农产品价格波动的非对称性研究.doc

1、1农产品价格波动的非对称性研究摘要 采用 B-P 滤波对 1999-2012 年我国农产品价格指数进行处理，观测到我国农产品价格呈现出 4 个波动性周期，并且表现出明显的不可重复性和非对称性；再利用描述性统计分析与非对称 GARCH 族实证模型相结合的方法检验我国农产品价格波动的非对称性；实证结果表明我国农产品价格波动的非对称性具有稳健性特征，并且 EGARCH 模型描述我国农产品价格波动的非对称性更为有效。最后绘制 EGARCH 模型的市场信息冲击曲线，进一步验证结论。 关键词 农产品；价格波动；非对称性 中图分类号 F322 文献标识码 A文章编号 10081763（2014）010053

2、05 一文献综述 农产品价格稳定与国民经济平稳运行有密切关联，也一直是世界各国农业宏观管理的焦点问题。如近两年连续出现的猪肉价格剧烈波动，2009 年的广西香蕉每斤不足一毛钱，农民忍痛拿来喂牛，与此同时山东大蒜价格创历史新高，2010 年海南辣椒价格一度下跌出现滞销的惨状，等等。农产品价格的反常态波动正是我国农产品市场监管欠缺的体现，也提升了对我国农产品价格波动研究的迫切性。 关于农产品价格波动的解释研究，其主要依据是供给理论。最著名的是由 Schultz，Tinbergen 提出，经 Kaldor 和 Ezekiel 改进的蛛网模2型，模型中的具体参数用计量经济学模型可进行估计。随着研究的进

3、一步深入，更多的学者通过各种数据对农产品价格波动的影响因素及传递路径进行理论探讨和实证分析，来研究农产品价格波动的成因及传导机制 1。 Benavides2根据历史经验数据，采用时间序列模型对玉米和小麦价格做出分析，得出汇率、库存是影响玉米和小麦价格波动主要因素的结论，并在此基础上进一步做出了预测。Mitra3采用非线性 Cobweb 模型进行研究，其结果肯定了库存对粮食价格波动的重要影响。 顾国达、方晨靓4运用向量自回归（VAR）模型对价格在农产品各环节的传导进行模拟，进而对农产品价格波动的传导机制及其非对称特征进行分析，得出农产品价格传导机制具有非对称性的结论。Meyer5在对非对称价格传

4、递的正负效应研究基础之上，对价格非对称传导模型进行进一步的完善；胡华平、李崇光6对我国农产品市场垂直价格传递和纵向市场联结的关系进行探究，尝试了非对称纵向价格传递的误差修正模型（APT-ECM）并通过实证分析得出基本结论：纵向市场联结的松散程度和非对称垂直价格传递特征的微弱性呈现正相关关系。 此外，徐高雪等7基于时间序列模型，通过 H-P 滤波对农产品价格数据进行处理并根据处理之后的数据对农产品价格波动的周期进行划分。顾国达、方晨靓8考虑国际市场因素对我国农产品价格波动的影响，选取国际农产品价格、美股市场、主要能源价格等指标，采用马尔科夫局面转移向量误差修正模型（MSVECM）进行实证分析，实

5、证结果表明我国农产品价格波动的局面转移特征较为明显、价格波动存在上涨迅猛但下3跌缓慢的特征。 综上所述，对农产品价格波动的研究，目前学者主要聚集于价格波动成因的探索及价格在各环节传导机制的模拟，但根据农产品价格波动的周期性特征，对价格波动周期的非对称性研究并不十分深入。基于此，本文在利用 B-P 滤波分析农产品价格周期性特征的基础上，用非对称GARCH 族模型深入研究农产品价格波动的非对称性特征。二农产品价格波动周期性测度 农产品价格波动的非对称性可以表现在许多方面，本文拟从两个层面进行分析：一是以农产品价格波动的周期性为基础，分析其周期长度（频率）和振幅上的非对称性；另一个层面是分析农产品价

6、格波动时间依赖上的非对称性，即价格波动随着前期的波动程度大小而变化，也就是通常说的波动集群性。 数据的选取以中国人民银行网站公布的月度农产品价格指数为依据，考虑数据的可得性和有效性，取样的时间限定在 1999 年 1 月至 2012 年9 月的农产品价格指数。进行定基化处理以后，以时间为横坐标，以相对应月份农产品价格指数的对数值（此时取对数值是为了在一定程度上去除数据的异方差性并和后文实证数据保持一致）为纵坐标绘制月度农产品价格指数的时间序列变化如图 1 所示： 从图 1 可以看出我国农产品月度数据呈现稳中有升的趋势，1999 年到 2003 年期间，我国农产品价格波动呈平稳并且有略微下降的趋

7、势，2003 年 1 月农产品价格指数达到最低，之后开始一定程度反弹，保持持续增长状态值。2008 年 6 月达到一个小高峰，在 2009 年 1 月达到短期谷4底并开始新一轮的持续增长。 为了对农产品价格波动周期进行划分，本文采用 B-P 滤波法进行描述。B-P 滤波法最早是由 Baxter 和 King 提出。该方法的基本思路是确定序列波动可能持续的时间长度，去除较高以及较低频率的波动。通过对权重的调节使最佳滤波和大致最佳滤波的平方差达到最小。当频率为 0时，滤子的取值为 0，从而尽量保持平稳时间序列的特征。 三农产品价格波动非对称性的检验 （一）农产品价格波动非对称性描述与理论模型形式

8、从农产品价格波动的时间序列图和周期性特征都可以发现，农产品价格波动在形式上具有非对称性特征，而这种非对称性需要通过统计检验才能确认。为了进一步检验其非对称性，本文采用同样的数据，先对转换以后的数据进行描述统计和平稳性检验，其结果如表 3 所示。 转换后的农产品价格指数序列，其峰度和偏度系数均远大于 3 和 0，有肥厚的尾部。且 JB 统计量在 1%的显著性水平下拒绝农产品价格指数服从正态分布的假定。由于农产品价格指数的月度数据属于时序高频数据，容易产生异方差性，可对其先取对数，用对数数据进行分析或建模，减少一定的异方差性。然后设定均值方程并进行 ARCHLM 检验，最后建立非对称类 GARCH

9、 模型。这一处理符合非对称类 GARCH 模型的建模条件。 五基本结论 （一）农产品价格指数波动的振幅和周期均存在非对称性 农产品价格波动表现出一定的周期性，这种周期性与众多影响因素有关，而从市场供需来看，与农业生产周期理论上具有相关性或者一致5性。而由于市场的干扰，流通环节囤积等市场行为的发生，使得周期波动的频率和幅度均出现不一致，主要表现在时间长短和时间前后的滞后性。按照农产品价格指数时序图体现出来的数据特征，进一步运用 B-P滤波法将农产品价格波动整理为四个周期阶段，即第一阶段的平稳期和第二、三、四阶段的价格上升期。四个阶段的周期频率和振幅均表现出非对称性。 （二）农产品应对市场信息冲击

10、非对称性 农产品价格波动对于不同的政策干预和信息冲击具有不同程度的反应。 “正面消息”对农产品市场的刺激作用仍然需要其他市场干预的配合才能发挥出来。而市场上的“负面消息” ，可以直接通过市场传播进而影响消费者对未来经济的预期。我国价格市场波动对市场信息的非对称反应模式，不仅可以揭示我国经济市场的风险特征，也可以解释消费者的风险管理行为。在非对称 EGARCH 模型的实证分析中，得到非对称项系数显著不为零，且有两个非对称点，验证了农产品对市场信息冲击具有非对称性，同时也为我国的农产品市场的宏观政策制定提供参考性依据，是否要加强“正面消息”加强“政策救市” 、政策的执行力度和程度要如何把握等。 （

11、三）农产品价格指数波动稳健性 本文采用多种形式的条件方差模拟样本区间数据，来描述和检验市场信息冲击对农产品价格波动的非对称性，以便验证所获结论的稳健性。多种形式的非对称 GARCH 族模型通过同一数据得到一致的实证结论，模型的非对称项系数均通过显著不为零的统计检验，得到一致的结论，证6明了我国农产品价格指数波动是具有稳健性的，而不是特例现象。 参考文献 1李圣军，李素芳，孔祥智.农业产业链条价格传递机制的实证分析J.技术经济，2010， （1）：108-112. 2Benavides， G；Price Volatility Forecasts for Agricultural Commodit

12、ies： An Application of Historical Volatility Models， Option Implied and Composite Approaches for Futures Prices of Corn and WheatM.Central Bank of Mexico， 2004. 3Mitra， S. A Nonlinear Cobweb Model of Agricultural Commodity Price Fluctuations D. Department of Economics， Fordham University， 2008. 4顾国达

13、，方晨靓.农产品价格波动的国内传导路径及其非对称性研究J.农业技术经济，2011， （3）：13-18. 5Meyer， J. and v. Cramon-Taubadel， S. Asymmetric Price Transmission： A SurveyJ.Journal of Agricultural Economics，2004， （3）：581-611. 6胡华平，李崇光. 农产品垂直价格传递与纵向市场联结J.农村经济问题，2010， （1）：11-13. 7徐高雪. 农产品价格波动的影响因素及发展趋势J.农业经济展望，2008， （2）：24-27. 8顾国达，方晨靓.中国农产品

14、价格波动特征分析J.中国农村经7济，2010， （6）：68-70. 9Dima Alberg， Haim Shalit， Rami Yosef， et.al. Estimating stock market volatility using asymmetric GARCH models. J.Applied Financial Economics， 2008， （18）：1201-1208. 10Bollerslev， T.A conditionally heteroskedastic time series model for speculative prices and rates of return.J. Review of Economics and Statistics， 1987， （69）：2-7. 11刘汉中.具有 GARCH（ 1，1）-正态误差项的非对称单位根检验研究J.统计研究，2007， （11）：75-77.