史常亮，朱俊峰，欒 江

（1．中國農(nóng)業(yè)大學(xué) 經(jīng)濟管理學(xué)院，北京100083；2．中共天津市委黨校 經(jīng)濟學(xué)教研部，天津300384）

一、引 言

根據(jù)市場經(jīng)濟理論，農(nóng)業(yè)生產(chǎn)資料（簡稱“農(nóng)資”）價格波動直接影響著農(nóng)資市場供給與需求結(jié)構(gòu)，并且對農(nóng)資經(jīng)營者的動機與預(yù)期產(chǎn)生影響。特別是隨著中國農(nóng)資供給體制市場化改革進程的推進，以及政府對化肥等主要農(nóng)資經(jīng)營限制的放開，市場經(jīng)營主體增多，眾多農(nóng)資生產(chǎn)經(jīng)營者，特別是中小農(nóng)資生產(chǎn)經(jīng)營者已經(jīng)將其視為謀取生計的主要途徑。政府在對農(nóng)資經(jīng)營者進行扶持、培育的過程中，也需要價格機制作為引導(dǎo)工具。在這種背景下，對農(nóng)資價格波動特征進行探究，既能夠為農(nóng)資生產(chǎn)經(jīng)營者合理安排生產(chǎn)提供參考，也為深化農(nóng)資市場供給、流通體制改革，完善農(nóng)資市場功能提供理論依據(jù)。

相較于農(nóng)產(chǎn)品價格波動，學(xué)者們對農(nóng)資價格波動問題的關(guān)注較少，但也初步形成了一些研究成果。如鋪甫寧等通過對中國農(nóng)資市場化改革歷程的回顧，認為隨著農(nóng)資市場化改革的不斷深化，農(nóng)資價格由市場形成的范圍正不斷擴大［1］。王侃等計算了尿素、磷酸二氨和氯化鉀等主要化肥品種的需求價格彈性，發(fā)現(xiàn)化肥需求量對價格變化的反應(yīng)不是很敏感，比較缺乏彈性［2］。王新志分析了始于2003年底的新一輪農(nóng)資價格上漲特點，發(fā)現(xiàn)具有漲幅大、持續(xù)時間長的特征［3］。金賽美、韓艷旗等討論了農(nóng)資銷售的季節(jié)集中性對農(nóng)資價格的影響，認為季節(jié)性導(dǎo)致大多數(shù)農(nóng)資產(chǎn)品的需求缺乏彈性，致使價格有一定程度的升高，發(fā)現(xiàn)春耕的農(nóng)資價格要比一年中其它時間更高［4－5］。

在研究價格波動方面，能夠反映具有“某一階段波動平穩(wěn)、某些階段波動劇烈”特征的自回歸條件異方差（ARCH）類模型，無論是從理論研究的深度還是從實證運用的廣泛性來說都是獨一無二的。國內(nèi)已有許多文獻運用該類模型，對農(nóng)產(chǎn)品價格波動的一些基本特征，如集聚性、非對稱性、波動的持久性等進行了檢驗［6－7］。針對中國農(nóng)資市場的運行中格波動的特征，有學(xué)者展開了實證研究，但尚未給出比較明確和統(tǒng)一的推斷。如黃文彪等運用ARCH族模型對農(nóng)資價格波動特征進行分析，發(fā)現(xiàn)農(nóng)資價格波動存在明顯的聚集性和長期記憶性，但不存在高風(fēng)險高回報和非對稱效應(yīng)［8］。馬凱等的研究卻表明，中國農(nóng)資價格波動具有顯著的非對稱性［9］。張文雄等對化肥的分析也表明，非對稱效應(yīng)在農(nóng)資類產(chǎn)品價格波動中是存在的［10］。

總體而言，目前關(guān)于中國農(nóng)資價格波動的定量研究還不充分，還存在如下問題：一是大部分研究仍停留在對農(nóng)資漲價的短期現(xiàn)象與成因的一般性描述層面，缺乏對其長期變動規(guī)律及波動特征的深層次探討；二是應(yīng)用ARCH類模型對農(nóng)資價格波動的分析主要集中在波動聚集性上，對其波動的杠桿效應(yīng)分析較為缺乏；三是在構(gòu)建ARCH類模型時，都忽略了對時間序列擾動項分布特征的討論，造成擬合效果欠佳，不能得出令人信服的結(jié)論。鑒于此，本文試圖將GAECH－M模型和EGARCH模型相結(jié)合，形成EGARCH－M模型，分析中國農(nóng)資價格的波動聚集性和杠桿效應(yīng)，探討在正態(tài)分布、T分布以及GED分布三種情況下中國農(nóng)資價格波動的最優(yōu)分布形式，以提高模型的擬合效果。

二、研究方法

基于數(shù)據(jù)的可得性，本文利用1994年1月至2014年3月農(nóng)業(yè)生產(chǎn)資料價格總指數(shù)的月度數(shù)據(jù)進行研究，數(shù)據(jù)來自各期《中國經(jīng)濟景氣月報》。為了反映農(nóng)資價格的波動情況以及計算本月價格相對于上月的變化率，需要農(nóng)資價格定基指數(shù)的月度時序數(shù)據(jù)，但根據(jù)官方公開統(tǒng)計資料僅能獲取2006年以后的月度環(huán)比數(shù)據(jù)，而此前只有月度同比數(shù)據(jù)。為此，本文利用2006年以后月度環(huán)比數(shù)據(jù)和之前的同比數(shù)據(jù)，以1994年1月為基期得到定基月度農(nóng)資價格指數(shù)。月度時間序列數(shù)據(jù)能夠較好地反映波動規(guī)律，但受農(nóng)業(yè)生產(chǎn)周期的影響，農(nóng)資月度價格指數(shù)序列不可避免地包含了季節(jié)性因素，必須剔除季節(jié)因素影響。本文將采用X12－ARIMA模型對原始序列進行季節(jié)調(diào)整。對剝離了季節(jié)因素的價格數(shù)據(jù)，采用HP濾波分析其周期性特征，再采用EGARCH－M模型分析其波動聚集性和杠桿效應(yīng)。

（一）X12－ARIMA季節(jié)調(diào)整模型

經(jīng)濟時間序列的變化通常受到自身的趨勢、周期、季節(jié)及不規(guī)則成分的影響。設(shè)Yt表示一個無奇異值的月度時間序列，季節(jié)調(diào)整就是從Yt中去除季節(jié)成分St和不規(guī)則成分It，從而顯示出能夠真實地反映Yt運動的客觀規(guī)律的趨勢循環(huán)分量TCt的過程。目前，國際上通用的季節(jié)調(diào)整的方法主要有X11－ARIMA、X12－ARIMA和 TRAMO／SEATS這三種。其中，X12－ARIMA作為X11－ARIMA的提高版，囊括了后者的所有特性，同時還改進了在建模和診斷能力方面的缺陷，而且與TRAMO／SEATS相比，X12－ARIMA在調(diào)整效果控制、異常值處理、季節(jié)模式識別等方面也具有更優(yōu)良的特性。該模型的基本形式為：

式中L是滯后算子，s為季節(jié)周期的長度（月度數(shù)據(jù)s＝12，季度數(shù)據(jù)s＝4），d、D分別表示非季節(jié)性差分階數(shù)、季節(jié)性差分階數(shù)，φp（L）、θq（L）分別表示非積極性p階自回歸算子、q階移動平均算子，φp（Ls）、ΘQ（Ls）分別表示季節(jié)性p階自回歸算子、Q階移動平均算子，μt為白噪聲過程，Yt是原始時間序列，Xit是回歸變量。除了能夠有效處理變量的季節(jié)性外，X12－ARIMA還提供了3種方法來檢驗時間序列的季節(jié)性，包括季節(jié)穩(wěn)定性F檢驗與Kruskal–Wallis卡方檢驗及移動季節(jié)性F檢驗。

（二）HP濾波方法

經(jīng)X12－ARIMA方法季節(jié)調(diào)整后的趨勢成分和周期成分是疊加在一起的，為得到研究價格波動周期所需要的周期成分，就需要去除趨勢成分。HP濾波方法是消除時間序列中趨勢成分被廣泛使用的一種方法。設(shè)TCt是包含趨勢成分和周期成分的經(jīng)濟時間序列，Tt是趨勢成分，Ct是周期成分，則計算HP濾波就是從序列TCt中將趨勢成分Tt分離出來，從而得到對應(yīng)的周期成分Ct。一般地，Tt常被定義為下面最小化問題的解：

式中參數(shù)λ是對趨勢成分Tt波動的正懲罰因子，需事先給定，按一般經(jīng)驗，月度數(shù)據(jù)的λ取值為14 400。

（三）EGARCH－M 模型

實證研究中，采用的高頻率時間序列數(shù)據(jù)通常存在條件異方差問題，可能使回歸結(jié)果難以評價。

由Engle提出的自回歸條件異方差（ARCH）模型因為具有較好的時變方差和處理厚尾的能力，使得解決時間序列中的“異方差”成為可能，被廣泛應(yīng)用于各種經(jīng)濟類時間序列數(shù)據(jù)的分析中［11］。ARCH模型有兩個方程構(gòu)成：

式（3）為均值方程，Yt是被解釋變量；Xt是解釋變量，可以是被解釋變量的滯后項，也可以是其他外生變量；θ為待估參數(shù)向量；εt為誤差項。式（4）為方差方程，ht表示εt的條件方差，包括常數(shù)項α0和ARCH（p）項（p為滯后階數(shù)）。為確保條件方差ht＞0，要求α0＞0，αi＞0（i＝1，2，…，p）。

當(dāng)ARCH模型中存在高階ARCH效應(yīng)時，為解決需要較多參數(shù)來充分描述波動過程的缺陷，可以采用廣義自回歸條件異方差（GARCH）模型［12］。該表達式是在式（4）中加入條件方差自身的滯后項：

式（5）中， 為 GARCH（q）項（q為滯后階數(shù)），如果ARCH或者GARCH項高度顯著，說明價格收益率具有顯著的波動聚集性。為保證ht＞0，要求系數(shù)αi≥0和βj≥0（j＝1，2，…，q），但這只是保證模型有意義的充分條件而非必要條件。

在市場上，人們對價格漲跌的預(yù)期風(fēng)險往往會影響未來的價格走勢。為了度量這種價格預(yù)期風(fēng)險對收益率的影響，可在ARCH模型的條件均值方程式（4）中引入條件方差項，得到GARCH－M模型：

式（6）中，g（ht）是條件方差ht的單調(diào)函數(shù)，通常采用三種形式；參數(shù)τ是條件方差的倍數(shù)，是可觀測到的預(yù)期風(fēng)險波動對Yt的影響程度，它代表了風(fēng)險和收益之間的一種權(quán)衡。如果τ顯著為正，就意味著市場參與者會因為風(fēng)險增加而要求更高的收益，即市場存在“高風(fēng)險高回報”的風(fēng)險報酬特征。

盡管GARCH模型對經(jīng)濟時間序列的厚尾和波動集聚現(xiàn)象描述比較成功，但是它卻不能很好地反映數(shù)據(jù)中的非對稱效應(yīng)信息。為克服此弱點，Nelson提出了指數(shù)GARCH，即EGARCH模型［13］。 與 TGARCH 及 PGARCH 模 型 相 比，EGARCH無需施加對參數(shù)符號的任何限制，求解過程更為簡單靈活，而且以條件方差的對數(shù)形式確保ht取正值，使模型更加穩(wěn)定。EGARCH（p，q）模型的方差方程表示為：

式（7）中，β的大小反映了波動的程度，β越接近于1，波動的持續(xù)性和聚集性就越強，這個系數(shù)等同于GARCH模型中的除了常數(shù)項之外的擬合系數(shù)之和。非對稱性由γ來反映，若γ顯著不為0，表示市場信息沖擊對價格波動的影響存在著非對稱性；當(dāng)γ＞0時，表示正向沖擊（價格上漲）對價格波動的影響大于負向沖擊（價格下跌）的影響；當(dāng)γ＜0時，表示負向沖擊對價格波動的影響大于正向沖擊的影響，此時也稱作杠桿效應(yīng)。

三、實證分析

（一）農(nóng)資價格波動的季節(jié)性特征

由于農(nóng)資價格隨時間有遞增趨勢，使用X12－ARIMA中的乘法模型進行季節(jié)調(diào)整。季節(jié)性檢驗結(jié)果如表1所示：結(jié)果表明，農(nóng)資價格存在穩(wěn)定季節(jié)性、移動季節(jié)性和可識別季節(jié)性，也就是農(nóng)資價格季節(jié)性波動顯著，其波動不僅隨月變化，還隨年變化。

表1 農(nóng)資價格季節(jié)性檢驗結(jié)果表

圖1表明農(nóng)資價格季節(jié)變化模式為：季節(jié)因素使農(nóng)資價格在每年的1—4月份上漲0．3至0．7個百分點，8—9月份分別上漲0．1和0．2個百分點，11—12月份下跌1個百分點，其它月份比較穩(wěn)定。這與農(nóng)作物生產(chǎn)的基本規(guī)律是一致的：入春以來的1—4月份，是春耕春播的大忙季節(jié)，化肥、種子、農(nóng)藥、農(nóng)膜等重要的農(nóng)業(yè)生產(chǎn)資料進入銷售旺季，相應(yīng)的農(nóng)資價格也達到全年的最高點；進入5月份以后，春耕用肥高峰期基本結(jié)束，各種農(nóng)資價格漲幅也隨之“止?jié)q下跌”；8—9月份是夏秋季農(nóng)資消費時節(jié)，也是傳統(tǒng)的用肥旺季，農(nóng)資價格呈現(xiàn)趨穩(wěn)回升走勢；年末（10—12月份）進入農(nóng)閑時節(jié)和農(nóng)資銷售淡季，農(nóng)資使用數(shù)量下降，在季節(jié)性作用下，農(nóng)資價格到達全年最低點。

圖1 農(nóng)資價格季節(jié)性波動分解序列圖

圖1還可以看出，20年間，農(nóng)資價格的季節(jié)振蕩幅度在逐年遞減，尤其是2005年后衰減最為明顯，說明季節(jié)因素的作用在逐漸降低。對此可能的原因主要是庫存的緩沖作用。為緩解農(nóng)資市場供需的季節(jié)性矛盾，國家從2005年開始建立化肥等大宗農(nóng)資商品淡季儲備制度，通過“淡季儲備，旺季調(diào)節(jié)”，一定程度上弱化了農(nóng)業(yè)生產(chǎn)季節(jié)性對農(nóng)資價格的影響，從而保證了農(nóng)資價格波動趨于平穩(wěn)的發(fā)展態(tài)勢。觀察波峰、波谷的變化情況可看出，1994—2001年，農(nóng)資價格波動的波峰一直為1月份，從2002年開始逐年后移，其中2002—2004年變2月份，2005—2009年變?yōu)?月份，2010年以來則變?yōu)?月份，呈現(xiàn)愈發(fā)明顯的雙波峰態(tài)勢；從波谷的變化情況來看，1998年之前波谷均出現(xiàn)在11月份，1998—1999年向前提到7月份，而從2000年開始12月份成為新的波谷并趨于穩(wěn)定。

（二）農(nóng)產(chǎn)品價格波動的周期性特征

在季節(jié)調(diào)整的基礎(chǔ)上進行HP濾波分解，并根據(jù)剩余測定法依次剔除季節(jié)成分、趨勢成分和不規(guī)則成分之后，得出農(nóng)資價格波動的周期成分，如圖2所示。從中可以看出，樣本期間，剔除了其他因素影響，僅受周期性波動影響的農(nóng)資價格大約經(jīng)歷了五個完整周期（“波谷”到“波谷”），分別是1994年1月至1998年6月、1998年7月至2003年8月、2003年9月至2007年4月、2007年5月至2010年7月和2010年8月至2014年3月，平均價格周期長度在48個月左右。

圖2 農(nóng)資價格周期性波動分解序列圖

結(jié)合表2可知，農(nóng)資價格的這種周期性波動具有以下兩個趨勢性特征：一是起伏周期變短，波動幅度增大。2003年以前的兩個波動周期雖然都較長，分別為54個月和64個月，但波動的幅度都較小，波距（等于波峰到波谷的距離）分別為11．336 2和6．911 7；隨后的波動周期明顯有縮短傾向，且波動幅度要大于之前的兩個周期。二是收縮期長于擴張期，波動逐步由對稱周期向非對稱性周期轉(zhuǎn)變。尤其是2003年以后的三個波動周期，波峰出現(xiàn)較早，且收縮期下降幅度比擴張期上漲幅度平緩，直接造成了農(nóng)資價格“上漲容易下跌難”的事實。

表2 農(nóng)資價格波動的周期特征表

對HP濾波分解的效果進行評價。在評價中可以把是否將時間序列脫離趨勢以后平穩(wěn)化作為衡量不同分解方法優(yōu)劣的基本準(zhǔn)則，檢查序列平穩(wěn)性的方法用單位根檢驗［14］。對經(jīng)過HP濾波后得到的周期成分Ct進行ADF檢驗，結(jié)果顯示，周期成分Ct的ADF統(tǒng)計量值為－4．263 559，小于1%顯著水平下的臨界值－2．574 633，所以拒絕存在單位根的原假設(shè)，即周期成分Ct是平穩(wěn)的。因此，可認為HP濾波分解所得到的周期成分能夠反映農(nóng)資價格波動的真實周期特征。

（三）農(nóng)資價格波動的聚集性、非對稱性特征

對原始數(shù)據(jù)季節(jié)性、周期性特征的分析，從某種程度上能反映出農(nóng)資價格波動的聚集性以及隱含著的非對稱性，下面進一步應(yīng)用EGARCH－M模型進行檢驗。表3是針對農(nóng)資價格收益率，其中和分別表示第t期和第t－1期的農(nóng)資價格指數(shù)）進行的描述性統(tǒng)計。由表3可知，農(nóng)資價格收益率的偏度大于0，略左偏；峰度高于正態(tài)分布的峰度值3，呈現(xiàn)出尖峰后尾特征。JB正態(tài)性檢驗顯示，農(nóng)資價格收益序列在1%的顯著性水平上拒絕了服從正態(tài)分布的零假設(shè)，這意味著其分布是非正態(tài)的。ADF檢驗顯示，在1%的顯著性水平下拒絕存在單位根的假設(shè)，說明農(nóng)資價格收益率是平穩(wěn)的。檢驗序列自相關(guān)性的Q統(tǒng)計量結(jié)果表明，農(nóng)資價格收益率存在顯著的自相關(guān)性，因此可以考慮用自回歸移動平均（ARMA）方程來描述它。而用來檢驗序列相關(guān)性的Q2統(tǒng)計量的結(jié)果又顯示，農(nóng)資價格收益率還存在條件異方差和波動集聚現(xiàn)象，因此還需要用ARCH類模型進行擬合。

表3 農(nóng)資價格收益率序列的統(tǒng)計特征表

首先用ARMA過程來描述序列Rt的自相關(guān)性。對Rt進行相關(guān)性檢驗，發(fā)現(xiàn)其自相關(guān)系數(shù)是拖尾的，而偏相關(guān)系數(shù)在2階截尾，然后依據(jù)SC最小值準(zhǔn)則來確定模型的最優(yōu)階數(shù)，經(jīng)反復(fù)篩選，最終決定選取AR（2）模型來描述序列Rt的變化：

然后采用條件異方差的ARCH－LM檢驗該AR（2）模型的殘差是否存在ARCH效應(yīng)。檢驗發(fā)現(xiàn)，農(nóng)資價格收益率序列異方差效應(yīng)顯著，取滯后階數(shù)p為1～4時的相伴概率都小于顯著性水平α＝0．05，即存在高階ARCH效應(yīng)，而由于一個高階的ARCH模型可以用一個低階的GARCH模型代替，因而此處考慮加入GARCH模型。

大多數(shù)研究者發(fā)現(xiàn)，對于尖峰厚尾的非正態(tài)分布，用一個簡單的GARCH（1，1）模型就能進行刻畫。因此在建模時，首先選取p＝q＝1，若模型中的GARCH（1）項系數(shù)在5%的水平上不顯著，或即使顯著但ARCH（1）項系數(shù)與GARCH（1）項系數(shù)之和大于1，則說明模型不穩(wěn)定，此時調(diào)整p和q的值，并根據(jù)AIC和SC最小信息準(zhǔn)則確定最優(yōu)參數(shù)。經(jīng)反復(fù)比較，選擇用GARCH（2，1）模型對農(nóng)資價格收益率序列進行建模。本文在GARCH（2，1）的基礎(chǔ)上加入了非對稱性和高風(fēng)險高回報的特征，因此采用EGARCH（2，1）－M 模型。又已知序列Rt有尖峰厚尾的特征，與正態(tài)分布存在顯著差異，因此，本文還對比了正態(tài)分布、T分布和GED分布三種情況下的模型擬合情況（見表4）。

表4 EGARCH（2，1）－M模型參數(shù)估計結(jié)果表

估計結(jié)果表明，無論是從對數(shù)的似然值來看，還是從AIC和SC信息最小準(zhǔn)則來看，GED分布都能更好地擬合模型。此外，從EGARCH（2，1）－M 模型的輸出結(jié)果看到，GED分布的參數(shù)小于2，驗證了使用GARCH類模型對農(nóng)資價格收益率序列建模時所得殘差項的厚尾特征，表明GED分布能夠很好地描述這種特征。對基于GED分布的EGARCH（2，1）－M 模型的殘差進行 ARCH－LM 檢驗，結(jié)果表明，殘差序列不存在ARCH效應(yīng)。因此，下面主要基于GED分布下EGARCH（2，1）－M 模型參數(shù)估計結(jié)果進行相關(guān)分析。

首先，均值方程中，τ的估計值幾乎為0，且不顯著，反映了中國農(nóng)資市場并不具備高風(fēng)險高收益的市場經(jīng)濟特征，這與中國農(nóng)資行業(yè)競爭不充分、政府對農(nóng)資實行“專營”和“限價”政策的現(xiàn)實是非常相符的。

其次，條件方差方程中，參數(shù)β都在1%的水平下顯著，表明農(nóng)資價格收益率序列具有顯著的波動聚集性。關(guān)于波動聚集性產(chǎn)生的原因，鑒于目前中國農(nóng)資市場尚未完全市場化運作，也尚未與宏觀經(jīng)濟形成高度相關(guān)的互動機制，本文更傾向于結(jié)合Harris、Raviv和Shalen提出的理念分散模型來解釋［15－16］。自農(nóng)資供給體制市場化改革以來，中國農(nóng)資供給呈現(xiàn)“大行業(yè)、小企業(yè)”的格局，農(nóng)資供需鏈中的生產(chǎn)經(jīng)營主體不斷增加，但多數(shù)是個體承包，點多、面廣且分散，既不能及時準(zhǔn)確掌握市場信息，彼此之間又缺乏相應(yīng)的聯(lián)系，市場一有風(fēng)吹草動就“一哄而上、一哄而下”，造成市場均衡的脆弱性和市場進入的盲目性，增加了聚集波動產(chǎn)生的可能性。

最后，非對稱項系數(shù)γ為正且在1%水平上顯著，說明農(nóng)資價格的波動存在杠桿效應(yīng)，并且是正向沖擊對農(nóng)資價格波動的影響要比負向沖擊的大。具體而言，當(dāng)農(nóng)資市場受到負向沖擊時，會給條件方差對數(shù)帶來0．356 7倍沖擊，而當(dāng)受到正向沖擊時，會給條件方差帶來0．563 3倍沖擊。圖3是描述GED分布下EGARCH（2，1）－M模型擬合農(nóng)資價格收益率數(shù)據(jù)的信息沖擊曲線，從中也可以看出，正向沖擊使得農(nóng)資價格波動性的變化更大一些。從經(jīng)濟學(xué)角度講，農(nóng)資價格波動的這種非對稱性根源于農(nóng)資供求雙方市場地位的嚴重不對等。從供給方看，中國的農(nóng)資生產(chǎn)和進口較為集中，大型的生產(chǎn)和進口企業(yè)往往具有壟斷性，可以憑借其壟斷地位操控農(nóng)資出廠或一級批發(fā)價格；而從需求方來看，主要是極其分散和高度同質(zhì)的千千萬萬個小規(guī)模農(nóng)戶，由于固有的種植習(xí)慣、土地種植特性，即使當(dāng)市場價格出現(xiàn)下跌跡象時也很難及時做出重大的種植改變，對價格變化的反應(yīng)不是很敏感，在大多數(shù)情況下，只能被動接受價格。農(nóng)資供求雙方市場地位的這種不對等，不僅直接造成了農(nóng)資價格“上漲容易下跌難”的事實，而且價格上漲信號會通過“羊群效應(yīng)”引起農(nóng)民爭相搶購農(nóng)資，加劇了價格進一步上漲，加上投機因素的推波助瀾，最終使得上期價格上漲信息引發(fā)的波動大于下跌信息所引發(fā)的波動。

圖3 農(nóng)資價格信息沖擊曲線圖

四、結(jié)論與啟示

綜合以上分析，本文得到以下幾點結(jié)論：

1．中國農(nóng)資價格存在顯著的季節(jié)性波動，每年11—12月份為季節(jié)性波谷，9月份為季節(jié)性小波峰，2月份為大波峰。并且這種季節(jié)性結(jié)構(gòu)非常不穩(wěn)定，有隨年份的推移而波峰不斷后移的趨向。建議政府將主要農(nóng)資商品淡儲起止時間做適當(dāng)調(diào)整或后延，以防止因季節(jié)性因素導(dǎo)致的農(nóng)資價格過快上漲。

2．農(nóng)資價格波動還具有明顯的周期性特征。根據(jù)HP濾波分解結(jié)果，近20年來農(nóng)資價格大約經(jīng)歷了五個完整波動性周期，平均周期長度在48個月左右。農(nóng)資價格波動表現(xiàn)出的這種周期性，要求政府對農(nóng)資價格的調(diào)控應(yīng)遵循自然周期，允許價格在一個適度的區(qū)間內(nèi)波動，減少“急剎車式”的頻繁調(diào)控和對供給端的過度干預(yù)，保證市場的充分性和有效性，用市場化手段解決農(nóng)資產(chǎn)品價格波動問題。

3．農(nóng)資市場沒有體現(xiàn)出高風(fēng)險高回報的市場經(jīng)濟特征，驗證了中國農(nóng)資市場尚未完全市場化運作。目前政府對農(nóng)資實行限價政策，農(nóng)資的出廠和銷售都處在監(jiān)管之下，但從實踐情況來看，這不僅沒有很好地控制住農(nóng)資價格的大幅上漲，反而抑制了行業(yè)的供給擴張。事實上，農(nóng)資應(yīng)當(dāng)是一種不具有自然壟斷屬性的普通產(chǎn)品，只是在消費領(lǐng)域，因與農(nóng)民收入及農(nóng)業(yè)生產(chǎn)密切相關(guān)，具有相當(dāng)?shù)膽?zhàn)略屬性。因此，政府對農(nóng)資價格的監(jiān)管應(yīng)實行區(qū)別對待的政策。單就生產(chǎn)領(lǐng)域來講，政府應(yīng)考慮放寬行業(yè)管制，取消限價制度，讓農(nóng)資市場充分市場化。只有充分市場化，造就充分競爭的外部環(huán)境，資源配置才會更加有效，也才能更好地實現(xiàn)供求均衡。

4．農(nóng)資市場具有很強的波動集聚性，大的價格波動后面往往跟隨著大的價格波動，小的價格波動后面經(jīng)常跟隨著小的價格波動。這就給了我們在預(yù)防農(nóng)資價格波動方面提供了很好的啟示，即農(nóng)資市場一旦出現(xiàn)了能夠引起較大波動的因素時，就要做好應(yīng)對連續(xù)波動的準(zhǔn)備；要加強對主要農(nóng)資價格的監(jiān)測，密切關(guān)注市場動態(tài)，及時發(fā)現(xiàn)苗頭性趨勢。

5．對農(nóng)資價格而言，供給不足時價格的上漲幅度要大于供給相對過剩時價格下降的幅度，折射出中國農(nóng)資市場上供求雙方之間嚴重不對等的市場地位，供給方的市場地位明顯優(yōu)于需求方。因此，改變由農(nóng)資生產(chǎn)和進口企業(yè)壟斷的農(nóng)資市場結(jié)構(gòu)，促進農(nóng)資市場由壟斷性市場向競爭性市場轉(zhuǎn)變，應(yīng)是中國深化農(nóng)資市場化改革的基本取向。

6．模型結(jié)果顯示，GED分布模型能更好地描述和擬合農(nóng)資價格的波動特征。由于農(nóng)資價格收益率序列具有顯著的尖峰厚尾、非正態(tài)分布特征，使用正態(tài)分布的假設(shè)來估計模型會存在明顯的不足。本文通過比較正態(tài)分布、T分布和GED分布下的EGARCH－M模型的對數(shù)似然值、AIC和SC信息準(zhǔn)則，發(fā)現(xiàn)基于GED分布的模型擬合效果最好，可以更好地分析中國農(nóng)資價格的波動特征。

［1］ 鋪甫寧，謝正勤．生產(chǎn)資料市場化改革對農(nóng)業(yè)結(jié)構(gòu)調(diào)整的作用［J］．華中農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2002（1）．

［2］ 王侃，汪波．中國化肥的需求價格彈性分析［J］．中國農(nóng)機化，2007（5）．

［3］ 王新志．通脹壓力下農(nóng)資價格上漲的應(yīng)對策略研究［J］．山東農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2008（4）．

［4］ 金賽美．農(nóng)業(yè)生產(chǎn)資料價格指數(shù)與通貨膨脹率的相關(guān)分析［J］．西安財經(jīng)學(xué)院學(xué)報，2010（6）．

［5］ 韓艷旗，王紅玲．新形勢下農(nóng)資價格大幅上漲對“三農(nóng)”的影響分析［J］．華中農(nóng)業(yè)大學(xué)學(xué)報：社會科學(xué)版，2008（6）．

［6］ 李正輝，徐亞麗．農(nóng)產(chǎn)品價格波動的非對稱性研究［J］．湖南大學(xué)學(xué)報：社會科學(xué)版，2014（1）．

［7］ 莊巖．中國農(nóng)產(chǎn)品價格波動特征的實證研究——基于廣義誤差分布的ARCH類模型［J］．統(tǒng)計與信息論壇，2012（6）．

［8］ 黃文彪，徐學(xué)榮，鄭思寧．基于ARCH類模型的中國農(nóng)資價格波動特征分析［J］．中國農(nóng)學(xué)通報，2012（20）．

［9］ 馬凱，潘煥學(xué)．中國農(nóng)業(yè)生產(chǎn)資料價格波動特征及影響因素的分析［J］．價格理論與實踐，2013（10）．

［10］張文雄．中國化肥價格波動趨勢及影響因素的實證研究［J］．價格理論與實踐，2014（3）．

［11］Engle R F．Autoregressive Conditional Heteroskedasticity with Estimate of the Variance of U．K．Inflation［J］．Econometrica，1982（50）．

［12］Tim B．Generalized Autoregressive Conditional Heteroskedasticity［J］．Journal of Econometrics，1986（31）．

［13］Nelson D B．Conditional Heteroskedasticity in Asset Returns：A New Approach［J］．Econometrica，1991（2）．

［14］劉金全，劉志剛．中國GDP增長率序列中趨勢成分和周期成分的分解［J］．?dāng)?shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2004（5）．

［15］Harris M，Raviv A．Differences of Opinion Make a Horse Race［J］．The Review of Financial Studies，1993（3）．

［16］Shalen C T．Volume Volatility and the Dispersion of Beliefs［J］．The Review of Financial Studies，1993（2）．