石油期货价格范文

石油期货价格范文（精选10篇）

石油期货价格 第1篇

关键词：石油期货,美元指数,协整检验

一、引言

石油作为现代社会的重要工业原料, 牵动着经济的方方面面, 对于稳定世界经济具有重要的意义。自从20世纪70年代的石油大危机以来, 石油就成为了国际上价格波动最为剧烈的商品之一。近十年来其波动幅度最大的就是2008年全球金融危机的那段时间, 以布伦特原油期货价格为例, 可以发现价格从最高点每桶146.08美元骤降到每桶36.61美元, 降幅高达75%, 直到2009年, 随着美元开始不断贬值以及石油主要供给国家的供给缩减, 国际石油价格开始复苏, 并在之后保持缓慢波动, 直到2014年7月开始, 石油价格开始出现新一轮的下跌。本文研究的主要目的就是分析国际石油期货价格的波动具体受哪些因素的影响, 并且这些因素各自对石油期货价格造成的冲击有多大。

二、文献综述

(一) 国外研究综述

国外的学者对于原油价格的研究比较早, 他们从不同的角度, 使用不同的实证方法对原油价格的影响因素进行分析。

Robert K.Kaufmann (2004) 通过定量的方法实证研究了1986年到2000年油价的季度数据, 结果表明石油价格与OPEC的实际产量以及OECD国家的原油储备之间存在相关性。Lutz Kilian (2006) 结合1975年到2005年的石油数据的分析, 认为石油价格波动的最主要影响因素就是供给和需求。Chandrasekhar & Ghosh (2008) 认为美元汇率能够通过对石油供求关系的影响间接影响国际油价。

(二) 国内研究综述

相比较而言, 国内对于石油价格的分析起步就比较晚, 基本上是延续了国外的研究成果, 主要有以下几个研究成果。

程伟力 (2005) 运用协整和误差修正模型对国际油价进行了定量分析, 结果表明, OPEC产量、美国原油库存、美元汇率、中美两国石油需求都会对国际油价产生不同程度的影响。李畅、杨再斌 (2007) 通过实证检验分析了国际石油价格的影响因素, 结果表明, 从长期看, 石油价格受到OPEC产量、OECD消费量以及OECD国家原油库存的影响, 但短期内油价的变动主要是受投机因素、政治事件的影响。蔡纯 (2009) 使用月度数据建立VAR模型进行分析石油期货价格、石油供给、美元汇率等因素对石油价格的影响, 结论显示其根本影响因素还是供需基本面, 投资基金的短期影响较大。

三、实证分析

(一) 数据选择

本文研究的数据是选用2006年1月到2014年12月的月度数据, 共计108个, 建立的VAR模型中包括的变量如下:

(1) 布伦特原油期货价格 (美元/桶) , 记为Y, 数据来源于美国能源信息署;

(2) 布伦特原油现货价格 (美元/桶) , 记为X1, 理论上与期货价格呈正相关, 数据来源于美国能源信息署;

(3) 天然气期货价格 (美元/mmbtu) , 记为X2, 理论上与期货价格呈正相关, 数据来源于美国能源信息署;

(4) 实际美元指数, 即美元实际贸易加权汇率指数, 记为X3, 理论上与期货价格呈负相关, 数据来源于同花顺数据库;

(5) OECD国家石油消费总量 (百万桶/月) , 代表石油需求, 记为X4, 理论上与期货价格呈正相关, 数据来源于同花顺数据库;

(6) 世界石油总产量 (百万桶/月) , 代表石油供给, 记为X5, 理论上与期货价格呈负相关, 数据来源于同花顺数据库;

(7) 美国道琼斯工业平均指数, 记为X6, 理论上与期货价格呈正相关, 数据来源于同花顺数据库。

为了消除异方差的影响, 对数据进行对数化的处理。

(二) 单位根检验

本文通过ADF检验的方法对实证中的几个变量进行平稳性检验, 其结果如表1所示, 结果显示, 所有变量其水平值都不平稳, 进行一阶差分后均平稳, 即所有变量都是一阶单整。

(三) 滞后阶数的确定

根据LR和FPE检验以及AIC、SC、HQ信息准则, 有超过一半的信息准则显示最优滞后阶数为二阶, 因此, 最终确定VAR模型的最优滞后阶数为二阶。

通过以上的ADF检验表明所有的变量都是一阶单整的, 因此可能存在长期均衡的稳定关系, 接下来运用Johansen检验法进行协整分析, 如表2所示。

由表2的协整关系的分析来看, 结果显示这些变量之间有且仅有一个协整关系的存在, 并且根据Eviews的输出结果可以写出其协整方程为:

对于以上构建的协整模型要对其稳定性进行AR根图表分析, 根据分析结果可以看出系统所有特征根的值都在单位圆内, 因此该模型是稳定的, 协整关系是成立的。

(四) 误差修正模型

由格兰杰关系定理可知, 只要变量之间存在协整关系, 就一定存在误差修正模型, 协整关系主要描述的是变量之间的长期关系, 而误差修正模型描述的是变量之间的短期波动关系, 运用Eviews进行变量的误差修正分析, 其结果如下所示:

由以上的VEC方程可以看出, 在短期内各变量对石油期货价格的影响方向也是一致的, 并且由误差修正项可以看出当短期内偏离长期均衡状态时, 误差修正项会将其以一定的速度逐步调整至长期均衡状态, 以使其在长期内满足协整方程的状态。

(五) 实证结果分析

根据上文实证模型中得出的协整方程, 表明石油现货价格对石油期货价格造成的影响最大, 现货价格每上涨1%, 期货价格会上涨0.95%, 其次是OECD国家石油需求对石油期货价格的影响, 消费量每增加1%, 期货价格会上涨0.24%, 接下来是美元指数对石油期货价格的影响, 美元指数每上升1%, 期货价格会下跌0.12%, 此外, 从该方程中还可以看出天然气期货价格、世界石油总产量和道琼斯指数对石油期货价格的影响不是很显著。

四、结论与建议

本文利用2006年1月到2014年12月的月度数据, 建立VAR模型, 通过协整检验来分析各变量对石油期货价格的影响程度, 主要得出以下几点结论:

(1) 石油现货价格对期货价格造成的影响最为显著, 并且二者呈现明显的正相关关系, 这一点与之前的理论分析结果相一致, 说明美国期货市场的运行是有效的。

(2) 石油需求增加对石油期货价格造成的影响要比石油供给增加带来的价格波动的影响更大, 不过从数据分析的结果来看, 两者对期货价格波动的贡献率均不大, 究其原因可能是本文所选用的需求数据是OECD国家的消费量, 而供给数据是世界石油产量, 都不能完全代替石油的世界需求与供给, 不过我们还是可以发现他们的变动方向与预期都是相符的。

(3) 实际美元指数也是一个值得关注的变量, 相比较而言, 实际美元指数对石油期货价格还是会产生一定程度的影响, 且二者呈负相关关系。

基于本文的主要结论, 对于石油期货市场的投资者提出以下建议:短期内期货投资者应更多的关注现货价格, 以及供需关系, 替代品天然气价格、美元指数以及道琼斯指数虽然也能一定程度的反映期货市场价格, 但其影响程度整体较小, 这也间接揭示了期货市场的不确定性, 劝诫投资者在进行期货市场投资时要加强风险控制, 对这些影响因素进行合理的预期有助于进行期货市场投资。

参考文献

[1]蔡纯.石油价格波动金融影响因素的实证研究—基于月度数据的VAR模型分析[J].价格理论与实践, 2007 (4)

[2]程伟力.影响国际石油价格因素的定量分析[J].国际石油经济, 2005 (8)

[3]赵选民, 李丰.石油期货价格影响因素实证研究[J].商业研究, 2007 (1)

[4]刘晓棠, 马麟.石油期货价格影响因素研究—基于Granger检验和协整理论的实证分析[J].中国商界, 2010 (5)

石油期货价格 第2篇

□邓海平

在资本市场里，“看美元，炒期货”早已不是什么新鲜事了。而在国内，资本的跨市场流动导致证券市场和期货市场的联系日趋紧密，在2006年至2008年的超级牛市中，“期货牛”与“股市牛”如影随形。尤其是金融危机以后，股市与期市的联动更是达到了史无前例的紧密，“看期货，炒股票”风头强劲，股指期货的推出更是成为两者联动的契机，一时之间，“股市跟随商品期货跳水”或“商品期货价格暴涨，买入相关股票”诸如此类的言论见诸报端。

炒股须紧跟期货价格的变化

约翰·斯蒂尔·戈登在《伟大的博弈》一书中告诫投资者，“人类社会有一条铁律，在没有外来压力时，任何组织的发展都会朝着有利于该组织精英的方向演进。”炒股，对绝大多数投资者来说，最大的劣势是什么？不是投资技巧的缺乏，也不是个股选择的问题，答案是信息的不对称。

证券市场因其信息密集和资金密集的特点，极易成为内幕交易与股价操纵的温床。近日，吴敬琏老先生在接受媒体访谈时，毫不客气地指出“中国股市仍处于‘强盗贵族时代’”。而期货市场是一个充分竞争的市场，信息公开透明，期货价格是买卖双方经过充分竞争之后达成的均衡价格，因

湖南自考成考 GCXY

此期货价格可谓是“真实”的，反映了大家对某种商品价格的预期。

期货价格对股票价格的引领作用主要是出于两个原因：一是从价格传导机制来看，商品价格的涨跌变化影响相关行业上市公司的盈利水平，而盈利水平的变化又会影响投资者的预期，进而影响上市公司的股价。另一方面是期货市场独有的“T+0”和双向交易机制以及其交易成本低、流动性高、信息公开等特点，使之能迅速反映市场信息。

期货价格影响炒股的 三种方式

1、期货品种是公司生产经营的产品。类似铜、铝、锌、黄金等资源类商品期货与江西铜业、云铝股份、中金岭南以及山东黄金之间的相互关系。投资者只要坚持长期观察期货价格趋势，依照期货的价格变动趋势决定股票波段交易的买入、卖出时机。

2、期货品种是公司生产经营的原材料，类似天胶价格与轮胎生产商之间的关系，比如风神股份，这种情况下期货价格一般与股票价格是负相关的。

3、期货价格虽然不直接影响上市公司短期经营，但是对公司中长期发展空间有着深远的影响。最典型的则是原油期货价格与新能源类股票价格的关系。

“煤飞色舞”联动见效

湖南自考成考 GCXY

期股联动、观期做股，最近的例子则是开始于去年中秋长假后并在国庆长假后达到高潮的“煤飞色舞”行情。

当时，美联储表示将继续施行量化宽松的货币政策，美元贬值预期使得国际大宗商品价格快速上涨。LME铜期货自2010年9月22日突破7700一线的平台之后一路稳步上涨，并于10月6日创下了2008年7月中旬以来的新高8326美元。9月23日开始适逢国内股市因中秋佳节而休市，节后，9月27日开始，一些长期跟踪大宗商品价格走势的投资者先知先觉，纷纷转战煤炭有色等资源股，A股市场“喝酒吃药”行情让位，煤炭有色类股票启动上涨。随后日本央行在“十一”国内休市期间祭出零利率政策，转眼之间货币战争一触即发，全球流动性过剩的局面刺激着资本市场的敏感神经。其直接结果是，10月8日，国庆长假后的第一个交易日，以江西铜业、铜陵有色以及国阳新能、兖州煤业为代表的数十只有色煤炭类资源股齐刷刷地封住涨停，“煤飞色舞”行情愈演愈烈，这波行情一直持续到了11月10日央行宣布提高存款准备金率，收紧银根对抗热钱流入和控制通胀。

2010年9月27日至11月10日，一个多月的时间，申万有色金属指数涨幅高达46%，而个股中的“领头羊”铜陵有色、国阳新能在此期间涨幅惊人，分别达到了91.8%和111.77%。回顾走势，货币因素是此轮“煤飞色舞”行情的主导因素，因为基本面并没有发生明显变化，是美联储QE2预

湖南自考成考 GCXY

期背景下全球流动性过剩引发的资产价格重估，序幕是大宗商品价格的持续上涨。

全球资本市场一体化的今天，投资者经历了资本市场的风雨洗礼，操作理念和操作手法日趋成熟和多样化，获利的难度日趋增大。关注期货市场的价格趋势变动买卖股票，可以让投资者事半功倍。欢迎发表评论我要评论

.corrTxt_01{border-top:1pxdashed#C8D8F2;margin-top:-1px;}.corrTxt_01h3{font-weight:bold;padding:5px003px;line-height:25px;margin:0;}.corrTxt_01ul{padding:0020px18px;}.corrTxt_01ulli{font-size:14px;line-height:164.28%;}

期货价格对相关行业股价价格的影响 第3篇

关键词：铜期货价格；股票价格；协整检验

股票价格以及期货价格在本质上都是属于预期价格。从期货和股票的定价理论与相关实证可以看出，期货价格与现货价格有着紧密的联系，同时现货价格又直接或间接地影响着相关行业上市公司的股票价格表现。市场的有效性是商品期货市场与股票市场之间这种关联性存在的前提，在我国弱式有效的市场环境背景下，期货价格对相关行业股票价格的影响是本文研究的方向。

1期货价格影响股票价格的途径

原材料产品价格的变动对于相关资源类企业的成本与企业效益具有直接影响，这种影响通过股票市场上投资者对企业未来业绩变动的预期，转为对相关上市公司股票价格的影响。一般来讲现货价格与期货价格之间存在着综合的双向因果关系：两者之间存在着相互影响与作用，并且相互决定，有效市场中期货价格与现货价格之间存在着长期均衡关系。期货市场的有效性是其价格发现和套期保值两大功能的基础和前提，只有当期货市场有效时，期货价格的变动才能准确和迅速地反映未来现货市场供求关系的变化。

3主要研究结论

在对期铜价格与相关行业公司股票价格之间关系的实证检验中，我们可以得到如下结论：铜冶炼及铜制品行业与期货价格指数之间并不存在长期均衡关系。这主要是由于期货价格对该类公司股票价格的价格传导链相对较长，中间影响因素过多所造成的。对该类公司而言，铜期货价格首先对现货价格作出反映，进而由现货价格决定铜制品行业公司的生产成本，同时值得注意的是影响该类公司成品的销售价格的因素也在决定企业盈利，而诸多因素共同影响下的企业盈利能力才能最终影响到公司股票的价格。有色金属矿采选行业股价与铜期货价格指数之间存在长期均衡关系。这主要是由于期货价格对该类公司股票价格的传导链条相对较短，使得期货价格的波动能直接影响到企业的生产成本并决定企业最终的盈利，因此期货价格对该类公司股票价格的影响也更为迅速和直接。本文的研究结论对我们分析商品期货价格影响相关上市公司股票价格的程度和能力提供了一些启示，同时也对我们认识证券市场价格传导机制以及期货市场的价格发现能力有所帮助，从本文结论我们可以看出我国的股票和期货市场是趋于有效的，这也就使我们在对资源类股票进行分析时可参考相关期货价格的变动，帮助我们作出更合理的投资分析和决策。（作者单位：湖北大学）

参考文献：

[1]Fama.EfficientCapitalMarkets：“AReviewofTheoryandEmpiricalwork，[J].TheJournalofFinance，1970，25（May）：383—417

[2]ElamEandDixonLB.“ExaminingtheValidityofaTestofFuturesMarketEfficiency一[J].TheJournalofFuturesMarkets，1988，8（3）：365—372.

[3]Francis，KimS.MultiscaleHedgeRatiobetweentheAustralianStockandFuturesMarkets：EvidencefromWaveletAnalysis[J].JournalofMultinationalFinancialManagement，2006，16（4）：411—423

[4]王益：沪铜期货的弱式市场有效性检验[J]，统计观察，2005

[5]唐英，温涛.资源类股票价格与期货价格关系的研究一以深沪股市铜业上市公司与铜期货为例[J]，中国证券期货，2007年12月号.

[6]章晟，余攀.跨市场相关资产价格互动的实证研究——以金属铜为例[J]，财贸经济，2008年12期.

[7]解晓军，邰东旭.铜期货价格对相关股票价格影响的实证研究——基于状态空间模型[J]，东方企业文化，2011

[8]陈宋恩：商品期货市场带领股市走势，[N]亚太经济时报，2003—1l一2000

石油期货价格 第4篇

2011年国内粗钢产量呈现“中间高两头低”的特点, 从产量来看, 上半年日均产量逐日攀升最高至202万吨, 随后小幅下滑, 10月份开始在钢价大幅杀跌的影响下急剧缩减, 11月下旬虽略有反弹, 但依然没有改变产量下降的态势, 12月下旬日均产量已降至163万吨, 创2011年以来最低。2011年全国粗钢产量为6.83亿吨左右, 同比增长9.2%。目前中国的钢铁需求开始进入低速增长时期, 中国钢铁工业协会会长朱继民预计, 与2011年相比, 2012年中国钢铁市场将呈现出“低价格、低成本、低库存、低利润”的格局。据工信部预测, 2012年我国粗钢产量将达7.3亿吨, 同比增长7%。

随着近年我国经济的高速发展, 我国已成为世界第一大粗钢生产国, 各大钢厂的产量不断上升, 钢材经销商的经营规模不断扩大, 铁矿石的进口量举世瞩目。如何规避风险就成为众多涉钢企业密切关注的焦点, 钢材期货的对冲功能日益得到业界重视。

二、钢材期货交易的作用

开展钢材期货交易, 一是有助于形成钢材现货与期货有机结合的市场体系, 规范和完善钢材流通市场;二是逐步优化钢材价格形成机制, 指导钢铁上下游企业合理安排生产和经营, 帮助政府部门及时、准确地把握市场变化趋势, 及早采取调控措施, 保障资源的合理配置和市场的供求平衡;三是可提高企业管理水平, 增强市场竞争力, 推动钢铁行业的稳步发展;四是通过品牌注册的方式, 吸引和鼓励规模领先、技术先进、环保达标的钢铁企业将产品注册为交割品种, 促进钢铁工业健康有序发展, 切实贯彻落实《钢铁产业发展政策》;五是依靠钢铁出口大国的优势, 增强我国在钢材贸易中的定价影响力, 提高我国钢铁工业的国际竞争力。在钢材的生产流通领域, 钢材期货的上市在优化钢材价格形成机制、控制经营风险等方面作用显著。

三、数据的选取及图例分析

目前, 线材和螺纹钢是我国生产量和需求量最大的钢材品种, 经销商和生产厂家最多, 线材与螺纹钢的价格走势基本一致, 所以本文仅选取螺纹钢作为研究对象。选取我国上海交易所交易的螺纹钢作为期货品种研究对象, 选取螺纹1205合约为标的, 价格为每周三的收盘价;现货价格选取黑龙江省物资信息中心提供的材质为HRB335的Φ25螺纹钢作为样本, 价格为哈尔滨市钢材市场每周三的平均价格, 研究的时间段为2011年3月9日至2012年3月8日, 时间跨度为一年。由于地区差异, 黑龙江钢材市场销售的螺纹钢产地与上交所的样本并不完全相同, 但市场价格走势基本一致 (如图1) 。

由图1可知, 2011年35月螺纹钢现货价格处于上升态势, 5月4日期货价格达到最高点, 之后直到8月初振荡横盘, 自8月下旬开始下跌。而现货价格自38月末一直在平稳上涨, 最高点出现在8月初, 9月初开始下跌。10月中旬期货价格触底, 经过近2个月的调整再次缓慢上升, 而现货价格直到11月上旬才触底, 并横盘至2012年3月初, 波动极小。对比价格走势图可知, 期货价格先于现货价格上涨和下跌, 价格波动幅度较大, 与现货价格的走势保持正相关。在2011年钢材期货和现货价格出现了20%的降幅, 时间短、下跌幅度大。

四、充分发挥钢材期货的价格发现功能, 规避价格风险

作为钢材交易的参与各方, 如何及时调整经营策略、规避风险是本文研究的重点。

(一) 充分发挥钢材期货的价格发现功能

影响钢材价格的因素主要有生产成本和供求关系, 钢厂的生产成本主要由原材料成本、能源成本、人工成本等构成。尽管生产成本是钢铁产品价格变化的基础, 但供求关系是影响价格走势的重要因素。在成本相对稳定的情况下, 当供过于求时, 价格就会下跌;供不应求时, 价格就会上涨。由于当前资讯发达, 影响钢材价格的信息每日在相关的钢材资讯网站上第一时间更新, 各种资讯对钢材价格的影响会直接体现在当日期货价格的变化中, 远期期货合约还有对未来的综合因素的提前反映;而现货市场中由于进货成本、运输时间等因素, 综合市场的订货、库存、销售等方面影响, 每日销售价格的调整幅度往往小于期货价格的变动幅度。由于期货的价格走势是对市场各类资讯的集中反映, 所以期货价格已经成为众多钢材经销商调整现货价格的依据。由于越来越多的企业开始参与钢材期货交易, 只有认真研究并掌握钢材期货价格与现货价格关系, 才能使其作为企业生产销售决策的重要参考依据。

(二) 利用钢材期货作套期保值, 规避价格风险

市场的变化是不以人的意志为转移的, 虽然现在各种资讯非常快捷、全面, 但是面对大量信息和各种分析, 钢材生产经营企业还是应作出理性的选择, 在市场波动加大, 方向不确定时, 既不能停止生产和销售, 也不能盲目生产和进货, 此时钢材期货的套期保值成为最佳选择。如沙钢, 钢材期货没推出之前, 只能被动生产, 盈利与亏损完全根据市场的价格变化, 价格上涨, 利润会暴增, 价格跳水时亏损将非常惨重, 严重影响企业的正常经营活动, 企业面对这种情况由于没有相应的对冲工具而变得非常被动。目前, 沙钢集团根据每月的生产量、铁矿石合同价格、销售价格等, 计算出企业相应的期货对冲价格, 在期货市场买入相应数量的空单, 这样不论钢材市场价格如何变化, 企业在一定时间内摆脱了产品价格变化的影响, 使企业可以专心生产, 赚取稳定的利润。流通环节的钢材经销商, 每月按合同从钢厂进货, 同样面临着价格下跌的风险。由于期货具有价格发现的功能, 预示未来现货价格下行的风险加大, 所以不论未来现货价格如何波动, 企业此时都应该在钢材期货上作对冲操作, 规避风险。当2011年中的下跌行情出现前, 平时就对钢材期货深入研究的沙钢就已作好了准备, 果然, 8月初期货价格一度维持在现货价格下方, 这样既保证了企业原材料的供应, 也锁定了利润, 而未采取措施的一些厂商损失惨重。

五、结论

随着市场经济的进一步发展, 钢材市场运行机制得到进一步完善, 钢材期货的推出完善了钢材市场体系建设, 为涉钢企业提供了更加完善的交易机制, 为钢铁生产、贸易和消费企业提供低成本、高效率的风险控制手段。只有熟练掌握钢材期货价格和现货价格的关系, 才能更灵活地把握市场变化趋势, 提高企业管理水平, 增强市场竞争力, 推动钢铁行业的稳步、健康、可持续发展。

摘要：螺纹钢期货和线材期货在上海期货交易所上市三年多来, 随着我国粗钢产量和需求的逐年提高, 钢材期货吸引了大量的投资者参与, 期货市场日趋活跃, 资金容量、交易量、持仓量都连创历史新高, 钢材期货市场的功能和作用得到了进一步发挥, 无论是对稳定钢材市场价格, 还是对涉钢企业规避价格风险都具有一定的积极意义。通过近一年来钢材期货和现货价格的走势, 分析我国钢材期货价格与现货钢材价格的关系, 为钢材现货需求企业和期货投资者提供参考。

关键词：钢材期货,钢材现货,螺纹钢期货,线材期货

参考文献

[1]中国证监会批准上海期货交易所开展线材和螺纹钢期货交易.中国证券监督管理委员会公告[R].2009-02-15.

[2]宋力.钢材期货获批:我国钢材贸易定价影响力有望增强[N].建筑时报, 2009-02-26.

石油期货价格 第5篇

摘 要 以大豆、玉米、小麦和早籼稻4种常见的农产品为例，通过相关性分析、基差分析、单位根检验、Johansen协整检验、误差修正模型和Granger因果检验等方法研究我国农产品期货价格与现货价格的动态关联性。研究结果表明，4种农产品的期货价格与现货价格具有高度相关性，期货价格对现货价格起到了降低波动和稳定价格的调整作用；大豆和玉米具有长期均衡的关系，而小麦和早籼稻没有，但是短期均不存在着协整关系。期货与现货价格相互作用、影响，大豆、玉米和早籼稻的合约表现均为期货价引导现货价，只有小麦的期货价与现货价之间不存在因果引导关系。

关键词：农产品；期货价格；现货价格；动态关联

中图分类号：F224；F323.7；F724.5 文献标志码：B 文章编号：1673-890X（2016）01--03

近年来，农产品价格在全球范围内波动严重，主要表现为波动幅度大、波动时间长、涉及面广，从而引起了世界各国纷纷的关注。期货市场具有价格发现和抵御风险的功能，因此农产品期货市场的存在对农产品价格的波动起着不可或缺的作用[1]。1990年，郑州粮食批发市场的建立，这是我国第一个期货市场。随着我国经济的不断发展和对外开放的不断深化，期货市场逐渐趋于稳定和完善。

将期货市场的功能进行有效的发挥可以规避市场风险，并且提高生产者和经营者的核心竞争力，本文选取我国主要的4种农产品，分别是大豆、玉米、小麦和早籼稻，利用期货价格与现货价格分析了我国农产品期货市场与现货市场之间的关联性，在实证分析中，主要探讨了两个方面的内容：一是探究农产品期货市场的套期保值功能，检验4种农产品的期货价格与现货价格是否存在着长期均衡、短期动态关系；二是探究农产品期货市场的价格发现功能，检验4种农产品的期货价格与现货价格是否存在着因果关系。最后提出了完善我国现货市场与期货市场运行机制的对策和建议[2]。

1 样本数据选取与实证分析方法

1.1 样本数据选取

本文选取了大连商品交易所（DCE）2009年8月27日-2014年10月31日，大豆和玉米的期货、现货指数日数据；郑州商品交易所（CZCE）2009年8月26日-2014年10月31日，小麦的期货、现货指数日数据；郑州商品交易所（CZCE）2009年4月20日-2014年10月31日，早籼稻的期货、现货指数日数据（以上数据均来源于中华粮网数据中心）。

1.2 实证分析方法

为了全面地探究4种农产品期货价格与现货价格之间的变动关系，本文首先对各序列进行描述分析、相关性分析和基差分析，探究期货与现货之间的相关程度，接着进行ADF检验以进一步确认序列的平稳性；然后，利用var模型的Johansen协整检验和误差修正模型检验了农产品期货价格与现货价格之间的长期均衡关系和短期动态关系，以判断农产品期货市场的套期保值功能；最后，利用Granger因果分析检验了4种农产品期货价与现货价之间的因果引导关系，以判断农产品期货市场的价格发现功能[3-6]。

2 实证结果分析

2.1 变量的基本描述与平稳性检验

分别对4组样本数据序列的描述性统计量进行汇总之后发现，4种农产品中大豆的期货和现货的平均价格均最大，玉米的的期货和现货的平均价格均最小，由此可以看出我国农产品中大豆的价格较高，玉米的价格相对较低。而4种农产品的平均期货价格均高于平均现货价格，说明了国内的农产品金融市场较为所被看好。从标准差可以看出，期货价格中大豆的波动性最大，小麦的波动性最小，现货价格中大豆的波动性最大，玉米的波动性最小。由偏度系数可以看出，大豆和小麦的现货价格出现正偏态，其他的期货、现货价格都是负偏态，且偏斜程度最大的是大豆期货价格，即我国大豆期货市场价格的偏斜程度最大。由峰度值可以看出三市场的峰度值均小于3，都属于平顶分布，分布特点略平坦。

2.2 农产品期货市场与现货市场价格的相关性分析

利用相关系数计算公式进一步测算表明，玉米期货价格与现货价格的相关系数最高，为0.838 5，4种农产品的相关系数的显著性检验值（t检验概率值）均为0.000 0，表明4种农产品的期货价格与现货价格在1%水平（双侧）上显著相关。可见，4种农产品的期货价格与现货价格相关性很高，期货能较好地发现真实有效的价格[7]。

2.3 我国粮食的期货基差分析

根据我国粮食的期货基差分析结果表明，大豆、玉米、小麦、早籼稻的基差的标准差都小于其现货价格的标准差，说明我国大豆、玉米、小麦、早籼稻的期货基差风险小于现货价格波动的风险。换句话说，在我国粮食期货价格的导向和调整下，相对应的现货价格逐渐收敛于期货价格，期货价格对现货价格起到了降低波动和稳定价格的调整作用。此外，根据市场基差标准差可以看出，市场基差风险的从高到低依次为大豆、早灿稻、小麦、玉米。

2.4 价格序列的平稳性检验

协整分析是建立在平稳序列的基础之上的，若序列不平稳，则会出现伪回归的现象。为了减缓价格时间序列的波动性，首先对4种农产品的期货价格和现货价格取对数，得到处理后的2个序列，即LNF和LNS，并對其进行ADF检验。又因为进行协整检验需要随机变量具有相同的单位根阶数，故而继续对LNF和LNS进行差分处理，进一步得到序列ΔLNF和ΔLNS，对这些序列进行ADF单位根检验。

由检测结果可知，在进行差分处理后，各农产品的日收盘价序列在0.05和0.01的显著性水平下，均不存在单位根，因此认为序列是平稳的，故可验证序列已满足进行协整分析的条件。

2.5 基于VAR模型的Johansen协整检验

2.5.1 VAR模型估计和平稳性检验

Johansen协整检验是借助VAR模型来完成的。因此，首先需要建立一个合适的VAR模型，再根据所建立的VAR模型，确定合理的滞后阶数。对一阶单整序列LNFUTURES和LNSPOT进行VAR模型的拟合，由拟合结果表明SC指标均指向1为最优滞后阶数，因此，确定最优的滞后阶数为1。

在得到确定的VAR模型之后，进一步作出AR特征多项式的单位根表格和单位圆图形来对VAR模型进行平稳性检验。经过检验后发现，该模型的根都有2个，模均小于1，并且都是实数[8]；同时，每个模型的两个根均在单位圆之内，对应的特征多项式的根的倒数也都在在单位圆之内。由此可以判断，VAR模型是稳定的。

在得到稳定的VAR模型的基础上，将进一步进行Johansen协整分析。

2.5.2 Johansen协整检验

进行Johansen协整检验的目的，在于检验各农产品期货价格和现货价格之间有没有存在长期的均衡关系。基于前面所建立的VAR模型，对序列LNF和LNS的VAR模型进行Johansen协整检验。

对大豆的检验结果进行分析。原假设“r=0”表示“存在零个协整关系”，对应的迹统计量为18.93709，在0.05显著性水平下，拒绝原假设，因此至少存在一个协整关系；原假设“r=1”表示“至多存在1个协整关系”，对应的迹统计量为3.841466，在0.05显著性水平下，接受原假设，因此认为存在1个协整关系。最大特征值检验结果与迹统计量结果是一致的。因此可以得到，大豆的期货价格序列与现货价格序列之间在0.05的显著性水平下存在1个协整关系。

同理可得玉米在0.05的显著性水平下也存在1个协整关系，小麦和早籼稻则不存在协整关系。

2.6 误差修正模型

由于只有大豆与玉米期货与现货价格指数存在一个协整关系，而小麦与早籼稻则不存在协整关系。因此，本模型只针对大豆和玉米期货建立误差修正（VEC）模型。对结果进行分析，发现我国大豆、玉米期货现货价格的误差修正项系数分别为-0.005 8、0.006 464、-0.010 67和-0.005 82，在5%的显著水平下具有显著性意义，说明我国大豆、玉米的期货、现货市场发生变化时，在短期可以恢复长期均衡的作用。然而其误差修正项系数都偏小，说明我国大豆、玉米的期货、现货市场价缺乏传递效率，其不存在短期的协整关系。

2.7 Granger因果检验

对大豆、小麦、玉米和早籼稻的期货、现货价格指数数据进行格兰杰因果检验，发现在5%显著水平下，大豆、玉米和早籼稻的合约表现均为期货价引导现货价，只有小麦的期货价与现货价之间不存在因果引导关系。

3 结语

本文针对农产品期货、现货市场价格关联关系，对我国市场的大豆、小麦、玉米、早籼稻农产品期货市场价格与现货市场价格的进行实证分析，所得结论如下。

从现货与期货价格相关性，我国大豆、小麦、玉米以及早籼稻期现货价格的相关系数分别为0.791、0.683、0.839、0.741。其中，玉米的期现货价格相关程度最高；而小麦期现货价格的相关程度最低，但各农产品的期货现货价格都表现有较强的相关性。

从期货市场的有效性上来看，首先，我国大豆、玉米的期现货价格之间均存在一个协整关系，然而小麦和早灿稻不存在协整关系。当价格偏离均衡状态时，大豆、小麦期货价格均能在短期内恢复到均衡状态。

从引导关系上分析，除了小麦农产品不存在因果关系外，大豆、玉米以及水灿稻都仅体现出期货价格引导现货价格的单向引导关系。

从基差风险分析，大豆、玉米、小麦、早籼稻的基差的标准差都小于其现货价格的标准差，说明我国市场大豆、玉米、小麦以及水灿稻的现货价格逐渐收敛于期货价格，期货价格对现货价格起到了降低波动和稳定价格的调整作用。

参考文献

[1]王川.我国粮食期货市场与现货市场价格关系的研究[J].农业信息研究所，2009（6）.

[2]邰银平.大豆期货价格与国产大豆现货价格动态关系研究[J].哈尔滨理工大学，2014（3）.

[3]陈刚，唐衍伟.期货市场价格波动与市场弱有效性的检验与分析[J].系统工程，2004（5）.

[4]胡宇，周宏.中國小麦期货市场期现货价格关系研究[J].金融经济，2006（8）.

[5]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）.

[6]华仁海.现货价格和期货价格之间的动态关系：基于上海期货交易所的经验研究[J].世界经济，2005（8）.

[7]贾月梅.影响期货价格波动的基本因素[J].价格月刊，1993（1）.

[8]荆林波.现货市场发育与期货市场发展的相关性——中国农产品期货发展有关问题的探讨[J].中国农村经济，1999（6）.

石油期货价格 第6篇

农产品期货市场是农产品市场的重要组成部分, 它能通过套期保值转移商品价格风险, 发现合理预期竞争性价格, 调节农产品现货价格, 从而稳定农产品的长期供求关系。我国期货市场经过多年的发展和规范, 过度投机性逐步得到抑制, 价格发现功能逐步彰显, 对国内产品价格、宏观经济走势的先导作用初现端倪。期货市场能够充分发挥价格发现的功能, 前提和关键在于市场是否有效率。

Fama在《有效资本市场:实证研究回顾》中提出了有效市场假说:如果在一个证券市场中, 价格完全反映了所有可获得的信息, 称这样的市场为有效市场。此外Fama还提出了区分有效市场的3种水平:弱型有效市场, 价格充分反映市场的历史信息;半强型有效市场, 价格充分反映了市场所有公开可用的信息;强型有效市场, 价格充分反映市场的所有公开和未公开的信息, 是最大程度的市场效率。关于期货与未来现货价格之间的关系国外学者已进行了大量研究, Johansen和Juselius提出了用协整分析法检验期货市场的效率。Chowdhury、Holmes、Nomikos等采用协整方法对期货价格与现货价格之间的关系进行实证检验, 结果显示大多数期货品种期货与现货价格之间存在较好的协整关系, 但某些期货品种期货和现货价格之间不存在协整关系。

本文通过选取小麦和豆油的期货和现货价格, 应用单位根、协整和格兰杰因果关系检验等计量方法, 对期货与现货之间的关系进行了检验。

二、实证研究

(一) 样本数据

本文选取了小麦和豆油的期货和现货价格进行分析。期货价格数据来源于大连商品期货交易所豆油期货和郑州商品期货交易所小麦期货每周成交价格的统计。现货价格数据来源于万得数据库对于现货市场价格的统计。

(二) 单位根检验

应用ADF检验来检验时间序列数据随机游走。ADF检验描述如下:

设存在随机时间序列:

其中εt是均值为0, 方差为σt2的正态白噪声, 零假设为yt是随机游走过程。如果β=1, 则时间序列yt服从随机游走, 该一阶自回归过程不平稳;如果β<1, 则时间序列yt不服从随机游走, 该一阶自回归过程是平稳的。现有两个模型: 无限制回归模型:Vyt=μ+bt+ (β-1) yt-1+εt;有限制回归模型:。无限制回归模型对应的残差平方和为: ;有限制回归模型对应的残差平方和为:。

记 , 其中q为有限制回归模型未知参数个数。H0成立时, Dichey and Fuller给出了它的分布。如果H0成立, F应充分小, 否则F应该较大。所以对任意α∈ (0, 1) , 查表可得Fα, 若F>Fα, 拒绝H0;否则可以认为yt服从随机游走。

但上述模型隐含着假设误差项εt不存在序列相关。扩展的DF检验可以实现在εt存在序列相关时, 进行单位根检验。扩展的DF检验模型如下:

p值一般通过实验确定。

先对无限制回归方程 用OLS进行估计, 然后对有限制回归方程 Δyt-j用OLS进行估计, 计算出F值, 检验yt是否为随机游走 (见表1、表2) 。

在5%的置信水平下, 小麦的期货价格和现货价格、豆油的期货价格和现货价格的零假设都不能被拒绝, 说明这些价格都服从随机游走。进一步对小麦的期货价格和现货价格、豆油的期货价格和现货价格的一阶差分进行ADF检验, 发现这些产品价格的一阶差分都拒绝了零假设, 也就是说这些价格都是一阶差分平稳的, 不服从随机游走。

(三) 协整检验

Bigman最早提出了期货市场简单有效性的概念, 认为若期货市场是有效的, 则期货价格应是交割日现货价格的无偏估计量, 即E (ST-Ft, T|Φt) =0, 其中ST是交割日T时商品的现货价格, Ft, T表示交割日为T的期货合约在t时的期货价格, Φt表示t时所有信息的集合。目前对期货市场价格发现的有效性的研究主要采用Engle-Grange协整检验。设xt和yt都是随机游走, 如果存在β≠0使得yt=βxt+εt+β0, 则称两个序列存在协整关系。检验两个随机游走是否存在协整关系的步骤如下:第一, 用DF检验, 考察xt和yt是否为随机游走。第二, 若xt和yt服从随机游走, 考虑yt=βxt+εt+β0, 求出最小二乘解^y, 令ε^=y-y^。第三, 检验残差序列^ε是否平稳。检验残差序列平稳性可以用ADF检验或者DW检验, DW检验方法如下:假设εt=ρ0+ρ1εt-1+at, 其中at均值为0, 方差为σt2的正态白噪声;利用DW检验, 统计量为 ;对任意α∈ (0, 1) , 可以得到dl和du, dl4-du, 则认为εt非平稳;若dl

协整检验第一步的结果已在第二部分得到检验, 进一步检验是否存在协整关系 (见表3) 。

通过检验可以得出小麦的一年期期货价格和一年期现货价格之间存在协整关系。而豆油的一年期期货价格与一年期现货价格之间则不存在协整关系。豆油临交割前3个月的期货价格和现货价格存在协整关系, 而超出这个时间跨度, 期货价格与现货价格之间的协整关系不再存在。

(四) 格兰杰因果检验

Granger对变量之间的因果关系做了如下定义:如果x是引起y变化的原因, 则x应该有助于预测y, 即在y关于y过去值的回归中, 添加x的过去值作为独立的解释变量, 应该显著增加回归的解释能力。此时, 称x为y的原因。如果添加x的滞后变量后, 没有显著增加回归模型的解释能力, 则称x不是y的原因。

当检x是否为y变化的原因时, 用OLS估计下面两个模型:模型1:。p i=1Σαiyt-i+ε1t;模型2:yt=α0+p i=1Σαiyt-i+p j=1Σβjxt-j+ε2t。

构造如下统计量: 。

若x不是y的格兰杰原因, 则两个模型的残差平方和应当相当接近, 即F统计量应该比较小, 因此判别规则如下:若FFα, 则拒绝原假设 (见表4) 。

小麦的一年期期货价格是一年期现货价格的格兰杰原因, 而小麦的一年期现货价格不是一年期期货价格的格兰杰原因。豆油的一年期期货价格是现货价格的格兰杰原因, 而豆油的一年期现货价格不是一年期期货价格的格兰杰原因。

三、结论与启示

第一, 经过多年的治理和整顿, 我国期货市场已经逐步走向规范化, 市场效率逐步提高小麦和豆油期货价格能够比较有效地对市场信息做出反应。

第二, 小麦的一年期期货价格和一年期现货价格能够互相进行预测。豆油的一年期期货价格和一年期现货价格不存在协整关系, 但是距交割前3个月的豆油期货价格和豆油现货价格存在协整关系, 能够互相进行预测。而超过3个月的时间跨度, 豆油期货价格和现货价格之间的协整关系逐步消失。

第三, 小麦和豆油的一年期期货价格能够有效影响一年期现货价格。虽然豆油的一年期期货价格和一年期现货价格不存在协整关系, 不能互相进行预测。但豆油的一年期期货价格仍能对一年期现货价格产生重要影响。

第四, 我国应进一步加快期货市场发展, 不断增加交易品种, 完善交易机制, 加强期货监管, 使期货市场的价格发现功能完全得到发挥, 从而对现货价格产生更有效的引导, 充分发挥宏观经济先行指标的重要作用, 保持社会生产的稳定和国民经济的健康发展。

参考文献

[1]、刘庆富, 王海民.期货市场与现货市场之间的价格研究——我国农产品市场的经验[J].财经问题研究, 2006 (4) .

[2]、汪北翔, 黄海波.对我国期货价格随机游走假设的检验[J].统计与决策, 2004 (11) .

石油期货价格 第7篇

在玉米期货市场的有效性、期现货价格之间的引导关系以及价格发现功能的发挥程度等方面的研究文献主要有:田彩云、郭心义 (2006) 对大商所玉米期货市场的价格发现功能运用协整检验、格兰杰因果检验以及GS模型对玉米每周同一天的收盘价进行实证分析, 发现仅存在从期货价格到现货价格的单向格兰杰因果关系, 玉米期货价格在价格发现作用中起主导作用;贾兆立等 (2008) 发现玉米期现货价格之间存在双向的格兰杰引导关系、协整关系, 价格发现功能中期货价格起着决定性的作用;张烨 (2009) 运用协整检验和误差修正模型对从大连和上海两交易所玉米、铜期货市场的价格发现功能进行比较分析, 发现上海铜期、现货价格之间存在的长期均衡关系强于大连玉米的;当现货价格变动时, 玉米期货价格的修正速度远远低于铜的修正速度, 说明玉米期货市场的有效性低于铜期货市场的有效性。

2 实证分析

本文选取2009年1月5日到2011年5月3日大商所玉米期货合约的日结算价 (单位:元/吨) , 以及同期的玉米现货价格日平均价格作为实证分析对象, 剔除了无交易的交易日和期货价格与现货价格日期不匹配的观测值, 共有560个观测值, 数据来源于Wind资讯金融终端。

2.1 协整性实证分析

从玉米期货、现货价格的散点图形状近似呈现一根向上倾斜的棒状, 并且线性趋势集中, 可以看出两者之间的线性相关性比较强。通过Eviews软件计算得到玉米期货、现货价格的相关系数高达0.97。

由下图看出, 序列呈现出明显的上升趋势, 在检验其期货价格、现货价格对数序列平稳性时, 选择了带有常数项和趋势项的检验模型, 玉米期货价格、现货价格序列的一阶差分序列则是没有常数项和趋势项的, 依据AIC准则和SC准则最小化的原则确定滞后阶数。根据玉米期货价格、现货价格取对数后的价格序列走势图, 选择了带有常数项的Johansen协整检验模型。利用迹统计量和最大特征值统计量来检验玉米的期、现货价格之间是否存在协整关系, 检验结果如表1所示。

从玉米期货价格与现货价格的Johansen协整检验结果中可以看出:在5%的显著性水平下, 对于零假设r=0来说, 无论是迹统计量还是最大特征值统计量的值都大于临界值, 因此拒绝零假设;对于零假设r1来说, 迹统计量以及最大特征值统计量的相伴概率均小于显著性水平0.05, 因此不能拒绝r1的零假设。这就说明玉米的期货价格与现货价格之间存在一种长期均衡的关系。

2.2 Granger因果检验

由表2可以看到, 零假设“玉米现货价格不是期货价格的格兰杰原因”这一事件发生的概率为0.0033, 小于5%显著性水平, 所以应该拒绝接受零假设, 即玉米现货价格是期货价格的格兰杰原因;零假设“玉米的期货价格不是现货价格的格兰杰原因”这一事件发生的概率也小于显著性水平5%, 因此拒绝接受零假设, 即玉米的期货价格是现货价格的格兰杰原因。综合上述分析可以看出, 玉米的期货价格与现货价格之间存在双向的格兰杰因果关系。

3 误差修正模型

协整检验表明玉米的期货价格与现货价格之间存在长期均衡关系, Granger因果检验证明二者之间存在双向的格兰杰因果关系, 在此基础上, 通过误差修正模型进一步刻画玉米市场短期偏离时的误差调整过程及长期均衡的实现。由最小二乘法估计, 在5%的显著性水平下, 逐步剔除掉方程中回归系数不显著的项之后得到玉米期、现货价格之间的误差修正模型为:

ΔlnSt=0.0822Zt-1-0.0125ΔlnSt-1+0.4750ΔlnFt-1

ΔlnFt=0.0004-0.0072Zt-1+0.4565ΔlnFt-1

从表3的参数估计结果来看, 玉米现货价格的误差修正项系数为正, 期货价格的误差修正项系数为负, 说明当上一期的玉米现货价格高于均衡水平, 本期现货价格的涨幅ΔlnSt将会减小, 本期期货价格的涨幅ΔlnFt将会增大, 使玉米的期货价格与现货价格向均衡水平回归;反之亦然。

根据期货价格误差修正项的系数为-0.0072, 说明期货价格在上一期偏离均衡水平的部分在下一个交易日会有0.72%的比例得到反向调整;现货价格误差修正项的系数为0.0822, 则说明现货价格偏离均衡水平的部分在下一个交易日有8.22%的比例得到调整。另外, 现货价格的误差修正项系数的绝对值大于期货价格的, 表明在实现长期均衡过程中现货市场起主要的作用, 但两者的系数均是非常小, 因此向长期均衡状态回归的速度较慢。

4 相关结论

本文运用平稳性检验、协整检验、Granger检验、误差修正模型和GS模型这几个方法, 从不同的角度对大商所玉米期、现货价格之间的引导关系做了全面分析。研究发现:我国玉米期货价格与现货价格均是一阶单整的, 二者具有协整关系即存在长期均衡;玉米的期、现货价格之间存在双向Granger因果引导关系;在价格发现功能中, 误差修正模型表明现货市场发挥主导作用。

摘要：运用Granger因果检验、Johansen协整检验、误差修正模型对我国玉米期货价格与现货价格之间的引导关系作了实证分析。结果发现:玉米期货价格与现货价格之间存在双向的Granger因果关系、长期均衡关系, 在实现长期均衡的过程中, 期货市场发挥主导作用。

关键词：玉米,期货价格,现货价格

参考文献

[1]王川.我国粮食期货市场与现货市场价格关系的研究[D].北京:中国农业科学院, 2009.

[2]田彩云, 郭心义.我国玉米期货市场价格发现功能的实证分析[J].中国农村经济, 2006 (6) :52-71.

[3]贾兆立, 白玫, 王海军, 等.中国玉米期货市场价格发现功能的实证分析[J].数学的实践与认识, 2008, 38 (15) :81-85.

石油期货价格 第8篇

我国的期货交易市场产生于20世纪80年代末与90年代初。在这将近20年中, 规避风险者、套期保值者和投机者这三种角色在期货市场中交易频繁, 无疑促进了我国期货市场的蓬勃发展。在学术研究中, 期货价格与现货价格的关系这一问题也随着相关理论的发展 (尤其是时间序列的相关理论) 而取得了很大程度的研究进展。

期货市场理论研究表明, 商品现货价值决定商品的期货价格。商品的期货价格与现货价格尽管可能有差异, 但二者的变动趋势是一致的。这是由于以下两个原因:①尽管现货市场与期货市场是两个有着各自不同分工的市场, 但由于某一特定商品的期货价格与现货价格在同一时空内会受相同经济因素的影响和制约, 从而会使二者的变动趋势相同;②在实际经济活动中, 随着期货合约到期日的临近, 期货价格与现货价格会更加接近。首先, 当接近交割时, 影响期货价格高于现货价格的因素期货价格中的持有成本会逐渐消失, 期货也就变成了现货, 从而使二者趋同。其次, 如果此时同一种商品期货价格与现货价格出现不正常的差异, 套利者的活动又会使二者趋于一致。因为套利者会利用这一差异在两个市场上同时进行贱买贵卖的交易活动, 受供求规律的影响, 套利活动的结果会使相对价格低的因购买者增加而提高, 而相对价格高的又会因为卖者增多而下降, 最终导致二者的均衡一致。

2 协整理论简介

在实际分析中, 许多经济变量都是非平稳的。但是一些非平稳变量之间会表现出共同增长、共同下降的稳定的、长期的变化趋势。这便是Engle和Granger于1987年提出的协整关系。

由于协整理论是针对非平稳变量的, 所以首先要对所研究的经济变量进行单位根检验, 来判断变量是否为非平稳变量。单位根检验包括DF检验和ADF检验, 其中前者适用于一阶自回归变量, 而ADF检验则为更加广泛的单位根检验方法, 可适用于多阶自回归变量的平稳性检验。ADF检验有以下三种形式:

undefined (1)

undefined (2)

undefined (3)

以上三式分别表示既无截距项也无时间趋势的单位根检验、只含有截距项的单位根检验、同时含有截距项和时间趋势的单位根检验。在ADF检验中, 如果γ的t统计量 (有的文献中标记为τ统计量) 小于相关临界值, 则拒绝有单位根的零假设, 即变量为平稳的;若t统计量大于相关临界值, 则不能拒绝有单位根零假设, 即变量为非平稳的。

对于已确认为非平稳的变量来说, 常用的一种转化为平稳的方法便是差分。一个非平稳变量若经过d次差分后可以转化为平稳变量, 则该变量为d阶单整变量, 记为I (d) 。根据协整的一般定义, 若两个变量具有相同的单整阶数, 即都为I (d) , 并且yt-αx=εt～I (0) , 即两个非平稳变量的某个线性组合为平稳变量, 则这两个非平稳变量具有协整关系。

文献中常用的协整检验方法有两种, 即Engle-Granger方法 (E-G方法) 与Johansen方法。由于E-G方法的估计量具有超一致性和强有效性, 本文采用E-G方法。具体来说, E-G方法可以包括以下四个步骤:①确认变量的单整阶数;②估计长期均衡关系;③估计误差修正模型;④评价模型的适用性。本文下面将E-G方法应用于我国铜的期货价格与现货价格, 具体阐述每一步骤的应用方法。

3 样本数据来源及说明

本文使用的样本为2009年1月交割的每日铜期货清算价格与当日现货平均价格。时间为2008年1月16日2008年12月31日, 共236个数据 (除去周末与节假日) 。本文的期货数据来源于上海期货交易所网站 (www. shfe.com.cn) , 现货数据来源于上海金属网 (www.shmet. com) 。

期货价格序列记为Ft, 现货价格记为Pt, 取对数后分别记为LOGFt和LOGPt, 取对数后再进行一阶差分的序列分别记为ΔLOGFt和ΔLOGPt。所使用的软件为Eviews 5.0。

4 实证研究

4.1 基本序列统计描述

首先对原始的期货价格序列Ft和原始的现货价格序列Pt做出折线图, 如图1所示 (纵坐标的单位为元/吨) 。

从折线图可以看到, 铜的期货价格在大多数时间内都低于现货价格, 并且二者没有明显地围绕某个均值进行波动, 并且在后半年均值急剧下降, 可以初步判定二者为非平稳序列。但是二者从2008年前六个月的60000～70000的价位到年末30000左右的价位始终保持着高度一致的变动趋势, 说明二者间可能存在长期的均衡关系, 即存在协整关系。

图2为对期货价格与现货价格取对数以后的两个序列的折线图。

从图中可以看到, 取对数后的两个序列LOGFt和LOGPt依旧保持着高度一致、长期的变动趋势。下面用完整的ADF检验对这两个序列进行正规的单位根检验, 以确定原序列及一阶差分后的序列是否为平稳序列。

4.2 ADF单位根检验

在进行正规单位根检验之前, 首先对序列LOGFt和LOGPt差分后的两个序列ΔLOGFt和ΔLOGPt做出折线图, 如图3和图4所示, 以直观进行判断。

可以看到, 在进行一阶差分后, 两个序列都表现为近似平稳。下面对两个序列进行正规的单位根检验。

首先对LOGFt进行ADF检验。采用包含截距项、不包含时间趋势形式的ADF检验, 可以得到如下回归方程 (根据AIC最小准则, ΔLOGFt的滞后阶数为0) :

ΔLOGFt=-0.0963+0.00855LOGFt-1+εt

并且针对LOGFt-1前系数的ADF检验结果如表1所示。

*概率为Mackinnon (1996) 单边p值

可以看到, 即使在10%的显著性水平下, 也不能拒绝序列含有单位根的假设。也就是说, 序列LOGFt含有单位根, 是非平稳的。

接下来对序列LOGFt的一阶差分ΔLOGFt进行ADF检验, 得到回归方程为 (根据AIC最小准则, Δ (ΔLOGFt) 的滞后阶数为0) :

Δ (ΔLOGFt) =-0.003544-0.9672ΔLOGFt-1+εt

针对ΔLOGFt-1前系数的ADF检验结果如表2所示。

*概率为Mackinnon (1996) 单边p值

可以看到, ΔLOGFt-1的t统计量达到了-14.7, 在1%的显著性水平下可以拒绝含有单位根的原假设, 也就是说, ΔLOGFt序列是平稳的。由于非平稳序列LOGFt序列经过一次差分后成为平稳序列, 所以序列LOGFt为一阶单整序列, 即LOGFt～I (1) 。

类似地, 可以重复上面的步骤对LOGPt进行ADF检验。采用包含截距项、不包含时间趋势形式的ADF检验, 可以得到如下回归方程 (根据AIC最小准则, ΔLOGPt的滞后阶数为5) :

ΔLOGPt=-0.0784+0.006914LOGPt-1+

0.09386ΔLOGPt-1-0.1202ΔLOGPt-2+0.07628ΔLOGPt-3+

0.26134ΔLOGPt-4-0.1676ΔLOGPt-5+εt

并且针对LOGPt-1前系数的ADF检验结果如表3所示。

*概率为Mackinnon (1996) 单边p值

可以看到, 即使在10%的显著性水平下, 也不能拒绝序列含有单位根的假设。也就是说, LOGPt序列含有单位根, 是非平稳的。

接下来对序列LOGPt的一阶差分ΔLOGPt进行ADF检验, 得到回归方程为 (根据AIC最小准则, Δ (ΔLOGPt) 的滞后阶数为4) :

Δ (ΔLOGPt) =-0.002902-0.7676ΔLOGPt-1-

0.1251Δ (ΔLOGPt-1) -0.2274Δ (ΔLOGPt-2) -

0.1300Δ (ΔLOGPt-3) +0.1493Δ (ΔLOGPt-4) +εt

针对ΔLOGPt-1前系数的ADF检验结果如表4所示。

可以看到, ΔLOGPt-1的t统计量达到了-5.872, 在1%的显著性水平下可以拒绝含有单位根的原假设, 也就是说, ΔLOGPt序列是平稳的。由于非平稳LOGPt序列经过一次差分后成为平稳序列, 所以序列LOGPt为一阶单整序列, 即LOGPt～I (1) 。

*概率为Mackinnon (1996) 单边p值

4.3 期货价格与现货价格的协整关系检验

由于序列LOGFt和LOGPt均为一阶单整变量, 便可以对二者之间是否存在协整关系进行检验。以现货价格LOGPt为解释变量, 期货价格LOGFt为被解释变量估计方程, 得到结果如表5所示。

R2=0.992843, 调整R2=0.992813

所估计出的方程为LOGPt=0.6230+0.9458LOGFt+et。

为了判断序列LOGPt和LOGFt是否存在协整关系, 需要对这一方程的残差et是否为平稳序列进行检验。如果et为平稳序列, 则二者存在协整关系, 所估计的方程即为二者的长期均衡关系。如果et为非平稳序列, 则二者不存在协整关系。

4.4 残差平稳性检验

首先对残差序列εt做出折线图, 如图5所示。

直观上来看, 尽管在2008年812月由于铜价的急剧下跌, 残差序列呈现大幅度的波动, 但从整个时间段来看, 序列仍然表现为围绕某个均值上下波动, 具有向均值恢复的趋势。下面利用ADF检验来正式检验残差序列et是否平稳。

对残差序列undefinedt进行含有截距形式的ADF检验, 估计得到方程如下 (Δet的滞后项根据AIC最小准则为0) :

undefined

针对et-1前系数进行的ADF检验结果如表6所示。

*概率为Mackinnon (1996) 单边p值

可以看到, et-1系数的t统计量为-4.09, 在1%的显著性水平下可以拒绝存在单位根的假设, 即残差序列et为平稳序列。因此可以得出结论, 序列LOGFt和LOGPt存在协整关系, 即二者存在稳定的、长期的均衡关系。二者的长期关系为:

LOGPt=0.6230+0.9458LOGFt+et

其中et为二者与长期均衡关系的偏离。

4.5 ECM模型的估计及解释

ECM模型 (误差修正模型) 是一种受约束的VAR模型, 它以差分后的平稳变量为被解释变量, 以前一期的长期均衡偏差和差分后平稳变量的滞后项 (各变量滞后阶数需相等) 为解释变量估计方程, 以表示原非平稳变量间的短期均衡关系。

现在分别以ΔLOGPt和LOGFt为被解释变量, undefinedt-1、ΔLOGPt-1、ΔLOGFt-1为解释变量, 估计方程得到结果如表7所示。

R2=0.026830, 调整R2=0.014137

由于两个方程中长期均衡偏差undefinedt-1的系数全部显著, 并且可以检验得到两方程的残差均近似为白噪声, 方程有意义。由此可以得到最终的ECM模型为:

undefined

以上两式表示序列LOGFt和LOGPt的短期均衡关系。值得注意的一点是, 这两个方程中的速度调整系数 (即undefinedt-1前的系数) 分别为0.05453和-0.08531。也就是说, 在短期内, 若前一期的长期均衡偏差增加一个单位, LOGFt和LOGPt这两个序列在当期的变化值分别增加0.05453个单位和减少0.08531个单位。在上面期货价格与现货价格的折线图中可以看到, 在大多数时间内期货价格小于现货价格, 而长期均衡偏差的存在使期货价格有向上均衡运动的趋势 (因为undefinedt-1的系数0.05453为正) , 而长期均衡的存在也使现货价格有向下均衡运动的趋势 (因为undefinedt-1的系数-0.08531为负) , 此结论也进一步说明, 期货价格与现货价格存在长期的、稳定的运动趋势, 二者在长期中趋于均衡。

5 结 论

本文以时间序列理论中的协整理论为工具, 以2008年我国铜的期货价格与现货价格为样本, 分析了二者之间的关系, 并得出了期货价格与现货价格 (对数形式) 具有协整关系的结论。二者的长期均衡关系为:

LOGPt=0.6230+0.9458LOGFt+et

而表征二者短期内均衡关系的ECM模型为:

undefined

由两式中undefinedt-1的系数可以知道, 对于前一期每一单位的长期均衡偏差, LOGFt会增大并且向均衡值靠近0.05453个单位, 而LOGPt会减小并且向均衡值靠近0.08531个单位。

虽然对于不同的商品来说, 由于市场结构的差异、商品本身存在的差异 (如工业品与农产品不同、原材料与制成品不同) 、套期保值量的多寡、市场参照物的大小不同, 其期货价格与现货价格将表现出一定的差异性, 但将其期货价格与现货价格进行协整分析, 探测其长期稳定关系与短期波动关系, 这对期货市场的理论研究与实际操作仍然具有启发意义。

参考文献

[1]崔强.大豆期货价格与现货价格波动的协整分析[J].金融与证券, 2008 (6) :59-60.

我国黄金期货价格发现功能研究 第9篇

自2008年黄金期货正式挂牌上市交易以来, 黄金期货市场得到充分发展。同时, 我国学者对黄金期货市场做出大量研究, 汪淑娟 (2013) 选取2008年至2012年的数据对中国黄金期货市场的有效性进行检验, 发现我国黄金期、现货价格存在长期均衡关系, 黄金现货价格对期货价格有较强的引导能力, 期货价格对黄金现货价格的引导能力不足;赵伟雄 (2013) 通过对2008年1月9日至2013年4月26日的黄金期、现货价格进行实证分析, 发现我国黄金期、现货价格都不是平稳序列, 两者保持长期均衡关系, 且黄金现货价格的变动单项引起黄金期货价格变动;陈佳姝 (2012) 选取2009年12月16日到2010年12月15日收盘价对我国黄金期货价格发现功能实证探究, 发现我国黄金期货价格和现货价格之间存在长期均衡关系, 黄金期货价格和现货价格之间存在一个双向的格兰杰因果关系。但是所提及的研究大多采用陈旧数据分析黄金期现货的引导关系, 不能反映最近黄金现货价格剧烈下跌, “中国大妈疯抢”是否会影响黄金期货市场?期货市场是否具有价格发现功能?基于此, 本文选取疯抢之后的数据, 在黄金价格剧烈波动的基础上, 对黄金期货价格发现功能进行研究, 以期使投资者对黄金期货价格预测投资有所帮助。通过选取2013年到2014年最新数据对比发现, 对我国黄金价格发现功能的研究与陈佳姝的研究不同, 而与汪淑娟和赵伟雄等大多数研究一样, 我国黄金期货不具备价格发现功能。

二实证分析

1. 数据来源。

本文选取AU99.95价格作为黄金现货价格的研究数据, 上海黄金交易所的黄金期货价格作为黄金期货价格的研究数据。两者均采用收盘价, 数据时间为2013年4月16日至2014年3月26日, 黄金期货价格序列为GF, 黄金现货价格序列为GP。数据分别来源于国泰安和上海黄金交易所。

2. 实证检验。

(1) 平稳性检验。本文应用Eviews5.0软件对上述数据进行平稳性检验。检验结果如表1所示。

对原始数据进行滞后一期的ADF单位根检验, 黄金期、现货价格时间序列不存在单位根, 为平稳序列。由于它们是同阶单整的, 满足协整检验的前提条件, 故可以对其进行协整检验。

(2) Johansen检验。协整检验结果及生成残差序列ADF单位根检验如下:

该方程R2统计量高达0.969, 具有很好的拟合度, 黄金现货价格GP的t统计量显著, 二者协整关系较为明确。在生成协整方程的同时会生成残差序列 , 结果如表2所示, 残差序列 在1%、5%、10%的显著性水平下都能通过单位根检验, 为平稳序列。表明黄金期货的价格和黄金现货的价格存在长期的均衡关系。

(3) 误差修正模型。黄金期货价格的短期变动可以分为两部分:一部分是短期黄金现货价格波动的影响, 另一部分是偏离长期均衡的影响。因此对序列残差建立修正模型, 令 , 将上式残差序列 作为误差修正项, 建立误差修正模型:

中国黄金期货价格与现货价格波动的长期均衡系数为0.62, 反映了受短期波动的影响;误差修正项的系数-0.68, 表示偏离长期均衡的调整力度, 综上说明中国黄金期货价格与现货价格长期趋于一致, 但是两者没有较高的依存度。

(4) Granger因果检验。经过一阶差分后, 和序列通过平稳性检验, 现对其进行Granger因果检验。由于Granger因果检验对引入变量的滞后阶数非常敏感, 检验时取不同滞后阶数可能会带来不同结果, 为了全面、精确地检验二者之间的关系, 对1-3的滞后阶数都进行检验, 结果如表3所示。

根据以上检验结果可知, 对于假设1:DGP不是DGF的Ganger原因, 1-3阶滞后水平下, F检验值都很显著, 概率P都小于临界值0.05, 因此拒绝原假设, DGP是DGF的Ganger原因;对于假设2:DGF不是DGP的Ganger原因, 1-3阶滞后水平下, F检验值都不显著, 概率P也都大于临界值0.05, 因此接受原假设, DGP不是DGF的Ganger原因。充分说明, 黄金现货的价格显著影响着黄金期货的价格, 而黄金期货的价格对黄金现货价格的影响很小。

三结论

本文应用协整检验、误差修正模型和Granger因果关系检验的方法对我国最近黄金期货价格和黄金现货价格之间的关系进行实证研究, 发现黄金价格的变化并没有对黄金期货市场产生影响。

1.Johansen协整检验发现我国黄金期货和现货价格之间存在协整关系, 这说明两者之间存在一种长期的均衡关系。

2.误差修正模型得出中国黄金期货价格与现货价格长期趋于一致, 两者没有较高的依存度, 中国黄金期货市场具备一定规避风险的功能。

3.Granger因果关系检验得出现货价格对期货价格有着较强的引导能力, 而期货价格对现货价格的引导能力不足, 我国黄金期货市场的定价效率还未达到有效, 得出我国现阶段的黄金期货市场不具有价格发现的功能。

四政策建议

长期来看, 我国黄金期货价格和现货价格之间存在着长期的均衡关系。短期来看, 误差修正模型显示期货价格关于现货价格的短期调整力度适中。综上所述, 我国黄金期货市场的定价效率还未达到有效。造成这种情况的原因可能是投资者结构不均衡, 品种匮乏, 交易成本较高, 相关法律、法规及监管不完善。为了对我国黄金期货市场的发展更好地促进、引导和规范, 根据上述可能造成的原因, 我们应从以下四个方面进行改善:

1. 优化投资者结构。

由于我国黄金期货市场建立不久, 很多投资者对其不够了解, 应该加大对黄金期货的宣传力度, 使投资者更多地认识和了解黄金期货功能, 提高对投资者的教育;放宽对机构投资者的限制, 机构投资者占比越大, 期货市场的发展也将越发成熟。由于我国期货市场中机构投资者所占的比例较低, 机构投资者的增多, 对市场的投资将更为理性。

2. 增加以黄金期货为投资对象的理财产品。

现在理财产品大都集中在对股票市场、债券市场等基础产品为标的的投资, 而对于以黄金期货为标的的投资产品还没有开发, 产品种类的多样化, 才能吸引不同需求的投资者, 增加其他以黄金为标的的衍生品的交易和与国际黄金期货交易接轨, 多个市场相互影响、共同发展, 有助于丰富黄金市场的交易品种, 提高市场的流动性。高流动性与市场发展是相辅相成的, 能够起到互相促进的作用。

3. 降低交易成本。

我国黄金期货合约及保证金偏高, 使得交易成本偏高, 会使众多期望参与交易的投资者犹豫, 影响投资者的热情。市场参与者的不足, 使得市场的流动性降低, 黄金期货市场效率更加低迷, 故应该降低交易成本。

4. 完善相关法律、法规及监管。

这也使得我国黄金期货市场管理混乱、监管不明。通过完善有关法律法规, 加强监管, 引导国内黄金期货市场朝着高效率运行的方向发展。对此, 应该采取以下措施:修改《金银管理条例》;进一步规范和发展黄金期货市场;废除特许经营条款;明确黄金期货市场监管边界;政府期货监管部门、期货协会、交易所三级机构共同监督、协调管理期货。

参考文献

[1]汪淑娟.中国黄金期货市场的有效性检验[D].浙江工商大学, 2013

[2]崔艳艳.我国黄金期货市场有效性研究[D].大连:东北财经大学, 2011

[3]何志刚.黄金期货投资入门与提高[M].北京:中国经济出版社, 2010

[4]崔敏, 华仁海.国内外黄金市场的关联研究[J].产业经济研究, 2006 (02)

期货价格波动的协同机理探究 第10篇

1、期货价格波动的系统界定

期货价格波动就是指期货价格以时间为自变量, 不断地进行变化 (包含变化为0) , 是参与期货投资或者投机的各类主体之间相互作用的结果, 包含各类基金、套保企业、经纪行、个体自然人等, 若对他们实行分类研究, 然后综合起来去发现期货价格规律, 会带来艰深的学术建模和参数的不断优化, 笔者认为, 期货价格的波动是自身运动的一个现象, 期货价格波动都必须从期货价格系统本身去直接分析。在任何指定的价格区间, 每个价格点都有相应的期货标的物 (比如农产品、金属、黄金、股票指数等) 的数量与之对应, 期货标的物的数量最小值为0, 若每个价格点被看成一个子系统, 并被赋予相应的期货标的物的数量, 所有价格点便协同成了一个期货价格系统, 期货价格的波动便是这众多子系统期货数量的变化而产生的结果。

2、期货价格波动系统的自组织现象

为更直接讨论期货价格的变动, 可将不同价位的期货标的物的数量做为期货价格系统一个个离散的子系统, 这些有限的子系统的自组织运动, 表征了期货价格自身的演变。自组织概念的适用领域很广, 比如贝纳德对流、贝洛索夫-萨波金斯基反应等科学实验的研究成果[1]。与自然科学相类似, 作为社会系统一部分的期货价格系统存在着无序与有序之间的互相转变。投资者在一段特定的时间内做多和做空的决策受各种偶然因素左右, 但却不象热力系统那样无规则, 实际上由于对外界信息引发的心理共振, 使投资者群体的价格决策经常性地趋向于阶段性的稳定, 就每个价格点所分布的期货标的物的数量来说, 其上下有限变动的概率分布赋予的区间便是某个阶段性稳定价格点的定义, 当然, 在这个概率区间内期货价格的移动充满随机性, 仍然是无序和混乱。这种状态在心理共振的内含没有突破性地变化时将一直维持下去, 直到某个阈值被突破时, 各个价位上的期货持有者将会对这一信息作出强烈的反应, 期货系统的各个子系统将会自发地相互协调地促使期货价格上升或者下跌, 使整个系统朝着有序的方向发展。

二、期货价格波动系统的熵原理

1、熵概念

熵是表征系统状态有序和无序、稳定与随机的关键概念, 描述期货市场的自组织行为, 需要确立熵, 起初的热力学中定义一个叫熵的量S=q ln (w) [2], q是系统参数, 一般被默认为常数, 并发展到适用更多领域的最大熵、最小熵产生原理, 非平衡态孤立系统具有较小的热力学几率和熵, 需要自发朝增大熵的方向发展, 直至达到具有最大的平衡态[3], 熵至少可度量系统的混乱程度。熵理论在金融衍生物的应用一样广泛, 同样, 期货价格系统由众多子系统所构成, 可认为期货价格系统的“熵”可度量期货市场的混乱程度, 将期货的价位作为期货价格变动的空间, 有几个价位就有几个期货价格变动的空间, 而期货价格在每个价位均匀分布的概率是不存在的, 并且期货价格在不同价位的概率分布即使在理论上也可看作是近似连续的, 在i价位的概率为pi, 可做熵模型S=-q (t) ΣiPiln Pi, 其中ΣPi=1, 对于q的定义考虑心理因素, 是心理参数和时间参数的函数, 不是一般意义下的常量, 但在特定的计量范围和时间内视其为常量有利于期货实盘的理解和操作, 一般熵S的数学逻辑是:若Pi是均匀分布, 即Pi=1/n, 其中n是期货价格可遍历的价格数量, 以一天来计算, 涨停板和跌停板可定义n的取值, S有最大值Smax=q (ln (n) ) ;若Pi是极不均匀分布, 此时S有最小值Smin=0;对于其他的分布状况, S将介于Smax与Smin之间。

2、熵的特点

实际上, 期货价格系统的熵不可能取到最大值, 由于任何期货标的物都具有基本面背景, 基本面在特定的时段具有稳定性, 因此与之相应的期货价值必然趋向其稳定的值, 熵S同样不可能为零或与零非常 (大概) 接近, 期货价格不只体现在期货价值的真实性值 (稳定值) 上, 投资者主观认识的差异导致期货价格在期货稳定值上下波动, 期货价格的稳定点是一般不取一个, 甚至可以有很多个, 因此平衡点也就不止一个, 那么期货价格围绕其上下波动的稳定价位就不止一个, 因此熵值与零具有一定的差距。换言之, 有多少个稳定价位, 就有多大的熵与之相对应。期货交易的基本事实便是:多方和空方均需要“突破”现状, 因此与最大熵原理[4]阐述恰恰相反, 期货价格的熵倾向于最小化, 此趋势不可逆, 否者期价会在封闭的区间内振荡, 具体些, 期货熵有可能在向小熵变化的过程中偶然性地变大, 这都是符合逻辑的, 这种概率存在。如此, 可以确认期货的宏观状态可以用熵来量度, 状态与状态之间的转换意味着熵的变化。

三、期货价格波动曲线的朗之万方程

通过熵概念可以发现, 熵的变化意味着一波行情的来临, 此时价格便运行到相应的目标价位。就局部而言, 价格变化受二类因素的作用, 一类是具有共同结论的信息 (即宏观信息) 导致期货价格确实朝某一目标价位发展, 另一类是众多异向的个人信息对期货价格的影响, 当宏观信息较稳定时, 这众多的个人信息一方面产生的作用较小, 另一方面它们之间由于使期货价格变动的方向不确定, 这些信息所产生的力的作用就会相互抵消, 故可以近似地被忽略, 这里的宏观信息可以理解成个人信息中含有共性的信息, 比如目前经济形势、政府调控政策、对外盘依赖度的变化、持仓结构, 成交量变化等, 而这基于个人信息基础之上, 是个人信息的抽象。个人信息是公共信息的延伸, 是投资者对公共信息的不同理解而挖掘出来的信息。通过平滑处理使期货价格v可导, 有:

是的导数, 价格稳定点令人关注, 此时, 这意味着F (v) =0, 可设计非线性幂函数来模拟, 在期货系统中, 始终伴随买与卖的群体和决策, 每一种决策有相反的决策与之对应, 也就相应有着另一个群体决策, 否则期货何以成交?假设v=0时多头做涨, 空头做跌, 二方决策相反, 离零点附近的v将可能出现二个 (即偶数个) 稳定点, 除去干扰 (涨落) 因素, 函数具备对称性, 同时, 卡尼曼和特沃斯基有关有限理性和价值函数的理论中, 按照价值函数的经验曲线特征[3], 对于最高次幂的确定可以设定为三次, 因此可令:

其一方面满足对称性的要求, 同时稳定点由确定。按照朗之万 (lagevin) 方程[3]解的形式, 有下列二种解:

A、k>0, k1>0的情况, 唯一实数解为Q=0, 它是稳定的;

B、k<0, k1>0的情况, 得到三个解, 即:Q=0, 它显然不稳定, 另两个解是稳定的, 为

由此可知在零点时, 期货价格往v1、v2两个稳定点滑去的可能性都存在, 终究停留在哪个期货价格 (v1或v2) 属随机范畴。由 (2) 式所描述的问题对于v-v是完全对称的, 但由于k的变化导致予以实现的解却破坏了这个对称性。当k从正值逐渐改变至负值而达到k=0时, 稳定平稳位置v=0变为不稳定的, 在协同理论中把这个现象描述为对称破缺不稳定性[5], 对于期货价格波动而言, 当k从k>0至k<0时, 稳定平衡位置进行了交换, 即进行稳定性的交换, F (v) 的积分曲线 (价格) 在v=0附近变化愈来愈平坦。因而期货价格沿势曲线回落时变得愈来愈慢, 这个现象叫做临界慢化[6], 卡尼曼和特沃斯基有关有限理性和价值函数的理论中, 对于在零点附近的曲线特征同样趋于平坦[7], 正好适应了“临界慢化”的特征。因此以三次幂函数拟合期货价格的波动曲线具有合理性, 在特定时间段的实盘中, 当考虑到买方和卖方的不同价格预期, 五次幂函数与期货价格波动的拟合度更好, 但需要以一个心理波段或一个交易周期为条件。如果考虑波段的叠加或交易周期的重合, 可将 (2) 式做一般化处理, 有F (v) 表达式的一般形式[3]:

很显然, 若F (v) 的最高次幂为2n+1, 稳定点可能具有2n+1个, 配比适当的系数群, 目标价位可能会出现2n个 (零点除外) , 期货价格会由于涨落力的原因频繁交换稳定点, 期货价格的变动既不完全混乱 (除非n无穷大) , 也不是可以清晰地观察到它围绕着某一固定价位波动。在这里起决定作用的是F (v) 的参数空间 (k1, k2, kn) , 市场容量的有限性导致n的取值有限, 故稳定价位的个数有限, 但现实中期货价格经历价格的个数远远超过了稳定价位的个数, 其间的原因由涨落力来解释, 正由于涨落力的原因使在每个稳定价位都存在上下波动的一定的范围。随机力 (涨落力) 记为Γ, 与布朗运动关联[8], 有下列微分方程:

对于Γ (t) 有常规的统计特性, 可合理地认为它的统计平均值为0, 同时, 由于涨落力的作用时间短, 故不同时刻的Г (t) 可近似认为互相独立[6]。

四、借鉴意义

上面讨论的熵和朗之万方程对于期货价格变化的理解有益, 相对股票市场而言, 期货市场的特点便是多空对冲速度快和保证金交易, 可建空仓进行对冲, 多空格局的转换异常频繁, 甚至在基本面相对易于把握的商品期货上也是如此。因此期货价格比股票价格的波动频率快、幅度大和周期短, 期货同样有振荡市和单边市两种行情, 与熵概念的对应关系有:相对大的熵与振荡市相互对应, 稳定点 (价位) 较多, 每个稳定点都能吸引相当多的量能关注;相对小的熵与单边市相互对应, 稳定点较少, 往往基本面的深化容易引起市场共振;大“熵”与小“熵”之间的转化与振荡市与单边市的转化相互对应, 不同稳定点之间的合并与分叉成为转化的关键。此处仅仅是粗轮廓的描述。事实上, 朗之万方程在理论上给出了仅仅一种稳定点之间关系的计量方法, 其他历史价格所构成的曲线 (许多数学方法均能实现) 也能预测未来的价格区间, 但是初值敏感度、参数和最高次幂的设定都影响价格预测的精度, 尤其是参数体系的稳健性。

参考文献

[1]沈小峰.胡岗.蒋璐.耗散结构论[M].上海:上海人民出版社, 1987, (12) .

[2]H.哈肯 (西德) .协同学[M].北京:原子能出版社, 1984, 2.

[3]聂玉超.关于最大熵期权定价的应用分析[J].北京:北京师范大学学报, 2007, (12) .

[4]张小梅等.利用熵概念对经济运行中有序和混乱的解[J].哈尔滨:商业经济, 2009, (2) .

[5]H.哈肯 (西德) .高等协同学[M].太原:科学出版社, 1989, (3) .

[6]胡岗.随机力与非线性系统[M].上海:上海科技教育出版社, 1994.

[7]庄锦英.决策心理学[M].上海:上海教育出版社, 2006.