施林坚
一、研究背景
随着2007—2008年粮食危机以及2011—2012年粮价高峰的出现，国际大豆价格在近几年波动剧烈，导致大豆主产国的大豆大量外流。为了保障国内的大豆供给，阿根廷、中国均实施了大豆贸易调控政策。多数研究认为，大豆主产国实施大豆贸易调控政策，破坏了国内大豆市场和国际大豆市场之间的价格联系。[1]甚至有研究提出，贸易调控政策并不能达到稳定价格的目的，甚至加剧了粮食价格的波动。[2]
（一）市场背景
从市场来看，农产品价格沿产业链会发生价格的非对称传递，主要是指两个方面：一是产业链上不同节点之间价格传递强度上的非对称性；二是价格的“正向”变化和“负向”变化（即价格“上涨”与“下跌”或“利好”与“利空”）在产业链上传递的非对称性，属于价格传递符号的研究。为了获得更多的利润，中国大豆加工商是否存在利用其市场地位，干扰上下游产品价格传递的行为，在中国实施大豆贸易调控政策实施期间，这种行为是否受到影响，值得研究。
（二）政策背景
以往很多学者在研究大豆贸易调控政策的影响时，主要关注政策对大豆产业的影响，定性分析居多，[3][4]定量分析较少，且并没有更深入的研究。例如，在价格符号非对称传递方面，国内学者的研究虽然检验了价格上涨（正向消息）和价格下跌（负向消息）对生猪或猪肉价格的冲击，[5]但其假设仅局限于协整关系处于不变的经济环境下。实际上，在2007—2008年粮食危机期间，国内外的经济环境发生了剧烈变动，不同市场间的价格传递状态随之发生变化，而并非只有一种状态。[6]
因此，本研究在考察大豆贸易调控政策对国内大豆—豆油价格传递符号的影响时，将识别出价格传递的各个状态，进而在这个基础上，构建非对称误差修正模型（APT—ECM），分析上游市场对下游市场“正向冲击”与“负向冲击”的不同，研究假设更贴合实际，所以得出的结果可能更准确。
二、模型与数据
（一）样本选取与数据来源
1.样本选取
选取中美两国2006—2013年（选择2006—2013年作为实证分析的时间区间，是因为中国的豆油期货交易是从2006年开始的，而2013年的数据是在大连商品期货交易所下载的最新的年份数据）大豆期货价格序列和豆油期货价格序列作为分析样本，周度数据共415个。
2.数据来源
中国的分析样本，取自大连商品期货交易所（DCE），美国的分析样本，来自芝加哥期货交易所（CBOT），由同花顺数据库提供。
分别对大连商品期货交易所（DCE）的大豆期货数据、豆油期货数据和芝加哥期货交易所（CBOT）的大豆期货数据、豆油期货数据取自然对数，得到中、美两国的ldd（大豆价格序列取对数）、ldy（豆油价格序列取对数）。
（二）样本状态划分
在大豆—豆油价格传递中设定的两种状态的概率转移图（见下图。这里未对使用马尔科夫转换向量误差修正模型进行状态区分作过多描述），给出了2006—2013年两种状态各自所占据的时间，状态一为正常状态，状态二为危机状态。
1.正常状态的发生时间（年份后面的数字为周）
2006.5—2006.8，2006.10—2006.18，2006.21—2006.42，2006.49—2006.8，2007.10—2007.18，2007.23—2007.35，2007.39—2007.51，2008.2—2008.4，2008.15—2008.18，2008.21—2008.29，2008.36，2009.3—2009.5，2009.9—2009.15，2009.17—2009.18，2009.20—2009.22，2009.24—2009.31，2009.37—2009.48，2009.50—2010.16，2010.19—2010.40，2010.42—2010.43，2010.45，2010.47—2011.7，2011.10—2011.16，2011.19—2011.37，2011.40—2012.23，2012.26—2012.43，2012.45—2013.16，2013.18—2013.25，2013.28—2013.32，2013.37—2013.51。
2.危机状态的发生时间（年份后面的数字为周）
2006.4，2006.9，2006.19—2006.20，2006.43—2006.48，2007.9，2007.19—2006.22，2007.36—2007.38，2007.52—2008.1，2008.5—2008.14，2008.19—2008.20，2008.30—2008.35，2008.37—2009.2，2009.6—2009.8，2009.16，2009.19，2009.23—2009.24，2009.32—2009.36，2009.49，2010.17—2010.18，2010.41，2010.44，2010.46，2011.8—2011.9，2011.17—2011.18，2011.38—2011.39，2012.24—2012.25，2012.44，2013.17，2013.26—2013.27，2013.33—2013.36，2013.52。
从上图可发现，在大豆贸易调控政策实施期间，危机状态大量出现并且与正常状态频繁转换。这说明，中国大豆—豆油的价格传递状态，在该时间段和其他时间段存在明显的不同。
（三）大豆—豆油APT-ECM模型构建
1.模型选择
目前，分析价格符号非对称传递的方法主要有两种：一种方法是将门限特征与误差修正模型结合（门限误差修正模型）；另一种方法是将变量分离技术与误差修正模型结合（非对称误差修正模型）。这两种方法各有优劣。[7]考虑到门限误差修正模型存在难以解释经济涵义的缺陷（于爱芝、郑少华，2013），[8]因此，用非对称误差修正模型，分析价格符号的非对称传递。
2.非对称误差修正模型
非对称误差修正模型（APT—ECM）为：
其中，Δ表示差分运算符号，Δpyt=pyt-pyt-1、Δpxt=pxt-pxt-pxt-1、pyt、pxt分别表示大豆产业链上的豆油市场价格和大豆市场价格；Δp+xt表示大豆价格上涨变量；Δpxt表示大豆价格下跌变量；β1i、β2i分别为Δp+xt-i和Δp-xt-i的系数；εt-1为误差修正项。
根据误差修正项的经济含义，ε+t-1表示豆油生产成本下降ECTt=ldyt-1-β11（st）-β21（st)lddt-1，其值大于零，即代表豆油生产成本下降；ε-t-1表示豆油生产成本上升；λ1和λ2为ε+t-1和ε-t-1的系数；vt为误差项。
模型的原假设为，β1i=β2i，且λ1=λ2。当拒绝原假设时，说明价格传递不对称。
三、中美两国APT—ECM模型估计结果分析及解释
（一）自相关和价格非对称性
为了检验价格传递是否存在自相关和价格非对称性，本研究借鉴VonCramon-Taubadel、Loy的做法，[9]加入DW检验（一阶自相关）、Wald检验（约束条件是否成立），研究价格传递的非对称特征。由于GH协整检验滞后阶取1，所以APT—ECM模型滞后阶取1。
根据对比分析方法，如果需要考察大豆贸易调控政策对大豆价格符号传递的影响，应比较大豆贸易调控政策实施和未实施状态下的大豆价格传递符号的不同，还将对比分析中国和美国APT—ECM模型的估计结果。
（二）大豆—豆油APT—ECM各项检验结果
1.各项检验结果
表1为中美两国APT—ECM模型在正常状态和危机状态下的检验结果。
由F统计量可知，中国和美国的APT—ECM模型在1%的水平上总体显著。DW统计量表明，中美两国在各个状态下的DW值均接近2，模型并不存在一阶自相关。
2.检验结果分析
对3个Wald检验的结果进行分析：模型的原假设为β1i=β2i，且λ1=λ2，则上述4个模型均拒绝了原假设。说明中国和美国大豆产业链在正常状态和危机状态下的大豆价格传递均存在非对称性。
（三）大豆—豆油APT—ECM系数估计结果及分析
中美两国APT—ECM模型的系数估计如表2所示。
表2为4个模型的估计系数（由于4个模型的Δpyt-1、ε+t-1、ε-t-1项的系数很小，且大多不显著，所以系数估计结果和分析中未列出），可从纵向、横向、综合3个角度作分析。其中，纵向角度：大豆价格正向冲击与负向冲击对比。横向角度：中美两国危机状态相对变化量的对比。综合角度：中美两国当期和滞后期价格冲击对比。
1.纵向角度分析：大豆价格正向冲击与负向冲击对比
（1）在正常状态下，从中国大豆模型结果来看，Δp+xt、Δp-xt的系数（当期价格上涨符号和下跌符号）分别为0.3238、0.7303，说明当期大豆价格上升对豆油价格的冲击小于价格下降的冲击；Δp+xt-1、Δp-xt-1的系数值（滞后期价格上涨符号和下跌符号）分别为0.0305、0.2049，说明从滞后一期的价格传递也表现出同样的结果。这表明在正常状态下，中国大豆加工商并不能为自身获取更多的潜在利润。关于加工商对农产品价格波动的反应的研究，已有文献研究但并未得出具体结论。多数研究认为，加工商能够运用其有利的市场地位，在农产品价格上涨过程中，将更多的价格上涨幅度传导至下游（Δp+xt-i的系数越大）；在农产品价格下跌过程中，传递的价格下跌下跌则相对较少（Δp-xt-i的系数越小），从而保留了更多利润。[10][11][12]郭利京所说的市场势力体现并不明显。[13]本研究认为，在正常状态下，大豆和豆油市场都与国际市场对接，且国内大豆加工市场一直处于激烈的竞争状态，中国大豆加工商没能力做到市场分割，反而需要通过降低价格，以提高市场占有率，所以无法体现市场势力。
（2）在危机状态下，Δp+xt、Δp-xt的系数分别为0.5285、0.5747。大豆价格上升和下降的冲击已基本接近，而Δp+xt-1的系数值为0.6817，大于Δp-xt-1的系数值（－03716），模型B的Δp-xt-1的系数为负值。此类估计结果在胡华平等、于爱芝等的研究中也存在，[14][8]不过他们并未对此类估计结果作过多讨论（关于这一点，本研究从国内大豆加工商提前采购大豆的角度作了解释，详见下文）。这说明在危机状态下，中国大豆加工商的市场势力得以发挥，在一定程度上，能够将上升成本转移至消费者，在成本降低时可以保留更多利润。本研究认为，在危机状态下，进口激励政策导致大豆进口不断增加。同时，豆油价格的不断提升，使得豆油加工商的竞争压力相对减小，面对消费市场有了更多的议价空间。中国大豆加工商的市场行为，在大豆贸易调控政策作用下得到强化，加工商的市场势力得以体现。而美国的大豆加工商也有类似情况。
2.横向角度分析：中美两国危机状态相对变化量的对比
对比4个模型当期大豆价格的正向冲击（Δp+xt）和负向冲击（Δp-xt），可发现两种冲击表现出不同的变化：一是危机状态下的正向冲击都变大，其中，模型B增长了63%、模型D增长了149%。二是危机状态的负向冲击都变小，其中，模型B减小了21%、模型D减小了38%。模型B当期大豆价格正向和负向冲击的相对变化量均小于模型D，表明危机状态下，中国大豆加工商在大豆价格上涨时，能将部分上涨幅度转嫁给消费者。同时，在大豆价格下跌时，能够控制对豆油价格的传递，但这种能力弱于美国。
从滞后期大豆价格的正向冲击（Δp+xt-1）来看，模型B、模型D的正向冲击分别增长了2135%、1232%，模型B的正向冲击增长高于模型D。说明中国大豆加工商在滞后期大豆价格上涨时，传递上涨幅度的能力更强。值得提出的是，危机状态下，中美两国的滞后期大豆价格上涨时，向下游传递的上涨幅度很大。原因可能在于，中美两国的大豆加工商在大豆价格剧烈上升时，均有提前收购大豆，以降低当期的豆油生产成本的趋利行为。这种行为在大豆价格大涨的时候发挥了巨大的缓冲作用。
大豆加工商在预期大豆供应价格急剧上升时，采取提前采购大量原材料，以规避风险的行为符合经济解释。相关媒体对此类新闻也有报道，如《台湾提前一年采购巴西和美国大豆》（中国小麦网，2012年8月29日，http：//www.xiaomai.cn/html/news/20120829/288344.html）。这一点可从中美两国的大豆库存变动量得到一定程度的佐证：1996—2007年，中国大豆库存量一直保持在200—400万吨/年。2008年中国大豆库存同比提高了113%，达到905万吨，2009年又增长了421万吨，达到1326万吨。而同期美国的大豆库存也有接近10%的增长。中国大豆库存的增幅远远高于美国，这有可能是导致模型B的系数值为－0.3716的原因，即大豆加工商前期积累了大量的大豆库存，当大豆价格下降时，积累的大豆库存成本相对较高。当大豆价格进入下降通道时，大豆加工商仍然使用库存大豆做生产，从而导致前期大豆价格的负向冲击，反而会推动当期豆油价格的上涨。
3.综合角度分析：中美两国当期和滞后期价格冲击对比
对比4个模型的当期系数，可发现模型A和模型B的和系数均小于模型C和模型D。而从4个模型的滞后期系数来看，模型A和模型B的和系数的绝对值，均大于模型C和模型D。这说明美国豆油市场对当期大豆价格的变动更加敏感，而中国大豆价格涨跌对豆油市场的影响更持久。
四、结论与建议
（一）结论
通过以上分析，可得出：中美两国大豆产业链的价格传递，在正常状态和危机状态下均为非对称传递。
中国大豆加工商的市场势力在正常状态下没有体现。在危机状态下，由于大豆贸易调控政策的作用体现更明显，能通过价格调整取得更多利润（大豆价格正向冲击幅度增大，负向冲击幅度减小）。在大豆贸易调控政策实施期间，中国大豆加工商对当期大豆价格的调整能力偏弱，但在滞后期大豆价格上涨时，传递上涨幅度的能力更强，而且中国大豆加工商在大豆贸易调控政策实施期间，存在提前收购大豆的趋利行为。美国豆油市场对当期大豆价格的变动更加敏感，但中国大豆价格涨跌对豆油市场的影响更持久。
（二）建议
大豆加工业在调控政策期间大量提前收购大豆的行为，在一定程度上抵消了贸易调控政策的作用，而且大豆加工企业的价格调整能力也削减了消费者的福利，使消费者的潜在福利受损。
因此，在调控政策实施期间，应将大豆加工业的行为偏好纳入考虑范围，并加强规范和引导，如建立政府与企业之间的谈话机制，严格对新建及扩建大豆油脂加工项目的审批，推进多种手段发展花生、菜籽等其他油料的生产，以及制定、修订和颁布大豆加工业的相关标准，从各个方面促进我国大豆加工业的健康发展。
13888888888
点击咨询 