三大粮食期货的风险溢出效应

三大粮食期货的风险溢出效应分析一、绪论（一）研究背景与意义1.研究背景粮食与一个国家的民生发展息息相关，自古以来粮食的安全生产和价格稳定都是治国安邦的重中之重，粮食安全不仅关乎着整个国家的命运，更是国家安全、稳定、健康发展的重要保证。自建国以来，我国农业取得了令人瞩目的成就，不仅顺利解决了全国人民的温饱需求，而且出现了粮食供应过剩的现象。但在感叹这一伟大壮举的同时，我们也应该认识到，由于人类对自然生态系统的不断改造，对农业生产所依赖的自然环境造成一些不可逆转的破坏，随着中国市场化程度的不断提高，农业将面临更激烈的竞争，国内农产品价格将受到更多复杂因素的影响，价格波动风险也将日益显著，因此农产品现货市场的风险管理和控制需求也在不断增加，而期货市场内在的风险管理能力可以满足农产品现货市场的这一需求。期货市场的产生是为了规避粮食市场的波动风险，稳定市场供求关系，其最基本的功能是价格发现和规避风险。邵永同和丛林（2019）REF_Ref31092\w\h[21]指出农产品期货市场在促进中国粮食安全方面大有可为。农产品期货被认为是期货市场中最早上市的品种，已经存在了一百多年。在过去的时期，期货市场的主力军一直是农产品期货。这些期货交易的热度空前，为农业产品的生产与销售提供了强大的推动力。在大部分情况下，农产品期货的交易活跃度堪称市场之最，其影响力不容小觑。农产品期货市场的繁荣，对农产品的产业链上下游产生了积极的影响，从一定程度上推动了农业产业的发展。在此期间，农产品期货在期货市场中的地位日益巩固，成为市场关注的焦点。在金融业颇为发达的国家中，农产品期货市场已经茁壮成长为农民和农业公司制定生产策略的重要风险规避工具，他们可以根据相对稳定的市场价格信息来进行决策。我国最早的商品期货市场是郑州商品交易所，最初被称作郑州粮食批发市场。随后经历了多次恢复和整顿，形成了目前的三大所格局。其中，郑州商品交易所推出了涵盖棉花、白糖、小麦等10个农产品的远期合约，为广大投资者提供了丰富的投资选择。与此同时，大连商品交易所也推出了包括大豆、豆粕、玉米、豆油等8个农产品远期合约，吸引了众多投资者关注。相较之下，上海期货交易所的农产品期货种类较为单一，仅天然橡胶一种农产品上市交易。在期货市场的发展中渐渐形成了粮、棉、油、糖四大系列，大大丰富了市场上的农产品期货品种。三大所格局的形成，使我国的农产品期货市场对价格波动风险的规避管理策略更加多样有效，同时，不同期货产品之间风险因素的相互影响更加突出和难以预测。2.研究意义近些年，粮食期货市场与现货市场的价格波动密切相关，两者之间呈现出一定程度的收益溢出效应。当粮食期货价格波动时，其影响力会逐渐扩散至现货市场，进而影响现货价格的走势。而现货市场的价格波动同样会波及期货市场，使得期货价格产生相应的变动。柯杨敏（2019）REF_Ref29626\w\h[20]围绕大豆、棉花、白糖得出国内农产品期货市场相对于农产品现货市场具有引导地位的结论，因此研究粮食期货与现货市场之间的收益溢出效应具有重要意义。首先，粮食市场对于国家经济和社会稳定起着关键作用。粮食是人们的基本生活保障的必需品，粮食市场的稳定关乎人们的日常生活和社会安定。通过研究粮食期货市场与现货市场之间的收益溢出效应，可以更好地了解市场价格的波动机制，为政府相关部门在制定政策时提供科学的依据，促进粮食市场的稳定。其次，粮食期货市场对于农民和粮农企业具有重要意义。农民和粮农企业是粮食市场的主要参与者，他们通过粮食期货市场来进行风险管理。了解粮食期货与现货市场之间的收益溢出效应，可以帮助农民和粮农企业更好地制定风险管理策略，减轻因市场价格波动而带来的风险和损失。此外，研究粮食期货与现货市场之间的收益溢出效应还可以为投资者提供一定的参考。粮食期货市场作为一个关键的投资领域，为投资者提供了通过交易粮食期货实现盈利的机会。在这个市场中，投资者可以根据市场走势和自身投资策略，参与粮食期货的交易，以期获得更多收益。

（二）研究方法和研究内容1.研究方法本文将对我国三大粮食品种小麦、玉米和大豆期货市场的收益溢出效应进行定性分析和定量分析，具体使用的方法有文献分析法、比较分析法和实证分析法。（1）文献分析法：在深入阅读相关研究文献后，我们发现当前关于风险溢出效应的研究较为丰富，研究焦点主要分布在绿色经济、石油市场、国际市场等高风险领域。然而，在农产品期货市场中，对收益溢出效应的研究相对较少，尤其是针对中国三大粮食期货（小麦期货、玉米期货、大豆期货）的研究更是稀缺。正因如此，我们确定了本文的选题、研究方向和方法。（2）比较分析法：基于确立的研究方向，在CSMAR数据库中搜集小麦、玉米以及大豆的期货和现货价格信息，对现货价格与期货价格的价格走势图进行比较分析，观察两者价格波动的规律，便于构建金融计量模型。（3）实证分析法：以金融计量经济学的理论为基础，建立VAR等计量模型，揭示变量之间的经济关系，并估计出三大粮食期货市场与现货市场之间的收益溢出效应。2.研究内容本文在选取研究对象时，注重选取具有较固定的种植和收割周期的农作物，以便于在分析过程中观察研究对象现货价格的波动幅度和周期。在众多农产品中，小麦作为我国主要粮食产物之一，种植时间和收割时间相对固定，10月份种植，次年的5月至6月收割，小麦的价格是有供应旺季和消费旺季之分的。一般在夏季供应过剩而价格降低，而在秋冬季节消费增加时，供应跟不上需求而价格升高。同时大豆和玉米也具有较固定的生产周期，两者生产周期相似，通常在每年的10月份收割，便于观察价格的影响因素和波动周期。同时，在我国，小麦、大豆和玉米都是重要的农作物，它们的期货产品在国内和国际期货市场上的成交数额均高于其他农作物期货。特别是玉米期货和小麦期货是全球交易数额最大的农产品期货，而大豆期货也是极其重要的。这三种期货市场价格的波动对全球玉米、大豆和小麦的生产都具有重要影响。因此，研究被称为三大粮食期货的大豆、玉米和小麦期货的收益溢出效应非常有意义。因此，以下是本文研究的基本架构：（1）本文首先阐述了论文选题的背景、研究目的以及重要性，同时详细介绍了研究内容，并说明了所采用的研究方法。（2）接下来，本文对国内外关于期货市场与现货市场溢出效应的研究进行了全面综述，并对这些文献进行了详细的评述。（3）介绍在实证分析过程中所涉及的基本概念，包括收益溢出效应和VAR模型，为后续构建模型提供理论基础。（4）根据文章选题的方向，选取小麦、玉米和大豆期现货价格样本数据，采取近交割月份构造法处理样本数据，构造连续期货价格数据，并与现货价格相对于形成一组完整的期现货价格序列，再基于处理好的数据进行描述性统计分析，分析数据所表达的表层信息以及外部事件对价格波动程度的影响。根据理论基础，构建VAR模型，通过ADF检验、协整检验等金融计量方法，分别讨论分析小麦、玉米、大豆三大粮食品种期现货价格波动而导致的溢出效应。（5）实证分析结论及具体应用意义。依据本文理论分析总结实证结果，分析三大粮食品种期现货价格之间的收益溢出效应的方向与大小，分析所得到的实证分析结果的具体应用意义。二、国内外研究现状（一）文献回顾目前，对风险溢出效应的研究一直都是学术界关注的重点，国内外学者基于不同的侧重点对这一问题进行了探讨研究。陈晓雷等（2015）REF_Ref29718\w\h[14]研究了中美大豆期货市场的波动溢出效应，分析结果显示，在金融危机前后的不同波动情境下，两市的相关性出现了明显的变动。波动溢出效应在市场波动较大的时候表现得尤为明显；邢精平等（2011）REF_Ref29803\w\h[16]采用T-CARCH模型对我国股指期货与现货市场的信息传递和波动溢出关系进行了深入研究，结果揭示出期现货市场之间存在明显的双向波动溢出现象。研究还显示，溢出效应在期货市场上的影响程度相较于股票市场更为显著；秦静和乔虹（2022）REF_Ref29868\w\h[3]针对中美粮食期货市场，研究了极端风险的溢出效应，分析结果表明，这两个市场的粮食期货极端波动呈现出幂律联动的特征，即中美粮食期货市场在极端风险情况下，波动之间存在一定的关联性；刘文超等（2020）REF_Ref29927\w\h[7]对两个市场在极端条件下风险溢出效应进行了实证分析，发现中美大豆期货市场在面临极端风险时，彼此之间存在相互影响的风险溢出效应；DaiYun-Shi等（2023）REF_Ref29979\w\h[26]针对国际市场上粮食期货和现货市场之间的尾部依赖结构以及极端风险溢出效应进行了相关分析，各粮食期货市场在极端情况下，对现货市场均呈现出显著且稳定的极端下行和上行风险溢出效应；朱航聪和淳伟德（2022）REF_Ref30061\w\h[5]以股指期货为研究对象，发现股指期货与现货市场之间存在导向对方的极端风险溢出效应，且股指期货市场与现货市场之间的关系并非完全对称，而是在某些情况下呈现出非对称的特征；罗丹程等（2018）REF_Ref30116\w\h[10]研究中美玉米期货市场风险溢出效应的规模和方向时使用了平稳性检验、相关性检验等方法，分析结果显示，中美两国玉米期货市场在风险方面存在一定的正向关系，且在金融危机背景下，中美玉米期货市场之间的风险传递效应更加明显。对于价格发现功能的研究，学者们并未局限于单一角度，而是从多种角度对其进行了深入探讨。这些研究涵盖了不同的研究领域和对象，旨在揭示价格发现功能在不同市场、行业和情境下的运作机制。宋博和邓莹（2018）REF_Ref30341\w\h[9]研究我国粮食期现货市场的价格发现和价格反馈，发现粮食期货市场在价格发现方面发挥着重要作用；LiMiao和XiongTao（2021）REF_Ref30394\w\h[27]大宗商品现货市场的市场化改革可能有助于强化期货市场的定价权；白敬萱（2022）REF_Ref30498\w\h[22]在实证分析我国豆粕期货市场的实际交易数据后，研究结果揭示出以下事实：豆粕期货市场在价格发现方面表现出一定的功效，但其市场竞争效率相对较弱。此外，现货价格对期货价格的引领作用较强，而期货价格对现货价格的指导作用则相对较弱；申文冠等（2011）、REF_Ref30547\w\h[23]基于我国小麦期现货价格数据进行研究，期货市场在一定程度上已经展现出价格发现的职能。在研究收益溢出效应时，许多学者认为应首先从分析期货市场与现货市场的协整关系入手。这种研究方法有助于我们更好地理解收益溢出效应在金融市场中的作用，以及如何有效地对其进行管理和防范。在未来的研究中，我们期待看到更多关于期货市场与现货市场协整关系的研究成果，以期为收益溢出效应的理论和实践提供更有价值的参考。刘晓桐（2015）REF_Ref30622\w\h[25]在VAR模型上风险优质强筋小麦期货周结算价和现货市场的平均价格，实证结果表明，小麦期货价格既有长期均衡，也有短期回归均衡，而且小麦期货价格是现货价格的格兰杰原因，在价格发现中起着至关重要的作用；杨慧珍等（2017）REF_Ref30684\w\h[24]以玉米和小麦市场为研究案例，这两大市场的上市时间均较长，且市场成交规模在总体中占有较大比重。研究结果显示玉米期货价格与现货价格之间具有长期稳定关系，而小麦期货价格与现货价格之间则未呈现出类似的同步变动特征；郭章（2021）REF_Ref30740\w\h[6]与曹萍萍（2019）REF_Ref30782\w\h[8]经过对豆粕及玉米期货价格与现货价格之间关联性的深入研究，结果显示期货市场在很大程度上能够引领现货市场价格的变动。同时，价格波动也会从期货市场传导至现货市场；关威和张目（2016）REF_Ref30841\w\h[12]基于玉米，仲伟俊和戴杨（2007）REF_Ref30923\w\h[18]基于大豆，邵永同等（2023）REF_Ref28575\w\h[1]基于小麦，张恒等（2022）REF_Ref31230\w\h[4]同样以小麦为研究对象，在对中国玉米、大豆和小麦三大农作物期货和现货市场价格变动的实证研究中，我们揭示了期货市场与现货市场之间存在收益溢出效应的现象。CARCH模型、VAR模型和协整检验在收益溢出效应的实证研究中发挥着重要作用，它们有助于分析收益溢出效应的相关性、波动性以及持续性。贺晓雨和张美（2023）REF_Ref31295\w\h[2]利用VAR模型这一计量模型研究了中国豆粕现货价格对期货价格的影响，发现我国豆粕现货价格对期货价格具有显著推动作用；董珊珊和冯芸（2015）REF_Ref31344\w\h[13]通过研究基于FCVAR模型的结果，我们发现LME铜在期货和现货市场的价格发现功能中扮演着主导角色。特别是经过汇率调整后的FCVAR模型显示，LME铜在价格确定方面具有重要意义，凸显其在市场中的影响力；王可山和余建斌（2008）REF_Ref31412\w\h[17]构建了一个VAR模型来研究美国大豆期现货市场之间的价格传递，发现这两个市场呈现相互引导的态势；张有望和李剑（2017）REF_Ref31471\w\h[11]在对粮食期货与现货市场价格波动传递效应的研究中，采用了BEKK-CARCH模型，发现中国粮食期货与现货市场之间存在明显价格波动传递，且在不同粮食品种之间的传导程度上存在差异；陈志英（2013）REF_Ref31527\w\h[15]利用双变量T-GARCH模型（带误差修正项）研究了中国燃料油期货和现货市场之间的价格发现和波动传导效应，发现中国燃料油期货和现货价格之间存在双向传递关系，且期货价格在价格发现中起着主要作用；刘庆富和仲伟俊（2007）REF_Ref31595\w\h[19]运用Johansen协整模型、信息交换模型等多元化模型，对我国铜铝期现货市场价格发现以及波动溢出效应进行了深度研究，研究发现，铜期现货市场和铝期现货市场之间都展现出了双向的溢出效应。（二）文献评述通过对上述国内外研究现状的分析可以看出，收益外溢效益的研究具有很大的必要性。从整个金融体系来看，溢出效应是广泛存在的，在不同条件和因素的影响下会产生不同的溢出效应，所产生的溢出效应对不同市场和工具的影响角度和程度也不尽相同。在两个不同国家交易的期货之间存在双向收益溢出效应。期货价格只会引导现货价格，而现货价格也会同时对期货价格做出反应，因为期货和现货价格都是由价格发现驱动的。在现有的研究中，大多数是基于两个市场或一种特定的期货产品来研究波动溢出效应，而同时基于三种期货产品来研究收益溢出效应的研究相对较少。本文以大豆、玉米和小麦三大谷物期货的期货和现货价格数据为基础，通过构建计量经济模型，包括VAR模型、平稳性检验和Grander因果关系检验，探讨了收益溢出效应存在的方向和程度。三、相关概念和计量模型（一）相关概念1.溢出效应在金融市场中，溢出效应发挥着重要作用。溢出效应是指一个市场的风险冲击会迅速传导到其他市场。事实上，金融市场的各个部门并不是孤立存在的，而是密不可分、相互依存的。这种相互关联性是溢出效应产生的基础。溢出效应产生于不同市场的相互联系和相互依存。一个市场的风险或波动只有在两个市场之间存在一定程度的相关性时，才能传染到这个市场之外的市场上去。此外，两个市场之间的相关程度直接影响到溢出效应的方向和规模，两个市场之间的相关性越强，溢出效应就越大。更具体地说，溢出效应包括收益溢出效应和波动溢出效应。收益溢出效应指的是，在一个经济体系中，某一经济主体的收益增加不仅对其自身产生影响，还会对其他经济主体产生间接有益影响。这种影响可能体现为投资者在各个经济主体之间的资产交易，进而引发其他经济主体价格和收益率的相应变化。换句话说，一个经济主体的价格或收益率变化不仅仅是单一经济主体内部因素的结果，而是多个经济主体的影响和制约因素的综合结果。在波动溢出效应的情况下，研究的是方差层面的联系。例如，美国期货的波动可能会影响中国的期货。这是衡量市场联系的常用方法，可以反映市场间波动信息的传递。与平均溢出效应相比，波动溢出效应能更好地反映市场间的风险转移过程，因为平均溢出效应只考虑价格或收益的一阶序列。在一个高度有效的市场中，价格已经包含了市场中所有的有效信息。换句话说，市场上的信息是完全透明的，不存在因信息不对称而导致的收益溢出效应。然而，在现实的金融市场中，市场并未达到完全有效市场状态，市场信息在投资者之间处于一个非对称的情况，由于信息不对称和投资者非理性投资行为的双重作用，不同的市场间必然会发生收益溢出效应。2.在险价值VaRValueatRisk（VaR）是一种衡量金融风险的指标，它用于评估在一定置信水平下某个投资组合或资产在未来一段时间内可能面临的最大潜在损失。VaR是一种有效的风险衡量工具，它可以帮助投资者识别和应对金融市场中的潜在风险。在实际应用中，VaR可以为投资决策和风险管理提供重要依据，从而降低投资风险，保护投资者利益。VaR衡量的是单个投资组合或投资组合对价格、利率和汇率不利变动的风险敞口。用数学语言可以表示为（3-SEQ公式\*ARABIC\s11）其中，表示概率，表示投资者在将来资产拥有期内的损失，表示组合在当前时间的价值，为置信水平，为置信水平下投资组合的在险价值。

（二）计量模型1.VAR模型VAR（向量自回归）模型的核心思想是通过将各变量之间的关系表达为线性方程组，以描述它们之间的相互影响和动态关联。在VAR模型中，每个变量都被假定为是过去一段时间内其他变量的线性组合加上一个随机误差项所构成的。VAR模型的基本原理是回归分析，这是一种回归系统，其中内生变量对所有内生尾变量没有限制，每个参数也不需要有零限制。这种模型在经济学、金融学等领域的时间序列分析和预测中得到了广泛应用。通过估计VAR模型的参数，我们可以揭示不同变量之间的因果关系、传导效应以及冲击传播路径。这种模型有助于我们更好地理解金融市场中的相互影响和动态关联，从而为政策制定和风险管理提供有力的依据。在假设，存在相关性的情况下，若单独构建自回归模型，将无法揭示二者之间的相关性。然而，通过使用联合回归模型，我们便可揭示它们之间的联系。VAR模型的结构取决于两个参数之间的关系。一个是模型包含的变量个数，另外一个是最优滞后阶数。以两个参数，滞后1期的VAR模型为例：（3-2）改写成矩阵形式如下：（3-3）设，，，，则，（3-4）那么，含有个变量滞后期的VAR模型表示如下：（3-5）其中，是独立同分布，均值为0，协方差矩阵为的随机向量。在进行VAR模型估计时，应该重点关注模型的平稳性，即保证的所有特征值都落在单位圆以内，单位圆是指一个半径为1的圆。在时间序列分析中，经常使用单位圆来表示平稳性检验中的单位根检验。单位圆上的点代表不同的单位根校验统计量的临界值，可以用来进行单位根检验，以此来确定时间序列数据的平稳性。对于VAR模型，可以使用特征根方程来判别其稳定性，以为例，将其改写为：（3-6）其中，。2.格兰杰因果检验法Grander检验是一种时间序列分析方法，用来检验这两个变量之间的关系是否具有统计学上的显著性。检验的基本原理即在假定的滞后阶数（过去值）为某一固定值时，如果的滞后系数仍然可以解释的当期值的变动情况，则认为是为变化的因。检验要求估计以下的回归：（3-7）（3-8）其中，和互不相关。3-7式假定当前与自身以及的过去值有关，而3-8式对也进行类似的假定。对于3-7式而言，其零假设。对于3-8式而言，其零假设。分以下四种情形讨论：（1）如果公式3-7中的滞后系数估算值在总体上与0存在明显的统计差异，同时公式3-8中的滞后系数估计值在总体上与0有明显的统计差异，则表明就是变化的原因。（2）如果公式3-7中的滞后系数估算值在总体上与0存在明显的统计差异，同时公式3-8中的滞后系数估计值在总体上与0有明显的统计差异，则表明就是变化的原因。（3）如果公式3-7中与公式3-8中的滞后系数估算值在总体上与0存在明显的统计偏离，则表明和之间存在反馈或双向因果关系。（4）如果公式3-7中与公式3-8中的滞后系数估算值在总体上与0不存在明显的统计偏离，则表明与之间不存在因果关系。3.脉冲响应函数基本原理脉冲响应函数是时间序列分析中用于研究变量之间短期影响的重要工具。它描述了在一个时间点上单个冲击（脉冲）对系统的影响程度，可以帮助我们理解变量之间的瞬时反应和动态关系。本文研究小麦、玉米、大豆三大粮食品种的期货价格与现货价格之间的收益溢出效应，通过脉冲响应函数能够将两个变量之间扰动变化的相互影响效果表现出来，同时也反映出三个粮食品种的期现货价格在遭到冲击波动之后响应的正负方向等。（3-9）表示序列原始冲击序列变动一单位对产生影响的时间路径。4.方差分解方差分解是一种有效的统计分析方法，有助于我们将总体方差分解为各个因素的贡献，进而更好地识别影响数据变化的主要因素。在方差分解的过程中，总体方差被拆分为多个因素的贡献部分，这些因素通常包括两个或更多。通过方差分解，可以确定每个因素对总体方差的影响程度。这样，研究者可以更好地理解数据的波动性，并据此做出更准确的推断和决策。对于一个VAR（p）模型，数列的第个变量可以写为：（3-10）公式中，每个括号中的是第个扰动项从无限过去到现在时点对影响的总和。求其方差，假定无序列相关，则：（3-11）假定扰动项向量的协方差矩阵是对角矩阵，则的方差为：（3-12）四、基于VAR模型的实证分析（一）数据选取与基本分析1.样本数据的选取与基本处理此篇论文的核心是对中国国泰安CSMAR数据库中的三种重要的农产品，即小麦、玉米以及大豆的期货及现货价格进行的深入探讨。具体来讲，现货价格是指全国范围内小麦、玉米和大豆当日的成交均价，而期货价格则是指强麦、玉米和黄大豆1号每日结算的价格。所有价格数据都以“元/吨”为单位，时间跨度从2017年1月3日至2023年4月28日。在去除部分期货与现货价格数据时间不匹配的情况后，我们最终收集到了1535组小麦的期货与现货价格数据、1537组玉米的期货与现货价格数据，以及1537组大豆的期货与现货价格数据。在同一天的交易中，由于期货合约期限的多样性，同类期货合约的价格可能呈现出跳空的现象。为了满足实证分析的需要，必须获得一组连续的期货价格数据。通常情况下，构建连续期货价格序列的方法可以分为两种：主要期货合约构建法和近期合同月构建法。在国外成熟的期货市场中，主要期货合约的轮换规律比较明显，许多相关研究会采用主要期货合约构建法生成连续的期货价格序列。相较之下，国内期货市场中主要期货合约的轮换规律相对模糊，主要期货合约构建法的适用性较低，因此在国内普遍采用的构建方法是近期合同月构建法。本文采用的方法是近期合同月构建法，生成了三种粮食品种的连续期货价格数据。具体实施时，会选取最接近到期的期货合同作为代表合同，一旦该合同进入到交割月，就会选择下一个最接近到期的合同（避免受交割期价值异常波动的影响），然后利用每个交易日的结算价格来构建连续的期货价格序列。以玉米期货为例，每年有六个不同的期货合同，分别是1月、3月、5月、7月、9月和11月。每年1-2月，选取当年3月份交割的期货合约相关价格；3-4月，选取当年5月份交割的期货合约相关价格，以此类推，大豆期货和小麦期货的数据构造方法同上。2.三大粮食期货的描述性统计分析样本数据经过相关处理之后，分别得到小麦期现货价格数据1535组、玉米前期现货价格数据1537组和大豆期现货价格数据1537组。将期货价格与现货价格的走势通过散点图呈现，x轴表示样本数据时间区间，以天为单位；y轴表示期现货的价格，由CSMAR数据库得知，期现货价格数据的单位统一为“元/吨”，价格走势图如图4-1、图4-2和图4-3所示。图4-1小麦现货与期货价格走势图图4-2玉米现货与期货价格走势图图4-3大豆现货与期货价格走势图第一，小麦、玉米和大豆三个粮食品种的现货价格与期货价格两者走势大致相同，表明三大粮食品种的现货市场与期货市场在样本选取的时间区间内，一直存在较强的相关关系。第二，2017年1月至2019年年末，小麦的期现货价格基本在2400-2500元/吨这一价格区间内波动，玉米的期现货价格基本在1600-1700元/吨这一价格区间内波动，大豆的期现货价格基本在3800-3900元/吨这一价格区间内波动。小麦、玉米和大豆三个粮食品种的期货价格和现货价格较稳定，均没有太大的波动。第三，自2019年年末开始，新冠疫情这一涉及公共卫生安全的传染性疾病暴发，该事件的发生国家（如中国）立即采取有效防疫措施以防止疫情传播，比如限制出行、封锁交通等，这些措施的实施对交通运输以及务工人员返岗形成了阻碍，造成农机及其配件、农药、种子、化肥等农资购买难等问题，同时对粮食产业造成很大影响。新冠疫情阻碍了小麦、玉米和大豆产销地之间的正常运输，导致运送粮食的汽车从生产地区运往销售地区、粮食运往港口、港口运往仓库无法得到有效运转，加之物流司机跨区域流动需要“24小时”核酸报告，运输效率大幅下降。其次，在疫情的作用下，消费者大大降低了自身在餐饮行业的消费，导致很多门店无法正常经营，被迫停业停工，甚至还面临着倒闭的风险。最后，如果到了农地播种时期，由于农村地区医疗防护物资有限，疫情防控手段落后，农民宁可不开工，也不愿意冒风险开展耕地工作，播种受限将直接导致粮食入库量减少。新冠疫情对我国小麦、玉米和大豆现货市场带来的打击，大致体现在增加了粮食市场的供不应求，2020年至2022年底我国小麦、玉米和大豆期现货价

格持续走高。2023年，我国对各方面的防疫管控逐渐分开，粮食的种植、运输和消费得到恢复，市场上的粮食供应量慢慢追平需求量，小麦、玉米和大豆三大粮食品种的期现货价格出现回落，不再呈现大幅度、持续的上涨。表4-SEQ表\*ARABIC1三大粮食品种期现货价格描述性统计变量均值最大值最小值标准差偏度峰度JB统计量概率PWS2588.04603254.00002256.0000261.96441.13812.9437331.60180.0000PCS2184.35602901.43001527.3300478.87970.29641.3280201.53830.0000PSS4602.19906190.00003506.67001020.60800.29841.3311201.18160.0000PWF2726.50203684.00002202.0000314.98371.15163.7036371.19360.0000PCF2192.37002971.00001466.0000465.61160.24660.3920181.16160.0000PSF4583.05306482.00003051.00001103.67100.21700.3729181.59660.0000注：①PWS、PCS、PSS表示三大粮食品种的现货价格，PWF、PCF、PSF表示三大粮食品种的期货价格；②数据来源于Eviews12，均保留小数点后四位。表4-1所示，六组期现货价格数据的均值大于0，因此在2017年1月3日到2023年4月28日这个时间跨度，小麦、玉米和大豆期现货的收益率都为正收益率。就最大值和最小值来看，大豆期货价格的最小值为3051，而最大值为6482，其最值的差值最大；小麦现货价格的最小值为3254，最大值为2256，其最值的差值最小。从标准差的角度来看，大豆现货价格在现货市场中表现出最高的波动性，而小麦现货价格则表现出最低的波动性。相比之下，在期货市场中，大豆期货价格的波动性最为突出，而小麦期货价格的波动性最为稳定。这表明，在小麦、玉米和大豆这三种粮食品种中，无论是在期货市场还是现货市场中，大豆的价格变动都相对小麦和玉米而言更为剧烈。对于小麦、玉米和大豆这三个粮食品种，其期现货价格数据的偏度均大于0。这意味着在样本数据中，左端区域中，极端值占据较大比例，这些极端值使得数据集的平均值左侧的离散程度上升，从而形成了右侧拖尾的现象。小麦期货价格的峰度达到3.7036，大于3，呈现出“尖峰”现象。而其现货价格的峰度为2.9437，低于3，表现出“低峰”特征。与此同时，玉米和大豆的期现货价格峰度也都小于3，同样具有“低峰”特点，小麦、玉米和大豆的期货价格和现货价格数据呈现出不同的峰度特征，这反映了各品种的市场行为和价格波动特点。需要注意的是，小麦、玉米和大豆的期现货价格概率等于0，这意味着它们的数据不服从正态分布特征。（二）平稳性检验1.单位根检验单位根检验的主要作用是判断数据序列是否存在单位根。通过对时间序列数据进行单位根检验，我们可以判断其平稳性。单位根检验结果有两种可能性：如果时间序列存在单位根，则意味着序列是非平稳的；而如果不存在单位根，则说明序列是平稳的。大多数实证分析都是采用ADF检验和PP检验来检验，本文采用ADF检验方法，其基本思路是首先对原始序列进行单位根回归，接着利用t统计量对单位根假设进行验证。在此，我们对小麦、玉米和大豆的期现货价格序列，在一阶和None情形下进行单位根检验。如表4-2所示，在ADF检验中，小麦现货的检验值为-18.89910，玉米现货的检验值为-9.21605，大豆现货的检验值为-37.01396。同样地，小麦期货的ADF检验值为-40.44760，玉米期货的检验值为-32.82855，大豆期货的检验值为-36.35085。在1%、5%、10%置信水平下，对应的数值均小于置信水平下的临界值，且P值=0.0000＜0.05，即表示小麦、玉米和大豆期现货价格这六个序列模型选定的情形下不存在单位根，时间序列均具有平稳性。表4-SEQ表\*ARABIC2三大粮食品种期货和现货价格ADF检验变量ADF检验临界值1%5%10%P值结论PWS-18.89910-2.56647-1.94103-1.616560.0000平稳PCS-9.21605-2.56647-1.94103-1.616560.0000平稳PSS-37.01396-2.56647-1.94103-1.616560.0000平稳PWF-40.44760-2.56647-1.94103-1.616560.0000平稳PCF-32.82855-2.56647-1.94103-1.616560.0000平稳PSF-36.35085-2.56647-1.94103-1.616560.0000平稳2.Johansen协整检验通过协整检验，探讨两个或多个时间序列之间是否具有稳定的相互关系。在实证研究中，我们运用了Johansen模型来检测这些时间序列的协整性，该模型擅长处理多个时间序列之间的关联分析。在进行检验时，需关注以下几个方面：时间序列的平稳性、单位根检验、最优滞后阶数选择以及协整关系的稳健性检验。这些条件有助于确保检验结果的准确性和可靠性。在进行单位根检验的过程中，我们发现所选样本数据的原序列均未通过检验，这说明六个原始序列，包括小麦、玉米和大豆的期现货价格，均属于非平稳序列。然而，经过检验，这六个序列的一阶差分均通过了ADF检验，并且它们之间的差分序列具有相同的阶数，满足了协整检验的条件。因此，我们可以继续进行Johansen协整检验。Johansen协整检验依赖于VAR模型，而滞后阶数的选择在整个检验中具有极为重要的作用。为此，在进行协整检验之前，需要先创建VAR模型，以便为各个序列确定最佳滞后系数。经过计算，我们得出小麦、玉米和大豆的最优滞后阶数分别为3阶、6阶和2阶。在此基础上，进行Johansen协整检验时，我们要按照各自的最优滞后阶数来选择相应的阶数，分别为2阶、5阶和1阶。从表4-3的结果来看，可以得出以下结论：小麦期现货价格之间的P值为0.0065，小于0.05；玉米期货价格与现货价格之间的P值为0.0000，同样小于0.05；大豆期货价格与现货价格之间的P值也为0.0000，小于0.05。表明，在5%的显著性水平下，三种粮食的期货和现货价格序列的数据不支持原假设。也就是说，期货价格与现货价格之间或许存在稳定的长期关联。表4-SEQ表\*ARABIC3协整分析结果原假设特征值t统计量5%临界值P值小麦None*0.01305821.0728515.494710.0065Atmost10.0006110.9364453.8414650.3332玉米None*0.02172935.4039315.494710.0000Atmost10.0011551.7698093.8414650.1834大豆None*0.04450570.7837015.494710.0000Atmost10.0005880.9021723.8414650.3422（三）收益溢出效应分析1.最优滞后阶数的确定通过建立VAR模型检验小麦、玉米和大豆期货价格与现货价格之间的关系，本文旨在评估多个变量之间的相互作用关系，以探究各市场之间可能存在的收益溢出效应。在开展VAR模型的实证分析之前，首先需要确保正确选择VAR模型的最优滞后系数，这将有助于提高模型的估计精度。为此，我们可以采用信息准则（如AIC、BIC）来挑选最合适的滞后阶数。信息准则在评估模型拟合程度的同时，还会对模型的复杂度进行惩罚。通常情况下，我们会选取AIC或BIC值最小的滞后阶数作为最优选择。这是因为，较小的AIC或BIC值代表着在相同拟合程度下，模型具有更少的参数，从而降低了过拟合的风险。根据结果所示，在5%显著性水平下，小麦期现货价格序列的VAR模型设定了3阶滞后，而玉米期货价格序列的VAR模型则设置为6阶滞后，同时大豆期货价格序列的VAR模型则采用2阶滞后。表4-4小麦期现货价格序列滞后阶数确定LagLoqLLRFPEAICSCHQ1-13376.63NA133765.217.4796017.4935317.484782-13252.00248.6062114263.217.3220117.3498817.332393-13234.1735.52094*112217.3*17.30395*17.34575*17.31950*4-13231.096.122534112352.717.3051517.3608917.32590表4-5玉米期现货价格序列滞后阶数确定LagLoqLLRFPEAICSCHQ1-10767.34NA4466.82814.0801914.0941314.085382-10697.10140.12184096.30113.9935914.0214814.003973-10550.17292.70103398.22113.8067613.8485913.822334-10509.0481.825413237.23413.7582313.8140013.778985-10494.7628.380003194.01013.7447913.8145013.770736-10474.8639.49865*3128.288*13.72399*13.80765*13.75513*7-10473.033.6243293137.18013.7268313.8244313.76316表4-6大豆期现货价格序列滞后阶数确定LagLoqLLRFPEAICSCHQ1-15664.57NA2552622.20.4283920.44230*20.43356*2-15658.6211.87435*2546131.*20.42584*20.4536720.436193-15657.781.6671232556654.20.4299620.4717020.445502.VAR模型估计及稳定性检验（1）VAR模型估计由表4-7可知，小麦现货价格序列受自身滞后一阶的影响系数为1.319754（t=51.8754），受滞后二阶的影响系数为-0.187169（t=-4.45075），受滞后三阶的影响系数为-0.134185（t=-5.29872），说明在样本区间内小麦现货价格序列存在较强的自相关性；小麦期货价格序列的自相关性可通过其受自身滞后一阶影响系数为0.950434（t=37.0604）得以体现，这意味着小麦期货价格序列在一定程度上受到过去一期价格的影响，具有一定的自相关性。小麦期货价格序列的自相关性表现在其受自身滞后一阶影响系数为0.950434（t=37.0604）。这一系数说明，小麦期货价格序列在一定程度上受到过去一期价格的影响。此外，当小麦期货价格受到现货价格滞后三阶的影响时，影响系数为-0.299648（t=-2.37729）。这暗示，小麦现货价格的波动可能会导致期货价格出现反向波动。而当小麦现货价格受到期货价格滞后一阶的影响时，影响系数为0.015226（t=2.95501），这意味着，小麦期货价格的波动会对小麦现货价格波动产生正向影响。综上所述，小麦期货价格序列具有自相关性，且其受到现货价格和自身历史价格的影响。表4-7小麦VAR模型估计PWSPWFPWS(-1)1.3197510.119146PWS(-2)-0.1871690.203772PWS(-3)-0.134185-0.299648PWF(-1)0.0152260.950434PWF(-2)-0.0059540.003100PWF(-3)-0.0077070.024302由表4-8可知，玉米现货价格受自身滞后一阶的影响系数为1.043445（t=40.6656），受滞后二阶的影响系数为0.296709（t=8.07358），受滞后三阶的影响系数为-0.196344（t=-5.33632），受滞后四阶的影响系数为-0.267557（t=-7.28903），受滞后五阶的影响系数为0.258713（t=7.06268），受滞后六阶的影响系数为-0.14347（t=-5.80780），说明玉米现货价格序列存在较强的自相关性；玉米期货价格受自身滞后一阶的影响系数为1.176443（t=45.3189），受滞后二阶的影响系数为-0.200899（t=-5.04744），受滞后三阶的影响系数为0.073105（t=1.82186），玉米期货价格序列具有显著的自我关联性。玉米期货价格受到现货价格滞后系数的影响不显著，说明现货价格的变动并未对期货价格产生明显效应，玉米现货价格受期货价格滞后一阶的影响系数为0.05077（t=7.44700），这意味着玉米期货价格的波动对现货价格产生了一定的影响。当考虑滞后三阶的影响时，影响系数为-0.031742（t=-3.01203），表明影响程度有所减弱。进一步观察到，滞后四阶的影响系数为0.024875（t=2.35280），说明期货价格的波动对现货价格仍有一定影响。然而，当考虑滞后五阶的影响时，影响系数降至-0.017964（t=-1.70973），影响程度进一步减弱。最后，滞后六阶的影响系数为-0.01109（t=-1.58220），说明玉米期货价格的波动对现货价格的影响逐渐减弱。总之，玉米期货价格的波动对现货价格的影响具有一定的持续性，但随着滞后系数的增加，影响程度逐渐减弱。表4-8玉米VAR模型估计PCSPCFPCS(-1)1.043445-0.016831PCS(-2)0.2967090.104537PCS(-3)-0.196344-0.092159PCS(-4)-0.267557-0.158204PCS(-5)0.2587130.198683PCS(-6)-0.14347-0.039728PCF(-1)0.050771.176443PCF(-2)-0.006265-0.200899PCF(-3)-0.0317420.073105PCF(-4)0.024875-0.034796PCF(-5)-0.017964-0.048101PCF(-6)-0.011090.038183由表4-9可知，大豆现货价格序列的自相关性表现在其受自身滞后一阶影响系数为1.0113118（t=39.6002）。这一系数说明，大豆现货价格在一定程度上受到过去一期价格的影响，表现出一定的自相关性。大豆期货价格序列的自相关性表现在其受自身滞后一阶影响系数为1.073985（t=42.1241），这意味着大豆期货价格在一定程度上受到过去一期价格的影响。同时，受滞后二阶的影响系数为-0.077318（t=-2.97992），表明大豆期货价格序列具有较强自相关性。大豆现货价格对期货价格的影响并不明显。然而，大豆期货价格对现货价格的滞后一阶影响系数为0.034999（t=2.43103），这意味着大豆期货价格的波动对现货价格的波动产生了正向影响。表4-9大豆VAR模型估计PSSPSFPSS(-1)1.011318-0.029587PSS(-2)-0.0339930.03295PSF(-1)0.0349991.073985PSF(-2)-0.012089-0.077318（2）VAR模型稳定性检验图4-4小麦单位圆检验图4-5玉米单位圆检验图4-6大豆单位圆检验图4-4、图4-5、图4-6展示了根据期现货价格VAR模型中小麦、玉米、大豆的AR根的分析结果，可以看出三个模型的AR根均处于单位圆内，这表明所建立的VAR模型系统在样本数据下是保持稳定的。

3.格兰杰因果检验表4-10三大粮食品种期现货价格序列格兰杰检验结果原假设卡方统计量P值是否拒绝原假设（在5%置信水平下）小麦期货价格不是现货价格的格兰杰原因12.286540.0065拒绝小麦现货价格不是期货价格的格兰杰原因25.461060.0000拒绝玉米期货价格不是现货价格的格兰杰原因176.57410.0000拒绝玉米现货价格不是期货价格的格兰杰原因3.6967230.7176接受大豆期货价格不是现货价格的格兰杰原因69.928990.0000拒绝大豆现货价格不是期货价格的格兰杰原因1.1020580.5764接受由表4-10可得，在5%的显著水平下，小麦的期货价格和现货价格相互作为格兰杰原因，并且两者之间存在着双向的收益溢出效应。相反，玉米和大豆的期货价格可以被视为现货价格发生变化的原因。然而，现货价格与期货价格之间并未表现出相同的因果关系，由此可知玉米和大豆之间存在着由期货价格到现货价格的单向收益溢出效应。4.脉冲响应函数图4-7小麦现货价格与期货价格脉冲响应图由图4-7可知，小麦现货价格在面对自身风险冲击时，呈现正向递增的过程；小麦期货价格在面对自身风险冲击时，呈现正向递减的过程。小麦现货价格在面对期货价格的冲击时，前3期呈现较迅速的递增溢出效应，随后呈现缓慢正向递增过程；小麦期货价格在面对现货价格的冲击时，呈现较平缓的正向递增溢出效应。图4-8玉米现货价格与期货价格脉冲响应图由图4-8可知，玉米现货价格在面对自身风险冲击时，前2期呈现平缓的正向递增的过程，于第3期开始出现迅速的递增溢出效应，直至第9期之间趋于8这个稳定值；玉米期货价格在面对自身风险冲击时，前2期呈现迅速正向递减，第2期至第5期，呈现先递减后递增的过程，于第6期开始缓慢呈现正向递减过程。玉米现货价格在面对期货价格的冲击时，前4期呈现较迅速的递增溢出效应，随后呈现缓慢正向递增过程，直至平稳；玉米期货价格在面对现货价格的冲击时，呈现较迅速的正向递增溢出效应，这个过程中第4期时存在较短的递减溢出效应。图4-9大豆现货价格与期货价格脉冲响应图由图4-9可知，在大豆现货价格受到自身风险冲击时，我们可以观察到前两期内呈现出正向递增的趋势，随后这种趋势逐渐减弱，表现为正向递减的溢出效应。而当大豆期货价格遭遇自身风险冲击时，前两期内呈现出正向递减的现象，并迅速降至平稳状态。大豆现货价格在面对期货价格的冲击时，前2期呈现较迅速的递减溢出效应，并迅速趋于零；大豆期货价格在面对现货价格的冲击时，呈现迅速的正向递增溢出效应。

5.方差分解表4-11小麦期现货价格方差分析PeriodS.EPWSPWFS.EPWSPWF18.200932100.000000.00000040.818750.6728599.32715213.6340299.793610.20638956.377640.8970399.10297318.7779499.506990.49301067.761681.66697498.33303423.4015799.304430.69556977.374022.34001597.65999527.5857399.147800.85219685.765692.93734197.06266631.3847599.020400.97960293.209933.45768696.54231734.8621198.911891.08810599.909533.9165896.08342838.0708398.816081.183922106.00254.326695.6734941.0550398.728931.271073111.58954.69916195.300841043.850298.647841.352157116.74675.04312994.95687注：前三列为小麦现货价格的方差分析结果，后三列为小麦期货价格的方差分析结果。表4-12玉米期现货价格方差分析PeriodS.EPCSPCFS.EPCSPCF13.838955100.00000.00000014.617642.26951497.7304925.67714898.329901.67010222.56272.20604397.7939638.0868895.559294.44070628.445562.39979697.6002410.480393.245416.75458833.685142.50605397.49395512.7339889.3229610.6770438.417742.36828397.63172615.2803886.2278213.7721842.428312.30757897.69242717.6425383.1649816.8350246.033312.22056397.77944820.0460880.4925319.5074749.39662.14253897.85746922.3799478.1836921.8163152.521432.07867897.921321024.6192975.9357924.0642155.459892.01011597.98989注：前三列为玉米现货价格的方差分析结果，后三列为玉米期货价格的方差分析结果。表4-13大豆期现货价格方差分析PeriodS.EPSSPSFS.EPSSPSF129.97039100.000000.00000053.075070.01618199.98382242.682399.810620.18938177.882440.00794599.99205352.0671199.487480.5125296.545690.00536899.99463459.7427399.040060.959939112.0330.00398899.99601566.3423298.469371.53063125.51990.00326799.99673672.1933597.778132.221866137.59850.00303999.99696777.4928996.97063.029403148.61560.00322499.99678882.3711996.052123.947881158.79470.00377699.99622986.9295.028944.97106168.29040.00466199.995341091.2069193.908016.091994177.21480.00585599.99414

注：前三列为大豆现货价格的方差分析结果，后三列为大豆期货价格的方差分析结果。由表4-11、表4-12、表4-13可得，从期现货价格的方差分解的结果中可以看出，在第1期中小麦、玉米和大豆的现货价格受自身的影响程度达到了100%，从第1期开始下降，同时期受期货价格的影响程度逐渐提高。同时，第1期中的小麦和大豆的期货价格受自身的影响程度分别是99.32715、99.98382，从第2期开始缓慢下降，同时期受现货价格的影响程度逐渐提高。小麦期现货价格方差分析结果的波动程度大于大豆期现货价格，说明小麦对风险的反应程度较大豆而言更敏感，收益溢出效应程度也大于大豆。在第1期中玉米的现货价格受自身的影响程度达到了100%，从第2期开始下降，同时期受期货价格的影响程度逐渐增大；同样，在第1期中玉米的现货价格受自身的影响程度为97.73049，但从第2期开始增减反复波动，到第10期总体上影响程度是呈现下降的趋势。综上所述。小麦、玉米、大豆期现货价格之间，均有相应的不同程度上的传导与影响。五、结论根据2017年1月3日至2023年4月28日期间小麦、玉米和大豆的相关日价格数据，本文采用VAR模型对三大粮食品种期货市场与现货市场之间的价格波动溢出效应进行实证研究，深入探讨三大粮食品种期货市场与现货市场之间收益溢出效应的影响程度大小与方向。研究表明：玉米和大豆期货对现货市场有影响，而玉米和大豆现货并不受期货市场影响；而小麦期货和现货则相互产生Grander原因。我国粮食期货与现货市场展现出明显的收益溢出效应，每个市场都有独特的价格形成和调控制度，小麦、玉米和大豆的期货及现货价格在很大程度上受到市场变动的调控。同时，我国粮食期货和现货市场之间存在价格收益溢出效应，然而这种效应在不同粮食品种之间存在