基于VAR模型中美玉米期货价格研究.docVIP

基于VAR模型中美玉米期货价格研究 　　摘 要：本文以中美玉米期货市场为研究背景，分析了美国玉米期货价格对我国的影响。首先介绍了中美玉米期货的基本情况，然后运用VAR模型进行实证研究，进行了单位根检验、向量自回归、脉冲响应分析，并作出相应的分析，最后得到结论。 　　关键词：玉米期货；期货价格；VAR模型 　　一、引言 　　玉米是世界最早的期货品种之一，如今玉米已经成为最活跃的农产品期货品种之一。美国是世界玉米生产、消费和贸易第一大国，以CBOT为代表的美国玉米期货市场同现货市场有效接轨，不仅在影响着国内玉米生产流通领域，而且在世界玉米市场上起到了重要的作用，其玉米期货合约及交易交割规则的设计和修改中的经验更是成为世界期货市场的共同财富，为众多期货交易所借鉴和采用。在我国，玉米期货自2004年重新推出，在大连商品交易所上市以来，玉米期货市场规模不断扩张，保持着稳健的发展态势。目前，世界玉米贸易通过玉米期货市场进行定价，美国CBOT玉米期货对于世界玉米期货价格有着重要的影响，考察中国玉米期货价格与美国CBOT玉米期货价格之间的关系，有助于我国玉米生产消费企业规避市场价格变动风险，有助于了解我国在全球玉米市场的定价地位，对提高我国生产效率、资源配置有重要的意义。 　　因此，本文运用VAR模型，以中国和美国的玉米期货市场为研究背景，来分析美国玉米期货价格与我国期货价格的关系，进行了单位根检验、向量自回归、脉冲响应分析，并作出相应的分析。 　　二、模型选择 　　1.单位根检验 　　时间序列的后续分析一般基于数据平稳性的基础上，因此数据的平稳性检验异常重要，为后续做分析奠定了基础。为了检验数据是否具有平稳性，可以使用的检验主要有以下几种，DF检验、ADF检验与Phillips-Perron检验简称PP检验，当然还有较为主观的图检法，但是为了客观起见，使用较为合理的前三种方法。其中，又以DF检验、ADF检验居多。 　　2.VAR模型 　　向量自回归模型即VAR模型是用来描述时间序列之间的系统的关系，并用以分析与解释时间序列之间的相互影响。VAR模型是通过之后确定不同的滞后阶数的向量之间的线性关系建立的结构性模型，但是克服了联立方程组的结构性要求缺陷，同时利用了时间序列自回归的特点。一个VAR（p）模型的数学形式是： 　　可以简写为以下形式： 　　 　　这里yt是一个k维的内生变量，xt是一个d维的外生变量。A1，… ，Ap和B是待估计的系数矩阵。εt是扰动向量，它们相互之间可以同期相关，但不与自己的滞后值相关及不与等式右边的变量相关。 　　3.脉冲响应模型 　　由于VAR模型并非是一个理论性的模型，在分析是往往不是分析一个变量对另一个变量所作出的影响，而是在一个变量出现一个微小的变化时，另一个变量所相应出现的变化，或者说是一个变量发出了一个脉冲之后，对系统所产生的影响。因此称为脉冲响应模型。模型结构如下： 　　假设存在VAR模型如下： 　　 　　在给予其中一个变量一个扰动项的冲击，会造成其他变量在随后几期的相继变动。 　　三、实证分析 　　1.数据选择与处理 　　为分析美国玉米期货数据与中国玉米期货数据之间存在的关系，本文选取的数据为2009年1月到2014年8月的月度中国玉米期货连续指数代码为C0001以及美国玉米期货连续指数代码为ZCY0每月收盘价数据，分别记为CHI与AME。由于是月度数据，因此不存在由于中美开盘日不同需要剔除的数据，同时月数据很好的说明了数据变化的总体情况，随机性变小。 　　为避免由于数据量纲不同引起的异方差的存在，在此本文将数据CHI与AME分别取自然对数后得到新的数据列，记为LNCHI与LNAME。这样不但可以避免变量前的系数因单位不同而造成对模型解释的困难，同时有效的消除了异方差。 　　2.数据ADF检验 　　对于时间序列的描述性统计往往是不够的，为使得时间序列能进行更为深入的分析与解释，需要对原数据进行平稳性检验，本文中利用ADF检验进行数据的平稳性检验。利用eviews软件对数据的检验结果如下表： 　　表1 时间序列的单位根（ADF）检验 　　 　　注：c、t、k分别表示带有常数项、趋势项、滞后阶数；△表示滞后一阶差分；*表示1%的显著水平；滞后阶数是以AIC和SC值最小为准则。 　　上表中可以看出，两个时间序列在0阶差分的时候为非平稳序列，但是经过一阶差分以后，两列数据有着一致0的平稳性，因此，将此两列时间序列数据都称为一阶单整序列，记为I（1）。 　　3.VAR模型的建立 　　在得到两列数据均为一阶单整即两者同阶单整之后便可以利用数据建立向量自回归模型。但是在建立VAR模型之前，需要检验VAR模型的滞后阶数，利用eviews软件检验如下表所示