本站小編為你精心準備了期貨價格通貨膨脹論文參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1、核心通貨膨脹的核算

根據對核心通貨膨脹的定義角度不同，相應的核算方式也就不同。目前通用的核算方法共有八種，分別為:剔除法、修剪均值法、加權中位數法、結構向量自回歸法、慣性權重法、共同因素法。根據范志勇等(2011)基于月度環(huán)比消費者價格指數，對這八種核算方法的歸納總結及實證檢驗結果，發(fā)現，從核算結果的穩(wěn)健性的角度來看，樣本區(qū)間內殘差均方根最低的是修剪均值法和加權中位數法，最高的是共同趨勢法和結構向量自回歸法核心通貨膨脹。因此從反映標題通貨膨脹的變化趨勢上來看，修剪均值法和加權中位數法具有較大的優(yōu)勢，上述結論無論對于HP濾波還是移動平均得到的通貨膨脹趨勢值都是穩(wěn)健的。核心通貨膨脹對未來3至5個月內的標題通貨膨脹有較好的預測能力。在樣本區(qū)間內，修剪均值法、指數平滑法和加權中位數法的預測能力最強，而共同趨勢法和方差法的預測效果最差。從本文對核心通貨膨脹的“普遍且持續(xù)的通貨膨脹”的理解上來看，核心通貨膨脹應該是同時具有平穩(wěn)性和預測性的，因此，本文采用修剪均值法對核心通貨膨脹指標進行核算。與范志勇等(2011)一樣，本文采用的是基于月度環(huán)比消費者價格指數來對核心通貨膨脹指數進行核算，選取2006年1月至2013年年底的月度環(huán)比CPI數據進行核算。假設各分類商品增長率具有未知均值的對稱分布，通過將每期樣本按照增長率的大小進行排序，然后進行兩側截尾，進而加權平均剩余樣本得到一個估計值集合，最后根據適當標準選取最優(yōu)的估計值。特別的，當α取0時得到的核心通貨膨脹即為通常的支出權重通貨膨脹;而當α取50%時得到的核心通貨膨脹即為加權中位數核心通貨膨脹。因此，修剪均值法計算核心通貨膨脹與α的選取密切相關，Tahir(2003)提出了確定α大小的RMSE準則，按照均方根誤差最小的原則選取雙邊α的大小。除了上述的基本方法之外，雙側修剪比例還可以是非對稱的。設定樣本增長率從小到大排序后左右兩端修剪水平分別為α和β，(α，β)按照Tahir(2003)提出的方法選取。

2、剔除商品期貨的季節(jié)性因素

本文實證中，選取的商品期貨品種為黃大豆，因為黃大豆這一期貨品種出現的時間較早，可利用的數據較多;另一方面，黃大豆受到國外商品期貨價格的影響較小，更易與國內的核心通貨膨脹建立關系。本文采用平滑法剔除期貨價格中的季節(jié)性因素。

3、建立回歸方程

得到了相應的平滑數據，即可對核心通貨膨脹與平滑后的數據進行回歸以證明其預測性。至此，準備工作已完成。剩下的部分即為將處理后的價格數據與相應日期的核心通貨膨脹數據進行回歸。因此，可建立滯后一到五階的回歸方程。對于滯后階數n的確定，利用AIC準則(赤池信息準則)。對不同的n值，分別比較方程的擬合優(yōu)度，以及AIC值(Akaikeinfocriterion)。取AIC值較小且擬合優(yōu)度較大的n值為佳。

4、實證結果

經實證，當回歸方程自變量是滯后階數由1到5時，擬合優(yōu)度要小于六、七、八階滯后，AIC值大于三、四階滯后，結果差強人意。且方程系數的顯著性很差，證明有不甚合適的變量混在其中，由于進行比較時是將滯后階數逐漸遞增，因此推測是一階與二階滯后，甚至三階滯后變量不合適。因此，將一階、二階、三階滯后相繼剔除，結果確實有所改善。從上述回歸結果也可以看出，回歸方程擬合優(yōu)度不高，DW值也偏低，表明除了核心通貨膨脹外，還有諸多對價格變動影響較為深刻的因素未引入到方程之中;同時，過多的滯后變量也會引起共線性問題。由于我們研究的是核心通貨膨脹對價格變動的影響程度，上述方程已能說明問題。

5、結論

與金融期貨不同，商品期貨價格是以現貨商品的價格為標的的變動，是實體商品價格的變動，可以說，其變動幅度更容易把握，且受經濟中所包含的噪聲影響不大。經過研究，可知核心通貨膨脹確實對三到五個月后的價格變動有著一定的預測作用。是以，當我們把握好該商品的供求關系以及核心通貨膨脹水平，就有可能對價格進行一個較為貼近的預測，從而在價格偏離預期較大的時刻利用一定的策略進行操作。

作者：蔣天琦董媚嬌單位：北京物資學院研究生院