國(guó)內(nèi)金融市場(chǎng)變化對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制分析數(shù)據(jù)集（2017-2021）

魏同洋，徐珂，徐磊*

數(shù)據(jù)論文

國(guó)內(nèi)金融市場(chǎng)變化對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制分析數(shù)據(jù)集（2017-2021）

魏同洋1，徐珂2，徐磊1*

1.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所，北京 10081，中國(guó)；2.中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081，中國(guó)

農(nóng)產(chǎn)品價(jià)格波動(dòng)傳導(dǎo)機(jī)制是備受關(guān)注的研究議題。農(nóng)產(chǎn)品價(jià)格影響因素逐漸呈現(xiàn)多元化、復(fù)雜化，包括金融市場(chǎng)影響在內(nèi)的非傳統(tǒng)因素逐漸凸顯，因此采集金融市場(chǎng)對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)數(shù)據(jù)，揭示其傳導(dǎo)機(jī)制，具有十分重要的價(jià)值。在本研究中農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制分析數(shù)據(jù)集包含原始數(shù)據(jù)集和預(yù)處理數(shù)據(jù)集，數(shù)據(jù)通過公開途徑獲取，均包括農(nóng)產(chǎn)品價(jià)格以及國(guó)內(nèi)總需求、貨幣市場(chǎng)、股票市場(chǎng)、房地產(chǎn)市場(chǎng)四類國(guó)內(nèi)金融市場(chǎng)數(shù)據(jù)，數(shù)據(jù)為月度數(shù)據(jù)，時(shí)間范圍為2017年1月至2021年2月，共計(jì)50個(gè)月。數(shù)據(jù)集構(gòu)建包括數(shù)據(jù)集變量確定、數(shù)據(jù)權(quán)威來源確定與收集、數(shù)據(jù)預(yù)處理三個(gè)步驟。本數(shù)據(jù)集共享，可為國(guó)內(nèi)金融市場(chǎng)對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制的研究提供數(shù)據(jù)支持，同時(shí)可為相關(guān)企業(yè)決策和政府宏觀調(diào)整提供數(shù)據(jù)支撐。

金融市場(chǎng)；農(nóng)產(chǎn)品價(jià)格；橫向傳導(dǎo)；數(shù)據(jù)集

1 引言

傳統(tǒng)認(rèn)為，農(nóng)產(chǎn)品價(jià)格主要受供需情況影響，但隨著農(nóng)產(chǎn)品價(jià)格與貨幣、股票、期貨等金融市場(chǎng)數(shù)據(jù)的關(guān)聯(lián)日漸密切，農(nóng)產(chǎn)品的金融屬性逐漸凸顯，相關(guān)非傳統(tǒng)因素的影響愈加明顯，農(nóng)產(chǎn)品價(jià)格影響因素逐漸呈現(xiàn)多元化、復(fù)雜化。在學(xué)術(shù)界，農(nóng)產(chǎn)品價(jià)格形成機(jī)制問題已引起高度關(guān)注并取得了重要進(jìn)展。部分學(xué)者基于不同變量數(shù)據(jù)分析，發(fā)現(xiàn)金融市場(chǎng)變化對(duì)農(nóng)產(chǎn)品價(jià)格具有一定的影響。蘇應(yīng)蓉[1]發(fā)現(xiàn)大量金融資本通過農(nóng)產(chǎn)品市場(chǎng)的衍生市場(chǎng)進(jìn)行非傳統(tǒng)投機(jī)，顯著放大了農(nóng)產(chǎn)品的價(jià)格波動(dòng)，其所采用數(shù)據(jù)為2004—2008年玉米、小麥、大豆、大豆油、糖、棉花、咖啡、可可的指數(shù)基金合約交易量、價(jià)格變化及需求缺口。吳海霞等[2]、張有望和李崇光[3]運(yùn)用期貨市場(chǎng)數(shù)據(jù)，采用ARDL模型分別針對(duì)玉米、大豆現(xiàn)貨市場(chǎng)的影響展開分析。部分學(xué)者關(guān)注貨幣市場(chǎng)變化對(duì)農(nóng)產(chǎn)品價(jià)格的影響。谷秀娟等[4]運(yùn)用糧食價(jià)格批發(fā)指數(shù)、廣義貨幣供應(yīng)量（M2）、匯率及外匯儲(chǔ)備數(shù)據(jù)進(jìn)行向量誤差修正模型分析，發(fā)現(xiàn)金融因素中的M2對(duì)糧食批發(fā)價(jià)格指數(shù)同時(shí)具有短期抑制和長(zhǎng)期刺激的雙重作用；溫濤和王小華[5]分析了1999年—2012年農(nóng)產(chǎn)品價(jià)格指數(shù)、政府財(cái)政預(yù)算支出、M2、國(guó)際農(nóng)產(chǎn)品價(jià)格、工業(yè)品出廠價(jià)格、人民幣實(shí)際有效匯率等數(shù)據(jù)，發(fā)現(xiàn)貨幣政策對(duì)中國(guó)農(nóng)產(chǎn)品價(jià)格有強(qiáng)烈的沖擊效應(yīng)，其中廣義貨幣供應(yīng)量增長(zhǎng)是導(dǎo)致中國(guó)農(nóng)產(chǎn)品價(jià)格上升的關(guān)鍵性因素；黃守坤等[6]基于2002年至2016年我國(guó)M2、集貿(mào)市場(chǎng)大豆價(jià)格、鮮菜價(jià)格、豬肉價(jià)格、牛肉價(jià)格、花生價(jià)格數(shù)據(jù)，通過BEKK-GARCH模型發(fā)現(xiàn)相關(guān)金融因素波動(dòng)與農(nóng)產(chǎn)品價(jià)格波動(dòng)存在顯著關(guān)聯(lián)性，大豆等農(nóng)產(chǎn)品價(jià)格波動(dòng)中的30%～40%來自貨幣供應(yīng)量波動(dòng)的貢獻(xiàn)。此外，Coibion[7]，楊繼生和徐娟[8]，李焜和王小華[9]等學(xué)者，開展貨幣政策對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)沖擊效應(yīng)的研究時(shí)發(fā)現(xiàn)，選擇同業(yè)拆借利率這一變量來衡量貨幣沖擊更為有效；田皓森、馮紅娟[10]利用貨幣政策相關(guān)變量數(shù)據(jù)，發(fā)現(xiàn)了貨幣政策變化對(duì)小麥、玉米等農(nóng)產(chǎn)品生產(chǎn)價(jià)格指數(shù)具有影響；李小云等[11]運(yùn)用1994年至2002年大豆進(jìn)出口數(shù)據(jù)進(jìn)行回歸分析，發(fā)現(xiàn)如果人民幣匯率降低，則以人民幣表示的進(jìn)口大豆價(jià)格會(huì)更加低廉，國(guó)內(nèi)大豆價(jià)格也會(huì)進(jìn)一步降低。國(guó)際范圍農(nóng)產(chǎn)品價(jià)格傳導(dǎo)機(jī)制研究也有相似的發(fā)現(xiàn)。Baltzer[12]基于2005—2013年國(guó)際玉米、大米和小麥價(jià)格以及中國(guó)、印度、巴西等14個(gè)發(fā)展中國(guó)家的玉米、大米和小麥?zhǔn)袌?chǎng)價(jià)格數(shù)據(jù)，分析國(guó)際市場(chǎng)對(duì)國(guó)內(nèi)市場(chǎng)價(jià)格的傳導(dǎo)，發(fā)現(xiàn)農(nóng)產(chǎn)品價(jià)格傳導(dǎo)模式與價(jià)格政策、市場(chǎng)整合程度以及國(guó)內(nèi)本身的沖擊程度密切相關(guān)。

綜合分析金融市場(chǎng)波動(dòng)對(duì)農(nóng)產(chǎn)品價(jià)格傳導(dǎo)的各項(xiàng)研究，可以發(fā)現(xiàn)不同視角、不同時(shí)期和不同變量數(shù)據(jù)對(duì)研究的重要性。然而，已有研究更多是從衍生品、貨幣角度收集數(shù)據(jù)并分析金融因素對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)關(guān)系與傳導(dǎo)機(jī)制，考慮的金融因素不夠全面，相關(guān)數(shù)據(jù)不夠完整。基此，本數(shù)據(jù)集選取更加多元的金融因素，采集了四類最具代表性的國(guó)內(nèi)金融市場(chǎng)數(shù)據(jù)，以期為國(guó)內(nèi)金融市場(chǎng)對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制研究提供更全面的基礎(chǔ)數(shù)據(jù)，同時(shí)也為相關(guān)企業(yè)決策和政府的宏觀調(diào)控提供數(shù)據(jù)支撐。

2 數(shù)據(jù)采集與處理方法

本研究中數(shù)據(jù)集的構(gòu)建主要包括三個(gè)步驟，一是確定數(shù)據(jù)集變量；二是確定數(shù)據(jù)權(quán)威來源并收集數(shù)據(jù)；三是數(shù)據(jù)預(yù)處理。具體工作內(nèi)容分述如下。

2.1 數(shù)據(jù)集變量

在農(nóng)產(chǎn)品價(jià)格指標(biāo)選取方面，為了更好反映農(nóng)產(chǎn)品產(chǎn)業(yè)鏈終端價(jià)格，選取農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)作為衡量農(nóng)產(chǎn)品價(jià)格波動(dòng)指標(biāo)。在國(guó)內(nèi)金融市場(chǎng)因素方面，根據(jù)已有文獻(xiàn)[4-5,9,13]研究中對(duì)農(nóng)產(chǎn)品價(jià)格有影響的數(shù)據(jù)變量選取及領(lǐng)域內(nèi)專家咨詢等，確定本研究中金融市場(chǎng)對(duì)農(nóng)產(chǎn)品價(jià)格影響的主要因素，選取農(nóng)產(chǎn)品價(jià)格波動(dòng)相關(guān)的國(guó)內(nèi)總需求、貨幣市場(chǎng)、股票市場(chǎng)、房地產(chǎn)市場(chǎng)四類變量進(jìn)行橫向傳導(dǎo)分析。一般用國(guó)內(nèi)生產(chǎn)總值來反映國(guó)內(nèi)總需求，但由于國(guó)內(nèi)生產(chǎn)總值只有季度數(shù)據(jù)，因此選取工業(yè)增加值增長(zhǎng)速度作為代理變量，反映國(guó)內(nèi)總需求對(duì)農(nóng)產(chǎn)品價(jià)格的影響。貨幣市場(chǎng)變量選取廣義貨幣供給量和7天銀行間拆借利率兩個(gè)變量，代表貨幣市場(chǎng)對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)的橫向影響。其中，廣義貨幣供給量用來反映現(xiàn)實(shí)及潛在的購(gòu)買力；7天銀行間拆借利率用來反映市場(chǎng)上資金供求關(guān)系。股票市場(chǎng)變量選取上證綜合指數(shù)變量。房地產(chǎn)市場(chǎng)選取房屋銷售價(jià)格變量，該變量需通過商品房銷售額、商品房銷售面積數(shù)據(jù)計(jì)算得出。股票市場(chǎng)價(jià)格和房地產(chǎn)市場(chǎng)價(jià)格對(duì)市場(chǎng)整體價(jià)格水平釋放預(yù)期信號(hào)，是市場(chǎng)價(jià)格水平的風(fēng)向標(biāo)，會(huì)對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)帶來一定影響。

表1 數(shù)據(jù)集變量

運(yùn)用Johansen MLE方法估計(jì)向量誤差修正模型，表明上述變量系統(tǒng)存在長(zhǎng)期均衡關(guān)系，各變量間的協(xié)整方程為：

LNAG=0.2856084LNIAVGR-2.289361LNM2-0.7644147LNSHIBOR+0.2544894LNSCI+1.586207LNHSP+21.21619

上述公式中，AG表示農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)，IAVGR表示工業(yè)增加值增長(zhǎng)速度，M2代表廣義貨幣供給量，SHIBOR表示7天銀行間拆借利率，SCI表示上證綜合指數(shù)變量，HSP表示房屋銷售價(jià)格變量。

2.2 數(shù)據(jù)采集

為保證各數(shù)據(jù)來源的可靠性和準(zhǔn)確性，各指標(biāo)數(shù)據(jù)均來自權(quán)威機(jī)構(gòu)或年鑒。其中，農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)來自農(nóng)業(yè)農(nóng)村部網(wǎng)站(http://zdscxx.moa.gov.cn: 8080/nyb/pc/index.jsp)；廣義貨幣供給量、7天銀行間拆借利率、上證綜合指數(shù)數(shù)據(jù)來自中國(guó)人民銀行網(wǎng)站(http://www.pbc.gov.cn/diaochatongjisi/116219/116319/index.html)；房屋銷售價(jià)格變量中的商品房銷售額、商品房銷售面積數(shù)據(jù)與工業(yè)增加值增長(zhǎng)速度數(shù)據(jù)來自《中國(guó)統(tǒng)計(jì)年鑒》[14]。采集數(shù)據(jù)均為月度數(shù)據(jù)，時(shí)間范圍為2017年1月至2021年2月，共計(jì)50個(gè)月。

2.3 數(shù)據(jù)處理

對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，其中，為保持跟農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)基期2015年的一致性，工業(yè)增加值增長(zhǎng)速度數(shù)據(jù)以2015年為基期進(jìn)行折算處理，處理公式如下。

假設(shè)，2016年某月份工業(yè)增加值增速為Ai，2017年相同月份工業(yè)增加值增速為Bi，則2017年以2015年為定基的增速可通過Yi=(Ai+1)×(Bi+1)進(jìn)行折算。2018年各月份數(shù)據(jù)則以同樣的公式，通過2017年處理之后的數(shù)據(jù)來進(jìn)行折算。其他年份的算法相同。

房屋銷售價(jià)格通過房屋銷售額比房屋銷售面積計(jì)算得來。考慮到國(guó)家統(tǒng)計(jì)局因春節(jié)假期，在2月份合并公布1、2月份數(shù)據(jù)，故本數(shù)據(jù)集以當(dāng)年2月份價(jià)格補(bǔ)充同年1月份價(jià)格，1、2月份價(jià)格數(shù)據(jù)相同。同時(shí)，為了減少數(shù)據(jù)造成的變量間波動(dòng)性與異方差，本數(shù)據(jù)集采用了對(duì)原始數(shù)據(jù)序列取對(duì)數(shù)的形式。

3 數(shù)據(jù)內(nèi)容

3.1 數(shù)據(jù)集文檔說明

數(shù)據(jù)集包括原始數(shù)據(jù)和預(yù)處理數(shù)據(jù)兩個(gè)文檔。原始數(shù)據(jù)集文檔包含時(shí)間（年月）、農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)、工業(yè)增加值增長(zhǎng)速度、廣義貨幣供給量、7天銀行間拆借利率、上證綜指、商品房銷售面積、商品房銷售額、房屋銷售價(jià)格等變量，共計(jì)459條記錄。預(yù)處理數(shù)據(jù)集文檔包含時(shí)間（年月）、農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)取對(duì)數(shù)、工業(yè)增加值同比增長(zhǎng)率取對(duì)數(shù)、廣義貨幣供給量取對(duì)數(shù)、7天銀行間拆借利率取對(duì)數(shù)、上證綜指取對(duì)數(shù)、房屋銷售價(jià)格取對(duì)數(shù)等變量，共計(jì)357條記錄。

3.2 預(yù)處理數(shù)據(jù)集變量波動(dòng)序列圖

數(shù)據(jù)集中各變量的對(duì)數(shù)序列圖，如圖1所示。各變量曲線均呈現(xiàn)不同形態(tài)的波動(dòng)走勢(shì)。

3.3 預(yù)處理數(shù)據(jù)集變量的統(tǒng)計(jì)特征

本數(shù)據(jù)集中各變量數(shù)據(jù)的描述性統(tǒng)計(jì)情況見表2。通過對(duì)數(shù)據(jù)的描述性統(tǒng)計(jì)分析可以發(fā)現(xiàn)，農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)變量取對(duì)數(shù)后均值為4.7077，標(biāo)準(zhǔn)差為0.0990，最小值為4.5413，最大值為4.9314。工業(yè)增加值增長(zhǎng)速度變量取對(duì)數(shù)后均值為3.1200，標(biāo)準(zhǔn)差為0.3645，最小值為2.5315，最大值為3.7354。廣義貨幣供給量變量取對(duì)數(shù)后均值為14.4384，標(biāo)準(zhǔn)差為0.1033，最小值為14.2800，最大值為14.6200。7天銀行間拆借利率變量取對(duì)數(shù)后均值為1.0980，標(biāo)準(zhǔn)差為0.1419，最小值為0.6575，最大值為1.2726。上證綜合指數(shù)變量取對(duì)數(shù)后均值為8.0262，標(biāo)準(zhǔn)差為0.0862，最小值為7.8200，最大值為8.1600。房屋銷售價(jià)格變量取對(duì)數(shù)后均值為9.0964，標(biāo)準(zhǔn)差為0.0894，最小值為8.9474，最大值為9.3083。

圖1 數(shù)據(jù)集各變量對(duì)數(shù)序列波動(dòng)時(shí)序圖

表2 數(shù)據(jù)集各變量的統(tǒng)計(jì)特征

4 數(shù)據(jù)質(zhì)量控制與驗(yàn)證

為保證數(shù)據(jù)集質(zhì)量，采取以下措施：一是在數(shù)據(jù)采集環(huán)節(jié)選擇了主要影響農(nóng)產(chǎn)品價(jià)格波動(dòng)的金融因素變量，且未遺漏重要變量；二是在數(shù)據(jù)獲取來源環(huán)節(jié)通過權(quán)威數(shù)據(jù)來源渠道獲取數(shù)據(jù)；三是在數(shù)據(jù)預(yù)處理環(huán)節(jié)，用專業(yè)方法對(duì)空缺數(shù)據(jù)進(jìn)行填補(bǔ)，并采用了取對(duì)數(shù)形式來避免數(shù)據(jù)帶來的異方差和波動(dòng)。

為了驗(yàn)證數(shù)據(jù)的平穩(wěn)性，對(duì)預(yù)處理數(shù)據(jù)集各變量進(jìn)行平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果表明工業(yè)增加值增長(zhǎng)速度、廣義貨幣供給量?jī)蓚€(gè)變量為平穩(wěn)序列，農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)、7天銀行間拆借利率、上證綜合指數(shù)、房屋銷售價(jià)格變量為一階單整平穩(wěn)序列。

表3 變量平穩(wěn)性檢驗(yàn)

5 數(shù)據(jù)價(jià)值與使用建議

本數(shù)據(jù)集包含2017年1月—2021年2月國(guó)內(nèi)金融市場(chǎng)主要月度指標(biāo)與同期農(nóng)產(chǎn)品價(jià)格指數(shù)，目的是建立農(nóng)產(chǎn)品價(jià)格波動(dòng)的金融影響因素、作用程度以及傳導(dǎo)路徑，在使用原始數(shù)據(jù)文檔時(shí)應(yīng)注意不同變量計(jì)量單位、基期的不同，使用者需首先對(duì)數(shù)據(jù)進(jìn)行無量綱化、基期一致性處理。

利用本數(shù)據(jù)集進(jìn)行傳導(dǎo)機(jī)制分析，對(duì)變量數(shù)據(jù)進(jìn)行協(xié)整檢驗(yàn)，表明農(nóng)產(chǎn)品價(jià)格、國(guó)內(nèi)總需求、貨幣市場(chǎng)、股票市場(chǎng)、房地產(chǎn)市場(chǎng)變量間存在長(zhǎng)期均衡關(guān)系，這一結(jié)論與谷秀娟等[4]、溫濤、王小華[5]、楊繼生、徐娟[8]學(xué)者的研究結(jié)論一致，均表明了農(nóng)產(chǎn)品價(jià)格與廣義貨幣供給量、7天銀行間拆借利率等存在長(zhǎng)期均衡關(guān)系。然而，進(jìn)一步對(duì)數(shù)據(jù)進(jìn)行分布滯后模型估計(jì)，發(fā)現(xiàn)國(guó)內(nèi)市場(chǎng)需求、貨幣市場(chǎng)、房地產(chǎn)市場(chǎng)對(duì)國(guó)內(nèi)農(nóng)產(chǎn)品價(jià)格的傳導(dǎo)沒有表現(xiàn)出時(shí)滯性。綜合已有研究提出的各類數(shù)據(jù)集，本數(shù)據(jù)集包括的金融變量更加全面，同時(shí)彌補(bǔ)了已有數(shù)據(jù)集沒有房地產(chǎn)市場(chǎng)變量的空白，可以為探析金融化背景下我國(guó)農(nóng)產(chǎn)品價(jià)格傳導(dǎo)路徑與機(jī)制提供更全面的數(shù)據(jù)支撐。

6 數(shù)據(jù)可用性

中國(guó)科技資源標(biāo)識(shí)碼（CSTR）:17058.11.sciencedb. agriculture.00031；

數(shù)字對(duì)象標(biāo)識(shí)碼（DOI）:10.57760/sciencedb.agriculture.00031。

允許公開訪問。

作者分工與貢獻(xiàn)

魏同洋，數(shù)據(jù)采集、數(shù)據(jù)處理與論文撰寫。

徐珂，數(shù)據(jù)整理與分類匯總。

徐磊，總體方案設(shè)計(jì)。

倫理聲明

本研究不涉及倫理。

利益沖突說明

本研究數(shù)據(jù)作者均無影響研究公正性的財(cái)務(wù)利益沖突或個(gè)人利益沖突。

[1] 蘇應(yīng)蓉.全球農(nóng)產(chǎn)品價(jià)格波動(dòng)中金融化因素探析[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2011,32(6):89-95+112.

[2] Baltzer K T. International to domestic price transmission in fourteen developing countries during the 2007-08 food crisis[C]World Institute for Development Economic Research (UNU-WIDER). World Institute for Development Economic Research (UNU-WIDER), 2013.

[3] 谷秀娟,段瑞君,汪來喜.金融因素與中國(guó)糧食價(jià)格波動(dòng)的實(shí)證研究[J].經(jīng)濟(jì)經(jīng)緯,2013(1):144-148.

[4] 溫濤,王小華.貨幣政策對(duì)中國(guó)農(nóng)產(chǎn)品價(jià)格波動(dòng)的沖擊效應(yīng)研究[J].當(dāng)代經(jīng)濟(jì)科學(xué),2014,36(6):20-29+122-123.

[5] 黃守坤,董梅,段萍萍.金融波動(dòng)對(duì)農(nóng)產(chǎn)品價(jià)格的波動(dòng)風(fēng)險(xiǎn)溢出[J].財(cái)經(jīng)理論研究,2017(6):72-80.

[6] Coibion O. Are the effects of monetary policy shocks big or small?[J]. American Economic Journal Macroeconomics, 2012,4(2):1-32.

[7] 楊繼生,徐娟.從田間到市場(chǎng):誰托起了食品的價(jià)格?[J].經(jīng)濟(jì)學(xué)(季刊),2015,14(3):911-930.

[8] 李焜,王小華.貨幣政策與中國(guó)農(nóng)產(chǎn)品價(jià)格波動(dòng):研究評(píng)述與展望[J].西南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2018,44(5):49-56+190.

[9] 吳海霞,葛巖,史恒通,等.農(nóng)產(chǎn)品金融化對(duì)玉米價(jià)格波動(dòng)的傳導(dǎo)效應(yīng)研究[J].廈門大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2017(2):138-148.

[10] 張有望,李崇光.農(nóng)產(chǎn)品價(jià)格波動(dòng)中的金融化因素分析——以大豆、食糖為例[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2018(5): 86-93+164-165.

[11] 田皓森,馮紅娟.貨幣政策變化對(duì)農(nóng)產(chǎn)品價(jià)格波動(dòng)沖擊效應(yīng)研究[J].財(cái)經(jīng)理論與實(shí)踐,2021,42(1):33-40.

[12] 李小云,李鶴.人民幣升值對(duì)農(nóng)業(yè)經(jīng)濟(jì)的影響—以大豆為例的可能性研究[J].農(nóng)業(yè)經(jīng)濟(jì)問題,2005(1):31-36.

[13] 劉明.農(nóng)產(chǎn)品價(jià)格波動(dòng)、通脹預(yù)期與貨幣政策[M].北京:人民出版社,2016.

[14] 國(guó)家統(tǒng)計(jì)局.2018-2022中國(guó)統(tǒng)計(jì)年鑒[M].北京:中國(guó)統(tǒng)計(jì)出版社,2018-2022.

Dataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural Commodity Prices, 2017-2021

WEI TongYang1, XU Ke2, XU Lei1

1.Institute of Agricultural Information, Chinese Academy of Agricultural Sciences, Beijing 10081, China; 2. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China

The transmission mechanism of agricultural commodity price volatility is a research topic that has attracted much attention. The factors influencing agricultural commodity prices are gradually diversified and complicated, and non-traditional factors including the influence of financial markets are gradually highlighted. Traditionally, it is believed that the price of agricultural products is mainly affected by supply and demand factors, but with the increasingly close connection between the price of agricultural products and financial markets such as currencies, stocks, futures and so on, the financial attributes of agricultural products have gradually come to the fore, and the influence of related non-traditional factors has become more and more obvious, and the factors affecting the price of agricultural products have gradually become diversified and complex. Comprehensively analyzing the various studies on the transmission of financial market fluctuations on agricultural commodity prices can reveal the collection of data from different perspectives, different periods and different variables, and reveal its transmission mechanism, which is of great value. However, the existing studies collect data and analyze the relationship and transmission mechanism of financial factors on the price volatility of agricultural products more from the perspective of derivatives and currency, and the financial factors considered are not comprehensive enough and the relevant data are not complete enough. Based on this, this dataset selects more diversified financial factors and collects the four most representative types of domestic financial market data. The dataset for the analysis of the horizontal transmission mechanism of agricultural commodity prices in this study contains the original data dataset and the preprocessed data dataset, which are obtained through public access, and both include agricultural commodity prices and the four types of domestic financial market data, namely, aggregate domestic demand, the money market, the stock market, and the real estate market, and the data are monthly data, with a time range of January 2017 to February 2021, for a total of 50 months. The dataset construction includes three steps of dataset variable determination, data authority source determination and collection, and data pre-processing. To ensure the dataset quality, the measures are taken as follows: first, in the data collection process, the financial factor variables that mainly affect the price fluctuation of agricultural products are selected, and no important variables are omitted. Second, in the data collection source link, the data are collected through authoritative data source channels. Third, in the data pre-processing process, professional methods are used to fill the empty data, and the logarithmic form is adopted to avoid heteroscedasticity and volatility caused by the data. This dataset is shared to provide data support for the study of the horizontal transmission mechanism of agricultural commodity prices in the domestic financial market, and at the same time, it can provide data support for the decision-making of the relevant enterprises and the macro-adjustment of the government.

financial market; agricultural product price; horizontal transmission; dataset

Data summary:

ItemsDescription Dataset nameDataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural Commodity Prices, 2017-2021 Specific subject areaAgricultural economics Research topicTransmission of agricultural commodity price Time rangeJanuary 2017 - February 2021 Geographical scopeChina Data types and technical formats*.XLSX Dataset structureIncluding the original data set and preprocessing data set two excel documents. The original dataset document contains time (month and year), wholesale price of agricultural products 200 index, industrial value-added growth rate, broad money supply, 7-day interbank lending rate, the Shanghai Composite Index, the area of sales of commercial properties, sales of commercial properties, housing sales prices and other 9 variables, totaling 459 records. The preprocessed data set document is the data document after preprocessing such as fixed-base conversion and reduction of serial fluctuation on the basis of the original data set, which contains 7 variables such as time (month and year), logarithm of wholesale price of agricultural products 200 index, logarithm of the year-on-year growth rate of value added of industry, logarithm of the supply of broad money, logarithm of 7-day interbank lending rate, logarithm of the Shanghai Composite Index, logarithm of the price of housing sales , etc., totaling 357 records. Volume of data29.94 KB Key index in datasetMain monthly indicators of the domestic financial market and the agricultural price index for the same period Data accessibilityCSTR:17058.11.sciencedb.agriculture.00031DOI: 10.57760/sciencedb.agriculture.00031https://agri.scidb.cn/preview?dataSetId=877bab09989f4e319afdb0fe2d0702ff&version=V1 Financial supportThis work was supported by The Agricultural Science and Technology Innovation Program of the Chinese Academy of Agricultural Science (CAAS-ASTIP-2023-AII)

魏同洋,徐珂,徐磊. 國(guó)內(nèi)金融市場(chǎng)變化對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制分析數(shù)據(jù)集（2017-2021）[J]. 農(nóng)業(yè)大數(shù)據(jù)學(xué)報(bào), 2023, 5(3): 19-25.

WEI TongYang, XU Ke, XU Lei.Dataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural commodityPrices, 2017-2021[J]. Journal of Agricultural Big Data, 2023, 5(3): 19-25.

數(shù)據(jù)摘要：

項(xiàng)目描述 數(shù)據(jù)庫(kù)（集）名稱國(guó)內(nèi)金融市場(chǎng)變化對(duì)農(nóng)產(chǎn)品價(jià)格橫向傳導(dǎo)機(jī)制分析數(shù)據(jù)集（2017-2021） 所屬學(xué)科農(nóng)業(yè)經(jīng)濟(jì) 研究主題農(nóng)產(chǎn)品價(jià)格傳導(dǎo) 數(shù)據(jù)時(shí)間范圍2017年1月—2021年2月 數(shù)據(jù)地理空間覆蓋中國(guó) 數(shù)據(jù)類型與技術(shù)格式*.XLSX 數(shù)據(jù)庫(kù)（集）組成包括原始數(shù)據(jù)集和預(yù)處理數(shù)據(jù)集兩個(gè)excel文檔。原始數(shù)據(jù)集文檔包含時(shí)間（年月）、農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)、工業(yè)增加值增長(zhǎng)速度、廣義貨幣供給量、7天銀行間拆借利率、上證綜指、商品房銷售面積、商品房銷售額、房屋銷售價(jià)格等9個(gè)變量，共計(jì)459條記錄。預(yù)處理數(shù)據(jù)集文檔是在原始數(shù)據(jù)集基礎(chǔ)上進(jìn)行的定基折算、減少序列波動(dòng)等預(yù)處理后的數(shù)據(jù)文檔，包含時(shí)間（年月）、農(nóng)產(chǎn)品批發(fā)價(jià)格200指數(shù)取對(duì)數(shù)、工業(yè)增加值同比增長(zhǎng)率取對(duì)數(shù)、廣義貨幣供給量取對(duì)數(shù)、7天銀行間拆借利率取對(duì)數(shù)、上證綜指取對(duì)數(shù)、房屋銷售價(jià)格取對(duì)數(shù)等7個(gè)變量，共計(jì)357條記錄。 數(shù)據(jù)量29.94 KB 主要數(shù)據(jù)指標(biāo)國(guó)內(nèi)金融市場(chǎng)主要月度指標(biāo)與同期農(nóng)產(chǎn)品價(jià)格指數(shù) 數(shù)據(jù)可用性CSTR:17058.11.sciencedb.agriculture.00031DOI: 10.57760/sciencedb.agriculture.00031https://agri.scidb.cn/preview?dataSetId=877bab09989f4e319afdb0fe2d0702ff&version=V1 經(jīng)費(fèi)支持本文得到中國(guó)農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程（CAAS-ASTIP-2023-AII）資助

2023-07-21；

2023-08-16

中國(guó)農(nóng)業(yè)科學(xué)院科技創(chuàng)新工程（CAAS-ASTIP-2023-AII）

魏同洋，E-mail：weitongyang@caas.cn；通信作者徐磊，E-mail：xulei02@caas.cn。