大数据视角下生猪价格波动的关联分析

王宏梅 赵瑞莹

(山东农业大学 经济管理学院，山东 泰安 271018；山东建筑大学，山东 济南 250101)

大数据视角下生猪价格波动的关联分析

王宏梅 赵瑞莹

(山东农业大学 经济管理学院，山东 泰安 271018；山东建筑大学，山东 济南 250101)

随着我国生猪产业不断壮大和产业链不断拓展，生猪价格在上涨趋势中常常呈现出暴涨暴跌的不稳定态势，波动周期明显缩短，波动幅度也有所增大。利用大数据以及从大数据中挖掘有价值的信息，在生猪价格波动和稳定其价格的对策研究中具有现实意义。研究结果表明，猪肉价格的上升或者下降会引起生猪价格的同方向变化；仔猪价格的上升或者下降会引起生猪价格的同方向变化；生猪出栏量的增加或者减少并不会导致生猪价格的反方向变化；玉米价格的变化对生猪价格影响不大。多种因素价格的同时变化和共同影响必然导致生猪价格的上升或者下降，同样，生猪价格的变化也会反过来影响猪肉价格、仔猪价格等其它因素价格的上升或者下降。稳定生猪价格的政策启示：完善生猪价格的市场供需监测系统建设，稳定猪肉的市场零售价格；完善能繁母猪补贴和保险政策，保证仔猪供应，稳定仔猪价格；推动先进生产方式及合作模式，保证生猪市场供应；有效协调生猪产业链上各方利益，切实稳定生猪价格。

大数据；生猪价格；价格波动；关联分析

一、引言

生猪产业是我国的基础产业，多年来猪肉产量占比约为全球的50%左右。生猪产业在满足我国居民动物蛋白营养需求、促进农民种植和养殖增收、吸纳城乡居民就业、发展农村经济乃至整个国民经济方面起到了不可替代的作用。近年来，随着我国生猪产业不断壮大和产业链不断拓展，生猪价格在上涨趋势中常常呈现出暴涨暴跌的不稳定态势，波动周期明显缩短，波动幅度也有所增大。2000年至今，生猪价格经历了大约4个波动周期，某些地区波幅最高达到80%左右，不仅给生产者和消费者造成了利益损失，还严重影响到整个农村经济的发展。因此，稳定生猪价格、巩固生猪产业基础地位，是一个必须重视的现实问题。

长期以来，学者们从理论和实证的视角对我国生猪价格的波动、影响因素及其对策建议都进行过大量的研究。如，李秉龙等(2007)认为，引起我国猪肉价格短期波动的主要原因是宏观调控因素和猪肉的供求因素。①李秉龙、何秋红：《中国猪肉价格短期波动及其原因分析》，《农业经济问题》2007年第10期。赵守军、赵瑞莹(2012)运用HP滤波法对山东生猪价格波动周期进行分析后认为，在需求比较稳定的背景下，生猪价格波动的主要因素来自于供给。②赵守军、赵瑞莹：《山东省生猪价格波动研究》，《科技和产业》2012年第5期。綦颖、宋连喜(2006)的研究认为，生猪价格周期性波动的形成机理来自内部传导机制和外部冲击机制，需求层面对价格波动的影响相对于供给层面的影响幅度较小，应该加强供给层面的控制来减缓生猪价格的波动。③綦颖、宋连喜：《生猪市场价格周期性波动的原因分析与环节对策》，《中国畜牧杂志》2006年第16期。宁攸凉等(2010)分析了生猪价格波动的特征、影响以及导致波动的各种原因并提出了缓解波动的对策建议。④宁攸凉、乔娟：《中国生猪价格波动的影响与成因探究》，《中国畜牧杂志》2010年第2期。吕杰等(2007)分析了我国改革开放以来生猪价格波动的年度内规律和年度间波动规律，发现年度内季节性规律明显，年度间价格波动周期长度越来越长、幅度越来越大。*吕杰、綦颖：《生猪市场价格周期性波动的经济学分析》，《农业经济问题》2007年第7期。农业部生猪波动规律性研究课题组(2008)研究分析了改革开放以来，我国生猪产业的六次波动情况，提出应该发挥好市场机制和政府调控两方面的作用，提高规模饲养化水平，建立健全预警机制等。*农业部生猪波动规律性研究课题组：《生猪生产和价格波动情况分析》，《农村新技术》2008年第3期。谭莹(2010)利用EGARCH模型证实了猪肉价格波动的集聚性和非对称性问题。*谭莹：《中国猪肉市场总供给波动及影响因素的实证分析》，《华中农业大学学报》2010年第3期。廖冀等(2012)研究分析了近年来我国生猪市场调控政策运行效果，认为在稳定生猪供给与价格等方面还有待完善。*廖冀、周发明：《我国生猪价格调控政策运行机制和效果及政策建议》，《农业现代化研究》2012年第4期。

以上研究成果为本文提供了丰富的资料来源和启示。但是，随着互联网技术的普及和大数据时代的到来，人们目前面对的数据是一切可以记录和存储，并源源不断扩充的、超大容量的各种类型的实时数据。大数据时代要求传统的统计思维要与时俱进作出改变，传统统计研究的数据是有意收集的结构化的样本数据，很多信息会随着时间的推移而流逝。因此，充分利用大数据以及从大数据中挖掘有价值的信息，在生猪价格波动和稳定其价格的对策研究中具有现实意义。本文拟通过关联规则挖掘方法，对影响生猪价格波动的因素进行关联分析，并在此基础上深入研究影响生猪价格波动的内在机理，从生猪产业链的视角提出进一步稳定生猪价格的政策措施。

二、概念界定与模型选择

在大数据时代，研究者更侧重于寻找事物之间的关联关系，而大数据的精髓就是从庞大的数据中挖掘出独有的价值。通过对大数据的关联分析我们可以从多个角度把握事物的变化，从而获得更多的潜在价值，创造新的发现并预测未来。

关联分析是寻找数据库中两个变量或多个变量值的相关性，进而寻找数据库中的关联网络。关联规则作为关联分析的描述型模式是数据挖掘中最活跃的研究方法之一，它可以用来发现事物之间的联系，而这一方法最早是用来发现超市交易数据库中不同商品之间的关系的。本文利用关联规则模型来挖掘生猪市场各要素与生猪价格的关联关系。

定义一：设I={i1,i2,…,im}，是m个不同的项目的集合，每个ik称为一个项目。项目的集合I称为项集。其元素的个数称为项集的长度，长度为k的项集称为k-项集。

定义二：每笔事务T是项集I的一个子集。对应每一个事务有一个唯一的标识事务码，记作TID。事务全体构成了事务数据库D，|D|等于D中事务的个数。

定义三：关联规则是一个蕴含式R：X⟹Y

其中，X⊂I，Y⊂I，并且X∩Y=∅。表示项集X在某一事务中出现，则导致Y以某一概率也会出现。关联规则可以用两个标准来衡量：支持度和置信度。

定义四：关联规则R的支持度是事务集同时包含X和Y的事务数与|D|之比。即：

support(X⟹Y)=count(X∪Y)/|D|

支持度反映了X、Y同时出现的概率，关联规则的支持度等于频繁集的支持度。

定义五：对于关联规则R，置信度是指包含X和Y的事务数与包含X的事务数之比。即：

confidence(X⟹Y)=support(X⟹Y)/support(X)

置信度反映了如果事务中包含X，则事务包含Y的概率。一般来说，只有支持度和置信度较高才能说明关联性较高。

定义六：设定关联规则的最小支持度和最小置信度为SUPmin和CONFmin。关联规则R的支持度和置信度均不小于SUPmin和CONFmin ，则称为强关联规则。关联规则挖掘的目的就是找出强关联规则，从而指导决策。

关联规则的发现一般分为两个步骤：其一，根据给定的最小项集支持度，找出所有满足条件的项集，即频繁项集；其二，根据最小置信度，在所有频繁集中找出符合条件的关联规则。

三、生猪价格波动机理分析与关联指标体系构建

(一)生猪价格波动机理分析

依据经济学原理，价格波动受供求关系变化的影响，所以，影响生猪价格波动的因素应该和影响其供求变化的因素相一致。由于影响生猪价格波动的因素既多且杂，而且影响幅度不一，本文择其要从以下几方面进行阐述。

1.供给层面。生猪供给量：我国的生猪饲养仍然以散养和小规模为主，进入和退出养殖门槛相对容易，农户的饲养具有较大范围的一致性，因此容易出现以下循环效应：价格上涨——大范围增加养殖量——生猪供给量增加——生猪价格下跌——大范围减少养殖量——生猪供给量减少——生猪价格上涨，并且这种千家万户的生猪生产量不容易进行调控，在需求量较为稳定的情况下，最终仍会导致生猪价格的大幅波动。

生猪生产成本：养猪成本是影响我国生猪供给的重要因素。生猪生产成本的高低，直接影响着养猪收益，从而间接的影响养殖户的生产积极性，并最终影响到生猪的生产和供给，造成价格的波动。生猪所需的饲料在生猪生产总成本中占比超过50%，以玉米和豆粕为主，而玉米在饲料中又占60%～70%；仔猪占生猪成本的比重大约为20%，仔猪价格的高低反映了生猪市场需求状况。因此，玉米价格和仔猪价格是影响生猪价格的重要因素。

生产者对未来的预期：生猪当前价格和生产者获取的信息情况是影响生产者预期的主要因素。当生猪价格升高时，生产者看好行情就会扩大生产，使得生猪供给增加。当生猪价格下降时，养殖生产者就会缩小生产规模，使得生猪的供给量减少。另外，我国生猪生产仍以散养户和小规模养殖场为主，生产者在获取市场信息上具有明显的不对称性，信息滞后、信息模糊、信息失真等极容易导致生产者对未来市场作出不恰当的预期，再加之生产者预测能力较差，又具有很强的从众心理，因此蛛网式价格波动不可避免。

猪肉的市场零售价格：猪肉的市场零售价格对于生猪养殖户进行生猪生产决策具有很重要的影响。如果猪肉市场价格上扬，说明市场对猪肉的需求量增大，这种价格信号就会通过产业链传导到生猪生产环节，带动生猪需求量的增加，在短期内使得生猪的价格升高。这时生产者就会看多行情，从而千方百计增加供给来获取利润，如增加生猪出栏，减少存栏，积极补栏等。然而，这种行为在长期内又会导致生猪供给大幅度增加，从而价格下降。此外，能繁母猪存栏量、猪肉储备数量和进出口量的变化也会影响市场的生猪供给。

2.需求层面。居民收入水平：猪肉作为一种民生消费品，一般情况下，居民收入水平提高会增加对猪肉的需求量从而增加对生猪的需求量，需求量增加，在供给不变的情况下，就会致使生猪价格上升；同时，对部分消费者来说，随着生活水平的提高，猪肉可能变成非生活消费品，收入增加可能减少对猪肉的消费，从而减少对生猪的需求量。

人口增长水平：随着国家计划生育政策的调整，我们的人口数量正在恢复性增长，2016年中国大陆人口增加800多万。有数据显示，2016年山东省人口出生增速是全国平均增速的5倍左右。随着人口规模的不断扩大，对猪肉的消费量也将大幅增加从而影响对生猪的需求量。

替代品价格：牛羊肉和鸡蛋作为猪肉的替代品，其价格直接影响市场对猪肉的需求量，如果替代品价格上升，其它条件不变时，人们就会转而增加对猪肉的需求从而增加生猪的需求量，反之亦然。此外，消费者偏好，对价格的预期也会对生猪的需求量产生影响。

3.其它因素。疫情灾害、生产方式、环境保护、国家相关政策等因素，如补贴、农业信贷等都会直接或者间接的影响生猪的供给和需求。

(二)生猪价格波动关联指标体系构建

大数据时代的数据类型复杂多样，除了结构化数据，还有非结构化或者半结构化数据。例如，文本、web页面、视频等。本文基于大数据背景构建了影响生猪价格波动的指标体系，如表1所示：

四、生猪价格波动关联分析

影响生猪价格的因素很多，各个因素彼此联系、相互影响、共同发挥作用。当然，相关的数据获取难度也因此提高了。有鉴于此，本文针对几个主要因素展开分析，试图通过挖掘生猪价格与仔猪价格、猪肉价格、玉米价格、生猪出栏量等的关联关系，找出生猪价格与其他影响因素形成的强关联规则。通过对生猪价格和各因素近几年间的增减变化情况进行关联规则提取，根据关联规则考察是哪些因素的变化对生猪价格波动产生了相应的影响。

(一)数据及影响因素的选取

由于数据获取的有限性，我们选取了山东省2008-2016年各因素季度数据进行分析，如表2所示。对于每种因素，我们又分为上升和下降两种情况来考虑。这样，关联规则的挖掘就变成了对生猪价格上升、下降与各要素上升、下降关联关系的挖掘。

基本要素有两个：生猪价格上升，生猪价格下降。相关因素有：猪肉价格上升，猪肉价格下降；猪仔价格上升，猪仔价格下降；玉米价格上升，玉米价格下降；生猪出栏量增加，生猪出栏量减少。在分析过程中，以数字1表示价格上升或者增加，以数字-1表示价格下降或者减少。

表1 影响生猪价格波动的指标

表2 2008-2016年山东省生猪价格波动各因素季度数据

数据来源：国家统计局调查队；生猪、仔猪和猪肉的单位为元/公斤，玉米的单位为元/50公斤，生猪出栏量单位为万头。

(二)数据的预处理

数据的归一化：针对所有行，计算第i行数据中每个因素Dj针对第i-1行的变化情况，求解Dij-D(i-1)j；若取值>0，则Dj的变化情况设为1(代表上升)，否则设为-1(代表下降)。

(三)关联规则的挖掘

根据前面所述的求解关联规则的方法，按照频度大小进行排序抽取结果，见表3：

表3 各因素关联分析结果

说明：置信度1表示已经出现生猪价格上升或者下降的情况下，其它因素价格上升或者下降出现的概率；置信度2表示已经出现其它因素价格上升或者下降的情况下，生猪价格上升或者下降的概率。本文将最小支持度和最小置信度分别设定为：SUPmin=0.35；CONFmin=0.75

(四)结果分析

根据定义，规则R的支持度和置信度均不小于SUPmin和CONFmin ，称为强关联规则。所以，猪肉价格上升引起生猪价格上升，其支持度为0.50>0.35，置信度为1>0.75，支持度和置信度都很高；猪肉价格下降引起生猪价格下降，其支持度为0.47>0.35，置信度为0.94>0.75，支持度和置信度都很高。由此，可以得出生猪价格和猪肉价格两者属于强相关关系。同理，生猪价格和仔猪价格二者属于强相关关系；生猪价格和生猪出栏量二者属于较弱相关关系，生猪价格和玉米价格二者属于较弱相关关系。

通过关联规则，我们不但可以挖掘出两两因素的强关联关系，还可以挖掘出一些比较重要的多因素组合，如生猪、仔猪和猪肉价格三者之间的关联性很强；同时，生猪、仔猪、猪肉价格和生猪出栏量四个因素之间的关系也值得我们关注。

五、研究结论与政策启示

(一)主要研究结论

其一，以上研究结果表明，猪肉价格的上升或者下降会引起生猪价格的同方向变化；仔猪价格的上升或者下降会引起生猪价格的同方向变化；生猪出栏量的增加或者减少并不会导致生猪价格的反方向变化；玉米价格的变化对生猪价格影响不大。多种因素价格的同时变化和共同影响必然导致生猪价格的上升或者下降，同样，生猪价格的变化也会反过来影响猪肉价格、仔猪价格等其它因素价格的上升或者下降。

其二，关联规则挖掘相对于传统相关性分析具有明显的优势。关联规则挖掘可以应对大数据时代各种类型的数据，除了结构化数据，还可以是非结构化或者半结构化数据，而且能够从大量、复杂的数据中及时获取实时信息，并发现其规律，这是传统的相关性研究所无法应对的。除此之外，在进行数据分析的时候，传统相关性分析首先要给出前提假设，例如之前的学者对仔猪价格和生猪价格的关系进行实证分析，首先要假定其它因素保持不变，然后在此基础上计算两两因素的相关度有多大；更为重要的是，相关性分析只是最起码的相关检验，在确定某二者因素的相关度较高的基础上，分析的最终落脚点要得出一种因果关系，即谁引起了谁的变化，这是传统分析最最关注的因果关系。大数据时代，变量之间的因果关系已经显得不那么重要了，关联规则挖掘更加关注事物内部的相关性。所以，我们没有必要再做出不符合实际情况的假设前提来美化我们的结果，而是更加注重事物的本真，本文的分析已经充分证实了这一点。

(二)稳定生猪价格的政策启示

1.完善生猪价格的市场供需监测系统建设，稳定猪肉的市场零售价格。充分发挥政府的宏观调控作用，建立生猪价格的市场供需监测系统，在此基础上提供有效的市场信息，完善建立生猪价格和猪肉价格的风险预警机制，制订科学的应急方案，出现警情时迅速启动猪肉收放储计划来稳定市场价格。目前国内很多区域的大型屠宰加工企业，他们拥有极大的猪肉价格定价权和垄断权，他们通过控制猪肉的上市数量和上市时间谋取利益。这不但损害了养殖生产者的利益、打击了他们的生产积极性，而且还直接危害消费者的利益，使消费者付出更高的成本来获得对猪肉消费的需求。因此，要从依法治理的高度出发，制定和健全相关的法律法规，加强市场流通环节建设，遏制和打击生猪产业链上各环节的不正当竞争和垄断交易行为，以避免在正常供需环境下猪肉价格的大幅波动。另外，加大对猪肉深加工企业的政策扶持力度，使生猪产业的产业链不断延伸，从而弱化猪肉价格涨跌的传导效应。

2.完善能繁母猪补贴和保险政策，保证仔猪供应，稳定仔猪价格。仔猪的数量和质量直接影响着仔猪的市场价格，为了实现仔猪市场价格的稳定，自2007年以来，国家实施了能繁母猪补贴和保险政策，政策的实施一定程度上提高了生产者的养殖积极性，但是仍然存在很多问题有待完善。例如，在补贴方面，实施过程缺乏监督检查，存在拖欠遗漏现象，补贴力度不够，程序繁琐；在保险方面，养殖者参保积极性不高，投保者和保险公司因信息不对称导致的道德风险和逆向选择问题难以防范等。对此，现有政策的实施需要进一步简化程序、加强监管、落实到位、实施追踪反馈以保证生产者得到及时补贴。地方财政部门可以根据本地实际情况创新补贴方式，畜牧兽医、保险公司等相关部门要提高管理队伍素质，优化管理手段，提高能繁母猪保险运行效率。

3.推动先进生产方式及合作模式，保证生猪市场供应。生猪标准化规模养殖是一种趋势，这种生产方式可以降低成本、提高抵御风险的能力。在环境、资金、人员和技术条件成熟的情况下，有关部门和生猪养殖者应共同努力推动先进生产方式的普及。专业合作社的成立可以为生猪养殖者提供信贷支持、技术和信息指导，通过建立生产者和相关企业的利益联结机制，如股权合营模式等，不但可以使生猪养殖趋向标准化，还可以增强生猪养殖者在交易中的话语权，将生猪生产纳入到社会化大生产中。

4.有效协调生猪产业链上各方利益，切实稳定生猪价格。一种现象的发生总是多种因素共同作用、相互影响的结果。实施某种措施，时机的选择和实施的力度都很重要，因为从实施到出现效果需要一段时间，在这个时间段里，是不是存在因其他影响因素发生变化而削弱或者抵消了之前的措施行为从而影响到预期结果。例如，政府根据警情实行冻猪肉收放储计划时，在何时实施以及实施力度多大的问题上，要先确认是否是由于供需不平衡而引起的猪肉价格波动，如果存在不正当交易等问题，政府行为除了要依法执纪以外，还要按市场规律出牌。最终生猪价格或猪肉价格是否回归平稳，依赖于多方面的协作配合，如监测系统的工作是否到位，信息部门的信息是否真实准确，生猪市场流通方面的法律法规是否健全，冻猪肉收储部门的方案是否科学合理等等，一个环节出现问题都会使最终的结果发生预期偏移。

(责任编辑：栾晓平)

F326

A

1003-4145[2017]10-0158-06

2017-06-29

王宏梅，女，山东农业大学经济管理学院博士研究生，山东建筑大学讲师。 赵瑞莹，女，山东农业大学经济管理学院教授、博士生导师(通讯作者)。

本文得到山东省现代农业产业技术体系生猪创新团队产业经济岗位(项目编号：SDAIT-08-11)、山东农业大学现代农业发展研究院(项目编号：14xsk1-04)的资助。