不确定性冲击下生猪价格预测和风险预警研究

丁婧,杨鑫,贾云飞,花俊国,马红春

(1.河南农业大学经济与管理学院,河南 郑州 450046; 2.河南农业大学创新创业学院, 河南 郑州 450046)

在开放经济条件下,中国生猪产业一直面临着来自于国内和国外市场的不确定性冲击。近年来,受自然因素、政策调整、贸易摩擦等一系列不确定性因素的影响,生猪价格大起大落的问题突出。特别是2018年非洲猪瘟在国内多地暴发后,中国生猪价格波动呈现暴涨暴跌的现象,带来了严重的经济影响。生猪价格波动不仅会影响到养殖者和消费者的利益,剧烈的波动还会冲击到国家宏观经济。2023年中央一号文件明确强调要保护生猪基础产能,健全生猪产业平稳有序发展长效机制。《中华人民共和国畜牧法》也提出要从国家层面建立统一的畜禽生产和畜禽产品市场监测预警制度,以更好实现畜禽产品稳产保供。因此,如何有效稳定生猪价格、防范价格风险是事关生猪产业以及农业可持续发展的重要问题。

梳理相关文献发现,在供给层面,仔猪价格、饲料成本、玉米价格、生长周期、能繁母猪存栏量、生产者预期以及不同生产者根据市场信息产生的不同决策和行为都会影响生猪价格波动[1-5]。在需求层面,居民收入、替代品价格、CPI指数等变化会影响猪肉消费,进而影响生猪价格[6]。随着经济全球化深入发展和国际经济联动性增加,金融危机、贸易摩擦、非洲猪瘟、新冠疫情等不确定性冲击会给整个生猪供应链带来流动性风险和系统性风险,造成国内猪价的短期波动或“猪周期”的延长,加剧生猪产业发展的不稳定性[7-11]。自2018年非洲猪瘟在中国暴发后,生猪疫情时有发生,一般通过降低生产者饲养能力,打击消费者购买信心来影响供需,从而导致生猪市场价格起伏波动[12],是生猪市场价格周期性波动的重要驱动因素[13-14],其对生猪价格波动具有显著的非线性冲击效应[15],且冲击持续时间较长,会导致猪价回调缓慢而长久[16]。另一方面,郭凡等[17]明确指出经济政策不确定性会通过供需渠道、金融渠道、国际市场渠道影响国内农产品价格,且经济政策不确定性对畜肉类农产品的影响程度明显更大。石自忠等[18]研究表明,畜产品价格周期性波动的重要原因是经济政策不确定性的冲击,其中猪肉价格受到冲击的程度最大。郭婧驰等[19]指出,经济政策稳定性对整个生猪产业链价格的冲击程度都较大且持续性强。这些不确定性因素除了对市场产生直接影响外,还会扰乱猪肉价格的周期运行规律,导致生猪价格异常波动,改变城乡居民消费行为,造成养殖者盲目决策,如恐慌性出栏、压栏惜售或大量农户进入市场。对整个产业的健康发展皆有重大影响。由此可知,不确定性冲击是导致生猪价格短期内剧烈震荡的主要原因,在生猪价格风险管理中需被高度重视。

如何准确预测价格趋势,有效防范价格风险演化现已成为学术界高度关注的问题。随着信息技术发展,机器学习在价格预测领域的应用逐渐成熟。PANKAJ 等[20]利用基于经验模态分解的支持向量回归模型对农产品价格序列进行建模和预测。PANJIT等[21]建立了基于机器学习的农产品预测框架,预测结果在各方面优于现有方法,以帮助生产者提前预测利润损失。丁琳琳等[22]建立支持向量机模型和BP神经网络模型分别对生猪价格进行预测,结果支持向量机模型预测精度更高。YONGTONG等[23]等介绍了机器学习在生猪市场的应用,结果显示与随机森林模型、神经网络模型和OLS模型相比,支持向量机模型在小样本应用中具有出色的预测性能。YIRAN等[24]运用相似子序列搜索方法和支持向量回归方法分别预测生猪价格的周期成分和趋势成分,产生的误差较小。花俊国等[25]构建支持向量机模型进行猪肉价格的预测和预警分析,在预测指标的选择上,从疫病、供给、需求、宏观经济环境4个方面综合考虑猪肉价格影响因素,并解决了引入预测指标过多的冗余问题。为生猪后疫情时期准确把握猪肉价格变化趋势提供了更加科学准确的方法。

综上所述,关于生猪价格波动和影响因素方面的研究较为全面,大多数学者将机器学习算法用于农产品价格预测都得到了比较理想的结果,为本研究提供了丰富的理论和实践依据。已有关于猪肉价格预测的研究中虽然从多个维度选取预测指标,但指标涉及不够全面,仍存在改进空间。生猪价格影响因素复杂多变,经济政策的不确定性会改变产业经营的外部环境,造成市场的动荡。这也是生猪价格预测研究中必须要考虑到的一项重要指标。因此,本研究将生猪疫病和经济政策不确定性同时纳入影响生猪价格波动的不确定性冲击,以其为主要研究指标,并综合考虑供给、需求和宏观经济环境,构建生猪价格预测指标体系。建立支持向量机模型进行生猪价格预测,并基于价格预测结果进行风险预警分析。

1 不确定性冲击对生猪价格影响的关联性分析

在市场经济条件下生猪价格会受到多种因素的影响,主要表现为由供需关系不协调产生的生猪价格波动。不确定性因素作为外部冲击可以同时影响到生猪的供给和需求,加剧供需矛盾,进而引起生猪价格的异常波动甚至造成市场失灵[26]。本研究中生猪价格与生猪价格宽度指数均来源于布瑞克农业数据库,全球经济政策不确定性指数数据来源于经济政策不确定性网站(http: //www.policyuncertainty.com /)。供给和需求类数据来自布瑞克农业数据库和国家统计局,宏观经济环境指标数据来自前瞻数据网。由于生猪疫情宽度指数从2009年2月开始公布,且同年猪瘟、猪丹毒、猪肺疫、猪蓝耳病等生猪疫病频繁发生,生猪疫情较严重,最新数据仅到2021年10月。故研究样本区间选择2009年2月—2021年10月。

1.1 生猪疫情对生猪价格的影响

2018年非洲猪瘟首次在国内暴发后,生猪疫病的病原体通过水平或者垂直的方式向周边传播,导致生猪病死率上升,扑杀数量增加[27],生猪存出栏量随之骤减,供给缺口增大。由图1可以看出,生猪价格和生猪疫情宽度指数存在较为相似的波动趋势。在2018年非洲猪瘟之后,生猪疫情宽度指数急剧上涨,生猪价格随之也出现了暴涨并维持高位波动的现象。但生猪疫情的影响存在滞后性,原因在于生猪疫情并不能直接影响生猪价格,而是通过疫病传播导致生猪大规模病死引起存出栏量下降,供需缺口增大,间接引起生猪价格大幅波动。

注:选取的样本区间为2009年2月—2021年10月。下同。Note: The selected sample interval is from February 2009 to October 2021.The same as below.

1.2 全球经济政策不确定性对生猪价格的影响

自2008年国际金融危机之后,欧债危机、通货膨胀背景下美联储货币政策持续紧缩、中美贸易摩擦、俄乌冲突等事件接连发生,全球经济政策不确定性指数持续走高。此类事件通过国际贸易等渠道对国内市场产生冲击。经济政策不确定性指数越大,表明生猪市场所处的经济环境越不稳定。猪肉占城乡居民肉类消费的比重在60%以上,与生猪市场相关的生产者和消费者众多,猪肉价格以及生猪价格受到的经济政策不确定性冲击较其他畜产品都大[24]。由图2可以看出,近年来全球经济政策不确定性指数(GEPU)波动剧烈,生猪价格和经济政策不确定性指数整体都呈上升的趋势。特别是2018年后,全球经济政策不确定性指数飙升,国内经济发展受到了剧烈冲击,生猪价格紧随其后也迅速上升并持续维持较高价格。由图2可以初步推断出,全球经济政策不确定性指数和中国生猪价格之间存在较强相关性。对生产者而言,经济环境和消费者行为的改变会使其对未来计划做出调整。不利的不确定性冲击会导致生猪出栏量下降,市场上生猪供给缺口加大从而致使价格上涨;对消费者而言,经济政策不确定性事件的发生会影响到其对未来经济发展和生猪市场的判断,进而影响消费计划。

图2 生猪价格与全球经济政策不确定性指数波动趋势图Fig.2 Fluctuation trend chart of hog price and global economic policy uncertainty index(GEPU)

综上所述,生猪疫情暴发、贸易摩擦加剧、经济环境转变等不确定性冲击与常规的供给需求因素相比,它们出现的时间以及影响程度都具有随机性,且难以预测更难调控,会给生猪市场带来诸多不确定性,同时这种不确定性又会改变市场参与者的正常市场行为,导致价格异常波动。当生猪产业受到有利不确定性冲击时,引发价格下降,就会出现生产者急于抛售,生猪价格快速下降的局面。当生猪产业遭受不利不确定性冲击时,会导致生猪存、出栏量下降,市场供给短缺,出现生猪价格大幅上涨的现象。不确定性冲击是最容易引起生猪价格异常波动、加速猪周期的因素,因此,本研究将全球经济政策不确定性作为宏观外部冲击、生猪疫情作为产业的直接外部冲击引入生猪价格预测指标体系对未来生猪价格和波动趋势进行预测,将增加生猪价格预测结果的准确性、可靠性和可借鉴性。

2 生猪价格预测指标体系的设置与评价

2.1 生猪价格预测指标体系设置和数据来源

近年来生猪价格波动幅度大,受到内外部多种影响因素冲击。借鉴花俊国等[25]研究中对猪肉价格预测指标体系的构建,本研究在此基础上进行补充完善,将生猪价格预测指标分为供给类、需求类、宏观经济环境和不确定性4类共34个指标。在供给方面,生猪存栏量是衡量生猪潜在供给量的重要指标,生猪养殖过程中的养殖成本、饲料成本、其他相关费用的变化以及生猪养殖各环节所获得的利润都会对生猪市场价格产生影响。在需求方面,供给的猪肉大多数用于满足消费需求,所以猪肉价格、猪肉替代品的价格以及消费者心理都是探究猪价波动需要考虑的因素。在外部环境方面,国家宏观经济发展状况作为农产品价格运行的外部市场环境,会在一定程度上影响生猪价格走势。因此,本研究选择宏观经济景气一致指数、农副产品类购进价格指数、实际有效汇率指数、货币供应量(M0、M1和M2)作为宏观经济环境的衡量指标。不确定性冲击具有随机性,易导致猪价异常波动。生猪价格遭受的外部不确定性冲击主要来源于生猪疫病与经济政策不确定性。本研究选择经济政策不确定性和生猪疫情来衡量不确定性冲击。经济政策不确定性选取SCOTTR等[28]运用报纸覆盖频率法构建的全球经济政策不确定性指数来反映世界各大经济体经济和政策的不确定性;选择生猪疫情宽度指数作为生猪疫情的代理变量,可以反映疫病的爆发范围、严重程度和传播速度。指标设置体系如表1。

表1 2009年2月—2021年10月生猪价格预测指标Table 1 Hog price forecast indicators from February 2009 to October 2021

2.2 生猪价格预测指标体系评价

若仅采用单一的指标选择方法只能体现一个方面的变化情况,易忽略重要指标;若将选取的全部指标都纳入价格预测体系则会增加指标冗余度,影响模型预测结果的精确度。因此,本部分借鉴李优柱等[29]研究中的指标选取方法,结合相关性分析、均方差分析、主成分分析3种方法对所有指标进行衡量,并综合以上3种方法得到的结果选择最佳的指标带入支持向量机模型进行生猪价格预测。

2.2.1 相关性分析 为使预测结果符合前瞻性的标准,本研究将各类预测指标分别都滞后一期至六期,计算生猪价格与各预测指标滞后期的相关系数,相关性分析利用SPSS软件进行操作。分析结果如表2。从表2中可以看出,除玉米价格、小麦价格、生猪屠宰流通利润、居民消费价格指数和商品零售价格指数外,其余预测指标都在1%的显著性水平下与生猪价格存在相关性,说明本研究初步的预测指标体系选择比较合理。本研究不区分正相关和负相关,在对各预测指标的相关性进行排名时仅考虑相关性系数绝对值的大小,并将其作为综合选取预测指标的一项重要参考。将全球经济政策不确定性指数和生猪疫情宽度指数作为不确定性的代理变量输入支持向量机模型,因此,均方差分析和主成分分析仅综合考量供给、需求和宏观经济环境3类指标选出其余最佳预测指标。

表2 生猪价格与各预测指标的相关性分析结果Table 2 Results of correlation analysis between hog price and each forecast indicator

2.2.2 均方差分析 均方差可以衡量数据的离散程度,是各数据偏离平均数的差值的平均数,是误差平方和平均后的方根,用σ表示。式为:

(1)

式中:X1,X2,X3,……,XN都为实数;μ为本组数据的平均数。

由于各类影响因素衡量标准不同,数量级差别会很大,所以需先标准化处理原始数据将其转化为无量纲化指标测评值之后,才可以对比其均方差。标准化后的各指标均方差结果如表3所示。从表3中可以看出,所有指标的均方差值都达到0.9以上,说明各预测指标的增大或者减小的变化比较显著。均方差最大的前6个指标分别为猪粮比、生猪养殖利润、猪肉出口、豆粕价格、居民消费价格指数和消费者满意指数。各个指标的均方差大小排序将作为综合选择预测指标的一项重要参考。

表3 各预测指标的均方差分析结果Table 3 Results of mean squared difference analysis of each forecast indicator

2.2.3 主成分分析 主成分分析是一种数学上使用最广泛的数据降维算法,目的是将高维数据投射到低维空间。由于本研究的指标数量较多,为保证代表性采用主成分分析方法从多维指标中选择相关程度高的指标。本研究借助SPSS软件对供给、需求、宏观经济环境这3类指标进行主成分分析,共提取4个主成分。得出成分矩阵后,每一列载荷值都是各变量与对应主成分的相关系数。从成分矩阵表可知生猪存栏量、猪肉进口、仔猪价格、生猪其他费用、生猪批发零售利润、生猪育繁利润、猪粮比、猪肉价格、猪肉出口、白条鸡集贸市场价格、牛肉零售价、羊肉零售价、消费者预期指数、消费者信心指数、实际有效汇率指数、M0供应量、M1供应量、M2供应量与第一主成分的相关性都很高;生猪定点屠宰量、生猪养殖利润和猪粮比和第二主成分相关性较高;生猪饲料成本、豆粕价格、宏观经济景气一致指数在第三主成分上荷载绝对值较大;消费者满意指数、宏观经济景气一致指数和农副产品类购进价格指数在第四主成分上荷载绝对值较大。

2.2.4 预测指标综合选择 本研究综合以上3种方法确定最终的特征指标。结合相关性分析和均方差分析的结果,对两者赋以相同的权重,统计各指标的排名并将相关系数的排名和均方差排名的名次相加得到指标的综合排序,结果如表4所示。根据综合的排序结果并将4种主成分都考虑在内:第一主成分包含指标较多而且综合排名也较高,考虑到综合排名和指标选择的全面性选择猪粮比、仔猪价格和M2供应量这3个指标,结合相关性分析结果,猪粮比和仔猪价格的滞后期数都选择滞后一期,M2供应量的滞后期数选择滞后六期。同理,第二主成分选择生猪养殖利润,滞后期数选择滞后一期。第三主成分选择豆粕价格,滞后期数选择滞后六期。第四主成分选择消费者满意指数,滞后期数选择滞后六期。最终确定的生猪价格预测指标为:生猪疫情宽度指数、全球经济政策不确定性指数(GEPU)、猪粮比、仔猪价格、M2供应量、生猪养殖利润、豆粕价格和消费者满意指数。

表4 预测指标综合选择的排序结果Table 4 Sorting results of comprehensive selection of forecast indicators

3 生猪价格预测与风险预警体系构建

3.1 支持向量机模型

支持向量机模型(SVM)是一种建立在统计学习理论基础上的机器学习算法,有很好的预测性能,且通用性强、鲁棒性高[20]。因此,本研究选择SVM模型进行生猪价格的预测以及风险预警研究。首先建立具有一定规则性的模型,之后借助模型对已有的数据进行学习和训练,探究数据之间存在的关联性,最后根据训练的模型对未知数据进行预测。

实质上,SVM分类器的学习目标是在n维数据空间中找到最合适的超平面将样本分开。这个超平面的式为:

yi=ωxi+b

(2)

式中:yi在本研究中代表生猪价格的预测值;w代表超平面的法向量;xi在本研究中代表影响生猪价格的特征指标构成的向量;b代表可调因子,通过计算可以得出超平面方程的最优系数w和b。

以上求解的原理是一个约束的非线性规划问题[30]:

(3)

yi(xi·w+b)-1≥0i=1,2,3,…,l

(4)

这是严格的凸规划,目标函数是严格凸二次约束函数。范数最小的满足约束的w就是最优分类超平面的法向量。根据最优化理论和凸二次规划方法,可以把它变为沃尔夫的双重问题来解决:

(5)

(6)

αi≥0i=1,…,l

(7)

只需要将对偶问题中的点积用卷积核函数K(xi,xj)代替。

最后的模型表示为:

(8)

(9)

0≤αi≤Ci=1,…,l

(10)

对于Kuhn-Tucker条件,这个对偶问题仍是一个有约束的二次规划,也可表示为:

αi=0⟺yiui≥1
0<αiαi=C⟺yiui≤1

(11)

式中:ui就是分类平面函数在xi上的输出:

(12)

3.2 基于支持向量机模型的生猪价格预测

在将数据带入模型之前需先进行归一化处理。将各特征量统一到[-1,1]的变化范围内,以避免在建模时因数据之间数量级差别较大而对模型预测的准确性产生影响。标准化处理式如下:

(13)

(14)

本研究选取台湾大学林智仁教授所开发的Libsvm软件包进行SVM模型建模和分析,并借助Matlab R2016a进行操作处理。依据上文的特征指标综合选取结果,将最终确定的8个特征指标输入模型,由于选取的特征指标都至少滞后一期,所以进行操作的数据样本起止时间为2009年3月—2021年10月。本研究选择2021年1—10月的数据作为预测集样本,其余数据都作为SVM模型的训练集样本。

在带入特征指标进行训练和价格预测之前,首先需要确定SVM模型的核函数和最佳参数。核函数能够决定支持向量机的回归性能,RBF核函数是较为理想的核函数,具有较宽的收敛域和更广的适应性,计算难度和复杂度更小[31]。g为核函数的参数,决定数据映射到新的特征空间后的分布;c为惩罚系数,是对误差的宽容度。本研究利用K折交叉验证法调整参数,最终确定最佳的参数c和参数g分别为2和0.5,可决系数达到0.966。在确定最优参数之后,基于训练样本建立出生猪价格的SVM预测模型。图3反映了训练样本中生猪价格的真实值与预测值波动趋势对比结果。由图3中可以看出生猪价格真实值与预测值较为一致,并且整体波动趋势也基本相同,由此可以说明参数的选择比较准确,所建立的SVM模型对样本数据的预测效果较好。接下来将预测样本带入已经训练好的SVM模型进行生猪价格预测,结果如表5所示。

表5 SVM模型中生猪价格预测结果Table 5 Hog price forecast results in the SVM model

图3 生猪价格训练集真实值与预测值波动趋势Fig.3 Fluctuation trends between the true and forecast values using the hog price training set

由表5可知,SVM模型预测值与实际值接近,输出结果也可以拟合出生猪价格实际的变化趋势。且文中都选择至少滞后一期的预测指标,可以提前预测未来一个月的生猪价格波动状况,为生猪价格预测和市场参与者决策提供一定的参考价值。特别是在不确定性冲击发生后为引导政府相关部门理性决策、生产者合理规划生产,有助于政府相关部门相继抉择采取措施保证生猪的稳定供应,缓解价格波动。

3.3 生猪价格预警与结果分析

在进行生猪价格风险预警之前,需要先明确警情,确定警度和警限。警情是指生猪市场受到外部冲击导致供需不平衡从而出现的生猪价格大幅度波动的现象。生猪价格波动率可以直观反映出价格实际波动情况。本研究的警情指标选择生猪价格波动率。公式如下:

(15)

式中:R为生猪价格波动率;P为当期生猪价格;P′为前一期生猪价格。

警度是预警结果的危害程度,警限是警度的数量变化区间。本研究以2009年2月—2021年10月的生猪价格波动率的平均值作为基准点。依据3σ原则,将偏离平均值一个标准差之内划分为无警区间,表明生猪价格在合理范围内波动;偏离平均值超出1个标准差但在2个标准差之内划分为轻警区间,说明生猪价格受到一定程度的不确定性冲击,出现了较大幅度的波动;偏离平均值2个标准差以上划分为重警区间,此时说明不确定性冲击对生猪价格的影响程度很大,生猪价格已经出现了大幅的涨跌。生猪价格在不同的警度区间表现出不同的警情。相关部门需要关注警情变化,及时采取措施平抑价格的异常波动。经计算生猪价格波动率的平均值为0.396%,标准差为8.85%。生猪价格具体的预警警度和警限划分见表6。

表6 生猪价格预警警度和警限划分Table 6 Classification of hog price warning levels and limits

依据式(15)分别计算生猪实际价格和预测价格的波动率,进一步参考表6关于生猪价格警度的划分标准,根据计算出的生猪价格波动率确定预警警度,具体结果如表7所示。从表7的结果可以看出,生猪价格波动率预测值的变动趋势也和实际值的变动趋势一致。其中2021年1—10月的生猪价格预测警度中有6期预测警度与实际警度完全一致,2021年7月生猪价格波动率预测值所在的预警区间与实际警度稍有偏差。2021年3月、5月和8月生猪价格预测警度和实际警度之间虽然存在偏差,但时点上价格波动率的预测值和实际值都为负值,预测到的价格波动趋势与实际情况是相符的。

表7 生猪价格波动预警结果Table 7 Warning results of hog price fluctuations %

表7中显示2021年生猪价格实际警度和预测警度都为无警或者负向预警,说明在2021年1—10月期间生猪价格基本都处于下降状态,价格下降幅度先增大后减小。主要原因在于2021年非洲猪瘟疫情形势平稳,经济政策不确定性指数较低。与前三年相比,生猪疫情基本得到控制,生猪扑杀数量大幅下降,生猪产能恢复,出栏量大幅增加。其中2021年2月首次出现负向轻警,主要由于年前生猪出栏量大,春节备货虽对需求提升有一定支撑,但由于春节期间消费前置,节后居民对猪肉的消费需求会出现较为明显的回落,导致市场供应压力持续增加,猪价出现较大降幅。2021年4月至6月、9月分别出现第二次、第三次负向轻警,生猪价格波动呈现“节后必跌”的现象。一是临近假期,政策端调控发力,在节前中央及各地方都投放了储备猪肉,缓和了市场生猪价格走势。二是由于新冠疫情的不确定性,部分地区有疫情防控升级的趋势,倡导就地过节,猪肉消费量并没有因为节日出现较大起色。由此可见,运用模型预测的结果与现实情况高度一致,效果良好。

4 结论和政策启示

本研究对不确定性冲击下中国生猪市场的价格预测和风险预警进行系统研究,将和生猪价格关联性较大的生猪疫情和全球经济政策不确定性指数纳入预测指标,完善了生猪价格预测指标体系;并采用支持向量机模型进行生猪价格预测,提高了价格预测和风险预警的准确性和可靠性。实证结果表明选择生猪疫情宽度指数、全球经济政策不确定性指数、猪粮比、仔猪价格、M2供应量、生猪养殖利润、豆粕价格和消费者满意指数输入支持向量机模型预测效果较好,可决系数达到0.966,对生猪价格的预测精度较高,模型的预测结果可基本拟合出实际生猪价格的波动趋势。继而对生猪预测价格进行预警警度分析,结果10期预测价格中有7期与实际价格警度吻合,仅3期稍有偏差。总体来说,将支持向量机模型应用于生猪价格预测并引入不确定性因素构建预测预警体系可以得到较好的效果,不确定性冲击是生猪价格预测与风险形成不可忽视的重要外部因素。但由于不能获取到实时准确的信息,会导致预测结果出现偏差。为了及时准确地进行生猪价格预测为市场参与者提供决策参考,如何获取精准的市场信息并及时发布预警信息、弱化不确定性冲击带来的损失至关重要。

基于以上的预测预警体系构建和模拟验证,得出以下政策启示:

一是完善生猪市场信息数据采集系统,简化信息获取方式,为预测预警提供及时、精准、全面的市场信息。从支持向量机模型构建中的生猪价格预测指标体系构建分析来看,生猪生产系统受内外部多种因素影响,特别是一些敏感性因素,如生猪疫病、全球经济政策不确定性,对生猪价格的波动具有放大效应。为了及时准确进行生猪价格的预测预警,需要有生产资料、生猪市场、货币金融、宏观经济和不确定性冲击等各类数据信息才能实现。相关部门应该进一步提高生猪产业链上中下游和其他肉类市场监测信息采集的即时性和准确性;同时,加强与宏观经济部门和金融部门的沟通协调,增强获取相关的经济和金融类数据信息和预测信息共享的畅通性、时效性。多部门协作建立科学完备的生猪价格预测数据库、及时滚动更新信息,注重简化信息和数据的获取方式,畅通信息获取渠道,为生猪价格预测预警提供及时可靠的信息和数据。

二是注意预警信息发布策略与渠道,有效利用预警信息,同时要谨防生产者的“逆向选择”进一步助推价格风险演化。相关部门要遵循“利于供需稳定,防价格大起大落”的原则,错时、分类为市场参与者提供生猪价格预测预警信息,在出现价格预警后及时制定政策、适时启动预案、进行精准价格调控。通过多种渠道广泛发布生猪价格预警信息,并客观、准确、全面地说明生猪价格风险形成原因和拟采取的政策措施等,引导生产者和需求者预期向好,稳定市场供需;同时要加强市场监管,防止借机囤栏惜售或恐慌性抛售生猪等行为发生,背离市场调控目标。

三是完善生猪产业支持政策体系和疫情防控体系,以产业体系运行的稳定性应对外部不确定性,提高生猪价格风险防范能力。不确定性冲击发生的时间和影响程度都具有随机性,只有发生后才可以根据冲击的具体程度和已有信息进行预测预警,判断未来生猪价格变化趋势并获得决策依据,及时启动应急预案。小规模养殖户进入和退出行业成本低,在受到不确定性冲击后极易退出行业。所以相关部门一方面要加强对生猪养殖规模化发展的支持,形成纵向合作一体化产业链,提高行业集中度。依靠规模壁垒和资产专用性,提高行业进入和退出门槛,稳定生猪供给的基本盘,弱化不确定性冲击带来的损失;另一方面要健全动物疫情防控体系,强化《动物防疫法》的落实,推动生猪养殖安全化升级,构筑严密的防疫屏障,减缓或杜绝生猪疫病的冲击,保证生猪出栏数量和质量,从而稳定生猪价格,防范风险演化。