天府数学杂志社官网
  
当前位置:天府数学杂志 > 杂志论文投稿 > 正文

不确定因素对生猪价格的预测模型及应用

发布时间:2021-08-27 人气:

作者姓名:祁小凡

文章字数:2483

发表期数:天府数学2019年4期

本期封面:

天府数学2019年4期

本文网址:tfsx20190402

  摘要:近期猪肉价格在国内一直呈增长趋势,造成了整体市场价格的动荡,给市民日常生活带来不小影响,有序平稳的市场价格离不开政府部门的调控和监管。基于此,本文针对不确定因素下生猪的价格问题进行了研究预测,研究以乐山市市中区华联商场2018年2月到2019年11月生猪价格数据为依据,用db4小波对原始数据进行去噪处理后,综合EGARCH和NARX模型对短期内生猪价格进行了预测,得出短期内生猪价格走势。通过对比分析NARX模型和EGARCH-NARX模型的价格走势,研究发现EGARCH-NARX复合模型的预测精度更高,可靠度更强。
  关键词:小波分析;时间序列;NARX模型;EGARCH模型
  1引言
  从2017年各类畜产品占比来看,猪肉已经成为是我国主要的畜牧加工产品,占比达到了62.48%。生猪价格长期受到社会各界的关注[1],受非洲猪瘟的影响,近几个月生猪价格波动很大,因此研究不确定因素下对生猪价格的影响,建立相应的预测模型,就显得尤为重要。
  生猪养殖紧密联系着乐山地区农户的生产生活,生猪价格的周期性频繁大幅度波动经常导致生猪养殖及相关环节经营困难。生猪价格的大幅波动,首当其冲的是对养殖户的经营造成冲击,使得养殖户难以对接下来的市场价格作出准确预估,往往会造成高成本低回报的局面。探寻生猪价格波动的情况,准确把握未来生猪市场养殖户更加重要。
  本文在传统的价格预测模型上,基于小波理论并综合NARX和EGARCH模型,在不确定因素下,对生猪价格进行预测。
  2传统的价格预测模型和波动率模型
  首先对传统的价格预测模型和波动率模型进行分析。
  2.1传统的价格预测模型及其应用
  在农产品的价格预测问题中,现阶段国内外已有很多研究成果,其中较为著名的是小麦价格走势预测,研究发现,卖期货的价格在相当长的一个时期里面处于较高的水平。其他研究学者还发现,白菜价格预测上,最好避免使用ARMA模型。刘海清对农产品价格也进行了预测,得出了芒果在一定时期内的价格走势曲线,并对价格波动进行了深入分析。在过去的预测分析中,虽然对价格走势分析很多,但是对价格的波动却研究得很少。
  2.2波动率模型及其应用
  1986年Bolloerselev提出了广义自回归条件异方差模型,即GARCH模型。GARCH(p,q)模型定义为
  公式(1)中,ui为残差项,ht为条件异方差,a0>0,ai,为GARCH项系数,bi为GARCH项系数。GARCH模型自产生以来,很多的市场研究专家通过不断的分析和探索,在此模型基础上,进行了改进,使得模型在直观反映价格波动的基础上,还可以反映市场情况,例如MGARCH模型、EGARCH模型等。第二种模型主要应用在金融领域,通过对模型的分析运用,可准确把握基金市场的风险和误差,有效避免基金可能潜在的风险。肖云香、李星野结合数学科学中的多项式算法对我国的外汇储备进行了预测,研究表明,通过模型预测的农产品价格波动,与上市股票的波动性较为吻合。通过分析上海和伦敦期货波动率,学者们对溢出效应、杠杆效应有了进一步的了解。从上面的论述中可以知道,GARCH模型已经被广大学者所认同。
  非线性源回归网络是有反馈的动态神经网络,是一种有记忆功能的神经网络,通过当前输入和过去输出这两个方面,来决定当前输出的情况。NARX模型不仅继承了传统的时间序列模型的优点,而且通过训练使得模型对非线性数据有着更好的适应能力,因此,NARX模型非常适合复杂的、非平稳、非线性时间序列的预测。
  参数d,m分别是延迟阶数和神经元的个数,可以通过调整d,m的值,来优化模型的预测性能。
  由以上分析可知,结合NARAXM模型和EAMD模型对生猪价格进行预测,可以较好的综合各方有因素,对价格波动做出精准预测,有效避免了以往价格预测过程中出现的片面性问题。
  3基于小波理论和EGARCH-NARX的组合模型
  小波函数是在传统傅里叶函数上发展而来的,小波变换是通过平移和伸缩等运算对信号进行多尺度细化分析[10],利用多分辨率分析来得到更多的信息。当满足如下完全重条件则称为基小波。
  小波本身具有多分辨分析和良好的非线性局部逼近功能等多种特性,能够对研究对象进行更为细致的逼近,因此小波分析又被人们称为“数学显微镜”[11]。近年來逐渐被引入经济领域,并得到广泛的应用。
  基于小波理论综合上述模型,本文提出预测生猪价格的模型结构由以下步骤完成:
  Stepl利用小波分析理论对原始数据进行了分析,筛选有效的数据和层数。
  Step2对选取的主要趋势数据运用NARX模型进行拟合,并对未来价格进行第一次预测;
  Step3对残差部分进行高阶ARCH检验,若存在高阶ARCH效应则进一步建立GARCH模型并进行第二次预测,反之在第二步处结束。
  详见图2[12]。
  3.1数据来源
  本文选用的模型是短期预测模型,由于生猪价格受政策因素影响比较明显,所以为了提高预测精度,选用的数据是在统一政策时期的数据[13-15]。本文以乐山市市中区华联商场2018年2月到2019年11月的生猪价格为研究对象,数据见图3,用小波对数据分解,经尝试,第一层可以代表原始数据的大部分信息,所以选取第一层的主要趋势进行建模。
  3.2平稳性检验
  从上图可以看出数据具有明显的上升趋势,初步判断序列不平稳。对数据进行ADF检验,数据不平稳,对数据进行平稳化处理,数据进行一次差分后变得平稳。由ADF检验结果可知,-5.639824小于1%、5%、10%显著性水平下的临界值,p值趋近于0,根据ADF检验原理序列是平稳的,因此ADF检验通过,即数据经过一阶差分后变平稳。

相关推荐