我國小麥期貨價格影響因素實證分析*

戰(zhàn)玉鋒，劉 放

（沈陽工業(yè)大學經(jīng)濟學院，沈陽110870）

我國小麥期貨價格影響因素實證分析*

戰(zhàn)玉鋒，劉 放

（沈陽工業(yè)大學經(jīng)濟學院，沈陽110870）

分析我國小麥期貨價格的影響因素，有利于更好地預測小麥期貨價格，更充分地發(fā)揮價格發(fā)現(xiàn)和風險規(guī)避功能，促使政府制定更合理的經(jīng)濟政策，幫助市場參與者更理性地進行投資、買賣及風險管理。收集2006—2010年的數(shù)據(jù)，運用最小二乘法進行回歸分析，并采用平穩(wěn)性檢驗法、協(xié)整檢驗法等方法，得出小麥期貨價格受現(xiàn)貨價格、國內(nèi)小麥收成狀況、小麥國內(nèi)外供需情況、國家經(jīng)濟政策、國際形勢及氣候影響的結論，據(jù)此提出相應建議。

小麥期貨；期貨價格；最小二乘法；單位根檢驗；協(xié)整檢驗；實證分析

期貨價格受多種因素的影響而不斷變動，主要可分為基本面因素和技術面因素，其中基本面因素包含國家經(jīng)濟政策、國際經(jīng)濟環(huán)境、現(xiàn)貨基本條件以及對于農(nóng)產(chǎn)品而言特別的季節(jié)因素［1-4］。國家經(jīng)濟政策方面采用匯率、貨幣供應量和存款準備金來反映；國際經(jīng)濟狀況采用道瓊斯指數(shù)和美國小麥期貨價格來反映。本國經(jīng)濟狀況采用通貨膨脹率、居民食品消費價格指數(shù)、消費者信心指數(shù)來反映；現(xiàn)貨市場方面通過國內(nèi)外小麥現(xiàn)貨價格、小麥供需及相關替代品的情況來反映，其中小麥產(chǎn)量通過小麥粉產(chǎn)量來反映，而小麥供需量則通過小麥進口與出口的差額來反映。對于技術面因素在實證研究中一般采用相關指數(shù)進行分析，本文采用美元指數(shù)、美國原油期貨、我國小麥期貨市場成交量和上一交易日小麥期貨價格等因素來反映?？紤]到現(xiàn)實中期貨價格的影響因素更為復雜多樣，本文根據(jù)現(xiàn)實情況對期貨價格的影響因素進行了取舍［5］。

一、計量經(jīng)濟學模型的設立

假設小麥期貨價格為Y；小麥現(xiàn)貨價格為X1，單位為元／噸；國際小麥現(xiàn)貨價格為X2，由于國際上以美元計價，這里乘以匯率得到單位元／噸；相關替代品玉米價格和稻米價格分別為X3、X4，單位為元／噸；表示小麥供給的小麥粉產(chǎn)量為X5，單位為噸；表示小麥替代品的大米產(chǎn)量為X6，單位為噸；表現(xiàn)小麥需求的小麥進出口差為X8，其替代品玉米和稻米的進出口差分別為X7和X9；美國小麥期貨價格為X10，由于美國小麥期貨單位為美分／蒲式耳，進行單位轉(zhuǎn)換后為元／噸；同樣進行單位換算得到美國原油期貨價格X11，單位元／噸；美元指數(shù)為X12；小麥期貨成交量單位為手，一手等于10噸，進行單位換算后得到的單位為噸；前一月收盤價格為X14；道瓊斯指數(shù)為X15；上證綜合指數(shù)為X16；反映我國經(jīng)濟狀況的居民食品消費價格指數(shù)、通貨膨脹率、消費者信心指數(shù)分別為X17、X18、X19；反映我國經(jīng)濟政策的匯率、貨幣供應量分別為X20和X21。對于存款準備金率，本文引入虛擬變量D1，國家有提高存款準備金率的政策時D1為1，否則為0。季節(jié)是影響農(nóng)產(chǎn)品期貨價格的重要因素，在小麥的收獲季節(jié)期貨交易頻繁，價格會有所波動，因此本文引入虛擬變量D2、D3、D4，其中D2表示夏季、D3表示秋季、D4表示冬季。各虛擬變量的取值為

假設上述因素與被解釋變量之間存在線性相關關系，并添加隨機干擾項μt，據(jù)此建立計量經(jīng)濟學模型

二、數(shù)據(jù)的收集

本文數(shù)據(jù)主要從國家統(tǒng)計局網(wǎng)站、中國農(nóng)業(yè)信息網(wǎng)、中國人民銀行網(wǎng)站等處獲得，形成樣本估計總體，并根據(jù)上述解釋對參數(shù)進行適當調(diào)整（見表1）。通過各變量的散點圖，可以大致看出解釋變量與被解釋變量之間存在一定關系［6］。

表1 各變量原始數(shù)據(jù)表

續(xù)表

續(xù)表

三、參數(shù)估計

利用表1數(shù)據(jù)，通過回歸分析并使用Eviews軟件采用最小二乘法進行參數(shù)估計，得到的方程為

四、平穩(wěn)性檢驗

由于采用時間序列進行分析，因此首先需要進行平穩(wěn)性檢驗［7］。本文采用ADF檢驗法。

1．單位根檢驗

由于本文采用了時間序列樣本，需要考察樣本是否平穩(wěn)。利用Eviews進行ADF檢驗，模型為

t是時間變量，代表時間序列隨時間變化的某種趨勢；原假設都是H0：δ＝0，即存在單位根。模型（1）與另兩個模型的差別在于是否含有常數(shù)項和趨勢項。實際檢驗時從模型（3）開始，然后檢驗模型（2）和模型（1）。檢驗前，根據(jù)AIC信息準則確定最優(yōu)滯后期間為1，結果如表2所示。

表2 樣本ADF檢驗結果

從模型（1）回歸結果看，ADF＝-2.271 577，分別大于顯著性水平為10%、5%和1%的臨界值，因此不能拒絕時間序列Y存在單位根的原假設，需要進一步檢驗模型（2）。模型（2）選取1階滯后，ADF＝-0.748 224，分別大于顯著性水平為10%、5%和1%的臨界值，不能拒絕原假設，需要進一步檢驗模型（3）。模型（3）選取1階滯后，ADF＝1.276932，分別大于顯著性水平為10%、5%和1%的臨界值，仍不能拒絕原假設。由此可斷定我國小麥期貨價格時間序列Y是非平穩(wěn)的。同樣，可以檢驗得到變量X1～X21均是非平穩(wěn)的。

2．單整檢驗

對我國小麥期貨價格時間序列Y進行單整檢驗時仍采用AIC信息準則。經(jīng)檢驗，模型（1）選取了3階滯后，結果如表3所示。

表3 樣本單整檢驗結果

經(jīng)檢驗可知，ADF＝-3.726 032，分別小于顯著性水平為10%、5%和1%的臨界值，因此拒絕時間序列Y存在單位根的原假設，時間序列Y在95%的置信區(qū)間內(nèi)是1階單整的。按照同樣的方法進行檢驗，發(fā)現(xiàn)X1、X5、X8、X13、X14、X15在95%的置信區(qū)間內(nèi)是單整的，這些解釋變量均為平穩(wěn)的。

3．協(xié)整檢驗

通過以上研究可以看出，解釋變量與被解釋變量間具有大致相同的增長和變化趨勢，說明它們之間可能存在協(xié)整關系。由各變量的平穩(wěn)性檢驗可知，它們均滿足協(xié)整檢驗前提。采用EG協(xié)整檢驗法對模型中的殘差進行平穩(wěn)性檢驗，若隨機干擾項E具有平穩(wěn)性，則對E進行單位根檢驗，結果如表4所示。

表4 隨機干擾項E的ADF檢驗結果

由于統(tǒng)計量ADF小于不同檢驗水平的3個臨界值，因此殘差序列E為平穩(wěn)序列，解釋變量X1～X21與被解釋變量Y之間存在協(xié)整關系（即長期均衡關系），具有經(jīng)濟學意義。再進行回歸分析，得到的方程為

五、統(tǒng)計學檢驗

1．擬合優(yōu)度檢驗

擬合優(yōu)度檢驗用于檢驗模型對樣本觀測值的擬合程度。采用可決系數(shù)R2和調(diào)整的可決系數(shù)ˉR2對模型的擬合優(yōu)度進行檢驗，兩者越接近1則說明擬合程度越高。檢驗中R2＝0.960 495，ˉR2＝0.926 633，說明方程的擬合度較高。

2．變量的顯著性檢驗

變量的顯著性檢驗旨在對模型中被解釋變量與解釋變量之間的線性關系是否顯著成立作出推斷，或者說考察所選擇的解釋變量是否對被解釋變量有顯著的線性影響［8］。本文利用F檢驗來檢驗解釋變量整體與被解釋變量的顯著線性關系，使用t檢驗來檢驗各個解釋變量對被解釋變量的顯著線性影響。基本假設H0：解釋變量前的系數(shù)全為0；H1：解釋變量前的系數(shù)不全為0。因為F＝28.365 29，在95%的置信度下查表可得Fα（k，n-k-1）＝1.945，即F＞Fa（k，n-k-1），所以拒絕原假設H0，即解釋變量總體上與被解釋變量的線性關系顯著。

通過上述方程可以得到各個解釋變量的t值，同理在90%的置信度下查表可得自由度為14的t分布tα／2～n-2，其t值為1.084?？梢钥闯觯蟛糠纸忉屪兞康膖＞tα／2，這些解釋變量均可以拒絕原假設H0，即它們與被解釋變量的線性關系同樣是顯著的。對于未能通過檢驗的解釋變量先不予刪除，原因是現(xiàn)實中這些解釋變量確實與被解釋變量存在關系或還存在其他問題，待檢驗多重共線性時再進行取舍。

3．置信區(qū)間檢驗

參數(shù)區(qū)間檢驗用于估計參數(shù)值離參數(shù)的真實值有多“近”。參數(shù)的置信區(qū)間為

在1-α的置信度下βj的置信區(qū)間為-tα／2·+tα／2·S＾βj），經(jīng)過計算可以得到各個解釋變量的置信區(qū)間，如表5所示。由表5可以看出，各解釋變量的置信區(qū)間都不是很大，且估計值均在置信區(qū)間內(nèi)并較為準確。

六、計量經(jīng)濟學檢驗

1．多重共線性檢驗

本文采用逐步回歸法進行變量的多重共線性檢驗，即逐個增加解釋變量并觀察可決系數(shù)R2的變化，如果R2變化很小，或R2和F值變大而t值無法通過檢驗，則認為該解釋變量與其他解釋變量之間存在多重共線性，應予以剔除［9］305-307。首先，運用Eviews軟件通過觀察自相關系數(shù)來判斷變量是否存在多重共線性，如果自相關系數(shù)很大則說明具有多重共線性。其次，采用逐項增加解釋變量的方法來進行多重共線性檢驗，檢驗后得到的方程為

表5 解釋變量置信區(qū)間檢驗結果

由相關數(shù)據(jù)可見，該方程顯著且擬合優(yōu)度較高，如圖1所示。

通過多重共線性檢驗，舍去了一些小麥替代商品的變量和一些國際因素，這可能是因為我國市場并未完全開放，所以受國際影響較小。圖2為我國小麥期貨與美國小麥期貨價格走勢圖，可以看出我國和美國的小麥期貨價格甚至出現(xiàn)了相反的走勢。另外，還舍去了反映我國經(jīng)濟形勢的變量，這可能是由于我國投資者大部分忽視信息所致。從多重共線性檢驗中可以看出，我國投資者可能更多地關注國際上對準備金率的調(diào)整以及貨幣的供應量，因而政府可以利用這兩項經(jīng)濟政策有效管理市場。

圖1 檢驗方程的擬合優(yōu)度

圖2 中國和美國小麥期貨價格走勢比較

2．異方差性檢驗

本文采用懷特檢驗來判斷其數(shù)據(jù)是否具有異方差性，結果如表6所示。

表6 數(shù)據(jù)異方差性檢驗結果

懷特檢驗認為，如果nR2＞χ2（n）則不存在異方差性；在實際生活中，只要概率很小就可以認為模型存在異方差性。表6的數(shù)據(jù)中nR2＝34.143 93，查表得（n）＝28.241，從而可知nR2＞χ2（n），且概率0.196 175較大，所以認為該模型不具有異方差性。

3．序列相關性檢驗

本文采用拉格朗日乘數(shù)法進行序列相關性檢驗，選擇滯后期為2，結果如表7所示。

表7 序列相關性檢驗結果

由表7可見，LM（2）＝nR2＝14.038 80＞＝5.991，臨界概率P＝0.000 894，所以只要取顯著水平α＝0.000894就可以認為輔助回歸模型是顯著的，即存在自相關性。本文中模型的LM（2）＝14.038 80，對應的P＜0.05，因此存在二階自相關性。據(jù)此對模型進行修正并對修正后的模型再次進行序列相關性檢驗，結果如表8所示。

表8 模型修正后序列相關性檢驗結果

由表8可見，LM（2）＝R2＝4.694 085＜＝5.991，臨界概率P＝0.095 652，因此在置信水平α＝0.05下回歸模型不存在自相關性。本文中模型的LM（2）＝4.694 085，對應的P＞0.05，因此模型已不再存在二階自相關性。

經(jīng)過以上檢驗，回歸模型變?yōu)?/p>

七、經(jīng)濟意義檢驗

經(jīng)濟學檢驗主要對參數(shù)的符號和大小進行檢驗，通常不應該比1大［10］。對于X1（小麥現(xiàn)貨價格）來說，根據(jù)經(jīng)濟學理論小麥期貨價格與小麥現(xiàn)貨價格成正相關關系。對于X4（稻米價格）來說，稻米也是我國的主要糧食作物，是小麥的主要替代商品，稻米價格過高人們就會轉(zhuǎn)而購買小麥，小麥的需求就會相應增加，價格就會變高，即二者存在正相關關系。對于X5（小麥粉產(chǎn)量）來說，小麥粉產(chǎn)量增加可能說明當年小麥收成好，形成小麥供大于求的情形，根據(jù)經(jīng)濟學原理，小麥供給曲線向右移動，均衡價格將會下降，即二者存在負相關關系。對于X6（大米產(chǎn)量）來說，大米產(chǎn)量增加可能說明大米收成好，形成大米供大于求的情形，大米供給曲線向右移動，均衡價格會下降，人們會更愿意購買大米而放棄購買小麥，從而使小麥的需求減少、價格下降，即二者存在負相關關系。對于X8（小麥進出口差）來說，兩者之差越大說明進口越多，國內(nèi)小麥需求增加、價格上漲，即二者存在正相關關系。對于X12（美元指數(shù)）而言，該指數(shù)上漲說明美元升值，由于全球大多數(shù)商品是以美元計價的，美元升值意味著商品價格下降，即二者存在負相關關系。對于X13（成交量）來說，成交量上升說明市場參與者投資熱情高漲，相應地期價就會上揚，即二者存在正相關關系。對于X14（前一月成交價）來說，由于小麥期貨價格的漲跌在一定程度上是受歷史交易情況影響的，即二者存在正相關關系。對于X18（通貨膨脹率）來說，通貨膨脹率高市場參與者就可能將資金更多地投向資本市場，以減少因貨幣貶值帶來的損失，從而會導致期價上揚，即二者存在正相關關系。對于X20（匯率）來說，匯率上升說明人民幣貶值，則在相同情況下商品價格就會上漲，即二者存在正相關關系。對于X21（流通中的貨幣量）來說，如果流通中的貨幣增多而市場中的商品數(shù)量保持不變，則商品價格就會上漲，即二者存在正相關關系。

圖3 我國小麥期貨價格與道瓊斯指數(shù)走勢比較

需要說明的是，對于X15（道瓊斯指數(shù)）而言，理論上它與小麥期價應該成正相關關系，但實際上從圖3可以看出我國小麥期貨價格和道瓊斯指數(shù)的走勢不完全一致，有時還呈負相關。這可能與我國的經(jīng)濟體制有關，說明我國目前經(jīng)濟并未完全開放，受國際影響相對較小。

此外，對于虛擬變量D1準備金率來說，上調(diào)準備金率說明國家采取緊縮政策，期貨市場不景氣，期價會相應下降，即二者存在負相關關系；而對季節(jié)因素而言，由于在小麥成熟季節(jié)存在大量供給和交割，小麥價格會有所下降，即二者存在負相關關系。

通過上述分析，本文認為上述回歸模型中X4、X6、X21的符號與經(jīng)濟學理論不符，故舍去；而X12、X18、X20的系數(shù)遠大于1，不符合經(jīng)濟學彈性系數(shù)理論中彈性應在（-1，+1）的要求，也予以舍去。據(jù)此，最終模型變?yōu)?/p>

經(jīng)檢驗，該模型擬合優(yōu)度很好，基本通過顯著性檢驗且不具有異方差性及自相關性。從模型中可以看出，我國小麥期貨價格主要受到小麥期貨歷史價格和小麥現(xiàn)貨價格的影響，其次受到中央銀行經(jīng)濟政策的影響，還在一定程度上受到國際形勢、小麥國內(nèi)外供需情況及國內(nèi)產(chǎn)量的影響，其中國外供需情況影響較大。廣大市場參與者可以依據(jù)歷史情況來推測期貨價格，并依據(jù)現(xiàn)貨價格走勢進行合理預測，有效利用期貨來轉(zhuǎn)移價格風險。小麥期貨價格與小麥現(xiàn)貨價格和小麥供需情況有關，政府可以在一定程度上依據(jù)小麥期價的變動來管理小麥進出口量及現(xiàn)貨價格：當期價上漲時，可能說明國內(nèi)小麥收成較差、需求較高，政府可以適當增加小麥進口量，適當提高小麥現(xiàn)貨價格以鼓勵農(nóng)民多種植小麥；當政府希望適當降低小麥價格時，可以利用提高準備金率來實現(xiàn)這一目的；由于期貨具有價格發(fā)現(xiàn)功能，政府也可以通過小麥期價預測出小麥現(xiàn)貨價格走勢，如果得到小麥現(xiàn)貨價格過高的預測結果，則可以采取措施控制價格變動，如鼓勵農(nóng)民多生產(chǎn)小麥或適當進口、增加小麥供給、提高準備金率來控制市場參與者的投資熱情、減少成交量打壓期價進而拉動現(xiàn)貨價格下降等。對于季節(jié)變化和國際形勢等主觀上無法控制的因素，應該積極采取相應的預防措施，以便一旦這些因素產(chǎn)生不利影響，政府能夠及時有效地降低危害，保證國家糧食安全和市場參與者安全。

八、結論和建議

隨著我國期貨市場的不斷發(fā)展和完善，人們越來越重視期貨的價格發(fā)現(xiàn)和風險規(guī)避功能，期貨市場對于現(xiàn)貨市場的影響也受到更多的關注。本文用實證方法對影響小麥期貨價格的因素進行了深入研究，并得出以下結論：小麥期貨價格主要受到小麥現(xiàn)貨價格、小麥粉產(chǎn)量、小麥進出口差額、成交量、前一月小麥期貨價格、道瓊斯指數(shù)、存款準備金率及季節(jié)因素的影響，總體來說，小麥期貨價格受現(xiàn)貨價格、國內(nèi)小麥收成狀況、小麥國內(nèi)外供需情況、國家經(jīng)濟政策、國際形勢及氣候的影響。據(jù)此，本文提出如下建議：

（1）政府可以根據(jù)小麥期價的變化趨勢來調(diào)整相關經(jīng)濟政策，管理小麥現(xiàn)貨價格，調(diào)整小麥耕種面積及進出口量，并考慮是否應對農(nóng)產(chǎn)品相關項目提高存款準備金率。如果小麥價格過高，為抑制價格政府可以采取提高準備金率、提高小麥期貨保證金或稅收、增加進口或鼓勵農(nóng)民多種植小麥等措施，反之亦然。

（2）市場參與者可以利用該模型預測期貨價格走勢，市場投資者可以著重研究小麥期貨的歷史價格及成交量狀況，結合小麥現(xiàn)貨價格走勢預測小麥期價走勢，并根據(jù)小麥期貨的基本面因素進行分析操作，從而有效規(guī)避風險，在期貨市場中獲利。

［1］張宗成，王駿.基于VAR模型的硬麥期貨價格發(fā)現(xiàn)研究［J］.華中科技大學學報：自然科學版，2005（7）：103-106.

［2］馬正兵.我國糧食期貨價格發(fā)現(xiàn)功能的交叉譜實證研究［J］.統(tǒng)計與決策，2005（01X）：64-66.

［3］邵遠慧.大連玉米期貨市場價格發(fā)現(xiàn)功能的實證分析［EB／OL］.［2005-10-21］.http：／／www.bhfcc. com.

［4］李天忠，丁濤.我國農(nóng)產(chǎn)品期貨價格對現(xiàn)貨價格先行性的實證研究［J］.金融理論與實踐，2006（10）：16-19.

［5］羅孝玲，吳奇超，楊懷東.糧食期貨價格指數(shù)的編制與糧食安全預警系統(tǒng)的研究［J］.開發(fā)研究，2006（6）：31-35.

［6］劉慶富，張金清.我國農(nóng)產(chǎn)品期貨市場的價格發(fā)現(xiàn)功能研究［J］.產(chǎn)業(yè)經(jīng)濟研究，2006（l）：11-18.

［7］張樹忠，李天忠，丁濤.農(nóng)產(chǎn)品期貨價格指數(shù)與CPI關系的實證研究［J］.金融研究，2006（11）：103-115.

［8］蔡慧，華仁海.中國商品期貨指數(shù)與GDP指數(shù)的關系研究［J］.金融理論與實踐，2007（8）：3-6.

［9］孫敬水.計量經(jīng)濟學［M］.北京：清華大學出版社，2009.

［10］陳雙生，趙聰.小麥期貨市場價格發(fā)現(xiàn)功能及其影響因素分析［J］.北方經(jīng)濟，2010（9）：48-49.

Em pirical analysis on influencing factors of wheat futures price in China

ZHAN Yu-feng，LIU Fang
（School of Econom ics，Shenyang University of Technology，Shenyang 110870，China）

To analyze the influencing factors of wheat futures price in China is conducive to better predict wheat futures price，which w ill give full play to price discovery and risk avoidance capabilities，promote the government constituting more rational economic policy，and help the market participants more rationally investing，trading and managing risk.The data from 2006 to 2010 are collected，the least squaresmethod is applied to run regression analysis，and the stationarity test and cointegration testmethods are adopted.The conclusions are that the wheat futures price is influenced by the spot price，the harvest situation of wheat in China，the supply and demand situation both home and abroad，the econom ic policy of China，the international situation，and the climate.Countermeasures are also proposed at last.

wheat futures；futures price；least squaresmethod；unit root test；cointegration test；empirical analysis

F 832.5

A

（責任編輯：郭曉亮）

1674-0823（2012）03-0223-09

2011-07-22

戰(zhàn)玉鋒（1976-），男，遼寧沈陽人，講師，碩士，主要從事金融發(fā)展與國際投融資等方面的研究。

*本文已于2012-02-27在中國知網(wǎng)優(yōu)先數(shù)字出版，DOI為CNKI：21-1558／C.20120227.1406.006，http：／／www.cnki.net／kcms／detail／21.1558.C.20120227.1406.006.htm l.