基于VAR模型大豆期货价格发现功能的探讨.docx

基于基于VAR模型大豆期货价格发现功能的实证研究模型大豆期货价格发现功能的实证研究 摘要：摘要：基于VAR模型对大豆的期货市场的价格发现功能进行了ADF单位根检验，Johansen协整检验、Granger因果检验，向量误差修正模型等实证分析.结果表明：大豆现货价格序列与期货价格序列为非平稳序列；它们之间存在显著的长期均衡关系，二者存在双向的价格引导关系；期货市场的价格发现功能得到了较好的发挥。关键词：关键词：期货；价格发现；VAR模型 Empirical Research about the Price Discover Function of the Soybean Futures on Vector Autoregressive Abstract:Based on the VAR model to the price discover function of the soybean futures that carried on ADF unit root test,co integration text,granger causality test,vector error correction estimates.The results indicated：The soybean spot price sequence and the forward price list are instable;The soybean spot price sequence and the forward price list exit remarkable long-term balanced relations;The soybean spot price sequence and the forward price list exit bidirectional price guidance relations;the price discover function of the soybean futures obtains the good display.Key words:Future;Price Discover;VAR model 期货市场价格发现的功能对现货市场的稳定发展以及市场结构的协调产生了有效影响因而价格发现功能是期货市场研究主要内容，最早研究期货价格的学者是法国人巴舍利耶(Louis Bachelier)，他研究当时法国商品价格走势，研究发现商品价格呈现随机波动，交易双方获利期望值等于零，也就是说市场是有效的。目前关于期货市场效率比较典型的研究主要基于费玛（Fama）“市场有效性假说（EMH）”来界定期货市场效率水平。毕传文（2004）运用游程检验和柯尔莫哥洛夫非参量检验模型对中国大豆期货、豆粕期货和小麦期货市场效率进行分析，认为中国农产品期货市场弱式有效。鲁瑞荣(2005)利用Johansen市场拟合检测方法分析国内大豆和小麦的期货价格和现货价格表现，结果显示大豆的期货价格和现货价格在较长时间是一致的。大豆期货市场是有效的，但大豆期货市场仅仅短期有效，小麦期货市场则是无效的。这些研究对于正在建设和发展中的中国期货市场而言，其积极作用和研究的必要性显而易见，为后续研究奠定了基础，期货市场是一个动态的市场，时至今日，大豆期货价格发现功能水平如何，仍然值得我们进行深入的研究。1 1 模型概述模型概述 1.1 向量自回归（VAR）模型 向量自回归（VAR）是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。VAR模型是处理多个相关经济指标的分析与预测的模型之一。VAR(p)模型的数学表达式是：2211tttyAyAyttptpBxyA (t=1,2,T)其中：yt是k维内生变量向量，xt是d维外生变量向量，p是滞后阶数，T是样本个数。1.2 单位根(ADF)检验 时间序列往往都表现有一定的趋势，这种趋势性会导致时间序列之间产生伪回归问题。因此，在对时间序列进行检验之前，需要分析其平稳性，即进行平稳性检验。ADF检验即是检验序列平稳性的一种有效方法。本文就利用此方法对农产品期货价格和现货价格序列以及相应差分序列的平稳性进行检验。若一个非平稳序列yt通过d 次差分后可变成平稳的，就称此序列具d 阶单整，记为ytI(d)，平稳序列yt具有零阶单整，记为ytI(0)。若ytI(1)，则ytI(0)，即：一阶单整变量的差分为零阶单整。协整是指多个单整的非平稳经济变量的某种线形组合 1.3 Johansen协整检验 非平稳的时间序列的线性组合可能是平稳序列，我们把这种组合后平稳的序列称为协整方程，并且这些非平稳的变量之间具有长期的均衡关系。Johansen协整检验是基于回归系数的协整检验，这种方法是在VAR模型的基础之上对回归系数进行检验的方法。在VAR（p）模型中，设变量,2,1ttyykty均是非平稳的一阶单整序列，即tyI(1)。tx是d维外生向量，代表趋势项、常数项等，2211tttyAyAyttptpBxyA (t=1,2,T)变量,2,1ttyykty的一阶单整过程I(1)经过差分后变为零阶单整过程，经过变形如下公式：ttitpiitBxyyy111,IApii11,pijIAj1 这是一个误差修正模式的VAR模型。为误差修正项，判断期货价格序列与现货价格序列是否存在协整关系的重点就在于的秩r，如果r=1，则表明期货价格序列和现货价格序列之间存在协整关系。1.4 Granger因果检验 在经济变量中有一些变量显著相关，但是它们未必都是有意义的。VAR模型的一个重要应用就是分析经济时间序列变量之间的因果关系。Granger解决了x是否引起y的问题，主要是看现在的y能够在多大程度上被过去的x解释，加入x的滞后值是否是解释程度提高。如果x在y的预测中有帮助，或者x与y的相关系数在统计上显著时，就可以说“y是由x Granger引起的”。判断Granger原因的直接方法时利用F检验来检验下述联合检验,其统计量S1服从F分布。如果S1大于F的临界值，则拒绝原假设；否则接受原假设：x不能Granger引起y。1.5 向量误差修正模型 Engle和Granger将协整与误差修正模型结合起来，建立了向量误差修正模型。只要两个变量之间存在协整关系，可以由自回归分布滞后模型导出误差修正模型。在下公式中，yt是含有外生变量的，现把等式右边的外生变量xt去掉，则变为 titpiittyyy111 (t=1,2，T)其中，每个误差项都是平稳的，上式可以表述为如下形式 titpiittyecmy111 (t=1,2，T)其中的每一个方程都是一个误差修正模型。11ttyecm是误差修正项，反映变量之间的长期均衡关系，系数向量反映变量之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的速度。所有作为解释变量的差分项的系数反映各变量的短期波动对作为被解释变量的短期变化的影响。2 2 大豆期货价格发现功能的检验大豆期货价格发现功能的检验 2.1 样本数据的选择 本文检验2005年1月至2010年11月我国大豆期货价格发现功能，对大豆来说，每年有从1月、3月、5月、7月、9月至11月交割共6个期货合约，所以在本研究所跨期间大豆上市交易了36 个期货合约。选取距合约最后交易日一周，两周，四周的交易日的收盘价格作为期货价格，共108个数据。大豆的现货价格选取与期货价格时间相对应的全国市场平均价格。LNSP，代表连豆现货价格对数序列，简称现货价格；LNFP，代表连豆期货价格对数序列，简称期货价格。大豆的期货价格数据来自文化期货交易软件，现货价格从中华粮网的数据库收集得到。2.2 相关性分析 先对大豆期货价格与现货价格做出相关性分析，结果如图1：图1 相关性分析 从图中我们可以看出在滞后几期内相关系数比较大，且随着滞后时间延长，相关系数减小，二者之间存在比较明显的某种关系，具体的关系下文进行探讨。2.3 ADF单位根检验 ADF单位根检验用于检验期货价格序列与现货价格序列的单整性。检验结果见表1.表1 ADF单位根检验结果 ADF值 5%临界值 ADF值 5%临界值 LNSP-2.746795-2.889200 D(LNSP)-16.47531-2.888932 LNFP-2.507771-2.888669 D(LNFP)-9.689195-2.888932 从表可以看出大豆期货价格与大豆现货 在5%的显著水平上，ADF值分别大于临界值，不 能拒绝单位根的零假设，因此期货价格和现货价格序列是非平稳的。而在对现货与期货价格序列进行一阶差分后的序列的ADF检验中，ADF值都小于5%临界值，单位根零假设被拒绝，即一阶差分后的序列是平稳时间序列。因此，现货价格序列和期货价格序列符合I(1)过程。2.4 大豆期货价格与现货价格VAR模型的建立 首先要建立大豆期货价格与现货价格的VAR模型，这是整个协整效应的分析基础。其估计结果如表2所示:表2 期货价格与现货价格的VAR模型 LNSP LNFP LNSP(-1)0.154479 0.052641 (0.12884)(0.12433)1.19903 0.42339 LNSP(-2)0.357917 0.389927 0.12881)(0.12431)2.77873 3.13684 LNFP(-1)0.477882 0.934489 (0.13125)(0.12666)3.64103 7.37774 LNFP(-2)-0.175011-0.383465 (0.13142)(0.12682)-1.33173-3.02358 C 1.486839 0.073172 (0.49293)(0.47570)3.01635 0.15382 LNSPt=0.15LNSPt-1+0.36LNSPt-2+0.48LNFPt-1-0.175LNFPt-2+1.487 LNFPt=0.05LNSPt-1+0.39LNSPt-20.93LNFPt-1-0.38LNFPt-2+0.073 根据结果可知，现货与期货价格序列的向量自回归模型的最大滞后阶为2(依据ACI最小原则)。这为协整检验供了依据。2.5 Johansen协整检验 由以上工作为基础，现进行Johansen协整检验，检验结果如表3 表3 Johansen协整检验 项目 零假设 特征值 迹统计量 5%临界值 大豆 r0 0.266933 40.55984 15.49471 r1 0.072967 2.955402 3.841466 基于特征根迹检验可以看出，在0.05的显著性水平下，迹统计量40.5598415.49471，拒绝原假设，表明LNSP和LNFP至少有一个协整向量。进一步分析可以看到迹统计2.9554020，大豆现货价格误差修正项为SP=-0.6309030说明当系统处于非均衡状态时，误差修正项对大豆期货价格的变动具有正向调整作用。SP0说明当系统处于非均衡状态时，大豆现货价格调整对非均衡状态回归均衡状态有直接作用，其中，误差修正项的系数为负。从经济意义上来看，当期货价格高于现货价格时，由于误差修正项的调整作用，一定时期内现货价格将会上涨；当期货价格低于现货价格时，由于误差修正项的调整作用，一定时期内现货价格将会下降。另一方面误差修正项的系数为-0.630903，反映了现货价格和期货价格之间的均衡关系偏离长期均衡状态时，将其调整到均衡状态的调整速度为-0.630903，说明期货市场的价格发现功能得到了较好的发挥。3 结论结论 本文基于VAR模型对大豆期货市场的价格发现功能进行了实证检验（包括相关性分析，ADF单位根检验，Johansen协整检验、Granger因果检验，向量误差修正模型），我们可以得出以下结论：大豆现货价格与期货价格存在较显著的相关性，滞后时间越长，相关系数越小；大豆的现货价格序列和期货价格序列为非平稳时间价格序列，一阶差分后的序列是平稳时间序列；它们之间存在长期的均衡关系；二者存在双向的价格引导关系；从误差修正结果来看，当现货价格与期货价格之间的均衡关系偏离长期均衡状态时，由于误差项的修正作用，会进行偏离的调整，说明期货市场的价格发现功能得到了较好的发挥。参考文献参考文献 1 王红.基于协整理论大豆期货市场效率实证分析J.内蒙古科技，2008,（5）：14-15.2 王百超.中国大豆期货价格发现功能的实证研究D.大连：大连理工大学，2006 3 张大维，刘博.Eviews 数据统计与分析教程M.北京：清华大学出版社，2010,189-206.4 程雄飞.中国农产品期货市场有效性实证研究D.武汉：武汉大学，2005.5 高铁梅.计量经济分析方法与建模M.北京：清华大学出版社，2006,278-297.6 姚传江，王凤海.中国农产品期货市场效率实证分析J.财经问题研究 2005,（1）：43-49 7 杨宝臣，王艳，张世英.小样本协整系统的检验J.管理科学学报，2002，5（1）：71-75.