粮食最低收购价合理范围预测.docVIP

粮食最低收购价合理范围预测 　　【摘要】本文首先?对我国粮食价格进行研究，发掘其中的特殊规律性。由于不同品种之间的差异性，选取小麦作为研究对象，其他的粮食品种也可以通过相同的方法进行研究。考虑到需要研究数据的特征，本文选取的是小麦现货数据，取样时间：2009/01/05-2016/09/14。因为小麦价格的数据是一个时间序列数据，所以本文采用的是计量模型中一系列针对时间序列数据的处理方法。最后发现小麦价格具有ARCH效应，更进一步研究小麦价格的增长率，通过建立一系列的GARCH模型，得出了关于小麦价格增长率的数学模型 而后是建立粮食最低收购价格的定价模型，并运用定价模型进行政策评价以及预测2017的粮食最低收购价格，使用MATLAB完成的此问研究。先从理论入手，确立了下限为粮食的种植成本加上适当的利润，上限为粮食市场价格的粮食最低收购价格模型。接着利用模特卡罗模拟，预测下一年的平均小麦市场价格，作为粮食最低收购价格的上限。选取小麦平均种植成本作为粮食最低收购价格的下限。将模型确立出的粮食最低收购价格区间用来评价“十二五”期间国家制定的粮食最低收购价格，发现都处于建立的定价区间，所以“十二五”期间国家制定的粮食最低收购价格是合理的，并给出了对2017年的最低收购价格的区间 【关键词】粮食价格 ARCH效应 GARCH模型 粮食最低收购价格 一、粮食价格特殊规律性的研究思路 数据选取的是wind提供的小麦现货指数，因为作为期货的标的产品，现货能够很好的反映了日级小麦价格的变化趋势，加上数据量较大，是用来研究粮食价格规律性的良好数据。小麦价格的数据是从2009/01/05至2016/09/14，是一个较长的时间序列模型，所以考虑的是通过研究时间序列的相关特征，来发现小麦价格和小麦价格增长率的规律。其他品种的研究方法是相同的 为了方便阅读，这里先对下面出现的三个指标进行解释： r：小麦价格的增长率 σ：小麦价格的波动率 μ：模型误差项 t：数据的期数，t-1代表前一期 二、小麦价格的特征检验 （一）平稳性 首先对小麦价格的平稳性进行检验，结果如下表所示的一阶差分是一个平稳的时间序列： 通过结果看可以得出，序列小麦价格不具有平稳性，序列小麦价格的一阶差分具有平稳性 对lnpr（小麦价格的对数）建立随机游走模型，估计结果如下： F统计量显著且R-squared=0.999654，极大似然值为8827.799，说明方程拟合效果较好。结果表明，序列lnpr是一个带漂移项的随机游走过程。方程估计结果如下： t统计量=（3.3635）（2294.539） （二）波动聚集性 画出残差序列的图像，观察残差的特征： 可以看到，回归方程的残差表现出波动的“聚集性”，大的波动后面伴随着较大的波动，较小的波动后面波动也较小，表明可能存在ARCH效应 （三）ARCH效应 图为残差平方的自相关图，可以看到2阶之后自相关函数都超出了95%的置信区间，Q统计量值也十分显著，其对应概率都小于0.001，表明方程（上面那个）存在自相关性，并在3阶截断 进而对方程进行异方差检验，滞后阶数为3，得出的ARCH LM检验结果如下： F统计量=14.76278，其概率值P非常小，从而表明检验辅助回归方程中的所有滞后残差平方项是联合显著的。ARCH效应的检验统计量是Obs*R-squared，其值等于241.0223，相应的概率值P非常小，因此拒绝原假设，即可以认为小麦价格序列存在条件异方差 三、小麦价格增长率的特征 （一）滞后阶数 前一部分进行了关于小麦价格的ARCH检验，证明了小麦价格确实存在ARCH效应，接下来将对小麦价格增长率进行研究，从上一节中可知，小麦价格增长率是一个平稳时间序列 首先研究的是r（小麦价格增长率）的滞后阶数，得出增长率序列r相关图，如下所示： 从自相关图，可以看到残差平方的自相关函数呈指数衰减趋势，从滞后1到15阶，AC都超出了95%的置信区间，其他的各阶自相关函数值都位于置信区域之内，从而表明是低阶AR过程；残差的偏自相关函数（PAC）值在1阶和2阶出位于95%置信区域之外，并在2阶后截尾，其他的各阶偏自相关函数值都位于置信区域之内。因此，可以建立小麦价格增长率的AR（2）模型 （二）建立GARCH（1，1）模型讨论小麦增长率的波动聚集性 从参数的估计结果来看，除了均值方程的常数项P值为0.1618外，其他变量的系数均小于0.0001，从总体来看，参数估计效果较好。而模型的效果方面，R-squared=0.144960，虽然数值较小，但是远远大于用金融市场数据所做的模型的R-squared值