趙吉?dú)g,楊桂元,韓孟君
(1.安徽財(cái)經(jīng)大學(xué)數(shù)量經(jīng)濟(jì)研究所,安徽蚌埠233030;2.東北財(cái)經(jīng)大學(xué)金融學(xué)院,遼寧大連116025)
基于IGOWLA算子的中國糧食生產(chǎn)價(jià)格預(yù)測(cè)研究
趙吉?dú)g1,楊桂元1,韓孟君2
(1.安徽財(cái)經(jīng)大學(xué)數(shù)量經(jīng)濟(jì)研究所,安徽蚌埠233030;2.東北財(cái)經(jīng)大學(xué)金融學(xué)院,遼寧大連116025)
為探究我國糧食價(jià)格波動(dòng)規(guī)律及預(yù)測(cè)其值,選取2005-2016年中國各季度糧食生產(chǎn)價(jià)格數(shù)據(jù),首先對(duì)其波動(dòng)性進(jìn)行描述分析;其次建立一種基于IGOWLA算子的組合預(yù)測(cè)模型:選擇ARMA模型、Holt-Winters乘法模型、殘差自回歸模型這三種單項(xiàng)預(yù)測(cè)模型,并通過5種誤差評(píng)價(jià)指標(biāo)來判斷預(yù)測(cè)模型的效果,結(jié)果表明組合預(yù)測(cè)模型的預(yù)測(cè)效果較好、準(zhǔn)確性較高;接著利用所建立的組合預(yù)測(cè)模型對(duì)2017年各季度糧價(jià)進(jìn)行外推預(yù)測(cè),結(jié)果表明2017年糧食價(jià)格有所上升但相對(duì)波動(dòng)較穩(wěn);最后提出政策建議。
糧食價(jià)格;ARMA模型;Holt-Winters乘法模型;殘差自回歸模型;組合預(yù)測(cè)
糧食價(jià)格作為衡量糧食產(chǎn)業(yè)發(fā)展的核心指標(biāo),其穩(wěn)定性對(duì)于我國其他產(chǎn)業(yè)發(fā)展具有重要支撐作用。我國農(nóng)業(yè)及有關(guān)糧食產(chǎn)業(yè)政策歷來受到國家一以貫之的高度重視。2004-2015年我國連續(xù)12年發(fā)布以“三農(nóng)”為主題的中央一號(hào)文件;2016年一號(hào)文件就加快農(nóng)業(yè)發(fā)展方式確保糧食等重要農(nóng)產(chǎn)品實(shí)現(xiàn)有效供給提出若干意見;2017年一號(hào)文件提出深入推進(jìn)農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革,同時(shí)強(qiáng)調(diào)深化重要農(nóng)產(chǎn)品價(jià)格形成機(jī)制;前不久舉行的中國兩會(huì)也提出要增強(qiáng)農(nóng)產(chǎn)品安全保障能力,確保谷物基本自給、口糧絕對(duì)安全。
隨著這些年國際糧食價(jià)格的震蕩變化和國內(nèi)生產(chǎn)狀況變化,中國糧食價(jià)格波動(dòng)十分頻繁,由圖1:2005-2016年糧食價(jià)格的無規(guī)則波動(dòng)即可看出。糧價(jià)變化對(duì)糧農(nóng)和糧商的生產(chǎn)經(jīng)營行為造成了很大的干擾,同時(shí)由于其價(jià)格傳導(dǎo)效應(yīng)對(duì)社會(huì)整體的物價(jià)水平產(chǎn)生較大影響,波及廣大消費(fèi)者基本生活,有礙社會(huì)穩(wěn)定發(fā)展。
圖12005 -2016年中國糧食價(jià)格波動(dòng)情況
由圖1知,2005年前三季度糧食價(jià)格持續(xù)回落,此期間我國受天氣和禽流感影響導(dǎo)致糧食供求市場(chǎng)低迷;但由于我國2005年啟動(dòng)糧食最低價(jià)格預(yù)案,抑制糧價(jià)下跌,故糧價(jià)第四季度略有提升;2006-2008年第三季度由于受到世界糧食危機(jī)影響,我國糧價(jià)總體呈快速上升趨勢(shì),局部平穩(wěn)或略微下降;2006年我國糧食豐收,數(shù)量和價(jià)格都有所提升,促進(jìn)了糧食市場(chǎng)發(fā)展;2007-2008年第三季度糧食價(jià)格保持高位運(yùn)行,這兩年國家加大對(duì)糧食生產(chǎn)的支持力度,糧食持續(xù)增產(chǎn),我國糧食市場(chǎng)穩(wěn)定均衡發(fā)展,且受國際糧價(jià)漲幅影響,糧價(jià)較高;但由于2008年全球金融危機(jī),糧價(jià)在第三季度之后大幅下降并在2009年第一季度末跌于谷底;2009年前三季度糧食價(jià)格低位運(yùn)行,這除了與全球經(jīng)濟(jì)危機(jī)有關(guān),糧食價(jià)格自身的周期性規(guī)律也發(fā)揮了一定作用,此時(shí)為糧食新周期的下行階段。糧食價(jià)格的周期大致為七到八年,每一周期均有下降—盤整—上漲—下降階段。有關(guān)研究表明,2008年第二季度末是前一期的結(jié)束點(diǎn)。由于我國強(qiáng)勁的國家政策激勵(lì),2009年底糧食價(jià)格有所提升;2010年由于供求影響及國家政策,國內(nèi)糧食價(jià)格持續(xù)上升;2011年之后,我國糧食價(jià)格持續(xù)穩(wěn)定下降,這可能是因?yàn)榧Z食價(jià)格沖高回落,且自2004年起我國糧食持續(xù)增收,糧食市場(chǎng)供給大于需求,在全球經(jīng)濟(jì)并不樂觀的大背景下,糧食價(jià)格將持續(xù)走低;2016年第三季度后我國糧食價(jià)格有回暖趨勢(shì)。
目前有關(guān)糧食價(jià)格的研究主要集中在糧食價(jià)格的波動(dòng)和影響因素分析,如潘青松[1]通過梳理國內(nèi)外相關(guān)文獻(xiàn)探討了影響糧食價(jià)格的因素;胡光瑤[2]通過建立時(shí)間序列計(jì)量模型分析了國際傳導(dǎo)、宏觀經(jīng)濟(jì)、供需狀況、微觀個(gè)體和信息不對(duì)稱等因素對(duì)糧食價(jià)格波動(dòng)的影響;張萍[3]闡述糧食波動(dòng)影響因素并提出相應(yīng)政策建議;張振華[4]對(duì)比分析國內(nèi)外主要農(nóng)產(chǎn)品價(jià)格波動(dòng)情況,并提出糧價(jià)的影響因素和政策建議;高群[5]采用PPM模型分析美國糧食價(jià)格突變對(duì)國內(nèi)農(nóng)業(yè)安全的影響。國外學(xué)者從生物質(zhì)能源討論糧食價(jià)格的文獻(xiàn)較多,如Tokgoz(2009)[6]分析了石油價(jià)格變動(dòng)先對(duì)生物質(zhì)能源的影響、再對(duì)農(nóng)產(chǎn)品需求和價(jià)格產(chǎn)生影響;Chen Sheng-Tung(2010)[7]討論了石油價(jià)格、生物質(zhì)能和糧食價(jià)格的關(guān)系。
部分文獻(xiàn)對(duì)糧食價(jià)格進(jìn)行預(yù)測(cè)但相對(duì)數(shù)量較少。孟慶鍇[8]根據(jù)糧食價(jià)格的自相關(guān)性采用R/S分析法對(duì)未來糧食價(jià)格走勢(shì)進(jìn)行預(yù)測(cè);張婷[9]基于ARIMA模型對(duì)大豆價(jià)格進(jìn)行短期預(yù)測(cè);喻勝華[10]基于Lasso與支持向量機(jī)的串聯(lián)型、并聯(lián)型和嵌入型三種組合預(yù)測(cè),并將它們運(yùn)用到我國糧食價(jià)格預(yù)測(cè)中,結(jié)果具有更高的預(yù)測(cè)精度。甘濤[11]在《基于組合預(yù)測(cè)模型的糧食價(jià)格模擬仿真比較》一文構(gòu)建了糧食價(jià)格的加權(quán)算數(shù)平均組合預(yù)測(cè)模型,預(yù)測(cè)結(jié)果更貼近實(shí)際值;但所采用的加權(quán)算數(shù)平均組合預(yù)測(cè)模型過于簡(jiǎn)單。
基于算子的組合預(yù)測(cè)模型發(fā)展大致如下:Yager[12]在1988年提出了有序加權(quán)平均算子(OWA),該算子已被廣泛應(yīng)用于組合預(yù)測(cè)的研究中;陳華友[13]在2003年提出基于誘導(dǎo)有序加權(quán)平均算子(IOWA)的組合預(yù)測(cè)模型;Yager[14]在2004年將OWA算子拓展成GOWA算子;Merigo[15]在2009年結(jié)合誘導(dǎo)變量提出廣義有序加權(quán)平均算子(IGOWA);Zhou[16]在2010年給出給出廣義有序加權(quán)對(duì)數(shù)平均算子(GOWLA)的定義;江立輝[17]在2015年提出誘導(dǎo)廣義有序加權(quán)對(duì)數(shù)平均算子(IGOWLA)的概念并證明其相應(yīng)性質(zhì)。目前,在糧食生產(chǎn)價(jià)格預(yù)測(cè)問題上,沒有學(xué)者采用基于IGOWLA算子的組合預(yù)測(cè)模型來合理預(yù)測(cè)糧價(jià)波動(dòng)。
本文首先利用三種單項(xiàng)預(yù)測(cè)方法各自預(yù)測(cè)季度糧食價(jià)格;隨后建立基于IGOWLA算子的最優(yōu)組合預(yù)測(cè)模型,并對(duì)組合預(yù)測(cè)的效果進(jìn)行分析;隨后對(duì)糧食價(jià)格的波動(dòng)原因進(jìn)行分析說明。文章數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》,選取2005-2016年糧食生產(chǎn)價(jià)格季度數(shù)據(jù),如表1所示。
(一)ARMA模型
表12005 -2016各季度原始數(shù)據(jù)
自回歸移動(dòng)平均模型(Autoregressive Moving Average Models,ARMA)針對(duì)平穩(wěn)時(shí)間序列建模。設(shè)平穩(wěn)時(shí)間序列{Xt}是一個(gè)ARMA(p,q)過程,即
其中p為自回歸階數(shù),q為移動(dòng)平均階數(shù);φ1,…,φp是自回歸系數(shù),θ1,…,θq是移動(dòng)平均系數(shù)。
由于ARMA模型要求序列平穩(wěn),故首先我們需要對(duì)原始的糧食價(jià)格序列進(jìn)行單位根檢驗(yàn)判斷其平穩(wěn)性,結(jié)果為具有長期趨勢(shì)的平穩(wěn)序列,擬合結(jié)果為yt=107.736-0.1529·t,參數(shù)均顯著。對(duì)退勢(shì)后的平穩(wěn)序列建模。根據(jù)自相關(guān)、偏自相關(guān)函數(shù)圖及選擇模型的三大信息準(zhǔn)則,最終建立ARMA(1,3)模型,結(jié)果為:
模型估計(jì)結(jié)果的擬合優(yōu)度R2=0.85,R2=0.84,F(xiàn)統(tǒng)計(jì)量=6.86,其相應(yīng)概率值=0.01,說明模型整體上顯著且擬合效果較好。ARMA(1,3)中AR部分的倒數(shù)實(shí)根為0.51,在單位圓內(nèi);MA部有一個(gè)倒數(shù)實(shí)根兩倒數(shù)復(fù)根,分別為0.83,0.13±0.96i,模都小于1。故認(rèn)為所估計(jì)的ARMA(1,3)平穩(wěn)且可逆。對(duì)此模型進(jìn)行預(yù)測(cè),結(jié)果見表2和圖2。
(二)指數(shù)平滑法
指數(shù)平滑法是一種時(shí)間序列預(yù)測(cè)方法,其本質(zhì)是加權(quán)移動(dòng)平均。指數(shù)平滑的目的是通過逐層平滑計(jì)算,消除掉隨機(jī)因素造成的影響,找出預(yù)測(cè)的基本變化趨勢(shì)。這里主要介紹Holt-Winters乘法模型(三個(gè)參數(shù))的指數(shù)平滑法。時(shí)間序列yt平滑后的序列y^t由式(3)給出:y^t+k=(at+btk)ct+k(3)
其中:α,β,γ在0~1之間,為阻尼因子;s為季節(jié)頻率;
預(yù)測(cè)值計(jì)算為:yT+k=(aT+bTk)cT+k-s。其中,aT、bT、T分別表示截距、斜率和樣本期末值。
根據(jù)Eviews7.0求解出α=1,β=0,γ=0;aT= 96.718,bT=-0.1517;外推四期預(yù)測(cè)的季節(jié)因子分別為c45=0.9982,c46=0.9976,c47=1.0012,c48=1.0029。據(jù)此計(jì)算出外推四期預(yù)測(cè)值為y^49=96.397,y^50=96.185,y^51=96.38,y^52=96.391。其余結(jié)果由軟件自動(dòng)給出,見表2和圖3。
(三)殘差自回歸模型
殘差自回歸模型(Auto-Regressive model):首先對(duì)原始數(shù)據(jù)提取主要的確定性信息:x=Tt+St+εt,式中Tt、St分別為擬合的趨勢(shì)效應(yīng)和季節(jié)效應(yīng)。其次,為避免對(duì)殘差信息的利用不足,進(jìn)一步檢驗(yàn)殘差序列{εt}的自相關(guān)性。若殘差序列沒有顯著自相關(guān),則可停止對(duì)殘差序列的分析;否則對(duì)殘差序列建立自回歸模型:εt=μ1εt-1+μ2εt-2+…+μpεt-p+at,式中p是自回歸的階數(shù),at是誤差。
本文采用自變量為時(shí)間t的冪函數(shù)xt=β0+β1t+…+ βktk+εt來擬合趨勢(shì)效應(yīng),擬合結(jié)果為xt= 98.261+0.9841t-0.0232t2+εt,各項(xiàng)系數(shù)均通過顯著性水平為1%的顯著性檢驗(yàn)。模型回歸所得的DW值為0.57,說明殘差序列存在自相關(guān)性,對(duì)殘差序列的擬合結(jié)果為εt=1.1131εt-1-0.4938εt-2+υt,υt~i.i.dN(0,1)。模型的預(yù)測(cè)結(jié)果見表2和圖4。
設(shè)xt(t=1,2,…,n)為原始值序列,分別采用m種單項(xiàng)預(yù)測(cè)方法對(duì)其預(yù)測(cè);第i種方法第t時(shí)的預(yù)測(cè)值為xit(i=1,2,…,m;t=1,2,…,n);w1,w2,…,wm為 m種單項(xiàng)預(yù)測(cè)方法在組合預(yù)測(cè)中的權(quán)重,有1,wi≥0(i=1,2,…,m);該指標(biāo)序列的組合預(yù)測(cè)值為
定義1設(shè)vit為第i種預(yù)測(cè)方法第t時(shí)刻的預(yù)測(cè)精度,vit∈[0,1](i=1,2,…,m;t=1,2,…,n)
定義2設(shè)m個(gè)二維數(shù)組(<v1,a1>,<v2,a2>,…,<vm,am>),W=(w1,w2,…,wm)T是和IGOWLAW相關(guān)聯(lián)的加權(quán)向量,W滿足m)。令
表23 個(gè)單項(xiàng)預(yù)測(cè)模型的預(yù)測(cè)值及精度(部分結(jié)果)
圖2 ARMA(1,3)預(yù)測(cè)值與實(shí)際值對(duì)照表
圖3 指數(shù)平滑預(yù)測(cè)值與實(shí)際值對(duì)照表
該式中v-index(i)是v1,v2,…,vm中按從大到小順序排列的第i個(gè)大的數(shù)所對(duì)應(yīng)的下標(biāo),其中v1,v2,…,vm是誘導(dǎo)變量,稱IGOWLAW為m維廣義誘導(dǎo)有序加權(quán)對(duì)數(shù)平均算子,簡(jiǎn)稱IGOWLA算子。
結(jié)合定義1和定義2,若將預(yù)測(cè)精度vit看作預(yù)測(cè)值x^it的誘導(dǎo)值,則基于IGOWLA算子的組合測(cè)值為:
eit為第i種單項(xiàng)預(yù)測(cè)方法在t時(shí)刻與相應(yīng)實(shí)際值之間的對(duì)數(shù)λ次冪的預(yù)測(cè)誤差,稱E=(eit)m×n為組合預(yù)測(cè)的對(duì)數(shù)λ次冪的誤差信息矩陣。
組合預(yù)測(cè)在t時(shí)刻的對(duì)數(shù)λ次冪的預(yù)測(cè)誤差為:
圖4 殘差自回歸預(yù)測(cè)值與實(shí)際值對(duì)照表
圖5 組合預(yù)測(cè)值與實(shí)際值對(duì)照表
廣義誘導(dǎo)有序加權(quán)對(duì)數(shù)平均組合預(yù)測(cè)n期的預(yù)測(cè)對(duì)數(shù)λ次冪誤差平方和s為
因此,基于廣義誘導(dǎo)有序加權(quán)對(duì)數(shù)平均算子(IGOWLA)的最優(yōu)組合預(yù)測(cè)模型為
(一)模型求解
利用Eviews軟件分別求得ARMA(1,3)模型、Holt-Winters乘法模型和殘差自回歸模型的結(jié)果,如表2所示。對(duì)式(11)中分別取值為1、2、3計(jì)算權(quán)重系數(shù),經(jīng)求解得三種情況權(quán)重系數(shù)大致相同。本文以λ=3為例進(jìn)行組合預(yù)測(cè),各權(quán)重為w1=1,w2=0,w3=0,由此權(quán)重系數(shù)計(jì)算組合預(yù)測(cè)值及其精度,如表3所示。由于預(yù)測(cè)季度數(shù)較多,考慮到論文結(jié)構(gòu),此表只列舉了2013.1-2016.4的結(jié)果。詳細(xì)的預(yù)測(cè)情況見圖2、3、4、5。
分析表2、表3中的數(shù)值可知,雖然這三種單項(xiàng)預(yù)測(cè)方法的精度較高,但組合預(yù)測(cè)模型的預(yù)測(cè)值與真實(shí)值最為接近,預(yù)測(cè)精度最高。為使觀察結(jié)果更直觀,將表2、表3中的各方法預(yù)測(cè)值與實(shí)際值作4張對(duì)照?qǐng)D,如圖2、3、4、5所示。
(二)評(píng)價(jià)指標(biāo)體系
本文選擇如下5個(gè)誤差指標(biāo)評(píng)價(jià)基于IGOWLA算子組合預(yù)測(cè)模型的好壞:
具體評(píng)價(jià)結(jié)果如表4所示:組合預(yù)測(cè)模型的誤差各項(xiàng)指標(biāo)均顯著小于單項(xiàng)預(yù)測(cè)方法的誤差指標(biāo),組合預(yù)測(cè)值更接近真實(shí)值,預(yù)測(cè)效果較好。
5.均方百分比誤差:
表3 組合預(yù)測(cè)值及精度(部分結(jié)果)
表4 預(yù)測(cè)效果評(píng)價(jià)指標(biāo)體系
表52017 年前三季度糧食生產(chǎn)價(jià)格指數(shù)預(yù)測(cè)值
(三)外推預(yù)測(cè)
當(dāng)使用上述組合預(yù)測(cè)模型預(yù)測(cè)2017年第一季度至2017年第四季度的糧食生產(chǎn)價(jià)格指數(shù),由于無法計(jì)算所預(yù)測(cè)季度的精度,故無法求得最優(yōu)權(quán)重。本文通過查閱相關(guān)組合預(yù)測(cè)的文獻(xiàn),采用多數(shù)研究者的處理方法,根據(jù)所預(yù)測(cè)的前48個(gè)季度各單項(xiàng)預(yù)測(cè)方法的平均權(quán)重進(jìn)行預(yù)測(cè)。各單項(xiàng)預(yù)測(cè)方法的權(quán)重為0.3297,利用這一權(quán)重和各單項(xiàng)預(yù)測(cè)方法的外推預(yù)測(cè)結(jié)果求得我國糧食生產(chǎn)價(jià)格指數(shù)2017年第一季度至2017年第四季度的組合預(yù)測(cè)值,如表5所示,2017年第一季度我國糧食生產(chǎn)價(jià)格指數(shù)有所增加,第二至第四季度略微下降,且總體處于穩(wěn)定水平。
(四)政策建議
雖然模型的外推預(yù)測(cè)結(jié)果表明2017年我國季度糧食價(jià)格總體穩(wěn)定,但由于影響糧食價(jià)格的因素較多,有關(guān)部門仍需關(guān)注我國糧食價(jià)格走勢(shì)。糧食的供給和需求會(huì)直接影響糧食價(jià)格的變動(dòng),故必須保證糧食市場(chǎng)供需平衡;國際糧價(jià)的波動(dòng)可以通過貿(mào)易及價(jià)格信息渠道影響國內(nèi)糧食價(jià)格,政府和供應(yīng)商應(yīng)密切關(guān)注國際糧價(jià)并做好應(yīng)對(duì)策略;農(nóng)業(yè)政策保障農(nóng)民利益,增強(qiáng)農(nóng)民生產(chǎn)信心,維護(hù)我國農(nóng)業(yè)市場(chǎng)及社會(huì)穩(wěn)定,政府應(yīng)一如既往地重視、落實(shí)好農(nóng)業(yè)政策;糧食的期貨價(jià)格對(duì)糧食現(xiàn)貨價(jià)格的影響日益顯著,加強(qiáng)監(jiān)管農(nóng)產(chǎn)品期貨市場(chǎng)中惡意操縱期貨價(jià)格行為至關(guān)重要。
小結(jié)
文章對(duì)糧食價(jià)格的波動(dòng)性做了定性和定量分析。首先研究2005-2016年各季度糧食價(jià)格數(shù)據(jù),結(jié)合自然環(huán)境、國內(nèi)外政治經(jīng)濟(jì)等信息分析其波動(dòng)原因,其中國內(nèi)糧食價(jià)格在2006-2008年受世界糧食危機(jī)影響高位運(yùn)行,但2008年的全球金融危機(jī)導(dǎo)致2009年糧食價(jià)格急劇下降。其次,為了合理預(yù)測(cè)糧食價(jià)格,在三種單項(xiàng)預(yù)測(cè)模型:ARMA(1,3)模型、Holt-Winters乘法模型和殘差自回歸模型的基礎(chǔ)上,建立基于IGOWLA算子的組合預(yù)測(cè)模型,結(jié)果表明雖然單項(xiàng)預(yù)測(cè)模型精度較高,但組合預(yù)測(cè)模型的擬合精度更高、效果更好。接著,為預(yù)測(cè)糧食價(jià)格的未來波動(dòng)情況,對(duì)組合模型外推4季度預(yù)測(cè),結(jié)果表明2017年第一季度糧食價(jià)格提高,但在第二至第四季度略微下降,整體波動(dòng)較為平緩。雖然模型外推預(yù)測(cè)結(jié)果表明2017年我國季度糧食價(jià)格相對(duì)穩(wěn)定,但由于糧食價(jià)格波動(dòng)頻繁且影響因素眾多,我們提出幾點(diǎn)政策建議進(jìn)一步保障糧價(jià)穩(wěn)定。
[1]潘青松.吳朝陽.國際糧食價(jià)格波動(dòng)對(duì)于國內(nèi)的影響綜述[J].價(jià)格月刊,2015(4):10-14.
[2]胡光瑤.基于時(shí)間序列的經(jīng)濟(jì)計(jì)量模型分析農(nóng)產(chǎn)品價(jià)格波動(dòng)的影響因素[J].財(cái)經(jīng)界,2016(7):25-26.
[3]張萍.糧食價(jià)格波動(dòng)的影響因素及應(yīng)對(duì)[J].經(jīng)營管理者,2017(1):92.
[4]張振華.糧食安全背景下我國糧食價(jià)格波動(dòng)及影響因素分析[J].價(jià)格月刊,2016(1):13-16.
[5]高群,宋長鳴.美國糧食價(jià)格突變及其對(duì)國內(nèi)農(nóng)業(yè)安全的啟示[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2016(4):87-97.
[6]Tokgoz S.The Impact of Energy Markets on the EU Agricultural Sector [J].WorkingPaper,2009,CenterforAgriculturalandRural Development,Iowa State University.
[7]Chen Sheng-Tung,Kuo Hsiao-I,Chen Chi-Chung.Modeling the relationship between the oil price and global food prices[J].Applied Energy,2010(8):2517-2525.
[8]孟慶鍇,梁國岐.基于R/S分析法對(duì)糧食價(jià)格的預(yù)測(cè)[J].技術(shù)與教育,2015(4):19-23.
[9]張婷.基于ARIMA模型的國際糧食短期價(jià)格分析預(yù)測(cè)——以大豆為例[J].價(jià)格月刊,2016(7):28-32.
[10]喻勝華,龔尚花.基于Lasso和支持向量機(jī)的組合預(yù)測(cè)及其應(yīng)用[J].經(jīng)濟(jì)數(shù)學(xué),2016(2):46-49.
[11]甘濤.基于組合預(yù)測(cè)模型的糧食價(jià)格模擬仿真比較[J].統(tǒng)計(jì)與決策,2016(24):85-87.
[12]Yager R R.On Ordered Weighted Averaging Aggregation Operators in Multi-criteria Decision Making[J].IEEE Transactions on Systems,Man and Cybernetics,1988,18(1).
[13]陳華友,劉春林.基于IOWA算子組合預(yù)測(cè)方法[J].預(yù)測(cè),2003(6):61-65.
[14]Yager R R.Generalized OWA Aggregation Operators[J].Fuzzy Optimization and Decision Making,2004,3(1).
[15]Merigo J M,Gil-Lafuente A M.The Induced Generalized OWA operator[J].Information Sciences,2009,179(6).
[16]Zhou L G,Chen H Y.Generalized Ordered Weighted Logarithm Aggregation Operators and Their Applications to Group Decision Making[J].International Journal of Intelligent Systems,2010,25(7).
[17]江立輝,陳華友,丁芳清,程玲華,趙玉飛.基于IGOWLA算子的最優(yōu)組合預(yù)測(cè)模型及應(yīng)用[J].統(tǒng)計(jì)與決策,2015(4):82-85.
Prediction Research of Chinese Grain Production Price and its Influencing Factors
ZHAO Ji-huan1,YANG Gui-yuan1,HAN Meng-jun2
(1.Institute for Quantitative Economic Research,Anhui University of Finance&Economics,Bengbu,Anhui 233030;2.Finance School,Dongbei University of Finance and Economic,Liaoning,Dalian 116025)
In order to explore the law of Chinese grain price fluctuation and its influencing factors,first we choose quarterly grain price data from 2005 to 2016 and analysis it.Then,a combined prediction method based on the induced generalized ordered weighted logarithmic averaging operator is proposed.We use the ARMA model,the Holt-Winters multiplication model and the residual autoregressive model respectively to make an individual prediction of Chinese grain production price.Then,we establish the combination forecasting model based on IGOWLA operator.By comparison,it is found that the latter has higher accuracy and stronger predictive ability than the former.Next,we obtain the weights under the basement of the IGOWLA operator and make predictions and analysis to the grain production price from the first quarter of 2017 to the fourth quarter of 2017.Last,we make some suggestions.
grain price;the ARMA model;the Holt-Winters model;the residual autoregressive model;combination forecasting model
F201
A
1671-9743(2017)04-0031-06
2017-03-01
國家社科基金項(xiàng)目“組合預(yù)測(cè)模型與方法創(chuàng)新及其優(yōu)化理論研究”(12BTJ008);安徽財(cái)經(jīng)大學(xué)研究生科研創(chuàng)新基金項(xiàng)目(ACYC2016115)。
趙吉?dú)g,1993年生,女,浙江諸暨人,碩士研究生,研究方向:數(shù)量經(jīng)濟(jì)學(xué);楊桂元,1957年生,男,安徽蕭縣人,教授,研究方向:數(shù)量經(jīng)濟(jì)學(xué);韓孟君,1993年生,男,浙江諸暨人,碩士研究生,研究方向:金融工程。