Page 92 - 《华中农业大学学报（社会科学版）》2021年第5期
P. 92

８ ６                              华中农业大学学报( 社会科学版)                               ( 总 １５５ 期)

               征  [ １１ ] ; 周荣柱等运用协整检验和向量自回归( VAR ) 模型分析了在产蛋鸡存栏、 鸡蛋产量和鸡蛋价格
               之间的动态均衡关系          [ １２ ] ; 四是价格预测预警分析, 如岳之峣等           [ １３ ] 、 Zomchak 等  [ １４ ] 运用 ARIMA 模型
               对鸡蛋价格进行预测预警, 此外, 还有部分选择支持向量机方法                             [ ３ ] 、 神经网络模型  [ １５ ] 、 记忆网络模
               型  [ １６ ] 等.
                   综合来看, 鸡蛋价格的预测预警方面尚有以下几点不足: 一是特征指标选择缺乏实证筛选方法,
               目前指标选取大多基于常规判断, 影响因素分析也大多基于格兰杰因果关系检验( 不能检验同期因果
               关系), 没有从变量选择上给出统计学的筛选方法; 二是模型选择停留在传统同频计量模型, 其一方面
               要求研究对象必须为同频数据, 否则将出现模型无法识别的情况; 另一方面进行预测时要求知晓未来
               时刻解释变量的估计值, 否则将出现无法找到对应关系, 预测对象丢失的情况.为解决传统计量经济
               模型无法处理实际问题中自变量频率不同及实时监测修正预测结果的问题, Gh y sels等提出了混频
               数据回归模型( MIDAS ) , 徐剑刚等首次将其应用于国内金融领域                          [ １８ ] , 刘金全等将模型的应用拓展
                                     [ １７ ]
               到中国宏观经济        [ １９ ] , 此后逐渐扩展应用于国内不同领域, 如服务业               [ ２０ ] 、 旅游业 [ ２１Ｇ２２ ] 、 生态环境 [ ２２ ] 等,
               其一方面能将不同频率的数据同时纳入模型, 充分挖掘高频数据的有效信息, 提高模型预测的有效
               性; 另一方面能及时将最新公布的高频数据信息代入模型, 对原有预测结果进行修正, 提高模型预测
               的精准性, 但尚未有研究将混频模型应用于农业领域的价格预测预警分析.本文将运用时差相关分
               析法和 VIP 技术从影响鸡蛋价格波动的 １８ 个混频指标中筛选出贡献度较高且具有先行指导意义的
               指标, 然后基于所选指标构建多元组合自回归分布滞后混合数据抽样( C ( n ) ＧMIDAS ) 模型对 ２０２１ 年

               ３－１２ 月鸡蛋价格进行预测预警.
                  一、 模型构建与数据说明


                 １． 模型选择
                   考虑到大部分时间序列数据往往存在自相关性, Andreou 等提出了加入自回归项的 MIDAS 模
               型  [ ２３ ] , 本研究将采用 MSE 赋值法构建多元组合自回归分布滞后混合数据抽样模型, 记为 C ( n ) ＧMIＧ
               DAS ( m , K , ), 则h 步向前预测的模型一般表达式为:
                          p
                                   p － １         n      K－ １ m－ １
                                                                    ( (
                        Y t ＋ h ＝ α＋  ∑  Φ iY t － i ＋ β∑ γ n′ , t∑∑ ω i ＋ j∗m θn) ) X n′)  m－ i , t － j － h / m ＋ ε t ＋ h  ( １ )
                                                                              (
                                   i ＝ ０        n′＝ １  j＝０ i ＝０
                   式( １ ) 中: Y t t 期低频被解释变量, X n) 为 t 期第n 个混频解释变量, m 为混频数据的频率倍
                              为
                                                      (
                                                        t
               差( 即t 期和 t＋１ 期之间混频数据的个数), K 、 θ 分别为混频变量的滞后阶数、 权重函数, h 为提前预
                                 p
               测低频数据的期数, 为自回归阶数, γ n , t            为赋值权重, ε t   为随机扰动项, 且服从均值为零的正态分布,
                 β    为待定系数.特别地, 当n＝１ 时, C ( １ ) ＧMIDAS 为单变量模型.其相较于传统同频计量预测
               α 、、 Φ i
               模型的优势在于可以实时地预报和修正预测结果.
                   ２． 数据处理及基准模型
                   考虑到蛋鸡生产的养殖周期为 ３ 年                [ ２４ ] , HP 滤波法显示鸡蛋价格波动的上一周期始于 ２０１４ 年
               １１月, 适当顺延至次年 １ 月, 本研究将探讨 ２０１５ 年 １ 月至 ２０２０ 年 １２ 月各重要影响因素对鸡蛋价格
               的波动分析.考虑到 C ( n ) ＧMIDAS 模型确定模型参数需探讨滞后 ７２ 周( 一年半) 的回归结果, 故本
               研究将先进行 ２０１５ 年 １ 月至 ２０１９ 年 １２ 月的样本内分析预测, 确定各指标的权重函数及预测方法
               后, 比较 C ( n ) ＧMIDAS 模型和同频模型的预测效果.本研究将选择 PDL 模型、 ARIMA ( １ , １ , １ ) 模型
                                         p＝１ ,
               ( 依据 AIC 准则取一阶差分,              q＝１ ) 作为基准模型, 其中, ARIMA 模型广泛应用于时间序列价
               格短期预测, 能很好地反映价格本身的运行趋势; PDL 模型广泛应用于因果关系分析的模型构建, 能
               很好地反映价格在影响因素驱动下的运行趋势.最后进行 ２０１５ 年 １ 月至 ２０２０ 年 １２ 月的全样本建
               模, 构建 C ( n ) ＧMIDAS 模型预测 ２０２１ 年 １－２ 月鸡蛋价格, 并比较加入 PMI指数和鸡蛋期货价格是
               否会提高预测效果后, 进一步对 ２０２１ 年 ３－１２ 月鸡蛋价格进行预警判断.
                   本文中的鸡蛋期货价格来自Investin g 官网, 其他价格数据来自农业农村部, 人民币汇率和 PMI
               指数来自中国金融信息网, 其他数据来自中国统计年鉴.为平滑宏观经济及通货膨胀对价格波动的
   87   88   89   90   91   92   93   94   95   96   97