生猪价格的预测模型

实证分析：实验过程
10.30 9.30 8.30
7.30
6.30
5.30
实际值 逐步回归预测值 逐步回归组合模型预测值
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
Yt=0.99727+0.50665*MEAT t+0.42317*FEEDt2 (1)
此模型拟合效果见下页图
实证分析：实验过程 多项式回归拟合效果
10.30
实际值
9.30
预测值
8.30
7.30
6.30
5.30 2000年210月00年240月00年2070月0年1200月01年210月01年240月01年2070月1年1200月02年210月02年240月02年2070月2年1200月03年210月03年240月03年2070月3年1200月04年210月04年240月04年2070月4年1200月05年210月05年240月05年2070月5年1200月06年210月06年4月
国外生猪市场定性预测研究方法也大致类似，也是采 用猪粮比价为标准，分定性析预测市场变化方向。
国内外生猪市场预测研究概况
定量预测方面： 国内方面研究较少 国外方面研究
市场价格预测方法简介
回归分析法
此方法是根据被预测变量与其他变量之间的因果关系 预测未来，因此是建立在因果关系分析的基础上的。 因而针对具体的经济问题，首先要进行背景因素分析， 收集影响该问题的主要经济指标，收集历史数据，然 后构建理论模型。
价格预测方法概要
定性预测方法：专家预测法
定量研究方法
专家价格预测法 回归预测法 时间序列预测法 组合模型预测法 神经网络预测等
国内外生猪市场预测研究概况
定性预测方面：
国内主要用猪粮比价分析市场波动规律。猪粮比价即 待宰活猪与玉米的比价，猪粮比价若为5.5:1以上则盈 利多于亏损；生猪价格对于猪肉价格反应比较敏感， 肉价上涨，猪价也可能上涨。中国农业大学刘少伯教 授等人定期在行业杂志期刊上发表此类市场预测相关 文章；而中国农业信息网，畜牧兽医总站及种猪信息 网等网络媒体也定期发布市场行情预测信息，但是这 些信息大多都是处于定性分析阶段，对于市场的导向 性也不是特别明确。
实证分析：实验过程
10.30 9.30 8.30
7.30
6.30
5.30
实际值 多项式回归预测值 多项式组合模型预测值
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
1 0.669 0.8413 0.7745
1 0.7483 0.7715
1 0.852 1
MEAT 代表猪肉，PIGLET 代表仔猪，CORN 代表玉米， SOYBEAN 代表豆粕，FEED 代表育肥猪配合饲料，HOG 代表生猪 (下同)
实证分析：实验过程
多项式回归模型分析
参考Kevin等人研究的K-State公式，并考虑 生猪价格的基本结构，用SAS统计分析软件建 立了一个多项式回归方程，具体如下，该方程 的决定系数为0.9056 。
10 9 8 7 6 5 4
1995年1月 1995年7月 1996年1月 1996年7月 1997年1月 1997年7月 1998年1月 1998年7月 1999年1月 1999年7月 2000年1月 2000年7月 2001年1月 2001年7月 2002年1月 2002年7月 2003年1月 2003年7月 2004年1月 2004年7月 2005年1月 2005年7月 2006年1月
10.30 9.30 8.30 7.30 6.30
实证分析：实验过程
5.30
实际值 向量自回归模型预测值
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
2000.1~2005.6
实证分析：实验过程
Eviews调用VAR过程得到以下方程： 即VAR(3)模型，该方程拟合效果评价如下： HOG = 0.05234286428*PIGLET(-1) +
0.08369212981*PIGLET(-2) - 0.1098470661*PIGLET(-3) + 1.097798644*HOG(-1) - 0.3022734138*HOG(-2) + 0.02408228022*HOG(-3) - 0.02395559269*SOYBEAN(-1) + 0.6053523065*SOYBEAN(-2) 0.1696291353*SOYBEAN(-3) - 0.1400357293*FEED(-1) 0.4301286458*FEED(-2) + 0.3614280798*FEED(-3) 0.06492529779*MEAT(-1) + 0.05012093167*MEAT(-2) + 0.01445772002*MEAT(-3) + 0.4368785519 该方程 R2=0.954736,MSE=0.072952381 拟合效果图如下页所示: [2005.7起为预测数据]
实证分析：实验过程
多元回归分析
采多元逐步回归分析，在SAS统计分析软件中 调用REG过程，然后采用STEPWISE(逐步回归) 方法，并将自变量选择的显著性水平设置为 0.05，进行分析，得出以下回归方程，方程中 所有自变量均达到了0.05的显著水平，模型决 定系数R2 为0.9335。
Yt (=20) .27947+0.48524*MEATt+0.80204*SOYBEANt 此模型拟合效果见下页图
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
Study On Live Hog Price Forecasting Models
生猪价格预测模型研究
马孝斌 王楚端 中国农业大学动物科技学院
主要内容
生猪市场波动简介 生猪价格预测研究概要 预测方法简介 实证分析 小结与讨论
生猪市场波动简介
自1985 年国家开肉类市场，生猪价格亦表现 出明显的波动特点。
实证分析：实验过程 多元回归拟合效果
10.30
实际值 预测值
9.30
8.30
7.30
6.30
5.30 2000年210月00年240月00年2070月0年120月001年210月01年240月01年2070月1年1200月02年210月02年240月02年2070月2年120月003年210月03年240月03年2070月3年120月004年210月04年240月04年2070月4年120月005年210月05年240月05年2070月5年1200月06年210月06年4月
市场价格预测方法简介
时间序列分析法
经济生活中的数据一般都是按照时间排列的时间序列， 因此也可以从时间序列的角度来分析。与回归分析有 所不同的是，时间序列分析是依靠历史数据的变化来
推测未来数据，主要的准则是“让数据说话”。
预测方法主要有移动平均(MA)，自回归 (AR)，向量自回归(VAR)，自回归移动平 均 (ARMA)等方法
实证分析：实验过程
多元回归—时间序列组合分析
结合回归分析和时间序列分析的结果，我们最终将模 型进行组合，得到了多元回归—时间序列组合模型，ε 代表残差数列。
组合模型对生猪价格的拟合效果如下两图所示 :
实证分析：实验过程
10.30
9.30
8.30
7.30
6.30
5.30
实际值
多项式
多项式组合模型
纵观1995年以来我国生猪价格历史数据，可以 发现，1995 年至1998 年4 月份，以及2003 年10 月份至今，生猪价格几乎都在7 元以上； 而1998 年5 月份至2003 年9 月份共64 个月， 生猪价格一度处于7元以下。
生猪价格波动带来的危害及市场预测的必要性
1995.1~2006.6月生猪价格波动示意
实证分析：各因素相关分析
variable meat
piglet Corn
soybean feed hog
meat 1 0.8748 0.7695 0.6775 0.855 0.9479
piglet Corn soybean feed hog
1 0.7636 0.6897 0.8081 0.8792
实证分析：实验过程
向量自回归方法
向量自回归(VAR, Vector Autoregression)是 单变量自回归的扩展,对于N个变量,我们估计N 个方程，每个方程的右侧都是左侧变量的p个 滞后变量以及其他变量的p个滞后变量进行回 归。
根据多元逐步回归结果，我们选择piglet, hog, meat, soybean, feed这5个变量为 内生变量进行VAR计算,数据范围是
实证分析：实验过程
组合模型运用实际数据预测结果
将2006年2月—6月份猪肉价格，育肥猪配合饲料价格， 豆粕价格带入方程式(3)和(4)，并将其结果与实际数据 相比较，如下图所示。图中竖线滞后是预测数据与实 际数据的对比。
10.30 9.30 8.30 7.30 6.30 5.30
实际值 多项式回归预测值 逐步回归预测值
实证分析：实验过程
残差数列的时间序列分析
针对方程(1)和(2)，分别计算它们的残差数列， 得到一个包含73期数据的时间数列。运用SAS 统计分析软件的时间序列分析中的ARIMA (Autoregressive integrated moving average model)模型对其进行分析，经检验 两个数列均为平稳白噪声数列。通过分析其自 相关值和偏自相关值，根据AIC准则以及MSE 的大小，最终选择的模型是ARIMA(1,0,3)和 ARIMA(2,0,4)。
逐步回归
Байду номын сангаас
回归组合模型
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
实证分析：北京市场肉猪价格
本文拟通过养猪生产中影响生猪价格各因素间 相关分析，采用多元回归分析法，多项式回归 分析法，多元回归—时间序列组合分析法及向 量自回归方法建立生猪价格预测模型，并对其
做出初步分析。
实证分析：数据来源,方法
实验所用数据来源于中国畜牧兽医信息 网的数据月报。本文主要针对的是北京 数据进行分析。根据养猪业特点，我们 选择了仔猪价格，生猪价格，育肥猪配 合饲料价格，豆粕价格，玉米价格这六 项资料数据，并进行了一系列的分析。