大数据背景下农产品价格波动特征研究

□ 刘希玉 黄 宇 宁晓枫

（长沙学院经济与管理学院，湖南 长沙 410005）

一、引言

据国家统计局数据显示，1978-2021年，我国农林牧渔业的总产值保持了稳步上升的趋势，1978年农业总产值仅为1459亿元，2021年农业总产值达到83086亿元，为1978年产值的57倍。2000-2021年农业总产值基本维持在4%左右的增长水平，远低于同期国内生产总值8%的平均增长率。农业作为国民经济发展的根基，在我国经济发展中有着特殊的战略地位，但是近年来，农产品价格大幅波动，严重影响农业生产的稳定发展，不利于农民收入的稳定增加。纵观世界各国农业生产发展经验，农业的健康发展离不开农产品市场的健康发展，农产品价格波动直接影响农民收入和农民生产的积极性，因此农产品价格波动研究对农业健康发展至关重要。

二、文献综述及述评

（一）农产品价格波动特征的研究

农产品价格波动具有周期性的特征，这一点众多学者都纷纷赞同，但是对于其划分却未能形成统一意见。程国强（2009）、徐学亮（2008，2009）针对1978年至2006年农产品价格波动周期划分为五个周期，分别是1978-1986、1987-1992、1993-2000、2001-2002以及2003-2006，其中第三种周期的变化为最大。李国祥（2012）虽然仍把农产品的价格周期划分为五期，但其时间节点不完全相同，分为1982-1990、1990-1999、1999-2002、2002-2006及2006-2009，并认为在第二个阶段存在不规则的周期波动。郭晓慧、葛党桥（2009）同样以1978年为研究时间的起点，至2009年，仅划分为三个周期，分别以1991、2000和2009年作为划分的端末点。李正辉、徐亚丽（2014）把1999-2012年的农产品价格划分为四个阶段，分别以2003、2006和2009作为分割点，并肯定了农产品价格周期性的存在。总体上而言，学者们都达成了农产品价格波动具有周期性的共识，只是对其划分有不同见解，究其原因可能是由于各学者划分的依据有所差别而形成的。

农产品价格波动的时变性是指其波动是否随时间变化而呈现一定的特征，基于ARCH效应来说，探究的就是波动是否具有集簇性。唐衍伟（2005）等、徐团团（2007）等研究表明，我国大豆期货价格存在显著的ARCH效应。高志杰论证了我国小麦期货收益率序列存在ARCH效应。罗万纯等（2010）利用ARCH类模型对粮食价格的波动特征进行分析，得出籼稻、粳稻、大豆没有明显的异方差效应，而小麦和玉米价格波动有明显的集簇性特点。庄岩（2012）基于GED-ARCH类模型对中国农产品价格波动做出实证研究，结果表明棉花价格没有显著的集聚性，而生猪、大豆和稻谷则称存在。王少芬、赵昕东（2015）利用非对称成分的ARCH模型以棉花、玉米、大豆、小麦和籼稻作为研究样本研究了我国农产品价格波动，实证结果表明其五种样本都具有集群的特征。应韵（2016）选取2004-2015年的各类食品价格指数同比月度数据，利用CX12和HP滤波对我国各类食品价格指数进行了研究，发现我国粮食、蛋类、鲜菜的价格不具有明显的集簇性，而鲜果具有。淮建军、刘金昌（2016）基于价格黏性的视角，运用GARCH模型分析波动趋势和稳健性，研究结果表明我国农产品价格波动具有类聚性。目前，尚未形成统一结论。

罗孝玲（2005）等对大豆、小麦期货合约收益序列的研究表明，两类价格的波动存在非对称性，但价格下跌信息引发的价格波动比价格上涨信息引发的价格波动幅度大。顾国达、方晨靓（2010，2011）先采用MS-VECM模型对国际市场因素影响下中国农产品价格波动的特征进行实证分析，发现中国农产品市场的局面转移概率存在非对称性，价格波动呈现出暴涨缓跌的特征，后又运用VAR模型对价格在农产品各环节的传导进行模拟，得出农产品价格传导机制具有非对称性的结论。胡安其（2012）研究发现我国粮食价格波动具有明显的非对称性，并且价格上涨信息引发的价格波动比价格下跌信息引发的价格波动幅度大。冯明（2013）利用GARCH簇模型对猪肉价格波动性进行分析，得出猪肉价格波动存在显著的非对称性特点。李正辉（2014）等选取1999-2012年我国农产品价格指数，观测到我国农产品价格呈现出明显的不可重复性和非对称性。针对其非对称性的方向，即负向信息与正向信息的影响力度结论不一。

（二）大数据研究方法在农产品价格研究中的应用

大数据研究方法应用于农业研究时间较短，研究内容较少，主要集中在农产品的价格波动的预测上。张兵等（2019）运用SARIMA模型对河北省葡萄价格进行短期预测，研究发现葡萄价格具有显著的季节性特征，波动较大。王宝海等（2016）运用ARIMA模型对我国大宗农产品价格指数进行预测，研究发现我国大宗农产品价格短期有下行压力，但是长期来看，大宗商品价格处于上涨趋势。曹霜等（2015）运用基于小波分解的SVM-ARIMA模型对大白菜价格进行预测。大数据方法更多的应用于讨论构建农产品交易大数据平台、农产品供应链建设和农产品价格风险控制中。

（三）总结

从已有的研究内容看，大部分农产品价格波动研究应用的都是线性模型和因果预测模型进行研究，在研究农产品价格波动趋势中，更趋向于研究平均价格或长期价格趋势，但是农产品价格具有波动大，短期受各类市场和非市场因素影响非常明显的特性。本文根据农产品价格波动的这类特性，运用ARCH族模型研究我国农产品价格波动的特征，为下一步大数据在农产品价格波动中的研究应用提供参考。

三、研究方法及样本数据选取

（一）研究方法

本文采用ARCH族模型研究农产品价格波动特征，主要运用以下几个基本模型。

（1）（G）ARCH模型

（G）ARCH模型包含的均值方程和方差方程。

（2）GARCH-M模型

该模型被称为ARCH均值模型，其表达式如公式③。

其中，ρ为待估参数，其代表的是风险与收益的权衡，也称作是风险溢价参数，当参数ρ＞0且显著时，表明该市场满足高风险高回报的变化特征，反之则不存在。

（3）TARCH模型

TARCH模型也称为门限ARCH模型，TARCH模型的条件方差的表达式见公式④。

其中，dt-1是一个虚拟的变量，当ut-1＜0时，dt-1=1，否则为0。

（4）EGARCH模型

EGARCH模型也称为指数ARCH模型，其条件方差的表达式见公式（5）。

其中，参数β反映波动程度的大小，γ表示非对称性。价格上涨信息对被解释变量的影响为α+γ，价格下跌信息对被解释变量的影响为α－γ。

（二）样本数据的选取

基于全国农产品批发价格指数的科学性和适用性，综合各种因素，选取了2007-2016年全国农产品批发价格指数的日度数据作为研究样本，数据来源于wind数据库。对全国农产品批发价格指数的日度数据做一定处理，得到收益率Rt=LNPt-LNPt-1，共2568个观察值，Pt指t期的农产品批发价格指数，Pt-1指t-1期的农产品批发价格指数。数据处理及计量使用Eviews8.0软件。

四、实证分析

（一）样本数据的基本统计分析

1.样本时间序列描述性统计分析

全国农产品批发价格收益率的基本统计量如表1所示，收益率R的均值为0.000157，略微大于正态分布的期望值零，最大值与最小值之间的差异明显，偏度系数和峰度系数显示数据序列右偏尖峰厚尾特征。此外，JB正态性检验设定原假设收益率序列服从正态分布，在1%的显著水平下，全国农产品批发价格收益率均拒绝原假设，证实R的分布显著偏离正态分布。同时，绘制了农产品批发价格收益率变化图（如图1）和农产品批发价格变化图（如图2），由图1可以看出收益率基本围绕在0均值上下范围内变化，其波动随时间的变化而不同，波动存在较明显的集聚性，其中2008年到2009年农产品批发价格指数的波动幅度较大，说明宏观经济形式对于农产品价格有明显的影响。另外，从图1中还可以看出，农产品批发价格收益率变化图虽然反应了农产品批发价格指数波动存在明显的集聚性，但是振幅较大的波动并不多，大部分波动是以小波动聚集为主，这与金融产品收益率波动图呈现出明显的不同，也反应了与金融产品相比，农产品批发价格指数相对稳定。由图2可以看出，农产品批发价格波动频繁，呈现出周期性，且在整体上，呈上涨趋势，其中2007年到2013年上涨趋势明显，2013-2016年趋于平稳。

表1 农产品批发价格收益率基本统计量

图1 农产品批发价格收益率变化图

图2 农产品批发价格变化图

2.样本时间序列平稳的单位根检验

同时对农产品批发价格P及收益率R都做了单位根的检验，结果如表2所列示，收益率序列T统计量值为-16.60995，远小于在1%的显著水平下的临界值-2.565865，说明至少可以在99%置信水平下拒绝原假设，即收益率序列是平稳的。但是对农产品批发价格序列做的单位根检验，并未通过，接受原假设，存在单位根，说明其价格序列不是平稳的。

表2 农产品样本ADF检验表

3.样本时间序列的自相关性检验

自相关检验的结果表明，收益率序列滞后1期的AC值和PAC值均为-0.069，其绝对值均未超过0.1，且Qk统计量为12.131，其相伴概率为0.000，显著的拒绝了零假设，说明收益率系列存在自相关性。

表3 农产品样本自相关检验表

4.ARCH-LM检验与残差平方相关图检验

进一步进行了ARCH-LM检验，检验结果发现，在滞后1期的估计结果如表4所示，此时，概率值P为0，拒绝原假设，说明残差序列存在ARCH效应。残差平方的自相关（AC）和偏自相关（PAC）系数，如图三所示，自相关系数和偏自相关系数显著不为0，而且Q统计量非常显著，说明残差序列存在滞后1期的ARCH效应。

表4 农产品样本ARCH效应检验结果

图3 残差平方相关图检验

（二）模型估计结果与分析

1.实证结果

农产品批发价格ARCH类模型估计结果如表5所示。

表5 农产品批发价格ARCH类模型估计结果汇总

2.结果分析

（1）（G）ARCH模型的结果

农产品批发价格收益率方差方程中，在1%的水平下显著，说明农产品批发价格收益率序列具有显著的波动集聚性。目前对此的解释有两种不同的说法：一种认为是由宏观经济形势而引起的，而另一种说法则认为是由于不同类型的风险厌恶交易者的存在。本文认为，这两种因素均会使得农产品价格波动存在集聚特征，考虑到现有经济的开放性，市场主导的经济体制获得了巨大的成功，宏观的经济环境的影响作用越来越显著，另外，农产品期货市场的发展，其价格弹性在不断增加，投资者心理具有重要作用。随后对ARCH模型的残差序列在滞后阶数P=1时ARCH-LM检验，结果见表6，此时的相伴概率为0.7643，接受原假设，认为该残差序列不存在ARCH效应，说明ARCH模型消除了OLS回归估计的均值方程的残差序列的条件异方差性。由图4ARCH模型的残差平方图可知，自相关系数和偏自相关系数近似为0，ARCH模型的残差序列不再存在ARCH效应。

表6 ARCH模型的残差序列ARCH-LM检验结果

图4 ARCH模型的残差平方图

（2）GARCH-M模型的结果

GARCH-M模型的均值方程中，尽管在1%的水平下显著，却小于0，表明农产品批发价格未表现出高风险高回报的特征，这与大多数学者论证结果相同。

（3）TARCH模型的结果

在TARCH模型中，参数为-0.325454，且在1%的水平下显著不为0，说明农产品批发价格的波动存在非对称性，且农产品价格上涨信息（利好消息）引发的波动比等量的下跌信息（利空消息）价格引起的波动大。

（4）EGARCH模型的结果及信息冲击曲线

EGARCH模型中显著的不为0，更进一步证实了农产品批发价格的波动存在非对称性，且价格上涨的信息比价格下跌信息对价格的影响更大。另外，反映波动程度的大小的参数为0.918968，接近于1，表明波动的持续性和集聚性比较强。据EGARCH模型估计的参数所绘制的信息冲击曲线，如图5所示，也验证了以上结论。

图5 非对称性影响的信息冲击曲线

五、基于波动特征大数据研究农产品价格波动建议

文章通过ARCH类模型，对我国农产品价格的波动性特征进行了实证研究，选取2007-2016年近十年的全国批发价格的每日的价格数据，得到其价格收益率，发现我国农产品批发价格存在显著的波动集聚特征，但不存在高风险高收益特征，其价格走势有明显的上涨趋势且波动存在周期性。另外，农产品批发价格存在显著的波动非对称，且等量的价格上涨的信息比价格下跌信息对价格的影响更大。通过对我国农产品价格波动特征的研究发现，我国农产品价格波动大，波动特征非线性，价格影响因素多且复杂，适合采用大数据方法研究农产品价格规律。

（一）我国农产品价格波动特征

根据以上我国农产品批发价格的波动率特征，我们可以总结以下农业产品价格波动呈现的特点：

1.农产品批发价格不存在高风险高收益特征。这一特征说明针对农业的金融产品品种过少，投资者难以通过产品组合分散风险，使部分可分散风险聚集，农业投资风险高收益却不能与风险对等，降低投资者的投资积极性。

2.农产品批发价格存在较明显的波动集聚特征。这一特征说明农产品批发价格也会受到外部信息冲击，但是冲击持续时间不长，说明农产品批发价格指数受到外部信息冲击会发生波动，且容易发生暴涨暴跌，这一特征不但影响农业生产的正常进行，也会影响农民收益。

3.农产品批发价格具有显著的非对称性特征。农产品批发价格指数的非对称性特征与大多数金融产品收益率序列非对称性特性相反，呈现出正向非对称性，这一现象反映出价格快速上涨对农产品价格影响更大，农产品价格波动得也更剧烈，农产品市场的风险更大。

（二）基于农产品价格波动特征的大数据研究建议

以上农产品批发价格波动呈现出与其他金融产品波动不同的独特特点，这些特点较好地体现了农业产品与其他产品生产、销售和对于市场信息反映的不同。基于以上特点，可以从以下几个方面考虑进一步通过大数据方法对农产品价格进行研究。

1.农产品批发价格的波动特点集中体现了农业金融产品供给不足。农业金融供给侧改革应大力增加农业金融产品数量，尤其是农业金融衍生产品数量，提供避险工具，对冲农产品价格风险。同时在增加金融产品数量供给的同时应加强市场准入制度和金融市场监管，防止金融机构操控农业金融产品价格，影响农业生产正常秩序。

2.运用大数据方法构建农产品价格波动预警机制。农业生产分布地域广，价格信息传播速度慢，尤其是对价格有影响的信息对农产品价格影响较大，但冲击时效短，价格容易大起大落，扰乱市场交易。运用大数据方法抓取对农产品价格影响较大的信息种类，构建农产品价格波动预警机制，对于外部冲击信息进行预判，针对农业生产周期较长的特点，提前安排应对措施防止外部信息冲击对农产品价格产生过度影响。

3.运用大数据方法建设农产品金融工具交易平台。要稳定农产品价格，必须大力发展农产品价格金融工具，在扩大农产品金融工具供给中，应协调政府与市场的作用，由政府牵头建设农产品交易金融工具交易平台，保证农产品价格信息充分交流，同时必须充分利用市场的作用，通过市场对冲农产品价格波动风险。在稳定农产品价格波动中，既要充分调动市场的作用，又要注意控制市场引起的副作用，协调好政府调控与市场灵活性之间的平衡才能有效稳定农产品价格。