大数据技术在猪肉价格预测与调控上的探索与应用

金语泽，贾昕为，赖望峰，周宏立，陈乃赫，李涛*

研究论文

大数据技术在猪肉价格预测与调控上的探索与应用

金语泽1，贾昕为2，赖望峰1，周宏立1，陈乃赫1，李涛2*

1.神州数码信息系统有限公司，北京 100080；2.农业农村部信息中心，北京 100125

我国是生猪养殖大国，也是猪肉消费大国。猪肉价格波动直接影响养猪户利益，也会对居民生活产生影响。预测未来猪肉价格走势，科学管控生猪市场价格，对推进我国生猪市场平稳健康运行具有重要现实意义。本文以全国生猪出场价格为研究对象，首先根据生猪生产的生物周期和生产的连续性特点，构建生猪出栏量、能繁母猪存栏量与猪肉产量三者之间的关系模型，预测出未来10个月的猪肉产量。再结合我国受猪肉消费习惯影响，致使猪肉需求量呈现明显季节性周期波动的特点，采用STL时间序列分解法，从猪肉交易数据中提炼出月度季节性波动趋势，预测月度猪肉需求量。基于定价模型中供需法则，使用最小二乘法约束法，构建猪肉供应量和需求量比与猪肉价格之间的关系模型，对未来10个月猪肉价格进行预测，并测算出猪肉供需均衡价格。本研究使用农业农村部重点农产品市场信息平台系统中2016至2022年猪肉相关数据，预测猪肉价格相对误差约10%。当预测的猪肉供应量与需求量比出现偏离时，猪肉价格将偏离供需均衡价格，模型能够通过调控能繁母猪存栏量、进口量和投放量来调节猪肉供应量，从而调控未来猪肉价格走势。本研究提供了通过调整影响猪肉供应量的核心因素来调节未来猪肉价格走势的思路和方法，旨在科学预测猪肉供需量及未来价格走势，协助政府相关部门合理及时调控猪肉供给，促进各时刻的猪肉供需均衡，猪肉价格稳定在供需均衡的合理区间。

供应量预测；需求量预测；供需均衡；猪肉价格预测与调控

1 引言

我国是生猪养殖大国，生猪养殖占全球生猪总养殖量的56.6%[1]。我国也是猪肉消费大国，根据美国农业部，2022年预计中国猪肉消费量4841万吨，在全球猪肉消费中占比47%，位列全球第一。在中国肉类生产结构中，猪肉占比保持在40%左右，位列动物性蛋白消费品种之首[2]。生猪产业的发展满足居民对猪肉及其产品的营养需求的同时，也为养猪户增收、就业、以及相关产业的发展等做出重要贡献。生猪产业的健康发展更关系到食品安全、社会稳定以及国民经济的协调发展。

近年来，猪肉价格频繁波动，生猪价格的波动直接关系到养猪户的利益，对普通居民的生活也产生一定影响。科学管控生猪畜牧产品市场价格是农业宏观管理的核心问题之一，对推进我国生猪市场平稳健康运行具有重要现实意义。开展猪肉价格趋势的分析与研究，预测猪肉供需量及未来猪肉价格走势，对科学指导生产布局，稳定猪肉价格有效供应，促进生猪产业结构调整，稳定物价等都具有重要的意义。

围绕对农产品价格预测，多年来国内外开展了广泛的研究与探索。目前主要的预测方法有计量经济预测法、数理统计预测法、智能模型法和组合预测法。计量经济预测法侧重于分析经济现象中因果关系，最常用的方法是回归分析法。马孝斌[3]等人选择了6个影响生猪价格的关键影响因素进行关联分析，建立影响因素与生猪价格之间的向量自回归模型，从而对某个时期的生猪价格进行预测。实际情况下，影响猪肉价格波动的影响因素有很多，数据收集存在困难，且不同因素对价格的影响程度、影响时间不一相同，这些都对价格预测工作带来了很多不便。数理统计预测法中，较为广泛的应用是时间序列预测法。La Via[4]等人构建ARIMA模型（ARIMA，Autoregressive Integrated Moving Average model，即差分整合移动平均自回归模型）对西西里6种不同蔬菜的价格进行预测。时间序列预测模型主要是根据历史数据的规律和特点建模，预测未来趋势。此类模型在线性时间序列中具有良好的预测效果。近年来人工智能技术的快速发展，智能模型法也被学者们广泛应用于农产品价格预测中。楼文高[5]等人使用GRNN神经网络（GRNN，General Regression Neural Network，即广义回归神经网络）对上海日频度生猪价格进行建模，发现GRNN网络相较下具有较好的鲁棒性和预测精度。目前主流的智能模型法需要大量样本进行训练，如果训练样本不足，会导致预测拟合度差、精度低等问题[6]。组合预测法能够融合各单一预测模型的优势，表现出更好的预测精度。任青山[7]等人提出了一种基于BP神经网络模型和多元回归分析模型结合的方法，预测精度比单一模型要高。组合法预测精度要高于其他方法，但它要求各子模型的学习目标一致，使用场景有局限性。

从以往研究来看，学者们针对某一时期的猪肉价格预测研究较多，但从长期猪肉供需均衡角度出发，展开对猪肉供需情况和价格走势的预测较少。现有研究难以从猪肉的供应和需求情况出发，提供猪肉供需预测量，并基于供需量给出价格走势预测，为政府决策宏观调控政策提供指导。

为此，本文以全国生猪出场价格为研究对象，对猪肉供需均衡理论的方法和模型进行研究，运用统计学、计量经济学等方法对猪肉供需量和未来10个月全国生猪出场价格走势进行预测分析。同时，本研究提供了通过调整影响猪肉供应量的核心因素，调节未来猪肉价格走势的思路和方法，可协助政府相关部门及时合理调控猪肉供给，促进各时刻的猪肉供需均衡，平抑猪肉供给和价格波动，保证生猪产业再生产顺利进行。

2 研究内容

本文核心研究内容为构建猪肉供需均衡价格预测调控模型，预测未来中短期猪肉价格走势。为构建猪肉供需均衡价格预测调控模型，首先需要开展猪肉供应量预测。我国猪肉供应量主要来源于国内猪肉产量，还有小部分来自政府投放和国外进口[8]。针对主要供应，本文通过构建猪肉供应量预测模型，预测未来国内猪肉产量。针对其他供应，投放量、进口量均属于政府调控因素，难以提前预测。在本研究中，其他供应仅作为调控猪肉价格走势的因素来使用。其次，需要开展猪肉需求量预测。基于猪肉农贸市场交易量的历史数据，构建猪肉需求量预测模型，预测未来月度猪肉需求量走势。基于定价模型中供需法则，构建猪肉供需均衡价格预测调控模型，将预测的猪肉供应量和需求量作为输入，预测未来近10个月的猪肉价格走势。研究思路如图1所示。

图1 研究思路图

3 数据来源

本文实验数据来自农业农村部重点农产品市场信息平台系统中猪肉相关数据。依据数据可获得性和连续性的原则，所选数据明细如下表1所示。

4 模型构建与实践

4.1 猪肉供应量预测模型

4.1.1 构建模型

构建猪肉供给量预测模型是本文基础研究目标之一。影响猪肉供给量的因素有很多，例如国家政策、生产成本、疫病疫情等，这些因素对猪肉供给都有很大影响。然而，无论各类因素如何影响，生猪生产都有内在的规律性。能繁母猪是生猪生产和市场供应的“总开关”[9]，能繁母猪存栏量的增减直接影响10个月后的生猪供给[10]，也就是说，前期能繁母猪存栏量是决定猪肉供给量的最根本因素。笔者通过定量分析能繁母猪和下期猪肉产量之间的关系来构建猪肉供给量预测模型，该模型是猪肉供应量预测和调控的基础，预测和调控未来中短期猪肉供给量。

结合生猪生产的生物性周期和生产的连续性，生猪不同生长阶段之间存在一定的数量依赖关系。即猪肉供给量由本期生猪出栏量决定，生猪出栏量由前期生猪存栏量决定，生猪存栏量由前期能繁母猪存栏量决定，生长阶段转换关系见下图所示。那么，构建生猪出栏量、能繁母猪存栏量与猪肉产量三者之间的关系模型，实现按月份的中短期预测猪肉产量功能。

表1 所选数据明细

图2 生猪生长阶段转换关系图

生猪出栏量影响当期猪肉产量，能繁母猪存栏量影响未来10个月后的生猪出栏量。首先，本文构建生猪出栏量与猪肉产量之间的关系模型。分析生猪出栏量与猪肉产量之间相关性，生猪出栏量与猪肉产量具备较大相关性。计算两者皮尔逊相关性系数为0.99，且值小于0.0001，见公式1。因此，生猪出栏量与猪肉产量相关程度属于极度相关[11]。

其中，表示在m月的猪肉产量，单位是万吨。表示在m月的生猪出栏量，单位是万头。m表示月份，=1,2,…。(S)表示月度猪肉产量与月度生猪出栏量之间的皮尔逊相关性系数。建立生猪出栏量与猪肉产量之间线性回归模型，见公式2。

=×+β (2)

其中，表示出肉均重，即一头出栏猪能产出的猪肉量，单位是吨/头。表示固定参数。根据历史数据拟合结果得，=0.0781，=0.000。计算结果可得，一头出栏猪约产出78.1千克猪肉。

能繁母猪存栏量主要由每年每头母猪出栏生猪的头数（简称）和生猪出栏量决定，由此猪群周转规律，构建能繁母猪存栏量与生猪出栏量之间的关系模型。

年度能繁母猪存栏量与年度生猪出栏量之间关系，如下式所示。

=MSY×(3)

月度能繁母猪存栏量与月度生猪出栏量之间关系，如下式所示。

=-10×MSY-10×-10(4)

=×MSY(5)

由公式4和5，推导下述公式6，

=-10×-10(6)

由公式3和6，推导下述公式7，

其中，表示y年的生猪出栏量。MSY表示y年的每头母猪出栏生猪的头数。表示y年的能繁母猪存栏量。表示在m月的生猪妊娠率。表示在m月的生猪生产率。MSY表示在m月的每头母猪出栏生猪的头数。表示在m月的能繁母猪存栏量。

由公式2和公式6可推导出猪肉产量与能繁母猪存栏量关系模型，如公式8所示。

=0.0781×-10×-10(8)

4.1.2 预测未来月度猪肉产量

根据推算得到的历史月度猪肉产量和月度能繁母猪存栏量，使用公式8计算月度生产率。

计算结果发现，每年月度生产率变化趋势趋近相同，但月度生产率大小有差异。因此，本文中使用月平均生产率趋势来推算未来生产率。

结合上述数据分析结论，未来月度生产率由月平均生产率趋势和年总生产率决定。公式7可计算以上一年的年总生产率，即上一年的年。

+1,t=×MSY(12)

其中，+1,t表示在+1年月的预测生产率。年度也可由农产品经济学专家根据当下猪肉产业链的情况设定或调整。

使用上述公式计算的月生产率趋势、年总生产率、推算的2020年3月—2021年2月的月度能繁母猪存栏量，预测2021年1月—12月的月度猪肉产量。预测结果如表2所示。

表2 预测2021年猪肉产量（万吨）

4.2 猪肉需求量预测模型

4.2.1 构建模型

构建猪肉需求量预测模型是本研究另一项基础研究目标。我国猪肉消费习惯导致了猪肉需求量呈现明显的季节性周期波动[12]，比如每逢端午、中秋、春节等重大传统节日、寒冷季节猪肉月需求量均出现明显增加。因此，本次采用季节周期预测法，对月度猪肉需求量趋势进行预测。

本文中使用农贸市场日度猪肉交易量数据，计算猪肉月度交易量。从多年来的月交易量时序中，提取季度波动规律，将其作为猪肉月度需求量波动趋势。采用STL时间序列分解法（STL，Seasonal and Trend decomposition using Loess，即以鲁棒局部加权回归作为平滑方法的时间序列分解方法）[13]，从交易数据中分解出猪肉需求量的月度季节性波动曲线，将其作为月度猪肉需求量趋势。

STL时序分解将时序分解为趋势项、季节项、余项，分别用V，T，S，R代表数据项，趋势项、季节项和余项。本文使用季节项V表示月度猪肉需求量趋势。分解公式如下式所示。

V=T+S+R(13)

4.2.2 预测未来月猪肉需求量

本研究选择2016年—2021年农贸市场日度生猪交易量数据，计算每个月猪肉交易量。基于公式13的STL模型，抽取季节项S，用其表示为1月—12月猪肉需求量趋势DT，即DT=S。下图是猪肉需求量季节性波动曲线图。

图3 猪肉需求量季节性波动曲线图

每个月猪肉需求量为年猪肉总需求量与猪肉需求趋势之积，如下式所示。

D= D×DT(14)

其中，m表示第月，这里=1,2,…,12。DT表示第月猪肉需求量趋势。D表示年猪肉总需求量。D表示第月猪肉需求量。

这里，年总猪肉产量D可由农产品经济学专家根据当下猪肉产业链的情况设定或调整，本文中以农业农村部提出的正常年份全国猪肉产量在5500万吨时的生产数据为参照[9]，设定在猪肉供需均衡情况下，猪肉的需求量与产量之间相互持平，年猪肉总需求量D为5500万吨。在年猪肉总需求量为5500万吨情况下，结合猪肉需求量趋势，计算1月—12月猪肉需求量，计算结果如表3所示，单位是万吨。

表3 在年猪肉总需求量为5500万吨情况下，1至12月猪肉需求量（万吨）

4.3 猪肉供需均衡价格预测调控模型

4.3.1 构建模型

构建猪肉供需均衡调控模型是本研究的核心目标，旨在预测猪肉价格，协助政府宏观调控达到供需均衡从而稳定猪肉价格。猪肉供需均衡指的是市场中的猪肉供应量与消费者对猪肉的需求量基本一致，在供需均衡下，社会再生产顺利进行，同时满足国民生活需要，既没有供给过剩也没有需求短缺。根据定价模型中供需法则[14,15]，当猪肉供应量等于需求量时，猪肉市场达到了一种供需均衡的状态，当猪肉供应量大于需求量时，猪肉市场呈现过剩状态，反之呈现短缺状态。均衡状态是一种理想态势，本文中猪肉供需均衡价格预测调控模型旨在根据构建的猪肉供应量、需求量与猪肉价格之间关系模型，预测未来猪肉价格走势，并计算出猪肉供需均衡价格。当预估未来猪肉供应量与需求量将出现严重偏离时，各级政府可以通过行政、经济等手段[12]，对猪肉供需进行调节和控制，促使猪肉市场从过剩状态或短缺状态向均衡状态过渡。本文中猪肉供需调控主要指的是对猪肉供应量的宏观调控。

猪肉供需均衡价格预测调控模型基本思路是，在需求量趋势稳定的前提下，通过猪肉供应量与需求量比值（以下简称供需比）和价格之间关系，对价格进行预测和调控。在国家政策调整、疫病疫情等其他因素不变的情况下，价格与供需比之间呈现反比关系，即供需比越高，价格越低，供需比越低，价格越高。

本研究使用国内猪肉产量、投放量、进口量的总和代表猪肉供应量，生猪出场价格代表猪肉价格，猪肉需求量预测模型得出的需求量代表猪肉需求量。使用最小二乘法约束法来探索猪肉供需比与猪肉价格之间关系，构建两者之间的数据关系模型，当猪肉供应量和需求量确定时，推断猪肉价格。

4.3.2 预测未来猪肉价格

选择月度生猪出场价格代表猪肉价格（元/千克）。使用最小二乘法约束法构建猪肉供需比与猪肉价格之间数学模型。

=×(SD)ω(15)

SD= S×D(16)

S=++(17)

其中，SD表示在m月的猪肉供应量与猪肉需求量的比值。S表示在m月的猪肉供应量。表示在m月的国内猪肉产量。表示在m月的国内猪肉投放量。表示在m月的猪肉进口量。D表示在m月的猪肉需求量。表示猪肉供需均衡价格。根据历史数据拟合结果得，=17.103，=-1.581，拟合优度2=0.54。该时间段内，计算得到的猪肉供需均衡价格为17.103元/千克。

表4 猪肉价格预测表

使用历史数据进行预测2021年5月—2022年4月猪肉价格预测，平均相对误差11.7%。

在猪肉需求量基本稳定的前提下，调节和稳定猪肉供应量是调控策略的核心要点。假设当前时间点是2021年6月，若政府希望调控2022年4月猪肉价格至12元/千克，2022年4月猪肉产量主要由2021年6月的能繁母猪存栏量决定，过去的能繁母猪存栏量不能调控。且猪肉需求量主要由居民饮食消费决定，也无法调控。但适当增加进口量和投放量至48万吨，可将猪肉价格调整至12元/千克。同理，若希望调控2022年4月猪肉价格至13.5元/千克，可适当降低进口量和投放量至8万吨。如果希望调控2022年5月猪肉价格在13.5元/千克左右，在保持进口量和投放量为20万吨的情况下，可将2021年7月能繁母猪存栏量保持在4516万头左右。由此通过调控能繁母猪存栏量、进口量和投放量来达到调节未来猪肉价格走势的目的。

科学预测猪肉供应量和需求量能够为农业政府相关部门提供宏观决策依据，预测是科学调控和合理决策的基础，调控是模型的最终目的。

5 结论与展望

相比于以往研究，本研究对猪肉价格预测和价格调控提出了创新的研究思路。首先从猪肉价格预测角度出发，构建猪肉供应量预测模型和需求量预测模型，预测未来一段时间内猪肉供应量和需求量，以定价模型中供需法则为依据，预测未来10个月的猪肉价格走势。然后从价格调控的角度出发，本研究提出了通过供需关系调节对猪肉价格进行调控的方案，在猪肉需求基本稳定的前提下，通过能繁母猪存栏量、投放量和进口量调节猪肉的供应量，从而调控猪肉价格。猪肉供需均衡价格预测调控模型以预测为基础、调控为最终目的，旨在科学预测猪肉供给，从而协助政府相关部门合理及时调控猪肉供给，促进猪肉价格稳定波动。

然而，在猪肉供需均衡调控模型应用实践过程中，对猪肉价格精准预测依赖于所需数据的完整性和准确性。随着数据不断积累、更新和完善，模型能够学习到更多数据，对未来价格的预测才能越来越精准。

[1] 管小红. 2020年全球及中国生猪养殖行业发展规模及行业发展前景预测：仍然有利可图[EB]. 产业信息网, 2020.

Guan X H. Forecasting the Development Scale and Industry Prospect of Global and Chinese Swine Farming Industry in 2020: Still Profitable [EB]. https://www.chyxx.com/industry/202006/874368.html, 2022.

[2] 陈梦瑶. 生猪养殖产业研究：生猪市场空间超万亿，新一轮周期拐点将至[EB]. 国联证券, 2022.

Chen M Y.Pig Farming Industry Research: Pig Market Space Exceeds Trillions, New Cycle Turning Point is Coming. [EB]. https: //baijiahao.baidu.com/s?id=1721730302069215711&wfr=spider&for= pc, 2022.

[3] 马孝斌, 王婷, 董霞, 等. 向量自回归法在生猪价格预测中的应用[J]. 中国畜牧杂志, 2007(23):9-11.

Ma X B, Wang T, Dong X, et al.Application of vector autoregression method in predicting pig prices[J]. Chinese Journal of Animal Science, 2007, (23): 9-11.

[4] La Via G, Nucifora A M D, Cucuzza G. Short Term Forecasting of Vegetables Prices in Sicily[C]. VI International Symposium on Protected Cultivation in Mild Winter Climate: Product and Process Innovation 614. 2002: 857-862.

[5] 楼文高, 陈芳, 张博,等. 基于GRNN模型的鲜猪肉市场日度价格预测与实证研究[J]. 系统科学与数学, 2016, 36(11):1986-1996.

Lou W G, Chen F, Zhang B. Empirical Study and Daily Price Forecast of Fresh Pork Market Based on GRNN Model [J]. Journal of Systems Science and Mathematical Sciences, 2016, 36(11): 1986-1996.

[6] Schmidhuber J. Deep learning in neural networks: An overview[J]. Neural Networks, 2015, 61: 85-117.

[7] 任青山, 方逵, 朱幸辉. 基于多元回归的 BP 神经网络生猪价格预测模型[J]. 江苏农业科学, 2019, 47(14): 277-281.

Ren Q S, Fang K, Zhu X H. BP Neural network prediction model of pig price based on multiple regression[J]. Jiangsu Agricultural Sciences, 2019, 47(14): 277-281.

[8] 许世卫. 农业信息分析学[M]. 北京: 高等教育出版社, 2013.

Xu S W. Agricultural Information Analysis[M]. Beijing: Higher Education Press, 2013.

[9] 农业农村部. 农业农村部关于印发《生猪产能调控实施方案（暂行）》的通知[EB]. 农业农村部, 2021.

Ministry of Agriculture and Rural Affairs. Notice of the Ministry of Agriculture and Rural Affairs on Issuing the Implementation Plan for Capacity Regulation of Pig Production (Interim) [EB]. Ministry of Agriculture and Rural Affairs, 2021.

[10] Holst C, Von Cramon-Taubadel S. International synchronization of the pork cycle[J]. Acta Oeconomica et Informatica, 2012, 15(1): 18-23.

[11] Benesty J, Chen J, Huang Y, et al. Pearson Correlation Coefficient[M]. Noise Reduction in Speech Processing. Springer, Berlin, Heidelberg, 2009: 1-4.

[12] 李双晶. 猪肉供需平衡调控模型及其应用研究[D]. 哈尔滨: 东北农业大学, 2016.

Li S J. Research on Control Model of pork Supply and Demand Co-ordination and Application[D]. Harbin: Northeast Agricultural University, 2016.

[13] Cleveland R B, Cleveland W S, McRae J E, et al. STL: A Seasonal- trend Decomposition[J]. Journal of Official Statistics, 1990, 6(1): 3-73.

[14] Gale D. The Law of supply and demand[J]. Mathematica Scandinavica, 1955: 155-169.

[15] Bal-Prylypko L, Nikolaenko M, Stepasyuk L, et al. Forecasting the sale price of pork in agricultural enterprises[J]. Agricultural and Resource Economics: International Scientific E-Journal, 2022, 8(4): 170-187.

Exploration and Application of Big Data Technology in Pork Price Prediction and Regulation

JIN Yuze1, JIA Xinwei2, LAI Wangfeng1, ZHOU Hongli1, CHEN Naihe1, LI Tao2*

1. Digital China Information Service Company Ltd., Beijing 100080, China; 2. Information Center, Ministry of Agriculture and Rural Affairs, Beijing 100125, China

China is a country of large hog production and pork consumption. Fluctuations in pork prices directly affect the interests of hog farmers and residents' diets. Prediction of the future trend of pork prices and scientific control of pork prices plays an important and practical role in promoting the stable and healthy operation of hogs and pork industry of China. This article studies the national pork market price trend. Firstly, pork supply prediction model based on the number of live hog and breeding sows is built according to the biological cycle and continuity features of hog production, which can predict pork production in the next 10 months. Secondly, taking advantage of the obvious seasonal cycle fluctuations in pork demand caused by my country's pork consumption habits, the STL time series decomposition method is used to decompose the monthly seasonal fluctuation trend from the pork transaction data to predict the monthly pork demand. Thirdly, based on the law of supply and demand in the pricing model, the relationship model of the pork price and the ratio between pork supply and demand is constructed to predict pork price in the next 10 months and calculate the price of pork supply and demand equilibrium. The relative error of pork price prediction is about 10% by using pork-related data from the Agricultural Products Market Information Platform system of the Ministry of Agriculture and Rural Affairs in 2022. When the estimated future pork supply and demand deviates, the model can adjust the pork supply by regulating the number of breeding sows, the import volume and the delivery volume, thereby regulating the future pork price trend. This study provides ideas and methods to adjust future pork price trends by adjusting the core factors that affect pork supply. This study aims to assist relevant government departments in properly and timely regulation of pork supply on the basis of scientifically predicting pork supply and demand and future price trends, so as to balance the supply and demand of pork and maintain the price of pork within a reasonable range of balanced supply and demand.

Supply forecasting; Demand forecasting; Equilibrium of supply and demand; Pork price forecasting and regulation

金语泽, 贾昕为, 赖望峰, 等. 大数据技术在猪肉价格预测与调控上的探索与应用[J]. 农业大数据学报, 2023, 5(1):126-134.

JIN Yuze, JIA Xinwei, LAI Wangfeng, et al. Exploration and application of big data technology in pork price prediction and regulation[J]. Journal of Agricultural Big Data,2023,5(1): 126-134.

10.19788/j.issn.2096-6369.230121

2022-07-05

第一作者金语泽，女，硕士，工程师，研究方向：人工智能、数据挖掘; E-mail: jinyzd@dcits.com。通信作者李涛，男，高级工程师，研究方向：农业信息化；E-mail: litao@agri.gov.cn。