农产品期货价格波动因素估计与分解研究

孙志红

(1.石河子大学 经济与管理学院； 2.石河子大学 兵团金融发展研究中心， 新疆 石河子 832000)



【经济·管理】

农产品期货价格波动因素估计与分解研究

孙志红

(1.石河子大学 经济与管理学院； 2.石河子大学 兵团金融发展研究中心， 新疆 石河子 832000)

农产品期货是发展现代农业、推动农业产业结构调整的有效助推器，有必要对影响农产品期货价格波动的因素进行细致的剖析。分解农产品期货理论价格预期中影响因素的损失状况，分析发现：由于信息不对称，市场不完善导致价格水平的理论预期和实际之间的差异加大；涉农企业的景气度对农产品期货价格的影响和预期相悖，农产品现货市场指标显著影响着期货的价格。从宏观环境因素来讲，宏观环境的不景气不仅影响到实体经济还会传递到资本市场，放大投资者羊群行为的负效应，从而加大农产品期货价格的波动，继而会反作用于农产品的现货市场，使现货的价格波动加大，更加大了市场的不稳定，可能对农业经济的可持续增长带来负面影响。

农产品期货价格； 随机生产函数； 可控因素； 因素估计

引 言

金融市场资产价格的波动是指金融资产未来的价格偏离其期望值的可能性。它的适度波动有利于增加市场的活跃程度，提高整个金融市场的流动性，而异常的波动则会降低市场的运行效率，弱化资产配置功能，甚至引起金融风险和潜在的金融危机，从而影响整个经济体的均衡运行。期货市场作为有效规避和分散价格风险的场所，是商品的“价格晴雨表”，具有价格发现和规避风险的功能。其价格的剧烈波动不仅意味着市场的泡沫和参与者的过度投机，更为重要的是伴随价格的波动而积聚的对市场参与者，甚至整个经济体系带来巨大冲击的潜在风险，可以说价格的波动性是衡量风险大小较科学的指标。农产品期货市场发展逐渐成熟，其价格一方面反映了农产品远期供求状况，另一方面反映了相关涉农企业经营绩效状况。发达国家的经验表明，农产品期货是发展现代农业、推动农业产业结构调整的有效助推器。从学术领域的角度上，有必要对影响农产品期货价格波动的因素进行细致的剖析与研究。

随机前沿分析方法(SFA)是对影响因素进行贡献率估计与排序的有效工具,以反映农产品期货市场的价格行为、运行质量和效率的关键、有效的指标——价格波动，综合运用随机前沿分析(SFA)方法分析我国农产品期货价格影响因素，旨在为农产品期货市场运行的利益相关者群体提供一个清晰的图景，这不仅有助于提高农产品期货市场分散和规避风险的功能，而且为有效的监督和风险管理体制的制定提供科学依据，进而为实现良性互动提供理论支持。本研究通过理论和实证分析农产品期货价格波动的主要影响因素，确定其概率贡献度的大小；并深入剖析各主要影响因素对农产品期货价格波动的影响模式，进一步测度分析各影响因素在期货价格波动中所起作用的大小和作用模式，从而为我国农产品期货风险防范和控制提供可行的政策建议。

一、国内外文献回顾

随着金融一体化和交易技术的快速发展，在国内宏观经济、市场交易本身以及信息的波动传递等众多因素共同作用下的农产品期货市场价格如何波动，各影响因素对价格波动的概率贡献率有多大，各影响因素单独对期货价格波动有怎样的影响？国外有大量学者在有关期货价格的形成机制、期货市场的有效性、期货价格波动的影响因素、期货价格的波动特征以及波动信息的跨市场传导等方面进行了较为深入全面的研究。

国外对期货市场价格波动的理论研究和实证研究已存在大量的经典文献，他们主要进行了以下几个方面的研究：(1)在相关研究内容上，国外现有研究内容主要涉及期货市场价格形成机制、期货市场价格发现功能、期货市场价格波动特征、期货市场有效性、市场波动的季节性、波动信息的跨市场和跨产品传导与溢出等方面。(2)有关期货价格波动在研究方法上，运用ARCH族模型。Najand, M., Yung, K.A., “GARCH Examination of the Relationship between Volume and Price Variability in Futures Markets”, ，Vol.11,1991，pp.613-621. 、协整分析(CI)、向量自回归模型(VAR)、广义矩估计(GMM)、向量误差修正模型(VECM)等时间序列方法和模型Foster, A.J., “Volume-Volatility Relation for Crude Oil Futures Markets”, ,Vol.15, 1995，pp.929-951. Zhong, M., Darrat, A.F. and O. Rafael, “Price Discovery and Volatility Spillovers in Index Futures Markets: Some Evidence from Mexico”, & ,Vol. 28, 2004, pp.3037-3054. Sarno, L., Valente, G., “The Cost of Carry Model and Regime Shifts in Stock Index Futures Markets: An Empirical Investigation”, ,Vol.20, 2000, pp.603-624. Fujihara, R.A., Mougoué, M., “Linear Dependence, Nonlinear Dependence and Petroleum Futures Market Efficiency”, ,Vol.17, 1998，pp.75-99. Gao, A.H., Wang, G.H.K., “Modeling Nonlinear Dynamics of Daily Futures Price Changes”, , Vol.19, 1999, pp.325-351. Chiang, R., Tapley, T.C., “The Day of the Week Effect in the Futures Market”, ,Vol. 2, 1983, pp.356-410. Gay, G.D., Kim, T.H., “An Investigation into Seasonality in the Futures Market”, ,Vol.7, 1987, pp.169-181. (3)有关期货价格波动影响因素， Karpoff(1987,1988)、Lamoureux and Lastrapes(1990)、Bessembinder and Seguin(1993)、Foster(1995)、Wang and Yau(2000)、Fujihara and Mougoué(1998)等学者选取了不同的影响因素，采用不同的实证方法进行了研究。Foster, A.J., “Volume-Volatility Relation for Crude Oil Futures Markets”, , Vol.15, 1995, pp.929-951. Iihara, Y., Kato, K. and T. Tokunaga, “Intraday Return Dynamics between the Cash and the Futures Markets in Japan”, , Vol.16, 1996, pp.147-162. Brooks, C., Rew, A.G. and S. Ritson, “A Trading Strategy Based on the Lead-Lag Relationship between the Spot Index and Futures Contract for the FTSE 100”, asting, Vol.17, 2001, pp.31-44. (4)在宏观经济信息与期货价格之间的关系方面，对期货价格与利率、汇率之间的关联性进行了分析，研究表明，玉米、能源的期货价格与利率、汇率的交易加权指数变化一致(Sadorsky，2000)。Simpson和Ramchander(2004)分析了美国宏观经济信息对国库券现货和期货市场的影响，研究表明，在23种宏观经济信息中，只有19种对现货市场或期货市场影响显著，且表现出正向与负向的不同影响。此外，Halpern and Warsager(1998)通过分析商品期货指数与通货膨胀之间的相关性，表明商品期货指数可用于宏观经济景气的预测。(5)在期货市场微观研究方面，Bessembinder and Seguin(1992，1993)、Ragunathan and Peker(1997)、Fung and Patterson(2001)、Girma and Mougoue(2002)分析了期货市场价格波动、交易量与空盘量的关系，发现交易量和空盘量对价差波动均有较强的解释力。其中，Bessembinder和Seguin(1992，1993)、Ragunathan和Peker(1997)将空盘量作为市场深度的替代变量，通过将交易量和空盘量分别分解为可预期部分和不可预期部分，研究了交易量和空盘量对期货价格波动性的影响。研究表明，可预期与不可预期的交易量对价格波动有正向影响，而且不可预期交易量对价格波动的影响力大于预期交易量；当交易量和空盘量同时进入方差模型时，可预期空盘量对收益波动的系数是显著为负的，这表明较深的市场深度可以降低价格波动，新开仓的交易对价格波动的影响要比平仓或换手交易的小。Wang, G.H., Yau, J., “Trading Volume Bid-Ask Spread and Price Volatility in Futures Markets”, ,Vol.20, 2000, pp.943-970. Antoniou, A., Koutmos, G. and A. Pericli, “Index Futures and Positive Feedback Trading: Evidence from Major Stock Exchanges”, , Vol.12, 2005, pp.219-238. Shawky, H.A., Marathe, L. and C.A. Barrett, “A First Look at the Empirical Relation between Spot and Futures Electricity Prices in the United States”, ,Vol.23, 2003, pp.931-955. Lin, S.X., Tamvakis, M.N., “Effects of NYMEX Trading on IPE Brent Crude Futures Markets: A Duration Analysis”, , Vol. 32, 2004, pp.77-82. Xu, X.E., Fung, H.G., “Cross-Market Linkages between U.S. and Japanese Precious Metals Futures Trading”, , & , Vol. 15, 2005, pp.107-124. Fung, H.G., Patterson, G.A., “Volatility, Global Information, and Market Conditions: A Study in Futures Markets”, ,Vol.21, 2001, pp.173-196. Holder, M.E., Daniel Pace, R. and M.J. Tomas, “Complements or Substitutes? Equivalent Futures Contract Market—the Case of Com and Soybean Futures on U.S. and Japanese Exchanges”, , Vol.22, 2002, pp.355-370.

国内有关期货市场价格及其波动的研究正逐渐增多，但专门针对农产品期货价格波动及其影响因素的研究依然较少。现有相关研究主要有：(1)对期货价格波动特征的分析，包括对期货价格的统计特征、收益的分布及波动的聚集性特征的分析；(2)期货价格的量价关系，包括交易量、空盘量对期货价格、收益波动的影响；(3)宏观经济信息与期货价格波动的关系；(4)现货价格与期货价格之间的动态相依性,结果表明，期货交易行为均对波动性有着显著影响，但影响的方向和程度不一致，且不同期货市场波动性对来自现货市场的信息冲击反应不同，但对来自期货市场中的信息冲击具有“杠杆效应”；(5)有关期货价格影响因素的研究(顾钰，2010)。目前，国内学者较多地是从以上几个角度对期货市场的个别品种进行分析研究，而在农产品期货价格波动方面，学术界及相关金融机构的关注则相对较少。金融市场中，不同的市场或不同的资产之间，往往存在着相互影响和波动的相关性，为分散金融风险，进行风险对冲与规避，需要在多个资产之间建立相应的组合，这就要求必须同时讨论多个变量的波动性关系。然而国内对此类期货市场之间的动态相依性研究也相对较少。

二、农产品期货价格的主要影响因素

国内外众多的学者研究证明，期货价格受到多方面因素的影响，尤其是农产品期货市场，有来自期货市场内的因素，有受到外部宏观环境的冲击因素和自然环境因素。农产品期货价格波动受到的影响，在理论和实证研究方面都存在众多观点，源于参与者预防性动机，农产品的价格波动导致更多的投资者参与市场，但也有部分参与者由于对风险的厌恶，而又是套利者身份，价格波动也可能使他们选择无风险的储蓄或参与其他社会投资。Pindyck(1991)研究证实，投资是不可逆转的，价格的波动风险与投资存在负相关性。国家经济环境对农产品期货价格的波动有着不可否认的重大影响，但是农产品期货价格的波动同样对国家宏观经济的发展产生影响；农产品期货价格的影响因素和价格本身是双向互动的关系。

(一)内生性因素

1.现货影响因素

期货是在现货基础上派生出来的金融产品，其价格必然会受到现货的影响。已有的理论研究表明，期货和现货的时期越接近，其价格越趋于现货的价格。农产品期货市场是期货市场上的主要元素，其价格的变化同样受到农产品现货市场波动的影响。期货市场作为国际金融市场的一部分，还要受到国际间各市场联动的影响。

现货市场对期货价格可能会产生影响的因素主要包括：(1)生产因素。该因素是基础性因素，如种植面积、历史价格、国家的支农政策和自然气候环境等。农业产业是受气候环境影响最大的产业，农产品的种植时间、区域、湿度，特别是我国西北地区属干旱地区会受到农业供水、雨雪状况的严重影响。以水稻为例，不同生育期气候因子对水稻总产量的影响不同，淮北、江淮地区水稻总产量呈正向增长，苏南地区呈负向增长。不同地区、不同生育期的气候因子对各地区水稻产量的提高具有不同的贡献率，气候异常变动对水稻生产的影响是不容忽视的，应当高度重视未来气候变化对水稻生产的影响。根据已有的气象学研究，我国历年来受到自然灾害的影响程度较大，发生的频率较高，涉及的区域广，我国是农业大国，所以受灾状况与我国的国民经济的关联度较高。(2)库存因素。库存量的大小直接影响到价格的当期波动状况。经济学的供给需求理论表明，供需的不均衡是导致商品价格波动的直接原因。现货商品的供需同时也可以通过库存情况体现出来，库存状况与现货商品的价格在统计意义上存在一定的负相关关系。产业的结构调整使得农产品种植面积、收获产量产生了较大变化，直接影响到国内本土农产品供应量的变化。农产品的净进出口量的波动直接影响到现货市场的价格，通过价格的传递机制对期货的价格产生重要影响，出口导致期货的价格上升，而在一定的条件下进口导致期货价格的下跌，因此农产品进出口的稳定对农产品期货市场的稳定也起到了支撑作用。

2.期货市场内因素

本研究所述农产品期货市场内因素主要包括农产品期货历史价格、品种、参与者的角色(基于套期保值、对冲和投机目的)、农产品期货市场的深度(目前的研究者多数用期货价格的变动率与农产品期货的交易量的关系来衡量市场的深度)、空盘量、基差(体现的是现货与期货价格的差异状况)的大小、市场的相关制度和原则。参与者的素质包括参与者的学历、对农产品期货的认知、对市场信息的解读能力、对市场信息的获取途径和方法。期货公司与参与者的交流、信息共享状况等对期货价格的波动也会产生重要影响。同时，农产品期货价格波动的剧烈程度也会影响参与者角色的转变，已有的研究证明，期货市场价格波动越剧烈，参与者角色由套保者转为投机者的可能性越大。因此，农产品期货市场内因素和农产品期货价格是双向互为影响的关系。

(二)外生因素——宏观经济因素

本研究所指的宏观经济环境主要包括投资、消费、对外贸易和通货膨胀货币政策、财政政策(准货币量)。宏观经济环境、政策的变动以及经济运行周期的不同阶段，涉农产业参与者的行为都会有很大的差异，这些差异直接影响到农产品现货的供给量、价格和农业产业参与者的规模等。农产品期货价格因现货价格波动、政策变动、周期运行在一定程度上也会发生变动。如利率、汇率影响：利率高，则参与期货市场的交易成本高，利率低，其成本就低，交易成本的高低对市场参与者有着方向性的引导作用，决定着市场中的短期流动性，影响着期货的短期价格的波动。同时，利率和汇率在金融研究领域经常像孪生姊妹一样出现，主要是因为金融国际化的发展越来越显著，人民币与外币的比价影响逐渐渗透到很多国家的金融市场领域。贸易的国际化使农产品进出口业务和外汇的变动从根本上无法脱钩，外汇与农产品现货价格和期货价格构成的是长期的联动效应。不同的货币政策影响期货投资者对未来通货膨胀水平的预期。

三、模型构建和数据说明

前沿生产函数由Aigner 和Chu最早提出，他们认为在确定的生产条件下，前沿生产函数反映了生产要素投入与可能的最大产出量之间的数量关系，并通过该函数确定的前沿面对生产单元的技术效率进行测算。前沿分析法主要分为两大类：确定性前沿方法和随机前沿方法。前者在分析技术效率时假定所有的生产单元公用一个固定的前沿面，即有一个确定的上界生产函数。同时把影响产出的不可控因素(如气候、政策变动、资料统计误差、方程测定误差等)和可控因素不加区分，全部归入一个单侧的误差项中，作为非效率的反映。问题是，由于把所有可能产生影响的因素都作为技术非效率来测算，故而测得的技术效率与真实的效率水平有很大偏差。正是考虑到确定性前沿方法存在的缺陷，美国的Aigner，Lovell 和 SchmidtAigner D.J., Lovell C.A.K., Schmidt P.， “Formulation and Estimation of Stochastic Frontier Models”, , Vol.6, 1977, pp.21-37. 和比利时的Meeusen和van den BroeckMeeusen W., van den Broeck J., “Efficiency Estimation from Cobb-Douglas Functions with Composed Error”, , Vol.18, 1977, pp.435-444. 几乎同时提出了SFA来测算技术效率。第一篇文章的高级评审委员Battese 和 Corra发表了第三篇关于SFA的学术论文。在他们的模型中误差项被分为两类： 管理误差项被用来反映技术非效率，随机误差项表示任何可能出现的不可控因素带来的影响，并假设非效率的组成呈指数半正态分布。在此后的二十几年的研究中，出现了不少重要的随机前沿模型用于确定前沿面，主要的发展和运用集中在两个方面：一是对模型中管理误差项分布的假设，Stevenson假设其为截尾呈正态分布，GreeneGreene W.H., “Maximum Likelihood Estimation of Econometric Frontier Functions”, , Vol.13, 1980, pp.101-15. 假设为密度(Gamna density)分布，LeeEderington, L.H., Lee, J.H., “How Markets Process Information: News Releases and Volatility”, , Vol.3, 1993, pp.1161-1182. 则假设为四参数的Pearson 分布。二是对数据选择的变化：早期的应用主要是基于截面数据(Cross-sectional data)的技术效率估计，而20世纪80年代以后更多地是利用面板数据(Panel data)进行测算。随机前沿分析法的主要优势在于：前沿面是随机的，各生产单元不需公用一个前沿面；把误差项进行区分，能更准确地反映实际的技术效率水平；可以对结果进行假设检验(如对参数的T检验和对函数的似然检验等)。

本研究运用随机前沿方法，将农产品期货价格波动的影响因素分为内生因素和外生因素，同时，对影响期货价格波动的不可控因素(如气候、政策变动、资料统计误差、方程测定误差等)与可控因素加以区分，旨在更准确和全面地把握多种因素对期货价格波动的影响程度。

(一)基于随机前沿分析的农产品期货价格影响因素分析原理

借鉴Kumbhakar和Parmeter的研究，随机前沿生产函数中的确定性部分作为生产性前沿，表示为根据已知条件刻画的可能最大的价格，这是由金融市场上的基本相关定价理论和已有研究结论得出的期望数值,代表着期货价格波动的可控因素。白噪音序列即随机扰动项，用来刻画随机前沿与生产性前沿两者之间的差别,即统计意义上的偏离状态。技术非效率项刻画的是期货市场投资者对于随机前沿的接受程度,在本文表示为参与的积极性。用历史数据中农产品期货价格曾经达到的最大技术效率表示为农产品期货价格最优技术效率，根据未来农产品期货价格可能受到的各因素的投入要素测算其随机前沿,进而，根据测算的随机前沿对技术非效率进行调整，最后得出理论上的农产品期货价格。该模型将随机前沿生产函数的应用从对现有情况的评价拓展到了对未来农产品期货价格预测的实际应用中，有效拓展了随机前沿分析方法的应用范围和现实意义。

(1)

(2)

(3)

影响因素损失方程设定：

u

～

h

(

z

,

δ

)·

N

(

τ

,

σ

)

(4)

(5)

(6)

根据分析，本研究的具体路径如图1所示。

图1 路径图

(二)农产品期货价格的投入产出指标

根据上文所述影响因素的理论和研究机理分析，我们得到表1的农产品期货理论预期价格的投入产出指标。同时，选取大豆、玉米、棉花、小麦、豆粕这五种农产品价格和期货价格。我们使用的是2006年1月至2014年12月的季度数据，各种农产品价格来源于各年度的《中国农产品价格调查年鉴》，其他相关变量的数据来自于国家统计局公布的数据及作者整理得出。指标变量说明如下。

宏观经济变量指标：宏观经济景气度为宏观经济景气指数的绝对量；固定资产投资为投资完成额数据；对外贸易为进出口当期数据；货币供给为货币和准货币(M2)供应量期末值；汇率变动为人民币兑美元中间价的波动；资本市场状况为市场综合指数替代变量。

农产品现货影响指标：净进口的增长率为农产品净进口量增长变动数据；库存量为选取的大豆、玉米、棉花、小麦、豆粕这五种农产品的库存量；自然气候环境为发生自然灾害的次数；涉农产业前景为涉农企业的景气度；农产品种植区域和面积的变动为农业生产经营者应在日历年度内收获农作物在全部土地(耕地或非耕地)上的播种或移植面积及变动数。

(三)模型数据的再说明

由经典无套利均衡分析方法如果市场上存在无风险的套利机会, 就说明市场处于不均衡状态, 而套利力量将会推动市场重建均衡。市场一旦恢复均衡, 套利机会就会消失。在市场均衡时无套利机会, 这就是无套利均衡分析的依据。套利定价理论()的基本内容是 于1976年建立的, 它建立在模型因素的基础上。强调无套利均衡原理。在商品市场中, 如果两种完全可替代商品的定价不同, 就会发生套利。当规格、品质完全相同的两种商品在两个市场价格不同时, 套利者就会从定价低的市场购买商品, 然后立即到定价高的市场销售。买卖是在很短的时间内完成的, 可认为两个市场内价格几乎没有波动, 套利者就会无风险地获得利润。的基本思路就是通过构造套利定价模型, 给出在一定风险下满足无套利条件的资产的收益率, 在这个收益率下, 投资者仅能得到无风险利率决定的收益, 而不能获得额外收益。当具有某种风险证券组合的期望收益率与定价不符时, 便产生了套利机会。 (APT),模型可表述为：

E

=

λ

+

λ

b

1+

λ

b

2+…+

λ

b

(7)

表1 农产品期货价格投入产出指标体系

其中:

E

为资产

i

的期望收益率；

λ

为在没有系统风险情况下的期望收益；

λ

为对于

j

因素的风险溢价；

b

为对

j

因素的敏感系数。

借鉴Kumbhakar,Ghosh和Mcguckin(1991)模型，基于资本资产套利定价理论，运用表1中的投入产出指标体系,研究共涉及五种主要农产品期货品种9年的数据分析。

期货实际价格与价格前沿之间的差距,为农产品期货价格随机生产函数的效率损失,也就是根据无套利均衡模型在资产定价过程中实际偏离的程度。

如果期货市场处于无套利均衡状态，期货价格不存在偏低时，完全信息下的有效价格与理论定价之间的误差被认为是由一个随机扰动项引起的，此时前沿价格就可以由OLS得到。但当期货市场的实际价格偏低时，也就是负偏差，实际的期货价格就低于最大价格。给定期货价格相关影响因素，MLE和OLS的结果如果是相同的，则说明不存在系统性偏差，此时的期货价格是有效的。反之，如果估计结果显示截尾的非负误差项有统计显著性，则说明价格的确存在除了可预测的因素之外还有诸多无法预测和度量的因素。

四、实证结果分析

本文采用前沿分析软件Frontier4.1对前沿生产函数进行估计，参数估计结果如表2所示。

我们非常有效地估计和分解了影响农产品期货价格可预测因素和不可预测因素的影响状况。

表格2列示了随机前沿定价模型和影响因素非效率项的模型估计值，其上半部分数值为随机前沿生产函数估计，表格的下半部分为影响因素损失方程估计。在影响因素损失方程中，我们选取的控制影响投入产出效率的因素主要有自然气候、农产品现货历史价格波动程度和资本市场状况变量。

表2 随机前沿定价模型和影响因素非效率项的模型估计值

注：表示1%水平下显著，表示5%水平下显著。续表同。

续表2-1 随机前沿定价模型和影响因素非效率项的模型估计值

续表2-2 随机前沿定价模型和影响因素非效率项的模型估计值

续表2-3 随机前沿定价模型和影响因素非效率项的模型估计值

从上表的实证数据可以看出, 期货价格的因子对期货价格的影响与已有理论预期具有一定的一致性。

第一，自然气候环境对期货价格的影响是消极的, 自然气候环境的好坏表现出了对期货价格波动较显著的作用，而自然气候环境的影响显然在预期中是不可控的；农产品历史价格波动幅度的大小能够显著减少影响因素效率损失程度，所以负的估计参数(-0.2619) 说明农产品现货价格波动越大，平均而言影响因素效率损失越小，即影响因素效率越高，这样的结果和文献《农产品现货价格影响农产品期货价格机理研究》中相关的结论是一致的，即农产品现货价格无论从短期还是长期影响期货价格的统计特征是显著的。

第二，资本市场状况变量虽然对降低因素损失程度有积极作用(估计参数为0.2109),但是从统计意思看，其数值并没有假设的那么高，这可能与我们资本市场的成熟度有关。我们的资本市场仍然处于发展初期，而且相对而言政府干预程度较深，影响了市场本身的发展和效率，在资本市场状况中，由于存在着信息不对称现象，导致期货市场的参与者如投资者、套期保值者、投机者和机构之间存在着博弈，使理论价格和实际价格更容易产生偏离。

第三，宏观经济景气度指标的系数为负(-0.1305),说明我国整体宏观经济景气时, 期货价格的理论预期与期货的实际价格的偏离较小；货币供给(0.0970)和汇率波动指标(0.2559)系数为正,说明期货市场受到我国货币政策变动的影响是存在的,而且货币供给的增加十分显著地影响着市场参与者的行为,这也验证了已有研究者的结论：宏观政策中货币政策的传递是有效的，而且资本市场之间是联动的。农产品现货的相关因素对期货价格的影响和我们在理论上的预期偏离较小,但是，在农产品现货影响指标中，涉农企业前景的系数非常小(由于篇幅所限没有列示)，且不显著,即说明涉农企业的发展前景对农产品期货的价格影响非常微弱,这样数据显然和理论预期相左，我们有理由认为，这和我国期货市场参与者目的有关，可能存在两种现象，即我国涉农企业参与农产品期货市场的实际身份不是套期保值者而是投机者，或者涉农企业参与农产品期货市场数量较少，对农产品期货市场的认知不够深，这再次反映了中国期货市场的发展需要全方位的努力。

第四，固定资产的投资对农产品期货价格也有显著影响, 其系数为正,这证明投资环境对其影响是正向的，也说明市场的参与者和其他行业的固定资产投资一样看好市场，但如果固定资产投资萎缩，则农产品期货市场同样不被投资者看好。而外贸指标对农产品期货价格的影响方面，因国内市场和国际市场存在着价格联动现象，投资者的行为受国外市场行情的影响很直接，所以其影响价格的系数为正。

第五，期货市场的微观因素，对农产品期货价格的影响更是占有主要地位。农产品期货价格本身的历史状况是影响现在和将来价格的关键因素，很多文献证明，期货价格是有长记忆特征的，因此，农产品期货价格也不例外，其系数是显著为正的。交易量的多少能体现出市场中的流动性，同时，也能反映出农产品期货市场的深度，所以，交易量指标的系数同样显著为正，但其数值小于期货历史价格的系数，这和已有的定价模型是一致的。基差是体现农产品现货和期货价格的差异程度的指标，其数值越大，说明基差风险越大，基差风险可以使对冲者的头寸得以改善，也能使对冲者的头寸恶化，是一把双刃剑，当然具体是改善还是恶化，与参与者参与的头寸有关，多方和空方受到的影响是不同的。农产品期货合约的市场占有率，体现出农产品期货在整个期货市场的地位，其占有率高，表示参与者和交易量都较高，在假设市场中其他条件都不变的情况下，根据经济学中的供需理论，其市场占有率体现了需求量的增加，故对农产品期货价格的影响也是显著为正的。

五、研究结论与建议

农产品期货价格的影响因素是对期货市场研究的一个重要部分，本文运用随机生产函数研究了影响农产品期货价格的因素。利用2006—2014年面板数据和极大似然估计的随机前沿方法，分解出理论价格预期中影响因素的损失状况，对理论价格影响因素损失与价格之间的关系进行估计。根据实证结果分析得出以下结论及对策建议。

第一，实证数据进一步证明了自然气候环境的好坏为期货价格影响因素的不可控因子，不可控，就意味着期货价格存在着风险。因此，在努力减缓价格波动方面，相关部门从规避自然气候风险方面下功夫，如在市场发展上，增加气候衍生品工具；在硬件设施上加大应对自然灾害的投入；在软件方面，提升我国农户应对和分散风险的能力和水平等措施。

第二， 由于信息不对称，市场不完善导致价格水平的理论预期和实际之间的差异加大，为了提高农产品期货价格理论预期的准确度，减少价格波动带来的系列风险，使农产品期货市场服务于实体农业经济，就应该大力宣传期货知识，规范参与者行为，从规章制度到相关政策都应科学化、合理化。

第三，涉农企业的景气度对农产品期货价格的影响数据和预期相悖，为了提高其影响效率,涉农企业应该充分运用好农产品期货市场的功能，真正参与农产品期货市场,为企业减少风险，使其不确定因素锁定在可控范围内。政府部门正确引导涉农企业和相关机构充分利用期货市场的价格发现、套期保值和风险转移的功能。

第四，近年我国的农产品种植面积在显著减少，谷贱伤农的事屡屡发生，这不仅仅影响着现货市场的正常运转，而且传递到金融市场导致金融资产的价格波动异常。农产品现货市场指标显著影响着期货的价格，故其在稳定农产品期货价格中非常重要；保障农产品的种植面积、控制合理的库存量以及农产品的净进口增长率都不容忽视。

第五，从宏观环境因素来讲，本文研究证明宏观经济环境好坏、固定资产投资的状况以及货币政策的效应(本文从货币供给角度验证)对预期农产品期货价格而言是重要的。宏观环境的不景气不仅影响到实体经济，还会使资本市场产生联动效应，放大投资者羊群行为的负效应，从而加大农产品期货价格的波动，继而会反作用于农产品的现货市场，使现货的价格波动加大，更加大了市场的不稳定性，可能对农业经济的可持续增长带来负面影响。因此，积极的农业政策和适当的财政、货币政策的实施对稳定农业、发展农业继而有利于农产品期货市场的健康发展有着极其重要的作用。

[责任编辑 王治国 责任校对 王景周]

2015-09-23

孙志红(1977—)，女，河南汝南人，新疆石河子大学经济与管理学院、兵团金融发展研究中心副教授，管理学博士，主要从事公司金融、金融理论与农村金融政策研究。

新疆生产建设兵团软科学项目《兵团科技成果转化的创新途径研究》(批准号：2016CC002)； 新疆生产建设兵团社会科学基金项目《利用农产品期货市场促进兵团农业产业化升级研究》(批准号：13YB07)。

F840.3

A

1000-5072(2017)03-0042-10