玉米價格短期預(yù)測與預(yù)警研究

玉米價格短期預(yù)測與預(yù)警研究

一、中國玉米簡稱玉米玉米是中國最重要的糧食品種之一。玉米不僅可以直接食用和加工食品，還可以支持肉蛋奶的生產(chǎn)。玉米的加工鏈特別長。玉米被用作淀粉、糖、食用油、味道、加油和其他工業(yè)產(chǎn)品的原料。隨著收入水平的提高,居民對肉蛋奶以及玉米深加工產(chǎn)品等的需求急劇增加,使得玉米在中國糧食生產(chǎn)中的地位愈加重要。2012年,中國玉米產(chǎn)量為20561萬噸,已經(jīng)連續(xù)九年增產(chǎn),2004～2012年九年間糧食產(chǎn)量增幅為25.58%,而玉米產(chǎn)量增幅達到57.72%,遠超過其他糧食品種產(chǎn)量的增幅。2012年,玉米產(chǎn)量首次超過稻谷產(chǎn)量,成為中國第一大糧食作物。玉米連年增產(chǎn)依然無法滿足國內(nèi)巨大的需求。2010年,中國玉米進口量激增至157.32萬噸,是2009年進口量的18.6倍,中國首次成為玉米凈進口國。2012年,中國玉米進口量已經(jīng)突破了500萬噸,達到520.8萬噸,是2011年進口量的3倍,2010年進口量的3.3倍。中國之所以大量進口玉米,一方面是由于國內(nèi)需求的快速增長,另一方面是由于國內(nèi)外價差的存在。國內(nèi)玉米批發(fā)均價是美國、阿根廷玉米離岸價格的1.5倍左右,企業(yè)無法抗拒國內(nèi)外較大價差帶來的利益誘惑,大幅度增加玉米進口。2013年中央“一號文件”再次強調(diào),要“健全重要農(nóng)產(chǎn)品市場監(jiān)測預(yù)警機制”。玉米作為重要的農(nóng)產(chǎn)品,在產(chǎn)量及進口量均增長的情況下,加強對玉米價格的預(yù)測與預(yù)警是保證農(nóng)民的玉米種植收益以及避免商家不必要的經(jīng)濟損失的必要措施。玉米價格的中短期預(yù)測及監(jiān)測預(yù)警體系的建立,是中國農(nóng)業(yè)市場化和國際化程度逐步深化所需,是進行宏觀調(diào)控、保障農(nóng)民利益的有效措施之一。本文結(jié)構(gòu)安排如下:第一部分為引言;第二部分對玉米價格短期預(yù)測與預(yù)警研究相關(guān)文獻進行評述;第三部分對中國玉米批發(fā)價格的動態(tài)路徑進行分析;第四部分建立玉米月度價格短期預(yù)測模型,第五部分建立預(yù)警體系,第六部分為結(jié)論和啟示。二、糧食價格管理的組合方法、模型農(nóng)產(chǎn)品價格預(yù)測最早始于Henry(1917)對棉花產(chǎn)量及價格建立的回歸預(yù)測方程。之后,Sarle(1925)建立了工業(yè)股票價格、芝加哥二等混合玉米期貨價格、玉米與生豬價格比、芝加哥生豬期貨價格等因素與生豬價格的回歸方程,對生豬價格進行了預(yù)測。Ezekiel(1927)、CliftonandPatrick(1956)、Wilbur(1963)利用多元回歸方法分別對美國芝加哥期貨市場育肥豬、美國產(chǎn)仔季生豬、牛肉和豬肉的價格進行了預(yù)測。隨著20世紀(jì)70年代現(xiàn)代時間序列分析技術(shù)的發(fā)展,指數(shù)平滑法、頻譜分析、VAR模型等被頻繁應(yīng)用到農(nóng)產(chǎn)品價格預(yù)測(例如Jarrett,1965;CargillandRausser,1972;BrandtandBessler,1984;Taylor,2004)。國內(nèi)關(guān)于農(nóng)產(chǎn)品價格的研究也延續(xù)了多元回歸、時間序列分析的研究方法。劉洪宇(2001)利用三時點模型對湖南省永州市大米價格進行了預(yù)測;程賢祿(2002)利用多因素回歸方法和馬爾科夫鏈法分析了北京市蔬菜批發(fā)價格;王素雅(2009)利用GARCH、ARIMA、VAR三種模型對北京市新發(fā)地批發(fā)市場蘋果日度、周度、月度價格進行了模擬和預(yù)測,指出GARCH模型更適于日度價格預(yù)測,ARIMA模型更適于周度和月度價格預(yù)測。隨著智能預(yù)測和組合預(yù)測方法的發(fā)展,小波分析、神經(jīng)網(wǎng)絡(luò)分析、組合預(yù)測等方法,尤其是組合預(yù)測方法,被廣泛運用到農(nóng)產(chǎn)品價格預(yù)測中。盛建華(2008)、李干瓊等(2011)和張立杰等(2013)的研究均表明,組合預(yù)測方法不僅比單個模型的預(yù)測精度更高,而且預(yù)測結(jié)果的穩(wěn)定性也得到很大的提升。經(jīng)濟預(yù)警是宏觀經(jīng)濟景氣分析的主要內(nèi)容之一,可以用來預(yù)報未來某一時點經(jīng)濟運行的狀態(tài),預(yù)測未來經(jīng)濟景氣的強度。糧食價格預(yù)測對糧食的流通與貿(mào)易具有有力的指導(dǎo)作用,而糧食價格預(yù)警對于建立糧食安全監(jiān)測機制具有重要意義。聯(lián)合國糧農(nóng)組織(FAO)率先將預(yù)警分析應(yīng)用到農(nóng)業(yè)上,在19世紀(jì)60年代初提出了“糧食與農(nóng)業(yè)的全球信息和預(yù)警系統(tǒng)”,用于搜集和分析糧食生產(chǎn)、貿(mào)易和價格信息,監(jiān)測并預(yù)警糧食安全;陶駿昌等(1995)、顧海兵等(1997)闡述并建立了農(nóng)業(yè)預(yù)警及糧食預(yù)警體系的框架;馬九杰等(2001)以食物及膳食能量供求平衡指標(biāo)、糧食生產(chǎn)波動指數(shù)、糧食需求量波動指數(shù)、糧食儲備需求比率、糧食及食物進出口狀況等指標(biāo)為依據(jù),分析了糧食預(yù)警系統(tǒng)中的警情指標(biāo)及其相應(yīng)警限;蘇博等(2006)分析了影響中國糧食價格運行的因素,運用逐步回歸方法構(gòu)造出糧食價格預(yù)警模型;趙予新(2006)在界定糧食價格運行狀態(tài)類型的基礎(chǔ)上,構(gòu)建了糧食價格預(yù)警的控制論模型,分析了糧食價格調(diào)控系統(tǒng)的構(gòu)成。綜合當(dāng)前關(guān)于農(nóng)產(chǎn)品價格特別是糧食價格預(yù)測與預(yù)警的研究成果,可以看到,鮮有研究將價格的短期預(yù)測與預(yù)警相結(jié)合,尤其是對具體糧食品種的價格進行短期預(yù)測及預(yù)警的文獻較少。中國糧食價格經(jīng)歷了從管制到逐步放松的過程,供求關(guān)系、外生沖擊、市場特征等各種復(fù)雜因素使得糧食價格波動日趨劇烈,因此,對重要糧食品種進行價格預(yù)測及預(yù)警顯得非常必要。另外,現(xiàn)有研究對具體糧食品種警情的影響因素也缺少系統(tǒng)的分析。玉米作為中國重要的糧食作物品種,在中國糧食流通與貿(mào)易中占據(jù)舉足輕重地位。本文將力圖彌補以上研究缺陷,以玉米批發(fā)價格為基礎(chǔ)數(shù)據(jù),開發(fā)玉米月度市場價格的時間序列預(yù)測模型,構(gòu)建多因素回歸模型對玉米價格進行警源分析,以期為生產(chǎn)者、經(jīng)營者及政府相關(guān)部門提供決策參考。三、玉米價格序列本文所用數(shù)據(jù)是2000年1月～2013年3月期間的國內(nèi)玉米批發(fā)價格,該數(shù)據(jù)根據(jù)農(nóng)業(yè)部信息中心調(diào)查得到的旬度數(shù)據(jù)經(jīng)過簡單平均計算得到,能夠反映全國批發(fā)市場玉米價格的月度波動情況。如圖1所示,中國玉米價格總體上處于上漲的趨勢。2013年3月份玉米價格是2000年1月份價格的2.46倍,2010年1月份價格的1.32倍。近些年,中國玉米價格的增速有所提高,2000～2010年年均價格增速為0.55%,2010～2013年提高到0.72%。由圖1可以看出,玉米價格具有較大季節(jié)波動性。玉米的種植周期較長,價格變動主要受到供求關(guān)系的影響,一般在收獲前的9月份左右到達價格最高點,在集中上市的2月份左右到達價格最低點。使用X-12季節(jié)調(diào)整法中的乘法模型對玉米價格序列進行分解,得到趨勢循環(huán)項(TC)與季節(jié)因子(SF)。2000年1月～2013年3月,玉米價格的季節(jié)波動性較強,季節(jié)因子表明,玉米價格在每年的8月份或9月份達到最大值,在2月份降到最小值(見圖2)。較顯著、穩(wěn)定的季節(jié)因子決定了玉米價格預(yù)測模型應(yīng)該體現(xiàn)價格波動的季節(jié)性。本文通過ADF檢驗和Phillips-Perron(PP)檢驗對玉米價格序列進行平穩(wěn)性檢驗,兩種檢驗結(jié)果一致,表1僅列出了ADF檢驗結(jié)果。從ADF檢驗結(jié)果看出,在5%的顯著性水平上;玉米價格原序列具有單位根的原假設(shè)不能被拒絕,說明它不平穩(wěn)。對玉米價格原序列階差分后再進行ADF檢驗,結(jié)果顯示,一階差分后的價格序列不含有單位根,即玉米價格序列是一階單整過程。基于玉米價格數(shù)據(jù)的一階單整及較穩(wěn)定的季節(jié)因子的特征,本文將運用季節(jié)時間序列模型對玉米價格序列進行擬合,并對玉米價格做出預(yù)測。四、預(yù)測玉米價格的建立(一)玉米月日價格調(diào)整法的構(gòu)建ARIMA模型是時間序列分析的經(jīng)典模型之一,它將非平穩(wěn)序列通過差分的形式轉(zhuǎn)化為平穩(wěn)序列后,再運用自回歸移動平均的方法進行預(yù)測分析。當(dāng)時間序列中有明顯的時間趨勢和季節(jié)性變化時,SARIMA(季節(jié)時間序列模型)能夠更好地描述該時間序列。經(jīng)過多次嘗試與模型比較,本文對玉米月度價格序列建立如(1)式所示的SARIMA模型,即ARIMA(2,1,0)(0,1,1):(1)式中,Cornt為玉米月度價格序列,ΔΔ12Cornt表示進行了一次差分和一次季節(jié)差分后的玉米月度價格序列,εt為隨機擾動項。L是滯后算子,即LΔΔ12Cornt=ΔΔ12Cornt-1,LAA12Cornt=ΔΔ12Cornt-2,Lεt=εt-12。(1-0.578L+0.260L)表示2階自回歸算子,(1-0.928L)表示12階移動平均算子。(1)式中各變量系數(shù)均通過了顯著性檢驗,模型的Q檢驗值小于卡方檢驗值,說明模型殘差不存在自相關(guān)。一次差分和一次季節(jié)差分后的玉米價格序列的移動平均部分和自回歸部分的根均在單位圓外,表明所建立的SARIMA模型平穩(wěn)。季節(jié)因子分離模型是指對剔除季節(jié)因子后的時間序列數(shù)據(jù)建立ARIMA模型。對玉米月度價格進行的X-12季節(jié)調(diào)整法的乘法模型得到季節(jié)因子(Corn＿SF),則季節(jié)因子分離后的玉米月度價格變量記為Corn＿SA,Corn＿SA=Corn＿Co/rn＿SF,對CornSA建立如(2)式所示的預(yù)測方程,即ARIMA(1,1,24):(2)式中,ΔCorn＿SAt表示剔除季節(jié)因子后的玉米價格一階差分序列,L為滯后算子,εt為隨機擾動項,(1-0.468L)表示1階自回歸算子,(1-0.076L-0.411L-0.437L)表示24階移動平均算子,只有1階、12階和24階移動平均項進入表達式。模型中各變量系數(shù)均通過了顯著性檢驗,Q檢驗值小于卡方檢驗值,表明模型殘差不存在自相關(guān)。模型的自回歸部分和移動平均部分的根均位于單位圓外,表明所建立的季節(jié)因子分離模型平穩(wěn)。SARIMA模型和季節(jié)因子分離模型的擬合情況如圖3所示。由兩個模型擬合得到的預(yù)測曲線與玉米價格原序列曲線非常接近。三條曲線重合度高的曲線段表明擬合誤差小,重合度低的曲線段表明擬合誤差大。從圖3中看出,大部分曲線段幾乎為玉米價格原序列曲線與預(yù)測曲線的重合段。用平均絕對百分比誤差(MAPE)1來衡量預(yù)測精度,則SARIMA模型預(yù)測結(jié)果的平均絕對百分比誤差為1.30%,季節(jié)因子分離模型預(yù)測結(jié)果的平均絕對百分比誤差為1.10%,因此,季節(jié)因子分離模型的預(yù)測精度略高于SARIMA模型。(二)選取各預(yù)測模型權(quán)重的確定組合預(yù)測方法基于對預(yù)測信息進行綜合利用的思想,設(shè)法把不同的預(yù)測模型組合起來,綜合利用各種預(yù)測方法所提供的信息,以達到減少預(yù)測系統(tǒng)誤差、顯著改進預(yù)測效果的目的。組合預(yù)測模型將各種不同類型的預(yù)測模型兼收并蓄,各取所長,集中了更多的經(jīng)濟信息與預(yù)測技巧。對于糧食價格波動,單模型預(yù)測顯然存在一定的不確定性和信息損失,因此,本文基于非線性優(yōu)化方法構(gòu)建組合預(yù)測模型,合理選取各單個預(yù)測模型的權(quán)重。構(gòu)建組合預(yù)測模型時,本文利用2000年1月～2011年12月價格作為訓(xùn)練樣本獲得參數(shù),利用2012年1月～2013年3月價格作為測試樣本,選擇的優(yōu)化目標(biāo)(mape)為平均絕對百分比誤差(MAPE)的絕對值之和,mape的最小化保證了預(yù)測效果的良好。Yager(2003)在組合算法中曾選用殘差平方和作為優(yōu)化目標(biāo),MAPE與殘差平方和同是衡量模型擬合效果的指標(biāo),但殘差平方和是誤差的平方,極易受到異常值影響,而MAPE則衡量了預(yù)測值與實際值的絕對差距,能夠更準(zhǔn)確地反映模型的預(yù)測效果。為組合預(yù)測模型確定權(quán)重的非線性優(yōu)化模型如(3)式所示:(3)式中,表示第i個模型對第t期數(shù)據(jù)的預(yù)測值,表示第t期數(shù)據(jù)的真實值,wi表示第i個預(yù)測模型的權(quán)重。求解非線性優(yōu)化模型(3)式,得到組合預(yù)測模型中SARIMA模型的權(quán)重為29.62%,季節(jié)因子分離模型的權(quán)重為70.38%。組合預(yù)測模型的預(yù)測精度相對于SARIMA模型提高了17.7%,相對于季節(jié)因子分離模型提高了2.7%。從組合預(yù)測模型與單個預(yù)測模型預(yù)測精度的比較中可以看出,單個預(yù)測模型權(quán)重越大,組合預(yù)測模型的預(yù)測精度對該單個預(yù)測模型預(yù)測精度的優(yōu)越性就越小。(三)玉米價格預(yù)測本文利用上文所建立的SARIMA模型、季節(jié)因子分離模型和組合預(yù)測模型對2013年4月～2014年3月的玉米價格進行預(yù)測,結(jié)果如表2所示。根據(jù)SARIMA模型與季節(jié)因子分離模型的預(yù)測結(jié)果,2013年4月～2014年3月,玉米價格將會在小范圍內(nèi)波動,從2013年6月開始呈現(xiàn)上行的趨勢,至玉米收獲季后開始回落。SARIMA模型的預(yù)測結(jié)果顯示,2013年9月和2013年12月,玉米價格將分別達到峰值,而價格回落將在2013年10月出現(xiàn);季節(jié)因子分離模型的預(yù)測結(jié)果顯示,玉米價格峰值會在2013年8月和2014年3月出現(xiàn),在2013年9月份時玉米價格將顯現(xiàn)回落勢頭。組合預(yù)測模型對2013年4月～2014年3月玉米價格的預(yù)測結(jié)果與基礎(chǔ)模型的預(yù)測結(jié)果有微小的差別。該模型預(yù)測結(jié)果顯示,玉米價格從2013年5月開始上行,在8月、9月達到峰值,從10月開始回落,隨后幾個月玉米價格均呈小幅度波動,在2014年3月再次達到峰值。五、動波動范圍合理基于玉米價格歷史數(shù)據(jù),如果沒有突發(fā)事件發(fā)生,玉米價格波動應(yīng)該屬于隨機波動,維持在合理的波動范圍內(nèi)。當(dāng)玉米價格變動率在一定時期內(nèi)出現(xiàn)連續(xù)的超高負值或者超高正值,或者超高正值與超高負值交替出現(xiàn)的頻率過大,則可以認為玉米價格波動出現(xiàn)重度警情,需要分析相應(yīng)的警源情況,做出適當(dāng)?shù)恼哒{(diào)整。(一)玉米價格警度指標(biāo)分布本文以玉米價格變動率作為預(yù)警指標(biāo),由于衡量的是月度價格波動情況,本文使用連續(xù)時間的變動率:(4)式中,Pt和Pt-1分別表示第t期和第t-1期的玉米價格,PRt表示玉米價格變動率。2007年1月～2013年3月玉米價格平均變動率為0.61%,標(biāo)準(zhǔn)差為2.16%。對玉米價格變動率進行Shapiro-Wilk正態(tài)檢驗,檢驗統(tǒng)計量的值為0.964,p值為0.035,在顯著性水平為0.01的情況下,認為玉米價格變動率呈正態(tài)分布。本文根據(jù)正態(tài)分布3σ原則2及玉米價格波動的特點,構(gòu)建玉米價格波動的警度標(biāo)準(zhǔn)和警限范圍,玉米價格波動的均值為μ=0.61%,標(biāo)準(zhǔn)差為σ=2.16%,規(guī)定[μ-σ,μ+σ]為價格波動的正常狀態(tài),[μ-2σ,μ-σ)為價格偏低態(tài),(-∞,μ-2σ)為價格重度偏低態(tài),[μ+σ,μ+2σ)為價格偏高態(tài),[μ+2σ,+∞)為價格重度偏高態(tài)。表3列出了玉米價格預(yù)警的警度、警限、信號燈顏色和相應(yīng)的市場狀態(tài)?；谟衩變r格警情的設(shè)定及組合預(yù)測模型對未來12個月價格的預(yù)測,表4給出了相應(yīng)的警度信號燈顏色?？梢钥闯?未來12個月的玉米價格基本上保持平穩(wěn)狀態(tài)。(二)警源分析1.由市場特征、市場成因?qū)Z食價格波動影響的因子警源分析主要基于對玉米價格影響因素的分析,目前,關(guān)于糧食價格波動的影響因素主要有“供需決定論”、“外生沖擊論”、“市場特征論”和“復(fù)雜成因論”四種觀點。其中,“供需決定論”認為,供給、需求等基本因素是影響糧食價格波動的主要因素(孫禮照,1990;方福平、李鳳博,2010);“外生沖擊論”認為,能源、貨幣等外生因素是糧食價格波動的重要原因(盧鋒、彭凱翔,2002;黃季焜等,2009);“市場特征論”認為,糧食市場結(jié)構(gòu)是影響糧食價格波動的本質(zhì)性因素(林毅夫等,1995;李暉,2004);“復(fù)雜成因論”則認為,糧食價格波動不是單一因素引發(fā)的,而是一系列復(fù)雜因素共同作用的結(jié)果(王曉明,2002;農(nóng)業(yè)部農(nóng)村經(jīng)濟研究中心,2011)。本文對所選的11個指標(biāo)進行因子分析,得到5個因子,這5個因子涵蓋了11個指標(biāo)97.84%的信息量。為了分析所提取的因子的經(jīng)濟意義,需要進一步對所得到的因子進行旋轉(zhuǎn),使每個變量在某個因子上載荷較大,而在其它因子上載荷較小。旋轉(zhuǎn)后的因子載荷矩陣如表5所示。外匯儲備、貨幣和準(zhǔn)貨幣量、農(nóng)產(chǎn)品價格指數(shù)、中長期貸款利率(1～3年)、人民幣對美元匯率、黃玉米期貨價格在因子1上載荷較高,因此,將因子1命名為宏觀因子(SFG);CPI和玉米淀粉價格在因子2上載荷較高,因此,將因子2命名為通脹因子(SFP);全國大中城市生豬出場價格在因子3上載荷相對較高,將其命名為需求因子(SFD);玉米進口平均價格在因子4上載荷最高,將其命名為國際價格因子(SFM);玉米供給波動在因子5上載荷最高,將其命名為供給因子(SFS)。2.玉米價格回歸模型因子分析模型用矩陣的形式可以表示為X=AF+ε,其中,X為11個指標(biāo)構(gòu)成的矩陣,A為因子載荷矩陣,F為因子矩陣,ε為隨機擾動項。進一步,根據(jù)因子分析模型得到F=A-1X(ε期望為0),其中A-1為因子得分系數(shù)矩陣,因子F得分即為因子得分系數(shù)矩陣A-1與指標(biāo)矩陣X的乘積,如表6所示。因子分析中所用到的變量均進行了標(biāo)準(zhǔn)化,故而得到的因子也是沒有單位的標(biāo)準(zhǔn)化數(shù)值,記玉米價格序列Cornt標(biāo)準(zhǔn)化以后得到序列為std＿Yt3。本文構(gòu)建了玉米價格和5個因子之間的線性回歸模型:(6)式調(diào)整的R為0.98,表明線性模型的擬合效果較好;F值為277.36,表明該線性模型是顯著的,;模型中除供給因子外的各個因子系數(shù)均通過了顯著性檢驗,系數(shù)符號符合預(yù)期。唯一的問題是供給因子不顯著。本文認為,中國糧食產(chǎn)量已經(jīng)實現(xiàn)了“九連增”,但是,由于中國玉米需求的強勁增長,玉米價格卻逐年