蔬菜產業監測預警體系建設研究基于蔬菜市場價格監測預警

閆豪瑋，穆月英

（中國農業大學經濟管理學院，北京 100083）

隨著經濟社會的快速發展，蔬菜在居民食物消費中的重要性日益突出。蔬菜消費量越來越大。2013—2021年，我國居民人均蔬菜消費量由94.9 kg增長到106.2 kg，增長幅度達到11.9%，年均增長1.3%，且從長期來看，蔬菜消費量仍有持續上升趨勢。此外，居民家庭蔬菜消費支出也不斷增加，2013—2021年，我國居民人均蔬菜消費支出由514.6元增加到759.2元，增長幅度達到47.5%，且居民蔬菜消費支出占食品煙酒支出的比重穩定在10%左右。

我國蔬菜產業發展迅速，在農業產業中的地位日益凸顯，蔬菜產業的重要地位主要體現在蔬菜播種面積和產量持續穩定上升上，蔬菜播種面積由2001年1 523.7萬hm2增至2021年2 198.6萬hm2，年均增長1.8%，2021年蔬菜播種面積占農作物播種面積的13%左右。蔬菜產量由2001年4.45億t增至2021年7.75億t，年均增長2.7%。此外，蔬菜作物分布區域廣泛，是增加農民收入、推動農村地區經濟發展的重要產業。蔬菜作物具有較為明顯的比較經濟優勢，2020年每667 m2蔬菜的平均凈利潤3 802.4元，其中設施番茄的667 m2均凈利潤更達到8 828.3元，可見發展蔬菜產業是提高農民經營性收入、推動農村經濟增長的重要方式。同時，蔬菜生產需要投入較多勞動力，2020年，每667 m2蔬菜生產的用工數量為30.3日[1]，可見蔬菜生產具有勞動密集型特征，發展蔬菜產業可以為農村居民提供就業機會。

總體來看，蔬菜產業作為農業產業的重要組成部分，在滿足居民食物消費需求的同時，蔬菜生產可以增加農民收入、促進農村經濟發展[2]，由此可知，蔬菜產業的穩定發展具有重要意義。然而，我國蔬菜產業發展仍面臨生產成本增加、收益下降、病蟲害加劇、連作障礙等問題[3]。此外，蔬菜產業還面臨供給需求不平衡的矛盾明顯以及外部不確定因素頻繁沖擊的雙重風險，由此導致蔬菜的市場價格波動頻繁，一方面嚴重損害了消費者福利，另一方面也導致蔬菜種植戶收益不確定性增大，從而影響農戶種菜積極性，甚至使農戶放棄種菜，進而導致蔬菜產業的無序生產，致使蔬菜價格波動加劇。

這些問題和風險制約了蔬菜產業的進一步快速發展，通過建設蔬菜產業監測預警體系，加強對蔬菜生產和市場環節的監測與預警，有助于解決蔬菜產業面臨的問題、規避蔬菜產業面臨的潛在風險[4]。學者對蔬菜產業監測預警體系建設進行了較多研究，一些學者通過定性分析方法，從蔬菜生產環節視角，指出蔬菜產業監測預警體系建設存在法律層面短缺、基礎研究不足、預警信息權威性和有效性欠缺等難點，并提出了相應的對策建議[5]。也有學者通過定量分析方法，從蔬菜價格視角探究蔬菜產業監測預警體系，在分析蔬菜價格波動特征的基礎上，識別出氣候因素[6]、生產成本、居民收入水平[7]等是影響蔬菜價格波動的重要因素，并基于SVAR模型、ARIMA模型等方法預測蔬菜價格，運用黑色預警方法和黃色預警方法構建蔬菜市場價格預警機制，并證實預測預警機制的有效性[8]。

綜上，蔬菜產業監測預警體系建設具有十分重要的現實意義，是推動蔬菜產業進一步發展的關鍵。已有研究具有重要參考意義，但仍存在以下不足，從研究視角上，蔬菜產業監測預警體系建設的研究相對較少，從蔬菜市場價格角度思考蔬菜產業監測預警體系建設的研究更為少見；從研究對象上，現有農業產業監測預警體系建設的研究主要集中在糧食、肉類產品，而由于蔬菜品類多，建設監測預警體系困難，關于蔬菜產業預警體系建設的研究較少。基于此，本文將首先整理分析蔬菜產業體系監測預警的主要內容；其次通過分析蔬菜價格波動特征揭示蔬菜市場價格監測預警體系建設的重要性，并基于蔬菜市場價格的影響因素及其預測結果構建蔬菜市場價格預警體系；最后，提出相應的對策建議。

我國蔬菜價格監測預警體系概況

蔬菜產業監測預警體系是指建立一套系統完整、科學規范的蔬菜生產和市場監測預警機制，通過開展各蔬菜品種生產、加工、流通、消費等信息采集、監測、報送和分析預測，及時進行科學預判和發布相應預報，迅速采取防控措施應對蔬菜生產和市場上出現的問題，防范蔬菜生產和市場風險，以保障蔬菜供給穩定、價格合理、質量安全，維護蔬菜產業的穩定和健康發展。從蔬菜產業監測預警的對象來看，蔬菜產業監測預警包括蔬菜農資信息監測預警、蔬菜生產信息監測預警、氣象監測預警、蔬菜價格監測預警等[9]，蔬菜市場價格是調節蔬菜生產和市場的關鍵，關系到蔬菜生產各環節高效運轉，蔬菜價格監測預警在蔬菜產業監測預警體系的建設尤為重要。

我國蔬菜價格監測預警體系建設主體

我國蔬菜產業監測預警體系的建設在蔬菜價格方面取得較大成就，由于蔬菜消費具有多品類、高頻性等特征，相關機構統計了大量蔬菜價格數據，在信息平臺可獲得各品種蔬菜價格的日度數據，大量的數據更有助于適應各類數據分析方法，從而有助于對蔬菜價格進行短、中、長期分析，進而有助于形成有效的預警體系。從蔬菜價格監測預警體系的發展實踐來看，我國蔬菜價格的監測預警體系建設已取得顯著成效，建設主體主要為政府、科研機構和市場主體等。

政府方面，我國已經建設全國性蔬菜價格監測系統，包括國家監測站、省級監測站和市級監測站。國家監測站和省級監測站主要負責對蔬菜價格進行日常監測和分析，發布“蔬菜價格指數”。市級監測站主要負責對本地區蔬菜價格進行監測和分析，發布市場價格信息。目前，我國蔬菜價格監測數據主要有各類蔬菜的地頭價格、批發價格和零售價格，數據發布平臺主要為國家統計局、農業農村部等政府官方平臺。在獲得蔬菜價格的基礎數據后，農業農村部會定期組織國家氣象中心、部分蔬菜主產省、中國農業科學院蔬菜花卉所、中國蔬菜協會及有關專家共同會商研判未來蔬菜生產供應形勢，分析可能影響蔬菜價格波動的因素，若存在較大的價格波動風險，相關機構會及時發布預警信息。

科研機構方面，中國農業科學院農業信息研究所建立了農業監測預警研究中心專門進行各類農產品監測預警工作，主要開展農業監測預警理論、方法和技術創新，建立了農業信息監測預警數據資源庫，開發了中國農產品監測預警系統（CAMES），建設了農產品監測預警智能管理平臺，其中，蔬菜作為主要農產品，該科研機構成立了專門從事蔬菜價格監測預警的團隊，在CAMES監測日報中發布蔬菜價格信息，持續開展蔬菜價格的監測預警研究，并通過中國農學會農業監測預警分會發布蔬菜的監測預警信息。

市場主體方面，各類蔬菜市場主體自發組織建立蔬菜價格信息發布平臺，為蔬菜產業各類主體提供蔬菜價格信息以及決策參考。發布蔬菜價格信息的市場主體以國內大型蔬菜批發市場為主，發布的數據更為豐富，主要為該蔬菜批發市場每日蔬菜價格數據。例如，北京新發地市場通過數字化信息平臺公布每日各類蔬菜價格數據，并通過發布每周市場動態分析未來蔬菜價格趨勢。同時，互聯網公司通過大數據技術和數據挖掘算法，對網絡上的蔬菜價格進行實時監測和分析，以提供蔬菜價格預測和監測服務。

我國蔬菜價格監測預警體系的流程

面對蔬菜價格的頻繁波動，科學規范的監測預警流程是蔬菜價格監測預警體系取得成效的關鍵，合理有效的蔬菜價格監測預警體系應包含以下流程（圖1）。一是確定蔬菜品類，根據蔬菜播種面積、產量以及居民消費量確定所需要監測預警的蔬菜品類。二是監測各品類蔬菜價格，建設數字化信息平臺監測各環節蔬菜交易價格，獲得各品類蔬菜地頭價格、批發價格和零售價格數據；在數字化信息平臺無法覆蓋的區域采用抽樣調查的方式獲得相應蔬菜價格數據。三是分析蔬菜價格趨勢，首先整理已有蔬菜價格數據，繪制蔬菜價格走勢圖；其次利用構建的預測方法預測未來蔬菜價格趨勢；最后通過監測預警團隊共同研判未來蔬菜價格趨勢。四是確定警情、發布預警信息，通過蔬菜價格警情指標的警度與警限設定進行判斷，對出現輕警以及重警的蔬菜種類發布預警信息。五是制定及啟動預警方案，根據不同級別的警情制定相應的預警方案，并在預警實踐中總結經驗，進行動態調整。

圖1 蔬菜價格監測預警體系流程圖

我國蔬菜價格監測預警體系存在的問題

◎ 對監測預警重視不足

從目前各地開展蔬菜價格監測預警的工作來看，部分地區對蔬菜價格監測預警的重視程度不足，仍未建立專門從事蔬菜價格監測預警的機構。蔬菜價格監測預警的長期性和科學性也要求建立一支專業化的監測預警工作隊伍，而目前我國從事蔬菜價格監測預警工作的人才較少，部分地級市仍沒有專門從事監測預警的工作隊伍，已有蔬菜監測預警工作隊伍的專業化水平仍有待提高，而相應的教育培訓體系未得到相關部門的重視，進一步制約了監測預警工作隊伍的發展。

◎ 缺少專一權威的監測預警信息發布平臺

從目前蔬菜價格監測預警實施的情況來看，監測預警信息發布平臺較多，執行監測預警分工任務也不明確，各平臺蔬菜價格監測預警的標準也不統一，蔬菜的地頭價格、批發價格、零售價格在不同平臺發布，致使監測預警信息使用者獲取信息的效率較低，從而制約了其對使用平臺的積極性。

◎ 監測預警體系流程不夠完善

蔬菜價格的監測預警標準的規范性有待加強。首先，蔬菜價格存在地頭價格、批發價格、零售價格，部分監測信息無法進行有效區分；其次，蔬菜品類多，質量差別大，目前缺乏對各質量標準蔬菜價格的監測；最后，沒有形成規范的方法用以確定蔬菜價格的警情指標、警度以及警限，也缺少官方劃定統一的蔬菜價格警情指標、警度以及警限。

蔬菜市場價格波動特征

蔬菜市場價格的穩定是實現蔬菜產業穩定發展的必要條件，市場機制和價格機制使蔬菜市場價格處于不斷波動的狀態，蔬菜市場價格的劇烈波動會對蔬菜的生產和消費產生巨大影響。蔬菜市場價格劇烈下降會導致農民收入無法得到保障，進而降低農戶種菜積極性，而蔬菜市場價格劇烈上漲則會增加居民食物消費成本，影響居民生活水平；同時，由于蔬菜生產具有一定的周期，蔬菜市場價格恢復到正常水平需要較長時間，會對蔬菜生產者和消費者產生較長時間的負面影響，甚至會對經濟社會的穩定發展產生消極影響，由此可知掌握蔬菜市場價格及波動特征、建立蔬菜價格預警機制關系到居民福祉。因此，利用2003年1月—2022年12月共240期蔬菜的月度價格數據（大白菜、黃瓜、番茄、菜椒和四季豆5種蔬菜的月平均價格，利用CPI剔除了價格上漲因素），并將蔬菜市場價格分解為季節波動（S）、長期趨勢（T）、隨機波動（I）和循環波動（C），以期系統分析蔬菜市場價格及波動特征。

蔬菜市場價格整體上波動幅度較大

如圖2所示，從蔬菜市場價格的年度走勢來看，蔬菜市場價格總體呈現出不斷上漲的趨勢，在2003—2022年的20年間，蔬菜市場價格的平均值由2003年2.09元/kg上漲至2022年4.88元/kg，年均增長率達到4.3%，其中，2005、2009、2012年和2022年蔬菜市場價格漲幅最大，分別較上一年上漲了9.9%、13.0%、14.6%和9.2%，可見，我國蔬菜市場價格在總體上漲的同時，也存在價格較大波動現象。從蔬菜市場價格的月度走勢來看，蔬菜市場價格的波動更為劇烈，蔬菜月度價格波動的平均值達到11.6%，蔬菜月度市場價格的最大漲幅為38.7%，最大跌幅達到34.5%，波動幅度超過10%的月份達到118個，平均每2個月發生1次明顯波動。同時，蔬菜價格波動存在明顯的集群性特征，即蔬菜市場價格存在部分月度持續上漲或持續降低的情況。由此可知，蔬菜市場價格波動較大，我國蔬菜產業亟待建立價格預警機制以緩解蔬菜市場價格的劇烈波動以及其引致的各類風險。

年度內蔬菜市場價格的季節波動明顯，且季節波動呈減小趨勢

為進一步了解蔬菜市場價格的波動特征，分解出蔬菜市場價格的季節要素序列如圖2所示，可以看出，蔬菜市場價格的波動呈現出明顯的季節性波動特征。在1年的時間段內，蔬菜市場價格具有冬季高、夏季低的特征，即每年蔬菜價格在年初處于高位，2、3月份達到最高點，3月份之后蔬菜市場價格開始下降，6、7月份降至最低，7月之后開始逐步回升，直至次年的2、3月份回升至最高點。在2003—2022年的不同年度之間，蔬菜市場價格的季節波動存在明顯的差異，蔬菜市場價格的季節波動幅度呈現出逐漸減小的趨勢。

蔬菜市場價格的季節波動是與蔬菜生產和消費的季節性具有緊密聯系的。蔬菜生產分為露地蔬菜和設施蔬菜，在冬季時，北方主產區氣溫比較低，露地蔬菜的供給大幅減少，蔬菜供給以設施蔬菜為主，蔬菜市場的總供給量減少，而居民的蔬菜消費需求不會出現下降。同時，冬季受到春節、元宵節等節假日的影響，是傳統的消費旺季，會增加蔬菜的消費需求，蔬菜市場總供給量減少、總需求量增多，必然使2、3月份蔬菜價格較高。而在夏季時，氣溫適宜露地蔬菜種植，蔬菜供給量大幅增加，而居民蔬菜消費需求變化較小，進而導致蔬菜價格不斷下降，直至露地蔬菜供應量減少后（7月份之后），蔬菜價格開始逐步回升。由此，蔬菜生產的季節性和消費的季節性波動致使蔬菜價格出現季節性波動。

年度間蔬菜市場價格長期持續上漲，且具有一定的循環波動

通過將蔬菜市場價格分解得到蔬菜市場價格的長期趨勢和循環波動，以期進一步分析蔬菜市場價格的長期趨勢特征和循環波動特征。由圖2可知，2003—2022年蔬菜市場價格的長期趨勢曲線是平滑的上升曲線，表明從長期來看，蔬菜市場價格呈現出持續上漲的趨勢，且每年上漲幅度相似。而從循環波動的走勢來看，蔬菜市場價格具有明顯的循環性波動特征。

進一步按照“一個波谷到相鄰另一個波谷”的思路來確定蔬菜生產價格的波動周期[10]，從圖2中蔬菜市場價格的循環波動序列來看，2003年1月—2022年12月，蔬菜市場價格波動可以劃分為7個周期（表1），平均波長為30個月，循環波動的周期呈現出加長的趨勢。其中，2006年12月—2008年9月波長最短，而2011年3月—2014年10月波長最長，蔬菜市場價格經過一次調整后形成波谷。

表1 蔬菜市場價格波動循環特征

蔬菜市場價格受突發因素影響大，隨機波動幅度較大

由圖2中蔬菜市場價格的隨機波動序列可以看出，2003—2022年的20年，蔬菜市場價格的隨機波動幅度較大，說明隨機因素、突發因素會對蔬菜市場價格產生巨大影響，這些因素主要包括氣候變動、自然災害、流通阻礙以及突發事件的影響，主要原因在于蔬菜產業是自然再生產和經濟再生產相結合的過程，具有明顯的弱質性。例如，2015年氣候波動導致出現南澇北旱，蔬菜市場價格出現明顯波動。而在2020—2022年，在新冠肺炎等突發事件的影響下，蔬菜的生產、流通、零售出現較大阻礙，蔬菜市場價格的大幅度波動更為明顯。

圖2 蔬菜月度市場價格及其分解

蔬菜市場價格預警體系構建

本文基于以上分析，進一步選取可能對蔬菜市場價格造成波動的關鍵指標，采用Lasso回歸分析方法篩選出造成蔬菜市場價格波動的主要因素，并基于Lasso回歸分析的結果，運用ARIMA模型預測蔬菜價格的波動情況，最終根據蔬菜市場價格波動的預測建立相應的預警機制。

蔬菜市場價格預警體系構建過程

◎ 蔬菜市場價格影響因素的識別

篩選影響蔬菜市場價格的主要影響因素是建立蔬菜價格波動預警體系的基礎，也是確保蔬菜產業平穩發展的重要前提。首先從供給因素和需求因素尋找影響蔬菜市場價格的關鍵指標，遵循全面性、代表性、可量化性、可操作性、現實性和前瞻性原則，關鍵指標選取如表2所示。其次將采用Lasso回歸分析方法從表2的關鍵指標中篩選出造成蔬菜市場價格波動的主要因素。

表2 影響蔬菜市場價格的關鍵指標

Lasso回歸分析方法是Tibshirani[11]在1996年為解決自變量相對于樣本量過大導致過擬合問題提出的一種估計方法，可以更好地解決變量之間存在的多重共線性問題以及更好地進行變量篩選。相較于最小二乘法（OLS），Lasso回歸分析方法加入了參數絕對值和約束懲罰項進行變量的篩選。Lasso回歸分析方法表達式如下：

根據文獻[3] 中的研究結果，對于變形高溫合金，在400℃～500℃溫度范圍，壽命<105h，式(2)預測的應變壽命曲線與實際應變壽命曲線吻合度好。當溫度高于650℃時，式(2)預測的壽命結果比式(1)要好。

◎ 蔬菜市場價格的預測

ARIMA模型是差分模型和自回歸滑動平均模型（ARMA）的結合，主要用于發現和識別數據隨時間變化的規律，然后基于數據變化規律進行數據預測。ARIMA（p,d,q）模型預測主要包括時間序列平穩性檢驗、模型中p和q定階、模型參數估計與檢驗和模型應用于時間序列預測4個步驟。ARIMA（p,d,q）模型具體表達式如下：

上式中，Pt表示蔬菜市場價格當期值，Ut表示誤差項，c表示常數項，p表示自回歸階數，q表示滑動平均階數，t表示將時間序列轉換為平穩時間序列的差分次數。

◎ 蔬菜市場價格預警

根據蔬菜市場價格的實際波動特征，選擇黑色預警方法以建立蔬菜市場價格預測預警機制。在黑色預警的方法中，僅僅考慮警情指標的變動規律，黑色預警方法主要包括2個步驟，一是確定警情指標，二是確定警限。其中，警情指標是直接確定蔬菜市場價格波動是否有警的指標。蔬菜市場價格的絕對指標通常表現出持續遞增的特征，而作為相對指標的蔬菜市場價格波動率呈現不斷波動的特征，更利于開展進一步分析，進而確定警限和警度。因此，對蔬菜市場價格做進一步處理，將其轉變為蔬菜市場價格波動率，具體公式如下：

上式中，Bt表示第t期蔬菜市場價格的波動率，Pt和Pt－1分別表示第t期和第t－1期蔬菜市場價格。

我國蔬菜市場價格預警實證分析

◎ 基于Lasso方法的蔬菜市場價格影響因素識別

表3 影響蔬菜市場價格的關鍵指標回歸系數結果

蔬菜供給波動是造成蔬菜市場價格波動的重要影響因素，蔬菜播種面積的波動、蔬菜單產波動以及蔬菜生產凈利潤的波動是造成蔬菜市場價格波動的主要供給因素，穩定蔬菜波動面積是穩定蔬菜市場價格的核心基礎，不斷提高蔬菜單產以及保障農戶種菜收益也是緩解蔬菜市場價格波動的重要方式，而蔬菜生產成本波動對蔬菜市場價格的影響可以被剔除，可知農戶生產決策對生產成本不太敏感，同時，蔬菜供給受自然災害的影響也比較小。蔬菜需求波動方面，人口的增長是造成蔬菜市場價格波動的主要需求因素，同時，蔬菜、糧食、肉類之間存在一定的替代關系[12]，糧食價格和肉類價格的波動也會對蔬菜市場價格產生影響。然而，居民可支配收入和人均蔬菜消費量的波動對蔬菜市場價格的影響可以被剔除，從一定程度上反映蔬菜逐漸變為食物消費中的必需品。

◎ 基于ARIMA模型的蔬菜市場價格預測

在識別影響蔬菜市場價格的主要因素的基礎上，進一步利用ARIMA模型進行預測分析。為提高ARIMA模型預測的精準性，首先根據蔬菜市場價格及波動特征，將采用去除季節波動的蔬菜市場價格（即季節調整后的蔬菜市場價格）數據進行預測；其次，將2003年1月—2022年12月的季節調整后蔬菜價格數據分為訓練集和測試集檢驗ARIMA模型的預測效果，其中訓練集為2003年1月—2020年12月的價格數據，測試集為2021年1月—2022年12月的價格數據，表4展示了2022年1—12月的預測結果。將表4的蔬菜價格預測誤差取絕對數，并用幾何平均數法得到的誤差平均值為7.07%，通常預測誤差在10%以內即可認為預測結果的擬合值良好，因此，可以認為ARIMA模型可以對季節調整后的蔬菜價格進行有效預測。

表4 2022年1—12月調整后蔬菜價格格實際值和預測值

◎ 蔬菜市場價格預警區間的構建

進一步根據蔬菜市場價格數據的特征，采用黑色預警方法構建蔬菜市場價格預測預警機制。首先，確定警情指標，參考已有文獻和蔬菜市場價格數據特征，采用蔬菜市場價格的波動率作為警情指標以構建預警機制。其次，確定警限，考慮到居民消費價格指數與蔬菜市場價格密切相關，且居民消費價格指數與蔬菜市場價格具有長期協整關系，因此采用2003年1月—2022年12月的居民消費價格指數的環比指數確定警限。具體做法為：將月度居民消費價格指數減去1轉換為居民消費價格指數的波動率，進而求解出其平均波動率和標準差。低于或高于居民消費價格指數波動率平均值一個標準差表示蔬菜市場價格無警，介于1～2個標準差表示蔬菜市場價格輕警，低于或高于2個標準差表示蔬菜市場價格重警。根據計算得到居民消費價格指數波動率平均值為0.22%，標準差為0.58，確定警限及其對應的警度、信號燈顏色、狀態如表5所示。

當警度處于不同級別時，相關部門應采取不同的應對措施。第一，當警度為正向重警，預警結果為紅燈，蔬菜市場價格上漲過快，此時相關部門可以考慮大量釋放庫存蔬菜，使消費者可以在合理時間內購買到足量的蔬菜，防范出現蔬菜的囤積行為。第二，當警度為正向輕警，預警結果為黃燈，蔬菜市場價格上漲較快，相關部門應該迅速有效地分析蔬菜市場價格上漲的原因；并根據上漲原因采取相應的措施緩解蔬菜市場價格波動，使其波動處于正常范圍內。第三，當警度為無警，預警結果為綠燈，蔬菜市場價格處于正常范圍內波動，相關部門可以進一步完善蔬菜市場價格的管理機制，健全蔬菜倉儲、加工、物流體系，防范蔬菜市場價格的季節波動和循環波動，不斷調節蔬菜供給與需求的矛盾，保證蔬菜市場價格的平穩運行。第四，當警度為負向輕警，預警結果為藍燈，蔬菜市場價格下跌較快，相關部門應針對導致蔬菜價格下跌的不同原因采取相應的措施，推動蔬菜儲存與加工以緩解供給大于需求的情況。第五，當警度為負向重警，預警結果為白燈，蔬菜市場價格下跌過快，農戶種菜盈利能力較差，農戶種菜積極性不高，容易出現農戶放棄種菜的情況，導致蔬菜播種面積波動，進而導致未來蔬菜市場價格的大幅波動。此時，相關部門應加大蔬菜生產的補貼力度，完善蔬菜生產的補貼方式，積極引入蔬菜收入保險等金融手段保障種菜農戶的利益，防范種菜農戶棄種而產生蔬菜市場價格大幅波動的風險。

根據表5蔬菜市場價格月度警情指標的警度與警限設定，運用黑色預警方法得出2022年1—12月蔬菜市場價格預警結果與真實預警結果的對比結果見表6。由表6結果可知，蔬菜市場價格波動率的警情與真實警情基本一致，預測警度和實際警度基本一致，存在一些不一致的情形主要原因是2022年突發因素的影響，總體來看構建的蔬菜市場價格預警機制達到預期的水平，具有良好的預警能力。

表5 蔬菜市場價格月度警情指標的警度與警限設定

表6 2022年1—12月蔬菜市場價格預警結果與真實情況對比

基于調整后蔬菜價格數據，進一步運用黑色預警方法對2023年4月—2024年3月進行預警分析，預警結果見表7。由表7結果可知，調整后蔬菜價格波動仍然較大，預測警度、預測信號燈和預測狀態具有明顯的集群性特征，表明蔬菜市場價格容易出現持續上漲或持續下降的情況，未來要積極通過蔬菜市場價格的監控預警體系為各類蔬菜市場主體提供科學的預警信號，以期使得蔬菜市場價格的波動處于或盡快恢復至價格穩定區間。

表7 2023年4月—2024年3月調整后蔬菜價格預測預警結果

綜上所述，蔬菜市場價格長期呈現出持續上漲的趨勢，且具有明顯的季節波動和循環波動特征；蔬菜播種面積、單產、生產凈利潤的波動率，人口增長率及糧食、肉類價格的波動率是蔬菜市場價格波動的主要影響因素；根據ARIMA模型得到蔬菜市場價格的預測值與真實值接近，蔬菜市場價格的預測警度與實際警度基本一致，表明所構建的蔬菜市場價格預警機制具有較好的預警效果，適合蔬菜月度價格的風險預警，可以為蔬菜消費者和生產者提供較好的服務。

建設蔬菜市場價格監測預警體系的對策建議

建立蔬菜市場價格監測預警的工作隊伍

建立一支高技術水平、認真負責、敬業愛崗的工作隊伍，專門從事蔬菜市場價格監測預警工作。蔬菜價格監測預警工作是一項科學復雜的工作，涉及到蔬菜信息的標準化采集、科學分析和預警發布，各環節工作的準確性是確保蔬菜價格監測預警有效的基礎，蔬菜價格監測預警工作隊伍要廣泛吸收信息統計、經濟分析、氣象分析等各行業人才，并建立蔬菜價格監測預警工作的考評激勵機制，同時也要加強與國內科研機構的合作，進而進一步提高工作隊伍的整體工作水平。

完善蔬菜市場價格信息的采集機制

蔬菜價格信息采集是開展監測預警工作的基礎，要從完善蔬菜信息數據庫、規范蔬菜信息采集方面完善蔬菜信息采集機制。一方面，蔬菜信息數據庫應以蔬菜價格信息為切入點，完善蔬菜價格信息的基礎數據庫，首先從經濟價值、產量規模、消費地位等視角篩選出監測預警的蔬菜品種。其次，從蔬菜生產、流通、批發、零售等方面全面采集價格信息，同時，運用抽樣統計方法加強農村農戶視角的價格信息采集。另一方面，建立規范的蔬菜價格信息采集標準，針對不同品種蔬菜、不同組織模式的蔬菜生產者建立標準化的價格信息采集標準，從而有助于獲得連續有效、規范可比的蔬菜價格信息。

加強信息分析方法的基礎研究

合理有效的蔬菜價格信息分析方法是實現準確預警的關鍵，要加強蔬菜價格信息分析的基礎研究，利用現代信息技術建立動態化的蔬菜價格信息分析系統。一方面，支持開展價格數據分析方法方面的課題研究，利用好國家財政支持鼓勵科技工作者從事基礎方法研究，為蔬菜價格信息分析提供更為科學有效的分析方法。另一方面，加強國內外該領域的合作和交流，通過交流學習、引進吸收國外具有比較優勢的價格數據分析方法，結合蔬菜產業特征應用到國內蔬菜價格數據的分析中。

健全蔬菜市場價格監測預警的發布機制

建立權威唯一、全面公開、及時有效的蔬菜市場價格監測預警平臺。具體來說，首先，發布監測預警信息的平臺應具有權威性和唯一性，蔬菜市場價格監測預警平臺要獲得社會各群體的認可，同時考慮信息平臺多容易導致信息偏誤，可以聯合相關部門組建唯一的信息發布平臺。其次，發布的信息應具有全面性和公開性，要為不同用戶群體提供個性化的內容，對于政府部門，針對性地提供穩定蔬菜市場價格的預警方案；對于生產者，可以提供中長期蔬菜市場價格趨勢預警，方便生產者合理調整種植結構。最后，要不斷提高發布信息的及時性和有效性，蔬菜市場價格波動較快，要形成規范、及時的信息發布制度，確保平臺信息能夠為用戶提供幫助，進而提高用戶對平臺的信任度。