美章网 资料文库 价格波动论文范文

价格波动论文范文

价格波动论文

价格波动论文范文第1篇

1.1数据来源及处理

本文中使用的粮食价格,主要是2003年1月至2013年12月中国农产品集贸市场价格月度数据,主要粮食作物包括小麦、籼稻、玉米、大豆和花生,资料数据来自中国宏观经济信息网中的统计数据库。为了使价格更具代表性,文中统一使用“中等”粮食作物的价格作为分析的依据。根据中宏统计数据库中公布的最早我国农产品集贸市场价格的月度数据是2002年,故本文选取的基期是2002年(即2002年=100),利用的是定基价格指数(经上年同期价格变化指数转化而得)。

1.2数据描述性统计分析

首先,根据计算出的主要粮食价格的定基指数数据,进行描述性统计分析。从走势图可以明显看出(参见图1),近十年来我国粮食价格上涨趋势明显,价格变化都是底部不断抬高,呈现出一种线性上升趋势,没有明显的加速或减速的趋向,可以说是一种趋势平稳的变化态势。自2002年至2013年底的十余年间,从平均意义上涨幅最大的是花生的价格,上涨2.16倍,然后依次是大豆、籼稻、小麦和玉米,相差并不算太大,就是涨幅最小的玉米,价格也上涨了1.68倍(较2002年)。从波动的特征方面看,花生、籼稻和大豆价格的波幅较大,特别是花生的价格变化有大起大落的现象,在美国华尔街金融危机前有一个直线上升趋势,而受金融危机的影响较大,在2008年前后陡然回落,2013年底受石油等大宗商品价格企稳的影响,也出现明显回落。相对而言,小麦和玉米价格波幅较小,它们都在2003年底出现了一个大的波动,在金融危机中波动较小,玉米价格波动相对较为频繁,小麦价格波动最为平稳。

2我国主要粮食价格波动的季节特征

众所周知,粮食的播种时间具有很强的季节性,但对粮食价格走势的季节性表现及其规律还缺乏统一和明确的认识,主要是因为各种粮食收获的季节不同,另外还有需求变化的季节性也各不相同,因此,对粮食价格季节性的规律还需要统计方法进行实证。统计学中关于对时间序列进行季节调整、寻找季节因子的方法有多种,本文中主要采用移动平均比率的方法和X-13季节调整模型的方法。

2.1移动平均比率季节调整方法的季节因子

对于时间序列Xt(t=1,2,…),其(乘法)季节调整模型的一般形式为:Xt=TCt×St×It(1)其中,St表示季节因素,TCt表示趋势循环要素(Tt为长期趋势,Ct为周期循环变动趋势),It表示不规则要素。移动平均比率的季节调整方法是利用移动平均法计算出TCt,然后从Xt中剔除该因素,再通过移动平均得到季节因子S,具体的步骤和公式为:第一步:对时间序列Xt进行中心化移动平均,得到趋势循环要素TCt,为TCt=(0.5Xt+6+…+Xt+…+0.5Xt-6)/12(2)第二步:从原时间序列中剔除TCt的值,得到SIt的值,SIt=Xt/TCt;第三步:分别计算SIt第j个月(j=1,2,…,12)的月度平均值,得到季节因子sj;第四步:对sj进行调整,使之乘积等于1,Sj=sj/s1×s2×…×s1212姨(j=1,2,…,12),(3)Sj即为最终的标准化季节因子,用以统计时间序列的季节性。我国主要粮食价格的季节性表现为:①小麦。我国小麦价格最高的月份是10月份,季节因子1.014,全年最高,可以说是大约冬小麦播种的时间,这个月份除了小麦消费之外,播种的需求也对小麦集贸市场的价格有拉动,导致这段时间小麦的价格达到高峰;其次,第二高点是6月份,大约是新小麦收获的时候,反映出市场对小麦的需求有“求新弃陈”的去向,热衷“打新”,也反映出每年新小麦的市场价格高;再次,小麦市场价格依次较高的月份是12月、11月、7月和4月。②籼稻。我国籼稻集贸市场价格最高的月份是2月份,其次是1月份、3月份、4月份,也正是春节前后,反映出由于受春节需求量大的因素影响导致这一时期籼稻的价格比较高,明显高于其它月份。籼稻价格较低的月份主要集中在5、6、7月份,接近早稻收割的季节。③玉米。我国玉米价格较高的月份依次是1月份、10月份、12月份、2月份和4月份,主要表现为春节前以及新玉米收获的季节。玉米集贸市场价格较低的月份依次是6月份、8月份、9月份和7月份,基本上属于夏季前后,玉米价格较低,可能的原因在于这一时期,畜牧草饲料丰富,从饲料方面对玉米的需求量小,导致其价格低。④大豆。大豆价格的高点都在上半年,依次是3月份、4月份、2月份、1月份、5月份和6月份,可能的原因是上半年对大豆的需求明显大于下半年,而这一时期属大豆的非收割期,导致价格上涨。大豆价格的地点在下半年,并且呈现出越接近年底价格越低,反映出随着每年新大豆的收获,大豆的价格逐渐下降。⑤花生。我国花生价格的季节特征与大豆基本相似,上半年高、下半年低,并且大体价格变化的规律是一年中从1月到12月逐渐下降,12月份达到最低点。

2.2X-13季节因子

X-13模型是在X-12-ARIMA模型的基础上发展起来的一种季节调整方法,它是X-12-ARIMA方法与SEATS季节调整方法的联合,在序列因子分解方面引进了TRAMO/SEATS中的SEATS方法,所以,又称X-13-SEATS季节调整方法。利用X-13季节调整方法在EVIEWS8.0软件中对我国主要粮食价格的季节因子进行分解得到如图2所示的季节因子的图形。从中可以看出:①小麦价格变化近年来有两个波峰、一个谷底。2002年-2013年期间,初期主要是春节前后月份的价格比较高,8、9月份比较低,但自2006年开始,季节特征逐渐演变和清晰,那就是6月份和10月份达到两个季节价格高点,3月份为小麦季节价格的低点;②籼稻价格变化有一个明显的波峰和一个逐渐明显的谷底。籼稻价格的季节波峰主要表现在2月份,即春节前后,谷底初期在6月份,最近几年都在8月份;③玉米价格的季节特征逐渐演变为两个波峰、两个波谷。两个逐渐明晰的波峰主要为10月份和1月份,即玉米收获的季节和春节前,两个波谷主要为6月份和8月份;④大豆的季节特征最为明显:一个波峰、一个波谷。大豆价格的波峰在3月份,波谷在12月份;⑤花生价格的两个波峰比较明显,波谷有一个逐渐变化的过程,最后有一个越来越明显。花生价格变化的两个波峰稳定在4月份和2月份,其中4月份为花生播种的季节,波谷主要显现在12月份;⑥棉花价格有一个明显的波峰和波谷,还存在小的波峰。一个大的波峰比较明显,就是1月份,可能的解释是与天气有关,这时一年中最寒冷的季节,另外,2月份的波峰特征也较为显现,波谷主要在11月份,应该说它的季节变化幅度最大。

3我国主要粮食价格的季节变化的影响因素分析及形成的机理

粮食生产的季节性是受天气等自然因素影响而形成的固有的规律,但粮食价格的季节性与其种植的季节性没有必然的联系,它受众多因素的影响,它是如何形成的呢?我们从实证角度,探索其季节变化的显著影响因素有哪些,以及影响力有多大,分析过程中研究对象是主要粮食价格的季节指数。通过实证分析,得出以下几种因素对粮食价格的季节波动有显著影响:

3.1需求量的变化

商品价格是由供求平衡决定的,粮食作为人们生活中的重要消费品,其价格市场化程度比较高,受需求量变化的影响比较大,当需求量增大时价格自然会上涨,反之,价格会下降。社会消费品零售总额反映了社会需求量的大小,其变化也从一定程度上反映了对粮食等消费品的需求的变化,其季节指数反映了需求量的季节性。社会消费品零售总额的季节指数与主要粮食价格的季节指数都存在较为显著的正相关性。

3.2国际粮价价格的传导

尽管我国粮食产量逐年递增,能够满足我国的自身粮食需求,但由于价格低的驱动,近年来我国粮食的进口量不断增加,特别是大豆,进口量由2002年的1132万吨上升到2013年的6638万吨,十年间翻了6倍。由于大豆等粮食产品进口量的大幅提升,国外大豆的价格对我国大豆价格的冲击也比较大,显著地影响我国大豆价格的变化走势,对我国大豆价格的季节变化的影响明显。

3.3石油等大宗商品的季节波动

由于粮食的产地与销地之间往往有很长的距离,交通运输的成本就直接影响着粮食的价格。经计算,2002年1月至2013年12月期间,布伦特原油价格与我国小麦、籼稻、玉米、大豆和花生的相关系数分别为0.8529、0.8696、0.8544、0.8890、0.9059,伴随概率都为0.0000,反映出它们之间的走势高度相关,趋势具有相同性。经X-13季节调整方法分解后,布伦特原油价格的季节指数与我国大豆价格的季节指数之间的相关系数为0.3016,伴随概率为0.0002,统计上的相关性达到显著,它反映了国家原油价格首先影响我国进口量比较大的大豆价格上,进而传导到其它粮食品种。

3.4金融市场的波动

随着市场经济的发展,金融产品不断创新,很多金融衍生产品与农产品有关,像经济生活中影响比较大的小麦、玉米、大豆、花生等都有对应的期货产品,农产品期货具有价格发现的功能,其与农产品现货价格关联性很强,而农产品期货的价格波动又与整个金融市场的价格波动相辅相成、互相影响,所以,国内外金融市场的波动对粮食价格波动有传导作用,影响包括季节在内的价格变化。

4结论与启示

4.1主要结论

我国主要粮食品种的价格波动都有季节性存在,只不过是其季节性强弱程度不一样,像花生、大豆、玉米的季节性表现较强,小麦和籼稻的季节性表现一般。粮食价格季节性表现的月份有差异,多数粮食价格的季节性都与播种和收割的时间有关,主要的粮食品种都在其播种期和收割期有一个价格高点,而在临近收割期的几个月内往往形成一个价格低点。多数粮食价格我国春节前后或年底有一轮季节上涨的季节表现,但像大豆、花生等经济作物则是上半年价格高,下半年价格低。对于影响粮食价格季节性的因素,不同的粮食品种有差异,但一个共同且基本的决定因素是供求变化的因素,每当新的粮食季节品种收割后,需求量就比较大,从而价格较高,每当春节这一传统节日到来时,粮食的需求量也比较大,也会导致价格上升。

4.2启示

价格波动论文范文第2篇

选取2009年1月至2013年11月的秦皇岛动力煤平仓价(日)和澳大利亚BJ动力煤现货价(周)作为分析煤炭价格波动特点的数据样本。首先,应用式(1)计算煤炭价格的波动率。其中,Rit表示第i个市场第t期的煤炭价格波动率,pcoalit表示第i个市场第t期的煤炭价格,i等于1表示为秦皇岛煤炭市场,i等于2表示澳大利亚BJ动力煤市场。2009年1月至2013年11月期间秦皇岛和澳大利亚市场煤炭价格波动率序列R1和R2的走势图分别如图1、图2所示,由两图可以看出两个市场的煤炭价格波动率均具有时变性、突发性和聚集性的特征。通过计算秦皇岛煤炭市场煤炭价格波动率序列R1和澳大利亚BJ动力煤价格波动率序列R2的相关统计量可得,秦皇岛煤炭市场煤炭价格波动率序列R1的日均波动率为0.00431%,标准差为0.005994;偏度为2.157570,分布偏;峰度为46.53091,显著地大于正态分布的峰度值3,说明秦皇岛煤炭市场煤炭价格波动率序列具有明显的“尖峰厚尾”特征;JB统计量为96475.33,p值为0,说明秦皇岛煤炭市场煤炭价格波动率序列R1t的分布显著地异于正态分布。而澳大利亚BJ动力煤价格波动率序列R2的日均波动率明显高于序列R1,达到0.0281%;标准差为0.025006,也明显大于序列R1,说明澳大利亚BJ动力煤价格序列R2的波动更加明显;偏度为-0.01649,分布左偏;峰度为6.614902,显著地大于正态分布的峰度值3,说明澳大利亚BJ动力煤价格序列R2也具有明显的“尖峰厚尾”特征;JB统计量为137.2204,p值为0,说明序列R2的分布也显著地异于正态分布。

价格序列R1和R2的平稳性使用ADF单位根检验法来检验。根据式(2)确定最大滞后阶数分别为22和15,并由图1和图2得出两个序列均不包含截距项和趋势项,检验结果见表1。由表1可得,序列R1和R2均拒绝存在单位根的原假设,因此可以认为这两个序列都是平稳的。由序列R1和R2的自相关图和偏自相关图经若干次调整,将序列R1的自回归模型的被解释变量设为R1t,解释变量设为R1,t-2;将序列R2的自回归模型的被解释变量设为R2t,解释变量设为R2,t-1,并用最小二乘法OLS进行估计,建立序列R1和R2如式(3)和式(4)表示的自回归模型。式(4)的拟合优度R2=0.1401,对数似然值等于588.84,AIC=-4.684,SC=-4.6699。

在建立ARCH模型前,首先应用ARCH-LM检验法来验证序列R1和R2是否存在ARCH效应,结果见表2。序列R1在滞后阶数等于7时存在ARCH效应,序列R2在滞后阶数等于1时存在ARCH效应。由于序列R1存在高阶ARCH效应,用ARCH(7)来估计的话会损失很大的样本容量。因此直接建立序列R1的GARCH、GARCH-M、和TARCH模型,结果见表3。由表3可以看出,在GARCH模型中ARCH项和GARCH项的系数分别为0.0915和0.8872,且均在1%的显著性水平下通过检验;二者之和为0.9787,略小于1,表明外部冲击和自身过去的波动对秦皇岛市场煤炭价格的影响有着很强的持续性,消失速度缓慢。GARCH项的系数明显大于ARCH项系数,说明该市场煤炭价格波动主要是由于自身过去的波动造成的;GARCH-M模型中风险溢价系数ξ为-0.2683,但不显著,说明秦皇岛煤炭市场不存在“高风险、高回报”的特征,即不存在“风险溢价”;TARCH模型中代表非对称效应(杠杆效应)的参数θ为-0.1259,小于0且在1%的显著性水平下通过检验,说明秦皇岛市场煤炭价格波动存在非对称效应,即“好消息”对煤炭价格波动率的影响要大于“坏消息”的影响;对上述三个模型的残差项分别进行ARCH-LM检验,发现F统计量和T×R2统计量均不显著,即拟合后的模型不再存在ARCH效应,这表明拟合效果较好。序列R2的ARCH、GARCH、GARCH-M和TARCH模型结果见表4

。由表4可以看出,GARCH模型中ARCH项和GARCH项的系数分别为0.2021和0.5168,且分别在5%和1%的显著性水平下通过检验;二者之和为0.7189,略小于1,表明外部冲击和自身过去的波动对澳大利亚市场煤炭价格的影响有着较强的持续性,但消失的速度比秦皇岛市场的要稍快一些。GARCH项的系数大于ARCH项系数,说明自身过去的波动对价格波动的影响更大;GARCH-M模型中风险溢价系数ξ为0.0212,但不显著,说明澳大利亚煤炭市场也不存在“高风险、高回报”的特征,即不存在“风险溢价”;TARCH模型中代表非对称效应(杠杆效应)的参数θ为-0.0279,但不显著,说明澳大利亚市场的煤炭价格波动不存在非对称效应,即“好消息”和“坏消息”对该市场煤炭价格波动率的影响是一样的;对上述三个模型的残差项分别进行ARCH-LM检验,发现F统计量和T×R2统计量均不显著,即拟合后的模型不再存在ARCH效应,表明拟合效果较好。

2结论

价格波动论文范文第3篇

(一)转变经济增长方式并调整经济结构在发展过程中,应当用自身内在动力增加生产要素的使用效率来取代生产要素数量增加粗放型经济增长模式,从而使原有的产业结构得到进一步的升级与优化,并且使生产技术方面有所提高和进步,还可以通过改变GDP中居民消费的比例,对民间的投资进行相应的引导,从而构建出一个数量增长快,经济质量优的国民经济发展的新型发展指标体系。在发展过程中,我们应当持续节能减排的发展理念,使绿色循环、低碳经济得到大力的发展,并且要不断的研制出新型的清洁环保能源,这些都可以很有效的对经济结构重组,使资源的利用效率得到提高,降低高耗能高污染企业在所有企业中的比例,使能源的消费方式得到更进一步的改进。对能源的开发和销售进行市场化的改革,使生产出的能源产品和使用能源时环保节能的技术进行最大化推广,这样就可以使产品的附加值得到最大化增加,使产品的能耗量得到降低,使投资的环境得到进一步的改善,也使我国一些技术、生产、创新企业得到更大的鼓舞,充分发挥其创新能力,不断提高其资源的配置,从而带动我国能源行业真正走上一条可持续发展的道路,这样就可以使我国在面临石油价格波动的过程中,有抵抗它的水平和能力。

(二)适度开放我国的石油市场我国石油资源虽然比较丰富,但是蕴藏在陆路地区的石油资源分布存在着一定的局限性,资源的储量也比较有限;不过在我国范围内,海洋中的石油资源却是非常丰富的。所以,我国可以在对陆路石油资源进行开采的过程中,适度的开放我国的石油市场,对一些开展原有进出口贸易的民营企业放宽管制的限度,在提炼、开采、勘探石油的领域中加入这些民营企业,使我国资源在经营和管理的主体方面变得更加多元化,与此同时放宽海洋石油市场的监管政策,使我国的石油供给量得到增加,从而使我国的石油生产能力有所提高。在我国的长期发展过程中,由于居民的经济情况和国内一些企业的发展情况,所具有的承受能力是有限的,所以我国在原有的定价方面,一直实行的是与国际的市场进行接轨,但是原油成品的价格一直是受到我国政府管制的。

2008年年底,我国对成品油价推出了相对成形的管理机制,但是,这个机制中还存在一定的问题,比如:在进行原油调价时,有比较高的调价边界条件、调价过程中使用的周期比较长等等,这些问题的存在都可能造成我国原油销售存在一定的问题。所以,在进入2013年后,我国又对石油的机制进行了进一步的改制,这使我国石油又向着市场化的方向前进了一大步,在新的机制推行以后,国际市场中石油价格的变化,在我国可以非常及时的感知。但是,在未来的发展过程中,我国还应当更进一步对石油的价格以及石油的市场机制进行完善,这样才能使我国的原油市场面向国际化发展得越来越好,通过一些经济调控的手段以及市场供求关系的调节,我国在迎战石油价格波动的过程中,将会非常从容,得心应手。

二、结语

价格波动论文范文第4篇

1.1原料乳价格波动过大不利于奶牛养殖业发展如果原料乳价格过低,奶农将不堪成本压力,减少投入,甚至会杀牛、倒奶,造成奶牛存栏下降,原料乳供不应求。例如,2000年至2007年上半年,饲料价格持续上涨,原料乳价格并没有相应提高,奶牛养殖业亏损严重。据农业部统计,2007年全国约40%的奶牛养殖户出现不同程度亏损,平均每头奶牛收益比2006年减少1500元;另外,2007年猪肉价格大幅上涨推动牛肉价格上升,因此导致“杀牛卖肉”。提高原料乳价格会刺激奶农的养殖积极性,但原料乳价格过高,一些国内乳企将减少原料乳收购,转而进口奶粉,再制成常温奶、酸奶等。虽然2013年国内原料乳价格居高不下,但从长期来看,这种高价的维持不一定使奶农受益。2013年,欧洲平均奶价是3.15元/kg,成本为1.80元/kg,奶农接受价格是2.40元/kg,欧洲的原料乳成本和价格远远低于国内[2]。当国外奶源紧张状况缓解,新西兰奶粉从“肉毒杆菌”事件阴影中走出,我国下调部分奶粉进口暂定税率的规定开始实施,一些国内乳企为降低成本会继续转向国外奶源。另外,原料乳价格过高,奶农会盲目扩大饲养规模,市场饱和后又将出现新一轮的倒奶、杀牛情况。

1.2原料乳价格波动过大将抑制乳企发展原料乳是乳企的原料,价格降低会减少乳制品成本,但原料乳价格过低会抑制乳企技术创新的动力。原料乳适当提价会促使乳企为化解成本压力而采用新技术,进行产品升级等。例如,2010-2012年,贝因美公司旗下高端产品市场占比从7.9%提高到9.3%;2013年,伊利股份、蒙牛乳业和光明乳业高端产品市场占比均比上年有大幅度提高。但如果原料乳价格过高,乳企难以消化高昂的成本,必将推高乳制品价格。2013年,三元乳业收奶成本最高上涨了50%,蒙牛乳业部分区域收奶成本上涨18%[5]。同年,伊利、蒙牛和光明的普通纯牛奶涨价超过30%[6]。自2013年8月开始,在龙头乳企带动下,其他乳企纷纷不同程度地提高了乳品价。另外,原料乳价格上涨幅度大还会导致乳企打价格战,进行无序竞争,行业利润空间大减,继而使奶农亏损。

1.3消费者是原料乳价格波动的最终承担者原料乳价格波动最终会通过终端产品传导到消费者身上。据有关监测数据,2013年以来,全国塑袋装纯牛奶价格一直呈上涨走势,其中8月份以来价格涨速较快。与1月1日相比,12月27日的塑袋装纯牛奶全国日均价格上涨17.7%。全国约9成省区市塑袋装纯牛奶价格上涨,其中北京、内蒙古、吉林、黑龙江价格涨幅在3成以上[7]。如果原料乳价格过低,会导致奶农减少饲料投入,甚至添加违禁物质,降低原料乳质量,影响乳制品安全,进而影响消费者的切身利益和对国产乳制品的消费信心。

2保证原料乳价格合理、稳定的政策建议

2.1科学制定乳业发展规划,规范原料乳交易,建立监测和预警机制供求关系是影响原料乳价格的主要因素。要保证供求平衡,必须综合考虑区域发展规划、消费者对乳制品需求情况、饲草饲料和土地等资源条件、乳制品进出口状况等,科学制订乳业发展规划。要规范原料乳交易,加强对合同执行情况和奶站的管理,放宽奶源的地方性保护政策,使原料乳价格变化体现成本、供求关系,反映市场规律。同时,要建立饲料和原料乳价格及乳制品进口的监测和预警机制,及时发现饲料和原料乳价格波动异常及乳制品进口激增对原料乳价格波动的影响。

2.2建立合理的原料乳价格形成机制,实行第三方独立检测制度要尽快完善原料乳的计价体系,以此作为制定原料乳价格的法律依据。建立由政府有关部门牵头,奶业协会、奶农合作组织、乳企和奶农等参加的原料乳价格形成机制。实行原料乳最低收购价格制度,在首先确保在乳业中居于最重要地位,但现实中又是弱势群体的奶农利益的基础上,兼顾乳企和消费者的利益。实行原料乳收购的第三方独立检测制度,真正实现原料乳收购的以质论价。

价格波动论文范文第5篇

目前,我国钢材价格在低位徘徊,影响钢材价格的相关因素错综复杂。从复杂的价格信息中分离出价格运行的不同信号,是价格分析的一个重要方面。从作用的持久性来看,这些信号包括价格的主体趋势和伴随周期,因此,有必要分析影响钢材价格波动的趋势性因素和周期性因素。

1.趋势性因素。趋势性因素是影响较为持久的因素,影响我国钢材价格长期趋势的主要因素如下:首先,我国钢铁行业整体产能过剩且落后。2013年底,我国钢铁行业产能利用率不足75%,落后产能占总产能的15%以上。产能是影响钢材价格的一个重要方面(许亚萍、王甜,2013)。但是,落后产能淘汰、产业转型升级是一个相对漫长和渐进的过程,这使得产能调整对钢材价格的支撑效应体现在价格的长期趋势上。其次,我国钢材生产的行业集中程度较低,大型钢企之间价格竞争激烈,而小型钢厂缺乏议价能力,整个行业的利润空间受到极大压缩,从而抑制了钢材价格的长期上涨趋势。

2.周期性因素。周期性因素影响持续时间较短,属于短期影响因素。我国钢材价格周期变化主要有以下因素影响:首先,我国是钢材净出口大国,国外市场的需求冲击对钢材价格影响较大。目前来看,世界经济整体已显示出缓慢复苏迹象,从而带动我国钢材出口量稳步回升,使得2013年钢材净出口额达到历史新高。其次,我国经济正处于结构调整周期,钢铁行业作为基础原材料产业中的关键环节,必然受下游建筑、轮船、汽车制造以及机械制造等众多行业的影响。最后,国际铁矿石、海运、石油等相关产业的产品处于价格低迷阶段,客观上造成了粗钢和成品钢材价格的阶段性下降。我国对进口铁矿石的依赖程度较高,达到50%以上,而铁矿石是炼钢的主要原料,铁矿石价格的周期性波动也会带动钢材价格出现周期性波动。

二、我国钢材价格波动的实证分析

(一)模型设计本文采用不可观测成分模型(UnobservedComponentModel,简称UC模型)来研究钢材价格周期与趋势性因素的动态变化。从结构上来看,UC模型具有一般性和完整性,包括ARIMA等在内的许多模型都可以看成是UC模型的特例。本文运用UC模型对我国钢材价格波动进行分析,提取并分离出我国钢材价格运行中的周期成分和趋势成分,以此分析短期和长期内我国钢材价格的动态变化。模型(4)可以实现钢材价格波动中趋势和周期因素的提取和分离,对于价格长期和短期变化分别给予估计①。模型中趋势成分Tt和周期成分Ct不可观测,利用卡尔曼滤波(KalmanFilter)和极大似然估计方法可以推断上述模型中的状态变量,即P(Tt|y1:T)和P(Ct|y1:T),其中{y1:T}表示从1到T时间点的钢材价格指数观测值。先去掉数据的月度性趋势,再通过Oxmetrics6.0软件中的STAMP软件包来完成估计和推断。

(二)估计和推断经过估计和推断,模型中λ为0.14,对应的周期为3.7年。阻尼因子ρ为0.99,说明周期性因素的持续性较强,衰退周期较长。图2和图3分别为基于UC模型的趋势和周期成分平滑(Smoothed)推断。图2中纵轴表示价格指数水平,实线为去除月度趋势后的真实数据,点线为推断得到的水平趋势成分。可见,水平趋势成分能够代表钢材价格指数波动的主体特征,两者十分接近,可以用来估计价格的长期变化趋势和水平。水平趋势成分与真实数据的差即为图3中所示的周期成分推断,周期成分围绕横轴上下波动,基本可以代表钢材价格波动的周期特征,与指数的上升和下降的反转时间高度吻合,可以用来预测价格阶段性变化发生的时点。另外,周期成分与趋势成分变化相关性较高,这意味着短期因素的积累会改变长期价格走势。更为重要的是,根据相对重要性的卡方检验,趋势成分对指数变化起到主导作用,其影响的贡献度高于周期性因素,是钢材价格最主要的影响成分。UC模型拟合程度较高,R2约为0.9386,这说明模型分离出的趋势和周期成分对样本内原指数序列具有很强的拟合能力。同时,本文以2001年1月至2012年6月钢材价格指数月度数据为样本,以2012年7月至2014年6月两年的数据作为预测样本,检验了UC模型的预测能力。结果表明,基于水平趋势和周期成分的预测与真实数据非常接近,平均误差为2.44%。这说明模型的实际预测能力较强,趋势成分和周期成分可以较好地完成对钢材价格指数的预测。由图2和图3可以发现,无论是从趋势成分还是周期成分来看,目前我国钢材价格均呈现下行特征。通过预测可知,趋势成分下降势头未有明显逆转,而周期成分下跌幅度有缩小迹象,已经触底反弹。由于周期成分对钢材价格走势的变化影响远小于趋势成分,所以如果现有环境不发生明显变化,短期来看钢材价格基本保持稳定,但长期来看仍有可能延续下降趋势。

三、结论与政策建议

本文梳理了2001年以来我国钢材价格出现三次较为明显波动的深层次原因,并结合我国钢铁产业发展现状和问题,分析了我国钢材价格中趋势性因素和周期性因素的具体表现。通过UC模型提取并分离出我国钢材价格趋势成分和周期成分,实证结果表明:趋势性成分与周期性成分密切相关,且趋势性成分对钢材价格的波动起主导作用,而周期性成分影响较小。本文又根据模型预测了我国钢材价格的短期和长期动态变化,预测结果显示:短期内我国钢材价格将基本保持稳定,但长期内仍可能延续下跌趋势。结合以上结论,本文提出如下针对钢材价格的管理建议:

1.重点把握钢材价格的趋势性变化。趋势变化主导了钢材价格的走势,合理的钢材价格形成和管理机制必须考虑供应链环境、宏观环境、金融环境、行业环境等因素对价格产生的长期影响。着眼于产能需求的长期趋势来调整钢材产能总量和产品结构,提高技术含量和水平,合理制定钢材行业未来的发展规划,从供给端确保价格稳定。另外,需特别注意新增趋势性因素对钢材价格的长期影响,如营业税改增值税等政策变化。随着建筑业等钢材中下游行业“营改增”的推进,税收的“楔子效应”会提高需求方的钢材购入价格,这成为钢材价格上升的潜在趋势性因素。

2.正确认识钢材价格周期性波动的中短期效应。运用周期调整工具来应对引起钢材价格波动的周期因素。根据世界经济复苏状况调整钢材产量,对国内经济增长周期下降与增长换挡进行区分。对钢铁行业上游的原材料和能源价格周期波动保持关注,估计铁矿石、原油、煤炭、运输等商品服务的价格冲击效应。钢材价格波动的趋势成分与周期成分对应着不同的影响因素,对两者的管理也不尽相同,因此不能频繁地使用影响价格长期趋势的政策来干预钢材价格短期波动。比如,可以通过产能利用率的调整来应对价格的波动,而不是简单重复扩张和“关、停、并、转”。

价格波动论文范文第6篇

住宅系统涉及政治、经济、社会等诸多因素,各因素间具有复杂的相互作用机制,并非单一的作用关系,而是存在明显的反馈关系,是一个典型的多变量、非线性的动态反馈系统.而住宅价格的波动性更非由单个因素或多个因素孤立作用的结果,影响住宅价格波动的因素之间具有明显的反馈结构,波动行为的产生源于各系统之间相互作用合力的结果,只有在理清住宅系统内部各子系统之间以及同外部系统之间存在的反馈联系后,才能对住宅价格的发展做出合理的判断.根据研究目的和需要解决的问题以及城市住宅产业发展所涉及到的房屋生产、流通和消费领域,将住宅系统分为住宅需求系统、住宅供给系统、住宅价格系统、土地供给系统以及对住宅系统产生深刻影响的外部系统:政策系统.住宅价格系统是住宅系统中重要的子系统,通过利用系统动力学的分析方法研究住宅系统,建立如图1所示的住宅系统总体因果回路图模型,揭示住宅价格子系统的运行,阐述住宅价格的波动性.图中正号起促进作用,负号起平衡和抑制作用[8].从图1中,住宅价格的因果反馈环为:(1)住宅价格→+房价收入比→-住宅需求→+住宅供需比→-住宅价格该回路为正反馈回路,住宅价格提高,使得房价收入比变大,住宅需求量减少,需求量减少使得住宅供需比变大,进而促使住宅价格降低.(2)住宅价格→+新成交土地面积→+土地供给住宅新开口面积→+住宅施工面积→+住宅竣工面积→+住宅供给→-住宅价格该回路为负反馈回路,住宅价格提高后通过刺激土地成交面积提高使得住宅供给量增加,最终住宅价格降低,恢复稳定.此外,政府系统是住宅价格系统的外部影响系统,主要通过对贷款利率、保障房建设、税费、土地的调整影响住宅供给和需求,达到稳定住宅价格的目的.在对住宅价格反馈回路分析的基础上,具体分析西安市住宅价格波动的原因.

2西安市住宅价格波动成因分析

住宅价格变动不仅涉及到住宅市场的供给和需求,还涉及到土地市场、国家相关政策以及金融市场和房地产行业稳定健康发展等各方面,住宅价格在内外合力的共同作用下形成波动.

2.1需求———住宅价格波动的直接推手随着经济的发展,城市化进程的推进,城市人口的快速增长,收入的不断提高,年龄、家庭结构的转变引发对住房的旺盛需求.需求增长成为推动房价上涨的主要因素.西安的住宅需求主要来自两个方面:一是刚性需求和改善性需求.不同年龄段存在不同的住房需求,80,90年代出生的庞大人群,到了成家的年龄,扩大了刚性需求的队伍;60,70年代出生的人群,收入得到可观的改善,对住房面积、舒适度等有了更高的要求,增加了改善性住房的需求量.同时,近年来在西部大开发、建设西安国际大都市等战略政策的实施下,西安的经济得到突飞猛进的发展,城市化水平取得很大的进展,吸引越来越多流动人口,并且西安住房相比其它一线城市性价比高,也吸引更多的人们到西安购置住宅,增加住宅的需求量.从表3可以看出,西安市常住人口自2008年以来逐年增加,自然增长率虽存在小幅波动,但基本处在稳步增长状态,家庭户数也基本是稳步增长,只在2011年出现下降,人口数量的不断增长无疑会增加住宅的刚性需求.同时,从西安市人均GDP的发展动态,可以看出西安地区总体经济实力逐年增强,人们生活水平提高,家庭人均可支配收入逐年增长,反映出西安市民的富裕程度不断提升,直接刺激住宅的改善性需求[8-9].二是投资性需求.西安市近年来高速发展的经济,促使高收入群体不断增多.与此同时物价却在不断走高,银行利息也在较低水平徘徊,居民实际收入明显缩水,人们的投资需求得不到满足.相比之下,住宅价格前期涨幅较大,虽然国家的调控政策有所限制,但住宅价格仍处于高位,被视为比较稳妥的投资渠道.最终,投资性需求在市场和政府的共同作用下,呈现出一定的波动,其波动势必会带来住房需求的变化.具体表现在,西安市住宅总体销售面积自2008年基本表现为逐年增加,从2008年的710.5万m2上升至2011年的1687.1万m2,2012年因国家连续几年从紧的房地产调控政策,住宅总体销售面积下降至1379.1万m2.而现房销售面积却表现为有升有降,由2008年的180万m2下降至2010年的71万m2,继而又上升至2012年的134.4万m2.从中体现出住宅投资性需求的波动直接波及需求的变动进而导致住宅价格发生变化.

2.2供给———影响住宅价格波动的又一力量住宅供需结构的变化是导致住宅价格波动的主要因素,住宅供给量跟不上需求量的增长势必会带来住宅价格的上涨.从表4中可以看出,近几年西安市住宅市场上住房供给量小于住房需求量,并且期房销售面积远远大于现房销售面积,说明西安市住宅价格的不断上涨同新建住宅供给量的不足有密切的相关性[10].此外,住宅市场的供给除了现房和期房外,还存在一定量的二手房,对住宅的供给产生一定的分流作用,一定程度缓冲住宅的供不应求,起到稳定住宅价格的作用[3].近几年西安市二手房市场的成交面积在一系列调控政策的作用下表现出有升有降.具体为:2010年为101.25万m2,2011年为138.35万m2,2012年为82.88万m2.可以看出2012年同其他年份相比,变化幅度最大,同比下降40.09%,与此同时现房销售面积同其他年份相比涨幅也最高,同比上涨80.3%,说明二手房供给变化会影响住宅市场供给量的变动.图2反映出西安市二手房自2007年以来的销量发展趋势.目前,西安市二手房关注度不高,价格与新房差距不大,同时税费成本高,对分流新房需求的作用没有得到充分的发挥.

2.3土地市场———住宅价格变动的又一牵动力住宅必须依托土地,土地作为住宅商品最主要的生产成本,其市场稳定与否直接影响住宅市场的稳定性,土地对住宅市场的影响主要表现在以下两个方向:第一,土地供应量和成交情况会对住宅市场产生影响.自2000年西部大开发战略实施以来,西安的城市建设、基础设施建设、教育以及城市环境建设均取得快速的发展.由此带来西安市大型公路网络的建设、教育基地的大量建筑以及高新区、开发区的快速发展,使得西安市建设用地短缺问题更加凸显.同时,住宅用地结构中除了普通商品住宅外还存在别墅、高档公寓、保障性住房建设用地,从而一定程度上减少普通商品住宅的土地供给量.土地供应量的变化很大程度上将引起住宅价格的波动[11].西安市住宅土地供应面积、成交面积自2008年到2012年呈下降趋势,其中土地供应面积由2009年的440.23万m2不断下降至2012年的179.31万m2,土地成交面积由2009年的426.44万m2不断下降至2012年的129.96万m2.除了销售周期逐年缩短、住宅房地产需求旺盛导致住宅竣工面积小于销售面积外,土地供应量不足是重要原因.土地市场受制于市场机制,在不同时间段以及区域,当供求发生变化时,土地交易价格呈现不同发展态势,引起土地成本的变动,最终导致住宅价格随之波动.第二,土地政策会对住宅市场产生影响.土地市场波动性主要是由于土地供应中对土地资源的不合理分配,存在土地市场失灵现象,引起政府调控的介入,通过政策来引导土地供应量和供应结构的合理化.自2007年以来,政府加大土地供应结构调控力度,重点保障廉租住房、中低价位、中小套普通商品住房用地,并加强土地供应管理,防止开发企业囤地,加强批后监管,防范闲置土地.西安市跟随中央土地调控政策,根据西安市自身住宅市场发展的情况调整具体的土地供给量,具体表现为根据西安市各城区住宅市场发展状况的不同,提供不同的土地供应策略;根据房地产市场具体发展情况,分配各种功能用地数量以及土地储备量,通过土地调控达到稳定住宅价格的目的.表5显示政府针对西安市住宅市场的区域差异性,采取不同的土地供应对策对整个西安市住宅市场以及价格的稳定有着不可或缺的作用.表6表现出住宅用地的成交量在土地规划面积中的占比正在逐年下降,西安市住宅用地趋于适度,囤地现象逐渐减少

2.4政府政策———稳定住宅价格不可或缺的主力住宅房地产市场存在市场失灵现象,促使政府的介入.中央和地方政府多从土地、金融、税收、行政这几个方面入手对住宅房地产进行调控.首先,近几年西安市地方政府将中央调控政策同西安市具体情况相融合,制定了一系列稳定住宅市场的政策,其中最突出的是加大对保障房建设方针的执行力度,西安市保障房建设工程成绩突出[12].西安市住宅市场能平稳发展,很大程度上得益于保障性住房的快速发展.其次,西安市政府不断完善住宅房地产市场信息系统,如2011年4月西安市房管局规定商品房项目申请预售时,需在销售网络系统中填报每套预售房屋预售价格等,努力达到住房市场信息透明化的目的.再次,西安市政府推出的城市规划方案,对引导住房需求梯度消费、梯度供给以及稳定住宅价格发挥了积极的作用.西安市政府根据住宅市场内部和外部形势的变化,不断出台关于促进住宅房地产业健康发展的多项政策,调控更加深入和细致,多方位入手优化土地供应结构,调节住宅供应结构,支持刚性需求和改善性需求,遏制住宅的投资投机性需求,改善供需结构.西安市住宅市场同一线城市和其它二线城市相比,住宅价格波动幅度不大,很大程度上取决于政策的调整.总之,近几年,西安市住宅价格在原材料成本不断增长、土地价格持续上扬、国内生产总值持续增高、股市等投资热钱涌入的推动下出现猛涨现象.同时,住宅价值在城市居住环境的持续改善下不断提升,房地产业在城市地位提升下被赋予更高发展空间以及物业管理品质的提升也不同程度地助推了住宅价格的上涨,总体西安市住宅价格呈上涨态势.但受供需变化、政策以及宏观经济环境的变动等因素的影响,西安市住宅价格呈阶段性波动,稳定住宅价格成为亟需解决的问题.

3对策及建议

价格波动论文范文第7篇

国外研究者把森林产权分为国家产权、共同产权、私人产权、自由进入等几种。“国家产权论”的代表人物Bruce和Fortmann(1992)在研究中指出:保护森林最好的办法是排他性的经营管理,并且通过国家强制进行实施。“共同产权”者认为,个体差异会为森林的经营带来许多不利影响,而将森林资源作为一个整体来进行经营,不但可以解决这些影响,还可以形成合力,共同抵抗团队以外的不利因素。“私人产权”和“自由进入”论者反对国家产权,认为森林资源相对分散,在超过国家实施有效管理的范围时,权力真空将会出现;政府部门并非以效益最大化为目标,很难把握林业发展中的投资机遇;同时,国家统一管理容易忽略森林的极差报酬和不同主体需求多样性,多种因素都将导致资源的浪费和配置效率降低。同时他们也反对共同产权,认为:集体劳动具有致命的缺陷:缺乏有效监督将导致绩效难以衡量,成员偷懒、搭便车现象将会出现;进行有效监管,则将带来大量额外成本,共同产权将陷入一个“两难的悲剧”。另外,还有部分学者对产权集中与分散有不同看法,例如,JAPuppimdeOliveira(2008)认为,森林资源产权制度的改革并非一定指向私有化,对产权的明晰也应该是一个格外重要的环节;只有从法律和规则上对产权进行明确和清晰的判断,才能保证后期的执行,进而给予森林资源参与者足够激励,最终达到森林资源可持续发展的目标。Ferguson(1992)等对亚太地区21个国家和地区集体林的情况进行了调查分析,结果显示:分散林权可能会对提升农民经济水平、促进森林可持续发展有一定的积极作用,但是长远来看,分散林权仅仅是一种促进民主治理的方式,而并非是一个公平有效地解决集体林存在问题的方法。国内学者从20世纪90年代起提出我国林业产权中所有权模糊、经营主体缺位,林权结构不完整性、林权交易困难性等问题。目前国内大量文献资料主要集中在林权制度变迁、林权政策与法律制度、林权制度改革绩效等方面。郑风田、阮荣平(2009)运用分成地租模型分析了集体林权改革对林业生产效率的影响,其结果显示,实施集体林权改革可以提高林农的林产品产出占有份额和比例,因此林农在收入最大化的决策过程中,所相应选择的边际产出水平将会逐步提高。由于对林农建立的生产函数具有边际产出递减的性质,因此随着边际生产率的提高,生产要素投入和产出将随之增加。贺东航、朱冬亮等(2012)根据2011年对全国22个省(直辖市、自制区)内76个村的1050户林农进行调查所获取的数据,从微观角度跟踪观察并记录了此次集体林权制度改革试点村庄的实践结果,并对其产生的经济和社会绩效进行了系统评估。研究表明:随着集体林权制度改革的深入推广,林农对林地的投入逐步增加;林农收入逐步提高;社会资金开始向林业积聚,社会造林绿化积极性有所提高;并带动林下经济取得了初步发展。以往研究成果表明,林权改革对林业生产效率产生积极影响,那么,其必然会影响木材生产成本、木材供给与木材需求并对木材价格波动及传导方式产生影响,但这方面研究还是空白,笔者希望以此文抛砖引玉,引起更多学者对这一问题的关注。

2林权制度变迁特点和规律性分析

2.1公有化程度呈倒U型变动新中国建立以来、尤其是改革开放后,我国各级政府相继制定了一系列政策和方针,非常重视并大力支持林业建设和发展,逐步探索出了一整套适应我国自身国情、林情的林业建设方面的宝贵经验。我国的林业建设和林业政策改革都是一个不断补充、不断修正、不断完善社会发展需求和适应国民经济增长的过程。2003年初开始,新一轮林权改革在福建、江西等省份进行试点。试点范围逐步扩大,2008年,林权改革开始在全国范围内推行。笔者对我国林权制度变迁过程及各阶段产权特征进行梳理,见表1。从表1可以看出:自解放后我国南方集体林权的公有化程度呈现出一个先逐步增强,在高级合作社和时期达到顶峰,再逐渐减弱的趋势。如果将林权的公有化程度视为一个连续的变量,以林权共有的人数作为变量值的话,就可以发现,集体林权大体呈现一个倒U型的趋势。

2.2中期阶段政策调整频繁自新中国成立以来,我国林权就在不断变化中,这种变化在不同时期呈现不同的趋势,也有着不同的变动频率。因此,我国林权公有化倒U型曲线实际上并不平滑,甚至在一段时期内呈现显著的波动。按照政策和制度变动的频繁程度划分,可以将图1的曲线区分为3个阶段。第一个阶段是从1949~1962年,期间经历了1958开始的时期,这一阶段,政策呈现明显公有化趋势,曲线波动平滑。第二个阶段,是从结束到1978年,该阶段政策在公有化和私有化之间反复交替,缺乏规律性和趋势性,农民对政策严重缺乏安全感,一旦林权趋于私有化,就会引起大量的乱砍乱伐(DachangL,2001;YinR.XuJ,2002);到该阶段后期,农民对林权的安全性彻底失去了信心,这也直接导致了20世纪80年代早期森林的严重退化。第三阶段,自1978年,随着林业三定政策的推行,这种波动趋势得到了缓解,后期又呈现平滑的私有化趋势。根据以上分析,可将曲线修改为图2。

3林权改革条件下木材价格影响因素研究

3.1我国木材价格波动研究通过搜集整理1998~2011年木材原木价格数据,可以得到走势图。从图3可看出,2003年及2008年前后我国木材价格有两次较大的波动,而这两个时点恰好分别是林权改革试点和全面推行的时间。那么,林权改革是否会对木材价格产生影响呢?根据现代经济学理论,市场价格在价值的基础上受供给和需求的影响。木材价格以生产成本为基础,在供求关系的影响下波动。其他条件不变的情况下,供给上升将会导致价格的下降,市场化程度越高,木材供给对价格的影响越大。我国处于经济快速发展阶段,基础设施建设需要大量木材的消耗,木材价格呈现持续上升趋势,因此,经济发展水平将会通过影响需求对木材价格产生一定影响。

3.2林改条件的木材价格影响因素分析我国自2008年开始全面推行新一轮林权改革,此次林改确定了农民经营林业的主体地位,并通过影响成本、供给和需求,最终对木材价格产生作用。

3.2.1林权改革对木材成本的影响林业的成本可分为生产性成本和非生产性成本,生产性成本包括买种苗、造林、施肥以及抚育管理、防灾投入等。林权改革使得林农的经营行为趋于持久化,使得单位时间内生产性成本降低。同时林权改革促进规模经济效益,单位面积的生产性成本也将下降。非生产性成本主要指交易成本。科斯认为产权完整能降低不确定性,进而降低交易成本。新一轮林权改革降低了农民在林业经营中的不确定性,减少了产权交易者之间的摩擦,降低交易费用的同时也带来了成本的下降。生产性成本和交易成本的共同下降,必将对木材的最终价格产生影响。

3.2.2林权改革对供给的影响林权改革带来的产权完整性变动为农民提供了强大的生产激励,农民意愿投入更多资本和劳动力以及其他生产资料,根据道格拉斯函数,这种投入的增长将带来供给的提升。产权变动不仅带来了这些客观存在的投入增长,更从效率上推动供给的提升。林权改革后,农民可以在长期内完整的行使其经济决策权,实现经济效益的最大化。同时,农民可以通过承包、转让的方式将林权给予更有育林经验、更能产生规模效用的经营主体,在实现买卖双方效益最大化的同时促进林业生产效率的提升。因此,无论是从直接的资本、劳动力投入,还是从制度带来的效率提升来看,林权改革都对木材供给造成了影响。

3.2.3林权改革对需求的影响价格取决于成本,并在供给和需求的影响下波动,影响需求的最重要的因素就是社会的财富分配。本轮林权改革确立了产权的归属,这种产权安排产生两种效应,一是通过短周期树种的种植和林下经济作物的栽培,林农比过去更科学的安排生产以尽量多的获得财富收入;二是规模经济效应正逐步凸显,无论是农民还是林权的获得者,都通过林业经营获取了比之前更多的财富。在社会总财富增长的条件下,个人财富的增加则会带来全社会购买水平的提升;社会需求总水平的提升则意味着需求曲线的右向移动,在其他条件不变的情况下导致价格的上升,见图4。

3.3林权改革下木材价格影响因素实证研究本文选取我国2000~2011连续12年我国木材价格数据作为考察林权改革条件下木材价格波动的样本。被解释变量为木材价格,设为英文字母P。解释变量为影响价格的各个因素,分别是:(1)政策,为虚拟变量L,2008年林权改革之前设为0,2008年后设为1;(2)木材需求量,选用GDP作为衡量木材需求量的指标,设为GDP;(3)木材供给量,用Product表示;(4)木材进出口量,我国是木材进口大国,进出口将对木材的供需产生极大的影响,选取净进口量作为衡量标准,设为Import;(5)常数项,用英文字母C表示。在对模型进行计量分析之前,为简单直观的验证各解释变量对木材价格的影响,首先使用OLS最小二乘法估计对变量进行预检。检验结果显示,产量Product和GDP在10%的显著水平下显著,而净进口的系数并不显著。值得注意的是,OLS估计的DW值为1.2,说明模型存在自相关,需考虑采用VAR模型进行计量分析。但是由于VAR模型的前提是各变量存在相互的动态关系,所以需要首先对变量进行格兰杰因果检验。检验结果表明:政策与木材价格互为格兰杰原因,净进口和木材价格互为格兰杰原因,GDP是木材价格的格兰杰原因,但木材价格并非是GDP的格兰杰原因,木材产量与木材价格之间不存在格兰杰因果关系。可以认为:林权改革政策对木材价格的波动产生了显著的影响,与此同时,GDP增长和净进口的数量都对木材价格波动产生了影响。而木材产量Products与价格P之间的系数分别为0.6213、0.2276,并未对价格产生显著影响,可考虑将其作为外生变量。在确定了政策、GDP和净进口对价格有相互的动态关系之后,我们就可以利用VAR模型对数据进行进一步分析,以确定各变量对价格的不同影响。VAR模型估计结果(略)。VAR模型结果显示:政策对木材价格具有显著的负向影响,随着林权改革政策的推行,木材价格将显著下降;前一期的价格对本期价格有负向影响,即前一期木材价格上升将造成本期木材价格的下降;前一期进口对本期价格有负向影响,即前一期净进口木材量上升,将造成本期木材价格的下降;前一期GDP对本期价格有正向影响,即前一期GDP的上升将造成本期木材价格的提升。当期的外生变量木材产量也对木材价格有负向影响,随着木材产量的上升,木材价格将下降。总体而言,VAR的结果与我们的理论分析基本保持一致:①林改政策的推行,将从多个方面作用于价格,2008年后的木材价格将逐步呈现下降态势;②GDP的增长带动木材需求量的提升,从而造成木材价格的提升;③净进口木材量的上升及木材产量的上升,将使市场上木材供给上升,造成木材价格的下降。

4林权改革条件下木材价格传导方式研究

4.1市场条件下木材价格传导方式在验证了政策、GDP、净进口对木材价格的影响之后,我们希望能够探讨出这几种变量是如何对价格进行影响的,即木材价格的传导方式。市场条件下,木材价格有两种可能的传导方式:一是前向传导方式,指通过林木生产、加工、物流、销售等各个环节价格传导的响应程度及时滞的考察,分析成本上涨或下跌时木材价格的波动情况;二是后向传导方式,通过需求价格从逆向向各个环节传导的响应程度及时滞的考察,分析需求变化时我国木材价格波动状况。

4.2林改条件下木材价格传导方式的实证研究本文首先采用脉冲函数研究各因素初期对价格的正负影响,并通过方差分析研究各个变量在不同时期对价格变动的影响。脉冲函数结果显示如图6所示。图6中4个图像分别显示了价格、净进口、GDP、政策对木材价格的脉冲函数。图像1显示:前一期价格对当期价格有一个正向冲击,这种冲击效果在第2期达到最大,而后趋于平稳;图像2显示:净进口对价格有一个负向冲击,在第2期冲击效果最大,而后趋于平稳;图像3显示:GDP开始对价格在第二期有一个缓慢的高峰后趋于平稳,在第4期会有所扩张;图像4显示:政策对价格有一个负向冲击,在第2期冲击效果最大,而后趋于平稳;为研究价格的传导方式,我们需要研究各个变量在不同时期对价格变动的影响,本文进行了方差分解,结果显示如图7所示。由方差分解结果可以看出:从木材价格的传导方式来看,首先作用于当前价格的是之前一期的价格,从第二期就降到50%以下,而后影响力逐渐减弱到30%左右;净进口量对价格的影响在第二期达到最大,为40%,之后有所回落;GDP对价格的影响稳定加强,最终达到20%,政策对价格的影响在第二期达到最大的15%,之后有所回落。因此我们可以认为:短期内对价格影响最大的是上一期木材的价格,以及前两期的政策导向和净进口量,而GDP对价格的传导作用相对缓慢,但是长期来看,这种影响非常持久。

5研究结论

价格波动论文范文第8篇

(1)平稳性检验。为了对序列进行分析,首先进行平稳性检验,本文采用eviews7软件,通过取对数对序列进行平稳性检验。检验结果见表2。从表2可以看出,变量lnPcoal的ADF值为-2.75546,小于在10%置信水平下的临界值-2.69044,说明lnPcoal的原序列是平稳的,即I(0),变量lnGDP的ADF值为-2.691100小于在10%置信水平下的临界值-2.690439,说明原始序列平稳,即I(0),可以对两个序列进行回归分析。

(2)建立回归模型。本文通过对两个变量取对数建立回归模型:LnGDP=a+bLnPcoal利用最小二乘法对回归模型参数计算求得样本的回归模型为:LnGDP=4.133+0.1310LnPcoal模型表明,煤炭价格增加1%,工业GDP指数上升0.1310%。

(3)回归模型的拟合优度检验。虽然建立了样本的回归模型,但是还需要对解释变量煤炭价格变异对被解释变量工业GDP的变异解释进行检验。R2=ESS/TEE=1-RSS/TSS称为可决系数,通常用来判断回归线的拟合优度。若R2=1,表示回归模型完全解释了被解释变量的变异;若R2=0,则表示被解释变量与解释变量之间无线性关系。其中:TSS(totalsumofsquares)是真实的被解释变量围绕其均值的总变异;ESS(explainedsumofsquares)是估计的被解释变量围绕其均值的变异,是由解释变量解释的部分;RSS(residualsumofsquares)是被解释变量变异未被解释的部分。如果选择的回归模型能很好的拟合样本数据,则ESS远大于RSS,如果回归模型对样本数据拟合不好,则RSS远大于ESS。由于ESS远大于RSS,说明工业GDP的波动可以由煤炭价格解释99.998%,所建立的线性回归对样本的拟合度很好。

(4)回归方程显著性检验。对回归方程显著性检验最常用的检验是F检验,F值越大,越有理由拒绝原假设H0:b=0,接受备择假设H1:b≠0。根据F=ESS/(RSS/(T-2))求得F=338.0238/(0.0079/(15-2))=556241.6962。通过查阅F分布临界值表可知,a=0.005临界值为11.37。由于F值大于F分布临界值,所以拒绝煤炭价格系数为0的原假设,接受备择假设。

(5)因果关系检验。煤炭价格和工业GDP之间存在相关关系,但是到底谁是因,谁是果,还需要进行因果关系检验。格兰杰检验是检验序列之间因果关系的常用方法。本文通过格兰杰因果关系检验,检验结果见表3。检验结果显示:在5%显著水平下,lnGDP不是lnPcoal格兰杰的原因的假设被拒绝,lnPcoal不是lnGDP格兰杰原因的假设也被拒绝。因此表明煤炭价格和工业GDP之间具有稳定的因果关系,而且互为因果。

2结论