基于ARIMA模型對山東省生豬出場價格變動的預測

李哲遠 張成鵬

摘要：豬肉價格保持在合理區間，對于生豬生產和消費至關重要。為預測未來生豬出場價格，推動生豬價格回歸合理區間，本文基于2012年11月—2024年2月山東省生豬出場價格，運用ARIMA模型對山東省2024年3月-12月的生豬出場價格變化進行預測。結果表明，該模型擬合效果較好，能準確地預測山東省生豬出場價格短期波動。本文建議政府應該從調控能繁母豬保障底線、完善價格監測預警制度、強化價格風險管理工具、優化生豬庫存管理、控制生豬生產成本、落實生豬補貼政策和拓寬生豬貿易等方面采取措施，優化生豬產能調控機制，促進生豬產業的發展。

關鍵詞：生豬出場價格 ARIMA模型 預測 山東省

一、引言

保障生豬等重要農產品穩定供應，就是保障中國人的“菜籃子”和“飯碗”。生豬價格運行在合理區間，對于居民農產品保障和生豬產業發展都具有重要意義。但是養豬行業總是跳不出貴一年、賤一年的“豬周期”魔咒。如2008年爆發的非洲豬瘟，造成豬肉供給量急劇下降，使得市場上生豬出場價格快速上漲，出現了供不應求的局面，對生豬產業造成了嚴重的沖擊；2020年新冠疫情暴發，病毒的危害和封控政策沖擊著生豬產業的供應鏈，對豬肉的生產、加工、運輸和銷售等環節造成了巨大的損失。大量的搶購囤積行為造成了生豬產業供求失衡。大幅價格上漲易引起消費者的恐慌，所以該情況難以短時間恢復。2023年國內生豬市場整體呈現周期底部震蕩格局，目前行業供大于求，長期處于虧損狀態。生豬出場價格不僅影響到了生豬產業鏈供給端的穩定健康發展，而且也對居民消費者和整體經濟產生著重要的作用。因此，如何科學預測出生豬出場價格走勢，動態調整生豬養殖規模，不僅能優化我國養豬業優化生豬產能調控機制，而且可以降低價格風險對農戶和生豬產業帶來的負面沖擊。

諸多學者展開了生豬價格預測研究。熊濤（2021）基于動態模型平均理論對影響豬肉價格的11個因素進行檢測，構建豬肉價格預測模型，得出我國豬肉價格影響因素存在顯著時變特征的結論；劉怡然等（2021）對生豬價格序列的波動特點和影響因素進行研究，提出了螢火蟲算法優化長短時記憶神經網絡的生豬價格預測方法；何文靚等（2023）運用隨機森林模型對生豬價格進行預測，并得出影響生豬價格因素最重要的兩個變量是去皮帶骨豬肉和仔豬價格。上述學者運用定量分析方法擬合并預測生豬價格的波動趨勢。為更深入研究生豬價格的波動，故本文基于從2013年—2024年的生豬平均出場價格，采用轉換平方根的ARIMA模型，對生豬價格進行預測，以期望調控生豬產能，對推動生豬價格運行合理區間提出政策建議。

二、基礎模型簡介

ARIMA模型，即自回歸移動平均模型（Autoregressive Integrated Moving Average Model，簡記ARIMA），是由Box和Jenkins在70年代初提出的一種時間序列預測方法，又稱博克斯-詹金斯法。ARIMA模型一般運用時間序列的過去值、當期值和滯后隨機擾動項的加權來建立模型，從而預測時間序列未來項的變化。

（一）ARIMA模型的形式

（二）ARIMA模型參數說明

1.ARIMA（p，d，q）模型中有三個重要的參數。p即自回歸系數（Auto-Regressive），表示序列值滯后p階。d表示非平穩時間序列數據變成平穩序列需要最少進行d次差分。q即滑動平均系數（Moving Average），表示誤差項滯后q階。

2.參數d的確定。將時間序列數據分別做自相關圖和偏自相關圖的平穩性檢驗，分別判斷ACF圖和PACF圖的截尾性，兩者不是拖尾就是截尾，否則為非平穩序列。若為非平穩序列，則需差分后再進行平穩性檢驗，直到滿足平穩性條件，此時的差分次數為d值。

3.參數p和q的確定。不同時間序列模型參數p，q的確定方法如表1所示。

（三）ARIMA模型的建模步驟

1.數據預處理。由于ARIMA模型要求數據為平穩序列，所以需要對原始時間序列數據進行平穩性檢驗，如果序列沒有通過平穩性檢驗，則需對數據進行差分處理使之平穩。

2.模型識別與估計。即確定所建立ARIMA模型的p、d、q。d為非平穩序列變成平穩序列的差分次數。而p和q的確定是根據自相關系數和偏自相關系數的截尾和拖尾特征進行分析判定。對平穩序列進行ACF和PACF圖分析，綜合差分階數，得到最佳的p和d。

3.模型檢驗。結合SPSS軟件功能，使用不做處理、轉化為平方根、轉化為自然對數三種不同方式進行建模，對比擬和參數的效果，選擇最適合的預測模型。并對得到的擬合模型進行殘差白噪聲檢驗，根據檢驗結果判斷是否需要對所建模型進行調整。

4.數據預測。在確定最佳ARIMA模型之后，就可以根據時間序列的歷史數據進行預測。

三、以山東省為例進行實證分析

本文所使用的數據來源于山東省人民政府官網發布的生豬出場價格，文中使用的生豬價格的計價單位為：元/500克。本文將2012年11月-2024年2月的山東省生豬出場價格數據進行統計，并將月內多次統計數據取平均得到代表該月生豬出場價格的數據，通過序列平均值來替換缺失值，最終得到完整的以月為單位的時間序列數據。

（一）模型構建

這樣我們得到一個新的時間序列，其每一個值都是原時間序列中相鄰兩個值的差。進行一階差分處理后的序列圖，如圖2所示。結果表明，原始序列經過一階差分后呈現出平穩性。

考慮到時間序列的平穩性對生豬出場價格預測結果的重要性，本文進一步對差分的時間序列，進行自相關檢驗，結果如圖3和圖4所示。由圖3和圖4可知，原始序列進行一階差分后ACF、PACF圖均為不規則衰減拖尾，所以本文采用ARIMA模型來進行預測。

根據圖3，一階差分的ACF圖中的系數位于置信區間內不規則衰減，故參數q為0。根據圖4，一階差分的PACF圖中的系數位于置信區間內不規則衰減，故參數p為0。因為原始不平穩序列變成平穩序列進行了一次差分處理，故參數d為1。綜上，選取ARIMA（0，1，0）模型來預測山東省生豬出場價格變化。

進一步地，由于ARIMA（0，1，0）模型的建模方式有三種，分別是不做處理、轉化為平方根、轉化為自然對數。故本文對上述三種模型進行擬合，得到表2。根據表2可知，不做處理、轉化為平方根和轉化為自然對數建模方式的Sig.值均為0.00，均顯著。并且采用平方根建模的R2為0.925，高于不做處理的和采用自然對數建模，故本文使用對解釋變量采取平方根方式建模的模型。

（二）基于ARIMA模型對山東省生豬出場價格的預測

根據模型的檢驗結果，本文選擇轉換平方根的ARIMA（0， 1，0）模型，并根據此模型對2024年3月-12月的山東省生豬出場價格進行預測，預測結果如表2所示。根據預測，2024年3月-12月的生豬出場價格會出現持續小幅上漲。預測值位于生豬出場價格控制上下限內，說明模型擬合效果良好。

（三）白噪聲檢驗

“白噪聲”是期望值為0、而不同期之間的噪聲互不相關的性質比較好的“噪聲”。如果所建模型的殘差為白噪聲，即可驗證任何兩個點的隨機變量都不相關，使得ARIMA（0，1，0）模型可以對生豬出場價格進行準確預測。如果殘差項存在自相關，則應考慮增加自回歸或滑動平均的解釋變量個數，重新建立模型并且進行模型估計和檢驗，再對新模型的殘差進行白噪聲檢驗，如此重復，直到確定殘差為白噪聲序列為止。白噪聲檢驗采用自相關圖檢驗方式，對轉換平方根的ARIMA（0，1，0）模型的白噪聲檢驗如圖5所示。從圖中可以看出，在進行1階差分和轉換平方根之后，絕大部分自相關系數均落在置信區間之內。同樣的，殘差PACF系數也大都落在置信區間里。所以該模型殘差為白噪聲，可以較好地預測山東省2024年3月-12月生豬出場價格。

四、結論和建議

（一）結論

根據2013—2023年山東省生豬出場價格，運用時間序列ARIMA模型，通過比較篩選，最終確定采用轉化平方根的ARIMA（0，1，0）對山東省2024年3月-12月的生豬出場價格變化進行短期預測。結論如下：

1.轉換平方根的ARIMA模型更精準。與其他形式的ARIMA模型相比，轉化平方根的ARIMA（0，1，0）模型預測山東省生豬出場價格變化的擬合優度更高、效果更好，能準確地預測生豬出場價格短期波動，為生豬產業各方提供科學、有效的數據支撐。

2.生豬價格已觸底反彈。與以往價格相比，2024年3月-12月的生豬出場預測價格可上漲至中等水平。從結果來看，當前山東省生豬出場價格已經從2023年豬周期低谷觸底反彈，已經回到了2022年11月的價格水平。

3.預測價格呈小幅上漲態勢。預計山東省2024年3月-12月的生豬出場價格會出現持續小幅上漲，從3月到12月，生豬的出場價格以0.0258元/500克的月度步長從8.7525元/500克上漲至9.2279元/500克。

（二）對策建議

對山東省生豬出場價格的研究有助于優化政府生豬產業相關宏觀政策，穩固基礎生產能力，防止生豬產能大幅波動，推動山東省從農業大省向農業強省的轉變。2023年我國處于整個豬周期的低谷，諸多生豬養殖戶處于虧損境地。生豬出場價格小幅上漲的預測結果表明，山東省的生豬價格將回暖，為使生豬價格穩步提升，達到并維持在市場供需平衡的均衡價格，政府應該在調控繁母豬保障底線、完善價格監測預警制度、強化價格風險管理工具、優化生豬庫存管理、控制生豬生產成本、落實生豬補貼政策和拓寬生豬貿易市場等方面采取具體措施，以維持生豬出場價格的穩定，保持市場的供需平衡，促進生豬產業的發展。

1.調控能繁母豬保障底線。能繁母豬存欄量是影響未來生豬存欄量的重要指標。2023年生豬出場價格經歷了一年的底部震蕩，整個市場的生豬供給大于需求，出現了嚴重的生豬產能過剩。近日，農業農村部印發《生豬產能調控實施方案（2024年修訂）》，將全國能繁母豬正常保有量目標從4100萬頭調整為3900萬頭，將能繁母豬存欄量正常波動（綠色區域）下限從正常保有量的95%調整至92%，充分體現出政府進行過剩產能釋放和能繁母豬去化的決心。在實證預期生豬出場價格出現小幅上漲的情況下，山東省政府應當積極落實農業農村部的要求，穩定價格上漲態勢，減少市場能繁母豬數量，降低能繁母豬的保障底線。建立異常變化自動觸發調控機制，避免能繁母豬存欄量過度波動。根據不同地區生豬產能，將能繁母豬存欄量變動劃分為綠色、黃色和紅色區域。對于綠色區域以市場調節為主，不需要啟動政府干預調控措施。對于黃色區域應當采取市場調節和政府干預相結合的方式。對于紅色區域應當采取強有力的政府干預，使得能繁母豬存欄量回到正常的存欄水平。對產銷大省、養殖大縣和養殖大場要進行特殊關注，維持好規模豬場的保有量，以滿足消費端的需求，構建上下聯動、響應及時的生豬逆生產周期調節機制。

2.完善價格監測預警制度。由于我國養殖戶缺乏專業的市場研判能力大多根據自己的經驗判斷市場動態，往往造成了市場形勢誤判。山東省政府相關部門應做好生豬行業信息的專業指導，最大程度維持生豬市場的穩定和繁榮發展。應建立生豬出場價格監測點，加強生豬出場價格監測預警，防范操縱價格和壟斷行為，確保生豬市場穩定發展。要建立生豬價格信息發布系統，及時公布市場價格動態和趨勢，為各方主體作出決策提供參考依據。

3.強化價格風險管理工具。生豬期貨可以為生豬產業的各方主體提供遠期價格，并且還具有套期保值的作用，幫助生豬養殖戶、生豬屠宰企業、豬肉食品加工企業和零售商與批發商等調整自己的行為。在生豬出場價格上漲時，及時調節生豬期貨保證金的比例，以達到利潤和社會效益最大化的目標。極端氣候、疫病影響生豬存欄量，不利于生豬出場價格的穩定，完善生豬保險制度可以提高生豬產業經營者抵御生豬疫病和極端災害天氣的能力，降低經營風險。政府要從宏觀上健全生豬期貨、生豬保險等的價格風險管理工具，還可以聯合商業銀行和保險公司進行“期貨+保險”的業務嘗試，為生豬養殖戶提供更加有效便捷的服務。

4.優化生豬庫存管理。生豬養殖戶、生豬屠宰企業、豬肉食品加工企業和零售商與批發商構成了生豬產業的上下游各方主體。所有主體在價格的指揮下行動。生豬養殖戶應當根據生豬出場價格上漲的預測調整存欄生豬數量，以應對未來市場需求。生豬屠宰企業可以安排相應的屠宰計劃，避免因生豬出場價格上升而導致屠宰量的波動，失去相當的利潤。生豬相關的食品加工企業可以根據價格上漲的預測，靈活調整加工計劃，避免因生豬價格波動而導致生豬存量過剩或不足的情況。同時，加工企業作為全產業鏈的中游企業，具有調節整個產業鏈流通的作用，要更好地發揮豬肉加工企業在調節短期市場價格的“蓄水池”作用，以穩定生豬價格波動。零售商和批發商可以根據價格上漲的預測，合理安排進貨和銷售計劃，避免因價格波動而導致庫存積壓或斷貨情況發生。

5.控制生豬生產成本。生豬的最低價格是由生產成本決定的，養殖成本隨生豬出場價格同向變化。生豬養殖者可以合理選購質優價廉的仔豬和飼料，與相關供應商達成長期合作，建立穩定優質的供應鏈條，并合理預估采購量避免浪費和過度采購，有效控制采購成本。長遠來看，生豬養殖者還可以購入智能化的生豬養殖系統，加強對生豬的喂食、環境檢測、健康檢測等方面的精準管控，提高生豬生產效率和質量。同時，智能化生豬養殖系統做到了對生豬所需的飼料、水等資源的精準投放，減少人工投入，提高資源利用效率，節約生產成本。

6.落實生豬補貼政策。市場調節具有“滯后性”和“盲目性”的特點，加之生豬產業具有弱質性，使得政府需要對生豬的出場價格進行調控。完善生豬補貼彈性制度，以應對價格波動對生豬產業帶來的影響。對不同養殖戶進行差異化補貼，提高補貼的精準度。此外，還要完善對補貼申報條件的審核，確保申報的真實性，使補貼發揮出最有效的作用。2019年起山東省畜牧獸醫局將生豬規模養殖設施納入農機購置補貼范圍，并實施生豬良種補貼政策、生豬調出大縣獎勵政策。今后，政府應對涉農資金統籌整合，切實用好鄉村振興重大專項資金，提高其擠入效應。政府可以通過財政支持、稅收優惠等政策措施，支持生豬產業結構調整，促進產業健康發展，提高產業抗風險能力。

7.拓寬生豬貿易市場。政府可以加強與其他國家和地區的合作，開展生豬貿易，提升生豬產能調節的力度。面對當前生豬市場產能過剩的局勢，養殖戶可以在國際市場上出口生豬，緩解國內過剩產能，使國內生豬價格穩定上漲。我國和山東省相關部門應強化保證措施，確保國際生豬貿易的穩定性和競爭力，借助“一帶一路”戰略的契機打通生豬產業進出口全產業鏈，提升生豬及其相關加工產品的國際市場流通的效率。逐步減少進出口貿易限制，加強國際生豬貿易流動，以應對生豬出場價格變動帶來的生豬銷售剩余量的波動。

參考文獻：

[1]趙爽，苗興宇，白蘭馨.豬肉價格的時空相關性與影響因素分析[J].中國物價，2023，（06）：102-104.

[2]熊濤.我國豬肉價格的影響因素是時變的嗎？——基于動態模型平均的分析與預測[J].華中農業大學學報（社會科學版），2021（03）：63-73+186.

[3]劉怡然，王東杰，鄧雪峰等.基于長短時記憶神經網絡的生豬價格預測模型[J].江蘇大學學報（自然科學版），2021，42（02）：190-197.

[4]何文靚，付蓮蓮，廖靜萍.基于隨機森林模型的生豬價格預測及調控機制研究[J].價格月刊，2023，（01）： 21-27.

[5]植敏斯，胡騫文.基于ARIMA價格預測模型的水稻目標價格保險研究[J].現代經濟信息，2019（24）：319-321.

[6]胡楊，張朝陽.基于ARIMA模型的河北省玉米價格預測[J].農業與技術，2020，40（23）：149-152.

[7]羅創國，張美珍，薛繼亮.基于ARIMA模型的中國生豬價格的短期預測[J].世界農業，2010（10）： 45-48.

[8]閆祥祥.使用ARIMA模型預測公園綠地面積[J].計算機科學，2020，47（S2）：531-534+556.

[9]王燕.應用時間序列分析[M].中國人民大學出版社，2012

[10]杜強. SPSS統計分析從入門到精通（第2版） [M].北京：人民郵電出版社，2014

[11]小農戶面對大市場——關于建立農副產品穩定價格長效機制[J].市場經濟與價格，2012，（06）：56-63.

[12]王苗，袁曉丹，孔陽光.武漢市生豬產業發展情況及對策——基于南陽市牧原食品股份有限公司的調研[J].湖北農業科學，2023，62（S1）：259-261.

[13]郭榮達.生豬養殖成本收益比較研究[D].中國農業科學院，2018.

[14]張立中，劉倩倩，辛國昌.我國生豬價格波動與調控對策研究[J].經濟問題探索，2013（11）：117-122.

Forecasting the change of pig farmgate price in Shandong Province based on the ARIMA model

Li Zheyuan Zhang Chengpeng

Abstract Keeping the pork price in a reasonable range is crucial for hog production and consumption. In order to predict future hog farmgate prices and promote the return of hog prices to a reasonable range， this paper uses the ARIMA model to predict the change of hog farmgate prices in Shandong Province from March to December 2024 based on the hog farmgate prices from November 2012 to February 2024 in Shandong Province. The results show that the model fits well and accurately predicts the short-term fluctuation of pig farmgate prices in Shandong Province， and it is expected that the pig farmgate prices in Shandong Province in March-December 2024 may increase slightly. The government should take measures to optimize the hog production capacity control mechanism and promote the development of the hog industry by regulating the breeding sows to protect the bottom line， improving the price monitoring and early warning system， strengthening the price risk management tools， optimizing the management of hog inventories， controlling the cost of hog production， implementing the policy of hog subsidies， and broadening the hog trade.

Keywords Hog farmgate price； ARIMA model； Forecast； Shandong Province

（作者單位：山東農業大學經濟管理學院中國宏觀經濟研究院產業經濟與技術經濟研究所）

責任編輯：宗宇翔