基于ARMA预测模型的中药材价格预警研究.doc

基于ARMA预测模型的中药材价格预警研究［摘要］该研究搭建了中药材价格预警系统框架，采用中药材价格指 数为预警指标建立中药材价格黑色预警模型，以价格指数波动率为警情指 标，以物价原则确立警限，将警度划分为负向重警、负向轻警、无警、正 向轻警、正向重警5个区间，对应5种不同颜色的信号灯以描述中药材价 格市场的变动程度采集2010年11月至2013年10月的月度价格指数作 为时间序列，对中药材价格指数进行预测预警实证研究在构建ARMA预 测模型测算指数预测值的基础上，进一步获取中药材价格预警结果并作出 分析，最后向中药材种植户、商业公司、消费者与政府提出了建议［关键词］中药材；价格预警；价格指数；ARMA模型近些年中药材市场屡屡出现价格暴涨暴跌的情况，如果中药材的价格 波动频繁、剧烈却又无法预知，生产经营者、消费者与监管者就不能及时 作出有效的决策，随即影响市场的宏观运作1888年由法国经济学家福里 利(Alffed Fourille)最早提出将预警机制应用于经济生活中，随后预 警理论和方法广泛运用于农业、工业和资源等诸多领域，在医药领域的预 警仅局限对药物安全方面的预警，药品价格预警的研究仍是空白。

本研究通过构建中药材价格预警系统，选取具体的预警指标进行模型 预测，以测度未来价格状况，预报不正常状态的时空范围和危害程度，以 便适时适度的采取有效措施进行干预，把中药材价格波动幅度控制在合理 的范围之内1中药材价格预测预警系统的框架设计中药材价格预警系统的基本框架设计见图1,信息处理系统包括五大 系统信息采集与处理系统包括信息收集与存储子系统和信息处理子系 统前者根据系统预设的模块，采集和录入中药材价格及其生产、购销、 储备等相关信息，作为系统预警所需要的基础数据后一个系统即对录入 信息进行分类、统计和辨伪；价格预警模型系统的功能是价格预警管理的 关键；预警信息发布系统功能是公布预警信息，满足用户对预警信息的需 求，以达到降低成本、整合价格信息资源和提高服务效率的目标；预警控 制对策系统储存有多种情况下的备选对策和对策方案框架一旦有严重警 情发生，在专家系统分析和判断的基础上，决策者能够迅速调用其中的对 策来防范和处理风险；预警系统检验与评价系统是预警系统的另一重安全 保障价格指数预测模型和预警模型的设定需要依据中药材产品的行业动 态变化，作出相应修正2中药材价格黑色预警模型的构建中药材价格定量预警模型可分为3种，即指标预警、因素预警和综合 预警。

指标预警较为典型，它是根据调控指标变动范围的大小来发出不同 程度的调控信号使用过程中要特别注意指标的偶然性问题，易于出现“虚 警”⑴2. 1警情指标的确定一般来说，警情指标采用增长率指标比较适宜因为在经济指标中， 绝对指标往往呈递增型，而增长率指标则往往呈波动型，波动型的指标有 利于方便地确定警限和警度［2］中药材价格波动率公式为Rt=(lnPIt-lnPIt-1) XIOOo其中Pit和PIt-1分别表示t月和t-l月中药 材价格指数，本研究将Rt作为警情指标2. 2警限的确立确定警限常用的方法是采用统计方法确定警限以CPI为基础划分警 限的原则称之为物价原则物价原则的含义是指中药材价格的波动要与近 期的CPI波动相适应，如果过度偏离了 CPI,则认为出现了警情［3］用过 去3年即2010年8月一2013年8月CPI月度波动率平均值为基准，取平 均值上下1个标准差为无警区间，超出1个标准差但在2个标准差内为轻 警区间，超出2个标准差为重警区间采用双侧警限的原因是价格属于适 中指标，无论过高还是过低，都会影响市场的稳定运行［4］根据国家统 计局网站公布的数据，2010年8月一2013年8月的CPI环比价格指数平 均值为100.31%,月度波动率为0.31%,标准差为0.53,各个警限对应警 度、信号灯和状态见表1。

3成都中药材价格指数ARMA预测模型研究中国成都中药材指数采用合成指数编制方法，选择一系列反映中药材 市场运行状况的指标，进行综合处理用以反映中药材价格本研究以中药 材总价格指数为预警指标，采集2010年11月至2013年10月价格指数作 为时间数列，对中药材价格指数进行预测预警研究3. 1ARMA预测模型理论基础及建模路径黄健柏等提出可以利用ARIMA模型、时间序列模型等多种预测方法， 对有色金属价格波动进行预测［5］,本研究用ARMA模型对价格指数进行预 测[6],模型表达式如下：Xt= 4)lXt-l+ j (j=l, 2, -p)是自回归系数，描述对的影响 程度Xt-j对Xt的影响程度，9 L 6 2- 9 q为移动平均系数，at是随机 干扰误差项ARMA建模预测流程见图23. 2成都中药材价格指数ARMA预测模型实证研究二次差分后不存在单位根，数列达到平稳化，二次差分图效果理想3. 2.2模型识别与定阶 绘制自相关函数和偏自相关函数可推断，自 相关系数与偏自相关系数均拖尾，在k=12, 24……数据时，并没有明显的 季节性，可以判定为ARIMA (p, 2, q)模型。

其中自相关系数在阶数心1 之后，偏相关系数在k=3之后，均趋近于零，故p=3, q=l,模型初步判定 为 ARIMA (3, 2, 1)0 依据综合比较法，选取 ARIMA (3, 2, 1)、ARIMA (2, 2, 1)和ARIMA (1, 2, 1) 3种形式为待定模型进行参数比较得出，ARIMA (2, 2, 1)是最佳选择3. 2. 3模型参数的估计与检验 模型估计结果及相关统计量显示C、AR (2)和MA (1)高度显著，AR (1)不显著，模型最终表示为Xt=121. 7389+0.770 4Xt-2-0. 945 2at。