我国蔬菜市场预测预警研究浅析

鲁建斌

（张家口市农业信息中心，河北 张家口 075000）

2002—2005年农业部为适应农村经济结构战略性调整和加入世界贸易组织的新形势要求，开始整合信息资源，先后启动了玉米、小麦、棉花、大豆、糖料、稻谷、油料、畜产品、水产品9种农产品的市场预测预警工作；截至2012年，常态预测预警供求平衡分析的农产品达16种。建立预警指标体系，定期对农产品的供需、库存、进出口、市场行情和生产成本等进行动态监测及预测，实施先兆预警，从供求安全、进口影响及生产效益3个方面进行报警，为生产者、经营者和政府部门提供决策参考（预警机制）[1-3]。

通过对国内外文献的梳理，发现对农产品的价格和市场预测预警的研究大多集中于部分省份和单个农产品，粮食和生猪的市场预测预警系统相对完善，其他农产品的预测预警较为薄弱，尤其是在蔬菜市场预测预警体系的建设方面更为缺乏[4]。蔬菜价格较易受气候条件、自然灾害、市场自然环境、经济与政策环境、节假日等外界因素影响，在不同时间段差异较大，有时候会出现异常变动的情况。蔬菜是居民生活的必需品，是刚性需求，蔬菜价格不稳定不仅会使人们的生活受到影响，而且会降低菜农种植的积极性，影响菜农选择适宜的种植方式，甚至会对国民经济造成一定的冲击。因此，稳定蔬菜价格成为备受政府关注的话题，建立完善的蔬菜价格预测预警体系，提升预测预警水平，对于稳定市场、巩固发展农业农村经济具有重要的现实意义。本文将在探讨我国蔬菜市场基本特点、预测预警理论发展的基础上，从数量供应预测预警、需求预测预警、贮藏库预测预警系统发展的角度探讨我国蔬菜的预测预警机制发展情况，以期为相关部门提供参考。

1 蔬菜预测预警理论的发展

蔬菜市场预测预警同其他农产品一样都是围绕设定的警情指标、诊断警情、寻找警源、分析警兆和预报警度的思路进行，这也基本成为农产品预测预警机制的流程（图1）。

图1 蔬菜预测预警流程

1.1 预测理论的发展

预测学是研究未来的新兴学科，预测经济未来被认为是经济学的基本特征。古来占卜、看相等无不彰显着人们对未知的未来的探知和渴望。未来是可预测的，但所有的预测都是概率性事件。预测学在20世纪50年代开始从西方兴起，并迅速地发展起来。60年代以后，美国及一些工业发达国家，开始出现了许多专门从事科学技术、社会政治、经济、军事、教育等预测的研究与咨询机构，这些机构向计划、规划、设计部门提供可靠的预测信息和根据，以便制定更加科学合理的计划、规划和设计方案。预测学在这一时期得到了很大的发展。

国外经济预测的方法，归纳起来大概可以分为4种，经济计量模型、时间序列模型、领先经济指标法和预期调查法[3]，而国内农产品价格短期预测大多采用时间序列方法进行。市场预测是一个复杂的体系工程，需要预测者掌握科学的理论和方法，并进行大量的实践，才能提高预测的能力和水平。

1.2 预警理论的发展

预警系统的研究最早应用于经济预警，可以追溯到19世纪末期，而国内的宏观经济预警工作的兴起是在20世纪80年代。领域内的专家们通过借鉴国外相对成熟的预警研究方法，从理论和实践的角度对预警处理、指标遴选、数据合成等方面进行研究，但仍处于初级阶段[5]。

在预警方法上，首先应用的是黄色预警方法和黑色预警方法，且是针对畜产品（包含生猪）、粮食等农产品建立的预警模型，而在蔬菜上的应用需要进一步探索；其次是综合运用红色预警方法和黄色预警方法[6-9]。随着信息技术的不断发展，预警模型也越来越多；按照不同的操作方法，可以将预警模型分成3类，即专家预警、指数预警和模型预警。然而，更多的还是集中在生猪价格的预警上，如已经建立的VAR预测预警模型、生产景气指数系统、风险结构模式等[10]，而关于在蔬菜上建立预警模型的报道极少。

1.3 蔬菜价格监测、预警体系理论

蔬菜价格监测及蔬菜价格预警是蔬菜市场预测预警的核心内容，而蔬菜价格预警指标与蔬菜价格监测指标紧密相联，其也必须对蔬菜价格起到调控作用。

1.3.1 蔬菜价格监测

1.3.1.1 蔬菜价格监测的概念 价格主管部门对蔬菜价格进行周期性定点或不定点监测，分析蔬菜价格的总体变化趋势，并且预测未来的价格。

1.3.1.2 蔬菜价格监测的品种及范围 价格主管部门对蔬菜价格监测的品种包括果菜类、叶菜类、花菜类、根菜类、茎菜类蔬菜5大类[4]。蔬菜价格监测的范围主要包括蔬菜的生产成本、供求变化、价格变动情况等，并以此确立监测指标、评定蔬菜价格是否合理，向蔬菜生产者以及销售者提供蔬菜价格的相关信息，使蔬菜生产者、销售者及时调整生产销售计划，并为国家调控蔬菜价格提供依据。

1.3.1.3 蔬菜价格监测体系 蔬菜价格监测体系主要从4个指标出发进行分析，即供应指标、需求指标、贮藏指标和价格指标；其中，供应指标包括年生产量、蔬菜种植面积；需求指标包括居民消费蔬菜量、研发蔬菜种植技术用量、蔬菜出口量；贮藏指标包括蔬菜贮藏时间、方法，蔬菜贮藏地区、结构；价格指标包括生产价格、采购价格、销售价格及其他价格。另外，蔬菜价格监测是一个复杂的过程，还需要考虑蔬菜市场特点及现状、国家经济政策、种植成本的变化、种植户的积极性、种植的环境变化、气候条件变化、自然灾害、种植新技术等因素的影响，从而更加精确地进行蔬菜价格预测。

1.3.2 蔬菜价格预警

在蔬菜价格波动上，主要考虑的因素包括价格上涨或下跌幅度、时间及范围，进而设计合理的蔬菜价格预警体系，参照杨晓娟[4]的研究成果，为其设计详细指标，使蔬菜价格预警体系更加完善。

其中，价格变动幅度中的指标分别代表所调查时期的价格比同期价格的变动幅度。对于蔬菜市场，一般1个月的价格变动为短期，2～3个月的价格变动为中期，超过3个月为长期。价格波动范围是依据价格主管部门针对价格调查所取证的地区而言的，可以分为全国、个别省区、产地或销地等。不同蔬菜价格警情级别不同，针对不同的级别由相关部门采取不同的预警方案。蔬菜价格与警情级别的情况，见表1[4]。其中，“绿色”代表一级警情，波动时间≥5 d，波动幅度为2%～3%，变动范围为镇、县级，风险判定结果为处于正常范围，风险较轻；“黄色”代表二级警情，波动时间＞10 d，波动幅度为4%～9%，变动范围为市级，风险判定结果为濒于风险范围，风险可控；“橙色”代表三级警情，波动时间＞15 d，波动幅度为10%～100%，变动范围为全省，风险判定结果为进入风险范围，风险严重；“红色”代表四级警情，波动时间＞20 d，波动幅度为＞100%，变动范围为全国，风险判定结果为超出正常风险范围，风险极其严重。

在制定不同级别的蔬菜价格警情方案时，应首先考虑蔬菜价格波动的原因，如人为因素、自然环境因素、货币环境因素、经济政策等。对于诸如恶意操作、哄抬物价、串通涨价、囤积居奇等行为，相关部门将依法给予处理；对于不可控的自然环境因素，相关部门通过科技手段控制蔬菜价格的上涨，同时采取补贴等政策来遏制蔬菜价格的上涨；对于货币环境问题，就需要政府采取宏观调控措施来缓解通货膨胀现象，同时加大对种植户的财政补贴，进而减轻或抑制蔬菜价格上涨的趋势。

2 我国蔬菜市场预测预警系统

2.1 数量供应角度的预测预警

对于有针对性地探讨数量供应安全角度的预测预警较少，且集中在个别地区。闫晓军等[11]在综合分析北京蔬菜市场特点的基础上，围绕蔬菜供应安全、市场平稳运行和保护蔬菜生产的目标，设定了3类预警指标，即批发市场日均上市量指标衡量供应水平、预期收益与成本对比指标衡量生产效益、批发与产地价格比值以及批发与农贸价格比值指标衡量流通环节收益。并提出预警工作应遵循政府主导、多方主体参与的原则，采取多种措施保障蔬菜市场预警工作的实施。

2.2 需求角度的预测预警

首先需要在了解蔬菜需求特点的基础上分析蔬菜需求的影响因素。通过格兰杰因果关系[12]检验分析得出历史销售量、温度信息、气象信息、节假日信息等因素对蔬菜需求量是否有显著的影响。这可为构建蔬菜预测模型打下基础。张倩倩[12]构建了基于支持向量机的蔬菜需求模型（SVM），并进行了实例验证，且釆用支持向量机方法预测的平均误差为2.02%，而用RBF神经网络方法预测的平均误差为3.17%。由此可知，用SVM方法预测的精度比用RBF方法提高了1.15%，说明SVM方法提高了蔬菜需求预测的精度，减少了蔬菜采购中需求预测的不确定性。而后利用验证过的需求预测模型，构建蔬菜需求预测系统，实现了对蔬菜短周期内需求量的预测和蔬菜供需风险的预警，并对本系统的各项性能进行实际测试。系统实现了蔬菜市场信息定期、有效、准确的釆集，并且定义预警模型，对市场供需进行预警，掌握市场动态、监测蔬菜价格、促进蔬菜流通都具有重要的参考价值。

表1 蔬菜价格警情相关情况

2.3 蔬菜贮藏库预测预警系统

我国对于贮藏库的专门性研究也较少。蔬菜是农产品中极不耐贮藏的种类，对贮藏条件要求极高，对环境的温湿度有特定的要求，而目前我国对农产品贮藏库环境监测的自动化程度不高。句荣辉等[13]针对以上存在的现实问题，开发了1个基于专家系统的短消息报警系统；该系统结构简单、工作可靠、安装方便、价格低廉，为农产品贮藏库实现自动监测提供了一种新的技术。

2.4 蔬菜价格预测预警系统

在蔬菜价格预测预警方面，我国的研究成果多集中在个别的地区。比较成熟的是生猪的价格预测，2007年马孝斌等[14]在分析影响因素的基础上，建立了向量自回归模型（Vector Auto Regression Model，简称VAR），用来预测生猪的价格，并进行了实例验证。姚霞等[15]构建非平稳时间序列ARIMA（p，d，q）模型（ARIMA：Auto Regressive Integrated Moving Average，自回归求和平均），描述并预测青椒价格的动态变化。苗开超等[16]利用指数平滑模型对番茄价格进行预测，试验结果表明：该方法能够有效地对农产品价格曲线进行拟合、预测。许世卫等[17]以番茄为例，研究了主产地市场与其他地区市场之间的价格传导关系。另外，在智能预测方法方面，杜俊[18]以江苏南京大宗蔬菜为例，开展了基于小波分析的蔬菜价格波动及与气候关系研究。崔利国[19]构建混沌神经网络模型预测，进行大白菜价格短期预测。曹霜等[20]构建了基于小波分解的SVM-ARIMA农产品价格预测模型，并对大白菜价格进行了实例分析。

信丽媛[5]的研究成果表明：应用H-P滤波法获得蔬菜价格的周期趋势性成分；通过比较蔬菜短期价格预测预警方法ARIMA模型、灰色预测模型和X12季度调整法，发现用X12季节调整法对天津市蔬菜价格进行短期月度数据预测效果理想；利用时差相关分析法，确定警兆指标的先行、同步和滞后性质，建立天津市蔬菜价格波动预警的指标体系；利用黑色预警模型方法、黄色预警模型方法对蔬菜价格波动预警进行实证分析。另外，李干琼[21]以菠菜为例，基于 GARCH模型计算的风险价值可以较好地反映市场价格、收益率的分布和市场价格波动性因素，监测了蔬菜价格波动及收益率的动态过程，适应风险价值的需要，而且在很大程度上也提高了VAR的精度。

3 展望

从现有的文献来看，在政策背景的支持下，我国蔬菜预测预警相关的研究取得了一定的成效，但还有许多问题尚待深入研究，如建议采用定性和定量两种方法，寻找警源，分析警情，设置警兆，从而提出预警方案；建立单一的模型；建立在多种模型基础上的动态模型，可以随时根据市场价格的波动情况，作出动态的预测预警，为政府及早制定政策提供参考和依据；利用移动设备，提高计算机硬件技术，开发预测预警方法。可见，如何集成和综合应用现有的硬件和软件资源为蔬菜价格预测预警提供技术支撑也将成为下一步应重点研究和突破的关键。

另外，应建立健全的蔬菜市场预测预警体系，重视农业信息采集机制的构建，进行长远规划，实现蔬菜供应、需求、价格等的动态监测，重点考虑复杂的蔬菜价格波动预警指标。在供给方面的警兆指标包括播种面积、人工成本、化肥价格、农家肥价格、种子价格、农药价格、产量、进口量、固定资产折旧率、全国市场价格、农业人口、城镇人口、城镇人口比重等的变动率；在需求方面的警兆指标包括农村居民家庭人均收入增长率、城镇居民可支配收入增长率、蔬菜加工业产值变动率、替代品价格变动率、供应外地蔬菜量变动率、蔬菜科技投入资金变动率、蔬菜固定资产投资变动率等；政策与经济方面的警兆指标包括国家支农支出变动率、蔬菜信贷增长率、通货膨胀率、人民币汇率变动率、蔬菜市场化水平等；在自然条件方面的警兆指标包括蔬菜受灾面积变动率、灾害性天气发生频率等。综合以上多方面考虑，可以更好地为相关决策部门提供参考，同时减少种植户的损失，适应新时代农业农村的发展需求。