《基于VAR的中国大豆期货价格多因素建模研究.docx》由会员分享，可在线阅读，更多相关《基于VAR的中国大豆期货价格多因素建模研究.docx（38页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、摘 要随着科技的发展和经济全球化的到来，期货市场的发展日趋成熟，期货不止可以为现货交易提供价格参考，同时也被企业和投资人当作一种规避风险的工具，但是期货的价格不是一成不变的，多种“看不见的手”都会对其产生扰动。因此，探究期货价格背后的影响因素，发现期货的价格决定机制便尤为重要。本文立足于期货市场快速发展时期，选取期货市场具有较强代表性的大连商品交易所的大豆期货作为标的，动态分析经济因素和市场因素以及他们相互之间的关联关系对大豆期货价格的影响，以供给冲击、需求冲击、大豆现货价格，芝加哥CBOT大豆期货价格等为影响因子，建立我国大连商品交易所黄大豆2号期货价格影响因子的向量自回归模型。本文运用Ev
2、iews10.0软件进行实证分析，在综合分析考虑影响大豆期货价格的影响因素之后，选取上述5个影响因子建立大豆期货价格的变量向量自回归模型，将包含大豆期货价格在内的六个变量进行时序图检验，ADF单位根检验，格兰杰因果检验后，建立VAR模型，通过表达式分析和脉冲响应函数以及方差分解的动态分析综合研究影响因子对大豆期货价格的波动，从表达式和动态分析两方面研究影响变量对大豆期货价格的影响。利用线性表达式来研究影响因子对大豆期货价格的直观影响，利用脉冲响应函数和方差分解来研究动态影响，得出各个影响因子对于大豆期货价格的影响程度。关键词：大豆期货；期货市场；影响因子；向量自回归模型；脉冲响应函数；方差分析
3、Abstract. With the development of science and technology and the advent of economic globalization, the development of futures market is becoming more and more mature, futures can not only provide price reference for spot trading, but also by enterprises and investors as a risk-averse tool, however,
4、futures prices fluctuate from time to time, therefore, to explore the factors behind the futures price, It is particularly important to discover the price decision mechanism of futures. Based on the rapid development period of futures market, this paper selects the soybean futures of Dalian Commodit
5、y Exchange, which has a strong representation in the futures market, as the target, and considers the factors of the impact on soybean futures prices from both economic and market factors, so as to supply shock, demand shock and soybean spot price. Chicago CBOT soybean futures prices are variables,
6、the establishment of Chinas Dalian Commodity Exchange Yellow Soybean 2 futures price impact factor vector regression model. This paper uses Eviews10.0 software for empirical analysis, after screening and processing the influence factors affecting soybean futures prices, select 5 variables to establi
7、sh the vector regression model of soybean futures price influence factor, and conduct time series test, ADF unit root test, After Grangers cause-and-effect test, the VAR model is established, and the influence factor sits on soybean futures price by expression analysis and pulse response function an
8、d dynamic analysis of variance decomposition, and the influence factor on soybean futures price is studied from the aspects of expression and dynamic analysis. The visual influence of influence factors on soybean futures prices is studied by linear expression, and the dynamic influence of pulse resp
9、onse function and variance decomposition is used to study the influence of each influence factor on soybean futures price.Key words: Soybean Futures; Futures Market; Impact Factors; Vector Self-Regression Model; Pulse Response Function; Variance Analysis III目 录1 导 论11.1研究背景和意义11.2文献综述11.3研究过程及方法22 大
10、豆市场的基本情况32.1 大豆简介32.2 大豆期货成交量情况32.3 世界主要大豆生产国42.4 我国大豆期货市场近况53 影响大豆期货价格的因素53.1大豆供给情况53.2大豆需求情况53.3大豆现货价格53.4大豆下游行业情况63.5汇率变动因素73.6 芝加哥CBOT大豆期货83.7自然因素104 基于VAR模型的我国大豆期货价格影响因素的实证分析104.1 影响因子的选择和处理104.2 数据平稳性检验114.3 格兰杰因果检验134.4 向量自回归模型建立144.5 AR根检验174.6 脉冲响应174.7 方差分解195 实证分析结论及建议206 结 论20I1 导 论1.1研究
11、背景和意义近年来，期货市场逐步发展，随着国际关注度的提高和大批资金涌入，大豆期货越来越成为人们投资的热门选择，然而大豆期货价格时有波动，如不加以研究及发现价格变动规律，可能会为投资者带来损失，因此，发现大豆期货价格决定机制，研究大豆期货的价格影响因素十分关键，在综合比较后，本文选择大连商品交易所的黄大豆2号期货，分析其影响因子，并结合向量自回归模型进行研究分析。在经济问题中，向量自回归模型（VAR）已经广泛地应用在国民经济或者货币经济问题中，但是直接应用于期货价格的研究并不是很多。在期货市场中，影响一个商品期货价格的因素很多，有微观因素也有宏观面因素，比如市场上对现货商品的需求和供应、产品原材
12、料的供给、外部经济环境、自然气候、市场重大消息等等都会对期货产品的价格产生或多或少的影响。而在繁多的影响因素中，有些因素的变化是突发性的，比如战争、自然灾害、一个国家政治经济制度的突然变动等等，与此同时，期货价格本身发生变动时也会相应地影响地对这些市场因素产生冲击。为了找出这些冲击会对期货价格的作用产生多大的影响，以及这些影响能够维持多久的时间，我们将会使用脉冲响应函数来解决这一问题。在面临我国大豆自身增产有限、国际价格不断上涨的情况下，大豆产业链中的各级经营商都需要通过有效的期货市场来进行大豆或者下游产品的套期保值，以此来转移和规避大豆的价格风险，而市场中存在的投机者也希望能够抓住大豆的价格
13、波动，进行投机操作，从而获得一定的效益。在这样的背景下，运用向量自回归的方法研究影响因子对大豆期货价格的冲击作用，可以更好地对大豆的价格进行判断预测，因此对市场参与者进行投资有着实际性的指导意义。 余露.基于SVAR的中国天然橡胶期货价格的多因素建模研究D.上海交通大学,2014.1.2文献综述在国内外现货市场及期货市场的经济学分析研究中，通过模型进行分析验证最常用的方法。柳西强、李伟（2010）在其文章中分析研究铜铝锌三个有色金属品种的期货市场时，便是通过向量自回归模型对铜铝锌三大品种的价格存在何种关系，以及相互之间存在何种影响进行了经济学分析。 柳西强,李伟.基于向量自回归模型的有色金属期
14、货市场分析J.科教导刊(中旬刊),2010(04):62-63.李丹、崔日明（2011）在研究石油价格变动的影响因素时，模型的构建反应出自变量间的当期结构性关系，进而通过自变量与因变量之间的相互反馈、互相影响的机制构建出结构自向量回归模型，以模型的方式简化分析过程，最终得出在国际油价变动的过程中，需求冲击起到的影响作用最大。余露（2014）在研究中国天然橡胶期货价格波动时，也是通过结构向量自回归模型的构建，从市场和经济两个角度出发并充分结合期货衍生品市场的实际状况和特点，分析天然橡胶期货价格发生波动的原因，全面科学的分析了影响价格的因子变量。 张兵，张丹在研究大豆期货价格发生波动的原因时，通过
15、向量自回归模型的运用，结合2003年起9年间CBOT大豆期货价格的每月数据，从不同类型的主体为出发点研究分析了对大豆期货价格变动的原因，最终得一些出投机力量起到积极促进大豆期货价格上涨的作用，尤其是非商业净头寸的变动呈正反馈作用；而从长期来看，商业净头寸变动产生的影响作用极小，甚至几乎没有。张兵,刘丹.不同类型主体对大豆期货价格波动的影响分析基于向量自回归(VAR)模型冯娟，柯佑鹏，赵朝飞在研究天然橡胶现货价格与期货价格之间的关系时，采用了误差修正模型、协整性检验、格兰杰因果检验以及单位根检验等多种检验方法，并以上海期货交易所的数据变化为基础展开分析，最终得出天然橡胶现货价格与期货价格存在因果
16、关系，并长期关联，在很大程度上起到相互影响的作用。冯娟,赵朝飞,柯佑鹏.天然橡胶期货价格与现货价格波动关系的实证研究J.现代经济(现代物业下半月刊),2009,8(05):10-12+9.柳西强，李伟在研究铜铝锌三个期货品种间相互的影响关系时，以向量自回归模型的建立过程和建立方法为基础进行研究。最终得出，在铜铝锌三个期货品种中，铜因其首先在期货市场上上市，且期货交易较为成熟的特点对其他期货品种的价格影响相对较大，而锌虽然在期货交易市场中上市较晚，但因其活跃程度较高以及经常领先的特点也使其的影响力要大于铝。柳西强,李伟.基于向量自回归模型的有色金属期货市场分析J.科教导刊(中旬刊),2010(0
17、4):62-63.陈方皓在大豆期货价格波动影响因素的向量自回归模型分析一文中，对影响大豆期货价格的因素以VAR模型为基础展开分析，同时结合2003年起9年间大豆价格发生变动的数据，从不同类型的主体为出发点研究分析了大豆期货价格的影响因素和影响程度，最终得出一部分投机力量起到积极促进大豆期货价格上涨的作用，尤其是非商业净头寸的的变动呈正反馈作用；而从长期来看，商业净头寸变动产生的影响作用极小，在大豆价格变动中起到负反馈作用的是总持仓量，并且随着时间的推移，持续的投机会产生负面效应。陈方皓.大豆期货价格波动影响因素的向量自回归模型分析J.农业经济,2016(02):129-131.向量自回归模型是
18、对现有变量的滞后变量进行回归，该模型在1980年由Christopher Sims提出。向量自回归模型是对AR模型的拓宽和延伸，因其可以没有事先约束条件的前提下进行分析，研究内生变量的动态发展，成为被广泛使用的分析模型。两位计量经济学家Amisano and Giannini在1997年出版的著作中，识别和估计模型时使用了新的方法，并且得出预测误差方差分解系数和结构性脉冲响应函数渐进分布的估计结果，并在此之上得出渐近置信区间的最大似然估计。1.3研究过程及方法本文选取大连期货交易所的黄大豆2号期货价格作为实证分析研究对象，运用向量自回归（VAR）对其价格可能存在的影响因素进行建模分析，尝试分析
19、出对大豆期货价格影响因素较大的变量。经过分析之后，共选取了农产品价格指数，大豆进口价格指数，大豆出口数量指数，大豆现货价，CBOT大豆期货收盘价5个影响因子，加上大连期货交易所黄大豆2号期货的价格，共6个变量进行向量自回归模型的构建，得出对大豆期货价格有影响的因素。本文结构如下：第一章：导论介绍对大豆期货进行因素分析的经济环境，研究分析现存国内外大豆期货市场有关一手资料、相关著作等，剥离出本文的研究方法、总结研究思路，派生文章的框架，阐明本文的创新点。第二章：大豆市场的基本情况本章简略科普大豆的性质与作作用，简单介绍了大豆市场的现状，包括大豆的成交量，主要产地等，并介绍了我国大豆市场的基本情况
20、及发展过程。第三章：影响大豆期货价格的因素本章从多个方面，选取多个可能对大豆期货价格产生影响的因素进行分析，共包含大豆的供给，需求，大豆现货价格，下游行业情况，汇率变动，芝加哥CBOT大豆价格以及自然环境因素共七个因素进行分析第四章：基于VAR模型的我国大豆期货价格影响因素的实证分析 本章是论文的理论基础与重点。结合上文介绍的对我国大连商品交易所的大豆期货价格有影响的因素，对影响因素从供给、需求和经济因素方面进行筛选和处理，从而选取5个影响因子变量共6个时间序列对大豆期货价格的影响因子进行实证分析，从表达式分析和动态分析入手，得出对大豆期货价格有影响的因子变量之间的相互关系。通过构建我国大豆期
21、货价格影响因子的模型，运用脉冲响应函数和方差分解等动态分析方法对模型进行研究， 第五章：实证分析结论及建议根据上一章实证分析结果得出结论，并提出相应的指导建议。第六章：结论本章作为全文的总结。对论文的研究分析做概括性论述。2 大豆市场的基本情况2.1 大豆简介大豆，又名黄豆，属一年生豆科草本植物。 中国已经种植大豆已经有4700多年历史，是大豆最早的产地之一，而欧美国家的大豆种植历史相对较短，直到19世纪末才从中国引进，随后发展种植。到了20世纪30年代，大豆已经在世界范围内开始种植。大豆是一种重要的粮油作物兼用农产品，既能食用，又可用于榨油。大豆是油料作物，产出的豆油是世界植物油最主要来源，
22、其剩余产物也是蛋白饼粕的主要提供者，具有很高的经济价值。每1吨大豆可以制出大约0.2吨的豆油和0.8吨的豆柏。用大豆制取的豆油，油质好，营养价值高，是一种主要食用植物油。作为豆油榨取后的首要产物，被广泛应用于鸡，猪，牛等家禽的蛋白质补充，还有少量被用于医药行业和酿酒业. 陈方皓.大豆期货价格波动影响因素的向量自回归模型分析J.农业经济,2016(02):129-131.2.2 大豆期货成交量情况选取2009年1月至2020年1月，大连商品交易所黄大豆2号期货每季度交易量绘制下图2-2，从图中可看出自2017年以来我国大豆期货交易量显著提升，迅速达到峰值，随后有所回落，随后处于震荡。图2-2 黄
23、大豆2号期货成交量走势图数据来源：wind2.3 世界主要大豆生产国世界主要大豆生产国为中国，美国，巴西，阿根廷，由图可见，我国大豆生产水平一直处于较低状态，最初，美国为世界最大大豆生产国，而在近些年，巴西的大豆产量迅速增加，已经逐步超过美国，但美国仍然在大豆的生产中占据重要位置，而巴西，阿根廷虽产量多，但经济相对落后，因此我国大豆期货价格仍然会受芝加哥CBOT大豆期货价格的影响，这一点将在后文加以说明。图2-3 1999-2019大豆主产国大豆产量数据来源：wind2.4 我国大豆期货市场近况2002年3月，进口转基因大豆由于我们国家政府对于转基因技术管理工作条例的颁布和相关政策的实施，暂时
24、无法直接参与国际期货交割，因此，大连商品期货交易所把原有的大豆期货合约拆分为两类，黄大豆1号期货合约以食用为的以非转基因大豆为标的物，黄大豆2号期货合约以主要用来榨油的转基因、非转基因大豆为标的物。 随着我国近年来榨油产业的不断发展，榨油用大豆越来越被我国市场青睐，并逐步形成了完整的产业链，大豆的生产、流通和加工的规模都在逐步扩大。黄大豆2期货合约把大豆的含油量作为衡量价格的指标，这样可以满足榨油企业套期保值的需求，而且能够吸引更多的以大豆压榨为主的企业积极参与大豆期货套期保值，从而能够规避大豆交易和国际贸易中的价格风险，大大降低了企业生产经营的不确定性。3 影响大豆期货价格的因素3.1大豆供
25、给情况国际因素：全球大豆有两个主产地，分别是南北半球，以收获期不相同而划分，位于南美洲的巴西，阿根廷收获期为每年4-5月份，而地处北半球的美国，中国收获期为每年9-10月份，因此，大豆的集中供应期间隔大约为6个月。此外，全球最大的大豆供应国为美国。国内因素：大豆为一种常见农产品，但作为一种农产品，其生产和交易具有很大的不确定性，第一，根据其种植收获时间不同，其价格会有很大变动，在收获期价格相对较低，而其他时间则相对较高。第二，在其生长期内，气候条件，生长状况，收获产量状况都会进一步影响价格。3.2大豆需求情况国际市场：大豆主要进口国为位于欧亚大陆的英国、法国、中日和东南亚等国家和地区，其中欧盟
26、和日本进口量较为稳定，而中国和东南亚进口量变动较大，容易受经济因素制约，从而影响国际大豆市场价格。国内市场：我国是国际大豆市场最大的进口国之一。因此，国际价格水平和进口量的大小直接影响国内大豆价格。我国国内对大豆的需求分为食用需求和非食用需求，在食用需求方面，大豆食用在我国历史悠久，食用消费变动较少，几乎不能影响价格，而在非食用方面，我国近年来压榨需求比重逐年上升，变化幅度较大，因此对价格影响较大。3.3大豆现货价格大豆作为一种农作物，其现货价格受农业政策，贸易政策，视频政策等多种因素的影响，大豆期货作为重要的金融市场套利工具，其直接标的物为黄大豆，因此，大豆的现货价格会直接影响其期货价格。图
27、3-3 大豆现货价格走势 数据来源：Wind3.4大豆下游行业情况豆粕行业：豆粕行业对于大豆价格的影响分为豆粕的供给和需求两个方面。豆粕的供给方面，影响大豆期货价格的主要指标有1.前期库存量，它反映着当下豆粕库存是否紧张，短缺或充裕都会对期货价格有所影响2.当期生产量，当期产量为一个不确定的变量，它能反映出当下市场豆粕的产出能力，以此为依据对未来产生预期3.豆粕进口量，我国为世界上最大的大豆进口国，同时对豆粕的需求量也是日渐增多，推动大豆需求量增多，因此对大豆价格是利好。豆粕的需求方面，由于储存时间较短。在北方，豆粕一般可以保存7-8个月，而在南方只能保存3-4个月，储存期限相对较短使得豆粕在
28、现货市场的周转速度较快，商家都倾向于能够尽快完成交易。如果未能及时销售，豆粕的质量可能会有所下降，便会影响到商家销售，甚至可能出现亏损。豆粕的这一特性决定了大豆存储，集中供应，一旦出现情况，地区豆粕价格会立即下降。从而会相应的影响大豆价格，使之出现相应的下跌。图3-4 大商所豆粕期货价格走势数据来源：金投网豆油行业：同豆粕行业类似，豆油行业对于大豆价格的影响同样分为供给和需求两个方面，主要进行以下几点分析：一是豆油产量的绝对数量及同比、环比涨跌； 二是豆油的出口数量及同比、环比涨跌； 三是豆油行业利润情况及开工情况； 四是豆油行业面临的政策性风险。主要是来自于国外的反倾销风险。大商所豆油期货价
29、格走势 数据来源：金投网3.5汇率变动因素因为大豆的主产地为美国，巴西，阿根廷等国家，而我国与欧盟，日本等国家和地区为主要消费国，因此，各国之间货币汇率的变动也一定会对大豆价格产生影响。其中，人民币兑美元，人民币兑日元，人民币兑欧元，美元兑日元等重要汇率尤其需要额外注意，汇率的变动会使大豆的进口价格发生较大波动，从而影响我国国内的大豆价格。对于我国大连期货交易所来说，美元的汇率变动尤其重要，因为美元是世界主要流通货币，同市美国又是最大的大豆出口国，因此美元汇率的波动会导致大豆进口价格变化，从而对我国国内大豆价格产生影响，一般情况下，美元汇率变动与大宗商品交易价格间呈负相关关系。图3-5 人民币
30、兑美元汇率 数据来源：新浪财经3.6 芝加哥CBOT大豆期货美国芝加哥期货交易所于18世纪建立初期，就出现了大豆期货合约，至今已有悠久的历史，我国期货交易市场相对建立较晚，品种出现相较于美国有所落后，1993年大连商品交易所建立后，农产品期货种类才日趋丰富，但由于美国为大豆主要产地，美国具有定价上的相对优势，因此我国大豆期货价格受美国大豆价格影响仍然较大。但我相信，随着我国综合实力的不断增强，我国在国际上的地位日渐提高，我国大豆期货价格受制于美国的情况会日益减少。图3-6-1 大商所2019年黄大豆2号期货交割情况 数据来源：大连商品交易所选取芝加哥期货交易所CBOT大豆与我国大连期货交易所黄
31、大豆2号同时期收盘价格走势图进行比较。图3-6-2 CBOT美大豆主力走势图图3-6-3 黄大豆2号走势图 数据来源：金投网3.7自然因素大豆为农作物，因其生长易受环境，季节，病虫害等因素的影响，因此在大豆自然生长直至收获期间，肯定会有环境，季节等不确定因素影响大豆价格，因此，自然因素对于大豆价格的影响主要有以下几方面：季节因素：大豆根据播种时间的不同可分为春播和夏播，但两种大豆收获时间大致相同，均为每年9-10月，当进入大豆的收获季，则大豆价格可能会有所下降，当进入淡季时，大豆价格会有所上升。环境因素：由于大豆主要生长在北美，南美地区，因此大豆产量可能会受到龙卷风，干旱等气候因素的干扰而有所
32、波动，如果因为气候因素导致大豆产量下降，则大豆市场价格会相应有所提高。病虫害等因素：病虫害会影响大豆的生长，甚至使橡大豆死亡，因此定期观察病虫害对分析大豆的产量及价格也有着重要的意义。4 基于VAR模型的我国大豆期货价格影响因素的实证分析4.1 影响因子的选择和处理在上一部分分析了影响我国大豆价格的因素之后，为构建大豆期货价格的VAR模型，需要对上部分所选影响因素进行选择和处理。分别从大豆的供给，需求，以及其他经济因素三个方面进行变量的选择：（1）为了描述影响大豆价格的供给冲击，我们选取农产品生产价格指数来衡量国内市场供给对大豆价格的冲击;（2）为了描述影响大豆价格的需求冲击，我们用进口价格指
33、数来度量国内对大豆的需求量，用出口价格指数来度量国内对大豆的需求量;（3）为了描述影响大豆价格的经济因素冲击，我们从众多经济因素中选取较具代表性的大豆现货价格和CBOT大豆期货价格作为变量。由于CBOT大豆期货计量价格计量单位为美分/蒲式耳，而我国大豆期货计量价格为元/吨，因此在进行数据分析前已结合同期汇率将数据单位统一为元/吨。综上所述，我们从供给，需求，其他经济因素三个方面选取农产品价格指数，进口价格指数，出口价格指数，大豆现货价格，CBOT大豆期货价格共五个变量建立VAR模型对大连商品交易所大豆期货价格进行分析，数据选取2015年1月至2019年12月的月度同比数据，较为全面地从经济和市
34、场两个方面全方位地对我国大豆期货价格影响因子进行分析。并给予如下赋值：变量赋值黄大豆2号的期货收盘价Y农产品价格指数X1大豆进口价格指数X2大豆出口价格指数X3大豆现货价X4CBOT大豆期货收盘价X5本文实证分析采用eviews10进行实证分析。4.2 数据平稳性检验4.2.1 时序图检验：从下面图3-2-1各变量的时序图可以看出，X1存在整体的略微上升趋势，X4、X5存在整体略微下降的趋势，其他变量几乎围绕一定的均值上下波动。整个样本期各个变量中大部分变量随着时间的推移趋势都相对较弱，因此初步判断模型符合平稳性要求。图4-2-1 原始数据时间序列图4.2.2 ADF单位根检验：为了保证数据平
35、稳性，避免出现伪回归的情况，进一步用ADF单位根检验对所有变量进行平稳性检验。从表3-2-2可以看出，序列Y、X1都不平稳，且在一阶差分后均平稳；另外，X2、X3、X4、X5本身均平稳；因此一阶差分后的Y、X1与原序列X2、X3、X4、X5构成平稳序列，接下来就可以利用该平稳序列进行研究。变量ADF统计量5% levelp值结果Y-1.711007-2.9145170.4203不平稳DY-7.534144-1.9468780.0000平稳X1-1.491524-2.9165660.5303不平稳DX1-3.651468-1.9469960.0005平稳X2-4.257572-2.9145170
36、.0013平稳X3-5.310369-2.9145170.0000平稳X4-3.090745-2.9155220.0331平稳X5-2.983026-2.9155220.0428平稳表4-2-2 ADF单位根检验4.3 格兰杰因果检验针对平稳序列可以建立VAR模型，在建立模型之前进行格兰杰因果检验，为了防止出现伪回归的情况，且模型有意义。结果如表3-2-3所示，至少在显著性水平为0.05时，DX1不是DY的Granger原因的概率为0.02670.05，说明农产品价格指数是中国大豆期货价格的格兰杰原因；同理从表中还可以看出X3是DY的Granger原因；而在显著性水平为0.1时，X2、X4也是
37、DY的格兰杰原因；以此类推。可以看出农产品价格指数，大豆进口价格指数，大豆出口价格指数，大豆现货价对中国大豆期货价格均有一定的影响。另外，可以看出各变量相互间具有影响作用，且建立VAR模型具有一定的价值与意义。表4-3 格兰杰因果检验4.4 向量自回归模型建立4.4.1 最佳滞后阶数选择首先用默认的滞后二阶建立VAR模型，再确认最佳滞后阶数。结果如表3所示，在二阶中出现星号最多，且包含AIC最小，因此说明适合建立VAR(2)模型。表4-4-1最佳滞后阶数4.4.2 VAR（2）模型参数估计模型参数估计结果如表3-3-2所示。本文想要研究中国大豆期货价格的多因素影响，因此将代表中国大豆期货价格的
38、Y作为因变量，将上文所选的各个影响因素即农产品价格指数（X1），大豆进口价格指数（X2），大豆出口价格指数（X3），大豆现货价（X4），CBOT大豆期货收盘价（X5）作为自变量。其中每个变量都对应关于因变量的系数，标准差，T统计量。根据滞后二阶的模型拟合结果来看，DY方程拟合程度达到了0.340222，DX1方程的拟合程度达到了0.720295，以此类推。整体来说模型拟合程度较好，更何况若为了研究变量间的关系模型的拟合程度不是分析重点，稍微低点也没关系。从模型估计系数来看，根据DY方程，从模型估计参数的绝对值来看，对DY影响最大的是DX1滞后二期，其次是DX1滞后一期。说明农产品价格指数对中国
39、黄大豆2号期货价格有较大影响，其次是X2滞后二期、滞后一期，说明大豆进口价格指数对中国黄大豆2号期货价格也有较大影响。同时，在DY方程中，可以看出DX1在滞后一期为负向影响，在滞后二期却为正向影响；同样X2也是。说明变量在随着时间的推移对中国黄大豆2号期货价格的影响是会变化的，后期还会通过脉冲响应分析这种影响是否会趋于稳定。VAR参数模拟估计见下表表4-4-2 模型参数估计4.5 AR根检验根据选定的滞后阶数做出合适的向量自回归模型以后，并不意味着模型可以立即使用，需要对模型的稳健性检验，因此需对该模型进行单位根检验，结果如图2所示，所有的点都位于单位圆内，因此模型是稳健的，具有很强的解释力，
40、可以进行下一步操作。图4-5 AR根检验结果4.6 脉冲响应虽然在自回归的方程式中，可以简单看到各个变量对于因变量的影响系数大小，但在自回归模型中，方程式并不是研究重点，紧跟其后的脉冲响应函数和方差分解才是观察的主要对象。图4-6-1 脉冲响应图-合并图4-6-2 脉冲响应图-分解在模型拟合效果优良的基础上，输出的脉冲响应函数图如图3和图4所示。分别给出各变量对DY的冲击影响的合并及分解图。总体来看，各个变量对中国黄大豆2号期货价格的冲击在第四期之前较大，在第四期之后趋于平缓并收敛，说明模型拟合较好。分别看每个变量对中国黄大豆2号期货价格的影响，中国黄大豆2号期货价格对自身的冲击是最大的，在一
41、到二期为负向冲击，且冲击较强，二到四期上下波动，之后趋于平缓；同样可分析其它反映股票市场的变量对经济增长的影响。4.7 方差分解图4-7-1 方差分解图-合并图4-7-2 方差分解图-分解PeriodS.E.DYDX1X2X3X4X51139.7609100.00000.0000000.0000000.0000000.0000000.0000002146.591898.468590.2069480.0135550.2793450.8769310.1546333160.745681.916067.4501075.6117240.3895023.9077070.7249034165.252677.
42、626919.3799556.0663450.4874265.7370080.7023545166.822976.549489.3739976.0082440.6471936.6577730.7633136167.873275.667459.3993856.3121100.7535067.0912690.7762817168.782274.860359.7720236.4779900.8185637.2897640.7813128169.561674.1775410.288666.4915110.8602907.3486800.8333149170.240973.6109210.747866.
43、4490880.8823587.3368170.97295910170.791373.1796511.061746.4076750.8902197.3048851.155836表4-7-3 方差分解表5 实证分析结论及建议从上一章DY的方差分解图和包含具体数据的表格中可以看出，在第一期对于方差贡献更多的是自身，在第二期的时候方差贡献最多的仍然是自身，其次是X4。除了自身的影响外，在长期稳定后DXI对DY影响最大，且影响长期稳定在11%左右，说明农产品价格指数是中国大豆期货价格的重要影响因素；其次是X4，对DY的影响稳定在7%左右；再次是X2，稳定在6%左右，说明进口大豆数价格指数和大豆的现货价
44、同样对中国大豆期货价格有较大的影响。X3和X5即大豆出口价格指数和CBOT大豆期货收盘价对中国大豆期货价格的影响相对较小。建议：我国农产品价格波动对大豆期货价格影响较大，为稳定农产品价格，需政府加强建设农产品市场，抵御来自农产品生长运输过程中的不确定因素。此外，我国为世界最大大豆进口国，大豆进口价格指数反应大豆进口价格情况，而现货价格能反映出现货市场的供求情况，因此，大豆进口价格指数与现货价格对大豆期货价格影响较大，我国只有不断提升综合国力，同时出台一系列政策支持保护农产品交易，才能在大豆期货现货的定价中有越来越重的话语权。6 结 论自2008年世界金融危机以来，各国政府积极刺激本国经济复苏，
45、全球经济复苏加快，中国，美国，欧元区，日本等经济体对全球经济复苏起到至关重要的作用，当前世界经济处于后危机时代的转型调整期，全球经济运行的突出特征表现为复苏步伐逐渐加快，动能不断增强，未来一个时期，全球经济的增速有望超过1980年至2017年的均值。全球劳动力市场持续改善。美日欧劳动力市场已基本从经济危机的影响中脱离出来，伴随着全球经济活动的复苏，油价和农产品价格的稳步回升，美国、日本、欧洲等主要经济体工资收入加速增长等原因，全球主要经济体的通胀水平在波动中不断抬升。本文正是在这样的经济背景下，选取我国大商所的黄大豆2号期货作为研究对象，通过建立向量自回归模型，并结合供求因素和其他经济因素，得出对我国大豆期货价格有影响的影响因素。在建立模型之前，我们首先对可能影响大豆期货价格的一些影响因子做了选择和理，最后选择了农产品价格指数，进出口价格指数，大豆现货价格，CBOT大豆期货价格加上大商所大豆期货价格本身共六个变量，在进行时序图检验，ADF单位根检验，格