我国食品价格变化的实证研究——以机器学习为视角

摘要

食品价格往往受到上游部门生产冲击的广泛影响。在传统计量经济学中,协整模型是捕捉这种动态关系的重要工具。但如果生产冲击有着较长滞后,协整模型的表现相对较弱。为改进该类模型表现,文章在模拟数据下比较了传统的协整、阈值协整和机器学习的随机森林算法对数据的拟合能力,发现随机森林模型的样本外预测准确度显著优于传统计量模型。为拓展随机森林算法在研究中的应用,基于随机森林方法提出了广义脉冲响应和误差方差分解的相应算法。文章将上述算法应用于母猪存栏量对猪肉价格冲击的建模,发现中国猪肉价格传导过程中存在一些明显的非对称性特征,母猪存栏量环比增速的负向冲击影响远远高于正向冲击影响。同时,这种冲击存在显著的阈值特征,当母猪存栏量环比增速接近该阈值-4.5%或-2%时,其冲击的一个微小变化会导致猪肉价格的迅速改变。