許馨露 顧光同 沈強斌 鄭超凡

摘 要：對國際農產品期貨交易價格進行研究，選取玉米、大豆、小麥及豬肉4類農產品期貨價格數(shù)據(jù)，運用GARCH模型族進行農產品期貨價格收益率的風險差異比較，運用VaR方法進行回測。結論：在4類農產品期貨中，豬肉期貨價格風險更大，未來期貨市場應著重于豬肉期貨的價格操作。提出了通過農產品期貨交易來保證我國資金安全和獲取利潤的建議。

關鍵詞：中美貿易;GARCH模型族;農產品期貨;VaR

文章編號：1004-7026（2020）14-0007-05? ? ? ? ?中國圖書分類號：F742? ? ? ? 文獻標志碼：A

1? 研究背景

農產品作為中美貿易的重要部分，與普通百姓日常生活密切相關。我國不僅是全球最大的農產品生產國，更是全球最大的農產品消費國和進口國，美國是我國長期進口農產品的大國之一[1-2]。21世紀以來，中美貿易交流更加頻繁，我國從美國進口棉花、大豆和牛皮等農產品，進行加工后返往美國銷售。進口成本隨著大宗農產品價格上升而增加，導致我國減少從美國購入大宗農產品的數(shù)量，例如巴西取代美國成為我國進口大豆的最大供應國[3]。從需求方面來說，農產品生產供給低彈性，存在剛性消費需求，在我國大宗農產品最大的供應商轉變之后，美國必然會采取相應措施來保護本國的貿易[4]。美國擁有豐富的土地資源和相對過剩的農產品，而我國人口多、耕地資源緊張，且農產品具有生產周期性和季節(jié)性等特點，中美兩國農產品生產和出口結構都存在著很大差異。雙方從保護本國貿易角度出發(fā)，通過數(shù)次談判和加征關稅保障本國農產品進出口利益，牽連到其他行業(yè)，導致市場期貨價格不斷波動，且波動幅度較大，這對于投資者和國家把控國內市場貿易走向來說都是不利的。

自2018年初以來，中美貿易摩擦不斷升級，中美雙方的“籌碼”也隨著談判次數(shù)增加而增加。截至2019年9月1日，美國對中國單次加征關稅高達5 500億美元，而中國對美國單次加征的關稅也達到了750億美元。其中影響最大的就是與普通百姓關系最緊密的農產品。因此，借助GARCH模型族和相關農產品期貨交易的價格數(shù)據(jù)，對價格風險差異進行比較分析具有現(xiàn)實意義。

2? 相關研究文獻評述

潛力模型是早期主要研究模型。Stouffer（1940）提出該模型，在對城市距離研究的基礎上第一次提出了中介機會的概念。賴利定律就是在套用了中介機會概念的潛力模型基礎上，利用引力模型的兩個主要因素規(guī)模和距離，對一個地區(qū)的市場邊界進行分析而得出的。隨著理論發(fā)展，Tinbergen（1962）和Poyhonon（1963）引出基礎的引力模型。隨后，朱海霞（2008）構造了邊境效應引力模型，發(fā)現(xiàn)了顯著的中美農產品貿易的邊境效應，提出該效應呈逐年下降趨勢，但沒有對數(shù)據(jù)運用更加具有量化能力的現(xiàn)代數(shù)學模型進行分析。王磊（2010）運用中美兩國雙邊服務的貿易數(shù)據(jù)、國內生產總值數(shù)據(jù)及貿易相似系數(shù)等指標構造了多個引力模型，通過比較分析明確了最優(yōu)模型并預測了在完全自由貿易條件下中美雙邊貿易規(guī)模發(fā)展趨勢。

在引力模型的基礎上，選取適當?shù)淖兞靠梢詫χ忻擂r產品貿易進行價格差異比較，但僅比較價格差異并不能很好地說明目前農產品期貨市場的風險。因此，應再引進風險價值（VaR）分析方法對數(shù)據(jù)進行進一步分析。

在早期金融市場的風險管理度量方面，風險價值（VaR）模型比較流行，該模型能對某一投資組合或單個資產在確定時間內一定置信水平（a）下，將其遭受的最大損失進行量化，因此在金融行業(yè)風險管理方面擁有廣泛運用。之后，在20余年的學術積累下，學者們將VaR的單變量模型升級拓展，目前風險測度模型按參數(shù)類型劃分為3類，即參數(shù)類（如GARCH族模型等）、非參數(shù)類（如歷史模擬法、蒙特卡羅模擬法等）、半?yún)?shù)類（如CAViaR模型等）。由于非參數(shù)類模型無須預先假設分析按因子變化分布，存在波動性較大、穩(wěn)健性較差的缺點，也可能形成維數(shù)災難等問題，因此實踐中更多采用參數(shù)類模型及半?yún)?shù)類模型對VaR進行測度。當代大量實證研究表明，大宗商品類期貨收益率序列分布常常表現(xiàn)為尖峰厚尾、自相關性和杠桿效應，這些特征已經(jīng)違背了傳統(tǒng)VaR模型的假設前提，因此大多數(shù)文獻通常采用GARCH模型族對資產風險進行統(tǒng)計度量，并進行了兩方面的對比研究。采用多種GARCH模型族開展研究的有龐淑娟和劉向麗等，他們對比了較多的GARCH模型族對不同商品期貨風險的測度能力后，認為以下幾個模型具有更佳的風險預測能力：考慮長記憶性的HYGARCH模型、考慮長記憶性及杠桿效應的FIGARCH（1，d，1）模型和FIEGARCH（1，d，1）模型、考慮不對稱性的EGARCH模型。

綜上，國內外學者采用引力模型對不同國家和地區(qū)之間貿易進行了大量研究，而少有專門針對中美兩國農產品貿易的期貨價格進行建模分析[5-6]。本文試圖在數(shù)理方面對農產品價格的風險差異進行分析，結合GARCH模型族分析2018—2019年中美兩國農產品貿易變化，對改進模型檢驗后，明確影響貿易額的顯著因素，并提出政策建議。

3? 模型

3.1? GARCH模型

在ARCH模型的基礎上，Boollerslev（1986）提出了廣義自回歸條件異方差（GARCH）模型。GARCH模型是對ARCH模型的重要擴展，ARCH模型僅僅是GARCH模型的特例。一般而言。GARCH（p，q）模型可以表示為下式。

GARCH模型能夠表現(xiàn)金融市場具有的“波動聚集”特征和“厚尾”特征。考慮一個GARCH（1，1）模型的波動方程。

Ding等（2003）提出了APARCH（Asymmetric Power Autoregressive Conditional Heteroscedastic）模型。APARCH（p，q）模型的條件方差過程為下式。