我国粮食价格所具有的特殊规律探讨Word文件下载.docx
- 文档编号:13594360
- 上传时间:2022-10-12
- 格式:DOCX
- 页数:14
- 大小:161.96KB
我国粮食价格所具有的特殊规律探讨Word文件下载.docx
《我国粮食价格所具有的特殊规律探讨Word文件下载.docx》由会员分享,可在线阅读,更多相关《我国粮食价格所具有的特殊规律探讨Word文件下载.docx(14页珍藏版)》请在冰豆网上搜索。
式(3)为方差方程,表示的条件方差,包括常数项和ARCH项,为滞后阶数。
若ARCH项中有一个系数显著不为0,说明随机扰动项的条件方差受前期方差的影响,即存在波动集簇性。
2.GARCH模型
当ARCH模型中存在高阶条件异方差效应时,为弥补滞后多期的信息对残差序列条件方差的影响,可以采用广义自回归条件异方差(GARCH)模型。
在ARCH模型的方差方程(3)中加入条件方差自身的滞后项就得到GARCH模型:
(4)式中,为ARCH项,为GARCH项,和分别为它们的滞后阶数,如果ARCH项和GARCH项都高度显著,说明粮食价格收益率具有显著的波动集簇性。
为保证条件方差非负,一般要求系数和,但这个系数的非负性要求只是保证模型有意义的充分条件而非必要条件。
GARCH模型将波动来源划分为两部分:
变量过去的波动和外部冲击,而和则分别反映了它们对本期波动的作用强度。
模型系数之和的大小反映了波动的持续性,当它小于1时,说明冲击的影响会逐渐消失,当它大于1时,说明冲击的影响不但不会消失,反而会扩散。
相对于ARCH,GARCH模型的优点在于:
可以用较为简单的GARCH模型来代表一个高阶ARCH模型,从而使模型的识别和估计都变得比较容易。
3.(G)ARCH-M模型
金融理论表明具有较高可观测到的风险的资产可以获得更高的平均收益,其原因在于人们一般认为金融资产的收益应当与其风险成正比,风险越大,预期的收益就越高。
这种利用条件方差表示预期风险的模型被称为ARCH均值或ARCH-M模型。
在(G)ARCH模型的均值方程
(1)中加入就转化为(G)ARCH-M模型:
(5)式中,是条件标准差的一个倍数,若为正数,就意味着市场参与主体因风险增加而要求更高的收益,该参数用来验证粮食市场是否有高风险高回报的特征。
(二)波动非对称性分析
本文利用门槛ARCH(thresholdARCH,简称为“TARCH”)模型和指数GARCH(exponentialgeneralizedautoregressiveconditionalheteroskedasticity,简写为“EGARCH”)模型对波动的非对称性进行分析,两个模型的估计结果可以相互验证。
1.TARCH模型
TARCH模型由RabemananjaraandZokoian(1993)提出,其条件方差方程为:
(6)式中,是虚拟变量,当时,,否则,。
此模型中,价格上涨信息()对条件方差的影响为,而价格下跌信息()的影响为。
如果,表明波动具有非对称性。
当时,表明价格下跌信息引发的波动比价格上涨信息引发的波动大;
当时,价格上涨信息引发的波动比价格下跌信息引发的波动大。
2.EGARCH模型
EGARCH模型由Nelson(1991)提出,其条件方差方程为:
(7)式中,价格上涨信息()对的影响为,价格下跌信息()的影响为。
当时,表明价格上涨信息引发的波动比价格下跌信息引发的波动大;
当时,表明价格下跌信息引发的波动比价格上涨信息引发的波动大。
模型的求解
现搜集籼稻、粳稻、小麦、大豆和玉米2000年1月至2014年12月的集贸市场月度价格(元/公斤)数据(数据来源《中国农产品价格调查年鉴》),对各品种粮食价格的时间序列做平稳性检验,可得表1:
表1各品种粮食价格ADF检验
籼稻
t统计量
概率值(P值)
ADF统计量
0.210961
0.972653301
显著性水平
1%
检验临界值
-3.4672
5%
-2.87764
10%
-2.57543
粳稻
0.164964
0.9696
-3.46721
小麦
0.224457
0.973485085
玉米
-0.59243
0.868
大豆
-1.04885
0.7352
-2.87773
-2.57548
从表1中可以看出籼稻、粳稻、小麦、大豆和玉米在显著性水平5%下,均接受原假设,不能拒绝存在单位根的原假设,是非平稳的。
根据农产品蛛网模型,粮食产品的上一期价格会影响到下一期,上一期的波动同样会反映到下一期,即相邻两期的方差是序列相关的。
故现以价格收益率说明我国粮食价格波动情况。
价格收益率以相邻月份粮食价格的对数一阶差分表示,现建立回归模型:
则价格收益率可表示为:
其中,和分别表示第月和第月的价格。
同样对各品种粮食价格收益率进行平稳性检验,可得表2:
表2各粮食品种价格收益率ADF检验
-11.481
0.0000
-11.782
-11.5489
-17.6846
-5.46200
-3.46742
从表2的结果显示中,可看出各品种粮食价格收益率在1%的显著性水平下拒绝原假设,接受不存在单位根的结论,说明价格收益率序列为平稳序列。
现对各品种粮食价格收益率做描述性统计,可得表3结果,籼稻、粳稻、小麦、玉米、大豆价格收益率的峰度都高于正态分布的峰度值3,说明价格收益率具有尖峰和后尾的特征;
JB正态性检验也均较大,同样验证了价格收益率显著异于正态分布。
表3各粮食品种价格收益率基本统计量
统计量
Mean
0.0018
0.0012
0.0014
0.0039
0.000696
Std.Dev.
0.0232
0.0259
0.0212
0.0398
0.023196
Skewness
3.3570
2.7138
1.6176
1.3314
1.347897
Kurtosis
32.8103
27.8157
10.2185
28.1349
10.00632
Jarque-Bera
6964.0591
4812.7173
466.7007
4764.7647
420.3206
Observations
179
从模型的残差平方相关图,即价格收益率变化图(图1-图5)可见籼稻、粳稻、小麦、玉米和大豆价格存在波动的集聚现象:
波动在一些较长的时间内非常小,在其它一些较长的时间内非常大,这说明价格收益率可能具有条件异方差性。
图1小麦价格收益率
图2籼稻价格收益率
图3粳稻价格收益率
图4大豆价格收益率
图5玉米价收益率格
因此,要对各个序列进行ARCH—LM检验,来判断它们是否存在条件异方差效应。
表4各粮食品种ARCH-LM检验
F统计量
0.063599
0.8012
0.064299
0.7998
0.089729
0.764876
0.090702
0.763286
6.131968
0.0001
22.06562
0.0002
7.913677
0.0055
7.659215
0.0056
36.50904
8.83E-09
30.58039
3.20E-08
表4ARCH-LM检验结果表明:
籼稻、粳稻价格异方差效应方差不显著;
对小麦而言,选择滞后阶数5阶时,检验概率P值小于1%,说明残差序列存在条件异方差效应。
至少存在5阶ARCH效应。
这就意味着必须估计很多个参数,而这很难精确做到,可以用一个低阶的GARCH模型代替,以减少待估参数个数;
对大豆和玉米而言,选择滞后阶数为1阶时,检验概率P值小于5%,说明残差序列存在异方差效应。
根据ARCH-LM检验结果,本文对存在显著异方差效应的小麦、玉米和大豆市场建立ARCH类模型。
(一)小麦
小麦市场的ARCH类模型估计结果如表5:
1.GARCH模型估计结果。
小麦价格收益率条件方差方程中,和都在1%
的水平下显著,表明价格收益率序列具有显著的波动集簇性。
和之和为0.982,小于1,因此,过去的波动对未来的影响逐渐消失。
2.GARCH—M模型估计结果。
小麦价格收益率均值方程中估计值为0.301,但不显著,这反映了小麦没有高风险高回报的特征。
3.TARCH和EGARCH模型估计结果。
在TARCH模型中,的估计值小于零,且在10%的水平下显
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 我国 粮食价格 具有 特殊 规律 探讨