基于GARCH族模型的葡萄酒投資指數(shù)的波動(dòng)性分析

胡景煥

[摘 要]對(duì)葡萄酒投資市場(chǎng)的波動(dòng)性進(jìn)行研究，選取倫敦葡萄酒交易所（LIV-EX）發(fā)布的樣本區(qū)間為1988年1月至2013年11月的LIV-EX Fine Wine Investables Index月度數(shù)據(jù)，對(duì)FWI月收益率序列的平穩(wěn)性、異方差性進(jìn)行分析和檢驗(yàn)?；贕ARCH（廣義自回歸條件異方差，Generalized Auto-Regressive Conditional Heteroskedasticity）族模型來描述FWI的波動(dòng)集聚性、敏感性及其杠桿效應(yīng)。結(jié)果表明，F(xiàn)WI月收益率序列是平穩(wěn)的，其指數(shù)波動(dòng)具有高階ARCH效應(yīng)，并且具有正向非對(duì)稱的反杠桿效應(yīng)，但不存在ARCH in Mean效應(yīng)。

[關(guān)鍵詞]葡萄酒投資指數(shù)；收益率；GARCH族模型；波動(dòng)性；杠桿效應(yīng)

[中圖分類號(hào)]F830.59 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1671-8372（2015）03-0050-07

Study on the volatility of fine wine investable index based on GARCH family models

HU Jing-huan

（College of Transport and Communication， Shanghai Maritime University， Shanghai 201306， China）

Abstract：The monthly data of LIV-EX fine wine investable index（FWI）from Jan. 1988 to Nov. 2013 published by LIV-EX are selected in order to study the volatility of fine wine investment market and the stability as well as heteroskedasticity of its return series are analyzed and inspected. Then the volatility clustering， sensitivity and asymmetry of FWI are studied based on GARCH family models. Results show the return series of FWI is proved to be stable and there are high-level ARCH and anti-leverage effect on the fluctuation of fine wine， but there is no ARCH in mean effect.

Key words：fine wine investable index； rate of return； GARCH family models； volatility； leverage effect

改革開放以來，我國(guó)經(jīng)濟(jì)快速發(fā)展，GDP連續(xù)多年保持兩位數(shù)的高增長(zhǎng)，即使近幾年受經(jīng)濟(jì)危機(jī)的影響增速略有回落，但仍然保持著適度的增長(zhǎng)，人民的收入水平也有了很大提高。隨著富裕程度的不斷提高，人們也越來越關(guān)注儲(chǔ)蓄之外的其他個(gè)人投資渠道?？偟膩砜?，當(dāng)前我國(guó)個(gè)人投資的主要領(lǐng)域有房地產(chǎn)、貴金屬、各類有價(jià)證券等。然而房地產(chǎn)的資金壓力大、貴金屬的不易變現(xiàn)及證券產(chǎn)品的高風(fēng)險(xiǎn)使得人們逐步將眼光擴(kuò)展到其他投資渠道。在這其中，葡萄酒投資作為一種收益穩(wěn)定的產(chǎn)品，越來越受到人們的關(guān)注。我國(guó)的葡萄酒消費(fèi)群體中有相當(dāng)一部分是高學(xué)歷、高收入的中青年成功人士，他們?cè)谄穱L美酒的同時(shí)，也逐漸認(rèn)識(shí)到葡萄酒所蘊(yùn)含的投資價(jià)值。

由于葡萄并非我國(guó)主要的消費(fèi)農(nóng)產(chǎn)品，國(guó)內(nèi)對(duì)其價(jià)格的波動(dòng)研究目前尚不多見，已有的文獻(xiàn)主要包括：孫偉等[1]運(yùn)用坎德爾秩次相關(guān)分析的方法對(duì)我國(guó)葡萄的收購(gòu)價(jià)格進(jìn)行了研究，認(rèn)為在多種因素影響的情況下，我國(guó)葡萄的收購(gòu)價(jià)格波動(dòng)幅度將越來越大；周力等[2]運(yùn)用CMS模型研究了我國(guó)葡萄酒進(jìn)口波動(dòng)的成因，認(rèn)為進(jìn)口引力是左右我國(guó)葡萄酒進(jìn)口貿(mào)易波動(dòng)的首要原因。國(guó)外研究如Gregory等[3]分析了引起葡萄酒價(jià)格波動(dòng)的幾個(gè)因素，包括天氣條件以及由于天氣條件引起的葡萄成分變化、主觀的品質(zhì)評(píng)價(jià)和葡萄酒陳釀的時(shí)間等，認(rèn)為不同品種的葡萄酒價(jià)格對(duì)于以上因素的敏感性各不相同。

更多的價(jià)格波動(dòng)性研究則針對(duì)一般的農(nóng)產(chǎn)品和食品。任全玉[4]以食品零售價(jià)格為研究對(duì)象，將不同食品進(jìn)行合理分類，重點(diǎn)分析每類食品價(jià)格波動(dòng)特點(diǎn)，并預(yù)測(cè)城市居民食品零售價(jià)格的走勢(shì)；李靜等[5]在分析了中國(guó)食品價(jià)格波動(dòng)屬性的基礎(chǔ)上，具體研究了隨機(jī)因素對(duì)我國(guó)食品價(jià)格波動(dòng)的沖擊效應(yīng)和沖擊路徑；王振霞[6]對(duì)我國(guó)食品價(jià)格波動(dòng)的原因進(jìn)行了研究，認(rèn)為城鄉(xiāng)居民人口結(jié)構(gòu)的變化、脆弱的食品供給體系、不斷上漲的農(nóng)業(yè)生產(chǎn)成本和通貨膨脹因素是引起食品價(jià)格波動(dòng)的主要原因；馬敬桂等7]研究了農(nóng)產(chǎn)品價(jià)格對(duì)CPI和食品價(jià)格波動(dòng)的影響，認(rèn)為農(nóng)產(chǎn)品價(jià)格的同期沖擊影響對(duì)食品價(jià)格的沖擊較大，是引起食品價(jià)格波動(dòng)的主要原因；余家鳳等[8]運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)的方法對(duì)糧食產(chǎn)量和糧食價(jià)格之間的波動(dòng)性進(jìn)行了研究，認(rèn)為糧價(jià)的變化對(duì)糧食產(chǎn)量變化的影響更為顯著。

葡萄酒投資作為一項(xiàng)新興的投資模式，尚有許多問題值得探究。本文將選取國(guó)際葡萄酒權(quán)威指數(shù)之一的LIV-EX Fine Wine Investables Index（下文簡(jiǎn)稱FWI）作為研究對(duì)象，利用GARCH族模型對(duì)葡萄酒投資指數(shù)的波動(dòng)性進(jìn)行建模分析。

一、數(shù)據(jù)的選取及預(yù)處理

（一）FWI的背景介紹

FWI的構(gòu)成來源于波爾多地區(qū)24所頂級(jí)酒莊大約200款葡萄酒的價(jià)格，該指數(shù)自1988年1月開始發(fā)布，比LIV-EX所發(fā)布的其他指數(shù)（如LIV-EX 50、LIV-EX 100等）都要早得多。由于所選取的葡萄酒大多為高檔酒，具有較高的投資價(jià)值，所以FWI可以反映葡萄酒投資市場(chǎng)的前景。指數(shù)以1982年Robert Parker發(fā)布的數(shù)據(jù)為基礎(chǔ)，主要以LIV-EX中間價(jià)進(jìn)行計(jì)算，同時(shí)考慮葡萄酒的生產(chǎn)年份和產(chǎn)量，對(duì)于不同類型的葡萄酒給予不同的權(quán)重。為保證指數(shù)的公正性，其構(gòu)成必須滿足下列三個(gè)條件：

（1）所選取的葡萄酒必須獲得行業(yè)認(rèn)可品酒師95分以上的品質(zhì)打分。

（2）所選取的葡萄酒不早于1982年，并且必須在市場(chǎng)上有銷售，以剔除少數(shù)不符合市場(chǎng)一般情況的珍藏美酒的因素。

（3）LIV-EX中間價(jià)是指某款酒在LIV-EX交易平臺(tái)上最高價(jià)與最低價(jià)的平均數(shù)；但如果某款酒在過去的30天內(nèi)有成交，則按成交價(jià)作為當(dāng)期的中間價(jià)；此外，每款酒的中間價(jià)都由評(píng)估委員會(huì)審核保證此價(jià)格是真實(shí)可靠的。

（二）數(shù)據(jù)的選取及描述性統(tǒng)計(jì)

本文選取由LIV-EX發(fā)布的從1988年1月到2013年11月的FWI月度數(shù)據(jù)，共311個(gè)觀測(cè)值作為研究對(duì)象。由于對(duì)時(shí)間變量進(jìn)行自然對(duì)數(shù)處理能讓數(shù)據(jù)達(dá)到平滑的效果，使計(jì)算結(jié)果的擬合度更高，故首先對(duì)FWI序列進(jìn)行自然對(duì)數(shù)處理，形成FWI對(duì)數(shù)序列，記為L(zhǎng)NFWI，其走勢(shì)如圖1所示。

圖1 LNFWI月度序列圖

數(shù)據(jù)來源：www.liv-ex.com

從圖1可以看出，LNFWI整體呈上漲趨勢(shì)，且無明顯季節(jié)特征。為了研究某一金融序列的波動(dòng)特征，在金融經(jīng)濟(jì)學(xué)中一般將其對(duì)數(shù)價(jià)格的收益率作為研究對(duì)象。所以對(duì)FWI取自然對(duì)數(shù)后的序列進(jìn)行一階差分，形成月收益序列RFWI，其t時(shí)刻的收益率記為RFWIt，具體形式如式（1）所示。

（1）

圖2 RFWI序列的描述性統(tǒng)計(jì)特征

由圖2可以看出，該序列具有明顯的“寬尾”特征，Jarque-Bera檢驗(yàn)的結(jié)果拒絕其屬于正態(tài)分布的假設(shè)；收益序列的均值為正，表明從長(zhǎng)期來看，葡萄酒投資的平均收益為盈利水平，對(duì)其投資有利可圖；偏度系數(shù)大于0，表明該收益率序列具有右偏的非對(duì)稱性，說明該收益序列雖然長(zhǎng)期為盈利水平，但從短期來看，虧損的可能性仍然不?。环宥认禂?shù)遠(yuǎn)大于3，表明FWI收益率序列有尖峰厚尾的特征，說明此收益序列有較大概率取到極端值，即發(fā)生劇烈波動(dòng)的概率相對(duì)較高，有波動(dòng)集群的特征。

（三）平穩(wěn)性及自相關(guān)性檢驗(yàn)

只有在一組時(shí)間序列平穩(wěn)的情況下，時(shí)間序列隨機(jī)特征不再隨時(shí)間而變化，才能建模分析其未來的變化，所以對(duì)RFWI序列采用ADF（Augmented Dickey-Fuller）單位根檢驗(yàn)，來驗(yàn)證時(shí)間序列平穩(wěn)性（見表1）。

表1 RFWI序列單位根檢驗(yàn)結(jié)果

t-統(tǒng)計(jì)量 概率值*

-9.290573 0.0000

檢驗(yàn)臨界值 1% level -3.451421

5% level -2.870712

10% level -2.571728

*macKinnon （1996） one-sided p-values.

從檢驗(yàn)結(jié)果來看，單位根的mackinnon臨界值分別為-3.451421、-2.870712、-2.571728，t檢驗(yàn)統(tǒng)計(jì)量為-9.290573，小于相應(yīng)的臨界值，從而拒絕原假設(shè)，表明RFWI序列不存在單位根，是平穩(wěn)序列。且由圖3可知，該序列圍繞零值上下隨機(jī)波動(dòng)，沒有明顯向上或向下趨勢(shì)，但是存在較為明顯的極值，說明序列存在較大的波動(dòng)性。

圖3 RFWI月度序列圖

接著對(duì)序列進(jìn)行自相關(guān)性檢驗(yàn)，發(fā)現(xiàn)序列的自相關(guān)函數(shù)拖尾，而偏自相關(guān)函數(shù)呈三階后截尾，初步判斷為AR（3）模型，首先由最小二乘法得到FWI月收益率序列RFWIt的擬合方程，如式（2）所示。

（2）

模型擬合系數(shù)的統(tǒng)計(jì)量見表2。

表2 RFWI序列AR（3）模型擬合系數(shù)統(tǒng)計(jì)量

變量 系數(shù) 標(biāo)準(zhǔn)誤 t-統(tǒng)計(jì)量 概率值

1 0.219380 0.056624 3.874294 0.0001

2 0.140377 0.057448 2.443532 0.0151

3 0.162036 0.056638 2.860890 0.0045

調(diào)整R2 0.065602

從表2中可以發(fā)現(xiàn)系數(shù)的相伴概率值均小于5%的顯著性水平，表明系數(shù)擬合狀況良好，但是調(diào)整R2值僅有0.065602，說明模型的解釋能力不強(qiáng)，可能存在其他影響模型解釋能力的因素。進(jìn)一步對(duì)模型回歸方程的殘差序列進(jìn)行LBQ檢驗(yàn)，發(fā)現(xiàn)其自相關(guān)函數(shù)拖尾，而偏自相關(guān)函數(shù)呈25階截尾，表明FWI月收益序列回歸方程的殘差序列可能存在高階ARCH效應(yīng)。進(jìn)一步對(duì)殘差序列進(jìn)行ARCH LM檢驗(yàn)，通過引入輔助回歸方程來判斷是否存在ARCH效應(yīng)，如式（3）所示。

（3）

式中，μt表示回歸方程在t時(shí)刻的殘差，εt為隨機(jī)擾動(dòng)項(xiàng)。

通過檢驗(yàn)，得到了在滯后階數(shù)q=25時(shí)的ARCH LM檢驗(yàn)結(jié)果（見表3）。F檢驗(yàn)和χ2統(tǒng)計(jì)量的相伴概率P值均小于5%顯著性水平，表明模型中的隨機(jī)誤差項(xiàng)不僅存在異方差，且存在高階ARCH效應(yīng)，因此考慮利用GARCH族模型來刻畫其條件異方差，以消除序列中的異方差。

表3 RFWI殘差序列 ARCH LM檢驗(yàn)結(jié)果

F-統(tǒng)計(jì)量 1.852344 概率值（25，256） 0.0097

χ2統(tǒng)計(jì)量 43.19767 概率值（25） 0.0133

二、基于GARCH族模型的波動(dòng)性研究方法

大量實(shí)際數(shù)據(jù)表明，不同于一般的宏觀經(jīng)濟(jì)變量，用來測(cè)度金融時(shí)間序列波動(dòng)性的方差和協(xié)方差并非恒定不變，而是隨時(shí)間變化的，在方差的變化過程中，幅度較大的變化往往跟隨著幅度較大的變化，幅度較小的變化也往往跟隨著幅度較小的變化，即通常所說的波動(dòng)聚集性[9]。

（一）ARCH-M模型

Engle于1982年引入條件方差的概念分析方差變化的原因，并提出ARCH模型，指出金融時(shí)間序列yt的條件方差ht會(huì)隨時(shí)間變化，因而可視ht為條件均值方程隨機(jī)誤差項(xiàng)μt滯后項(xiàng)的函數(shù)，即收益率的波動(dòng)取決于以往的消息[10]。此外，一般金融理論認(rèn)為金融資產(chǎn)的收益正比于其可能遭受的風(fēng)險(xiǎn)，較高的風(fēng)險(xiǎn)通常也會(huì)帶來較高的平均收益。為了描述這種現(xiàn)象，Engle等[11]將條件方差引入到均值方程中，構(gòu)成ARCH-M模型，其數(shù)學(xué)模型可表示為：

（4）

式中，ɑ1，ɑ2，…，ɑq及ω為待估參數(shù)；μt服從q階的ARCH過程。由式（4）可知，對(duì)第i期收益率的波動(dòng)影響由參數(shù)ɑi決定，q的值表示μt的某一波動(dòng)情況持續(xù)的時(shí)間，因此該模型能夠刻畫市場(chǎng)的波動(dòng)聚集性。

（二）GARCH模型

為解決ARCH模型中需要估計(jì)大量參數(shù)的難題，Bollerslev[12]提出了GARCH模型，把t時(shí)刻之前的條件方差加入到時(shí)刻t的條件方差函數(shù)之中，其對(duì)金融序列波動(dòng)性分析和預(yù)測(cè)特別有效，GARCH（p，q）模型的基本表達(dá)式為：

（5）

式中ɑ1，ɑ2，…，ɑq；ω；β1，β2，…，βp為待估參數(shù)。ɑq，ω，βp均>0，并且GARCH（p，q）過程是平穩(wěn)過程的充分必要條件是。此外，若p=0，則GARCH（p，q）過程退化為ARCH（q）過程；若p>1，q>1，則稱之為高階GARCH（p，q）過程，p，q的取值需根據(jù)擬合模型的AIC和SC值的大小來判斷。但在大多數(shù)實(shí)證研究中，考慮到模型的靈活性和簡(jiǎn)約性，常用簡(jiǎn)單的GARCH（1，1）模型擬合時(shí)間序列，基本公式為：

（6）

式中，ɑ表示前一期的波動(dòng)情況，其大小反映出市場(chǎng)的變化對(duì)本期序列波動(dòng)性影響的大?。沪聞t表示前一期的波動(dòng)情況對(duì)本期序列影響所持續(xù)時(shí)間的長(zhǎng)短。

（三）EGARCH模型

GARCH模型雖然能夠解決高階ARCH模型的擬合問題，但仍然存在不少局限性。首先，為保證條件方差不為負(fù)，它要求各參數(shù)皆為正值，然而在實(shí)際應(yīng)用過程中，這個(gè)條件常常難以得到滿足；其次，GARCH模型對(duì)波動(dòng)性的描述是對(duì)稱的，它不能反映出序列波動(dòng)的非對(duì)稱效應(yīng)（也稱杠桿效應(yīng)），即市場(chǎng)上“利好”與“利空”的消息對(duì)序列波動(dòng)性影響的不一致性。為了刻畫序列波動(dòng)性的非對(duì)稱效應(yīng)，Nelson[13]提出了EGARCH（p，q）模型，用于刻畫市場(chǎng)“利好”“利空”消息對(duì)序列波動(dòng)性影響的非對(duì)稱性，其數(shù)學(xué)表達(dá)式為：

（7）

式中，EGARCH（p，q）模型的條件方差ht是用指數(shù)形式表示的，它克服了GARCH模型對(duì)參數(shù)非負(fù)的限制，并且該模型引入了參數(shù)γ（杠桿因子），使模型可以表示非對(duì)稱效應(yīng)（即在γ≠0的條件下，隨機(jī)干擾項(xiàng)取正值或負(fù)值時(shí)，會(huì)使ht發(fā)生不同程度的變化）。EGARCH模型通過杠桿因子γ反映正負(fù)干擾（“利好”和“利空”消息）對(duì)波動(dòng)的非對(duì)稱影響：如果-1<γ<0，則表示一個(gè)負(fù)干擾（μt<0）引起ht的波動(dòng)比相同程度的正干擾（μt>0）所引起的變化要大；如果0<γ<1，則表示一個(gè)正干擾（μt>0）引起ht的波動(dòng)比相同程度的負(fù)干擾（μt<0）所引起的變化要大；如果γ=0，則表示ht對(duì)正負(fù)干擾的變化是對(duì)稱的。

三、基于GARCH族模型的FWI月收益序列波動(dòng)性分析

（一）GARCH模型的確立

由于RFWI序列回歸方程的殘差項(xiàng)具有異方差性，且具有高階ARCH效應(yīng)，使用ARCH模型對(duì)序列進(jìn)行擬合時(shí)需設(shè)定較大的滯后階數(shù)，形式復(fù)雜，因此使用GARCH模型替代原來的ARCH模型。考慮到模型的簡(jiǎn)約性，首先以GARCH-M（1，1）進(jìn)行擬合，結(jié)果見表4。

表4 RFWI序列的GARCH-M（1，1）模型統(tǒng)計(jì)量

變量 系數(shù) 標(biāo)準(zhǔn)誤 t-統(tǒng)計(jì)量 概率值

ρ 5.269755 4.852858 1.085907 0.2775

ω 5.83E-05 9.40E-06 6.203274 0.0000

α 0.038071 0.009060 4.201879 0.0000

β 0.902356 0.014909 60.52598 0.0000

從表4中我們可以得出以下結(jié)論：ω、α、β這三項(xiàng)參數(shù)估計(jì)的t統(tǒng)計(jì)量非常顯著，其相應(yīng)的概率值也非常小，且ARCH項(xiàng)和GARCH的各項(xiàng)系數(shù)估計(jì)值之和ɑ+β=0.940427<1，說明GARCH-M（1，1）為平穩(wěn)過程，模型能夠反映出FWI月收益率序列RFWI的異方差性，同時(shí)也說明RFWI序列具有波動(dòng)集群的性質(zhì)；但均值M的參數(shù)ρ的相伴概率未能通過驗(yàn)證，表明RFWI序列不存在ARCH in Mean效應(yīng)，即對(duì)于FWI而言，其預(yù)期收益與風(fēng)險(xiǎn)可能不一定成正比關(guān)系，并非意味著預(yù)期風(fēng)險(xiǎn)越大，收益就越高。

剔除ARCH in Mean的因素后，重新對(duì)RFWI序列建立GARCH（1，1）模型（見表5）。

表 5 RFWI序列的GARCH（1，1）模型統(tǒng)計(jì)量

變量 系數(shù) 標(biāo)準(zhǔn)誤 t-統(tǒng)計(jì)量 概率值

ω 0.000868 5.00E-05 17.36441 0.0000

α 0.369327 0.090313 4.089428 0.0000

β -0.212812 0.049040 -4.339555 0.0000

此時(shí)ω、α、β這三項(xiàng)參數(shù)估計(jì)的t統(tǒng)計(jì)量非常顯著，其相應(yīng)的概率值也非常小，且ARCH項(xiàng)和GARCH的各項(xiàng)系數(shù)估計(jì)值之和ɑ+β=0.156515<1，說明GARCH（1，1）為平穩(wěn)過程。雖然此處GARCH項(xiàng)的參數(shù)β為負(fù)，但對(duì)本例而言，其結(jié)果并不影響條件方差ht仍然為正，所建的模型能較好地?cái)M合RFWI序列，其條件方差序列圖如圖4所示。

圖4 GARCH（1，1）條件方差序列圖

（二）EGARCH模型的確立

為了刻畫出FWI波動(dòng)的非對(duì)稱性，即FWI對(duì)不同外部消息刺激的反應(yīng)程度，在上文GARCH（1，1）模型的基礎(chǔ)上進(jìn)一步運(yùn)用EGARCH模型對(duì)其月收益率序列的RFWI的波動(dòng)性進(jìn)行分析，建立EGARCH（1，1）模型（見表6）。

表6 RFWI序列的EGARCH（1，1）模型統(tǒng)計(jì)量

變量 系數(shù) 標(biāo)準(zhǔn)誤 t-統(tǒng)計(jì)量 概率值

ω -11.43678 0.482245 -23.71573 0.0000

α 0.367793 0.053763 6.840965 0.0000

γ 0.145432 0.043124 3.372407 0.0007

β -0.559252 0.065038 -8.598800 0.0000

從表6可以看出，ω、α、β、γ參數(shù)估計(jì)的t統(tǒng)計(jì)量非常顯著，其相應(yīng)的概率值也非常小，表明EGARCH（1，1）模型擬合情況良好。從以上數(shù)據(jù)分析可見，γ=0.145432，說明FWI的月收益率序列具有非對(duì)稱的杠桿效應(yīng)，且外部市場(chǎng)“利好”消息對(duì)該序列波動(dòng)的影響程度大于“利空”消息的影響程度。當(dāng)葡萄酒投資市場(chǎng)出現(xiàn)“利好”消息時(shí)，非對(duì)稱效應(yīng)參數(shù)ɑ+γ=0.513225，即“利好”消息會(huì)給FWI月收益率的條件方差帶來0.513225倍的沖擊；而當(dāng)市場(chǎng)出現(xiàn)“利空”消息時(shí)，非對(duì)稱效應(yīng)參數(shù)ɑ-γ=0.222361，即“利空”消息會(huì)給FWI月收益率的條件方差帶來0.222361倍的沖擊?？梢娖咸丫仆顿Y市場(chǎng)的波動(dòng)具有正向非對(duì)稱，市場(chǎng)上的“利好”消息比等量的“利空”消息對(duì)葡萄酒投資市場(chǎng)產(chǎn)生的沖擊明顯更大，說明雖然葡萄酒投資市場(chǎng)的波動(dòng)具有非常明顯的非對(duì)稱性，且“利好”消息對(duì)指數(shù)波動(dòng)的影響要遠(yuǎn)大于“利空”消息的影響。

四、結(jié)果分析

（一）基于GARCH（1，1）模型的結(jié)果分析

從GARCH（1，1）建模的結(jié)果來看，F(xiàn)WI的月收益序列在1991、1994、1996和2008年分別有四個(gè)比較大的波動(dòng)，具體分析如下：

1.1991和1994年。從表7可以看出，法國(guó)葡萄酒的需求量從1986年開始一直到1995年左右一直在下降，而其產(chǎn)量在經(jīng)歷20世紀(jì)80年代后期的大幅下降后從1991—1992年開始回升（雖然缺乏1991和1992年的產(chǎn)量數(shù)據(jù)，但是從1991—1995年的平均產(chǎn)量和1993—1995的產(chǎn)量中可以看出，法國(guó)葡萄酒的產(chǎn)量在1991—1995年處于上升軌道）。受供需不平衡的影響，在1991和1994年左右法國(guó)葡萄酒的平均價(jià)格有兩次較為明顯的下跌行情（如圖5所示），尤其是1994年，跌至近些年的底點(diǎn)。受價(jià)格下跌的影響，F(xiàn)WI在這兩年附近出現(xiàn)了劇烈的波動(dòng)。

表7 1986-1998年法國(guó)葡萄酒生產(chǎn)和消費(fèi)數(shù)據(jù)（單位：hl）

1986-

1990年 1991-

1995年 1993年 1994年 1995年 1996年 1997年 1998年

產(chǎn)量 64641 52886 52059 53325 54354 57047 53561 52671

消費(fèi)量 41715 37310 37354 36663 36515 34795 35500 35800

數(shù)據(jù)來源：OIV

圖5 1988-2000法國(guó)葡萄酒價(jià)格（單位：法郎/hl）

數(shù)據(jù)來源：OIV

2.1996年。在1996年葡萄酒的消費(fèi)量進(jìn)一步下滑而產(chǎn)量繼續(xù)上升的情況下平均酒價(jià)反而攀升到近些年的高點(diǎn)，其背后的主要原因是增加的產(chǎn)量主要為了滿足出口的需要。據(jù)OIV統(tǒng)計(jì)[14]，法國(guó)葡萄酒1996—2000年的平均出口量較1991—1995年增長(zhǎng)了33%，其主要原因是以中國(guó)為首的新興國(guó)家葡萄酒需求大幅增長(zhǎng)。以中國(guó)為例，其1995年的葡萄酒消費(fèi)量較1994年上漲了43%，2000年比1996年更是增長(zhǎng)了近80%，而其自身產(chǎn)量到了1999年才出現(xiàn)比較大的漲幅，顯然在1995—1998年產(chǎn)量和消費(fèi)量之間的缺口需要由進(jìn)口酒來填補(bǔ)，其中法國(guó)則是最主要的來源。高漲的出口熱情拉動(dòng)了葡萄酒價(jià)格的上漲，也使FWI出現(xiàn)了較為明顯的波動(dòng)。但隨之而來的東南亞金融危機(jī)最終影響到全球經(jīng)濟(jì)，造成葡萄酒價(jià)格在1997—1998年處于較低的水平，F(xiàn)WI受其影響，也出現(xiàn)了小幅但比較明顯的波動(dòng)。

3.2008年。據(jù)全球主要的商業(yè)拍賣行發(fā)布數(shù)據(jù)顯示，2007世界范圍內(nèi)的精品葡萄酒拍賣額比2006年上升了25%，達(dá)到了3.1億美元，美元匯率的下跌使美國(guó)占主導(dǎo)地位的競(jìng)標(biāo)吸引了很多買家。2008年前三季度，各大拍賣行交易額均呈增長(zhǎng)趨勢(shì)，珍稀葡萄酒很好地抵御了經(jīng)濟(jì)衰退的影響。然而10月之后，全球金融市場(chǎng)徹底崩潰，葡萄酒市場(chǎng)也不可避免地跟著迅速跌落。2008年全球拍賣行精品葡萄酒交易額從上一年的3.1億美元降至2.76億美元，不過與主要的股指相比，8%的跌幅并不算很大，這從另一方面也表現(xiàn)出葡萄酒投資具有一定的抵御風(fēng)險(xiǎn)性。

而從日常葡萄酒的價(jià)格來看，受金融危機(jī)的影響，法國(guó)葡萄酒的價(jià)格跌至近1994年以來的最低點(diǎn)。但這并非完全是由經(jīng)濟(jì)危機(jī)造成的，2004年全球葡萄酒產(chǎn)量過剩達(dá)到最高點(diǎn)（如圖6所示），之后葡萄酒價(jià)格便不斷走低，并一直在低位波動(dòng)，而之后受金融危機(jī)的影響在2008年達(dá)到最低，不過此后便開始逐步回升（如圖7所示）。本文認(rèn)為造成這一現(xiàn)象的原因在于葡萄酒在西方國(guó)家屬于日常消費(fèi)品，具有較強(qiáng)的剛性需求，其價(jià)格受供需平衡的影響要大過經(jīng)濟(jì)危機(jī)的影響。

圖6 世界紅酒產(chǎn)銷差額（單位：Mhl）

數(shù)據(jù)來源：OIV

（二）基于EGARCH（1，1）的FWI杠桿效應(yīng)分析

從圖1可以看出，F(xiàn)WI從1992年開始有上升的趨勢(shì)，而在1994—1996年幾乎呈現(xiàn)垂直上升，正是受1992年下半年開始的葡萄酒價(jià)格下跌的影響；2004—2008年和2009—2011年也出現(xiàn)了同樣的現(xiàn)象。本文分析認(rèn)為葡萄酒價(jià)格下跌對(duì)FWI的投資而言并非是“利空”的壞消息，反而代表出現(xiàn)了一個(gè)可以低價(jià)買入的投資好時(shí)機(jī)，是“利好”消息。同時(shí)也可以發(fā)現(xiàn)，1997年開始的東南亞金融危機(jī)及2008年下半年出現(xiàn)的全球經(jīng)濟(jì)危機(jī)對(duì)FWI波動(dòng)的影響并沒有其受葡萄酒價(jià)格下降帶來的影響更為明顯，這與一般認(rèn)為的經(jīng)濟(jì)危機(jī)可能對(duì)金融指數(shù)帶來較大波動(dòng)影響并不相符，其原因在于FWI的杠桿系數(shù)γ為正，且ɑ+γ值與ɑ-γ值相差近兩倍，結(jié)果造成其對(duì)“利空”消息的敏感度遠(yuǎn)不如對(duì)“利好”消息的敏感度。

圖7 1997-2008法國(guó)葡萄酒價(jià)格（單位：歐元/hl）

數(shù)據(jù)來源：OIV

五、結(jié)束語

1.從FWI的對(duì)數(shù)序列LNFWI月序列圖（圖1）中可以看出，對(duì)于長(zhǎng)期投資而言，F(xiàn)WI具有明顯的上漲趨勢(shì)。進(jìn)一步分析其月收益率RFWI序列的基本統(tǒng)計(jì)概況可以發(fā)現(xiàn)，F(xiàn)WI具有一般金融收益序列的非正態(tài)分布、尖鋒厚尾、異方差和波動(dòng)集群等特征。

2.使用AR（3）模型能較好地?cái)M合RFWI序列，但進(jìn)一步使用GARCH-M（1，1）模型研究發(fā)現(xiàn)其不存在ARCH in Mean效應(yīng)，這不符合一般金融序列的收益與風(fēng)險(xiǎn)成正比的普遍現(xiàn)象。本文認(rèn)為雖然FWI是一種金融衍生產(chǎn)品，但由于葡萄酒本身在西方國(guó)家是一種日常消費(fèi)品，具有一定的剛性需求，F(xiàn)WI波動(dòng)不像其他金融產(chǎn)品那樣對(duì)經(jīng)濟(jì)的變化敏感。去除Mean的因素后使用GARCH（1，1）模型便能較好地?cái)M合FWI的波動(dòng)特征，發(fā)現(xiàn)其在1991、1994、1996和2008年分別存在四個(gè)比較大的波動(dòng)，但與股票債券等高風(fēng)險(xiǎn)金融產(chǎn)品相比，F(xiàn)WI的波動(dòng)幅度明顯較小。

3.使用EGARCH（1，1）模型擬合了FWI月收益序列的杠桿效應(yīng)，反映出“利好”和“利空”消息對(duì)FWI的影響程度。研究發(fā)現(xiàn)葡萄酒投資市場(chǎng)的波動(dòng)具有明顯的非對(duì)稱效應(yīng)，市場(chǎng)對(duì)“利好”消息的敏感度遠(yuǎn)大于對(duì)“利空”消息的敏感度，表現(xiàn)出反杠桿效應(yīng)，這表明葡萄酒投資市場(chǎng)抵御風(fēng)險(xiǎn)的能力較強(qiáng)，一般的“利空”消息并不會(huì)對(duì)葡萄酒投資市場(chǎng)造成較大的沖擊；相反，若是受“利好”消息的影響，則葡萄酒投資市場(chǎng)會(huì)受到正向的沖擊，帶動(dòng)指數(shù)上漲，從這點(diǎn)來看，葡萄酒的投資具有廣闊的前景。正如倫敦國(guó)際葡萄酒交易所負(fù)責(zé)人詹姆斯·邁爾斯所說：“投資葡萄酒并非萬能藥，你必須睜大眼睛。在經(jīng)濟(jì)市場(chǎng)長(zhǎng)期混亂的局面中，葡萄酒的價(jià)格也會(huì)下降。但是這一下降不像債券、股票、地產(chǎn)市場(chǎng)那樣萎靡，葡萄酒的前景看上去仍很強(qiáng)勁?！?/p>

孫偉，周志堅(jiān)，穆維松.葡萄收購(gòu)價(jià)格的波動(dòng)特征分析[J].中外葡萄與葡萄酒，2011（7）：69-71.

周力，應(yīng)瑞，瑤江艷.我國(guó)葡萄酒進(jìn)口貿(mào)易波動(dòng)研究—基于CMS模型的因素分解[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2008（2）：25-31.

Gregory V Jones，Karl-Heinz Storchmann.Wine market prices and investment under uncertainty： an econometric model for bordeaux Crus classes[J].Agricultural Economics，2001，26（2）：115-133.

任全玉.基于價(jià)格指數(shù)的食品價(jià)格波動(dòng)分析[J].中國(guó)商貿(mào)，2012（22）：90-91.

李靜，楠玉.我國(guó)食品價(jià)格波動(dòng)沖擊路徑的隨機(jī)因素分析[J].經(jīng)濟(jì)經(jīng)緯，2013（2）：28-32.

王振霞.我國(guó)食品價(jià)格波動(dòng)原因及價(jià)格穩(wěn)定機(jī)制研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2011（9）：113-119.

馬敬桂，黃普.農(nóng)產(chǎn)品價(jià)格對(duì)CPI和食品價(jià)格的沖擊效應(yīng)分析—基于VAR模型的實(shí)證分析[J].長(zhǎng)江大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，8（9）：256-260.

余家鳳，孔令成，龔五堂.糧食產(chǎn)量與糧價(jià)波動(dòng)關(guān)系的再研究[J].經(jīng)濟(jì)問題，2013（1）：108-111.

Tsay R S.金融時(shí)間序列分析[M].潘家柱，譯.北京：機(jī)械工業(yè)出版社，2006.

Engle R F.Autoregressive conditional heteroscedasticity with estimates of the variance of UK inflation[J].Econometrica，1982（50）：987-1008.

Robert F Engle，David M Lilien，Russel P Robins.Estimating time varying risk premia in the term structure：the ARCH-M model[J].Econometrica，1987，55（2）：391-407.

T Bollerslev.Generalized auto regressive conditional heteroskedasticity[J].Journal of Econometrics，1986（31）：307-207.

Nelson D B.Conditional heteroskedasticity in asset returns：a new approach[J].Journal of Econometrics，1991，59（2）：347-370.

G Dutruc-Rosset.The state of vitiviniculture in the world and the statistical information in 2000[R].Belgique：International Office of Vine and Wine，2001.

[責(zé)任編輯 王艷芳]