【生猪价格波动及预测探究文献综述6400字】

生猪价格波动及预测研究国内外文献综述目录TOC\o"1-2"\h\u569生猪价格波动及预测研究国内外文献综述 1213711.1国外生猪价格波动研究 143561.2国内生猪价格波动研究 2171941.3国内生猪价格预测研究现状 3123921.4国外生猪价格预测研究现状 4209431.5国外生猪市场区域性研究 455391.6国内生猪市场区域性研究 526554参考文献 6关于生猪价格的波动成因、波动规律曲线，市场价格的预测等方面很多国内、国外研究者都从不同角度有不同程度的研究，针对生猪市场的平衡稳定发展提出了一系列的对策和建议。本文从国内、外两个角度探讨生猪价格波动及其影响因素和价格预测系统开发相关的研究现状。1.1国外生猪价格波动研究国外的专家学者对生猪价格波动的研究较少，并且大多数集中在生猪价格波动周期性研究上。其中，最出名的是蛛网模型理论，Harlow首先在1960年将蛛网理论应用于研究生猪价格周期，得出了较理想的结论[3]，随后许多专家学者开始在蛛网理论的基础上对生猪价格周期进行分析。Key运用蛛网理论对生猪周期进行了分析，并运用动态分析方法描述了当生猪价格偏离了趋势后的波动情况，最后对结果进行了分析[4]。Dong等人利用蛛网理论研究生猪价格的周期性，并指出养殖户对生猪的市场价格反映存在滞后性，生猪价格主要是由供给量的多少决定[5]。随着研究的不断发展，有些学者提出了新的有关生猪价格波动及周期性研究的方法[6-10]。Chen和Zapata运用MGARCH-BEKK模型研究了1996年6月-2013年12月美国和中国之间的生猪价格联系，结果表明中国生猪价格的波动性是由于自身价格波动和意外事件的冲击；美国的生猪价格波动的主要原因是过去美国市场中发生的事件的冲击，两个市场之间的联系是中国对美国生猪价格的单向波动溢出效应，与从美国到中国的猪肉出口流量相平行[11]。Dawson运用谱分析法识别英国猪肉价格和生产的波动周期，并对结果进行分析，指出这种方法可以对整个猪肉供应链中的经济主体进行短期预测和长期预测[6]。Parcell对美国11年的猪肉月度价格数据波动性进行实证分析研究，指出这一波动序列存在季节性波动[7]。Larson提出一种将生猪价格周期波动看作是谐波运动的理论，进而对生猪价格周期进行了分析[13]。Lee等人运用DCC-GARCH（DynamicConditionalCorrelation-GeneralizedAutoregressiveConditionalHeteroskedasticity）模型探讨了国际粮食价格、猪饲料价格和生猪价格之间的价格传递效应，结果表明，国际粮食价格对猪饲料价格具有正向直接传递效应，对生猪价格具有间接传递效应[8]。Ruth等人提出了一种非线性动态模型对生猪价格周期进行研究，结果得出生猪价格波动的周期长度是2年而不是普遍认为的4年，并且他们指出，由于当前生猪市场信息反馈的不及时，使得无法做出正确的生猪养殖规划，继而对以后的生猪价格造成影响，而如果能够提供及时的市场信息可以有效地缩短生猪价格波动周期。Berg和Huffaker采用新的“诊断”建模方法研究了德国生猪价格波动周期，模型模拟结果表明，需求的不确定导致不定期的生猪价格循环，并进一步揭示了另外两个重要的驱动因素：对养殖技术投资不可逆性和德国农民的流动性驱动的投资行为[9]。1.2国内生猪价格波动研究国内对于生猪价格波动的研究开始的比较晚，一些学者从1985年以后才逐渐关注生猪价格波动情况。因为在这之前，我国的生猪市场一直是施行国家定价制度，生猪价格处于比较稳定的状态。而从1985年我国逐步取消了生猪由国家计划性派购的政策，生猪价格就完全由市场中生猪的供应量与需求量决定，我国生猪价格就开始呈现出不断的波动状态[11-14]，尤其是在2003年以后，生猪价格出现了大幅度的波动，对我国生猪市场造成了严重的影响。专家学者开始意识到研究生猪价格波动的重要性与迫切性，纷纷对生猪市场、生猪价格等展开了系统的研究[15-20]。我国关于生猪价格波动的研究有很多，其中大多数集中在从宏观层面上进行分析，首先对生猪价格的形成原因以及生猪价格波动周期、波动的原因、特点以及趋势等进行实证的分析，然后提出一些例如提升生猪规模化养殖水平；建立生猪养殖信息共享平台；加强政府宏观调控，落实政府对养殖户的补贴；提高猪疫病预防技术，降低重大猪疫病对生猪价格的影响；加强生猪价格监测等相似的对策建议。如杨慧、马雄威、冀德刚、毛学峰、冯明、李秉龙以及何秋红等人，上述作者关于生猪或猪肉价格的研究只是研究方法和侧重点不同，诸如，杨慧运用季节调整法和H-P滤波法剔除了猪肉价格波动时间序列中的季节性波动、不规则波动以及长期趋势，然后运用ARCH（Auto-regressiveconditionalheteroskedasticity）模型、GARCH（generalizedARCH）模型、GARCH-M（GARCH-in-Mean）模型以及TGARCH（ThresholdGARCH）模型进行波动实证分析[14]。马雄威和朱再清依据我国2006年4月-2007年11月的猪肉平均价格数据，采用灰色神经网络模型对2007年12月-2008年9月的猪肉价格进行了预测[15]。吕杰和綦颖依据1984年-2005年的生猪价格数据实证分析了生猪价格的波动周期规律，并重点对影响其波动的原因进行了全面的分析[16]。冀德刚等学者运用时间序列分析模型ARIMA（AutoregressiveIntegratedMovingAverageModel）模型依据2005-2007年河北唐山市猪肉价格数据对其2008年上半年的猪肉价格进行了预测[17]。李秉龙和何秋红用线性拟合法说明了2000年1月-2007年4月这一时间段我国猪肉价格整体表现为线性增长趋势，接着运用环比增长率分析其各个时刻的增长情况，然后计算波动指标描述猪肉价格的波动周期，最后在政府调控、猪肉需求量以及猪肉供给量三个方面总结了影响其波动的原因[18]。毛学峰和曾寅初运用X-11季节调整法和H-P滤波法对生猪、猪肉以及仔猪月度价格的时间序列数据进行分解，然后分别讨论了生猪、猪肉以及仔猪价格的波动周期，并对它们之间的区别与联系进行分析[19]。曙光和乔光华运用时间序列的谱分析方法对2000年1月-2007年8月北京市猪肉月度价格数据的波动规律进行了分析，并描述了这一时间段猪肉价格的整体趋势[20]。张敏采用B-N分解法对2003年1月-2017年4月我国生猪月度价格时间序列数据进行分解，并对分解后的成分进行分析，对生猪价格的周期性波动进行了探讨[21]。于少东运用X-12季节调整法和H-P滤波法对北京市2000年-2011年的去皮带骨猪肉月度批发价格数据进行波动实证研究与分析，结果显示猪肉价格的波动周期与生猪生产的波动周期大致相同，周期长度约为3年[22]。冯明运用GARCH簇模型对猪肉价格波动的异方差性进行了研究，发现猪肉价格的波动除了波动幅度大，呈明显的周期性外，还存在显著的非对称性[23]。孙莹对2014年猪肉价格的现状进行了分析，并对猪肉价格的周期性进行了研究，然后总结了造成猪肉价格下跌的原因，最后提出了一些对策建议[24]。杨静和姜会明从供给和需求两个层面分析了影响吉林省猪肉价格波动的主要因素，运用主成分回归分析进行实证研究，得出各因素对吉林省猪肉价格波动的影响程度，并提出了相应对策。宋长鸣尝试采用可变参数模型实证分析了非线性非均衡蛛网理论模型框架下猪周期是否满足稳定的条件，研究结果得出该分析框架下猪肉价格缺乏稳定性条件，并有发散的趋势，且相对于猪肉市场的需求，供给对猪肉价格变化更为敏感，以致“猪周期”反复出现，并为政府提出了相应的稳定措施。陈哲蕊等学者运用脉冲响应函数对我国2011年8月-2016年6月的饲料月度价格、加工费用以及猪肉月度价格数据进行分析，探讨了这三者的联系，结果显示在完整的猪肉产业链中，上游的饲料价格影响猪肉价格；中游的加工费用影响上游的饲料价格；下游的猪肉价格影响中游的加工费用[26]。1.3国内生猪价格预测研究现状随着我国经济的发展、市场化程度的不断加强以及科技的进步，许多学者对生猪市场价格也越来越关注，并开展了对生猪结果预测的研究。伴随神经网络、机器学习、深度学习的不断进步，众多学者使用了BP神经网络（BackPropagationNeuralNetwork）、广义回归神经网络（GeneralRegressionNeuralNetwork）、支持向量机（SupportVectotMachine）、向量自回归（VectorAutoRegressionModel）、循环神经网络(RecurrentNeuralNetworks)等方法进行未来生猪价格预测。冯叔君与陈芳等人分析了我国月度生猪价格波动趋势与原因（养猪成本、市场供需变化、替代品价格变化），并使用Elman神经网络对未来10个月的生猪月度价格做出预测，结果表明Elman模型比BP神经网络具有更高的精度[27]。姜百臣等人引入遗传算法（GA），改进了支持向量机模型，改进后的模型能够较好的展示价格周期的循环轨迹，是一种具有科学性的价格预测工具[28]。深度学习模型在生猪市场价格预测领域也有广泛的应用。钱彬彬等人使用深度信念模型（DBN）与BP神经网络，小波动神经网络分别预测我国2018年生猪市场价格，结果表明深度信念网络模型具有更佳的预测结果[29]。杨媛媛等人分析了生猪价格波动的原因，并使用循环神经网络（RNN）与长短时记忆网络（LSTM）预测山西省生猪价格，通过对比试验，LSTM模型预测的价格与实际生猪价格更加贴近，拟合程度良好[30]。1.4国外生猪价格预测研究现状在外国对于生猪市场价格的预测是先将理论模型与实证模型建立起来，最后在上述基础上进行系统而深入的研究。Bengtsson等人对欧洲的部分国家的生猪价格做了预测，使用自回归模型与VAR模型做对比试验，结果显示VAR模型有着更高的准确性[31]。Zhang将ARIMA与ANN模型组合使用，结合了ARIMA与ANN模型在线性与非线性建模中的优势，实验结果显示，组合模型其预测精度将会有大幅上升[32]。KARBASI等针对禽肉价格进行预测，比较了包含输入的神经网络自回归模型、ARIMA线性预测模型、人工神经网络三种方法的预测精度，实验结果显示三种方法的预测效果优劣情况为：动态神经网络>静态神经网络模型>ARIMA线性预测模型[33]。1.5国外生猪市场区域性研究国外的专家学者对生猪市场区域性的研究较少，并且大多数集中在生猪价格区域传导以及市场整合等方向上。Popescu等人分析了2007年至2014年之间罗马尼亚的生猪和猪肉生产集中度，通过研究发现罗马尼亚猪肉产量的分布因地区而异，且受到多种因素的影响[34]。西部地区是养猪业和猪肉生产的主要地区，其次是南部地区，紧随其后的是南蒙特尼亚和东南地区。Panos等人基于价格俱乐部（意为遵循一价定律的一组国家）的概念并运用时间序列分析中的多变量协整法研究了14个欧盟国家猪肉和家禽价格的空间关系，实证结果表明，欧盟的猪肉和家禽市场并不是价格统一的理想市场ADDINEN.CITE<EndNote><Cite><Author>Fousekis</Author><Year>2007</Year><RecNum>103</RecNum><DisplayText><styleface="superscript">[2]</style></DisplayText><record><rec-number>103</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611029479">103</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Fousekis,Panos%JEconomicsBulletin</author></authors></contributors><titles><title>MultipleMarketsWithintheEU?EmpiricalEvidenceFromPorkandPoultryPricesin14EUMemberCountrties</title></titles><pages>1-12</pages><volume>3</volume><number>65</number><dates><year>2007</year></dates><isbn>1545-2921</isbn><urls></urls></record></Cite></EndNote>[35]。Capitanio等人研究了意大利生猪市场整合的问题ADDINEN.CITE<EndNote><Cite><Author>Capitanio</Author><Year>2019</Year><RecNum>105</RecNum><DisplayText><styleface="superscript">[3]</style></DisplayText><record><rec-number>105</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611030509">105</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Capitanio,Fabian</author><author>Adinolfi,Felice</author><author>Goodwin,BarryK</author><author>Rivieccio,Giorgia%JNewMedit</author></authors></contributors><titles><title>Acopula-basedapproachtoinvestigateverticalshockpricetransmissionintheItalianhogmarket</title></titles><pages>3-14</pages><volume>18</volume><number>1</number><dates><year>2019</year></dates><urls></urls></record></Cite></EndNote>[36]。Tan等人采用协整检验和向量误差修正模型研究中国、美国和欧盟的生猪月价格时间序列，并对各地之间的生猪价格予以因果关系检验，实验结果表明世界各国生猪市场的价格存在着一定的因果关系和相互传导的机制ADDINEN.CITE<EndNote><Cite><Author>Tan</Author><Year>2014</Year><RecNum>104</RecNum><DisplayText><styleface="superscript">[4]</style></DisplayText><record><rec-number>104</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611030467">104</key></foreign-keys><ref-typename="ConferenceProceedings">10</ref-type><contributors><authors><author>Tan,Ying</author><author>Zapata,HectorO</author></authors></contributors><titles><title>HogpricetransmissioninGlobalmarkets:ChinaEUandUS</title><secondary-title>2014AnnualMeeting,February1-4,2014,Dallas,Texas</secondary-title></titles><number>162540</number><dates><year>2014</year></dates><publisher>SouthernAgriculturalEconomicsAssociation</publisher><urls></urls></record></Cite></EndNote>[37]。Gibson在对美国生猪产业研究中通过实证发现一个州的生猪生产往往受到邻近州生猪生产的影响，表明美国的生猪产业存在聚集经济的现象ADDINEN.CITE<EndNote><Cite><Author>Nene</Author><Year>2019</Year><RecNum>107</RecNum><DisplayText><styleface="superscript">[5]</style></DisplayText><record><rec-number>107</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611031563">107</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Nene,Gibson</author><author>Schoengold,Karina%JJournalofAgriculturalEconomics</author></authors></contributors><titles><title>HogProductionandAgglomerationEconomies:TheCaseofUSState-LevelHogProduction</title></titles><pages>663-672</pages><volume>5</volume><number>3</number><dates><year>2019</year></dates><urls></urls></record></Cite></EndNote>[38]。Wang等人在研究中都指出一个地区的生猪价格波动不仅受到该地区解释变量变化的影响，而且还受到邻近地区的影响ADDINEN.CITE<EndNote><Cite><Author>Wang</Author><Year>2018</Year><RecNum>106</RecNum><DisplayText><styleface="superscript">[6]</style></DisplayText><record><rec-number>106</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611031373">106</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Wang,Fang</author><author>Zhen,Xiao-Shu</author><author>Wang,Wei-Xin</author><author>Li,Hou-Jian</author><author>Liu,Yun-Qiang%JAvailableatSSRN3184732</author></authors></contributors><titles><title>SpatialSpilloverEffectsofHogPriceVolatility:EmpiricalAnalysisBasedonMoran'sIIndexandSARModel</title></titles><dates><year>2018</year></dates><urls></urls></record></Cite></EndNote>[39]。Holst等人对东部扩大后欧盟猪肉市场的贸易，市场整合和空间价格传递问题加以研究，结果发现，旧成员国之间或新成员国之间的区域内价格传导比旧成员国和新成员国之间的区域间价格传导更快，并且新成员国中的价格会根据新价格的变动更快地进行调整ADDINEN.CITE<EndNote><Cite><Author>Holst</Author><Year>2014</Year><RecNum>109</RecNum><DisplayText><styleface="superscript">[7]</style></DisplayText><record><rec-number>109</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611033877">109</key></foreign-keys><ref-typename="Report">27</ref-type><contributors><authors><author>Holst,Carsten</author><author>Cramon-Taubdel,Stephanvon</author></authors></contributors><titles><title>Trade,marketintegrationandspatialpricetransmissiononEUporkmarketsfollowingeasternenlargement</title></titles><dates><year>2014</year></dates><urls></urls></record></Cite></EndNote>[40]。Duric使用制度转换的长期价格传导模型来调查塞尔维亚和俄罗斯猪肉市场之间市场整合的可能变化ADDINEN.CITE<EndNote><Cite><Author>Duric</Author><Year>2018</Year><RecNum>108</RecNum><DisplayText><styleface="superscript">[8]</style></DisplayText><record><rec-number>108</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611033736">108</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Duric,I</author><author>Glauben,Thomas</author><author>Zaric,V</author></authors></contributors><titles><title>ImpactoftheRussianagriculturalimportbanontheSerbianporkexportsanddomesticpricedevelopmentalongtheporkvaluechain</title></titles><dates><year>2018</year></dates><urls></urls></record></Cite></EndNote>[41]。1.6国内生猪市场区域性研究我国地域辽阔，各地区农业资源、生态环境、政策法规、养殖技术和条件的差异导致我国的生猪市场、生猪价格在各地区间都不尽相同[42-51]。为了我国生猪市场能够稳定协调发展，许多研究者对生猪价格的区域性特点基于探讨，并获得一定的成果。武拉平以我国22个省份的生猪价格为研究对象，利用格兰泽尔因果关系检验发现生猪价格在主销省与主产省之间存在因果关系，结果发现地区间的生猪价格具有差距，比如沿海地区和经济水平高的地区生猪价格较高，而一些生猪的主产区价格相对较低[43]。田晓超等研究生猪主产区与主销区之间的关系，以我国具有代表性的几个主产区和主销区8年的月度价格为研究对象，研究结果发现生猪价格在各地区发展程度上存在不同的差距，生猪价格的传导机制体现为从主产区向主销区的传递过程，需要对我国生猪主产区与主销区的空间市场一体化做进一步的研究[44]。栾淑梅等以我国各省、直辖市、自治区的猪肉(占有量/消费量)/（人）为研究对象划分我国猪肉市场为三个区域：主产区、主销区和产销平衡区，并利用向量自回归模型研究了主销区和主产区之间的关联性，发现猪肉价格在主产区与主销区之间具有长期均衡性和短期的调节机制[45]。王孝华等将中国生猪市场按地理位置分为6个区域（不包括西北地区），研究6个地区之间以及地区与全国的生猪价格是否具有同步关系、计算同步系数，结果发现生猪价格的较高的同步系数是我国生猪价格波动幅度较大的主要成因[46]。廖翼等在对我国15年内各省、市、区生猪价格排序的基础上发现价格较高的地区基本都是生猪的主销区，生猪供给量的绝大部分需要从外地调入，而生猪价格低的地区大部分是主产区；并且主产区与主销区之间存在着价格的传递机制[47]。刘畅等以我国30个省市区的生猪价格为研究对象，利用自回归模型和SNA方法将我国分为四个区域并研究各个区域之间的生猪价格关系[48]。王刚毅等以我国23个省市区的生猪价格为研究对象，利用空间权重矩阵解释生猪价格的经济含义，研究结果发现各省市区的生猪价格在区域间具有经济关联和联动增长的空间溢出效应[49]。柴秀荣等利用C-均值聚类算法对我国31个省市区2008年1个月的猪肉价格进行区域划分，把我国猪肉市场划分为五个区域并将区域划分的结果予以图像演示[50]。从以上研究来看，我过生猪市场的区域划分主要根据生猪产销区、或地理位置、或价格等来分析与讨论，研究结果对于生猪市场的稳定和谐发展具有一定的参考价值。但是也具有一定的局限性，例如没有考虑地域特色、经济水平、养殖条件、以及数据集较小未考虑生猪养殖周期对价格的影响等。参考文献Font-i-FurnolsM，GuerreroL.Consumerpreference,behaviorandperceptionaboutmeatandmeatproducts:Anoverview[J].MeatScience，2014，98（3）：361-371.朱馨.基于非参数方法的猪肉价格断点回归分析[D].杭州：浙江大学硕士学位论文，2016.HarlowAA.TheHogCycleandtheCobwebTheorem[J].JournalofFarmEconomics，1960，42（4）：542-553.KeyN.ProductionContractsMayHelpSmallHogFarmsGrowinSize[R].UnitedStatesDepartmentofAgriculture，2014.DongF，HennessyDA.，JensenHH.Contractandexitdecisionsinfinisherhogproduction[J].AmericanJournalofAgriculturalEconomics，2010，92（3）：667-684.DawsonPJ.TheUKpigcycle:Aspectralanalysis[J].BritishFoodJournal，2009，111（11）：1237-1247.ParcellJL.Anempiricalanalysisofthedemandforwholesaleporkprimals:Seasonalityandstructuralchange[J].JournalofAgriculturalandResourceEconomics，2003，28（2）：335-348.LarsonAB.Thehogcycleasharmonicmotion[J].JournalofFarmEconomics，1964，46（2）：375-386.LeeJJ，SuYJ，Shih