基于 X-12-ARIMA模型的中国粮食消费价格运行

桂文林,韩兆洲

(1.暨南大学 经济学院,广东 广州 510632;2.惠州学院,广东 惠州 516007)

●关注 “三农”

基于 X-12-ARIMA模型的中国粮食消费价格运行

桂文林1,2,韩兆洲1

(1.暨南大学 经济学院,广东 广州 510632;2.惠州学院,广东 惠州 516007)

粮食价格与人们的实际生活成本和收入水平息息相关,甚至影响整个国民经济的发展。文章用 X-12-AR IMA季节调整模型对中国 1997年 1月至 2009年 12月的粮食消费价格月度定基指数进行分解,并得到趋势循环、季节和不规则因素;通过所得异常值和趋势对我国粮食价格发展阶段进行科学划分;通过分解后的季节因素分析其季节特征,并探究它们的深层成因。结果表明:模型具有非常好的分解效果;粮价有明显的趋势和季节运行特征;粮食价格波动成因很好地解释其运行特征。文章为把握我国粮食价格运行、制定相关政策提供科学依据。

粮食价格;X-12-AR IMA季节调整模型;趋势;季节特征

一、引 言

粮食价格问题是粮食问题的主要方面,在市场经济条件下,粮食价格不仅是调节粮食产品供求的信号和手段,更是关系到广大人民群众的生活成本和广大农民和农村收入水平,进而影响国民经济整体发展的一个重要因素。随着中国市场经济体制转轨,粮食价格形成的市场化程度不断提高,影响粮食价格的因素日益增多并更为复杂,其波动越发明显。本文就粮食价格变动趋势和季节特征及形成机制作些研究。现有粮食价格波动问题的研究主要围绕着三个问题展开,即粮食价格怎样波动,波动的成因及其所造成的影响即经济效应进行的分析。其中对波动成因的分析最为广泛,如:

(1)对 2006—2008年间粮食价格的持续上涨的研究中,大量文献 (Banse et al.,2008等)认为,①本轮粮食价格上涨的主要原因在于。全球气候变化导致粮食产量下降;石油价格上涨导致粮食生产成本提高。发展中国家的经济快速增长导致对粮食需求的快速增长;生物燃料的开发导致对玉米等产品需求大幅增加。一些国家采取的贸易干预政策,如鼓励进口或限制出口,以及狂热的市场投机,导致国际市场粮食价格上涨[1]。②粮食价格快速大幅上涨,给粮食进口国如欧盟和日本等带来了粮食安全问题。给消费者带来重要的负收入效应。

(2)2009年黄季坤等研究认为,全球金融危机导致的石油价格巨幅下挫和生物液体燃料产业的萎缩导致 2008年下半年以来全球粮食价格大幅回落,并预测 2009年中国粮价将受到冲击。

(3)相关研究如,崔友平 (2007)认为粮食价格波动是粮食供求规律和价值规律共同作用的结果。从粮食价格形成的内在机理来看,引起粮食价格波动的主要因素是市场供求、国际市场传导等。粮食价格波动的经济效应主要是影响粮食生产、农民收入和市场价格总水平;聂闯 (2008)研究表明,世界粮食价格上涨的原因主要包括,生产因素如石油价格变得导致生产成本变化、气候变化与结构调整等影响产量。需求因素如人口持续增长和城市化、生物能源开发。市场因素如贸易和库存、不当贸易保护等。王文斌用误差修正模型、脉冲响应函数和方差分解等实证研究了国际粮食价格与粮食的产量、消费和库存之间的关系,发现国际粮食价格与它们之间存在稳定的协整关系。粮食库存是影响国际粮价的最主要因素,且其影响力会逐渐增强;其次是粮食消费水平,而粮食产量对国际粮食价格的影响相对较小。

对粮食价格波动的已有研究中不足之处主要有:

(1)定量研究相对较少,理论和描述性的实证分析较多;

(2)短期研究较多,通常集中在一年内或一个上升或下降的价格波动阶段,中长期的研究较少;

(3)对粮食价格波动成因的研究较多对特征本身的精确描述较少。本文用 X-12-AR IMA季节调整模型对中国 1997年 1月—2009年 12月的粮食消费价格月度定基指数进行分析,通过所得异常值和分解趋势对我国粮食价格发展的阶段进行精确划分,通过分解后的季节因子,分析其季节特征,并它们的成因。在此基础上对中国粮食消费价格进行科学预测。文章通过分析评估长期粮食价格运行走势,对我国农业、土地制度以及政策调整都具有借鉴意义。

二、X-12-AR IMA季节调整模型

X-12-AR IMA是美国普查局 David Findley等人在 1998设计出来的季节调整模型和程序[2]。X-12-AR IMA程序在传统的基于移动平均的 X-11方法的基础上,引入了预调整模块 regAR IMA,首先通过建立带有回归元的 AR IMA模型对序列进行前向预测和后向预测、扩充数据,以保证在使用移动平均进行季节调整的过程中数据的完整性;同时对数据做更加丰富的预处理,检测和修正不同类型的异常值,估计并消除日历因素的影响;最后对季节调整的效果进行更严格的诊断检验。预调整模块 regAR IMA采取标准的AR IMA建模方法,通过识别、估计和诊断建立 AR IMA模型并用于预测,从而实现时间序列的延拓。加法模型的 regAR IMA预调整程序的原理[3]阐述如下。

假定对于时间序列 yt存在多元回归模型:zt。其中 xit为第 i个影响因素和回归变量,包括异常值、交易日和假日等日历因素及其它回归变量。βi为回归系数。zt假设其满足 AR IMA模型及其季节模型。即形成 regAR IMA模型如下:

其中,B为滞后算子,s是季节周期。使用迭代广义最小二乘算法估计参数,得到估计的各种回归效应为从yt中减去回归效应即得到经过预调整的序列。对于乘法分解模型,需要先对原始序列 Yt取对数,即 yt=log(Yt),再对 yt建立上述 regAR IMA模型,估计得到回归效应,再分别对其取指数变换,得到回归效应调整因子 eβ^ixit,用原始序列除以相应的调整因子,得到经过预调整的序列。通过此模型,不仅可以分析异常值、交易日、移动假日等日历因素对时间序列的影响并进行季节调整,同时可以灵活加入自定义的回归变量,分析某些特定因素的影响,如西方的复活节、中国的春节、“黄金周”长假等因素的影响。X-12-AR IMA只适合月度和季度数据,向前预测或向后估测数据不超过 250个,每一时间序列观察值最多 2500个,交易日因子不能超过 28个,季节频长不超过 12。该模型中最复杂的模型为 (2 1 2)(0 1 1)模型[4]。

regAR IMA预调整模型中常见的回归变量为异常值、日历因素等。

(1)异常值。包括三种类型的异常值。其中 AO,被称为单点异常值或附加异常值,指时间序列中的单个跳跃点和,只影响序列中的一个观察值。LS,为水平移动异常值,指时间序列中水平的持久变化,其影响来自于一个固定点上的所有观察值,表现为一个特定时点的所有观察值突然增大或减少一个常数,即移动一个水平。TC,为暂时变化异常值,指时间序列发生跳跃但又平滑回复到初始路径的单个跳跃点,这种异常值影响若干个观察值。

(2)日历效应。日历效应是影响时间序列的一个重要因素。交易日效应,交易日指一个星期内每天的经济活动的差异带来的影响。同时周一至周日的天数在每个月出现的次数不同,则导致了月份之间的经济活动受到交易日的影响。在regAR IMA预调整模型中,对交易日调整是通过建立 6个回归变量分别代表周一至周六的回归变量,而星期日的天数可通过周一至周六的天数决定。

(3)工作日。根据五天工作制,假设工作日内经济活动没有差异,而工作日与非工作日之间的经济活动之间存在差异,这种影响即为工作日效应。需建立一个回归变量,非工作日可由工作日的天数决定。

(4)闰年。指闰年的 2月份多一天而带来的影响,需建立 1个回归模型。

(5)固定假日。如元旦、“五一”国际劳动节、“十一”国庆节等可能带来经济活动的影响。

(6)移动假日。即公历日期不固定的节日,如西方的复活节,一般在 3、4月份变动。中国的春节在 1、2月份变动,这些差异也会对经济活动的月份造成差异。X-12-AR IMA中设置了对复活节效应的调整,却没有对春节的调整,因此必须自行建立春节因素不变量进行调整。

春节是我国的传统阴历节日,多数在 2月,少数在 1月。在春节期间,社会经济活动会产生变化,对许多社会经济指标都会产生较大的影响。春节因素对各种指标的影响有正向的,如居民消费;有些是负向的,如工业生产等。这一影响期间往往跨越 1月和 2月;而对于季度指标,春节只影响第 1季度的数据。可以通过引入春节因素变量,对时间序列进行预调整,从而消除春节因素的影响[5]。具体为:假设春节对时间序列的影响天数为τ天,且假定这τ天中每天的影响是相同的,τt用表示这落在第 t月的天数,则春节变量在 t月中的取值为 H(τ,t),定义为 :H(τ,t)=τt/τ。可见 ,每年 1、2月的 H(τ,t)之和为 1,且 3—12月的 H(τ,t)为 0。引入春节变量后的 regAR IMA模型为:

τ的取值一般根据以下原则:(1)指标特征和受春节影响特征。(2)通过比较备选τ值模型的拟合效果选择。如预测误差,选择使预测误差最小的模型和τ。如 A IC和B IC等,选择使其最小的τ。

三、中国粮食消费价格运行特征实证研究

(一)数据来源、处理及说明

粮食的消费价格指数是居民消费价格指数 (CPI)的重要组成部分。我国 CPI的商品构成中,食品类商品权重占33.6%,决定着 CPI运行的基本趋势,其中粮食是食品价格波动的主要原因[6]。其在一定程度上反映了通货膨胀或紧缩的程度。传统上中国只公布月 (累计)同比和年同比粮食消费价格指数数据。自 2001年起,采用国际通用做法,逐月编制并公布以 2000年平均价格为基期的粮食消费价格的定基和环比指数。月同比数据剔除了部分季节因素,同时受基准期季节因素的影响变动较大,即 “翘尾因素”。环比指数易被一些突发事件、季节性和节假日等非市场因素干扰。对中国粮食消费价格变动特征的研究须以定基指数为对象。由于无法获得我国 2001年前的粮食消费价格定基指数,可采用某一时期为基期,通过各年同月的同比指数连乘计算定基比的方法对原始数列进行研究。1992年中国开始放开粮食价格和粮食经营的试点,由于政策不配套,宏观调控方式和手段不完善,加之经济一度过热,全国粮食价格出现了持续大幅度上涨。本轮上涨截至 1996年。1997年后,受宏观经济形势和粮食连年丰收,出现供过于求等影响,粮食价格持续下跌。标志粮食价格进入新一轮的下跌运行阶段。于是,本文数据以 1996年为基期,假设该年各月粮食消费价格指数初始值为 100,通过 1997年 1月—2009年 12月的月同比粮食消费价格指数计算得到该期间定基指数如图 1。其中月同比粮食消费价格指数数据来自中经网。

(二)X-12-AR IMA季节调整模型的参数设置

1.对数化变换的参数设置

选择 Pretest,即预检验数据是否适合于对数化变换。实施对数变换的前提是初始时间序列中不含有零值或负值。

2.日历效应修正的参数设置

(1)交易日修正。选择 Trading days&Leap-year(7个回归变量 +是否闰年):即粮食消费价格在工作日 (星期一至星期六)之间存在区别,在工作日与休息日之间也存在区别,是否闰年也影响着经济活动的活跃性。此外,还选择预检验是否需要交易日 (工作日)效应修正且允许 Demetra根据季节调整质量减少交易日回归变量。(2)复活节修正。此处不选择实施复活节效应修正。(3)固定假日修正。选择每年广为流行的 5月 1日的劳动节和 10月 1日的国庆节及 1月1日的元旦。它们对经济活动可能产生影响,在 X-12-AR IMA程序中可进行国定假日影响的具体日期的设置和调整。

3.异常值及外部变量的参数设置

异常值及外部变量的参数设置为默认选择。此外,偏差修正及趋势平滑的参数设置,以及 AR IMA模型、均值修正及实践序列尾部预测的参数设置均设置为默认选择。

(三)X-12-AR IMA模型的估计、检验和粮食价格波动异常值点

1.粮食价格指数模型的预调整和异常值点

预调整结果如表 1。可见:(1)模型选择中,中国粮食消费价格变动适合于乘法模型,即认为时间序列波动的幅度与时间序列的水平相关性显著。 (2)模型不满足 AR IMA模型的残差服从零均值的正态分布条件,需进行均值修正,被修正均值为 0.0012,但经检验不显著。(3)模型检测出 7个交易回归变量影响中交易日回归变量影响均不显著。表明,工作日内部、工作日与非工作日之间以及闰年均对中国粮食消费价格月度波动无显著影响。(4)数据中检测出的最显著异常值发生于 2004年 3月,该异常值回归变量影响的大小为0.0855。粮食价格由 2004年 2月的 85.7739上升至 2004年 3月的 95.0451,月增长 9.2712,增长率为 10.81%。其异常值属于水平移动异常值。该点是中国粮食消费价格波动不同阶段的转折点之一;第二个显著的异常值发生于 1998年 6月,该异常值回归变量影响的大小是 0.0535。粮食价格由 1998年 5月的 85.272上升至 1998年 6月的 89.8784,月增长4.6064,增长率为 5.40%。其异常值同样属于水平移动异常值;第三个显著的异常值发生于 2003年 11月,该异常值回归变量影响的大小是 0.0505。粮食价格由 2003年 10月的76.0870上升至 2003年 11月的 81.6287,月增长 5.5417,增长率为 7.28%。其同样属于水平移动异常值;第四个显著的异常值发生于 2004年 4月,该异常值回归变量影响的大小是0.0238。其异常值性质为暂时变化和更新异常值。(5)AR IMA模型选择中,经过模型识别和比较选择为 (1 1 0) (0 1 1)的 regAR IMA模型,表示分别经过一次规则和季节差分后,序列成为具有一阶规则自回归项和一阶季节移动平均项的平稳序列。模型采用精确极大似然方法进行估计。预调整的总的结论为,中国粮食消费价格指数被 AR IMA模型得以精确分解,模型通过检验,可被使用。

表1 中国粮食价格预调整模型的检验 (1997.1—2009.12)

2.中国粮食消费价格指数 X-12-AR IMA模型的诊断信息

模型的诊断信息如表 2。 (1)季节调整质量为 4.400,可见,调整质量很好;(2)模型的异常值比例为 2.56%,在5%的合理范围内;(3)模型的残差的描述统计表明。偏度和峰度的检验表明,模型残差的分布是对称的,且不具有峰值;(4)残差检验的Ljung-Box统计量表明,残差及残差的平方不具有显著的自相关性,残差中不隐含线性和非线性结构;(5)AR IMA模型的拟合标准表明,模型 A IC、B IC准则和 Hannan-Q统计量的值都很小,分别为 -251.28、-254.25和 -252.49。可见模型具有非常好的拟合效果。由此可见,模型的诊断信息表明模型通过了所有的诊断检验。

表2 中国粮食消费价格指数季节调整模型的诊断 (1997.1—2009.12)

(四)中国粮食消费价格的因素分解、阶段划分和成因分析

1.中国粮食消费价格趋势分解、阶段划分和成因分析

模型通过检验后,得到中国粮食消费价格指数的发展趋势分解如图 1至图 6所示,相应数据结果略。粮食消费价格指数自 1997年 1月至 2009年 12月经历了一个曲折的过程,运行轨迹表现出明显的阶段性。结合所得异常值点发生的时间,可以将发展阶段作如下划分。相应的粮食价格阶段运行的成因可从粮食的供需、政策和市场等进行分析。

1997年 1月—2000年 6月为第 1阶段。粮食消费价格下降发展,如图 2。期间粮食消费价格由 96.68降至 74.94。下降 21.74,下降率 22.49%。其中,1998年 5月至 1998年 7月粮食消费价格经历了短暂迅速上升,由 84.61升至 90.53。上升 5.92,上升率 7.00%。本轮粮食下降幅度大、时间久、波及面广。期间粮价下跌的原因包括:

(1)供需方面。1995—1999年,中国粮食生产连续五年丰收,1998年粮食产量突破历史记录达 51230万吨。粮食供给充足,需求增长缓慢,市场供过于求,造成价格下跌。

(2)政策调控方面。1994年 5月,针对中国粮食市场供给趋紧,价格暴涨的状况,国务院发出《关于深化粮食购销体制改革的通知》,重申定购是农民必须完成的义务,并由国家统一定价。“实行各级政府领导负责制、稳定粮食产量和库存,灵活运用地方粮食储备予以调节,保证粮食供应和价格稳定”[7]。同时,对非国有粮食经营主体严格限制,加强国有粮食部门在流通领域中的主导地位。调控政策稳定了粮价,限制了多元主体加入,减缓了市场化进程。粮食消费价格随之出现了下降趋势。

(3)外贸等方面。在国内粮食供过于求、粮食积压严重的情况下,为保障粮食安全大量进口。1997和 1998年分别进口了粮食 154万吨和 197万吨。这些商品粮,投入市场后加剧了国内粮食供过于求格局,对粮食价格的走势有显著打压作用。此外,1998年 5月至 7月粮食消费价格有所回升,主要受中国粮食流通体制改革政策的短期影响。具体措施包括,完善粮食价格机制,实行储备与经营分开、政企分开、中央与地方责任分开、新老财务帐目分开;按保护价敞开收购农民手中余粮,粮食收储企业实行顺价销售、粮食收购资金封闭运行等。

2000年 7月—2003年 9月为第 2阶段。粮食消费价格水平发展,如图 3。期间粮食消费价格由 72.46变化至 72.15。仅下降 0.31,下降率 0.43%。水平发展趋势主要是这一期间粮食产量减产和前一阶段粮食产量过剩间的平衡造成。自1999年开始逐年减产,到 2001年累计减产 5965万吨。造成这一期间粮食减产的主要原因:第一,粮食种植结构调整和相关政策。面对前一阶段生产过剩和粮价长期低迷的困境。政府开始调整农业生产结构,缩减低产、劣质粮种植面积或改种经济作物。加之近年来水土流失严重和洪涝灾害,中西部地区“退耕还林、还草”政策出台,减少了部分耕地。第二,种粮的相对收益越来越小。由于粮食需求弹性小,随人们生活水平的提高粮食比其他经济作物的价格更低,收益更少,部分农民由种粮改种其它经济作物。随着我国经济的迅速增长和城市化进程的推进,进程务工人员的增加也减少了粮食产量。

图1 中国粮食消费价格指数趋势及预测 1997.1—2010.12

图2 1阶段中国粮食消费价格指数趋势 2000.07—2003.09

2003年 10月—2004年 4月为第 3阶段。粮食消费价格急剧上升,如图 4。期间粮食价格由 71.18升至 99.33,上升28.15上升率 39.55%。由于受上阶段粮食供需关系趋紧因素的影响。2003年 10月中旬开始,全国粮食价格普遍上涨,粮食安全问题突出。此外,2003年是我国自然灾害频繁发生,据统计,上半年全国农作物受旱面积 1万公顷,受涝面积 1267万公顷,成灾面积 733万公顷,从而大大影响了粮食的产量。2003全年全国农作物受灾面积 54506千公顷,成灾面积 32516千公顷,特别是粮食主产区遭受洪涝灾害使当年粮食减产 2636万吨,成为粮食价格指数上升的重要原因。2004年国务院颁发《关于进一步深化粮食流通体制改革的意见》和《粮食流通管理条例》,将 “对农民种粮直接补贴和放开粮食购销市场”为主的新一轮流通体制改革推向全国。同年 3月起,国家发改委、财政部、国家粮食局、中国农业发展银行等先后发出通知,宣布 2004年稻谷的最低收购价,当年全国粮食生产价格指数上升 28.1%。

图3 2阶段中国粮食消费价格指数趋势 2000.07—2003.09

图4 3阶段中国粮食消费价格指数趋势 2003.10—2004.04

2004年 5月—2006年 3月为第 4阶段。粮食消费价格水平发展,如图 5。期间粮食消费价格由 72.46变化至 72.15。仅下降 0.41,下降率 0.42%。随上阶段国家各项惠农、利农和保证粮食增产的系列宏观调控政策落实,2004年全国粮食喜获丰收,2004—2006年粮食产量持续增长,2006年达4.97亿吨,3年累计增幅超过 15%,是对此前 7～8年粮食相对过剩阶段产量和库存下降的回调。随着粮食继续增产,产量大幅增加,产需缺口缩小,国内粮食供求状况随之大为改善,使粮食价格的涨幅明显减小。

2006年 4月—2009年 12月为第 5阶段。粮食价格稳定上升,如图 6。粮食消费价格由 98.81上升至 127.12,上升了 28.31上升率为 28.65%。此阶段粮食上涨在一定程度上受到国际粮食市场的影响。

供给方面:第一,国际能源尤其是原油价格高涨,增加了农业生产成本,推动了粮价上涨。其途径一是直接导致农业灌溉和运输成本增加,二是间接通过影响肥料、农药等投入品的价格上涨增加成本。能源成本一般占生产总成本的30%。国际原油价格 2006年以来出现了快速上涨,2008年已超过每桶 120美元。第二,随着全球变暖的加剧,近年自然灾害频繁发生。同时,粮食布局和结构不断调整,油料等作物增加导致了种植面积减少。国际粮食市场因此供给缺口不断扩大,供需矛盾呈长期化趋势,粮价持续攀升。

需求方面:第一,生物能源发展提高了对能源作物 (如玉米和大豆)的直接需求,并能通过两个市场的联系将能源价格传导到粮食市场。2007年,美国新能源法案出台,鼓励大规模生产生物能源。粮食价格上涨首先从作为生物燃料原料的玉米开始,从 2006年下半年开始,国际玉米价格明显上涨。玉米生产扩张又占有了种植其它粮食作物的耕地,从而使小麦和大豆价格在 2007年 7月至 12月间分别上涨了75%和 56%。进而推动了所有粮食价格上涨。生物能源的大规模使用将长期拉动粮食价格上涨。第二,人口增长、城市化和人民收入水平的增加。世界人口的增速虽然有所减缓但由于人口基数大预计世界人口将大幅增加。人口的增加带来粮食需求的增加和居住面积的增加和耕地面积的减少。随着经济发展,全球城市化进程加快,大量人口从农村转移到城市,一方面较少了从事粮食生产的劳动力,另一方面增加了城市粮食的需求,同时城市面积的增大必然带来耕地面积的较少。随着收入水平的增加,人们的消费结构发生了较大的变化,肉类消费量逐年增加。按肉料转化比 1∶5-8计算,这一改变也将大大增加对粮食的消费。

图5 4阶段中国粮食消费价格指数趋势 2004.05—2006.03

图6 5阶段中国粮食消费价格指数趋势 2006.04—2009.12

2.中国粮食消费价格季节分解和成因分析

剔除趋势后,模型的季节特征如图 7和图 8所示。一年内的具体特征:

(1)中国粮食消费价格的第一次波峰在 1月,平均季节因子为 2.35。第二次高峰在 12月,平均季节因子为 2.09。波谷在 8月,平均季节因子为 -3.27。

(2)从 1月到 8月,基本保持快速下降的变动趋势,从8月到 12月基本保持快速上升的变动趋势。下降过程中,6月至 7月降幅最大,11至 12月上升幅度最大。在下降的过程中,6月却出现小幅的上升,平均季节因子为 1.28。在1997—1999年每年的上升过程中,10月出现小幅的下降,平均季节因子为 -2.10。

(3)7、8、9和 10月为粮食价格的低位,1、2、12月是粮食价格的高位。居中月份中 3、4、5和 6月价格相对偏高,11月价格偏低。

(4)不同年份季节因子的波动幅度存在差异,波峰和波谷的波动幅度具有上升的发展趋势。1997—2003年,季节因子的波幅相对较小,粮食消费价格处于低迷状态。2003年以后,中国粮食消费价格经历了快速增长后处于高位。季节因子的波动幅度相应较大。可见,粮食市场的价格与波动幅度之间具有正向关系。

图7 中国粮食消费价格季节因子和预测 1997.1—2010.12

图8 中国粮食消费价格季节因子峰值 1997.1—2010.12

中国的粮食消费主要由稻米、小麦、玉米和大豆构成,粮食消费价格的季节特征主要由它们的季节特征决定。由于粮食生产有周期特点,粮食价格也呈现一定的季节特征:

(1)稻米价格季节特征。早籼稻是我国稻谷市场价格风向标,其价格季节明显。早籼稻 12月至次年 1—2月为消费旺季,价格较高;3—5月、10—11月为季节性消费淡季,需求疲软,价格下跌;6月青黄不接,价格小幅回升;7、8、9月是收购旺季,价格相对低,通常有上涨趋势;9、10月中晚籼稻上市后,早籼稻收购结束价格上升过程中开始小幅回落;年底前后的消费旺季,价格又开始新一轮上涨和高位运行。

(2)小麦价格季节特征。小麦价格高位一般出现在 2—3月和 10—12月,而低点一般出现在 6—9月间,这与中国小麦生产和消费习惯基本吻合。每年 6—9月受小麦供应增加的影响,小麦市场压力较大;9月下旬开始随着小麦收储工作的结束,市场度过集中供应期,价格压力逐步减轻,小麦价格开始回升直到春节前后。

(3)大豆价格季节特征。一年中,中国大豆集中收获时间在 7月中下、8到 9月中下和 10月上。可见,在 8、9、10月时,价格较低,到了 10月中后,随着大豆的收获季节结束,价格重新小幅回暖,到了 12月下,价格达到一个低点,然后到了春节期间,大豆的价格又重新小幅上涨。特别在 4月到 7月中前,大豆的价格走出一段上涨行情。

(4)玉米价格季节特征。玉米生产有较强的季节性,使玉米的供给和价格变动具有季节特征。东北是国内第一大玉米主产区,玉米 10月份收获,但由于东北玉米商品率高,国储与贸易商不能收购水分较高的玉米,因此每年 11、12月份东北玉米在经过了一两个月的低温凉干或烘干后才开始大量上市,在春节前形成第一个售粮高峰期。而到每年的 3月备耕前,农民需要用手里的玉米换成种子、化肥等,从而再次形成售卖高峰。玉米价格应该在收获季节的四季度和隔年一季度下跌,而在二三季度尤其是到 7、8月份玉米青黄不接的时候上涨。实际上,玉米价格却表现出非常明显的反季节性,一四季度反而上涨,二三季度却下跌,而且每年低点都出现在二季度末和三季度初。其原因主要是,一季度玉米价格上涨主要是受国家收储政策及企业年前大量采购备货所致。三季度正是国家玉米抛储打压价格最严重的时期,且此时消费更为清淡,因为市场在预期新玉米上市供给压力加大,新玉米价格较陈玉米更有竞争力,价格一般提前做出下跌反应。四季度新玉米开始上市后,国家为保护农民利益出台收储政策,且农户在刚开秤时难以接受低价,会出现惜售心理,指望国家出台收储政策以提升价格,因此政策成为第四季度价格上涨的主要因素。

总的来说,除了玉米受政策因素的影响而反季节外,一年中的 7、8、9月的夏秋季节为粮食的收获季节,粮食供给的增加尤其是新粮食上市更具竞争力,使得粮食价格在低位运行。10、11、12月是粮食收获结束和消费高峰期到来时期,因此粮食价格有上升的趋势。直至春节前,即第二年的1、2月份。3、4、5月为春季及春夏之交之季,是粮食播种季节,也是需要大量投入时期。带来了售粮的高峰期,粮食在高位下跌。6月一般属于青黄不接的时期,粮食消费价格有小幅上升。

四、结 论

(一)X-12-AR IMA模型的估计和检验信息

(1)中国粮食消费价格变动适合于乘法模型,其波动的幅度与粮食价格的相关性显著。(2)中国粮食价格运行中显著 LS异常值分别发生于 2004年 3月、1998年 6月和 2003年11月。暂时显著异常值发生于 2004年 4月。 (4)季节调整质量指标大,调整质量好;异常值比例在小于 5%的合理范围内;模型残差是对称的,不具有峰值。(5)残差及其平方不具有显著的自相关性和季节自相关性,残差中不隐含线性和非线性结构和季节线性和非线性结构。模型 A IC和 B I C准则的值都很小,残差和 ACF的非参数检验也在合理的区间内,可见模型具有非常好的拟合效果。总之,模型的诊断信息表明模型通过了所有的诊断检验。

(二)中国粮食消费价格的趋势和阶段性和成因

第一阶段 (1997年 1月—2000年 6月)长期下降。原因为,粮食生产连获丰收,大量进口;第二阶段 (2000年 7月—2003年 9月)长期水平发展。主要是粮食减产和前一阶段产量过剩间的平衡所致。粮食减产的主要因为种植结构调整和退耕政策,种粮的相对收益越来越小;第三阶段 (2003年 10月—2004年 4月)短期急剧上升。自然灾害频繁发生。将“对农民种粮直接补贴和放开粮食购销市场”为主的新一轮流通体制改革;第四阶段 (2004年 5月—2006年 3月)中期水平。全国粮食喜获丰收;第五阶段 (2006年 4月—2009年 12月)长期稳定上升。国际原油价格高涨,增加了农业生产成本,全球变暖,自然灾害频繁发生减少了供给。生物能源发展提高了对一些能源作物的需求。人口增长、城市化和人民收入水平的增加等。

(三)中国粮食消费价格的季节特征和成因

(1)第一次波峰在 1月,第二次高峰在 12月。波谷在 8月,从 1到 8月快速下降,从 8到 12月快速上升。6至 7月降幅最大,11至 12月增幅最大。6月出现小幅上升。每年7、8、9和 10月为价格低位,1、2、12月是价格高位。居中月份的 3、4、5和 6月价格偏高,11月价格偏低。(2)中国粮食消费价格的季节特征,除玉米受政策因素影响而反季节外,7、8、9月的夏秋季节为粮食收获季节,粮食供给增加尤其是新粮上市更具竞争力,使粮价在低位运行。10、11、12月是粮食收获结束和粮食消费高峰期到来时期,粮食价格有上升趋势。至春节前,即第二年的 1、2月份。3、4、5月为春夏季,是粮食播种的季节,也是需要大量投入的时期。带来售粮的高峰期,粮价在高位下跌。6月一般属于青黄不接时期,粮食消费价格有小幅上升。

[1]黄季焜,杨军,仇焕广,等.本轮粮食价格的大起大落:主要原因及未来走势 [J].管理世界,2009,(1):1-7.

[2]张鸣芳,项燕霞,齐东军.居民消费价格指数季节调整实证研究 [J].财经研究,2004,(3):133-144.

[3]夏春.实际经济时间序列的计算、季节调整及相关经济含义 [J].经济研究,2002,37(3):36-43.

[4]范维,张磊,石刚.季节调整方法综述及比较 [J].统计研究,2006,23(2):70-73.

[5]齐东军.季节调整方法在货币供应量中的应用 [J].数量经济技术经济研究,2004,27(6):147-155.

[6]董直庆,蔡玉程,谢加贞.CPI和 PPI周期协动效应—基于频带分析方法的实证检验 [J].数量经济技术经济研究,2009,(10):125-137.

[7]何蒲明,黎东升.基于粮食安全的粮食产量和价格波动实证研究 [J].农业技术经济,2009,(2):85-92.

[责任编辑:张 青]

China's Gra ins Price Volatility and Forecasts Based on X-12-AR IMA

GU IWen-lin1,2,HAN Zhao-zhou1
(1.College of Econom ics,Jinan University,Guangzhou510632,China;2.Huizhou University,Huizhou516007,China)

Food prices are related to people’s living costs and income levels,thereby affecting the overall development of the national economy.The article decompose the monthly fixed base index of consumer food prices from January 1997 to December 2009 in China with X-12-AR IMA seasonal adjustmentmodel andDemtra software.The development stage of China’s grain prices are accurately divided by outliers and trends,the seasonal characteristics are analyzed by decomposition of seasonal index,and their underlying causes are explored.The result show thatmodel fitting results are very good,grain has a distinct trend and seasonaloperating characteristics,Causesof food price fluctuations have a good explain of their running and verify the rationality of themodel.This article is to provide a scientific basis for grasping the food price run and the development of relevant policies.

grain prices;X-12-AR IMA seasonal adjustmentmodel;trend;seasonal character;

F323.6

A

1007—5097(2011)03—0061—07

10.3969/j.issn.1007-5097.2011.03.015

2010—09—10

广东省哲学社会科学基金 (09E-04);广东省自然科学基金 (9151051501000066)

桂文林 (1980—),男,安徽池州人,讲师,统计学博士,研究方向:季节调整、经济运行和经济周期;

韩兆洲 (1955—),男,江苏苏州人,教授,博士生导师,经济学博士,研究方向:统计学理论与方法,统计预测与决策。