我国鸡肉价格波动特征及趋势分析——基于ARMA 模型的实证分析

杭熙竣，朱正根

（天津农学院 经济管理学院，天津 300392）

我国是鸡肉消费和生产大国，鸡肉在我国居民生活中占据着非常重要的地位，鸡肉价格的波动直接影响到肉类及其制品市场的健康稳定运转。在自然灾害、供需变化以及外部影响等多重因素作用下，鸡肉价格在不同时期往往会出现大幅波动，给养殖户及消费者带来巨大冲击。基于此，研究鸡肉价格的波动特征趋势及其未来走向，对政府采取宏观措施稳定鸡肉市场价格、指导肉鸡养殖户进行合理生产获得良好经济效益、规避市场风险、提高居民生活水平有着重要意义[1]。

1 我国鸡肉价格波动的走势分析

我国鸡肉价格受自然、政策、经济等多方面因素影响，表现出以下价格波动趋势。2013 年1月—2017 年1 月，价格总体平稳，但出现过两次大幅度下跌。第一次为2013 年5 月，鸡肉价格下降至15.67 元/kg，第二次出现在2017 年5 月，价格为16.87 元/kg。2017 年6 月—2019 年10 月，价格呈持续上涨趋势，最高点在2019 年10 月显现，价格为24.37 元/kg。2019 年11 月，鸡肉价格开始大幅下降，此次下降持续至2020 年6 月，价格为19.82 元/kg。2020 年7 月—2021 年8 月价格总体平稳，鸡肉价格在20～22 元/kg 区间波动。见图1。

图1 我国鸡肉价格波动趋势

2 我国鸡肉价格波动特征的实证研究

2.1 数据选取及研究方法

本研究选取census X12 季节调整模型和HP滤波法来分析我国鸡肉价格的波动特征。通常来说，时间序列指标Yt包含4 种变化要素，包括长期趋势变动要素Tt、周期变动要素Ct、季节性变动要素St和不规则变动要素It。而census X12 季节调整模型能够将数据中的季节调整序列St以及不规则要素分量It剔除，从而得到最终的趋势循环序列TCt、季节性变动序列SFt以及最终季节调整后序列SAt。census X12 季节调整模型包括乘法模型、加模型、伪加法模型以及对数加法模型。本研究采用乘法模型，其形式为Yt＝TCtStIt。HP滤波法能够过滤掉低频的趋势成分，保留高频的周期成分，其表达式为：设时间序列Yt包含趋势gt以及波动ct， 则Yt＝gt＋ct。gt＝，其中λ是平滑参数，L是gt的延迟算子。 越大，估计趋势越平滑；当 趋于无穷大时，估计趋势将接近线性函数。一般来说，当时间序列为年度数据时，λ取值为100；当时间序列为季度数据时，λ取值为1 600；当时间序列为月度数据时，λ取值为14 400。

本文首先以censusX12 季节调整法为基础，得到原时间序列的趋势循环序列、季节调整后序列以及季节因子序列，然后通过HP 滤波法将趋势循环序列分解为长期趋势变动要素和周期变动要素，即等式为TCt＝yt；Tt＝gt；Ct＝ct。以我国鸡肉集贸市场价格为研究对象，数据时间跨度为2013 年1 月—2021 年8 月，共计103 个月，数据选取自国家统计局，为方便计量分析，将我国鸡肉集贸市场价格序列数据设为X。

2.2 鸡肉价格波动的特征分析

利用censusX12 季节调整模型对我国鸡肉价格的时间序列数据进行季节调整，分离出最终趋势循环序列、最终季节调整后序列以及最终季节因子。见图2、图3、图4。

图2 最终趋势循环序列

图3 最终季节调整后序列

图4 季节因子序列

根据最终趋势循环序列（图2）和最终季节调整后序列（图3）可知，我国鸡肉价格的最低点在2013 年、2017 年显现，在2017 年6 月之后呈整体上升趋势，上涨持续至2019 年第三季度，在2019 年第三季度后，我国鸡肉价格迅速下滑，谷点为2020 年11 月，此后又逐渐上涨。

我国鸡肉价格波动之所以呈现以上特征，受以下5 个因素影响。①疫病影响。2013 年，我国出现H7N9 禽流感疫情，鸡肉需求急剧减少，导致鸡肉价格持续下跌。②产能扩张。2016 年我国黄羽鸡行业产能大幅扩张，导致进入2017 年以后市场供应较高，而需求则受当年禽流感影响而大幅下滑，从而使得价格下降[2]。③替代品作用。2019年我国受非洲猪瘟疫的影响，猪肉价格持续走高，部分消费者转向鸡肉消费，导致鸡肉需求增加，推动鸡肉价格持续上涨[3]。④新冠肺炎疫情影响。在2019年年末新冠肺炎疫情暴发，从需求端来看，我国多地实行封闭式管理，餐饮业基本停滞，鸡肉需求大幅下降，导致鸡肉价格持续走低。从供给端来看，由于2019 年鸡肉价格持续走高，部分养殖企业扩大肉鸡养殖规模提高存栏量，导致供给较多，在供需双重作用下，鸡肉价格呈持续下降趋势。⑤产业链因素。从产业链角度来看，我国鸡肉产业分为传统模式、公司＋农户模式以及一体化企业模式。在传统模式下，小型养殖户以及散养户能够根据市场行情及时调整销售价格及养殖规模，而在公司＋农户和一体化企业模式下，由于生产规模较大和收购合同限制等原因，很难在短期内调整其销售价格，因此双方因素的同时作用也加剧了鸡肉市场价格的波动。

根据图4 可知，我国鸡肉价格波动显示出典型的“波形”形态，即存在明显的季节性特征，且时间跨度基本一致，大致周期为1 年，但波动幅度随着时间的推移显示出增大趋势。2016 年以前，波峰为每年的1 月份；2016 年以后，波峰为每年的2 月份，波谷为每年的6 月份。

2.3 鸡肉价格波动的周期分析

利用HP 滤波法分解我国鸡肉价格的最终趋势循环序列TCt，见图5。图5 中X_TC 曲线为我国鸡肉价格的最终趋势循环序列，Trend 曲线为鸡肉价格的长期趋势序列，Cycle 曲线为分解出的鸡肉价格周期变动序列。根据图中长期趋势序列曲线可知，我国鸡肉价格的长期波动趋势较为明显，即随着时间的推移，鸡肉价格呈现上涨态势。

图5 HP 滤波分解结果

根据图5 还可知，我国鸡肉价格的周期变动序列曲线围绕0 值上下波动，根据谷-谷法，将0值以下的部分定义为波谷，从而可以将整个鸡肉的周期变动序列曲线分为3 个周期：第一周期为2013 年6 月—2017 年4 月，持续46 个月；第二周期为2017年5 月—2018年10月，持续17个月；第三周期为2018 年10 月—2020 年11 月，持续26 个月。

3 我国鸡肉价格波动的趋势预测

3.1 研究方法

本研究以我国2013 年1 月—2021 年8 月鸡肉价格数据为基础，利用ARMA 模型（自回归平均移动模型）对我国2021 年12 月—2022 年4 月鸡肉集贸市集价格进行预测，本文在预测中预留2021 年9 月—2021 年11 月间的鸡肉价格数据对预测结果进行检验。ARMA 模型是一种拟合平稳序列模型，ARMA 模型中有两个参数p和q，其中p为预测模型中所采用的预测误差的滞后数，也称为MA 项。假定p和q已知，则ARMA 模型的形式如公式（1）。

其中，ϕ表示AR 的系数，θ表示MA 的系数。且当ϕ为0 时，该模型为MA 模型；当θ为0 时，则为AR 模型。

3.2 序列平稳性检验

在建立ARMA 模型前，首先要对时间序列数据进行平稳性检验，如果一个时间序列数据，随着时间的推移，其统计特征保持不变（如平均数、方差），则为平稳序列，反之则是非平稳序列。本研究利用ADF 单位根检验方法检验该组时间序列数据平稳性，本方法的原假设为该组数据是含有单位根的非平稳时间序列，在分析中，通过比较t统计量来拒绝或者接受原假设，当t统计量小于5%时，则拒绝原假设，该时间序列数据为平稳数据，反之则为非平稳序列。为方便模型分析，将我国鸡肉集贸市场价格时间序列数据设为X。ADF单位根检验结果见表1。

表1 原数据ADF单位根检验结果

表1 表明，在5%的显著性水平下，拒绝了原假设，即该组时间序列数据为平稳的，能够以本数据为基础进行分析。

3.3 模型识别

通过鸡肉价格时间序列数据的自相关及偏自相关图判断模型形式。根据表2 可知，自相关系数在第一期后逐步下降，偏相关系数在第二期后迅速下降并趋向于0，自相关存在拖尾现象，偏相关存在截尾现象，因此初步判断建立AR（2）时间序列模型，即p取1 到2。

表2 序列自相关和偏相关

为进一步确认模型形式，需要通过分别建立AR（1）、AR（2）、AR（3）模型进行观测，根据赤池信息准则（AIC）、施瓦兹准则（SC）、汉南-奎因准则（HQ）来判断最终的模型形式。

根据表3 可知，AR（2）模型的AIC值、SC值和HQ值均为三者中最小，因此选取AR（2）模型进行分析。

表3 AR模型参数

3.4 模型建立及检验

利用EVIEWS 软件对鸡肉价格序列数据建立AR（2）模型，结果见表4。模型估计结果见公式（2）。

表4 AR模型结果

利用LM 检验法，对回归方程残差序列的相关性进行检验，LM 检验的原假设为：直至p阶后不存在序列相关，LM 统计量为0.614 3，即在5%的显著性水平下接受原假设，回归方程的残差不存在序列相关性，见表5。利用自回归条件异方差（ARCH）检验法能够检验模型中是否存在误差项二阶矩的自回归过程，即ARCH 过程。该检验的原假设为：残差序列中直到p阶不存在ARCH 效应。该模型的检验结果显示ARCH 检验的统计量为0.189 1，在5%显著性水平下接受原假设，即模型不存在ARCH 效应，通过检验。见表6。

表6 ARCH检验结果

3.5 模型预测

以AR（2）模型为基础对我国2013 年1 月—2021 年8 月的鸡肉集贸市场价格进行预测，结果如图6 所示。由图6 可知，预测值与实际值曲线非常接近，虽然曲线显示预测值与实际值有部分差异，但总体来看，误差较小，能够用于分析。

图6 实际值与预测值对比

将预留的2021 年9—11 月鸡肉价格实际值与预测值进行对比可知，2021 年9—11 月间的预测值与实际值之间拟合度较高，相对误差均小于3%（表7），可以进行下一步预测。

表7 预测值与实际值对比

利用模型对2021 年12 月—2022 年4 月鸡肉价格进行预测，结果显示，2021 年12 月—2022年4 月鸡肉价格呈持续下降态势，预测的5 个月价格较上年同期分别下降1.1%、4.4%、7.0%、6.3%、4.9%。预测结果见表8。

表8 月度价格预测结果

4 讨论与结论

通过对我国2013—2021 年鸡肉价格进行实证分析，得出以下结论：（1）从鸡肉价格波动特征来看，我国鸡肉价格在长期中呈现上涨趋势。（2）我国的鸡肉价格存在明显的季节性趋势。研究表明，每年的1—2 月即春节前后，我国鸡肉价格波动幅度较大；而每年6 月即夏季，价格波动幅度较小。这是因为每年的1—2 月为我国的传统节日——春节，在此期间，我国肉类食品的需求提高，鸡肉价格也出现上涨趋势。（3）2013—2021年，我国鸡肉价格波动存在3 个周期。第一周期为2013 年6 月—2017 年4 月；第二周期为2017年5 月—2018 年10 月；第三周期为2018 年10月—2020 年11 月。（4）对2021 年12 月—2022年4 月鸡肉价格进行预测，结果显示，2021 年12月—2022 年4 月，我国鸡肉价格总体平稳，波动幅度较小，可能会出现下降趋势。分析结果可知，我国鸡肉价格出现的几次较大的波动，主要是由畜禽疫病导致的供需变动引起的。因此，在规范鸡肉市场的基础上，防范控制疫病能够对平抑鸡肉市场价格起到积极的作用。

基于对我国鸡肉价格的波动特征趋势及预测结论，提出以下对策建议：首先，鸡肉价格的波动不仅受自身因素的影响，鸡肉的替代品、互补品价格对其价格波动也起到较大作用。因此，应当建立多品类的价格监测预警体系，将我国居民主要的肉类消费品种纳入监督机制中，及时将市场上不同品类的肉类价格波动进行交叉传递，引导养殖户及时进行生产规模的调整，稳定市场供需，从而平抑鸡肉价格[5]。其次，研究结论显示，我国鸡肉价格几次大的波动都与疫病有关，因此应当进一步完善重大流行疫病监测防控管理机制。一是对各类、各亚型的禽流感进行仔细筛查，准确把握疫病基本情况、总结疫病的流行规律，建立完善的疫病防控长效机制[6]。二是建立财政补贴与养殖户自费相结合的治理方法，根据不同地区的疫病特点采取不同的免疫及扑杀措施，一方面控制养殖户在面对疫情发生时的成本，另一方面减轻政府的财政负担，从而抑制疫病时期的鸡肉价格波动。再次，针对我国鸡肉价格波动的季节性特点，应当由政府牵头，市场、农业部门协同，建立鸡肉生产销售指导建议制度，根据鸡肉价格的季节性特征引导养殖户生产。同时考虑建立鸡肉的收储制度，在夏季价格较低时，收购鸡肉，防止价格进一步下跌的同时保障养殖户利润，在冬季鸡肉价格上升时期投放鸡肉，平抑价格的过度上涨。此外，消费者主观预期也会对鸡肉价格波动产生巨大影响，例如当社会出现禽类以及相关替代品疫病时，消费者预期未来鸡肉价格将剧烈波动，会增加当期的鸡肉购买量，使得短期内鸡肉价格剧烈上涨，不利于鸡肉市场的稳定。因此，当市场上出现突发事件及短期供需失调时，相关部门应及时发布真实市场信息及突发事件的处理进展，安抚消费者情绪，引导其进行合理消费，抑制短期内鸡肉价格的异常波动。最后，根据预测结果，2022 年前4 个月我国鸡肉价格基本平稳，但可能会出现下降趋势，有关部门应重点监测鸡肉价格的波动情况、确认鸡肉的供需状况，当价格持续高速下降时，政府应适当增加冷冻鸡肉的市场投放量，控制鸡肉价格的进一步下跌[7]。