农产品:玉米、小麦、大豆和豆油的意外和波动溢出效应外文翻译资料

英语原文共 26 页，剩余内容已隐藏，支付完成后下载完整资料

农产品:玉米、小麦、大豆和豆油的意外和波动溢出效应

作者 Hassan Hamadi Charbel Bassil Tamara Nehme

摘要

本文侧重于商品金融化和检查之间的相互依存程度主要农产品。具体来说,我们测试之间的相互依存程度玉米、小麦、大豆和豆油的回报波动性溢出效应。我们进一步研究了宏观经济的公告和新闻对这些商品的整合程度的影响。我们应用计量经济学工具的组合——ICSS算法,GARCH(1,1)和3SLS模型和合并结构性突变来测量瞬时和延迟这些农产品集成、资产组合多样化之间的波动溢出效应。我们发现双向波动溢出效应的重要证据,特别是有更多从大豆和豆油市场溢出,以玉米和小麦市场,比逆。此外，源自经济的意外对农产品的变化有很大的影响。

关键字：回报波动溢出效益、农产品集成、资产组合多样化、结构性突变,GARCH模型、结构方程

1. 背景介绍

全球股市的行为和股票市场影响因素的性能已经彻底检查,和金融市场之间的相互依存结构长期以来一直受到质疑。在任何市场,投资者主要担忧围绕利润最大化而降低风险。这是通过多元化资金在不同的资产。这种多元化理论首先关心的是弱相关的股票交换在同一市场,,后来扩大到包括不同资产类别的单一市场。这个理论被进一步扩展到包括不同资产类别在几个市场;交易概念称为国际投资组合多样化。最终,国际投资组合多样化了实体经济的金融化速度增加。Epstein (2005)将金融化定义为“金融动机的作用增加,金融市场,金融参与者和金融机构在国内和国际经济的操作。“因此,金融市场广泛传播,地理和交易的金融工具的数量。在过去的十年中,大宗商品成为投资组合多样化的一部分。大宗商品市场的金融化,称为商品化,引发了许多投资者的兴趣去探索潜在的多元化获得大宗商品(唐和熊,2012)。

事实上,所谓的“金融化”的商品在2004年和2005年之间生效。美国商品期货交易委员会公布的交易价值投资流入的增加各种大宗商品指数从150亿年的2003美元到2000亿年的2008美元(商品期货交易委员会,2008)。因此,投资大宗商品数量从1700亿年的约1700亿美元增加了一倍多,4100亿年的2013美元。此外,实证研究证实了一个结构性的存在打破2004年左右,因此,商品期货的金融化的开始(Irwin and Sanders, 2011; Hamilton and Wu, 2014)。通过金融工具投资大宗商品的增加,称为“商品金融化”,产生了一个渐进集成在大宗商品市场,反过来,上升水平的相关性和波动溢出(Karyotis and Alijani, 2016; Adams and Gluck, 2015; Olson et al., 2014).

这使得金融化相关政策制定者和金融投资者。政策制定者而言,金融化对其对实体经济的影响至关重要,尤其是在农产品领域。两个视角金融和实体经济是严格相关:最近强调了Lagoarde-Segot(2015、2016)和Karyotis Alijani(2016)商品金融化是属于一个更广泛的问题与金融部门的持续扩张和随后的影响之间的关系金融、经济和社会。事实上,几个关键因素的结合,随着信息技术的发展,经济的管制和股东价值范式的兴起,产生了一系列相互关联的金融和实体部门的变化,提出一个新的研究议程为国际研究团体(Krippner,2005;Lagoarde-Segot,2005;Lagoarde-Segot Paranque,2017)。

另一方面,商品金融化资产组合多样化策略具有重要意义。的相关性明显较低,大宗商品与股票和债券是基于相信大宗商品价格随不同基本面因素和风险因素,如天气、地缘政治事件,和供应条件(Daskalaki et al .,2014)。此外,大宗商品通胀时期看起来有吸引力,因为它们作为自然对冲通货膨胀(Bodie and Rosansky, 1980; Erb and Harvey, 2006; Gorton and Rouwenhorst, 2006).此外，微观经济理论还规定，商品本身可以通过可替代性和互补性来相互联系。例如，如果玉米价格上涨，饲养者可能会使用大豆饲料;因此，玉米和大豆在这种情况下是替代品。然而，如果大豆的价格大幅上涨，大豆被压碎以供应这种油，这一过程也将产生大豆粉，并可能导致大豆粕价格的下降。在这种情况下，大豆和豆油是互补品。

在最近几年,在不同类型的商品,特别在农产品方面,尤其是在2007-2009期间。事实上,农业大宗商品价格大幅波动和意想不到的极端波动(OECD, 2012。直到2007年,食品价格指数的演变(FPI)报告的粮食及农业组织(FAO)相当稳定,但它已经长大了平均59%的年增长率从2007年3月至2008年3月。自从FPI的演变反映了农业大宗商品的全球趋势,市场参与者,如生产者、消费者和投资者很关心农业大宗商品的运动以及政府决策。

大量文献记录了农产品的波动性溢出效应，并提出了大宗商品是多样化还是形成单一资产类别的问题。在农业经济学早期研究中, Anderson (1985)发现,九个美国谷物和小麦期货市场的价格变化规律预测的季节性。Pindyck和Rotemberg(1990)认为,许多不相关的大宗商品的价格往往一起移动。然后Malliaris and Urrutia (1996)是早期的一些研究人员采取兴趣农业大宗商品的期货价格之间的协整。他们发现，玉米期货市场对玉米、小麦、大豆和大豆等现货市场的价格发现过程具有长期影响。最近,Steen和Gjolberg(2013)得出的结论是,各地有不同的价格的变化并返回商品和大宗商品市场变得更加相互依赖，彼此和股市在2004年之后。然而，在2008年之前，联合运动一直保持相对稳定。事实上,在2008年的金融危机之后,商品之间的相互关系是广泛的高。Lahiani et al。(2014)采用VAR(1)GARCH(1,1)模型和McAleer(2003)和显示强烈的农产品波动之间存在的联系。特别是，玉米被发现用来解释糖、小麦和棉花的波动。根据Musunuru(2014),玉米和小麦价格走在一起,表现出明显的持久性冲击和高斯分布揭示了双向波动的联系。最近,Grieb(2015)采用两级GARCH-M Hamao et

al .(1990)方法,发现价格创新商品信息转移到其他商品。总的来说，玉米被证明是最广泛地接受和传导价格和波动性溢出效应的商品。

然而，其他研究显示，波动性溢出效应的证据不足。例如, Vivian and Wohar (2012)用GARCH(1,1)模型组成的大截面的28种不同商品,发现商品仍不同,而不是整合。他们还发现，即使在计入结构性破坏之后，大宗商品的波动性依然很高。Chevallier and Ielpo (2013发现,波动溢出效应较弱的商品比其他资产类别。特别是，农产品的溢出效应是最低的，而贵金属和能源则是最高的。Gardebroek et al。(2016)检查之间的跨市场依赖性玉米、小麦、大豆和报道,尽管明显更高的金融市场一体化的农产品,农业市场没有相互依存更加紧密。

针对上述实证研究,似乎在农产品价格波动溢出效应很感兴趣正在增长,尤其是鉴于近期和当前全球经济困难。然而,我们发现有冲突的观点和矛盾的经验证据之间存在或缺乏集成农业大宗商品市场和商品金融化的增加是否损害多样化的好处。这一点投资者感兴趣的,因为它可能会危及知名商品多样化的影响。例如,在大宗商品市场波动相互作用,如果他们存在,可能会降低多元化策略的有效性。不同的结果的一个原因可能是不同的研究手段。

此外,似乎被忽略在大多数文献是国家信息和宏观经济的影响公告对农业大宗商品市场之间的联系(Vivian and Wohar, 2012; Grieb, 2015)。考虑到这些变量允许我们调查的程度不同的农产品可以被认为是一种资产。普遍认为,一种资产类别应该显示的高度集成,因共同的冲击和共同的经济基本面(Greer,1997)。此外,许多研究文献的主要缺点是他们忽视农产品结构性突变的时间序列波动(Steen Gjolberg,2013;Musunuru,2014)。事实上，如果忽略了波动序列中的结构性突变，则倾向于高估方差分布。这可能对大宗商品市场的相互依赖程度有重要影响。因此，对大宗商品可获得的投资组合收益进行更现实的评估，将导致结构性的突破。

接下来，我们试图通过报道上述两个问题来填补这一空白。此外，这项研究关注的是农业大宗商品的一个特殊领域，即谷物行业。通过对ICSS的依赖，我们克服了忽视结构性突破和高估收益差异的缺点。我们考虑一个GARCH(1,1)模型,发现瞬时和延迟波动溢出效应在玉米、小麦、大豆和豆油。我们进一步研究了宏观经济的公告和新闻意外对农产品价格瞬时波动的影响，同时估计了一个联立方程模型。最后最重要的是,我们在投资组合,分析商品金融化的贡献是多么有益的在不同的农产品多样化。

本文的其余部分是按如下方式组织的。在第2部分,我们现在所使用的数据和定义变量。在第三节,我们讨论的方法和不同的估计模型。在第4节中，我们将讨论我们的经验结果。在第五部分，我们总结。

1. 数据和变量的定义

样本包括每日为四个主要的农产品期货价格,即玉米(cor),大豆(soy)、小麦(wht),和大豆油(sol)从1999年12月30日至1999年5月5日。我们使用每日数据，以充分捕捉这四种农产品之间动态互动的速度和强度。连续的上述商品期货的价格最近的到期合同在芝加哥期货交易所(CBOT)。研究的农业大宗商品并不是任意选择的。根据2015年4月14日星期五的承诺交易员(COT)报告,这是每周发布的商品期货交易委员会(CFTC),玉米,糖、大豆、小麦和大豆油在农产品交易的最高价值。从这五大宗商品、玉米、大豆、小麦和大豆油被选为代表的农业大宗商品市场,因为他们(1)属于粮食部门和(2)都是在芝加哥期货交易所进行交易。我们排除了糖从我们的样品,因为它属于软部门和国米大陆交易所交易(ICE)导致冲突与芝加哥期货交易所的交易时间,在收集到的数据不一致导致缺失值。因此,我们避免非同步的交易的问题,出现了由于跨市场交易时间之间的差异。

关于宏观经济的公告，我们使用了从彭博数据库中提取的4个美国国家新闻数据：

bull;消费者价格指数(CPI):措施由消费者支付的价格市场的一篮子消费品和服务及其百分比变化代表了通货膨胀率。

bull;目标联邦基金利率(美联储):它表明短期利率目标由美联储联邦公开市场委员会(FOMC)作为其货币政策的一部分。2008年12月，目标“联邦基金”水平被一个目标范围所取代，在这个研究中，这个范围的上限被使用。

bull;失业率(U):它追踪失业人员的数量比例的劳动力(使用 失业总数)。这些数据通常来自家庭劳动力调查。

bull;非农业(支付):它测量员工对企业就业的数量。它有时也被称为“建立调查就业”，以区别于家庭调查的就业指标。

对于这四个变量,我们检索的实际新闻发布值和相应的市场预期或预测从1月2日,2002年5月5日,2015年。彭博社对宏观经济新闻市场预期的同步调查数据由调查小组成员的预期中值组成。然而,整个宏观经济指标度量单位明显不同。例如,美国CPI指标是衡量每月变化百分比(MoM%)，而美国员工月度非农就业指标衡量净变化（MoM net change）。因此，为了让不同的指标进行有意义的比较，这项研究将这些连续变量转换为假设。拒绝原假设的值为0,如果预测价值等于实际价值((no surprise),并以一个如果预测价值的价值不同于实际价值(惊喜)。因此,如果一个声明的定义是一个惊喜,那么它的拒绝原假设值的一个。缺少值的天数被视为无意外的天数，因此相应的拒绝原假设在这几天将等于零。因此,创建四个假设;每四个宏观经济的一个公告(DCPI, DFED, DU and DPAY )。

除了四个宏观经济公告,本研究采用彭博社经济意外指数(BESI)考虑到宏观经济的影响公告。BESI是基于彭博社对经济分析师的调查，该调查是根据经济数据定期发布的39个美国周刊和月度时间系列报道的。它涵盖了从2000年1月3日(指数)的开始日期到5月5日,2015年。惊喜元素是按照百分比计算差异的实际经济数据释放,释放的分析师预估中值,平滑和六个月的衰变。6个月的衰变是一个加权平均，通过分配一个相对的权重来计算一个相对权重，并给出一个更高的权重。对于每周的系列，如美国的失业索赔，24周期间的重量从24周的24小时线性衰减到目前最老版本的1。每月发布、权重来自每周的权重,例如,最新的重量是一样的权重之和为最近4周(90 = 24 23 22 21)。这个索引不是随机选择,事实上,大多数研究人员集中研究反应资产的一个或几个经济数据发布,本文假定一个聚合的美国经济数据意外指数可以有利于预测未来趋势在美国经济活动以及潜在回报波动的传播趋势农产品之一。

1. 方法

联立方程模型估计本文为了(i)评估之间的相互依存的返回波动四大宗农产品期货合约,(ii)估计的影响新闻惊喜每一种商品期货的波动。此外,返回波动性建模为GARCH(1,1)结构性突变。

• 1. 初步测试

根据Hillebrand (2005)，结构性突变的无条件方差将导致断点的GARCH模型。因此，重要的是考虑结构性的突破，同时对回报的波动进行建模，以避免高水平的波动持久性，这表明这些冲击是高度持久的(Ewing and Malik, 2013)。为了测试一个恒定的无条件方差的零假设与备择假设的休息四个商品的无条件方差的回报,我们使用修改后的迭代累积的方块(ICSS)算法,它是由Inclan and Tiao (1994)提出的。另一方面,我们检查样本自相关函数(ACF)和偏自相关函数(PACF)这些系列为了确定的顺序ARMA(

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[139749]，资料为PDF文档或Word文档，PDF文档可免费转换为Word