《生猪价格波动及预测研究的国内外文献综述7000字》

生猪价格波动及预测研究的国内外文献综述目录TOC\o"1-2"\h\u11845生猪价格波动及预测研究的国内外文献综述 137381.1国外生猪价格波动研究 174061.2国内生猪价格波动研究 2139321.3国内生猪价格预测研究现状 4259071.4国外生猪价格预测研究现状 4197241.5国外生猪市场区域性研究 5182141.6国内生猪市场区域性研究 622869参考文献： 78451参考文献 7多年以来，国内外众多学者对生猪价格波动规律、波动原因、价格预测等进行了相关研究，也为政府提供了不少稳定发展猪产业的建议，成果颇丰。本文从国内和国外两方面阐述生猪价格波动和价格预测系统开发相关的研究现状。1.1国外生猪价格波动研究国外的专家学者对生猪价格波动的研究较少，并且大多数集中在生猪价格波动周期性研究上。其中，最出名的是蛛网模型理论，Harlow首先在1960年将蛛网理论应用于研究生猪价格周期，得出了较理想的结论[3]，随后许多专家学者开始在蛛网理论的基础上对生猪价格周期进行分析。Key运用蛛网理论对生猪周期进行了分析，并运用动态分析方法描述了当生猪价格偏离了趋势后的波动情况，最后对结果进行了分析[4]。Dong等人利用蛛网理论研究生猪价格的周期性，并指出养殖户对生猪的市场价格反映存在滞后性，生猪价格主要是由供给量的多少决定[5]。随着研究的不断发展，有些学者提出了新的有关生猪价格波动及周期性研究的方法[6-10]。Chen和Zapata运用MGARCH-BEKK模型研究了1996年6月-2013年12月美国和中国之间的生猪价格联系，结果表明中国生猪价格的波动性是由于自身价格波动和意外事件的冲击；美国的生猪价格波动的主要原因是过去美国市场中发生的事件的冲击，两个市场之间的联系是中国对美国生猪价格的单向波动溢出效应，与从美国到中国的猪肉出口流量相平行[11]。Dawson运用谱分析法识别英国猪肉价格和生产的波动周期，并对结果进行分析，指出这种方法可以对整个猪肉供应链中的经济主体进行短期预测和长期预测[6]。Parcell对美国11年的猪肉月度价格数据波动性进行实证分析研究，指出这一波动序列存在季节性波动[7]。Larson提出一种将生猪价格周期波动看作是谐波运动的理论，进而对生猪价格周期进行了分析[13]。Lee等人运用DCC-GARCH（DynamicConditionalCorrelation-GeneralizedAutoregressiveConditionalHeteroskedasticity）模型探讨了国际粮食价格、猪饲料价格和生猪价格之间的价格传递效应，结果表明，国际粮食价格对猪饲料价格具有正向直接传递效应，对生猪价格具有间接传递效应[8]。Ruth等人提出了一种非线性动态模型对生猪价格周期进行研究，结果得出生猪价格波动的周期长度是2年而不是普遍认为的4年，并且他们指出，由于当前生猪市场信息反馈的不及时，使得无法做出正确的生猪养殖规划，继而对以后的生猪价格造成影响，而如果能够提供及时的市场信息可以有效地缩短生猪价格波动周期。Berg和Huffaker采用新的“诊断”建模方法研究了德国生猪价格波动周期，模型模拟结果表明，需求的不确定导致不定期的生猪价格循环，并进一步揭示了另外两个重要的驱动因素：对养殖技术投资不可逆性和德国农民的流动性驱动的投资行为[9]。1.2国内生猪价格波动研究国内对于生猪价格波动的研究开始的比较晚，一些学者从1985年以后才逐渐关注生猪价格波动情况。因为在这之前，我国的生猪市场一直是施行国家定价制度，生猪价格处于比较稳定的状态。而从1985年我国逐步取消了生猪由国家计划性派购的政策，生猪价格就完全由市场中生猪的供应量与需求量决定，我国生猪价格就开始呈现出不断的波动状态[11-14]，尤其是在2003年以后，生猪价格出现了大幅度的波动，对我国生猪市场造成了严重的影响。专家学者开始意识到研究生猪价格波动的重要性与迫切性，纷纷对生猪市场、生猪价格等展开了系统的研究[15-20]。我国关于生猪价格波动的研究有很多，其中大多数集中在从宏观层面上进行分析，首先对生猪价格的形成原因以及生猪价格波动周期、波动的原因、特点以及趋势等进行实证的分析，然后提出一些例如提升生猪规模化养殖水平；建立生猪养殖信息共享平台；加强政府宏观调控，落实政府对养殖户的补贴；提高猪疫病预防技术，降低重大猪疫病对生猪价格的影响；加强生猪价格监测等相似的对策建议。如杨慧、马雄威、冀德刚、毛学峰、冯明、李秉龙以及何秋红等人，上述作者关于生猪或猪肉价格的研究只是研究方法和侧重点不同，诸如，杨慧运用季节调整法和H-P滤波法剔除了猪肉价格波动时间序列中的季节性波动、不规则波动以及长期趋势，然后运用ARCH（Auto-regressiveconditionalheteroskedasticity）模型、GARCH（generalizedARCH）模型、GARCH-M（GARCH-in-Mean）模型以及TGARCH（ThresholdGARCH）模型进行波动实证分析[14]。马雄威和朱再清依据我国2006年4月-2007年11月的猪肉平均价格数据，采用灰色神经网络模型对2007年12月-2008年9月的猪肉价格进行了预测[15]。吕杰和綦颖依据1984年-2005年的生猪价格数据实证分析了生猪价格的波动周期规律，并重点对影响其波动的原因进行了全面的分析[16]。冀德刚等学者运用时间序列分析模型ARIMA（AutoregressiveIntegratedMovingAverageModel）模型依据2005-2007年河北唐山市猪肉价格数据对其2008年上半年的猪肉价格进行了预测[17]。李秉龙和何秋红用线性拟合法说明了2000年1月-2007年4月这一时间段我国猪肉价格整体表现为线性增长趋势，接着运用环比增长率分析其各个时刻的增长情况，然后计算波动指标描述猪肉价格的波动周期，最后在政府调控、猪肉需求量以及猪肉供给量三个方面总结了影响其波动的原因[18]。毛学峰和曾寅初运用X-11季节调整法和H-P滤波法对生猪、猪肉以及仔猪月度价格的时间序列数据进行分解，然后分别讨论了生猪、猪肉以及仔猪价格的波动周期，并对它们之间的区别与联系进行分析[19]。曙光和乔光华运用时间序列的谱分析方法对2000年1月-2007年8月北京市猪肉月度价格数据的波动规律进行了分析，并描述了这一时间段猪肉价格的整体趋势[20]。张敏采用B-N分解法对2003年1月-2017年4月我国生猪月度价格时间序列数据进行分解，并对分解后的成分进行分析，对生猪价格的周期性波动进行了探讨[21]。于少东运用X-12季节调整法和H-P滤波法对北京市2000年-2011年的去皮带骨猪肉月度批发价格数据进行波动实证研究与分析，结果显示猪肉价格的波动周期与生猪生产的波动周期大致相同，周期长度约为3年[22]。冯明运用GARCH簇模型对猪肉价格波动的异方差性进行了研究，发现猪肉价格的波动除了波动幅度大，呈明显的周期性外，还存在显著的非对称性[23]。孙莹对2014年猪肉价格的现状进行了分析，并对猪肉价格的周期性进行了研究，然后总结了造成猪肉价格下跌的原因，最后提出了一些对策建议[24]。杨静和姜会明从供给和需求两个层面分析了影响吉林省猪肉价格波动的主要因素，运用主成分回归分析进行实证研究，得出各因素对吉林省猪肉价格波动的影响程度，并提出了相应对策。宋长鸣尝试采用可变参数模型实证分析了非线性非均衡蛛网理论模型框架下猪周期是否满足稳定的条件，研究结果得出该分析框架下猪肉价格缺乏稳定性条件，并有发散的趋势，且相对于猪肉市场的需求，供给对猪肉价格变化更为敏感，以致“猪周期”反复出现，并为政府提出了相应的稳定措施。陈哲蕊等学者运用脉冲响应函数对我国2011年8月-2016年6月的饲料月度价格、加工费用以及猪肉月度价格数据进行分析，探讨了这三者的联系，结果显示在完整的猪肉产业链中，上游的饲料价格影响猪肉价格；中游的加工费用影响上游的饲料价格；下游的猪肉价格影响中游的加工费用[26]。1.3国内生猪价格预测研究现状随着我国经济的发展、市场化程度的不断加强以及科技的进步，许多学者对生猪市场价格也越来越关注，并开展了对生猪结果预测的研究。伴随神经网络、机器学习、深度学习的不断进步，众多学者使用了BP神经网络（BackPropagationNeuralNetwork）、广义回归神经网络（GeneralRegressionNeuralNetwork）、支持向量机（SupportVectotMachine）、向量自回归（VectorAutoRegressionModel）、循环神经网络(RecurrentNeuralNetworks)等方法进行未来生猪价格预测。冯叔君与陈芳等人分析了我国月度生猪价格波动趋势与原因（养猪成本、市场供需变化、替代品价格变化），并使用Elman神经网络对未来10个月的生猪月度价格做出预测，结果表明Elman模型比BP神经网络具有更高的精度[27]。姜百臣等人引入遗传算法（GA），改进了支持向量机模型，改进后的模型能够较好的展示价格周期的循环轨迹，是一种具有科学性的价格预测工具[28]。深度学习模型在生猪市场价格预测领域也有广泛的应用。钱彬彬等人使用深度信念模型（DBN）与BP神经网络，小波动神经网络分别预测我国2018年生猪市场价格，结果表明深度信念网络模型具有更佳的预测结果[29]。杨媛媛等人分析了生猪价格波动的原因，并使用循环神经网络（RNN）与长短时记忆网络（LSTM）预测山西省生猪价格，通过对比试验，LSTM模型预测的价格与实际生猪价格更加贴近，拟合程度良好[30]。1.4国外生猪价格预测研究现状在外国对于生猪市场价格的预测是先将理论模型与实证模型建立起来，最后在上述基础上进行系统而深入的研究。Bengtsson等人对欧洲的部分国家的生猪价格做了预测，使用自回归模型与VAR模型做对比试验，结果显示VAR模型有着更高的准确性[31]。Zhang将ARIMA与ANN模型组合使用，结合了ARIMA与ANN模型在线性与非线性建模中的优势，实验结果显示，组合模型其预测精度将会有大幅上升[32]。KARBASI等应用了静态和动态神经网络模型对伊朗禽肉价格进行预测，并将预测结果和线性预测模型的结果进行了比较。他用ARIMA代表线性模型，用人工神经网络模型代表静态非线性模型，用含输入的神经网络自回归模型代表动态非线性模型，所得的结论是：线性模型的预测结果在三者中最差，然后是静态神经网络模型，动态神经网络模型的预测结果最理想[33]。1.5国外生猪市场区域性研究国外的专家学者对生猪市场区域性的研究较少，并且大多数集中在生猪价格区域传导以及市场整合等方向上。Popescu等人分析了2007年至2014年之间罗马尼亚的生猪和猪肉生产集中度，通过研究发现罗马尼亚猪肉产量的分布因地区而异，且受到多种因素的影响[34]。西部地区是养猪业和猪肉生产的主要地区，其次是南部地区，紧随其后的是南蒙特尼亚和东南地区。Panos等人基于价格俱乐部（意为遵循一价定律的一组国家）的概念并运用时间序列分析中的多变量协整法研究了14个欧盟国家猪肉和家禽价格的空间关系，实证结果表明，欧盟的猪肉和家禽市场并不是价格统一的理想市场ADDINEN.CITE<EndNote><Cite><Author>Fousekis</Author><Year>2007</Year><RecNum>103</RecNum><DisplayText><styleface="superscript">[2]</style></DisplayText><record><rec-number>103</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611029479">103</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Fousekis,Panos%JEconomicsBulletin</author></authors></contributors><titles><title>MultipleMarketsWithintheEU?EmpiricalEvidenceFromPorkandPoultryPricesin14EUMemberCountrties</title></titles><pages>1-12</pages><volume>3</volume><number>65</number><dates><year>2007</year></dates><isbn>1545-2921</isbn><urls></urls></record></Cite></EndNote>[35]。Capitanio等人研究了意大利生猪市场整合的问题ADDINEN.CITE<EndNote><Cite><Author>Capitanio</Author><Year>2019</Year><RecNum>105</RecNum><DisplayText><styleface="superscript">[3]</style></DisplayText><record><rec-number>105</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611030509">105</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Capitanio,Fabian</author><author>Adinolfi,Felice</author><author>Goodwin,BarryK</author><author>Rivieccio,Giorgia%JNewMedit</author></authors></contributors><titles><title>Acopula-basedapproachtoinvestigateverticalshockpricetransmissionintheItalianhogmarket</title></titles><pages>3-14</pages><volume>18</volume><number>1</number><dates><year>2019</year></dates><urls></urls></record></Cite></EndNote>[36]。Tan等人分析了来自中国，美国和欧盟市场的月度生猪价格数据。该研究使用了协整检验和VECM方法并进行了格兰杰因果关系检验，研究结果为分析国际生猪市场的价格联系和价格传导机制提供了参考ADDINEN.CITE<EndNote><Cite><Author>Tan</Author><Year>2014</Year><RecNum>104</RecNum><DisplayText><styleface="superscript">[4]</style></DisplayText><record><rec-number>104</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611030467">104</key></foreign-keys><ref-typename="ConferenceProceedings">10</ref-type><contributors><authors><author>Tan,Ying</author><author>Zapata,HectorO</author></authors></contributors><titles><title>HogpricetransmissioninGlobalmarkets:ChinaEUandUS</title><secondary-title>2014AnnualMeeting,February1-4,2014,Dallas,Texas</secondary-title></titles><number>162540</number><dates><year>2014</year></dates><publisher>SouthernAgriculturalEconomicsAssociation</publisher><urls></urls></record></Cite></EndNote>[37]。Gibson在对美国生猪产业研究中通过实证发现一个州的生猪生产往往受到邻近州生猪生产的影响，表明美国的生猪产业存在聚集经济的现象ADDINEN.CITE<EndNote><Cite><Author>Nene</Author><Year>2019</Year><RecNum>107</RecNum><DisplayText><styleface="superscript">[5]</style></DisplayText><record><rec-number>107</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611031563">107</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Nene,Gibson</author><author>Schoengold,Karina%JJournalofAgriculturalEconomics</author></authors></contributors><titles><title>HogProductionandAgglomerationEconomies:TheCaseofUSState-LevelHogProduction</title></titles><pages>663-672</pages><volume>5</volume><number>3</number><dates><year>2019</year></dates><urls></urls></record></Cite></EndNote>[38]。Wang等人在研究中都指出一个地区的生猪价格波动不仅受到该地区解释变量变化的影响，而且还受到邻近地区的影响ADDINEN.CITE<EndNote><Cite><Author>Wang</Author><Year>2018</Year><RecNum>106</RecNum><DisplayText><styleface="superscript">[6]</style></DisplayText><record><rec-number>106</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611031373">106</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Wang,Fang</author><author>Zhen,Xiao-Shu</author><author>Wang,Wei-Xin</author><author>Li,Hou-Jian</author><author>Liu,Yun-Qiang%JAvailableatSSRN3184732</author></authors></contributors><titles><title>SpatialSpilloverEffectsofHogPriceVolatility:EmpiricalAnalysisBasedonMoran'sIIndexandSARModel</title></titles><dates><year>2018</year></dates><urls></urls></record></Cite></EndNote>[39]。Holst等人对东部扩大后欧盟猪肉市场的贸易，市场整合和空间价格传递问题加以研究，结果发现，旧成员国之间或新成员国之间的区域内价格传导比旧成员国和新成员国之间的区域间价格传导更快，并且新成员国中的价格会根据新价格的变动更快地进行调整ADDINEN.CITE<EndNote><Cite><Author>Holst</Author><Year>2014</Year><RecNum>109</RecNum><DisplayText><styleface="superscript">[7]</style></DisplayText><record><rec-number>109</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611033877">109</key></foreign-keys><ref-typename="Report">27</ref-type><contributors><authors><author>Holst,Carsten</author><author>Cramon-Taubdel,Stephanvon</author></authors></contributors><titles><title>Trade,marketintegrationandspatialpricetransmissiononEUporkmarketsfollowingeasternenlargement</title></titles><dates><year>2014</year></dates><urls></urls></record></Cite></EndNote>[40]。Duric使用制度转换的长期价格传导模型来调查塞尔维亚和俄罗斯猪肉市场之间市场整合的可能变化ADDINEN.CITE<EndNote><Cite><Author>Duric</Author><Year>2018</Year><RecNum>108</RecNum><DisplayText><styleface="superscript">[8]</style></DisplayText><record><rec-number>108</rec-number><foreign-keys><keyapp="EN"db-id="daa205rvptdsv1etsdo5twfsxepf2fs020s0"timestamp="1611033736">108</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Duric,I</author><author>Glauben,Thomas</author><author>Zaric,V</author></authors></contributors><titles><title>ImpactoftheRussianagriculturalimportbanontheSerbianporkexportsanddomesticpricedevelopmentalongtheporkvaluechain</title></titles><dates><year>2018</year></dates><urls></urls></record></Cite></EndNote>[41]。1.6国内生猪市场区域性研究对于我国的生猪市场，由于受到不同地区的不同资源、环境以及政府政策等因素的影响，生猪价格水平及波动必定会呈现区域性差异[42-51]。所以为了更好地稳定我国的生猪市场，许多专家学者对生猪价格的区域性特征进行了研究。武拉平以包括四川省、黑龙江省、广东省以及上海市等在内的22个省份为研究对象，发现这些地区的生猪价格存在较大的差异性，而价格高的一直都包括一些沿海、经济水平较高的省份，这些地区均是生猪的主销省，价格最低的包括四川省、黑龙江省和河南省等地，这些地区均是生猪主产省，并运用格兰泽尔因果关系检验出生猪市场价格的波动从销地到产地存在因果关系[43]。田晓超与聂凤英选取北京市、上海市以及广东省三个地区作为生猪的主销区，选取为主销区供应生猪的地区以及养猪第一大省四川省总计16个地区作为主产区的2000年1月-2008年12月的生猪月度市场批发价格为研究对象，将主产区与主销区进行组合，对我国生猪产销区间空间市场进行整合研究，并发现生猪市场的发展程度在地域上存在很大的差异，价格传导路径以从产区向销区传递为主[44]。栾淑梅等人以各省市区的人均猪肉占有量和消费量的比值为研究对象，以1.3和0.8为两个分界点，将比值大于1.3的地区定为猪肉的主产区，小于0.8的地区定为猪肉的主销区，大于0.8小于1.3的地区定为猪肉的产销平衡区，然后对划分结果依据2005年农业部公布的猪肉主产主销区作参考进行调整分类，最后基于VAR模型研究得出我国猪肉主产地区与主销地区的猪肉价格存在长期均衡关系和短期调整机制，并且从短期来看，我国的猪肉价格的波动主要是由主销地区带动主产地区，而价格传导方向主要也是从主销地区传到主产地区[45]。王孝华等专家以华南、华东、华中、华北、东北以及西北六个区域中的典型地区的生猪价格数据为基础，测算了区域和区域、区域和全国的生猪价格波动同步系数，从而得出我国的生猪价格波动较为剧烈的重要原因是区域和区域的生猪价格同步系数较高[46]。廖翼等首先统计了2000至2015年我国每年生猪价格排名前五和排名后五的十个地区，并总结生猪价格较低的省市区一般是生猪的主产区，而较高的地区则是生猪供应依赖于从外省调运的生猪主销区，然后确定了我国各区域生猪价格的传递关系[47]。刘畅与庞金波基于VAR模型和社会网络分析方法对我国各省市区的生猪价格关联关系进行研究，并把30个省市区的生猪市场归属到“领导者”、“独立者”、“追随者”和“经纪人”四个板块，然后对这四个板块的各省市区的生猪价格关系进行分析[48]。王刚毅等基于我国23个省、直辖市、自治区的生猪价格，构建了具有经济意义的空间权重矩阵，从而得出我国各地区的生猪价格具有“跨地域”的空间溢出效应，并针对这些研究结果得到了一些对稳定我国生猪市场有价值的启示[49]。上述这些研究，对中国猪肉市场区域性的研究大多数是从生猪的主产区、主销区两个方向探讨，区域划分方式也是依赖于国家公布的生猪主产区省份以及生猪主销区省份或者是根据每个省的生猪产量与生猪销量人为的进行划分。当然有的是按地理位置对生猪市场进行划分，比如王孝华考虑的是华南、华东、华中、华北、东北以及西北六个地区的生猪市场。虽然这些研究对稳定我国的生猪市场提供了较好的指导，但是由于不是根据各省市区实际的生猪价格进行区域划分，因此得出的结论存在局限性。在2008年，柴秀荣与王儒敬就提出了一种基于GIS的农产品市场区域划分可视化的方法，他们首先对全国31个省市区2008年4月1日-4月30日这30天的猪肉价格数据求平均得到各省4月份的猪肉价格数据，然后运用C-均值聚类方法把31个省的猪肉市场分为很低、较低、一般、较高、很高五类，最后形象直观的在地图上描述了我国猪肉市场区域划分结果[50]。但是由于他们只考虑全国31个省市区4月份的平均猪肉价格作为研究对象，所以划分结果无法代表长期以来我国猪肉市场的区域划分结果。参考文献：参考文献Font-i-FurnolsM，GuerreroL.Consumerpreference,behaviorandperceptionaboutmeatandmeatproducts:Anoverview[J].MeatScience，2014，98（3）：361-371.朱馨.基于非参数方法的猪肉价格断点回归分析[D].杭州：浙江大学硕士学位论文，2016.HarlowAA.TheHogCycleandtheCobwebTheorem[J].JournalofFarmEconomics，1960，42（4）：542-553.KeyN.ProductionContractsMayHelpSmallHogFarmsGrowinSize[R].UnitedStatesDepartmentofAgriculture，2014.DongF，HennessyDA.，JensenHH.Contractandexitdecisionsinfinisherhogproduction[J].AmericanJournalofAgriculturalEconomics，2010，92（3）：667-684.DawsonPJ.TheUKpigcycle:Aspectralanalysis[J].BritishFoodJournal，2009，111（11）：1237-1247.ParcellJL.Anempiricalanalysisofthedemandforwholesaleporkprimals:Seasonalityandstructuralchange[J].JournalofAgriculturalandResourceEconomics，2003，28（2）：335-348.LarsonAB.Thehogcycleasharmonicmotion[J].JournalofFarmEconomics，1964，46（2）：375-386.LeeJJ，SuYJ，ShihML.Astudyonthepass-throughe