基于时间序列的2020年活鸡价格走势分析
时间：2021-02-05 06:01:44 来源：达达文档网 本文已影响 人 
武寒雨
摘要 鸡肉作为我国第二大肉类消费品，与国民经济、生活密切相关，探究预测活鸡价格未来走势对稳定鸡肉价格和市场供应具有重要意义，对养殖户经营决策具有一定帮助。本文通过ARIMA和ARCH类模型对2000—2019年的活鸡月度价格进行拟合，经过AIC最小信息准则、误差均方根等方法综合评价出ARIMA-ARCH模型为最优模型。该模型表明我国活鸡价格波动具有集簇性，后期价格受前一期外部因素影响显著。模型动态预测结果显示活鸡价格将在2020年3月止跌，4—12月活鸡价格将持续、缓幅上涨。
关键词 时间序列;ARIMA模型;ARCH模型;ARIMA-ARCH模型;活鸡价格;2020年
中图分类号 F323.7 文献标识码 A
文章编号 1007-5739（2020）17-0260-03 开放科学（资源服务）标识码（OSID）
鸡肉是我国第二大肉类消费品，在猪肉供给受到影响时，鸡肉会成为主要替代品。当前我国鸡肉平均消费量仍低于发达国家，随着国民健康意识的不断增强，肉鸡消费市场依然具有很大的增长空间。受禽流感等因素影响，我国肉雞价格急涨急跌，往往造成养殖户经营困难，不利于鸡肉的稳定供应，甚至对CPI造成影响。活鸡主要以批发的形式交易，因而活鸡的批发价格对肉鸡零售价格具有引导作用。据中国畜牧网估算，2019年全国范围内至少有80亿只鸡鸭通过活禽市场消费，每天超过2 200万只交易量。2000—2020年以来，活鸡价格波动的频繁性、剧烈性给经营者和消费者带来不利影响。因此，研究活鸡价格变动特征并预测未来价格走势是目前研究的重点问题之一。通过时间序列模型分析活鸡价格变动特征，预测2020年活鸡价格走势就是本文的主要目的。
在相关畜产品价格走势的模型研究文献中，关于生猪、肉鸡价格的研究较多，大多采用X12方法、HP滤波法[1]、AR
MA模型[2]，一些学者运用ARCH[3]类模型研究畜产品价格时，时间跨度比较短，缺乏模型间的比较。刘 春等[4]、韩星焕等[5]、王贝贝等[6]基于X12法、HP滤波法和ARMA模型对活鸡、肉鸡价格波动特征及走势作出分析。周金城[7]发现我国大米、猪肉、西红柿等9类农产品价格都存在非线性转换特征，同时发现非对称ARCH类模型拟合效果优于线性AR模型。我国活鸡价格走势急涨急跌且波动较大，与金融市场的波动相似。本文在借鉴以往学者研究基础上，采用金融分析领域常用的ARIMA与ARCH类模型，对基于2000—2019年活鸡月度价格数据的时间序列进行建模比较，分析是否存在非对称效应，并选择最优模型对2020年活鸡价格走势进行预测。
1 数据来源及处理
1.1 数据来源
2000年1月至2019年8月活鸡月度价格数据来源于中国畜牧业信息网（http：//www.caaa.cn/market/zs/article.php？zsid=7），共计236个样本量。由表1可知，活鸡月度价格均值为14.12元/kg，最大值为21.52元/kg，最小值为8.19元/kg，标准差为3.92，说明活鸡价格波动大。偏度为负，峰度大于0，表明活鸡价格数据分布比正态分布更陡峭，在峰的左边有大的偏差值，且JB统计量在1%水平显著，拒绝无正态条件分布，说明该序列显著异于正态分布。
1.2 平稳性检验及处理
时间序列分析前，需要判断变量是否平稳，变量平稳是模型估计有效前提。变量如不平稳通常需要对该变量对数化、差分该序列使其平稳。本文通过ADF平稳性检验对活鸡价格变量做平稳性检验。平稳性检验P值为0.89，大于5%显著水平，因而不能拒绝原假设，即存在单位根，表明活鸡价格序列为非平稳时间序列。
本文将活鸡价格变量对数化再做差分处理使其平稳，经过一阶差分后的时序图显示（图2），序列一直围绕零轴波动，没有明显规律，初步判断该序列是平稳的。此时再用单位根检验得P=0<0.05，所以拒绝原假设，认为序列平稳。
1.3 纯随机性检验
如果活鸡价格的变动属于纯随机波动，就很难根据历史信息预测未来价格。因此，需要判断活鸡价格变量是否为纯随机性序列。查看Q统计量的P值均为0，拒绝原假设，认为该序列是非白噪声序列，具有研究下去及对未来预测的意义。
2 活鸡价格模型分析
2.1 ARIMA模型
通过上一节的分析，我国活鸡价格是差分平稳序列，适合ARIMA模型进行分析。因此，本文首先对活鸡价格进行ARIMA分析。根据ARIMA模型定阶 “从一般到简单”的思路，通过每次去除1个系数最不显著的变量来缩减模型，再比较AIC及考虑其他统计量，选定最优的模型形式。以我国活鸡价格最优的ARIMA模型为根据输出结果，得到的拟合模型为ARIMA（2，1，0）：
Δlog（p）=0.0039+[AR（1）=0.295，AR（2）=-0.159]
通过相关图和Q统计量检验可知，残差为白噪声，显示拟合有效。再对其进行LM检验，在10阶时仍不显著（P=0.832 8），残差序列不存在自相关，残差检验通过。
2.2 ARCH模型
已知活鸡价格序列为非白噪声序列，活鸡价格作为因变量本身存在自相关，因变量自相关的存在是残差异方差性的主要原因之一。而对于异方差性的修正有助于提高模型参数估计的精确度。因此，需要对ARIMA（2，1，0）模型进行条件异方差效应检验，判断是否需要使用ARCH类模型进行修正，进一步提高参数估计的精确度。
采用异方差ARCH LM检验建立了ARIMA（2，1，0）模型，判断该序列是否存在ARCH效应。结果表明，二阶P统计量的相伴概率分别为0.040 9和0.041 0，都小于5%的顯著水平，可判断出具有ARCH效应。因此，可以使用ARCH模型来提取残差平方序列中蕴含的相关信息。
2.2.1 模型定阶。在已知模型的残差序列存在ARCH效应的前提下，通过图3得知，残差序列的偏自相关系数一直比较小，基本控制在2倍标准差以内，在滞后1阶时偏自相关系数接近于2倍标准差，为消除模型随机干扰项的异方差性，建立ARCH（1）模型。
2.2.2 模型估计。确定了ARIMA（2，1，0）模型为均值模型之后，建立残差序列的ARCH（1）修正模型来估计参数。已知活鸡价格的统计特征显著异于正态分布，经比较学生t分布和广义误差分布，发现学生t分布能更好地描述数据特征。因此，本文选用学生t分布和ARCH（1）模型估计参数。如图4所示，模型参数均显著，进而得到如下2个方程。
均值模型：DLOGPt=0.006+0.33DLOGPt-1-0.12DLOGPt-1+et
波动率模型：ó2t=0.000 63+0.32e2t-1
2.2.3 模型检验。对ARIMA-ARCH模型残差序列进行LM检验，在lag=5时，F统计量为0.473 3，不显著，说明模型已经不存在ARCH效应。
3 其他ARCH模型的比较
已知ARIMA（2，1，0）模型存在ARCH效应，本文将ARCH模型的扩展、改进模型进行比较，进一步选择最优模型。
表1是各模型的对数似然函数、AIC、SC值，进行对比发现各模型拟合效果相近，但ARIMA-ARCH模型的估计参数更加显著，因而ARIMA-ARCH模型为最优模型。
4 模型预测
模型预测是利用已观测到的样本值估计未来某个时刻的取值，有静态预测和动态预测2种方法。该模型静态预测误差较小，泰尔不等系数接近于0（0.012 893），表明该模型预测精度高。如图5所示，动态预测时间段为2020年3月至 2020年12月，预测结果表明，2020年3月活鸡价格跌至最低价19.5元/kg，4—12月，活鸡价格将持续性上涨，涨幅趋缓。
5 结论
本文主要讨论了ARIMA模型和ARCH模型在活鸡价格时间序列中的应用。建立了基于2000—2019年活鸡月度价格的2个显著模型，经过综合比较认为ARIMA-ARCH模型拟合效果最优。由ARIMA-ARCH模型可知，活鸡价格存在过山车式的密集波动，活鸡价格在经历急涨或急跌后容易引起价格的报复性下跌或上涨。本期活鸡价格波动会受到上期外部因素冲击，一般延续1个月。预测结果表明，活鸡价格在年初受疫情影响下挫至3月后，将迎来价格反转，活鸡价格将持续小幅上涨。
建议养殖户要有一定的反周期意识，通过深加工方式延长产业链，减小禽流感等疫情所造成的利空影响;政府要规范活鸡市场交易，在禽流感等疫情期间，为养殖户打通绿色交易渠道，防范活鸡价格的大起大落，保障鸡肉供应。
6 参考文献
[1] 贾钰玲.我国肉鸡产业波动规律及价格预警分析[D].北京：中国农业科学院，2015.
[2] 李文红.基于指数平滑模型和ARIMA模型的博兴县鸡蛋价格预测[D].济南：山东财经大学，2018.
[3] 郑燕，丁存振，马骥.禽流感疫情对我国畜禽产品价格波动的影响[J].农业经济与管理，2018（2）：69-76.
[4] 刘春，辛翔飞，王济民.我国肉鸡价格波动趋势分析[J].中国家禽，2019，41（20）：69-74.
[5] 韩星焕，姜天龙.我国活鸡价格波动成因分析：以2000—2011年为例[J].中国畜牧杂志，2012，48（12）：46-49.
[6] 王贝贝，肖海峰.基于ARCH类模型的中国畜产品价格波动特征研究[J].农村经济与科技，2015，26（4）：67-71.
[7] 周金城.我国农产品价格波动的非线性动态调整研究[D].长沙：湖南大学，2014.
