基于ARMA模型中国农产品价格分析与预警.docVIP

基于ARMA模型中国农产品价格分析与预警 　　摘要采用ARMA 模型，对中国农产品生产价格指数（1979-2010）时间序列进行了建模分析.结果表明，ARMA（5，1）模型是平稳的且是可逆的.对2011-2013的中国农产品生产价格指数GPIFP进行了短期预测.预测结果分别是112，102和108.采用ARMA模型进行农产品生产价格指数的分析与预测，能较好地反映其动态变化，对促进我国农产品价格市场和谐发展具有重要的参考价值. 　　关键词ARMA 模型；平稳时间序列；预测 　　中图分类号 文献标识码A 　　1引言 　　农产品生产价格指数（GPIFP）反映一定时期内，农产品生产者出售农产品价格水平变动，可以客观反映全国农产品生产价格水平和结构变动情况.农产品价格波动是影响我国经济发展的一个重要因素，关系到中国农业经济的发展.我国农产品市场供求关系发生很大的变化，由卖方市场转向为买方市场，价格波动带来的影响也更加不确定.随着国际竞争的加剧，农产品生产者面临的价格风险更加复杂＼[1-3＼].为了对其风险进行管理，本文引入经济计量模型，对农产品价格波动进行分析和预警，以实现农产品市场风险管理. 　　国内外很多学者对农产品价格波动与预警进行了大量的研究，取得了大量的研究成果，但也存在着一些不足之处.在经济预警研究方面还有很多领域没有引起足够重视，尤其是农产品价格波动的预警研究没有引起重视.关于农产品价格波动的研究局限于某个农产品，而缺乏对农产品价格预警的系统研究＼[4-6＼].在我国农产品价格波动的新背景下，通过构建模型，对我国农产品价格波动进行系统研究，有助于提高我国政府对农产品价格波动的预警分析能力. 　　计量经济模型是传统的经济预警模型.计量经济预警模型需要建立变量之间准确的计量经济关系，并且要通过相应的统计检验.由于农产品供求过程是一种复杂的社会经济活动，所表现出的周期性是欠规范的，并具有时变性、高度非线性及相关因素繁多等特点，计量经济预警模型在进行农产品价格分析时要求比较高，需要有完整的经济时间序列＼[7-9＼]. 　　由于市场机制的作用， 农产品价格波动呈现一定的规律.预测经济时间序列的理论与方法较多， 比较经典的有指数平滑法、生长曲线等， 这些方法对经济运行长期趋势的预测比较准， 但对短期波动预测效果不理想＼[10-12＼].ARMA 模型对经济运行短期趋势的预测准确率较高. 因为它既考虑了经济现象在时间序列上的依存性， 又考虑了随机波动的干扰性.本文利用ARMA模型结合农产品价格指数的历史数据建立模型，并运用该模型对农产品价格的未来短期趋势进行预测并在此基础上提出相应的建议. 　　3数据来源 　　数据来源：中国统计年鉴2011和中国国家统计局网站.数据采用年度数据，收集了1979至2010年的数据.在研究中由于反映农产品价格的指标种类较多，考虑到数据收集的完整性和连续性，本研究采用了农产品生产价格指数进行研究.对于农产品生产价格指数分两个时间段，2000年（含）以前数据用农副产品收购价格指数代替，2001年（含）之后为农副产品生产价格指数.为了研究方便本研究所有数据均是通过一定处理以后的，首先数据是以不变价格进行计算计算，在计算指数值时是以上一年为100为基准.用GPIFP代表农产品生产价格指数. 　　4实证检验 　　1）序列的单位根检验 　　由于只有对平稳序列才能建立ARMA模型，因此在建立模型之前，有必要对序列进行单位根检验.采取ADF单位根检验. 　　根据农产品价格指数的分布可以看到序列GPIFP并没有表现出随时间变化的趋势，因此检验回归方程中不包含时间趋势；同时序列GPIFP偏离零值而随机变动，因此检验回归方程中应该包含常数截距项. 　　ADF检验的t统计量=-3.890 535，小于检验水平1%、5%、10%的t统计量临界值，而且t统计量对应的概率p值（=0.0058）非常小，因此拒绝序列GPIFP存在单位根的原假设，即可以认为序列GPIFP是平稳的. 　　2）ARMA模型识别 　　由于检验出序列GPIFP是平稳的，因此可以建立ARMA模型，ARMA模型的阶数（p，q）由序列的自相关函数和偏自相关函数来确定. 　　序列GPIFP的自相关函数AC在滞后2阶处超出了95%的置信区域，其余各阶的自相关函数都在置信区域之内.偏自相关函数PAC在滞后2阶、滞后4阶分别显示出统计上的尖柱，但在其他各阶处均在统计上不显著.在滞后5阶后，序列GPIFP的偏自相关函数PAC变得很小，因此可以认为ARMA模型的自回归过程可能是5阶的.序列GPIFP的自相关函数AC在滞后2阶后才开始变小，说明移动平均过程MA应该是低阶的. 　　本研究对回归AR过程5阶及以下、移动平均过程MA过程2阶及以下的AR