中国与美国加拿大小麦贸易中的价格关系
第27卷第9期2010年9月统计研究
StatisticalResearchVol.27,No.9Sep.2010
中国与美国加拿大小麦贸易中的价格关系
朱信凯
内容提要:如何理解和把握小麦国际贸易中的价格决定与影响机制一直以来都是学术界和政府决策部门关注对模型精度e的选择进行了的重要领域。本文引入并发展了基于关联积分的蒙特卡洛非线性因果关系检验模型,
2008年中美与中加之间的小麦价系统讨论和发展,并提出非线性因果影响强度的概念。利用该扩展模型,对1996-格进行实证检验,结果显示了双向因果关系,美国和加拿大对我国小麦价格具有显著影响,同时我国小麦价格也对其产生反向调节影响,但在时效和强度上存在较大差异。在理论解释的基础上,本文提出了相关政策建议。
关键词:国际贸易;小麦价格;非线性关联积分中图分类号:C812
文献标识码:A
4565(2010)09-0036-07文章编号:1002-
*
PriceCorrelationofSino
ZhuXinkai
Abstract:Ithasalwaysbeenanattractingareaforbothacademiaandgovernmenttounderstandandmakeuseofthepricedeterminationmechanismofinternationalwheattrade.ThispaperusesandfurtherdevelopstheMonteCarlononlinearcausalitytestbasedoncross-correlationintegral,whichisanonparametricmodelthatdoesnotrelyonlinearhypothesisorpre-setfunctionwhilecouldtestthetimelinessandstrengthofcauseandeffect.Thispaperfirstdiscussessystematicallyandexpandstheselectionofmodelprecisioneandcomesupwithaconceptofnonlinearcausalitystrength.Usingthisexpandedmodel,wedoempiricaltestsontheSino-USandSino-Canadianwheatpricesfrom1996to2008.Theresultsexhibitatwo-waycausalityrelation.TheU.S.andCanadianwheatpricesinfluenceours'significantlyandviceversa.However,thetimelinessandstrengthareofbigdifference.Basedonourtheoreticalanalysis,wegivesomepolicysuggestions.
Keywords:InternationalTrade;WheatPrices;NonlinearCross-correlationIntegral
一、引言
小麦是全世界分布范围最广、种植面积最大、产量最高、贸易额最多的粮食作物之一,世界上大约有40%的人以小麦为主食。美国、中国、欧盟、印度、俄罗斯、加拿大以及澳大利亚是世界主要的小麦生产国。中国是全球小麦产量和消费量最大的国家,在小麦国际贸易中占有重要地位。虽然我国粮食供需基本平衡,但通过国际市场调节产量余缺及品种结构依然是我国农产品国际贸易的重要方面。我国小麦进口主要来自美国、加拿大和澳大利亚,尤其是中国与美国和加拿大市场的小麦贸易依存度越来越相互之间的价格影响也越来越明显。高,
伴随着中国的市场化和国际化进程,粮食价格作为影响我国国计民生的重要因素与国际粮食价格之间出现了持续的非稳定性关联波动,并
对国民经济与社会发展产生了重要影响。两者之间的相互作用机制及因果关系一直以来都是学术界和政府部门所关注和研究的重要问题,不同的经验实证观点层出不穷。总体而言,数据资料的非可得性和非一致性以及实证研究方法的不足是这一研究不能深入的根本原因。当前,中国农业正处于WTO后过渡期,无论是履约的需要还是国内市场的需求,粮食进口都成为必然。如何调整和完善现行的粮食进口管理体制,使粮放到最大,而“弊”缩到最小,是当食进口的“利”
前一个紧迫的任务。在这种背景下,认识和理解农产品国际贸易中的定价权以及价格影响机制就成为重要的理论与现实问题。当前,对于这一问题的讨论和研究主要集中于经验实证及线性
*本文是国家自然科学基金课题(70603030)的阶段性研究成果。
时间序列数据及模型的分析和处理上。孟丽、乔娟(2004)比较了中美小麦成本和价格,
认为影响中国小麦国际竞争力的重要因素是产品品质和安全、
相关和辅助产业状况、生产经营者的市场竞争战略以及政府的支持作用等各种非成本和价格因素。张吉祥(2007)定性地分析了基准价格的影响因素,并利用赫芬达尔指数比较了中、美、日三国的粮食贸易定价能力,认为我国玉米进出口贸易的定价能力最高,大豆进出口贸易的定价能力次之,小麦进出口贸易的定价能力最低。卢锋、
谢亚(2008)通过对1980-2007年国内外粮食价格的观察分析,认为我国的短中期粮食价格走势仍有很大不确定性,国际小麦主产国对国际高位麦价的反应、我国小麦未来出口前景及粮食库存实际规模大小、石油价格走势及其对替代生物能源刺激作用等因素都会通过供求关系影响粮价走势。本研究试图引入并发展基于关联积分的蒙特卡洛非线性因果关系检验模型,这是一种不需要以假定的线性关系或者预设的函数关系为前提,并同时可以进行因果关系的时效性和影响强度检验的非参数估计模型。本研究首次对模型精度e的选择进行了系统讨论和发展,提出了非线性因果影响强度的概念。利用这一扩展模型,
我们对1996-2008年中美与中加之间的小麦价格进行实证研究。
二、中美与中加小麦贸易
(一)中美与中加小麦贸易①
中美小麦贸易主要表现为美国对中国的单向小麦出口,中国基本上没有对美国的小麦出口。根据海关统计,
我国从美国进口的主要小麦品种为硬红冬小麦。从1995-2008年,中国累计从美国进口小麦1096万吨,占小麦总进口量的29.1%。从绝对值看,
1995年中国从美国进口小麦最多,达到384万吨,1995-2000年,我国总的进口量和从美国的进口量一直呈现递减趋势,
这与这一阶段我国小麦产量不断提高有着密切关系。2001-2004年中国从美国进口的小麦数量又开始增加,
2004年达到了281万吨,占当年进口总量的38.9%。从2004-2008年,中国对美国小麦的进口无论从绝对量还是进口比例来说都在逐渐减小。从进口比例来看,美国是仅次于加拿大的我国第二大小麦进口国(表1)。来自美国的小麦约占我国进口小麦的30%,但
是波动较频繁,如1999年为40.3%,2003年达到50.3%,而1997年、2005年只分别占到10.1%和14.1%。
表1
1995-2007年我国小麦进口量与结构
(单位:万吨、%)
年份总产量总进口量
从美国进口从加拿大进口进口量比重进口量比重[1**********]58.558384.11133.2486.15742.[1**********]24.596216.50126.3361.48443.[1**********]86.06118.75910.1133.42971.[1**********]48.94031.90021.496.16664.[1**********]4.81218.05840.312.43027.[1**********].59815.36917.562.39971.[1**********].00622.56632.740.58958.[1**********].45716.16826.737.26461.[1**********].42421.33650.320.43348.[1**********]3.342281.27838.9253.23435.[1**********]1.57049.58614.1144.92241.[1**********]8.40918.80232.29.21915.82007
10930
8.342
1.623
19.5
4.410
52.9
数据来源:国家统计局,中国海关总署。
美国小麦进口到中国需要支付的流通费用主要包括:美国国内至港口的运输费、港口仓储费、运输费,以及抵达中国后的关税、增值税、保险税、进口代理费、
各种杂费以及流通经销商的利润等。这些流通费用大约要使小麦价格在其离岸价格的基础上增加40%。因此,中国小麦在价格上对美国进口小麦有较大的优势。而事实上,
即使刨去各种费用,美国小麦生产成本仍远高于我国国内平均值。一直以来,进口美国硬红冬小麦的主要目的在于填补我国优质小麦的缺口,
满足国内需求。因此,美国硬红冬小麦的进口对我国优质小麦价格会产生直接冲击。具体表现为,美国小麦价格上升,国内优质小麦(如优质强筋小麦)价格上升又会导致一连串的连锁反应,推动我国小麦市场价格的全面上升。
加拿大是世界第二大小麦出口国,同时也是中国最大的小麦进口国(表1)。从1995-2007
①美国小麦按硬度、颜色和播种季节的不同,分为硬红冬、硬
红春、硬白麦、软白麦、软红冬和硬质麦等6个基本类别。其中硬红冬生产占全美的近35%,是美国种植面积最大、分布最广的小麦种类,播于秋季,其蛋白质含量较高,平均在11%~12%,具备良好的加工和烘烤特性,主要用于制作面包。软红冬的蛋白质含量相对较低,只有10%左右。软麦主要用于制作蛋糕、糕饼、普通面包、松脆和快餐食品。从小麦分类出口情况看,硬红冬出口量占全美小麦出口的近40%;硬红春出口量占全美的20%多;软白麦出口量占20%左右,主要出口亚洲和中东;软红冬出口占14%左右;硬质麦出口约占5%;硬白麦主要供应美国国内市场,出口量很小。
年(除了1999年和2006年以外)我国从加拿大进口的小麦所占的比例一直是最高的。除极个别年份如1999年和2006年只从加拿大进口了27.7%和15.8%外,其他年份都在35%以上,可以看出加拿大小麦对我国优质小麦的缺口是一个非常必要的补充。
从绝对量看,我国每年从加拿大进口小麦的变化非常明显,
这当然与我国国内小麦的产量变化和小麦进口总量变化有直接关系。1995年我国从加拿大进口小麦最多,达到了486万吨,其后的1996年和1997年也都在361万吨和133万吨。而随着小麦产量的连年增产和库存增加,我国的小麦进口量开始缩减,从加拿大进口小麦也出现了大幅减小。1998年到2003年的进口量均不足100万吨,其中1999年只有12万吨。2004年和2005年我国对小麦的进口需求增加,进口量也随之扩大。进口小麦也分别达到了253万吨和145万吨。而2006年和2007年,受全球粮价上涨因素影响,我国进口小麦数量锐减,
从加拿大进口的小麦也只有9万吨和4万吨。根据以上数据和分析可以看出,中国进口小麦数量的多少受中国国内的小麦产量和国际市场因素影响较多,
进口小麦总量变化较大。而从加拿大进口的小麦占我国小麦进口总量的比例相对稳定,加拿大一直占据着我国小麦进口的主要份额。
(二)市场竞争力与定价权
定价权直接体现了进口国或出口国对于国际市场大宗原材料价格的干预或控制能力。拥有定价权的国家在国际贸易中处于强势地位,并且很容易将强势地位转化为本国巨大的贸易利益。目前世界大宗原材料基准价格的形成有两种最基本的机制:第一,对于有着成熟的期货品种和发达的期货市场的初级产品来说,
其价格基本上由著名的期货交易所标准期货合同的价格决定;第二,对尚无期货品种和期货市场的初级产品而言,其价格基本上由市场的主要供应方和主要需求方每年谈判达成。小麦作为一种重要的农产品,其价格形成以上两种形式都存在。
美国和加拿大具有较强的小麦国际市场竞争力。胡非凡、施国庆(2007)通过净出口、国际市场占有率(MS)、显性比较优势指数(RCA)、贸易专业化指数(TSC)四个指标系统研究了世界主要粮食贸易国的粮食国际竞争力,发现美加小麦出口远高于进口,具有很强的竞争优势;美加在国际市场上占有率最高,
达到24%;在显性优势比较中,美加仅次于澳大利亚和阿根廷而具有较强的竞争力;贸易专业化指数方面,加拿大、澳大利亚、阿根廷具有最高的生产效率,TSC指数为1,而美国紧随其后,TSC指数为0.9。此外,也有学者引用衡量国际市场定价权的指标赫芬达指数(HerfindalIndex),也称H指数,构建了贸易定价能力评估模型,
认为在小麦进出口贸易能力方面,美国和加拿大具有绝对的优势。中国和日本等国际的定价能力远远不能跟美加相比(张吉祥,
2007)。定价权获得的核心是在不同的定价机制下,提升影响或决定基准价格的能力。粮食期货市场是进出口贸易基准价格形成的中心,期货市场是一个公开、集中以及近似于完全竞争的市场,期货市场上产生的价格能够最大限度地反映买卖双方对于粮食价格的预期,
能够真实地反映市场供求关系。国际粮食市场价格主要参照期货市场价格来制定,一旦粮食期货市场规模足够大、
市场交易活跃,就有可能成为国际粮食市场定价中心。当前,美国芝加哥商品交易所吸引了越来越多的小麦交易,
与现货交易相响应,其已经形成了一整套小麦价格形成以及利用小麦期货和现货两个市场规避风险的机制,从而为理解和把握世界小麦贸易价格走势提供了重要依据和晴雨表。同时,
美国发达的金融市场也为其操纵控制小麦的国际价格提供了便利的条件。
当前绝大多数商品的国际市场都不是完全竞争市场,而是寡头垄断市场,无论买还是卖,寡头垄断的一方都掌握着定价的主动权。高度分散的一方只能被动地接受价格。小麦出口集中在美国、加拿大、澳大利亚和法国四个国家,而进口国则分布在亚洲、非洲、欧洲等数量众多的国家,如中国、西班牙、埃及、日本、意大利、巴西、印尼、墨西哥等。过度分散的进口方和普遍较小的贸易量削弱了小麦进口国的谈判地位。美国和加拿大小麦产量占世界总产量的16%左右,而两国的出口量则占世界的30%。因此,我们有理由相信美国和加拿大在国际小麦市场上拥有价格的主导权。
大量实证研究已经表明,我国的小麦价格与美国和加拿大小麦价格具有较大的关联性。虽然从美加市场进口的小麦价格较高,但是进口量较多,并且从美加市场进口的小麦多为优质小麦,
因此会有力地冲击我国的优质小麦市场,影响小麦价格。同时,我国的小麦进口也会因为供需关系的变化而反作用于美加的市场
价格。我国小麦进口量变化会引起国内生产加工结构和供需结构的变化,
然后,通过影响进出口结构而对美加市场的价格产生影响。具体而言,美国对我国的大量小麦出口集中于硬红冬麦,
而软红冬麦的量相对小得多,因此美国硬红冬麦和软红冬麦的价格波动会对我国小麦价格产生不同的影响。
总之,两者之间是否存在明显的因果影响关系、影响强度如何评价以及滞后期的确定一直以来就是学术界和政府决策部门关注的问题。下面我们将借助于非线性的关联积分检验模型对此进行系统的实证研究。
三、方法的选择
一般的线性模型虽然已经被广泛应用于经济学各个领域,但是它具有一定的局限性。当两组时间序列之间不具备明显的线性关联,或者说具有非线性关联时,线性检验模型就不再适用。
过去一段时间里,在国际上,非线性因果检验模型被应用于各个领域,如经济学、管理学、生物统计、工程物理等(Asimakopoulos,Aylingetal.,
2000;ChenandLin,
2004;Gourévitch,BouquinJeannèsetal.,2006)。其中运用较为广泛的是1992年由Baek和Brock提出的基于关联积分的非参统计方法,它能够揭示出时间序列之间的非线性因果关系(BaeckandBrock,1992)。1994年,Hiemstra和Jones在其基础上发展了这种模型,
被称之为H-J模型。具体方法表述如下:1.两组平稳的时间序列{Xt},{Yt},其中定义
XmLx
t和Xt-Lx分别为{Xt}序列的m长度超前向量和Lx长度的滞后向量,YmLx
t和Yt-Lx同理。
X
m
t
=(Xt,Xt+1,…,Xt+m-1)
XLxt-Lx=(Xt-Lx,
Xt-Lx+1,…,Xt-1)Ymt=(Yt,Yt+1,…,Yt+m-1)Y
Lxt-Lx
=(Yt-Lx,Yt-Lx+1,…,Yt-1)
其中m=1,
2,3…,Lx=1,2,3…,Ly=1,2,3…对于给定的m,Lx,Ly,e>0,如果
Pr(Xm
m
t-Xs
XLxXLx
t-Lx-s-Lx
e,YLy-YLy
t-Lys-Ly
t-Xs
t-Lx-s-Lx
其中Pr(·)为概率测量·为上确界范数(supremumnorm),e是范数距离。那么我们就可以得出:{Yt}序列不会对{Xt}序列产生Granger因果影响。其含义为:在长度为Lx的Xt滞后向量的条件下,任意两组长度为m的Xt向量之间相近的概
率,与在将长度为Ly的Yt滞后向量引入的条件下的概率相同(ChenandLin,2004;DiksandPanchenko,2006)。或者说,Yt滞后向量的引入并不能提高Xt向量相近的概率。
2.1994年Hiemstra和Jones提出了引入关联积分(correlationintergral)来实现联合概率密度的检验。式(3)中的联合概率密度可以表示为:
C1(m+L+Lxm+Lx
x,Ly,e)≡Pr(Xmt-Lx-Xs-Lx
t-Ly-Ys-Ly
x,Ly,e)≡Pr(XLxt-Lx-Xs-Lx
t-Ly-s-Ly
x,e)≡t-Lx-Xs-Lx
那么式(3)中的非因果关系条件则可以表示为(HiemstraandJones,1994)
C1(m+Lx,Ly,e)C3(m+Lx,
e)C2(L=
(3)
x,Ly,e)C4(Lx,e)在有限数据量条件下,联合概率密度的估计值
可以表达为:
C^
1(m+L2x,Ly,e,n)≡
n(n-1)∑I(xm+Lx
t-Lx,t
∑xm+Lx
s-Lx,e)·I(yLyt-Ly,yLys-Ly,
e)C^
2(L2
x,Ly,e,n)
≡
n(n-1)∑I(xLxt-Lx,t
∑xLxs-Lx,e)·I(yLyt-Ly,yLys-Ly,
e)C^
3(m+L2x,e,n)≡
n(n-1)∑I(xm+Lxt-t
∑Lx,xm+Lx
s-Lx,
e)C^
4(Lx,e,n)≡
2
n(n-1)∑I(xLxt-Lx,xLxs-Lx,e)(4)t
∑其中,I(Z1,Z2,e)为检验核,当Z1与Z2的最大模距离(Maximum-normdistance)小于等于e的时候,
I的值取1,否则取0。n为序列长度。Hiemstra和Jones给出了证明:
在非因果关系下Δ=C^
1(m+Lx,Ly,e)C^
3(m+Lx,e)C^
2(Lx,Ly,e)
-
C^
4(L服从正
x,e)
态分布,
Δ~N(0,σ2
(m,
Lx,Ly,e))(5)
以上述基于关联积分的非线性蒙特卡洛检验为基础,本文作者Lv(2007)提出了一种全新的蒙特卡洛(Monte-Carlo)模拟方法,对模型检验方法进行了
扩展,从而可以快速并准确地得到Δ的标准方差,这种模拟方法的优点是,可以通过随机统计分析,逼真模拟数据的产生过程,并且具有真实性和普遍性的特点。具体方法如下:
首先用蒙特卡洛方法随机产生1000组服从正态分布N(0,1)、与被检验序列相同长度的时间序列{Zt},
并且用这1000组{Zt}分别替代{Yt},同{Xt}序列进行非线性关联积分计算并得到结果Δ,那么,由于{Zt}序列和被检验序列没有任何关联关系,所以,所得到的1000个Δz值必然是遵循标准方差为σ(m,
Lx,Ly,e)的正态分布。从而通过计算Δz的方差得到σ(m,
Lx,Ly,e)。总之,相比线性格兰杰检验而言,基于关联积分的蒙特卡洛非线性因果关系检验具体表现为三个明显的优势和特点:①不需要以假定的线性关系或者预设的任何函数关系为前提;②可以更有效地检验因果关系的时效性和影响强度;③是一种典型的非参数检验(Non-parametricMethod),简化了原始数据处理和运算过程。我们认为,
基于线性或者某种明确函数关系假定前提的粮食价格与CPI的因果关系检验可能并不能真实反映两者之间的相互关系并很有可能产生伪关系。基于以上认识,本研究选择基于关联积分的扩展的蒙特卡洛检验,
并希望能够通过实际案例的研究促进这一方法的推广和应用。
四、精度选择
基于关联积分的非线性检验模型的关键点是最大模距离e的选择,目前国际上对e值的选择还没有较完善系统的讨论,
本文尝试对其进行了探讨。从理论上说,
e值的选取是不会影响最终检验结果的(BaeckandBrock,
1992;HiemstraandJones,1994)。但是,由于在现实情况下,数据量有限,那么e值的选择就会在一定程度上影响最终的结果。如果e值太小,虽然精度很高,但也往往会出现数据量不足,过度检验的现象。反之,如果e值太大,则不能满足精度要求。所以,
要根据不同的情况,如数据量、滞后期长短等因素确定较为合适的e值。Hiemstra和Jones在讨论美国股票价格和交易量的实证模型中选取了e=1.5,并得到了理想的结果(Hiemstra和Jones,1994)。
考虑本课题研究的特殊性及数据资料的可靠性,我们分别针对每一期选取不同的e
值①。
五、实证分析
(一)数据来源与说明
本研究所使用的美国和加拿大小麦价格数据来源于世界银行。中国小麦价格数据来源于农业部。我国一直处于市场化改革的进程之中,尤其是在改革开放初期,
粮食作为关系国计民生的重要产业,长期受到政府管制,其价格信息很难反映市场供求。1996年以来,随着粮食流通体制改革的不断深化,虽然也经历了不少波折,但从长期来看,我国粮食价格还是逐步摆脱了纯计划性质,而不断向反映市场供求的市场机制靠拢。目前我国有包括国家统计局、农业部、发展改革委员会、商务部等多个部门都在进行不同粮食价格的统计,根据目的不同,各有侧重点。其中农业部所发布的国内粮食价格相对权威,且美加粮食价格是农业部通过官方渠道得到的,也相对准确。当然,数据的完整性及统计口径也都不尽相同。这也是卢锋等(2002)研究中需要整理衔接数据的根本原因。
(二)数据预处理
通过自然对数变换,
作一阶差分,再除以标准方差,
将各种粮食平均价格变为方差为1的稳定序列:xt=Ln(Xt)-Ln(Xt-1)yt=Ln(Yt)-Ln(Yt-1)
(6)
ADF检验结果
原数列
对数一阶差分
t-统计量
P值t-统计量P值滞后期
中国小麦0.5640.8372-6.238
0.0001美国硬红小麦-1.8100.6967-9.769
0.0000美国软红小麦-1.1730.9128-10.345
0.0000加拿大小麦
-2.925
0.157
2
-7.024
0.000
1
注:1.
表示99%显著性水平。2.滞后期的选择标准为AIC
原则。
粮食价格极易受到政策及其他相关宏观经济因素的影响。市场化改革进程中,
中国粮食价格会更多地受到政策因素的影响而出现非稳定性波动;此外,
2007年以来由于受全球金融危机的影响,国际与国内粮食价格也出现了较大的扰动。以预处理时间序列波动图为基础,以分阶段的非线性预检验为手段,
最终我们选择1996年1月至2007年4月之间的月度数据资料进行检验。
①鉴于篇幅原因,图表此表未列出,有需要的读者可与作者
联系。
(三)非线性检验及其结论
基于上述方法,
我们将变换好的美加小麦价格序列和我国小麦价格序列进行非线性检验。因为这种方法是独立于一般的线性检验,
而且也能够检验出线性因果关系,所以为了保持数据的原始性和真实性,我们没有进行线性回归处理,而是直接用于非线性模型中。由于Δ=
C1(m+Lx,Ly,e)
C2(Lx,Ly,e)-
C3(m+Lx,e)
C4(L)
,反映了两列时间序列之间因果关
x,e联的强弱,本文定义Δ/σ为因果关系影响强度(IntensityofCausality)。所以,当Δ/σ的值跳出置信区间时,我们就可以得出两列时间序列存在因果关系。本研究中我们考虑了两个等级的置信区间,即90%和95%,其对应区间分别为[-1.645,
1.645]和
[-1.2816,
1.2816]。本文采用国际较为通用的方法,设定滞后时间Lx=Ly,并对滞后期1个月至12个月,一共12个滞后期进行检验(ChenandLin,
2004)。检验零假设分别为:
H0a:美国(加拿大)小麦价格对我国小麦价格没有因果关系影响。在美国(加拿大)小麦价格波动条件下,中国小麦价格的预测分布不会发生变动。换言之,过去的美国(加拿大)小麦价格信息并不能提高或影响中国小麦价格的预测。
H0b:中国小麦价格对美国(加拿大)没有因果关系影响。中国小麦价格的信息不能提高或者影响对美国(加拿大)的预测。
检验结果如下:
实证检验结果证明①,美国硬红冬麦和加拿大小麦价格波动对我国批发市场的小麦价格都有直接的显著影响,
但同时我国小麦价格也对美国和加拿大的小麦价格表现出了一定的间接反向调节影响。这主要是由于我国小麦价格波动引起国内供需变化,继而影响进口规模,从而对国外市场产生反向调节作用。
美国硬红冬麦价格波动在滞后第2个月对我国批发市场小麦价格产生显著的非持续性影响,我国小麦价格在滞后第10个月和第11个月对其产生反向调节影响。
表2中美与中加小麦价格与中国小麦价格
双向非线性因果关系检验结果
滞后期(月)
美国硬红小麦美国软红小麦加拿大小麦中→美
美→中
中→美
美→中
中→加
加→中
1-0.6907-0.7444-0.1783-0.5664-1.1951-1.71762-1.1882-1.8018-0.7057-0.8037-1.0021-1.51643-0.4640-0.68170.0156
0.5388-0.6518-1.82564-0.6010-0.1150-0.0080
1.1757-0.1608-1.51895-0.4068
0.2404-0.7107
0.7127-0.5582-1.9907
6-0.71520.1164-0.8707-0.0214-0.5693-2.07077-1.2601-0.2572-1.4743-0.4089-1.1940-1.83048-1.26040.0429-1.8137
0.2386-1.2804-1.1729
9-1.40720.1831-2.6420-0.1258-1.1639-0.286910-1.69500.5066-2.9432-0.1384-0.89710.165711-1.99590.5501-3.2777
0.0209-0.6472
0.591912
-1.44890.8223-2.6595-0.1893-0.5721
0.5118
注:*表示90%检验等级;
表示95%检验等级。
美国软红冬麦对我国的出口量较少,实证研究的结论也支持了这一事实,美国软红冬麦价格波动对我国小麦价格没有直接的因果关系影响。但我国小麦价格依然在滞后第8个月对美国软红冬麦价格表现出了显著的反向调节影响。这是由于我国小麦价格对美国硬红冬麦价格的反向调节影响引起美国国内供需结构及进出口结构变化所引起的。
加拿大对我国的小麦出口规模较大,从实证研究的结论来看,影响也从滞后第3个月开始一直持续到滞后第7个月,其中,滞后第5个月和第6个月的影响最为显著。我国小麦价格波动对加拿大市场小麦价格的反向调节影响仅在85%的水平上显著。
六、政策建议
1.加强价格监控,确保信息畅通,强化部门协调,从容应对短期国际市场价格波动对国内价格的影响。要正确认识和理解国际与国内小麦价格波动的影响,既不可小视,也不可过分渲染。国际市场小麦价格波动对我国的影响是显著的,这种影响主要表现为6个月以内的短期影响。当前,要通过加强价格监控,确保信息畅通,在有效实现多部门协调的基础上,从容应对短期国际市场价格波动对国内价格的影响。
2.提升中国小麦竞争力,实现从净进口国到净出口国的战略转变。我国与美加的小麦贸易主要表
①鉴于篇幅原因,此处检验图表不再列出,如有需要可与作
者联系。
现为我国对两国的大量进口,从而使我国小麦价格受到美加小麦价格的显著影响,
这在中加小麦价格关系中表现尤为明显。因此如何提高我国小麦的国际竞争力是改变当前被动局面的重要因素。当前,我国小麦高投入、高成本、低效益、低品质的状况还未得到根本改善。这是影响我国小麦国际竞争力最重要的因素,
也是实现我国小麦可持续出口能力的最大障碍。能否有效借鉴美国、
加拿大对小麦流通等领域的先进管理经验,按照发展现代农业的理念,进一步加强现代农业科技研究和应用,用现代化的技术提升农业,构建粮食安全的长效机制,建设有中国特色的现代化粮食产业体系是提升我国小麦国际竞争力,实现我国小麦从净进口国到净出口国转变的关键。
3.深化粮食进口管理体制改革,为粮食宏观调控服务。我国小麦进口量大的状况无法在短期内改变,
因此要减小国内小麦价格受到国际价格波动的影响,首先要从被动限制进口转变为主动调控进口,切实把握进口的规模与节奏,使进口成为我国粮食宏观调控的重要工具。其次,要坚持立足国内资源确保国家粮食安全的同时,统筹利用国内外粮食资源,
建立利用国际资源弥补我国土地和水资源严重短缺的长期战略机制。第三,要充分发挥大国效应,全面提升我国作为世界粮食大国的谈判能力,确立未来中国作为世界粮食定价中心的战略地位。
参考文献
1]方福前.年中国居民消费需求不足原因研究—
——基于中国城乡分省数据,
中国社会科学,2009(2).2]胡非凡、施国庆.世界主要粮食贸易国粮食国际竞争力对比分
析———基于进出口数据的指标分析,求索,2007(1).
3]黄季昆、杨军、仇焕广、徐志刚.本轮粮食价格的大起大落年主
要原因及未来走势,管理世界,
2009(1).4]卢锋、彭凯翔.中国粮价与通货膨胀关系(1987-1999),经济学
(季刊),2002(1):821-836.
[5]卢锋、谢亚.我国粮食供求与价格走势(1980-2007),管理世
界,2008(3).
[6]杨坚.正确认识我国粮食价格问题,人民日报,2008-09-17.[7]仰炬,王新奎,耿洪洲.我国粮食市场政府管制有效性:基于小
麦的实证研究,经济研究,
2008(8).[8]赵留彦.中国核心通胀率与产出缺口经验分析,经济学(季刊),
2006(5).
[9]Asimakopoulos,I.,Ayling,D.,andMansorMahmood,W.,2000,
“Non-linearGrangercausalityinthecurrencyfuturesreturns”.EconomicsLetters,
Vol.68Issue1:25-30.[10]Baeck,E.G.,andBrock,W.A.,1992,“ANonparametricTestfor
IndependenceofaMultivariateTimeSeries”.StatisticaSinica2(1992),Vol.2:137-156.
[11]BarryK.Goodwin,T.C.S.,1991,“PriceDynamicsinInternational
WheatMarkets”,CanadianJournalofAgriculturalEconomics/Revuecanadienned'agroeconomie,Vol.39Issue2:237-254.[12]Chen,A.-S.,andLin,J.W.,2004,“Cointegrationanddetectable
linearandnonlinearcausality:analysisusingtheLondonMetalExchangeleadcontract”,AppliedEconomics,Vol.36Issue11:1157-1167.
[13]Chen,Y.,Rangarajan,G.,Feng,J.,andDing,M.,2004,
“AnalyzingmultiplenonlineartimeserieswithextendedGrangercausality”,PhysicsLettersA,Vol.324Issue1:26-35.
[14]Diks,C.,andPanchenko,V.,2006,“Anewstatisticandpractical
guidelinesfornonparametricGrangercausalitytesting”,JournalofEconomicDynamicsandControl,Vol.30Issue9-10:1647-1669.
[15]Lv,J.,2007,Investigationfornon-linearGrangerrelationshipof
China'sA-sharemarketandH-sharemarket“MasterThesisforEconomics”.CornellUnivesity.
作者简介
朱信凯,男,36岁,江苏沛县人,2003年毕业于华中农业大学经济管理学院,获管理学博士学位,现为中国人民大学农业与农村发展学院副院长、副教授、博士生导师,研究方向为农业经济理论与政策。
(责任编辑:赵曾琪)
[[[[