我国大豆期货价格增长率影响因素分析摘要:大豆期货经过十几年发展已经成为我国农产品期货市场中比较成熟的交易品种。因此,对其价格的影响因素的分析具有重要的理论意义和实践意义。本文选取CBOT两个月连续大豆期货价格、大豆现货价、消费者预期指数、原油价格2014年1月~2017年4月月度数据,进行多元回归分析以探讨影响我国大豆期货价格增长率的主要因素。结果表明我国大豆期货价格增长率主要受大豆现货价格和消费者预期指数的影响,受大豆现货价格的影响高于受消费者预期指数的影响。关键字:大豆期货价格;影响因素;多元回归分析Abstract:SoybeanfutureshasbeenamaturetradedvarietyinChina'sagriculturalfuturesmarketaftertenyearsofdevelopment.Therefore,itisofgreatsignificantforboththeoryandpracticetoanalyzethefactorsinfluencingthepriceofSoybeanfutures.OurpaperselectsmonthlydatainJanuary2014~2017AprilofCBOTtwoconsecutivemonthsofsoybeanfuturesprices,soybeanspotprice,consumerexpectationsindex,crudeoilpricestoanalyzethefactorsinfluencingthegrowthrateofSoybeanfutures’pricebymultipleregressionanalysis.WefindthegrowthrateofSoybeanfutures’priceismainlyaffectedbysoybeanspotpriceandconsumerexpectationindex,whichisaffectedbysoybeanspotpricehigherthanthatofconsumerexpectationindex.Keyword:Soybeanfuturesprices;influencingfactors;multipleregression一、引言从1993年中国期货市场试点开始,大连、上海、北京、郑州、成都等五家交易所就将大豆作为交易品种。后经过期货市场治理整顿,从1999年起大连商品交易所成为国内上市大豆期货品种的唯一交易所。经过十几年的发展,大豆期货价格已成为中国大豆生产和流通领域最具影响力的指导性价格和国内大豆市场的晴雨表。并且由于中国大豆的生产淡季正是南美大豆的收获季节,南美大豆可以弥补国产大豆生产淡季的需求缺口,因此中国大豆期货价格也可以反映国际大豆市场的供需变化,中国大豆期货市场在国际大豆价格形成过程中发挥着越来越重要的作用,在国际市场上被认为是全球大豆销区的基准价格。同时,大豆是在中国上市比较早且交易一直比较活跃的期货品种之一,以此为例进行分析具有较强的代表性。因此,研究和探讨中国大豆期货市场价格的影响因素和相关变量对其的影响程度以及由此探讨提升中国大豆期货市场运行质量、促进其功能发挥是一个值得关注的问题。二、文献综述大豆期货是否具有套期保值功能和价格发现功能是学者们普遍关注的话题。阎石和邹尔康(2012)[1]对大豆套期保值比率及策略有效性进行了检验,研究结果发现我国大豆期货套期保值具有持有期效应,不具有到期效应,而且近月交割合约并不比远月交割合约有效。邰银平(2014)[2]建立VEC模型和EGARCH模型分别研究了国内外大豆期货价格和国产大豆现货价格之间的短期动态关系和波动溢出效应。探讨国内大豆期货价格如何受到国际经济形势的变动也是当下的研究热点之一。徐超(2010)[3]选取金融危机这个特殊时期,对中国大豆期货价格的影响因素进行研究。运用多元回归分析的方法,以期货价格理论为切入点选取变量,并在此基础上选取了一些其他与大豆期货价格有联动性的变量如石油价格变量,建立回归模型,得出供求对大豆期货的影响力有所下降,原油价格对大豆期货价格的影响力却在增强。叶苏(2012)[4]通过对影响大豆期货价格波动的外部因素进行分析,利用主成分分析方法发现国际因素和替代产品是影响大豆短期期货价格波动的主要因素。张天龙(2015)[5]以2000年至2014年数据为基础,用SPSS对选取的19个因素进行主成分分析,得出对大豆期货价格影响较大的因素分别是农业生产资料价格指数、美元兑人名币汇率、国际原油价格、我国大豆消费量、压榨量、进口量、我国大豆生产成本,其中美元指数、人民币汇率、人民币存款基准利率、我国大豆产量和大豆收获面积和大豆期货收盘价呈负相关,其他变量呈正相关,为实践操作提供了重要参考指标。对于大豆期货的研究,也有学者从其价格波动的特点方面进行研究。张兵和刘丹(2012)[6]基于2003-2011年CBOT大豆期货价格的月数据,运用向量自回归模型考察了不同类型主体与整个期货市场对大豆期货价格波动的影响及程度,研究结果表明,非商业净头寸的投机力量对大豆期货价格有着正向的推动过程,而商业净头寸变动对于大豆期货价格影响较小,总持仓量对大豆期货价格有着相对稳定的负反馈作用,而随着时间的推移,不断的投机将会产生一种负面效应。类似的,陈方皓(2016)[7]运用向量自回归模型对2006-2015年的大豆期货价格波动数据进行分析,所得结果与文献[6]相符合。王秀东等(2013)[8]通过对2006-2011年大豆期货价格交易日的高频数据进行研究,采用自回归条件异方差(ARCH)模型定量分析了大豆期货价格的波动规律。胡华挺(2013)[9]运用Granger因果检验法筛选变量,而后实证了ARMA模型、GARCH模型和Logistic模型能起到预判大豆期货价格波动的功能。李显戈(2013)[10]采用Copula函数实证了中美大豆期货价格存在较强的相关关系,且价格波动存在着明显的非对称性。综上所述,我国学者对大豆期货价格的研究集中于以下三点:一方面是探讨大豆期货价格和大豆现货价格的关系及传导机制;其次是研究我国大豆期货价格与国际大豆产量、期货价格的关系,特别是和美国日本等国家的期货市场之间的整合关系;最后是描述并刻画大豆期货价格的波动形式并力求找出其中的规律。三、实证分析(一)数据来源和指标选取为研究我国大豆期货市场价格增长率的影响因素,本文选取CBOT两个月连续大豆期货价格(元)、大豆现货价(元)、消费者预期指数、原油价格(美元)为解释变量,选取豆1期货结算价(元)为被解释变量,选取2014年1月~2017年4月月度数据进行研究。表1原始数据统计日期豆1期货结算价(元)CBOT两个月连续大豆期货价格(元)大豆现货价(元)消费者预期指数原油价格(美元)Jan-144,420.001,273.004,348.00105.0093.25Feb-144,468.001,413.004,344.00107.0099.77Mar-144,150.001,462.004,334.00112.30100.71Apr-144,374.001,530.004,297.37107.40100.70May-144,589.001,490.004,306.84105.60101.72Jun-144,465.001,401.504,306.84108.90103.49Jul-144,399.001,227.004,260.53108.00101.76Aug-144,591.001,090.004,200.00107.0096.14Sep-144,589.00911.754,086.84108.4092.08Oct-144,507.001,024.504,045.79107.2085.24Nov-144,309.001,015.003,962.63109.0076.71Dec-144,505.001,018.503,836.84109.1059.39Jan-154,366.00960.503,772.63109.0046.60Feb-154,302.001,029.003,751.58113.0049.02Mar-154,019.00974.003,734.21110.3048.96Apr-154,296.00978.503,561.58110.9053.47May-154,390.00934.503,515.79113.4059.40Jun-154,233.001,056.003,437.89108.0060.69Jul-154,243.00979.003,438.95106.9853.92Aug-154,159.00896.503,507.89106.8044.48Sep-154,066.00892.253,505.26108.5042.37Oct-153,876.00882.753,502.63106.4043.25Nov-153,735.00880.753,502.63106.6040.12Dec-153,615.00871.003,414.74105.8034.11Jan-163,522.00881.003,414.74106.6028.24Feb-163,501.00854.253,404.21106.9027.38Mar-163,451.00909.503,387.89103.4033.10Apr-163,621.001,021.253,377.37104.7036.77May-163,700.001,078.503,534.21102.8041.79Jun-163,947.001,176.503,660.53105.5045.02Jul-163,602.001,031.503,772.63109.8042.30Aug-163,704.00958.503,710.53108.3041.94Sep-163,718.00951.503,713.16107.6041.48Oct-163,832.001,002.253,712.11110.2045.31Nov-164,039.001,032.003,726.32111.5042.23Dec-164,296.00997.253,738.95111.5047.08Jan-174,220.001,024.003,738.95112.4048.22Feb-174,143.001,026.003,736.32116.2048.74Mar-173,793.00945.003,686.84114.2046.00Apr-173,750.00944.253,644.74116.4047.62数据来源:wind数据库(二)数据平稳性分析做大豆期货价格时间序列图并进行ADF检验,所得结果如图1和表1所示。图1我国大豆期货价格增长率时间序列图表2我国大豆期货价格增长率ADF检验t-StatisticProb.*AugmentedDickey-Fullerteststatistic-6.3493010.0000Testcriticalvalues:1%level-3.6155885%level-2.94114510%level-2.609066由上述结果可知,在显著性水平ɑ=0.05的水平拒绝原假设,可以认为我国大豆期货价格增长率为平稳序列。(三)变量间散点图令Y表示豆1期货结算价,X1表示大豆现货价格,X3表示消费者预期消费指数,X4表示原油价格,以Y为纵坐标,各解释变量为横坐标,分别作出散点图,如图2所示。由图2可知,Y被解释变量与各解释变量之间存在线性关系。图2解释变量与被解释变量间散点图(四)模型建立构建理论模型如下:lgYi=β0+β1lgX1i+β2lgX2i+β3lgX3i+β4lgX4i+μi(i=1,2,…40)(1)其中,Yi表示豆1期货结算价,X1i表示CBOT两个月连续大豆期货价格,X2i表示大豆现货价,X3i表示消费者预期指