基于奇异谱分解的猪肉价格组合预测.pdf

基于奇异谱分解的猪肉价格组合预测 1 1，2 黄增跃 ，方永美 1 2 （华南农业大学 数学与信息学院，广东，广州 510642； 华南师范大学 经济与管理学院，广东，广州 510006） 摘 要：通过奇异谱分析方法分解猪肉价格，采用ARIMA 模型、SVM 模型和 BP 神经网络模型对分解后的猪 肉价格进行组合预测；同时选择ARIMA,SVM 和 BP 神经网络作为基准模型，把组合模型预测的结果与所选的 基准模型预测结果进行对比，得到了组合模型预测的结果总体上优于基准模型的预测结果。通过 DM 检验， 进一步验证了结果的可靠性。预测结果表明，SSA 组合模型的预测能力平均比 ARIMA、SVM 和 BP 神经网络 三种基准模型的预测能力分别高出 7.97%、72.79%、67.64% 关键词：组合模型；奇异谱分解；自回归移动平均模型；支持向量机；猪肉价格 1 引言 猪肉是我国居民日常生活中重要的肉类食品，是我国重要的畜牧产品之一，其价格波动 不仅仅受供求关系影响，也会受消费者观念、国家政策等诸多因素的影响。猪肉价格的变化 通常具有波动大、非线性、非平稳的特点。同时，猪肉价格的变动还会影响到其他农产品， 诸如鸡、鸭等替代产品的价格，且与我国居民的日常消费息息相关。本文通过对猪肉的价格 进行预测，研究猪肉价格变动的方向，可以让养殖户、政府相关部门提前制定相应措施，规 避猪肉价格波动带来的不利影响。 目前，国外的学者对预测的研究大部分集中在能源价格[1-2]，电力价格[3-4]，股票价格波 [5] 动 等方面,而对猪肉价格的预测几乎没有。国内有众多的学者对猪肉价格进行了预测并取 得较好的预测效果。预测的模型主要可以分为单一模型预测和组合模型预测。李子涵通过 对 2010 年 1 月至 2019 年 2 月上海生猪集贸市场的价格数据的研究，建立了 ARIMA 预测模型 [6] 来预测 2019 年 3 月至 7 月的猪肉价格，得到了猪肉价格会趋于稳定的结论 。冯叔君通过 研究 2005 年 1 月至 2018 年 3 月猪肉价格波动规律，发现 ENN 模型更加适合作为猪肉月度价 [7] 格预测和预警的模型 。禹旭涛基于VAR 模型对猪肉价格波动与其他农产品价格的关系进行 实证分析，研究其他农产品价格波动对猪肉价格的影响 [8] 。姜百臣对支持向量机进行改进， [9] 通过改进的 SVM 预测猪肉价格会比常用的预测模型预测精度更高 。Li Zhe-min 通过改进神 经网络模型，提出了一种混沌神经网络进行猪肉的短期价格预测[10]。 也有不少学者通过组合集成模型的方式来预测猪肉的价格。仁青山通过建立 BP 神经网 络和多元回归交叉分析对生猪的价格的波动特征进行了分析，其预测精度比单一模型预测的 精度高出 11%以上[11]。吴培通过ARIMA-GM-RBF 组合模型得到了较好的预测结果，并且对猪 肉市场的监测预警机制提出了相应的建议[12]。平平结合神经网络和灰色预测模型建立组合预 测模型，提出了因素预测和结论预测两部分对吉林省的生猪价格进行了研究，且其预测精度 相比于其他组合模型和一元时间序列预测模型更高[13]。 本文采用奇异谱分析方法先对猪肉价格进行分解，得到对分解后的序列使用 ARIMA，支 持向量机和 BP 神经网络三种模型进行集成预测。 基金项目：华南农业大学校级大学生创新训练项目（201710564183） 作者简介：黄增跃（1997-），男，广东揭阳人，华南农业大学在读本科生，Email：1114586754@ 通讯作者：方永美（1971-），女，安徽芜湖人，研究生，华南农业大学讲师，研究方向为农产品价格预 测, Email：fangym_99@ 2 基本理论介绍 2.1 奇异谱分析 奇异谱分析 (Singular Spectrum Analysis;SSA) [14