我国是养猪大国和猪肉消费大国，生猪产业一直在经济中占据着举足轻重的地位。山东省是我国的生猪主产区之一，在《全国生猪生产发展规划(2016—2020年)》中被选为“重点发展区”,除了满足本省人民的消费需求外，山东省还肩负着供应其他省份生猪的任务。根据《山东统计年鉴》和《中国统计年鉴》的数据经统计可知，2001—2022年，山东省生猪出栏量占全国生猪出栏量的比例平均为6.8%,猪肉产量占全国猪肉产量的比例平均为7.2%;2021年和2022年，山东省生猪出栏量和猪肉产量占全国的比例平均分别为6.2%和7.3%。尽管山东省生猪出栏量和猪肉产量在我国仍相对稳定和领先，但是近年来受市场环境、贸易战、“非洲猪瘟+新型冠状病毒”双重疫情等因素影响，山东省生猪产业一度发展迟滞。2019年山东省生猪出栏量和猪肉产量占全国的比例较2018年分别下降了1.49%和1.81%,下降幅度为2001年以来最大；与此同时，山东省的生猪价格也经历了剧烈波动，面临着严峻挑战。

价格波动是经济规律与市场行为共同作用引起的现象，其过程中往往会表现出一些普遍特征。这些特征可以作为市场监管、资源配置、决策制定和风险管理的科学依据，具有重要的参考意义。因此，在复杂的新形势下，对山东省的生猪价格波动特征进行研究有一定的必要性和紧迫性。本研究同时从时间、产业链和地区三个维度展开，借助描述性统计方法分析山东省生猪价格波动的基本特征和地区性特征，借助X12季节调整方法和H-P滤波(Hodrick-Prescott filter)法分析生猪价格波动的季节性、周期性和趋势性特征，以期为山东省生猪价格调控提供参考依据。

1、文献综述

我国改革开放前实行计划经济，政府对包括肉类在内的大部分农产品实行“统购统销”政策，直到1985年开始逐步放开。因此，在1985年之前，关于市场经济条件下我国生猪价格波动的研究较少。起始阶段的研究，在研究内容上普遍以市场供需和“蛛网模型”为基础；在研究类型上以理论研究为主，以运用经典统计方法的实证研究为辅。随着市场经济水平的不断提升，国内生猪价格波动的研究体系也在不断发展和细化，运用各种定量分析方法的实证研究逐渐成为主流，这些研究中大多包括价格波动特征、价格波动传导机制和价格波动影响因素等。

就研究内容而言，价格波动特征是对价格波动现象的抽象概括，价格波动特征研究的内容常包括价格波动的频率、幅度、波动形态等基本特征[1,2],以及季节性、周期性、趋势性、地区性等时空维度特征[3,4,5]。价格波动传导机制是指价格波动在时间和空间上发生、演变的规律，对价格波动传导机制的研究主要涉及不同产品或不同市场之间的价格传导速度、传导方向、传导路径等[6,7]。价格影响因素是指导致价格波动的各种经济和非经济因素，研究内容主要包括生产、消费、贸易、政策、疫情等，各方面因素对价格波动的影响程度和方式有所不同[8,9,10]。

就研究方法而言，研究价格波动特征时，重点在于对特征进行“识别”,其中时间序列分解是较常见的方法，X11季节调整法及其扩展方法、H-P滤波法和B-P滤波(Band-Pass filter)法多被组合使用[11,12],B-N分解(Beveridge-Nelson decomposition)法也被广泛采用[13,14]。在研究价格波动传导机制时，常将某一种商品价格或某一个市场的商品价格视作一种“冲击”,而“传导”就是指“冲击”所引起的相关产品或市场的价格变化，VAR(vector auto-regression)模型和ECM模型(error correction model)及二者的扩展模型多被用于此类研究，并配合Granger因果检验、脉冲响应和方差分解方法进行分析[15,16,17]。研究价格波动影响因素时，多运用回归分析方法，具体方法则与价格波动传导机制研究方法类似，而且一些经典回归模型仍能在此类研究中发挥重要作用[18,19]。

就研究结论而言，现有研究基本一致认同生猪价格波动季节性和周期性特征的存在，但在波动周期的划分、大小周期是否存在及关系等问题上，根据研究时空的不同，结论有所区别。价格波动的传导通常是非线性的、不对称的[20,21],这在产业链上下游之间的传导和地区之间的传导中均有体现。供需变化是引起生猪价格波动的主要原因，但之所以生猪价格波动表现复杂，疫病、政策、自然灾害等外部冲击(或随机冲击)对生猪价格波动的影响不容忽视，其作用机制是通过加剧生猪供需矛盾而对生猪价格波动产生负面效应和推动作用[22]。

国外的生猪价格研究同样始于“蛛网模型”,主流观点和结论也与国内研究类似，如多数研究认为生猪价格波动具有周期性，这种周期性会在不同时空条件下呈现出不同的波动特征，一轮周期的时长通常在3～4年之间[23,24];生猪价格波动传导机制存在非线性和不对称性[25,26,27];生猪价格波动受到多种因素的影响。但也有尚未达成一致的意见，如有些研究认为“猪周期”时长固定[28],有些则认为存在变化[29]。

2、数据来源

山东省生猪价格基本特征、季节性特征、周期性特征和趋势性特征分析的时间区间为2003年1月份—2022年12月份，其中山东省2003年—2021年的月度生猪价格数据来源于《中国畜牧兽医年鉴》(2004—2022年),2022年的月度生猪价格数据来源于Wind财经数据库。地区性特征分析的时间区间为2019年5月份—2022年12月份，山东省内各地市生猪价格数据也是来源于 Wind 财经数据库，缺失值则运用线性插值法予以补齐。为了消除通货膨胀的影响，本研究分别使用以2003年1月份和2019年5月份为基期的山东省居民消费价格(CPI)指数对所有生猪价格进行了换算。

3、研究方法

3.1 X12季节调整方法

X11 季节调整方法经历了多个版本的演变，目前已成为一种经典的季节调整方法。X12 季节调整方法是在 X11 季节调整方法基础上发展和改进而来的，除了包括 X11 方法的所有功能外，还扩展了贸易日和节假日影响的调节功能；增加了季节、趋势-周期和随机成分分解模型的选择功能；增加了新的季节调整结果稳定性诊断功能；增加了 X12-ARIMA 模型的建模和模型选择功能。本研究使用X12季节调整方法，将换算后的2003年1月份—2022年12月份山东省生猪价格序列分解为随机成分序列(final irregular component, IR)、季节成分序列(final seasonal factor, SF)、季节调整后的生猪价格序列(final seasonally adjusted series, SA)和趋势-周期成分序列(final trend-cycle, TC)分别进行分析。

3.2 H-P滤波法

H-P 滤波法是由R. J. Hodrick和E. C. Prescott 于 1980 年在分析美国战后的经济时提出的，自提出后这种方法就被广泛运用于对经济趋势的研究中[30]。其理论基础为时间序列分析中的频谱分析法(spectral method),将时间序列视为不同频率成分的叠加，分离出的趋势成分序列用Trend序列表示，周期成分序列用Cycle序列表示。H-P 滤波法依赖于参数 Lambda, 该参数需要预先设定。普遍接受的Lambda 的取值规则为年度数据取 100,季度数据取1 600,月度数据取 14 400。本研究使用H-P滤波法，将季节调整后得到的趋势-周期成分序列进一步分解为Trend序列和Cycle序列进行后续分析。因为序列中的数据为月度数据，所以使用H-P滤波法时，Lambda值取14 400。

4、基本特征分析

4.1 年际特征分析

描述性统计结果显示，山东省2003年1月份—2022年12月份年际生猪价格平均为10.82元/kg, 中位数为10.10元/kg, 最大值为23.52元/kg, 最小值为5.11元/kg, 标准差达到了3.72元/kg, 说明离散程度较大，山东省生猪价格经历了剧烈的波动；而根据J-B统计量(137.06)、P值(0.00)和偏度(1.44)可以判断山东省生猪价格分布呈正偏态。

而从山东省生猪价格年际走势(见图1)中能够进一步观察到，统计区间内共经历了5次较完整的波动：2003年5月份—2006年4月份为第1次波动，历时36个月，波峰出现在2004年9月份，此次波动幅度相对较小，波峰处的价格为9.13元/kg; 随后2006年5月份—2010年4月份、2010年5月份—2014年4月份、2014年5月份—2018年4月份又经历3次连续的、趋势相似的波动，波峰分别出现在2008年3月份、2011年7月份和2016年5月份。这3次波动与第1次波动相比，首先持续时间相对更长，均历时48个月；其次波动幅度相对更大，波峰价格在14～15元/kg之间。从图的形态上看，上述4次波动均由多个相对短期的小幅波动组成，呈现出明显的“梯次上涨、梯次下跌”的特征。

图1 山东省生猪价格年际走势

从2018年5月份—2022年3月份，则是一次与之前趋势有明显不同的“大涨大跌”,历时47个月。期间在2018年5月份—2019年2月份经历小幅波动后，生猪价格在接下来8个月时间里几乎呈直线状态上涨；2019年10月份—2021年1月份的生猪价格久高不下，远高于之前4次完整波动波峰处的价格，最高可达23.52元/kg, 但这段时间内生猪价格在高位上并不稳定，经计算最高价格和最低价格之差可达到6元/kg; 2021年2—9月份，也同样是在8个月的时间里，价格几乎呈直线状态下跌，跌回到2019年2月份时的水平；随后2021年10月份—2022年3月份又经历了一个小幅波动。2022年4—12月份，虽然只截取了一部分不完整的波动，但仍可以看出，这一区间内的生猪价格又经历了一次大涨，在2022年10月份到达峰值后快速开始下跌。

2018—2022年，山东省的生猪产业接连遭遇挑战。2018年8月份，非洲猪瘟在我国大规模暴发，导致2019年山东省的生猪出栏量减少37.5%,价格急剧升高；2020年生猪出栏量依然处于低谷，仅比2019年增加5%,加之新冠疫情暴发，又使得生产、流通、消费多个环节同时受阻，生猪价格悬在高位；从2019年4月份开始，国家实施一系列鼓励生猪养殖的政策，使得生猪养殖逐渐复苏，加之猪肉进口量增长、储备肉投放等系列措施，从2021年初，生猪价格逐渐回落。然而临时性措施能引起短期内价格快速下降，并不能解决根本问题，因此2022年生猪价格仍然未见平稳。

4.2 年内特征分析

按照月份对2003年1月份—2022年12月份内的生猪价格取算数平均值，可得到山东省年内生猪价格走势(见图2)。从年内价格变化情况可知，生猪价格在每年的1—4月份持续且急剧下降，价格在4月份降至年内最低；4—8月份持续上涨，其中在4—5月份和7—8月份上涨趋势相对较缓，5—7月份上涨趋势较快；8—10月份略有下降；10—12月份恢复上涨。整体呈现出一个中间低、两头高，且“左重右轻”的不对称的“W”形。

业内普遍认为夏季(6—8月份)是猪肉消费的淡季，猪肉消费量少而猪肉储藏和运输成本高，屠宰场大多会刻意避开这段时间，提前在4,5月份逐渐减少屠宰量以防亏损。屠宰场对生猪的需求量减少，养殖场也会随之减少生猪养殖量。实际上，因为市场对猪肉需求量不像猪肉产量一样可以在短时间内就做出调整，所以猪肉的需求弹性较小。猪肉需求量不变，猪肉产量(供给量)减少，引起猪肉价格上涨，屠宰场为了获利，选择重新增加猪肉产量，并拉动生猪需求量增加。此时，还有部分存栏生猪可以满足需求，在4,5月份暂时减缓了生猪价格上涨趋势，然而生猪养殖量已经减少，且猪的育肥需要一定的时间，因此尽管养殖场开始增加养殖量和出栏量，还是不能阻止生猪的供需平衡被打破，使得供小于需，最终引起了4—8月份生猪价格的持续上涨。

图2 山东省生猪价格年内走势

8月份以后进入秋冬季节，也进入了猪肉消费的旺季，加之连续的中秋、国庆、元旦等节日，猪肉市场需求量增加，同时生猪供给和屠宰产能也逐渐恢复，因此生猪价格在8—10月份之间会在价格高位上有小幅波动调整。11—12月份时值年末，一方面即将到来的元旦和春节又会带动一波猪肉消费；另一方面养殖场为了赶一波“春节红利”,会选择暂时压栏，待元旦后、春节前再集中出栏，这导致生猪供不应求的情况再次出现，引起价格上涨。然而待生猪集中出栏时，过量的供给远超过市场需求，因此又使生猪价格从1月份开始迅速连续下跌。

5、季节性特征分析

运用X12季节调整方法对山东省生猪价格数据进行季节调整后，共得到了4个成分序列(见图3)。对季节成分序列进行分析可以发现，季节因素作用的强弱转换每年呈现出“三峰两谷”的特征，“三峰”出现在年初、年末及8月份或9月份，“两谷”出现在5月份和10月份。这与从图2中观察到的生猪年内价格波动特征，在时间上较为吻合。因此，季节因素影响生猪价格的具体过程可以描述为：季节因素作用一般从10月份或者11月份开始增强，给生猪价格一个持续上涨的支撑，直至同年12月份或次年1月份；随后季节因素作用持续减弱，通常到4月份或5月份达到最弱，缺少支撑后生猪价格随之降低，4月份或5月份达到年内最低价格；5月份以后季节因素作用再次增强并持续到8月份或9月份，生猪价格再次被拉高；随后是一个为期1个月左右的小幅转弱，到10月份左右转强。

图3 山东省生猪价格季节调整图像

6、趋势性与周期性特征分析

运用H-P滤波法可将TC序列进一步分解为Trend序列和Cycle序列(见图4)。

图4 H-P滤波法分离出的Trend序列与Cycle序列

从趋势性特征(图4中Trend序列)看：2003年1月—2022年12月份，山东省生猪价格总体呈现上涨趋势；其中2003年1月份—2018年1月份生猪价格波动上涨，波动幅度不大，涨幅相对较缓；但从2018年1月份开始，涨幅陡然增加，持续到2020年9月份；2020年9月份之后陡然下跌，直到2022年12月份跌势也未见放缓。

从周期性特征(图4中Cycle序列)看，根据“谷-谷”法将Cycle序列划分为五个完整的波动周期，每个周期的起止时间与图1中的5次波动相吻合，经计算平均每个周期的长度为45.4个月。2003年1—4月份和2021年10月份—2022年12月份，由于统计时间的选取，可能只取到了半个周期，所以暂未纳入分析。

7、地区性特征分析

2020年6月份，山东省政府提出将建设省会、胶东、鲁南三大经济圈，其中省会经济圈包括济南(含莱芜)、淄博、泰安、聊城、德州、滨州、东营共7个地市；胶东经济圈包括青岛、烟台、威海、潍坊、日照共5个地市；鲁南经济圈包括临沂、枣庄、济宁、菏泽共4个地市。这种划分方式合理兼顾了各个地市的区位与功能，因此本研究依照三大经济圈的划分方式对数据进行地区分类。

描述性统计结果(见表1)显示：三大经济圈的生猪价格均呈正偏态；各项统计指标差距较小，一定程度上反映出了同省生猪价格特征的趋同性；其中，鲁南经济圈的中位数最高，说明总体价格水平最高，其次为省会经济圈，再次为胶东经济圈。表现出鲁西南部价格高、东北部价格低的特征。

表1 山东省三大经济圈生猪价格描述性统计结果

变异系数是标准差与平均数的比值，可以消除单位或平均数不同对两个及以上变量之间离散程度比较的影响。变异系数越大，说明离散程度越大，即波动频率越高。经比较，鲁南经济圈生猪价格的变异系数最大(0.347 8),波动频率最高；其次为胶东经济圈(变异系数为0.346 1);最后为省会经济圈(变异系数为0.340 6)。表现出鲁东南部波动频率高、西北部波动频率低的特征。

价差是指同一时间某地区最高价格和最低价格之差，可以反映该地区的价格分布情况。价差越小，说明该地区内价格分布越均衡，市场整合程度越高，价格信息传递阻碍越小；反之市场整合程度越低，价格信息传递阻碍越大。各经济圈的月度价差见图5。若以2.0元/kg及以上为高价差，0.5元/kg及以下为低价差，则省会经济圈出现高价差相对频繁，且出现过明显的高价差极端值，从未出现低价差；胶东经济圈出现高价差的情况较少，大部分时间是处于高低价差之间，少部分时间处于低价差的状态；而鲁南经济圈大部分时间都是处于低价差状态。说明鲁南经济圈的市场整合程度最高，其次为胶东经济圈，最后为省会经济圈，表现出鲁东南部市场整合程度高、西北部市场整合程度低的特征。

进一步建立三大经济圈价差相关性矩阵(见表2),可以发现，三大经济圈的地区价差之间均存在正相关关系，其中鲁南经济圈与省会经济圈之间的相关系数最高(为0.31),相关性最强；胶东经济圈与省会经济圈之间的相关系数为0.26,相关性相对较弱；鲁南经济圈与胶东经济圈之间的相关系数最低(为0.14),相关性最弱。说明三大经济圈的生猪市场存在一定联系，能够互相影响；然而，相关系数小，意味着市场之间的联系弱，不利于优化资源配置和提高市场效率，同时也不利于地区之间实现价格平衡。

图5 山东省三大经济圈生猪月度价差

表2 山东省三大经济圈生猪价格相关性矩阵

8、研究结论

在年际特征方面，2003—2022年间，山东省生猪价格经历了5次较完整的波动，前4次波动呈现“梯次上涨、梯次下跌”的特征，而第5次波动则呈明显的“暴涨暴跌”特征。在年内特征方面，山东省生猪价格在年初、年末和7,8月份高，在4,5月份和10月份低，年内走势整体呈左重右轻的不对称“W”形。

在季节性特征方面，季节因素作用每年呈现出“三峰两谷”的特征，“三峰”出现在年初、年末及8月份或9月份，“两谷”出现在5月份和10月份，时间上与“W”形的年内价格走势吻合。在趋势性特征方面，近20年来山东省生猪价格总体呈波动上涨趋势，其中从2018年1月份开始呈现“暴涨暴跌”趋势。在周期性特征方面，2003—2022年间可提取出5个较完整的波动周期，每个周期平均长约45.4个月，起止时间与年际特征中5次波动的起止时间相对应。可见，周期性因素和趋势性因素与年际价格波动有密切联系，季节性因素与年内价格波动有密切联系。

在地区性特征方面，山东省内生猪价格水平西南部高、东北部低，波动频率和市场整合程度东南部高、西北部低，均存在一定的不对称性；虽然山东省内各地生猪价格在一定程度上有趋同性，但实际上各地生猪价格的相关关系较弱，意味着市场间的联系较弱，降低了市场自我调节机制的效率，提升了政策调控失灵的风险。

9、对策建议

第一，坚持适度规模化养殖。

理论上规模化养殖可降低边际成本，提高经济效益，但规模化过度也将造成一定的危害。一方面危害体现于粪尿、污水和有害气体排放量超过环境承载能力、破坏当地生态；另一方面则体现于产能和风险过于集中。无论是饲料和仔猪等上游产品生产者、生猪养殖者，还是下游的猪肉生产者和生猪消费者，出于趋利避害的考虑，同类型产品生产者在面临市场变化时往往容易出现“扎堆涨价”或“扎堆降价”行为，过大规模的养殖无疑会增加调控难度，不利于平抑生猪价格波动。

第二，改进猪肉收储政策。

面对年际周期性特征强、年内季节性特征明显的价格波动，若是在价格已经下降时进行猪肉收储，价格已经上升时进行猪肉投放，则始终慢于市场一步，而且山东省内各地区市场整合程度不同，“一刀切”的做法很难起到预期的调控效果。可以考虑结合各地生猪价格确定相应的收储投放价格，实际投放时分批次、分地点进行，在波动频率高的地区可采用降低收储投放量、增加收储投放频率的方式替代一次性大批量收储投放的做法，可能会产生更好的调控效果。

第三，优化生猪价格预警机制。

价格波动在一定程度上也反映了市场信息的传递效率，如果市场信息能够从产业链的一个环节快速传递到另一个环节，或从一个地区快速传递到另一个地区，那么价格波动将减少。现行的价格预警更多的是通过新闻或者农业农村部公告向产业链传递，在媒体手段日渐发达的当今社会，可以考虑增加一些信息分发渠道以提高信息传递效率。另外，现有的产量、养殖成本、价格等历史统计数据的多样性有限，各地畜牧兽医局通常以周报或者日报的形式进行统计，偶尔还会出现数据不连贯、口径不统一或统计标准不清的情况，这使得研究人员获取数据、清洗数据的时间成本较高，不利于价格预警工作的改善，建议国家统计局、国家数据局与农业农村部畜牧兽医局深化合作，对数据进一步细化并加强数据管理，面向社会或科研机构提供标准化的数据集。

第四，加强生猪疫病防控。

自2018年以来，非洲猪瘟对生猪养殖业造成了极大的影响，山东省作为养猪大省，要更加注重各类疫病的防治和控制。一方面要保障养猪生产，稳定生猪供应；另一方面要保障猪肉消费，减少直到消灭“病死猪肉”在市场上的流通，巩固消费者信心。虽然各级畜牧兽医部门会给企业和养殖户提供一些养猪技术资料作为科学养殖的参考，如农业农村部畜牧兽医局近年来发布的《非洲猪瘟常态化防控技术指南(试行版)》和《洪涝灾害灾后动物防疫技术指南》等，但资料中介绍的消毒、扑杀仅是常规防控手段，若要从源头上解决，还有很多技术难题亟待攻克，如高效疫苗的研发和“减抗替抗”后的疫病综合防治方案制订等，建议政府引导科研单位或企业在这些领域进行进一步研究。

参考文献:

[1]毛学峰,曾寅初.基于时间序列分解的生猪价格周期识别[J].中国农村经济,2008(12):4-13.

[2]杨朝英,徐学荣.中国生猪价格波动特征分析[J].技术经济,2011,30(3):100-103,107.

[3]刘晓磊,崔雪锋.中国猪粮比的时空分布特征及驱动因素分析[J].中国畜牧杂志,2014,50(10):17-21,27.

[4]潘方卉,刘丽丽,庞金波.中国生猪价格周期波动的特征与成因分析[J].农业现代化研究,2016,37(1):79-86.

[5]黎庆莹.我国生猪价格波动趋势和季节特征研究[J].现代农业科技,2022(19):171-174.

[6]廖翼,孟志霖,夏青青,等.我国生猪价格波动区域特征及其传递效应研究[J].黑龙江畜牧兽医,2017(20):43-48.

[7]宁攸凉,乔娟,宁泽逵.中国生猪产业链价格传导机制研究[J].统计与决策,2012(10):96-98.

[8]王国栋.我国生猪价格波动影响因素研究[J].价格理论与实践,2015(5):85-87.

[9]陈迪钦,漆雁斌.中国生猪价格波动影响因素的实证分析[J].湖北农业科学,2013,52(4):959-963.

[10]彭代彦,喻志利.中国生猪价格波动影响因素协整分析:基于非结构突变与结构突变分析的比较[J].价格月刊,2015(9):23-28.

[11]赵瑾,郭利京.我国生猪价格波动特征及原因探析[J].价格理论与实践,2014(4):85-87.

[12]黎东升,刘小乐.我国生猪价格波动新特征:基于HP和BP滤波法的实证分析[J].农村经济,2015(6):52-55.

基金资助:国家社会科学基金项目“乡村振兴战略背景下电商下沉与农产品上行互动耦合发展研究”(20BGL286);

文章来源:邱田康,刘学忠.山东省生猪价格波动特征研究[J].黑龙江畜牧兽医,2024(12):9-15.