现货价格

现货价格（共10篇）

现货价格 篇1

摘要：本文的研究对象是以沪深300指数为标的的股指期货与现货指数价格之间的关系。2005年正式发布的沪深300指数,并于2006年正式成立了中国金融交易所,推出了沪深300股指期货的模拟交易。本文主要利用Granger因果检验和协整理论实证分析股指期货和现货指数价格的相互引导关系,并用脉冲响应函数度量相互影响的大小。通过沪深300股指期货与指数的实证分析,得出结论:在2008年10月至2009年5月的这段时间内,模拟股指期货价格与现货价格之间互为Granger原因,但股指期货对现货的影响要大一些,股指期货的价格引导现货价格。另外,协整检验表明,模拟股指期货价格与现货价格之间存在长期的协整关系。

关键词：股指期货,期货与现货的引导关系,平稳性检验,Granger因果检验,协整理论

1 股指期货理论

股指期货交易是关于股票指数的标准化期货合约的交易。它是金融期货交易的重要组成部分,是资本市场发展到一定阶段的产物,是投资者用来规避市场系统性风险的有效工具。

1.1 股指期货的定义

股指期货是一种标准化的期货合约,它是以股价指数为标的物,交易的双方约定在未来的时间按事先确定的价格进行股价指数的交易。它的实质是投资者在期货与现货两个市场间实现风险转移的过程,投资者通过对期货市场的走势持有的不同判断,进行股价指数的买卖,从而来对冲现货市场的风险。这些期货合约广泛的应用于对冲、投机和指数套利等交易。

股票指数期货与外汇期货、利率期货和其他各种商品期货一样,都是根据人们规避风险的需要而产生的,而股指期货是专门为人们管理股票价格的市场风险而设计的。

现代投资组合理论将股票市场的风险分为系统性风险和非系统性风险。系统性风险又称为不可控风险,涉及面广,作用时间长,不能通过分散投资的方法来规避;非系统性风险相对于系统风险来说,就比较容易控制,正因为此,它又被称为可控风险。非系统性风险与整个市场无关,所以投资者通常都可采用投资组合的方式来规避此类风险。投资组合虽然在很大程度上能够降低非系统风险,但是当整个市场环境发生变化的时候,也就是说发生系统性风险时,股市上各种股票的市场价格都会向着同一个方向变动,这时候单凭在股票市场的分散投资,是无法规避股市价格的整体变动所带来的风险的。为了避免或减少这种所谓不可控风险的影响,人们在进行商品期货的套期保值交易中受到启发,设计出了一种新型的金融投资工具———股票指数期货。

20世纪70年代,西方各国受石油危机的影响,经济发展十分不稳定,利率波动剧烈,导致股票价格也随着市场大幅波动,股票投资者迫切需要一种能够有效规避风险,实现资产保值的金融工具。于是,股指期货应运而生。它的兴起,一方面给拥有股票和将要购买或卖出股票的投资者提供了有效的风险转移的工具,另一方面也使期货投机者拥有了更多的投机机会,因此股票指数期货迅速地应用于不同的投资者之间。

1.2 股指期货的基本功能

股指期货主要具有价格发现、套期保值、抑制波动和活跃市场等功能。以下仅就其中三种功能做简要的介绍:

1.2.1 价格发现

在市场经济中,调节市场资源配置的一个重要手段就是价格。价格是在买卖双方的交易活动中形成的,它直接反映了产品的供求关系,价格变化会影响供求的变动,同时,市场上供求的变化也会导致价格发生相应的浮动。现货价格是根据当时现货市场上的一般趋势制定的,是短暂的、分散的,而期货价格则是在期货交易所内通过集合竞价的方式产生的,是具有真实性、预期性、连续性和权威性的价格。在交易所内进行交易,它的现货交割制度会使期货价格和现货价格逐渐趋于收敛,因此期货价格能够对市场真实的供求状态及价格变动趋势作出比较准确的反映。

1.2.2 套期保值

套期保值,又称为风险对冲,是指投资者在期货市场上买入或卖出与现货指数数量相当但方向相反的股指期货,用来抵冲在未来一段时间内现货市场可能的波动所带来的实际价格风险。它的实质就是利用股指期货市场对冲现货市场价格的波动,从而起到规避市场的系统性风险的作用。

1.2.3 抑制波动

由于期货和现货市场的标的是一致的,股指期货的交割制度使得期货的价格与现货的价格最终会收敛于一致,同时,两个市场的信息来源也是一致的,所以他们的价格走势也相差不大。如果期货价格和现货价格偏离均衡价格的程度足以覆盖套利的交易成本,套利交易者就会通过在这两个市场上建立套利头寸获取无风险收益,通过这种行为,期货和现货的价格就会向其理论均衡价格回归,从而起到抑制市场异常波动的作用。

1.3 沪深300股指期货

随着金融市场的对外开放不断加深,我国的股票市场必然会受到来自离岸市场推出的股指期货的影响,特别是在新加坡推出新华富时A50股票指数期货后,为了争夺对国内股指期货的定价权,我国也积极准备推出股指期货。2006年4月,沪深300指数被指定为我国第一支股指期货的标的指数,2006年6月,中国金融期货交易所正式经过中国证监会的批准,9月中国金融交易所正式成立,并推出了以沪深300指数为标的的股指期货的模拟交易。为了顺利推出股指期货,监管机构在制度、技术、投资者教育等方面都做了充分的准备。

沪深300指数于2005年4月8日正式发布,以2004年12月31日为基日,基日点为1000点。它是从上海和深圳的证券市场中选取300只A股股票作为样本指数,其中沪市有179只,深市121只,样本选择的标准为规模大,流动性好的股票。沪深300指数样本基本覆盖了沪深市场六成左右的市值,所以具有良好的市场代表性,适合做本文的研究。

沪深300指数期货的交易时间为上午9:15-11:30,下午13:00-15:15,当月合约最后交易日交易时间为上午9:15-11:30,下午13:00-15:00,与现货市场是保持一致的。这种交易时间的安排有利于股指期货实现价格发现的功能,方便投资者根据现货市场的情况及时的调整套保策略,有效控制系统风险。

根据中国金融交易所的公告,沪深300股指期货模拟交易合约细则如表1所示。

注:数据来源:中国金融交易所网站.

2 模拟股指期货价格与现货价格实证研究

自从股指期货产生以来,国内外的学者都对股指期货与现货价格之间的关系做了大量的研究,以期寻找他们之间的联系,能更好地规避风险。但由于我国股指期货的发展还不健全,所以早期的研究大都以国外的股指期货与现货价格为对象,我国的股指期货自产生以来正在逐步的步入正轨,为了更好的为我国股指期货的发展服务,所以本文主要研究我国股指期货的发展及其与现货价格的关系。

2.1 数据的选择和处理

本文选取的样本是以沪深300指数为标的的股指期货、现货数据。国内外的学者对期现价格之间的相关性做了很多研究,但主要都是针对成熟的资本市场,像美国、日本等以及新加坡、台湾、香港等新兴市场,针对国内的研究很少,主要也是因为国内的股指期货迟迟没有推出,没有相关的数据。目前我国开展的主要是在中国金融期货交易所上市的以沪深300指数为标的的股指期货模拟交易。沪深300股指期货模拟交易从2006年10月30日开始交易,截至目前为止已经有三年半的发展时间,已经部分脱离了刚推出时的不稳定性,能够较准确的反映市场信息,所以可以用来作为本文的研究对象。

期货数据方面,在股指期货的初期,由于是模拟交易,而且刚刚开始发展,市场管理方面还很不完善,投资者也大多是小规模,以个人投资为主,再加上模拟交易没有实际的盈亏,投资者的投资行为都缺乏理性,不能很好的反映市场信息,与现货市场出现了严重的脱离。后来由中国金融期货交易所正式推出股指期货,机构参与者逐渐增多,期货市场与现货市场联系也日益紧密,二者的相关性大大增强,因此本文选择最近一段时间的数据。同时由于期货品种的数据存在到期日效应,也就是随着交割日期的临近,期货价格会逐渐向现货价格收敛,这样就不能完全反映期货与现货之间的相关性,因此,本文选择沪深300股指期货交易的远月连月数据,因为2010年的合约交易是从4月开始,样本数据较少,不能很好的反映二者之间的关系,所以选取样本较多的区间,从2008年10月20日到2009年5月20日,共144个样本。因为研究的是期货和现货指数的相关性,所以沪深300的指数数据的时间段同期货数据一样,从2008年10月20日到2009年5月20日,样本个数为144个。

在金融理论中,一般收盘价被认为是最重要的价格,它能够将一天的市场信息和行为集中表现出来,因此本文的数据主要选取期货和现货市场的日收盘价。文中沪深300指数数据来自中证指数有限公司,期货数据来自和讯期货-沪深300股指期货。实证所用软件为Eviews5.0。

我们选择沪深300指数、期货的收盘价,计算出他们的基础统计量如表2所示。

为了降低数据的异方差性,同时又不改变数据的趋势,本文对数据做了取对数处理,假设ln FHS300表示沪深300股指期货日收盘价的对数值,ln SHS300表示沪深300指数日收盘价的对数值,取完对数后,计算基本统计量如表3所示。

从表3中可以看出,不论是沪深300指数还是股指期货数据,它们的峰度和偏度相对于正态分布来说都偏小,接近于零,尤其是峰度值。

2.2 期货、现货价格引导关系分析

在建立模型分析期货与现货之间的关系前,我们可以先从图形上考察沪深300指数与期货之间的走势关系。从图1中我们可以看到,沪深300股指期货与沪深300指数的走势大体上是一致的,特别是自2009年2月开始到近期,期货与现货的走势基本上重合的,从2008年11月到2009年2月之间大体走势也是类似的,但我们也可以看到,这段期间内,沪深300股指期货的价格要比指数价格略高一些。

在分析期货与现货的价格引导关系时,对于平稳的时间序列,我们可以使用Granger因果检验的方法建立模型考察他们之间的关系;对于非平稳的序列,我们可以通过检验变量之间的协整关系来刻画期现价格之间的长期均衡关系,因此,首先我们需要检验变量的平稳性。

2.2.1 平稳性检验

在对时间序列建模时,需要对数据进行平稳性检验,因为很多时间序列模型都是以平稳性为前提的,如果序列是不平稳的,就会出现“虚假回归”的问题,过度拒绝零假设。这里所说的平稳主要是指协方差平稳。

对于时间序列平稳性的检验采用的是单位根检验法,单位根检验的方法有很多,常用的主要是DF(Dickey-Fuller)检验、ADF(Augumented Dickey-Fuller)检验和PP(Philips&Perron)检验。ADF检验能够消除误差项的影响,相对DF检验和PP检验来说要更优一些,所以本文采用的就是ADF检验法。

首先,对时间序列ln SHS300、ln FHS300做平稳性检验。对时间序列Yt,构造一个零假设:H0:ρ=0;备择假设:H1:ρ≠0。相应的,零假设对应的Yt是单位根过程,时间序列不平稳;备择假设则意味着Yt不具有单位根,是平稳序列。我们通过Eviews5.0对沪深300的数据进行分析得出结果如表4所示。表4显示的是关于沪深300股指期货和指数的对数序列的平稳性检验结果,单位根检验结果显示,沪深300股指期货的ADF卡方检验结果为2.34918,P值为0.3089,说明沪深300期货与原假设的服从程度较高,不能拒绝零假设,所以ln FHS300时间序列不平稳。同理我们也可以得出关于ln SHS300时间序列的ADF检验结果,结果显示它的ADF卡方检验结果为0.20272,P值为0.9036,存在单位根,所以这个序列也是不平稳的。

其次,我们对时间序列ln SHS300、ln FHS300做一阶差分,差分后的变量为dln SHS300、dln FHS300。检验其差分后序列的平稳性,结果列在表5中。检验结果显示,两个序列的卡方检验结果都明显较大,服从原假设的概率为零,所以都是拒绝零假设,dln SHS300、dln FHS300是平稳序列。

2.2.2 Granger因果检验

Granger因果检验适用于平稳时间序列,在上述的平稳性的检验中,我们得到时间序列dln SHS300、dln FHS300是平稳的,对于沪深300股指期货,由差分的定义可以得到:

也就是说期货的对数差分序列就是它的收益率,同样的,其他价格的对数差分序列也是它们的收益率,所以,设rFHS300、rSHS300分别表示沪深300股指期货和沪深300指数的收益率。

通过第一部分的分析,我们知道序列rFHS300、rSHS300是平稳序列,这样我们就可以通过建立二元的VAR模型进行Granger因果检验。利用AIC和SC准则确定最优的滞后阶数P。从表6中可以看出,根据AIC准则,我们应取滞后阶数为5阶;根据SC准则,我们应取滞后阶数为1,但是考虑到从1阶以后,AIC值下降幅度较小,所以我们根据SC准则选择滞后项为1,进行估计。

运用Eviews进行VAR模型的建立和分析,得出如下分析结果,见表7。

从表中可以看出,沪深300期货收益率与其自身的滞后一阶项正相关,与上一期的指数收益率则呈现负相关;而指数收益率与自身的上一期结果也是负相关,倒是上一期的期货收益率对指数收益率产生了正相关的影响,而且比它对自身收益率产生的影响要大。这说明,沪深300指数收益率对沪深300股指期货有影响,但这种影响并不大,而沪深300期货收益率对指数收益率的影响却比较显著。对此,我们建立1阶VAR模型,进一步做Granger因果检验,结果见表8。表中数据显示,指数收益率是期货收益率的Granger原因的概率达到了60%,而期货收益率是指数收益率的Granger原因的概率却高达99%,这进一步说明了指数收益率与期货收益率之间相互影响,它们互为Granger原因,但是明显的,期货市场对现货指数市场的影响要更大一些,在引导关系上,更多的由期货市场的价格来引导现货市场的价格。可以看到,格兰杰因果检验与上述的VAR模型的检验结果是基本一致的。

利用脉冲响应函数方法考察沪深300股指期货与指数收益率之间相互影响关系的大小,如图2所示。

图2(左)显示,沪深300指数收益率的一个标准差的扰动对于沪深300期货的冲击是不明显的,第一天为0,第二天最大是在0与-0.1%之间,在接近第三天的时候又恢复为0,持续时间为3天。脉冲响应函数检验结果表明沪深300指数对期货的影响在第二天达到最大,但期货对指数的响应仍然较小。

图2(右)显示,沪深300期货收益率的一个标准差的扰动对于沪深300指数的冲击是较为明显的,在第一天达到最大,为0.16%,随后逐渐下降,在第三天达到最小,为负,到第四天又恢复为0,波动幅度比较大,持续时间也比较长。沪深300现货指数对股指期货的响应较大,说明股指期货对现货价格产生原因,与Granger因果检验结果是一致的。

2.2.3 协整关系检验

上面我们做了Granger因果检验,得到了期货市场的收益率和现货市场收益率的领先-滞后关系,得出在2008年10月到2009年5月的这一段时间内,沪深300的股指期货价格是领先于沪深300现货市场的,但Granger因果检验只能检验平稳变量之间的短期领先-滞后关系,不能考察变量之间的长期均衡关系。由期货的定价公式,我们知道期货价格和现货价格之间应该存在长期的、稳定的价格关系,为了描述这种长期稳定的价格引导关系,我们需要利用协整关系来进行检验。

针对收益率的时间序列进行协整检验,这里我们采用EG两步法。对时间序列的残差进行DW检验,构造零假设:H0:DW=0,检验这一假设是否成立,若H0成立,则rFHS300与rSHS300变量之间不存在协整关系,反之则存在协整。

首先,对两变量及其滞后项做OLS回归,得出协整回归方程如下:

然后对其进行估计,得到残差序列et,对残差序列检验其平稳性,采用协整回归DW检验,根据公式DW=[Σ(et-et-1)2]/(Σet2)计算出DW的值为2.1117,大于其临界值,所以不论是在1%、5%还是10%的显著性水平下,我们都可以拒绝零假设,即接受协整假设,也就是说沪深300股指期货与现货指数之间存在协整,二者具有长期的均衡关系。上述统计结果还表明,沪深300股指期货的收益率的变化不仅取决于沪深300指数收益率的变化,还与上一期的指数收益率与均衡价格的偏离有关。滞后项的系数-0.287394体现了指数收益率对均衡价格的偏离,上一期的指数收益率偏离均衡价格越远,本期修正的量就越大,也就是说系统存在误差修正机制。

为了进一步考察期货与现货价格之间的引导关系,我们再以指数收益率为被解释变量做回归,得出结果如下:

结合(2)式与(3)式进行分析,我们发现,期货市场过去的收益率对现货收益率产生正的影响,而现货市场过去的收益率则对期货市场有负的影响。另外,可决系数与F检验的统计值都说明在引导关系方面,二者虽然具有互为因果的关系,但更倾向于由股指期货市场引导现货市场。

3 结论

本文主要探讨了股指期货市场与现货市场的价格之间的相关性,着重在于对它们的收益率的相关性的研究,也就是在一阶矩意义下的相关性,主要是股指期货和现货指数的价格相互引导关系。

本文以沪深300指数为标的的股指期货和现货指数为研究对象,取2008年10月至2009年5月这一段时间为研究区间,通过建立理论模型并进行实证分析得到以下主要结论:

(1)通过平稳性检验。我们通过研究发现,沪深300指数,沪深300模拟股指期货的对数价格的时间序列是非平稳的,而它们对数序列的差分,也就是其收益率序列是平稳的,即沪深300指数、股指期货的对数序列是一阶协整的。前人的实证研究结果也表明股指期货和现货指数都是服从一阶单整I(1)过程的,本文的分析结果与以前的实证结果正好是一致的。

(2)本文对收益率建立VAR模型,确定最优滞后阶数,并进行Granger因果检验以发现期现市场短期内的价格引导关系,结果发现:沪深300指数与沪深300期货之间具有互为因果的关系,但股指期货对现货的Granger原因要更大一些。在期货与现货的价格引导关系中,我们得到的是期货价格引导现货价格,但现货价格对期货价格的引导关系却不明显,这说明,这一段研究区间内,对于新的信息,期货市场比现货市场反应得更快,现货市场并没有很好的起到价格发现的作用。

(3)对于期货和它们对应指数的对数价格,因为它们是一阶单整的,我们使用协整理论来检验期货与现货对数价格的长期均衡关系,并确定它们是否存在长期价格关系。实证结果发现:沪深300股指期货与沪深300现货指数之间存在长期的均衡关系。通过对不同的被解释变量做回归,得出沪深300股指期货对沪深300指数有较好的价格发现作用的结论。

(4)在利用Granger因果检验和协整分析期货与现货价格发现作用的基础上,我们还使用脉冲响应函数测量了它们之间影响关系的大小。脉冲响应结果显示:沪深300指数在这段期间内,虽然对期货产生了影响,但影响并不大,相反,期货对于指数的影响要相对较大一些,这与我们进行的Granger因果检验的结果是一致的。

从以上的分析中我们可以知道,模拟股指期货价格与现货价格之间存在着密切的相关性,图1显示沪深300股指期货价格与现货价格之间具有趋合性。这种趋合性就是指随着期货合约到期日的逐渐临近,股指期货的价格与现货价格必然会趋于一致。由于股指期货与现货的标的指数是一样的,对于交割日期的临近,二者的基差应该收敛为零,如果到期时二者的基差超过了他们的交易成本,那么交易者就会利用这个价差进行套利交易,从而使期现价格趋于一致。

另外,我们通过Granger因果检验知道了股指期货能够更快的反映信息,领先于指数市场。实践证明,不稳定的经济或者是频繁波动的利率都会导致股票市场价格大幅波动,而股指期货等金融衍生工具的发展恰恰能够有效的规避风险、转移风险、实现资产保值。在任燕燕、李学关于股指期货与现货的超前滞后关系的研究中,建立股指期货与现货指数的向量自回归模型,利用股指期货对信息的提前反应以及股指期货与现货指数之间的关于信息的良好反映特征,在进行套期保值操作时,投资者就能够及时准确的掌握关于他所持有的股票组合与其对应的期货的标的指数的信息,并且通过它们之间信息的相关性就可以为拥有股票和将要购买或卖出股票的投资者以及进行套期保值交易的投资者提供准确的市场信息。

本文的目的主要在研究我国的模拟股指期货与现货价格的关系,通过了解它们之间的相关性发现股指期货的特点,进一步发挥股指期货的效用,使我国的股指期货市场能够快速有效的发展,保持我国经济持续稳定的增长。

参考文献

[1]鲍建平.股票指数期货-市场运作与投资策略[M].海天出版社,2002.

[2]Kawaller,Ira G,Koch,Paul D.,et al.The Temporal Price Relationship between S&P500Futures and the S&P500Index[J].The Journal of Finance,1987,42(5).

[3]Tse,Y.K.Lead-Lag Relationship between SPOT Index and Futures Price of the Nikkei Stock Average[J].Journal of Forecasting,1995,14.

[4]Abhyankar,A.H.Return and Volatility Dynamics in the FT-SE100Stock Index and Stock Index Futures Markets[J].Journal of Futures Markets,1995,15(4).

[5]任燕燕,李学.股指期货与现货之间超前滞后关系的研究[N].山东大学学报哲学社会科学版(双月刊)2006年第5期.

[6]黄玉如.股价指数现货与股价指数期货两者关联性之探讨-以S&P500指数为例说明[D].私立淡江管理科学研究所硕士论文,1993.

[7]王成.股指期货与现货相关性研究-基于我国A股市场的实证[D].中国人民大学硕士论文,2008.

[8]巴曙松,严敏,吴博.沪深300指数期货市场与现货市场之间的价格发现-基于仿真交易日度数据的实证研究[R].平安证券,2008年7月9日.

[9]周香春.股指期货价格与股票现货价格的关系分析[J].《经济师》2001,(9):620-621.

现货价格 篇2

马克思说:“货币天然不是金银，金银天然是货币。”这句话揭示了白银在人类历史中不同寻常的作用和地位。然而，在国际金本位制确立以后，白银逐渐淡出国际货币的舞台，其投资价值也慢慢被人忽视，白银沦为了黄金的附属品。受金融危机的影响，2008年10月底白银从8.42美元开始逐渐上升，2010年加速上行，截至2011年4月25日，最高飘升至49.81美元/盎司，涨幅达到591%，而同期现货黄金价格从721美元/盎司涨到1920.78美元/盎司，涨幅仅为266%。尤其是现货白银在2010年10月到2011年4月几乎直线式的飘升使人们意识到，白银也许比黄金更具有投资价值。

一、研究综述

20世纪80年代末提出一种具有单隐层的三层前馈网络，即神经网络。网络的特点是能够以任意精度逼近任意的非线性连续函数，可以模拟系统内复杂的函数关系，具有良好的泛化能力。因此，神经网络在时间序列分析、非线性价格预测等方面应用广泛。Humid利用前向神经网络的逼近性能对实际经济时间序列进行建模，通过对历史数据的训练学习，对经济数据进行预测，提出非线性神经网络模型可以作为德黑兰价格指数(示EYIX)日常数据处理模型，并且这种非线性模型可以成功地用于长期预测示EYIX日常数据。吴薇、陈维强、刘波结合国内股票市场的特点，利用神经网络对沪市综合指数的走势进行了预测分析。白雪冰分别使用13Y和R13F神经网络对浙江经济增长进行预测，提出R12F神经网络拟合程度比13Y神经网络好，但是预测能力不如13Y神经网络的结论。王旭东、邵惠鹤等人对R13F神经网络的原理、网络结构和算法进行了讨论，并且对R12F网络的应用情况作了介绍。植俊文以车牌字符识别为例，构造了R12F神经网络，并与传统的13Y神经网络进行对比，证明了R13F网络在车牌字符识别方面优于13Y神经网络。王京宝利用R12F神经网络对国内上市的股票价格进行预测，通过选取样本数据，对网络进行训练和仿真，建立起用于股票价格预测的R12F神经网络模型。宋宜斌等人通过分析R12F神经网络原理，提出了一种用于对非线性对象模型进行拟合与辨识的R12F网络学习算法、

综合国内外学者的研究成果，131神经网络能够很好地解决内部机制复杂的非线性问题，但是存在网络结构难以准确确定、网络训练失败的可能性较大、网络的逼近能力较差等问题，这些缺点限制了131神经网络在经济预测方面的应用。与之相比，R13F神经网络在预测方面的应用较为广泛，但是R13F神经网络主要应用于股市的预测，而将R13F网络应用于白银价格变动分析的研究比较少。基于此，本文尝试建立R13F神经网络模型对国际白银现货价格变动进行分析。

二、R和F神经网络

径向基函数是多维空间插值的传统技术，由Howell于1981年提出。1988年，13room-head和Lowe根据生物神经元具有局部响应的特点，将R12F引入神经网络设计中，产生了R12F神经网络。

R13F网络有两个可调参数，即中心位置C和Q方差(或称函数的宽度参数。此时整个网络的可调参数有3组，即各基函数的中心位置、方差和输出单元的权值。一种较好地确定C和w的方法是用聚类方法实时调整中心，并同时调整中心和权值。聚类方法就是把样本聚成几类，以类中心作为各R13F函数的中心，常用的方法有K均值法和自组织法。下面介绍自组织法的学习步骤。

1.基于K均值聚类方法求解基函数中心c

第一步，网络初始化:随机选取个训练样本作为聚类中心。

第二步，将输入的训练样本集合按最近邻规则分组:按照x与中心为。之间的欧式距离将x}分配到输入样本的各个聚类集合中。

第三步，重新调整聚类中心:计算各个聚类集合丹。中训练样本的平均值，即新的聚类中心。，如果新的聚类中心不再发生变化，则所得到的。即R13F神经网络最终的基函数中心，否则返回第二步，进入下一轮的中心求解。

2.求解方差

该R13F神经网络的基函数为高斯函数，因此方差可由下式求解，即表示所选取中心之间的最大距离。

3.计算隐含层和输出层之间的权值隐含层至输出层之间神经元的连接权值可以用最小二乘法直接计算得到。

R13F神经网络的Ma示lab实现本文采用Ma示lab7.0中R13F神经网络工具箱中newbie函数，该函数用于设计一个严格径向基网络、其调用格式为示newbie其中，p为Q组输入向量组成的RQ维矩阵;示为Q组目标分类向量组成的S}Q维矩阵;spread为径向基函数的分布密度,spread越大，径向基神经元就能够对输入向量所覆盖的区间都产生响应，网络的预测性能越平滑。但是并不是越大越好，过大的spread可能导致程序计算的时间过长。spread的取值对于newbie函数十分重要，因此在下面的R12F网络设计的`过程，将用不同的spread值进行尝试，以确定最优值。

三、实证分析

本文选取2008年10月24日至2013年8月2日共计205周的白银现货周收盘价(美元/盎司)进行实证研究，数据来源为易汇通交易软件。在创建神经网络前，先对原始样本数据进行归一化处理，将数据归一化到[[0,1]之间。

在应用R12F神经网络进行预测时，径向基函数的分布密度spread的值将影响神经网络的预测能力。为了对spread的值进行准确估计，将白银现货收盘价数据分为训练组，测试组和预测组:训练组在时滞为5,10,15时分别为前180,175,170组样本，主要的功能是对神经网络进行训练;测试组为训练组样本后10组样本，主要功能是对spread的值进行估计;预测组为最后10组样本，主要功能是对白银现货价格进行预测。

下面在Ma示lab软件中建立R13F神经网络模型并对spread的值进行估计。图2为时滞分别取5,10,15,spread取值为1到500时训练样本的平均绝对误差( MAE )，图3为时滞分别取5,10,15,spread取值为1到500时测试样本的平均绝对误差(MAE )。

随着spread值的不断增大，训练样本的平均绝对误差不断增大，最后稳定于(0.025，这表明神经网络模型的拟合精确度随着spread值的增大在不断下降，最后达到稳定。当时滞为3周时，训练样本的平均绝对误差增大的速度最快，拟合精确度下降的最快;时滞为15周时，平均绝对误差增大的速度最慢，拟合精确度下降的最慢。

随着spread值的增大，测试样本的平均绝对误差先减小，然后增大，随后逐渐减小，最后稳定于0.022，这表明模型的预测精确度随着spread值的增大在不断提高，最后达到稳定。当时滞为3周时，训练样本的平均绝对误差减小的速度最快，预测精确度提高的最快，在之间预测精确度最高;时滞为15周时，平均绝对误差减小的速度最慢，预测精确度提高的最慢。

综合预测模型的拟合和预测精确度，当时滞分别为5,10,15时，spread的值分别取16,200,300。表2为spread取相应值时使用Ma示lab软件进行仿真输出的预测值和误差(数据经过反归一化处理)。

列出的预测值和相对误差来看，在三种时滞下，第4组样本的相对误差分别为9.21%,9.90%,7.29%，均明显大于其他样本的预测误差，原因是第4组样本的白银现货价格实际值较第3组样本的实际值发生的较大的变动，导致了模型未能很好地进行精确预测，这表明当白银现货的价格走势较为平稳时，R13F神经网络的预测效果较好，而当白银现货的价格剧烈波动时，R12F神经网络的预测误差较大。当时滞为5周时，第4组样本价格的变动导致其后的3组样本的预测误差分别为4.25%,5.21%,4.82%，明显大于价格变动前的第1 ,2,3组样本误差值0.15%,2.87%,2.02%，表明第4组样本价格的变动对随后3组样本的预测精确度影响较大。而当时滞时，第4组样本价格的变动导致其后的3组样本的预测误差分别为0.59% ,0.25% , 6.63%，第4组样本价格的变动对随后3组样本的预测精确度几乎无明显影响，这说明当时滞较长，相应的spread值较大时，模型对价格的突变不敏感。从模型的平均绝对百分误差来看，当时滞分别为5,10,15周时，平均绝对百分误差很相近，为3%-3.3% ,说明在三种时滞下，这10个预测样本的平均精确度为3%-3.3%，相差不大。总体上，模型的预测效果较为理想。如果考虑较大的spread值会会造成模型的拟合精确度降低，较小的spread值，即时滞为5周的模型是这3个模型中最合适的模型。

四、结语

现货价格 篇3

摘 要 以大豆、玉米、小麦和早籼稻4种常见的农产品为例，通过相关性分析、基差分析、单位根检验、Johansen协整检验、误差修正模型和Granger因果检验等方法研究我国农产品期货价格与现货价格的动态关联性。研究结果表明，4种农产品的期货价格与现货价格具有高度相关性，期货价格对现货价格起到了降低波动和稳定价格的调整作用；大豆和玉米具有长期均衡的关系，而小麦和早籼稻没有，但是短期均不存在着协整关系。期货与现货价格相互作用、影响，大豆、玉米和早籼稻的合约表现均为期货价引导现货价，只有小麦的期货价与现货价之间不存在因果引导关系。

关键词：农产品；期货价格；现货价格；动态关联

中图分类号：F224；F323.7；F724.5 文献标志码：B 文章编号：1673-890X（2016）01--03

近年来，农产品价格在全球范围内波动严重，主要表现为波动幅度大、波动时间长、涉及面广，从而引起了世界各国纷纷的关注。期货市场具有价格发现和抵御风险的功能，因此农产品期货市场的存在对农产品价格的波动起着不可或缺的作用[1]。1990年，郑州粮食批发市场的建立，这是我国第一个期货市场。随着我国经济的不断发展和对外开放的不断深化，期货市场逐渐趋于稳定和完善。

将期货市场的功能进行有效的发挥可以规避市场风险，并且提高生产者和经营者的核心竞争力，本文选取我国主要的4种农产品，分别是大豆、玉米、小麦和早籼稻，利用期货价格与现货价格分析了我国农产品期货市场与现货市场之间的关联性，在实证分析中，主要探讨了两个方面的内容：一是探究农产品期货市场的套期保值功能，检验4种农产品的期货价格与现货价格是否存在着长期均衡、短期动态关系；二是探究农产品期货市场的价格发现功能，检验4种农产品的期货价格与现货价格是否存在着因果关系。最后提出了完善我国现货市场与期货市场运行机制的对策和建议[2]。

1 样本数据选取与实证分析方法

1.1 样本数据选取

本文选取了大连商品交易所（DCE）2009年8月27日-2014年10月31日，大豆和玉米的期货、现货指数日数据；郑州商品交易所（CZCE）2009年8月26日-2014年10月31日，小麦的期货、现货指数日数据；郑州商品交易所（CZCE）2009年4月20日-2014年10月31日，早籼稻的期货、现货指数日数据（以上数据均来源于中华粮网数据中心）。

1.2 实证分析方法

为了全面地探究4种农产品期货价格与现货价格之间的变动关系，本文首先对各序列进行描述分析、相关性分析和基差分析，探究期货与现货之间的相关程度，接着进行ADF检验以进一步确认序列的平稳性；然后，利用var模型的Johansen协整检验和误差修正模型检验了农产品期货价格与现货价格之间的长期均衡关系和短期动态关系，以判断农产品期货市场的套期保值功能；最后，利用Granger因果分析检验了4种农产品期货价与现货价之间的因果引导关系，以判断农产品期货市场的价格发现功能[3-6]。

2 实证结果分析

2.1 变量的基本描述与平稳性检验

分别对4组样本数据序列的描述性统计量进行汇总之后发现，4种农产品中大豆的期货和现货的平均价格均最大，玉米的的期货和现货的平均价格均最小，由此可以看出我国农产品中大豆的价格较高，玉米的价格相对较低。而4种农产品的平均期货价格均高于平均现货价格，说明了国内的农产品金融市场较为所被看好。从标准差可以看出，期货价格中大豆的波动性最大，小麦的波动性最小，现货价格中大豆的波动性最大，玉米的波动性最小。由偏度系数可以看出，大豆和小麦的现货价格出现正偏态，其他的期货、现货价格都是负偏态，且偏斜程度最大的是大豆期货价格，即我国大豆期货市场价格的偏斜程度最大。由峰度值可以看出三市场的峰度值均小于3，都属于平顶分布，分布特点略平坦。

2.2 农产品期货市场与现货市场价格的相关性分析

利用相关系数计算公式进一步测算表明，玉米期货价格与现货价格的相关系数最高，为0.838 5，4种农产品的相关系数的显著性检验值（t检验概率值）均为0.000 0，表明4种农产品的期货价格与现货价格在1%水平（双侧）上显著相关。可见，4种农产品的期货价格与现货价格相关性很高，期货能较好地发现真实有效的价格[7]。

2.3 我国粮食的期货基差分析

根据我国粮食的期货基差分析结果表明，大豆、玉米、小麦、早籼稻的基差的标准差都小于其现货价格的标准差，说明我国大豆、玉米、小麦、早籼稻的期货基差风险小于现货价格波动的风险。换句话说，在我国粮食期货价格的导向和调整下，相对应的现货价格逐渐收敛于期货价格，期货价格对现货价格起到了降低波动和稳定价格的调整作用。此外，根据市场基差标准差可以看出，市场基差风险的从高到低依次为大豆、早灿稻、小麦、玉米。

2.4 价格序列的平稳性检验

协整分析是建立在平稳序列的基础之上的，若序列不平稳，则会出现伪回归的现象。为了减缓价格时间序列的波动性，首先对4种农产品的期货价格和现货价格取对数，得到处理后的2个序列，即LNF和LNS，并對其进行ADF检验。又因为进行协整检验需要随机变量具有相同的单位根阶数，故而继续对LNF和LNS进行差分处理，进一步得到序列ΔLNF和ΔLNS，对这些序列进行ADF单位根检验。

由检测结果可知，在进行差分处理后，各农产品的日收盘价序列在0.05和0.01的显著性水平下，均不存在单位根，因此认为序列是平稳的，故可验证序列已满足进行协整分析的条件。

2.5 基于VAR模型的Johansen协整检验

2.5.1 VAR模型估计和平稳性检验

Johansen协整检验是借助VAR模型来完成的。因此，首先需要建立一个合适的VAR模型，再根据所建立的VAR模型，确定合理的滞后阶数。对一阶单整序列LNFUTURES和LNSPOT进行VAR模型的拟合，由拟合结果表明SC指标均指向1为最优滞后阶数，因此，确定最优的滞后阶数为1。

在得到确定的VAR模型之后，进一步作出AR特征多项式的单位根表格和单位圆图形来对VAR模型进行平稳性检验。经过检验后发现，该模型的根都有2个，模均小于1，并且都是实数[8]；同时，每个模型的两个根均在单位圆之内，对应的特征多项式的根的倒数也都在在单位圆之内。由此可以判断，VAR模型是稳定的。

在得到稳定的VAR模型的基础上，将进一步进行Johansen协整分析。

2.5.2 Johansen协整检验

进行Johansen协整检验的目的，在于检验各农产品期货价格和现货价格之间有没有存在长期的均衡关系。基于前面所建立的VAR模型，对序列LNF和LNS的VAR模型进行Johansen协整检验。

对大豆的检验结果进行分析。原假设“r=0”表示“存在零个协整关系”，对应的迹统计量为18.93709，在0.05显著性水平下，拒绝原假设，因此至少存在一个协整关系；原假设“r=1”表示“至多存在1个协整关系”，对应的迹统计量为3.841466，在0.05显著性水平下，接受原假设，因此认为存在1个协整关系。最大特征值检验结果与迹统计量结果是一致的。因此可以得到，大豆的期货价格序列与现货价格序列之间在0.05的显著性水平下存在1个协整关系。

同理可得玉米在0.05的显著性水平下也存在1个协整关系，小麦和早籼稻则不存在协整关系。

2.6 误差修正模型

由于只有大豆与玉米期货与现货价格指数存在一个协整关系，而小麦与早籼稻则不存在协整关系。因此，本模型只针对大豆和玉米期货建立误差修正（VEC）模型。对结果进行分析，发现我国大豆、玉米期货现货价格的误差修正项系数分别为-0.005 8、0.006 464、-0.010 67和-0.005 82，在5%的显著水平下具有显著性意义，说明我国大豆、玉米的期货、现货市场发生变化时，在短期可以恢复长期均衡的作用。然而其误差修正项系数都偏小，说明我国大豆、玉米的期货、现货市场价缺乏传递效率，其不存在短期的协整关系。

2.7 Granger因果检验

对大豆、小麦、玉米和早籼稻的期货、现货价格指数数据进行格兰杰因果检验，发现在5%显著水平下，大豆、玉米和早籼稻的合约表现均为期货价引导现货价，只有小麦的期货价与现货价之间不存在因果引导关系。

3 结语

本文针对农产品期货、现货市场价格关联关系，对我国市场的大豆、小麦、玉米、早籼稻农产品期货市场价格与现货市场价格的进行实证分析，所得结论如下。

从现货与期货价格相关性，我国大豆、小麦、玉米以及早籼稻期现货价格的相关系数分别为0.791、0.683、0.839、0.741。其中，玉米的期现货价格相关程度最高；而小麦期现货价格的相关程度最低，但各农产品的期货现货价格都表现有较强的相关性。

从期货市场的有效性上来看，首先，我国大豆、玉米的期现货价格之间均存在一个协整关系，然而小麦和早灿稻不存在协整关系。当价格偏离均衡状态时，大豆、小麦期货价格均能在短期内恢复到均衡状态。

从引导关系上分析，除了小麦农产品不存在因果关系外，大豆、玉米以及水灿稻都仅体现出期货价格引导现货价格的单向引导关系。

从基差风险分析，大豆、玉米、小麦、早籼稻的基差的标准差都小于其现货价格的标准差，说明我国市场大豆、玉米、小麦以及水灿稻的现货价格逐渐收敛于期货价格，期货价格对现货价格起到了降低波动和稳定价格的调整作用。

参考文献

[1]王川.我国粮食期货市场与现货市场价格关系的研究[J].农业信息研究所，2009（6）.

[2]邰银平.大豆期货价格与国产大豆现货价格动态关系研究[J].哈尔滨理工大学，2014（3）.

[3]陈刚，唐衍伟.期货市场价格波动与市场弱有效性的检验与分析[J].系统工程，2004（5）.

[4]胡宇，周宏.中國小麦期货市场期现货价格关系研究[J].金融经济，2006（8）.

[5]华仁海，仲伟俊.对我国期货市场价格发现功能的实证分析[J].南开管理评论，2002（5）.

[6]华仁海.现货价格和期货价格之间的动态关系：基于上海期货交易所的经验研究[J].世界经济，2005（8）.

[7]贾月梅.影响期货价格波动的基本因素[J].价格月刊，1993（1）.

[8]荆林波.现货市场发育与期货市场发展的相关性——中国农产品期货发展有关问题的探讨[J].中国农村经济，1999（6）.

现货价格 篇4

价格发现是期货市场的基本功能之一。从理论上讲, 成熟的期货市场, 期货价格与现货价格之间具有同升同降和收敛一致的特点。那么, 2010年中国棉花期货市场的价格发现功能有没有得到体现呢?期货市场和现货市场是怎样一种互动状态呢?

一、数据说明

本文棉花期货价格数据来源于郑州商品交易所网站, 以当日结算价为准, 记为F;棉花现货价格采用中国棉花指数CCindex328, 记为CC, 数据来自于中国棉花协会网站, 记为S。时间区间为2010年1月4日至2010年12月31日, 共238个交易日。

按照交割月份的不同, 郑州商品交易所同时有6个棉花合约在期货市场上交易, 即CF101、CF103、CF105、CF107、CF109和CF111, 因此, 所形成的期货价格也相应有P01、P03、P05、P07、P09和P11等6个。因此, 按照最近月份原则来获得边续的期货价格, 即以3月效割的合约CF103的价格作为1月和2月的期货价格, 以5月交割的CF105合约价格作为3月和4月的期货价格, 依此类推, 从而得到连续的时间序列。

二、期货价格与现货价格的变动趋势

如图1所示, 2010年棉花期货价格和棉花现货价格呈现出明显的波动性上升趋势。二者的价格可以9月为界分成两个阶段。1~9月为第一阶段, 价格上升比速度比较缓慢, 期货价格从1月4日的16455元/吨上升到8月31日的18625元每吨, 日均增长13.7元/吨, 其最高价格为18625元/吨;现货价格从1月4日的14879元/吨上升到18005元/吨, 日均增长16.9元/吨, 最高价格为18419元/吨。9~12月为第二阶段, 价格快速增长, 且波动性较大。期货价格从9月1日的17585元/吨上升到12月31日的28660元/吨, 日均增长138.4元/吨;期货价格在11月10日达到最高峰33425元/吨后立即迅速下降, 11月30日形成一个低谷26025元/吨, 之后又快速上升达到12月31日的28660元/吨;期货价格整体上呈上升趋势, 但波动性较大。现货价格从9月1日的18002元/吨上升到12月31日的27508元/吨, 日均增长118.8元/吨;现货价格在11月16日达到峰值29040元/吨后迅速下降, 11月24日形成低谷25605元/吨, 之后又快速上升达到12月31日的27508元/吨;整体上呈现上升趋势, 但波动性很强。

棉花期货价格与现货价格表现出以下的特征: (1) 二者的变化趋势基本一致, 都先较平稳地缓慢上长, 然后波动性地快速上长 (2) 期货价格的波动性强于现货价格 (3) 同一变化趋势, 期货价格的变化往往先于现货价格 (4) 大部分时间期货价格高于现货价格, 是典型的正向市场 (5) 通过计算可知, 期货价格的相关系数为0.98, 二者有极强的相关性。

三、我国棉花期货市场的实证研究

(一) 单位根检验

为了避免自相关的存在, 采取原始数据的对数形式得到ln F和ln S, 然后运用Engle-Gr ange的ADF检验方法进行单位根检验。由上图可知, 2010年期货价格与现货价格都有明显的上升趋势, 所以采取含有趋势项的ADF检验。在保证残差项不相关的前提下, 同时采用AIC准则和SC准则, 作为确定最佳时滞的标准, 选取二者值同时为最小时的滞后长度即为最佳滞后长度。检验结果如表1所示, 可以看出, 在1%、5%和10%的显著性水平下, ln F和ln S都是存在单位根的, 原始时间序列的对数形式并不平稳。

根据dln S和dln F的变化特征, 对dln S和dln F进行无漂移的ADF检验, 检验的结果如表2所示, 在在1%、5%和10%的显著性水平下, dln F和dln S都是有存在单位根的, 即原始时间序列对数形式的一阶差分是平稳的。所以ln S和ln F都符合I (1) 过程。即可以用原始时间序列对数形式的一阶差分进行回归分析。

(二) 协整检验:

协整是对非平稳经济变量长期均衡关系的统计述, 存在协整关2011年第4期中旬刊 (总第441期) 时代Times系的非平稳变量的非均衡误差是稳的。本文采用EG两步法对ln S和ln F进行协整性检验。检验结果如表4所示, 可以看出, 在在1%、5%和10%的显著性水平下, ln S和ln F都是存在协整关系的。因此, 用期货价格与现货价格的对数形式进行回归分析时不会出现谬回归现象。

(三) 格兰杰因果检验

郑州棉花期货价格发现功能的实现程度可通过棉花期货价格和现货价格之间的关系来判断。如果期货市场具有价格发现功能, 则期货价格应该为该价格对应合约到期日现货价格的无偏估计量, 因此需要检验期货价格是否对现货价格具有引导作用。本文采用Gr anger因果关系检验考察这两个时间序列的引导关系。

对ln S和ln F进行不同滞后阶数的格兰杰检验, 如果如表4。可以看出, ln S→ln F对滞后阶数不敏感, 不论滞后阶数是1、3或5, ln S都是ln F的格兰杰原因。这说明现货价格是期货价格的格兰杰原因, 且现货价格对期货价格的引导作用明显。而ln F→ln S对滞后阶数就比较明显, 在滞后1阶和3阶的条件下都不是格兰杰原因, 直到滞后5阶ln F才成为ln S的格兰杰原因, 这说明期货价格对现货价格的引导作用不明显。

(四) 误差修正模型:

协整模型主要用来考察几个变量间的长期均衡关系, 而误差修正模型 (ECM) 可用来说明变量间的短期变动关系, 以及短期变动调整至长期均衡的过程。由棉花货价格和现货价格序列存在协整关系, 下面在协整检验的基础上建立ECM模型。

由格兰杰检验可知现货价格对期货价格的引导作用明显。下面就用EG两步法建立误差修正模型来探究现货价格对期货价格的长期和短期影响。模型结果如式子 (1) 和式子 (2) 所示。

ln S对ln F的长期影响由式子 (1) 表示。可以看出, 常数项是不显著的, ln S的系数是显著的, 且ln S对ln F有97.7%的解释作用。从长期来说, 现货价格每变化1个百分点, 期货价格变化0.997个百分点, 且存现货价格变动是期货价格变动的格兰杰原因, 即现货价格对期货价格的弹性是0.997。

ln S短期变动对ln F短期变对的影响由 (2) 式表示。可以看出, 常数项是不显著的, dln S的系数和一阶滞后误差项的系数都是显著的。短期来说, ln F有偏离长期均衡的倾向, 倾向高于长期均衡值, 但会在下一个时期得到10.8%的修正, 误差修正能力不是很强;同时, 金融Ndln S每变动一个单位, dln F就会变动0.912个单位。

四、期货价格对现货价格预期失效的原因分析

(一) 期货市场主体结构不合理

目前我国的期货市场规模有限, 参与套期保值与套利的机构投资者较少, 主要以热衷于投机的散户为主, 这使得市场的非理性行为增多, 放大了市场的风险。

(二) 现货市场发育不完善, 实物交割存在缺陷

产品质量混杂, 仓储运输条件落后, 生产商、贸易商和消费者布局分散, 期货市场制度设计存在缺陷, 使得国内期货市场在交割环节上与现货市场难以完全衔接。因此, 期现价格对现货价格的反应就会出现偏差。

(三) 政策上的不可控, 价格形成机制的缺陷弱化期市价格发现功能

政策不合理、政策变动过频或者政策发布缺乏透明度等, 都可能在不同程度上对期货市场的相关主体产生直接或间接的影响, 造成期货价格的剧烈变动, 对现货的价格预期失灵。

五、措施及建议

(一) 改善市场主体结构

培育适合中国国情的期货市场机构投资者群体, 是提高我国期货市场功能有效性的必要条件之一。拓宽期货市场融资渠道, 积极稳妥培育机构投资者, 允许证券投资基金按一定比例进入期货市场。

(二) 调整政策, 尽量发挥市场机制的作用

提高经各项经济政策的稳定性、连结性和透明度, 降低因政策因素造成的市场不稳定性。

(三) 不断完善期货交易制度

我们应该在维护三公原则和保证期货市场稳步发展的前提下, 根据国际期货市场的惯例和发展方向, 结合我国国情和我国期货市场发展实际情况, 与时俱进, 积极适应市场发展需要, 不断改进和完善期货市场各项制度, 逐步创造宽松的交易环境, 使期货市场更好地发挥经济功能。

摘要：本文根据2010年郑州商品交易所的棉花期货货价格和中国棉花协会的现货价格, 运用单位根检验、协整检验、误差修正模型等方法来实证研究中国棉花期货市场的价格发现作用。结果表明:棉花期货价格与现货价格有很强的相关性, 但这是单向相关的, 即现货价格对期货价格有明显的引导作用, 而期货价格对现货价格的引导作用不强。

关键词：价格发现,单位根检验,协整检验,误差修正模型

参考文献

[1]夏天, 冯利臣.中国玉米期货市场的价格引导作用究竟有多大?——基于VECM模型的实证分析[J].产业经济研究, 2007, (6) .

[2]王军, 樊亚利.棉花期货价格与现货价格关系的实证检验[J].农业经济, 2009, (5) .

[3]孔哲礼, 李辉.中国郑州棉花期货市场的国际定价功能研究[J].新疆财经, 2008, (6) .

[4]http://www.czce.com.cn/portal/index.htm

现货价格 篇5

关键词：国债期货价格 国债现货价格 价格传导 波动溢出

引言及文献综述

国债期货在中国金融期货交易所上市交易，是我国债券市场发展的重要里程碑，它在丰富市场投资工具、规避利率风险、促进债券市场合理定价、提升债券现货流动性等方面具有重要作用。国债期货交易重启后，国债期货与国债现货市场之间的信息传递引起理论界和实务界的广泛关注。市场之间的信息传递一方面可以通过期货和现货价格之间的传导关系来反映；另一方面，可以通过两市场价格变化的方差或波动溢出体现出来。国内一些学者对我国国债期货与现货价格之间的传导关系以及波动性溢出问题进行了初步探索，主要的研究成果总结在表1中。

由表1可见，目前国内的文献大都集中于国债期货和现货价格引导关系的分析，一些研究所用的样本处于国债期货的仿真交易时期，无论是交易环境还是数据选取，和实盘交易比起来，仍会存在较大差异，很难反映真实市场的价格行为。而其它一些对国债期货上市交易后实际数据进行的研究，最长样本期也不超过一年。样本选择上的时间跨度较短，会导致结论的偶然性。

与这些文献相比，本文的扩展之处主要有：一是研究样本区间扩大，样本时间跨度为2013年9月6日至2014年12月31日，共有321对数据；二是研究指标选取更丰富和全面，国债现货价格指标包括了现券、国债ETF和国债指数；三是研究方法更系统，本文从价格引导关系和波动溢出两个角度进行研究。通过这些扩展，力求更加真实地反映国债期货价格与现货价格关系，更好地呈现我国国债期货价格发现功能的实现情况。

数据和方法

（一）数据选择和处理

本文选择我国国债期货重启交易以来的期货价格和现货价格数据作为研究对象。以上市交易的5年期国债期货合约日收盘价为期货价格。由于国债期货合约时间跨度有限，且合约进入交割月份后交易量较小，数据不稳定，为克服期货价格不连续和数据不稳定的缺陷，在参考国债期货合约交易活跃度（成交量和持仓量）的情形下，笔者通过反复比较，采取主力期货合约到期前四周改为下一主力合约的做法得到连续的国债期货价格序列。

现货价格的选取较为复杂。本文把现货价格指标分为实物券指标、国债ETF指标和国债指数指标。（1）实物券指标为最便宜可交割券（CTD券）的价格，这是基于以下几点原因：○1活跃度较高，即成交量和持仓量较大；○2流动性较大，可以便利买卖；○3与国债期货主力合约对应，且是隐含回购利率最高的券种。CTD券价格可以直接从Wind数据库获得，再经转换因子调整就可获得连续的价格序列。（2）国债ETF指标包括国泰上证5年期国债ETF（代码511010）和嘉实中证金边中期国债ETF（代码159926），目前中国国债ETF以这两只为主，它们要经加权转换因子调整1。（3）目前可以搜集到的国债指数指标包括上证5年期国债净价指数、中证中期国债净价指数、中债固定利率国债净价指数、中债国债总净价指数、中债银行间国债净价指数、中债交易所国债净价指数。我们选取上证5年期国债净价指数和中债银行间国债净价指数2分别代表交易所和银行间的国债现货价格。

样本时间跨度为2013年9月6日至2014年12月31日，数据来源于Wind数据库和通达信金融终端。我们把上述指标列为表2。

（二）模型和方法介绍

本文首先对期货指标（F）和现货指标（S）的时间序列进行平稳性检验和协整检验，考察两者之间是否存在长期均衡关系。其次，运用格兰杰因果关系检验来分析F和S之间是否存在因果关系以及方向如何。最后，我们选用BEKK-GARCH模型来研究期现价格之间的波动溢出效应，以此来说明哪个方向的信息传递能力更强。

1.格兰杰因果关系检验

在公式（5）中，矩阵A对角元素为a11和a22，非对角元素为a12和a21，其值显著则表明存在短期波动溢出效应。相应的，矩阵B对角元素为b11和b22，非对角元素为b12和b21，若其系数值显著则表明存在持久波动溢出效应。本文主要通过分析系数矩阵A和B非对角元素显著与否来判断期货市场和现货市场之间的波动溢出效应。

价格传导分析所用软件为Eviews7.0。波动溢出效应采用计量软件Winrats8.0进行实证分析。

实证结果和分析

（一）描述性分析

上述各指标价格序列趋势图见图1。

从图1可以看到，CTD指标除有几个跳跃点外，趋势与期货收盘价一致，差异不大。两个国债ETF指标波动稍大，但趋势与期货指标大体一致，这也许是加权转换因子调整的原因。国债指数指标走势一致，只是位置高低稍有不同：中债银行间国债净价指数ZZY最高，上证5年期国债净价指数SZ在其下方。从价格走势上，我们可以初步认为期现价格之间存在某种相关关系。

（二）期现价格传导关系分析

通过表3的平稳性检验可以看到，所有指标的水平序列是不平稳的，而一阶差分序列平稳，说明它们均是一阶单整，即I（1）。

采用EG两步法进行协整检验，对 进行OLS回归，得到残差序列 ；然后对残差序列选择不含截距项和趋势项的形式进行单位根检验，检验结果见表4。

可以看到，在1%水平下，残差序列都是平稳的，两者协整，二者存在长期均衡稳定关系。

格兰杰因果检验：本文对滞后2期到滞后30期均进行了检验，为节约篇幅，仅选取具有代表性的2、5、10、30期列为表5。

结果显示：国债期货价格在5%显著性水平下是国债现货价格的格兰杰原因，期货价格显著引导现货价格。而国债现货价格不是国债期货价格的格兰杰原因却无法得到一致结论，在某些时期存在短暂的双向因果关系。

nlc202309020619

（三）波动溢出效应研究

运用Winrats计量软件进行波动溢出效应分析，得到表6的结果。

A（1，1）、A（2，2）、B（1，1）、B（2，2）分别对应公式（5）的a11、a22、b11、b22，它们的系数值表示国债期货与国债现货受自身波动的影响程度。根据表6，除ETF2的B（1，1）即b11不显著外，其余系数值均显著，这说明国债期货市场与现货市场受自身前期波动的影响显著。

A（1，2）、A（2，1）、B（1，2）、B（2，1）分别对应公式（5）的a12、a21、b12、b21，估计值可以反映国债期货市场与现货市场之间的信息传递状况，即波动溢出效应。若A（1，2）、B（1，2）系数值显著，表示存在期货向现货市场的波动溢出；如果A（2，1）、B（2，1）系数值显著，则表示有现货市场到期货市场的溢出。

表6中的A（1，2）即a12，衡量了国债期货市场前期信息冲击对现货市场的波动溢出性。从结果中可以看出，该参数在5%水平下均显著，说明国债期货市场的前期信息冲击对现货市场有显著的波动溢出性。表6的A（2，1）即a21衡量了国债现货市场前期信息冲击对期货市场的波动溢出性。从结果中可以看出，除CTD指标外，该参数在1%水平下均显著，说明除CTD指标外，国债现货市场的前期信息冲击对期货市场有显著的波动溢出性。此外，从系数绝对值来看，A（1，2）>A（2，1），说明国债期货市场对现货市场的信息传递能力更强。

表6中的B（1，2）即b12，衡量了国债期货市场前期信息冲击对现货市场的波动溢出性。从结果中可以看出，该参数在1%水平下均显著，说明国债期货市场的前期信息冲击对现货市场有显著的波动溢出性。表6的B（2，1）即b21衡量了国债现货市场前期信息冲击对期货市场的波动溢出性。从结果中可以看出，除CTD指标外，该参数在1%水平下均显著，说明除CTD指标外，国债现货市场的前期信息冲击对期货市场有显著的波动溢出性。此外，从系数绝对值来看，B（1，2）>B（2，1），说明国债期货市场对现货市场的信息传递能力更强。

综上所述，除CTD指标有国债期货向现货市场单向波动溢出效应外，其他指标都是表现出两市场间的双向波动溢出效应，且国债期货市场向现货市场的信息传递能力更强。

小结

根据前面的实证分析，本文得出以下结论：

第一，平稳性检验表明所有价格序列均为I（1），E-G两步法检验期现价格之间均存在协整关系，因此认为，国债期货价格与现货价格存在长期均衡稳定关系。

第二，由格兰杰因果检验可以知道，在滞后多期的条件下，始终有期货价格是现货价格的格兰杰原因，反过来却得不出一致结论。这初步表明国债期货市场已显现价格发现功能。

第三，波动溢出效应分析结果表明，除CTD指标有国债期货向现货市场单向波动溢出效应外，其他指标都表现出两市场间的双向波动溢出效应，而且从系数绝对值大小来看，国债期货市场相对于现货市场的波动溢出效应更强，国债期货市场对现货市场的信息传递能力更强。

总的来看，国债期货价格可以显著引导现货价格，国债期货市场对现货市场传递能力更强，这些都从不同侧面说明我国的国债期货已较好地具备了价格发现功能。

注：

1.国债ETF追踪是的国债组合指数，因此该组合的转换因子要进行加权平均，权重为每只重仓国债在组合中的比例。这是一种近似的处理，但我们认为该影响可以忽略不计。

2.中债银行间国债净价指数分为3～5年和5～7年两种，本文对此做简单算术平均来获得数据，以近似代表银行间5年期国债净价指数。

3.BEKK模型是由Baba，Engle，Kraft，Kroner四人提出并以他们的首字母命名。

参考文献

[1]陈蓉，郑振龙.无偏估计、价格发现与期货市场效率——期货与现货价格关系[J].系统工程理论与实践.2008（8）：2-11，37.

[2]曾黎、李春.沪深 300 股指期货、现货市场价格传导研究[J].重庆工商大学学报，2013（10）.

[3]华仁海.现货价格和期货价格之间的动态关系：基于上海期货交易所的经验研究[J].世界经济，2005（8）：32-39.

[4]李燕、何如海、廖宜静、聂雷.聚氯乙烯期货价格与现货价格传导关系实证研究[J].宿州学院学报，2013年（1）.

[5]吴奇超.我国试点时期国债期货基本功能研究[D].湖南：中南大学硕士学位论文，2006（11）.

[6]王震.国债期货价格发现功能研究[D].四川：西南财经大学，2013（9）.

现货价格 篇6

关键词：现货价格,期货价格,相关

一、前言

在我国，期货作为一种新兴的金融衍生品，已经逐渐成为投资者规避市场风险的一种有力工具，但是我国的期货市场起步较晚，期货品种也比较少并且主要是以农产品为主，而且参与者也是以非套期保值者为主。在这种情况下，我国期货市场在规避风险实现套期保值方面的有效性受到各种质疑。本文将以不同的期货品种为例，对我国期货价格和现货价格的相关性进行分析，以此论证我国期货市场套期保值的有效性。

二、现货价格和期货价格的定价原理

要研究期货和现货价格相关性，首先就要对其定价原理进行探究。

马歇尔提出的短期均衡的期货价格模型中，商品期货的价格被认为是建立在现货价格基础之上的。两者差额取决于生产费用与商业费用的波动;套利型保值中的期货价格理论则认为，通过探索基差方面的变化或者预期基差的变化来谋取利润是对现货进行套期保值的目的;塞缪尔森提出的商品期货价格理论则将商品期货定义为一种“票据”或者由商品交易所的经纪人所经营的一种“买卖契约”。这些理论对期货价格的定价原理的研究结果可以总结为，商品期货价格是由商品的生产成本、期货的交易成本、期货商品的流通成本以及预期的利润四个部分构成的。它的来源、数量以及组成状况对商品期货的价格都有一定的影响。

从理论上说，现货的定价与期货的定价在形成方式、定价原理等方面均有一定正相关。

三、期货价格与现货价格的相关系数分析

作为期货与现货价格相关性研究的基础，价格研究最能直接地反映期货价格和现货价格之间的关系。价格研究主要通过价格的相关系数的矩阵分析进行，可以为期货与现货价格的关系提供定量分析。期货市场价格和现货市场价格之间是相互作用相互影响的。有效规范的期货市场和成熟的品种不仅使期货市场价格和现货市场价格保持长期均衡关系，而且通过期货价格和现货价格相互影响，期货市场能够充分发挥套期保值功能，但实际上期货价格与现货价格究竟存在着什么样着关系仍需进一步验证。如果某商品的现货价格为X，选择的相同或相近的商品的期货价格为Y，则期货价格与现货价格的总体相关系数可用公式 (1) 计算：

然而，一般不可能去直接观测总体的两个变量X和Y的全部数值，所以总体一般是不知道的。通常用样本相关系数代替总体相关系数，样本相关系数可用公式 (2) 计算：

相关系数是说明两个现象之间相关关系密切程度的统计分析指标。通常样本相关系数用，表示r值的范围在-1和+1之间。r>0为正相关，r<0为负相关，r=0表示不相关，r=1时为完全正相关，r=-1时为完全负相关。r的绝对值越大，相关程度越高。

相关系数分析是为了检验我国期货的套期保值作用。用H=r2×100%来表示套期保值的效率，r为现货价格和期货价格之间的相关系数。H介于0到100%之间，越接近与100%，期货的套期保值功能发挥的越好，即期货的套期保值越有效。

四、实证分析

(一) 以小麦期货为例的农产品期货实证分析

小麦是关系国计民生的重要粮食品种，我国同时又是世界上最大的小麦生产国和消费国，因此研究小麦期货与现货价格关系就具有了很强的现实意义。只有期货市场的发展完善，才能更好得为现货市场服务。以下是我国小麦期货价格与现货价格的对比图表。

从图表中可以看出，小麦的期货价格与现货价格的变动趋势比较吻合，这为套期保值功能的发挥提供了基础。通过Excel计算，经检验得小麦的期货价格与现货价格的相关系数为0.591348。说明二者具备一定的正相关性，但由于小麦属于农产品，具有很强的不稳定性，受季节等自然因素影响较明显，其套期保值的效率只有35%。

(二) 以沪铜期货为例的重金属期货实证分析

在我国，商品期货主要包括以农产品和经济作物为主的农作物期货和有色金属的期货，其中农产品与经济作物等农作物的生产与消费具有很强的季节性，对气候、温差、降雨等自然因素比较敏感，因此现货以及期货价格相对难以稳定，对研究质量的影响较大。下面采用一种在我国期货市场上上市较早，发展较成熟的有色金属品种铜作为研究对象。

铜是与人类关系非常密切的有色金属，在我国有色金属材料的消费中仅次于铝。由于我国是全球最大的铜消费市场，故国内铜价与2012年第6期中旬刊 (总第483期) 时代Times期货铜价具有很强的正相关性。下图是2010年4月至5月份铜期货的现货价格与期货价格的图表:

利用Excel中计算检验，可得铜期货的期货价格与现货价格的相关系数为0.995799，说明铜现货价格与期货价格具有很强的正相关性。铜期货的套期保值效率为99.16%，说明铜期货的套期保值功能是很有效的。通过对铜期货和现货的在一定时期内的价格走势与相关系数进行的分析可知：两者的价格高度一致。这符合现货和期货的定价原理。我国期货市场中的期货价格和现货价格存在相关性，企业利用期货可以为现货的价格波动风险进行套期保值，当前的套期保值在最小化风险的同时，期货与现货两个市场的交易作为一种优化的投资组合来获取最大的投资收益，同时套期保值期限对套期保值的比率存在较大的影响，较短的套期保值的期限，会有较小的套期保值比率;反之亦然。

(三) 以燃料油期货为例的能源期货实证分析

燃料油是原油炼制出的成品油中的一种，广泛用于船舶锅炉燃料、加热炉燃料、冶金炉和其他工业炉燃料。作为石油加工过程中的最后一道产品，燃料油的价值量一般较低。当石油价格低廉时，燃料油一度是发达国家消费量最大的油品。在两次石油危机 (1973～1974年、1979～1980年) 之后，西方发达国家蒙受了巨大的损失，促使其进行能源结构的调整。

我们知道影响燃料油期货价格的因素有很多，诸如：国家的宏观调控政策;现货的供给与需求;现货的价格;成交量与持仓量;国际政治形势;国际期货市场的影响等等。

国内燃料油现货价格，选取国内具有代表性的黄埔高硫180CST现货价格数据，期货价格选取上海期货交易所FU 201109合约进行比较，图表如下：

从图表中可以看出，燃料油的期货价格与现货价格的变动趋势一致，这为套期保值功能的发挥提供了基础。通过上述表格数据计算检验，可得燃油期货价格与现货价格之间的相关系数0.980487，二者具有较强的相关性，根据套期保值效率的计算方法可知我国燃料油期货的套期保值效率达到了96%。由此可见燃料油期货市场的套期保值功能得到了较好的发挥。

这进一步说明中国上海期货交易所燃料油期货价格对现货价生产、交易风险。

五、结论

通过以小麦为例的农产品期货、以铜为例的重金属期货和以燃油为例的能源期货这三个种类期货的相关系数分析不难发现;

第一，在我国期货市场中，期货价格与现货价格之间存在着一定的相关性，这与套期保值的前提假设 (期货价格与现货价格的走势相同) 是一致的。因此企业可以利用期货为现货价格波动所带来的风险进行套期保值。

第二，重金属期货品种(如发展较成熟的铜期货) 与农产品期货品种 (如小麦期货) 相比，套期保值的效果要好一些。这是因为上市较早的品种规模较大，相应市场的流动性较强，其价格能够真实地反映市场的预期，能够满足投资者利用期货市场进行套期保值规避风险的需要;上市较晚的品种规模较小，市场流动性受到抑制，并且大部分市场的参与者属于投机者，因而其价格不能反映市场的预期，不能满足投资者利用期货市场进行套期保值规避风险的需要。

第三，现代意义上的套期保值不再是在期货市场上建立一个与现货方向相反、数量相等的交易场所，而是将现货市场和期货市场的交易作为一种投资组合，在风险最小化的条件下，考虑现货市场头寸与期货市场头寸的优化组合，即套期比。本文通过Excel的分析，发现铜的套期保值效率为99.16%，小麦的套期保值率为35%，燃料油的套期保值效率为96%，这表明重金属期货和能源期货在套期保值功能上比农产品期货能得到更好的发挥，也就是说重金属期货和能源期货的套期保值功能比农产品期货的套期保值功能要有效得多。

我国期货市场经过几年的规范与发展，套期保值功能和市场机制逐渐完善，这为利用期货规避风险，增强现货市场的宏观调控实施效果奠定了良好的基础。但是也要认识到进一步发展期货市场的必要性和紧迫性，增强期货的套期保值功能，提高市场运行效率。最为重要的是，增强抵御外国期货市场冲击的能力，维护我国期货市场的经济安全。另外，投资者当认清我国期货市场发展状况，做到理性投资。

参考文献

[1]林孝贵.期货套期保值的统计分析.徐州:中国矿业大学出版社, 2004.

[2]花俊洲, 吴冲锋, 刘海龙等.期铜套期保值有效性实证分析.系统工程理论方法应用, 2003 (9) .

[3]钱瑞梅.中国燃料油期货价格波动性研究.暨南大学, 2007.

[4]朱文元, 赵伟蔡.套期保值比率与套期保值的效绩, 期铜合约的套期保值实证分.北京:中国经济出版社, 2006.

[5]刘凤军, 刘勇.期货价格与现货价格的波动关系的实证研究——以农产品大豆为例.财贸经济, 2006.

[6]李慧茹.中国棉花期货与现货市场的价格关系研究.北京:经济经纬, 2006.

[7]杨照东, 汪琛德, 宋娜娜.商品期货与现货价格研究综述.北京:经济师, 2008.

[8]李竹, 刘静.焦炭期货对现货市场的作用.北京:中国经济, 2008.

[9]姜津, 刘芳, 吴文.黄金现货价格与期货价格关系的实证分析.金融财经.2009.

[10]Avraham Kamara L.A Survey of Issues in Futures Markets.The Journal of Finance, 1979.

现货价格 篇7

关键词：期货价格,现货价格,早籼稻

一、模型选择

粮食生产周期长,其经营者和生产者面临较大的风险,粮食期货交易的引入使得粮食生产者和经营者能够根据市场的价格和供求信息及时、灵活的安排粮食的生产和经营活动,调整生产和经营结构,提高效率。首先,根据相关的理论分析,本文选用了变量自回归的VAR模型,VAR模型正是用非结构性的方法来检验变量之间的关系,其次,在运用VAR模型进行回归的基础上,笔者选用Granger因果检验模型对VAR模型进行检验,Granger因果检验模型正是用于检验当两个变量之间存在有先导———滞后关系时,研究这种关系在统计上是单向的还是双向的?最后,本文运用了误差修正模型对原模型进行了进一步的优化。VAR模型设定的时候,笔者选用了常见的两变量的VAR模型表达形式,即:

其中:ct表示常数;ξt表示误差项;y表示现货价格;x表示期货价格;p表示滞后阶数;t表示选取的时间段;Ai,Bji,j=1,2,…,t待估计的系数。

二、样本数据

郑州商品交易所的粮食期货交易在所有的粮食期货交易份额中占据较大比重,在郑州商品交易所进行的粮食期货交易中,2009 年4 月20 日中国最大的粮食期货交易品种早籼稻在郑州商品交易所上市,填补了中国大宗粮食品种期货交易中没有稻谷期货交易的空白。此外,早籼稻的生产和价格涉及南方早籼稻产区13 个省份近四亿农民,尤其是在湖南、江西、广西、湖北和安徽等中西部产区,关系到服务三农、国家的粮食安全和富民强省,其重要性凸显。在没有存在粮食期货价格指数的情况下,笔者选择早籼稻期货交易来研究粮食现货价格和期货价格的关系很具有代表性。

笔者选用早籼稻指数作为研究对象,数据类型为月数据,研究时间跨度为2005 年5 月至2012 年3 月,期货价格选用郑州商品交易所的早籼稻指数收盘价;早籼稻收购价格与农民收入密切相关,所以现货价格采用收购价格,收购价格是根据中华粮网———全国粮油价格监测系统中早籼稻全国收购均价的周数据进行简单的算术平均计算出来的月数据。

三、VAR模型的设立

(一)检验VAR模型的最佳滞后期数

通过Eviews6.0 软件,对上述设定的模型进行了回归分析以检验最佳滞后期数,分析的结果如下。

从检验结果来看,此模型的最佳滞后阶数为一阶,即t=1。则含有两个变量、滞后一阶的VAR模型可初步确定为:

(二)VAR模型的回归

在确定VAR模型最佳滞后期数为一阶之后,运用Eviews6.对VAR模型进行回归,回归结果(见下页表2)。由此,VAR模型回归方程可进一步确定:

经济意义分析:首先,由R2=0.991207,可知,VAR模型的拟合优度较高,模型对现货价格和期货价格的关系的拟合较为理想;其次,由F=1747.223 知方程的显著性检验通过;最后,我们由回归结果可得出早籼稻的现货价格和期货价格之间存在如下的关系:现货价格的变动滞后于期货价格的变动,期货价格对现货价格的形成起到引导的作用。

(三)VAR模型的检验

模型的检验有助于进一步保证我们结论的准确性,本文在这里采用Granger因果检验对VAR模型得出的结论进行进一步的证明,Granger因果检验Granger因果检验模型正是用于检验当两个变量之间存在有先导———滞后关系时,研究这种关系在统计上是单向的还是双向的? 即主要是一个变量过去的行为在影响另一个变量当前的行为?还是两个变量过去的行为在共同影响着对方当前行为?VAR模型的Granger检验结果(见表3)。

现货价格 篇8

随着金融市场化的发展, 居民的投资方式发生了变化, 黄金成为了一种有价值的投资品种, 在投资结构中占据着重要地位。因此, 黄金价格的变化成了许多投资黄金的人士所关注的焦点。2008年金融危机后, 我国黄金现货价格经历了一段时间的持续增长, 2012年以后逐步回落, 呈现出波动下降趋势, 2015年至今黄金价格上升趋势明显。研究黄金价格受何种因素的影响是必不可少的, 通过问题的研究, 可以找出推动金价走势的因素, 从而为政策制定与投资时机提供建议。

许多人都对黄金价格的影响因素进行研究。黎欢、陈悠然 (2013) 运用协整检验分析出CPI、美元汇率、道琼斯指数以及美国联邦基本利率在长期内影响黄金价格, 短期内的影响因素只有CPI和美元汇率[1];周舞舞 (2013) 通过建立OLS和GSRCH模型, 分析出布伦特原油价格、美国通货膨胀率和美元指数对国际黄金价格有显著影响[2];张钟方 (2012) 利用Eviews计量软件对国际黄金市场的价格进行研究, 得出道琼斯指数、美国CPI指数、美国联邦基金利率及世界黄金储备量都影响了黄金价格[3];Capie Mills与Wood (2004) 运用实证分析方法发现发达国家的汇率对黄金价格有负影响[4];周伟 (2014) 利用实证方法发现美国货币供应量、国际原油价格与国际黄金价格呈正相关, 黄金价格与美元指数负相关[5]。对于黄金价格影响的影响因素, 很多人研究的是国际黄金价格或者美国黄金价格, 本文分析的是影响我国黄金现货价格的因素, 以Au9999的价格为例进行研究。

二、研究设计

(一) 变量选取

本文以Au9999的价格 (PG) 作为研究对象, 以居民消费价格指数 (通货膨胀率) 的当月同比值 (CPI) 、货币供应量 (M2) 、原油期货价格 (PO) 、上证综合指数 (SSD) 、美元指数 (USDA) 、美元对人民币汇率中间价 (USDR) 、5年期国债利率 (R5) 为自变量, 数据为2010年至2016年的月度数据, 并对M2、PO以及SSD取对数。数据来源于同花顺数据库与国家统计局网站。 (原始数据见最后)

(二) 研究假设

假设1、CPI与黄金价格呈正相关关系。当CPI较高时, 出现通货膨胀, 这时人们会争相购买不会贬值的黄金作为投资品, 进而推动黄金价格上涨。

假设2、货币供应量与黄金价格呈正相关关系。货币供应量增加会使利率水平降低、货币贬值, 部分资金会流入黄金市场, 黄金价格上涨。

假设3、原油期货价格与黄金价格呈正相关关系。石油是重要的大宗商品, 其价格上升会推动通货膨胀, 而黄金具有较好的保值功能, 投资者愿意持有黄金, 促使金价上涨。

假设4、上证综合指数与黄金价格呈负相关关系。当上证综合指数上涨时, 股市行情看好, 资金流入股市, 投资者对黄金需求下降, 黄金价格下跌。

假设5、美元指数与黄金价格呈负相关关系。美元与黄金一样, 也是投资品种之一。美元指数上涨时, 表示美元升值势头明显, 投资者会市场上购入美元, 黄金需求减少, 价格下跌。

假设6、美元对人民币汇率与黄金价格呈负相关关系。汇率下降时, 美元升值, 这时人们会大量购入美元, 黄金价格下跌。

假设7、国债利率与黄金价格呈负相关关系。当中长期国债利率上升时, 投资者会倾向于选择国债, 对黄金需求减少, 黄金价格下降。

(三) 实证分析

1. 多重共线性检验。

本文选取的变量较多, 自变量之间很可能存在多重共线性, 影响模型的有效性。本文采取相关系数法删除相关系数较低及存在多重共线的变量。

利用Eviews得出变量之间的相关系数:

通过相关系数表可以看出, 黄金价格与利率和美元对人民币汇率相关系数较小, 因此假设6和假设7不成立, 删除R5和USDR, Ln M2与Ln PO相关系数较高, U SDA与Ln M2相关系数较高, Ln PO与U SDA相关系数较高, 删除Ln M2与Ln PO, 保留自变量CPI、Ln SSD与USDA。

2. 单位根检验。

本文选取的数据为时间序列, 需要对时间序列的平稳性进行检验, 利用Eviews采取ADF法检验, 得出以下结果:

通过表格可以看, PG、CPI、Ln SSD以及USDA原序列不平稳, 均为一阶单整序列, 可以进行协整检验。

3. 协整检验。

第一步:建立如下长期均衡方程

估计后得到

R2=0.47 D.W.=0.26

第二步:对残差项进行平稳性检验, 不含常数项和趋势项, 由AIC准则确定滞后阶数, 结果如下:

检验结果显示, 残差序列在5%的显著水平下拒绝原假设, 残差序列为平稳序列, 所以PG与CPI、Ln SSD及USDA之间存在长期协整关系。

从回归结果看, 上证综合指数在长期内与黄金价格存在负相关关系, 但上证综合指数并没有对黄金价格产生显著影响, 证券市场的变化对黄金价格的影响力度比较小, 这主要是因为目前我国证券市场还处于弱势有效, 资金在证券市场与黄金市场之间的流动性较弱;CPI代表了通货膨胀程度, 在长期内, 通胀率越高, 黄金价格越高, 因为在通货膨胀情况下, 货币贬值严重, 投资者倾向于购买具有保值功能的黄金, 推动黄金价格上涨;美元指数在长期内与黄金价格呈负相关关系, 美元作为外汇品种的代表, 与黄金一样都是我国投资者的投资方式, 美元指数上升表明美元强劲, 投资者会增加对美元的储备, 减少对黄金的需求, 黄金价格下跌。

长期均衡模型的判定系数不是很高, 说明仅仅三个因素并不足以解释我国黄金价格的变化, 还有其他很多因素推动着黄金价格的走势。

4. 误差修正模型。

协整检验结果说明我国黄金价格与通货膨胀率及美元指数之间存在长期稳定的关系, 与上证综合指数的关系较弱。许多时候, 人们关注的是黄金价格在短期内的影响因素, 因此需要建立误差修正模型:

其中, ecmt-1为长期均衡方程 (1) 中残差项的滞后一期值, 反映自变量在短期中偏离长期的程度, β4反映均衡误差对自变量回到均衡状态的调整速度。Δ表示各个变量的一阶差分。

对误差修正模型进行估计, 结果如下:

从上式可以看出, 误差修正项的系数为负, 说明误差修正机制发挥作用, 当上期短期波动偏离长期均衡时, 将以 (-0.148) 的力度将非均衡状态拉回均衡状态。在三个因素中, 短期来看只有美元指数影响了黄金价格的走势, 而且CPI在短期内与黄金价格呈负相关关系。当美元指数上升1%时, 黄金价格下降3.13%。

三、结论与建议

(一) 结论

本文利用2010年至2016年9月的月度数据, 用实证分析方法研究黄金价格的影响因素, 得出以下结论:

一是在长期内, 通货膨胀率与美元指数显著影响我国黄金价格的变动, 上证综合指数也影响了我国黄金价格, 但并不明显。

二是在短期内, 只有美元指数显著影响我国黄金价格的走势, 通货膨胀率、上证综合指数与黄金价格短期走势没有明显关系。

(二) 建议

从实证结果可以看到, 无论是在长期还是短期, 美元指数对我国黄金价格均有显著影响, 这说明美元在国际上的影响力依然较强, 其作为主要外汇仍然是我国居民主要的投资品种。投资者应该认真分析美元的走势以此来预测黄金价格的变化, 做出合理的投资决策。但美元指数只是其中的一个参考因素, 我国的黄金现货市场虽然发展较快, 但有效性并没有很强, 其与证券市场的联动性较差。我国黄金市场发展空间较大, 投资者应该结合黄金期货市场的变化, 实现保值增值。我国投资者在购买黄金时, 很多时候完全是跟风投资, 受心理因素的影响。黄金作为不会贬值的投资品, 我国应该在合适时机增加黄金储备, 增强金融市场抗风险能力。

参考文献

[1]黎欢, 陈悠然.黄金价格的长、短期影响因素分析.分析预测.2013年第5期.56-57.

[2]周舞舞.黄金价格影响因素的实证分析.财政与金融.2015年第5期.54-57.

[3]张钟方.黄金价格影响因素实证研究.企业研究.2012年4月第8期.190-191.

[4]顾嵩楠.我国黄金期货价格影响因素的实证研究.理论探讨.2015.20.003.85-87.

现货价格 篇9

小麦是北京、天津、河北地区最主要的粮食作物之一, 京津冀地区也是全国小麦的主产区之一。京津冀地区小麦种植在长城以外的平原地区, 常年可以自给, 丰年可以外调;京津冀地区小麦在保障周边地区和国家粮食安全方面发挥重要作用。京津冀地区小麦同时也是非草原区冬季覆盖物, 是防止风沙不可缺少的作物。但是由于受气候条件、灌溉以及管理等因素的影响, 粮食作物特别是小麦的产量存在很大的地区差异, 一些地区产量不高而且年际波动大。因此, 京津冀小麦价格的波动是小麦加工生产商、经销商关注的一个突出问题。

京津冀小麦现货价格与郑商所小麦期货价格之间的协整分析是其因果关系分析和建立小麦价格预测模型的前提。通过京津冀地区小麦期现价格协整分析的研究, 一是可以把握京津冀地区小麦期现价格的长期均衡关系;二是可以为京津冀小麦因果分析和建立预测模型提供依据;三是可以帮助京津冀地区的小麦种植者、京津冀小麦加工生产商、经销商、期货投资者的投资决策提供参考;四是有利于京津冀的主要农产品之一的小麦在保障地区粮食安全方面发挥重要作用。

2 京津冀小麦现货价格与郑商所小麦期货价格序列的协整分析

通过图1、图2、图3的比较可以看出, 由于京津冀地区小麦现货价格与郑商所小麦期货价格在间隔两个月时具有最大的相关性, 因此, 可以对间隔时间为两个月的小麦期现价格数据进行进一步的分析, 从而为相关人员和单位的生产活动及小麦期货价格运用提供一定的参考依据。

京津冀地区小麦现货价格与郑商所小麦期货价格“单位根”的进一步研究表明, 在5%的显著性水平上, 京津冀地区的小麦现货价格与郑商所小麦的期货价格时间序列不存在“单位根”, 是平稳序列。由于小麦期现价格在间隔两个月时具有最大的相关性, 且不存在“单位根”, 因此这两个变量序列统计意义上是“平稳”序列, 可以初步判断, 对间隔时间为两个月的小麦期现价格数据进行预测分析的方向是可行的。

但是应当指出, 如果这两个变量序列统计意义上不是满足“协整关系”条件, 那么就不能进行进一步的因果关系分析, 也不能建立京津冀地区小麦期现价格预测模型。只有这两个变量序列统计意义上是“协整关系”序列, 所建立的因果关系模型才能更科学地反映两者之间的关系, 才有意义。由此可见, 京津冀地区的小麦现货价格与郑商所小麦的期货价格时间序列的协整分析是因果分析和建立预测模型的前提。

协整关系即存在共同的随机性趋势。协整检验的目的是决定一组非平稳序列的线性组合是否具有稳定的均衡关系。协整的意义就是检验它们的回归方程所描述的因果关系是否是伪回归, 即检验变量之间是否存在稳定的关系。在进行时间系列分析时, 传统上要求所用的时间系列必须是平稳的, 即没有随机趋势或确定趋势, 否则会产生“伪回归”问题。但是, 在现实经济中的时间系列通常是非平稳的, 我们可以对它进行差分把它变平稳, 但这样会让我们失去总量的长期信息, 而这些信息对分析问题来说又是必要的, 所以用协整检验来解决此问题。

协整关系的检验方法常用的二种, 一种是E-G检验方法, 即基于回归残差的平稳性检验;第二种是Johansen协整检验方法。Johansen协整检验, 又称JJ检验 (Johansen一Juselius) , 是Johansen和Juselius一起提出的一种以VAR模型为基础的检验回归系数的协整检验。Johansen协整检验主要用于分析多变量组成的VAR模型, 它利用典型相关理论并且在VAR模型基础上借助似然比检验进行协整检验进而确定协整关系。E-G检验方法与Johansen协整检验相比较, E-G检验方法尽管计算比较简单, 但由于存在较多缺点而逐步被淘汰;Johansen协整检验相对前者计算较为复杂, 但它检验功效更大, 更为重要的是它不仅能够估计多重协整关系, 而且还允许对协整关系和速度调整系数进行检验, 这些都是E-G方法所不及的。因此Johansen协整检验是一种进行多变量协整检验的较好方法, 它在实证中得到了广泛的应用。

在单位根检验之后, 可以得到平稳的时间序列, 便于进行定量分析, 为了检验郑商所的小麦期货价格与京津冀地区小麦现货价格之间是否存在协整关系, 可以运用平稳的价格时间序列进行协整分析, 即可得到两者之间的关系, 下面采用Johansen协整检验方法, 检验结果如表:

由表1可以看到, LNCU (京津冀地区小麦现货价格的对数序列) 与LNF (郑商所小麦期货价格的对数序列) 之间存在一个协整协整关系, 运用Eviews5.1对时间序列进行处理, 可以得到其协整向量为:

式子下面数字为t统计量的值, 由上面协整方程可知, LNF、LNCU系数均通过显著性检验, 系数显著进入协整方程, 方程显示在长期稳定关系中, 我国郑商所小麦期货价格每增加1%会引发京津冀地区小麦现货价格增加1.03%, 且期货价格的价格弹性要大于现货价格的价格弹性, 且两者之间存在长期的均衡关系。

3 结语

通过对以上京津冀小麦现货价格与郑商所小麦期货价格序列协整检验的实证研究, 可以得出以下结论:一是在5%的显著性水平上, 我国郑商所小麦期货价格与京津冀地区小麦现货价格两者之间存在协整关系。这个结论意味着我国郑商所小麦期货价格与京津冀地区小麦现货价格两者之间存在长期的均衡关系。二是这个结论也说明, 京津冀小麦期现价格格兰杰因果分析假设条件及其预测模型的前提条件是成立的;可以在此基础上进行格兰杰因果分析和建立京津冀小麦价格具体的预测模型。

参考文献

[1]霍再强.京津冀小麦现货价格与期货价格的单位根分析[J].中国商贸, 2013 (8) .

现货价格 篇10

国内方面, 北方港口受近期提价及产区供应增加影响, 到货量明显增加, 且仍以辽宁玉米为主。其中, 锦州港内外铁路公路到货总量接近1万t, 贸易商收购意愿积极, 价格相应上涨。广东港口陈粮、坏粮压库情况较重, 优质玉米相对较少, 辽宁新粮较受青睐。另外, 黑龙江新粮虽陆续上市, 但集港数量相对有限, 预计近期在需求扩大的前提下, 到港量或将得到提升。

现货价格方面, 东北地区饲料厂中等玉米收购价2 230～2 300元/t, 内蒙古收购价2 260元/t, 黄淮地区收购价2 180～2 230元/t, 南方销区到站价2 580～2 650元/t的价格区间内, 大连港口报价为2 320元/t, 蛇口港报价为2 430元/t。

行情回顾:前期玉米主力1 305合约于2 425处小幅低开后即进入盘整行情之中, 尾盘收于2 427点, 较上一交易日结算价跌2元/吨。成交量为78 774手, 持仓量为332 492手。