国内金融市场变化对农产品价格横向传导机制分析数据集（2017-2021）

魏同洋，徐珂，徐磊*

数据论文

国内金融市场变化对农产品价格横向传导机制分析数据集（2017-2021）

魏同洋1，徐珂2，徐磊1*

1.中国农业科学院农业信息研究所，北京 10081，中国；2.中国农业科学院农业资源与农业区划研究所，北京 100081，中国

农产品价格波动传导机制是备受关注的研究议题。农产品价格影响因素逐渐呈现多元化、复杂化，包括金融市场影响在内的非传统因素逐渐凸显，因此采集金融市场对农产品价格横向传导数据，揭示其传导机制，具有十分重要的价值。在本研究中农产品价格横向传导机制分析数据集包含原始数据集和预处理数据集，数据通过公开途径获取，均包括农产品价格以及国内总需求、货币市场、股票市场、房地产市场四类国内金融市场数据，数据为月度数据，时间范围为2017年1月至2021年2月，共计50个月。数据集构建包括数据集变量确定、数据权威来源确定与收集、数据预处理三个步骤。本数据集共享，可为国内金融市场对农产品价格横向传导机制的研究提供数据支持，同时可为相关企业决策和政府宏观调整提供数据支撑。

金融市场；农产品价格；横向传导；数据集

1 引言

传统认为，农产品价格主要受供需情况影响，但随着农产品价格与货币、股票、期货等金融市场数据的关联日渐密切，农产品的金融属性逐渐凸显，相关非传统因素的影响愈加明显，农产品价格影响因素逐渐呈现多元化、复杂化。在学术界，农产品价格形成机制问题已引起高度关注并取得了重要进展。部分学者基于不同变量数据分析，发现金融市场变化对农产品价格具有一定的影响。苏应蓉[1]发现大量金融资本通过农产品市场的衍生市场进行非传统投机，显著放大了农产品的价格波动，其所采用数据为2004—2008年玉米、小麦、大豆、大豆油、糖、棉花、咖啡、可可的指数基金合约交易量、价格变化及需求缺口。吴海霞等[2]、张有望和李崇光[3]运用期货市场数据，采用ARDL模型分别针对玉米、大豆现货市场的影响展开分析。部分学者关注货币市场变化对农产品价格的影响。谷秀娟等[4]运用粮食价格批发指数、广义货币供应量（M2）、汇率及外汇储备数据进行向量误差修正模型分析，发现金融因素中的M2对粮食批发价格指数同时具有短期抑制和长期刺激的双重作用；温涛和王小华[5]分析了1999年—2012年农产品价格指数、政府财政预算支出、M2、国际农产品价格、工业品出厂价格、人民币实际有效汇率等数据，发现货币政策对中国农产品价格有强烈的冲击效应，其中广义货币供应量增长是导致中国农产品价格上升的关键性因素；黄守坤等[6]基于2002年至2016年我国M2、集贸市场大豆价格、鲜菜价格、猪肉价格、牛肉价格、花生价格数据，通过BEKK-GARCH模型发现相关金融因素波动与农产品价格波动存在显著关联性，大豆等农产品价格波动中的30%～40%来自货币供应量波动的贡献。此外，Coibion[7]，杨继生和徐娟[8]，李焜和王小华[9]等学者，开展货币政策对农产品价格波动冲击效应的研究时发现，选择同业拆借利率这一变量来衡量货币冲击更为有效；田皓森、冯红娟[10]利用货币政策相关变量数据，发现了货币政策变化对小麦、玉米等农产品生产价格指数具有影响；李小云等[11]运用1994年至2002年大豆进出口数据进行回归分析，发现如果人民币汇率降低，则以人民币表示的进口大豆价格会更加低廉，国内大豆价格也会进一步降低。国际范围农产品价格传导机制研究也有相似的发现。Baltzer[12]基于2005—2013年国际玉米、大米和小麦价格以及中国、印度、巴西等14个发展中国家的玉米、大米和小麦市场价格数据，分析国际市场对国内市场价格的传导，发现农产品价格传导模式与价格政策、市场整合程度以及国内本身的冲击程度密切相关。

综合分析金融市场波动对农产品价格传导的各项研究，可以发现不同视角、不同时期和不同变量数据对研究的重要性。然而，已有研究更多是从衍生品、货币角度收集数据并分析金融因素对农产品价格波动关系与传导机制，考虑的金融因素不够全面，相关数据不够完整。基此，本数据集选取更加多元的金融因素，采集了四类最具代表性的国内金融市场数据，以期为国内金融市场对农产品价格横向传导机制研究提供更全面的基础数据，同时也为相关企业决策和政府的宏观调控提供数据支撑。

2 数据采集与处理方法

本研究中数据集的构建主要包括三个步骤，一是确定数据集变量；二是确定数据权威来源并收集数据；三是数据预处理。具体工作内容分述如下。

2.1 数据集变量

在农产品价格指标选取方面，为了更好反映农产品产业链终端价格，选取农产品批发价格200指数作为衡量农产品价格波动指标。在国内金融市场因素方面，根据已有文献[4-5,9,13]研究中对农产品价格有影响的数据变量选取及领域内专家咨询等，确定本研究中金融市场对农产品价格影响的主要因素，选取农产品价格波动相关的国内总需求、货币市场、股票市场、房地产市场四类变量进行横向传导分析。一般用国内生产总值来反映国内总需求，但由于国内生产总值只有季度数据，因此选取工业增加值增长速度作为代理变量，反映国内总需求对农产品价格的影响。货币市场变量选取广义货币供给量和7天银行间拆借利率两个变量，代表货币市场对农产品价格波动的横向影响。其中，广义货币供给量用来反映现实及潜在的购买力；7天银行间拆借利率用来反映市场上资金供求关系。股票市场变量选取上证综合指数变量。房地产市场选取房屋销售价格变量，该变量需通过商品房销售额、商品房销售面积数据计算得出。股票市场价格和房地产市场价格对市场整体价格水平释放预期信号，是市场价格水平的风向标，会对农产品价格波动带来一定影响。

表1 数据集变量

运用Johansen MLE方法估计向量误差修正模型，表明上述变量系统存在长期均衡关系，各变量间的协整方程为：

LNAG=0.2856084LNIAVGR-2.289361LNM2-0.7644147LNSHIBOR+0.2544894LNSCI+1.586207LNHSP+21.21619

上述公式中，AG表示农产品批发价格200指数，IAVGR表示工业增加值增长速度，M2代表广义货币供给量，SHIBOR表示7天银行间拆借利率，SCI表示上证综合指数变量，HSP表示房屋销售价格变量。

2.2 数据采集

为保证各数据来源的可靠性和准确性，各指标数据均来自权威机构或年鉴。其中，农产品批发价格200指数来自农业农村部网站(http://zdscxx.moa.gov.cn: 8080/nyb/pc/index.jsp)；广义货币供给量、7天银行间拆借利率、上证综合指数数据来自中国人民银行网站(http://www.pbc.gov.cn/diaochatongjisi/116219/116319/index.html)；房屋销售价格变量中的商品房销售额、商品房销售面积数据与工业增加值增长速度数据来自《中国统计年鉴》[14]。采集数据均为月度数据，时间范围为2017年1月至2021年2月，共计50个月。

2.3 数据处理

对数据进行预处理，其中，为保持跟农产品批发价格200指数基期2015年的一致性，工业增加值增长速度数据以2015年为基期进行折算处理，处理公式如下。

假设，2016年某月份工业增加值增速为Ai，2017年相同月份工业增加值增速为Bi，则2017年以2015年为定基的增速可通过Yi=(Ai+1)×(Bi+1)进行折算。2018年各月份数据则以同样的公式，通过2017年处理之后的数据来进行折算。其他年份的算法相同。

房屋销售价格通过房屋销售额比房屋销售面积计算得来。考虑到国家统计局因春节假期，在2月份合并公布1、2月份数据，故本数据集以当年2月份价格补充同年1月份价格，1、2月份价格数据相同。同时，为了减少数据造成的变量间波动性与异方差，本数据集采用了对原始数据序列取对数的形式。

3 数据内容

3.1 数据集文档说明

数据集包括原始数据和预处理数据两个文档。原始数据集文档包含时间（年月）、农产品批发价格200指数、工业增加值增长速度、广义货币供给量、7天银行间拆借利率、上证综指、商品房销售面积、商品房销售额、房屋销售价格等变量，共计459条记录。预处理数据集文档包含时间（年月）、农产品批发价格200指数取对数、工业增加值同比增长率取对数、广义货币供给量取对数、7天银行间拆借利率取对数、上证综指取对数、房屋销售价格取对数等变量，共计357条记录。

3.2 预处理数据集变量波动序列图

数据集中各变量的对数序列图，如图1所示。各变量曲线均呈现不同形态的波动走势。

3.3 预处理数据集变量的统计特征

本数据集中各变量数据的描述性统计情况见表2。通过对数据的描述性统计分析可以发现，农产品批发价格200指数变量取对数后均值为4.7077，标准差为0.0990，最小值为4.5413，最大值为4.9314。工业增加值增长速度变量取对数后均值为3.1200，标准差为0.3645，最小值为2.5315，最大值为3.7354。广义货币供给量变量取对数后均值为14.4384，标准差为0.1033，最小值为14.2800，最大值为14.6200。7天银行间拆借利率变量取对数后均值为1.0980，标准差为0.1419，最小值为0.6575，最大值为1.2726。上证综合指数变量取对数后均值为8.0262，标准差为0.0862，最小值为7.8200，最大值为8.1600。房屋销售价格变量取对数后均值为9.0964，标准差为0.0894，最小值为8.9474，最大值为9.3083。

图1 数据集各变量对数序列波动时序图

表2 数据集各变量的统计特征

4 数据质量控制与验证

为保证数据集质量，采取以下措施：一是在数据采集环节选择了主要影响农产品价格波动的金融因素变量，且未遗漏重要变量；二是在数据获取来源环节通过权威数据来源渠道获取数据；三是在数据预处理环节，用专业方法对空缺数据进行填补，并采用了取对数形式来避免数据带来的异方差和波动。

为了验证数据的平稳性，对预处理数据集各变量进行平稳性检验，检验结果表明工业增加值增长速度、广义货币供给量两个变量为平稳序列，农产品批发价格200指数、7天银行间拆借利率、上证综合指数、房屋销售价格变量为一阶单整平稳序列。

表3 变量平稳性检验

5 数据价值与使用建议

本数据集包含2017年1月—2021年2月国内金融市场主要月度指标与同期农产品价格指数，目的是建立农产品价格波动的金融影响因素、作用程度以及传导路径，在使用原始数据文档时应注意不同变量计量单位、基期的不同，使用者需首先对数据进行无量纲化、基期一致性处理。

利用本数据集进行传导机制分析，对变量数据进行协整检验，表明农产品价格、国内总需求、货币市场、股票市场、房地产市场变量间存在长期均衡关系，这一结论与谷秀娟等[4]、温涛、王小华[5]、杨继生、徐娟[8]学者的研究结论一致，均表明了农产品价格与广义货币供给量、7天银行间拆借利率等存在长期均衡关系。然而，进一步对数据进行分布滞后模型估计，发现国内市场需求、货币市场、房地产市场对国内农产品价格的传导没有表现出时滞性。综合已有研究提出的各类数据集，本数据集包括的金融变量更加全面，同时弥补了已有数据集没有房地产市场变量的空白，可以为探析金融化背景下我国农产品价格传导路径与机制提供更全面的数据支撑。

6 数据可用性

中国科技资源标识码（CSTR）:17058.11.sciencedb. agriculture.00031；

数字对象标识码（DOI）:10.57760/sciencedb.agriculture.00031。

允许公开访问。

作者分工与贡献

魏同洋，数据采集、数据处理与论文撰写。

徐珂，数据整理与分类汇总。

徐磊，总体方案设计。

伦理声明

本研究不涉及伦理。

利益冲突说明

本研究数据作者均无影响研究公正性的财务利益冲突或个人利益冲突。

[1] 苏应蓉.全球农产品价格波动中金融化因素探析[J].农业经济问题,2011,32(6):89-95+112.

[2] Baltzer K T. International to domestic price transmission in fourteen developing countries during the 2007-08 food crisis[C]World Institute for Development Economic Research (UNU-WIDER). World Institute for Development Economic Research (UNU-WIDER), 2013.

[3] 谷秀娟,段瑞君,汪来喜.金融因素与中国粮食价格波动的实证研究[J].经济经纬,2013(1):144-148.

[4] 温涛,王小华.货币政策对中国农产品价格波动的冲击效应研究[J].当代经济科学,2014,36(6):20-29+122-123.

[5] 黄守坤,董梅,段萍萍.金融波动对农产品价格的波动风险溢出[J].财经理论研究,2017(6):72-80.

[6] Coibion O. Are the effects of monetary policy shocks big or small?[J]. American Economic Journal Macroeconomics, 2012,4(2):1-32.

[7] 杨继生,徐娟.从田间到市场:谁托起了食品的价格?[J].经济学(季刊),2015,14(3):911-930.

[8] 李焜,王小华.货币政策与中国农产品价格波动:研究评述与展望[J].西南大学学报(社会科学版),2018,44(5):49-56+190.

[9] 吴海霞,葛岩,史恒通,等.农产品金融化对玉米价格波动的传导效应研究[J].厦门大学学报(哲学社会科学版),2017(2):138-148.

[10] 张有望,李崇光.农产品价格波动中的金融化因素分析——以大豆、食糖为例[J].华中农业大学学报(社会科学版),2018(5): 86-93+164-165.

[11] 田皓森,冯红娟.货币政策变化对农产品价格波动冲击效应研究[J].财经理论与实践,2021,42(1):33-40.

[12] 李小云,李鹤.人民币升值对农业经济的影响—以大豆为例的可能性研究[J].农业经济问题,2005(1):31-36.

[13] 刘明.农产品价格波动、通胀预期与货币政策[M].北京:人民出版社,2016.

[14] 国家统计局.2018-2022中国统计年鉴[M].北京:中国统计出版社,2018-2022.

Dataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural Commodity Prices, 2017-2021

WEI TongYang1, XU Ke2, XU Lei1

1.Institute of Agricultural Information, Chinese Academy of Agricultural Sciences, Beijing 10081, China; 2. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China

The transmission mechanism of agricultural commodity price volatility is a research topic that has attracted much attention. The factors influencing agricultural commodity prices are gradually diversified and complicated, and non-traditional factors including the influence of financial markets are gradually highlighted. Traditionally, it is believed that the price of agricultural products is mainly affected by supply and demand factors, but with the increasingly close connection between the price of agricultural products and financial markets such as currencies, stocks, futures and so on, the financial attributes of agricultural products have gradually come to the fore, and the influence of related non-traditional factors has become more and more obvious, and the factors affecting the price of agricultural products have gradually become diversified and complex. Comprehensively analyzing the various studies on the transmission of financial market fluctuations on agricultural commodity prices can reveal the collection of data from different perspectives, different periods and different variables, and reveal its transmission mechanism, which is of great value. However, the existing studies collect data and analyze the relationship and transmission mechanism of financial factors on the price volatility of agricultural products more from the perspective of derivatives and currency, and the financial factors considered are not comprehensive enough and the relevant data are not complete enough. Based on this, this dataset selects more diversified financial factors and collects the four most representative types of domestic financial market data. The dataset for the analysis of the horizontal transmission mechanism of agricultural commodity prices in this study contains the original data dataset and the preprocessed data dataset, which are obtained through public access, and both include agricultural commodity prices and the four types of domestic financial market data, namely, aggregate domestic demand, the money market, the stock market, and the real estate market, and the data are monthly data, with a time range of January 2017 to February 2021, for a total of 50 months. The dataset construction includes three steps of dataset variable determination, data authority source determination and collection, and data pre-processing. To ensure the dataset quality, the measures are taken as follows: first, in the data collection process, the financial factor variables that mainly affect the price fluctuation of agricultural products are selected, and no important variables are omitted. Second, in the data collection source link, the data are collected through authoritative data source channels. Third, in the data pre-processing process, professional methods are used to fill the empty data, and the logarithmic form is adopted to avoid heteroscedasticity and volatility caused by the data. This dataset is shared to provide data support for the study of the horizontal transmission mechanism of agricultural commodity prices in the domestic financial market, and at the same time, it can provide data support for the decision-making of the relevant enterprises and the macro-adjustment of the government.

financial market; agricultural product price; horizontal transmission; dataset

Data summary:

ItemsDescription Dataset nameDataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural Commodity Prices, 2017-2021 Specific subject areaAgricultural economics Research topicTransmission of agricultural commodity price Time rangeJanuary 2017 - February 2021 Geographical scopeChina Data types and technical formats*.XLSX Dataset structureIncluding the original data set and preprocessing data set two excel documents. The original dataset document contains time (month and year), wholesale price of agricultural products 200 index, industrial value-added growth rate, broad money supply, 7-day interbank lending rate, the Shanghai Composite Index, the area of sales of commercial properties, sales of commercial properties, housing sales prices and other 9 variables, totaling 459 records. The preprocessed data set document is the data document after preprocessing such as fixed-base conversion and reduction of serial fluctuation on the basis of the original data set, which contains 7 variables such as time (month and year), logarithm of wholesale price of agricultural products 200 index, logarithm of the year-on-year growth rate of value added of industry, logarithm of the supply of broad money, logarithm of 7-day interbank lending rate, logarithm of the Shanghai Composite Index, logarithm of the price of housing sales , etc., totaling 357 records. Volume of data29.94 KB Key index in datasetMain monthly indicators of the domestic financial market and the agricultural price index for the same period Data accessibilityCSTR:17058.11.sciencedb.agriculture.00031DOI: 10.57760/sciencedb.agriculture.00031https://agri.scidb.cn/preview?dataSetId=877bab09989f4e319afdb0fe2d0702ff&version=V1 Financial supportThis work was supported by The Agricultural Science and Technology Innovation Program of the Chinese Academy of Agricultural Science (CAAS-ASTIP-2023-AII)

魏同洋,徐珂,徐磊. 国内金融市场变化对农产品价格横向传导机制分析数据集（2017-2021）[J]. 农业大数据学报, 2023, 5(3): 19-25.

WEI TongYang, XU Ke, XU Lei.Dataset for Analyzing the Horizontal Transmission Mechanism of Domestic Financial Markets to Agricultural commodityPrices, 2017-2021[J]. Journal of Agricultural Big Data, 2023, 5(3): 19-25.

数据摘要：

项目描述 数据库（集）名称国内金融市场变化对农产品价格横向传导机制分析数据集（2017-2021） 所属学科农业经济 研究主题农产品价格传导 数据时间范围2017年1月—2021年2月 数据地理空间覆盖中国 数据类型与技术格式*.XLSX 数据库（集）组成包括原始数据集和预处理数据集两个excel文档。原始数据集文档包含时间（年月）、农产品批发价格200指数、工业增加值增长速度、广义货币供给量、7天银行间拆借利率、上证综指、商品房销售面积、商品房销售额、房屋销售价格等9个变量，共计459条记录。预处理数据集文档是在原始数据集基础上进行的定基折算、减少序列波动等预处理后的数据文档，包含时间（年月）、农产品批发价格200指数取对数、工业增加值同比增长率取对数、广义货币供给量取对数、7天银行间拆借利率取对数、上证综指取对数、房屋销售价格取对数等7个变量，共计357条记录。 数据量29.94 KB 主要数据指标国内金融市场主要月度指标与同期农产品价格指数 数据可用性CSTR:17058.11.sciencedb.agriculture.00031DOI: 10.57760/sciencedb.agriculture.00031https://agri.scidb.cn/preview?dataSetId=877bab09989f4e319afdb0fe2d0702ff&version=V1 经费支持本文得到中国农业科学院科技创新工程（CAAS-ASTIP-2023-AII）资助

2023-07-21；

2023-08-16

中国农业科学院科技创新工程（CAAS-ASTIP-2023-AII）

魏同洋，E-mail：weitongyang@caas.cn；通信作者徐磊，E-mail：xulei02@caas.cn。