基于ARIMA模型对山东省生猪出场价格变动的预测

李哲远 张成鹏

摘要：猪肉价格保持在合理区间，对于生猪生产和消费至关重要。为预测未来生猪出场价格，推动生猪价格回归合理区间，本文基于2012年11月—2024年2月山东省生猪出场价格，运用ARIMA模型对山东省2024年3月-12月的生猪出场价格变化进行预测。结果表明，该模型拟合效果较好，能准确地预测山东省生猪出场价格短期波动。本文建议政府应该从调控能繁母猪保障底线、完善价格监测预警制度、强化价格风险管理工具、优化生猪库存管理、控制生猪生产成本、落实生猪补贴政策和拓宽生猪贸易等方面采取措施，优化生猪产能调控机制，促进生猪产业的发展。

关键词：生猪出场价格 ARIMA模型 预测 山东省

一、引言

保障生猪等重要农产品稳定供应，就是保障中国人的“菜篮子”和“饭碗”。生猪价格运行在合理区间，对于居民农产品保障和生猪产业发展都具有重要意义。但是养猪行业总是跳不出贵一年、贱一年的“猪周期”魔咒。如2008年爆发的非洲猪瘟，造成猪肉供给量急剧下降，使得市场上生猪出场价格快速上涨，出现了供不应求的局面，对生猪产业造成了严重的冲击；2020年新冠疫情暴发，病毒的危害和封控政策冲击着生猪产业的供应链，对猪肉的生产、加工、运输和销售等环节造成了巨大的损失。大量的抢购囤积行为造成了生猪产业供求失衡。大幅价格上涨易引起消费者的恐慌，所以该情况难以短时间恢复。2023年国内生猪市场整体呈现周期底部震荡格局，目前行业供大于求，长期处于亏损状态。生猪出场价格不仅影响到了生猪产业链供给端的稳定健康发展，而且也对居民消费者和整体经济产生着重要的作用。因此，如何科学预测出生猪出场价格走势，动态调整生猪养殖规模，不仅能优化我国养猪业优化生猪产能调控机制，而且可以降低价格风险对农户和生猪产业带来的负面冲击。

诸多学者展开了生猪价格预测研究。熊涛（2021）基于动态模型平均理论对影响猪肉价格的11个因素进行检测，构建猪肉价格预测模型，得出我国猪肉价格影响因素存在显著时变特征的结论；刘怡然等（2021）对生猪价格序列的波动特点和影响因素进行研究，提出了萤火虫算法优化长短时记忆神经网络的生猪价格预测方法；何文靓等（2023）运用随机森林模型对生猪价格进行预测，并得出影响生猪价格因素最重要的两个变量是去皮带骨猪肉和仔猪价格。上述学者运用定量分析方法拟合并预测生猪价格的波动趋势。为更深入研究生猪价格的波动，故本文基于从2013年—2024年的生猪平均出场价格，采用转换平方根的ARIMA模型，对生猪价格进行预测，以期望调控生猪产能，对推动生猪价格运行合理区间提出政策建议。

二、基础模型简介

ARIMA模型，即自回归移动平均模型（Autoregressive Integrated Moving Average Model，簡记ARIMA），是由Box和Jenkins在70年代初提出的一种时间序列预测方法，又称博克斯-詹金斯法。ARIMA模型一般运用时间序列的过去值、当期值和滞后随机扰动项的加权来建立模型，从而预测时间序列未来项的变化。

（一）ARIMA模型的形式

（二）ARIMA模型参数说明

1.ARIMA（p，d，q）模型中有三个重要的参数。p即自回归系数（Auto-Regressive），表示序列值滞后p阶。d表示非平稳时间序列数据变成平稳序列需要最少进行d次差分。q即滑动平均系数（Moving Average），表示误差项滞后q阶。

2.参数d的确定。将时间序列数据分别做自相关图和偏自相关图的平稳性检验，分别判断ACF图和PACF图的截尾性，两者不是拖尾就是截尾，否则为非平稳序列。若为非平稳序列，则需差分后再进行平稳性检验，直到满足平稳性条件，此时的差分次数为d值。

3.参数p和q的确定。不同时间序列模型参数p，q的确定方法如表1所示。

（三）ARIMA模型的建模步骤

1.数据预处理。由于ARIMA模型要求数据为平稳序列，所以需要对原始时间序列数据进行平稳性检验，如果序列没有通过平稳性检验，则需对数据进行差分处理使之平稳。

2.模型识别与估计。即确定所建立ARIMA模型的p、d、q。d为非平稳序列变成平稳序列的差分次数。而p和q的确定是根据自相关系数和偏自相关系数的截尾和拖尾特征进行分析判定。对平稳序列进行ACF和PACF图分析，综合差分阶数，得到最佳的p和d。

3.模型检验。结合SPSS软件功能，使用不做处理、转化为平方根、转化为自然对数三种不同方式进行建模，对比拟和参数的效果，选择最适合的预测模型。并对得到的拟合模型进行残差白噪声检验，根据检验结果判断是否需要对所建模型进行调整。

4.数据预测。在确定最佳ARIMA模型之后，就可以根据时间序列的历史数据进行预测。

三、以山东省为例进行实证分析

本文所使用的数据来源于山东省人民政府官网发布的生猪出场价格，文中使用的生猪价格的计价单位为：元/500克。本文将2012年11月-2024年2月的山东省生猪出场价格数据进行统计，并将月内多次统计数据取平均得到代表该月生猪出场价格的数据，通过序列平均值来替换缺失值，最终得到完整的以月为单位的时间序列数据。

（一）模型构建

這样我们得到一个新的时间序列，其每一个值都是原时间序列中相邻两个值的差。进行一阶差分处理后的序列图，如图2所示。结果表明，原始序列经过一阶差分后呈现出平稳性。

考虑到时间序列的平稳性对生猪出场价格预测结果的重要性，本文进一步对差分的时间序列，进行自相关检验，结果如图3和图4所示。由图3和图4可知，原始序列进行一阶差分后ACF、PACF图均为不规则衰减拖尾，所以本文采用ARIMA模型来进行预测。

根据图3，一阶差分的ACF图中的系数位于置信区间内不规则衰减，故参数q为0。根据图4，一阶差分的PACF图中的系数位于置信区间内不规则衰减，故参数p为0。因为原始不平稳序列变成平稳序列进行了一次差分处理，故参数d为1。综上，选取ARIMA（0，1，0）模型来预测山东省生猪出场价格变化。

进一步地，由于ARIMA（0，1，0）模型的建模方式有三种，分别是不做处理、转化为平方根、转化为自然对数。故本文对上述三种模型进行拟合，得到表2。根据表2可知，不做处理、转化为平方根和转化为自然对数建模方式的Sig.值均为0.00，均显著。并且采用平方根建模的R2为0.925，高于不做处理的和采用自然对数建模，故本文使用对解释变量采取平方根方式建模的模型。

（二）基于ARIMA模型对山东省生猪出场价格的预测

根据模型的检验结果，本文选择转换平方根的ARIMA（0， 1，0）模型，并根据此模型对2024年3月-12月的山东省生猪出场价格进行预测，预测结果如表2所示。根据预测，2024年3月-12月的生猪出场价格会出现持续小幅上涨。预测值位于生猪出场价格控制上下限内，说明模型拟合效果良好。

（三）白噪声检验

“白噪声”是期望值为0、而不同期之间的噪声互不相关的性质比较好的“噪声”。如果所建模型的残差为白噪声，即可验证任何两个点的随机变量都不相关，使得ARIMA（0，1，0）模型可以对生猪出场价格进行准确预测。如果残差项存在自相关，则应考虑增加自回归或滑动平均的解释变量个数，重新建立模型并且进行模型估计和检验，再对新模型的残差进行白噪声检验，如此重复，直到确定残差为白噪声序列为止。白噪声检验采用自相关图检验方式，对转换平方根的ARIMA（0，1，0）模型的白噪声检验如图5所示。从图中可以看出，在进行1阶差分和转换平方根之后，绝大部分自相关系数均落在置信区间之内。同样的，残差PACF系数也大都落在置信区间里。所以该模型残差为白噪声，可以较好地预测山东省2024年3月-12月生猪出场价格。

四、结论和建议

（一）结论

根据2013—2023年山东省生猪出场价格，运用时间序列ARIMA模型，通过比较筛选，最终确定采用转化平方根的ARIMA（0，1，0）对山东省2024年3月-12月的生猪出场价格变化进行短期预测。结论如下：

1.转换平方根的ARIMA模型更精准。与其他形式的ARIMA模型相比，转化平方根的ARIMA（0，1，0）模型预测山东省生猪出场价格变化的拟合优度更高、效果更好，能准确地预测生猪出场价格短期波动，为生猪产业各方提供科学、有效的数据支撑。

2.生猪价格已触底反弹。与以往价格相比，2024年3月-12月的生猪出场预测价格可上涨至中等水平。从结果来看，当前山东省生猪出场价格已经从2023年猪周期低谷触底反弹，已经回到了2022年11月的价格水平。

3.预测价格呈小幅上涨态势。预计山东省2024年3月-12月的生猪出场价格会出现持续小幅上涨，从3月到12月，生猪的出场价格以0.0258元/500克的月度步长从8.7525元/500克上涨至9.2279元/500克。

（二）对策建议

对山东省生猪出场价格的研究有助于优化政府生猪产业相关宏观政策，稳固基础生产能力，防止生猪产能大幅波动，推动山东省从农业大省向农业强省的转变。2023年我国处于整个猪周期的低谷，诸多生猪养殖户处于亏损境地。生猪出场价格小幅上涨的预测结果表明，山东省的生猪价格将回暖，为使生猪价格稳步提升，达到并维持在市场供需平衡的均衡价格，政府应该在调控繁母猪保障底线、完善价格监测预警制度、强化价格风险管理工具、优化生猪库存管理、控制生猪生产成本、落实生猪补贴政策和拓宽生猪贸易市场等方面采取具体措施，以维持生猪出场价格的稳定，保持市场的供需平衡，促进生猪产业的发展。

1.调控能繁母猪保障底线。能繁母猪存栏量是影响未来生猪存栏量的重要指标。2023年生猪出场价格经历了一年的底部震荡，整个市场的生猪供给大于需求，出现了严重的生猪产能过剩。近日，农业农村部印发《生猪产能调控实施方案（2024年修订）》，将全国能繁母猪正常保有量目标从4100万头调整为3900万头，将能繁母猪存栏量正常波动（绿色区域）下限从正常保有量的95%调整至92%，充分体现出政府进行过剩产能释放和能繁母猪去化的决心。在实证预期生猪出场价格出现小幅上涨的情况下，山东省政府应当积极落实农业农村部的要求，稳定价格上涨态势，减少市场能繁母猪数量，降低能繁母猪的保障底线。建立异常变化自动触发调控机制，避免能繁母猪存栏量过度波动。根据不同地区生猪产能，将能繁母猪存栏量变动划分为绿色、黄色和红色区域。对于绿色区域以市场调节为主，不需要启动政府干预调控措施。对于黄色区域应当采取市场调节和政府干预相结合的方式。对于红色区域应当采取强有力的政府干预，使得能繁母猪存栏量回到正常的存栏水平。对产销大省、养殖大县和养殖大场要进行特殊关注，维持好规模猪场的保有量，以满足消费端的需求，构建上下联动、响应及时的生猪逆生产周期调节机制。

2.完善价格监测预警制度。由于我国养殖户缺乏专业的市场研判能力大多根据自己的经验判断市场动态，往往造成了市场形势误判。山东省政府相关部门应做好生猪行业信息的专业指导，最大程度维持生猪市场的稳定和繁荣发展。应建立生猪出场价格监测点，加强生猪出场价格监测预警，防范操纵价格和垄断行为，确保生猪市场稳定发展。要建立生猪价格信息发布系统，及时公布市场价格动态和趋势，为各方主体作出决策提供参考依据。

3.强化价格风险管理工具。生猪期货可以为生猪产业的各方主体提供远期价格，并且还具有套期保值的作用，帮助生猪养殖户、生猪屠宰企业、猪肉食品加工企业和零售商与批发商等调整自己的行为。在生猪出场价格上涨时，及时调节生猪期货保证金的比例，以达到利润和社会效益最大化的目标。极端气候、疫病影响生猪存栏量，不利于生猪出场价格的稳定，完善生猪保险制度可以提高生猪产业经营者抵御生猪疫病和极端灾害天气的能力，降低经营风险。政府要从宏观上健全生猪期货、生猪保险等的价格风险管理工具，还可以联合商业银行和保险公司进行“期货+保险”的业务尝试，为生猪养殖户提供更加有效便捷的服务。

4.优化生猪库存管理。生猪养殖户、生猪屠宰企业、猪肉食品加工企业和零售商与批发商构成了生猪产业的上下游各方主體。所有主体在价格的指挥下行动。生猪养殖户应当根据生猪出场价格上涨的预测调整存栏生猪数量，以应对未来市场需求。生猪屠宰企业可以安排相应的屠宰计划，避免因生猪出场价格上升而导致屠宰量的波动，失去相当的利润。生猪相关的食品加工企业可以根据价格上涨的预测，灵活调整加工计划，避免因生猪价格波动而导致生猪存量过剩或不足的情况。同时，加工企业作为全产业链的中游企业，具有调节整个产业链流通的作用，要更好地发挥猪肉加工企业在调节短期市场价格的“蓄水池”作用，以稳定生猪价格波动。零售商和批发商可以根据价格上涨的预测，合理安排进货和销售计划，避免因价格波动而导致库存积压或断货情况发生。

5.控制生猪生产成本。生猪的最低价格是由生产成本决定的，养殖成本随生猪出场价格同向变化。生猪养殖者可以合理选购质优价廉的仔猪和饲料，与相关供应商达成长期合作，建立稳定优质的供应链条，并合理预估采购量避免浪费和过度采购，有效控制采购成本。长远来看，生猪养殖者还可以购入智能化的生猪养殖系统，加强对生猪的喂食、环境检测、健康检测等方面的精准管控，提高生猪生产效率和质量。同时，智能化生猪养殖系统做到了对生猪所需的饲料、水等资源的精准投放，减少人工投入，提高资源利用效率，节约生产成本。

6.落实生猪补贴政策。市场调节具有“滞后性”和“盲目性”的特点，加之生猪产业具有弱质性，使得政府需要对生猪的出场价格进行调控。完善生猪补贴弹性制度，以应对价格波动对生猪产业带来的影响。对不同养殖户进行差异化补贴，提高补贴的精准度。此外，还要完善对补贴申报条件的审核，确保申报的真实性，使补贴发挥出最有效的作用。2019年起山东省畜牧兽医局将生猪规模养殖设施纳入农机购置补贴范围，并实施生猪良种补贴政策、生猪调出大县奖励政策。今后，政府应对涉农资金统筹整合，切实用好乡村振兴重大专项资金，提高其挤入效应。政府可以通过财政支持、税收优惠等政策措施，支持生猪产业结构调整，促进产业健康发展，提高产业抗风险能力。

7.拓宽生猪贸易市场。政府可以加强与其他国家和地区的合作，开展生猪贸易，提升生猪产能调节的力度。面对当前生猪市场产能过剩的局势，养殖户可以在国际市场上出口生猪，缓解国内过剩产能，使国内生猪价格稳定上涨。我国和山东省相关部门应强化保证措施，确保国际生猪贸易的稳定性和竞争力，借助“一带一路”战略的契机打通生猪产业进出口全产业链，提升生猪及其相关加工产品的国际市场流通的效率。逐步减少进出口贸易限制，加强国际生猪贸易流动，以应对生猪出场价格变动带来的生猪销售剩余量的波动。

参考文献：

[1]赵爽，苗兴宇，白兰馨.猪肉价格的时空相关性与影响因素分析[J].中国物价，2023，（06）：102-104.

[2]熊涛.我国猪肉价格的影响因素是时变的吗？——基于动态模型平均的分析与预测[J].华中农业大学学报（社会科学版），2021（03）：63-73+186.

[3]刘怡然，王东杰，邓雪峰等.基于长短时记忆神经网络的生猪价格预测模型[J].江苏大学学报（自然科学版），2021，42（02）：190-197.

[4]何文靓，付莲莲，廖静萍.基于随机森林模型的生猪价格预测及调控机制研究[J].价格月刊，2023，（01）： 21-27.

[5]植敏斯，胡骞文.基于ARIMA价格预测模型的水稻目标价格保险研究[J].现代经济信息，2019（24）：319-321.

[6]胡杨，张朝阳.基于ARIMA模型的河北省玉米价格预测[J].农业与技术，2020，40（23）：149-152.

[7]罗创国，张美珍，薛继亮.基于ARIMA模型的中国生猪价格的短期预测[J].世界农业，2010（10）： 45-48.

[8]闫祥祥.使用ARIMA模型预测公园绿地面积[J].计算机科学，2020，47（S2）：531-534+556.

[9]王燕.应用时间序列分析[M].中国人民大学出版社，2012

[10]杜强. SPSS统计分析从入门到精通（第2版） [M].北京：人民邮电出版社，2014

[11]小农户面对大市场——关于建立农副产品稳定价格长效机制[J].市场经济与价格，2012，（06）：56-63.

[12]王苗，袁晓丹，孔阳光.武汉市生猪产业发展情况及对策——基于南阳市牧原食品股份有限公司的调研[J].湖北农业科学，2023，62（S1）：259-261.

[13]郭荣达.生猪养殖成本收益比较研究[D].中国农业科学院，2018.

[14]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.

Forecasting the change of pig farmgate price in Shandong Province based on the ARIMA model

Li Zheyuan Zhang Chengpeng

Abstract Keeping the pork price in a reasonable range is crucial for hog production and consumption. In order to predict future hog farmgate prices and promote the return of hog prices to a reasonable range， this paper uses the ARIMA model to predict the change of hog farmgate prices in Shandong Province from March to December 2024 based on the hog farmgate prices from November 2012 to February 2024 in Shandong Province. The results show that the model fits well and accurately predicts the short-term fluctuation of pig farmgate prices in Shandong Province， and it is expected that the pig farmgate prices in Shandong Province in March-December 2024 may increase slightly. The government should take measures to optimize the hog production capacity control mechanism and promote the development of the hog industry by regulating the breeding sows to protect the bottom line， improving the price monitoring and early warning system， strengthening the price risk management tools， optimizing the management of hog inventories， controlling the cost of hog production， implementing the policy of hog subsidies， and broadening the hog trade.

Keywords Hog farmgate price； ARIMA model； Forecast； Shandong Province

（作者單位：山东农业大学经济管理学院中国宏观经济研究院产业经济与技术经济研究所）

责任编辑：宗宇翔