DOC《...行VAR模型统计分析,最终建立在对现货价格预期的基础上...》

本文主要对美国大豆期现货价格进行规律统计,同时对二者之间关系进行VAR模型统计分析,最终建立在对现货价格预期的基础上说明期货价格后期可能受到的影响.

本文所产生的结论仅作参考,不作为入市依据. 第一部分:大豆历史期现货价格规律性统计 图一:美国大豆现货全国均价走势 数据来源:美国农业部 -----1990年-2004年期间,分5年为一阶段进行观摩,整体表现出在10月份,美国国内大豆价格达到年内低点.观摩2005年至2008年4年平均价格走势,其中1月份为年内价格最低点,而从价格演化历程来看,在10月份也出现了相对价格低位. 表一:美国大豆现货全国均价年内最高最低月统计(为最高价,为最低价) 1月 2月 3月 4月 5月 6月 7月 8月 9月10月11月12月1990

1991 1992

1993 1994

1995 1996

1997 1998

1999 2000

2001 2002

2003 2004

2005 2006

2007 2008 从表一中观察可得,美国国内大豆现货在1月、2月、7月-10月价格出现年内低点概率较大.1990-2008年期间,在10月份出现价格低点共计6次.从现实情况来看,我们可以理解为,美豆新作上市前后以及南美大豆上市前期,美国国内的大豆现货价格所受的压力较大.

图表二:CBOT大豆期货月度均价(美元/蒲式耳) 数据来源:美国农业部 对比图一,图二所表现出的期货月度均价的低点位置并非与现货一致,其大多集中出现在8月-10月期间.而通过对比年内出现高低点的月份,期货与现货所表现出来的大致吻合或者前后相差一个月. 第二部分:大豆期现价格VAR模型统计分析 大豆期现价格方面具体是如何相互影响的,所做统计分析如下: 1)在建立VAR模型之前要检查数据的平稳性.下面是使用ADF数据检验结果. 大豆现货和期货价格平稳性检验. 由上表发现,不论检验等式中是否包含截距项和趋势项,两组数据都不不能拒绝存在单位根的原假设.我们不能证实数据是平稳的. 对数据做一阶差分平稳性检验: 上表数据显示,经过了一阶差分后数据平稳了.以下我们建立VAR模型对二者之间相互影响作出评估. 2)在选取滞后阶数时,我们查看最大滞后12阶的各个滞后滞后指标.如下表. ?Lag LogL LR FPE AIC SC HQ

0 -144.4174 NA? ?0.012745 ?1.313161 ?1.343718 ?1.325497

1 -106.4388 ?74.93537 ?0.009397 ?1.008420 ??1.100093* ?1.045428

2 -97.81010 ?16.87051 ?0.009015 ?0.966907 ?1.119695 ?1.028586

3 -96.42220 ?2.688666 ?0.009229 ?0.990334 ?1.204237 ?1.076685

4 -86.55561 ?18.93679 ?0.008757 ?0.937718 ?1.212737 ?1.048742

5 -80.19667 ?12.09054 ?0.008574 ?0.916562 ?1.252696 ?1.052257

6 -75.68371 ?8.499742 ?0.008535 ?0.911962 ?1.309210 ?1.072328

7 -63.51707 ?22.69651 ?0.007934 ?0.838718 ?1.297082 ?1.023757

8 -53.48197 ?18.54019 ??0.007517* ??0.784592* ?1.304071 ??0.994302*

9 -51.40693 ?3.796476 ?0.007650 ?0.801856 ?1.382450 ?1.036238

10 -49.70157 ?3.089537 ?0.007811 ?0.822436 ?1.464145 ?1.081489

11 -43.12755 ??11.79195* ?0.007636 ?0.799350 ?1.502175 ?1.083076

12 -38.71653 ?7.833024 ?0.007611 ?0.795664 ?1.559604 ?1.104061 我们发现滞后八阶时模型最优.去掉截距项后AIC和SC值减小,所以我们选择不带截距项的.结果如下: ?Sample (adjusted): 1990M10 2009M08 ?Included observations:

227 after adjustments ?Standard errors in ( ) & t-statistics in [ ] D(COMODITY) D(FUTURES) D(COMODITY(-1)) -0.106182 ?0.036503 ?(0.10376) ?(0.13909) [-1.02335] [ 0.26244] D(COMODITY(-2)) -0.122116 -0.168366 ?(0.10246) ?(0.13735) [-1.19188] [-1.22584] D(COMODITY(-3)) -0.125434 -0.077747 ?(0.10380) ?(0.13914) [-1.20846] [-0.55875] D(COMODITY(-4)) -0.276791 -0.277570 ?(0.10259) ?(0.13752) [-2.69816] [-2.01840] D(COMODITY(-5)) -0.199961 -0.117974 ?(0.10252) ?(0.13743) [-1.95052] [-0.85844] D(COMODITY(-6)) -0.064236 -0.332634 ?(0.10367) ?(0.13898) [-0.61960] [-2.39341] D(COMODITY(-7)) -0.153132 ?0.081296 ?(0.10365) ?(0.13895) [-1.47734] [ 0.58506] D(COMODITY(-8)) ?0.076409 -0.175974 ?(0.09359) ?(0.12546) [ 0.81645] [-1.40266] D(FUTURES(-1)) ?0.477883 ?0.368251 ?(0.07693) ?(0.10313) [ 6.21153] [ 3.57058] D(FUTURES(-2)) ?0.141019 -0.044041 ?(0.08365) ?(0.11213) [ 1.68591] [-0.39276] D(FUTURES(-3)) -0.003562 -0.053371 ?(0.08523) ?(0.11426) [-0.04179] [-0.46709] D(FUTURES(-4)) ?0.402934 ?0.355600 ?(0.08472) ?(0.11358) [ 4.75583] [ 3.13092] D(FUTURES(-5)) ?0.197439 ?0.133398 ?(0.08891) ?(0.11919) [ 2.22069] [ 1.11924] D(FUTURES(-6)) ?0.034237 ?0.072075 ?(0.08771) ?(0.11758) [ 0.39035] [ 0.61300] D(FUTURES(-7)) ?0.220397 ?0.263608 ?(0.08563) ?(0.11480) [ 2.57374] [ 2.29633] D(FUTURES(-8)) -0.191924 -0.137498 ?(0.08645) ?(0.11589) [-2.22011] [-1.18647] ?R-squared ?0.404823 ?0.268917 ?Adj. R-squared ?0.362512 ?0.216944 ?Sum sq. resids ?19.11158 ?34.34476 ?S.E. equation ?0.300959 ?0.403449 ?F-statistic ?9.567775 ?5.174191 ?Log likelihood -41.22564 -107.7542 ?Akaike AIC ?0.504191 ?1.090346 ?Schwarz SC ?0.745597 ?1.331752 ?Mean dependent ?0.020749 ?0.016256 ?S.D. dependent ?0.376939 ?0.455924 ?Determinant resid covariance (dof adj.) ?0.006238 ?Determinant resid covariance ?0.005390 ?Log likelihood -51.35954 ?Akaike information criterion ?0.734445 ?Schwarz criterion ?1.217258 我们观察以下脉冲函数: 由上可得,如果期货市场上价格受到了一个标准差的波动,那么现货市场价格变动受到的影响不是很大,而且反应有一定的滞后期.而当现货市场上受到了一个标准差的波动时,那么期货价格的受到的影响很大.从图上看,期货价格大约需要2-3个月的时间消化这个冲击.(这里我们假设现货价格变化的残差和期货价格变化的残差的共同部分归为现货价格变化的残差).由上我们知道现货市场上出现了一个冲击时,这个冲击会传导至期货市场.期货市场需要2-3个月的时间调整回原来的趋势. 现货和期货价格变化方差分解: 期数 S.E. 现货价格变化 期货价格 ?1 ?0.300959 ?100.0000 0.000000 ?2 ?0.345559 ?86.82818 ?13.17182 ?3 ?0.356586 ?83.79034 ?16.20966 ?4 ?0.359809 ?84.06926 ?15.93074 ?5 ?0.367136 ?80.82921 ?19.17079 ?6 ?0.372351 ?78.58630 ?21.41370 ?7 ?0.372888 ?78.54743 ?21.45257 ?8 ?0.376354 ?78.31741 ?21.68259 ?9 ?0.382963 ?76.31557 ?23.68443 ?10 ?0.385906 ?76.14629 ?23.85371 ?11 ?0.388846 ?75.96522 ?24.03478 ?12 ?0.389228 75.81647 ?24.18353 ?13 ?0.389484 ?75.83165 ?24.16835 ?14 ?0.389563 ?75.84076 ?24.15924 ?15 ?0.390661 ?75.63019 ?24.36981 ?16 ?0.390823 ?75.64139 ?24.35861 ?17 ?0.391352 ?75.70597 ?24.29403 ?18 ?0.391422 ?75.70758 ?24.29242 ?19 ?0.392011 ?75.62450 ?24.37550 ?20 ?0.392090 ?75.60682 ?24.39318 期数 S.E. 现货价格变化 期货价格 ?1 ?0.403449 ?57.68765 ?42.31235 ?2 ?0.432949 ?58.27457 ?41.72543 ?3 ?0.434131 ?58.06733 ?41.93267 ?4 ?0.440184 ?58.85579 ?41.14421 ?5 ?0.444425 ?58.05872 ?41.94128 ?6 ?0.447655 ?57.34597 ?42.65403 ?7 ?0.454851 ?58.56926 ?41.43074 ?8 ?0.455813 ?58.73440 ?41.26560 ?9 ?0.461843 ?59.28742 ?40.71258 ?10 ?0.465588 ?58.93086 ?41.06914 ?11 ?0.471283 ?58.80239 ?41.19761 ?12 ?0.471676 ?58.85868 ?41.14132 ?13 ?0.472306 ?58.94387 ?41.05613 ?14 ?0.472640 ?58.86102 ?41.13898 ?15 ?0.472752 ?58.88011 ?41.11989 ?16 ?0.472951 ?58.83112 ?41.16888 ?17 ?0.473359 ?58.83398 ?41.16602 ?18 ?0.473401 ?58.83717 ?41.16283 ?19 ?0.473935 ?58.79896 ?41.20104 ?20 ?0.474137 ?58.81256 ?41.18744 由上表我们看出现货市场价格变化的波动经过9期后趋于稳定.有约24%的影响归因于期货价格变化的波动.而期货市场价格变化的波动有58%可以归因于现货市场价格的波动.所以我们可以得到.期货价格变化的波动有一半以上是由于现货价格变化的波动造成的.所以当现货市场遭受冲击后,期货市场必然也会受到很大的牵连. 第三部分:结论 通过以上统计分析,我们可得出以下结论: 美国国内大豆现货价格在年内变化整体体现出一定的规律性,且在10月份出现低点的可能性较大;