--黄大豆期货价格与现货供给量的关系

【摘要】 期货价格的变动，受许多因素的共同影响，这种影响是有规律的，它们之间存在一种大致确定的关系。现货商品供给量是诸多影响因素之一，本文借助spss软件，以黄大豆1号合约为载体，对期货价格和现货供给量之间的关系进行分析，建立二者间的关系模型，得出所谓的期市反供给曲线，可以用本期变量对下一期的期货价格作粗糙的估计。并对估计的方法步骤作出了阐述。同时，分析了大豆与其替代作物的产量之间的关系。最后对本次建模的不足之处作了讨论。 【关键词】 反供给曲线 现货供给量 异常分布 大豆替代作物 【正文】 一直以来，人们都希望能够测算出未来某一时刻或时段内，价格的具体点位或波动范围（当然上下限不能离实际价格太远）。常见的方法是，在历史数据的基础上，建立期货价格与若干其他变量相互关系的数理模型，经验证后，可用解释变量某期的值，代入回归曲线来测算被解释变量在目标期内的价位。笔者也想沿着这样一条路，以黄大豆一号合约为载体，研究期货价格与其相关因素之一（现货供给量）的关系，即使不能建立模型，也能对加深有关因素对于期货价格的影响的认识。 一、 市反供给曲线 （一）理论阐述 把供给曲线放到期货市场上来，就是期市的供给曲线。而供给曲线以供给量为因变量，以价格为自变量，反映在某一价格下，市场愿意提供的某种商品的数量。现在，我们把现货的供给量作为自变量，把期货的价格作为因变量，来反映在市场达到某一供给量时，期货价格会是多少？ 这条曲线的理论支持是：由于"供大于求，价格跌，供不应求则价格涨"，以及"期货市场与现货市场价格平行性"的原理，交易者根据现货市场上商品的供给量来判断其期货价格的涨跌，决定自己报出的操作方向和价位。供过于求时，开空仓或平多头的下单增多，从而向下打压价格；供不应求时则相反。由此，期货价格和商品现货供给量之间形成一种数量上的关系。 （二）数据收集说明 1、供给量 供给量=期初库存+当其产量+当期进口－当期出口 表一，中国大豆历年数据表 中国大豆历年数据表（单位：万吨） 日期 产量 面积[万公顷] 进口 出口 净出口 总供给 需求[万吨] 1988 1160 812.4 15.2 418 133.4 1026.2 -- 1989 1022 803.8 0.1 117 116.9 905.1 -- 1990 1100 756.3 0.1 94 93.9 1006.1 -- 1991 988.7 704.1 0.1 111 109.9 1050 -- 1992 1042.4 722.1 12.1 66.1 54 1040 -- 1993 1530.7 945.4 9.9 37 54 1543 1543 1994 1599.9 922.4 5 83 78 1615 1615 1995 1350.4 812.6 79.5 37.5 -42 1429 1429 1996 1322.2 747.1 220 30 -190 1549 1549 1997 1437 822 298 20 -278 1866 1866 1998 1385 820 350 10 -340 2202 2202 1999 1350 800 440 23 -417 2629 2629 2000 1600 930 1042 20.8 -1021 3181 3181 2001 1545 900 1394 30 -1369 3070 3070 2002 1650.7 872 1132 27.5 -1104 3269 3269 2003 1640 913.3 2074 26.8 -2047.3 3900 3790 2004 1740 998.9 2023 33.4 -1989.6 4375 3815 2005 1830 998.9 2659 39.6 -2619.4 4493 4489 注： ①、000.00为预测数据 ②、2000年中国大豆产量是按国内相关报导，中国大豆2000年耕种面积大约增加18%，然后用1989年-1999年以来每公顷的平均产量1.68吨（亩产220 ） 资料来源：天琪期货 上表中，我们截取1995年以来的数据，因为黄大豆一号期货合约的连续价格自1995年1月才出现,数据少于产量的数据，故两组数据中，照顾少者。 2、价格 选取豆一月线图中，每年1月份的收盘价。这是因为我所获取的产量指标是以年为单位，另外，月线比200天均线反映要灵敏。选1月份是因为市场是据上一期的产量博弈本期的价格。 表二、黄大豆一号和约价量表 日期 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 收盘价 2322 3024 2930 2718 2030 2094 2166 1939 2566 3264 2600 供给量（万吨） 1429 1549 1866 2202 2629 3181 3070 3269 3900 4375 4493 （三）、回归分析 用spss软件对价格和供给量进行相关性分析得， 图表三、期市价量散点图 两者相关系数0.012，高度不相关，根本不可能做出线形模型。散点图上我们看到，1995年、2003年分布异常，2004年、2005年分布自成一向右下倾斜的趋势。 如果我们剔出这些点，再拟合曲线。则 相关系数-0.944，高度负相关，进一步用spss软件做回归分析，则有 Regression 于是，我们可以得到收盘价与供给量之间的线形回归方程 Y=4031.224-0.637X t值分别为15.426，-6.375，查表知检验显著，方程可以接受。决定系数R square值为0.944，说明模型对数据有94.4%的解释力。 至此，我们得到了黄大豆期货合约的期市反供给曲线Y=4031.224-0.637X，其中现货供给量X每变动0.637个单位（万吨），则期货价格变动1个单位（元/吨）。 二、 供给曲线的使用 （一） 、步骤 首先，用上一期的供给量减去上一期的销量，得出本期起初的库存； 其次，统计本期进口量和出口量，两者相减，得到本期净进口； 第三，估算本期国内产量，为国内每亩平均单产乘以播种面积。 第四，将前三步所得数值加总，得到本期总供给，带入方程Y=4031.224-0.637X中，求得下一期一号黄大豆期货的价格。 （二） 、公式 本期起初库存=上期供给量－上期销量 本期净进口=本期进口量－本期出口量 本期国内产量=国内平均每亩单产×国内播种面积 本期总供给量=本期起初库存+本期净进口+本期国内产量 下一期豆一连续价格=4031.224-0.637×本期总供给（单位：万吨） 三、异常点思考 （一）、从用途看大豆的替代作物 为什么会出现四个年度的异常点呢？我们首先会想到替代品问题。由于替代作物某些年分的价格或产量的波动，影响到大豆期货价格的有规律运动。我们知道，大豆用途主要有这么几种： 图表四、大豆主要用途 其中食用大豆占去了大豆供给的大部分，主要用去榨油。在食用植物油市场上，豆油所占份额虽然最大，但其他种类植物油的竞争也很强烈。如图 图表五、中国食用植物油的消费结构（2004/2005） 资料来源：中国农业大学，何荣秀老师 从图中看，菜籽油，花生油等占的份额也不小，这些作物的产量和价格变化，对豆油价格，进而对大豆价格会产生影响，使大豆价量散点图上，出现异常分布。我们不妨来看一下大豆与其替代油用作物产量间的关系， 如图 图表六、大豆与其油用作物之间的关系（1994~2004） 数据来源：国家统计局 从图上可以看出，1994年到1995年，从2002年到2003、2004年，主要油料作物产量变化平稳，从供给角度难以解释图表一中，1995、2003、2004、2005四年价格的异常分布，只能推测，这几个年份的需求变动异常，或者政策对价格的调控。 除了油用作物产量的替代影响外，饲用作物的替代效应也可能导致价格的异常，而对大豆的副产品--豆粕这种饲料其替代效应最大的是玉米。 图表七、大豆及其替代饲用作物的关系 数据来源：国家统计局 如上图，玉米在1995年、2003年玉米产量相对于前一年来说都有增长，不能 从供给角度解释为何出现图三中供给高而价格也高的异常。我们只能从别的角度，比如说从需求上看，图三中2004、2005年两年的量价分布，相对过去六年虽然异常，但单独把它们放在一起看，却显示出04年起有一波大的行情。 （二）、大豆与其替代作物之间产量的相关性 历年主要农作物产量 时间 玉米 油菜籽 花生 大豆 1994 9928 749 968 1600 1995 11199 978 1024 1350 1996 12747 920 1014 1322 1997 10431 958 965 1437 1998 13295 830 1189 1385 1999 12809 1013 1264 1350 2000 10600 1138 1444 1600 2001 11409 1133 1442 1545 2002 12131 1055 1482 1651 2003 11583 1142 1342 1640 2004 13029 1318 1434 1740 注：大豆数据来源于天琪期货，其余来源于国家统计局 我们用spss软件对其进行相关性分析，得到 可知，大豆产量与玉米、油菜籽、花生产量的相关系数分别是-0.19、0.573、0.628。大豆产量与玉米产量的负相关关系，显示它们之间存在轻微的替代关系；而大豆同油菜籽、花生的产量之间却是正相关关系，从产量上说，似乎不是一种替代关系，而是一种轻微的互补关系。原因可能是由于我国的食用植物油市场还未饱和，或是由于我国食用植物油品竞争力较强，使其可以在国际市场上继续开拓份额。从而导致对各种榨油作物需求的增长。 四、供给曲线存在的问题 第一、理论上的疏漏 期货价格虽然与现货产量存在必然的联系，但这种关系究竟是不是一次线性的，并无可靠的佐证。于是，用一元回归线性模型来分析二者之间的关系，本身就有不妥之处。也许用多元回归模型会更好一些。 第二、 据收集的问题 进出口可以从海关等部门得到确切的数字，销量的统计则较为困难，播种面积的统计则是可准可不准的事情，有必要的人力财力，严加督导，就能得到准确的数字，否则，走走形式，吃吃喝喝，甚至瞎编，都不可能得到准确的数字。每亩单产通常是个均值，而非众数。还有即便是一些偏差较大的数据，大多数人也不注意保存和维护。许多权威的部门统计的农业数据，对我们农产品期货来说不够细化，而许多专业的农产品期货、现货数据又不轻易公开。这些问题造成有先进的统计方法，而没有可供分析的数据。如本文用到的11个样本，本就不多，去掉异常分布的4个，只有7个。 第三、 检验上的问题 模型仅仅通过了统计学上的一般检验，而实践中的外插预测，还没有进行，起码等到2006年年末。 结语：黄大豆一号合约的期货价格与现货供给量之间，存在着某种互动关系。用模型表示则为Y=4031.224-0.637X，其中，X是本期现货供给量，Y是下一期期货的价格。这个一元线性回归模型虽然不是很精确，但毕竟对价格与相关影响因素之间的关系，给出了一个简陋的答案。我们可以借助这个模型，利用本期的现货价格来预测下一期的期货价格。同时，带着在建模过程中发现的问题，沿着这种模型化的思路，笔者将在今后的期货人生中继续探索。 参考文献 1、李子奈《计量经济学》高等教育出版社 2、国家统计局网站 3、天琪期货
(大连商品交易所)