您的位置首页  外汇期货

中国有外汇期货吗农产品期货市场与外汇市场联动关系研究

  • 来源:互联网
  • |
  • 2016-08-20
  • |
  • 0 条评论
  • |
  • |
  • T小字 T大字

二是进行Pesaran边限协整检验,确定ARDL模型的形式。根据上步所选出的滞后期,对变量进行Pesaran协整检验。根据所得值与边界临界值的对比结果,判断变量间是否存在长期协整关系。如果存在,则引入ARDL模型。

由下表可以得出变量间的长期关系方程:

Z:\KT2016\160808c1.tif(2-1)

从长期来看,美豆期货价格和人民币兑美元汇率对我国大豆期货价格具有长期均衡的影响,并且由长期均衡方程式(2—3)可知,我国大豆期货价格关于美豆期货价格的长期弹性为0.021827,而汇率变化对我国大豆期货价格产生-4.2584的影响。

如上表所示,将滞后2期的ARDL—ECM模型得到的对原假设H0:γ0=γ1=γ2=γ3=γ4=0的联合显著性检验的F统计量,与Pesaranetal(2001)给出的临界值表进行比较。我们发现,当不含趋势项时,F统计量值4.4245大于10%置信水平的F检验的4.14,而其他条件下均不成立。因此,当模型不含趋势项时,在10%显著性水平下,变量之间不存在长期关系的零假设,即变量间存在长期的稳定关系。

一个典型的ARDL(p,q1,q2qk)模型的结构如下:

表为边限协整检验

基于太长的滞后阶数可能会导致序列相关的问题,本文将最大滞后阶数选为四阶。根据一阶差分变量的各滞后阶数,得到相应的AIC值、SBC值、滞后一阶和四阶的LM序列相关统计量,结果如下表所示:

为了更进一步确认最佳滞后期为2,并且确定模型无趋势项时最优,接下来,对(2—1)式中水平滞后2期的变量间的协整关系进行Pesaran边限协整检验。

一是建立与该ARDL模型相对应的误差修正模型(ARDL—ECM)。首先充分滞后ARDL—ECM模型中的各差分变量,然后在此基础上,确定最佳滞后期时,根据序列相关的LM统计量和AIC、SBC准则进行判断。

相关数据选取及模型检验

为了减少对国内农产品的消费,就必须提高农产品价格。就目前我国的现状来看,生产成本和运输成本共同构成了农产品价格。一方面,企业应该加大科研力度,培养高科技人才,加强原材料的使用效率,杜绝浪费,同时要研发高品质种子,增加产量;另一方面,减少运输成本,加强农业经济的集中化生产和区域化经营。

dLP=0.080713dLUSP-0.091229dLCPR+0.34183dC

增强市场主体预判价格的能力

优化流通渠道并完善产业结构

Φ(L,P)=1-Φ1L-Φ2L2--ΦpLp(1-1)

表为各变量ADF单位根检验结果从上表可以看出,数据在5%的显著性水平下,LP、LUSP、LCPR为一阶单整序列。在这种情况下,传统的Engel和Granger(1987)、Johansen(1992)协整检验方不再适用于对变量间长期协整关系的检验。那么,本文将采用Pesaranetal(2001)提出的边限协整检验方法进行分析。

工作的主要目标是实现国际贸易收支顺差,当本币升值时,以本币标价的农产品价格上涨,进口量增加,出口量减少,但是以外币标价的农产品相对价格则会下降,出口量减少,这可能会造成收支逆差。因此,当汇率变动时,应制定相应的财政政策和税收政策,来调节农产品的进口量和出口量。比如,对出口企业给予相应的补贴,加大农产品的关税,调节进出口状况等。

H0:γ0=γ1=γ2=γ3=γ4=0

政策

目前,投资者可以买卖外汇获取价差收益,还可以利用汇率规避农产品期货市场风险。对货币及监管者而言,可以根据农产品期货市场与汇率的变化关系,适当调节汇率的变动幅度,以稳定农产品物价水平,维持经济稳健发展。

此时,F检验存在两个临界值,当所有变量为I(0)序列时,存在最低值;当所有变量为I(1)序列时,存在最高值。当F统计量大于最高值时,则原假设,通过检验;当F统计量小于最低值时,则不能原假设;当F统计量处于两者之间时,则无法判断。

使用ARDL模型和Pesaran边限协整检验建模的步骤如下:

LP=15.9562+0.021827LUSP-4.2584LCPR(2-3)

从长期来看,人民币兑美元汇率对我国农产品期货价格具有长期均衡影响

首先为了消除异方差性,对所有变量取对数,分别记为LP、LUSP、LCPR。在进行分析前,为选择合适的计量方法,回避计量分析中出现的“伪回归”问题,先要对相关变量进行平稳性检验,若数据在5%显著性水平下原假设,则认为该序列是平稳的。本文采用迪基富勒的ADF检验(Dicky—Fullertest),检验结果如下表所示:

当人民币波动幅度加大时,我国的相对购买力减弱,国际物品相对价格则上涨,导致农产品进口量减少,出口量增加,我国农产品价格就会相对较低。为了达到贸易收支平衡,我减少农产品消费,国内农产品价格上升,企业就可以增加对进口农产品的购买,从而减少对国内农产品的消费。

下面对ARDL—ECM模型提出假设:

H1:γ0,γ1,γ2,γ3,γ4不全为零(2-2)

在Microfit4.1软件中,首先充分滞后模型(2-1)式中的各差分变量。其中,最佳滞后期依据AIC、SBC准则和序列相关LM统计量进行选择,即先给定一个最大的滞后期p,然后从1到p逐个对模型(2-1)进行普通最小二乘法(OLS)估计,得到每个模型的AIC和SBC值,并对每一个滞后期模型进行残差一阶和四阶序列相关性检验。

重视汇率波动对国际收支的调节国家汇率对该国农产品期货价格变动的影响,主要在于不同的国际贸易特点及供求关系,并不是该商品对外依存度的大小。例如,我国大豆对外依存度较高,受国际供给方的影响较大,大豆主要用于国内消费,并不依赖出口。然而,各农产品价格主要与其不同的市场供求有关,农产品与汇率价格的相互影响,主要在于该品种是国内供给为主还是国外进口为主。

公式(2—4)显示了我国大豆期货价格对于美豆期货价格和人民币兑美元汇率的短期弹性,其误差修正项ecm(-1)的系数为-0.0214230。这意味着我国大豆期货价格和美豆期货价格、人民币兑美元汇率之间即使出现了暂时的非均衡,在误差项的作用下,模型也将以-0.021423的调整力度把非均衡状态拉回到均衡状态。

p表示yi滞后的阶数,qt表示第i个自变量xu滞后的阶数,i=1,2,k。L是滞后算子(LagOperator),它可用下式定义:Lyt=yt-1,Wt是S行、1列的确定向量。

在ARDL模型滞后阶数的确定中,AIC、SBC准则以及Pesaran边限检验是有效的方法,以下检验过程均采用Microfit4.1软件完成。

本文选取的数据是大连豆一主力合约收盘价(大豆进口国是美国)、美豆连续收盘价、人民币兑美元汇率中间价,分别定义为P、USP、CPR。本文选取的样本区间为2015年2月5日至2016年7月31日,采用每日交易数据,并剔除中美两国交易所的节假日,数据来源于同花顺和中国人民银行。

表为长期关系及误差修正模型估计结果进一步得出变量的误差修正模型:

Pesaran边限协整检验基于ARDL模型进行,在变量间存在长期协整关系的情况下,估计变量间的相关系数。其主要特点是对变量间协整关系的判断运用的是边限检验法(BoundsTest)。

农产品期货市场与外汇市场联动关系研究

三是估计变量间的短期动态关系和长期均衡关系。

加强对国际短期资本流动监管

-0.021423ecm(-1)(2-4)

验对变量均为同阶单整的要求,该模型在处理变量最高阶数不超过一阶的不同阶变量时有很好的应用。同时,该模型对小样本数据进行了很好的分析验证,还可以在过程中考虑变量滞后项的影响。另外,ARDL模型经过简单变换就可以得到ECM误差修正模型。

在进行Pesaran边限协整检验之前,先建立自回归分布滞后模型和误差修正模型(ARDL—ECM):

另外,从短期动态关系来看,我国大豆期货价格对美豆期货价格的短期弹性约为0.080713,这说明美豆期货价格变化1%将导致我国大豆期货价格变化为0.080713%;我国大豆期货价格对于人民币兑美元汇率的短期弹性约为-0.091229,这说明人民币兑美元汇率变化1%将导致中国大豆期货价格变化-0.091229%。

βi(L,qi)=1-βi1L-βi2L2--βitLqt(1-3)

表为AIC、SBC信息准则与序列相关LM统计量由上表的结果可知,当无趋势项时,根据AIC信息准则滞后期选择2期,SBC信息准则选择滞后1期;当有趋势项时,AIC信息准则选择滞后2期,SBC准则选择滞后1期。进一步考虑滞后一阶和滞后四阶的LM序列相关统计量。LM统计量表明,无论模型有无趋势项,在滞后2期且在无趋势项的情况下,变量间无明显的序列相关问题表现更优。因此,选定模型的最佳滞后期为2。

接下来估计ARDL模型,所估计的ARDL模型为ARDL(1,2,0)形式,结果如下表所示:

其中Φ(L,P)=1-Φ1L-Φ2L2--ΦpLp(1-2)

如果某一滞后期使得模型(2-1)估计的AIC值和SBC值都最大,则选择该滞后期为模型(2-1)的最优滞后期;如果AIC值和SBC值选择的最优滞后期不一致,则尽量选择多个可能的滞后期估计模型进行比较。比如,接下来使用的边限协整检验,最终确定一个最优的滞后期。

农产品期货市场的健康发展离不开市场机制的有效发挥,应充分利用农产品期货的价格发现功能,在期货市场上进行公开买卖,间接合理地引导预期。对农产品交易商而言,应正确使用期货金融工具来制定产销决策,从而改善以往信息不对称的劣势,合理利用农产品期货价格对现货价格的预判指导作用,规避现货价格突然下跌或上涨的风险。对于信息较为闭塞的农产品种植农户来说,应充分利用期货价格来预判未来收获期的销售价格,可以更好地组织安排现货生产。

表为ARDL(1,2,0)模型的估计结果由上表可知,无趋势项时,各变量回归结果均显著。因此,本文将以无趋势项的ARDL(1,2,0)模型为基础,建立长期协整关系和ARDL—ECM模型,来研究汇率变动对我国大豆期货价格的长短期影响。

免责声明:本站所有信息均搜集自互联网,并不代表本站观点,本站不对其真实合法性负责。如有信息侵犯了您的权益,请告知,本站将立刻处理。联系QQ:1640731186
友荐云推荐