白糖期货价格波动特征及联动效应分析_袁庆禄

信阳师范学院学报（哲学社会科学版）第31卷第6期2011年11月·经济研究·

JournalofXinyangNormalUniversity

（Philos．＆Soc．Sci．Edit．）Vol．31No．6Nov．2011

白糖期货价格波动特征及联动效应分析

袁庆禄

1，2

（1．信阳师范学院经济与管理学院，河南信阳464000；

2．财政部财科所博士后流动站，北京100142）

摘要：为揭示国内外糖类期货价格的波动性规律及关联关系，文章基于ZCE白糖期货和ICE

原糖11期货的日收盘价数据，建立GARCH族模型，对郑糖指数和糖11指数的波动特征及联动效应进行比较分析。结果表明：郑糖指数和糖11指数均存在ARCH效应和非对称效应，利好消息比等量的利空消息产生更大的波动；郑糖指数和糖11指数之间存在单向联动效应，糖11指数的波动导致郑糖指数的波动。

关键词：白糖期货；GARCH模型；波动特征；联动效应

0964（2011）06-0062-05中图分类号：F830．9文献标志码：A文章编号：1003-货价格的波动性问题开展研究具有重要意义。从金

国际白糖期现货价格频繁出现大幅融危机爆发至今，

波动，国内白糖期现货价格也呈现异常走势。那么，

我国白糖期货的价格波动具有怎样的特征？国内糖类期货价格与国外同类产品是否具有联动效应？此类问题已成为白糖期货价格研究领域的热点。有关糖类期货的波动性研究，国外的WeiandLeuthold（2000）曾以在CBOT和NYBOT上交易的农产品期货价格序列为样本进行分析，发现糖类期

［2］4

货存在长记忆性。国内学者仰炬、王新奎和耿洪纽约期货交易洲（2008）证实东京谷物交易所原糖、

）白所原糖期货和郑州商品交易所（简称“郑商所”糖期货均存在严重的非对称效应

［3］

一、问题的提出

白糖作为一种人们经常食用的营养物质和食品

饮料业的必备原料，在我国的生产和生活领域占据重要地位。从世界上第一份糖期货合约诞生至今，已有许多国家开展了白糖期货、期权交易。我国曾在1993年推出过白糖期货合约，由于当时的期货市场组织者和交易者对期货交易带来的风险重视程度不够，期间白糖期货价格波动剧烈，对我国白糖市场白糖期货交易的稳定造成严重影响。1994年4月，被迫停止，直至2006年1月6日才再次推出。经过5年多来的快速发展，白糖期货的市场规模和活跃度已经远远高于其他农产品期货品种，重新成为中国期货市场的重要组成部分。截至2010年底，全国白糖期货市场交易量为6．11亿手，占全国期货市场交易总量的19．48%，成交额达到33．59万亿元，占全国期货市场成交总额的10．87%，交易量和交易

［1］

总额均居全国农产品期货交易品种第一位。近年来，白糖期货价格在波动中逐步走高，导致金融风险大量集聚，给我国糖料种植业、制糖业等相关产业以及资本市场的稳定和发展带来深度影响。为了更好地发挥白糖期货为企业、产业和国民经济服有效防范价格波动带来的风险，对白糖期务的功能，

。当前对糖类

Granger因果期货的波动性研究较多采用协整分析、

VAR模型等计量方法，检验、忽视了金融产品价格GARCH族模型则能较好地普遍具有的集聚性特征，

拟合糖类期货的此类数据。本文拟建立GARCH族模型，对郑商所白糖期货和美国洲际交易所（简称“ICE”）原糖11期货价格的波动性及关联关系进行

［4］171－199

。实证分析和经验验证

本文结构如下：首先对郑糖指数和糖11指数的基本统计量进行描述，指出两种指数的波动特征和

相关关系；然后，在此基础上指出两种指数收益率的ARCH效应；接着，运用GARCH族模型分别讨论两

09-18收稿日期：2011-ZX-099）基金项目：河南省科技计划项目（[1**********]6）；河南省教育厅人文社科项目（2011-），作者简介：袁庆禄（1973-男，河南信阳人，应用经济学博士后，研究方向：财政监督与金融监管。·62·

袁庆禄：白糖期货价格波动特征及联动效应分析

种指数收益率的长记忆性、风险偏好、非对称性，并对指数收益率之间的联动效应进行检验；最后是简要结论部分。

二、基本统计量描述

由于同一交易日内，会同时存在若干个不同交割月份的期货合约交易，而且每个期货合约都将在一定时间到期，导致期价的不连续性。为使价格数据保持连续，本文选取郑商所白糖指数（简称“郑糖）和ICE原糖11期货指数（简称“糖11指指数”

）作为研究对象，数”数据来自文华财经软件中的相关指数。数据时间跨度从2006年1月6日到2011年8月26日，即从郑糖正式上市以来的日收盘数据，剔除异常交易日后，两种指数的样本数据均取1329个。

（一）郑糖指数和糖11指数的相关性首先，用图表方法来分析郑糖指数和糖11指数

2006年1的走势关系。通过图1可以直观地看到，月6日－2011年8月26日期间，郑糖指数和糖11

指数的走势大体保持一致，但在不同的时间分段里两者的波动程度出现差异，可以判定两者之间存在一定程度的相关性。

象，波动幅度在不同时间段内时大时小，说明可能存在条件异方差性。

（三）指数收益率的统计量描述

Rice11的描述性统计量。两个样表1给出了Rzt、

表明Rzt和Rice11具有明本区间的峰度系数均大于3，

由JB统计量则可以判定收益率显的尖峰厚尾特征，不符合正态分布。

表1检验方法均值标准差偏度系数峰度系数JB统计量

Rzt、Rice11的描述性统计特征

Rzt0．00030．0148－0．12084．5293132．648＊＊＊（0．0000）

Rice110．00050．0242－0．85759．08432211．073＊＊＊

（0．0000）

注：（1）括号中数值表示JB统计量的P值。

（2）*、5%、1%的显著性水平，＊＊、＊＊＊分别表示10%、均为双尾检验。

三、指数收益率的ARCH效应检验

（一）相关性检验

建立时间序列模型时采用信息准则法对模型进行识别，由于SIC准则的惩罚项要严于AIC准则，且SIC准则有较强的一致性，因此本文采用SIC准则。通过对Rzt的自相关检验，发现Rzt与其滞后5阶存建立Rzt的均值方程如下，回归得：在显著的自相关，

rt=0．0004－0．0752rt－5+εt（1）

（0．3758）（0．0062）

＊＊＊

通过对Rice11的自相关检验，建立Rice11的均值方程如下，回归得：

rt=0．0005+εt

图1

郑糖指数和糖11指数走势图

（2）

（0．4392）

用Ljung－BoxQ统计量对均值方程（1）和（2）拟合后的残差及残差平方做自相关检验，结果表明，均值方程（1）和（2）的残差序列不存在自相关，两者的平方残差序列都表现出显著的自相关性。令均值方程（1）的残差平方为RES1，均值方程（2）的残差平方为RES2，对RES1和RES2做线性图。从图3RES1、RES2的波动均具有明显的时间可变性来看，

和集聚性，宜采用GARCH族模型对上述方程进行估计。

（二）平稳性检验

Rzt和Rice11序表2给出的ADF检验结果显示，

列的统计量都小于显著性水平为1%的临界值，拒

（二）指数收益率的变化图

由于郑糖价格与ICE原糖11号价格之间存在不同的汇率、运输费、保险费、关税以及破损率等因不宜直接进行比较。本文通过指数的日素的影响，

收益率Rt进行研究，即Rt=Ln（Pt/Pt－1），其中Pt

Pt－1为指数第t－1日的收为指数第t日的收盘价，

ICE糖11指数的日收益率分别以盘价。郑糖指数、

Rzt、Rice11表示，数据在Eviews7．0软件上运行

。

图2Rzt、Rice11走势图

绝具有单位根的原假设，都是平稳序列，说明可以运

用GARCH族模型进行实证分析。

·63·

Rzt和Rice11的波动出现集聚现从图2中看出，

第31卷第6期信阳师范学院学报（哲学社会科学版）2011年11月

图3

表2

两个序列的平稳性检验

Prob．0．00000．0000

结论平稳平稳

Rzt、Rice11残差平方线状图

收益率序列ADF检验统计量

Rzt－35．6918＊＊＊Rice11－37．9102＊＊＊

为双尾检验。

1）模型的估计结果，根据GARCH（1，可以得到

以下结论：

1．Rzt和Rice11的对数似然统计量都很大，对收益率序列的残差进行ARCH效应一阶检验，接受不存在ARCH效应的假设，方差模型的参数显著，这表1）模型描述收益率波动效果较明利用GARCH（1，

好。厚尾参数υ的估计值都小于2，并且全部拒绝收益率为正态分布（正态分布υ=2）的原假设。

2．模型中波动衰减系数α+β的值，α+β＜1的结果说明该阶段收益率具有有限方差，即属于弱

Rice11为0．9909，平稳过程。Rzt为0．9814，它表明收益波动最终会衰减，但可能会持续很长时间。进一

步分析α系数和β系数。Rzt的α系数比Rice11要大，说明了郑糖指数波动较糖11指数剧烈；Rice11的β系数比Rzt大，意味着Rice11对条件方差的冲击反应所经历的时间要更长，波动表现出长记忆性特征。

（二）GARCH－M模型检验为了衡量Rzt和Rice11是否与其风险成正比，引入GARCH－M模型表述如下：

表4

Rzt和Rice11的GARCH－M模型主要参数估计结果收益率序列

θωαβνα+βloglikelihoodARCH－LM（1）

Test

Rzt1．4820（0．6260）0．0000＊＊（0．0183）0．0877＊＊＊（0．0000）0．8935＊＊＊（0．0000）1．3058＊＊＊（0．0000）0．98123831．6941．1412（0．3365）

Rice111．2440（0．5193）0．0000＊＊（0．0303）0．0694＊＊＊（0．0000）0．9213＊＊＊（0．0000）1．2130＊＊＊（0．0000）0．99073172．8930．4280（0．5131）

5%、1%的显著性水平，注：*、＊＊、＊＊＊分别表示10%、均

四、指数收益率的GARCH族模型检验

本文引入广义误差分布（GeneralizedErrorDis-tribution，GED）来描述Rzt和Rice11的涨跌。依照简单适用原则，根据Rzt和Rice11的自相关函数和偏自相关函数，以及SIC准则可以设定：Rzt的均值方程为Rice11的均值方程为常常数项加上AR（5）和扰动项，数加扰动项。

（一）GARCH（1，1）模型检验GARCH（1，1）模型及估计结果如下：

2rt=c+γrt－1+εt，v）εt|ψt－1～GED（0，σt，

（3）（4）

σ=ω+αε

表3

2t2t－1

+βσ

2t－1

Rzt和Rice11的GARCH（1，1）模型参数估计结果收益率序列

cγωαβνα+βloglikelihoodARCH－LM（1）

Test

Rzt0．0003（0．4050）－0．0740＊＊＊（0．0043）0．0000＊＊（0．0184）0．0879＊＊＊（0．0000）0．8935＊＊＊（0．0000）1．3112＊＊＊（0．0000）0．98143831．5751．1482（0．3329）

Rice110．0003（0．5138）

－0．0000＊＊（0．0308）0．0678＊＊＊（0．0000）0．9231＊＊＊（0．0000）1．2166＊＊＊（0．0000）0．99093172．5180．4436（0．5055）

注：1．括号中数值表示Z统计量的P值，其中ARCH－LMTest括号中数值表示F统计量的P值；2．*、＊＊、＊＊＊分别表示10%、5%、1%的显著性水平，均为双尾检验（下表同）。

·64·

袁庆禄：白糖期货价格波动特征及联动效应分析

2

rt=γrt－1+θσt+εt，εt|ψt－1～GED（0，σt，ν）

（四）EGARCH模型的非对称性检验

（5）

为进一步验证非对称效应的存在性，继续引入

EGARCH模型，其条件方差为：

2

log（σ2t）=ω+βlog（σt－1）+α|

222

（6）σt=ω+αεt－1+βσt－1

通过GARCH－M模型可以得出以下结论：

1．Rzt和Rice11的对数似然统计量很大，检验结果GARCH－M模型描接受不存在ARCH效应的假设，

述收益率波动效果较好。GARCH－M模型在收益Rzt和Rice11的均值方率的生成过程中融入风险测量，

但是均程中的系数估计分别为1．4820和1．2440，因此无法判断Rzt和Rice11的风险偏好，不过不显著，

Rzt的风险溢价可能要高于Rice11。单从估计值来看，

2．模型的α和β值都是显著的，而且两者的

α+β值相当接近于1，说明过去的波动对未来的影响是缓慢衰减。

（三）TARCH模型的非对称性检验

为了检验Rzt和Rice11的非对称性效应，引入TARCH模型为：

2

rt=λR't+θσt+εt，εt|ψt－1～GED（0，σt，ν）（7）2222

σt=ω+αεt－1+δεt－1dt－1+βσt－1，当εt－1＜0

（8）时dt－1=1；否则dt=0

εt－1εt－1

|+γσt－1σt－1

（9）

表6Rzt和Rice11的EGARCH模型主要参数估计结果收益率序列

ωαγβνα+β

loglikelihoodARCH－LM（1）

Test

Rzt

－0．4055＊＊＊（0．0001）0．1863＊＊＊（0．0000）0．0378＊＊（0．0487）0．9692＊＊＊（0．0000）1．3047＊＊＊（0．0000）1．15553830．3321．2284（0．2933）

Rice11－0．2648＊＊＊（0．0006）0．1559＊＊＊（0．0000）0．0301*（0．0803）0．9803＊＊＊（0．0000）1．2482＊＊＊（0．0000）1．13623180．4581．9882（0．1588）

表5Rzt和Rice11的TARCH模型主要参数估计结果收益率序列

ωαδβνα+βloglikelihoodARCH－LM（1）

Test

Rzt0．0000＊＊（0．0204）0．1065＊＊＊（0．0000）－0．0413（0．1054）0．8965

＊＊＊

Rice110．0000*（0．0648）0．0885＊＊＊（0．0001）－0．0482＊＊（0．0276）0．9306＊＊＊（0．0000）1．2319＊＊＊（0．0000）1．01913175．3260．5465（0．4599）

基于EGARCH模型研究可知：

Rzt的EGARCH模型中非对称项γ显著为正，表明这个时期郑糖指数的非对称效应明显，利好消息能比等量的利空消息产生更大的波动：当出现利好时，会给条件方差的对数带来一个0．2241倍的冲击，而当出现利空消息时，则会给条件方差的对数带来一个0．1485倍的冲击。Rice11的EGARCH模型中γ也是显著为正：当出现利好时，会给条件方差的对数带来一个0．1860倍的冲击，而当出现利空消息时，则会给条件方差的对数带来一个0．1258倍的冲击。

（五）联动效应检验

当某个资本市场出现大幅波动的时候，就会引起投资者在其他资本市场上的投资行为发生改变，从而将这种波动传递到其他资本市场，产生联动效应。接下来检验郑糖指数和糖11指数之间的波动是否存在联动效应。

从Rzt和Rice11的GARCH－M模型中，分别提取条件方差数据序列GARCH1和GARCH2，对GARCH1和GARCH2作Granger因果检验［5］。结果如表7：

（0．0000）1．3162＊＊＊（0．0000）1．00303833．1221．1349（0．3398）

基于TARCH模型研究可知：Rzt的非对称系数δ不显著，表明这个时期郑糖指数的非对称效应不明显。Rice11的系数为－0．0482，显著大于零，说明糖11指数的波动具有非对称效应：等量的利好消息能比利空消息产生更

“利好消息”大的波动，当出现时，会对糖11指数带来一个0．0885倍的冲击，而出现“利空消息”时，则

会带来一个0．0403倍的冲击。

·65·

第31卷第6期信阳师范学院学报（哲学社会科学版）

表7

GARCH1和GARCH2的Granger因果检验

F统计量14．5027＊＊＊

0．5721

P值0．00000．7214

检验结果拒绝原假设接受原假设

2011年11月

原假设

GARCH2不是GARCH1的Granger原因GARCH1不是GARCH2的Granger原因

由估计结果可知：糖11指数波动是郑糖指数波

郑糖指数波动不是糖11指数波动的Granger原因，

动的Granger原因，表明郑糖指数和糖11指数的波

动之间存在单向联动效应：糖11指数的波动导致了郑糖指数的波动，而郑糖指数的波动对糖11指数的波动并没有表现出明显的影响。

五、结论

分析结果，可以得出如下结论：（一）GARCH（1，1）模型能较好地描述郑糖指数和糖11指数收益率的波动效果。郑糖指数和糖11指数收益率呈非正态分布，具有尖峰厚尾的特征。两种指数的收益率波动率具有较强的记忆力。郑糖指数收益率波动较糖11指数剧烈，这也是新兴市场的典型特征。

（二）GARCH（1，1）、GARCH－M模型中α+β＜1但接近于1的结果，说明两种指数收益率的波动对外部冲击的反应将以一个相对较慢的速度递减。糖11指数收益率的记忆力较强，更易受到长期因素的影响。

（三）在TARCH和EGARCH模型中，对于郑糖

结论基指数和糖11指数收益率的非对称效应分析，

本一致，郑糖指数和糖11指数收益率均存在非对称

利好消息比等量的利空消息产生更大的波动，效应，

一旦发生波动，会产生持久影响。

（四）郑糖指数和糖11指数之间存在单向联动效应，糖11指数的波动会导致郑糖指数的波动，但是郑糖指数对糖11指数并不能产生多大影响。参考文献：

［1］中国期货业协会．2010年全国期货交易状况统计数据

［EB/OL］．（2010-12-31）［2011-09-05］．http：//www．cfachina．org/news．php？classid=108．［2］

ANNING，W，R．M．LEUTHOLD．AgriculturalFuturesR］．OFORWorkingPricesandLongMemoryProcesses［Paper，2000．

［3］仰

炬，王新奎，耿洪洲．政府管制与大宗敏感商品价——以世界糖产业为例［J］．管理世格及波动性研究—2008，（6）：40-49．界，

［4］高铁梅．计量经济分析方法与建模［M］．北京：清华大

2006．学出版社，

［5］GRANGER，C．W．J．SomePropertiesofTimeSeriesDa-taandTheirUseinEconometricModelSpecification［J］．JournalofEconometrics，1981，（16）：121-130．

AnalysisofWhiteSugarFuturePrice’sFluctuationCharacteristicandLinkageEffect

YUANQing-lu

（1．SchoolofEconomicsandManagement，XinyangNormalUniversity，Xinyang464000，China；

2．Post-doctoralResearchStation，ResearchInstituteforFiscalScience，MinistryofFinance，Beijing，100142，China）

Abstract：Inordertorevealthefluctuation’slawandtherelationshipofdomesticandinternationalsugarfutureprice，basingontheclosingpricedataofZhengzhouCommodityExchange’swhitesugarfutureandIntercontinentalExchange’ssugarNo．11future，thispaperestablishesthefamilyofGARCHmodels，andcomparativelyanalysesthefluctuationcharacteristicandlinkageeffectofZheng-zhouwhitesugarfutureindexandICEsugarNo．11futureindex．Theresultsshowthat，bothZhengzhouwhitesugarfutureindexandICEsugarNo．11futureindexhaveARCHeffectandasymmetryeffect，andthefluctuationcausedbygoodnewsisgreaterthanthatcausedbycomparablebadnews；thereisonlyone-waylinkageeffectfromICEsugarNo．11futureindextoZhengzhouwhitesugarfu-tureindex．

Keywords：whitesugarfuture；GARCHmodel；fluctuationcharacteristic；linkageeffect

（责任编辑：吉家友）

·66·