信息監測數據，2015年2月河北、河南、山東、山西等省場均700頭奶牛，其他奶牛主產區均高于這一水平。隨著奶牛主產區以散養為主的模式被徹底打破，直到今天，奶牛養殖業一直處于不斷變革的高風險狀態。規模化養殖快速發展，基礎設施不斷升級，轉型發展帶來的持續資本投入使一些小規模養殖戶效益下滑、甚至退出奶牛養殖業。再加上目前國際原料奶價格低迷，乳企降低國內原料奶收購價、收購量，使奶農的投資毫無保障。因此，為了保障奶農可持續生產能力，分擔轉型發展的成本，在奶農利益維護組織和國家價格支持政策缺位的情況下，奶牛主產區政府有必要根據平均生產成本設定目標價格，保障奶農的合理利潤。如當主產區原料奶價格過低時，政府向乳企收購黃油、奶粉、奶酪等儲藏起來，從而保證奶農和乳企之間的原料奶價格位于政府設定的目標價格之上。當奶價回升時，政府再予以出售，以維持原料奶價格基本穩定。

參考文獻：

[1]劉慶元，王天春. 市場價格理論與實務[M]. 大連：東北財經大學出版社，1998.

[2]Kinnucan H W，Forker O D.Asymmetry in farm-retail price transmission for major dairy products[J].American Journal of Agricultural Economics，1987，69（2）：285-292.

[3]Westhoff P，Brown D S.U.S. dairy sector without price supports[J].Canadian Journal of Agricultural Economics，1999，47（5）：19-27.

[4]曹志軍，李勝利. 2007年中國原料奶價格分析[J]. 中國畜牧雜志，2008（2）：41-46.

[5]陳 新，潘鴻飛. 建立合理的生奶價格形成機制的探討[J]. 中國乳業，2008（5）：8-10.

[6]于冬旭，張 京. 我國原料奶價格體系分析[J]. 北方經濟，2012（12）：17-18.

[7]趙建偉，蘇義坤. 基于經濟博弈視角的奶牛合作社原奶價格分析[J]. 安徽農業科學，2014，42（35）：12707-12709.

[8]白燕飛，劉 芳，何忠偉. 液態奶價格國際傳導機制研究[J]. 中國奶牛2015（6）：43-48.

[9]Bessler D A，Brandt J A. An analysis of forecasts of livestock prices[J]. Journal of Economic Behavior and Organization，1992，18（2）：249-263.

[10]Kohzadi N，Boyd M S，Kermanshahi B，et al.A comparison of artificial neural network and time series models for forecasting commodity prices[J]. Neurocomputing，1996，10（2）：169-181.

[11]Rutherford A S.Meat and milk self-sufficiency in Asia：forecast trends and implications[J]. Agricultural Economics，1999，21（1）：21-39.

[12]Schmit T M，Kaiser H M.Forecasting fluid milk and cheese demands for the next decade[J]. Journal of Diary science，2006，89（12）：4924-4936.

[13]Vere D T，Griffith G R.Structural econometric modeling in Australias livestock production and marketing systems：the potential benefits of model integration for industry analysis[J]. Agricultural Systems，2004，81（2）：115-131.

[14]謝華文. 廣西農產品價格預測初探——以南寧市為例[J]. 廣西農業科學，2010（8）：862-865.

[15]錢貴霞，陳 思. 鮮奶零售價格波動規律與趨勢預測[J]. 農業經濟與管理，2011（5）：46-55.

[16]張瑞榮，王濟民，申向明. 肉雞產品價格預測模型分析[J]. 農業技術經濟，2013（8）：23-31.

[17]李 寧，張瑞榮，姜美夷，等. 牧民消費行為差異分析——基于LA/AIDS模型[J]. 經濟論壇，2013（9）：112-117.

[18]李 曉，母培松，雷 波，等. 豬肉消費需求預警分析與應用示范研究[J]. 西南農業學報，2011，24（6）：2414-2419.

[19]鄭 莉，段冬梅，陸鳳彬，等. 我國豬肉消費需求量集成預測——基于ARIMA、VAR和VEC模型的實證[J]. 系統工程理論與實踐，2013（4）：918-925.