期货市场与现货市场之间的价格研究_中国农产品市场的经验_刘庆富

第4期(总第269期)

2006年4月

　　　

ResearchonFinancialandEconomicIssues

财经问题研究

Number4(GeneralSerialNo.269)

April,2006

·金融与投资·

期货市场与现货市场之间的价格研究

———中国农产品市场的经验

刘庆富,王海民

1

2

①

(1.复旦大学金融研究院,上海　200433;2.南方航空公司,广东　广州　510320)摘　要:本文借助于信息共享模型与波动溢出效应模型对我国大豆和小麦的期、现货市场之间的价格发现进行了多层次的实证研究,定量描述了期、现货市场在价格发现中作用的大小,深入刻画了我国农产品期、现货市场之间的动态关系。研究结果显示:大豆期、现货价格之间存在双向引导关系,小麦仅存在期货对现货的单向引导关系;期、现货市场均扮演着重要的价格发现角色,且期货市场在价格发现中处于主导地位;期、现货市场之间均存在双向波动溢出关系,但现货市场来自期货市场的波动溢出效应均强于期货市场来自现货市场的波动溢出效应;并且,随着期货市场的发展,期、现货市场之间的波动溢出程度均呈逐渐增强态势。关键词:期货市场;现货市场;价格发现;溢出效应

中图分类号:F830.9　　文献标识码:A　　文章编号:1000-176X(2006)04-0044-08

在世界经济的不断演进和发展过程中,期货市场扮演着极为重要的角色,是现代金融市场的重要组成部分。期货市场通常具有价格发现和套期保值的功能,而价格发现功能则更为基础,离开了价格发现功能,套期保值将无从谈起。自我国期货市场产生以来,期货市场与现货市场之间的价格发现功能一直是监管当局和投资者十分关心的问题。通过对期货市场与现货市场之间的动态关系研究,可以

揭示出期货市场的运行效率。如果期货市场具有良好的价格发现功能,则期货市场与现货市场对新信息的反应将较为接近,期货价格与现货价格的运动方向将基本一致,期货价格与现货价格之间应存在长期均衡关系。否则,投资者就可以利用期货价格与现货价格之间的价格差异进行套利,从而使期货价格与现货价格回复到正常的状态。由于期货市场的价格发现和套期保值功能均是建立在有效期货市场基础之上的,因此,只有当期货市场是有效运行时,期货价格的变动才能准确地反映未来现货市场供求关系的变化,期货价格对最后交割日的现货价格才具有良好的预期作用。此时,无论是对期货市场上的实际交易者还是对关心期货市场价格信息的任何人,期货价格都将提供有价值的预测信息,期货市场才能发挥其应有的作用。因此,对期货市场与现货市场之间的价格发现和波动溢出效应进行研究,对了解我国期货市场的运行效率具有非常重要的意义。

一、文献回顾

由于期货市场与现货市场之间的价格发现和溢出效应能够有效反映期货市场的运行效率,因此,国外学者已经对其进行了大量研究,产生了许多有价值的文献。Garbade和Silber建立了期货价格与现货价格之间的相互关系模型,他们通过考察前一期基差的变动对后一期期货价格与现货价格变动的影响刻画了期货价格与现货价格在价格发现功能中作用的大小。Engle和Granger及Johansen和

①

[9][10]

收稿日期:2006-01-20

基金项目:国家自然科学基金项目(70573044)(,,,,。

期货市场与现货市场之间的价格研究———中国农产品市场的经验

[13]

45

Juselius提出的协整分析为研究非平衡经济变量均衡关系提供了全新的方法,该方法在期货价格与现货价格之间的动态关系研究中得到了广泛应用。如Kavussanos和Nomikos、Haigh等利用协整分析方法对期货价格与现货价格之间的相互关系进行了实证检验。以上学者们的研究结果表明,大多数期货品种的期货价格与现货价格之间存在协整关系,但某些期货品种的期货价格与现货价格之间不存在协整关系。Hasbrouck则在协整分析的基础上,进一步将长期作用部分的总方差进行了分解,计算出每个因子对总方差的贡献,由此识别期货市场与现货市场之间在价格发现功能中作用的大小。在期货市场与现货市场之间的波动溢出效应这一研究方向上,Tse探讨了指数市场与期货市场波动之间的波动溢出效应,他认为,一个市场的价格信息会溢出到另一市场。Tse和So利用信息共享模型和多变量M-GARCH模型等研究了香港恒生指数市场、恒生指数期货市场和盈富基金市场之间的动态关系,结果表明,三个市场之间存在一致性协整关系,且市场之间的信息溢出程度是彼此不同的。

从我国学者在这一领域的研究来看,针对我国期货市场,徐剑刚通过序列相关检验和游程检

[1]

验对绿豆、大豆和玉米期货价格的相关性进行了检验;王志强等采用类似的方法对大连商品交易所大豆的收盘价格进行了随机游走检验;华仁海等市场的价格发现功能进行了初步探讨;童宛生等

[4]

[2]

[3]

[18]

[19]

[12]

[11][14]

借助Garbade和Silber提出的方法对我国期货

[5]

[10]

和马正兵等对我国大陆期货市场的价格发现功

能进行了实证研究,得出了许多有意义的结论。总体而言,我国学术界对这一领域的研究是有限的,

对我国期货市场的运行效率、期货市场与现货市场之间的价格发现功能等方面的理论研究仍非常缺乏,也不够深入。

为此,本文将借助信息共享模型与双变量的EGARCH溢出效应模型,对我国农产品期货市场和现货市场之间的价格发现功能和波动溢出效应等进行了准确刻画和度量,并对其价格发现功能和运行效率做出了客观的评价。我们认为,对我国农产品期货市场与现货市场之间的价格发现和波动溢出效应进行研究,不仅可以反映我国金属期货市场的开放程度,还可以为市场参与者包括套期保值者、投机者、套利者、期货交易所及期货监管部门提供有益的市场信息,对正确认识我国金属期货市场在国际大宗商品定价中的作用和地位,为监管部门和期货交易所提供有关我国期货市场有效性、国际竞争力和影响力分析的参考。

二、数据及研究方法

(一)数据的选择

我国农产品期货市场只有大连商品交易所和郑州商品交易所两家,目前较为成熟的期货品种为大豆和小麦期货合约,具有良好的代表性,能够较好地反映这两个商品交易所的期货价格行为特征。为此,在对我国农产品期货市场和现货市场的价格发现功能进行研究时,主要以大豆和小麦期货品种为代表。大豆和小麦的期货合约均选取最近期月份的期货合约为代表,在最近期期货合约进入交割月后,选取下一个最近期期货合约,这样就得到一个连续的期货合约序列,利用连续期货合约序列每个交易日的收盘价格数据可产生一个连续的期货数据。这样选取数据的优点在于:所产生的连续期货数据距离最后交易日比较接近,因而期货价格与现货价格比较贴近,同时还可以克服交割月交易量较小,数据不稳定的缺点。由于某些交易日没有实际期货交易发生,故剔除无交易的交易日,由此产生的大豆和小麦期货连续合约数据(以日收盘价格数据作为代表)的时间跨度为:大豆从1997年1月2日至2004年12月31日,小麦从1998年1月5日至2004年12月31日;其个数分别为1937和1680。

由于大豆和小麦现货市场相对比较发达,有较成熟的现货价格数据可以利用,因此,大豆的现货价格选取大连地区的现货收盘价格为代表,小麦的现货价格选取郑州粮食批发市场的普通小麦收盘价格为代表,数据来源于大连商品交易所和郑州商品交易所和中华粮网。由于大豆和小麦市场的现货交易相对较为活跃,且进行现货交易的质量标准与期货合约的质量标准基本一致,因此所选择的现货价格均具有较好的代表性。同时,为研究我国大豆和小麦市场的动态性,本文把我国期货市场价格波动的周期划分131年92004

46

财经问题研究　　2006年第4期　　总第269期

12月31日。这里需要说明的是:1999年9月1日是《期货交易管理暂行条例》的正式施行日,以此日作为第一阶段和第二阶段的分界可以考察政策因素对价格波动的影响,同时从我国期货市场的总体波动周期来看也是合适的。为研究方便,本文将期货价格序列和现货价格序列分别记为F和S。tt

(二)研究方法

为了系统分析我国农产品期货市场与其现货市场之间的价格发现和波动溢出效应,以下部分将对本文所采用的信息共享模型与所构建的双变量EGARCH溢出效应模型进行介绍。

1.信息共享模型

如果期货价格与现货价格之间存在协整关系,则可以用信息共享模型来研究期货价格与现货价格之间的相互引导关系。期货价格与现货价格之间的信息共享模型为:

ΔFwdZt=f+ft-1+ΔS=wdZts+st-1+

∑αΔF

i=1

fik

si

i=1

k

t-i

++

∑bΔS

i=1

fik

si

i=1

k

t-i

+εf,t+εs,t

(1)(2)

∑αΔF

t-i

∑bΔS

t-i

其中,ΔF和ΔS和S的一阶差分,ZSαFβ为含有截断误差项的误差修tt分别为Fttt-1=t-1-t-1-正项,ε和ε为残差项,服从联合正态分布,其下标f和s分别代表期货市场和现货市场。α,b,f,ts,tsisiα,b为短期调整系数,Zdfifit-1为期货价格与现货价格协整关系中的误差修正项,f和ds为误差修正项系数,k为滞后阶数。误差修正项的系数d一是可以识别期货价格与现f和ds具有两方面的作用:货价格之间Granger因果关系的方向;二是在系统偏离均衡状态时,可以测量期货价格和现货价格的调整速度和调整方向。如果误差修正项系数d或d)相对较小,则现货价格(或期货价格)回复s(f到均衡状态的速度相对较慢,即主要是通过期货价格(或现货价格)的调整来完成,从而期货市场(或现货市场)在价格发现功能中处于主导地位。另外,通过信息共享模型,还可以说明期货价格与现货价格之间的相互引导关系。如果等式(1)中ΔS的系数不全为零,或者误差修正项系数dt-if不为零,则SGranger引导F;同样,如果等式(2)中ΔF的系数不全为零,或者误差修正项系数dttt-is不为零,则FGranger引导S。为此,应用信息共享模型,可以识别出我国金属期货价格和现货价格tt之间的Granger因果关系、调整速度和调整方向。

同时,信息共享模型还可以进一步表示为:

P=Pψ(t0+

∑ε)τ+Χ

t

k=1

t

＊

(L)εt

(3)

其中,PF,S)′为2×1的列向量,P1的常数列向量,τ=(1,1)′为2×1的单位t=(tt0为2×列向量,Χ(L)为带滞后算子的矩阵多项式,Χ(1)ε包含了随机扰动对期货价格和现货价格波t动的长期作用,ψ代表Χ(1)中的公共行向量,εε,εs,t)′。t=(f,t

在等式(3)中,增量ψε为表示由于新信息的到来而引起价格变动的长期作用部分,该部分的方t

差为σψ∏ψ′,其中∏为残差ε一部分是由f=t的协方差。问题的关键在于可将方差σf分解为两部分:期货价格变动引起的,另一部分是由现货价格变动引起的。由于期货价格的变动与现货价格的变动不相互独立,因此,为消除两个市场价格变动的交叉影响,将矩阵∏进行Cholesky分解,即∏=MM′,其中M为下三角矩阵。Hasbrouck将市场i所占的信息份额S在总方差σi定义为市场if中的比重,即

2

(ψM)i

Si2

σf

＊

22

[12]2

(4)

由于价格变动反映了市场对新信息的作用,如果一个市场所占的信息份额相对较大,则说明这个市场能够吸收更多的市场信息,即这个市场在价格发现功能中发挥了更为重要的作用。

2.双变量EGARCH溢出效应模型的构建

下面,本文主要研究一个市场的信息变动对另一市场的影响。由于信息对波动反应的不对称性与波动的集聚性都能用EGARCH模型来很好地模拟(Ramaprasad,2001;Clinton＆Michael,2002),并且同时考虑期货市场和现货市场的信息能更准确地刻画相关市场的波动特征

[6]

)。,C(1,1[7-17]

期货市场与现货市场之间的价格研究———中国农产品市场的经验

47

场与现货市场波动性之间的溢出效应①。

εtεf,εs,Λt0,Ψt),Ψtρσiσj-1～N(ij,t,εt-1

-σt-1εt-1

-σt-1

π

εt-12

+τ+αln(σ2γln(εf2,t-1)+fs,t-1)t

-1

(5)(6)(7)

ln(σ2)=ωψf,tf+fln(σ2)=ω+ψs,ts+τεt-12

+αln(σ2)+γln(ε)sss,t-1sf,t-1

πt-1

其中,ε和ε分别为方程(1)和(2)的残差项,Ψ为2×2阶的时变条件协方差矩阵,ρ为f,ts,ttij

条件相关系数,Λ-1时刻的信息集。t-1为t

在方程(5)-(7)中,波动溢出系数γ表示为波动从现货市场溢出到期货市场,即现货市场的波f

动冲击对期货市场产生的影响;γs表示为波动从期货市场溢出到现货市场,即期货市场的波动冲击对现货市场产生的影响;其溢出系数的大小表示波动冲击对另一市场的影响程度。αi表示波动的集聚性,τ为波动冲击的不对称效应参数,当τ=0时,正冲击(好消息)与负冲击(坏消息)是对称i的;当τ0时,负冲击对波动的增加小于正冲击,这就是所谓的“杠杆效应”(Nelson,1991)。

本文可采用如下log最大似然估计法来估计方程(5)-(7)。

L(Θ)=-lΨ∑(

t=1T

t

[16]

+ε′Ψ-1ε)ttt

(8)

其中,Θ为13×1参数向量。

由于以上方程含有大量的参数,同时估计方程(1)-(7)是不切实际的。为此,要联合估计信息共享模型与双变量的EGARCH溢出效应模型,本文采用两步估计法:首先对信息共享模型进行估计,然后再对双变量的EGARCH溢出效应模型进行估计。

三、实证结果与分析

本文利用以上部分所介绍的方法,对我国农产品期货市场与其现货市场之间的价格发现和波动溢出效应进行了实证检验,并对检验结果进行分析。以下部分将对各模型估计所得结果逐一进行阐述。

1.信息共享模型的实证结果

利用信息共享模型,本文对我国大豆和小麦的期货价格和现货价格之间的动态关系进行了实证研究,并对所得结果进行了分析。表1和表2分别给出了大豆和小麦市场的信息共享模型的回归结果。

表1

大豆市场信息共享模型的回归结果

1997-01-02—1999-08-311999-01-09—2004-12-311997-01-02—2004-12-31

ΔFΔSΔFΔSΔFΔStttttt

-0.994-1.4130.8690.6980.2590.050

w

(-0.67)(-2.61)(1.03)(1.25)(0.34)(0.12)

0.0130.0140.014d

(-2.47)(3.30)(-1.98)(3.67)(-2.73)(5.17)

0.0340.0120.0550.027α1

(0.84)(-0.05)(-0.15)(0.52)0.0260.0410.0310.0320.009α2

(0.64)(-0.67)(1.39)(1.58)(1.34)(1.98)

0.011-0.0010.0590.0010.031-0.001α3

(0.27)(-0.06)(1.99)(0.04)(1.31)(-0.01)0.079-0.0180.068-0.0240.080-0.019b1

(0.73)(-0.45)(1.52)(-0.79)(1.82)(-0.80)

0.0810.062b2

(0.57)(-0.24)(0.13)(0.55)-0.0330.0220.1250.0520.0930.047b3

(-0.31)(0.56)(2.81)(1.80)(2.13)(2.03)

注:Δ表示一阶差分,带＊(＊＊)号的表示在5%(1%)置信水平下统计显著,圆括号中的数值为t-统计量。

本文作者试图构建双变量的GARCH溢出效应模型来刻画期货市场和现货市场之间的溢出效应,其研究结果均没有双变量①

48

表2

财经问题研究　　2006年第4期　　总第269期

小麦市场的信息共享模型的回归结果

1998-01-05—1999-08-31

ΔFt

ΔSt-0.597＊(-2.25)

0.018＊＊

(5.45)0.025＊(1.99)-0.022(-1.17)-0.001(-0.06)-0.049(-0.97)-0.091(-1.81)-0.066(-1.31)

1999-01-09—2004-12-31

ΔFt0.258(0.42)

-0.009＊(-1.97)-0.069＊(-2.45)0.019(0.68)0.010(0.37)0.117(1.47)-0.073(-0.91)0.072(0.90)

ΔSt0.284(1.30)

0.006＊＊(3.96)-0.034＊(-2.06)-0.003(-0.27)0.006(0.57)-0.017(-0.61)0.011(0.42)-0.014(-0.49)

1998-01-05—2004-12-31

ΔFt0.097(0.19)

-0.008＊(-2.01)-0.056＊(-2.26)0.028(1.13)0.002(0.08)0.138(1.09)-0.048(-0.70)0.080(1.15)

ΔSt0.094(0.53)

0.007＊＊(5.55)0.021＊(2.01)-0.004(-0.43)0.006(0.64)-0.021(-0.85)0.003(0.11)-0.017(-0.70)

wdα1α2α3b1b2b3

-0.137(-0.19)

-0.013(-1.83)0.055(1.06)0.098(1.91)-0.072(-1.39)0.311(1.21)0.147(1.05)0.068(0.48)

注:Δ表示一阶差分,带＊(＊＊)号的表示在5%(1%)置信水平下统计显著,圆括号中的数值为t-统计量。

表1和表2的研究结果显示,除小麦期货市场的d的置信水平下统计显著外,全样本中大f在5%豆和小麦市场的其他系数d的置信水平下统计显著;并且,大豆和小麦市场的ds与df均在1%s显著

为正,d并且,全样本的分析结果与分段样本的结果基本一致。这说明,当系统偏离均f显著为负;衡状态时,下一期价格调整对修复非均衡状态均有直接的影响,d0说明误差修正项对期货价格的s>变动具有正向调节作用,d0说明误差修正项对期货价格的变动具有负向调整作用。例如,对期货f

市场而言,即当系统偏离均衡状态时,如果误差修正项为正(即Z0),说明现货价格相对于期t-1>货价格偏高,则平均来说,下一期的现货价格将下降,而期货价格将上升;同样如果误差修正项为负(即Z0),说明现货价格相对于期货价格偏低,则下一期的期货价格将下降,而现货价格将t-1

进一步考察整体样本滞后变量的系数发现,在等式(1)和(2)中,在5%置信水平下,大豆期货市场的现货系数bi=1,2)均统计显著;而在小麦市场上,只有f1与现货市场的期货系数αsi(现货市场的期货系数在5%置信水平下是显著的,其他期货与现货系数均不显著。由此可知,在5%的置信水平下,大豆期货价格和现货价格之间存在双向Granger因果关系,即期货价格的变动影响到现货价格的变动,同时现货价格的变动影响到期货价格的变动,期货价格与现货价格之间的影响是相互的,就置信水平而言,期货市场对现货市场的影响要强些;而小麦市场只存在期货市场到现货市场的单向Granger引导关系,即期货价格的变动能够影响到现货价格的变动,反之则不然。另外,对分段样本的讨论也能得到相似的结论。总而言之,我国农产品期货价格与现货价格均能用误差修正项来进行准确描述;在大豆市场,期货价格与现货价格之间存在双向的价格引导关系;在小麦市场,仅存在期货市场到现货市场的单向价格引导关系。

同时,为刻画农产品期货市场与其现货市场在价格发现功能中作用的大小,本文利用Hasbrouck(1995)提出的方法,将影响期货价格与现货价格变动长期作用部分的方差进行分解,求出期货价格和现货价格波动的方差在价格发现功能中所占的比重,再求出期货市场和现货市场信息份额的平均数,以此作为期货市场与现货市场在价格发现功能中作用的大小。通过计算,在大豆市场上,来自现货市场的平均方差为19.82%(期货市场产生的占18.14%,现货市场产生的占21.50%),来自期货市场的平均方差为80.18%(期货市场产生的占81.86%,现货市场产生的占78.50%);在小麦市场上7.74,

期货市场与现货市场之间的价格研究———中国农产品市场的经验

49

来自期货市场的平均方差为89.18%(期货市场产生的占92.10%,现货市场产生的占86.26%)。因此,对农产品的大豆和小麦市场而言,期货市场与现货市场均具有显著的价格发现功能,并且,期货市场在价格发现功能中均处于主导地位。这表明,我国农产品期货市场起到了价格发现功能,期货市场运行状况良好。同时,相对于小麦市场而言,大豆现货市场的价格发现能力较强,这也从一个侧面反映了大豆期货市场与现货市场的相依度相对较强,市场运行更为有效。

2.双变量EGARCH溢出效应模型的实证结果

利用双变量的EGARCH溢出效应模型,对我国大豆和小麦期货市场与现货市场进行了实证研究。表3、表4分别给出了大豆和小麦市场双变量EGARCH溢出效应的回归结果。

表3

大豆市场双变量EGARCH(1,1)溢出效应的回归结果

1997-01-02—1999-08-31期货市场

ωiψiτiαiγiρ

7.628＊＊(39.21)

0.950＊＊(17.89)0.467＊＊(12.16)

＊＊

0.297(-13.48)0.068＊＊

(17.75)

现货市场3.030＊＊(43.58)

-0.845＊＊(-39.11)-0.049＊＊(-2.91)0.410＊＊(29.58)0.053＊＊(9.34)

1999-01-09—2004-12-31期货市场2.235＊＊(8.53)

0.413＊＊(10.43)0.052＊＊(2.63)0.624＊＊(14.72)-0.010＊(-2.56)

现货市场5.693＊＊(58.72)

-0.441＊＊(-27.69)-0.031(-1.88)0.133＊＊(-7.31)0.208＊＊(37.22)

1997-01-02—2004-12-31期货市场7.052＊＊(45.71)

0.502＊＊(14.56)0.126＊＊(6.68)0.136＊＊(-6.13)0.155＊＊(69.13)

现货市场6.012＊＊(83.74)

-0.387＊＊(-36.53)0.014＊＊(2.67)

＊＊

0.154(-11.97)0.127＊＊

(57.88)

0.113＊＊(8.54)0.144＊＊(9.26)0.136＊＊(8.91)

注:带＊(＊＊)号的表示在5%(1%)置信水平下统计显著,圆括号中的数值为t-统计量。表4

小麦市场双变量EGARCH(1,1)溢出效应的回归结果

1998-01-05—1999-08-31期货市场

ωiψiτiαiγiρ

1.248＊＊(2.96)

0.424＊＊(5.48)-0.187＊＊(-3.79)0.703＊＊

(7.92)0.016(1.25)

现货市场1.064＊＊(15.27)

-0.564＊＊(-12.87)0.538＊＊

(35.50)0.637＊＊(32.78)0.093＊＊(12.03)

1999-01-09—2004-12-31期货市场3.492＊＊(42.84)

0.926＊＊(28.69)-0.321＊＊(-26.49)0.249＊＊

(15.64)0.282＊＊(61.64)

现货市场1.801＊＊(26.54)

-0.676＊＊(-31.32)0.106＊＊

(6.75)0.479＊＊(26.62)0.135＊＊(41.92)

1998-01-05—2004-12-31期货市场3.953＊＊(46.42)

0.783＊＊(30.63)-0.331＊＊(-35.38)0.196＊＊

(11.42)0.173＊＊(73.04)

现货市场1.739＊＊(29.44)

-0.574＊＊(-33.45)0.056＊＊

(4.07)0.471＊＊(28.17)0.137＊＊(47.45)

0.016＊＊(4.69)0.074＊＊(7.35)0.049＊＊(6.43)

注:带＊(＊＊)号的表示在5%(1%)置信水平下统计显著,圆括号中的数值为t-统计量。

由表3、表4中的整体样本可知,在大豆和小麦市场,期货市场和现货市场的非对称系数τi在1%的置信水平下均具有显著的杠杆效应,并且,除小麦期货市场的系数为负外,其他系数均为正。这表明大豆期、现货市场的好消息对市场的影响要大于坏消息对市场的影响;小麦期货市场的坏消息对市场的影响要大于好消息对市场的影响,而其现货市场的好消息对市场的影响要大于坏消息对市场的影响。波动的集聚性系数αi在大豆和小麦期货市场和现货市场均是显著为正的,表明这两个市场均具有集聚性特征。并且,在1%的置信水平下,溢出效应系数γf和γs均统计显著,这说明市场波

50

财经问题研究　　2006年第4期　　总第269期

现货市场之间的溢出效应是对称的,即来自期货市场与现货市场的冲击是相互影响的。这些结果表明,大豆和小麦期货市场与现货市场均扮演着重要的价格发现角色。另外,在大豆市场上,第一阶段的条件相关系数0.113小于第二阶段的条件相关系数0.144;在小麦市场上,第一阶段的条件相关系数0.016也小于第二阶段的条件相关系数0.074。这说明随着我国农产品期货市场的发展,期货市场与现货市场之间的波动溢出均逐渐加大,期货市场与现货市场之间彼此的影响能力均逐渐增强;这表明自1999年9月1日施行《期货交易管理暂行条例》以来,我国农产品期货市场基本走上了健康发展的轨道,期货市场的运行愈加有效。

四、结论与启示

本文利用日收盘数据,借助于信息共享模型与波动溢出效应模型对我国农产品的大豆和小麦期货市场与其现货市场之间的价格发现和波动溢出效应进行了深入研究,研究结果显示:

(1)大豆期货价格和现货价格之间存在双向引导关系,而小麦市场只存在期货价格对现货价格的单向引导关系;由此表明,大豆期货市场的运行比小麦期货市场更为有效。

(2)大豆和小麦的期货市场与现货市场均扮演着重要的价格发现角色,但期货市场在价格发现中处于主导地位;并且,从大豆和小麦现货的价格发现能力来看,相对于小麦市场而言,大豆市场的价格发现能力更强。

(3)大豆和小麦的期货市场与现货市场之间均存在双向的波动溢出关系,但现货市场来自期货市场的波动溢出效应均强于期货市场来自现货市场的波动溢出效应。并且,随着期货市场的发展,大豆和小麦的期货市场与现货市场之间的波动溢出程度均呈逐渐增强态势,期货市场与现货市场的运行愈加信息有效。

(4)相对于小麦市场而言,大豆市场更为有效,其主要原因是由于大豆期货市场经过多年的发展,市场机制较为成熟,同时受国际相关期货品种的影响也较大,难于被国内价格操纵者所操纵,在一定程度上能够化解和抵御政策等其他市场因素的冲击。

由此可以看出,我国农产品市场经过近几年的规范整顿,市场环境已明显好转,市场的价格发现能力和运行效率正逐渐提高,这为我国农产品期货市场的进一步发展奠定了良好的市场基础。但是,我们要认识到进一步发展我国农产品期货市场的必要性和紧迫性,适时发展其他农产品期货品种,加大农产品期货市场的规范力度,增强大豆和小麦等期货品种的价格发现能力,提高市场运行效率。最为重要的是,要尽快提升我国农产品期货市场在国际期货市场上的定价权,增强和抵御国际期货市场冲击的能力,维护我国农产品期货市场的经济安全。另外,期货市场的管理者和投资者也应认清我国农产品期货市场的发展状况,做到合理规范和理性投资,确保我国农产品期货市场的有效运行。参考文献:

[1]　王志强,徐亚范,朱丽红.大连商品交易所市场有效性检验[J].财经问题研究,1998,(12):54-56.[2]　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):57-61.[3]　徐剑刚.我国期货市场有效性的实证研究[J].财贸经济,1995,(8):14-19.

[4]　童宛生,胡俞越,冯中越.中国商品期货价格形成理论与实证分析[M].北京:中国财政经济出版社,1997.[5]　马正兵.我国粮食期货价格发现功能的交叉谱实证研究[J].统计与决策,2005,(1):64-66.

[6]　ChoudhryT.Short-runDeviationsandVolatilityinSpotandFuturesStockReturns:EvidencefromAustralia,Hong

Kong,andJapan[J].JournalofFuturesMarkets,1997,(17):689-705.

[7]　ClintonW,andMichaelM.Cointegrationanalysisofmetalsfutures[J].MathematicsandComputersinSimulation,2002,

(59):207-221.

[8]　DickeyDA,andFullerWA.TheLikelihoodRatioStatisticsforAutoregressiveTimeSerieswithaUnitRoot[J],

Econometrica,1981,(49):1057-1072.

[9]　EngleRF,andGrangerCW.CointegrationandErrorCorrectionRepresentation,EstimationandTesting[J].Econometrica,

1987,(55):251-276.

[,aeL.PrivenveryitndCashMar].Revieof

期货市场与现货市场之间的价格研究———中国农产品市场的经验

EconomicsandStatistics,1983,(65):289-297.

51

[11]　HaighMS.Cointegration,UnbiasedExpectations,andForecastingintheBIFFEXFreightFuturesMarket[J].Journalof

FuturesMarkets,2000,(6):545-571.

[12]　HasbrouckJ.OneSecurity,ManyMarkets:DeterminingtheContributionstoPriceDiscovery[J].JournalofFinance,

1995,(50):1175-1199.

[13]　JohansenS,andJuseliusK.MaximumLikelihoodEstimationandInferenceonCointegration-withApplicationstothe

DemandforMoney[J].OxfordBulletinofEconomicsandStatistics,1990,(52):169-210.

[14]　KavussanosM,andNomikosN.TheForwardPricingFunctionoftheShippingFreightFuturesMarket.JournalofFutures

Markets,1999,(19):353-376.

[15]　MaberlyED.TestingFuturesMarketEfficiency,ARestatement[J].JournalofFuturesMarkets,1985,(5):425-432.[16]　NelsonD.ConditionalHeteroscedasticityinAssetReturns:ANewApproach[J].Econometrica,1991,(59):347-370.[17]　RamaprasadBhar.ReturnandVolatilityDynamicsintheSpotandFuturesMarketsinAustralia:AnInterventionAnalysis

inaBivariateEGARCH-XFramework[J].JournalofFuturesMarkets,2001,21(9):833-850.

[18]　TseY,andSORW.PriceDiscoveryintheHangSengIndexMarkets:Index,Futures,andtheTrackerFund[J].

JournalofFuturesMarkets,2004,24(9):887-907.

[19]　TseY.PriceDiscoveryandVolatilitySpilloverintheDJIAIndexandFuturesMarkets[J].JournalofFuturesMarkets,

1999,19(8):911-930.

[20]　XuXE,andFungHG.Cross-marketLinkagesbetweenU.S.andJapanesePreciousMetalsFuturesTrading[J].Journal

ofInternationalFinancialMarkets,Institutions＆Money,2005,(15):107-124.

PriceDiscoveryintheSpot-FuturesMarkets:AnEmpiricalAnalysis

inChineseAgriculturalProducts

LIUQing-fu,WANGHai-min

(1.InstitueforFinancialStudies,FudanUniversity,Shanghai200433,China;

2.SouthAero-company,GuangzhouGuangdong510320,China)

1

2

Abstract:Thisarticleempiricallymeasurespricediscoveryandlead-lagrelationshipsinChinesesoybean

andwheat'sspot-futuresmarketswiththeinformationsharesandvolatilityspilloversmodels.Theempiricalresultsshowthattherearebi-directionalleadrelationsinsoybean'sspotandfuturespricesandthereistheasingleleadrelationfromfuturesmarkettospotmarketinwheat'sspotandfuturesprices.Thus,bothspotmarketandfuturesmarketplayimportantpricediscoveryrolesandthefuturesmarketismoredominantthanthespotmarket.Morever,therearebi-directionalvolatilityspilloversrelationsinspot-futuresmarketsandthefuturesmarketvolatilityspilloverstothespotmarketmorethanviceversa.Inaddition,thevolatilityspilloversbecomestrongergraduallywiththedevelopmentofChinesefuturemarket.Keywords:futuresmarket;spotmarket;pricediscovery;spillover

(责任编辑:孟　耀)