新一轮猪肉储备政策评估——基于理性预期库存模型

张晖，虞祎

（1.南京林业大学经济管理学院，江苏 南京 210037；2.南京农业大学经济管理学院, 江苏 南京 210095）

长期以来，政府公共储备是发展中国家维护国内农产品价格稳定的重要政策工具之一。从我国粮食政策实施的总体效果来看，储备发挥了稳定市场预期、平抑市场波动的作用[1-3]。所以，当生猪价格出现大幅波动时，猪肉储备成为政府干预市场的首选工具之一。但是，从2007年首次提出“完善储备调节功能”至今，生猪价格仍然在剧烈波动。政府部门寄望于通过储备方案的调整来平抑价格波动，所以，从2009年明确生猪市场波动的储备响应机制以来，储备调控方案在2012年和2015年进行了两次修改，重点就是对储备规模及储备触发条件的调整。那么，评估储备方案的调整是否能更好地实现稳定价格的政策目标以及政策成本如何，将具有重要的现实意义。

政策评估包括事后评估和事前评估。事后评估通过比较政策执行前后市场实际运行状况来检验政策的效果。前人对储备政策绩效的实证研究均属于事后评估，通过比较政策前后生猪（猪肉）价格波动传导情况来推断政策的效果，但是结论并不一致。李圣军和孔祥智[4]认为总体上政府储备调控没有达到稳定猪肉价格的目的；全世文等[5]证明储备政策起到了平抑猪粮比价波动的作用；潘方卉和蔡玉秋[6]认为收储政策破坏了生猪产销价格系统的自我修复能力，所以收储政策的实施效果并不理想。上述研究均以价格的时间序列数据为研究对象，因此，结论容易受到时间区间选择的影响；储备也没有作为直接变量进入实证模型，所以，难以剥离政策的净影响。张立中等[7]的研究中使用了年度猪肉储备量，结论是国家猪肉储备对生猪价格的冲击不大，但是，采用年度数据的分析无法反映畜产品市场快速变化的现实，也会掩盖年度内政府储备干预对市场的影响，且样本数非常有限，不利于统计推断。

事前评估通过对政策执行效果的模拟和预测，减少非可控因素的干扰，比较不同政策安排的净影响，有利于指导政策调整的方向和力度，减少政策的试错成本，具有重要的现实意义。事前评估需要建立在理论分析的基础上，现有研究对储备影响商品价格的理论分析主要基于理性预期库存模型。Cafiero等[8]指出理性预期库存模型能够更好地反映价格的动态变化。理性预期库存模型在评估具体国家的农产品价格稳定政策方面也有很多应用，例如Brennan[9]将研究对象聚焦于储备规模变化对孟加拉水稻市场的影响，Larson等[10]研究中东和北非的政府干预与粮食安全的关系，Gouel等[11]以印度小麦市场为例说明在开放条件下政府采取储备、贸易等政策对控制市场波动的影响，Gouel[12]的研究将理性预期模型的应用泛化到发展中国家，分析了目标价格带调控政策的绩效和福利影响。所谓目标价格带政策，是指当商品价格低于价格下限时收储，当商品价格高于价格上限时放储，从而将商品价格维持在目标价格区间的储备干预政策。上述研究为讨论我国猪肉储备政策对生猪市场价格波动和市场主体福利变化提供了理论依据和方法借鉴。

本文根据中国生猪生产和消费市场的特征及储备调控的具体实践对理性预期库存模型进行校准，评估政策调整对平抑市场价格波动的效果及政策成本，探讨供需变化对政策绩效和成本的影响，属于事前评估的范畴，可为我国生猪市场稳定政策的进一步完善和改进提供理论依据和政策参考。

1 猪肉储备调控政策的变化

中国的储备肉制度建立于20世纪70年代末，但是直到20世纪末，国家储备肉的数量很少，干预市场的规则也不具体，很难发挥市场调控能力[13]。经历了2007年猪肉价格的快速上涨，国家将储备肉制度作为调节生猪市场价格的主要措施，并在2009年1月出台的《防止生猪价格过度下跌调控预案（暂行）》中明确了储备启动的预警信号及国家与地方储备干预市场的协作机制，调控目标是猪粮比不低于5.5，当猪粮比高于9:1时适时投放储备，当猪粮比连续四周低于6:1时增加储备。以猪粮比作为预警信号而非生猪价格，是生猪价格支持政策的特色，体现了政府保障生产者福利，促进生产稳定的政策初衷。在2012年5月和2015年11月两版《缓解生猪市场价格周期性波动调控预案》中，依据生猪生产盈亏平衡的实际情况，对储备触发的条件，目标调控区间作了修改。在2012年版预案中，将政府投放储备的临界点调整为8.5∶1，收储临界点不变，猪粮比目标调控区间是6∶1～8.5∶1，辅助目标是能繁母猪月存栏量同比变化率在-5%～5%。2015年版预案提高了储备吞吐措施启动的门槛，收储节点是5∶1，放储节点是9∶1，此举表明，政府希望更大程度发挥市场自身的调节机制。

为了实现储备调控市场的目标，我国的猪肉储备量也有明显的增长。2007年5月以前，中央猪肉储备共12万t，其中冻肉和活体储备各6万t[13]。2008年温家宝总理亲自批复新建11座万t级中央直属储备肉冷库，随着这些直属储备库的投入使用，增强了中央调控市场的能力。据不完全统计，2009年以后冻猪肉收储量大部分年份在15～18万t，少数年份在10～12万t。按照2015年版预案的规定，中央正常冻猪肉储备规模保持1万t，冻猪肉收储的最高量可达25万t。根据国务院办公厅于2011年7月发布的《关于促进生猪生产平稳健康持续发展防止市场供应和价格大幅波动的通知》，目前“主销区和沿海大中城市地方猪肉储备规模不低于当地居民10 d消费量，其他城市不低于当地居民7 d消费量”。按城镇人口7 d消费量估算，2014年末城镇常住人口74 916万人，地方储备肉规模将超过50 万 t。

2 储备政策实施以来的生猪价格波动情况

根据2009年版预案的规定，国家发改委每周提供生猪出场价格和玉米批发价格，并授权中国政府网发布相关信息。本文以2009年1月至2017年8月的生猪出场价格、玉米批发价格和猪粮比数据为观察对象，考察政策实施以来的生猪价格和猪粮比变化趋势（图1）。数据来源于中国政府网。

根据政策发布的时间，将观察期分为三段。第1段是2009年1月至2012年5月，第2段是2012年6月至2015年11月，第3段是2015年12月至今（图1）。玉米价格相对稳定，所以生猪价格和猪粮比的波动基本保持同步。各阶段的生猪价格和猪粮比的描述统计见表1。在阶段2中，生猪价格的变异系数较阶段1明显下降，也就是说，生猪价格的波动在阶段2有一定程度的缓解。政府通过收窄储备调控区间，增加政府干预的触发频率，增强了储备调控的政策效果。这类似于Bigman[14]对目标价格带调控政策的论断，即当价格区间收窄时，价格的稳定性将提高，如果不存在储备量限制，该政策的效果堪比完全价格稳定政策。猪粮比也表现出相同的趋势。

图1 2009年1月-2017年8月生猪价格、玉米价格和猪粮比变化趋势Fig. 1 Hog Prices, Corn Prices and Hog to Corn Price Ratios (PRHG): 2009-2017

表1 各时间段生猪价格和猪粮比的描述统计Table 1 Descriptive statistics of hog price and price ratio of hog to grain (PRHG) in each period

当政府按照设定的猪粮比上下限干预市场时，预期猪粮比将在预设区间内围绕中值波动。但是，无论是阶段1还是阶段2，猪粮比都没有更多地集中在调控区间的中值附近。阶段1中，猪粮比在调控下限附近的概率达到39.24%，而在调控中值附近的概率为33.54%。同样，阶段2中猪粮比在调控下限附近的概率达到49.45%，而在调控中值附近的概率仅为24.17%。阶段3仅有82期观察值，其中53期观察值都超过了目标调控上限。这一现象与理性预期模型对目标价格带控制政策的判断非常类似，价格并不如直觉判断那样在价格带内部变动，反而是不断冲击上下限[15-16]。

已有研究中时序样本一般至2012年底[4-5]。本文分别计算了2009年1月至2012年12月和2009年1月至2017年8月的生猪价格和猪粮比的变异系数，当观察期截止至2012年12月时，生猪价格和猪粮比的变异系数分别为20.07%和14.11%；当包含全部时期时，生猪价格和猪粮比的变异系数分别为17.91%和21.02%（表1）。所以，基于时间序列数据的实证研究结果容易受到样本选择范围的影响。

3 研究方法

正如前文的分析，理性预期模型对目标价格带调控政策的效果判断与我国猪粮比的变化有相当的契合度，这为本文应用该模型模拟储备干预方案变化提供了现实证据。模拟研究通过设定现实情境，排除了其他因素的干扰，同时不受样本数量的限制，将弥补实证研究的缺憾。在此将简要介绍理性预期库存模型的设定，并根据中国生猪和猪肉市场的特征及政策实践对模型进行校准。

3.1 模型

理性预期库存模型的核心是对消费者、生产者、私人储备者和政府行为的描述。生产者、私人储备者都以极大化长期收益为目标来选择各期的最优产量和库存量，私人储备者满足套利原则，生产者按照边际成本等于边际收益的原则计划生产。政府依据储备触发的条件干预市场，受限于储备规模。市场出清条件将决定当期市场价格。模型由公式（1）～（5）组成：

式中：St表示私人库存量，Pt+1为t+1期价格，Pt为t期价格，Et(Pt+1)为t期根据可获得的信息对t+1期价格的预期。β为折现系数。k为储存的成本。“⊥”表示两个不等式必须同时满足，同时其中至少一个不等式取等。

式中：Ht为生产者计划产量，Ψ(Ht)是生产Ht的成本，假定边际成本Ψ '(Ht)=hHtμ，h是生产中的规模效应，μ是供给弹性的倒数。εt代表产量波动过程，外生于生产者决策。

式中：SGIt为政府收储量，SGmax表示政府最大储备量，SGt-1为政府t-1期的储备存量。PF是政府设定的调控标的商品的价格下限。当市场价格低于PF时，政府收储，目标是实现将价格维持在价格下限，但是受到最大储备量的限制。

式中：SGDt为政府放储量，PC是政府设定的调控标的商品的价格上限。当市场价格高于PC时，政府放储，目标是实现将价格维持在价格上限，但是受到上期政府储备存量的限制。

式中：D(Pt)是消费者t期的消费量。假定消费者需求具有不变的需求价格弹性α，并表示为D(P)=γPα，其中γ为需求中的规模效应。市场出清时决定市场价格Pt。公式的左边为市场供给，由生产者本期实际供给和私人储备者上期库存之和表示。公式的右边为市场需求，由消费者本期需求、私人储备者本期库存和政府储备的净增量之和表示。

前后时期私人市场的可获得性At的状态方程表示为：

政府储备SGt的状态转移方程表示为：

综上，理性预期库存模型的核心方程组由定义5 个控制变量 {St，Ht，SGIt，SGDt，Pt} 和 2 个状态变量{At，SGt}的公式构成，分别对应5个均衡方程（1）、（2）、（3）、（4）、（5）和2个状态转移方程（6）和（7）。就此，政府的储备干预被内化到生产者和私人储备者的决策中，市场均衡价格也是政府干预的结果。模型构建和具体推导请参阅Gouel[12]研究及附录部分。借助数学逼近的方法，可以直接求解该理性预期模型，获得在各种生产波动状态下核心控制变量的值。

进一步，将跨期的政府政策总成本GCt用递归方程的形式表示为：

其含义是政策总成本为当期政策成本和未来时期政策总成本的折现之和，当期的政策成本由政府轮转储备的收益（损失）和储存的物理成本之和表示。这种将跨期总成本转化为递归方程的方法是求解无限数加总的常规方法，被广泛应用于求解理性预期模型。将公式（8）也加入核心方程组，政策成本可一并求解。

上述计算过程均可在MATLAB软件的RECS工具包中实现[17]。

3.2 校准

理性预期库存模型代表的是稳定的均衡状态，但是响应的数据并不是稳定的。为了校准模型，首先必须预设均衡状态。基于政策的目标是长期供需平衡，价格保持稳定，所以产量和消费量在均衡状态下应相等。由于居民调查的消费数据仅含户内消费，不足以体现真实的需求情况，所以选择产量作为观察值，以2010年以来季度产量的均值作为稳态下的产量，也是消费量。而长期价格稳定，意味着私人储备商不存在套利机会，所以，私人库存在稳态下的设定值为0。那么，长期的可获得量也同产量和消费量相当。为了简化分析，不考虑猪肉的进出口情况。按消费价格指数对月度生猪价格进行平减，以2009年1月为基期，2009年1月至2016年3月生猪均价为12.82元/kg，以此作为生猪长期均衡价格的替代。当市场实现长期均衡时，政府无需调节储备，设定政府储备保持中央常备储备和地方储备，共计50万t（表2）。当中央冻肉储备达最高量25万t时，达到政府最大储备量75万t。

表2 模型校准Table 2 Model calibration

现有资料并未统计冻猪肉的贮存成本，根据2010年全国重点企业物流统计调查数据，农副食品加工业仓储成本占12.7%，因此设定生猪价格的12.7%，即1.63元/kg作为产品的储存成本。根据当前1年期贷款利率水平，按复利计算季度利率水平约为2%，并以此计算折现系数。对猪肉需求价格弹性和生猪供给弹性的设定，我们依据的是食品与农业政策研究中心（Food and Agricultural Policy Research Institute, FAPRI）弹性数据库中对中国市场的分析，猪肉的需求弹性为-0.3，生猪的供给弹性为0.4（表2）。供给的规模参数根据预设的稳态代入公式（2）计算得出，需求的规模参数根据预设的稳态代入公式（5）计算得出。

我国猪肉储备政策的触发指标是猪粮比，而非生猪价格。考虑到玉米价格相对稳定，生猪价格和猪粮比有非常高的相关度，所以将政策中对猪粮比的设定转化为生猪价格。以2009年1月为基期，2009年1月—2016年3月玉米均价为2.03元/kg。2012年版政策对应的生猪价格上下限分别为17.26元/kg和12.18元/kg；2015年版政策对应的生猪价格上下限分别为18.27元/kg和10.15元/kg（表2）。

产量、价格和消费价格指数数据来源于国家统计局进度数据库。数据库中有消费价格指数的月度数据，月度生猪价格和玉米价格的数据仅报告至2016年3月，之后由于统计口径调整没有数据。所以，本文计算生猪和玉米月度均价时对应的时间区间是2009年1月至2016年3月。

通过随机模拟的方式模拟200期的价格走势1 000次，从而产生渐近的分布。以稳定状态下的产量和政府储备量作为初始产量和初始储备量。后文的模拟如无特别说明，均采用相同的设定。由于政府初始储备的成本为常值，不影响本文对不同政策情境下政策成本的比较，所以，本文报告的政策成本不包含储备初始成本。

4 结果与分析

4.1 政策变化下生猪价格和政策绩效的对比分析

模拟无干预状态、2012年版政策和2015年版政策情境下的生猪价格走势，模拟结果描述统计见表3。在理性预期的条件下，从长期来看储备干预并不会改变生猪价格的平均水平，但是，政策的效力体现在对价格波动的控制上。当存在储备调控政策时，生猪价格的变异系数下降了，从降幅来看，2012年版政策平抑价格波动的效果强于2015年版政策，这是由于2015年版政策调高了政府储备干预的门槛，政府对市场的影响被弱化了。2012年版政策的效力还体现在生猪价格峰谷值之间的差距明显降低了。

表3 模拟生猪价格的统计分析和政策绩效Table 3 Descriptive statistics of simulated hog price and policy performance

在2012年版政策的作用下，生猪价格在均衡价格附近的概率较无干预状态低6.11个百分点，也就是说，执行储备干预不利于发挥生猪市场自身的稳定机制，没有促进生猪价格收敛于平均价格附近。另外，低于价格下限的概率达到41.66%（表3），这与设定的价格下限与均衡价格较为接近密切相关，政府将频繁地使用储备工具，导致政策成本巨大。2015年版政策也在一定程度上影响了市场的内在稳定机制，但由于设定的下限较低，政府干预减少，低于下限的概率显著降低，同时政策成本节约99.80亿元。当然，由于存在储备规模的限制，正如Jha和Srinivasan[18]的研究指出，价格仍然很有可能突破价格上限。

总体来看，2015年版政策的调整将有利于发挥市场的功能，同时，降低政策成本的效果明显，代表了政策完善的方向。

4.2 调整储备规模对政策绩效和成本的影响

以往的研究认为储备干预不能发挥作用的原因之一是储备总量不足，结构不合理[19-21]。从我国储备量调整的路径看，政府希望通过增加储备量，特别是冻肉储备，来增强政策效果。Brennan[9]针对孟加拉水稻市场限价政策的模拟分析证明，虽然增大储备规模能够使价格的变异系数下降，降低价格超上限的概率，但是，政策成本也将显著上升。所以，政府需要在平抑价格波动和政策成本之间权衡。

以当前的储备规模为基准，本文模拟了最大储备量降至50万t和增至100万t两种情境下的政策绩效。当模拟最大储备规模降至50万t时，设定初始储备量为25万t，确保政策运行初期政府既可以选择放储，也可以选择收储。政策平抑价格波动的效果随最大储备量的提高而增强，但是，影响的程度非常有限。当最大储备量下降时，政府对市场的干预能力减弱，有68.35%的样本在均衡价格附近（表4），接近无干预的市场状态。与Brennan的研究结果不同的是，储备规模的调整对政策成本的影响并不大。这是因为价格超过目标区间的概率较小，也就是说储备处于满负荷或者无储可放的情形较少发生，所以，储存成本是储备平稳运行时的主要成本。在已有研究中，储存成本仅占大宗粮食产品价值的2%～6%[9,12,22]，而本文设定的储存成本占12.7%，必然进一步增加储存成本在总政策成本中的比重，导致调整最大储备规模对政策成本的影响微弱。为验证上述判断，重新设定储存成本来计算政策成本。当储存成本下降一半时，政策总成本将节约53.64亿元。

4.3 改变储备触发条件的影响

储备政策调控的核心是改变供求关系。基于生产者以上期价格决定产量的假设，Athanasiou等[23]证明在储备足量的情况下，维持均衡水平的供给能够实现价格回归长期均衡。应用该理论，宋一君[24]将粮食储备调控的触发条件修改为供需差距超过可接受的区间（供需差距不超过1.5%），然后模拟了政策绩效。与针对价格的调控政策相比，直接针对供求情况的政府干预能够更好地达到价格稳定的目标，实现供求的长期均衡，因为这样的调控不会改变生产者的预期，价格信号能够传递真实的市场供求关系，市场自发的稳定机制起决定性作用。但是，上述研究对私人储备的作用估计不足。宋一君[24]的研究中虽然涉及私人储备，但将私人储备的行为与政府储备合并，实质上是忽略了私人储备的逐利属性和政府储备的公益属性的区别。

表4 储备规模调整的政策模拟对比Table 4 Comparison of policy scenarios with different reserve capacity

根据本文对无干预状态的模拟结果，在理性预期的条件下，私人储备弥补了实际供需的差距，私人市场的可获得性与当期的市场需求之间的差距非常小，不会出现供需差距超过1.5%的情况，换言之，不需要政府储备来调节市场余缺。由此看来，只要让市场信息充分，发挥私人储备者的调节作用即可实现市场稳定，政府储备干预并不是必须的。那么，政府只须要留有少量储备，以应对超过预期的生产波动。政策导向应该是鼓励私人储备，对私人储备进行补贴。

4.4 供需弹性变化对政策绩效和成本的影响

消费者对农产品需求的价格弹性在下降；随着生猪生产规模化的发展，生产者的产能也趋于稳定，所以，供给弹性也在下降。在供需弹性双降的背景下，政府储备干预的效果和政策成本将如何变化呢？

一方面，当需求弹性下降时，当期的价格变化对消费量的影响小，供需不平衡的状况会减弱，政府对市场的干预会减少；另一方面，根据公式（5）和本文对需求函数的设定，同样的干预量在需求弹性下降时对市场价格的矫正作用也会下降。当需求弹性下降时，有77.12%的价格观察值在均衡价格附近（表5），市场自发的力量可以使价格更多地集中在均衡价格附近。但是，价格在目标区间之外的概率增大，导致价格的变异系数增大。政策成本显著增长至159.78亿元，验证了政府的调控能力下降，为实现相同的调控效果需要投入更多的成本。

表5 供求弹性变化下的政策模拟对比Table 5 Comparison of policy scenarios with different supply elasticities and demand elasticities

当供给弹性下降时，生产趋于稳定，市场自身的稳定性增强，政府干预也会减少。但是，政府干预对当期市场价格的矫正作用并不受供给弹性的影响，所以，价格的变异系数基本稳定。政策成本降低了18.63亿元，可能的原因是政府干预减少带来的政策成本节约，另外，超过上限的概率略微增大，节约了储存成本。

如果政府干预减少能够带来政策成本的节约，在需求弹性下降的情况下反而出现政策成本上升的现象，这是因为现行政策对生猪价格上下限的设定并不是以长期均衡价格为中心，而是下限更靠近均衡价格，这无疑增加了政府干预的可能，从而使政策成本的变化难以预期。为验证上述判断，本文按长期均衡价格12.82元/kg上下浮动30%设定价格上下限，即上限16.67元/kg，下限8.97元/kg进行模拟，则基准条件下的政策成本为103.93亿元，需求弹性下降的情况下，政策成本会降为57.40亿元；供给弹性下降的情况下，政策成本会降为87.98亿元。由此可见，调控区间的设置直接影响了政府干预成本。

5 结论与政策启示

5.1 结论

本文基于理性预期库存模型对比评估2012年版和2015年版储备调控方案的稳定价格效果及政策成本，研究结果表明，与2012年版相比，通过提高储备干预的门槛，2015年版政策能够更好地发挥市场自身的调节作用，显著降低政策成本，代表了政策完善的方向。

进一步研究发现，在平抑价格波动的效果和政策成本的双重考量下，政府并不需要继续增加储备规模，降低政策成本的关键在于降低储存费用。同时，在猪肉需求弹性下降的背景下，储备干预平抑价格波动的能力在减弱，在目前的调控区间设定下，有可能增加政策成本，因此，未来应充分发挥私人储备在弥补供需缺口和平抑价格波动的重要作用。

5.2 政策启示

政府应充分认识到储备干预可能改变市场主体的预期，造成实际政策效果与政策目标的偏离。政府针对价格的干预手段可能造成市场信号传递受阻，反而不利于稳定市场。为市场机制发挥作用创造有利条件，才是政府的重要职责。

有鉴于此，减少政府干预是储备政策调整的方向。具体而言，可以进一步降低收储的触发条件，适当减少储备规模，通过进出口调节方式来应对预期之外的供需失衡。提高市场透明度，促进信息充分有效地传播，是市场机制发挥作用的必要条件。政府应该在市场信息披露方面有更多作为，完善生猪及猪肉市场的监测预警体系，提高供需数据的真实性和时效性，增强市场主体对市场的预期能力。

同时，政府可以通过补贴、增加研发投入的方式对市场主体给予支持。例如，政府可以通过补贴，引导商业库存与国家储备相互配合，最大限度地发挥商业库存在调节供需关系中的作用，实现市场的稳定。政府还可以通过对生猪养殖者、私人储备者提供生产、储运等方面的技术支持，提高生产效率，降低损耗，节约成本，从根本上稳定供给。

[1] 朱满德. 中国粮食宏观调控的成效和问题及改革建议[J]. 农业现代化研究, 2011, 32(4): 390-394.Zhu M D. Effects, problems and reform proposals for China grain macro regulation-control[J].Research of Agricultural Modernization, 2011, 32(4): 390-394.

[2] 谭砚文, 杨重玉, 陈丁薇, 等. 中国粮食市场调控政策的实施绩效与评价[J]. 农业经济问题, 2014(5): 87-98, 112.Tan Y W, Yang C Y, Chen D W, et al. Performance achievements and evaluation of China’s grain market regulation and control policy[J]. Issues in Agricultural Economy, 2014(5): 87-98, 112.

[3] 贾娟琪, 李先德, 王士海. 中国主粮价格支持政策效应分析——基于产销区省级面板数据[J]. 农业现代化研究, 2016,37(4): 680-686.Jia J Q, Li X D, Wang S H. Analysis of price support policy for staple grain in China: Based on provincial-level panel data in producing and consuming regions[J]. Research of Agricultural Modernization, 2016, 37(4): 680-686.

[4] 李圣军, 孔祥智. 政府储备调控对猪肉价格的影响研究[J]. 中国物价, 2013(8): 70-73.Li S J, Kong X Z. Study on impact of reserve management on pork price[J]. China Price, 2013(8): 70-73.

[5] 全世文, 曾寅初, 毛学峰. 国家储备政策与非对称价格传导——基于对中国生猪价格调控政策的分析[J]. 南开经济研究, 2016(4): 136-152.Quan S W, Zeng Y C, Mao X F. National buffer stocks and asymmetric price transmission: Evidence from hog price control policy in China[J]. Nankai Economic Studies, 2016(4): 136-152.

[6] 潘方卉, 蔡玉秋. 猪肉收储政策效果的实证检验[J]. 统计与决策, 2017(9): 97-100.Pan F H, Cai Y Q. Empirical tests on the effect of pork reserve policy[J]. Statistics and Decision, 2017(9): 97-100.

[7] 张立中, 刘倩倩, 辛国昌. 我国生猪价格波动与调控对策研究[J]. 经济问题探索, 2013(11): 117-122.Zhang L Z, Liu Q Q, Xin G C. Hog price volatility and regulation policy[J]. Inquiry into Economic Issues, 2013(11): 117-122.

[8] Cafiero C, Bobenrieth E S A, Bobenrieth J R A, et al. The empirical relevance of the competitive storage model[J]. Journal of Econometrics, 2011, 162(1): 44-54.

[9] Brennan D. Price dynamics in the Bangladesh rice market:Implications for public intervention[J]. Agricultural Economics,2003, 29(1): 15-25.

[10] Larson D F, Lampietti J, Gouel C, et al. Food security and storage in the Middle East and North Africa[J]. Social Science Electronic Publishing, 2012, 28(1): 48-73.

[11] Gouel C, Gautam M, Martin W J. Managing food price volatility in a large open country: The case of wheat in India[J]. Oxford Economic Papers, 2016, 68(3): 811-835.

[12] Gouel C. Rules versus discretion in food storage policies[J].American Journal of Agricultural Economics, 2013, 95(4): 1029-1044.

[13] 辛国昌. 畜产品价格调控机制研究——以生猪生产为例[D].内蒙古: 内蒙古农业大学, 2013.Xin G C. A study on the price regulation mechanism of livestock productions: Pig production as an example[D]. Inner Mongolia:Inner Mongolia Agricultural University, 2013.

[14] Bigman D. Stabilization and welfare with trade, variable levies and internal price policies[J]. European Review of Agricultural Economics, 1980, 7(2): 185-202.

[15] Williams J C, Wright B D. Storage and Commodity Markets[M].New York: Cambridge University Press, 1991.

[16] Wright B D. International grain reserves and other instruments to address volatility in grain markets[J]. World Bank Research Observer, 2012, 27(2): 222-260.

[17] Gouel C. RECS: Matlab solver for rational expectations models with complementarity equations[CP]. (2012-01-08). https://github.com/christophe-gouel/RECS.

[18] Jha S, Srinivasan P V. Grain price stabilization in India: Evaluation of policy alternatives[J]. Agricultural economics, 1999, 21(1): 93-108.

[19] 王彦炯. 我国猪肉价格波动及政策调控研究[D]. 北京: 中国农业科学院, 2010.Wang Y J. Research on fluctuation and regulation policy of pork price in China[D]. Beijing: Chinese Academy of Agricultural Sciences, 2010.

[20] 周清杰, 李明义. 猪肉市场的交错性失衡与国家储备肉制度[J].北京工商大学学报(社会科学版), 2009, 24(3): 12-17.Zhou Q J, Li M Y. Staggered disequilibrium in pork market and state reserve meat system[J]. Journal of Beijing Technology and Business University (Social Science Edition), 2009, 24(3): 12-17.

[21] 张喜才, 张利庠, 卞秋实. 外部冲击对生猪产业链价格波动的影响及调控机制研究[J]. 农业技术经济, 2012(7): 22-31．Zhang X C, Zhang L Y, Bian Q S. External shocks impact on the price fluctuations in the pig industry chain and the regulatory mechanism[J]. Journal of Agrotechnical Economics, 2012(7): 22-31.

[22] Brennan D. Peak load Problems in the Australian grain distribution industry: An economic analysis[D]. Perth: University of Western Australia, 1994.

[23] Athanasiou G, Karafyllis I, Kotsios S. Price stabilization using buffer stocks[J]. Journal of Economic Dynamics and Control,2008, 32(4): 1212-1235.

[24] 宋一君. 库存变化与粮食价格波动关系研究[D].南京: 南京农业大学, 2009.Song Y J. Study on relations between storage variety and grain price instabilization[D]. Nanjing: Nanjing Agricultural University,2009.