中國(guó)農(nóng)產(chǎn)品期貨市場(chǎng)聯(lián)動(dòng)性研究
——以油脂類(lèi)為例

姚 林，穆月英，邢璐瑤

(中國(guó)農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100083)

一、引 言

目前，中國(guó)已經(jīng)成為世界最大的油脂類(lèi)產(chǎn)品進(jìn)口國(guó)家，同時(shí)是生產(chǎn)和消費(fèi)大國(guó)，大豆貿(mào)易更是在中國(guó)農(nóng)產(chǎn)品貿(mào)易中處于舉足輕重的地位。在當(dāng)前中美貿(mào)易摩擦的背景下，外部不確定性沖擊導(dǎo)致中國(guó)油脂類(lèi)期貨市場(chǎng)價(jià)格波動(dòng)水平加大，風(fēng)險(xiǎn)溢出概率增加，從而對(duì)我國(guó)農(nóng)產(chǎn)品市場(chǎng)乃至農(nóng)業(yè)現(xiàn)代化建設(shè)產(chǎn)生一定程度的負(fù)面影響。

農(nóng)產(chǎn)品期貨市場(chǎng)是交易農(nóng)產(chǎn)品期貨合約的市場(chǎng)，它既是農(nóng)產(chǎn)品價(jià)格體系的重要方面，也是資本市場(chǎng)的有機(jī)組成部分。中國(guó)農(nóng)產(chǎn)品期貨種類(lèi)豐富，以谷物、林產(chǎn)品、禽畜產(chǎn)品、油脂類(lèi)為主。截至2019年8月底，上市品種共有23個(gè)，其中油脂類(lèi)期貨8個(gè)，分別是黃大豆1號(hào)(簡(jiǎn)稱豆一)、黃大豆2號(hào)(簡(jiǎn)稱豆二)、油菜籽3個(gè)油料品種，豆油、菜籽油、棕櫚油3個(gè)油脂品種，豆粕、菜籽粕2個(gè)油粕品種。豆一期貨合約對(duì)應(yīng)的是國(guó)產(chǎn)非轉(zhuǎn)基因大豆，豆二期貨合約對(duì)應(yīng)的則是進(jìn)口轉(zhuǎn)基因大豆。油脂類(lèi)期貨在農(nóng)產(chǎn)品期貨交易中長(zhǎng)期占據(jù)重要地位，為我國(guó)油脂油料國(guó)際貿(mào)易定價(jià)和市場(chǎng)主體規(guī)避風(fēng)險(xiǎn)發(fā)揮著不可或缺的作用。實(shí)體經(jīng)濟(jì)中，油脂油料在農(nóng)產(chǎn)品國(guó)際貿(mào)易和國(guó)內(nèi)消費(fèi)市場(chǎng)上都占據(jù)著重要的地位[1]，大豆早已成為中國(guó)第一大進(jìn)口農(nóng)產(chǎn)品[2]，豆油、棕櫚油在長(zhǎng)期內(nèi)仍是中國(guó)主要消費(fèi)的油脂品種[3]，中國(guó)豆粕的生產(chǎn)量和消費(fèi)量也高居世界首位[4]。

中國(guó)油脂類(lèi)期貨在農(nóng)產(chǎn)品期貨市場(chǎng)具有典型代表性。油脂類(lèi)期貨交易活躍，交易量在全球農(nóng)產(chǎn)品期貨中位居前列(1)據(jù)全球期貨業(yè)協(xié)會(huì)(FIA)數(shù)據(jù)，2018年中國(guó)豆粕、菜籽粕、豆油、棕櫚油、菜籽油、豆二、豆一期貨交易量在全球農(nóng)產(chǎn)品期貨交易量排名次序分別為1、2、11、12、14、18、20。參見(jiàn)https://fia.org/articles/fia-releases-annual-trading-statistics-showing-record-etd-volume-2018。，各品種存在著替代或互補(bǔ)關(guān)系，且期貨價(jià)格聯(lián)系緊密。另外，油脂、油料、油粕價(jià)格波動(dòng)的影響面比較廣泛，對(duì)居民生活消費(fèi)、食品企業(yè)加工、禽畜養(yǎng)殖企業(yè)生產(chǎn)等都具有直接或間接的影響。中國(guó)油脂類(lèi)期貨價(jià)格也是監(jiān)測(cè)油脂類(lèi)農(nóng)產(chǎn)品價(jià)格波動(dòng)和反映消費(fèi)者物價(jià)水平變化的先行指標(biāo)。而價(jià)格波動(dòng)不僅存在從期貨到現(xiàn)貨市場(chǎng)的傳導(dǎo)機(jī)制，也存在跨市場(chǎng)和跨時(shí)期的聯(lián)系。在農(nóng)產(chǎn)品金融化加速和防范系統(tǒng)性金融風(fēng)險(xiǎn)的背景下，農(nóng)產(chǎn)品期貨市場(chǎng)管理價(jià)格風(fēng)險(xiǎn)的作用更加凸顯，而風(fēng)險(xiǎn)管理的關(guān)鍵在于準(zhǔn)確把握不同市場(chǎng)的同期和跨期聯(lián)動(dòng)關(guān)系。因此，深入研究農(nóng)產(chǎn)品期貨合約價(jià)格在不同周期內(nèi)的聯(lián)動(dòng)關(guān)系具有重要理論意義和現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

在共同的宏觀經(jīng)濟(jì)沖擊下，人們通常認(rèn)為相關(guān)商品具有生產(chǎn)或消費(fèi)的互補(bǔ)性與替代性，其價(jià)格的上漲和下跌具有聯(lián)動(dòng)性。Pindyck和Rotemberg發(fā)現(xiàn)，由于市場(chǎng)參與者的非理性或羊群效應(yīng)，導(dǎo)致不相關(guān)商品間也存在價(jià)格聯(lián)動(dòng)現(xiàn)象[5]。Dawson 等學(xué)者發(fā)現(xiàn)，當(dāng)大宗商品具有替代性時(shí)，其期貨價(jià)格的聯(lián)動(dòng)性會(huì)增強(qiáng)[6]。例如，農(nóng)產(chǎn)品之間存在不同程度的替代關(guān)系，應(yīng)當(dāng)具有聯(lián)動(dòng)性。Beckmann和Czudaj發(fā)現(xiàn)玉米、小麥、棉花期貨價(jià)格存在明顯的聯(lián)動(dòng)效應(yīng)[7]。Bhar和Hamori不僅認(rèn)為農(nóng)產(chǎn)品期貨價(jià)格之間存在聯(lián)動(dòng)性，且聯(lián)動(dòng)性會(huì)隨著市場(chǎng)發(fā)展而加強(qiáng)[8]。但現(xiàn)有文獻(xiàn)的研究結(jié)果表明學(xué)者們對(duì)此還存在一定的分歧，有學(xué)者對(duì)已有結(jié)論提出質(zhì)疑。Cashin 等學(xué)者認(rèn)為不相關(guān)的商品價(jià)格不具有聯(lián)動(dòng)性，相關(guān)的商品才具有聯(lián)動(dòng)性[9]。Dawson和White發(fā)現(xiàn)倫敦國(guó)際金融期貨交易所的可可粉、咖啡、白糖期貨價(jià)格不存在聯(lián)動(dòng)性[10]。Booth和Ciner發(fā)現(xiàn)東京谷物交易所的農(nóng)產(chǎn)品期貨不存在長(zhǎng)期的聯(lián)動(dòng)性[11]。由此可見(jiàn)，農(nóng)產(chǎn)品期貨市場(chǎng)的聯(lián)動(dòng)性并未形成共識(shí)，且現(xiàn)有文獻(xiàn)缺乏來(lái)自中國(guó)期貨市場(chǎng)數(shù)據(jù)的實(shí)證研究。與國(guó)外期貨市場(chǎng)豐富的研究成果相比，中國(guó)農(nóng)產(chǎn)品期貨市場(chǎng)聯(lián)動(dòng)性研究的文獻(xiàn)還相對(duì)缺乏，且已有文獻(xiàn)更多地側(cè)重于期貨和現(xiàn)貨市場(chǎng)的價(jià)格聯(lián)系，或者相對(duì)集中于大豆等單一品種[12-14]以及對(duì)投資者情緒等方面的研究[15]。

在油脂類(lèi)期貨價(jià)格聯(lián)動(dòng)研究方面，Malliaris和Urrutia發(fā)現(xiàn)美國(guó)芝加哥期貨交易所的大豆、豆粕和豆油期貨存在顯著的聯(lián)動(dòng)性[16]，Mo等學(xué)者提出中國(guó)大豆、豆粕、豆油期貨價(jià)格波動(dòng)會(huì)同時(shí)受到宏觀經(jīng)濟(jì)因素的影響[17]。鑒于中國(guó)大豆、油菜籽、豆油、棕櫚油、菜籽油、豆粕、菜粕之間的替代關(guān)系[18-20]，以及金融化對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)聯(lián)動(dòng)性的強(qiáng)化作用[21]，中國(guó)油脂類(lèi)期貨市場(chǎng)理論上應(yīng)當(dāng)存在緊密的聯(lián)動(dòng)關(guān)系。雖然部分研究成果發(fā)現(xiàn)豆油、棕櫚油、菜籽油期貨之間的國(guó)際和國(guó)內(nèi)聯(lián)動(dòng)關(guān)系[22-24]，但在中國(guó)油脂類(lèi)期貨已經(jīng)覆蓋整個(gè)產(chǎn)業(yè)鏈，且各品種相互間影響力不斷增強(qiáng)的背景下，獨(dú)立研究單一或少數(shù)市場(chǎng)顯得不太合適，忽略期貨品種間的同期因果關(guān)系也不恰當(dāng)。目前，將油脂類(lèi)期貨納入同一框架下研究的文獻(xiàn)尚比較缺乏，本文的目標(biāo)就是將具有緊密相關(guān)關(guān)系的油脂類(lèi)期貨進(jìn)行整體研究，并利用有向無(wú)環(huán)圖(DAG)技術(shù)和遞歸預(yù)測(cè)誤差方差分解技術(shù)分析各期貨品種間的同期和跨期影響，以期能夠?qū)ΜF(xiàn)有文獻(xiàn)做較好的補(bǔ)充。

在研究方法方面，以往學(xué)者們進(jìn)行實(shí)證研究主要采用測(cè)量相關(guān)系數(shù)、協(xié)整分析和Granger因果檢驗(yàn)等方法，以上方法都存在一定的局限性：相關(guān)系數(shù)方法不僅過(guò)于簡(jiǎn)單，而且缺乏經(jīng)濟(jì)意義上的明確聯(lián)系；協(xié)整技術(shù)分析的變量較少且難以分析變量間的同期因果關(guān)系；Granger因果檢驗(yàn)只是基于時(shí)間次序的“先后”，并非真正經(jīng)濟(jì)意義上的因果關(guān)系。近年來(lái)，部分學(xué)者引入DAG方法對(duì)經(jīng)濟(jì)領(lǐng)域價(jià)格波動(dòng)的問(wèn)題進(jìn)行了研究[25-26]，DAG方法能夠克服協(xié)整分析、Granger因果檢驗(yàn)等傳統(tǒng)研究方法的局限性，遞歸預(yù)測(cè)方差分解可以有效提高研究結(jié)果的穩(wěn)健性。在研究數(shù)據(jù)方面，以往研究使用的數(shù)據(jù)年代相對(duì)陳舊且頻度較低，基本以2012年之前的數(shù)據(jù)和月度數(shù)據(jù)為主，難以有效考察中國(guó)期貨市場(chǎng)近年來(lái)的發(fā)展成果和高頻數(shù)據(jù)的當(dāng)期影響?；诖耍疚囊隓AG這一計(jì)算機(jī)領(lǐng)域人工智能新技術(shù)，利用2013年1月1日至2019年1月31日的日度數(shù)據(jù)對(duì)中國(guó)油脂、油料、油粕期貨價(jià)格的多維聯(lián)動(dòng)關(guān)系進(jìn)行深入研究。

本文的主要貢獻(xiàn)在于：將油脂、油料、油粕放在一個(gè)統(tǒng)一的框架下進(jìn)行分析，更能全面考察高相關(guān)性的農(nóng)產(chǎn)品期貨品種間的關(guān)聯(lián)效應(yīng)，避免以往研究的局部性和結(jié)論的片面性；將DAG等技術(shù)引入到期貨市場(chǎng)之間的價(jià)格關(guān)系分析之中，有效捕捉到了期貨市場(chǎng)的同期因果關(guān)系；利用動(dòng)態(tài)樣本區(qū)間做遞歸分析，避免了單一樣本區(qū)間可能出現(xiàn)的偏誤，提高了研究結(jié)果的穩(wěn)健性。

三、研究方法與數(shù)據(jù)來(lái)源

(一)研究方法

1.有向無(wú)環(huán)圖(DAG)

有向無(wú)環(huán)圖(Directed Acyclic Graphs，DAG)是Spirts 等學(xué)者結(jié)合計(jì)算機(jī)科學(xué)和人工智能理論提出的一種分析方法[27]。該方法的主要優(yōu)勢(shì)在于：一是能夠分析多變量間的相互作用關(guān)系；二是能夠分析變量間的同期因果關(guān)系；三是能夠以圖形的形式直觀地表示該因果關(guān)系的依賴性和指向性。DAG技術(shù)由于不需要施加先驗(yàn)的或理論上的假設(shè)，只通過(guò)數(shù)據(jù)的殘差方差、協(xié)方差矩陣即可導(dǎo)出變量間的同期因果關(guān)系，自國(guó)內(nèi)學(xué)者楊子暉將其引入財(cái)政和貨幣政策等方面的研究以來(lái)[28]，逐漸被越來(lái)越多的學(xué)者應(yīng)用到相關(guān)經(jīng)濟(jì)研究領(lǐng)域[29-31]。

DAG由節(jié)點(diǎn)和有向邊組成，節(jié)點(diǎn)表示變量，連接節(jié)點(diǎn)的是有向邊，表示的是變量之間的同期關(guān)系。通過(guò)分析擾動(dòng)項(xiàng)的相關(guān)系數(shù)和偏相關(guān)系數(shù)來(lái)確定一組變量間的同期因果關(guān)系，各個(gè)變量之間的因果關(guān)系指向不會(huì)形成封閉的環(huán)路。DAG以一個(gè)所有的變量和其他變量都相連的完全無(wú)向圖開(kāi)始，通過(guò)“去邊”和“定向”兩個(gè)階段完成分析。在去邊階段，利用PC算法[32]檢驗(yàn)變量間(偏)相關(guān)系數(shù)的顯著性，依次去掉(偏)相關(guān)系數(shù)顯著為零的邊，得到變量之間的無(wú)向因果關(guān)系圖。在定向階段，借助“相鄰”和“隔離集”的概念，依據(jù)相應(yīng)的判別準(zhǔn)則確定因果關(guān)系的方向。

對(duì)于任意兩個(gè)變量X和Y，考察其無(wú)條件相關(guān)系數(shù)，結(jié)果可能存在以下5種情形：“XY”表示兩者為獨(dú)立關(guān)系；“X-Y”表示兩者存在因果關(guān)系，但具體指向未知；“X→Y”表示存在X到Y(jié)的單向因果關(guān)系；“X←Y”表示存在Y到X的單向因果關(guān)系；“X?Y”表示存在雙向的因果關(guān)系。

在無(wú)向完全圖中，X和Y之間有線連接，則稱其是“相鄰”的。X與Y的“隔離集”是指使得兩者不相關(guān)的條件變量的集合。進(jìn)一步以變量Z為擾動(dòng)項(xiàng)，考察X、Y、Z之間的關(guān)系。假設(shè)X和Y相鄰，X和Z相鄰，Y和Z不相鄰，即Y—X—Z。當(dāng)Y和Z的無(wú)條件相關(guān)系數(shù)不為0，即ρ(Y，Z)≠0，而當(dāng)以X為擾動(dòng)項(xiàng)，Y和Z的偏相關(guān)系數(shù)為0時(shí)，即ρ(Y，Z|X)=0，若已知Y→X，則判定Y→X→Z；若Y并無(wú)指向X，則可判定Y←X→Z。當(dāng)Y和Z的無(wú)條件相關(guān)系數(shù)為0，即ρ(Y，Z)=0，而當(dāng)以X為擾動(dòng)項(xiàng)，Y和Z的偏相關(guān)系數(shù)不為0時(shí)，即ρ(Y，Z|X)≠0，即可判定Y→X←Z。對(duì)于n個(gè)變量，存在n-2階的偏相關(guān)系數(shù)。偏相關(guān)系數(shù)的顯著性檢驗(yàn)通常采用Fisher’Z統(tǒng)計(jì)量，以確定變量間的相關(guān)系數(shù)是否為0。Z統(tǒng)計(jì)量的表達(dá)式如下：

式中，n為樣本總數(shù)；i、j、k表示變量集合；|k|為條件變量的個(gè)數(shù)；ρ(i，j|k)表示以變量集合k為條件時(shí)，i和j的偏相關(guān)系數(shù)。

2.SVAR模型及預(yù)測(cè)方差分解

Sims提出的VAR模型[33]由于能夠?qū)⒍嘧兞繒r(shí)間序列放在一起進(jìn)行系統(tǒng)分析而得到了廣泛的應(yīng)用。一般p階VAR模型可以表示為：

(1)

式中，yt是內(nèi)生變量列向量；μ是截距列向量；p是滯后階段；T是樣本數(shù)目；Γi是待估計(jì)的系數(shù)矩陣；εt是擾動(dòng)列向量。方程右邊不包含同期變量yt， 因此變量之間沒(méi)有同期影響，無(wú)法揭示經(jīng)濟(jì)結(jié)構(gòu)。為了允許變量之間存在同期影響，必須將結(jié)構(gòu)納入到VAR模型中形成結(jié)構(gòu)VAR模型(Structural VAR，記為SVAR)。為了重點(diǎn)分析正交化沖擊的效應(yīng)，本文采用Amisano 和 Giannini提出的SVAR的“AB”模型[34]，即

Aεt=Bμt

(2)

式中，εt是正交的結(jié)構(gòu)擾動(dòng)項(xiàng)；μt是VAR模型估計(jì)得到的殘差項(xiàng)；B為約束矩陣；A則是表示變量間同期影響的矩陣。

SVAR模型就是在VAR模型基礎(chǔ)上，將變量間的當(dāng)期影響加入分析框架，能夠預(yù)測(cè)相互聯(lián)系的時(shí)間序列變量并分析隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)沖擊，更好地分析經(jīng)濟(jì)系統(tǒng)的動(dòng)態(tài)傳導(dǎo)關(guān)系。但研究者在應(yīng)用SVAR模型時(shí)，依然需要借助相關(guān)的理論或先驗(yàn)的信息對(duì)擾動(dòng)項(xiàng)的同期關(guān)系進(jìn)行設(shè)定，仍然難以避免研究者的主觀性。由前文可知，DAG技術(shù)通過(guò)分析擾動(dòng)項(xiàng)間的(偏)相關(guān)系數(shù)，可以正確識(shí)別其同期因果關(guān)系，進(jìn)而為正確設(shè)定SVAR模型提供客觀依據(jù)，恰好能夠避免上述缺陷。

因此，本文在利用DAG識(shí)別變量同期因果關(guān)系的基礎(chǔ)上，對(duì)VAR擾動(dòng)項(xiàng)進(jìn)行結(jié)構(gòu)性分解(識(shí)別SVAR)，繼而展開(kāi)方差分解分析。方差分解考慮了經(jīng)濟(jì)變量之間的關(guān)系在經(jīng)濟(jì)意義上的顯著性，能夠?yàn)檠芯刻峁└嗟男畔?，而且借助預(yù)測(cè)方差分解方法還可以對(duì)各種傳導(dǎo)途徑的有效性進(jìn)行比較。遞歸的預(yù)測(cè)方差分解還能通過(guò)改變研究的樣本選擇區(qū)間，進(jìn)一步考察研究結(jié)論的穩(wěn)健性。

(二)數(shù)據(jù)來(lái)源及整理

我國(guó)上市時(shí)間最晚的油脂油料期貨是2012年12月28日上市的油菜籽和菜籽粕期貨，為了保持?jǐn)?shù)據(jù)的完整性和一致性，本文的樣本選擇區(qū)間為2013年1月1日至2019年1月31日，刪去周末和節(jié)假日等非交易日的數(shù)據(jù)，共計(jì)1 480個(gè)交易日的期貨價(jià)格數(shù)據(jù)序列。為保證數(shù)據(jù)的連續(xù)性，期貨價(jià)格選擇各品種的連續(xù)活躍合約的收盤(pán)價(jià)。為降低異方差，所有數(shù)據(jù)采用自然對(duì)數(shù)形式，具體數(shù)據(jù)選擇基準(zhǔn)見(jiàn)表1，所有原始數(shù)據(jù)來(lái)源于Wind數(shù)據(jù)庫(kù)。

表1 中國(guó)油脂類(lèi)期貨價(jià)格選擇基準(zhǔn)

四、實(shí)證結(jié)果與分析

本文的實(shí)證分析思路如下：首先，從樣本數(shù)據(jù)圖形對(duì)油脂、油料、油粕的期貨價(jià)格走勢(shì)進(jìn)行考察，然后對(duì)數(shù)據(jù)平穩(wěn)性進(jìn)行檢驗(yàn)，繼而根據(jù)AIC準(zhǔn)則為VAR模型選擇最優(yōu)的滯后階數(shù)，在估計(jì)完VAR模型之后，可以得到各個(gè)市場(chǎng)的“擾動(dòng)相關(guān)系數(shù)矩陣”。其次，以“擾動(dòng)相關(guān)系數(shù)矩陣”為出發(fā)點(diǎn)，運(yùn)用DAG方法分析變量之間的同期因果關(guān)系。本文采用stata 14.0軟件和tetrad 6.5.4軟件進(jìn)行分析。

(一)油脂類(lèi)期貨價(jià)格走勢(shì)分析

圖1～3顯示了2013年1月1日至2019年1月31日中國(guó)油脂、油料、油粕的期貨價(jià)格的走勢(shì)變化。從圖1中可以看出：豆油、菜籽油、棕櫚油三種油脂期貨價(jià)格走勢(shì)雖然具有一致性，但不同時(shí)期的走勢(shì)差距也存在明顯差別。2013—2015年，三種植物油的期貨價(jià)格呈總體下降趨勢(shì)，且豆油和菜籽油期貨的價(jià)格差逐漸縮??；2016年，三者又基本呈震蕩上漲趨勢(shì)；2017—2019年，三者又呈現(xiàn)出較為一致的波動(dòng)趨勢(shì)，但相互間的價(jià)格差則在緩慢地增大。而圖2則表明豆一、豆二和油菜籽三種油料期貨的價(jià)格走勢(shì)具有明顯的差異性。除了2013年初至2014年中，三者走勢(shì)有一定的相似性外，在其他時(shí)間段我們無(wú)法直觀地觀察到它們走勢(shì)的一致性。圖3顯示出豆粕和菜籽粕等油粕期貨的價(jià)格走勢(shì)具有較高的一致性，兩個(gè)價(jià)格序列無(wú)論是上漲還是下跌，在時(shí)間上都具有明顯的同步性。

圖1 中國(guó)油脂期貨價(jià)格走勢(shì)(2013.1.1—2019.1.31)

圖2 中國(guó)油料期貨價(jià)格走勢(shì)(2013.1.1—2019.1.31)

圖3 中國(guó)油粕期貨價(jià)格走勢(shì)(2013.1.1—2019.1.31)

(二)變量平穩(wěn)性檢驗(yàn)及協(xié)整檢驗(yàn)

在對(duì)各變量進(jìn)行協(xié)整檢驗(yàn)之前，須對(duì)各變量先進(jìn)行平穩(wěn)性檢驗(yàn)。采用最常用的ADF方法對(duì)所有變量進(jìn)行單位根檢驗(yàn)。由表2中的檢驗(yàn)結(jié)果可知，在1%顯著性水平下，樣本期所有價(jià)格序列都存在單位根，其一階差分則都是平穩(wěn)序列。可以判定所有變量都是非平穩(wěn)的I(1)過(guò)程。

表2 單位根檢驗(yàn)

注：(1)變量前的d表示一階差分；(2)檢驗(yàn)類(lèi)型中c代表intercept,t代表trend,k代表lag；(3)檢驗(yàn)中的最優(yōu)滯后階數(shù)按AIC準(zhǔn)則選取。

在單位根檢驗(yàn)的基礎(chǔ)上，對(duì)中國(guó)油脂、油料、油粕期貨價(jià)格序列進(jìn)行協(xié)整檢驗(yàn)。根據(jù)FPE和AIC準(zhǔn)則選擇VAR模型的最優(yōu)滯后期，結(jié)果顯示最優(yōu)滯后期為4期。協(xié)整檢驗(yàn)結(jié)果如表3所示，跡檢驗(yàn)結(jié)果表明不存在協(xié)整關(guān)系。

表3 Johansen跡檢驗(yàn)結(jié)果

(三)油脂油料期貨同期因果關(guān)系的DAG識(shí)別及SVAR模型構(gòu)建

由于中國(guó)油脂類(lèi)期貨變量之間不存在長(zhǎng)期協(xié)整關(guān)系，本文基于各序列的差分建立VAR模型，得到期貨價(jià)格序列的擾動(dòng)相關(guān)系數(shù)矩陣如下：

擾動(dòng)相關(guān)系數(shù)矩陣是同期因果關(guān)系分析的基礎(chǔ)，以此為基礎(chǔ)，從無(wú)向完全圖(圖4)出發(fā)，經(jīng)過(guò)DAG方法的“去邊”和“取向”兩個(gè)步驟，在10%的顯著性水平下，得到同期因果關(guān)系圖(圖5)。

圖4 無(wú)向完全圖

圖5 油脂油料油粕同期因果關(guān)系圖

從圖5可以看出，DAG方法識(shí)別的油脂、油料、油粕期貨價(jià)格同期因果關(guān)系及其影響方向是：豆一對(duì)豆粕、豆油和菜油具有單向同期影響，菜粕對(duì)豆粕和菜籽、豆粕對(duì)豆二、豆二對(duì)豆油和菜油、豆油對(duì)菜油和棕櫚油、菜油對(duì)菜籽具有單向同期影響。在三種油脂期貨方面，豆油具有主導(dǎo)地位；在三個(gè)油料期貨方面，豆一是價(jià)格同期影響的主角；在兩種油粕期貨方面，菜粕對(duì)豆粕有同期影響。依據(jù)DAG分析結(jié)果，在構(gòu)建SVAR模型時(shí)對(duì)同期系數(shù)矩陣A施加約束如下：

上述同期因果關(guān)系的識(shí)別不僅具有理論依據(jù)，而且符合現(xiàn)實(shí)情況。油脂、油料、油粕具有相似的屬性和用途，彼此間存在顯著的替代關(guān)系，而期貨市場(chǎng)流動(dòng)性充沛又能快速反應(yīng)新息沖擊。因此，油脂油料期貨市場(chǎng)價(jià)格具有一定的同期因果關(guān)系。在我國(guó)實(shí)際經(jīng)濟(jì)活動(dòng)中，大豆作為油籽可以通過(guò)壓榨獲得豆油和豆粕，其中豆一是非轉(zhuǎn)基因的國(guó)產(chǎn)大豆，豆二是進(jìn)口的轉(zhuǎn)基因大豆，兩者都是我國(guó)大豆市場(chǎng)的重要品種，而豆一期貨市場(chǎng)交易比較活躍，豆二期貨交易量相對(duì)較少，因此，豆一期貨價(jià)格對(duì)其他價(jià)格序列具有重要的影響。豆油作為我國(guó)主要的食用植物油，其價(jià)格變動(dòng)是其他油脂產(chǎn)品的重要風(fēng)向標(biāo)。豆粕、菜粕是我國(guó)養(yǎng)殖行業(yè)重要的飼料植物蛋白成分來(lái)源，但菜粕主要用于淡水養(yǎng)殖業(yè)，其他品種的油粕很難替代菜粕的使用。因此，菜粕期貨在價(jià)格上引導(dǎo)同期的豆粕價(jià)格也符合經(jīng)濟(jì)實(shí)際。

(四)基于DAG的預(yù)測(cè)方差分解

為進(jìn)一步分析我國(guó)油脂油、料油、粕價(jià)格之間的動(dòng)態(tài)影響機(jī)制和影響程度，本文基于DAG的分析結(jié)果對(duì)SVAR模型進(jìn)行預(yù)測(cè)誤差方差分解，見(jiàn)表4。

表4 基于DAG分析結(jié)果的預(yù)測(cè)誤差方差分解 (%)

從表4預(yù)測(cè)誤差方差分解的結(jié)果來(lái)看，豆一價(jià)格的沖擊對(duì)油脂類(lèi)期貨價(jià)格波動(dòng)具有顯著的影響。豆一沖擊對(duì)自身價(jià)格波動(dòng)的解釋程度高達(dá)98%以上，對(duì)豆二、豆油、菜油、棕油、豆粕和菜粕價(jià)格波動(dòng)的解釋程度分別在4.6%、12.4%、10.4%、6.9%、22.9%和19.8%以上，但對(duì)菜籽價(jià)格波動(dòng)的解釋程度較低。豆二沖擊對(duì)自身價(jià)格的波動(dòng)的解釋程度高達(dá)94%以上，除了對(duì)豆粕和菜粕價(jià)格波動(dòng)有2.2%～3.1%的解釋程度外，對(duì)其他變量沒(méi)有顯著的解釋能力。菜籽沖擊對(duì)其他變量基本沒(méi)有影響。豆油沖擊對(duì)油脂價(jià)格波動(dòng)的解釋能力較強(qiáng)，對(duì)自身解釋程度在85.8%以上，對(duì)菜油和棕油的解釋程度也分別在51.2%和58.1%以上，對(duì)豆粕和菜粕的價(jià)格波動(dòng)也有6.5%～7.4%的解釋。菜油沖擊僅能解釋自身價(jià)格波動(dòng)的37.4%左右。豆粕沖擊除了能解釋自身價(jià)格波動(dòng)的66.5%之外，對(duì)菜粕價(jià)格波動(dòng)也有27.4%以上的解釋能力。而菜粕沖擊對(duì)其他變量沒(méi)有顯著的影響，對(duì)自身價(jià)格波動(dòng)的解釋程度也僅在42.3%左右。

隨著預(yù)測(cè)期的延長(zhǎng)，油脂類(lèi)期貨價(jià)格對(duì)自身價(jià)格波動(dòng)的解釋程度有所降低，但降低幅度較小，對(duì)其他變量的解釋程度也未出現(xiàn)明顯的增加。這說(shuō)明油脂類(lèi)期貨市場(chǎng)價(jià)格沖擊的反應(yīng)速度很快，滯后期很短。這也從另一個(gè)角度說(shuō)明了油脂類(lèi)期貨市場(chǎng)發(fā)揮了良好的價(jià)格發(fā)現(xiàn)功能。

綜合以上分析，基于DAG的結(jié)果顯示，在我國(guó)油脂類(lèi)期貨市場(chǎng)中，豆一、豆油、菜粕期貨在油脂類(lèi)期貨價(jià)格同期聯(lián)動(dòng)中扮演著重要的角色，在價(jià)格傳導(dǎo)中起著主導(dǎo)作用。SVAR模型的預(yù)測(cè)誤差方差分解結(jié)果表明，在油脂類(lèi)期貨價(jià)格波動(dòng)溢出方面，豆一、豆油、豆粕的價(jià)格波動(dòng)分別在油籽、油脂、油粕市場(chǎng)價(jià)格波動(dòng)中居于重要地位。

(五)穩(wěn)健性分析

為了檢驗(yàn)本文基于DAG技術(shù)識(shí)別和SVAR模型得出的結(jié)論在樣本區(qū)間內(nèi)是否穩(wěn)健，并進(jìn)一步考察油脂類(lèi)期貨價(jià)格在不同時(shí)間樣本區(qū)間內(nèi)的動(dòng)態(tài)變化，本文基于DAG的結(jié)果又作了遞歸的預(yù)測(cè)方差分解分析。由于我國(guó)油脂油料期貨價(jià)格增長(zhǎng)率在2015年前后發(fā)生了較大的變化(圖1～3)，因此，本文在預(yù)測(cè)方差分解分析中以2013年1月1日—2015年12月31日為基期，基于DAG識(shí)別結(jié)果建立SVAR模型并作第一次預(yù)測(cè)誤差方差分解，以2013年1月1日—2016年1月31日作第二次方差分解分析，依次類(lèi)推，直到整個(gè)樣本期2013年1月1日至2018年12月31日，并把每次遞歸分析的第8個(gè)預(yù)測(cè)期的方差分解結(jié)果列于圖6。

(a)豆一

(b)豆二

(c)菜籽

(d)豆油

(e)菜油

(f)棕油

(g)豆粕

(h)菜粕

圖6 遞歸預(yù)測(cè)誤差方差分解(2)

由圖6(a)～(c)可以看出，豆一、豆二、菜籽等油料期貨價(jià)格的沖擊占整體波動(dòng)的90%以上，這說(shuō)明自身慣性是其價(jià)格波動(dòng)的主要原因。在整個(gè)遞歸分析期內(nèi)，其自身沖擊的影響力基本沒(méi)有變化，表明油料期貨價(jià)格變動(dòng)主要源于油料自身的供給和需求變化，油脂和油粕對(duì)其不存在重大影響。在油脂期貨價(jià)格的影響因素中，豆油期貨價(jià)格的波動(dòng)主要由自身的沖擊來(lái)解釋?zhuān)褂偷臎_擊對(duì)菜油和棕油期貨價(jià)格的影響也比較顯著，說(shuō)明豆油期貨在油脂期貨價(jià)格波動(dòng)中起著主導(dǎo)作用，見(jiàn)圖6(d)～(f)。從豆粕和菜粕的遞歸方差分解圖6(g)～(h)可以看出，兩者自身的沖擊只能解釋各自價(jià)格波動(dòng)的一部分，解釋程度在45%～75%，豆一、豆油也都對(duì)其價(jià)格波動(dòng)有一定的影響(15%～30%)。

由遞歸預(yù)測(cè)誤差方差分解可知，在不同的樣本期間，本文的分析結(jié)果沒(méi)有發(fā)生顯著的變化，因此本文的結(jié)論是穩(wěn)健的。

五、結(jié)論與啟示

本文通過(guò)構(gòu)建DAG-SVAR模型并利用遞歸預(yù)測(cè)方差分解技術(shù)，將中國(guó)油脂、油料、油粕期貨納入統(tǒng)一分析框架，探討了其期貨價(jià)格波動(dòng)的同期關(guān)系和相互間的動(dòng)態(tài)關(guān)系。主要研究結(jié)論概括如下：

第一，基于DAG的中國(guó)油脂類(lèi)期貨市場(chǎng)價(jià)格傳遞研究結(jié)果，表明油脂類(lèi)期貨價(jià)格之間存在明顯的聯(lián)動(dòng)性和同期因果關(guān)系。DAG技術(shù)在識(shí)別變量間同期因果關(guān)系方面，顯著優(yōu)于傳統(tǒng)的統(tǒng)計(jì)技術(shù)。在同期影響關(guān)系中，國(guó)產(chǎn)大豆對(duì)應(yīng)的豆一期貨在同期波動(dòng)傳遞中處于先導(dǎo)地位，豆油則處于同期波動(dòng)影響的中心位置；豆油期貨價(jià)格除了受豆一、豆二的同期影響，還對(duì)菜油和棕油具有顯著的同期沖擊；菜籽則受到菜油和菜粕的同期影響。

第二，基于DAG的固定樣本期預(yù)測(cè)方差分解和遞歸的預(yù)測(cè)方差分解結(jié)果，表明遞歸預(yù)測(cè)方差分解技術(shù)能夠有效地提高研究結(jié)論的穩(wěn)健性。中國(guó)豆一、豆油期貨對(duì)其他油脂油料油粕期貨價(jià)格具有較大的影響，大豆的價(jià)格波動(dòng)對(duì)油脂、油粕存在單向同期影響。這意味著中國(guó)國(guó)產(chǎn)大豆價(jià)格的上漲，會(huì)加強(qiáng)人們對(duì)油脂、油粕價(jià)格上漲的預(yù)期，甚至?xí)ㄟ^(guò)養(yǎng)殖業(yè)傳導(dǎo)至其他食品行業(yè)，引發(fā)通脹預(yù)期。

根據(jù)本文的研究結(jié)論，提出以下政策建議：首先，豆一、菜粕期貨在油脂類(lèi)期貨價(jià)格同期傳導(dǎo)中處于領(lǐng)先地位，在當(dāng)前期貨市場(chǎng)價(jià)格波動(dòng)加大的情況下，應(yīng)加強(qiáng)對(duì)兩者期貨價(jià)格的有效監(jiān)測(cè)，完善金融市場(chǎng)監(jiān)管體系，防止價(jià)格異常動(dòng)蕩對(duì)其他期貨品種產(chǎn)生負(fù)面影響。其次，由于豆一、豆油期貨價(jià)格的波動(dòng)對(duì)其他油脂類(lèi)期貨價(jià)格的波動(dòng)具有較大的沖擊作用，在中美貿(mào)易摩擦及加征進(jìn)口美國(guó)大豆關(guān)稅的背景下，必要時(shí)可能需要采取政策干預(yù)來(lái)降低油脂類(lèi)期貨價(jià)格波動(dòng)，且政策重點(diǎn)應(yīng)該考慮放在豆一和豆油期貨品種上。最后，基于本文將8種油脂類(lèi)期貨合約納入統(tǒng)一框架的研究結(jié)論下，建議相關(guān)產(chǎn)業(yè)參與者和投資者提高政策關(guān)注度與市場(chǎng)敏銳度，綜合考量市場(chǎng)波動(dòng)要素，進(jìn)一步強(qiáng)化理性生產(chǎn)和投資意識(shí)。