Page 101 - 《华中农业大学学报（社会科学版）》2021年第5期

第 ５ 期 吴 培 等: 基于 C ( n ) ＧMIDAS模型的中国鸡蛋价格混频预测预警研究 ９ ５

元旦、 春节提振及国内再次多发的新冠疫情影响, 鸡蛋价格发生跳跃式后上涨后, 随着疫情得到有效
控制, 天气逐渐回暖, 鸡蛋价格回落, 幅度略大导致发生轻警, 其中 ３ 月的价格变化主要原因可能是受
牛羊肉及活鸡价格影响, ４ 月的价格变化可能是受活鸡、 蛋鸡配合饲料及鸡蛋期货价格影响, 此时无
须报警, 但需提前密切关注以上指标的价格走势、 上下游产业链的整体情况, 以及国内及国外、 中央及
地方的各项相关产业的市场情况、 结构调整、 投资策略及政策变化等; ５－７ 月, 鸡蛋价格表现为无警,
且各重要影响指标也均表现为无警, 此时无须报警, 正常关注监测各指标价格波动及中央部委的重要
政策文件和指导方针即可; ８ 月, 组合预警显示鸡蛋价格为无警, 但其中重要因素牛羊肉价格显示为
轻警, 此时无须报警, 加强对牛羊肉价格波动、 进出口贸易量及食品安全等事件的监测即可; ９ 月, 鸡
蛋价格表现为轻警, 主要原因是受羊肉、 蛋鸡配合饲料及鸡蛋期货价格影响, 其中鸡蛋期货价格的预
警程度最大, 可能是受中秋、 国庆节日及月饼产业提振及期货投机炒作影响, 此时无须报警, 密切关注
重点指标的波动走势及其产业链上下游整体情况; １０－１２ 月, 鸡蛋价格及其重要影响因素均表现为
无警, 正常关注监测常用指标及国内外环境即可.

四、 结论及未来研究方向

１． 研究结论
针对目前鸡蛋价格预测预警方面存在的特征指标选择缺乏实证筛选方法、 模型回归分析大多停
留在传统计量模型的问题, 本研究结合时差相关分析和 VIP 技术从影响鸡蛋价格波动的 １８ 个混频
指标中筛选出相关程度较高的 ４ 个重要先行指标( 牛肉价格、 羊肉价格、 活鸡价格、 蛋鸡配合饲料价
格) 以及 ２ 个待定指标( 鸡蛋期货价格、 PMI指数) 构建 C ( n ) ＧMIDAS 模型预测 ２０２１ 年 １－２ 月鸡蛋
价格, 并探讨不同指标选择下 C ( n ) ＧMIDAS 模型的预测精度变化, 比较发现加入鸡蛋期货价格后的
C ( ５ ) ＧMIDAS 模型预测效果最好, 进一步运用选定模型结合中国农产品监测预警阈值表对 ２０２１ 年
３－１２ 月鸡蛋价格进行预测预警发现, ２０２１ 年 ３－４ 月, ９ 月鸡蛋价格表现为轻警, 且警情发生的主要
影响因素不同, 需针对具体情况具体指标提前密切关注有关产业的行业走势及政策变化.
本文基于时差相关分析法和 VIP 技术筛选指标后运用 C ( n ) ＧMIDAS 模型对鸡蛋价格进行实证
分析预警, 论证了该模型用于鸡蛋价格预测的模型优势: 一是预测比较优势.通过比较不同滞后阶数

及不同预测步数下, C ( n ) ＧMIDAS 模型和基准模型( PDL 、 ARIMA ) 的预测精度发现, 总体来看C ( n ) Ｇ
MIDAS 模型具有明显的预测比较优势, 且在最优滞后阶数条件下 C ( １ ) ＧMIDAS 模型的预测优势显
著, 验证了 C ( n ) ＧMIDAS 模型能充分挖掘利用高频数据信息, 且当滞后阶数 K 较大( 包含较多历史

信息), 预测步数较小时( h 小于等于 ２０ , 短期预测), 模型预测优势更为突出.二是及时修正优势.
将２０２１ 年 １ 月第 １ 周( h＝３ )、 第 ２ 周( h＝２ )、 第 ３ 周( h＝１ ) 最新公布的各指标数据代入模型后, 得
到修正的 ２０２１ 年 １－２ 月鸡蛋预测价格较没有加入最新数据的预测价格误差更小, 验证了混频模型
能将最新公布的高频数据及时代入模型, 对已有预测结果进行修正, 从而提高模型预测效果.三是指
标选择优势.单一指标选择方法可能存在指标筛选过度( 重要信息丢失) 或剩余信息过多( 多余信息
干扰) 的情况, 本研究结合两种变量选择方法先筛选出重要指标, 然后对边际指标进行探讨, 最终确定
模型指标的方法明显具有理论优势, 实证来看, 各 C ( n ) ＧMIDAS 模型的预测精度: 含鸡蛋期货价格的
C ( ５ ) ＧMIDAS ＞ C ( ４ ) ＧMIDAS＞ C ( ６ ) ＧMIDAS＞ 含 PMI指数的 C ( ５ ) ＧMIDAS , 验证了指标选择并
不是越多越好, 重要的是基于研究目的选择最恰当的关键指标, 鉴于篇幅有限, 本研究仅对通过其中
一种变量选择方法( 没有通过两种方法) 的鸡蛋期货价格和 PMI指数进行了是否应纳入构建模型的
讨论, 后续将进一步探讨加入经济学上的重要指标如猪肉价格、 在产蛋鸡存栏量等, 是否会有助于提
高模型的预测效果.四是警情发现优势.传统预警区域没有将警情指标的增加和减少区分讨论, 忽
略了农产品价格正负向波动的非对称性; 传统预警结果大多基于指标体系计算合成指数或扩散指数
得到, 更多地考虑各指标自身的波动情况而不是各指标对因变量的预测情况, 以上都会出现预警过松
( 如预警区域确定不合理) 或过严( 如虽然指标自身波动过快出现轻警, 但是传导到因变量时预测影响
为无警) 的发生, 本研究基于时差相关分析法和 VIP 技术筛选指标后构建 C ( n ) ＧMIDAS 模型得到的