多因素影响下我国生猪供应链价格传导研究

魏珠清，黄建华

(福州大学 经济与管理学院，福建 福州 350108)

多因素影响下我国生猪供应链价格传导研究

魏珠清，黄建华

(福州大学 经济与管理学院，福建 福州 350108)

生猪供应链体系中上游的仔猪价格、饲料价格，下游的替代品价格、居民收入水平以及市场的供需关系均会影响生猪价格。构建了多因素影响下的生猪供应链价格传导的系统动力学模型，仿真分析了供应链体系中生猪价格的传导机理。仿真结果表明：供求关系是导致生猪价格波动的最根本原因；疫情、政府补贴政策等外生变量对生猪市场的影响具有实效性，且近期影响较大；玉米价格对生猪价格影响显著，且变化方向一致；牛肉价格对生猪价格影响较小；政府适时适度的干预有助于稳定生猪市场。

生猪；供应链；价格；系统动力学

生猪价格受到多方面因素影响，从供给层面分析，影响生猪价格波动的因素包括仔猪价格、饲料价格、生产者对价格的预期、疫情及政府补贴政策等因素；从需求层面分析，影响生猪价格波动的因素包括替代品价格、收入水平及消费结构改变等因素。自2000年以来，我国生猪价格总体呈上升趋势，其中2003年、2007年和2011年前后出现较大波动：2003年生猪年度价格波幅首次突破20%，2007年和2011年前后生猪年度价格波幅均超过55%，生猪价格最高达到30.35元/kg。生猪价格大幅涨跌不仅影响人民的生活质量，还影响到国民经济的良性发展，因此为缓解生猪价格大幅波动，国家及地方政府均出台了一系列生猪利好政策。2007年，为弱化生猪市场价格波动幅度，政府出台了《关于促进生猪生产发展稳定市场供应的意见》；2009年，为缓解生猪市场价格一度下跌的局势，政府出台了《防止生猪价格过度下跌调控预案(暂行)》；2012年，政府推出《缓解生猪市场价格周期性波动调控预案》；2015年，政府及地方继续落实动物防疫补贴、生猪大县奖励等政策，可见国家对生猪产业高度重视。

国外对生猪价格波动的研究主要表现为对生猪周期的研究，如EZEKIEL等[1-2]将经典的蛛网理论运用到生猪生产周期的研究中。HOLT等[3]采用STAR模型分析研究生猪周期，得出生猪周期具有非线性特征，且平均周期为3～5年。DORFMAN等[4]采用贝叶斯模型分析研究生猪存栏周期，发现生猪存栏周期包含5种不同的长度。REZITIS等[5]则采用多变量GARCH模型来分析生猪价格数据，认为价格波动是生产决策重要的风险因素。

关于价格传导方面，国内外学者采用不同的方法进行研究。如AMIKUZUNO等[6]应用误差修正模型讨论了季节变化对番茄市场价格传导的影响；IHLE等[7]利用向量误差修正模型来分析玉米价格传导机制；李哲敏等[8]则以VAR模型为工具，从整个产业链角度分析市场价格传导机制。由于误差修正模型所使用的数据是同阶单整，且该模型适用于长期线性关系，因此ABDULAI[9]提出门限模型，用于研究从农产品批发市场到零售市场的非对称传递；魏来等[10]分别采用零门限模型和非零门限模型实证研究猪肉产业价格传递的非对称性。

系统动力学创始人FORRESTER教授在1961年将SD[11]应用于供应链中研究牛鞭效应现象，牛鞭效应是SD应用于供应链最典型的研究方向。DEJONCKHEERE等[12-14]通过利用SD模型仿真，研究供应链牛鞭效应问题。李稳安等[15]用SD原理研究了供应链中牛鞭效应产生的原因及相应的缓解对策。陈虎等[16]利用系统动力学比较研究了VMI与传统库存管理模式的系统结构及运作机制，并证明了VMI模式优于传统的管理模式。杨天剑等[17]通过系统动力学模型仿真，对比研究传统供应链等3种库存管理模式，证明了推动式供应链库存管理模式的优越性。GUPTA等[18]运用系统动力学来分析JIT生产模式下其库存、产能等问题。

从国内外的研究情况来看，国内外学者较多以生猪及猪肉价格作为研究对象来分析生猪业的价格变化规律，且学者们针对生猪业的价格波动，大多通过计量或统计的方法单独分析某一价格的波动，而对生猪业各环节间的相互关系研究较少。鉴于系统动力学在研究复杂系统方面具有相当优势，因此笔者以SD为基础，从整个供应链的角度对生猪供应链网络各环节之间的价格传导行为进行研究，并通过改变供应链某一环节要素状态，研究其产生的动态影响及反馈效应。

1 基于系统动力学的生猪供应链价格传导机制建模

1.1 生猪供应链基础数据分析

生猪供应链体系中上游的仔猪价格、饲料价格，下游的替代品价格、居民收入水平等因素均会对生猪价格产生影响。生猪供应链价格体系基础数据如表1所示，其中生猪饲养成本以玉米价格体现，牛肉代表生猪替代品，肉猪出栏量代表生猪市场新增供给量。这些数据是构成生猪供应链价格传导的系统动力学模型的基础。

表1 生猪供应链中基本价格数据

数据来源：2000—2015年《中国畜牧业统计年鉴》和《中国统计年鉴》

1.2 模型假设

笔者建立的模型中均以生猪价格代表猪肉价格，其余主要假设有以下3个。

假设1系统边界的界定，包括生猪养殖(饲料、仔猪)、生猪需求、生猪供给、居民收入水平及政府补贴政策、疫情等因素。

假设2系统行为具有连续性，每一个系统行为均由其他变量的因果循环所造成。

假设3起止时间的界定，模型起止时间为2000—2018年。

1.3 生猪供应链价格波动因果关系分析

图1 生猪供应链价格的波动因果反馈回路图

生猪供应链价格波动的因果反馈回路图如图1所示，可以看出变量之间的相互关系是通过箭头连接及所指方向表示，正、负号分别表示变量之间的正、负反馈作用，由于存在时滞效应，故玉米价格至仔猪价格路线属于延迟路线。

1.4 生猪供应链价格传导系统流图构建

1.4.1 模型流图建立

笔者选取了影响生猪价格传导的主要因素，如玉米价格、仔猪价格等，而对一些次要因素和难以量化的因素则忽略。生猪供应链价格传导系统流图如图2所示，该系统模型共涉及29个变量。

1.4.2 模型主要参数方程及说明

(1)供求比=生猪供给/生猪需求。

图2 生猪供应链价格传导系统流图

(2)生猪供给= INTEG(新增供给-现实供给量，51 862.3)，即当年上市可供销售的肉猪出栏数，选取2000年我国肉猪出栏量(51 862.3万头)作为生猪供给初始值。

(3)生猪需求= INTEG(新增需求-现实需求量，21 068.6)，即当年市场生猪有效需求量，选取2000年我国生猪平均销售量(21 068.6万头)作为生猪需求变量初始值。

(4)生猪价格= INTEG(生猪价格增长量，10.15)。

(5)生猪-收入比=生猪价格×人均猪肉消费量/可支配收入。即生猪价格和人均猪肉消费量的乘积与人均可支配收入比值[19]。

(6)新增需求=生猪-收入比影响因子×牛肉-生猪价格比影响因子×新增人口数量×人均猪肉消费量。

(7)生猪价格增长量=供求比影响因子×饲养成本增长量。

(8)饲养成本增长量=(仔猪价格增长量+玉米价格增长量/0.65)/0.87。

图3 生猪价格仿真值与实际值相对误差

1.4.3 模型的检验

2000—2015年生猪价格仿真值与实际值之间的相对误差如图3所示，可以看出生猪价格真实值与仿真值两条价格曲线接近吻合，生猪价格的相对误差(绝对值)绝大多数在5%以内，只有2010年的相对误差超过5%，但仍低于6%，可见笔者构建的生猪供应链价格传导系统模型具有一定的准确性和真实性。

2 基于系统动力学生猪供应链价格传导机制模拟仿真

运用Vensim PLE软件对生猪供应链价格传导系统进行仿真研究，模拟2000—2018年全国生猪价格波动的市场行为，取仿真步长(仿真时间间隔)为1年。

2.1 生猪价格分析

图4 生猪价格仿真输出

图5 供求比仿真输出

生猪价格波动受供求关系影响，同时还受疫情、政府补贴政策及生猪养殖成本等因素影响。生猪价格仿真输出如图4所示，生猪供求比仿真输出如图5所示，可以看出模型模拟输出的生猪价格仿真值与实际值的趋势基本吻合；2003年是生猪价格波动的转折点，此后生猪价格波动频繁。2003年，全国非典疫情蔓延使得生猪市场需求量骤减，由此引发的市场封闭进一步加重生猪市场流通困难。非典后，生猪市场需求量回升，而生猪存栏量跌入谷底，造成供需严重失衡，从而导致2004年生猪价格大幅上涨。同样，2005年猪链球菌事件、2006年蓝耳病疫情等造成生猪供需严重失衡，直接导致2007年、2008年生猪价格暴涨。自2008年起，我国政府相继出台一系列生猪产业相关政策，以弱化生猪市场价格振荡幅度；2009年，为缓解生猪市场价格一度下跌的局势，政府出台了《防止生猪价格过度下跌调控预案(暂行)》。

2.2 外生变量对生猪价格的影响分析

2.2.1 疫情变量

为分析疫情发生对模型中各参数的影响，同时考虑疫情的突发性和反复性，故采用脉冲函数表示疾病发生的时间和次数，用随机函数表示疾病发生的概率，则模型中疫情发生率为：

PULSE TRAIN (2005，1/12，1，2017)×RANDOM NORMAL (0，0.5，0.05，0.01，0.3)

上式表示从2005年开始，疫情发生概率为

0.0到0.5之间的随机函数，每隔一年发生一次，每次持续1个月的时间。疫情变量状态发生变化后在生猪供应链上的价格传导行为表现过程如图6和图7所示，具体过程为：疫情要素发生变化引起生猪新增供给量发生变化，从而改变生猪市场供给与需求关系，进而引发价格波动。

图6 疫情—生猪供给

图7 疫情—生猪价格

疫情变化对生猪价格影响的对比如表2所示，其中，生猪价格1指未受任何影响的生猪价格，生猪价格2指受到疫情影响的生猪价格。疫情发生使得生猪市场需求骤减，生猪市场流通受阻，疫病后生猪市场需求回升，但生猪存栏量的锐减造成了生猪价格上涨。从表2可以看出2006年，受到疫情灾害的影响，生猪价格较未受疫情影响的生猪价格1上涨了7.27%，该影响一直持续到2009年；从2010年开始，生猪价格2较生猪价格1呈现下降趋势，且下降幅度逐渐增大。由此可见，疫情对生猪市场的影响具有时效性，且近期影响效果比较明显。

表2 疫情对生猪价格的影响对比表

2.2.2 政府补贴政策变量

为分析政府补贴政策对生猪市场的影响，对生猪的新增供给增加一个脉冲函数：1+0.5×PULSE(2007，3 000)，表示在2007年政府实施生猪补贴政策后，对生猪供给在原来的基础上增加一个幅值为1.5的脉冲。政府补贴变量状态发生改变后在生猪供应链上的价格传导行为表现过程如图8和图9所示，具体过程为政府补贴发生变化引起生猪新增供给量发生变化，从而改变生猪市场供给与需求关系，进而引发生猪价格波动。

图8 政策—生猪供给

政府补贴政策的推行可提高生猪存栏量，从而提升生猪市场供给量，进而导致生猪价格下跌。

图9 政策—生猪价格

政府补贴政策对生猪价格的影响对比表如表3所示，可以看出2008年，受政府补贴政策的影响，生猪价格3较未受政策影响的生猪价格1下降2.24%，该影响一直持续且价格下降幅度整体呈现递减的趋势，越来越趋近生猪价格1。由此可见，政府补贴政策实施在近期(2～3年时间)影响较大。

表3 政府补贴政策对生猪价格的影响对比表

2.3 玉米价格对生猪价格的影响分析

玉米价格是构成生猪饲养总成本的重要要素之一。为分析玉米价格变化对生猪价格的影响，假定模型从2005年开始，玉米价格增长率较原先提高25%，其余指标不变。玉米价格变量发生变化后在生猪供应链上价格传导的表现过程如图10和图11所示，具体过程为玉米价格增长率提升后，玉米价格增长量发生变化，进而通过改变生猪饲养成本而引起生猪市场价格波动。

图10 玉米—饲养成本增长量

玉米价格增长率的提升将引起生猪饲养成本的增大，从而导致生猪价格的增长。玉米价格对生猪价格的影响对比如表4所示，可以看出自2005年玉米价格上调后，生猪价格在近3年内呈逐年上涨趋势，总体来看玉米价格波动对生猪价格将产生比较显著的影响，且变化方向一致。

图11 玉米—生猪价格

2.4 牛肉价格对生猪价格的影响分析

为分析其价格变化对生猪价格的影响，假定模型从2005年开始，牛肉价格较原先提高20%，其余指标不变。牛肉价格变量发生变化后在生猪供应链上价格传导的表现过程如图12和图13所示，具体过程为牛肉价格提高20%后引发牛肉价格与生猪价格比值波动，进而影响生猪需求量，导致供求关系发生变化，从而导致生猪价格波动。

表4 玉米价格对生猪价格的影响对比表

图12 牛肉—牛肉-生猪价格比

玉米价格对生猪价格的影响对比表如表5所示，可以看出自2005年牛肉价格上调后，生猪价格呈现小幅度上涨，但其增长幅值相对较小。由此可见，牛肉价格波动对生猪价格产生的影响相对较小，因而政府在对生猪市场进行宏观调控时，可将替代品因素放在较次要的位置，以便集中精力处理好关键因素对生猪市场正常运作的影响。

图13 牛肉—生猪价格

表5 玉米价格对生猪价格的影响对比表

3 结论

生猪价格不仅受饲料成本和仔猪成本影响，还受各方面因素的综合影响。生猪供应链价格传导系统存在反馈与负反馈作用，即供应链中任一环节出现变动，均会对其他要素产生影响，其他要素的变动还会进一步反馈到该环节。如玉米价格发生变化时，其产生的影响是引发生猪价格发生振荡，具体表现过程为：玉米价格向上浮动引发生猪价格上升，其产生的影响还会进一步促进玉米价格上调；反之，玉米价格下调时，生猪价格跌落，其产生的影响会促进玉米价格进一步下调。

生猪市场的健康发展离不开政府政策扶持，政府适时适度的利好政策将有助于稳定生猪市场。然而，政策稳定效果在短期内比较显著，这就要求政府要加大对生猪养殖业的监控力度，保持政策的灵敏度，同时制定对生猪产业的长期扶持政策，以期稳定生猪市场价格，促进和维持生猪市场的良性运作。

但笔者的研究在以下方面还存在不足，有待进一步完善：①为提高模型的可操性，在建立模型时，笔者只选取了影响生猪价格的主要因素，对次要因素及难以量化处理的因素进行了简化处理。②笔者构建的模型中各要素之间的函数关系大多是基于往年数据处理，由于个别数据的缺失或异常都会在一定程度上弱化模型的准确度。基于研究中存在的不足，在今后的研究中，可以进一步完善生猪供应链价格传导系统模型，提高研究内容的完善性、思考问题的全面性，在获取更为全面数据的基础上，全面考虑影响生猪价格传导系统的影响因素，如季节周期、市场经济结构等因素，建立一个更加综合全面的系统动力学仿真模型。

[1] EZEKIEL M. The cobweb theorem[J]. Quarterly Journal E-economics, 1938,52(1):255-248．

[2] HARLOW A. The hog cycle and the cobweb theorem[J]. Journal of Farm Economies, 1960,42(2):842-853.

[3] HOLT M T, CRAIG L A. Nonlinear dynamics and structural change in the US hog-corn cycle: a time varying star approach[J]. American Journal of Agricultural Economics, 2006,88(1):215-233.

[4] DORFMAN H J, PARK D P. Looking for cattle and hog cycles through a Bayesian window[C]∥Agricultural & Applied Economics Associations 2009 AAEA & ACCI Joint Annual Meeting. Milwaukee:[s.n.], 2009:1-20.

[5] REZITIS A N, STAVROPOULOS K S. Greek meat supply response and price volatility in a rational expectation framework: a multivariate GARCH approach[J]. European Review of Agricultural Economics, 2012,39(2):309-333.

[6] AMIKUZUNO J, CRAMONTAUBADEL S V. Seasonal variation in price transmission between tomato markets in Ghana[J]. Journal of African Economies, 2012,21(4):669-686.

[7] IHLE R, CRAMONTAUBADEL S V,ZONYA S. Markov-switching estimation of spatial maize price transmission processes between Tanzania and Kenya[J]. American Journal of Agricultural Economics, 2009,91(5):1432-1439.

[8] 李哲敏,许世卫,董晓霞,等.中国禽蛋产业链短期市场价格传导机制[J].中国农业科学,2010,43(23):4951-4962.

[9] ABDULAI A. Using threshold cointegration to estimate asymmetric price transmission in the Swiss pork market[J]. Applied Economics, 2002,34(6):679-687.

[10] 魏来,陈宏,张洁.产业链价格波及效应的不对称传递[J].系统工程理论与实践,2009,29(7):1-7.

[11] FORRESTER J W. Industrial dynamics: a major breakthrough for decision makers[J]. Harvard Business Review, 1958,36(4):37.

[12] DEJONCKHEERE J, DISNEY S M, LAMBRECHT M R, et al. Measuring and avoiding the bullwhip effect: a control theoretic approach[J]. European Journal of Operational Research, 2003,147(3):567-590.

[13] KHAJI M R，SHAFAEI R，MOHEBBI S，et al. A system dynamic approach to decision process in supply chain[C]∥2009 IEEE/INFORMS International Conference on Service Operations , Logistics and Informatics. Chicago: IEEE ,2009:681-686.

[14] ANGERHOFER B J,ANGELIDES M C.System dynamics modelling in supply chain management: research review [C]∥Simulation Conference 2000 Proceedings. Orlando: IEEE, 2000:342-351.

[15] 李稳安，赵林度.牛鞭效应的系统动力学分析[J].东南大学学报(哲学社会科学版),2002(s2)：96-98.

[16] 陈虎,韩玉启,王斌.基于系统动力学的库存管理研究[J].管理工程学报,2005,19(3):132-140.

[17] 杨天剑,吕廷杰,张晓航,等.二级供应链系统的动力学仿真[J].系统工程理论与实践,2007，27(9):107-115.

[18] GUPTA Y P, GUPTA M C. A system dynamics model for a mufti-stage mufti-line dual-card JIT-Kansan system[J]. Management Science, 2010(12):364-374.

[19] 孟娜.基于系统动力学的我国生猪市场价格体系动态研究[D].北京:中国科学院，2010.

ResearchonPriceTransmissionMechanismofHogSupplyChainundertheInfluenceofMulti-factors

WEIZhuqing,HUANGJianhua

The hog price is affected by many factors, such as the price of piglet, price of feed in the upstream of hog supply chain, price of alternatives in the downstream of hog supply chain, level of income and supply-demand relationship. In this paper, the system dynamics model of price transmission in pig supply chain under the influence of multiple factors is constructed, and the transmission mechanism of pig price in supply chain system is simulated and analyzed.The simulation results shows that the fundamental reason of hog price fluctuations is supply and demand. Moreover, the exogenous variables including epidemic and government subsidy policy, these fators have a statistically significant effect on the hog price and they agree on the direction of change,and the recent impact is larger. The price of maize has a significant effect on the price of hog, and the direction of change is consistent. The price of beef has little impact on the hog price.Timely and appropriate of government intervention is useful for stabilizing hog market.

hog; supply chain; price; system dynamics

N941;F304

10.3963/j.issn.2095-3852.2017.05.017

2095-3852(2017)05-0598-07

A

2017-04-28.

魏珠清(1992-)，女，福建宁德人，福州大学经济与管理学院硕士研究生，主要研究方向为农产品供应链管理.

国家社科基金项目(13BGL059)；福建省社科研究基地重大基金项目(FJ2015JDZ029).

WEIZhuqingPostgraduate; School of Economics & Management, Fuzhou University, Fuzhou 350116, China.