基于VAR的中國大豆期貨價格多因素建模研究金融工程專業(yè)論文設(shè)計

II論文題目：基于VAR的中國大豆期貨價格多因素建模研究摘要隨著科技的發(fā)展和經(jīng)濟(jì)全球化的到來，期貨市場的發(fā)展日趨成熟，期貨不止可以為現(xiàn)貨交易提供價格參考，同時也被企業(yè)和投資人當(dāng)作一種規(guī)避風(fēng)險的工具，然而期貨價格時有波動，因此，探究期貨價格背后的影響因素，發(fā)現(xiàn)期貨的價格決定機(jī)制便尤為重要。本文立足于期貨市場快速發(fā)展時期，選取期貨市場具有較強(qiáng)代表性的大連商品交易所的大豆期貨作為標(biāo)的，從經(jīng)濟(jì)因素和市場因素兩個方面綜合考慮對大豆期貨價格的影響因素，以供給沖擊、需求沖擊、大豆現(xiàn)貨價格，芝加哥CBOT大豆期貨價格等為變量，建立我國大連商品交易所黃大豆2號期貨價格影響因子的向量自回歸模型。本文運(yùn)用Eviews10.0軟件進(jìn)行實證分析，在篩選和處理影響大豆期貨價格的影響因素之后，選取5個變量建立大豆期貨價格影響因子的向量自回歸模型，將包含大豆期貨價格在內(nèi)的六個變量進(jìn)行時序圖檢驗，ADF單位根檢驗，格蘭杰因果檢驗后，建立VAR模型，通過表達(dá)式分析和脈沖響應(yīng)函數(shù)以及方差分解的動態(tài)分析綜合研究影響因子對大豆期貨價格的波動，從表達(dá)式和動態(tài)分析兩方面研究影響變量對大豆期貨價格的影響。利用線性表達(dá)式來研究影響因子對大豆期貨價格的直觀影響，利用脈沖響應(yīng)函數(shù)和方差分解來研究動態(tài)影響，得出各個影響因子對于大豆期貨價格的影響程度。關(guān)鍵詞：大豆期貨；期貨市場；影響因子；向量自回歸模型；脈沖響應(yīng)函數(shù)；方差分析

Abstract.Withthedevelopmentofscienceandtechnologyandtheadventofeconomicglobalization,thedevelopmentoffuturesmarketisbecomingmoreandmoremature,futurescannotonlyprovidepricereferenceforspottrading,butalsobyenterprisesandinvestorsasarisk-aversetool,however,futurespricesfluctuatefromtimetotime,therefore,toexplorethefactorsbehindthefuturesprice,Itisparticularlyimportanttodiscoverthepricedecisionmechanismoffutures.Basedontherapiddevelopmentperiodoffuturesmarket,thispaperselectsthesoybeanfuturesofDalianCommodityExchange,whichhasastrongrepresentationinthefuturesmarket,asthetarget,andconsidersthefactorsoftheimpactonsoybeanfuturespricesfrombotheconomicandmarketfactors,soastosupplyshock,demandshockandsoybeanspotprice.ChicagoCBOTsoybeanfuturespricesarevariables,theestablishmentofChina'sDalianCommodityExchangeYellowSoybean2futurespriceimpactfactorvectorregressionmodel.ThispaperusesEviews10.0softwareforempiricalanalysis,afterscreeningandprocessingtheinfluencefactorsaffectingsoybeanfuturesprices,select5variablestoestablishthevectorregressionmodelofsoybeanfuturespriceinfluencefactor,andconducttimeseriestest,ADFunitroottest,AfterGranger'scause-and-effecttest,theVARmodelisestablished,andtheinfluencefactorsitsonsoybeanfuturespricebyexpressionanalysisandpulseresponsefunctionanddynamicanalysisofvariancedecomposition,andtheinfluencefactoronsoybeanfuturespriceisstudiedfromtheaspectsofexpressionanddynamicanalysis.Thevisualinfluenceofinfluencefactorsonsoybeanfuturespricesisstudiedbylinearexpression,andthedynamicinfluenceofpulseresponsefunctionandvariancedecompositionisusedtostudytheinfluenceofeachinfluencefactoronsoybeanfuturesprice.Keywords:SoybeanFutures;FuturesMarket;ImpactFactors;VectorSelf-RegressionModel;PulseResponseFunction;VarianceAnalysis目錄1導(dǎo)論 11.1研究背景和意義 11.2文獻(xiàn)綜述 11.3研究過程及方法 22大豆市場的基本情況 32.1大豆簡介 32.2大豆期貨成交量情況 32.3世界主要大豆生產(chǎn)國 42.4我國大豆期貨市場近況 53影響大豆期貨價格的因素 53.1大豆供給情況 53.2大豆需求情況 53.3大豆現(xiàn)貨價格 53.4大豆下游行業(yè)情況 63.5匯率變動因素 73.6芝加哥CBOT大豆期貨 83.7自然因素 104基于VAR模型的我國大豆期貨價格影響因素的實證分析 104.1影響因子的選擇和處理 104.2數(shù)據(jù)平穩(wěn)性檢驗 114.3格蘭杰因果檢驗 134.4向量自回歸模型建立 144.5AR根檢驗 174.6脈沖響應(yīng) 174.7方差分解 195實證分析結(jié)論及建議 206結(jié)論 201導(dǎo)論1.1研究背景和意義近年來，隨著期貨市場的逐步發(fā)展，以及越來越多投資者的關(guān)注，大豆期貨越來越成為人們投資的熱門選擇，然而大豆期貨價格時有波動，如不加以研究及發(fā)現(xiàn)價格變動規(guī)律，可能會為投資者帶來損失，因此，發(fā)現(xiàn)大豆期貨價格決定機(jī)制，研究大豆期貨的價格影響因素十分關(guān)鍵，在綜合比較后，本文選擇大連商品交易所的黃大豆2號期貨，分析其影響因子，并結(jié)合向量自回歸模型進(jìn)行研究分析。在經(jīng)濟(jì)問題中，向量自回歸模型（VAR）已經(jīng)廣泛地應(yīng)用在國民經(jīng)濟(jì)或者貨幣經(jīng)濟(jì)問題中，但是直接應(yīng)用于期貨價格的研究并不是很多。在期貨市場中，影響一個商品期貨價格的因素很多，有微觀因素也有宏觀面因素，比如市場上對現(xiàn)貨商品的需求和供應(yīng)、產(chǎn)品原材料的供給、外部經(jīng)濟(jì)環(huán)境、自然氣候、市場重大消息等等都會對期貨產(chǎn)品的價格產(chǎn)生或多或少的影響。而在繁多的影響因素中，有些因素的變化是突發(fā)性的，比如戰(zhàn)爭、自然災(zāi)害、一個國家政治經(jīng)濟(jì)制度的突然變動等等，與此同時，期貨價格本身發(fā)生變動時也會相應(yīng)地影響地對這些市場因素產(chǎn)生沖擊。為了找出這些沖擊會對期貨價格的作用產(chǎn)生多大的影響，以及這些影響能夠維持多久的時間，我們將會使用脈沖響應(yīng)函數(shù)來解決這一問題。在面臨我國大豆自身增產(chǎn)有限、國際價格不斷上漲的情況下，大豆產(chǎn)業(yè)鏈中的各級經(jīng)營商都需要通過有效的期貨市場來進(jìn)行大豆或者下游產(chǎn)品的套期保值，以此來轉(zhuǎn)移和規(guī)避大豆的價格風(fēng)險，而市場中存在的投機(jī)者也希望能夠抓住大豆的價格波動，進(jìn)行投機(jī)操作，從而獲得一定的效益。在這樣的背景下，運(yùn)用向量自回歸的方法研究影響因子對大豆期貨價格的沖擊作用，可以更好地對大豆的價格進(jìn)行判斷預(yù)測，因此對市場參與者進(jìn)行投資有著實際性的指導(dǎo)意義。1.2文獻(xiàn)綜述國內(nèi)外研究最多的是運(yùn)用模型進(jìn)行期貨市場和現(xiàn)貨市場的分析和驗證。柳西強(qiáng)、李偉（2010）[1]在其文章《基于向量自回歸模型的有色金屬期貨市場分析》中根據(jù)模型的建立方法和過程，對于期貨市場上銅鋁鋅這三大品種進(jìn)行擬合，研究了三大品種之間的價格關(guān)系和相互之間的影響。李丹、崔日明（2011）[2]在其文章中利用結(jié)構(gòu)自向量回歸模型進(jìn)行了石油價格波動的因素分析，得出了需求沖擊對國際油價的影響作用是最大的。他們建立的模型中存在著自變量之間的當(dāng)期結(jié)構(gòu)性關(guān)系，通過自變量傳導(dǎo)的因變量之間存在著相互反饋的作用機(jī)制，從而將模型轉(zhuǎn)化為簡約的形式進(jìn)行實證分析。余露在其文章《基于SVAR的中國天然橡膠期貨價格的多因素建模研究》（2014）中，結(jié)合期貨衍生品市場，采用結(jié)構(gòu)向量自回歸的方法，從經(jīng)濟(jì)因素和市場因素兩個方面綜合考慮對天然橡膠期貨價格的影響因素，較為全面地分析了對我國天然橡膠期貨價格有影響的因子變量。張兵，張丹在其文章中基于2003-2011年CBOT大豆期貨價格的月數(shù)據(jù),運(yùn)用向量自回歸(VAR)模型考察了不同類型主體與整個期貨市場對大豆期貨價格波動的影響及程度。結(jié)果顯示非商業(yè)凈頭寸為代表的投機(jī)力量對大豆期貨價格起到了一個正反饋的推動作用,而商業(yè)凈頭寸變動對于大豆期貨價格的影響較小,長期內(nèi)幾乎沒有影響。馮娟，柯佑鵬，趙朝飛在他們的文章中，以上海期貨交易所天然橡膠期貨為研究對象，基于單位根檢驗，協(xié)整檢驗，誤差修正模型，格蘭杰因果檢驗等檢驗方法，來研究天然橡膠期貨價格與現(xiàn)貨價格之間存在的關(guān)系.研究結(jié)果顯示，天然橡膠期貨價格與現(xiàn)貨價格之間存在長期關(guān)聯(lián)關(guān)系，期貨價格與現(xiàn)貨價格之間存在因果關(guān)系，相互影響。柳西強(qiáng)，李偉在其文章中，根據(jù)VAR模型的建立方法和過程，對期貨市場上銅鋁鋅三大品種進(jìn)行擬合，研究三大品種間的關(guān)系和相互之間的影響。得出，銅作為我國期貨市場上上市時間最早、交易最成熟的品種，對其他品種的走勢具有較大影響；鋅雖然上市最晚，但活躍程度和常常領(lǐng)先的的走勢也顯示其影響大于鋁。陳方皓在其文章《大豆期貨價格波動影響因素的向量自回歸模型分析》中，運(yùn)用向量自回歸模型對2003年到2011年的大豆期貨價格波動數(shù)據(jù)進(jìn)行分析，通過探討不同類型主體對大豆期貨價格波動具體影響程度，研究結(jié)果表明，對于非商業(yè)凈頭寸的一些投機(jī)力量中，對于大豆期貨價格有著正向的推動過程，而商業(yè)凈頭寸變動中，對于大豆期貨價格有著較小的影響，對于總持倉量而言，在大豆期貨價格中有著相對穩(wěn)定的負(fù)反饋作用，而時間的不斷推移中，不斷的投機(jī)將會產(chǎn)生一種負(fù)面效應(yīng)。ChristopherSimsFumioHayashi,ChristopherSims.NearlyEfficientEstimationofTimeSeriesModelswithPredetermined,butnotExogenous,Instruments.1983,51(3):783-798.在1980年首次提出向量自回歸（VAR）模型，VAR模型是對當(dāng)前所有的變量的滯后變量進(jìn)行回歸。VAR模型可以在不帶有任何一個事先約束條件的前提下進(jìn)行估計，聯(lián)合內(nèi)生變量的動態(tài)發(fā)展關(guān)系。它在AR模型的基礎(chǔ)上進(jìn)行了推廣延申，這種模式目前已被廣泛使用。FumioHayashi,ChristopherSims.NearlyEfficientEstimationofTimeSeriesModelswithPredetermined,butnotExogenous,Instruments.1983,51(3):783-798.AmisanoandGiannini（1997）的著作在歷史上具有里程碑式的意義。這兩位計量經(jīng)濟(jì)學(xué)家在其著作中，提供了新的方法來識別和估計模型，并且得到了結(jié)構(gòu)性脈沖響應(yīng)函數(shù)和預(yù)測誤差方差分解系數(shù)估計的漸進(jìn)分布，以此為基礎(chǔ)來構(gòu)建基于漸近置信區(qū)間的最大似然估計。余露.基于SVAR的中國天然橡膠期貨價格的多因素建模研究[D].上海交通大學(xué),2014.1.3研究過程及方法本文選取大連期貨交易所的黃大豆2號期貨價格作為實證分析研究對象，運(yùn)用向量自回歸（VAR）對其價格可能存在的影響因素進(jìn)行建模分析，嘗試分析出對大豆期貨價格影響因素較大的變量。經(jīng)過分析之后，共選取了農(nóng)產(chǎn)品價格指數(shù)，大豆進(jìn)口價格指數(shù)，大豆出口數(shù)量指數(shù)，大豆現(xiàn)貨價，CBOT大豆期貨收盤價5個影響因子，加上大連期貨交易所黃大豆2號期貨的價格，共6個變量進(jìn)行向量自回歸模型的構(gòu)建，得出對大豆期貨價格有影響的因素。本文結(jié)構(gòu)如下：第一章：導(dǎo)論簡單說明論文研究的背景意義，并且對國內(nèi)外大豆期貨市場的相關(guān)研究現(xiàn)狀進(jìn)行闡述論證，列舉本文的研究方法、研究思維模式以及文章的整體構(gòu)架和本文的創(chuàng)新之處。第二章：我國大豆期貨市場的基本狀況及其影響因素本章介紹了大豆的自然屬性、在生活中的影響地位，以及國內(nèi)外大豆的市場概況，重點對我國大豆期貨價格有著重要影響的因素做了具體說明，包括國內(nèi)外供給需求、下游產(chǎn)品的產(chǎn)量、自然環(huán)境影響、以及芝加哥CBOT大豆之間的關(guān)系等等。第三章：我國大豆期貨價格的VAR建模與分析本章是論文的理論基礎(chǔ)與重點。結(jié)合第二章介紹的對我國大連商品交易所的大豆期貨價格有影響的因素，對影響因素從供給、需求和經(jīng)濟(jì)因素方面進(jìn)行篩選和處理，從而選取5個影響因子變量共6個時間序列對大豆期貨價格的影響因子進(jìn)行實證分析，從表達(dá)式分析和動態(tài)分析入手，得出對大豆期貨價格有影響的因子變量之間的相互關(guān)系。通過構(gòu)建我國大豆期貨價格影響因子的模型，運(yùn)用脈沖響應(yīng)函數(shù)和方差分解等動態(tài)分析方法對模型進(jìn)行研究，第四章：結(jié)論本章作為全文的總結(jié)。對論文的研究分析做概括性論述。2大豆市場的基本情況2.1大豆簡介大豆，又名黃豆，屬一年生豆科草本植物。中國已經(jīng)種植大豆已經(jīng)有4700多年歷史，是大豆最早的產(chǎn)地之一，而歐美國家的大豆種植歷史相對較短，直到19世紀(jì)末才從中國引進(jìn)，隨后發(fā)展種植。到了20世紀(jì)30年代，大豆已經(jīng)在世界范圍內(nèi)開始種植。大豆是一種重要的糧油作物兼用農(nóng)產(chǎn)品，既能食用，又可用于榨油。作為油料作物，大豆是世界上最主要的植物油和蛋白餅粕的提供者。每1噸大豆可以制出大約0.2噸的豆油和0.8噸的豆柏。用大豆制取的豆油，油質(zhì)好，營養(yǎng)價值高，是一種主要食用植物油。作為豆油榨取后的首要產(chǎn)物，被廣泛應(yīng)用于雞，豬，牛等家禽的蛋白質(zhì)補(bǔ)充，還有少量被用于醫(yī)藥行業(yè)和釀酒業(yè).陳方皓.大豆期貨價格波動影響因素的向量自回歸模型分析[J].農(nóng)業(yè)經(jīng)濟(jì),2016(02):129-131.2.2大豆期貨成交量情況選取2009年1月至2020年1月，大連商品交易所黃大豆2號期貨每季度交易量繪制下圖2-2，從圖中可看出自2017年以來我國大豆期貨交易量顯著提升，迅速達(dá)到峰值，隨后有所回落，隨后處于震蕩。圖2-2黃大豆2號期貨成交量走勢圖數(shù)據(jù)來源：wind2.3世界主要大豆生產(chǎn)國世界主要大豆生產(chǎn)國為中國，美國，巴西，阿根廷，由圖可見，我國大豆生產(chǎn)水平一直處于較低狀態(tài)，最初，美國為世界最大大豆生產(chǎn)國，而在近些年，巴西的大豆產(chǎn)量迅速增加，已經(jīng)逐步超過美國，但美國仍然在大豆的生產(chǎn)中占據(jù)重要位置，而巴西，阿根廷雖產(chǎn)量多，但經(jīng)濟(jì)相對落后，因此我國大豆期貨價格仍然會受芝加哥CBOT大豆期貨價格的影響，這一點將在后文加以說明。圖2-31999-2019大豆主產(chǎn)國大豆產(chǎn)量數(shù)據(jù)來源：wind2.4我國大豆期貨市場近況2002年3月，進(jìn)口轉(zhuǎn)基因大豆由于我們國家政府對于轉(zhuǎn)基因技術(shù)管理工作條例的頒布和相關(guān)政策的實施，暫時無法直接參與國際期貨交割，因此，大連商品期貨交易所把原有的大豆期貨合約拆分為兩類，黃大豆1號期貨合約以食用為的以非轉(zhuǎn)基因大豆為標(biāo)的物，黃大豆2號期貨合約以主要用來榨油的轉(zhuǎn)基因、非轉(zhuǎn)基因大豆為標(biāo)的物。隨著我國近年來榨油產(chǎn)業(yè)的不斷發(fā)展，榨油用大豆越來越被我國市場青睞，并逐步形成了完整的產(chǎn)業(yè)鏈，大豆的生產(chǎn)、流通和加工的規(guī)模都在逐步擴(kuò)大。黃大豆2期貨合約把大豆的含油量作為衡量價格的指標(biāo)，這樣可以滿足榨油企業(yè)套期保值的需求，而且能夠吸引更多的以大豆壓榨為主的企業(yè)積極參與大豆期貨套期保值，從而能夠規(guī)避大豆交易和國際貿(mào)易中的價格風(fēng)險，大大降低了企業(yè)生產(chǎn)經(jīng)營的不確定性。3影響大豆期貨價格的因素3.1大豆供給情況國際因素：全球大豆以南北半球劃分可分為兩個主產(chǎn)地，且收獲期不相同，位于南美洲的巴西，阿根廷收獲期為每年4-5月份，而地處北半球的美國，中國收獲期為每年9-10月份，因此，大豆的集中供應(yīng)期間隔大約為6個月。此外，全球最大的大豆供應(yīng)國為美國。國內(nèi)因素：大豆為一種常見農(nóng)產(chǎn)品，但作為一種農(nóng)產(chǎn)品，其生產(chǎn)和交易具有很大的不確定性，第一，根據(jù)其種植收獲時間不同，其價格會有很大變動，在收獲期價格相對較低，而其他時間則相對較高。第二，在其生長期內(nèi)，氣候條件，生長狀況，收獲產(chǎn)量狀況都會進(jìn)一步影響價格。3.2大豆需求情況國際市場：大豆主要進(jìn)口國為歐盟，日本，中國和東南亞等國家和地區(qū)，其中歐盟和日本進(jìn)口量較為穩(wěn)定，而中國和東南亞進(jìn)口量變動較大，容易受經(jīng)濟(jì)因素制約，從而影響國際大豆市場價格。國內(nèi)市場：我國是國際大豆市場最大的進(jìn)口國之一。因此，國際價格水平和進(jìn)口量的大小直接影響國內(nèi)大豆價格。我國國內(nèi)對大豆的需求分為食用需求和非食用需求，在食用需求方面，大豆在我國歷史悠久，食用消費(fèi)相對穩(wěn)定，對價格影響較弱，而在非食用方面，我國近年來壓榨需求比重逐年上升，變化幅度較大，因此對價格影響較大。3.3大豆現(xiàn)貨價格大豆作為一種農(nóng)作物，其現(xiàn)貨價格受農(nóng)業(yè)政策，貿(mào)易政策，視頻政策等多種因素的影響，大豆期貨作為重要的金融市場套利工具，其直接標(biāo)的物為黃大豆，因此，大豆的現(xiàn)貨價格會直接影響其期貨價格。圖3-3大豆現(xiàn)貨價格走勢數(shù)據(jù)來源：Wind3.4大豆下游行業(yè)情況豆粕行業(yè)：豆粕行業(yè)對于大豆價格的影響分為豆粕的供給和需求兩個方面。豆粕的供給方面，影響大豆期貨價格的主要指標(biāo)有1.前期庫存量，它反映著當(dāng)下豆粕庫存是否緊張，短缺或充裕都會對期貨價格有所影響2.當(dāng)期生產(chǎn)量，當(dāng)期產(chǎn)量為一個不確定的變量，它能反映出當(dāng)下市場豆粕的產(chǎn)出能力，以此為依據(jù)對未來產(chǎn)生預(yù)期3.豆粕進(jìn)口量，我國為世界上最大的大豆進(jìn)口國，同時對豆粕的需求量也是日漸增多，推動大豆需求量增多，因此對大豆價格是利好豆粕的需求方面，由于儲存時間較短。在北方，豆粕一般可以保存7-8個月，而在南方只能保存3-4個月，儲存期限相對較短使得豆粕在現(xiàn)貨市場的周轉(zhuǎn)速度較快，商家都傾向于能夠盡快完成交易。如果未能及時銷售，豆粕的質(zhì)量可能會有所下降，便會影響到商家銷售，甚至可能出現(xiàn)虧損。豆粕的這一特性決定了大豆存儲，集中供應(yīng)，一旦出現(xiàn)情況，地區(qū)豆粕價格會立即下降。從而會相應(yīng)的影響大豆價格，使之出現(xiàn)相應(yīng)的下跌。圖3-4大商所豆粕期貨價格走勢數(shù)據(jù)來源：金投網(wǎng)豆油行業(yè)：同豆粕行業(yè)類似，豆油行業(yè)對于大豆價格的影響同樣分為供給和需求兩個方面，主要進(jìn)行以下幾點分析：一是豆油產(chǎn)量的絕對數(shù)量及同比、環(huán)比漲跌；二是豆油的出口數(shù)量及同比、環(huán)比漲跌；三是豆油行業(yè)利潤情況及開工情況；四是豆油行業(yè)面臨的政策性風(fēng)險。主要是來自于國外的反傾銷風(fēng)險。大商所豆油期貨價格走勢數(shù)據(jù)來源：金投網(wǎng)3.5匯率變動因素因為大豆的主產(chǎn)地為美國，巴西，阿根廷等國家，而我國與歐盟，日本等國家和地區(qū)為主要消費(fèi)國，因此，各國之間貨幣匯率的變動也一定會對大豆價格產(chǎn)生影響。其中，人民幣兌美元，人民幣兌日元，人民幣兌歐元，美元兌日元等重要匯率尤其需要額外注意，匯率的變動會使大豆的進(jìn)口價格發(fā)生較大波動，從而影響我國國內(nèi)的大豆價格。對于我國大連期貨交易所來說，美元的匯率變動尤其重要，因為美元是世界主要流通貨幣，同市美國又是最大的大豆出口國，因此美元匯率的波動會對我國國內(nèi)大豆價格產(chǎn)生影響，一般情況下，美元匯率變動與大宗商品交易價格間呈負(fù)相關(guān)關(guān)系。圖3-5人民幣兌美元匯率數(shù)據(jù)來源：新浪財經(jīng)3.6芝加哥CBOT大豆期貨美國芝加哥期貨交易所于18世紀(jì)建立初期，就出現(xiàn)了大豆期貨合約，至今已有悠久的歷史，我國期貨交易市場相對建立較晚，品種出現(xiàn)相較于美國有所落后，1993年大連商品交易所建立后，農(nóng)產(chǎn)品期貨種類才日趨豐富，但由于美國為大豆主要產(chǎn)地，美國具有定價上的相對優(yōu)勢，因此我國大豆期貨價格受美國大豆價格影響仍然較大。但我相信，隨著我國綜合實力的不斷增強(qiáng)，我國在國際上的地位日漸提高，我國大豆期貨價格受制于美國的情況會日益減少。圖3-6-1大商所2019年黃大豆2號期貨交割情況數(shù)據(jù)來源：大連商品交易所選取芝加哥期貨交易所CBOT大豆與我國大連期貨交易所黃大豆2號同時期收盤價格走勢圖進(jìn)行比較。圖3-6-2CBOT美大豆主力走勢圖圖3-6-3黃大豆2號走勢圖數(shù)據(jù)來源：金投網(wǎng)3.7自然因素大豆為農(nóng)作物，因其生長易受環(huán)境，季節(jié)，病蟲害等因素的影響，因此在大豆自然生長直至收獲期間，肯定會有環(huán)境，季節(jié)等不確定因素影響大豆價格，因此，自然因素對于大豆價格的影響主要有以下幾方面：季節(jié)因素：大豆根據(jù)播種時間的不同可分為春播和夏播，但兩種大豆收獲時間大致相同，均為每年9-10月，當(dāng)進(jìn)入大豆的收獲季，則大豆價格可能會有所下降，當(dāng)進(jìn)入淡季時，大豆價格會有所上升。環(huán)境因素：由于大豆主要生長在北美，南美地區(qū)，因此大豆產(chǎn)量可能會受到龍卷風(fēng)，干旱等氣候因素的干擾而有所波動，如果因為氣候因素導(dǎo)致大豆產(chǎn)量下降，則大豆市場價格會相應(yīng)有所提高。病蟲害等因素：病蟲害會影響大豆的生長，甚至使橡大豆死亡，因此定期觀察病蟲害對分析大豆的產(chǎn)量及價格也有著重要的意義。4基于VAR模型的我國大豆期貨價格影響因素的實證分析4.1影響因子的選擇和處理在上一部分分析了影響我國大豆價格的因素之后，為構(gòu)建大豆期貨價格的VAR模型，需要對上部分所選影響因素進(jìn)行選擇和處理。分別從大豆的供給，需求，以及其他經(jīng)濟(jì)因素三個方面進(jìn)行變量的選擇：（1）為了描述影響大豆價格的供給沖擊，我們選取農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)來衡量國內(nèi)市場供給對大豆價格的沖擊;（2）為了描述影響大豆價格的需求沖擊，我們用進(jìn)口價格指數(shù)來度量國內(nèi)對大豆的需求量，用出口價格指數(shù)來度量國內(nèi)對大豆的需求量;（3）為了描述影響大豆價格的經(jīng)濟(jì)因素沖擊，我們從眾多經(jīng)濟(jì)因素中選取較具代表性的大豆現(xiàn)貨價格和CBOT大豆期貨價格作為變量。由于CBOT大豆期貨計量價格計量單位為美分/蒲式耳，而我國大豆期貨計量價格為元/噸，因此在進(jìn)行數(shù)據(jù)分析前已結(jié)合同期匯率將數(shù)據(jù)單位統(tǒng)一為元/噸。綜上所述，我們從供給，需求，其他經(jīng)濟(jì)因素三個方面選取農(nóng)產(chǎn)品價格指數(shù)，進(jìn)口價格指數(shù)，出口價格指數(shù)，大豆現(xiàn)貨價格，CBOT大豆期貨價格共五個變量建立VAR模型對大連商品交易所大豆期貨價格進(jìn)行分析，數(shù)據(jù)選取2015年1月至2019年12月的月度同比數(shù)據(jù)，較為全面地從經(jīng)濟(jì)和市場兩個方面全方位地對我國大豆期貨價格影響因子進(jìn)行分析。并給予如下賦值：變量賦值黃大豆2號的期貨收盤價Y農(nóng)產(chǎn)品價格指數(shù)X1大豆進(jìn)口價格指數(shù)X2大豆出口價格指數(shù)X3大豆現(xiàn)貨價X4CBOT大豆期貨收盤價X5本文實證分析采用eviews10進(jìn)行實證分析。4.2數(shù)據(jù)平穩(wěn)性檢驗4.2.1時序圖檢驗：從下面圖3-2-1各變量的時序圖可以看出，X1存在整體的略微上升趨勢，X4、X5存在整體略微下降的趨勢，其他變量幾乎圍繞一定的均值上下波動。整個樣本期各個變量中大部分變量隨著時間的推移趨勢都相對較弱，因此初步判斷模型符合平穩(wěn)性要求。圖3-2-1原始數(shù)據(jù)時間序列圖4.2.2ADF單位根檢驗：為了保證數(shù)據(jù)平穩(wěn)性，避免出現(xiàn)偽回歸的情況，進(jìn)一步用ADF單位根檢驗對所有變量進(jìn)行平穩(wěn)性檢驗。從表3-2-2可以看出，序列Y、X1都不平穩(wěn)，且在一階差分后均平穩(wěn)；另外，X2、X3、X4、X5本身均平穩(wěn)；因此一階差分后的Y、X1與原序列X2、X3、X4、X5構(gòu)成平穩(wěn)序列，接下來就可以利用該平穩(wěn)序列進(jìn)行研究。變量ADF統(tǒng)計量5%levelp值結(jié)果Y-1.711007-2.914517

0.4203不平穩(wěn)DY-7.534144-1.946878

0.0000平穩(wěn)X1-1.491524-2.916566

0.5303不平穩(wěn)DX1-3.651468-1.9469960.0005平穩(wěn)X2-4.257572-2.9145170.0013平穩(wěn)X3-5.310369-2.914517

0.0000平穩(wěn)X4-3.090745-2.9155220.0331平穩(wěn)X5-2.983026-2.915522

0.0428平穩(wěn)表3-2-2ADF單位根檢驗4.3格蘭杰因果檢驗針對平穩(wěn)序列可以建立VAR模型，在建立模型之前進(jìn)行格蘭杰因果檢驗，為了防止出現(xiàn)偽回歸的情況，且模型有意義。結(jié)果如表3-2-3所示，至少在顯著性水平為0.05時，DX1不是DY的Granger原因的概率為0.0267<0.05，說明農(nóng)產(chǎn)品價格指數(shù)是中國大豆期貨價格的格蘭杰原因；同理從表中還可以看出X3是DY的Granger原因；而在顯著性水平為0.1時，X2、X4也是DY的格蘭杰原因；以此類推。可以看出農(nóng)產(chǎn)品價格指數(shù)，大豆進(jìn)口價格指數(shù)，大豆出口價格指數(shù)，大豆現(xiàn)貨價對中國大豆期貨價格均有一定的影響。另外，可以看出各變量相互間具有影響作用，且建立VAR模型具有一定的價值與意義。

Sample:2015M022019M10Lags:2

NullHypothesis:ObsF-StatisticProb.

DX1doesnotGrangerCauseDY

54

1.628420.0267

DYdoesnotGrangerCauseDX1

2.342970.1067

X2doesnotGrangerCauseDY

54

1.523920.0675

DYdoesnotGrangerCauseX2

2.850310.2280

X3doesnotGrangerCauseDY

54

0.117120.0397

DYdoesnotGrangerCauseX3

0.967250.3873

X4doesnotGrangerCauseDY

54

2.610030.0837

DYdoesnotGrangerCauseX4

1.619600.2084

X5doesnotGrangerCauseDY

54

0.071430.1312

DYdoesnotGrangerCauseX5

1.687750.1955

X2doesnotGrangerCauseDX1

54

1.552790.2219

DX1doesnotGrangerCauseX2

0.342450.7117

X3doesnotGrangerCauseDX1

54

0.681920.5104

DX1doesnotGrangerCauseX3

0.237840.7892

X4doesnotGrangerCauseDX1

54

0.147050.8636

DX1doesnotGrangerCauseX4

1.620690.2082

X5doesnotGrangerCauseDX1

54

1.782950.1789

DX1doesnotGrangerCauseX5

0.896650.4145

X3doesnotGrangerCauseX2

55

1.420500.2512

X2doesnotGrangerCauseX3

1.361490.2656

X4doesnotGrangerCauseX2

55

0.077450.9256

X2doesnotGrangerCauseX4

1.707010.1918

X5doesnotGrangerCauseX2

55

1.151060.3245

X2doesnotGrangerCauseX5

1.239870.2982

X4doesnotGrangerCauseX3

55

0.586600.5600

X3doesnotGrangerCauseX4

1.165330.3201

X5doesnotGrangerCauseX3

55

0.769850.4685

X3doesnotGrangerCauseX5

0.038080.9627

X5doesnotGrangerCauseX4

55

9.227440.0004

X4doesnotGrangerCauseX5

0.288820.7504表3-2-3格蘭杰因果檢驗4.4向量自回歸模型建立4.4.1最佳滯后階數(shù)選擇首先用默認(rèn)的滯后二階建立VAR模型，再確認(rèn)最佳滯后階數(shù)。結(jié)果如表3所示，在二階中出現(xiàn)星號最多，且包含AIC最小，因此說明適合建立VAR(2)模型。

VARLagOrderSelectionCriteriaEndogenousvariables:DYDX1X2X3X4X5

Exogenousvariables:C

Date:03/16/20Time:13:50Sample:2015M022019M10Includedobservations:52

LagLogLLRFPEAICSCHQ0-767.6748NA

337557.1

29.75672

29.98187

29.843041-646.1928

210.2573

12727.98

26.46896

28.04496*

27.07316*2-606.4727

59.58019*

11655.87*

26.32587*

29.25274

27.447963-581.0928

32.21295

20322.73

26.73434

31.01207

28.374324-552.9532

29.22190

37345.97

27.03666

32.66525

29.19453

*indicateslagorderselectedbythecriterion

LR:sequentialmodifiedLRteststatistic(eachtestat5%level)

FPE:Finalpredictionerror

AIC:Akaikeinformationcriterion

SC:Schwarzinformationcriterion

HQ:Hannan-Quinninformationcriterion表3-3-1最佳滯后階數(shù)4.4.2VAR（2）模型參數(shù)估計模型參數(shù)估計結(jié)果如表3-3-2所示。本文想要研究中國大豆期貨價格的多因素影響，因此將代表中國大豆期貨價格的Y作為因變量，將上文所選的各個影響因素即農(nóng)產(chǎn)品價格指數(shù)（X1），大豆進(jìn)口價格指數(shù)（X2），大豆出口價格指數(shù)（X3），大豆現(xiàn)貨價（X4），CBOT大豆期貨收盤價（X5）作為自變量。其中每個變量都對應(yīng)關(guān)于因變量的系數(shù)，標(biāo)準(zhǔn)差，T統(tǒng)計量。根據(jù)滯后二階的模型擬合結(jié)果來看，DY方程擬合程度達(dá)到了

0.340222，DX1方程的擬合程度達(dá)到了0.720295，以此類推。整體來說模型擬合程度較好，更何況若為了研究變量間的關(guān)系模型的擬合程度不是分析重點，稍微低點也沒關(guān)系。從模型估計系數(shù)來看，根據(jù)DY方程，從模型估計參數(shù)的絕對值來看，對DY影響最大的是DX1滯后二期，其次是DX1滯后一期。說明農(nóng)產(chǎn)品價格指數(shù)對中國黃大豆2號期貨價格有較大影響，其次是X2滯后二期、滯后一期，說明大豆進(jìn)口價格指數(shù)對中國黃大豆2號期貨價格也有較大影響。同時，在DY方程中，可以看出DX1在滯后一期為負(fù)向影響，在滯后二期卻為正向影響；同樣X2也是。說明變量在隨著時間的推移對中國黃大豆2號期貨價格的影響是會變化的，后期還會通過脈沖響應(yīng)分析這種影響是否會趨于穩(wěn)定。VAR參數(shù)模擬估計見下表

VectorAutoregressionEstimates

Date:03/16/20Time:13:46

Sample(adjusted):2015M052019M10

Includedobservations:54afteradjustments

Standarderrorsin()&t-statisticsin[]DYDX1X2X3X4X5DY(-1)-0.306505

8.66E-06-0.000295-0.000557

0.008353-0.044451

(0.14969)

(5.0E-06)

(0.00018)

(0.00051)

(0.03679)

(0.04203)[-2.04754][1.73429][-1.64729][-1.09639][0.22705][-1.05750]DY(-2)-0.098051-1.55E-06

0.000121

0.000164

0.005428

0.039130

(0.15041)

(5.0E-06)

(0.00018)

(0.00051)

(0.03696)

(0.04223)[-0.65190][-0.30808][0.67416][0.32135][0.14685][0.92651]DX1(-1)-583.8723

1.066055-0.380552

2.129944-588.0370

989.9228

(4308.46)

(0.14379)

(5.15365)

(14.6215)

(1058.87)

(1209.81)[-0.13552][7.41377][-0.07384][0.14567][-0.55535][0.81825]DX1(-2)

8389.938-0.437994

3.794357

5.425631

637.8671-198.5822

(4262.32)

(0.14225)

(5.09847)

(14.4649)

(1047.53)

(1196.86)[1.96840][-3.07896][0.74422][0.37509][0.60893][-0.16592]X2(-1)-45.54702

0.001049

0.557310-0.226277

16.19500-16.10968

(127.025)

(0.00424)

(0.15194)

(0.43108)

(31.2182)

(35.6684)[-0.35857][0.24735][3.66788][-0.52491][0.51877][-0.45165]X2(-2)

183.5589-0.006686-0.088272-0.469164

32.20988

50.27953

(121.864)

(0.00407)

(0.14577)

(0.41357)

(29.9498)

(34.2192)[1.50626][-1.64395][-0.60556][-1.13444][1.07546][1.46933]X3(-1)

14.74647

0.000905-0.090858

0.242776

2.856927

1.057601

(47.6599)

(0.00159)

(0.05701)

(0.16174)

(11.7131)

(13.3828)[0.30941][0.56894][-1.59373][1.50101][0.24391][0.07903]X3(-2)

7.515233-0.001291

0.055198-0.041780

18.85533

0.168550

(45.0554)

(0.00150)

(0.05389)

(0.15290)

(11.0730)

(12.6515)[0.16680][-0.85862][1.02420][-0.27324][1.70282][0.01332]X4(-1)-0.436429

6.34E-06-6.83E-05

0.000172

1.298061-0.021831

(0.49794)

(1.7E-05)

(0.00060)

(0.00169)

(0.12238)

(0.13982)[-0.87647][0.38177][-0.11462][0.10198][10.6072][-0.15613]X4(-2)-0.475801-5.72E-07-7.54E-05-0.000214-0.454827

0.055161

(0.46561)

(1.6E-05)

(0.00056)

(0.00158)

(0.11443)

(0.13074)[-1.02189][-0.03680][-0.13529][-0.13537][-3.97469][0.42191]X5(-1)

0.156599

2.17E-05-0.000582

0.001072

0.509736

1.083533

(0.53662)

(1.8E-05)

(0.00064)

(0.00182)

(0.13188)

(0.15068)[0.29182][1.20964][-0.90730][0.58882][3.86508][7.19083]X5(-2)

0.408301-1.48E-05

0.000878

0.000155-0.369003-0.403433

(0.59037)

(2.0E-05)

(0.00071)

(0.00200)

(0.14509)

(0.16577)[0.69160][-0.75309][1.24396][0.07739][-2.54324][-2.43362]C

2535.423-0.020437

0.820604

0.507184

351.7068

146.9162

(768.329)

(0.02564)

(0.91905)

(2.60745)

(188.828)

(215.746)[3.29992][-0.79700][0.89288][0.19451][1.86258][0.68097]

R-squared

0.340222

0.720295

0.400920

0.215809

0.921491

0.727191

Adj.R-squared

0.147116

0.638431

0.225579-0.013711

0.898513

0.647344

Sumsq.resids

800857.4

0.000892

1.145886

9.223456

48371.93

63146.08

S.E.equation

139.7609

0.004664

0.167178

0.474302

34.34826

39.24472

F-statistic

1.761842

8.798597

2.286520

0.940262

40.10293

9.107350

Loglikelihood-335.9429

220.6734

27.40308-28.90736-260.1603-267.3567

AkaikeAIC

12.92381-7.691608-0.533447

1.552124

10.11705

10.38358

SchwarzSC

13.40264-7.212779-0.054618

2.030954

10.59588

10.86241

Meandependent

3.622037

0.000550

1.051456

0.996962

3547.071

946.4746

S.D.dependent

151.3355

0.007757

0.189972

0.471083

107.8201

66.08544

Determinantresidcovariance(dofadj.)

2612.128

Determinantresidcovariance

500.4205

Loglikelihood-627.5532

Akaikeinformationcriterion

26.13160

Schwarzcriterion

29.00458表3-3-2模型參數(shù)估計4.5AR根檢驗根據(jù)選定的滯后階數(shù)做出合適的向量自回歸模型以后，并不意味著模型可以立即使用，需要對模型的穩(wěn)健性檢驗，因此需對該模型進(jìn)行單位根檢驗，結(jié)果如圖2所示，所有的點都位于單位圓內(nèi)，因此模型是穩(wěn)健的，具有很強(qiáng)的解釋力，可以進(jìn)行下一步操作。圖3-4-1AR根檢驗結(jié)果4.6脈沖響應(yīng)雖然在自回歸的方程式中，可以簡單看到各個變量對于因變量的影響系數(shù)大小，但在自回歸模型中，方程式并不是研究重點，緊跟其后的脈沖響應(yīng)函數(shù)和方差分解才是觀察的主要對象。3-5-1脈沖響應(yīng)圖-合并3-5-2脈沖響應(yīng)圖-分解在模型擬合效果優(yōu)良的基礎(chǔ)上，輸出的脈沖響應(yīng)函數(shù)圖如圖3和圖4所示。分別給出各變量對DY的沖擊影響的合并及分解圖。總體來看，各個變量對中國黃大豆2號期貨價格的沖擊在第四期之前較大，在第四期之后趨于平緩并收斂，說明模型擬合較好。分別看每個變量對中國黃大豆2號期貨價格的影響，中國黃大豆2號期貨價格對自身的沖擊是最大的，在一到二期為負(fù)向沖擊，且沖擊較強(qiáng)，二到四期上下波動，之后趨于平緩；同樣可分析其它反映股票市場的變量對經(jīng)濟(jì)增長的影響。4.7方差分解圖3-6-1方差分解圖-合并3-6-2方差分解圖-分解

PeriodS.E.DYDX1X2X3X4X5

1

139.7609

100.0000

0.000000

0.000000

0.000000

0.000000

0.000000

2

146.5918

98.46859

0.206948

0.013555

0.279345

0.876931

0.154633

3

160.7456

81.91606

7.450107

5.611724

0.389502

3.907707

0.724903

4

165.2526

77.62691

9.379955

6.066345

0.487426

5.737008

0.702354

5

166.8229

76.54948

9.373997

6.008244

0.647193

6.657773

0.763313

6

167.8732

75.66745

9.399385

6.312110

0.753506

7.091269

0.776281

7

168.7822

74.86035

9.772023

6.477990

0.818563

7.289764

0.781312

8

169.5616

74.17754

10.28866

6.491511

0.860290

7.348680

0.833314

9

170.2409

73.61092

10.74786

6.449088

0.882358

7.336817

0.972959

10

170.7913

73.17965

11.06174

6.407675

0.890219

7.304885

1.155836表3-6-3方差分解表5實證分析結(jié)論及建議從上一章DY的方差分解圖和包含具體數(shù)據(jù)的表格中可以看出，在第一期對于方差貢獻(xiàn)更多的是自身，在第二期的時候方差貢獻(xiàn)最多的仍然是自身，其次是X4。除了自身的影響外，在長期穩(wěn)定后DXI對DY影響最大，且影響長期穩(wěn)定在11%左右，說明農(nóng)產(chǎn)品價格指數(shù)是中國大豆期貨價格的重要影響因素；其次是X4，對DY的影響穩(wěn)定在7%左右；再次是X2，穩(wěn)定在6%左右，說明進(jìn)口大豆數(shù)價格指數(shù)和大豆的現(xiàn)貨價同樣對中國大豆期貨價格有較大的影響。X3和X5即大豆出口價格指數(shù)和CBOT大豆期貨收盤價對中國大豆期貨價格的影響相對較小。建議：我國農(nóng)產(chǎn)品價格波動對大豆期貨價格影響較大，為穩(wěn)定農(nóng)產(chǎn)品價格，需政府加強(qiáng)建設(shè)農(nóng)產(chǎn)品市場，抵御來自農(nóng)產(chǎn)品生長運(yùn)輸過程中的不確定因素。此外，我國為世界最大大豆進(jìn)口國，大豆進(jìn)口價格指數(shù)反應(yīng)大豆進(jìn)口價格情況，而現(xiàn)貨價格能反映出現(xiàn)貨市場的供求情況，因此，大豆進(jìn)口價格指數(shù)與現(xiàn)貨價格對大豆期貨價格影響較大，我國只有不斷提升綜合國力，同時出臺一系列政策支持保護(hù)農(nóng)產(chǎn)品交易，才能在大豆期貨現(xiàn)貨的定價中有越來越重的話語權(quán)。6結(jié)論自2008年世界金融危機(jī)以來，各國政府積極刺激本國經(jīng)濟(jì)復(fù)蘇，全球經(jīng)濟(jì)復(fù)蘇加快，中國，美國，歐元區(qū)，日本等經(jīng)濟(jì)體對全球經(jīng)濟(jì)復(fù)蘇起到至關(guān)重要的作用，當(dāng)前世界經(jīng)濟(jì)處于后危機(jī)時代的轉(zhuǎn)型調(diào)整期，全球經(jīng)濟(jì)運(yùn)行的突出特征表現(xiàn)為復(fù)蘇步伐逐漸加快，動能不斷增強(qiáng)，未來一個時期，全球經(jīng)濟(jì)的增速有望超過1980年至2017年的均值。全球勞動力市場持續(xù)改善。美日歐勞動力市場已基本從經(jīng)濟(jì)危機(jī)的影響中脫離出來，伴隨著全球經(jīng)濟(jì)活動的復(fù)蘇，油價和農(nóng)產(chǎn)品價格的穩(wěn)步回升，美國、日本、歐洲等主要經(jīng)濟(jì)體工資收入加速增長等原因，全球主要經(jīng)濟(jì)體的通脹水平在波動中不斷抬升。本文正是在這樣的經(jīng)濟(jì)背景下，選取我國大商所的黃大豆2號期貨作為研究對象，通過建立向量自回歸模型，并結(jié)合供求因素和其他經(jīng)濟(jì)因素，得出對我國大豆期貨價格有影響的影響因素。在建立模型之前，我們首先對可能影響大豆期貨價格的一些影響因子做了選擇和理，最后選擇了農(nóng)產(chǎn)品價格指數(shù)，進(jìn)出口價格指數(shù)，大豆現(xiàn)貨價格，CBOT大豆期貨價格加上大商所大豆期貨價格本身共六個變量，在進(jìn)行時序圖檢驗，ADF單位根檢驗，格蘭杰因果檢驗驗證數(shù)據(jù)平穩(wěn)性之后，建立了我國大豆期貨價格影響因子的VAR模型，隨后進(jìn)行AR根檢驗，驗證模型的穩(wěn)健性，最后通過脈沖響應(yīng)函數(shù)和方差分解綜合分析，得出結(jié)論：在對大連商品期貨交易所的大豆期貨價格的實證分析中生產(chǎn)價格指數(shù)農(nóng)產(chǎn)品價格指數(shù)，大豆現(xiàn)貨價格，進(jìn)口價格指數(shù)對于大豆期貨價格的影響分別位于前三位，而出口價格指數(shù)，芝加哥CBOT大豆期貨價格對我國大豆期貨價格的影響相對較小，主要原因可能是近年來我國綜合國力不斷