中国生猪价格周期波动的特征与成因分析

潘方卉，刘丽丽，庞金波*

（1.东北农业大学经济管理学院，黑龙江 哈尔滨 150030；2.北华大学经济管理学院，吉林 吉林 132013）

中国生猪价格周期波动的特征与成因分析

潘方卉1，刘丽丽2，庞金波1*

（1.东北农业大学经济管理学院，黑龙江 哈尔滨 150030；2.北华大学经济管理学院，吉林 吉林 132013）

“猪周期”问题一直是困扰生猪产业健康发展的难题，以往研究大都是建立在谱分析和滤波分析方法基础上的，本文则采用三区制马尔科夫区制转移模型方法，对中国生猪价格周期波动的特征与成因进行了深入分析。研究结果表明，中国生猪价格周期波动中表现出显著的非对称性特征，即生猪价格在“下跌阶段”、“稳定阶段”和“上涨阶段”上的方差、区制转移概率、自持续概率和平均持续期存在着显著差异。此外，“猪周期”产生的主要原因在于疫病、政策、自然灾害等外界冲击导致的供需关系失衡，而生猪饲养是生猪产业链上抵御外界冲击能力最差，遭受损失可能性最高的环节。因此，为了缓解猪周期，一方面应该依据区制的非对称性特征来制定价格调控政策，另一方面可以通过完善牲畜疾病防疫体系和价格风险预警机制，以及提升生猪产业规模化和一体化水平等措施来增强生猪产业的抗风险能力。

生猪价格周期波动；非对称性；外界冲击；马尔科夫区制转移模型

潘方卉， 刘丽丽， 庞金波. 中国生猪价格周期波动的特征与成因分析［J］. 农业现代化研究， 2016， 37（1）: 79-86.

Pan F H， Liu L L， Pang J B. Characteristics and causes of hog price cycles in China［J］. Research of Agricultural Modernization， 2016，37（1）: 79-86.

鉴于此，各国学者对“猪周期”问题展开了深入的研究。中国学者的研究主要集中于对猪周期长度的测度，研究方法大多为HP滤波法［1-3］和BN分解法［4］，且研究结论大体一致，认为中国的猪周期长度大约为3 a。相比之下，外国学者使用的方法则更加丰富，例如，Dawson［5］应用谱分析方法研究英国猪周期问题，发现大多学者公认的3-4 a的“猪周期”表现并不明显，以季度和年度为周期的波动则更为显著。Parker和Shonkwiler［6］则应用卡尔曼滤波方法对德国的猪周期问题进行了研究，发现德国的猪周期约为4 a，而且周期波动幅度明显增加［4］。

上述研究可以很好的反应生猪价格波动周期的长度、振幅和频率，但是忽略了外部冲击可能导致猪周期的结构性变化。对于中国的生猪产业来说，政策、疫病、金融危机等外部冲击对其影响日益增强，已经成为导致生猪价格周期波动的主要原因［7-8］，因此，猪周期波动的特征很有可能也会随之发生改变。目前，中国学者的研究也开始注重外部冲击对猪周期的影响，例如，黎东升和刘小乐［9］分析了2008年以后出台的相关政策对猪周期的影响，发现2008年前后中国生猪价格波动存在着显著的差异；高群和宋长鸣［10］从供求关系、政策变动、金融因素等角度出发，基于PPM模型识别了美国生猪价格的历史突变。但是，前者依然应用的是HP滤波法，该方法不能充分反映生猪价格在不同周期波动阶段上呈现出的特征差异，后者研究的对象是美国的猪周期问题，因此，目前亟需找到一种科学、合理的研究方法对中国的猪周期问题进行深入分析，这种方法既要有助于清晰的判断和甄别生猪价格波动周期的拐点与阶段性特征，又要有助于深入挖掘生猪价格周期波动的深层次原因，而马尔科夫区制转移模型正是一种符合上述条件的研究方法。

马尔科夫区制转移模型最早主要应用于经济周期的识别与分析［11-14］，后来被迅速扩展到其他领域，例如：通货膨胀［15］、教育投资［16］，新股发行［17］，财政科技投入［18］等不同周期的研究。与此类似，经济周期领域的相关研究思路当然也适用于“猪周期”。由于马尔科夫区制转移模型只需依据样本数据便可推导出时间序列在不同阶段的转换概率，并且模型当中的系数估计、条件均值、异方差性、持续期都可以设定为随周期不同阶段而变化的形式。因此，应用马尔科夫区制转移模型来刻画生猪价格周期波动在不同阶段上的特性差异是十分恰当的。

综上所述，本文应用三区制马尔科夫区制转移模型来描述和刻画生猪价格周期波动的阶段性变迁特征。通过“下跌阶段”、“平稳阶段”和“上涨阶段”的区制特征分析和区制转移概率的估算，刻画生猪价格周期波动的非对称性特征，并基于不同区制的划分和周期拐点的识别，进一步挖掘生猪价格周期波动的主要原因，借以为政府选择科学合理的政策组合，建立正确有效的生猪价格调控机制提供决策参考。

1 实证模型与数据说明

1.1 马尔科夫区制转移模型

描述时间序列动态轨迹的最简单方法是自回归模型，为了捕捉和刻画生猪价格周期波动的“阶段性”变迁特征，我们借鉴Hamilton［11］的做法，在自回归模型中引入参数的区制转移性质，构建马尔科夫区制转移模型。为此，首先给出生猪（或猪肉、猪仔）价格增长率的简单自回归模型形式：

式中：yt表示生猪（或猪肉、猪仔）价格增长率序列，μ是截距项，p是滞后阶数，εt为随机扰动项，且服从均值为0，方差为σ2的正态分布，It-1代表t-1时刻的信息集。简单自回归模型中假定均值、回归系数以及正态分布方差均为固定常数，但是，通常情况下，系统受到外界冲击（政策干预，突发事件等）时会发生结构性转变，模型中的估计参数也会随之改变。

马尔科夫区制转移模型可以刻画时间序列数据在不同阶段、状态或机制下所具有的特征，该模型假设所有参数都是可变的，由区制状态变量控制。在同一区制内，参数及方差不变；当区制发生转变时，参数及方差将随之变化。马尔科夫区制转移模型形式根据截距项、回归系数和方差项是否依赖于状态变量St分为多种类型，模型类型可以依据AIC、SC和HQ准则值较小和极大似然比统计量值较大的原则进行选择。结合AIC和HQ模型选择准则对最优滞后阶数的选择结果（p=1），本文选取截距项和方差项依赖于状态变量的三区制马尔科夫区制转移模型——MSIV（3）-AR（1）（Three Regime Markov Switching Intercept and Variance with AR （1）model）来研究中国生猪价格周期波动的非对称特征。模型的具体形式如下：

式中：μ（St）和σ2（St）是时间序列yt依赖于不可观测的区制状态变量St的条件均值和条件方差。当时，Sjt=1；否则Sjt=0。在这个模型中，假设状态变量St是离散取值的三区制一阶马尔科夫过程，取值为1，2和3，这样系统的状态转换过程可用状态转移概率矩阵表示为：

式中：pij为状态变量St从t-1时刻i状态转移到t时刻j状态的概率，即：

在此，本文假设生猪价格周期波动过程中可能存在三种区制，具体而言，区制1为价格“下跌阶段”（St=1），其条件均值和条件方差分别为μ1和σ1；区制2为价格“平稳阶段”（St=2），其条件均值和条件方差分别为μ2和σ2；区制3为价格“上涨阶段”（St=3），其条件均值和条件方差分别为μ3和σ3。依据对区制划分的性质，可得出生猪（或猪肉、猪仔）价格增长率条件均值所具有的参数约束条件为μ1＜μ2＜μ3，且μ1＜0，μ3＞0，μ2约等于0；条件方差均大于0。

1.2 数据处理和单位根检验

在变量的选泽上，本文效仿毛学峰和曾寅初［1］的做法，考虑到生猪、猪肉和猪仔市场之间的紧密联系，因此利用生猪、猪肉和猪仔价格数据来全面分析和探索生猪价格周期波动的特征与成因。在样本的选取上，本文选取2000年1月到2014年2月的猪仔、待宰活猪和去皮带骨猪肉价格表示生猪产业链上游、中游和下游的猪仔、生猪和猪肉价格，数据均来源于中国畜牧业信息网。

图1给出了生猪、猪肉和猪仔价格的时间动态轨迹。从图中可以看出，自2000年以来，生猪、猪肉和猪仔价格表现出相对一致的动态走势。2003年以前，生猪、猪肉和猪仔价格的波动幅度较小。在此之后，运行轨迹中均呈现出三次“大起大落”，尤其是第二次波动异常猛烈。从整体上来看，生猪、猪肉和猪仔价格波动过程大体上都存在着“下跌阶段”、“平稳阶段”和“上涨阶段”三个区制，且在不同阶段上具有不同的波动幅度、调整速度和持续期。因此，生猪价格周期波动中表现出显著的非对称性特征。

图1 生猪、猪肉和猪仔价格的时间动态轨迹Fig. 1 Dynamic trend of hog， pork and piglet prices

为了更好的刻画和描述生猪价格波动周期的阶段性变迁特征，本文对数据进行简单处理和初步检验。首先使用消费者价格指数剔除价格时间序列中的通胀因素，然后使用X-12方法剔除了价格序列中的季节性因素，同时为了消除异方差性，又对季节调整后的价格序列取对数，处理后的生猪、猪肉和猪仔价格变量分别使用szt、zrt和zzt表示。由于马尔科夫区制转移模型适用于平稳时间序列，因此需要对上述价格变量进行ADF单位根检验。

表1 ADF单位根检验结果Table1 Results of the ADF unit root test

检验结果（表1）表明，szt、zrt和zzt均是非平稳时间序列，但其一阶差分变量△szt、△zrt和△zzt在5%的显著水平下是平稳的。由于△szt、△zrt和△zzt恰好为生猪价格增长率、猪肉价格增长率和猪仔价格增长率序列，可以准确刻画生猪、猪肉和猪仔价格的相对变化，具有较好的经济含义。因此，本文将以生猪产业链上的各个价格增长率序列作为实证研究对象。

2 实证结果分析

2.1 生猪价格周期波动的非对称性特征分析

本文应用带有MS-VAR模块的OX软件编程估计上述马尔科夫区制转移模型，生猪、猪肉和猪仔价格序列的估计结果见表2。表2中给出的线性检验结果表明：生猪、猪肉和猪仔价格的马尔科夫区制转移模型中LR统计量值分别为55.933 2、23.765 5和20.331 1，其卡方统计量的伴随概率值均小于1%，显著拒绝线性关系的原假设。再者，诸如截距、自回归系数以及方差等绝大多数参数的估计结果都在5%的水平上显著，并且同一参数在不同区制上的估计结果差异很大。这些都说明非线性马尔科夫区制转移模型可以很好地刻画生猪、猪肉和猪仔价格波动周期中的阶段性变迁过程，“下跌阶段”、“平稳阶段”和“上涨阶段”的三区制划分是准确的。因此，本文基于该模型对生猪价格周期波动的非对称性特征进行研究是较为合理和科学的。

表2 马尔科夫区制转移模型的估计结果Table2 Estimation results of the Markov regime switching model

2.1.1 方差和区制转移概率的非对称性分析 首先，由表2中的方差估计值可知，生猪、猪肉和猪仔价格处于不同阶段上的方差存在非对称性。具体而言，生猪价格处于“上涨阶段”上的方差（σ3=0.031 6）最大，其次是处于“下跌阶段”的方差（σ1=0.029 3），最后是处于“平稳阶段”的方差（σ2=0.011 4）。同理，猪肉和猪仔价格处于“上涨阶段”的方差最高，其次是“平稳阶段”的方差，最后是“下跌阶段”的方差，即猪肉和猪仔价格在各个区制上的方差表现类似的特征，但是猪仔价格的方差明显高于同一阶段上猪肉价格的方差，具有更高的不确定性。由此可见，政府相关管理部门更应该加强对猪价在“上涨阶段”的风险甄别与防御能力。

其次，由表2中的转移概率矩阵可知，生猪、猪肉和猪仔价格的区制转移概率存在一定的非对称性。其中，生猪价格由“下跌阶段”（“上涨阶段”）向“平稳阶段”转移的概率p12=0.000 8（p32=0.075 6）小于向“上涨阶段”（下跌阶段）转移的概率p13=0.216 3（p31=0.187 8），说明生猪价格呈现“暴涨暴跌”的可能性较高。与此类似，猪肉价格表现出“暴涨缓跌”的可能性较高，猪仔价格则更易表现出“缓涨暴跌”的情况。由此可见，生猪养殖是整个生猪产业链中面临市场价格波动风险最高的环节。另外，生猪、猪肉和猪仔价格从“平稳阶段”向“下跌阶段”转移的可能性均高于向“上涨阶段”转移的可能性，因此，为了保持猪价的平稳运行，政府需要特别注意引发猪价下跌的因素。

2.1.2 自持续概率与平均持续期的非对称性分析 首先，由表2中的转移概率矩阵可知，各个区制上的自持续概率均大于向其他两个区制转移的概率之和，表现出较强的内在持续性。因此，当猪价处于“下跌阶段”和“上涨阶段”时，需要政府制定相应的价格调控政策才能推动价格运行区制的转移。对于生猪价格来说，其处于“下跌阶段”的概率（p11=0.782 9）高于其处于“上涨阶段”时的概率（p33=0.736 6），说明政府在防止生猪价格下跌时的政策力度需要强于抑制生猪价格进一步上涨时的政策力度。在此方面，猪肉与猪仔价格表现出类似的特征，即处于“上涨阶段”的自持续概率高于处于“下跌阶段”的自持续概率。通过对生猪、猪肉和猪仔价格的横向对比，可以看出生猪价格处于“下跌阶段”的概率最高，而猪仔价格处于“上涨阶段”的概率最高。由于三者通常表现出较为一致的动态走势，因此政府在抑制猪价上涨时应当以猪仔价格为重点调控目标，猪仔价格止涨时其他价格也会得到有效的控制；在防止猪价下跌时，则应当以生猪价格为主要操作对象，生猪价格止跌时其他价格也会随之反弹。

其次，由表3中各种价格的区制持续性特征可以看出，生猪、猪肉和猪仔价格处于不同区制上的频率和平均持续期存在显著差异。具体而言，生猪价格处于“下跌阶段”的持续期（约5个月）略高于处于“上涨阶段”的持续期（约4个月），与此相反的是，猪肉价格和猪仔价格处于“上涨阶段”的持续期（约4个月和6个月）高于处于“下跌阶段”的持续期（约3个月和2个月）。从区制发生的频率来看，猪肉和猪仔价格处于“平稳阶段”的频率最高，生猪价格处于“下跌阶段”的频率最高。而且与猪肉和猪仔价格相比，生猪价格处于“下跌阶段”的频率最高且平均持续期最长，因此，在生猪产业链上，生猪饲养者处于最为不利的地位，发生亏损的可能性最高且时间最长。

表3 马尔科夫区制转移模型的区制持续性特征Table3 Regime persistence characteristics of the Markov regime switching model

图2 生猪价格增长率的平滑概率图Fig. 2 Smooth probability graph of hog price growth

2.2 生猪价格周期波动的拐点识别与成因分析

由于马尔科夫区制转移模型的平滑概率图可以清楚的刻画和描述经济变量在不同阶段发生概率转移的可能性（通常情况下，当区制状态变量St的概率值（i=1，2，3）时，就可以认为生猪价格、猪肉价格和猪仔价格增长率在t时刻处于i阶段）。因此，本文给出了生猪、猪肉和猪仔价格的平滑概率图（图2、图3和图4），并在图上标识出引发价格进行区制转移的各种主要因素（其中，虚线所处位置是由各种因素发生的具体时间点决定的），以便清楚的识别与探究生猪、猪肉和猪仔价格周期波动的拐点与成因。

从图中可以看出，2000年到2003年8月之间，生猪、猪肉和猪仔价格所处的阶段基本一致。生猪价格一直以1.0的概率水平处于“平稳阶段”，猪肉和猪仔价格除了有少数几个月份转移到其他区制外，绝大多数时间也以接近1.0的概率水平处在“平稳阶段”，说明2000年至2003年8月期间，生猪产业整体价格运行相对平稳，市场风险较低。但是，在2003年之后，生猪、猪肉和猪仔价格波动的幅度和频率明显增加，市场风险大幅提升。而且，生猪、猪肉和猪仔价格周期波动情况基本一致，在“下跌阶段”、“平稳阶段”和“上涨阶段”三个区制之间相互转换，只不过生猪价格处于“平稳阶段”的概率极低，大多时间是在“上涨阶段”和“下跌阶段”之间相互转移，因此表现出更大的不确定性。

虽然生猪、猪肉和猪仔价格进出不同阶段的时间点存在微小差异，但是周期波动的走势大体一致，均包含三次大幅度的波动，究其原因主要是由于2003年之后，中国生猪产业受到包括疫病、自然灾害、金融危机和政策等外界冲击越来越多，导致生猪产业供求关系失衡，从而引发猪价的过度波动。

图3 猪肉价格增长率的平滑概率图Fig. 3 Smooth probability graph of pork price growth

图4 猪仔价格增长率的平滑概率图Fig.4 Smooth probability graph of piglet price growth

2003年下半年开始的这轮猪周期主要是由于2003年5月爆发的非典疫情所致，疫情期间宰杀母猪、补栏停滞，地区间生猪运输受阻，造成生猪供求矛盾突出，导致猪价反弹明显，再加上2004年爆发的禽流感疫情，引发猪肉需求大增，导致猪价持续攀升，于2004年中期达到峰值。然而，在2005年初，部分地区（例如四川、广东等）出现了猪链球菌病，导致需求明显降低，从而引发了猪价下跌，导致一些养殖户开始宰杀母猪。

2006年下半年以来的这轮猪价上涨与部分生猪主产省暴发猪蓝耳病疫情密切相关，除生猪直接死亡造成的损失外，还导致患病母猪流产或死胎，育肥猪生产能力下降，再加上生猪饲养盈利预期不容乐观，加剧了生猪的短缺和恢复生产的困难，进一步推动了2007年下半年的猪价高涨。随后受到2008年9月全球性金融危机和2009年4月猪流感疫情的影响，民众对猪肉需求明显降低，导致猪价开始下跌。

2010年上半年开始的这轮猪周期主要是由于高热病、南方大雪以及玉米价格等饲料成本的上涨所致，此次猪价上涨在2011年6月左右达到最高值，在此之后，随着政府前一段时间鼓励生猪饲养的政策效应显现而逐步下行。

由此可见，中国生猪、猪肉和猪仔价格的周期波动大多是由于外界冲击造成的，该结论与王明利和李威夷［4］的实证研究结论一致，这就说明中国生猪产业应对突发事件的能力较弱。欧美发达国家的经验告诉我们，规模化养殖与散养相比，在把握市场、价格、技术和信息以及控制动物疫情方面的能力较强，且具有生产周期短、生产成本低、市场谈判能力强、又利于政府调控政策实施等优势，因此，推进中国生猪产业的规模化发展是提升生猪产业抗风险能力的重要途径。

3 结论

本文应用马尔科夫区制转移模型对中国2000年1月到2014年2月之间生猪价格周期波动的特征和成因进行了实证分析，主要得到如下结论：

1）生猪价格波动周期中存在“下跌阶段”、“稳定阶段”和“上涨阶段”三种区制，并以一定的概率水平在各个区制之间进行转换。整体来看，生猪、猪肉和猪仔价格的周期波动态势大体一致，主要存在三个较大的波动，而疫病、自然灾害、金融危机和政策变动等外界冲击是引发“猪周期”的主要原因。

2）生猪价格波动周期中存在着显著的非对称性特征。就区制方差来看，生猪、猪肉和猪仔价格处于“上涨阶段”的波动性明显高于其他两个阶段，说明政府相关管理部门应该特别加强对猪价处于“上涨阶段”时的风险甄别、预警与防范；从区制转移概率来看，生猪价格易呈现出“暴涨暴跌”的态势，猪肉和猪仔价格出现“暴涨缓跌”和“缓涨暴跌”的概率水平最高。因此，生猪养殖是整个生猪产业链中面临市场价格波动风险最高的环节。

就自持续概率和平均持续期来看，生猪价格在“下跌阶段”的自持续概率和平均持续期大于其处于“上涨阶段”的，而猪肉和猪仔价格正好相反，处于“上涨阶段”的自持续概率和平均持续期高于“下跌阶段”的，说明生猪价格处于“下跌阶段”时具有更强的内在稳定性，猪肉和猪仔价格则在“上涨阶段”上具有更强的内在稳定性。而且与猪肉和猪仔价格相比，生猪价格处于“下跌阶段”的持续期最长且频率最大，这就说明在生猪产业链上，生猪饲养者处于最为不利的地位，发生亏损可能性最高且时间最长。

4 政策启示

基于上述结论，本文提出如下政策建议：

1）由于引发“猪周期”的主要因素在于疫病、灾害、金融危机等外界冲击，因此政府应该建立健全畜禽疾病防疫体系，减少重大疫病对生猪生产和猪肉消费的冲击；建立生猪生产与猪肉价格风险预警机制，提供有效的市场信息，引导生猪养殖户科学确定养殖规模。

2）由于生猪、猪肉和猪仔价格在各个区制上都表现出较强的持续性，因此，实施防止猪价进一步下跌或者抑制其进一步上涨的价格调控政策是十分必要的。再者，为了保持猪价的稳定性，相关管理部门应该尤其应该注重导致猪价下跌的因素，其次才是引发猪价上涨的因素。

3）在制定价格调控政策时，要注意政策力度和主要操作目标的选择。由于生猪、猪肉和猪仔价格通常表现出较为一致的动态走势，根据猪仔价格保持上涨能力最强，生猪价格止跌的能力最差的特征，政府在抑制猪价上涨时应当以猪仔价格为主要操作对象；在防止猪价下跌时，则应当以生猪价格为重要调控目标。另外，政府在抑制猪肉（猪仔）价格上涨时的政策力度应该强于防止猪肉（猪仔）价格进一步下跌时的力度，在防止生猪价格下跌时的政策力度需要强于抑制生猪价格进一步上涨时的政策力度。

4）生猪饲养是生猪产业链上风险最大的环节，分析其主要原因在于，一方面是中国生猪饲养规模化程度较低，另一方面生猪产业链纵向整合程度较低。因此，政府在制定生猪产业政策时，一方面应该继续推行规模化养殖小区和养殖基地建设政策，增加生猪产业规模化程度；另一方面通过“公司+基地（小区）+农户”等组织形式促进生猪产业一体化发展，形成利益共享、风险共担的产业链条，提高生猪产业抗风险能力。

［1］ 毛学峰， 曾寅初. 基于时间序列分解的生猪价格周期识别［J］.中国农村经济， 2008（12）: 4-13.

［2］ 于少东. 北京市猪肉价格波动周期分析［J］. 农业经济问题，2012（2）: 75-78.

［3］ 江六一， 丁家云， 周正平. 我国猪肉价格波动规律及调控对策研究——基于H-P滤波法的实证分析［J］. 经济问题探索，2014（9）: 96-101.

［4］ 王明利， 李威夷. 生猪价格的趋势周期分解和随机冲击效应测定［J］. 农业技术经济， 2010（12）: 68-77.

［5］ Dawson P J. The UK pig cycle: A spectral analysis［J］. British Food Journal， 2009， 111（11）: 1237-1247.

［6］ Parker P S， Shonkwiler J S. On the centenary of the German hog cycle: New findings［J］. European Review of Agricultural Economics，2014， 41（1）: 47-61.

［7］ 吴登生， 李建平， 汤铃， 等. 生猪价格波动特征及影响事件的混合分析模型与实证［J］. 系统工程理论与实践， 2011， 31（11）: 2033-2042.

Wu D S， Li J P， Tang L， et al. A hybrid analysis model for fluctuation characteristics and influence events of live pig price and an empirical study［J］. Systems Engineering-Theory & Practice， 2011，31（11）: 2033-2042.

［8］ 周晶， 丁士军， 阮冬燕. 中国生猪生产波动影响因素分析——基于2000-2012年省级面板数据的实证研究［J］. 农业现代化研究， 2014， 35（6）: 750-756.

Zhou J， Ding S J， Ruan D Y. The empirical analysis on influencing factors of pig production fluctuation in China［J］. Research of Agricultural Modernization. 2014， 35（6）: 750-756.

［9］ 黎东升， 刘小乐. 我国生猪价格波动新特征——基于HP和BP滤波法的实证分析［J］. 农村经济， 2015（6）: 52- 55.

［10］ 高群， 宋长鸣. 美国生猪价格突变识别及对我国的启示［J］. 国际 经贸探索， 2015， 31（5）: 62- 72.

Gao Q， Song C M. Identification and analysis of the breaking point of hog prices in the United States［J］. International Economic and Trade Research， 2015， 31（5）: 62-72.

［11］ Hamilton J D. A new approach to the economic analysis of nonstationary time series and the business cycle［J］. Econometrica，1989， 57（2）: 357-384.

［12］ Mills T C， Wang P. Plucking models of business cycle fluctuations: Evidence from the G-7 countries［J］. Empirical Economics， 2002，27（2）: 255-276.

［13］ 郭明星， 刘金全， 刘志刚. 我国货币供给增长率与国内产出增长率之间的影响关系检验——来自MS-VECM模型的新证据［J］. 数量经济技术经济研究， 2005， 22（5）: 27-39.

Guo M X， Liu J Q， Liu Z G. Testing for the money-output relationships: New evidences from the vector error correct model with Markov regime switching［J］. The Journal of Quantitative & Technical Economics， 2005， 22（5）: 27-39.

［14］ 董颖， 唐晓彬， 武一. 我国经济周期波动的非对称性研究［J］.统计与决策， 2013（18）: 116-117.

［15］ 龙如银， 郑挺国， 云航. Markov区制转移模型与我国通货膨胀波动路径的动态特征［J］. 数量经济技术经济研究， 2005， 22（10）: 111-117.

Long R Y， Zhen T G， Yun H. Markov regime switching model and dynamic characteristics of inflation path in China’s economy［J］. The Journal of Quantitative & Technical Economics， 2005， 22（10）: 111-117.

［16］ 隋建利， 刘金全. 改革开放以来我国教育投资周期与宏观经济周期同步吗——基于“双阶段”马尔科夫区制转移模型的实证分析［J］. 教育与经济， 2013（5）: 3-11.

Sui J L， Liu J Q. Have education investment cycle and macroeconomic cycle synchronized since reform and opening up of China—Based on the “dual-stage” Markov regime switch model［J］. Education & Economics， 2013（5）: 3-11.

［17］ 胡志强， 王一竹. 新股发行周期波动的Markov三区制转换模型研究［J］. 统计研究， 2013， 30（5）: 76-82.

Hu Z Q， Wang Y Z. The detection of a-share IPO market cycles based on the three regimes Markov switching model［J］. Statistical Research， 2013（5）: 3-11.

［18］ 潘方卉， 李翠霞， 樊斌. 财政科技投入周期与经济周期协同性的马尔科夫区制转移模型［J］. 中国科技论坛， 2015（3）: 42-47.

Pan F H， Li C X， Fan B. Synchronization between financial technology investment cycle and economics cycle based on Markov regime switching model［J］. Forum on Science and Technology in China， 2015（3）: 42-47.

（责任编辑：王育花）

Characteristics and causes of hog price cycles in China

PAN Fang-hui1， Liu Li-li2， PANG Jin-bo1
（1. College of Economics and Management， Northeast Agricultural University， Heilongjiang， Harbin 150030， China；2. College of Economics and Management， Beihua University， Jilin， Jilin 132013， China）

Hog price cycle is a problem that has plagued the development of the hog industry in China. Most of the previous studies were based on spectral analysis and filtering analysis methods. The paper applied the Markov regime switching model with three regimes to analyze the characteristics and causes of hog price cycles in China. Results show that hog price cycles did not show symmetric characteristics: hog prices have different variances， probabilities of regime switching， probabilities of persistence and average durations on “decline stage”， “stabilization stage” and “rising stage”respectively. In addition， the driving force of hog price cycles is the imbalance between hog supply and demand caused by external shocks， including diseases， policy changes， and natural disasters. Hog production is the weakest one among other sectors of the pork supply chain and with the highest possibility of suffering loss from external shocks. Therefore， in order to alleviate the hog price cycle and increase the risk managing ability of the hog industry， this paper suggests: 1） to take into account the asymmetric characteristics of regimes when establishing the price control policies； 2） to enhance the epidemic disease prevention system and the price risk warning mechanism； and 3） to increase production scale and integration level of the hog industry.

hog price cycle； asymmetry； external shocks； the Markov regime switching model

“猪周期”是指生猪价格周期性变化的经济现象。“猪周期”的循环轨迹一般是：肉价上涨——母猪存栏量大增——生猪供应增加——肉价下跌——大量淘汰母猪——生猪供应减少——肉价上涨，即生猪价格上涨刺激农民积极性造成供给增加，供给增加造成肉价下跌，肉价下跌打击了农民积极性造成供给短缺，供给短缺又使得肉价上涨，周而复始，这就形成了所谓的“猪周期”。近年来中国猪肉价格波动剧烈频繁，过度的价格波动既不利于生猪产业的健康发展，也影响居民猪肉消费的国计民生。因此，深入挖掘生猪价格周期波动的特征及其原因，有助于理解和掌握生猪价格的周期波动规律，为政府与各市场主体采取有效措施应对价格波动风险提供实践与理论指导。

National Natural Science Foundation of China （71503036）， China Postdoctoral Science Foundation （2013M540267）， Postdoctoral Science Foundation of Heilongjiang， China （LBH-Z13048）.

PANG Jin-bo， E-mail: pangjinbo@sina.com.

19 January， 2015； Accepted 24 November， 2015.

F326.3

A

1000-0275（2016）01-0079-08

10.13872/j.1000-0275.2015.0185

国家自然科学基金青年项目（71503036），中国博士后科学基金面上项目（2013M540267），黑龙江省博士后基金项目（LBH-Z13048）。

潘方卉（1982-），女，黑龙江齐齐哈尔人，经济学博士，副教授，主要从事畜牧经济和农产品流通研究，E-mail: pfh_nd@126. com；通讯作者：庞金波（1972-），男，黑龙江密山人，博士，副教授，硕士研究生导师，主要从事农业经济及农村金融研究，E-mail: pangjinbo@sina.com。

2015-01-19，接受日期：2015-11-24