棕榈油供给冲击与国内植物油价格波动的动态关系分析

刘锐金　王成丽

摘要：【目的】分析棕榈油供给量与国内主要植物油价格的互动关系，以及对于来自价格正、负向冲击下棕榈油的供给反应，为棕榈油进口管理提供理论依据。【方法】利用我国棕榈油月度进口量、棕榈油、豆油、菜籽油现货价格及马来西亚毛棕榈油现货价格数据，在协整-GARCH、误差修正-GARCH框架下进行估计分析，研究供给量与价格间的互动关系，并用线性和非线性Granger因果检验进行稳健性检验。【结果】我国棕榈油的加工厂商和贸易商重视过去较长一段时间积累的方差信息（ARCH效应），而不是上一期的预测方差（GARCH效应）；相比于菜籽油，豆油对棕榈油价格的调整力较大；棕榈油供给量对价格的影响力较小，有关价格滞后二阶的好坏消息对供给量具有非对称性影响；棕榈油进口量和价格相互不是Granger原因。【建议】加强棕榈油进口管理、市场建设及库存变化监测，加深棕榈油全球定价机制的研究。

关键词： 棕榈油；供给冲击；价格波动；向量误差修正—广义自回归异方差模型（VECM-GARCH模型）

中图分类号： F307.12 文献标志码：A 文章编号：2095-1191（2017）04-0739-09

Abstract：【Objective】In this paper， the interaction between palm oil supply and prices of major domestic vegetable oils was analyzed， and supply reaction of palm oil under positive and negative shocks of prices was studied， as as to provide theoretical references for palm oil import management. 【Method】The interaction between supply and price was assessed under the framework of co-integration-GARCH and error correction-GARCH models using monthly palm oil imports， spot prices of palm oil， soybean oil and rapeseed oil， and spot price of Malaysian palm oil. Linear and nonlinear Granger test was conducted for robustness check. 【Result】Chinese palm oil processing manufacturers and traders preferred to rely on variance information accumulated in the past long period（ARCH effect）， rather than a prediction variance（GARCH effect）. Compared to rapeseed oil， soybean oil had much stronger adjusting force on palm oil. The shock of palm oil supply weakly affected the prices. The signal of price changes with two lags had asymmetric impact on supply of palm oil. There existed no Granger causal relation between supply and price of palm oil. 【Suggestion】Palm oil import management， marketing building and inventory monitor should be enhance， and researches on international pricing mechanism of palm oil need to be deepened.

Key words： palm oil； supply shock； price volatility； vector error correction model-generalized autoregressive conditional heteroskedasticity（VECM-GARCH model）

0 引言

【研究意義】棕榈油是世界植物油脂中占比最大的品种，我国与印度、欧盟是棕榈油最大的消费主体，棕榈油也是我国消费的主要植物油品种。根据《油世界2020》，与2000年相比，2010年棕榈油在全球油脂油料产量中所占比例上升了8个百分点，超越大豆油，成为份额最大的一种油料。棕榈油在植物油贸易中占据重要地位，出口总量远大于豆油、菜籽油、葵花籽油，2015/2016年产季其出口占世界主要植物油的比例为59.96%。在食品和工业需求增长推动下，棕榈油需求仍在增长，但供给扩大空间有限。全球最主要的棕榈油生产国是马来西亚和印度尼西亚，2015/2016年产季两个主产国产量占全球产量的84.59%，2010～2015年两国产量比例均保持在84%以上。2015/2016年产季棕榈油消费份额超过10%的有印度、印度尼西亚和欧盟等27个国家和地区，其次是我国（8.33%）和巴基斯坦（5.20%），印度是世界棕榈油的最大消费国，其年消费量为965万t。印度和我国作为人口基数较大的发展中国家，目前人均消费量还较低，随着经济发展，对棕榈油的需求在未来很长一段时期内可能还会增加，这或许会形成保持其价格上扬的驱动力；同时，马来西亚工资水平的吸引力下降，外国劳动力供给偏紧，部分油棕种植园靠使用来自缅甸等国的非法劳工，以缓解劳动力紧缺（Al-Mahmood，2015），使得更多的国家和地区发展种植油棕，如尼日利亚等非洲国家。鉴于棕榈油在油脂油料中的重要地位和我国的供给结构，了解来自棕榈油供给面的冲击对国内主要植物油价格影响，对制定我国食用油进出口相关管理政策具有重要意义。【前人研究进展】供给和需求决定着均衡价格，实际价格变动又调节着供给量和需求量。在理性预期框架内，Rezitis and Stavropoulos（2012）检验了希腊牛肉、鸡肉、羊肉和猪肉4种主要肉类的供给冲击模型，研究结果表明在4个市场中生产者存在理性行为，价格波动已成为希腊肉类生产中的主要风险因素。在此之前，他们还研究了希腊的猪肉市场（Rezitis and Stavropoulos，2009）、鸡肉市场（Rezitis and Stavropoulos，2010）的供给冲击模型。何子阳和李玉珠（1993）认为，农产品价格变化对农产品供给所产生的反作用是农户经济行为主体的结果；在双轨制下，定购数量和定购价格均对农户粮食供给产生显著影响（王德文和黄季熴，2001）；农产品生产者和消费者的双重身份可能导致农户在同一个农产品市场上得到或付出不同的价格，农户所在地区的粮食可获性对其生产决策也存在一定程度的影响（刘帅和钟甫宁，2011）。对于玉米而言，不论短期还是长期，面积弹性均优于单产（邵飞和陆迁，2011），玉米播种面积对价格的反应程度短期较小，长期则较大，但存在滞后效应（范垄基等，2012）；大蒜的长短期供给弹性均偏小，特别是种植大户（姚升和周应恒，2013）；甘蔗和甜菜是糖料生产的两种主要作物，司伟和王秀清（2006）发现甜菜比甘蔗对价格变动更敏感。在畜产品生产方面，牛肉短期价格波动对产品供应的影响不明显，但长期来看具有弹性（杨春和王明利，2015），可能是由于投资的调整成本所造成。在蔬菜市场上，李锁平和王利农（2006）研究发现，我国蔬菜生产对价格变动的反应程度较大，上年蔬菜价格仍然在本年生产决策中起到重要作用；但在粮食市场，生产对产品价格和投入价格的反应都要经过较长的时期完成，但不管是短期还是长期，产品价格弹性均低于相应的要素价格弹性（蒋乃华，1998）。【本研究切入点】与粮食、肉类和蔬菜不同，油棕属于常年生作物，供给主体非常集中，但至今尚无有关棕榈油供给冲击的研究报道。【拟解决的关键问题】在棕榈油供给完全依赖进口的特定情形下，利用月度数据识别出国内棕榈油进口行为受价格波动的影响程度，分析棕榈油进口量变动对国内主要植物油价格的冲击情况，为棕榈油进口管理提供理论依据。

1 分析方法

1. 1 模型分析

从棕榈油市场来看，我国国内没有种植园，全部依赖进口，供给者主要是加工企业、贸易商。虽然当前月份进口大多通过前一月份确定，但外部环境变化不可避免对供给曲线产生影响，需求曲线的变动并不一定会跟随供给冲击，而是通过库存来调节。如图1-A所示，贸易商在t期预计t+1期的需求量可能会由A点移动到C点，但实际上只移动到B点，此时价格产生了变动，且期末库存增加；需求曲线也可能移动到D点，由最终消费诱致的需求量低于原均衡点，造成更大的期末库存（图1-B）。价格的变动又会对下一期供给量产量影响，因此需要研究价格与供给量间的互动关系。

2 我国棕榈油消费与进口情况及植物油价格变动

2. 1 消费与进口情况

由图2可看出，2000年以前我国棕榈油基本用于食用；20世纪90年代消费量处于较平稳状态，没有明显的增长趋势，加入世界贸易组织后进入快速增长阶段，且工业用途棕榈油增长潜力更大。但自2012年总消费量开始下降，在全球中的消费份额也从2012/2013年产季的11.51%下降到2015/2016年产季的8.33%；2013年产季我国棕榈油消费总量为637.9万t，较2004年的436.6万t增长46.21%。

24度精炼棕榈油是我国进口的主要品种，到岸港口集中在天津港、日照港、连云港、张家港、宁波港和黄埔港，该品种以食用为主。由于我国对44度以上棕榈油并不实行配额管理，进口更便利，同时受我国制造业快速发展而拉动。我国棕榈油的非食用行业消费从2000年的34万t增长到2013年的230萬t，工业消费在量和比例上均在增加。由图3可知，我国棕榈油月度进口量约分为三个阶段：第一阶段（1996年1月～2002年6月），进口量维持在20万t以下；第二阶段（2002年7月～2006年6月），进口量在20万～50万t振荡上升；第三阶段（2006年7月至今），进口量围绕50万t上下波动，2015年8月进入下降通道，2016年5月不足20万t。从图3还可看出，如忽略时间维度，进口量的分布中出现了两个波峰，第一个波峰在15万t上下，第二个出现在50万t；从三次多项式趋势线（弧线）可知，进口量约在2012年达高峰，随后呈现下降趋势；6个月移动平均线则表明进口量呈较规整的周期性变化，其平均周期长度约为31个月（王成丽等，2015）。

2. 2 植物油价格变动

油棕果果仁占果实比例5%～8%，用于生产棕榈仁油；果肉比例85%～92%，果肉含油量20%～50%，用于生产毛棕榈油。马来西亚是全球最重要的两个棕榈油生产国之一，建立了较完善的统计和数据发布体系，本研究选择马来西亚棕榈油现货价格（M_CPO_Price）作为国际产区价格，因为其是最重要油棕初级产品，具有一定的代表性。我国国内棕榈油（C_PO_Price）、豆油（C_SB_Price）、菜籽油价格（C_RS_Price）来源于国储粮油信息中心，关于价格数据的详细说明参见王成丽和刘锐金（2014）。如图4所示，我国棕榈油、豆油和菜籽油3种植物油价格从2006年开始以较快的速度上升，2008年年中达高峰，经历急剧下跌后处于相对平稳阶段；2011年年初，3种植物油价格几乎相等，随后价差不断增大，但在2014年有所缩小。

3 我国棕榈油供给与价格的动态关系分析

由图5可知，如果忽略时间维度，供给量和与价格大体呈正相关。针对国内棕榈油市场，从供给和需求两个方面构建分析模型。参照Rezitis和Stavropoulos（2012）构建的供给和需求函数及Bhati（1987）的研究成果，给出以下供给和逆需求函数。

由Pearson相关系数可知，不同地区、不同品种价格间均具有较高相关性，系数均大于0.85。如果直接进行OLS估计，可能会出现多重共线性或伪回归问题。通过ADF平稳性检验可知，国内棕榈油月度供给量平稳，而各类价格序列均是一阶单整I（1）。由于价格序列间具有协整关系，因此其不能直接加入供给函数中（魏丹等，2012）。在天然橡胶市场，此类的长期均衡关系也显著存在（刘锐金等，2010）。

3. 1 协整分析

首先对时间序列进行取自然对数处理，仍以原变量名表示。构建由棕榈油价格、豆油价格、菜籽油价格和马来西亚棕榈油价格组成VAR模型，根据FPE、AIC、SC、HQ准则可发现，以4个价格序列组成VAR模型的最优滞后阶数为2。由图3可知，月度价格序列有截距和趋势。因此，利用基于VAR模型、包含截距和趋势项的Johansen法进行协整检验，结果表明存在2个协整方程（向量）（表1）。

从表1中的检验结果可知，在2002年1月～2016年6月的样本期间，我国主要植物油价格与马来西亚棕榈油价格间存在长期均衡关系，系数标准化后的协整方程如公式（10）所示。

回归分析后，对残差进行滞后阶数为1的ARCH检验。检验结果拒绝了原假设，表明供给函数的残差序列存在ARCH效应。

GARCH模型的阶数通常难以确定，实际运用中，一般只用到低阶数（蔡瑞胸，2015）。在残差为正态分布的假设下，GARCH模型的估计结果如表2所示。结果表明，使用GARCH模型明显改善了模型整体效果，似然值增加，AIC和SC值变小，且ARCH检验结果发现，回归残差不再存在条件异方差。ARCH效应估计系数β1和GARCH效应系数β2之和为0.5647，小于1.0000，满足参数约束条件。ARCH效应的系数在1%水平下显著，GARCH效应在10%水平下不显著，ARCH项的系数绝对值明显大于GARCH项。进一步验证，可能由于我国棕榈油的供给渠道仅有进口，供给行为具有较强的规划性，因此进口主体（以棕榈油为原料的生产厂商和贸易商）更注重长期趋势，而非上期的价格波动。

3. 3 非对称性检验

为考究价格变动对进口量影响的对称性，进行TARCH检验。由表3显著性水平和估计参数来看，价格滞后一阶的好坏消息对进口量无明显非对称影响，但滞后二阶的估计系数在5%显著性水平下通过检验。这可能与我国棕榈油均依赖进口，供给行为一般具有一定的规划性有关；另一方面，本研究无考虑存货，因此关于价格好坏消息的非对称效应需要较长的时间才能传导到以进口量为指标的供给面。

3. 4 需求函数估计

对误差修正模型的殘差进行ARCH LM检验，发现不存在条件异方差。从公式（15）可知，国际棕榈油价格对国内棕榈油偏离均衡的调整系数较大，与我国棕榈油完全依赖进口的事实相符，通过贸易渠道，马来西亚当地交易价格能够以较快的速度传递到国内市场；其次是豆油价格，豆油在很长一段时期内在国内是最重要的植物油，在国内和国际豆油比较成熟的市场，可能造就了豆油在植物油中的重要地位，也可能是因为期货市场经常出现豆油和棕榈油之间的套期保值，相互之间的影响程度较高；另外，菜籽油对棕榈油偏离均衡的调整力则非常弱，显著性程度也较低，可能与菜籽油贸易化程度较低，市场发育程度较低有关系。从短期看，国内棕榈油价格受到长期均衡的显著影响，误差修正项的系数为-0.0649，即当价格偏离长期均衡时会受到反作用的调整力。

利用误差修正模型中的估计参数作为逆需求函数左边的参数，计算后函数左边写为P，逆需求函数中的变量均为平稳序列，可以进行OLS估计。本研究估计了不同结构的模型，结果如表4所示。无滞后期时，回归方程在10%显著性水平下通过检验；滞后1月，显著性水平为4%；滞后2～7月，回归方程无法通过检验。当期和滞后一期的供给量变动与价格间存在静态关联，估计系数为负数，表明供给量的增加可能价格负向的变动，符合需求曲线的一般性事实，价格下降导致需求量增加。由于国内供给完全依赖进口，而当月到港的棕榈油一般不是以前月度签订的合约，大型油脂企业进口到达国内后部分进入加工环节，供给量对价格产生的影响可能具有滞后性。但随着港口市场的不断发展，形成较为良好的议价机制，加上国内棕榈油期货市场的不断发展，国内棕榈油的定价机制不断完善，关于进口量的信息会较快地传递到港口市场和期货市场的定价体系中，价格也随之作出反应。港口市场不断完善可能会减弱进口量变动对价格的影响，来自其他植物油市场的冲击，特别是来自豆油市场的信息。

3. 5 稳健性检验

供给量与价格间可能存在非线性关系，因而采用Hiemstra和Jones（1994）检验股票交易价格与交易量之间非线性Granger原因的方法来检验。线性Granger因果检验表明，在5%显著性水平下，进口量不是棕榈油价格的Granger原因，反之，棕榈油价格也不是进口量的Granger原因。大型油脂企业是进口的主体，这部分进口量一般具有一定计划性，符合企业的生产安排，价格变动在短期内不会改变其进口行为，因此价格变动对短期进口量的预测能力有限。这与生产厂商和贸易商更注重长期趋势的结论基本一致。

4 讨论

存货是影响供给的重要因素，存货变动对价格变动的敏感性要比进口量强。一般认为，上期期末存库加上当期进口量再减去期末库存量是实际供给量，而本研究受限于无法获取库存数据，未将其考虑在内。这可能导致短期价格变动与供给量间缺少预测力，因为当月进口量没有完全体现供给的量。但进口商更注重长期价格变化且月度进口量平稳，这在一定程度上说明我国棕榈油进口行为较理性，受短期价格变动的影响小。从总体上看，贸易商和加工厂商注重较长时期内的方差信息，在一定意义上稳固了国内棕榈油稳定供给的微观基础。但不能忽视来自马来西亚和印度尼西亚的产量变动市场的影响，如由极端气候所带来的产量减少，可能会引起价格的上涨，具体原因有待进一步研究。本研究未考虑马来西亚林吉特、人民币、美元之间的汇率因素，而刘锐金等（2010）、魏丹等（2012）的研究均表明，经过汇率调整的马来西亚天然橡胶、棕榈油价格序列与国内价格的相关性明显增强，汇率对市场整合度有较显著的影响。关于汇率对于不同国家或地区棕榈油市场价格的影响，有待进一步开展研究。

国内棕榈油贸易商和生产厂商更注重长期趋势而不是短期。GARCH模型表明，我国棕榈油贸易商和生产厂商重视ARCH效应，而不是GARCH效应。国内棕榈油进口商以加工企业为主，棕榈油进口行为与自身的生产计划结合较为紧密，采购计划的安排会更多地考虑过去一段时间内价格波动情况，以及其他油脂价格变动。短期的价格波动可能不会很快传递到进口量，其中违约成本也是重要的考量。有关价格的好坏消息具有非对称效应，但滞后期较长，杠杆作用弱。

棕榈油供给量的冲击对国内主要植物油价格的影响较小。从逆需求方程静态回归结果来看，以月度进口量为指标的棕榈油供给量变动与价格呈负相关，关于供给量的正向信息可能会导致价格的负向变动。但进口量变动并不能为价格预测带来充分的信息，国内棕榈油价格受国际产区价格和豆油市场的影响较大，菜籽油价格变动对棕榈油的影响较小。

5 建议

（1）加强棕榈油进口管理和市场建设。虽然我国棕榈油进口行为较稳健，但仍需加强采购联合行为，减少由于棕榈油产地和贸易集中的影响，增强在国际市场的定价权；完善棕榈油期、现货市场，减弱来自大豆油和棕榈油国际产区的影响，增强国内市场的价格发现能力。（2）加强对棕榈油库存的监测，并建立发布制度。存货是调节供给面的重要因素，能够更快、更灵敏地反映出各主体对市场的响应。存货与价格间的变动关系在一定程度可反映出投机氛围，当价格上涨且存货也增加时，行业内投机行为可能增多。（3）加强对豆油国际定价权的实质性研究。我国大豆行业从基本自给自足到基本依赖进口，国际定价权在其中发挥了重要的作用。从目前公开的报道来看，还没能够全貌深入反映国际大豆定价的成果。鉴于大豆对棕榈油的影响，建议加强这方面的研究。

致谢：感谢中山大学岭南学院韩永辉博士提出的修改建议，以及2016年农林经济管理学科年会分会场与会老师提出的建议。

参考文献：

蔡瑞胸. 2015. 金融时间序列分析[M]. 王远林，王辉，潘家柱译. 第3版. 北京：人民邮电出版社：115.

Tsay R S. 2015. Analysis of Financial Time Series[M]. Translated by Wang Y L， Wang H， Pan J Z. The 3rd Edition . Beijing： Posts & Telecom Press： 115.

范垄基，穆月英，付文革，陈阜. 2012. 基于Nerlove模型的我国不同粮食作物的供给反应[J]. 农业技术经济，（12）：4-11.

Fan L J， Mu Y Y， Fu W G， Chen F. 2012. Research on supply response of domestic grains based on Nerlove model[J]. Journal of Agrotechnical Economics，（12）： 4-11.

何子阳，李玉珠. 1993. 农产品价格与农户经济行为的个案分析[J]. 调研世界，（1）：28-33.

He Z Y， Li Y Z. 1993. Agricultural product prices and econo-

mic behavior of farmers： A case study[J]. The World of Survey and Research，（1）： 28-33.

蒋乃华. 1998. 中国粮食生产与价格波动研究[D]. 南京：南京农业大学.

Jiang N H. 1998. Fluctuation of grain production and price in China[D]. Nanjing： Nanjing Agricultural University.

李锁平，王利农. 2006. 我国蔬菜供给对价格的反应程度分析[J]. 农业技术经济，（5）：59-62.

Li S P， Wang N L. 2006. Vegetable supply and its response to price in China[J]. Journal of Agrotechnical Economics，（5）： 59-62.

刘锐金，莫业勇. 2012. 橡胶行业现状与展望——2012年中国橡胶年会综述[J]. 热带农业科学，32（6）：76-79.

Liu R J， Mo Y Y. 2012. Status and prospects of the rubber industry： Review of China rubber annual conference 2012[J]. Chinese Journal of Tropical Agriculture， 32（6）： 76-79.

刘锐金，魏宏杰，杨琳. 2010. 国内外橡胶价格的动态关系分析[J]. 林业经济问题，30（5）：411-416.

Liu R J， Wei H J， Yang L. 2010. Analysis on dynamic relationship of rubbers prices at home and abroad[J]. Issues of Forestry Economics， 30（5）：411-416.

刘帅，钟甫宁. 2011. 实际价格、粮食可获性与农业生产决策——基于农户模型的分析框架和实证检验[J]. 农业经济问题， 32（6）：15-20.

Liu S， Zhong F N. 2011. Actual price， food availability and agricultural production decision： An analytical framework based on farm household model[J]. Issues in Agricultural Economy， 32（6）： 15-20.

邵飛，陆迁. 2011. 基于Nerlove模型的中国不同区域玉米供给反应研究[J]. 经济问题，（7）：73-76.

Shao F， Lu Q. 2011. Research on the supply response of corn in different regions in China[J]. On Economic Problems， （7）： 73-76.

司伟，王秀清. 2006. 中国糖料的供给反应[J]. 中国农村观察，（4）：2-11.

Si W， Wang X Q. 2006. Supply response of sugar in China[J]. China Rural Survey，（4）： 2-11.

王成丽，刘锐金. 2014. 国内外植物油价格波动的关联分析[J]. 热带农业科学，34（11）；104-109

Wang C L， Liu R J. 2014. Relationship analysis on the prices of vegetable oils at home and abroad[J]. Chinese Journal of Tropical Agriculture， 34（11）： 104-109.

王成丽，刘锐金，刘恩平. 2015. 中国棕榈油进口贸易的周期分析[J]. 粮食科技与经济，40（4）：21-25.

Wang C L， Liu R J， Liu E P. 2015. Analysis on the cycles of palm oil imports in China[J]. Grain Science and Technology and Economy， 40（4）： 21-25.

王德文，黄季熴. 2001. 双轨制度下中国农户粮食供给反应分析[J]. 经济研究，（12）：55-65.

Wang D W， Huang J K. 2001. An analysis of China farmers grain supply impact under the duel price system[J]. Economic Research Journal，（12）： 55-65.

魏丹，韩晓龙，刘锐金. 2012. 国际棕榈油与我国植物油市场价格关联性的实证研究[J]. 价格理论与实践，（12）：44-45.

Wei D， Han X L， Liu R J. 2012. An empirical study on the relationship of vegetable prices in China and the international price of palm oil[J]. Price： Thoery & Pratice，（12）： 44-45.

杨春，王明利. 2015. 基于Nerolve模型的我国牛肉产品供给反应研究[J]. 农业经济，（1）：121-123.

Yang C， Wang M L. 2015. Research on supply response of beef in China： Based on Nerolve model[J]. Agricultural Economy， （1）： 121-123.

姚升，周应恒. 2013. 大蒜供给反应研究：基于微观面板数据的实证分析[J]. 财经论丛， 171（2）：9-14.

Yao S， Zhou Y H. 2013. An analysis on the supply response of garlic in china： An empirical investigation based on the micro panel data[J]. Collected Essays on Finance and Economics， 171（2）： 9-14.

赵华，潘长凤. 2004. 在协整分析中如何处理截距和趋势[J].数量经济技术经济研究，21（1）：106-109.

Zhao H， Pan C F. 2004. The approach to dealing with intercept and trend in practical cointegration analysis[J]. Quantitative and Technica Economics， 21（1）：106-109.

Al-Mahmood S Z. 2015. In Malaysia， migrants recount labor abuse[N]. The Wall Street Journal， July 28， XXXIX（231）： 12.

Bhati U N. 1987. Supply and demand responses for poultry meat in Australia[J]. Australian Journal of Agricultural Economics， 31（3）： 256-265.

Bollerslev T. 1986. Generalized autoregressive conditional he-

teroskedasticity[J]. Journal of Econometrics， 31（3）： 307-327.

Engle R F， Granger C W J. 1987. Co-integration and error correction： Representation， estimation and testing[J]. Econometrica， 55（2）： 251-276.

Glosten L R， Jagannathan R， Runkle D E. 1993. On the relation between the expected value and the volatility of the nominal excess return on stocks[J]. The Journal of Finance， 48（5）： 1779-1801.

Hiemstra C， Jones J D. 1994. Testing for linear and nonlinear Granger causality in the stock price-volume relation[J]. The Journal of Finance， 49（5）： 1639-1664

Johansen S. 1994. The role of the constant and linear terms in co-integration analysis of non-stationary variable[J]. Econometric Reviews， 13（2）： 205-229.

Mackinnon J G， Haug A A， Michelis L. 1999. Numerical distribution functions of likelihood ratio tests for cointegration[J]. Journal of Applied Econometrics， 14（5）： 563-577.

Rezitis A N， Stavropoulos K S. 2009. Modeling pork supply response and price volatility： The case of Greece[J]. Journal of Agricultural & Applied Economics， 41（1）：145-162.

Rezitis A N， Stavropoulos K S. 2010. Supply response and price volatility in the Greek broiler market[J]. Agribusiness， 26（1）： 25-48.

Rezitis A N， Stavropoulos K S. 2012. Greek meat supply response and price volatility in a rational expectations framework： A multivariate GARCH approach[J]. European Review of Agricultural Economics， 39（2）： 309-325.

（責任编辑 邓慧灵）