粮食安全视角下我国小麦进口量波动趋势预测研究

琚锐佳 李逸波 朱文荟

摘 要：当前，受到新冠疫情、自然灾害等多方面因素的影响，我国粮食安全不稳定性增加，小麦进口呈现新形势。现阶段，我国小麦进口量呈现明显上升趋势，增加了我国粮食安全风险，因此，需要对其下一阶段进口波动趋势进行预测研究，进而及时调整化解风险。该文从进口数量、进口来源国家、贸易逆差等方面分析了小麦进口特征，并利用中国海关总署公布的2019年01月至2021月12日我国小麦进口量月度数据，建立了ARIMA模型，对小麦未来半年进口趋势进行预测。结果表明：我国下一阶段小麦进口将继续保持上升态势;我国小麦进口来源依赖度比较高，粮食安全风险增加;小麦生产成本需进一步控制。因此，要依靠科技进步，强化供给结构调整;警惕进口风险，分散小麦进口市场;实行适度规模化经营，降低小麦生产成本。

关键词：小麦进口;趋势预测;ARIMA模型

中图分类号 S512.1 文献标识码 A 文章编号 1007-7731（2022）10-0027-04

Prediction of Wheat Import Fluctuation Trend in China from the Perspective of Food Security——Based on Arima Prediction Model

JU Ruijia   LI Yibo   ZHU Wenhui

（College of Economics and Management， Agricultural University of Hebei，Baoding 071000， China）

Abstract： At present， under the influence of COVID-19， natural disasters and other aspects， food security instability is increasing， and food import is in a new development situation. At present， China′s wheat import volume shows an obvious upward trend， so it is of practical significance to forecast the fluctuation trend of its import in the next stage. This paper analyzes the current situation of wheat import from the import quantity， import source countries， trade deficit and other aspects， the ARIMA model is established based on the monthly wheat import data from January 2019 to December 2021 released by the General Administration of Customs of China to forecast the wheat import trend in the next six months. The result showed that China′s wheat import will continue to rise in the next stage， China′s wheat import source dependence is relatively high， food security risk increased; Wheat costs need to be further controlled. Therefore， we must put forward to improve the minimum purchase price policy of wheat and enhance farmers' enthusiasm for planting grain.， guard against import risk and disperse wheat import market， implement system scale management， reduce wheat production cost.

Key words： Wheat import; Trend forecast; ARIMA model

1 引言

2022年中央一號文件指出，要牢牢守住保障国家粮食安全底线。小麦是我国重要的粮食品类，小麦口粮消费在中国口粮消费总量中的占比约为35%左右，对我国粮食安全具有重要影响。目前，我国小麦自给率可达95%以上，但仍需要进口来满足国内需求。近期，由于国际国内环境变化明显，小麦进口量增长趋势明显，2019年我国小麦进口量为349t，2020年为838t，2021年为977t，进口量的激增对我国粮食安全带来了不利影响。国际上，由于新冠疫情传播范围扩大、贸易不确定性不稳定、经济形势下行等原因，小麦在国际市场上的热度上升;国内，受到我疫情导致民众屯粮行为等的影响，小麦需求量增长。基于这样的环境变化，在粮食安全视角下，国家为促进小麦产业发展，从各个方面出台了相关政策，以期提高小麦生产水平，保障小麦自给率。但中国对小麦的需求强劲，现有水平仍存在供给缺口，需要进口小麦缓解国内部分供给压力。因此，对小麦后续阶段的进口趋势进行定量精准预测，对于我国小麦进口、生产政策制定具有重要的现实意义。

当前，学者们对小麦进口贸易相关重要问题已进行了研究并取得一定研究成果。部分学者通过定性研究，对小麦进口贸易趋势进行预测，如钟志平[1]指出国内外小麦价额差导致我国小麦贸易逆差明显扩大;李喜贵[2]从供需角度对小麦需求进行预测;刘平[3]从生产成本、最低粮食收购价格、科技创新水平及物流运输等多角度分析影响小麦进口贸易的主要原因;王新华[4]则从国际、国内2个角度对我国小麦进口贸易提出对策。在小麦进口定量预测方面，庞碧云[5]对小麦2019、2020年供需进行预测，但是在新的背景之下，对小麦进口数据进行定量精准预测，仍具有重要现实意义。

以上研究大多是从定性角度对小麦进口进行的分析及预测，为后续研究奠定了重要基础。但是当前国内外环境变化较大，小麦进口形势变化较大，而近期用定量方法分析小麦进口数量的相关研究较少。为此，本文采用定量预测方法对小麦在当前阶段的进口数量进行科学预测，以期为解决我国小麦进口相关问题提供参考。

2 研究方法与数据来源

2.1 研究方法 在方法选择上，目前国内用于粮食产量预测的方法主要有无偏灰色马尔可夫模型、BP神经网络模型、多元线性回归模型、支持向量机、灰色GM（1，1）模型等，代表学者有尹邦华[6]、周永生[7]、王启平[8]、赵桂芝等[9]。本文根据小麦进口数据特点，选择ARIMA模型对小麦进口量进行短期预测。ARIMA模型是根据预测对象受其自身变化影响规律，结合自回归模型和滑动平均模型而建立的模型，是目前最常用的拟合平稳序列的模型，简记为ARIMA（p，d，q）。

[Φ（B）∇dxt=Θ（B）εtEεt=0，Varεt=σ2ε，Eεsεt=0，s≠tEεsεt=0， 任意 s<t]

2.2 数据来源 本文采用2019年1月至2021年12月我国小麦月度进口量，据此预测2022年1—6月份我国小麦进口量。所用数据来源于中国海关总署官方公布数据及网上信息资料收集所得。

3 我国小麦进口现状与特征

3.1 进口数量波动上升 根据中国海关总署官方公布数据及网上信息资料收集，2018—2021年小麦进口月度数据如图1所示。由图1可知，我国小麦进口呈现“周期性波动上升”趋势，小麦进口量的激增，主要受到国际国内环境变化的影响。国际上，受疫情影响，粮食价格猛增，当前是各国经济格局重新调整的关键时期，小麦是保障国家稳定的重要物资。同时，国际贸易、经济、政治不稳定性因素增加，更需要通过多渠道稳定国家粮食总量。国内，疫情导致民众恐慌情绪增加，屯粮现象明显，并且我国长期以来需要小麦作为工业用粮及饲料用粮，因此，小麦进口量在近期急剧上涨。

3.2 进口来源国家比较集中 2021年1—10月，在中国小麦进口来源中，美国占32%、加拿大占31%、澳大利亚占24%。这几个国家优质小麦产量高、总量大，是我国小麦进口主要的来源[4]，我国每年从这3个小麦主产国进口的小麦数量占我国每年进口小麦总量的90%左右。同时，这3个国家也是世界主要小麦出口国，其中美国小麦出口量占世界小麦出口量的25%[10]。

3.3 进出口贸易逆差逐年增加 由表1可知，在小麦贸易中，我国长期以进口为主，每年都处于出口量低于进口量的贸易逆差状态，从2010年到2020年贸易逆差逐年扩大，其中2020年贸易逆差尤为突出，达到819.9万t。

我国小麦出口远低于进口，贸易逆差较大，与我国小麦成本较高有关。成本较高导致我国小麦在国际小麦竞争市场处于劣势，小麦生产成本较高原因主要有以下3个：一是小麦种植人工成本较高。目前，我国大量农业劳动力职业分化，向非农转移，同时农业老龄化严重，造成小麦种植人工成本上升。二是土地流转价格较高，尤其是经济发达地区，土地流转价格极高，超过15000元/hm2。规模化经营是降低种植成本的重要途径，过高的土地流转价格阻碍了规模化经营的实现，使得小麦成本上升。三是化肥等物质投入的增加提高了物质费用，导致小麦生产成本增加，不利于小麦的安全生产。

4 我国小麦进出口量趋势预测

4.1 平稳性处理 对2019—2021年中国小麦月度进口量进行单位根检验，未通过检验，所以需要首先对序列去除趋势，然后差分将序列转化为平稳的时间序列。一阶差分后的中国小麦月度进口量时间序列的ADF检验结果平稳。

4.2 模型识别及定阶 在平稳化时间序列之后，本文利用AIC准则确定ARIMA模型的自回归阶数P和移动平均阶数q，在使用Eviews10.0软件计算后，得出最终AIC值最小的预测模型为ARIMA（2，1，2）。

4.3 参数估计及模型检验 通过对模型的识别与定阶，认为ARIMA（2，1，2）模型进行拟合效果最好，并通过最小二乘估计法对模型进行参数估计，其P值均小于0.05，通过检验。ARIMA（2，1，2）模型的最终估计结果为：

[Xt= ][0.834040Xt-1-0.404867Xt-2-1.644635Xt-1+]

[0.925117Xt-2+εt]

其次，对模型进行残差序列白噪声检验，即Q统计量检验，结果如图2。模型残差的自相关和偏自相关值都小于临界值，对应Q统计量的P值大于0.05，即接受原始假设，在5%的有效性水平下，表明模型可以较好地描述数据。

4.4 模型预测 数据通过检验后，以我国小麦进口数量2019—2021年月度數据为基础进行预测，并与实际值进行对比，其结果如图3所示。由图3可知，其基本趋势能够与现实情况进行拟合，在可接受范围内，证实了所建ARIMA（2，1，2）模型具有良好的可信度。据此，对2022年1—6月中国小麦进口趋势进行预测，在2022年1—6月我国小麦进口将继续上升态势。

5 结论与建议

5.1 结论

5.1.1 下一阶段小麦进口量将继续保持上升态势 从定量角度看，通过运用ARIMA模型对我国小麦进口量进行趋势预测，可以预测未来一段时间小麦进口量将继续呈现上涨趋势。同时，从当前小麦进口量现状来看，受国际国内环境变化，国内需求强劲等因素的影响，增长仍然是小麦进口的必然趋势。

5.1.2 小麦进口来源依赖度较高，粮食安全风险增加 美国、澳大利亚、加拿大作为世界小麦主要生产大国，优质小麦资源丰富，能够满足我国小麦进口的需求。但是，我国小麦常年从这3个国家进口，容易产生进口依赖性，从而对我国粮食安全产生影响。当前，国际形势复杂严峻，不稳定性因素增加，进口依赖性较高将会增加我国粮食安全风险。

5.1.3 小麦生产成本需进一步控制 由于人工成本上升、土地小麦生产成本过高、物质资料成本上升等原因，导致我国小麦生产成本较高。小麦生产成本较高导致我国小麦在国际市场处于劣势，同时，种植小麦成本高导致利润较少，不利于提高粮农种植小麦的积极性。因此，需要进一步控制小麦生产成本，以提升我国小麦国际市场竞争力，并提高小麦种植利润，增加粮农种植小麦的积极性。

5.2 建议

5.2.1 依靠科技进步提高小麦产量，强化供给结构调整 我国小麦种植面积处于世界前列，但是在单产方面依旧落后于美国、加拿大、澳大利亚等小麦生产先进国家。在未来小麦生产中，要借助科技进步[11]，从以下2个方面提升小麦生产能力：一是推动种业创新。相关科研单位加快优质小麦研发，加快新品种的推广;二是采用先进种植技术，进一步提高大型机械、智慧农业的应用水平，提高小麦产量。

5.2.2 警惕进口风险，分散小麦进口市场 目前，我国小麦进口来源依赖性已经显现，需警惕进口风险。我国应该实现小麦进口渠道多元化，多国家多方位进口小麦，保障我国小麦进口安全[12]。小麦在全世界范围内种植广泛，且分布范围较大，遍布各大洲及各个国家，小麦产量、品种都非常丰富。下一阶段，中国应进一步与更多国家开展小麦贸易往来，将小麦进口国家分散化，降低小麦进口来源依赖性，降低进口风险，保障我国粮食安全。

5.2.3 实行适度规模化经营，降低小麦生产成本 规模化经营是降低小麦生产成本的有效途径。首先，相较于目前我国普遍实行的分散且规模较小的小农户生产方式，规模化的粮食种植能够对土地利用实现最大化，为机械化生产提供条件，便于操作与管理。其次，规模化的生产可以减少单位土地面积劳动投入与购买投入，直接降低小麦生产成本。再次，规模化生产，能够为优质品种试验提供良好平台，推动优质小麦生产。

参考文献

[1]钟志平，许世卫，孙素华.2020年中国粮食供需分析及未来展望[J].农业展望，2021，17（08）：3-14.

[2]李喜贵.小麦市场供需平稳价格保持在合理区间[J].黑龙江粮食，2021（08）：23-24.

[3]刘平，方旖旎.中国小麦进口结构及竞争力比较研究[J].市场周刊，2021，34（08）：144-146.

[4]王新华，鲁艳，王锐，等.我国小麦进出口贸易发展现状、原因及对策[J].农业经济，2017（1）：114-116.

[5]庞碧玉，冯爱芬，曹振雪，等.中国粮食供需研究及预测——以小麦为例[J].河南科技学院学报（自然科学版），2020，48（03）：15-21.

[6]尹邦华，廖基定，黄朝强.改进灰色马尔可夫模型[J].南华大学学报（自然科学版），2019，33（1）：52-57

[7]周永生，肖玉欢，黄润生.基于多元线性回归的广西粮食产量预测[J].南方农业学报，2011，42（9）：1165-1167.

[8]王启平.BP神经网络在我国粮食产量预测中的应用[J].預测，2002，21（3）：79-80.

[9]赵桂芝，赵华洋，李理，等.基于混沌-SVM-PSO的粮食产量预测方法研究[J].中国农机化学报，2019，40（1）：179-183.

[10]何峰.新形势下我国小麦进口现状及趋势分析[J].食品研究与开发，2021，42（23）：225-226.

[11]尹士，李柏洲.中国区域技术有效供给能力评价及影响因素[J].中国科技论坛，2018（04）：128-137，147.

[12]郑国富.中国小麦进口贸易发展的格局演进与路径优化[J].农业展望，2020，16（01）：127-131.

（责编：张宏民）