肉价格波动分析:基于ARCH类模型

【摘要】基于2000年1月至2011年12月集贸市场月度猪肉价格数据，利用GARCH、GARCH-M、TARCH和EGARCH等ARCH类模型对我国猪肉价格的波动、波动的非对称性进行分析。研究结果显示，猪肉价格波动表现出明显的集簇性与非对称性，价格上涨信息引起的波动大于下跌信息引起的波动，而猪肉市场没有存在高风险高回报的特点。于此提出，应充分利用价格波动的集簇性对未来猪肉价格的波动进行预测，建立、完善猪肉价格预警系统；应对能引起猪肉价格上涨的因素给予特别的关注，采取适当的措施稳定猪肉价格；推进金融化工具，不断完善猪肉市场。

【关键词】猪肉价格 波动性 ARCH类模型

一、引言

中国是世界上最大的猪肉生产国和消费国，猪肉是中国人民肉食的最重要的来源，年人均猪肉消费量在人均肉类消费量中所占的比重一直在60%左右。1985年之前，中国政府采取统销统购的政策对猪肉市场进行价格管制，猪肉的价格水平在这个时期维持平稳。随着中国经济体制改革的推进，1985年以后中国的猪肉市场逐渐放开，市场中的供给和需求情况对猪肉价格具有决定性作用，这个时期开始中国的猪肉市场经历了频繁的大幅度的价格波动。如2006年猪肉价格的大跌，跌至10.71元/kg，2007年猪肉价格的大涨，涨至22.95元/kg，尤其在2008年1月时猪肉价格达到最高的25.53元/kg。而一年后，在2009年6月时猪肉价格又降到15.46元/kg这样个低谷，进入2011年以后猪肉价格又开始反弹，出现大幅度的上涨，在9月时达到30.35元/kg的顶峰。这种大幅度和频繁的猪肉价格波动，一方面极大地干扰了消费者的生活，另一方面对猪肉生产者的生产活动产生深远的影响，且在传到机制的作用下对猪肉生产的产前和产后的相关行业产生影响，甚至波及整个产业链。可见，从现实社会需求来看，很有必要对猪肉价格波动的特点进行分析借以提出维持猪肉价格稳定的政策建议。

二、文献综述

猪肉价格波动问题一直备受关注，很多学者从不同的角度进行了研究，成果也颇丰。

（一）关于猪肉价格波动的周期性特征的研究

徐磊、侯扶江（2010）的研究认为，在1985-2006年间的肉价格波动在年度内呈现出类似于U型的两头高中间低的季节性变化规律，而各年间的猪肉价格则出现“调整-波动”这种周期性循环的变化趋势，且伴随调整期逐渐缩短以及上下波动幅度不断加剧的特征；吴瑛（2011）根据1996年至2007年间中国的月度生猪（猪肉）价格数据，运用“蛛网模型”对生猪（猪肉）价格波动的周期性进行分析，研究结果显示，1996年至2007年间的生猪（猪肉）价格波动顺次表现为趋于收敛型蛛网波动、趋于封闭型蛛网波动和趋于发散型蛛网波动。

（二）关于猪肉价格波动的影响因素研究

张磊、王娜、谭向勇（2008）在深入调查和剖析猪肉产业链中各关联主体的基础上，认为生猪养殖环节是产生猪肉价格上下波动的主要源头；张美珍，薛继亮，罗创国（2010）认为肉价格频繁大幅度波动的深层次原因是生猪养殖过渡分散，集约化效益难以实现，产业化程度低下，无法实现规模经济；韩晓虎、黄大乾、吴宇婷（2011）认为年度内猪肉价格波动主要受季节性因素影响，猪肉价格的整体上涨是由饲料成本上升导致，而猪肉价格的循环性波动则是由生猪养殖分散、生产周期长和信息不对等造成，并在不断变化的宏观环境及动物疫情等突况的影响下进一步放大。栾淑梅、寿金、吕杰、王娟（2011）基于VAR模型对省际间价格波动机制进行分析，认为在短期内主产省份的猪肉价格波动在极大程度上受到主销省份的猪肉价格波动的带动作用影响，存在逆向传导机制。

（三）关于猪肉价格波动产生的影响研究

高中理、邵祥东（2010），运用增益谱频域分析法对猪肉、粮食、水产品等7种食品价格周期波动对CPI周期波动的增益贡献，结果显示：在短期内，CPI周期性波动受到猪肉价格周期性波动所带来的偶发冲击作用的效应显著，从长期来看，CPI周期波动受到猪肉价格周期波动增益贡献的影响比例维持在13%-18%之间，低于粮食价格和水产品价格波动对CPI周期波动的增益贡献；韩一杰、刘秀丽（2011）运用综合改进的投入产出价格影响模型，测算了猪肉价格变动对CPI的影响程度，结果表明，猪肉价格对CPI的影响较为显著，且随时间递增，猪肉价格上涨20%时，1个月和3个月后CPI分别上涨0.72%和0.85%，猪肉价格上涨50%时，1个月和3个月后CPI分别上涨1.75%和2.12%。

（四）关于猪肉价格波动预测方面的研究

马雄威、朱再清（2008）在分析猪肉价格波动特征的基础上，根据2006年4月至2007年11月肉的平均价格数据，运用灰色神经网络组合模型（CGNN）对接下来十个月的猪肉价格进行预测，并且证实预测结果是可信的；冀德刚、周静、李春兰（2008）运用ARIMA时间序列模型分析方法对河北唐山市猪肉价格进行预测；罗军、万忠等（2011），采用指数平滑预测法对我国猪肉价格的发展趋势进行预测，指出我国猪肉价格的基本趋势是上升的。

因ARCH类模型在波动分析上的优势，能对时间序列变量的波动进行准确模拟，国外学者常采用该方法对价格波动问题进行分析。而在国内，ARCH类模型主要被应用于期货市场和股票市场的分析方面，鲜少有运用此方法对猪肉市场进行分析的文献。据此，本文在研究猪肉价格波动的相关特性时，将采用ARCH类模型的分析方法，主要从以下几个方面展开：①猪肉价格波动有表现出集簇性的特征吗？②猪肉市场存在高风险高报酬的特征吗？③猪肉价格的波动是否具有非对称性？在本文中，集簇性的含义为大的价格波动后面常紧随大的价格波动，而小的价格波动后面常紧随小的价格波动；非对称性的含义为由价格上涨信息带来的波动与由价格下跌信息带来的波动在程度上不对等。

三、研究方法与数据描述性统计

（一）研究方法

1.波动分析

本文将先对猪肉的价格序列与价格收益率序列予以说明和描述统计分析并用ADF法进行平稳性检验，之后对均值方程进行设定和ARCH-LM检验，接着完成GARCH模型与GARCH-M模型的建立。GARCH模型是对于波动集簇性的检验；GARCH-M模型是对于猪肉市场有无存在高风险高报酬特点的检验。

①表示均值方程，被解释变量用表示，于本文指猪肉的价格收率，解释变量用表示，于本文仅含的滞后项；②表示方差方程，代表于t时的条件方差，于本式中它由残差滞后项的加权平方和构成。为使得条件方差，②式中，，

度显著，可知猪肉价格收益率表现出明显的波动集簇性。

Bollerslev在1986年对ARCH模型的方差方程②式进行拓展，将条件方差自身的滞后项引入②式，提出了广义自回归条件异方差（简写为“GARCH”）模型：

在③式中，代表ARCH项，代表GARCH项，

它们的滞后阶数分别用p与q表示，若ARCH项与GARCH项都高度显著，可知猪肉价格收益率表现出明显的波动集簇性。为使得条件方差，一般要求系数与，然要求系数为非负数的条件仅是使得该模型有意义的充分条件却不是必要条件。在GARCH模型中，产生波动的来源被划分为变量过去的波动与外部冲击这两个部分，它们对本期波动的影响强度分别用和表示。

波动的持续性从模型的系数之和（）的大小中体现。

若，表明冲击的影响将不断扩散；若，

表明冲击的影响将渐渐消失。与ARCH模型相比，GARCH模型有自身的优点：对较为复杂的高阶ARCH模型，用比较简单的GARCH模型进行替换，从而使得模型的识别与估计都更加容易实现。

（G）ARCH-M　模型。Engle，Lilien　and　Robins于1987年将引入到（G）ARCH　模型中的均值方程①式，从而提出了（G）ARCH-M　模型：

在④式中，为条件标准差的一个倍数，如果，则表示因风险的增加市场参与主体会要求获得更高的收益，下文以该参数检验高风险高回报的特征是否存在于我国猪肉市场。

2.波动非对称性分析

本文在分析猪肉价格收益率波动的非对称性时，采用门限ARCH（简写为“TARCH”）模型分析方法与指数GARCH（简写为“EGARCH”）模型分析方法，并运用两个模型的估计结果以相互验证对方。

TARCH模型。Zakoǐan于1990年和Glosten，　Jagannathan，　Runkle于1993年提出TARCH模型，其条件方差方程可表示为：

在⑤式中，表示虚拟变量，若，则，否则，。在该模型中，表示价格上涨信息（）对条件方差的影响，表示价格下跌信息（）对条件方差的影响。若，则说明波动表现出非对称性特征。若，则说明相比于价格上涨信息的影响，价格下跌所带来的波动更大；若，则说明相比于价格下跌信息的影响，价格上涨信息带来的波动更大。

（2）EGARCH模型。Nelson于1991年提出EGARCH模型，其条件方差方程可表达为：

⑥式中，表示价格上涨信息（）对的影响，而表示价格下跌信息（）对的影响。若，则表明波动表现出非对称性特征。若，则说明相比于价格下跌信息的影响，价格上涨信息带来的波动更大。若，则说明相比于价格上涨信息的影响，价格下跌所带来的波动更大。

（二）数据说明与描述统计

本文使用的是2000年1月至2011年12月的集贸市场月度价格（元/公斤）数据，具体根据中国畜牧业信息网和《中国农产品价格调查年鉴》资料整理得到。

价格收益率以相邻月份猪肉价格的对数一阶差分表示，即，其中，和分别代表第t月与第t-1月的猪肉价格。猪肉价格收益率的描述统计结果见表1。据该表可知，猪肉价格收益率的峰度为4.5564，比正态分布的峰度值3大，说明猪肉价格收益率表现出尖峰与厚尾特点；且JB正态性检验也证实猪肉价格收益率与正态分布相异。

表1 猪肉价格收益率基本统计量

价格收益率的变化由图1可见，猪肉价格存在波动的集聚效应和异方差效应。为准确判断该序列究竟有无异方差效应，下文将对其进行ARCH-LM检验。

四、模型估计结果

ADF平稳性检验结果显示：猪肉价格序列是非平稳的，而其价格收益率序列则是平稳的。且ARCH-LM检验结果显示：对猪肉而言，当滞后阶数为2时，检验概率P值小于0.0，可知残差序列有异方差效应。而至少存在2阶的ARCH效应，意味着需估计的参数有多个，可以用一个低阶的GARCH模型代替，以减少待估参数个数。据此，本文对存在显著异方差效应的猪肉市场建立ARCH模型。

猪肉市场的ARCH类模型估计结果见表2：

表2 猪肉市场ARCH类模型估计结果

（一）GARCH模型的估计结果

猪肉价格收益率方差方程中，与在1%的水平下都显著，可知猪肉价格收益率序列具有显著的波动集簇性，价格的过去波动对当前的波动造成冲击，较大的波动之后常常紧接着持续时间更久的波动。与之和为0.98，小于1，因此，过去的波动对未来的影响逐渐消失。而产生波动集簇性的原因，可能有两个方面，一方面，猪肉价格波动与我国的宏观经济形势相联系，猪肉价格波动的集簇性是由信息生成过程中的序列相关性造成；另外一方面，随着我国猪肉市场化政策的实施与推进，市场参与主体不断增多，人们对信息的理解方式有很大的不同，这导致猪肉价格波动集簇性的产生。

（二）GARCH-M模型的估计结果

猪肉价格收益率均值方程中，估计值是0.08，却不显著，可知猪肉市场未表现出高风险高报酬的特点。从这一点上可以看出，在我国猪肉市场中，相比于理性因素，非理性因素对大部分交易者的决策产生的影响更大。我国猪肉市场还存在很多不足，许多方面有待进一步发展和完善。

（三）TARCH与EGARCH模型的估计结果

在TARCH模型中，的估计值小于零，为-0.07，且在10%的水平下显著。在EGARCH模型中，的估计值大于零，为0.23，且在1%的水平下显著。由此可知，相比于价格下跌信息对价格波动的影响，由价格上涨信息所带来的波动要大得多，猪肉价格波动表现出明显的非对称性特征。而这与French，Schwert　and　Stambaugh（1987）和Campell　and　Hentschel（1992）在研究股票市场波动非对称性时，提出了波动反馈效应相异，究其原因，可能猪肉市场比较特殊，人们更关注价格上涨信息，存在“跌价无人问，涨价多头管”的现象。

五、总结和政策建议

本文通过应用ARCH类模型对我国猪肉市场价格波动进行分析，得出以下结论：我国猪肉价格波动表现出明显的集簇性；在我国猪肉市场中，高风险高报酬的特征并不存在；我国猪肉价格波动表现出显著的非对称性，相对于价格下跌信息对波动的影响而言，由价格上涨信息所带来的波动要大得多。

（一）完善预警系统

上文的模型估计结果显示，我国猪肉价格波动表现出明显的集簇性，大的价格变动后面常紧随大的价格变动，而小的价格变动后面紧随的是小的价格变动。这说明，在一定程度上猪肉价格是可以预测的。相关部门应履行职责切实做好监控工作，形成一套行之有效的预警系统。政府可以通过这个系统相关的信息，预测市场的变化趋势，从而调整相关政策。多年来，政府在这方面做了大量工作，目前已有较好的基础，但还有待规范和完善；各有关部门可以在数据的收集整理、挖掘分析以及权威性预警报告的等方面，进一步加强努力。

（二）提高对引起猪肉价格上涨的因素的关注度和警惕性

在我国猪肉市场中，价格波动表现出显著的非对称性，相对于价格下跌信息对价格波动的影响而言，由价格上涨信息所带来的波动要大得多。基于此，为稳定我国猪肉市场，对能引发猪肉价格上涨的因素，如生猪疫情蔓延、生猪饲养原料价格上涨、劳工成本增加以及突发性需求增加等情况，各政府相关部门、猪肉生产企业以及消费者等主体应给予特别的关注，提前采取应对措施，预防猪肉价格大幅度上涨。

（三）金融化推进

对于猪肉市场波动带来的产业系统性风险，还可以运用包括信贷、保险以及期货等现代金融工具进行防范。探索建立和完善生猪期货市场，通过期货的价格发现和风险规避功能，使得生猪养殖者能够根据期货市场现有的交易行情，对未来生猪市场的价格变化趋势有更加准确和及时的了解，进而合理调整养殖生猪的规模和饲养周期，使得猪肉市场供给与需求相均衡。此外，还应建立生猪发展基金，促进生猪养殖业规模化、集约化发展，以稳定猪肉市场市场价格，避免价格的大幅波动。

参考文献

[1]徐磊，侯扶江.以草地农业系统观分析猪肉价格问题[J].草业科学，2010（06）：123-128.

[2]吴瑛.基于蛛网理论的我国近10年生猪价格波动分析[J].广东农业科学，2011（03）：106-108.

[3]张美珍，薛继亮，罗创国.基于分工演进视角下的规模不经济和肉价格波动[J].畜牧经济，2010（06）：23-27.

[4]韩晓虎，黄大乾，吴宇婷.全球视野下的肉价格波动及调控研究―基于2000-2010年月度价格数据[J].世界农业，2011（03）：61-64.

[5]栾淑梅，寿金，吕杰，王娟.省际间猪肉价格波动的动态关系研究―基于VAR模型分析[J].农业经济，2011（08）：87-88.

[6]高中理，邵祥东.偶发冲击与增益分解：猪肉价格周期波动效应检验[J].农业现代化研究，2010（11）：670-673.

[7]韩一杰，刘秀丽.肉价格波动对其他部门产品价格及CPI的影响测算[J].中国农村经济，2011（05）：12-20.

[8]马雄威，朱再清.灰色神经网络模型在猪肉价格预测中的应用[J].内蒙古农业大学学报（人文社会科学版），2008（04）：91-93.

[9]冀德刚，周静，李春兰.时间序列分析在对猪肉价格的预测分析中的应用[J].商场现代化，　2008（13）：320.

[10]罗军，万忠等.近期我国猪肉价格大幅度上涨的原因及趋势分析[J].广东农业科学，2011（17）：165-168.

[11]高铁梅.计量经济分析方法与建模―EViews应用及实例（2版）[M].北京：清华大学出版社，2009：199-206.

基金项目：本文由福建师范大学校级重点学科“产业经济学”学科建设资金提供支持。

作者简介：华晓丽（1989-），女，福建师范大学经济学院2011级硕士研究生，研究方向：产业组织理论、农业经济。