本站小編為你精心準備了農產品日歷效應價格波動論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、相關文獻評述

對于“日歷效應”的研究目前多見于證券市場，大量的國內外文獻已經證明了在不同地區的證券市場中存在著各類“日歷效應”。Rozeff等(1976)通過對紐約證券交易所在1904年至1974年間所有的股價指數進行分析后發現，美國股市1月份的平均收益率要顯著高于其他月份的收益率，因而證實了在證券市場中存在“一月效應”。Lakonishok等(1988)對1897年至1965年的美國道瓊斯工業指數研究發現，節假日之前的交易日存在著較高的收益率，這便是所謂的“節日效應”。此外還有Cross(1973)證實了美國市場在周一有顯著的負收益率，進而證實了“星期效應”的存在。國內的研究，奉立成(2003)證實了滬深兩市存著“月初效應”。俞喬(1994)對我國證券市場進行了“星期效應”的相關研究后，發現了正的“周四效應”以及負的“周一效應”。陸磊等(2008)研究了上證指數后證實了“節日效應”在我國股市的存在。針對證券、金融市場的日歷效應研究已經較為成熟。對收益回報率“異象”的解釋研究逐步擴展至期貨和現貨市場，雖然開展程度不及證券市場的日歷效應研究深入，但也取得了一定的成果，Chiang等(1983)對芝加哥期貨所上市的商品期貨收益的周日歷效應進行了研究。Lucey等(2007)在GARCH模型下對黃金現貨和期貨進行了研究，發現在黃金現貨市場上存在“周一效應”。在國內，華仁海(2004)對鄭州交易所小麥期貨價格收益進行了研究，結果顯示其具有周內效應;郭彥峰等(2008)對上海期貨市場可能存在的“周日歷效應”也進行了相關研究。目前，農產品拍賣市場在我國的發展尚處于起步階段，涉及的學術研究也較為匱乏。以發展程度較高的花卉拍賣市場為對象的研究正在剛剛興起。除去這一研究領域傳統的研究方向，如拍賣理論與供應鏈協調優化等，價格反常現象及其解釋也是花卉拍賣市場未來的研究趨勢和熱點所在。本文參考傳統金融市場與期貨市場的日歷效應理論研究，結合花卉拍賣市場成交價格的波動變化以及花卉市場本身所具有的特點，試圖發現其中異常回報率的時間節點，即在花卉拍賣市場中的日歷效應，以期對農產品拍賣市場未來的發展提供政策建議。本文以亞洲規模第二、國內規模最大的昆明國際花卉拍賣交易中心(以下簡稱KIFA)為例，采用GARCH模型進行建模分析，圍繞花卉拍賣存在的特殊日歷節點進行實證分析。

二、日歷效應實證分析

(一)樣本選取本文選取的樣本數據來源于KIFA在2011年2月14日至2014年2月13日的花卉拍賣日平均成交價格，樣本跨度4年，有效觀測值1055個。

(二)數據處理參考證券市場股指收益率，我們定義花卉拍賣市場的日均收益率如下。式中，Pt代表花卉在日期t的平均交易價格，Pt－1代表前1天的平均交易價格，Πt代表日期t的收益率。為了更加直觀地呈顯收益率的變動情況，將花卉市場的日均價格變動比率放大至100倍，可以得到變化較為明顯的收益率波動圖。從圖2可以發現整體樣本范圍內收益率的波動變化。不難發現，我們所定義的花卉收益率均值較為穩定，但是收益率波動的方差變化較大。該波動形狀呈現聚集性特點，即存在所謂的“波動聚集性”。正是因為存在這種“波動聚集性”，如果需要得到較好的擬合效果，則不能直接使用普通最小二乘法，而需要利用GARCH模型進行建模分析。

(三)研究方法模型由于“波動聚集性”的存在，本文采用GARCH模型(p，q)進行實證研究。GARCH模型是由計量經濟學家CliveGranger提出的，代替原先的ARCH模型。當存在ARCH效應時，該模型能夠取得較好(四)模型與實證研究1．普通最小二乘法(OLS)回歸建模。使用OLS進行回歸分析。設原假設H0為不存在月度效應。如果拒絕原假設，我們接受H1，即月度花卉拍賣市場存在顯著性的日歷性差異。我們利用虛擬變量建立如下回歸。從表1可以看出，對于拍賣市場的收益率，一年中月份最高的是9月，最低的是4月，由此可以猜測花卉拍賣市場可能存在正的“九月效應”和負的“四月效應”。但還需要進一步的檢驗從而確定這類效應的存在。對于檢驗得到的ADF統計量，由于其絕對值大于麥金農臨界值，因此我們認為原序列為平穩序列，從而拒絕原假設。由于序列中不存在單位根，也無需進行差分處理。3.自相關檢驗。接下來對時間序列數據進行自相關檢驗，本文采用LM(Breush－GodfreyLa-grangeMultiplier)檢驗，檢驗結果見表3。由檢驗結果可知，LM統計量的P值大于0.05，因此拒絕原假設，時間序列殘差項不存在一階自相關，也就是說任意一次觀測值的擾動項并不受其他觀測值的影響。4.ARCH效應檢驗。從圖2可以推斷，花卉日均收益率的波動可能存在“波動聚集性”特征，因此對其進行ARCH效應檢驗。先采取拉格朗日乘數法(ARCH－LM)對其進行檢驗，檢驗結果見表4。其中，F統計量和卡方統計量的值都小于0.005，因此ARCH－LM檢驗結果認為原序列存在ARCH效應，與圖示檢驗的結論一致，可以證明存在“波動聚集性”。也就是說，為了達到理想的擬合效果需要對數據進行GARCH建模分析。

(五)“月份效應”的實證研究1.GARCH模型建模分析。正是由于這種“波動聚集性”特征的存在，且不滿足正態分布，因此CliveGranger提出了GARCH模型，可以有效擬合數據。我們在OLS模型的基礎上建立GARCH(p，q)模型如下。2.實證結果與結論。根據表5可知，在10%的顯著性水平下，D09的Z統計量達到顯著，存在正的“九月效應”，即9月份的收益率顯著地高于平均水平。雖然4月份收益率較低，但不存在之前猜測的“四月效應”。3.原因分析與解釋。在每年的7月底8月初，由于受到中國傳統節日“七夕”節的影響，使得這一時期的鮮花市場需求量驟增，這種需求量突然擴大的后果就是導致8月中下旬交易量趨于飽和并下降。而經過一段時期的需求冷卻之后，在9月份內，受教師節、中秋節以及國慶節花卉需求的多重刺激，拍賣市場的鮮花交易量有著顯著的提高，收益率大大提升，導致花卉拍賣市場出現了“黃金九月”。

(六)“農歷效應”的實證研究1.描述性統計。我們從農歷的劃分角度出發，將現有的數據按照農歷分成30個變量，進行統計分析以期對可能存在的“農歷效應”展開研究。從圖3中可以看出，農歷初四和農歷十六兩天的平均收益分別低于和高于周邊的日期。據此猜測，存在正的“農歷十六效應”以及負的“農歷初四效應”。2.GARCH模型的建模分析與實證檢驗。如同月份效應，我們先進行普通最小二乘法等一系列檢驗后，數據樣本不存在自相關，同時也較為平穩。但是在對數據進行ARCH效應檢驗時，發現樣本中存在ARCH效應。因此繼續采用GARCH模型進行回歸分析。3.原因分析與解釋。統計顯示，農歷30日的拍賣數據樣本僅有19個，只有其他日期樣本的一半左右，這是因為拍賣市場存在閉市狀況，導致供應量降低，在初一開市后經過3天較高的市場需求后，初四需求回落。但由于拍賣市場供應量沒能進行匹配性調整，因此出現了明顯的負效應。而正的“農歷十六效應”和負的“農歷廿一效應”可能與婚禮舉行的密集程度有關。由于條件限制，本文對此未進行詳細的研究。

(七)二十四節氣效應1.數據劃分與建模分析。我們繼續對時間序列數據進行分類研究。與金融市場的股指期貨不同，考慮花卉拍賣可能會受氣候影響，因此我們這里使用中國傳統的24節氣對數據進行統計分析。所謂24節氣是指立春、雨水、驚蟄、春分、清明、谷雨、立夏、小滿、芒種、夏至、小暑、大暑、立秋、處暑、白露、秋分、寒露、霜降、立冬、小雪、大雪、冬至、小寒、大寒。這24節氣分別代表著不同類型的氣候、溫度和天氣狀況。我們按24個節氣當日以及其后3天劃分一個樣本，考察該節氣是否對拍賣市場有影響，即樣本所在期間是否有顯著收益率。相關檢驗我們已在前面完成，樣本數據平穩，同時不存在自相關，但樣本中依然存在ARCH效應，因而進行GARCH建模分析。2.實證結果與結論。我們對KIFA拍賣市場的節氣效應進行了檢驗，把數據劃分為24個節氣樣本以及1個非節氣樣本，發現利用GARCH(p，q)模型建模取得了良好的效果。從整體樣本來看，拍賣市場存在正的“驚蟄效應”、正的“大暑效應”以及正的“寒露效應”，也就是說在這三個節氣初期存在顯著的高收益率。3.原因分析與解釋。對上述三個顯著的節氣正效應進行分析發現，驚蟄在每年的3月5日或6日，該節氣前后冷暖空氣交替，氣溫和風的變化都較大，對花卉播種和扦插影響較大。大暑時節是我國廣大地區一年中最炎熱的時期，處在每年的7月22日或23日，過于炎熱的溫度對農產品特別是花卉等作物的采后保鮮影響較大。而寒露時節在每年的10月8日或9日，此時太陽直射點開始向南移動，北半球氣溫繼續下降，天氣更冷，在云南這種高原地區，寒露前后是雪災最嚴重的季節之一，對農業的危害較大。綜上所述，三個節氣的共同特點是，氣候變化巨大。在前面的月份效應分析中，我們發現上述三個氣節所處的月份均低于總體平均收益率，但在這短暫的三個節氣內卻存在著顯著的正收益率，這可能與氣候變化劇烈、花卉產量波動大、批發商提前進行購買等因素有關。再者，花農根據傳統的節氣經驗指導，將花期進行調整，使得此時花卉產量縮減，因此在這三個節氣初期的拍賣收益率有著顯著的提升。

三、結論與相關建議

相比傳統批發貿易市場而言，拍賣市場雖然很大程度上降低了農產品價格的波動性。但仍然有一些異常波動需要引起重視。若簡單地認為這是一種隨機波動，而忽視了存在著的“日歷效應”，那么對農產品拍賣市場的建設和發展往往會造成不利影響。首先，由于農產品自身以及其產出的特殊性質，其供給量受價格影響波動較大。我國農產品生產大多是以小農生產為主，以云南花卉產業為例，95%的花卉生產是小農種植經營，其特點就是專業組織化程度較低且生產流通環節信息匱乏，在農產品市場需求出現波動時，農戶無法準確判斷或預測未來價格趨勢，絕大多數農戶只能根據當前市場行情決定下一期生產目標，追漲殺跌的盲目式決策造成了農產品供應陷入“發散式蛛網”周期，造成了農產品價格不良波動，影響農業生產秩序。其次，我國農產品仍處于依賴客觀自然條件的階段，以云南花卉為例，絕大多數花卉生產者在戶外進行花卉栽培作業，氣候變化對花卉產量的影響不可避免，通過上述對“二十四節氣效應”的實證分析可知，在驚蟄、大暑等氣候變化較大的節氣時，農戶現有的生產條件抗風險能力較弱，造成了花卉產量降低，市場供給緊缺，拍賣成交價格上升。若供應商和市場沒有正確調整供應量和價格，極易導致出現游資炒作、中間批發商哄抬價格等擾亂農產品市場穩定的事件發生。因此，不論是傳統的農產品批發市場還是現代農產品拍賣市場，其良好的價格穩定機制不僅能夠穩定農戶生產，同時也影響著民生福利，關系著整個社會的福利效用。所以，在我國農產品拍賣市場發展之際，我們應該完善價格發現機制，將農產品市場價格波動控制到最低限度之內。這不僅需要拍賣市場各個主體的共同努力，相關政府職能部門也要給予相應的政策和技術支持，從而將“日歷效應”對價格波動的影響降到最低。第一，對于生產者而言，其定價以及預期產量應與市場供求情況相一致，但是在沒有有效的市場信息獲取途徑時，農戶對其所生產的農產品在未來銷售市場上的供求情況只是一種主觀的感受，并非市場實際的狀況。因此構建高質量的信息平臺十分重要，通過市場需求與農產品生產狀況信息的共享，參與農產品拍賣的農戶可以在農產品生產之際準確地把握市場行情。第二，在農產品拍賣市場上出現了某種“日歷效應”之后，媒體要承擔起自身的社會責任，理性看待農產品價格的漲與跌，切勿夸大事實報道、誤導輿論，將農產品小范圍的正常價格波動放大。這不僅對維護市場穩定造成危害，甚至還進一步加劇了農產品價格波動程度。第三，在清楚認識農產品拍賣市場的價格異常波動成因后，相關政府部門要積極地制定相關財政補貼政策和技術支持政策。不僅要評估“日歷效應”對農戶造成的生產損失，對基層農戶進行相應的補貼，還要聯合氣象部門推出符合相關農產品種植的農業天氣預報。第四，相關的農協單位應在某種“日歷效應”的時間節點來臨之前做好應對措施，例如借助金融衍生品市場來轉移其“日歷效應”對農戶帶來的收入風險，各種農業協會或者是拍賣協會可以代表農戶購買相應的看跌期權，以對沖價格下跌帶來的銷售損失。亦或是購買相應的氣象災害保險，以穩定農戶的產生信心。

作者：秦開大李騰單位：昆明理工大學管理與經濟學院