我國大麥價格波動特征及其影響因素分析*

賈小玲，孫致陸，李先德

(中國農業科學院農業經濟與發展研究所，北京 100081)

0 引言

大麥是飼料行業和啤酒行業的重要原料。長期以來，我國大麥生產一直以小規模分散種植為主，種植面積小、生產成本高。根據聯合國糧農組織(FAO)數據可知，我國大麥收獲面積從1961年至今總體上呈逐漸萎縮趨勢， 21世紀以來持續低于100萬hm2且不斷減少，近年來保持在50萬hm2左右。伴隨著大麥收獲面積的減少， 1995年以來，我國大麥產量整體上也呈現不斷下降的趨勢。1995～1997年我國大麥產量還保持在400萬t以上，而從1998年開始降至400萬t以下，其中1998～2006年的多數年份仍高于300萬t，從2007年起進一步降至300萬t以下，到2015年為186.84萬t，比1995年減少了255.16萬t，下降了57.73%。根據國家糧油信息中心數據，近年來我國大麥消費需求總量保持在400萬t以上，國內大麥產量已不能完全滿足消費需求，主要依靠大量進口來進行調節，所以大麥進口規模一直保持在很高水平。1995年以來，我國大麥進口量在除2007年外的其他年份里均保持在100萬t以上，其中，在1995～2003年和2004～2007年經歷了兩次較為明顯的“先增后減”的變化過程， 2008年以來則在總體上保持增長的勢頭， 2016年達到456.3萬t，且進口量始終大幅高于出口量。2004年以來我國全面放開糧食市場和價格，市場機制在糧食價格形成中發揮決定性作用，我國大麥價格也是在市場機制作用下形成的，并且近年來隨著國際大麥價格的持續震蕩和國內農業生產成本的全面大幅攀升，我國大麥價格也出現了劇烈波動。而大麥價格的持續頻繁波動，對大麥種植戶、經銷商以及加工企業等大麥產業鏈相關主體都造成了很大沖擊，嚴重影響了大麥種植戶的生產積極性和大麥產業的平穩發展。因此，深入研究我國大麥價格波動特征及其影響因素，對提升大麥產業鏈相關主體識別和應對市場風險的能力，促進大麥產業的健康發展具有重要現實意義。

1 文獻綜述

農產品價格波動及其影響因素問題一直受到國內學術界的廣泛關注，并且出現了大量的研究成果。在農產品價格波動的研究對象方面，主要分析了我國小麥、玉米和水稻、大豆等主要糧食作物以及棉花、大蒜和柑橘等主要經濟作物[1-6]。在農產品價格波動特征研究方面，羅萬純和劉銳[3]采用ARCH類模型對我國糧食價格波動及其非對稱性進行了分析，認為小麥和玉米價格波動具有顯著的集簇性，小麥價格波動具有非對稱性； 林光華和陳鐵[7]運用ARCH類模型分析了國際大米價格波動規律，認為國際大米價格存在一階ARCH效應和“杠桿效應”。在農產品價格波動影響因素研究方面，溫鳳榮和史建民[1]通過構建多元回歸方程，認為生產成本是影響主產區玉米價格波動的主要因素； 劉光俊和胡繼連[4]采用ARCH模型進行分析，認為供需變動是影響山東省棉花價格波動的主要因素； 李京棟和張吉國[5]基于VAR模型分析，提出貨幣供給和成本消耗等會對大蒜價格產生較大影響。已有關于我國農產品價格波動特征及其影響因素的研究為文章提供了有益的參考和借鑒，但目前國內還缺少對我國大麥價格波動特征的研究，更鮮有關于其影響因素的分析。有鑒于此，該文基于當前國內外大麥市場形勢，先采用HP 濾波法和ARCH類模型深入探究我國大麥價格波動特征，然后采用脈沖響應函數分析我國大麥價格波動影響因素，最后提出相應的政策建議。

2 我國大麥價格波動特征分析

2.1 數據說明

該文使用的我國大麥價格數據來源于谷鴿久久網，根據數據的可獲得性和完整性，具體包括了江蘇、甘肅、云南、新疆、內蒙古和湖北等6個大麥主產省區2011年4月至2017年2月的大麥市場貿易商收購價格數據(元/kg)，共426個省級月度時間序列數據，其中，江蘇、甘肅、新疆和內蒙古是我國啤酒大麥主要產地，云南和湖北是我國飼料大麥主要產地； 對于個別省份在個別月份缺失的月度價格數據，以其相鄰月份的月度價格數據算術平均值來近似表示； 進一步對各省份在相同月份的大麥月度價格取算術平均值，計算得到全國大麥月度價格。為了使不同月份的大麥月度價格數據之間具有可比性，根據樣本期，該文還利用經過調整的全國月度CPI指數(以2011年4月為基期)對全國大麥月度價格數據進行了平減處理，以消除物價波動因素的影響并得到大麥月度實際價格。除大麥實際價格外，該文還運用價格收益率指標來分析大麥價格波動特征。價格收益率指標以RP來表示，其計算公式為：RPt=lnpt-lnpt-1； 其中，pt和pt-1分別表示第t月和第t-1月的大麥實際價格。

圖1 2011年4月至2017年2月我國大麥價格的Census X12季節調整分析

圖2 我國大麥價格的HP濾波分解分析

2.2 Census X12季節調整分析

農產品價格波動通常呈現出一定的周期性和季節性特征，而季節要素和不規則要素往往會掩蓋價格的真實變化特征，因此在分析農產品價格波動特征之前，需要先對其進行季節調整，剔除其中的季節要素和不規則要素，以期更好地揭示其趨勢性和周期性變化特點[8]。Census X12季節調整方法是一種較為常用的季節調整方法，其一般形式為Yt=TCt+St+It； 其中，TCt、St和It分別表示趨勢要素、季節要素和不規則要素。該文采用Census X12季節調整方法對大麥月度價格進行季節調整，結果如圖1。圖1-4中大麥月度價格的趨勢要素序列是原始序列(圖1-1)剔除掉其季節要素序列(圖1-2)和不規則要素序列(圖1-3)后得到； 經過比較可知，大麥月度價格的趨勢要素序列比原始序列更加平滑，說明我國大麥月度價格受季節要素和不規則要素的影響比較大。根據圖1-2可知，樣本期內我國大麥月度價格季節要素序列表現出明顯的季節分布特征，大麥價格波動存在很強的規律性； 根據圖1-3可知，在2012年4～10月、2013年4～12月和2015年4～11月，我國大麥月度價格不規則波動起伏最為劇烈，說明一些不可觀測的不規則要素在很大程度上影響和決定了這3個階段的大麥月度價格波動。

2.3 HP濾波分解分析

HP濾波法是由Hodrick和Prescott[9]提出的一種分析經濟趨勢以及波動周期的方法。該文繼續對剔除季節要素和不規則要素影響后的我國大麥月度價格序列進行HP濾波分析，以分解出大麥月度價格的長期趨勢項和周期循環趨勢項，結果如圖2。其中PRICE-TC為剔除季節要素和不規則要素影響后的序列，Trend為從PRICE-TC中分解出來的長期趨勢項，Cycle為從PRICE-TC中分解出來的周期循環趨勢項。

2.3.1 大麥價格波動趨勢特征

根據圖2可知， 2011年4月至2017年2月剔除周期波動的我國大麥價格長期趨勢呈緩慢下降態勢，由2011年4月的2.03元/kg下降至2017年2月的1.33元/kg，價格跌幅為34.48%； 其可能的主要原因是，該期間內大麥大量進口對我國國內大麥產業造成的沖擊，近年來伴隨著國外優質低價大麥進口規模的持續擴大，國產大麥相較于進口大麥一直以來存在的品質不高、均一性較差等問題愈加凸顯，進口大麥不僅擠占了國產大麥的市場空間，還打壓了國產大麥的市場價格，導致國產大麥“有市無價”，進一步觀察圖2可知，我國大麥價格曾在2014年8月至2015年1月出現短暫上升，但在2015年2月至2017年2月又呈現緩慢下降趨勢。樣本期內我國大麥價格的年度高點通常出現在每年的9～12月，其中2011年和2013年均在9月， 2014年和2016年均在12月； 其可能的主要原因是，我國大麥在第四季度通常處于一年中的庫存不足狀態，供給量減少會抬高其市場價格。

2.3.2 大麥價格波動周期特征

根據圖2可知，樣本期內我國大麥價格的周期性波動并不是沿著單一方向演進的持續運動，而是呈現出升降相間、漲落交替的規律性特征。根據“谷—峰—谷”的劃分方法，樣本期內我國大麥價格走勢大致經過了3.5個周期：第1個周期是2011年4月至2012年8月，歷時16個月； 第2個周期是2012年9月至2014年1月，歷時17個月； 第3個周期是2014年2月至2015年12月，歷時23個月； 最后半個周期是2016年1月至2017年2月，歷時14個月。從大麥價格波動周期的持續時間來看，平均為18個月(由于第4個周期不是一個完整的周期，未考慮)。從大麥價格波動周期的強度來看， 3個波動周期中，第1個周期和第2個周期的波動都較為平緩，第3個周期的波動則較為劇烈且持續時間最長。

2.4 ARCH類模型分析

為了深入分析我國大麥價格波動特征，該文接下來在描述性統計分析和平穩性檢驗的基礎上，先采用GARCH模型檢驗大麥價格波動是否具有集聚性，然后采用GARCH-M模型檢驗大麥價格是否具有高風險高回報的特征，還進一步采用TARCH模型和EGARCH模型分析大麥價格波動的非對稱性。

表1 我國大麥價格收益率描述性統計分析

表2 我國大麥價格收益率單位根檢驗

圖3 我國大麥價格收益率變化

2.4.1 描述性統計分析

根據表1可知，樣本期內我國大麥價格收益率的平均值為-0.006 2，標準差為0.028 2； 偏度值為-1.240 5且小于0，分布呈左偏； 峰度值為6.323 6，高于正態分布的峰度值3； JB統計量值為50.172 3，且在1%水平下顯著。描述性統計量說明，我國大麥價格收益率具有尖峰厚尾的特征且不服從正態分布。根據圖3可知，樣本期內我國大麥價格收益率波動存在集聚性和異方差性，因此需要對其進行ARCH-LM檢驗，以判斷其是否存在顯著的異方差效應。

2.4.2 單位根檢驗

根據時間序列變量建模時，要求其數據是平穩的。為了考察我國大麥價格收益率序列是否平穩，該文采用ADF檢驗法對其進行單位根檢驗。根據表2可知，在同時考慮常數項和時間趨勢項的情況下，得到的ADF檢驗統計量值小于其在1%水平下的臨界值，即其在1%水平下顯著，因此，應該拒絕原假設，我國大麥價格收益率序列是平穩的。

2.4.3 ARCH效應檢驗

ARCH模型通常用于刻畫預測誤差的條件方差中可能存在的某種相關性。該文先對我國大麥價格收益率進行自相關/偏自相關檢驗，結果表明，自相關系數呈震蕩式遞減，偏自相關系數除了一階顯著不為0外，其他各項均接近0； 可見，我國大麥價格收益率殘差序列存在一階序列相關，且收益率RP的均值方程可表示為：RPt=0.326 8RPt～1+ut。該文接下來繼續對該收益率均值方程進行ARCH-LM檢驗，結果表明，當滯后階數為四階時，F統計量和nR2在5%水平下顯著，應該拒絕原假設，即我國大麥價格收益率(滯后四階)在5%水平下存在顯著的異方差效應，此時需要估計很多參數，可以用一個低階的GARCH模型來代替，以減少待估計參數的個數。

我國大麥價格收益率的ARCH類模型估計結果如表3。對GARCH模型進行ARCH-LM檢驗，得到滯后一階殘差序列的相伴概率為0.52，應該接受原假設，即利用GARCH模型消除了條件異方差性。在GARCH模型方差方程估計結果中，α和β的估計值都在1%水平下顯著，表明我國大麥價格收益率序列具有顯著的波動集聚性；α和β的估計值之和等于0.877 8，即比較接近1，表明前期的外部沖擊和自身過去的波動都會持續影響我國大麥價格的波動。在GARCH-M模型均值方程估計結果中，ρ的估計值為0.357 6，但不顯著，表明我國大麥市場不存在高風險高回報的特征。在TARCH模型方差方程估計結果中，非對稱效應項的系數γ的估計值大于0且在5%水平下顯著，而在EGARCH模型方差方程估計結果中，γ的估計值小于0且在1%水平下顯著，說明我國大麥價格下降的消息會比價格上漲的消息引起更大幅度價格波動，即大麥價格波動具有顯著的非對稱性。

表3 我國大麥價格收益率的ARCH類模型估計

3 我國大麥價格波動影響因素分析

3.1 變量選擇

我國大麥價格波動是國內大麥供求、大麥生產成本、大麥進口量、相關品種糧食價格和國際大麥價格等因素共同作用的結果。由于該文我國大麥價格為月度數據，考慮到變量數據的可獲得性和口徑一致，該文在分析時主要是從國內大麥供求和生產成本之外的因素中確定影響我國大麥價格波動的主要變量。我國大麥進口來源國集中于澳大利亞、法國、加拿大和烏克蘭等國家； 而我國已于1995年取消了大麥進口配額，“入世”以來主要實行最惠國稅率、協定稅率、特惠稅率和普通稅率，目前實際上能起到進口關稅保護作用的僅有3%的最惠國稅率，進口關稅水平非常低[10]。大麥大量進口和集中進口增強了國內外市場的聯動性，因此，該文選取大麥進口量作為影響我國大麥價格波動的主要變量之一。由于1996年以來澳大利亞一直是我國大麥第一大進口來源地，我國從澳大利亞進口大麥量占我國大麥進口總量的比重在1996年以來的多數年份里都保持在50%以上， 2012年曾高達82.22%，因此，該文選取澳大利亞大麥出口離岸價格表示影響我國大麥價格波動的國際大麥價格。大麥和玉米都是我國飼料行業的重要原料，互為替代品，大麥和玉米的價格存在相互影響，因此，該文還選用玉米月度批發價格表示影響我國大麥價格波動的大麥替代品價格。

綜上所述，該文選取我國大麥月度價格數據作為因變量，選取大麥月度進口量、國際大麥月度價格和國內玉米月度價格作為自變量對我國大麥價格波動的影響因素進行實證分析。國際大麥價格采用澳大利亞大麥出口離岸價格，數據來源于聯合國糧農組織(FAO)； 大麥月度進口量數據來源于中國海關總署； 國內玉米月度價格數據來源于農業部信息中心。這些變量的數據樣本期均為2011年4月至2017年2月。為了提高變量數據的可比性，該文采用澳大利亞CPI定基指數(2011年4月=100)對澳大利亞大麥出口離岸價格進行調整，并通過匯率轉換消除匯率變化的影響，澳大利亞CPI指數數據來源于澳大利亞統計局，美元兌人民幣匯率中間價數據來源于中國人民銀行； 玉米月度價格同標題2.1中大麥月度價格處理方式，采用經過調整的全國月度CPI定基指數(以2011年4月為基期)進行了平減處理。

3.2 實證分析

該文接下來在對國內大麥價格、大麥進口量、國際大麥價格和國內玉米價格進行單位根檢驗、協整檢驗和Granger因果檢驗的基礎上，采用脈沖響應函數分析大麥進口量、國際大麥價格和國內玉米價格對國內大麥價格的影響。

3.2.1 單位根檢驗

根據表4中的單位根檢驗結果可知，各變量的原序列都是非平穩的，而其一階差分序列在1%水平下都是平穩的，說明各變量均為一階單整序列，滿足協整檢驗的前提。

3.2.2 協整檢驗

對于多變量之間的長期均衡關系，可以采用Johansen多元協整檢驗法進行檢驗。根據表5中的檢驗結果可知，在1%水平下，原假設“0個協整方程”和“至多有1個協整方程”均被拒絕，而原假設“至多有2個協整方程”被接受，因此，國內大麥價格、大麥進口量、國際大麥價格和國內玉米價格之間存在2個協整關系，即各變量之間存在長期穩定的均衡關系。

3.2.3 Granger因果檢驗

Granger因果檢驗是考察變量間因果關系較為便捷的工具，可以用來檢驗某個變量對另一個變量的影響，如果影響顯著，應拒絕原假設，說明該變量是另一個變量的Granger原因。根據表6的檢驗結果可知，大麥進口量和國際大麥價格是國內大麥價格的Granger原因，說明大麥進口量和國際大麥價格對國內大麥價格的變動存在一定的影響； 國內玉米價格不是國內大麥價格的Granger原因，而國內大麥價格是國內玉米價格的Granger原因。

表4 各變量單位根檢驗

表5 各變量Johansen協整檢驗

表6 各變量Granger因果檢驗

3.2.4 脈沖響應函數分析

脈沖響應函數描述的是VAR模型中的一個內生變量標準誤差的沖擊給其他內生變量帶來的動態影響。圖4為脈沖響應函數分析結果，橫軸表示沖擊作用的滯后期間數(以月為單位)，縱軸表示響應變量的響應值，實線表示響應變量受沖擊后的走勢，實線上方及下方的虛線表示走勢的正負兩倍標準差偏離帶。

圖4 脈沖響應函數分析

從圖4-1可以看出，給大麥進口量一個正向沖擊后，國內大麥價格在第2期做出負向響應，之后大麥進口量對國內大麥價格的負向影響逐漸增強，國內大麥價格逐漸下降，負向影響程度在第6期達到最大值，此后保持穩定； 說明國內大麥價格對大麥進口量變化的負向響應比較強烈且持久。從圖4-2可以看出，給國際大麥價格一個正向沖擊后，國內大麥價格在第2期做出正向響應，此后國際大麥價格對國內大麥價格的正向影響逐漸增加； 說明國際大麥價格對國內價格有顯著影響，且國內大麥價格隨國際大麥價格同向變動。從圖4-3可知，給國內玉米價格一個正向沖擊后，國內大麥價格在第2期做出負向響應且響應程度較弱，即國內玉米價格對國內大麥價格產生較弱負向影響，且負向影響在第7期之后呈趨于減弱的態勢； 說明國內玉米價格對國內大麥價格有一定影響，但影響程度較弱。從圖4-4可以看出，給國內大麥價格一個正向沖擊后，國內玉米價格隨國內大麥價格同向變動，表明國內大麥價格對國內玉米價格影響效果顯著，與表6分析結果一致。因此，根據脈沖響應函數分析結果并結合分析結果可知，大麥進口量和國際大麥價格對國內大麥價格波動的影響較為明顯； 國內玉米價格對國內大麥價格的影響較弱，而國內大麥價格對國內玉米價格的影響較大。

4 結論與啟示

通過對我國大麥價格波動特征及其影響因素的分析，得到了主要結論：(1)我國大麥價格波動季節性和周期性明顯，樣本期內總體上呈現出逐漸下降趨勢； (2)我國大麥價格具有顯著的波動集聚性，但大麥市場不存在高風險高回報的特征； (3)我國大麥價格波動呈現明顯的不對稱性，即價格下降信息比價格上漲信息引起的價格波動幅度更大； (4)大麥進口量和國際大麥價格是影響我國大麥價格波動的主要因素。

為了促進我國大麥市場的平穩健康發展，該文提出建議：(1)保障并提高國內大麥合理產能。對大麥生產在支持政策方面予以適當傾斜，穩定并提高國內大麥產量與質量，同時緩解農業生產資料價格上漲對大麥種植戶的影響，提高國產大麥國際競爭力。(2)完善大麥價格監測預警體系。建立健全大麥價格監測預警體系，加強市場供需信息調查，科學研判市場變化趨勢并及時發布有效信息，為農戶合理安排生產提供科學依據； 加強大麥市場監管，打擊投機行為，維護市場秩序，穩定市場價格。(3)加強國內大麥進口企業整合。目前我國大麥對外依存度較高，但進口企業大多規模小且分散，在國際市場中處于弱勢地位，應盡快推進進口企業整合，建立強有力的貿易商協會組織，及時根據國際市場動向調整進口策略，降低國際市場波動帶來的輸入性風險。(4)推動大麥進口來源多元化。促進國內大麥進口企業和俄羅斯、法國與烏克蘭等大麥主產國的貿易聯系，以獲得更加多元化的進口來源渠道，逐步降低對澳大利亞大麥過高的進口依賴度，提高大麥進口的可調控能力，分散大麥進口風險。

[1] 張利庠，陳秀蘭.我國小麥價格變動特點分析.農業技術經濟, 2014，(5)： 73～80

[2] 溫鳳榮， 史建民.主產區玉米價格波動分析——以山東省為例.農業技術經濟, 2014，(7)： 89～95

[3] 羅萬純， 劉銳.中國糧食價格波動分析：基于ARCH類模型.中國農村經濟, 2010，(4)： 30～37，47

[4] 劉光俊， 胡繼連.山東省棉花價格波動特征及影響因素——基于ARCH類模型分析.中國農業資源與區劃， 2016, 37(5): 96～101

[5] 李京棟， 張吉國.中國小品種農產品價格波動特征及其影響因素——基于2005～2014年大蒜價格數據的實證分析.湖南農業大學學報(社會科學版), 2015，16(4)： 8～15

[6] 周霞， 胡繼連，宋霞.中國柑橘供求彈性與生產波動影響因素實證研究.中國農業資源與區劃, 2014，35(3)： 52～58,84

[7] 林光華， 陳鐵.國際大米價格波動的實證分析：基于ARCH類模型.中國農村經濟, 2011，(2)： 83～92

[8] 高鐵梅. 計量經濟分析方法與建模.北京：清華大學出版社， 2009

[9] Hodrick R J，Prescott E C.Postwar U.S.business cycles：An empirical investigation.Social Science Electronic Publishing， 1997, 29(1): 1～16

[10]孫致陸， 李先德.大麥進口對我國大麥產業的影響與應對措施.中國食物與營養， 2015, 21(7): 50～54