9512.net
甜梦文库
当前位置:首页 >> >>

DCE与CBOT玉米期货价格关联性实证研究



安徽农业科学 , Journal of Anhui Agri Sci 2009, 37 ( 30) : 14899 - 14903 . .

责任编辑   章炼红   责任校对   夏蓉

DCE与 CBO T玉米期货价格关联性实证研究
刘川川 ,何凌云 ,安 毅 ,杨 升 ,王 冉  (中国农业大学期货与金融衍生品研究中心 ,北

京 100083)
摘要   基于协整理论 ,对 DCE 玉米期货价格与 CBOT玉米期货价格关联性进行研究 ,发现两者之间存在协整关系 ; 并运用向量自回归模 型 (Vector Auto 2regression Model) ,发现两者存在滞后 5 期的影响 ,前者对后者的滞后期影响不显著 , 而后者对前者的滞后期影响显著并 呈跳跃性影响 ; 运用 Granger因果检验发现两者之间存在双向引导关系 ; 并运用向量误差修正模型 (Vector Error Correction Model) ,发现 两者存在误差修正机制 ; 根据脉冲响应函数发现 ,后者对前者的脉冲响应效率优于前者对后者的影响 ; 并根据方差分解发现两者均受到 来自对方的冲击。 关键词   玉米期货 ; 协整理论 ; 向量自回归模型 ; Granger因果检验 ; 向量误差修正模型 ; 脉冲响应 ; 方差分解 中图分类号  F830. 9; F224. 9    文献标识码  A    文章编号  0517 - 6611 (2009) 30 - 14899 - 05
[1]

   玉米期货市场作为农产品期货市场的重要组成部分 ,其 玉米期货合约在价格先导性、 跨品种套利以及交易保证金等 方面都始终处于核心地位 。自我国玉米期货上市后 ,随着 经济全球化 , 我国玉米期货在大连商品交易所 (以下简称
DCE)上市后 ,与作为世界第一大玉米期货市场的芝加哥期

货交易所 (以下简称 CBOT)的玉米期货与其联系日益密切。 近年来 ,众多学者对 DCE和 CBOT两者之间的价格关联 性进行了研究分析 , 但笔者发现一些研究结论之间是相悖 的。王骏等通过对中美日 3 家期货交易所的玉米期货价格 互动关系与动态预测进行研究 ,提出中美玉米期货市场存在 着协整关系
[2]

现货价格以及 CBOT玉米期货价格之间的联系进行了实证 研究 ,提出 DCE 与 CBOT玉米期货价格之间不存在协整关 系
[3]

向引导关系

关系进行了实证研究 ,提出美国玉米期货市场单项引导中国 玉米期货市场
[4]

货市场、 芝加哥玉米期货市场以及中国大豆期货市场四者之 间的动态关系与相互冲击机制进行了深入研究 ,提出四者之 间具有长期均衡关系的结论 关系
[1] [5]

场进行 了 实 证 分 析 , 提 出 中 美 玉 米 期 货 市 场 存 在 协 整 。 由以上的文献可知 ,大部分的研究没有描述我国玉米期

货市场与国外玉米期货市场在存在协整关系下是否存在滞 后期的影响 ,虽然有部分研究提出了我国玉米期货市场与国

基金项目   国家“ 十一五 ” 科技支撑计划课题 ( 2006BAJ07B02 ) ; 中国农 业大学 - 南京农业大学青年教师开放科研基金 ( CN2007 010) ; 中国科学院许国志博士后工作奖励基金 。 作者简介  刘川川 ( 1986 - ) , 男 , 山东济南人 , 本科 , 专业 : 工商管理 。 3 通讯作者 , E 2 mail: lyhe@ yahoo. cn。 收稿日期  2009 2 2 05 11

An Em p ir ica l Study on the Corn Futures Pr ice Relevance between dec and cbo t L IU Chuan 2chuan et a l  ( Research Center of Futures & Financial Derivatives, China Agricultural University, Beijing 100083 ) Abstract This article aim ed to study on the corn futures p rice relevance between dec and cbot based on Co 2integration Theory, the result showed that there existed a Co 2integration relation between them; Through Vector Auto 2regression Model, it showed that they existed lag five phases effects, and former had no significant effects on the lag phase of latter one while the latter had significant and jump ing characteristics effects on the lag phase of former one; It showed that there were a bi2directional leading relationship and error correction mechanism between them by means of Granger Causality Test and VEC Model Furthermore, according to I . mpulse Response, it showed that the impulse response ef2 ficiency of the latter to the former was superior to the effects of the former to the latter, and two markets receive p rice shocked from each other according to variance decomposition. Key words Corn Futures; Co 2integration Theory; Vector Auto 2regression Model; Granger Causality Test; Vector Error Correction Model; I pulse response; Variance decomposition m

,而丁丽君对 DEC 玉米期货价格与国内玉米

; 王骏等提出 ,大连玉米期货与芝加哥玉米期货存在双
[2]

,而孙月新等对中美玉米期货市场价格之间的

。夏天等基于对中国玉米期货市场、 玉米现

3

外玉米期货市场存在滞后期的影响 ,但所研究的滞后期数不 尽相同 ,此外 ,大部分的研究没有完全针对我国玉米期货市 场和与国外玉米期货市场之间的价格关联功能进行研究 ; 并 且大部分的研究在检验序列平稳时 ,直接采用了原始数据 , 这样避免虽可能出现的异方差的问题 ,但有可能造成研究结 果不准确。 鉴此 ,笔者对 DCE的玉米期货与 CBOT的玉米期货的价

格关联性进行研究。首先 ,基于协整理论检验两者之间是否 存在协整关系 ; 如果两者之间存在协整关系 ,利用 Granger因 果检验研究两者之间的相互引导关系 ; 其次 ,运用 VAR 模型 及 VEC 模型研究两者之间滞后期的影响和误差修正机制 ; 再次 ,利用脉冲响应函数分析两者的脉冲响应效率的表现情 况 ;最后运用方差分解研究各个信息对两者的相对重要性。
1  理论与方法 1. 1   平稳性检验   在经典计量经济学建模过程中 ,通常假

定经济时间序列是平稳的 ,而大多数经济时间序列是非平稳 的 ,如果直接将非平稳时间序列当作平稳时间序列进行回归 分析时 ,则可能会产生“ 伪回归 ” 现象。如果 1 个时间序列 X t 是非平稳的 , 如果这样的序列经过 d 次差分而转换为平稳序 列 , 那么这样的序列被称为 d 阶单整 , 记为 I ( d ) 稳。为此 ,笔者采用 ADF检验法 λ △yt =δ t - 1 + j∑ j △yt - j + ut y =1
p p

;杨传博等对中美玉米期货市

[6]



在进行协整检验之前 , 需要确定经济时间序列是否平
[7]

,模型如下 :

( 1) ( 2) ( 3)

λ △yt =μ +δ t - 1 + j∑ j △yt - j + ut y =1
p

λ △yt =μ +βt +δ t - 1 + j∑ j △yt - j + ut y =1

式中 , yt 为待检验时间序列 ;μ为截距项 ; t为时间趋势 ; p 为 滞后值 ; ut 为随机误差。 δ δ 设零假设 H0 ∶ = 0, 备则假设 H1 ∶ < 0, 若 δ小于临界值 , t 即δ 显著地不为零则拒绝零假设 , 即序列不存在单位根 , 序

14900

           安徽农业科学                          2009 年

列为平稳序列 ; 否则接受零假设 , 即序列存在单位根 , 序列为 非平稳序列。
1. 2   协整检验   如果 2 个时间序列为 yt ∶( d ) , xt ∶( b) , 并 I I

对模型内生变量的相对重要性
2  实证分析

[ 13 ]



2. 1   数据来源   由于我国的玉米期货是在 2004 年 9 月 22

且这 2 个时间序列的线性组合 a1 yt + a2 xt是 ( d - b ) 阶单整 的 , 即 a1 yt + a2 xt ∶( d - b) ( d ≥b≥0 ) , 则 yt xt 被称为是 ( d, b) I 阶协整。记为 yt xt ∶ I ( d, b) C
[8]

日在 DCE 正 式 挂牌 交 易 , 为 研 究 DCE 玉米 期 货 价 格 与
CBOT玉米期货价格的关联性 , 笔者采用从 2004 年 9 月 22



日到 2009 年 1 月 23 日数据作为样本区间。由于每个期货合 约都将在一定时间到期 ,期货价格具有不连续的特点 ,即对 于每 1 个期货合约的时间跨度是有限的 ,任一交割月份的期 货合约在合约到期以后 ,该合约即不复存在。另外 , 在同一 交易日会有若干不同交割月份的期货合约在同时进行交易 , 因此 ,同一期货品种在同一交易日会同时有若干个不同交割 月份的期货数据存在
[ 14 ]

由于该文研究的 DCE 玉米期货价格与 CBOT玉米期货 价格之间的关系 ,只有 2 个变量 ,因此在进行协整检验时可 使用 EG法检验
[9]



( 1 )用单位根法求出 2 个变量的单整阶 ,若 2 个变量的

单整的阶不相同 ,则 2 个变量不是协整的 ; 若 2 个变量的单 整阶相同 ,则可进入下一步检验。
( 2 ) 2 个变量是同阶单整的 ,则用 OLS法估计长期均衡

。为研究的需要 ,采用由近到远第 3

个期货合约的日收盘价格。为保持时间数据的配对 ,剔除 2 个市场之间的非配对数据 ,得到 1 021 组数据。为克服研究 中可能出现的异方差问题 , 对原数据进行对数处理
[ 15 ]

方程即协整方程 : Yt =α +α X t +μ 0 1 t 保存残差 et , 可为均衡误差 μ 的估计值。 t

( 4)

, dce

和 cbot分别代表对数处理后的 DCE 和 CBOT的玉米期货价 格。如无特殊说明 ,该文所有计算均通过 EV iews软件完成。
2. 2   平稳性检验   在对 DCE和 CBOT两者进行协整分析之

( 3 )对于 2 个协整变量来说 , 均衡误差必须是平稳的。

为检验其平稳性 ,对上一步保存的 et 用单位根方法检验。方 程如下 : δ △er =δt - 1 + j∑ Δet - j + 1 +μ e j t =2
p

前 ,首先要确定 2 个期货价格时间序列是否平稳。笔者运用
( 5)

ADF单位根检验法对 2 个期货市场的价格时间序列进行平

δ δ 设零假设 H0 ∶ = 0, 备则假设 H1 ∶ < 0, 若 δ小于临界值 , t 可拒绝零假设 , et 是平稳序列 , 2 个协整变量存在协整关系 ; 反之则不存在协整关系。
1. 3  VAR模型  VAR 模型是动态自回归模型的联立形式 ,

稳性检验。
表 1  dce 和 cbot时间序列平稳性检验结果
Table 1  Sta tionary test results of dce and cbot ti e sequence m

序列
Sequence
dce

检验形式
( C, T, K) Test form ( C, T , 13) ( C , 0, 13) (0, 0, 7) - 2. 121 9 - 1. 764 8 1. 161 2 - 7. 608 0 - 1. 640 0 - 1. 158 1 0. 810 3 - 14. 469 7
AD F

显著性水平 Significance level
1% 5% 10%

最早是由 Sim s于 1980 年提出的。模型如下 :
Yt = A1 Yt - 1 + A2 Yt - 2 + L + Ap Yt - p + B 1 X t + L + B r X t - r + Et

- 3. 967 2 - 3. 436 6 - 2. 567 2 - 2. 567 2 - 3. 967 1 - 3. 436 6 - 2. 567 2 - 2. 567 2

- 3. 414 3 - 2. 864 2 - 1. 941 1 - 1. 941 1 - 3. 414 2 - 2. 864 2 - 1. 941 1 - 1. 941 1

- 3. 129 3 - 2. 568 2 - 1. 616 5 - 1. 616 5 - 3. 129 2 - 2. 568 2 - 1. 616 5 - 1. 616 5

( 6) 1. 4  Granger因果检验   协整关系仅仅说明了 2 个变量之

间的长期均衡关系 ,而无法说明 2 个变量的相互引导关系。 因此 , 需 要 对 2 个 变 量 进 行 Granger 因 果 检 验 如下 : α β X t = i∑ 1 i X t - i + j∑ 1 j Yt - j + e1 t =1 =1 α β Yt = ∑ 2 i X t - i + ∑ 2 j Yt - j + e2 t
i =1 j=1 n n n n

Δdce
cbo t

(0, 0, 12) ( C, T , 5) ( C , 0, 5) (0, 0, 5) (0, 0, 4)

[ 10 ]

。模 型

( 7) ( 8)

Δcbo t

  : C 代表截距项 ; T 代表时间趋势 ; K代表滞后期 ;Δ代表差分算子 ; K 注 根据 A IC准则确定。下同。  Note: C stands for intercep t term; T stands for tim e trend; K stands for lag
phase; Δ stands for difference operator; K determ ined by A IC criteria. The same as follows .

式中 , e1 t和 e2 t是白噪声 , 且不相关。若 βj不为零 , 则说明序列 1 Yt 引导序列 X t ; 若 α i不为零 , 则说明序列 X t 引导序列 Yt ; 若 2 βj和 α i均不为零 , 则序列 X t 和序列 Yt 存在双向引导关系。 1 2
1. 5   向量误差修正模型   向量误差修正模型中的误差修正

   1 列出了 cbot和 dce时间序列平稳性检验结果。由表 表
1 可知 ,从 2 个时间序列的水平值检验来看 , dce 和 cbot 的 ADF值在各个显著性水平上均大于临界值 ,说明这 2 个水平

项可表示对变量长期均衡关系在短期内偏离纠正调节作用 的大小。模型如下
m

[ 11 ]

:
m

Δyt =α + ∑ kΔxt - k + ∑ kΔyt - k +δ +μ α β ecm 0 t k =1 k =1 式中 ,滞后期的选择 ,根据 A IC 准则和 SC 准则确定。

( 9)

时间序列均存在单位根 ,为非平稳序列 ,而 2 个一阶差分序 列的 ADF值在各个显著性水平上均小于临界值 ,这说明这 2 个一阶差分序列均为平稳序列。 通过总结上述各项 ADF值检验结果可知 , dce和 cbot为 一阶单整序列 ( dce, cbot∶( 1 ) ) 。图 1 分别显示 cbot和 dce的 I 一阶差分图。
3. 3   协整检验   协整分析的经济意义在于揭示时间序列变

1. 6   脉冲响应函数   采用脉冲响应函数是为了进一步研究

变量之间的相互影响 ,由此分析模型中残差项一个标准差的 冲击对变量影响作用的大小
[ 12 ]



1. 7   方差分解   方差分解是通过分析每 1 个结构冲击对内

生变量变化 (通过常用方差来度量 )的贡献度 ,进一步评价不 同结构冲击的重要性 ,由此给出对 VAR 模型中的变量产生 影响的每个随机扰动的相对重要的信息 ,从而了解各个信息

量的长期稳定关系。该研究的时间序列变量只有 2 个 ,因此 采用 EG法检验。

 37 卷 30 期                    刘川川等  DCE 与 CBOT玉米期货价格关联性实证研究

14901

图 1  cbot( a)和 dce ( b)一阶差分
F ig. 1   aps of the f irst d ifference of cbot( a) and dce ( b) M

   由表 1 得出 dce和 cbot为同阶单整序列 , 分别以 dce和
cbot为因变量进行 OLS 回归。方程如下 :

   由表 3 可知 , 当 VAR 为 2 时 , SC 值最小 , 当 VAR 为 5 时 , A IC 值最小 , 因而模型无法使 A IC 和 SC 值同时达到最 小 ,这时需要采用 LR 检验进行取舍 后期为 5,则检验统计量 :
LR = - 2 ×(L5 - L2 ) = - 2 ×( 2 504. 819 - 2 508. 251 ) =
[ 16 ]

  cbot = 2. 361 861 × - 11. 414 180 dce
( 0. 026 006 ) ( 90. 821 020 )
2

。设零假设为最优滞

( 0. 189 678 ) ( - 60. 176 560 ) ( 10 )

R = 0. 890 045   DW = 0. 050 341 dce = 0. 376 841 × cbot + 5. 103 151 ( 0. 004 149 ) ( 90. 821 020 )
2

6. 864
2

( 12 )

式中 , L5 和 L2 分别表示 VAR ( 5 )和 VAR ( 2 )时模型整体的的 对数似然函数值。在零假设下 , LR 统计量有渐近的 χ ( n ) 分
( 11 )

( 0. 024 151 ) ( 211. 303 500 )

R = 0. 890 045   DW = 0. 051 310

布 ,其自由度为从 VAR (5)到 VAR (2) 对模型参数增加的零 2 χ 约束个数。 0. 05 ( 3 ) = 7. 815。 根据公式 ( 12 )计算结果 , LR < 7. 815,故可以在 5%的显 著水平上接受原假设 ,即模型的最优滞后期长度为 5。 为研究 dce和 cbot之间滞后期的影响 , 分别以 dce和 cbot 为因变量 ,建立 VAR 模型 ,其结果由表 4 所示。
表 4  VAR( 5)统计
Table 4  Sta tistica l table of VAR( 5)

由公式 ( 10 )和 ( 11 )分别得到残差序列 e1 和 e2 ,根据 EG法可 知 , 2 个序列若存在协整关系 ,则其残差序列为平稳序列。为 此对 2 个残差序列运用 ADF法进行平稳性检验。
表 2  e1 和 e2 平稳性检验结果
Table 2  Sta tionary test results of e1 and e2

序列
Sequence
e1 e2

检验形式
( C, T, K) Test for m
(0, 0, 2) (0, 0, 3) - 3. 369 854 - 3. 709 457

显著性水平 Significance level
ADF 1% 5% 10%

自变量
Independent variable
C cbot ( - 1 ) cbot ( - 2 ) cbot ( - 3 ) cbot ( - 4 ) cbot ( - 5 ) dce ( - 1 ) dce ( - 2 ) dce ( - 3 ) dce ( - 4 ) dce ( - 5 )

因变量 Dependent variable
cbot dce
3 3 3 3

- 2. 567 236 - 1. 941 135 - 1. 616 490 - 2. 567 238 - 1. 941 135 - 1. 616 490

- 0. 143 657 1. 036 342 - 0. 035 086 - 0. 012 418 0. 044 014 - 0. 046 588 - 0. 026 011 - 0. 050 758 0. 113 619 0. 134 958 - 0. 141 094

0. 076 447 0. 079 304 - 0. 108 857 0. 017 286 0. 052 058 - 0. 035 139 0. 838 546 0. 169 856 0. 023 714 0. 001 312 - 0. 047 576

   2 列出了 2 个残差序列的平稳性检验结果。由表 2 表 可知 , e1 和 e2 的 ADF值在各个显著性水平上均小于临界值 , 可拒绝零假设 , e1 和 e2 为平稳序列 ,说明 dce和 cbot存在协 整关系。
2. 4  VAR模型   由上文可得出 dce和 cbot存在长期均衡关

系 ,但无法确定两者之间是否存在滞后期的影响及其影响作 用是否显著 ,为此建立 VAR 模型。
表 3  VAR( P)滞后阶的 A IC 值和 SC 值
Table 3  A I & SC va lues of VAR( P) lag order C

滞后阶 Lag order
0 1 2 3 4 5 10 15 20 - 2. - 11. - 11. - 11. - 11. - 11. - 11. - 11. - 11.

AI C 481 457 490 491 485 492 477 467 456 893 890 600 410 740 3 970 850 100 940 - 2. - 11. - 11. - 11. - 11. - 11. - 11. - 11. - 11.

SC 473 428 441 422 397 385 271 163 054 085 470 3 560 750 470 090 890 060 820

滞后 1 期 1 单位的变化 , 会引起 dce的 0. 079 304 单位的正向
857 单位的负向变化 , 而 cbot滞后 3 期的影响不显著 , cbot滞

变化 , 而 cbot 滞后 2 期 1 单位的变化 , 会引起 dce 的 0. 108 后 4 期 1 单位的变化 , 引起 dce 的 0. 052 058 单位的正向变 化 , 而 cbot滞后 5 期的 1 单位的变化 , 会引起 dce 0. 035 139 单 位的负向变化 ; dce对 cbot的滞后期作用不显著。
DCE玉米期货价格对 CBOT玉米期货价格影响不显著 ,

  : 3 表示在 5%的水平上值最小 。 注

 Note: 3 stands for the value is smallest at the 5% level .

主要是受我国玉米进出口贸易政策以及在期货合约的设计 和期贸交易、 交割规则制定等方面存在差异的影响。虽然自

  : C表示常数项 , 3 和 3 3 3 分别代表在 1%和 10%水平上显著。 注
the 1% and 10% level respectively .

 Note: C stands for constant term s; 3 and 3 3 3 stand for significant at

   由表 4 可知 , cbot滞后 1、、 和 5 期对 dce影响显著 , cbot 2 4

3 3 3 3 3 3 3 3 3 3 3 3 3

14902

           安徽农业科学                          2009 年 表 6  VEC 模型估计
Table 6  VEC m odel esti a tion m

2004 年开始我国全面实行粮食购销市场化政策 ,国家通过对

玉米出口实行出口退税政策 ,提高我国玉米出口量 ,但是我 国玉米的国际贸易还没有完全放开 ,仍实行玉米进口关税配 额管理 ,这在一定程度上弱化了国内和国外玉米期货价格之 间的联系
[3]

解释变量
Exp lanatory variables
C ecm cbot ( - 1 ) cbot ( - 2 ) cbot ( - 3 ) cbot ( - 4 ) cbot ( - 5 ) dce ( - 1 ) dce ( - 2 ) dce ( - 3 )

被解释变量 Interp reted variables Δcbot Δdce
0. 000 6 - 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 010 050 013 004 046 086 041 110 005 172 063 8 3 3 1 5 0 7 2 3 3 3 5 7 3 9 0
3 3



0. 000 3 0. 0. - 0. - 0. 0. - 0. - 0. 0. 0. 0. - 0. 005 075 034 017 035 016 143 020 044 050 009 5 3 3 3 3 2
3 3

2. 5  Ganger因果检验   由上述“2. 3 ” 表明 dce和 cbot存在

长期均衡关系 ,但却无法说明 2 个变量的相互引导关系。因 此需要对 2 个变量做进一步的 Ganger因果检验。 根据上文可知 , 最优滞后期长度为 5, 检验结果由表 5 所示。
表 5  dce 和 cbot的 Ganger因果检验结果
Table 5  Granger Causa lity test results of dce and cbot

零假设
Null hypothesis
dce不引导 cbot dce not guide cbot cbot不引导 dce cbot not guide dce

F统计量 F statistics 2. 256 59 9. 096 39

P概率值

结论

dce ( - 4 ) dce ( - 5 )

P p robability value Conclusion 0. 046 88 引导 Guidance 0. 000 60

引导 Guidance

价格出现偏离时 ,误差修正项对 CBOT玉米期货价格非均衡 状态进行负向修正。多数的 DCE 玉米期货价格的差分序列 不显著 ,说明 DCE玉米期货价格对 CBOT玉米期货价格的影 响信息未得到有效迅速地传递。在以⊿ dce 为因变量的 玉米期货价格的实际值与均衡值的误差有 0. 000 3 的正向修 正。多数的 CBOT 玉米期货价 格的 差 分 序列 显 著 , 说明
CBOT玉米期货价格对 DCE 玉米期货价格的影响信息得到

   由表 5 可知 ,在 5%的置信水平上 ,均可拒绝零假设 ,表 明 dce 和 cbot 之间存在双向引导关系。这是由于一方面
CBOT是世界全部玉米的定价中心 ,它的价格代表着全球玉

VEC模型中 ,误差修正系数为 0. 000 3 > 0,且显著 ,说明 DCE

米的供需情况 ; 而另一方面 ,随着经济全球化的进一步深入 , 促使大连玉米期货市场的管理更加规范 ,交易较为活跃 ,较 好地发挥了套期保值和价格发现的功能 ,从而使得两者之间 显示出较强的联动效应
[1]



了有效迅速地传递。以上表明 cbot和 dce均存在着误差修正 机制。
2. 7   脉冲响应   为进一步研究 dce和 cbot两者之间的关系 ,

2. 6   向量误差修正模型   在上文“2. 3 ” 可得出 dce和 cbot之

间存在协整关系 ,由此可建立 VEC 模型分析两者之间的短 期变动关系。    由表 6 可知 ,在以 Δcbot为因变量的 VEC 模型中 , 误差 修正系数为 - 0. 0108 < 0,且显著 ,说明当期 CBOT玉米期货

运用 GIS法脉冲响应函数进行实证研究。这种方法的优点 在于可 以 克 服 协 方 差 矩 阵 进 行 Cholesky 分 解 不 唯 一 的 缺点
[ 12 ]

注 : ( a)表示 CBOT时间序列 ; ( b)表示 DCE 时间序列。
Note: ( a) stands for cbot tim e sequence; ( b) stands for dce tim e sequence.

图 2  cbot和 dce 的脉冲响应

   由图 2 ( a)可知 , cbot对自身价格波动反应迅速 ,当日的 冲击为 20. 67% ,在随后几日中出现波动 ,并在滞后 6 日冲击 达到最大 ,为 22. 13% ;而 dce对 cbot的冲击明显具有滞后性 ,
1. 19% 。

对 cbot当日的价格冲击为 0. 44% ,在滞后 91 期达到最大 ,为 由图 2 ( b)可知 , dce对自身价格波动反应迅速 , 当日的

F ig. 2  The i pulse2respon se map of cbot and dce m

冲击为 0. 91% ,第 2 日下降到 0. 79% ,之后几日上升 ,在第 5 日上升到 0. 87% ; 而 cbot对 dce价格当日的冲击为 1. 93% , 第 2 日上升到 3. 27% ,并在前 9 日内出现波动性的影响。 渐恢复到初始状态。

  : 3 和 3 3 分别表示在 5%和 10%的显著性水平上 ,系数显著。 注
cant level respectively .

 Note: 3 and 3 3 stan for coefficient significantly at 5% and 10% signifi2



1 2 3 3 1 2 3 3 3 9

由图 2 还可以看出 , cbot和 dce在受冲击影响后均能逐 由于 CBOT开始期货交易时 , DCE 的期货交易已经结

 37 卷 30 期                    刘川川等  DCE 与 CBOT玉米期货价格关联性实证研究

14903

束 ,即 DCE与 CBOT的期货交易存在时间差 , DCE 的期货交 易早于 CBOT的期货交易 ,使得 cbot对 dce价格出现波动性 的影响。由于 CBOT是全球最大的农产品期货交易市场 ,同 时也是全球农产品价格的报价中心 ,因而 CBOT的影响力要 大于 DCE 的影响力
[ 17 ]

4 期是正向作用 ,而滞后 2 和 5 期是负向作用 ,而滞后期 3 期

的影响不显著 ,后者对前者呈现出跳跃性的影响 ,而前者对 后者的滞后期作用不显著。
( 2 ) DCE 玉米期货价格与 CBOT玉米期货价格存在双向

。这使得 cbot对 dce价格的冲击要大

引导关系 ,表明我国玉米期货参与对全球玉米期货市场的影 响作用在日益增大。
( 3 ) DCE 玉米期货价格与 CBOT玉米期货价格存在误差

于 dce对 cbot的冲击 , cbot的脉冲响应效率优于 dce。
2. 8   方差分解   由表 7 可知 ,对于 cbot长期作用的总方差 ,

在滞后 1 期 , 100%来自于自身 , 并且随着滞后期的增加 , 来 自于自身的部分下降并在滞后 1 000 期趋向于 67% ,而来自 于 dce上升 ,并在滞后 1 000 期趋向于 34% 。
表 7  方差分解结果
Table 7  The results of var iance decom position

修正机制 ,后者对价格波动的脉冲响应效率优于前者 ,两者 均受到来自对方的价格冲击。 参考文献
[ 1 ] 杨传博 ,张荣大. 中美玉米期货价格相关度的协整关系研究 —— — 基于 日收盘价的实证分析 [ J ]. 市场周刊 :理论研究 , 2007 (11) : 81 - 83. [ 2 ] 王骏 ,蒋荣兵 ,刘亚青. 世界玉米期货市场国际关联性研究 —— — 基于 中、 日三国实证研究 [ J ]. 中国农业大学学报 , 2008, 13 (3) : 43 - 50. 美、 [ 3 ] 丁丽君. 国内玉米期货价格与现货及国外期货价格之间的关联分析 [ J ]. 时代金融 , 2007 (5) : 42 - 43. [ 4 ] 孙月新 ,孙东升 ,王芳. 中美玉米期货价格关系的实证研究 [ J ]. 全国商 情 :经济理论研究 , 2007 (8) : 94 - 95. [ 5 ] 夏天 ,冯利臣. 中国玉米期货市场的价格引导作用究竟有多大 ? —— — 基于 VECM 模型的实证研究 [ J ]. 广西金融研究 , 2007 (11) : 53 - 56. [ 6 ] 张书云. Granger 因果检验用法探讨 [ J ]. 数理统计与管理 , 2009, 28 (2) : 244 - 251. [7 ] D I CKEY A D, FULLER W A. L ikelihood ratio statistics for autoregressive tim e series with unit root [ J ]. Econometrica, 1981, 49 (4) : 1057 - 1072. [ 8 ] GRANGER C W J. Some p roperties of tim e series data and their use in e2 conometric model specification [ J ]. Journal of Econometrics, 1981, 16: 121 - 130. [ 9 ] ENG R F, GRANGER C W J. Cointegration and error correction rep re2 LE sentation estim ation and testing [ J ]. Econometrica, 1987, 55 ( 2) : 251 276. [ 10 ] GRANGER C W J. Investiagting casual relations by econometric models and cross - spectral methods[ J ]. Econometrica, 1969, 37: 424 - 438. [ 11 ] 刘金全 ,刘志刚. 具有 Markov区制转移的向量误差修正模型及其应用 [ J ]. 管理科学学报 , 2006, 9 (5) : 44 - 49. [ 12 ] 刘亚青 ,王骏 ,刘纯安. 我国期货市场与 G 的动态关系研究 [ J ]. 统 DP 计与决策 , 2008 (11) : 119 - 121. [13 ] 刘晓雪 ,黄剑. 中国棉花期货价格发现功能的实证研究 [ J ]. 统计与决 策 , 2008 (21) : 125 - 128. [14 ] 王骏 ,蒋荣兵. 全球三大植物油期货市场国际关联性研究 [ J ]. 南京农 业大学学报 :社会科学版 , 2008 (8) : 30 - 37. [ 15 ] 焦建玲 ,范英 ,魏一鸣. 基于 VEC 的汽柴油价格不对称性分析 [ J ]. M 中国管理科学 , 2006, 14 (3) : 97 - 102. [ 16 ] 佘炜彬 ,范英 ,魏一鸣 ,等. B rent原油期货市场的协整分析 [ J ]. 数理统 计与管理 , 2004, 23 (5) : 26 - 32. [ 17 ] 华仁海 ,陈百助. 国内、 国际期货市场期货价格之间的关联研究 [ J ]. 经济学 , 2004, 3 (3) : 727 - 742. [ 41 ] WU S C,LUO YM, CHEUNG K C, et al Influence of bacteria on Pb and . Zn speciation,mobility and bioavailability in soil: a laboratory study[ J ]. Environ Pollut, 2006, 144: 765 - 773. [ 42 ] 王丽英 ,张国印 ,王志军 ,等. 土壤污染的生物修复技术研究现状及展 望 [ J ]. 河北农业科学 , 2003, 7 ( S1) : 81 - 85. [ 43 ] 滕应 ,黄昌勇. 重金属污染土壤的微生物生态效应及其修复研究进展 [ J ]. 土壤与环境 , 2002, 11 (1) : 85 - 89. [ 44 ] 王世华 ,高双成 ,常会庆. 重金属污染土壤的治理途径 [ J ]. 河北农业 科学 , 2008, 12 (11) : 80 - 82. [ 45 ] 鲍桐 ,廉梅花 ,孙丽娜 ,等. 重金属污染土壤植物修复研究进展 [ J ]. 河北农业科学 , 2008, 12 (2) : 858 - 865. [46 ] 张国印 ,王丽英 ,孙世友 ,等. 土壤的重金属污染及其防治 [ J ]. 河北农 业科学 , 2003, 7 ( S1) : 65 - 69. [ 47 ] 岳明 ,李法松. 生物修复技术在养殖水环境中的研究进展 [ J ]. 河北农 业科学 , 2008, 12 (7) : 104 - 105. [ 48 ] 张太平 ,潘伟斌. 根际环境与土壤污染的植物修复研究进展 [ J ]. 生态 环境 , 2003, 12 (1) : 76 - 81.

滞后期
Lag phase 1

来自于 cbot From cbot
cbot dce

来自于 dce From dce
cbot dce

100

0

4. 523 6

95. 476 4

……
5

……
99. 909 8

……
0. 090 2

……
10. 375 2

……
89. 624 9

……
10

……
99. 646 8

……
0. 353 2

……
13. 280 1

……
86. 719 9

……
100

……
83. 266 2

……
16. 733 8

……
32. 682 2

……
67. 317 8

……
1 000

……
66. 631 2

……
33. 368 8

……
45. 693 7

……
54. 306 3

   而对于 dce长期作用的总方差 ,在滞后 1 期 , 95. 476 4% 来自于自身 , 4. 523 6%来自于 cbot,并且随着滞后期的增加 , 来自于自身的部分下降并在滞后 1 000 期趋向于 54% ,而来 自于 cbot上升 ,并在 1 000 期趋向于 46% 。 由图 2 和表 7 中可以看出 , CBOT玉米期货价格的冲击 主要来自自身 ,但 DCE玉米期货价格对 CBOT玉米期货价格 也有约 33. 37%的冲击 ,这是因为我国是玉米生产大国 ,总产 量居世界第二 , 其玉米产业在世界玉米市场起着一定的作 用。而 DCE玉米期货价格的冲击有约 45%来自于 CBOT玉 米期货价格 ,说明 DCE玉米期货价格受到了 CBOT玉米期货 价格的影响。
3  结论 ( 1 ) DCE 玉米期货价格与 CBOT玉米期货价格存在协整

关系 ,后者滞后 1、、 和 5 期对前者影响显著 ,其中滞后 1 和 2 4
(上接第 14834 页 )
[ 35 ] PETER C,L I X L, CHEN B D. A rbuscular mycorrhiza can dep ress trans2 location of zinc to shoots of host p lants in soils moderately polluted with zinc[ J ]. Plant and Soil, 2004, 261: 209 - 217. [ 36 ] BURKE S J, ANG J S, CHANEY R L, et al A rbuscular mycorrhizae LE . effects on heavy metal up take by corn [ J ]. Int J Phytorem, 2000, 2: 23 29. [ 37 ] AUDET P, CHAREST C. Heavy metal phytoremediation from a meta2ana2 lytical perspective[ J ]. Environ Pollut, 2007, 147: 231 - 237. [ 38 ] AUDET P, CHAREST C. Dynamics of arbuscular mycorrhizal symbiosis in heavy metal phytoremediation: meta2analytical and concep tual perspec2 tives Environ[ J ]. Pollut, 2007, 147: 609 - 614. [ 39 ] GENTRY T J, CHR IST OPHER R, I N P. New app roaches for bioaug A men2 tation as a remediation technology[ J ]. Critical Reviews in Environ. Sci . Technol, 2004, 34: 447 - 494. [ 40 ] WU Q T, DENG J C, LONG X X, et al Selection of app rop riate organic . additives for enhancing Zn and Cd phytoextraction by hyperaccumulators [ J ]. Journal of Environmental Sciences, 2006, 18: 1113 - 1118.



更多相关文章:
中国玉米期货市场价格发现功能的实证分析
日玉米的期货与现 货价格数据,使用 ADF 检验、协整检验、Granger 因果关系检验,对玉米的期货价格与现货价 格之间的关系作了实证分析,结果显示,玉米期货价格与玉米...
我国玉米期货价格与现货价格关系的实证研究
我国玉米期货价格与现货价格关系的实证研究_教育学/心理学_人文社科_专业资料。我国玉米期货价格与现货价格关系的实证研究 [摘要]运用 Granger 因果检验、Johansen 协...
开题报告
我国大豆与豆粕期货价格传导关系实证研究 贸易与行政学院 国际经济与贸易 学号 ...姚仲诚(2007)的研究,DCE 大豆期货市场与 CBOT 大豆期货市场具有高度的关联性。...
玉米期货价格影响因素的研究
玉米期货价格影响因素的研究_金融/投资_经管营销_专业...玉米品种本身所具有的季节波动性,使玉米品种极具投资...由于 CBOT 玉米期货价格DCE 玉米期货价格具有引导...
国创在线告诉你什么是玉米期货
玉米期货价格发现功能分析价格发现是期货市场的基本功能,在此通过分析我国玉米期 货与现货价格之间、我国玉米期货与 CBOT 玉米期货价格之间的相关 性,来考察我国...
玉米期货
价格发现是期货市场的基本功能,在此通过分析我国玉米期货与现货 价格之间、我国玉米期货与 CBOT 玉米期货价格之间的相关性,来考察我国 玉米期货市场价格发现功能发挥...
玉米期货交易量与价格波动关系的实证研究
玉米期货交易量与价格波动关系的实证研究 作者:任晓珠 来源:《商情》2014 年第 36 期 【摘要】诸多因素的影响,我国期货市场也出现了较大的波动,市场不确定性...
玉米期货
根据 1992 年以来 CBOT 玉米的年内价格波动情况分析, 玉米期货价格最低为 192...1.3 期货价格与现货价格具有高度相关性,玉米期货市场的价格发现功能得到良好发挥...
CBOT期货合约
CBOT期货合约_金融/投资_经管营销_专业资料。玉米期货玉米期货 合约规模 5,000 英斗 (~ 127 公吨) 2 号黄玉米合约价;1 号黄玉米溢价 1.5 美分/英斗;3 号...
C16047 大连商品交易所交割制度及农产品品种介绍(下)
根据大商所 2010-2014 年大商所农业品品种的期货年化波动率 统计资料显示:豆粕...表现在两个方面:1.期现货价格相关性较高;2.长期趋势与 CBOT 玉米相关性较高...
更多相关标签:
cbot玉米    cbot玉米期货合约    cbot玉米期货    cbot玉米价格    cbot玉米 交易时间    dce玉米    cbot大豆期货    cbot小麦    

All rights reserved Powered by 甜梦文库 9512.net

copyright ©right 2010-2021。
甜梦文库内容来自网络,如有侵犯请联系客服。zhit325@126.com|网站地图