外部冲击下我国生猪市场波动趋势分析及保供稳价政策研究

王 焕，罗光强

(湖南农业大学 经济学院，湖南 长沙 410128)

一、引言

中国作为世界上最大的猪肉生产和销售国，猪肉市场供求关系变动与市场价格波动既是历史事实，又是客观现象，更是当下问题[1]。生猪市场的保供稳价不仅关系到相关产业的健康发展，也会直接影响到消费者的经济利益[2]。生鲜市场产品价格不仅受到环境、饲养成本等因素的影响，更易受到社会突发事件的冲击。如2013年爆发的H7N9禽流感，造成大量瘟鸡被捕杀，人们对鸡肉安全信任度下降，鸡肉及其互补品价格在很长一段时间内表现低迷。2014年爆发的猪蓝耳病，造成公猪精子品质下降，母猪早产，仔猪免疫下降，从而使市场猪肉供给减少。2018年爆发的非洲猪瘟疫情，造成国内市场生猪出栏量下降，仔猪成活率降低，虽然现在已经得到有效的控制，但由于彻底根除的防治疫苗尚未研发成功，因而引致着我国当前生猪市场产能持续下滑，猪肉市场供给偏紧，加之中美贸易摩擦等“外部冲击”影响的叠加，当前生猪市场供给缺口偏大、生猪市场均衡价格偏高。

一般地，将经济系统和金融市场之外的事件或者力量引起的对经济体的影响称之为“外部冲击”。大量研究表明：在冲击事件发生时，产品价格在需求和供给共同作用下发生剧烈波动[3]。在冲击事件结束后，虽然消费者对于产品的需求可以快速恢复到原有水平，但由于生产时滞的存在，产品价格将会受到冲击事件的惯性影响[4]。因此，经济学者提出为促进我国生猪市场稳定运行，今后的相关研究可以从供给角度着手，寻求减缓外部冲击影响稳定市场价格的途径[5]。然而，关于非洲猪瘟产生的外部冲击虽然已成为近期研究的热点话题，但从规律视角所进行的响应政策研究有待进一步的深化。基于此，本文试图利用外部冲击概念与模型分析非洲猪瘟疫情对我国生猪市场波动的影响，以便为“保供稳价”政策提供参考。

本文首先定性分析猪瘟疫情对我国猪肉市场的影响，并以此为基础分析外部冲击下我国猪肉市场价格波动特征以及受影响强度；然后利用ARMA模型预测如果不进行人为干预，外部冲击下我国生猪市场波动的未来趋势特征；最后根据外部冲击的效应特征与趋势特征探寻促进生猪市场保供稳价的相关政策。

二、非洲猪瘟对我国猪肉市场的影响

(一)生猪出栏量下降，猪肉市场价格大幅度上升

从2019年4月份开始，随着猪瘟疫情在广东、四川等地的大范围蔓延，我国生猪存栏量、生猪出栏量以及猪肉产量开始巨幅下降。根据国家统计局统计，截止到2019年年末，我国全年生猪存栏量为31041万头，出栏量为54419万头，市场猪肉供给量为4255万吨，相比2018年同期分别下降27.5%、21.6%和21.3%。本文选取2013年1月—2021年2月的全国生猪价格月度数据进行分析，结果显示在整个样本期间，猪肉价格从2013年4月的22.03元/kg上涨至2013年5月的31.3元/kg，随后下跌至2014年4月的19.7元/kg后触底反弹，呈现波动中上升的态势，于2016年6月达到31.29元/kg。之后震荡跌至2018年5月19.52元/kg，与2014年4月基本持平。2018年5月之后生猪价格整体上升趋势凸显，陡坡上升至2020年2月的58.89元/kg，每千克生猪平均上涨40.37元，上涨幅度达到201.69%。之后随着政府对猪肉市场的干预和对猪瘟疫情的防控，2020年3月—2021年2月期间，全国生猪价格有所下降，但整体仍处于40元/kg—45元/kg范围。

(二)价格季节性波动更加显著，周期性震动幅度增加

受到居民消费习惯以及节日等的影响，我国猪肉市场价格一直呈现季节性波动，呈现“双峰值”结构。一般来讲，每年的6月—9月猪肉市场价格逐渐上升，11月之后有所下降。之后随着冬季到来，春节、元旦等节日也进一步提高了猪肉需求，使猪肉消费逐渐进入下一个小旺季，因此12月到次年的1月期间猪肉价格将再次回升，但是回升幅度不会超过9月，2月—5月再次下降。在受到猪瘟疫情冲击之后，猪肉价格波动的季节性特征更加明显，除较疫情发生之前，在疫情发生之后首次价格峰值更大之外，还存在着双峰之间时间间隔变短，震动幅度减缓等特征。

猪肉价格呈现周期性波动主要受到以下原因的影响。一方面，从仔猪到生猪发育成熟可以出栏需要一段时间，而生猪养殖户往往会根据前期猪肉价格确定当期仔猪养殖数量，若前期价格上涨，养殖户的养殖积极性有所提高，养殖规模将会扩大从而增加当期生猪供给，降低猪肉市场价格。受当期猪肉价格下降的影响，养殖户将会缩小下期养殖规模，减少生猪供给，市场供不应求使猪肉价格再次上涨，形成猪肉价格呈现周期性波动。另一方面，猪饲料成本是影响生猪出栏成本从而影响猪肉市场价格的主要因素，豆粕、玉米等谷物作为猪饲料的主要组成成分，其生长将会受到环境气候的影响，具有一定的生长周期，这也将造成猪肉价格的周期性波动。在此次疫情的影响下，2018年生猪出栏量下降，从而造成2019年猪肉市场供给的严重不足，猪肉价格出现更加激烈的周期性波动。

(三)国际贸易市场结构发生改变

据统计，2017年全国猪肉总产量为5451.8万吨，进口量为121.7万吨，其中从美国进口猪肉占比13.72%。2018年3月，美国总统特朗普宣布对中国开展“232措施”和“301调查”，即对从中国进口的包括钢材以及知识产权类产品加征关税，中美贸易战由此展开。在此期间，受中美贸易摩擦事件的影响，我国猪肉国际市场进口贸易结构逐渐发生改变，从美国进口的冷冻猪肉以及猪肉制品总量大幅度减少，而德国、巴西、西班牙等欧盟国家开始成为我国主要的猪肉供应国[6]。2018年我国猪肉进口总量为119.2万吨，美国出口量为8.6万吨，占比7.2%。2019年我国受到猪瘟疫情的影响，国内猪肉市场供需严重失衡，为满足消费者对猪肉的日常需求，缓解猪肉供需矛盾，政府扩大了冷冻猪肉及其制品进口规模，全年进口总量为210.8万吨，相比2018年增加75%。其中得益于2019年9月中旬的“豁免美国出口的部分猪肉及大豆的关税”政策的实行，2019年中国从美国进口冷冻猪肉及其制品总量增加至17.2万吨，占总进口量的8.16%。

(四)替代品价格上涨

在猪瘟疫情的影响下，我国猪肉市场供给偏紧，猪肉价格上涨。微观经济学理论认为除商品本身的价格、人的主观心理因素之外，相关商品的价格也会影响消费者对商品的需求。因此在猪肉价格大幅度上涨时：一方面，平常购买猪肉的消费者，如果在价格上涨时仍选择购买猪肉将会增加日常生活开支，对一些人来说经济压力过大，因此购买猪肉的消费者的数量将会下降；另一方面，消费者在猪肉价格上涨时会减少单次购买量，两方面共同作用使猪肉市场需求有所下降。但由于肉类包含了消费者日常生活中大部分的营养需求，因此消费者在减少对猪肉购买的同时，将会增加鸡肉、牛羊肉、鱼肉等与猪肉功能相近的替代品的需求。而动物生长周期的存在，使替代品的供给无法迅速增加以满足所有消费者的需要，因此市场将会出现短期鸡肉等替代品供不应求、价格上涨的现象。

三、疫情对猪肉价格冲击的波动特征分析

“外部冲击”可以大致概括为汇率、自然灾害、突发疫情等因素，非洲猪瘟作为一种典型的外部冲击事件，对我国生猪市场的稳定产生了巨大的影响。为此，以下运用周期分析技术探寻猪瘟疫情下的猪肉价格波动特征。

一般认为，经济变量主要是由趋势、周期、季节以及随机四种成分组成，并且通过对组成成分的分析可以对经济变量的长期趋势作出预测。因此本文将做如下分析：首先采用Census X12季节调整法对时间序列数据进行调整，分解出季节成分、随机成分和趋势循环成分；再利用H-P滤波法将趋势循环成分进行分解，得到趋势成分和周期成分。由此得到猪肉市场价格的趋势成分、周期成分、季节成分以及随机成分，并着重对趋势成分进行分析。

(一)疫情冲击下我国猪肉价格波动的一般特征分析

本研究共计98个样本，样本数据来自于中国农业农村部网站。首先通过Eviews软件建立经济模型进行分析，数据命名为PRICE。根据猪肉价格波动趋势分析结果(图1)，可以了解到全国猪肉市场价格在2013年1月—2021年2月整体呈现上涨趋势。对整个研究期间经济事件分析可知，造成猪肉价格波动的因素有很多，但是起到决定作用的还是一些重大的外部冲击事件，如2013年爆发的禽流感、2014年产生较大危害的猪蓝耳病、2015年的禽流感、2018年的猪瘟疫情等，市场价格波动的拐点与这些事件的出现有着密切的联系。

图1 2013年—2021年生猪月度价格变化总趋势

(二)疫情冲击下我国猪肉价格波动的不同特征分析

猪肉市场价格总体趋势在季节等因素的影响下围绕着均衡价格上下波动。猪肉价格趋势成分在2013—2018年虽略有波动但整体平稳，呈现缓慢增长状态；而从2018年8月左右猪肉价格开始呈线性上升，由2018年8月的21.96元/kg上涨到2021年2月的39元/kg，整体上涨幅度为77.6%(图2a)。价格最低值出现在2014年4月和2018年5月为19.52元/kg，最高值出现在2020年8月为58.89元/kg，波动幅度高达201.69%。猪肉价格季节成分图显示，受到人们消费习惯以及节假日等因素的影响，猪肉价格表现出较明显的季节性波动(图2b)。如果按照从一个谷底到另一个谷底为一个完整周期的划分方法，可将整个研究样本划分成两个半大周期，周期时间分别为2013年1月—2015年3月、2015年4月—2019年2月和2019年3月—2021年2月。其中，第2个周期的持续时间最长为46个月，第3个周期的波动幅度最大为26(图2c)。

图2 2013年1月—2021年2月全国猪肉价格不同成分的变化趋势

随机成分由社会偶发性事件引起，是价格波动的白噪声，外部冲击会造成随机成分的剧烈波动。从猪肉价格随机成分图可以看出，随机成分在2013年、2018—2020年发生了剧烈的波动。实际情况表明，2013年爆发的禽流感疫情、2018年爆发的猪瘟疫情等社会突发事件均对猪肉价格造成不同程度的影响。

四、外部冲击下我国猪肉市场价格的冲击效应分析

在经济学中，“冲击效应”被定义为宏观经济中的总供给或者总需求在短期内受到突然而剧烈的影响，导致迅速提高或者降低，主要是指经济学中的“供给冲击”效果。本文主要利用VAR模型、脉冲响应函数和方差分解法考察外部冲击下我国猪肉市场价格波动的方向及力度。VAR模型通过把每个内生变量看作所有内生变量若干滞后项的函数进行回归，来解释变量本身以及其他经济变量的影响。它经常被用于分析时间序列序列中随机成分对于系统的冲击，从而用来解释社会中各种偶发性事件对经济系统的影响。

数学表达式为：Yt=A1Yt-1+A2Yt-2+…+ApYt-p+BXt+Et,t=1,2,….,T。

为了进一步分析疫情对猪肉价格的随机冲击，以猪肉价格为因变量，价格滞后项以及价格随机成分为自变量，建立VAR模型。在建立模型前，利用单位根法检验各经济变量的稳定性，检验结果如下(表1)：变量price的ADF统计值大于1%的临界值，不能拒绝原假设即序列price本身不平稳，一阶差分后得到的Dprice为平稳序列；随机成分price_ir本身即为平稳序列。因此以Dprice为因变量，以Dprice滞后项和price_ir为自变量进行回归。

表1 变量的单位根检验结果

表2 VAR模型滞后期的确定

表3 生猪价格方差分解结果

滞后阶的选择对于VAR模型的建立也十分重要，在选择模型滞后阶时要综合考虑两个方面的因素：一方面，较大的滞后阶才能比较贴切的反应经济变量长期动态变化特征；另一方面，滞后阶越大说明需要估计的参数就越多，模型的自由度相对就较少。本文利用LR统计量、AIC准则、SC准则等来判断模型的最佳滞后阶，带*的表示软件根据以上准则选择的最佳滞后阶，分析结果确定当滞后5期时模型拟合最好。

VAR模型作为一种非理论性模型，很难对其系数进行具体解释，研究更多的是依靠脉冲响应函数和方差分解法进行分析。模型稳定性检验结果显示，所有特征值的倒数都落在单位圆内(图3)，即以Dprice为因变量，以Dprice的滞后项和price_ir为自变量所建立的VAR模型是稳定的，满足后续分析的条件。

图4 生猪价格的脉冲响应程度

脉冲响应函数主要用来分析当模型受到某种冲击后，随着时间的推移系统受到的动态影响。采用Eviews生成的脉冲响应轨迹图显示，猪肉价格从第1个月就开始响应，说明猪瘟疫情对价格的冲击不存在时滞。在前4个月价格对冲击的响应为负，最大响应程度出现在冲击发生的第二个月为-2.12，随后出现正向响应。出现这一现象的原因在于：首先，随着可支配收入水平的提高，消费者对猪肉形成刚性需求，疫情发生后，市场可以即时反应。其次，消费者对生鲜食品安全问题越发的关注，猪瘟疫情的出现引起消费者心理的恐慌导致需求量下降，对猪肉价格呈现负向冲击。之后，随着时间的推移和政府对疫情的控制，消费者恢复对猪肉的信任使需求量增加，但由于“猪周期”的存在导致市场供给难以快速恢复，从而造成价格上涨。

方差分解主要是分析系统中每一个内生变量的改变对VAR模型的影响程度。生猪价格本身以及价格随即成分的双重作用导致生猪价格的变化，引起价格波动。分解结果表明，疫情事件是猪肉价格波动的主要原因，从10个月的时间来看，疫情对价格的影响先上升后下降，在初期价格波动的61%来自疫情的扰动，随后逐渐下降，最终稳定至56%。究其原因在于，我国生猪养殖主要是以家庭散养、小规模养殖为主，疫情初期由于养殖户认识不足，往往出现就地掩埋、随意宰杀贩卖的现象，造成疫情的扩散。在疫情大规模爆发之后，国家进行市场干预，养殖户防控水平的提高，都将逐渐降低疫情对价格的影响。

五、外部冲击下我国生猪市场波动趋势分析

ARMA(p，q)模型是由Box和Jenkins提出的一种较为完善的统计预测方法，其原理在于利用数学模型对时间序列数据进行描述，确定模型系数之后，便可以利用序列的过去值和当期值对未来值进行预测，从而揭示经济变量的波动趋势。因此，本文利用研究样本建立ARMA模型对我国生猪市场波动趋势进行预测分析。

上述对时间序列数据波动特征分析结果显示，将时间序列price一阶差分可以消除其趋势性，使序列平稳，因此选择ARMA(p，q)模型。如图5所示，序列price的一阶差分Dprice的AC值和PAC值都很快地落入到随机区间，PAC值在滞后一阶时不为0，在k>1时都落在95%的置信区间内，说明序列Dprice的偏自相关函数具有截尾性，所以p=1；从自相关系数图分析可知，序列Dprice的自相关系数在1阶截尾。综合考虑，建立模型为ARMA(1，1)。图6中ARMA(1，1)模型检验结果显示，AR(1)和MA(1)所对应的P值都趋于0，但是常数项C对应的P值为0.7578，并不趋于0。因此将模型常数项去除之后，重新进行估计和残差检验，结果如图7所示：不含常数项的ARMA(1，1)模型的系数更加显著，且赤池信息准则值变小，说明去除常数项之后模型预测结果更加精确。其中ARMA(1，1)模型对应的数学表达式为：Dpricet=-0.7868Dpricet-1+εt+0.9625εt-1，其中εt为残差序列。

图5 Dprice自相关-偏自相关分析图

图6 ARMA(1,1)模型检验结果

图7 ARMA(1,1)模型去常数项C检验结果

对模型进行检验之后，对ARMA(1，1)模型的εt序列进行白噪声检验，检验结果(图8)显示εt序列为白噪声序列，即该残差序列中的所有有用信息已被完全提取，模型拟合程度较好。

图8 ARMA(1,1)模型残差序列检验结果

利用以上建立的模型ARMA(1，1)对2021年3月至2026年2月的全国猪肉月度市场价格进行预测，结果如下所示(表4)。

表4 生猪月度价格预测

图9是预测数据经过Census X12季节调整法处理之后得到的季节成分。分析结果显示，未来五年季节性因素将会对猪肉价格产生显著影响，季节性波动凸显，且季节性影响具有较强的重复性。

图9 未来价格季节成分

利用Census X12季节调整法可以将预测数据分解出趋势循环成分，再使用H-P滤波法可以将其分解成趋势成分(Trend)和循环成分(Cycle)，如图10所示。与本文研究的样本数据进行对比发现，2021年3月至2026年2月期间全国猪肉市场价格呈现线性平稳下降趋势。之所以会出现这一现象是由于：第一，消费者的饮食习惯可以长期发生转变，形成替代性消费。由于各种肉制品之间功能相近，在猪肉供给出现短缺时，消费者可以转向购买功能相似但价格更为低廉的其他肉制品，减少了对猪肉的需求造成价格的下降。第二，产业链安全管理初显成效。通过对生猪养殖、加工、流通等环节的安全管理，可以在一定程度上提高仔猪成活率稳定生猪供给，减缓突发事件对价格的影响。第三，政府对市场进行管理调控。猪肉消费具有季节性特征，政府通过跨时间调配也可以降低市场价格。

图10 未来价格趋势成分和循环成分

周期成分分析结果显示，未来价格周期性波动衰减，按照具有明显上升或者下降为一个完整的周期划分原则，可以将预测数据波动大致划分为5个周期，如下所示，周期开始于2021年9月，截止于2025年12月。从表5分析可知，未来价格的周期不具有对称性特征；第1、2周期振幅相对较大，3、4周期居中，第5周期振幅最小为0.009。

表5 2021年3月—2026年2月生猪月度价格周期划分

六、促进我国生猪市场的保供稳价政策选择

本文分析结果显示，在外部事件的冲击下新时期我国猪肉价格整体呈现上升趋势，季节性和周期性波动显著，受随机成分影响较大。未来五年预测结果显示：猪肉价格整体上呈下降趋势，周期性波动衰减，季节性波动凸显。因此，经济新时期下为促进我国生猪市场的保供稳价，政府可以从以下方面采取措施：

第一，促进生猪消费的“替代响应”。相比生猪养殖，其他禽类具有成长发育周期短、成活率高、运输方便等优点。因此，政府可以从需求角度出发，通过丰富消费者的“菜篮子”，引导消费者消费功能相近的其他肉制品，减少市场对猪肉的需求，弥补猪肉市场供需缺口，抑制猪肉价格的短期剧烈波动。

第二，加大国家公共财政支出和养殖行业保险投入力度。很多养殖户在疫情发生时往往无法抵挡疫情冲击，不得不缩小养殖规模甚至退出生猪养殖市场。生猪养殖保险可以在一定程度上稳定农户收入，同时研究也表明政府财政补贴以及优惠政策的落实，可以在一定程度上降低养殖户的保费支出，增加养殖户的投保积极性，减少市场猪肉供给的大幅度波动[7]。

第三，统筹布局做好冷冻猪肉的进口、储存和投放。此次猪瘟疫情造成我国猪肉供应的短缺，为弥补供需缺口，满足消费者的日常需求，政府在国际市场上大规模采购冷冻猪肉及其制品，并根据我国猪肉波动特点，实现跨区域、跨时空调配，稳定市场价格。冷冻猪肉的存储与投放需要更加安全高效的生鲜仓储系统和冷链物流体系作为支撑，因此在将来很长的一段时间，政府应该将科研财政支出向该类研究倾斜。

第四，促进生猪产业链整合，建立猪肉可追溯体系。我国生猪行业主要是以散养户为主，且养殖规模化水平低，猪肉可追溯体系并不完善，这就造成了近几年来我国猪肉市场价格波动频繁，生猪行业发展不确定性较大[8]。政府通过政策导向可以降低散养户的数量，在一定程度上促进生猪养殖的规模化；通过加强市场监管，建立猪肉可追溯体系，可以增强消费者消费的信心，转“危”为“机”，走高质量发展之路。

第五，加强生猪市场监管，建立疫病舆情指数。政府通过加强对生猪市场的监管，监测价格波动，建立应急防控机制，可以及时发现价格异常波动，有效控制疫病传播，稳定生猪市场，提升应急保供效能。

第六，加强生猪养殖合作组织建立和创新。通过建立生猪养殖合作组织，可以构建开放透明的信息交流平台，及时向养殖户传递国家政策的同时，也将促进养殖户之间的信息交换和技术合作。

第七，加大政策宣传力度，提升生猪养殖户有关病死猪无害化处理政策的认知。相比于其他养殖业，生猪养殖户政策认知缺失，对病死猪处理不当也是导致疫病发生频率高、传播范围广、猪肉市场价格波动较大的重要因素之一[9]。提高养殖户对疫病防控以等知识的认知，可以从源头上确保猪肉供给的稳定性和安全性。