英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料

我国鸡蛋价格波动的深入研究与预测

摘要：

近年来，我国鸡蛋价格波动剧烈，鸡蛋价格的波动直接影响与制约到农民的利益。鸡蛋也是我们饮食中不可缺少的成分。本文利用时间序列分析乘子模型对2000年1月至2019年2月的鸡蛋价格进行深入研究，分析鸡蛋价格的季节因素，在这之后的一段时间里利用神经网络预测鸡蛋价格的波动。结果表明，预测值与鸡蛋价格波动周期一致。最后，针对我国鸡蛋市场存在的问题，提出了有针对性的建议。

关键词:价格波动;预测分析;神经网络

1介绍

畜牧业一直是农业产业的重要组成部分，其消费规模巨大。根据农业部的报告，中国人每天消费大约10亿个鸡蛋。由于鸡蛋的大量消费，大多数农民信心十足。他们开始扩大家庭规模。伴随着鸡蛋期货的上市，越来越多的投资者开始关注鸡蛋价格的波动。本文着重分析了近年来我国鸡蛋价格的波动情况。

时间序列分析分析法，就是将经济发展、购买力大小、销售变化等同一变数的一组观察值，按时间顺序加以排列，构成统计的时间序列分析，在这之后的一段时间里运用一定的数字方法使其向外延伸，预计市场未来的发展变化趋势，确定市场预测值。时间序列分析分析法的主要特点，是以时间的不断推移深入研究来预测市场需求趋势，不受其他外在因素的影响与制约。不过，在遇到外界发生较大变化，如国家政策发生变化时，根据过去已发生的数据进行预测，往往会有较大的偏差时间序列分析是按时间顺序的一组数字序列。时间序列分析分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响与制约，为此要利用统计分析中加权平均法对历史数据进行处理。该方法简单易行，便于掌握，但准确性差，一般只适用于比较短期预测。时间序列分析预测一般反映三种实际变化规律:趋势变化、周期性变化、随机性变化。

时间序列分析分析是根据系统观测得到的时间序列分析数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。

近年来，越来越多的学者对家禽产品价格进行了深入研究。有学者从定性的角度分析了商品价格波动的各种因素。有学者利用各种时间序列分析模型对鸡蛋价格进行预测和分析。唐江桥和雷娜用ARIMA季节模型分析鸡蛋的价格。结果表明，2011年上半年房价波动明显。全年只有4个月处于无预警的状态，轻预警和重预警占一半以上。岳志尧等使用SVM算法对鸡蛋价格进行预警深入研究。他们发现模型的预警结果与实际情况相符。赵丽娟利用协整检验和VEC模型深入研究了2011 - 2015年蛋品零售价格与鸡肉价格、批发价格和饲料价格的关系，发现蛋品零售价格与蛋品批发价格的关系最为密切。周荣柱和秦福通过2010年至2014年的月度数据对鸡蛋价格进行了深入研究。他们采用VAR方差分解模型和格兰杰因果检验来深入研究鸡蛋产量、鸡蛋产量和鸡蛋价格之间的动态关系。结果表明，三个变量的脉冲响应值在6个滞后周期内变化较大。三个变量对母鸡方差的贡献率产量与产蛋量之间存在显著的相关关系。综上所述，关于鸡蛋价格内在机制的深入研究文献仍然较少。因此，本文深入研究了鸡蛋价格的内在原因，并利用机器学习算法对鸡蛋价格进行预测。

2理论基础

2.1时间序列分析和季节指数的值

时间序列分析是指伴随着时间的不断推移而发生的一组数据。时间序列分析是利用统计技术揭示数据组的内在变化规律，并在已有数据的基础上预测未来的变化趋势。一般来说，大多数时间序列分析包含四个组成部分:长期趋势、季节变化、周期变化和不规则变化。这四个因素有两种组合。一个是加性模型。就是在这四个因素相互依赖时，将这四个因素结合起来可以直接得到时间序列分析。另一种是乘法模型，它针对的是这四个因素之间相互作用的时间序列分析。在实际分析中，这些组件通常在预测之前就被提前分解了。ARIMA是一种分析和预测时间序列分析的通用模型。在应用该模型之前，首先要判断该模型是站元的还是非平稳的。如果它是平稳的，我们可以直接使用ARIMA模型。当一组时间序列分析是不稳定的，我们必须以不同的方式处理它，使它成为一个平稳序列，在这之后的一段时间里使用ARIMA模型。当使用ARIMA模型预测稳定时间序列分析时，通过对预测结果进行倒转操作，可以得到原始数据的预测结果。

季节指数的值为描述一组时间序列分析在一个季度或一年中的季节特征。它反映了一个月或一个季度的价值占年度平均值的百分比。它是根据一组数据的周期计算季节指数的值为来实现预测的一种方法。如果没有季节波动，则季节指数的值为为100%，如果时间序列分析在一段时间内有季节波动，则其值大于或不到100%。季节指数的值为法的基本思想是先分离无季节周期波动的长期趋势，最后计算季节指数的值为，从而建立预测模型。

2.2人工神经网络

本文采用的主要方法是神经网络。人工神经网络(ANN)是以生物神经元的结构原理为基础的。它是对真实人类大脑神经网络的物理模拟和处理实际问题的思维反应。神经网络在解决问题时具有自激励功能。由于神经网络具有很强的自学习能力，因此人工神经网络可以学习识别图像识别中的哪类图像。当然，它也在数据预测中起着重要的作用，如国民经济预测、区域人口预测等。

注:绿色圆圈表示数据输入层;红色圆圈表示隐藏层，紫色圆圈表示输出层。

图I为典型的三天前馈网络BP神经网络结构。神经网络包括n个节点的数据输入层、p个节点的隐含层和j个节点的输出层。对于其中一个训练样本，假设神经网络的输出为, ,是隐含层与输出层之间的连接，第m个输出神经元的数据输入表示为:

()中神经网络的均方的误差为:

因为梯度下降原理在训练中使用。在BP神经网络过程中，当给定学习速率时，存在梯度下降原理。

**

3鸡蛋价格的定性

分析本文数据来源于中国畜牧信息网。收集2000年1月至2019年2月的鸡蛋月平均价格数据。下面的时间序列分析(图2)

从上图可以看出，近年来蛋价波动明显增强。自2014年9月以来，中国的鸡蛋价格从12个鸡蛋的峰值大幅下跌。20 - 6所示。2017年5月95元/公斤。2017年上半年，受流感影响与制约，鸡蛋价格大幅下跌。2017年下半年，价格呈现上升趋势，随后在每公斤9 - 10元之间波动。通过对2000 - 2019年蛋品月平均价格的观察，蛋品价格波动具有一定的季节性和周期性趋势。

图2 2000年1月至2019年2月中国鸡蛋平均价格

一般来说，鸡蛋的价格受到很多因素的影响与制约，包括鸡肉价格、饲料价格、消费者指数的值为和天气因素。由于天气过于炎热，母鸡的产蛋量有较大幅度的减少了。鸡蛋产量的增加导致市场上鸡蛋供应量在比较短时间内大幅增加，所以价格自然就会下降。鸡蛋的价格也受到节日的影响与制约。在像新年，节假日，或者是大型聚会等，对鸡蛋的需求会大大增加，鸡蛋的价格自然也会出现不同程度的上涨。中国的鸡蛋产量约占世界鸡蛋总产量的三分之一，中国产出鸡蛋的主要省份是山东省、河南省、河北省和辽宁省四个省份。据有关新闻报道，这些省份的鸡蛋产量达到了全国的鸡蛋产量的10%以上。鸡蛋消费主要流向上海市、北京市、天津省等地。伴随着过去两年鸡蛋价格的的不同程度的上涨，一些农民看到了养殖蛋鸡销售鸡蛋的商机。他们增加了母鸡的数量，以获得更多的鸡蛋在市场上出售，从而获得更多的利益，但在之后的一段时间里，价格相比最高时将会出现短期内下降的趋势。

4鸡蛋价格的实证分析

4.1时间序列分析

时间序列分析可分为长期波动分析和比较短期波动分析。通过对鸡蛋价格多年波动的观察研究发现，伴随着时间的不断向后推移，鸡蛋价格波动越来越严重。乘法模型应该是用来处理这种波动的最好解决方法。但是，如果时间序列的季节波动在任何时候都是比较稳定的，则应采用更为合适的加性模型。

对于季节模型分析，本文采用IBM SPSS Statistics 20这款软件将2000年1月至2019年2月的鸡蛋月平均价格数据输入，生成并导出序列图，在这之后的一段时间里进行以季节为单位的分解过程。这个图形是由EXCEL 2007绘制而成的.纵坐标为季节指数的数值，横坐标为2000年1月至2019年2月的时间数值。从图3可以看出，鸡蛋价格具拥有明显的周期性特征，周期为12个月，即1年。4月份月平均价格从1月份的最低水平(季节性指数的值为0.938 8)开始下降，9月份开始从5月份上升到最高水平(季节性指数的数值为1.080 8)，在这之后的一段时间里有较大幅度的回落。

海产品价格周期性波动的主要原因是不同月份的繁殖的数量差异较大。立春时节，伴随着母鸡产蛋量的增加，市场上鸡蛋的供应量也随之增加，蛋的价格自然下降。伴随着夏季的到来，特别是在8月和9月这两个月，过于炎热的天气使得鸡蛋产量有较大幅度的减少，导致市场上鸡蛋的供应量有较大幅度的减少，所以鸡蛋的价格又会有所回升。此外，过于炎热的天气缩比较短了鸡蛋的保质期。这些原因使鸡蛋的价格有较大幅度的的的上涨。

图3中国鸡蛋价格季节指数的值为序列图

4.2神经网络分析

以2000年1月至2019年2月鸡蛋月平均价格为数据输入样本。在训练过程中采用递归方法。样本集与验证集的样本数之比设置为总样本数量的7:3，训练时隐藏样本数神经元调节到9个，效果最好。

图4是利用MATLAB R2016a软件，根据鸡蛋价格的实际值和预测值进行绘制的。横坐标从I到237，代表2000年1月到2019年9月的时间数值，纵坐标代表的是鸡蛋在我国出售的平均价格数值。蓝线是实际值，橙色线是未来7个月的预测值。如图4所示，神经网络的预测值与虚拟值非常接近。预测的误差图(图5)满足正态分布。在这之后的一段时间里，利用神经网络对2019年3月至2019年9月的鸡蛋价格进行预测，预测结果分别为9. 38, 9.28, 9.34, 9.48, 9.62, 9.77 和 9。91元/公斤 (图6)

图4神经网络数据输入-输出对应关系图

图5递归神经网络预测的误差图

由图可以得到未来两个月鸡蛋价格将大幅下跌，五月份鸡蛋价格将出现新一轮的不同程度的上涨。预测值为9.34，与本文对鸡蛋价格周期性的研究相吻合。鸡蛋价格的急剧的不同程度的上涨和下跌，主要是由于农民根据当前的市场情况增加或有较大幅度的减少了母鸡的养殖数量。因为鸡蛋不适合储存，保质期比较短。投资者和饲养的总数者很少以低价来储存它们。但是，我们可以根据预测结果提前增加或有较大幅度的减少母鸡的繁殖量，进而来确保在下一轮的价格变动中会产生较小的损失。根据神经网络的预测结果和时间序列分析的季节指数的数值，农户可以在三月和四月适当增加产蛋鸡的养殖数量，在十月份较大幅度的减少产蛋鸡仔鸡的养殖数量，在市场不好的时候可以使得鸡蛋产量相比之前会有较大幅度的减少，以至于能够降低损失。

图6递归神经网络预测图

5建议

完善鸡蛋市场信息平台。大多数农民都被误导从而在不合时宜的时候做出了错误决定，因为他们没有及时得到相关信息。快速获得动态相关信息是非常重要的,所以农业部应该提高畜牧业的信息平台软件的推广和实时动态信息,这样农民可以完全知道鸡蛋的每日价格变化,市场上对于鸡蛋的需求,饲料成本价格的波动和一些科学育种以及培养技术。一些关于鸡蛋的信息可以在平台的网站上轻松地被找到。这样，农民才能及时了解市场情况，从而制定合理的对策策略。提高所养殖鸡的产蛋水平。尽管中国养鸡的水平已经走在了世界前列，但大多数养鸡农民仍采用最传统的饲养的方式方法。因此，必须通过智能化科学的培育方法来提高母鸡的产蛋水平，从而提高鸡蛋的数量和质量。在智能农业中，采用智能技术来喂养母鸡，母鸡有充足的时间锻炼和休息，并进行预防性药物注射。通过科学选育，可以培育出最优质母鸡，提高母鸡的繁殖能力。只有这样，市民才能吃到放心鸡蛋。其次就是实施补贴政策。由于鸡蛋的价格没有一定的周期性，鸡蛋的需求量也不是特别大，农民对鸡蛋的价格没有很好的预见性，有时还会遭受一些不必要损失，这使得他们对养鸡产蛋缺乏信心。因此，相关政府可以及时给予适当的补贴，提高他们对培育种鸡的积极性。政府可以在市场供应充足的时候收购部分鸡蛋，在这之后的一段时间里将鸡蛋分发到其他供应不足的地方，或者分发给劳动人民，以保证价格能够在一个足够小的范围内波动。

参考文献

【1】唐季青，雷宁。我国鸡蛋价格波动预警研究[j] .北京:科学出版社，2010。西方论坛，2011,21(6):44-49。(中文)

【2】岳佐，周文俊，侯玉霞。基于支持向量机的鸡蛋供应链价格预警[]。物流工程与管理，2013,35(2):74 -76。(中文)

【3】年赵，我国蛋品产业链市场价格传导机制分析[]。黑龙江动物科学与兽医学，2017(10):1-4。

【4】产蛋性能与蛋价动态变化关系研究。中国农业大学学报，2016,21(10):145 -154。

【5】王文俊，卢gw，石泽。我国鸡蛋价格的趋势周期分解与影响效应分析.中国农业经济，2010(3):1 - 2。食品与营养，2015,21

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[255150]，资料为PDF文档或Word文档，PDF文档可免费转换为Word