Analysis of Volatility Spillover Effect of Soybean Price between Domestic and International Markets

Sharp fluctuation of soybean prices in international and domestic markets has caused big risks for both domestic soybean producers and processing enterprises in recent years. It also increases the difficulties in implementing price stabilization policy for the government. This paper analyzes the volatility spillovers in soybean prices between international and domestic markets using the multivariate VAR-BEKK-GARCH model based on the data set from December 22,2004 to December 19,2014. The estimate results indicate that there are volatility spillover effects from domestic futures market to spot market and bilateral spillover between international futures market and domestic spot market. In order to prevent market manipulation and to reduce the impacts of price volatility in international soybean market on Chinese market,this paper proposes the following policy measures such as establishing early warning mechanism for soybean price fluctuations,improving soybean futures contract design and strengthening trading risk management mechanism,amplifying information disclosure system,and regularizing speculation activities of big traders.

Asymmetric Price Transmission Analysis of the International Soybean Market

This study analyzed the asymmetric price transmission in the international soybean market, using data from the US (Chicago Futures), European (Rotterdam), Brazilian (Paranaguá), Argentinian (Rosario Futures and Rosario Spot), and Chinese (Spot and Futures) markets. The study looked at the price transmission between these markets over a period of almost 10 years, from September 2009 to May 2019. The Phillips-Perron unit root test was used to determine the order of integration of the time series. The Engle-Granger cointegration test failed to find any evidence of cointegration between the Chinese and Argentinian markets with any others of the international markets. The lack of cointegration was associated with highly government intervened markets. The cointegration and threshold test proposed by Enders and Siklos, succeeded in rejecting the Null hypothesis and finding cointegration among the series after structural breaks had been taken into account. The BDS test for nonlinearity showed that most of the time series were nonlinear, which prompted the investigation to look into nonlinear modelling. To evaluate asymmetric price transmission, the study used the Threshold autoregressive (TAR) model and the momentum threshold model (MTAR). The Argentine and Chinese markets were primarily suspected of exhibiting asymmetric price transmission due to structural government intervention. However, the test results failed to reject the null hypothesis and revealed asymmetric price transmission between these markets and the international market. As expected, the results found no evidence of asymmetric price transmission in the Paranaguá, Rotterdam, and Chicago markets. Hence, it can be concluded that symmetric price transmission is more prevalent in the global soybean market than asymmetric price transmission.

The Spillover Effect between Futures and Spot Price of Agricultural Products:A Case Study of Soybean Products of China

Taking soybean products as an example and using the daily price data of 2007-2015,this paper established the error correction model and BEKK-GARCH model,and made an empirical study on the spillover effect of futures and spot price of agricultural products of China. According to this study,there were mean spillover effect and two-way volatility spillover effect in futures and spot price of soybean,soybean oil,and soybean meal; soybean futures prices significantly guided the spot price; in the price linkage between the types,the price relationship between the soybean meal and soybean was closer than between the soybean oil and soybean.

基于CEEMDAN-SE-CNN-BiLSTM模型的大豆期货价格预测

为了提高大豆期货价格预测的精确度,综合利用大豆期货市场内外部信息,基于一种“分解—重组—预测—集成”多步期货价格预测模型进行改进。对大豆价格序列进行自适应噪声完备集合经验模态分解(CEEMDAN),得到IMF分量及误差项。筛选后剔除与原序列相关系数小的IMF分量,再用样本熵算法(SE)对分解序列进行重组。用优化的CNN-BiLSTM预测模型对重组序列进行预测,集成后得到最终预测值。实证结果表明:在预测大豆期货价格时,改进后的CEEMDAN-SE-CNN-BiLSTM模型普遍优于LSTM、CNN-LSTM等基准农产品期货预测模型。

我国肉羊产业链市场价格传导机制研究

文章基于2010年5月—2021年12月肉羊产业链市场平均价格数据,探讨上中下游产业链市场对肉羊市场价格传导机制的影响,进而明确我国肉羊产业链市场价格传导机制的长期均衡关系。结果发现,因豆粕价格受多种因素影响,我国肉羊产业链市场价格与豆粕价格不具有长期均衡关系。玉米价格、饲草价格、肉羊出栏价格、品牌羊肉价格、羊肉深加工后价格、表观消费量价格与肉羊产业链市场之间价格传导较为充分,是影响中国肉羊产业链市场价格的主要原因。

中美大豆期货价格的关联性分析——基于小波分析和Copula模型

大豆期货作为大宗农产品交易中重要的品种,关乎着中国的粮食安全与金融安全。选取2014—2023年中国大豆期货价格(大连商品交易所)和美国大豆期货价格(芝加哥商品交易所)的日度数据,利用小波分析将中美大豆期货价格数据分解、重构为低频趋势和高频细节两部分,随后通过构建Copula模型检验中美大豆期货价格数据的低频趋势与高频细节之间的关联性,并研究了中美大豆期货价格数据的低频趋势和高频细节之间的传导方向。结果发现:中美大豆期货价格数据的低频趋势之间存在高度关联性,但高频细节关联性较弱;在传导方向上,中美大豆期货市场在低频趋势方面存在双向影响关系,但高频细节方面,仅体现出美国大豆期货市场对中国市场的溢出效应。

豆粕原料进口价格冲击对饲料产业链价格波动的影响研究

试验选取2017年1月—2022年2月共62个月度的豆粕原料进口价格与饲料产业链价格为样本,通过构建VAR模型,实证考察豆粕原料进口价格冲击对饲料产业链价格波动的影响效果。格兰杰因果效应显示,豆粕原料进口价格冲击对饲料产业链价格波动的影响具有滞后效应。脉冲效应表明,当豆粕原料进口价格受到1个标准差的正向冲击时,饲料产业链价格将从第2期出现0.0013的响应,并呈现持续上升态势,于第10期达到顶峰。冲击周期检验结果发现,豆粕原料进口价格变化对之后的饲料产业链价格波动具有显著的同向性影响,即豆粕原料进口价格冲击对饲料产业链价格具有正向推动作用。方差分解数据结果表明,在饲料产业链价格波动期间,饲料产业链价格自身发挥主导作用,贡献率呈现“先降后升”的态势;同时,豆粕原料进口价格冲击对饲料产业链价格波动的影响存在一定滞后期,从第3期开始显现,并于第9期达到顶峰,随后呈现下降趋势。文章提出强化产业种植技术支撑、合理规划饲料种植区域、优化饲料产业供应保障机制的建议,为稳定饲料产业价格提供有益参考。

目标价格补贴政策改革对粮食全要素生产率的影响研究——来自全国大豆种植户的微观证据

大豆目标价格补贴政策改革是我国农业补贴制度改革的重要举措。利用全国农村固定观察点大样本面板数据,在测算农户大豆全要素生产率水平的基础上,分析目标价格补贴政策改革对农户大豆全要素生产率的影响。结果表明:2003-2019年,农户大豆全要素生产率水平逐年提高,但增长率较低,年均增长0.834%;补贴政策改革能够显著提高农户大豆全要素生产率水平,但是存在明显的时间异质性,影响呈逐年上升的趋势。对种植规模较大、非纯大豆种植、兼业程度较低的农户而言,补贴政策改革的效果更加明显;无条件分位数回归的结果表明补贴政策改革对农户大豆全要素生产率水平的影响存在边际递增效应;补贴政策改革会通过提高农户生产性投资积极性、改善土地资源配置水平和促进适度规模经营来提高大豆全要素生产率水平。由此提出应坚持以大豆生产者补贴为改革方向,发挥市场在资源配置中的决定性作用;进一步提高大豆生产的规模化水平,以此扩大补贴政策改革对农户大豆全要素生产率水平的提升效果;提高政策的瞄准性,实行异质性补贴政策,提高补贴效率。

Price transmission in hog and feed markets of China

There is an increasing demand for feed as the industrialization of hog production in China. Land scarcity limits China＇s ability to continue increasing its hog production without feed imports, particularly soybean, and the feed markets are increasingly integrated into the global market. This study performs an analysis of price transmission between the hog price in China and feed prices, specifically domestic maize price and international soybean price, from January 2000 to April 2014. We identified a long-term stable equilibrium relationship between the three markets. However, further analyses show that there is no significant Granger causality between hog and feed market, and the long-run equilibrium partially results from Granger causality between the international soybean market and domestic maize market. This suggests that the domestic hog market has been distorted by different policies. The results also indicate that the efficiency of price transmission is very low and it takes about 11 months to correct one-half of any long-run disequilibrium for the hog market in China. Therefore, to stabilize hog price in China, only market intervention to regulate the maize and soybean markets would be insufficient and comprehensive measures need to be taken into account such as hog production modernization, agricultural insurance, epidemic surveillance etc.

2023年上半年中国大豆市场形势回顾和后期展望

大豆是中国重要的粮食和油料兼用作物之一,也是最主要的动物蛋白饲料原料,作为最大的粮食进口品种,及时研判中国大豆市场形势至关重要。详细分析了2023年上半年国产大豆生产、价格、国际大豆价格以及国内大豆需求和进口情况,并对下半年国内大豆供销走势进行展望。2023年国产大豆种植面积和产量预计再创历史新高,在国际大豆供需宽松、国际大豆价格震荡下行和国内大豆饲用需求回升背景下,上半年大豆进口量达5258万t,为历史最高水平,预计全年将达9700万t,为历史次高水平。同时,针对新形势指出了国内大豆产业面临国产大豆增产后滞销卖难等突出问题,建议从增加收储调节、增加消费端支持等方面不断提升国产大豆市场竞争能力。

豆粕现货价格对期货价格的影响——基于VAR模型的实证分析

作为期货交易的优秀品类,豆粕期货自上市后呈有序向好态势发展,获得众多期货市场投资者青睐。探究豆粕期货价格与现货价格间联动关系,有助于降低价格波动对豆粕产业的影响,为稳定农产品期货市场提供保障。以2009年8月—2021年8月的月度数据为样本,借助VAR模型,运用脉冲响应函数与方差分解检验豆粕现货价格对期货价格的影响。结果表明,豆粕期货价格对现货价格冲击的响应期为两年,第二年豆粕现货价格对期货价格具有6.97%的贡献率。研究表明,我国豆粕现货价格对期货价格具有显著促进作用。

农产品价格补贴政策演进、效应评估与顶层设计

农产品价格补贴政策在中国经历了较长时期的演进,围绕未来价格支持政策应当如何转型也存在较大争议。当前的价格补贴政策,基本实现了因品施策,其中大豆和棉花均经历了临时收储和目标价格补贴政策这两种价格补贴政策,但大豆于2017年放弃实施价格补贴政策,而棉花则继续实施。基于此,通过评估大豆目标价格补贴政策效应,并且对比分析二者政策路径选择差异,研究发现应当坚持市场化导向的价格补贴制度,在不扭曲市场价格和降低价格波动的基础上降低生产者价格风险损失。但在实践层面需注意,要科学合理确定补贴水平和方式,应加强全产业链的信息化建设,综合运用保险、期货等金融工具。

豆粕原料单价的波动态势及影响因素探讨

研究旨在探析国内豆粕原料单价波动态势及影响因素。基于马尔科夫向量自回归模型MSIH(3)~VAR(2)模型,选用2014年4月至2020年12月的数据,从非线性角度出发检验影响豆粕原料单价波动的因素。结果显示,豆粕原料单价整体可概括为“市场低迷—平稳运行—单价高涨”3大区制特征的波动态势。进一步分析豆粕原料单价影响因素可知,在需求方面,玉米价格波动会引发豆粕原料价格同向波动,但具有滞后性特征。在供给层面,农产品生产价格、产量变化、农产品生产资料价格的变化均会同向影响豆粕原料价格波动,且作用效果在豆粕原料价格高涨时期更剧烈、在豆粕原料价格低迷及平稳时期更微弱。研究表明,豆粕原料单价容易受到供给侧、需求侧多重因素的影响,应从大豆代替品价格、大豆产量价格着手稳定豆粕原料价格波动。

2019-2022年中国蛋鸡饲料原材料中玉米和豆粕市场交易价格调查统计数据集

本数据集通过农业农村部畜牧兽医局、全国畜牧总站采集到2010–2022年全国以及29个省份玉米和豆粕的市场交易价格数据,遵循一致性、连续性、完整性等原则对原始数据进行数据筛选、清洗、处理、二次校对与修正,最终形成了2019–2022年中国蛋鸡饲料原材料中玉米和豆粕市场交易价格调查统计数据集。本数据集包含了2019–2022年期间全国以及29个省份的周度、月度、季度价格数据。本数据集可为玉米和豆粕价格预测分析及政府部门对于该类产品价格进行宏观调控提供数据支撑。

收储制度改革促进大豆“扩面”了吗?——基于县域层面的准自然实验

基于2013—2018年的县域面板数据,通过PSM-DID模型考察在价格支持政策市场化改革背景下,生产者补贴政策实施对大豆生产面积的影响,并对时间异质性、区域差异以及具体的影响机制进行甄别。结果表明:(1)大豆生产补贴政策实施使大豆面积平均增加了11%左右,且政策实施地区大豆生产面积均有不同程度的增长;(2)大豆生产补贴政策实施对大豆“扩面”作用存在“补贴-效用”偏差的问题,即虽然2018年补贴额度较2017年显著提升,但2018年(9.76%)的“扩面”作用却不如2017年(12.71%);(3)除内蒙古自治区外,其他三个地区均存在“扩面”程度未能与补贴额度同比例上升的问题,更为甚者,政策改革对2018年吉林省大豆的“扩面”作用竟为负向;(4)政策改革能够显著提升大豆生产面积的原因在于种植收益的显著提高,而政策效果未能与补贴额度同比例增长的原因在于地租的同步增长。研究为生产者补贴政策可以促进大豆面积提升提供经验性证据,也为在农业供给侧结构性改革和大豆振兴压力下如何持续改善大豆生产状况提供政策启示。

小波神经网络在大豆价格预测中的应用

大豆是保障我国粮食安全战略的重要农产品,研究与预测大豆价格变化具有强烈的现实意义。本文建立了预测大豆价格的小波神经网络。该神经网络结合了小波分析的多尺度解释功能和神经网络的非线性逼近能力,设置激活函数为Morlet小波函数。实验比较结果显示,在使用相同数据集的情况下,本文的小波神经网络的运行时间仅为其他四种预测模型的8%-18%,具有较好的预测效果。

基于注意力机制的GRU模型的豆粕期货价格预测

针对豆粕期货价格的波动性和复杂性,提出了一种引入注意力机制的门控循环单位(GRU)的价格预测模型。由于豆粕期货价格具有长期依赖性特点,选择近5年的日度数据作为数据集,将基本行情和技术指标利用互信息、相关系数、随机森林树RF模型3种方法相结合进行筛选排序,选用了15种技术指标进行分析后,输入到基于注意力机制的GRU模型中对豆粕主力合约的未来收盘价进行预测。引入注意力机制的GRU模型相较于GRU基准模型,在加入技术指标的多特征时间序列预测性能上表现更优,提高了预测精度。

收入保险地区差异化定价研究——以黑龙江省大豆为例

农产品收入保险同时承保产量风险与价格风险,为农户提供更加全面的风险保障,切实提高了农户生产积极性。受不同自然和市场环境影响,不同地区面临的风险特点不尽相同,对收入保险实施地区差异化定价符合精算定价公平性原则,有利于收入保险进一步向精细化运作发展。本文以黑龙江省大豆为例,基于参数法及Copula函数对不同地市大豆收入保险进行费率厘定,并在纯费率差异化厘定的基础上,基于不同地区风险波动程度差异,引入差异化风险附加,以期使农产品收入保险费率厘定更加合理。

基于改进GM(1,N)模型的我国大豆价格影响因素分析及预测研究

大豆是我国重要的粮食作物和油料作物,其价格对于国民经济尤其是农业经济的影响意义深远。大豆价格的稳定对于我国大豆市场的健康发展有着重要的现实意义。在灰色理论的基础上,提出了一种改进GM(1,N)大豆价格预测模型,首先运用灰色关联分析法对我国大豆价格的影响因素进行分析,选择主要的影响因素;再将这些影响因素作为模型的相关因素变量,构建GM(1,N)大豆价格预测模型。采用2010-2015年的大豆数据进行实证研究,模型选取国内大豆自给量、世界大豆产量、国民消费价格指数、消费者信心指数4个变量作为相关因素变量;模型预测误差为2.10%,预测精度较高,能够较好地掌握大豆价格的变化规律,可以为大豆价格市场预测及国家宏观政策的制定提供理论指导。

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。