基于ARCH类模型的中国大豆价格波动分析

姚孟仙

摘 要：受中美贸易战的影响，大豆价格变动频繁，针对大豆的加税政策层出不穷，因此分析大豆价格波动的特征对采取相应税收政策具有重要的现实意义。选用2000—2016年大豆价格的月度数据，采用Eviews6.0，运用平稳性检验、ARCH类模型对其波动特征进行研究。研究表明，2000—2016年，我国大豆价格呈随机游走特征，其波动具有尖峰和厚尾、集群性的特点，并且ARCH效应显著，波动冲击影响逐渐衰减。同时，存在“高风险，高回报”特征，非对称性（杠杆效应）明显。基于此，提出相应的政策建议。

关键词：大豆价格;ARCH类模型;波动特征

中图分类号：F323.7        文献标志码：A      文章编号：1673-291X（2019）07-0009-03

引言

近年来，受粮食价格的频繁波动影响，大豆价格及其进口量也在不断变化。21世纪以来，我国大豆价格变化多端，整体呈增长趋势。其间主要发生了四次大变化：第一次是2000年9月至2002年12月大豆价格呈下降状态，其间断断续续出现上涨趋势;第二次是2004年10月至2006年11月，其间大豆从最高价4.08元每斤降到3.46元每斤，呈现较大波动幅度状态，下降15%;第三次是受2008年的金融危机影响，所导致的2008年10月至2009年10月为期一年的价格波动;最后一次是2014—2016年以来，大豆价格都呈现下降态势，处于多年来的低位水平，其中2015年9—10月大豆价格发生了急剧变化。大豆价格的波动不仅对生产者及宏观经济产生了重大影响，对消费者行为也产生了一定的影响。近年来，大豆进口量不断上升，自给率急剧下降，因此通过分析大豆月度价格波动的特点，对国家采取相应政策建议具有重要的现实意义。

关于大豆价格变动的原因，李建伟和桑虎（2013）认为，货币供给量的变动是其主因[1]。而王健和黄祖辉[2]（2006）以及顾蕊[3]（2013）的研究则认为，大豆现货价格的变动主要是由大豆期货价格变动引起的。王长梅（2005）以大豆期货价格为研究对象，认为主导其变动的主因主要有国内外大豆供应量、大豆种植面积及进口量、国内外市场需求、相关商品价格及相关的国家政策[4]。王杜春和孙丽娟（2013）以中国大豆的主产区黑龙江省为例，发现其波动受其自身特性及技术进步所影响[5]。周佳佳和高强（2013）根据供求定量，认为大豆进口量的不断攀升是是主因[6]。陈训波（2013）通过研究认为，大豆进口价格、GDP及农业生产资料价格是导致大豆价格变化的主因[7]。周应恒、邹林刚（2007）的研究表明，经济主体也具有一定的影响力。关于大豆价格变化的特征[8]。顾蕊等人（2013）通过研究得出，國际对国内大豆价格具有单向波动效应[3]。关于大豆的研究方法，目前主要运用ARCH类模型及其扩展模型，比如李晗虹和吴启权（2007）使用EC-TARCH-M模型分析[9];陈训波（2013）则基于VAR模型进行研究[7];褚冬（2015）选用了传统的ARMA模型和修正的ARCH类模型[10];查婷俊（2016）则利用主成分分析法，分析国内外大豆与市场开放度的关系[11]。

受贸易战影响及与之相应的各加税政策，我国大豆价格及产量变动幅度较大。本文在前人的基础上，利用ARCH类模型对大豆价格的波动特征进行详细分析。

一、研究方法与数据来源

（一）研究方法

1.波动分析。波动性分析目前广泛应用于研究市场价格随机变动的现象。本文首先对大豆价格序列进行描述性分析和单位根平稳性检验，其次建立GARCH模型、TGARCH和GARCH-M等模型。本文采用ADF检验法检验模型的平稳性。GARCH模型主要是用来检验波动是否具有集群性;TGARCH模型主要用于检验好、坏消息对未来的影响;GARCH-M模型主要检验大豆市场的风险回报特征。

2.波动非对称性分析。本文用门槛ARCH（TARCH）模型对波动的非对称性进行分析，采用EGARCH模型，探讨同样程度的“利好消息”和“负面消息”对大豆市场价格波动的冲击程度是否一样。

（二）数据来源

本文选取2000年1月至2016年12月的集贸市场大豆月度价格（元/公斤）数据，数据来源于《中国农产品价格调查年鉴》（2000—2016年历年数据），共计203个样本。本文使用Eviews6.0进行计量分析。

二、实证研究

（一）大豆价格平稳性检验

因大豆价格原始数据存在自相关性及异方差性，本文定义大豆价格为一阶差分对数价格即DP。通过表1的单位根检验，该时间序列为一阶单整平稳性序列。

从下图可以观察到，大豆价格变化具有很强的“集簇性”，且2010年之后呈逐渐递减状态。由上图可见，DP整体在0均值附近波动，且波动随时间变化出现连续偏高或偏低的情况，这种波动在2007年尤为明显，且波动在价格上升区间和下降区间内呈现出一定的非对称性特征。

通过对序列做统计分析，得到大豆价格序列均值为0.004592，标准差为0.021488，偏度为1.539638，说明为正偏态，峰度为11.99759，说明大豆价格序列具有尖峰和厚尾的特征。Jarque-Bera统计量为764.9593，P值为0.00000，也远大于5%显著性水平上X2（2）的临界值，因而拒绝残差是正态分布的假设。

（二）ARCH类模型估计结果

1.滞后阶数及ARCH效应检验。由表2可知，模型滞后两阶都显著，通过比较AIC和SC信息准则，确立模型主要为一阶自相关，且模型具有显著的ARCH效应。

2.GARCH类模型检验结果。通过比较大豆价格的GARCH类模型（见表3），其中GARCH（1，1）所有的系数都通过t检验，效果最好，所以本文采用GARCH（1，1）模型。GARCH（1，1）模型的滞后项系数大于0，且误差平方项（ARCH项）与滞后项（GARCH项）都显著，则大豆价格具有显著的波动集簇性。变量过去波动与外部冲击的系数之和为1.122586，大于1，表明前期外部冲击与变量过去的波动对本期波动影响持续时间较长。TGARCH模型中？覬1与EGARCH模型中的φ1都显著，表明模型具有非对称性，且系数大于0，表明价格上涨信息比下跌信息影响大。GARCH-M模型系数γ0>0，表明大豆价格存在“高风险，高回报”的风险报酬特征。

三、结论与建议

本文主要以往期大豆的批发价格为数据特征，在平稳性检验的基础上，采用ARCH类模型对大豆价格波动特征分析，通过分析可以得出以下结论。第一，从平稳性检验可以看出，大豆价格数据序列在一阶差分的情况下处于平稳，且波动具有集簇性，这有力地说明了我国大豆批发市场属于典型的有效市场。第二，大豆价格具有显著的ARCH效应，模型存在滞后一阶。大豆价格波动持续性较强，易受到历史价格的影响，本期对大豆价格产生的直接冲击将给未来的大豆价格造成很大影响。第三，从GARCH-M模型来看，中国大豆市场存在高风险与高回报特征。第四，从TGARCH模型与EGARCH模型观察到，大豆价格波动呈现显著的非对称性，具体特征表现为价格上涨信息引起的价格波动率大于价格下降引起的波动。从宏观来看，我国大豆一直十分依赖于从外国进口，即贸易依存度十分高，这将导致我们必须密切关注其价格变动，以防价格变动对我国带来严重影响。而大豆价格上涨的原因是多方面的：一方面，国内大豆的成本上升较快，尤其是土地价格大幅快速上涨推动了大豆平均价格的上涨;另一方面，受其急剧下降的种植面积的影响，总产量下降，大豆供不应求，价格随之上涨。

基于以上结论，本文从两方面提出建议：首先，加大对大豆的政策支持与补贴力度，同时为农户提供更多农业信息服务。大豆价格易受到诸如玉米等农产品的影响，因此，政府在制定这些相关产品的收购价格或其他补贴政策时，应当充分考虑其对大豆的间接影响。此外，目前国内大豆种植收益下降，豆农种植积极性不高，大豆产量过低。在这种特殊情况下，政府可加大大豆种植的补贴，鼓励农民种植大豆，降低大豆进口依赖度。其次，完善大豆市场体系，使得价格信息的传导真正能够反映出大豆市场供给与需求的变化。再次，增加技术与设施的投入。技术是提高产量的根本，通过一定的技术与設施投入，不仅能提高国内大豆产量，而且同时提升我国综合实力。最后，制定合理的收购政策。小规模的生产者面临极大的市场风险（陈训波、孙春雷，2013）[12]，应通过合理的收购政策降低市场风险，提高豆农积极性。

参考文献：

[1]  李建伟，桑虎.大豆价格波动的影响因素分析及对策探讨[J].价格月刊，2013，（1）：31-33.

[2]  王健，黄祖辉.我国大豆期货市场价格发现功能的实证研究[J].农业技术经济，2006，（3）：42-46.

[3]  顾蕊，郭俊芳，田甜.大豆价格波动溢出效应研究[J].价格理论与实践，2013，（3）：82-83.

[4]  王长梅.影响大豆期货价格的主要因素[J].饲料广角，2005，（16）：21-22.

[5]  王杜春，孙丽娟.黑龙江省大豆价格波动影响因素实证分析[J].中国农学通报，2013，（17）：217-221.

[6]  周佳佳，高强.中国大豆价格风险影响因素的实证分析[J].世界农业，2013，（10）：162-167.

[7]  陈训波.进口大豆价格波动对国内市场的影响——基于VAR模型的实证分析[J].价格理论与实践，2013，（8）：83-84.

[8]  周应恒，邹林刚.中国大豆期货市场与国际大豆期货市场价格关系研究——基于VAR模型的实证分析[J].农业技术经济，2007，（1）：55-62.

[9]  李晗虹，吴启权.现货市场与期货交易行为对期货市场波动的影响——来自中国农产品期货市场的证据[J].湘潭大学学报：哲学社会科学版，2007，（6）：73-76.

[10]  褚冬.时间序列模型对大豆期货价格的预测比较研究[J].金融经济，2015，（24）：116-119.

[11]  查婷俊，徐建玲.大豆期货市场有效性的多维度分析[J].华南农业大学学报：社会科学版，2016，（3）：88-102.

[12]  陈训波，孙春雷.农产品价格波动与订单农业违约风险：基于契约理论的分析[J].西南民族大学学报：人文社会科学版，2013，（9）：107-110.