基于HP分离ARIMA--Markov模型的我国生猪存栏量预测.pdfVIP

基于HP分离ARIMA--Markov 模型的我国生猪存栏量预测 吴 雪 (重庆科技学院工商管理学院，重庆400020) 摘 要：时间序列分析方法的运用呈现出多样性和组合型的特点。针对于3-前时间序列模型运用存在的 分割性不足，在对时间序列分离后独立序列的特性出发，认为应3-对独立分离序列分别建立适合波动规律的预 测模型。文章首先采取HP滤波对生猪存栏量进行分离，然后采用ARIMA模型和Markov转移模型分别对趋势 序列和随机序列进行预测并加总，最后采用原始序列的ARIMA处理结果与组合模型进行对比．发现 了组合模 型要优于传 统ARIMA。 关键词：HP滤波；ARIMA—Markov；生猪存栏量；预测 中图分类号：F326．3 文献标识码：A 文章编号：1002—6487(2013)06—0102—03 0 引育 1 我国生猪存栏量时间序列描述及HP滤波处理 在时间序列经济预测研究中，往往各种研究方法都被 采用HP滤波器对我国自1976～2011年共36年的生猪 独立使用。实际上不同的时间序列分析方法在机理上都 存栏量数据进行HP滤波器处理，数据来源于 《中国统计年 集中于一些类似本质，如最小二乘法、门限回归、面板回归 鉴》，结果如图1。从基础数据可以得出：(1)我国生猪存 等计量模型都侧重于变量的影响因素分析，只是在变量的 栏量从 28725万头增加到 了47625万头 ，同比增长 了 形式和模型的处理步骤上存在差异，而一些时间序列模型 65．8％，从整体上看生猪存栏量为明显的上涨趋势，对数据 如季节调整seat法、基于白噪音功率谱分析的BP法和时 进行增长形势处理后 (公式为d，=z一Izf_] )得到了 间序列ARMA法、灰色GM方法都是从序列走势进行判 每年的增速数据，可知每年平均增速为1．58％，属于稳步 断，以考察变量 自身的规律寻找发展趋势的。本文认从时 增长，其中除了1980、1981、1983、1987、1986、2000、2003、 间序列角度看，采取不同方法的组合更能对经济现象有一 2006、2010年的存栏量增速为负值以外，其他年份均为正 个 良好的阐述，但实际上当前的绝大部分研究所采用的方 向上升。(2)存栏量的长期趋势数据年平均增速为1．41％， 法都是独立的。本文拟先采用HP滤波方法对生猪存栏量 小于观测值得到的1．58％，说明扰动因素在该区间段整体 序列进行趋势和不规则因素分析，同时记录下偏离误差； 上对存栏量的作用是正向的。进一步而言，随机因素对趋 在此基础上对趋势序列和不规则因素分别进行ARMA模 势序列的影响具有很强的波动性 ，根据EVIEWS5．0的描 型建模，并采用Q统计量、自相关和偏相关对残差序列 自 述统计板块得到了随机因素序列的标准差为1441．68，而 相关程度、滞后阶数和移动平均阶数进行判定；最后对两 均值为3．61×10一，最大值为4247，最小值为一4090，可以看 个序列进行时间序列加总得到未来十年的我国生猪存栏 出随机因素的波动幅度相当大，故有必要在进行时间序列 预测值，希望对我国生猪产业政策的调整具有参考意义。 预测时对两种组成成分进行分离。(3)从描述统计变量看， 存栏量观测数据和趋势数据的峰度分别为1．70和 1．66，均 小于3，故为低宽峰；而随机序列则明显为高窄峰。值得 关注的是1994～1995两年的随机因素贡献波动幅度异常，