我国粮食市场价格波动特征——基于ARCH类模型的实证分析，本文主要内容关键词为：实证论文,市场价格论文,粮食论文,模型论文,特征论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
1 研究背景
粮食是安天下、定民心的重要物资，粮食供给安全、粮食价格稳定更是保障社会发展、人民安居的重要前提。近年来，尽管我国不断调整粮食市场政策，但是粮食价格依然波动较大。尤其是2008年9月以来，国内大豆、玉米价格均到达十几年以来的高峰，粮食价格飙升带动整体农产品价格大幅波动。农业本身具有自然再生产和经济再生产相互交织的特点，这决定了农业生产经营过程具有复杂性和不确定性，也使农业成为风险最为集中的产业。对于粮食产业而言，价格波动已成为粮食生产面临的主要风险之一。
粮食价格是农产品价格的基础和主体，粮食价格的波动必然引起其他部门生产成本和产出价格的波动，进而影响整个国民经济的正常运行。因此，粮食价格波动一直是学术界关注的焦点问题，许多学者从不同角度对之进行了研究。考虑到粮食价格在一定程度上受国家宏观调控政策的影响，Lapp和Smith认为，粮食价格波动直接或间接受国家宏观调控政策的影响，其中货币政策对粮食价格波动的影响较为显著[1]。冯云、罗万纯和刘锐基于ARCH类模型的研究结果表明，我国粮食价格波动整体上具有显著的ARCH效应，但籼稻、粳稻和大豆的价格没有呈现显著的异方差效应[2-3]。
在农产品价格波动的影响因素方面：罗锋和牛宝俊发现，国内农业生产资料价格的波动是影响粮食价格波动的最主要因素[4]；罗锋运用SVAR模型对影响国内农产品价格波动的各种外部冲击因素进行了实证分析，发现外部冲击因素对我国农产品价格波动的影响日益显著，其中国际农产品价格通过贸易传导对国内农产品价格波动的影响最大，石油价格的贡献排第二[5]。在粮食价格波动的影响方面：Buguk、Hudson和Hanson认为，粮食价格上涨引起的饲料价格上涨是推动养殖业成本上升的主要因素[6]；石敏俊、王妍和朱杏珍认为，粮食价格上涨对食品加工业的影响最为显著——城镇居民净收益减少、农村居民净收益增加[7]；何蒲明和黎东升认为，粮食产量与价格交互作用，呈“发散型蛛网”状态，两者此消彼长的关系对国家粮食安全极为不利[8]。在粮食市场间的波动溢出效应方面：Zhao和Goodwin利用BEKK-MVGARCH模型和粮食期权市场数据，对美国大豆市场与玉米市场之间的价格波动溢出效应进行了研究，发现仅存在玉米期权市场向大豆期权市场的波动溢出效应[9]；吴海霞和王静的研究表明，我国粮食市场分别处于价格双轨制时期和市场化时期，粮食市场之间存在不同的价格波动溢出方向[10]。
国内外有关粮食价格波动的研究为本文提供了丰富的参考和借鉴，但现有研究有待进一步发展和深化，表现在：一是近年来我国不断出现的“逗你玩”、“玉米疯”等现象表明了细分粮食品种的重要性；二是目前有关粮食价格波动的研究多基于宏观视角展开，微观层面的计量分析较少；三是溢出效应是衡量不同市场间关联程度的重要指标，但现有文献对不同粮食市场间的价格关联程度和溢出效应的关注较少，随着国家不断放开粮食市场，不同粮食品种市场间的联动效应日益增强，因此研究不同粮食市场间的价格波动溢出效应可为粮食市场投资决策的制定提供重要的理论参考。由于我国北方粮食作物的生产普遍采取小麦—玉米—大豆的轮作制，同时不同的粮食作物在时间和空间上会争夺土地、资源和劳动力，因此本文选取小麦、玉米和大豆3种粮食作物，利用ARCH类模型对不同粮食品种价格的波动特征以及3种粮食市场之间的价格波动溢出效应进行实证分析。
2 理论框架
2.1 粮食价格波动特征
2.1.1 GARCH模型
由于Engle提出的ARCH模型存在滞后期的确定缺乏统一标准的缺陷，加之滞后阶数过大时无限制约束的估计常会违背
的限定条件，因此Bollerslev将ARCH模型扩展为GARCH模型。在金融经济领域，GARCH（1，1）模型可较好地解决ARCH模型的滞后阶数过大的缺陷，从而大大降低了模型识别和估计的难度。标准的GARCH（1，1）模型为：
式（1）和式（2）中：x和r分别为解释变量向量和系数向量；
为ARCH项，其中系数α表示变量的外部冲击，一般要求α≥0；
为GARCH项，其中系数β表示该变量过去的波动对其当期值的影响，一般要求β≥0。系数α和β均高度显著，表明粮食价格收益率具有明显的波动集簇性；α+β反映了波动的持续性：当α+β＜1时，粮食价格波动冲击的影响逐渐消失；当α+β＞1时，粮食价格波动冲击的影响不但不会消失，反而会扩散。
2.1.2 非对称CARCH模型
GARCH（1，1）模型要求“条件方差的均值在所有时期趋近于某个常数”的假定往往与现实条件相违背，而非对称CARCH模型允许条件方差的均值趋近于一个变动水平
从而可很好地弥补GARCH（1，1）模型的缺陷，且可很好地捕捉序列短期波动的非对称性特征。非对称CARCH模型的条件方差方程形式为：
2.1.3 GARCH-M模型
Engle、Lilien和Robins在GARCH模型的均值方程中加入误差项的条件标准差，提出了GARCH-M模型：
式（5）和式（6）中，ρ是条件标准差的一个倍数，用条件方差衡量，代表风险与收益之间的一种权衡。ρ为正数，表明粮食市场具有高风险、高回报的特征。
2.2价格波动溢出效应
Nelson于1991年提出的单变量EGARCH模型可以有效地捕捉变量波动的非对称性，并解决了Bollerslev提出的GARCH模型难以保证系数非负的缺陷。对衡量某一市场价格波动程度的模型做如下假设：
参考Buguk、Hudson和Hanson以及Hamao、Ma-sulis和Victor的研究，本文采用单变量EGARCH模型检验小麦、玉米和大豆的市场价格收益率的波动溢出效应[6,11]。以玉米市场和大豆市场向小麦市场的价格波动溢出效应为例，将玉米价格收益率和大豆价格收益率的单变量EGARCH模型中残差平方的对数形式作为外生变量，引入小麦价格收益率单变量EGARCH模型中，可以得到
式（9）中：
和
分别为玉米价格收益率和大豆价格收益率的EGARCH（1，1）模型中的当期残差平方。考察玉米市场和大豆市场向小麦市场的价格波动溢出效应，即考察系数φ和φ的显著性。系数φ和φ均显著，表明存在玉米市场和大豆市场向小麦市场的价格波动溢出效应；仅系数φ显著，表明仅存在玉米市场向小麦市场的价格波动溢出效应；仅系数φ显著，表明仅存在大豆市场向小麦市场的价格波动溢出效应。
3 样本数据选取及数据描述性统计
3.1 样本数据选取
本文使用的数据为1998年1月9日至2012年12月14日全国小麦、玉米和大豆周批发价格指数，数据来源于“同花顺”行业经济数据库。鉴于部分数据不完全重合，本文参考Hamao、Masulis和Victor的做法[11]，将3个粮食品种市场没有重叠的14个周数据删除，最终获得统计样本的765个数据。
图1显示了1998—2012年我国小麦、玉米和大豆的周批发价格指数走势。从图1可看出：1999—2003年第三季度全国小麦、玉米及大豆的价格均处于低迷状态；从2003年底开始，全国小麦、玉米和大豆的价格同时出现大幅回升，并在此后较长一段时间内保持持续上涨趋势。尤其值得注意的是，2004年后全国小麦价格平稳上升，而玉米价格和大豆价格急剧上涨。例如：2008年4月全国大豆周批发价格指数达243.8点，较之2006年4月同期，上涨幅度达145.6%；玉米周批发价格指数自2008年初一路飙升，并于2011年6月达到历史高峰（240.3点），其上涨幅度超过同期小麦价格和大豆价格。由此可以看出，虽然2004年以来全国小麦、玉米和大豆的价格随着时间推移总体上呈上涨态势，但价格波动明显。
3.2 数据描述性统计
本文用相邻两周的粮食价格指数对数的一阶差分表示价格收益率。以玉米市场为例，第t周的玉米价格收益率的计算公式如下：
表1显示，样本期间玉米市场具有较高的价格收益率，其均值为0.0007；大豆价格收益率的标准差明显高于小麦和玉米。小麦和玉米的价格收益率的偏度分别为0.7614和0.2857，小麦和玉米的价格收益率具有右偏性；大豆价格收益率的偏度为-0.9697，呈左偏性。以正态分布的峰度3为参考，小麦、玉米和大豆的价格收益率峰度分别为12.2791、5.8779和17.8904，均高于正态分布的峰度。JB正态性检验结果显示，3个粮食市场的价格收益率序列的正态性均在1%的显著性水平下高度显著，表明3种粮食的价格收益率序列具有典型的尖峰厚尾特征。因此，在后续估计过程中，我们用t分布代替正态分布。
4 实证结果分析
4.1 价格波动特征分析
为避免出现伪回归问题，首先要对各时间序列进行平稳性检验。对小麦、玉米和大豆的价格收益率序列进行ADF（Augmented Dickey-Fuller test）检验，选择滞后阶数为0，无截距项和趋势项。单位根检验结果表明，在1%的显著性水平下，小麦、玉米和大豆的价格收益率序列均不存在单位根，因此可对序列
进行建模。ARCH-LM检验结果表明，滞后2阶，小麦、玉米和大豆的价格收益率序列的检验概率P值均小于1%，说明残差序列存在显著的异方差效应，价格收益率序列至少存在2阶的ARCH效应。
GARCH（1，1）模型中小麦、玉米和大豆的市场收益率条件方差方程的估计结果显示：在1%的显著性水平下，三者的价格收益率序列的α值和β值均高度显著，即序列波动具有显著的集簇性和异方差性。α与β之和均小于1，说明小麦、玉米和大豆的市场价格波动冲击的持续性较弱，粮食价格系统本身存在的记忆性将使过去的波动对未来的影响逐渐消失，无需对市场进行外部干预，市场会根据粮食供求信息在经过一段时间的自我调节后达到均衡。
CARCH模型的估计结果显示：小麦、玉米和大豆价格收益率序列的γ估计值分别为-0.0021、0.0331和-0.0213；在5%的显著性水平下，仅小麦价格收益率序列的γ估计值显著，表明仅小麦的市场价格波动具有显著的非对称性；同时小麦价格收益率序列的γ估计值小于0，表明小麦市场价格上涨引发的波动比其市场价格下跌引发的波动更大。
GARCH-M模型的估计结果显示：在10%的置信水平下，仅玉米市场呈现出高风险、高回报的特征。模型回归中ρ值为0.0654，在1%的置信水平上高度显著，表明市场中预期风险每增加一个单位，会导致价格收益率增加0.0654个百分点。
4.2 价格波动溢出效应分析
基于单变量EGARCH模型的粮食价格波动溢出效应的估计结果如表3所示。由表3可知：在5%的显著性水平下，样本期间存在小麦市场向玉米市场、小麦市场向大豆市场的单向价格波动溢出效应，以及玉米市场与大豆市场之间的双向价格波动溢出效应；不存在玉米市场和大豆市场向小麦市场的单向价格波动溢出效应。其中，小麦市场对大豆市场的价格波动溢出效应最为显著，溢出系数为0.0650，即小麦市场一个单位的价格波动将引起大豆市场同向发生0.0650个百分点的变动。
对模型残差的ARCH-LM检验结果表明，分别滞后6阶和12阶，EGARCH模型的残差向量均不存在ARCH效应，即模型残差不再存在异方差现象，表明EGARCH模型可以较好地拟合3个粮食市场间的波动溢出效应。
5 结论
本文利用1998年1月9日至2012年12月14日我国小麦、玉米和大豆批发价格指数的周数据，采用ARCH类模型对我国小麦、玉米和大豆市场的价格波动特征进行了实证分析。结果表明：样本期间，我国小麦、玉米和大豆市场的价格波动呈现出显著的时变性和集簇性特征，即大幅波动后面跟随大幅波动、小幅波动后面跟随小幅波动，这表明我国小麦、玉米和大豆的市场价格在一定程度上是可以预测的；仅玉米市场呈现出高风险、高回报的特征，这表明相比小麦市场和大豆市场的参与者，玉米市场的参与者的投资更具理性；仅小麦市场的价格波动存在非对称性，其价格上涨引起的波动大于价格下跌引起的波动，这反映了粮食市场中人们更关心价格上涨的心理，即“看涨不看跌”。
单变量EGARCH模型的估计结果表明：存在小麦市场向玉米市场和大豆市场的显著的单向价格波动溢出效应，因此在一定程度上可根据小麦市场价格的走势预测玉米及大豆的市场价格；玉米市场与大豆市场之间存在显著的双向价格波动溢出效应，即玉米和大豆的市场价格波动具有较强的联动性。
上述结论为粮食市场的生产者、投资者和政策制定者提供了有意义的理论参考。对于生产者而言，合理考虑不同市场间的联动效应有利于提高粮食价格预测的准确性，进行理性投资，从而提高利润；对于政策制定者而言，正确把握不同市场间的价格波动溢出效应，有助于提高宏观政策的有效性、减弱政策负效应引起的经济波动，从而保证整体粮食市场的稳定。