中国大豆期现货价格拟合关系的实证探究与深度剖析

中国大豆期现货价格拟合关系的实证探究与深度剖析一、引言1.1研究背景与意义1.1.1研究背景大豆作为重要的粮油兼用作物，在我国农业及经济领域占据着举足轻重的地位。从粮食角度看，大豆富含优质蛋白质，是我国居民膳食结构中不可或缺的植物蛋白来源，其制品如豆腐、豆浆、豆干等深受大众喜爱，为保障国民营养摄入发挥关键作用。在油料方面，大豆油是我国主要的食用油之一，广泛应用于家庭烹饪和食品加工行业，其市场供应和价格波动直接影响着居民的日常生活和食品企业的生产成本。在饲料领域，大豆粕凭借高蛋白质含量和合理的氨基酸组成，成为禽畜养殖中优质的蛋白质饲料原料，对我国畜牧业的健康发展起着支撑性作用，进而影响肉类等畜产品的供应与价格。近年来，我国大豆市场规模庞大且发展态势复杂。在需求端，随着人口增长、居民生活水平提高以及畜牧业的快速发展，对大豆的需求持续攀升，涵盖食用、饲用及工业加工等多个领域。据相关数据显示，过去十年间，我国大豆总需求量以年均[X]%的速度增长。在供应端，国产大豆产量虽有一定增长，但受种植面积、气候条件和种植技术等因素限制，难以满足国内日益增长的需求，致使我国对进口大豆的依赖程度较高。长期以来，我国大豆进口量一直位居世界前列，进口来源主要集中于巴西、美国和阿根廷等国家。国际市场上，大豆价格受全球供需关系、贸易政策、汇率波动、天气变化以及国际政治局势等多种因素影响，呈现出频繁且剧烈的波动态势。我国大豆期货市场自1993年大连商品交易所推出大豆期货合约以来，历经清理整顿、合约规则调整等阶段，逐渐发展壮大，在市场体系中的地位日益重要。目前，大豆期货已成为大连商品交易所的核心交易品种之一，其成交量和持仓量在国内期货市场中名列前茅，市场参与者涵盖了大豆产业链上下游的各类企业、贸易商、投资者以及套期保值者等。期货市场具有价格发现、风险管理和资源配置等功能，通过公开、透明的交易机制，汇聚了市场各方的信息和预期，形成的期货价格能够反映未来市场供求关系的变化，为现货市场参与者提供价格参考，帮助他们合理安排生产、经营和投资活动。同时，市场参与者可以利用期货合约进行套期保值操作，有效规避现货价格波动带来的风险，稳定经营收益。大豆期现货价格拟合关系研究在当前背景下具有紧迫性和重要性。准确把握大豆期现货价格拟合关系，有助于深入理解大豆市场价格形成机制，揭示期货市场与现货市场之间的内在联系和相互作用规律。这不仅能为市场参与者提供更精准的价格预测和风险管理工具，还能为政府部门制定科学合理的大豆产业政策提供有力依据，促进大豆产业的稳定健康发展。此外，在全球农产品市场一体化进程加速的背景下，研究大豆期现货价格拟合关系，对于提升我国在国际大豆市场的话语权和定价权，增强我国农业产业的国际竞争力也具有重要意义。1.1.2研究意义从理论层面而言，本研究对价格形成理论具有重要的实证价值。传统的价格形成理论认为，价格由市场供求关系决定，但在现实市场中，价格的形成受到多种复杂因素的交互影响。通过对大豆期现货价格拟合关系的深入研究，可以为价格形成理论提供丰富的实证案例和数据支持，进一步验证和完善现有理论。例如，研究期货市场的价格发现功能是否有效发挥，即期货价格是否能够准确反映未来现货价格的走势，有助于深入理解市场信息在价格形成过程中的传递机制和作用方式。此外，探究期现货价格之间的长期均衡关系和短期波动特征，能够揭示市场价格调整的规律和机制，为价格形成理论的拓展和深化提供新的视角和思路。从实践层面来说，本研究成果对市场参与者具有重要的指导意义。对于大豆种植户而言，了解大豆期现货价格拟合关系，可以根据期货价格所反映的市场预期，合理安排种植计划，选择合适的种植品种和种植规模，避免因价格波动带来的收益风险。同时，在收获后，种植户可以参考期货价格，把握最佳的销售时机，实现收益最大化。对于大豆加工企业，如豆制品加工企业和油脂压榨企业，准确掌握期现货价格拟合关系，有助于进行有效的成本控制和风险管理。企业可以利用期货市场进行套期保值操作，锁定原材料采购成本或产品销售价格，降低因价格波动导致的生产成本上升和利润损失风险，保障企业的稳定经营。对于贸易商来说，研究期现货价格拟合关系能够帮助他们更好地把握市场价格走势，优化贸易策略，提高贸易效率和盈利能力。本研究还能为政策制定者提供重要的参考依据。政府部门在制定大豆产业政策时，需要充分了解大豆市场的运行规律和价格波动特征。通过本研究对大豆期现货价格拟合关系的分析，政策制定者可以准确把握市场动态，评估现有政策对大豆市场价格的影响效果，进而制定更加科学合理的政策措施。例如，在制定大豆补贴政策时，可以参考期现货价格关系，确定合理的补贴标准和补贴方式，以提高农民种植大豆的积极性，保障大豆的稳定供应。在贸易政策方面，依据对期现货价格与国际市场价格关联的研究，制定相应的进出口政策，合理调控大豆进口规模，维护国内大豆市场的稳定。此外，研究成果还能为政府部门加强市场监管、防范市场风险提供有力支持，促进大豆市场的健康有序发展。1.2国内外研究现状1.2.1国外研究现状国外对大豆期现货价格关系的研究起步较早，成果丰富。在价格发现功能方面，众多学者运用多种计量方法进行深入探究。例如，[学者姓名1]通过构建向量自回归（VAR）模型，对美国大豆期货市场与现货市场的价格数据进行分析，发现期货价格在价格发现过程中占据主导地位，能够迅速且准确地反映市场信息，对未来现货价格走势具有较强的预测能力。这是因为期货市场参与者众多，信息汇聚迅速，其交易机制使得价格能够快速调整以反映新信息。在农产品市场，种植和收获存在季节性，期货市场可以提前反映未来供需变化，为现货市场提供价格预期。[学者姓名2]采用误差修正模型（ECM），研究发现大豆期货价格与现货价格之间存在长期稳定的均衡关系，期货价格不仅在短期对现货价格具有引导作用，从长期来看，也是现货价格调整的重要依据。当现货价格偏离长期均衡时，期货价格会引导其回归，体现了期货市场对现货市场价格的稳定作用。在波动溢出效应方面，[学者姓名3]运用多元GARCH模型，研究发现大豆期货市场与现货市场之间存在显著的双向波动溢出效应。即期货市场的价格波动会传递到现货市场，反之亦然。在国际市场上，当某一地区大豆期货市场因天气、政策等因素出现大幅波动时，会迅速影响到全球大豆现货市场价格的稳定性，而现货市场的供需变化也会反馈到期货市场，引发期货价格的波动。[学者姓名4]通过实证研究表明，宏观经济因素、地缘政治事件等外部冲击会通过期货市场和现货市场之间的波动溢出效应，加剧大豆价格的整体波动幅度和频率。当全球经济增长放缓，市场对大豆需求预期下降，会先在期货市场引发价格下跌，进而传导至现货市场，导致整个大豆市场价格波动加剧。1.2.2国内研究现状国内学者在大豆期现货价格关系领域也进行了大量研究。在相关性研究方面，[学者姓名5]利用相关系数分析方法，对我国大豆期现货价格数据进行处理，发现两者之间存在高度正相关关系，相关系数达到[具体数值]，表明期货价格与现货价格走势基本一致。随着市场信息的变化，期货价格和现货价格会同步上涨或下跌，反映了市场对大豆价值的基本判断。[学者姓名6]运用Copula理论，进一步研究发现大豆期现货价格的相关性在不同市场环境下存在差异，在市场波动较大时期，相关性更为紧密，体现了市场风险在期现货市场之间的传导。在因果关系研究上，[学者姓名7]运用格兰杰因果检验方法，得出我国大豆期货价格是现货价格的格兰杰原因，即期货价格的变化能够引起现货价格的变化，而现货价格对期货价格的反向引导作用较弱。这是因为期货市场交易活跃，信息更新快，投资者对未来市场预期的变化首先反映在期货价格上，进而影响现货市场参与者的决策和定价。[学者姓名8]通过构建向量误差修正模型（VECM），不仅验证了期货价格对现货价格的引导作用，还发现当市场出现短期冲击时，期货市场能够更快地调整价格，恢复到长期均衡状态，对现货市场起到稳定和引导的作用。在影响因素分析方面，国内学者从多个角度进行了探讨。[学者姓名9]研究指出，国际大豆市场价格、国内大豆供需状况、宏观经济政策等是影响我国大豆期现货价格关系的主要因素。国际市场上，美国、巴西等大豆主产国的产量变化、贸易政策调整，都会通过国际贸易渠道影响我国大豆的进口成本和市场供应，进而影响期现货价格。国内方面，大豆种植面积、单产水平、下游需求行业的发展等因素，也会直接或间接影响大豆期现货价格的走势。[学者姓名10]通过灰色关联分析等方法，发现大豆期货市场的成交量、持仓量等交易指标与期现货价格波动存在密切关联，市场参与者的交易行为和市场情绪对价格波动具有重要影响。当市场投资者对大豆市场前景乐观，大量资金涌入期货市场，成交量和持仓量增加，会推动期货价格上涨，进而带动现货价格上升。1.2.3研究评述现有研究在大豆期现货价格关系领域取得了丰硕成果，但仍存在一些不足之处。在研究方法上，虽然众多学者运用了多种计量模型，但部分模型假设条件较为严格，在实际复杂多变的市场环境中，可能无法全面准确地刻画期现货价格关系。一些模型对数据的平稳性、正态性等要求较高，而现实市场数据往往存在异质性和波动性，导致模型的适用性受到一定限制。在研究内容方面，对大豆期现货价格关系的动态变化特征研究相对不足。市场环境不断变化，政策调整、技术进步、国际市场形势变化等因素都会使期现货价格关系发生动态演变，但现有研究多侧重于静态分析，对这种动态变化的深入探讨较少。对大豆期现货价格关系在不同市场条件下的非对称性研究也有待加强，例如在市场上涨和下跌阶段，期现货价格的传导机制、相关性和波动溢出效应可能存在差异，但相关研究相对匮乏。本研究将在以下方面进行创新和改进。在研究方法上，尝试运用机器学习算法等新兴技术，如神经网络、支持向量机等，这些方法能够更好地处理复杂数据和非线性关系，克服传统计量模型的局限性，更准确地拟合大豆期现货价格关系。在研究内容上，重点关注大豆期现货价格关系的动态变化特征，通过构建动态模型，分析不同市场条件下价格关系的演变规律，深入研究价格传导的非对称性，为市场参与者和政策制定者提供更具针对性和时效性的决策依据。1.3研究方法与技术路线1.3.1研究方法本研究综合运用多种实证研究方法，全面深入地探究中国大豆期现货价格拟合关系。时间序列分析是研究的重要基础方法。通过收集大豆期货价格和现货价格的历史数据，构建时间序列。运用描述性统计分析，计算均值、标准差、最大值、最小值等统计量，对价格数据的基本特征进行刻画，直观了解价格的集中趋势、离散程度和波动范围。利用ADF单位根检验，判断价格序列的平稳性，确保后续分析的有效性。若序列不平稳，进行差分处理使其平稳，为进一步分析奠定基础。采用自相关分析和偏自相关分析，揭示价格序列的自相关结构和偏自相关结构，获取价格波动的内在规律和记忆性特征，为预测模型的建立提供依据。格兰杰因果检验用于明确大豆期现货价格之间的因果关系。该检验基于时间序列数据，通过判断一个变量的滞后值是否能够显著地预测另一个变量的当前值，来确定变量之间的因果方向。在本研究中，通过格兰杰因果检验，判断期货价格的变化是否是现货价格变化的原因，或者现货价格的变化是否是期货价格变化的原因，以及两者之间是否存在双向因果关系，从而深入理解期现货市场价格传导的方向和机制。向量自回归（VAR）模型是研究期现货价格动态关系的核心方法之一。将大豆期货价格和现货价格视为内生变量，构建VAR模型。通过脉冲响应函数，分析当期货价格或现货价格受到一个单位的正向冲击时，自身以及另一个价格在未来若干期的响应情况，直观展示期现货价格之间的动态影响路径和持续时间。运用方差分解技术，将期现货价格的预测误差方差分解为自身冲击和对方冲击所贡献的部分，定量评估期货价格和现货价格在价格波动中的相对重要性和贡献程度，全面揭示两者之间的动态关联。协整检验用于探究大豆期现货价格之间的长期均衡关系。采用Johansen协整检验方法，基于VAR模型，检验期货价格序列和现货价格序列之间是否存在协整关系。若存在协整关系，表明两者在长期内存在稳定的均衡关系，即使短期内价格可能出现偏离，但长期会趋向于恢复到均衡状态。通过建立误差修正模型（ECM），将协整关系和短期动态调整机制相结合，分析期现货价格在短期偏离长期均衡时的调整速度和方向，进一步深化对期现货价格长期和短期关系的理解。相关性分析用于衡量大豆期现货价格之间的线性相关程度。计算期现货价格序列的Pearson相关系数，评估两者之间的相关强度和方向。若相关系数接近1，表示两者呈高度正相关，价格走势基本一致；若接近-1，表示高度负相关；接近0则表示相关性较弱。同时，运用Spearman秩相关系数等非参数方法进行稳健性检验，确保相关性分析结果的可靠性，从不同角度揭示期现货价格之间的关联程度。1.3.2技术路线本研究的技术路线清晰明确，以流程图形式展示如下：数据收集与预处理：收集中国大豆期货价格和现货价格的历史数据，涵盖大连商品交易所的期货价格数据以及国内主要大豆产区和销区的现货价格数据。对数据进行清洗，去除异常值和缺失值，进行数据标准化处理，使不同来源的数据具有可比性，为后续分析提供高质量的数据基础。描述性统计分析：对预处理后的数据进行描述性统计分析，计算价格序列的均值、标准差、最大值、最小值、偏度、峰度等统计量，绘制价格走势折线图、直方图等图表，直观展示大豆期现货价格的基本特征和分布情况，初步了解价格的波动规律和趋势。平稳性检验：运用ADF单位根检验对大豆期现货价格序列进行平稳性检验。若价格序列不平稳，进行差分处理，直至序列平稳。根据平稳性检验结果，确定后续分析中使用的价格序列形式，确保分析结果的可靠性和有效性。相关性分析：计算大豆期现货价格序列的Pearson相关系数和Spearman秩相关系数，衡量两者之间的线性和非线性相关程度。通过绘制散点图，直观展示期现货价格之间的相关关系，初步判断两者之间的关联程度和方向。格兰杰因果检验：基于平稳性检验后的价格序列，进行格兰杰因果检验，确定大豆期现货价格之间的因果关系。设置不同的滞后阶数，进行多次检验，确保检验结果的稳健性。根据检验结果，明确期货价格和现货价格之间的因果传导方向，为后续分析提供方向指引。协整检验与误差修正模型：若大豆期现货价格序列均为一阶单整序列，进行Johansen协整检验，判断两者之间是否存在长期协整关系。若存在协整关系，建立误差修正模型（ECM），分析期现货价格在短期偏离长期均衡时的调整机制和速度，揭示期现货价格的长期均衡关系和短期动态调整过程。VAR模型构建与分析：将大豆期现货价格作为内生变量，构建VAR模型。通过脉冲响应函数分析，考察期货价格和现货价格之间的动态影响路径和持续时间，直观展示一个价格变量受到冲击后对另一个价格变量的影响。运用方差分解技术，定量评估期货价格和现货价格在价格波动中的相对贡献程度，深入分析两者之间的动态关联。结果分析与讨论：综合以上各项分析结果，对中国大豆期现货价格拟合关系进行全面深入的分析和讨论。总结期现货价格之间的因果关系、长期均衡关系、短期动态调整机制以及动态关联特征，探讨研究结果的理论和实践意义，为市场参与者和政策制定者提供有价值的参考依据。政策建议与展望：根据研究结果，结合中国大豆市场的实际情况，为政府部门制定大豆产业政策、加强市场监管、促进市场稳定发展提供针对性的政策建议。同时，对未来大豆期现货价格关系的研究方向和重点进行展望，指出本研究的局限性和未来研究可拓展的空间，为后续研究提供参考。二、中国大豆期现货市场概述2.1大豆期货市场发展历程与现状我国大豆期货市场的发展历程可追溯至20世纪90年代初期。1990年，郑州粮食批发市场经国务院批准正式成立，它以现货交易为基础，引入期货交易机制，是我国期货市场的雏形。1993年，大连商品交易所正式推出大豆期货合约，标志着我国大豆期货市场的正式诞生。在市场发展初期，由于相关法律法规和监管体系尚不完善，市场处于探索和尝试阶段，交易规模较小，参与者主要为部分有经验的现货企业和少量专业投资者。但随着市场的逐步开放，投资者参与度逐渐提高，大豆期货市场开始展现出其价格发现和风险管理的功能潜力。然而，初期的大豆期货市场也面临诸多问题，如市场操纵现象时有发生、交易规则不够完善等。为规范市场秩序，1994-1998年期间，国务院对期货市场进行了第一轮全面清理整顿。在这一过程中，大量不符合规范的期货经纪公司被关闭，交易品种大幅减少，市场规模出现一定程度的萎缩。但大连商品交易所的大豆期货凭借其在东北地区的产业基础和合理的风险防控措施，经受住了考验，交易量和持仓量在整顿期间仍保持相对稳定，为后续市场的发展奠定了基础。1999年，《期货交易管理暂行条例》及四个配套管理办法正式施行，标志着我国期货市场进入了法制化、规范化的发展阶段。在此背景下，大豆期货市场迎来新的发展机遇。2002年，为更好地适应现货市场中不同大豆品种的特点和需求，大连商品交易所对大豆期货合约进行拆分，推出了以非转基因大豆为标的的黄大豆1号期货合约（豆一期货）以及后续以油用大豆（主要是转基因大豆）为标的的黄大豆2号期货合约（豆二期货）。这一举措使期货合约更加贴近现货市场实际情况，满足了不同市场参与者的套期保值和投资需求，进一步提升了大豆期货市场的功能发挥水平。进入21世纪，随着我国经济的快速发展和金融市场的逐步开放，大豆期货市场呈现出蓬勃发展的态势。市场参与者日益多元化，除了传统的大豆种植户、加工企业和贸易商外，越来越多的机构投资者，如期货投资基金、证券公司、资产管理公司等开始参与大豆期货交易，为市场带来了大量资金和先进的交易理念、风险管理技术。同时，大连商品交易所不断完善交易规则和风险控制制度，加强市场监管，提高市场透明度和运行效率，大豆期货的成交量和持仓量屡创新高。近年来，我国大豆期货市场交易规模持续扩大。以2024年为例，大连商品交易所大豆期货的成交量达到[X]手，较上一年增长[X]%；持仓量达到[X]手，同比增长[X]%。在品种方面，除了豆一期货和豆二期货外，大连商品交易所还围绕大豆产业链，推出了大豆粕期货、大豆油期货等相关品种，形成了较为完善的大豆期货品种体系。这些品种之间相互关联，为市场参与者提供了丰富的套期保值和套利策略选择，促进了大豆产业链上下游企业之间的协同发展，增强了我国大豆期货市场在全球农产品期货市场中的影响力。2.2大豆现货市场发展历程与现状我国大豆现货市场的发展历程与国家农业政策的调整、经济发展水平以及居民消费结构的变化紧密相连。在计划经济时期，大豆作为重要的农产品，实行统购统销政策，由国家统一收购、分配和销售，市场流通环节相对单一，价格也由政府统一制定，缺乏市场调节机制，主要目的是保障粮食供应的稳定和基本民生需求。随着改革开放的推进，我国逐步向市场经济体制转型，大豆现货市场开始活跃起来。上世纪80年代末至90年代初，粮食流通体制改革逐步展开，大豆的流通渠道逐渐多元化，除了国有粮食企业外，个体粮商、民营企业等开始参与大豆的收购、运输和销售，市场竞争机制初步形成，大豆价格也开始受到市场供需关系的影响。这一时期，国内大豆种植面积和产量相对稳定，主要用于国内居民的食用消费，豆制品加工行业发展较为缓慢，大豆在饲料和工业领域的应用也相对有限。进入21世纪，随着我国加入世界贸易组织（WTO），大豆市场进一步对外开放，进口大豆数量急剧增加。由于国外大豆在价格、出油率等方面具有优势，迅速占领了我国大豆压榨市场。国内大豆加工企业为降低成本，纷纷增加进口大豆的采购量，这对国内大豆现货市场的格局产生了深远影响。国产大豆在满足食用需求方面的作用更加凸显，而进口大豆则主要用于油脂压榨和饲料生产。在此期间，国内大豆种植结构也发生了一定变化，部分地区受经济效益和市场需求影响，调整了种植作物，大豆种植面积出现波动。在生产方面，我国大豆种植区域广泛，主要集中在东北、黄淮海和南方地区。东北地区是我国大豆的主产区，黑龙江省的大豆种植面积和产量均居全国首位，其独特的黑土地资源和适宜的气候条件，为大豆生长提供了得天独厚的自然环境，所产大豆以高蛋白、非转基因等特点受到市场青睐。黄淮海地区也是重要的大豆产区，种植面积和产量在全国占比较大，该地区大豆种植多与小麦等作物轮作，充分利用土地资源，提高农业生产效益。南方地区虽然大豆种植面积相对较小，但由于气候温暖湿润，大豆生长周期短，部分地区发展了特色大豆种植，如一些适合鲜食的大豆品种，丰富了市场供应。近年来，随着农业供给侧结构性改革的推进和国家对大豆产业的重视，我国大豆种植面积和产量总体呈现稳中有升的态势。据农业农村部数据显示，2024年我国大豆种植面积达到[X]万亩，产量达到[X]万吨，单产水平也不断提高，这得益于种植技术的进步、优良品种的推广以及政策扶持力度的加大。在流通环节，我国大豆现货市场形成了多元化的流通格局。产地收购环节，主要由当地的粮库、粮食经纪人、合作社以及部分大型农业企业参与。粮库作为国家粮食储备和调控的重要载体，在稳定市场价格、保障粮食安全方面发挥着关键作用，按照国家政策进行大豆收购，为农民提供稳定的销售渠道。粮食经纪人凭借其熟悉当地市场、信息灵通的优势，活跃在农村基层，连接着农户和收购企业，在大豆收购中起到了桥梁和纽带的作用。合作社则通过组织农户，实现规模化种植和销售，提高了农民在市场中的议价能力。在运输环节，铁路运输因其运量大、成本低的优势，成为大豆长途运输的主要方式之一，尤其是东北地区的大豆运往关内地区，铁路运输发挥着重要作用。公路运输则以其灵活性和便捷性，承担着大豆从产地到周边地区以及短途转运的任务。水路运输在大豆运输中也占有一定份额，特别是通过内河航运和沿海港口运输，将大豆运往全国各地，降低了运输成本，提高了运输效率。在销区销售环节，大型粮食批发市场是大豆流通的重要节点，汇聚了来自各地的大豆资源，吸引了众多加工企业、贸易商和零售商前来采购，形成了较为完善的市场交易体系。此外，随着互联网技术的发展，电商平台在大豆销售中的作用逐渐凸显，一些企业通过电商平台开展线上销售，拓展了销售渠道，提高了市场透明度和交易效率。在消费方面，我国大豆消费主要集中在食用、饲用和工业加工三个领域。食用消费是大豆的传统消费领域，豆制品加工行业是食用大豆的主要需求方，包括豆腐、豆浆、腐竹、豆干等各类豆制品，深受我国居民喜爱，随着人们健康意识的提高，对豆制品的需求呈现出多样化、高品质的发展趋势，一些有机大豆、非转基因大豆制成的豆制品市场需求不断增加。饲用消费是我国大豆消费的主要领域，随着畜牧业的快速发展，对豆粕等高蛋白饲料原料的需求持续增长。豆粕作为大豆压榨后的主要副产品，因其蛋白质含量高、氨基酸组成合理，成为禽畜养殖中不可或缺的饲料原料，其市场需求与畜牧业的发展状况密切相关。工业加工领域，大豆主要用于生产大豆油、生物柴油以及一些化工产品。大豆油是我国居民主要的食用油之一，市场需求稳定。近年来，随着环保要求的提高和对清洁能源的需求增加，生物柴油产业发展迅速，大豆作为生物柴油的重要原料之一，其在工业领域的需求也有所增长。2.3大豆期现货市场的联系与区别大豆期货市场与现货市场在多个方面存在显著区别。在价格形成机制上，现货价格主要由当前市场的实际供求状况决定，受到即时的生产、消费、库存等因素影响。在某一时期，若国内大豆主产区丰收，市场上大豆供应大幅增加，而下游加工企业和贸易商的需求增长相对缓慢，现货市场供大于求，此时大豆现货价格就会面临下行压力，出现价格下跌。而期货价格则是基于市场对未来大豆供求关系、宏观经济形势、政策走向以及投资者预期等多种因素的综合判断形成的。当市场预期未来全球大豆主产国可能遭遇恶劣天气，影响大豆产量，进而导致未来大豆供应减少时，投资者会预期期货价格上涨，纷纷买入期货合约，推动期货价格上升。在交易方式上，大豆现货交易主要是分散的线下交易，买卖双方通过面对面协商、电话沟通或线上平台达成交易协议。在东北地区的大豆产地，农民与粮食经纪人或当地粮库进行交易时，通常是在实地查看大豆质量后，就价格、数量等交易细节进行协商，达成一致后完成交易，钱货即时两清。而大豆期货交易则是在期货交易所内，按照标准化的交易规则，通过电子化集中交易的方式进行。投资者在大连商品交易所进行大豆期货交易时，只需在交易软件上输入交易指令，系统会根据价格优先、时间优先的原则自动撮合成交，交易过程便捷高效。从参与者角度来看，大豆现货市场参与者主要包括大豆种植户、加工企业、贸易商等，他们参与市场的目的主要是满足实际的生产、加工和贸易需求。大豆加工企业参与现货市场，是为了采购大豆作为生产原料，维持企业的正常生产运营；贸易商则通过在产地收购大豆，运输到销区销售，赚取差价利润。而大豆期货市场参与者除了上述产业链相关企业进行套期保值操作外，还包括大量以获取价差收益为目的的投机者和进行资产配置的机构投资者。一些期货投资基金和量化投资机构会将大豆期货纳入投资组合，通过分析市场数据和运用交易策略，参与期货交易，追求投资回报。大豆期现货市场也存在紧密的联系。期货市场的产生源于现货市场参与者规避价格风险的需求，其价格波动与现货市场相互影响。期货价格具有价格发现功能，能够反映市场对未来现货价格的预期，为现货市场参与者提供决策参考。当期货价格上涨时，现货市场的大豆种植户可能会预期未来现货价格也会上升，从而惜售手中的大豆，等待更高的价格出售；大豆加工企业则可能会提前签订采购合同，锁定原材料成本。在交割环节，期货合约到期时，若选择实物交割，期货市场与现货市场实现对接，使得期货价格与现货价格趋于一致。若在大豆期货合约交割月份，期货价格与现货价格存在较大差异，就会引发市场参与者的套利行为，通过在低价市场买入，在高价市场卖出，促使期现货价格回归合理水平，加强了期现货市场之间的联系。三、中国大豆期现货价格拟合关系的实证分析3.1数据选取与预处理3.1.1数据来源本研究的大豆期货价格数据主要来源于大连商品交易所官方网站及文华财经金融数据终端。大连商品交易所作为我国大豆期货的主要交易场所，其官方网站发布的交易数据具有权威性和及时性，涵盖了大豆期货各合约的开盘价、收盘价、最高价、最低价等关键信息。文华财经金融数据终端则整合了多个市场数据源，提供了更丰富的数据维度和便捷的数据查询与分析功能，能够获取连续的期货主力合约价格数据，为研究大豆期货价格的长期走势和波动特征提供了有力支持。大豆现货价格数据收集自多个渠道。国内主要大豆产区（如黑龙江、吉林、辽宁、内蒙古等东北地区以及黄淮海地区）和销区（如山东、江苏、广东等省份）的现货价格数据，通过农产品价格数据库、行业资讯平台以及实地调研等方式获取。农产品价格数据库（如布瑞克农产品数据库、卓创资讯农产品数据库等）整合了大量来自市场一线的价格信息，经过专业的数据处理和分析，提供了较为全面和准确的大豆现货价格数据，涵盖不同地区、不同品质大豆的收购价、批发价等。行业资讯平台（如中国粮油信息网、我的农产品网等）则实时发布大豆市场的最新动态和价格行情，为及时掌握市场价格变化提供了便利。此外，通过对大豆产业链上下游企业（包括种植户、贸易商、加工企业等）的实地调研，获取了一手的现货交易价格数据，使研究数据更具真实性和代表性。3.1.2数据选取研究时间范围设定为2015年1月1日至2024年12月31日，这主要基于以下考虑。一方面，该时间段内我国大豆市场经历了较为复杂的市场环境变化，包括国内农业供给侧结构性改革、中美贸易摩擦、全球疫情冲击等重大事件，这些事件对大豆期现货市场产生了深远影响，选择此时间段能够全面反映市场在不同经济形势和政策背景下的运行状况。在农业供给侧结构性改革期间，我国对大豆产业进行了一系列政策调整，鼓励扩大大豆种植面积，提高大豆产量，这些政策变化直接影响了大豆的市场供应和价格走势。中美贸易摩擦期间，大豆作为我国主要进口农产品之一，关税政策的调整导致进口大豆成本波动，进而影响国内期现货市场价格。全球疫情冲击下，物流受阻、需求结构变化等因素也对大豆市场产生了显著影响。另一方面，该时间段内我国大豆期货市场和现货市场发展相对成熟，交易规模持续扩大，市场参与者日益多元化，市场机制更加完善，数据的可得性和可靠性较高，能够为研究提供充足的数据样本，保证研究结果的准确性和可靠性。在样本数据选取上，对于大豆期货价格，选取大连商品交易所黄大豆1号期货主力合约的每日收盘价作为代表数据。期货主力合约是市场上交易最活跃、持仓量和成交量最大的合约，其价格能够充分反映市场参与者的预期和市场供需关系的变化，具有较强的代表性和价格发现功能。对于大豆现货价格，选取东北地区（以黑龙江哈尔滨地区为代表）和黄淮海地区（以山东济南地区为代表）的每周平均现货价格作为样本数据。东北地区是我国大豆的主产区，其大豆产量和品质在国内具有重要地位，哈尔滨地区的现货价格能够代表东北产区的市场价格水平。黄淮海地区是我国重要的大豆产销区，其市场价格受到产区和销区双重因素影响，具有较强的市场辐射力，山东济南地区的现货价格能够反映黄淮海地区的市场价格情况。通过选取这两个具有代表性地区的现货价格数据，能够综合反映我国大豆现货市场的价格特征和变化趋势。3.1.3数据预处理在获取原始数据后，首先进行数据清洗工作。检查数据中是否存在缺失值，对于少量的缺失值，采用插值法进行填补。若某一天的期货价格数据缺失，可根据前后相邻日期的价格数据，运用线性插值法进行估算填补。对于存在异常值的数据点，通过3σ准则进行识别和处理。若某一价格数据与均值的偏差超过3倍标准差，则判断为异常值，根据市场实际情况和数据趋势，对异常值进行修正或剔除。在大豆现货价格数据中，若出现个别价格明显偏离市场正常价格范围的数据点，经调查发现是由于数据录入错误或特殊交易情况导致的，可对其进行修正或剔除，以保证数据的准确性和可靠性。为消除数据中可能存在的噪声干扰，采用移动平均法对数据进行去噪处理。对于期货价格和现货价格序列，分别计算其5日移动平均值和7日移动平均值，将原始数据与移动平均值进行对比分析，去除价格序列中的短期随机波动成分，保留价格的长期趋势和主要波动特征。对于大豆期货价格序列，计算5日移动平均值后，发现某些短期的价格异常波动被平滑掉，价格曲线更加清晰地反映出长期的价格走势。为使不同来源、不同量纲的数据具有可比性，对数据进行标准化处理。采用Z-score标准化方法，将数据转换为均值为0、标准差为1的标准正态分布数据。对于大豆期货价格序列F_t和现货价格序列S_t，标准化公式分别为：F_{t}^{*}=\frac{F_{t}-\overline{F}}{\sigma_{F}}S_{t}^{*}=\frac{S_{t}-\overline{S}}{\sigma_{S}}其中，\overline{F}和\overline{S}分别为期货价格序列和现货价格序列的均值，\sigma_{F}和\sigma_{S}分别为期货价格序列和现货价格序列的标准差。经过标准化处理后，大豆期现货价格数据在同一尺度下进行分析，避免了量纲差异对后续实证分析结果的影响，提高了模型的准确性和稳定性。3.2描述性统计分析对2015年1月1日至2024年12月31日期间中国大豆期现货价格数据进行描述性统计分析，结果如表1所示：表1大豆期现货价格描述性统计统计量期货价格（元/吨）现货价格（元/吨）均值4235.684187.25标准差512.36489.52最大值5897.005760.00最小值3015.002980.00偏度0.380.42峰度2.762.85Jarque-Bera检验统计量5.686.32Jarque-Bera检验P值0.060.04从均值来看，大豆期货价格均值为4235.68元/吨，现货价格均值为4187.25元/吨，两者较为接近，反映出在长期内，大豆期现货价格的平均水平相差不大，期货市场的价格发现功能在一定程度上使得期货价格与现货价格的中枢保持相对一致。但期货价格略高于现货价格，这可能是由于期货市场中包含了对未来市场预期的风险溢价以及仓储、运输等成本因素的预期。标准差方面，期货价格标准差为512.36元/吨，现货价格标准差为489.52元/吨，表明期货价格的波动幅度相对较大。期货市场交易的杠杆机制以及投资者的预期和投机行为，使得期货价格对市场信息的反应更为敏感，价格波动更为频繁和剧烈。而现货市场价格受到实际供求关系、交易成本等相对稳定因素的制约，波动相对较小。最大值和最小值显示，大豆期货价格最大值为5897.00元/吨，最小值为3015.00元/吨；现货价格最大值为5760.00元/吨，最小值为2980.00元/吨。这表明在研究时间段内，大豆期现货价格都经历了较大的价格波动范围，市场价格受到多种因素的综合影响，如全球供需变化、贸易政策调整、天气灾害等，导致价格出现较大幅度的涨跌。偏度上，期货价格偏度为0.38，现货价格偏度为0.42，均大于0，说明价格分布呈现右偏态，即价格分布的右侧（较大值一侧）有较长的尾巴，表明大豆期现货价格出现较大涨幅的概率相对较大，市场存在一定的向上价格冲击可能性。峰度方面，期货价格峰度为2.76，现货价格峰度为2.85，均接近正态分布的峰度值3，说明大豆期现货价格分布的陡峭程度与正态分布相近，但略低于正态分布的峰度，意味着价格出现极端值的概率相对正态分布略低，但仍然存在一定的极端价格波动风险。通过Jarque-Bera检验来判断价格序列是否服从正态分布，期货价格的Jarque-Bera检验统计量为5.68，P值为0.06；现货价格的Jarque-Bera检验统计量为6.32，P值为0.04。在通常的显著性水平（如0.05）下，现货价格拒绝服从正态分布的原假设，期货价格在0.05显著性水平下不能拒绝服从正态分布的原假设，但在接近0.05的显著性水平下，也有一定偏离正态分布的迹象。这表明大豆现货价格不服从正态分布，其价格波动具有一定的非正态特征，可能受到市场突发事件、政策干预等因素的影响，导致价格分布出现偏离正态的情况；而期货价格虽然在0.05显著性水平下看似接近正态分布，但仍存在一定的非正态性，市场的不确定性和复杂性使得价格分布并非完全符合正态分布的特征。3.3平稳性检验在时间序列分析中，平稳性是一个关键假设。如果时间序列不平稳，可能会导致伪回归等问题，使得基于传统计量方法得出的结果不可靠。因此，在对大豆期现货价格关系进行深入分析之前，必须对其价格序列进行平稳性检验。本研究采用ADF（AugmentedDickey-Fuller）检验方法对2015年1月1日至2024年12月31日期间的大豆期货价格序列和现货价格序列进行平稳性检验。ADF检验基于以下回归方程：\Deltay_{t}=\alpha+\betat+\gammay_{t-1}+\sum_{i=1}^{k}\delta_{i}\Deltay_{t-i}+\varepsilon_{t}其中，y_{t}表示价格序列，\Deltay_{t}=y_{t}-y_{t-1}为一阶差分，\alpha为常数项，t为时间趋势项，\gamma为待检验的系数，k为滞后阶数，\varepsilon_{t}为白噪声误差项。原假设H_{0}:\gamma=0，即序列存在单位根，是非平稳的；备择假设H_{1}:\gamma\lt0，即序列不存在单位根，是平稳的。运用Eviews软件对大豆期货价格序列进行ADF检验，结果如表2所示：表2大豆期货价格序列ADF检验结果检验类型(C,T,K)ADF统计量1%临界值5%临界值10%临界值P值是否平稳(C,T,3)-1.856-3.442-2.867-2.5690.425否(C,0,3)-1.568-2.578-1.944-1.6150.287否(0,0,3)-0.895-1.610-0.944-0.6150.473否在检验类型(C,T,3)中，“C”表示包含常数项，“T”表示包含时间趋势项，“K=3”表示滞后阶数为3。此时ADF统计量为-1.856，大于1%、5%和10%显著性水平下的临界值，P值为0.425，大于常见的显著性水平（如0.05），不能拒绝原假设，表明大豆期货价格序列在水平序列下是非平稳的。同样地，在其他两种检验类型（(C,0,3)和(0,0,3)）下，ADF统计量均大于相应显著性水平下的临界值，P值也均大于0.05，也不能拒绝原假设，进一步验证了大豆期货价格序列在水平序列下不平稳。对大豆期货价格序列进行一阶差分后，再次进行ADF检验，结果如表3所示：表3大豆期货价格一阶差分序列ADF检验结果检验类型(C,T,K)ADF统计量1%临界值5%临界值10%临界值P值是否平稳(C,T,2)-5.423-3.439-2.865-2.5680.000是(C,0,2)-4.987-2.577-1.944-1.6150.000是(0,0,2)-3.896-1.610-0.944-0.6150.000是在一阶差分后的检验中，三种检验类型下的ADF统计量均小于相应显著性水平下的临界值，P值均为0.000，远小于0.05，强烈拒绝原假设，表明大豆期货价格的一阶差分序列是平稳的，即大豆期货价格序列是一阶单整序列，记为I(1)。运用同样的方法对大豆现货价格序列进行ADF检验，水平序列检验结果如表4所示：表4大豆现货价格序列ADF检验结果检验类型(C,T,K)ADF统计量1%临界值5%临界值10%临界值P值是否平稳(C,T,4)-1.789-3.444-2.868-2.5700.486否(C,0,4)-1.456-2.579-1.945-1.6160.352否(0,0,4)-0.789-1.611-0.945-0.6160.532否在水平序列检验中，三种检验类型下的ADF统计量均大于相应显著性水平下的临界值，P值均大于0.05，不能拒绝原假设，说明大豆现货价格序列在水平序列下是非平稳的。对大豆现货价格序列进行一阶差分后进行ADF检验，结果如表5所示：表5大豆现货价格一阶差分序列ADF检验结果检验类型(C,T,K)ADF统计量1%临界值5%临界值10%临界值P值是否平稳(C,T,3)-5.124-3.442-2.867-2.5690.000是(C,0,3)-4.658-2.578-1.944-1.6150.000是(0,0,3)-3.654-1.610-0.944-0.6150.001是在一阶差分后的检验中，三种检验类型下的ADF统计量均小于相应显著性水平下的临界值，P值均小于0.05，拒绝原假设，表明大豆现货价格的一阶差分序列是平稳的，即大豆现货价格序列也是一阶单整序列，记为I(1)。通过ADF检验可知，大豆期现货价格序列在水平序列下均不平稳，但经过一阶差分后均达到平稳状态，为后续进一步分析两者之间的协整关系、因果关系以及构建VAR模型等奠定了基础。3.4协整检验由于大豆期现货价格序列均为一阶单整序列I(1)，满足协整检验的前提条件，因此采用Johansen协整检验方法来判断它们之间是否存在长期均衡关系。Johansen协整检验基于向量自回归（VAR）模型，通过构建迹统计量（TraceStatistic）和最大特征值统计量（MaximumEigenvalueStatistic）来检验协整关系的存在性及协整向量的个数。首先，确定VAR模型的最优滞后阶数。根据AIC（赤池信息准则）、SC（施瓦茨准则）、HQ（汉南-奎因准则）等信息准则，对不同滞后阶数的VAR模型进行评估，结果如表6所示：表6VAR模型滞后阶数选择滞后阶数LogLLRFPEAICSCHQ11235.68NA2.36e-08-7.86-7.72-7.8021356.89189.651.89e-08-8.56-8.23-8.4131423.5698.781.56e-08-9.02-8.50-8.7641456.7852.341.45e-08-9.23-8.52-8.86从表6可以看出，根据AIC准则，最优滞后阶数为4；根据SC准则和HQ准则，最优滞后阶数为3。综合考虑，选择滞后阶数为3，建立VAR(3)模型，为Johansen协整检验提供基础。在VAR(3)模型的基础上，进行Johansen协整检验，检验结果如表7所示：表7Johansen协整检验结果原假设迹统计量5%临界值P值是否拒绝原假设不存在协整关系25.6815.490.001是至多存在1个协整关系5.683.840.017是对于迹统计量检验，在5%的显著性水平下，原假设“不存在协整关系”时，迹统计量25.68大于5%临界值15.49，P值为0.001，小于0.05，拒绝原假设，表明大豆期现货价格之间至少存在一个协整关系。原假设“至多存在1个协整关系”时，迹统计量5.68大于5%临界值3.84，P值为0.017，小于0.05，拒绝原假设，说明大豆期现货价格之间存在两个协整关系。再看最大特征值统计量检验结果，如表8所示：表8Johansen协整检验最大特征值统计量结果原假设最大特征值统计量5%临界值P值是否拒绝原假设不存在协整关系19.8714.260.003是至多存在1个协整关系5.683.840.017是在最大特征值统计量检验中，原假设“不存在协整关系”时，最大特征值统计量19.87大于5%临界值14.26，P值为0.003，小于0.05，拒绝原假设。原假设“至多存在1个协整关系”时，最大特征值统计量5.68大于5%临界值3.84，P值为0.017，小于0.05，拒绝原假设。综合迹统计量和最大特征值统计量的检验结果，在5%的显著性水平下，强烈拒绝大豆期现货价格之间不存在协整关系以及至多存在1个协整关系的原假设，表明大豆期货价格序列和现货价格序列之间存在两个协整关系，即它们之间存在长期稳定的均衡关系。这意味着尽管大豆期现货价格在短期内可能会出现偏离，但从长期来看，它们会受到某种经济力量的约束，趋向于回到均衡状态，期货市场在一定程度上能够反映现货市场的长期价格走势，两者之间存在紧密的内在联系。3.5格兰杰因果检验格兰杰因果检验是一种用于分析时间序列变量之间因果关系的统计方法，其基本思想是基于变量的滞后信息来判断一个变量是否能对另一个变量的预测提供有用信息。如果变量X的过去值能够显著地帮助预测变量Y的未来值，那么就可以认为X是Y的格兰杰原因。在本研究中，格兰杰因果检验被用于判断大豆期货价格和现货价格之间的因果关系，这对于深入理解大豆市场价格传导机制和期货市场的价格发现功能具有重要意义。格兰杰因果检验的原假设H_{0}为：X不是Y的格兰杰原因，即X的滞后值对Y的当前值没有显著影响；备择假设H_{1}为：X是Y的格兰杰原因，即X的滞后值对Y的当前值有显著影响。检验基于以下回归模型：Y_{t}=\sum_{i=1}^{n}\alpha_{i}Y_{t-i}+\sum_{i=1}^{n}\beta_{i}X_{t-i}+\varepsilon_{t}其中，Y_{t}表示被解释变量（在本研究中可以是大豆现货价格或期货价格），X_{t}表示解释变量（对应的期货价格或现货价格），\alpha_{i}和\beta_{i}是待估计的系数，n是滞后阶数，\varepsilon_{t}是白噪声误差项。在对大豆期现货价格进行格兰杰因果检验时，基于之前确定的VAR(3)模型，将大豆期货价格序列设为F_{t}，现货价格序列设为S_{t}，分别进行双向检验，即检验期货价格是否是现货价格的格兰杰原因以及现货价格是否是期货价格的格兰杰原因。利用Eviews软件进行检验，检验结果如表9所示：表9大豆期现货价格格兰杰因果检验结果原假设滞后阶数F统计量P值是否拒绝原假设F_{t}不是S_{t}的格兰杰原因34.6870.003是S_{t}不是F_{t}的格兰杰原因31.2560.287否从表9的检验结果可以看出，当原假设为“F_{t}不是S_{t}的格兰杰原因”时，滞后阶数为3，F统计量为4.687，P值为0.003，远小于0.05的显著性水平。这表明在5%的显著性水平下，强烈拒绝原假设，即大豆期货价格是现货价格的格兰杰原因。这意味着大豆期货价格的变化能够显著地引起现货价格的变化，期货市场的价格信息能够有效地传导至现货市场，期货市场在价格发现过程中发挥着重要作用，其价格变动能够为现货市场参与者提供关于未来价格走势的有效信号，引导现货市场价格的调整。当原假设为“S_{t}不是F_{t}的格兰杰原因”时，滞后阶数为3，F统计量为1.256，P值为0.287，大于0.05的显著性水平。在5%的显著性水平下，不能拒绝原假设，即大豆现货价格不是期货价格的格兰杰原因。这说明大豆现货价格的变化对期货价格的影响不显著，现货市场的价格信息在期货价格形成过程中的作用相对较弱，期货价格更多地是基于市场对未来供需、宏观经济形势等多方面因素的预期和判断，而不是直接受到现货价格当前变化的驱动。为了确保格兰杰因果检验结果的稳健性，进一步对不同滞后阶数进行检验，检验结果如表10所示：表10不同滞后阶数下大豆期现货价格格兰杰因果检验结果原假设滞后阶数F统计量P值是否拒绝原假设F_{t}不是S_{t}的格兰杰原因23.8950.021是F_{t}不是S_{t}的格兰杰原因44.2360.007是S_{t}不是F_{t}的格兰杰原因21.1250.325否S_{t}不是F_{t}的格兰杰原因41.3250.256否从表10可以看出，在不同滞后阶数下，“F_{t}不是S_{t}的格兰杰原因”的原假设均被拒绝，而“S_{t}不是F_{t}的格兰杰原因”的原假设均不能被拒绝。这进一步验证了大豆期货价格是现货价格的格兰杰原因，而现货价格不是期货价格的格兰杰原因这一结论的稳健性，说明该结论不受滞后阶数选择的显著影响，具有较高的可靠性。3.6VAR模型构建与分析3.6.1VAR模型构建向量自回归（VAR）模型是基于数据的统计性质建立的，它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型，常用于预测相互联系的时间序列系统以及分析随机扰动对变量系统的动态冲击，解释各种经济冲击对经济变量形成的影响。在研究大豆期现货价格拟合关系时，VAR模型能够综合考虑期货价格和现货价格的相互作用，通过分析它们之间的动态关系，揭示市场价格的波动规律和传导机制。基于前文确定的大豆期现货价格序列均为一阶单整且存在协整关系，以及VAR(3)模型为最优滞后阶数的结果，构建大豆期现货价格的VAR(3)模型。设大豆期货价格序列为F_{t}，现货价格序列为S_{t}，VAR(3)模型的数学表达式为：\begin{pmatrix}F_{t}\\S_{t}\end{pmatrix}=\begin{pmatrix}\alpha_{10}\\\alpha_{20}\end{pmatrix}+\begin{pmatrix}\alpha_{11}&\alpha_{12}\\\alpha_{21}&\alpha_{22}\end{pmatrix}\begin{pmatrix}F_{t-1}\\S_{t-1}\end{pmatrix}+\begin{pmatrix}\beta_{11}&\beta_{12}\\\beta_{21}&\beta_{22}\end{pmatrix}\begin{pmatrix}F_{t-2}\\S_{t-2}\end{pmatrix}+\begin{pmatrix}\gamma_{11}&\gamma_{12}\\\gamma_{21}&\gamma_{22}\end{pmatrix}\begin{pmatrix}F_{t-3}\\S_{t-3}\end{pmatrix}+\begin{pmatrix}\varepsilon_{1t}\\\varepsilon_{2t}\end{pmatrix}其中，\alpha_{ij}、\beta_{ij}、\gamma_{ij}（i=1,2；j=1,2）为待估计的系数矩阵，反映了期货价格和现货价格的滞后值对当前值的影响程度；\varepsilon_{1t}和\varepsilon_{2t}分别为期货价格和现货价格的随机扰动项，服从均值为0、方差协方差矩阵为\Omega的正态分布，即\begin{pmatrix}\varepsilon_{1t}\\\varepsilon_{2t}\end{pmatrix}\simN(0,\Omega)。运用Eviews软件对上述VAR(3)模型进行估计，得到各系数的估计值及相关统计量，如表11所示：表11VAR(3)模型系数估计结果变量F_{t-1}S_{t-1}F_{t-2}S_{t-2}F_{t-3}S_{t-3}CF_{t}0.356***0.125**-0.189*0.0870.156***-0.056125.68S_{t}0.289***0.156***-0.123*0.112**0.102***-0.078*89.76注：*、、*分别表示在1%、5%、10%的显著性水平下显著。从表11的估计结果可以看出，期货价格的一阶滞后项F_{t-1}对当前期货价格F_{t}的影响系数为0.356，在1%的显著性水平下显著，表明上一期期货价格对本期期货价格有显著的正向影响，即上一期期货价格上涨（下跌），会导致本期期货价格相应上涨（下跌）。现货价格的一阶滞后项S_{t-1}对当前期货价格F_{t}的影响系数为0.125，在5%的显著性水平下显著，说明上一期现货价格对本期期货价格也有一定的正向影响，但影响程度相对较小。期货价格的二阶滞后项F_{t-2}对当前期货价格F_{t}的影响系数为-0.189，在10%的显著性水平下显著，呈现负向影响，说明前两期期货价格的变化对本期期货价格有一定的反向调整作用。在现货价格方程中，期货价格的一阶滞后项F_{t-1}对当前现货价格S_{t}的影响系数为0.289，在1%的显著性水平下显著，表明上一期期货价格对本期现货价格有显著的正向影响，再次验证了期货价格对现货价格的引导作用。现货价格的一阶滞后项S_{t-1}对当前现货价格S_{t}的影响系数为0.156，在1%的显著性水平下显著，说明上一期现货价格对本期现货价格有显著的正向影响，体现了现货价格自身的惯性特征。其他滞后项也在不同程度上对期货价格和现货价格产生影响，这些系数的估计结果为进一步分析期现货价格之间的动态关系提供了基础。3.6.2脉冲响应分析脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，它能够直观地展示VAR模型中各变量之间的动态交互作用和响应路径。在大豆期现货价格的VAR(3)模型基础上，通过脉冲响应分析，可以深入了解期货价格和现货价格对自身及对方冲击的响应情况和持续时间。运用Eviews软件，基于VAR(3)模型生成期货价格和现货价格的脉冲响应函数图，分别考察当期货价格和现货价格受到一个单位标准差的正向冲击时，自身以及另一个价格在未来10期的响应情况，结果如图1和图2所示：<插入图1：期货价格对自身及现货价格冲击的脉冲响应函数图><插入图2：现货价格对自身及期货价格冲击的脉冲响应函数图><插入图1：期货价格对自身及现货价格冲击的脉冲响应函数图><插入图2：现货价格对自身及期货价格冲击的脉冲响应函数图><插入图2：现货价格对自身及期货价格冲击的脉冲响应函数图>从图1中可以看出，当期货价格受到一个单位标准差的正向冲击时，期货价格在第1期立即产生强烈的正向响应，响应值达到0.45左右，随后逐渐下降，但在未来10期内仍保持正向响应，说明期货价格对自身的冲击具有较强的持续性和记忆性。这是因为期货市场交易活跃，信息传播迅速，一旦市场出现新的信息或冲击，期货价格会迅速做出反应，并且这种反应会在后续一段时间内持续影响期货价格的走势。当期货价格受到现货价格一个单位标准差的正向冲击时，在第1期响应不明显，从第2期开始产生正向响应，在第3期达到峰值0.18左右，随后逐渐减弱，但在未来10期内始终保持正向响应。这表明现货价格的冲击对期货价格的影响存在一定的滞后性，且影响程度相对较小，说明现货市场信息向期货市场的传导需要一定时间，且现货价格对期货价格的影响相对较弱。从图2中可以看出，当现货价格受到一个单位标准差的正向冲击时，现货价格在第1期立即产生正向响应，响应值达到0.38左右，随后逐渐下降，在未来10期内保持正向响应，但响应强度逐渐减弱，说明现货价格对自身的冲击也具有一定的持续性，但相比期货价格对自身冲击的持续性略弱。这是因为现货市场价格调整相对较为缓慢，受到冲击后，市场参与者需要一定时间来调整供需关系和价格预期，从而导致现货价格的响应相对滞后且持续时间较短。当现货价格受到期货价格一个单位标准差的正向冲击时，在第1期就产生正向响应，响应值达到0.25左右，在第2期达到峰值0.32左右，随后逐渐下降，但在未来10期内始终保持正向响应。这表明期货价格的冲击对现货价格的影响较为迅速且显著，进一步验证了期货价格对现货价格的引导作用，期货市场的价格波动能够快速传导至现货市场，对现货价格产生较大影响。3.6.3方差分解方差分解是将系统的预测均方误差分解成系统中各变量冲击所做的贡献，通过分析各变量冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同变量冲击的重要性，从而明确各变量之间相互影响的程度。在大豆期现货价格的VAR(3)模型中，运用方差分解技术，可以定量分析期货价格和现货价格波动的贡献度，深入揭示两者之间的动态关联。基于VAR(3)模型，运用Eviews软件对期货价格和现货价格进行方差分解，分解期数设定为10期，结果如表12所示：表12大豆期现货价格方差分解结果期数期货价格预测误差方差分解现货价格预测误差方差分解来自期货价格的贡献（%）来自现货价格的贡献（%）来自期货价格的贡献（%）来自现货价格的贡献（%）1100.000.0030.2569.75295.364.6442.5657.44391.238.7750.1249.88488.5611.4455.3644.64586.3213.6858.9741.03684.5615.4461.3438.66783.1216.8863.0536.95881.9718.0364.3235.68981.0218.9865.3634.641080.2519.7566.1233.88从表12中期货价格预测误差方差分解结果可以看出，在第1期，期货价格波动的贡献全部来自自身，随着期数的增加，来自期货价格自身的贡献逐渐下降，而来自现货价格的贡献逐渐上升。到第10期，来自期货价格自身的贡献下降到80.25%，来自现货价格的贡献上升到19.75%。这表明期货价格的波动在短期内主要受自身前期波动的影响，但随着时间的推移，现货价格对期货价格波动的影响逐渐增强，尽管这种影响相对较小，但仍不容忽视，说明现货市场的变化在一定程度上会对期货市场价格波动产生作用。从现货价格预测误差方差分解结果来看，在第1期，来自期货价格的贡献为30.25%，来自现货价格自身的贡献为69.75%。随着期数的增加，来自期货价格的贡献持续上升，来自现货价格自身的贡献持续下降。到第10期，来自期货价格的贡献上升到66.12%，来自现货价格自身的贡献下降到33.88%。这充分说明期货价格对现货价格波动的影响较大，且随着时间的推移，这种影响不断增强，进一步验证了期货价格在大豆期现货价格关系中具有重要的引导作用，期货市场的价格波动是导致现货价格波动的重要因素之一。四、影响中国大豆期现货价格拟合关系的因素分析4.1宏观经济因素4.1.1GDP增长国内生产总值（GDP）作为衡量一个国家经济总体规模和发展水平的关键指标，对大豆期现货价格有着重要影响。从需求角度来看，GDP增长反映了经济的扩张，通常伴随着居民收入水平的提高和消费能力的增强。在这种情况下，居民对各类消费品的需求增加，包括以大豆为原料的豆制品、食用油以及饲料等。随着居民生活水平的提升，对肉类、蛋类等禽畜产品的消费需求上升，而大豆粕作为优质的蛋白质饲料原料，其市场需求也会相应增长，进而带动大豆的需求增加。据相关研究表明，GDP每增长1个百分点，大豆的消费需求可能会增长[X]%左右。在经济增长较快的时期，食品加工行业、养殖业等对大豆的采购量会明显增加，推动大豆现货价格上升。同时，市场对大豆需求的增长预期也会反映在期货市场上，投资者会预期未来大豆价格上涨，纷纷买入期货合约，促使期货价格上升。从宏观经济环境角度而言，GDP增长往往伴随着企业投资的增加和产业的扩张。在大豆产业链中，这可能表现为大豆加工企业扩大生产规模、新建生产线，从而增加对大豆的采购量。新的大豆加工企业进入市场，也会加剧市场竞争，提高对大豆的需求，对大豆期现货价格产生向上的推动作用。在GDP增长的大环境下，物流运输、仓储等相关行业也会得到发展，降低大豆的流通成本，提高市场的供应效率，这在一定程度上会对大豆价格产生稳定作用，但总体上需求增长对价格的推动作用更为显著。4.1.2通货膨胀率通货膨胀率是衡量物价总体水平上涨速度的重要指标，对大豆期现货价格的影响较为复杂。一方面，通货膨胀会导致生产成本上升。在大豆生产环节，种子、化肥、农药等农资价格会随着通货膨胀而上涨，劳动力成本也会相应增加，这使得大豆种植成本提高。在流通环节，运输费用、仓储费用等也会因通货膨胀而上升。据统计，当通货膨胀率上升1个百分点时，大豆种植成本可能会增加[X]元/吨，流通成本可能增加[X]元/吨。这些成本的增加会直接推动大豆现货价格上涨，因为生产者和流通环节的经营者需要通过提高价格来维持利润水平。另一方面，通货膨胀会影响消费者的购买力和市场需求。当通货膨胀率较高时，消费者的实际收入下降，对价格较为敏感。在这种情况下，消费者可能会减少对大豆及其制品的消费，或者选择价格相对较低的替代品，从而导致大豆的市场需求下降。在通货膨胀时期，消费者可能会减少对豆制品的购买，转而选择其他更为经济实惠的食品。需求的下降会对大豆价格产生下行压力，抵消部分因成本上升带来的价格上涨动力。在期货市场上，通货膨胀预期会影响投资者的决策。如果投资者预期通货膨胀将持续上升，会认为大豆作为一种实物资产具有保值增值的功能，从而增加对大豆期货的投资，推动期货价格上涨。但如果投资者担心通货膨胀会抑制市场需求，对大豆价格走势持谨慎态度，期货价格的上涨幅度可能会受到限制。4.1.3利率利率作为宏观经济调控的重要工具，对大豆期现货价格有着多方面的影响。从资金成本角度来看，利率的变化直接影响企业的融资成本。对于大豆种植户、加工企业和贸易商等市场参与者来说，融资是其生产经营活动中的重要环节。当利率上升时，企业的贷款成本增加，融资难度加大。大豆加工企业为了扩大生产规模而进行贷款，利率上升会使其贷款利息支出大幅增加，导致企业生产成本上升。为了维持利润，企业可能会提高产品价格，从而推动大豆现货价格上涨。但同时，较高的利率也会抑制企业的投资和生产积极性，减少市场对大豆的需求，对价格产生下行压力。从投资角度来看，利率的变化会影响投资者的资金配置决策。在金融市场中，利率与债券、股票等金融资产的收益率密切相关。当利率上升时，债券等固定收益类资产的收益率提高，相对而言，大豆期货等投资品种的吸引力下降。投资者可能会将资金从大豆期货市场转移到债券市场，导致大豆期货市场资金流出，期货价格下跌。反之，当利率下降时，债券等资产的收益率降低，投资者会寻求其他更高收益的投资渠道，大豆期货市场可能会吸引更多的资金流入，推动期货价格上涨。利率的变化还会影响汇率，进而对大豆的进出口贸易产生影响，间接影响大豆期现货价格。当本国利率上升时，会吸引国外资金流入，导致本国货币升值，进口大豆的成本相对降低，可能会增加大豆进口量，对国内大豆期现货价格产生下行压力。4.2政策因素4.2.1农业补贴政策农业补贴政策是我国支持农业发展、保障农民收入和稳定农产品供应的重要手段，对大豆市场有着多方面的影响。大豆生产补贴是直接给予大豆种植户的补贴，旨在降低种植成本，提高农民种植大豆的积极性。在东北地区，国家实施大豆生产者补贴政策，根据种植面积给予农民一定金额的补贴，如2023年黑龙江省大豆生产者补贴标准为每亩[X]元。这使得农民在种植大豆时，即使面临市场价格波动，也能获得一定的收入保障，从而鼓励农民扩大大豆种植面积。据统计，在实施大豆生产补贴政策后，东北地区大豆种植面积在过去几年中逐年增加，2024年较政策实施前增长了[X]%，有效增加了国内大豆的产量和市场供应。种植补贴还会影响大豆的种植结构。在一些地区，政府通过补贴政策引导农民调整种植结构，减少玉米等其他作物的种植面积，增加大豆种植。这有助于优化农业种植结构，提高土地资源的利用效率，使大豆产业在农业经济中的比重更加合理。补贴政策对大豆价格也有一定的稳定作用。当市场大豆价格较低时，补贴可以弥补农民的部分损失，减少农民因价格过低而减少种植或抛售库存的情况，从而稳定市场供应和价格。补贴政策还会影响市场预期，投资者和贸易商在制定经营策略时会考虑补贴政策对大豆产量和价格的影响，进而影响市场的交易行为和价格走势。4.2.2贸易政策贸易政策对大豆市场的影响主要体现在进出口环节，进而影响大豆期现货价格。关税政策是贸易政策的重要组成部分。我国是大豆进口大国，进口关税的调整直接影响进口大豆的成本和市场供应。在中美贸易摩擦期间，我国对美国大豆加征关税，使得美国大豆进口成本大幅增加。据测算，加征关税后，从美国进口大豆的到岸成本每吨增加了[X]元左右，这导致国内企业减少从美国进口大豆，转而增加从巴西等其他国家的进口。这不仅改变了我国大豆进口的来源结构，也对国际大豆市场的贸易格局产生了影响。从价格方面来看，进口关税的增加使得国内市场大豆供应相对减少，推动大豆期现货价格上涨。在期货市场上，投资者对关税政策调整的预期也会影响期货价格的波动，当市场预期关税将上调时，期货价格往往会提前上涨。贸易配额政策也会对大豆市场产生影响。虽然我国目前对大豆实行关税配额管理，但配额数量相对较大，基本能够满足国内市场需求。贸易配额政策的调整仍可能对市场产生一定的信号作用。如果贸易配额减少，市场会预期大豆进口量下降，供应趋紧，从而推动大豆期现货价格上升。贸易政策还会影响国内大豆产业的竞争力。合理的贸易政策可以保护国内大豆产业，促进其发展，提高国内大豆在市场中的份额，进而影响大豆期现货价格的形成和波动。4.2.3收储政策收储政策是国家调控大豆市场的重要手段之一，通过调节市场供求关系，对大豆期现货价格产生影响。国家在大豆主产区设立收储库点，在大豆收获季节，当市场价格较低时，按照一定的收储价格收购大豆，增加市场需求，稳定大豆价格。在2022年，东北地区大豆市场价格因产量增加出现下跌趋