摘要
近年来,农产品期货市场价格波动剧烈、泡沫风险频现,已经成为中国农业产业安全的潜在威胁。本文构建了农产品期货市场泡沫风险实时检测模型,论证了运用价格泡沫实时检测模型进行农产品期货市场泡沫风险实时预警的可行性和有效性。通过构建模拟试验,论证了模型在农产品期货市场泡沫风险实时预警中具有的4个优良特性:普适性、及时性、稳健性和简便性。在此基础上,本文设计了农产品期货市场泡沫风险警情标准、预警响应机制和预警处置步骤,构建了农产品期货市场泡沫风险实时预警系统并进行实例应用。
In recent years, China's agricultural futures market has witnessed severe price volatility and bubble risk, which has become a potential threat to the development of agricultural market in China. This article proposes a real-time bubble risk detecting model, and analyzes its effectiveness in building the bubble risk real-time early-warning system for the agricultural futures market. Based on a series of simulations, the study finds that the model has four main merits for real-time bubble detection, namely the common applicability, the immediacy, the robustness and the simplicity. The study further proposes early-warning standards, the warning response mechanism and a five-step early-warning management procedure. Finally, the study applies the early-warning system to the cotton futures market for validation and verification.
引文
1.程国强,2006:《当前我国大豆行业的问题与建议》,《中国食物与营养》第9期。
2.程国强,2011:《我国迫切需要建立农产品风险管理机制》,《农村工作通讯》第22期。
3.陈锡文,2012:《迫切需要加快农产品期货市场的发展》,中国政协新闻网,http://cppcc.people.com.cn/GB/35377/17646678.html。
4.华仁海、张墉奎,2011:《我国期货市场风险预警机制研究》,《南京财经大学学报》第4期。
5.黄慧莲、熊涛、李崇光,2018:《我国农产品期货市场价格泡沫特征及品种差异性研究》,《农业技术经济》第1期。
6.简志宏、向修海,2012:《修正的倒向上确界ADF泡沫检验方法--来自上证综指的证据》,《数量经济技术经济研究》第4期。
7.李剑、李崇光,2017:《农产品期货市场风险评价--一个基于价格泡沫模型的新分析框架》,《中国农村经济》第5期。
8.李剑、陈烨、李崇光,2018:《金融化与商品价格泡沫》,《管理世界》第8期。
9.肖小勇、李崇光、李剑,2014:《国际粮食价格对中国粮食价格的溢出效应分析》,《中国农村经济》第2期。
10.王静、安丹,2010:《我国小麦期货市场价格泡沫的实证研究--以强筋小麦期货为例》,《华中农业大学学报(社会科学版)》第3期。
11.王燕青、王晓蜀、武拉平,2015:《我国农产品期货市场的价格泡沫检验:以鸡蛋期货为例》,《农业技术经济》第12期。
12.吴海霞、史恒通、葛岩,2018:《预期、投机与中国玉米价格泡沫》,《农业技术经济》第6期。
13.周伟、何建敏,2011:《后危机时代金属期货价格集体上涨--市场需求还是投机泡沫》,《金融研究》第9期。
14.朱信凯、韩磊、曾晨晨,2012:《信息与农产品价格波动:基于EGARCH模型的分析》,《管理世界》第12期。
15.Etienne,X.L.,S.H.Irwin,and P.Garcia,2015,“Price Explosiveness,Speculation,and Grain Futures Prices”,American Journal of Agricultural Economics,97(1):65-87.
16.Figuerola‐Ferretti,I.,C.L.Gilbert,and J.R.McCrorie,2015,“Testing for Mild Explosivity and Bubbles in LMENon‐ferrous Metals Prices”,Journal of Time Series Analysis,36(5):763-782.
17.Li,J.,C.Li and J.P.Chavas,2017,“Food Price Bubbles and Government Intervention”,Canadian Journal of Agricultural Economics,65(1):135-157.
18.Phillips,P.C.B.,S.P.Shi,and J.Yu,2015a,“Testing for Multiple Bubbles:Historical episodes of Exuberance and Collapse in the S&P 500”,International Economic Review,56(4):1043-1078.
19.Phillips,P.C.B.,S.P.Shi,and J.Yu,2015b,“Testing for Multiple Bubbles:Limit Theory of Real Time Detectors”,International Economic Review,56(4):1079-1134.
(1)式中c vr2t表示t%的临界值。
(1)本文所采用的PSY模型之所以能够对样本末端泡沫具有辨别能力,主要依赖一个关键的模型设计:双重递归回归。从理论上来说,双重递归回归模型对样本内每个时间点的BSADF值的计算都是独立、重复进行的,这使得GSADF统计量总能找到初始值到该观测值之间最大的ADF值,保证了即使在样本最后一个时间点出现爆炸性也能被检测出来,从而实现对样本末端泡沫的有效识别。
(2)传统泡沫检测方法在样本区间存在连续泡沫时,检测效果往往不佳(Gürkaynak,2008;Phillips et al.,2015a,b)。为此,本文模拟试验着重检验了样本末端连续泡沫情形的预警效果。
(1)采用其他商品品种和数据截断方式进行模拟得到一致的结论。
(1)为进一步保证代表性,笔者选取大豆、白糖和早籼稻不同时段的泡沫进行早期预警效果测试。其中,大豆价格泡沫位于样本前期,存续期为216天;白糖价格泡沫位于样本中期,存续期为24天;早籼稻价格泡沫位于样本后期,存续期为5天。测试中,分别将3种商品的样本截取至泡沫时段的第1天、第5天和第10天,以测试模型的早期预警效果。
(2)笔者测试了所有品种,显示本文模型在泡沫检测方面具有良好的稳健性,但限于篇幅,只报告棉花序列的测试结果。