大蒜出口价格波动论文.doc

大蒜出口价格波动论文

一、数据说明与模型构建

(一)数据说明大蒜出口价格(美元)按中国人民银行公布的人民币当月平均汇率换算，数据分别源自海关资讯网与中国人民银行网站。本文选取2001年1月至2012年12月的月度数据(所有数据以上年同月为基期进行指数化处理)进行研究。所用计量软件为Eviews［9］。

(二)小波分析理论简介与小波基函数选择小波分析［10］克服了傅里叶变换只有频率分辨率而没有时间分辨率的缺点，通过小波多尺度分解，可实现信号时域和频域的局部化分析。通过信号的分解与重构，可以得到信号的低频趋势成分和高频细节成分，被誉为分析信号的显微镜。在实际操作过程中通过Mallat［12］算法实现离散小波的快速计算，小波分解和重构的过程较复杂，有专门书籍对其进行介绍，本文不再赘述。由于DbN(DaubechiesN)小波具有较好的正交性和降噪性，故本文选用Db小波进行分解与重构。至于分解层数N的选择，由于分解层数越多，去噪效果越明显，但失真度也会随之增大，将遗失大量信息。根据杨天宇等［13］提出的3－5层的标准，本文拟取N=3，即Db3小波函数来对大蒜价格指数的波动序列进行消噪处理。

(三)GAＲCH模型构建GAＲCH模型全称为广义自回归条件方差模型，是AＲCH模型的拓展，由Bollerslev(1986)和Taylor(1986)研究和发展，在研究时间序列波动性方面有着广泛应用。本文拟采用GAＲCH模型，对经过小波分析分解和重构后表征波动的d1－d3层信号分别构建模型，以此研究不同时间刻度下大蒜出口价格波动特

点，而关于GAＲCH模型滞后阶数的选择，学界尚缺乏统一标准，由于GAＲCH(1，1)模型已经能够很好刻画条件方差并且得到广泛运用，本文也决定使用GAＲCH(1，1)模型。

二、实证分析

(一)大蒜出口价格波动周期与规律分析图1为大蒜出口价格指数经过小波分析分解与重构后的信号图，其中s表示原始信号(大蒜出口价格指数)。本文将以去除了短期波动影响、表征长期趋势的a3层信号为分析对象，以波峰—波峰为标准来表示一个完整的周期，将大蒜出口价格波动划分为四个周期:第一个周期为2001年9月到2004年5月，第二个周期为2004年5月到2006年4月，第三个周期为2006年4月到2010年5月，第四个周期为2010年5月到2012年12月。与上述周期相关的描述性统计特征见表1。由表1可得关于大蒜出口价格波动周期特征:1．从周期长度可以看出，我国大蒜出口价格波动周期长短不一，体现为波动周期的不可重复性，同时结合图1中表征趋势的a3层信号可以看出，波动周期具有明显的非对称性，即同一个周期内，波谷偏离了整波的中间位置，两波峰的波动幅度也不相同。2．由最大与最小值以及波动幅度可以看出，我国大蒜价格波动幅度有扩大趋势。以2006年4月为分界，出口价格波动幅度出现了很大的跳跃。进一步观察a3可以看到，2008年末，大蒜出口价格到达本周期波谷位置，2010年上半年，大蒜价格到达史无前例的波峰位置。因此可以推知，2006年后大蒜出口价格波动幅度显著变大的原因在于2008年金融危机带来的国外需求疲软，导致大蒜出口价

格跌至冰点，以及2010年上半年国内对大蒜的炒作，导致大蒜供应紧张，其价格迅速被推至历史高点。3．比较均值数据容易得出，前三个周期内大蒜出口平均价格呈上升趋势，即前三个周期内大蒜价格整体呈上升趋势，但第四个周期平均价格较第三个周期低，表明这一阶段为大蒜出口价格的下降阶段。可能原因是2010年上半年对国内大蒜的炒作后，国内大蒜供给与需求的改善对出口价格也产生了影响。4．根据标准差可以直观看到，前两个周期内大蒜出口价格波动相对是较小的，但第三个周期内，标准差远高于前面两个周期。虽然第四个周期标准差有所降低，但相比开始两个周期来说仍处在高位，说明第三个周期内的金融危机和国内炒作对出口价格还有一定影响。

(二)不同频段下大蒜出口价格波动分析1．平稳性检验本文选取表征波动性的低频d1－d3层信号来建立研究大蒜出口价格波动GA ＲCH模型。从表2可以看出，所有序列均为平稳序列，d1、d2、d3层信号分布都具有尖峰厚尾特征，且J－B统计量均非常显著。2．A ＲCH效应检验利用自相关图与偏自相关图以及AIC准则确定均值方程的适合阶数，然后对拟合数据的残差序列进行AＲCH—LM检验，以验证是否存在AＲCH效应。结果显示，F统计量和nＲ2统计量相伴概率均小于0.01的显著水平，故拒绝残差序列不存在AＲCH效应的原假设，认为序列存在AＲCH效应。经检验，滞后阶数超过10阶时，相关统计量依旧非常显著，说明残差序列存在高阶AＲCH效应，这将为参数估计带来麻烦。由于GAＲCH模型能有效减少待估参数数量，对存在高阶AＲCH效应的序列更为适用，因此本文决定

使用GAＲCH模型来进行分析。3．GAＲCH建模分析由于小波分析可以将不同时间刻度的波动数据进行分解，因此能够对波动信息进行充分挖掘。对表征不同时间刻度波动的信号单独建模，可以有效分析序列不同时间刻度的波动效应，对于本文，则可以度量大蒜出口价格在1－2个月、2－4个月、4－8个月这三个频段内的波动情况。表3给出了GAＲCH(1，1)模型结果，其中α0为常数项，α1表示大蒜出口价格波动的AＲCH效应，即外部冲击影响。β表示大蒜出口价格波动的GAＲCH效应，即历史条件方差对即期波动的影响。各方程经条件异方差的AＲCH—LM检验(见表4)，均显示相应残差不存在AＲCH效应，说明GAＲCH(1，1)模型拟合效果较好。由表3可知，表征1－2个月内波动的d1层信号AＲCH项系数非常显著，而GAＲCH项未通过显著性检验。这一结果表明，大蒜出口价格2个月内的波动主要受外部冲击的影响，而几乎不受历史条件方差的影响，即波动不具有持续性。α1=0.976，说明大蒜出口价格波动容易受到外部冲击的影响且反应剧烈，但如果冲击消失，这种剧烈波动也会很快消失。对于表征2－4月内波动的d2层信号，AＲCH项系数与GA ＲCH项系数都非常显著，表明大蒜出口价格2－4个月内的波动受外部冲击和历史条件方差双重影响，但因α1=0.151＜β=0.883，表明这一时间刻度内波动对冲击的反应较温和，但波动具有较强的持续性。由于AＲCH项系数和GAＲCH项系数和(1.03)约等于1，也说明历史因素的影响会持续存在，但在短期内不会加强。对于表征4－8个月内波动的d3层信号，AＲCH项系数与GAＲCH项系数也都非常显