非洲豬瘟輿情對我國豬肉價格波動的時變沖擊研究

譚瑩 王緒寧

摘? ?要：由非洲豬瘟所引發(fā)的恐慌等輿情對豬肉價格波動周期及供給產生了重要的影響。本文采用2017年至2019年的周度樣本數據，構建GM（1，1）模型，通過非洲豬瘟百度搜索指數代表輿情和豬肉價格構建時變參數的向量自回歸模型，考察輿情對豬肉價格波動的沖擊。結果顯示，輿情在不同時期對豬肉價格波動的沖擊方向是不同的，從中短期來看，輿情對豬肉價格波動的影響主要是正向的，而從長期來看，輿情對豬肉價格波動的沖擊主要是負向的，隨時間發(fā)展沖擊效應是逐漸減弱的。

關鍵詞：非洲豬瘟;輿情關注度;豬肉價格;時變沖擊

一、引言

豬肉是我國人民最重要的肉類來源，維持豬肉市場價格穩(wěn)定一直是我國宏觀調控的重要目標之一。但自開放豬肉市場以來，價格波動一直是生豬市場的主旋律，除受供需、生產周期、產業(yè)鏈等基礎影響外，疫病及其帶來的消費恐慌等輿情也對豬肉價格及至整個市場帶來很大的影響。2018年8月3日，我國首例非洲豬瘟疫情在沈陽市爆發(fā)，各級政府雖采取應急措施防止疫情擴散，但仍出現全國范圍內大爆發(fā)態(tài)勢。從農業(yè)農村部統計數據來看，截至2019年8月31日，全國31個省份發(fā)生非洲豬瘟153起，全國累計撲殺生豬116萬頭，從數量上看，直接撲殺雖不算多，約占出欄量的2.13‰，但疫情引發(fā)網絡關注疊加豬周期對豬肉市場的影響并波及到畜禽市場，造成2019年底豬肉存欄同期下降約41.4%，供求缺口又造成價格瘋漲，豬肉價格上竄到約56元/公斤的高位（布瑞克農業(yè)數據庫）。為保障生豬供應，國務院先后制定了《關于加強非洲豬瘟防控工作的意見》等5項政策支持恢復生豬生產;商務部也采取了一系列相應措施如擴大豬肉進口、投放中央儲備凍豬肉保障市場供應。

疫病所引發(fā)的消費恐慌、公眾關注度等對畜禽價格的影響越來越受到廣泛關注。Liu B et al.（2015）在研究網絡使用者對人類感染禽流感的認知時，利用甲型H7N9的百度搜索指數評估不同時期人們對疫病的關注。Liu K et al.（2016）通過百度搜索指數確定了預測登革熱爆發(fā)的可能閾值索引（BSI），并基于BSI的時間序列分類和回歸樹對廣州、中山地區(qū)預測模，研究表明，成本較低的基于互聯網的監(jiān)控系統是對傳統監(jiān)視系統的有益補充。鄭燕和馬驥（2018）利用互聯網大數據構建禽流感公眾關注度指數作為禽流感疫情變化的代理變量，運用時變參數向量自回歸模型（TVP-VAR）對禽流感疫情變化與畜禽產品價格波動的動態(tài)影響進行實證分析。結果表明，禽流感疫情對畜禽價格影響的顯著程度：雞肉價格>豬肉價格>牛羊肉價格。吳佩蓉等（2019）構建基于生豬疫情寬度指數的VAR模型，結果表明，疫病是導致豬生豬價格上漲的Granger原因，反之則不然。而肖琦和周楊（2019）從供需關系的角度研究了疫病對豬肉價格波動的影響。曾華盛等（2019）運用時變參數向量自回歸（TVP-VAR）模型分析媒體負面報道對農產品價格波動的影響，研究表明疫病爆發(fā)對當期豬肉需求量有直接影響，對當期豬肉供給量有間接滯后性影響。媒體經常帶有負面情緒對農產品質量安全事件進行報道，這會對農產品價格波動起到影響作用，而且這種作用存在地區(qū)、產品和時期上的差異。

二、非洲豬瘟疫情對豬肉價格沖擊的影響研究

（一）基于灰色預測的非洲豬瘟對豬肉價格周期走勢的影響

1. 關于豬肉價格的灰色預測GM（1，1）模型構建

灰色預測法是對系統行為特征值的發(fā)展變化進行的預測，也就是對在一定范圍內變化的、與時間序列有關的灰過程進行預測。盡管灰過程中所顯示的現象是隨機的，但卻在有序的有界的范疇內，因此得到的數據集合具備一定的潛在規(guī)律?；疑A測是利用這種規(guī)律建立灰色模型對灰色系統進行預測?；疑A測法的優(yōu)勢在于對樣本數量依賴度小，無需考慮分布規(guī)律和變動趨勢，運算相對簡便且易于檢驗;缺陷是數據離散程度越大（即數據灰度越大）時其預測精度就越差。目前使用最廣泛的灰色預測模型就是關于數列預測的一個變量、一階微分的GM（1，1）模型。它是基于隨機的原始時間序列，經按時間累加后所形成的新的時間序列呈現的規(guī)律可用一階線性微分方程的解來逼近。在沒有大的市場波動及政策性變化的前提下，GM（1，1）的預測值是較為可信的。

本文的思想則是利用了GM（1，1）的特點，若是未發(fā)生非洲豬瘟重大事件，那么預測的數據跟實際的價格數據差距在統計意義上應該很小，但現實中發(fā)生了非洲豬瘟事件，那么則是將GM（1，1）的預測結果作為“反事實”的結果，通過該“反事實”的預測結果與現實數據做差異對比，來確認非洲豬瘟發(fā)生是否較大程度上影響了豬肉價格的走勢波動。具體而言，本文首先采取灰色預測法來估計假設沒有發(fā)生豬瘟時豬價正常態(tài)勢，然后與實際運行進行對比，從而從整體上看分析非洲豬瘟對豬價周期走勢產生的影響。本文選取了2017年3月第四周到2019年12月第三周作為樣本跨度期，以非洲豬瘟事件發(fā)生的時間2018年8月為時間節(jié)點，以之前樣本時間段的69周豬肉價格作為基準對象，通過灰色預測模型中較為經典的GM（1，1）模型來預測非洲豬瘟事件發(fā)生后的豬肉價格，并將其與實際價格做對比，來分析非洲豬瘟是否對豬肉價格的走勢造成影響。具體地，關于豬肉價格波動預測的GM（1，1）模型的構建過程如下：

（4）對該灰色模型檢驗，灰色預測檢驗一般有殘差檢驗、關聯度檢驗和后驗差檢驗等，本文分別采用后驗差檢驗結合小概率誤差P檢驗對模型得預測結果進行檢驗，以判斷其預測的精度和優(yōu)良性。

2. 灰色預測模型實驗結果及分析

本文采用Matlab軟件對灰色預測模型進行分析，根據軟件結果，求得發(fā)展灰數a=0.02375，內生控制灰數u=15.4392。

預測結果和原始數據的對比圖1所示：

根據圖1可知，由灰色預測模型所得的豬肉價格預測走勢顯示，豬肉價格自2018年8月開始顯示是小幅度波動下降周期，而現實的實際數據呈現大幅度的波動上升狀態(tài)，且兩者之間的缺口差距呈現愈來愈大的趨勢而且持續(xù)時間較長，直至2019年10月左右缺口才有所減小。后驗差檢驗的結果c=0.2905，p=0.9642，可以看出c<0.35，p>0.95，表明模型的預測等級精度為優(yōu)。因此可以初步認為非洲豬瘟對豬肉價格周期波動的走勢造成了較大的影響。為了更準確的分析非洲豬瘟對豬肉價格波動沖擊，本文還將通過TVP-VAR模型來進行進一步的分析。

（二）基于TVP-VAR的非洲豬瘟輿情對豬肉價格波動影響的研究

1. 影響機理與模型構建

從機理方面來看，豬瘟輿情對豬肉價格波動的影響機理可由幾個渠道來解釋。其一，消費渠道。非洲豬瘟爆發(fā)最直接對消費者的預期、認知等影響引發(fā)消費恐慌，加劇豬肉市場的價格波動信息不對稱渠道的影響。其二，疫情影響?zhàn)B殖戶對風險的主觀判斷，產生過度預防與遲滯效應，從而導致價格的劇烈波動（苗珊珊，2018）。最后，防控影響渠道。政府疫情的防控雖然有利于疫情的緩解，但在實施過程中經常會人為擴大，過度撲殺會造成下一輪生豬價格的報復性上漲。

基于上述理論，為了考察非洲豬瘟輿情到底對豬肉的價格波動產生的影響，重點探究其時變性和非線性特征，并進一步討論其在特定時期對豬肉價格波動的沖擊，本文采用時間序列數據構建TVP-VAR模型對非洲豬瘟對價格波動的影響進行分析。TVP-VAR模型的具體構建步驟如下。

2. 變量說明及數據來源

本文的被解釋變量有：豬肉價格（lnpork）參照譚瑩等（2017）和鄭燕等（2018）等采用去皮帶骨豬肉價格。解釋變量：非洲豬瘟輿情（lnASFI）：關于某個時點發(fā)生外來沖擊（如疫情、政策等）一般的做法是采用時間虛擬變量來衡量。事件發(fā)生之前取0，發(fā)生后取1。由于非洲豬瘟的發(fā)生時點及持續(xù)時間各地不同，用虛擬變量節(jié)點的方式可能無法準確度量事件，造成估計結果有偏性。本文借鑒吳佩蓉等（2019）等采用基于“非洲豬瘟”關鍵詞搜索的百度指數并取對數來作為非洲豬瘟事件的綜合性代理變量。其他解釋變量，將豬肉重要替代品市場的牛肉價格、雞肉價格（lnchicken）情況納入分析框架作為重要的系統控制變量。同時將生豬飼料成本中最重要的玉米價格（lncorn）、豆粕（lnbean）引入模型。為減少誤差，以上價格都取對數。

本文數據主要來源于中國農業(yè)農村信息部、中國畜牧業(yè)信息網及布瑞克數據庫?；陉P鍵詞搜索的“非洲豬瘟”來源于百度指數官網，數據時間跨度為2017年1月第1周～2019年12月第3周，應用Stata軟件來進行估計。各變量描述性統計的結果如下表1所示。

三、實證分析

（一）變量平穩(wěn)性檢驗

根據本文的檢測，各變量是一階單整I（1）序列，如表2。

（二）MCMC模擬法下的估計結果

本文參照 Nakajima（2011）的做法，給各參數賦予初始值，其中uβ0 = uα0= uh0 = 0，（∑β）～Gamma （40，0. 02），（∑α）～Gamma（4，0. 02） ，（∑h）～Gamma（4，0. 02），∑β0 =∑α0 =∑h0 = 10×I。本文采取MCMC的算法抽取樣本，累計抽取樣本10000次，舍棄初始的1000次抽樣，從而保證樣本集構建的有效性。待估參數的估計采用MATLAB2016b軟件完成。表3描述了整體效應模型參數估計的結果，主要包括待估參數的后驗分布的均值、標準差、95%的置信區(qū)間、Geweke統計量以及無效因子。由表3可以看出，所有參數的后驗均值都落在95%的置信區(qū)間內，Geweke統計量也幾乎都在5%的顯著性水平范圍內不能拒絕零假設。從無效因子來看，絕大多數都在可接受范圍內，表明模型的回歸結果穩(wěn)健。

（三）TVP-VAR的脈沖效應函數分析

1.非洲豬瘟時變脈沖效應函數分析

圖2給出非洲豬瘟輿情一單位外生沖擊對豬肉價格產生的脈沖響應圖，按短期（提前期1期）、中期（提前4期）和長期（提前8期）分別進行測試。上述三個不同提前期沖擊的脈沖響應曲線圖具有較大的差異，從作用強度來看，非洲豬瘟輿情沖擊對豬肉價格波動（εbd→pork）的影響短期>中期>長期，短期和中期作用的方向為正，長期作用為負?？赡艿慕忉屖?，在中短期內，疫情蔓延引發(fā)人們的消費恐慌心理，并且緊急的防控措施如生豬撲殺等造成的損失會從多個方面?zhèn)鲗У截i肉市場，從而導致豬肉價格波動加劇。但從長期來看，隨著居民對非洲豬瘟疫情的了解，恐慌心理逐漸消除，非洲豬瘟對豬肉價格波動具有一定的抑制作用。

而從圖2至圖5來看，分別是輿情短期、中期、長期對豬肉價格、雞肉價格及豆粕市場的影響。短期輿情對牛肉價格沖擊為負，中期和長期沖擊為正向的，即中長期來看，非洲豬瘟疫情加劇了牛肉市場的價格波動。非洲豬瘟疫情對雞肉市場的沖擊在短期、中期、長期總是正向的強度看，長期<短期<中期的沖擊。整體而言，非洲豬瘟疫情輿情推高牛肉市場和雞肉市場的價格波動，使得其價格變動率更為明顯。至于作為生豬主要飼料的豆粕，從圖5來看，可以發(fā)現輿情的沖擊雖加大豆粕的價格波動，但相對平穩(wěn)，說明輿情對產業(yè)鏈的開始端影響較弱。

2. 定點沖擊下的非洲豬瘟時變脈沖響應函數

前部分本文基于不同時期考察非洲豬瘟對各肉類市場及豬飼料市場的沖擊，此處本文選取了具有代表性的三個時點，即2018年8月第2周（非洲豬瘟開始階段）、2019年12月第1周（非洲豬瘟中間階段）以及2019年6月第4周（非洲豬瘟解除封鎖收尾階段）以考察三種情況下非洲豬瘟對豬肉市場及其他市場的沖擊如何。

從圖6至圖9來看，無論是選擇哪個時點的沖擊，輿情分別對豬肉價格波動、牛肉價格波動以及雞肉價格波動的沖擊都是非常相近的，由此表明非洲豬瘟在各個階段對豬肉市場、牛肉市場和雞肉市場的沖擊都是穩(wěn)定的。從非洲豬瘟對豆粕價格的沖擊結果來看（見圖9），非洲豬瘟開始發(fā)生階段對豆粕價格的沖擊幾乎為0，但中間階段和解除封鎖階段的沖擊都是顯著正向的。

（四）Johansen協整檢驗和VECM模型構建

前述部分本文通過TVP-VAR模型考察了非洲豬瘟對豬肉價格沖擊的時變效應，本文將還將分析豬肉價格與非洲豬瘟輿情及其它變量之間的聯動關系，通過Johansen協整檢驗判斷各變量之間是否存在長期穩(wěn)定的均衡關系，并構建向量誤差修正模型（VECM）以考察變量之間的短期波動影響。模型如下：

其中，Yt表示豬肉價格，Xt代表非洲豬瘟輿情、牛肉、雞肉、玉米和豆粕價格等一系列變量。ECMt-1代表誤差修正項，反映變量之間的長期均衡關系;系數α則反映了變量之間偏離長期均衡狀態(tài)時拉回至均衡狀態(tài)的調整速度。

首先，本文通過MLE檢驗以及trace檢驗確定協整秩，其結果如表4所示。

如表4檢驗結果顯示，豬肉價格與雞肉價格和玉米價格之間均無法拒絕沒有協整關系的原假設，即不存在協整關系。而對于豬肉價格與非洲豬瘟、牛肉價格和豆粕價格，對不存在協整關系的原假設而言，三組關系的值均遠大于5%顯著水平下的臨界值，故拒絕不存在協整關系的原假設;進一步地，對于至多存在一個協整向量的原假設，兩個統計量的結果均表明小于5%水平下的臨界值，故無法拒絕至多存在一個協整關系的原假設，認為即有且僅有一個協整關系。

其次，在構建VECM模型之前，需要先確定最佳滯后階數，本文采用LL、LR、FPE以及AIC等多種定階方法進行篩選，結果如下表5所示。

根據表5的檢驗結果，對于協整關系lnpork與lnASFI以及l(fā)npork與lnbean而言，FPE、AIC以及HQIC等多個準則最優(yōu)的滯后階數均為2，即VAR（2）模型。而對于協整關系lnpork與lnbeef而言，多數檢驗結果支持的最優(yōu)滯后階數為4，即VAR（4）模型。在表4和表5檢驗結果的基礎上，本文通過使用Johansen的MLE方法估計這三組系統向量的向量誤差修正模型（VECM），協整檢驗的滯后階數分別為1階、1階和3階①，所得的協整方程如下（11）、（12）和（13）式所示。

由（14）～（16）式的估計結果可知，從長期來看，豬肉價格與非洲豬瘟和牛肉價格存在著顯著負向的聯動性，即有著長期穩(wěn)定的負向均衡關系;其與豆粕價格之間為長期穩(wěn)定的正向均衡關系。這也較為符合現實，因為牛肉市場作為豬肉的重要替代品市場，長期來看，兩者具有相互替代作用，具有負向聯動性;而豆粕市場與豬肉市場具有一定的互補關系，就長期而言對豬肉市場具有正向的聯動關系。

表6則報告了VECM模型的估計結果。從短期看，滯后一期的誤差修正項ECMt-1 對當期豬肉價格的變動率dlnporkt具有顯著的正向影響。即當豬肉價格超過其與非洲豬瘟指數均衡關系所對應的水平，亦即ECMt-1>0，dlnporkt>0，也就是說，豬肉價格的短期波動超過它與非洲豬瘟指數的長期均衡關系時，豬肉價格變動率dlnpork將在下一期做出正向調整，以使得三者之間恢復長期均衡關系。

而無論是哪一組協整關系，滯后一期的豬肉價格對數差分dlnporkt-1都對當期豬肉價格的變動率影響的系數顯著為正，即上一期的豬肉價格變動率對下一期的豬肉價格變動率具有顯著的正向影響，這意味著上一期的豬肉價格短期波動增加，下一期的豬肉價格短期波動也很可能是增加的。滯后一期的非洲豬瘟指數變動率dlnASFIt-1對當期豬肉價格對數差分dlnpork的系數顯著為正，這意味著從短期來看，上一期的非洲豬瘟強度對下一期的豬肉價格短期波動具有顯著的正向影響。這也與TVP-VAR的結果相互印證了。而滯后一期的牛肉價格差分dbeeft-1的結果則顯示上一期牛肉價格的短期波動對下一期豬肉價格短期波動影響為正。即上一期牛肉市場價格波動的增加導致居民消費更多的轉向替代品豬肉市場，由此增加了下一期豬肉市場的價格波動。但上一期豆粕價格變動率的增加并不會明顯導致豬肉價格變動率的上升，表明豬飼料市場價格的變動并非能夠很直接很快的傳導到豬肉市場，從而影響其短期價格波動。

四、結論與政策建議

近些年來，突然性事件因素尤其是疫病的爆發(fā)所引發(fā)的輿情對畜禽類產品價格及其波動的影響逐漸成為國內外農業(yè)方面研究的熱點。如下為本文所得基本結論：

（1）本文采用TVP-VAR分析非洲豬瘟對豬肉價格波動影響的時變特征，結果發(fā)現非洲豬瘟輿情對豬肉價格波動的短期和中長期沖擊影響存在著差別，從中、短期來看，輿情對豬肉價格波動的影響主要是正向的，而從長期來看，非洲豬瘟對豬肉價格波動的沖擊主要是負向的，且隨著跨度的延長沖擊效應是逐漸減弱的。此外，本文發(fā)現從中短期來看，非洲豬瘟對豬肉的替代品牛肉市場和雞肉市場的價格波動的沖擊影響都是很明顯的正向影響，同時也加大了豆粕的價格波動，導致其價格變動率增加。而針對分時點的時變沖擊結果來看，非洲豬瘟對各個肉類市場的沖擊并不隨著特定的時點選取的改變而發(fā)生大幅度變化。

（2）本文還通過VECM模型研究各變量之間的協整關系，發(fā)現豬肉價格波動與非洲豬瘟輿情和牛肉價格波動之間存在著長期穩(wěn)定的均衡關系，就短期而言，VECM模型的結果顯示上一期的非洲豬瘟指數變動對下一期的豬肉價格波動具有正向影響，但從同期來看，協整方程來看，非洲豬瘟與豬肉價格間存在著長期穩(wěn)定的負向均衡關系。與豆粕價格存在長期正向聯動關系，但豬肉價格與雞肉價格和玉米價格之間并不存在長期協整關系。

基于上述結論，本文得到了如下幾點政策建議：

第一，輿情影響需求進而影響供給，時刻關注輿情對供需及其豬肉價格波動的影響。疫病疫在一定程度上影響居民的消費決策，減少了豬肉的消費。相關部門應當采取多樣、有效的宣傳恢復消費者對豬肉消費的信心，如應完善輿論引導機制，通過民意調查等更準確地把握民意消費狀況，控制輿論的不實和惡意傳播，將輿論和消費者信心引導至積極正面的方向上，從而防止價格哄抬和提升消費者信心。從市場供給端來看，政府部門應對養(yǎng)殖戶適量的補貼、鼓勵政策維持好生豬出欄量并進一步完善市場肉類儲備機制，增加豬肉供給及提高豬肉供給的彈性，降低豬肉市場價格的波動。

第二，重視防控及時地應對疫情發(fā)展。設置相應的疫情檢測和應對機制，增加對豬肉疫情檢測的手段和頻率，以在發(fā)現豬瘟案例時能夠第一時間做好防范和處理。相關部門應該將防范非洲豬瘟疫情作為長態(tài)化工作，合理做好預期，密切關注疫情和事態(tài)發(fā)展。

最后，重視對豬肉替代品消費市場的關注并制定相應政策。非洲豬瘟所影響的不僅僅是豬肉市場價格及其波動，而且畜禽市場如牛肉、雞肉等也造成了重要的影響。因此政府應當進一步推進豬肉替代品市場的相關產業(yè)發(fā)展，完善其產業(yè)鏈，從而與豬肉市場供給形成良好的競爭與互補循環(huán)，在市場的調節(jié)下，更好地滿足居民對肉類產品的多元化消費。

參考文獻：

[1] Liu B，Wang Z， Qi X， et al. Assessing cyber-user awareness of an emerging infectious disease： evidence from human infections with avian influenza A H7N9 in Zhejiang，China[ J ]. International Journal of Infectious Diseases， 2015（40）：34-36.

[2] Liu K，Wang T，Yang Z， et al. Using Baidu Search Index to Predict Dengue Outbreak in China[ J ]. Scientific Reports，2016（06）：38-40.

[3] 鄭燕，馬驥. 禽流感疫情變動對畜禽產品價格的動態(tài)影響研究——基于時變參數向量自回歸（TVP-VAR）模型 [ J ]. 農業(yè)現代化研究，2018（05）：751-760.

[4] 吳佩蓉，王桂霞， 郎宇. 疫病對生豬價格波動的影響——基于 VAR 模型的分析[ J ] .價格月刊，2019（05）：1-6.

[5] 肖琦，周楊. 疫病對豬肉價格波動的影響——基于供需關系視角[ J ]. 黑龍江畜牧獸醫(yī)， 2019（02）：18-22.

[6] 曾華盛，蘇柳方，譚硯文. 農產品質量安全媒體負面報道對農產品價格波動的異質性影響[ J ]. 農業(yè)技術經濟，2019（08）：99-114.

[8] Primiceri G E. Time Varying Structural Vector Autoregressions and Monetary Policy[ J ]. The Review of Economic Studies，2005（03）：821-852.

[9] 譚瑩. 中國豬肉市場總供給波動及影響因素的實證分析[ J ]. 華中農業(yè)大學學報（社會科學版）， 2010（03）：29-34.

[10] 鄭燕，丁存振，馬驥. 禽流感疫情對我國畜禽產品價格波動的影響[ J ]. 農業(yè)經濟與管理， 2018（02）：69-76.

[11] Nakajima J . Time-Varying Parameter VAR Model with Stochastic Volatility： An Overview of Methodology and Empirical Applications[ J ]. IMES Discussion Paper Series，2011（01）.

（責任編輯：李韻婷）

（下轉第36頁）