農(nóng)產(chǎn)品日歷效應(yīng)價(jià)格波動論文范文

本站小編為你精心準(zhǔn)備了農(nóng)產(chǎn)品日歷效應(yīng)價(jià)格波動論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、相關(guān)文獻(xiàn)評述

對于“日歷效應(yīng)”的研究目前多見于證券市場，大量的國內(nèi)外文獻(xiàn)已經(jīng)證明了在不同地區(qū)的證券市場中存在著各類“日歷效應(yīng)”。Rozeff等(1976)通過對紐約證券交易所在1904年至1974年間所有的股價(jià)指數(shù)進(jìn)行分析后發(fā)現(xiàn)，美國股市1月份的平均收益率要顯著高于其他月份的收益率，因而證實(shí)了在證券市場中存在“一月效應(yīng)”。Lakonishok等(1988)對1897年至1965年的美國道瓊斯工業(yè)指數(shù)研究發(fā)現(xiàn)，節(jié)假日之前的交易日存在著較高的收益率，這便是所謂的“節(jié)日效應(yīng)”。此外還有Cross(1973)證實(shí)了美國市場在周一有顯著的負(fù)收益率，進(jìn)而證實(shí)了“星期效應(yīng)”的存在。國內(nèi)的研究，奉立成(2003)證實(shí)了滬深兩市存著“月初效應(yīng)”。俞喬(1994)對我國證券市場進(jìn)行了“星期效應(yīng)”的相關(guān)研究后，發(fā)現(xiàn)了正的“周四效應(yīng)”以及負(fù)的“周一效應(yīng)”。陸磊等(2008)研究了上證指數(shù)后證實(shí)了“節(jié)日效應(yīng)”在我國股市的存在。針對證券、金融市場的日歷效應(yīng)研究已經(jīng)較為成熟。對收益回報(bào)率“異象”的解釋研究逐步擴(kuò)展至期貨和現(xiàn)貨市場，雖然開展程度不及證券市場的日歷效應(yīng)研究深入，但也取得了一定的成果，Chiang等(1983)對芝加哥期貨所上市的商品期貨收益的周日歷效應(yīng)進(jìn)行了研究。Lucey等(2007)在GARCH模型下對黃金現(xiàn)貨和期貨進(jìn)行了研究，發(fā)現(xiàn)在黃金現(xiàn)貨市場上存在“周一效應(yīng)”。在國內(nèi)，華仁海(2004)對鄭州交易所小麥期貨價(jià)格收益進(jìn)行了研究，結(jié)果顯示其具有周內(nèi)效應(yīng);郭彥峰等(2008)對上海期貨市場可能存在的“周日歷效應(yīng)”也進(jìn)行了相關(guān)研究。目前，農(nóng)產(chǎn)品拍賣市場在我國的發(fā)展尚處于起步階段，涉及的學(xué)術(shù)研究也較為匱乏。以發(fā)展程度較高的花卉拍賣市場為對象的研究正在剛剛興起。除去這一研究領(lǐng)域傳統(tǒng)的研究方向，如拍賣理論與供應(yīng)鏈協(xié)調(diào)優(yōu)化等，價(jià)格反常現(xiàn)象及其解釋也是花卉拍賣市場未來的研究趨勢和熱點(diǎn)所在。本文參考傳統(tǒng)金融市場與期貨市場的日歷效應(yīng)理論研究，結(jié)合花卉拍賣市場成交價(jià)格的波動變化以及花卉市場本身所具有的特點(diǎn)，試圖發(fā)現(xiàn)其中異常回報(bào)率的時(shí)間節(jié)點(diǎn)，即在花卉拍賣市場中的日歷效應(yīng)，以期對農(nóng)產(chǎn)品拍賣市場未來的發(fā)展提供政策建議。本文以亞洲規(guī)模第二、國內(nèi)規(guī)模最大的昆明國際花卉拍賣交易中心(以下簡稱KIFA)為例，采用GARCH模型進(jìn)行建模分析，圍繞花卉拍賣存在的特殊日歷節(jié)點(diǎn)進(jìn)行實(shí)證分析。

二、日歷效應(yīng)實(shí)證分析

(一)樣本選取本文選取的樣本數(shù)據(jù)來源于KIFA在2011年2月14日至2014年2月13日的花卉拍賣日平均成交價(jià)格，樣本跨度4年，有效觀測值1055個(gè)。

(二)數(shù)據(jù)處理參考證券市場股指收益率，我們定義花卉拍賣市場的日均收益率如下。式中，Pt代表花卉在日期t的平均交易價(jià)格，Pt－1代表前1天的平均交易價(jià)格，Πt代表日期t的收益率。為了更加直觀地呈顯收益率的變動情況，將花卉市場的日均價(jià)格變動比率放大至100倍，可以得到變化較為明顯的收益率波動圖。從圖2可以發(fā)現(xiàn)整體樣本范圍內(nèi)收益率的波動變化。不難發(fā)現(xiàn)，我們所定義的花卉收益率均值較為穩(wěn)定，但是收益率波動的方差變化較大。該波動形狀呈現(xiàn)聚集性特點(diǎn)，即存在所謂的“波動聚集性”。正是因?yàn)榇嬖谶@種“波動聚集性”，如果需要得到較好的擬合效果，則不能直接使用普通最小二乘法，而需要利用GARCH模型進(jìn)行建模分析。

(三)研究方法模型由于“波動聚集性”的存在，本文采用GARCH模型(p，q)進(jìn)行實(shí)證研究。GARCH模型是由計(jì)量經(jīng)濟(jì)學(xué)家CliveGranger提出的，代替原先的ARCH模型。當(dāng)存在ARCH效應(yīng)時(shí)，該模型能夠取得較好(四)模型與實(shí)證研究1．普通最小二乘法(OLS)回歸建模。使用OLS進(jìn)行回歸分析。設(shè)原假設(shè)H0為不存在月度效應(yīng)。如果拒絕原假設(shè)，我們接受H1，即月度花卉拍賣市場存在顯著性的日歷性差異。我們利用虛擬變量建立如下回歸。從表1可以看出，對于拍賣市場的收益率，一年中月份最高的是9月，最低的是4月，由此可以猜測花卉拍賣市場可能存在正的“九月效應(yīng)”和負(fù)的“四月效應(yīng)”。但還需要進(jìn)一步的檢驗(yàn)從而確定這類效應(yīng)的存在。對于檢驗(yàn)得到的ADF統(tǒng)計(jì)量，由于其絕對值大于麥金農(nóng)臨界值，因此我們認(rèn)為原序列為平穩(wěn)序列，從而拒絕原假設(shè)。由于序列中不存在單位根，也無需進(jìn)行差分處理。3.自相關(guān)檢驗(yàn)。接下來對時(shí)間序列數(shù)據(jù)進(jìn)行自相關(guān)檢驗(yàn)，本文采用LM(Breush－GodfreyLa-grangeMultiplier)檢驗(yàn)，檢驗(yàn)結(jié)果見表3。由檢驗(yàn)結(jié)果可知，LM統(tǒng)計(jì)量的P值大于0.05，因此拒絕原假設(shè)，時(shí)間序列殘差項(xiàng)不存在一階自相關(guān)，也就是說任意一次觀測值的擾動項(xiàng)并不受其他觀測值的影響。4.ARCH效應(yīng)檢驗(yàn)。從圖2可以推斷，花卉日均收益率的波動可能存在“波動聚集性”特征，因此對其進(jìn)行ARCH效應(yīng)檢驗(yàn)。先采取拉格朗日乘數(shù)法(ARCH－LM)對其進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果見表4。其中，F(xiàn)統(tǒng)計(jì)量和卡方統(tǒng)計(jì)量的值都小于0.005，因此ARCH－LM檢驗(yàn)結(jié)果認(rèn)為原序列存在ARCH效應(yīng)，與圖示檢驗(yàn)的結(jié)論一致，可以證明存在“波動聚集性”。也就是說，為了達(dá)到理想的擬合效果需要對數(shù)據(jù)進(jìn)行GARCH建模分析。

(五)“月份效應(yīng)”的實(shí)證研究1.GARCH模型建模分析。正是由于這種“波動聚集性”特征的存在，且不滿足正態(tài)分布，因此CliveGranger提出了GARCH模型，可以有效擬合數(shù)據(jù)。我們在OLS模型的基礎(chǔ)上建立GARCH(p，q)模型如下。2.實(shí)證結(jié)果與結(jié)論。根據(jù)表5可知，在10%的顯著性水平下，D09的Z統(tǒng)計(jì)量達(dá)到顯著，存在正的“九月效應(yīng)”，即9月份的收益率顯著地高于平均水平。雖然4月份收益率較低，但不存在之前猜測的“四月效應(yīng)”。3.原因分析與解釋。在每年的7月底8月初，由于受到中國傳統(tǒng)節(jié)日“七夕”節(jié)的影響，使得這一時(shí)期的鮮花市場需求量驟增，這種需求量突然擴(kuò)大的后果就是導(dǎo)致8月中下旬交易量趨于飽和并下降。而經(jīng)過一段時(shí)期的需求冷卻之后，在9月份內(nèi)，受教師節(jié)、中秋節(jié)以及國慶節(jié)花卉需求的多重刺激，拍賣市場的鮮花交易量有著顯著的提高，收益率大大提升，導(dǎo)致花卉拍賣市場出現(xiàn)了“黃金九月”。

(六)“農(nóng)歷效應(yīng)”的實(shí)證研究1.描述性統(tǒng)計(jì)。我們從農(nóng)歷的劃分角度出發(fā)，將現(xiàn)有的數(shù)據(jù)按照農(nóng)歷分成30個(gè)變量，進(jìn)行統(tǒng)計(jì)分析以期對可能存在的“農(nóng)歷效應(yīng)”展開研究。從圖3中可以看出，農(nóng)歷初四和農(nóng)歷十六兩天的平均收益分別低于和高于周邊的日期。據(jù)此猜測，存在正的“農(nóng)歷十六效應(yīng)”以及負(fù)的“農(nóng)歷初四效應(yīng)”。2.GARCH模型的建模分析與實(shí)證檢驗(yàn)。如同月份效應(yīng)，我們先進(jìn)行普通最小二乘法等一系列檢驗(yàn)后，數(shù)據(jù)樣本不存在自相關(guān)，同時(shí)也較為平穩(wěn)。但是在對數(shù)據(jù)進(jìn)行ARCH效應(yīng)檢驗(yàn)時(shí)，發(fā)現(xiàn)樣本中存在ARCH效應(yīng)。因此繼續(xù)采用GARCH模型進(jìn)行回歸分析。3.原因分析與解釋。統(tǒng)計(jì)顯示，農(nóng)歷30日的拍賣數(shù)據(jù)樣本僅有19個(gè)，只有其他日期樣本的一半左右，這是因?yàn)榕馁u市場存在閉市狀況，導(dǎo)致供應(yīng)量降低，在初一開市后經(jīng)過3天較高的市場需求后，初四需求回落。但由于拍賣市場供應(yīng)量沒能進(jìn)行匹配性調(diào)整，因此出現(xiàn)了明顯的負(fù)效應(yīng)。而正的“農(nóng)歷十六效應(yīng)”和負(fù)的“農(nóng)歷廿一效應(yīng)”可能與婚禮舉行的密集程度有關(guān)。由于條件限制，本文對此未進(jìn)行詳細(xì)的研究。

(七)二十四節(jié)氣效應(yīng)1.數(shù)據(jù)劃分與建模分析。我們繼續(xù)對時(shí)間序列數(shù)據(jù)進(jìn)行分類研究。與金融市場的股指期貨不同，考慮花卉拍賣可能會受氣候影響，因此我們這里使用中國傳統(tǒng)的24節(jié)氣對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析。所謂24節(jié)氣是指立春、雨水、驚蟄、春分、清明、谷雨、立夏、小滿、芒種、夏至、小暑、大暑、立秋、處暑、白露、秋分、寒露、霜降、立冬、小雪、大雪、冬至、小寒、大寒。這24節(jié)氣分別代表著不同類型的氣候、溫度和天氣狀況。我們按24個(gè)節(jié)氣當(dāng)日以及其后3天劃分一個(gè)樣本，考察該節(jié)氣是否對拍賣市場有影響，即樣本所在期間是否有顯著收益率。相關(guān)檢驗(yàn)我們已在前面完成，樣本數(shù)據(jù)平穩(wěn)，同時(shí)不存在自相關(guān)，但樣本中依然存在ARCH效應(yīng)，因而進(jìn)行GARCH建模分析。2.實(shí)證結(jié)果與結(jié)論。我們對KIFA拍賣市場的節(jié)氣效應(yīng)進(jìn)行了檢驗(yàn)，把數(shù)據(jù)劃分為24個(gè)節(jié)氣樣本以及1個(gè)非節(jié)氣樣本，發(fā)現(xiàn)利用GARCH(p，q)模型建模取得了良好的效果。從整體樣本來看，拍賣市場存在正的“驚蟄效應(yīng)”、正的“大暑效應(yīng)”以及正的“寒露效應(yīng)”，也就是說在這三個(gè)節(jié)氣初期存在顯著的高收益率。3.原因分析與解釋。對上述三個(gè)顯著的節(jié)氣正效應(yīng)進(jìn)行分析發(fā)現(xiàn)，驚蟄在每年的3月5日或6日，該節(jié)氣前后冷暖空氣交替，氣溫和風(fēng)的變化都較大，對花卉播種和扦插影響較大。大暑時(shí)節(jié)是我國廣大地區(qū)一年中最炎熱的時(shí)期，處在每年的7月22日或23日，過于炎熱的溫度對農(nóng)產(chǎn)品特別是花卉等作物的采后保鮮影響較大。而寒露時(shí)節(jié)在每年的10月8日或9日，此時(shí)太陽直射點(diǎn)開始向南移動，北半球氣溫繼續(xù)下降，天氣更冷，在云南這種高原地區(qū)，寒露前后是雪災(zāi)最嚴(yán)重的季節(jié)之一，對農(nóng)業(yè)的危害較大。綜上所述，三個(gè)節(jié)氣的共同特點(diǎn)是，氣候變化巨大。在前面的月份效應(yīng)分析中，我們發(fā)現(xiàn)上述三個(gè)氣節(jié)所處的月份均低于總體平均收益率，但在這短暫的三個(gè)節(jié)氣內(nèi)卻存在著顯著的正收益率，這可能與氣候變化劇烈、花卉產(chǎn)量波動大、批發(fā)商提前進(jìn)行購買等因素有關(guān)。再者，花農(nóng)根據(jù)傳統(tǒng)的節(jié)氣經(jīng)驗(yàn)指導(dǎo)，將花期進(jìn)行調(diào)整，使得此時(shí)花卉產(chǎn)量縮減，因此在這三個(gè)節(jié)氣初期的拍賣收益率有著顯著的提升。

三、結(jié)論與相關(guān)建議

相比傳統(tǒng)批發(fā)貿(mào)易市場而言，拍賣市場雖然很大程度上降低了農(nóng)產(chǎn)品價(jià)格的波動性。但仍然有一些異常波動需要引起重視。若簡單地認(rèn)為這是一種隨機(jī)波動，而忽視了存在著的“日歷效應(yīng)”，那么對農(nóng)產(chǎn)品拍賣市場的建設(shè)和發(fā)展往往會造成不利影響。首先，由于農(nóng)產(chǎn)品自身以及其產(chǎn)出的特殊性質(zhì)，其供給量受價(jià)格影響波動較大。我國農(nóng)產(chǎn)品生產(chǎn)大多是以小農(nóng)生產(chǎn)為主，以云南花卉產(chǎn)業(yè)為例，95%的花卉生產(chǎn)是小農(nóng)種植經(jīng)營，其特點(diǎn)就是專業(yè)組織化程度較低且生產(chǎn)流通環(huán)節(jié)信息匱乏，在農(nóng)產(chǎn)品市場需求出現(xiàn)波動時(shí)，農(nóng)戶無法準(zhǔn)確判斷或預(yù)測未來價(jià)格趨勢，絕大多數(shù)農(nóng)戶只能根據(jù)當(dāng)前市場行情決定下一期生產(chǎn)目標(biāo)，追漲殺跌的盲目式?jīng)Q策造成了農(nóng)產(chǎn)品供應(yīng)陷入“發(fā)散式蛛網(wǎng)”周期，造成了農(nóng)產(chǎn)品價(jià)格不良波動，影響農(nóng)業(yè)生產(chǎn)秩序。其次，我國農(nóng)產(chǎn)品仍處于依賴客觀自然條件的階段，以云南花卉為例，絕大多數(shù)花卉生產(chǎn)者在戶外進(jìn)行花卉栽培作業(yè)，氣候變化對花卉產(chǎn)量的影響不可避免，通過上述對“二十四節(jié)氣效應(yīng)”的實(shí)證分析可知，在驚蟄、大暑等氣候變化較大的節(jié)氣時(shí)，農(nóng)戶現(xiàn)有的生產(chǎn)條件抗風(fēng)險(xiǎn)能力較弱，造成了花卉產(chǎn)量降低，市場供給緊缺，拍賣成交價(jià)格上升。若供應(yīng)商和市場沒有正確調(diào)整供應(yīng)量和價(jià)格，極易導(dǎo)致出現(xiàn)游資炒作、中間批發(fā)商哄抬價(jià)格等擾亂農(nóng)產(chǎn)品市場穩(wěn)定的事件發(fā)生。因此，不論是傳統(tǒng)的農(nóng)產(chǎn)品批發(fā)市場還是現(xiàn)代農(nóng)產(chǎn)品拍賣市場，其良好的價(jià)格穩(wěn)定機(jī)制不僅能夠穩(wěn)定農(nóng)戶生產(chǎn)，同時(shí)也影響著民生福利，關(guān)系著整個(gè)社會的福利效用。所以，在我國農(nóng)產(chǎn)品拍賣市場發(fā)展之際，我們應(yīng)該完善價(jià)格發(fā)現(xiàn)機(jī)制，將農(nóng)產(chǎn)品市場價(jià)格波動控制到最低限度之內(nèi)。這不僅需要拍賣市場各個(gè)主體的共同努力，相關(guān)政府職能部門也要給予相應(yīng)的政策和技術(shù)支持，從而將“日歷效應(yīng)”對價(jià)格波動的影響降到最低。第一，對于生產(chǎn)者而言，其定價(jià)以及預(yù)期產(chǎn)量應(yīng)與市場供求情況相一致，但是在沒有有效的市場信息獲取途徑時(shí)，農(nóng)戶對其所生產(chǎn)的農(nóng)產(chǎn)品在未來銷售市場上的供求情況只是一種主觀的感受，并非市場實(shí)際的狀況。因此構(gòu)建高質(zhì)量的信息平臺十分重要，通過市場需求與農(nóng)產(chǎn)品生產(chǎn)狀況信息的共享，參與農(nóng)產(chǎn)品拍賣的農(nóng)戶可以在農(nóng)產(chǎn)品生產(chǎn)之際準(zhǔn)確地把握市場行情。第二，在農(nóng)產(chǎn)品拍賣市場上出現(xiàn)了某種“日歷效應(yīng)”之后，媒體要承擔(dān)起自身的社會責(zé)任，理性看待農(nóng)產(chǎn)品價(jià)格的漲與跌，切勿夸大事實(shí)報(bào)道、誤導(dǎo)輿論，將農(nóng)產(chǎn)品小范圍的正常價(jià)格波動放大。這不僅對維護(hù)市場穩(wěn)定造成危害，甚至還進(jìn)一步加劇了農(nóng)產(chǎn)品價(jià)格波動程度。第三，在清楚認(rèn)識農(nóng)產(chǎn)品拍賣市場的價(jià)格異常波動成因后，相關(guān)政府部門要積極地制定相關(guān)財(cái)政補(bǔ)貼政策和技術(shù)支持政策。不僅要評估“日歷效應(yīng)”對農(nóng)戶造成的生產(chǎn)損失，對基層農(nóng)戶進(jìn)行相應(yīng)的補(bǔ)貼，還要聯(lián)合氣象部門推出符合相關(guān)農(nóng)產(chǎn)品種植的農(nóng)業(yè)天氣預(yù)報(bào)。第四，相關(guān)的農(nóng)協(xié)單位應(yīng)在某種“日歷效應(yīng)”的時(shí)間節(jié)點(diǎn)來臨之前做好應(yīng)對措施，例如借助金融衍生品市場來轉(zhuǎn)移其“日歷效應(yīng)”對農(nóng)戶帶來的收入風(fēng)險(xiǎn)，各種農(nóng)業(yè)協(xié)會或者是拍賣協(xié)會可以代表農(nóng)戶購買相應(yīng)的看跌期權(quán)，以對沖價(jià)格下跌帶來的銷售損失。亦或是購買相應(yīng)的氣象災(zāi)害保險(xiǎn)，以穩(wěn)定農(nóng)戶的產(chǎn)生信心。

作者：秦開大李騰單位：昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院