在许多大宗商品的国际贸易中，中国不仅成了全球市场上主要的买家，而且对国际市场的依赖也在日渐加深。在农产品领域，大豆、棉花等主要的战略性农产品的进口量占了全球市场的绝大部分，特别是大豆进口量从2004年的38.1%逐步增长到了2007年的44.6%，而且还有不断上升的增长势头。伴随进口量不断增长的是此类商品价格的持续上涨以及对外贸易中“高买低卖”现象的出现，这些都给中国的经济大战带来了严重的后果。可以说，中国经济的持续增长和巨大市场空间所带来的“中国因素”并没有带来应有的“中国价格”，中国战略性农产品在国际市场上缺乏与其实力相一致的定价权是国内各界一直认同的观点。
探求中国缺乏相应国际定价能力的原因，我们发现中国对一些初级产品的需求增长非常迅速，由于国内资源环境等因素的制约，光靠国内的供应已经无法满足日益增长的需要，从而不得不大量进口初级产品以填补国内供给不足。与中国大量进口相伴而来的怪现象是进口产品价格的持续上涨及“高买低卖”现象的出现。在农产品领域，经历了2004年的大豆危机，国内各界已经深刻认识到中国的战略性农产品领域在国际上缺乏必要的定价能力，国内的产业链发展，特别是农产品的产业化经营及产业链之间的协调严重不足，从而造成了中国战略性农产品产业目前的困境，危及到了国家的粮食安全。
（一）稻米
中国是世界上最大的稻米生产和消费国，在世界100多个稻米生产国中素有“稻米王国”之称，稻米产量居世界首位。
从种植面积看，全球稻米种植面积从1996年开始基本维持在150000千公顷的水平上。相应地，中国的稻米种植面积从1996年的31406千公顷减少到了2010年的29873千公顷；美国从1996年的1135千公顷增加到了2010年的1463千公顷；巴西从1996年的3254千公顷减少到了2010年的2722千公顷。[6]可以看出，美国的稻米种植面积略有增加，中国和巴西的则略有减少，而全球稻米产业链的面积分布格局基本稳定。
从稻米产量看，全球稻米产量从1996年的5.69亿吨达到了2008年的6.96亿吨，增加了将近20%，并呈不断上升趋势。相应地，中国的稻米产量从1996年的1.97亿吨减少到了2010年的1.95亿吨；美国从1996年的779万吨增加到了2010年的1103万吨；巴西从1996年的864万吨增加到了2010年的1124万吨。中国的稻米产量占了全球稻米产量的28%，美国和巴西的稻米产量则相对较少。
从稻米出口看，全球稻米出口具有较大的波动性，但出口量从1996年的1973.7万吨达到了2010年的3276.8万吨，增长了66%。从各出口国来看，中国的稻米出口量从1996年的35.7万吨增加到了2010年的61.6万吨；美国从1996年的264万吨增加到了2010年的378.3万吨；巴西从1996年的2万吨增加到了2010年的42.3万吨；泰国的稻米出口量增长了40%；越南的稻米出口量则增长了129%。总体来看，全球的稻米出口市场格局有所变动，出口量增长较快。
从稻米进口看，全球稻米进口也具有较大的波动性，进口量从1996年的2165.3万吨上升到了2010年的3118.8万吨。相应地，中国的稻米进口量从1996年的76.5万吨减少到了2010年的48.6万吨；美国从1996年的27.5万吨增加到了2010年的54.3万吨；巴西的稻米进口量变化不大，维持在78万吨的水平。总体来看，全球的稻米出口市场格局变动不大，全球稻米的进口量也相对较少，但整个稻米进口市场的波动性较大。
从成本费用看，近十几年来，稻米的成本也经历了从下降到上升的近似“U”形变化趋势。中国生产稻米的成本经历了从1996年的384.89美元/吨下降到2002年的140.87美元/吨再上升到2010的296.6美元/吨的变化过程。类似地，美国生产稻米的成本经历了从1996的212美元/吨下降到2001年的94美元/吨再上升到2010年的273美元/吨的变化过程；巴西生产稻米的成本经历了从1996年的205.95美元/吨下降到2001年的124.7美元/吨再上升到2010年的355美元/吨的变化过程；泰国生产稻米的成本经历了从1996年的204.75美元/吨下降到2001年的107.33美元/吨再上升到2010年的366美元/吨的变化过程。相比较而言，中国生产稻米的成本与各国基本持平，而巴西、泰国生产稻米的成本明显较高。
具体而言，中国主要有籼稻和粳稻两个稻米栽培品种，其中籼稻主要分布在秦岭、淮河以南的亚热带低洼区和华南热带地区，粳稻主要分布在黄河流域以北、太湖流域以及西南云贵高原的高海拔地区，并逐步形成了华中、华南、西南、北方四大优势产区（表10.7）。
表10.7 中国稻米主要产区分布（据潘美山，2009整理）
对稻米的产销过程进行研究后，笔者发现稻米的价格传导主要经过生产、加工和终端销售三个环节，其主体分别为农民、加工企业和零售商。图10.10为黑龙江北大荒米业的一条稻米产业链和其各环节的成本收益分配情况，从中可以看出运输环节的成本费用及代理商环节的利润相对较高，而在生产环节却出现了负利润，整个产业链可以说不太合理，特别是对于上游生产环节有待进一步完善，稻米的物流体系也有待进一步完善以减少运输成本，以使整条产业链的利润分配相对合理，促进其健康发展。
图10.10 中国稻米产业链各环节成本收益图（单位：元/斤）
资料来源：根据农业部农产品价格形成专题调查子报告整理。
在稻米国际贸易中，各国的贸易量占全球贸易量的比重较小，Hx和Hm也比较稳定，但出口国集中度相对比较高，并且有逐年下升的趋势，进口国则比较分散，各年的变化不大（表10.8）。在定价权方面，美国相对中国和巴西具有比较优势，但就全球贸易来说，它在2008年之前的定价能力也是微乎其微，说明在国际贸易中稻米市场是一个竞争性相对较强的市场。美国的稻米定价权在2008年之后有明显提升。国际稻米市场各国的定价能力相对较小，但美国相对中国和巴西还是具有微弱的优势，其进口国的市场比较分散，Hm比较小，而出口市场相对较集中，Hx比较大。
表10.8 中国、美国、巴西稻米进出口贸易国际定价权比较
注：Hx：卖方HHI指数；Hm：买方HHI指数；Cx：出口国际市场占有率；Cm：进口国际市场占有率；V：定价权权商。
数据来源：根据世界粮农贸易组织和联合国贸易数据整理而得。
（二）小麦
小麦是中国重要的战略性农产品，在国民经济中占有重要地位。从历史趋势看，全球小麦种植面积从1996年的227000千公顷下降到了2010年的217000千公顷，但基本维持在一定的水平之上。相应地，中国的小麦种植面积从1996年的29611千公顷减少到了2010年的24256千公顷；美国从1996年的25414千公顷减少到了2010年的19270千公顷；巴西从1996年的1795千公顷增加到了2010年的2181千公顷。其中，巴西的小麦种植面积增幅最大，中国和美国则都有所减少。全球小麦产业链的面积分布格局基本稳定。
从小麦产量看，全球小麦产量从1996年的5.85亿吨达到了2010年的6.54亿吨，增加了13.7%，并略有上升趋势。相应地，中国的小麦产量从1996年的1.11亿吨增加到了2010年的1.15亿吨；美国从1996年的6198万吨减少到了2010年的6006万吨；巴西从1996年的329万吨增加到了2010年的617万吨。各国历年的小麦产量相对比较平稳，全球小麦产业链的产量格局也基本稳定。
从小麦出口看，全球小麦出口量从1996年的9883万吨达到了2010年的1.45亿吨，总体呈不断上升趋势。相应地，中国的小麦出口量从1996年的1万吨增加到了2010年的28万吨；美国从1996年的3115万吨减少到了2010年的2763万吨；巴西从1996年的0出口增加到了2010年的132万吨。总体来看，全球的小麦出口市场格局比较稳定，中国和巴西的出口量都较小，美国的小麦出口占了全球小麦出口量的较大比重，但总量明显减少。
从小麦进口看，全球小麦进口量从1996年的1.04亿吨达到了2010年的1.44亿吨，呈略微上升趋势。相应地，中国的小麦进口量从1996年的919万吨减少到了2010年的123万吨；美国从1996年的131万吨增加到了2010年的249万吨；巴西从1996年的766万吨减少到了2010年的632万吨。总体来看，中国、美国和巴西的小麦进口量占全球的比例都很小。
从成本费用看，近十几年来，小麦的成本经历了从下降到上升的近似“U”形变化趋势。中国生产小麦的成本经历了从1996年的189.8美元/吨下降到2000年的118.26美元/吨再上升到2010的279.5美元/吨的变化过程。类似地，美国生产小麦的成本经历了从1996的175美元/吨下降到1999年的91美元/吨再上升到2010年的209美元/吨的变化过程；巴西生产小麦的成本经历了从1996年的187.1美元/吨下降到2001年的106.5美元/吨再上升到2010年的233美元/吨的变化过程；阿根廷生产小麦的成本经历了从1996年的203.07美元/吨下降到2000年的108.05美元/吨再上升到2010年的160美元/吨的变化过程。相比较而言，阿根廷生产小麦的成本在2003年之后直线上升，中国生产小麦的成本比美国和巴西的高。
具体而言，小麦在中国城乡居民的食品消费结构中占有重要地位，特别是对面食制品的需求推动了中国以面食加工为中间环节的“小麦面粉面制食品”产业链的快速发展。在农业部发布的《中国小麦品质区划方案》中，中国的小麦产区划分为北方强筋、中筋冬麦区，南方中筋、弱筋冬麦区，中筋、强筋春麦区（表10.9）。
表10.9 中国小麦主要产区分布（据河南、山东、河北省农业产业化办公室，2009整理）
从小麦产业链来看，小麦主要有直接消费、面粉加工及制品和工业生产等三种消费渠道，其中农村自行消费的小麦占总产量的2/3，由于其不创造经济效益，因而对整个小麦产业链研究的关联性不大，而进入流通领域的小麦才是小麦产业链研究的重点。从图10.11可以看出，中国小麦产业链各环节的成本收益情况比较合理，但卢良恕在《跨世纪农业十大新趋势》中指出，如果片面强调农业的基础地位，会导致生产、加工和销售部门相互脱节。对于小麦产业链，应该以市场的需求作为小麦生产的出发点，以及把食品工业生产对原料的需求作为整个生产的导向，但在实际中生产中却形成了“小麦—制粉—食品”的产业链条，从而形成了制粉行业与小麦生产、制粉行业与面制食品工业两个倒置的局面。
图10.11 中国小麦产业链各环节成本收益图（单位：元/斤）
资料来源：根据农业部农产品价格形成专题调查子报告整理。
在小麦国际贸易中，各国的贸易量占全球贸易量的比重较小，Hx和Hm也比较稳定，但出口国集中度相对集中，进口国的则比较分散（表10.10）。在定价权方面，美国相对中国和巴西具有比较优势，但就全球贸易来说，美国的定价能力是微乎其微的。2004—2010年的平均定价权权商大约为0.043，说明在国际贸易中，小麦市场也是一个竞争性相对较强的市场。
表10.10 中国、美国、巴西小麦进出口贸易国际定价权比较
注：表中变量的含义同表10.8。
数据来源：根据世界粮农贸易组织和联合国贸易数据整理而得。
（三）玉米
从种植面积看，全球玉米种植面积从1996年的140000千公顷达到了2010年的162000千公顷，整体呈不断上升趋势。相应地，中国的玉米种植面积从1996年的24571千公顷增加到了2010年的32517千公顷；美国从1996年的29398千公顷增加到了2010年的32960千公顷；巴西从1996年的11933千公顷增加到了2010年的12683千公顷。各国的玉米种植面积基本稳定。
从玉米产量看，全球玉米产量从1996年的5.89亿吨达到了2010年的8.4亿吨，增加了42.6%，并呈不断上升趋势。相应地，中国的玉米产量从1996年的1.28亿吨增加到了2010年的1.78亿吨；美国从1996年的2.3亿吨增加到了2010年的3.2亿吨；巴西从1996年的3218万吨增加到了2010年的5539万吨。各国玉米产量占全球的比例基本没有变动，全球玉米产业链的产量格局基本稳定。
从玉米出口看，全球玉米出口量从1996年的7178万吨达到了2010年的1.1亿吨，并呈不断上升趋势。相应地，中国的玉米出口量从1996年的16万吨增加到了2003年的1600万吨，再减少到了2010年的13万吨，首次成为玉米净进口国；美国从1996年的5241万吨减少到了2010年的5090万吨；巴西从1996年的35万吨增加到了2010年的1081万吨。总体来看，全球的玉米出口市场保持了美国为出口大头、巴西为出口小头的稳定格局，但中国历年的玉米出口量有较大波动。
从玉米进口看，全球玉米进口量从1996年的7086万吨达到了2010年的1.1亿吨，总体上升趋势强劲。相应地，中国的玉米进口量从1996年的44万吨增加到了2010年的157万吨[7]；美国从1996年的38.7万吨变动到了2010年的38.1万吨，变化不大；巴西从1996年的32万吨增加到了2010年的46万吨。
从成本费用看，近十几年来，全球生产玉米的成本也经历了从下降到上升近似“U”型的变化趋势，但中国生产玉米的成本在2000年出现了较大的波动。中国生产玉米的成本经历了从1996年的258.6美元/吨上升到2010年的273美元/吨，其中2000年出现了410.7美元/吨的异常变动；美国生产玉米的成本经历了从1996的140美元/吨下降到1999年的72美元/吨再上升到2010年的213美元/吨的变化过程；巴西生产玉米的成本经历了从1996年的144.26美元/吨下降到2001年的69.14美元/吨再上升到2010年的170美元/吨的变化过程；阿根廷生产玉米的成本经历了从1996年的152.05美元/吨下降到2002年的78.35美元/吨再上升到2010年的135美元/吨的过程。相比较而言，中国玉米的生产成本在各国中始终是最高的，美国、巴西、阿根廷的生产成本变化不大。
具体而言，中国是世界第二大玉米生产国，也是玉米的头号消费大国，年产量亿余吨，占世界玉米总产量的20%，玉米消费量的90%以上靠国内生产。中国玉米大致可以分为六大种植区：北方春播玉米区、黄淮海平原夏播玉米区、西南山地玉米区、南方丘陵玉米区、西北灌溉玉米区、青藏高原玉米区（表10.11）。
表10.11 中国玉米主要产区分布
资料来源：根据http：//www.feedtrade.com.cn/yumi/yumizhishi/20091028145359.html资料整理而得。
中国当前玉米产业链的不足主要表现在产业链各环节之间缺少必要的协调合作，从而使得产业链效率低下。在生产与消费环节，小规模的分散生产与企业的集中需求之间的矛盾，导致生产环节被排除在了产业链之外。大部分企业直接与粮库发生联系，供需之间的信息不畅。在消费环节，生产者对消费者的需求缺乏了解，使得产销脱钩，厂商对市场没有了预测能力。
在玉米国际贸易中，美国是主要的出口大国，其出口量占了全球玉米出口总量的50%以上。国际玉米市场结构方面，Hx和Hm比较稳定，说明玉米的进口国集中度和出口国集中度在此期间没有明显的变动，且玉米出口国比较集中（表10.12）。在定价权方面，美国具有显著的优势，但是也呈现出一定的波动趋势，其定价权权商在2008年达到1.6，说明作为世界最大的玉米出口国，高粮价给美国带来了巨大收益。中国与巴西在玉米方面的国际定价能力相当，一直维持在0.4至0.5之间。中国呈现出倒“U”形的波动趋势，即从2004年的0.033逐步上升到了2007年的0.045，随后又降到2010年的0.004；巴西呈现出波动中上升的趋势，从2004年的0.052逐步上升到了2007年的0.087，而2010年下降到0.081。
表10.12 中国、美国、巴西玉米进出口贸易国际定价权比较
注：表中变量的含义同表10.8。
数据来源：根据世界粮农组织和联合国贸易数据整理而得。
（四）大豆
中国是大豆的发源地，有着5000多年的栽培历史。历史上中国也是世界上最大的大豆生产国，但是中国的大豆生产发展缓慢。目前美国、巴西、阿根廷已成为世界前三大的大豆生产大国，中国在世界大豆生产中的份额也因此逐步下降，成为了大豆净进口国。
从种植面积看，全球大豆种植面积从1996年的61000千公顷达到了2010年的103000千公顷，除2007年有所下降外，整体呈不断上升趋势。相应地，中国的大豆种植面积从1996年的7475千公顷增加到了2010年的8516千公顷；美国从1996年的25636千公顷增加到了2010年的31003千公顷；巴西从1996年的10291千公顷增加到了2010年的23327千公顷。其中，巴西的大豆种植面积增幅最大，美国次之，而中国则相对比较稳定。全球大豆产业链的面积分布格局基本稳定。
从大豆产量看，全球大豆产量从1996年的1.3亿吨达到了2010年的2.65亿吨，增长了1倍多，并仍呈不断上升趋势。相应地，中国的大豆产量从1996年的1323万吨增加到了2010年的1508万吨；美国从1996年的6478万吨增加到了2010年的9060万吨；巴西从1996年的2315万吨增加到了2010年的6875万吨。其中，巴西的大豆产量增幅最大，美国在2003年产量出现了短暂的下跌，中国则相对比较稳定。全球大豆产业链的产量格局基本稳定。
从大豆出口看，全球大豆出口相对于种植面积和产量具有较大的波动性，但出口量从1996年的3493万吨达到了2010年的9338万吨，增加了1倍以上，总体呈不断上升趋势。相应地，中国的大豆出口量从1996年的19万吨减少到了2010年的16万吨；美国从1996年的2596万吨增加到了2010年的4235万吨；巴西从1996年的364万吨增加到了2010年的2586万吨。其中，巴西的大豆出口增幅最大，增长了近7倍，美国的出口也增长了近2倍，而中国则在波动中略有减少。总体来看，全球的大豆出口市场格局出现了较大的变动，特别是巴西大豆出口量的快速增加使得其2010年的大豆出口量占了全球大豆出口量的27.79%，一跃成为仅次于美国的世界第二大大豆出口国。
从大豆进口看，全球大豆进口量从1996年的3287万吨增加到了2010年的9566万吨，增长了191%，除2004年和2006年进口量有所降低外，总体上升趋势强劲。相应地，中国的大豆进口量从1996年的379万吨增加到了2010年的5480万吨；美国从1996年的9万吨增加到了2010年的44万吨；巴西从1996年的93万吨减少到了2010年的12万吨。其中，中国的大豆进口增幅最大，增长了14倍，美国进口量较小且比较稳定，而巴西进口量有明显减少。总体来看，全球的大豆进口市场格局出现了较大的变动，特别是中国大豆进口量的快速增加使得其2010年的大豆进口量占了全球大豆进口量的近60%，并一跃成为世界上最大的大豆进口国。
从成本费用看，近十几年来，大豆的成本经历了从下降到上升的近似“U”形变化趋势。中国生产大豆的成本经历了从1996年的478.7美元/吨下降到2001年的237.77美元/吨再上升到2010的738美元/吨的变化过程。类似地，美国生产大豆的成本经历了从1996的247美元/吨下降到2001年的161美元/吨再上升到2010年的430美元/吨的变化过程；巴西生产大豆的成本经历了从1996年的231.82美元/吨下降到2001年的150.15美元/吨再上升到2010年的360美元/吨的变化过程；阿根廷生产大豆的成本经历了从1996年的272.09美元/吨下降到2002年的153.11美元/吨再上升到2010年的260美元/吨的变化过程。相比较而言，中国生产大豆的成本在各国中始终是最高的。2001年以前美国、巴西、阿根廷生产大豆的成本相近，而2001年以后阿根廷生产大豆的成本逐年增加，美国的成本则波动比较大，但也呈上升趋势，巴西生产大豆的成本则增加不多，维持在较低的水平上。
具体而言，中国大豆栽培主要分北方春作大豆区、黄淮海流域夏作大豆区和南方多作大豆区，且大豆生产逐步向北方春作区和黄淮海夏作区集中，其面积和产量占了全国的80%左右。在大豆压榨方面，随着规模化养殖业和食用植物油消费量的增加，中国的大豆压榨产业也迅速发展，目前已形成了五大压榨区：东北压榨区、环渤海压榨区、江浙压榨区、华南压榨区和内陆压榨区（表10.13）。
表10.13 中国大豆主要产区分布（据黑龙江农业产业化办公室，2009整理）
在大豆国际贸易中，美国和巴西是主要的出口大国，其大豆出口之和占了全球大豆出口总量的75%左右，中国则为主要的进口国，进口量占全球大豆进口总量的60%。国际大豆市场结构方面，Hx和Hm比较大也比较稳定，说明大豆的进口国集中度和出口国集中度都较高，且在此期间没有明显的变动（表10.14）。在定价权方面，美国具有显著的优势，但是呈现出略微下降的趋势，其定价权权商从2004年的0.292下降到了2010年的0.206；中国与巴西在大豆方面的国际定价能力相当，但从2008年开始明显强于巴西且呈现出逐步上升的趋势，从2004年的0.135逐步上升到了2010年的0.327，巴西则有一定的波动，呈现出先减后增的趋势。
表10.14 中国、美国、巴西大豆进出口贸易国际定价权比较
注：表中变量含义同表10.8。
数据来源：根据世界粮农组织和联合国贸易数据整理而得。
近几年来，国际市场上大宗产品的价格出现了大幅上涨，特别是“中国因素”在其中的作用正越来越受到人们的关注。随着经济的不断成长，中国对于基础类产品的需求也大量增加，作为大量需求方，中国理应在大宗商品国际定价中发挥自己的作用，在大宗商品买卖中拥有更多的话语权。但事实却恰恰相反，作为需求大国，中国不但在大宗商品谈判中处于不利的地位，而且还出现了“中国买什么即涨什么”的不正常现象。按照经济学常理，供给和需求共同决定价格，中国作为大宗商品的需求方，却被排除在国际定价权的制定规则之外，不能根据自己的需求因素来影响市场交易价格。
粮食作为一类特殊的大宗商品，其不仅具有一般大宗商品的属性，还因其与国民生计息息相关，关系到国计民生。因此，粮食国际定价权一旦缺失，其价格的大幅波动将牵动每一个人的神经，可谓牵一发而动全身。“入世”以来，随着农业领域对外开放的不断深入，农产品国际定价权缺失的现实也开始受到人们的重视，特别是作为最先对外开放的大豆产业，经历了多次危机之后，目前基本上形成了受制于人的局面。自2004年大豆产业第一次危机之后，国外资本通过参股、控股等方式掌握了中国实际大豆加工能力的60%，除了九三油脂之外，中国的大豆加工企业几乎全军覆没。之后，国际资本根据自身的资金、技术优势开始整合中国的大豆加工链条，到目前，中国的大豆产业已经基本形成了“原料在国外，加工在国内”的大豆产业链。
由定价权旁落导致的农业产业危机给我们敲响了警钟，定价权问题事关产业安全，事关国民生计，我们必须对农产品国际定价权的现状有一个更为深刻的认识。在这一背景下，本节以大豆为例对中国战略性农产品产业链割裂下粮食的国际定价权问题进行实证检验，对中国获取国际定价权的途径进行有益探索。
（一）数据的选取及说明
中国大豆定价权缺失所提大豆主要为中国从国外进口的转基因大豆，因此本节在期货合约选取方面，选取以进口大豆交割的黄大豆2号（豆二）合约作为标的合约。一般来讲，生成连续价格的方法有两种：一种是对同一品种所有上市合约的价格按照持仓量、交易量加权得到一个连续价格序列；另一种方法是一般选取近月合约的价格得到连续价格。国外期货市场实证研究数据主要选取最活跃合约的价格生成连续数据，成熟期货市场中主力合约的规律比较明显，而中国期货市场主力合约的规律比较杂乱，因此学者们采取的办法多为选取距离价格月份固定长度期限的合约价格生成连续价格。豆二合约于2004年12月2日刚刚推出，交易时间较短，因此考察豆二合约历年交易情况后，本节选取离交易日第二期进入交割的豆二合约，即在2005年1月3日，选取2005年5月交割的期货合约为代表，2006年2月6日选取2006年5月交割的期货合约为代表。以2005年1月至2009年8月的周交易数据为研究对象，所选取的价格为周收盘价，除双休日及法定节假日外，共收集豆二合约时间序列样本个数232个。相应地，现货价格选取中国郑州粮食批发市场2005年1月至2009年8月的大豆（油脂业）周交易价格数据。
（二）大豆期货市场价格发现功能检验
期货市场作为宏观经济稳定运行的润滑剂，其主要的功能就是价格发现和规避风险。而价格发现又是期货市场功能的核心，期货市场价格发现功能的好坏直接关系到套期保值功能的发挥。在对期货市场价格发现功能的研究中，主要有两类模型：Hasbrouck的信息共享模型（information shares）和Gonzalo ＆ Granger的长短期效应模型（permanent-transitory）。Hasbrouck认为，共有因子的扰动方差包含了决定价格的基本信息，通过考察每个市场价格波动对此方差的相对贡献来研究市场的价格发现过程。Gonzalo ＆ Granger认为，误差修正过程包含一个导致市场不均衡的长期影响，而不均衡的出现正是由于不同市场对不断到来的信息处理速度不同造成的。
因此，本节将分四步对大豆期货市场的价格发现功能进行检验：①对大连商品期货交易所大豆期货价格及其对应的现货价格进行单位根检验；②对期、现货价格进行协整检验及格兰杰因果关系检验；③基于协整检验的结果，对大豆期、现货价格进行误差修正模型估计，并对相关系数进行统计检验；④运用脉冲响应函数和方差分解对期、现货市场的价格发现功能进行更为深入的分析。
1.模型说明
（1）单位根检验
单位根检验通常采用Dickey ＆ Fuller（1979）提出的时间序列平稳性统计方法，简称为ADF检验。其检验的基本思想如下。
考虑y存在p阶序列相关，用p阶自回归模型来修正：
其中，Δ表示差分运算。回归解释p的选择标准时使得残差项ut不存在自相关。
如果η＝0，那么序列yt是非平稳时间序列，至少为一阶单整。ADF检验的原假设为：序列存在一个单位根；备择假设为：不存在单位根。序列y可能还包含常数项和时间趋势项。通过检验η的估计值η^是否不拒绝原假设，进而判断一个高阶自相关序列是否存在单位根。如果一个时间序列经过d阶差分后成为平稳序列，那么我们就称该时间序列是d阶单整序列。
（2）协整检验
协整检验从检验对象上可以分为两种：一种是基于回归残差的协整检验，如CRDW检验、DF检验和ADF检验；另一种是基于回归系数的协整检验，如Johansen检验。协整检验的基本思想为：如果时间序列Y1t，Y2t，…，Ykt都是d阶单整的，且存在向量a=（a1，a2，…，ak），使得Zt=aYt～I（d-b），其中b＞0，Yt=（Y1t，Y2t，…，Ykt）′，则认为序列Y1t，Y2t，…，Ykt是（d-b）阶协整的，记为：Yt=CI（d，b）。a称为协整向量。
（3）格兰杰因果关系检验
格兰杰因果关系检验实质上是检验一个变量的滞后变量是否可以引入其他变量的方程中。一个变量如果受到其他变量的滞后影响，则称他们具有格兰杰因果关系。
在一个二元p阶的VAR模型中：
当且仅当系数矩阵中的系数
全部为零时，变量x不能格兰杰引起y。格兰杰检验的原假设为
；备择假设为：至少存在一个q，使得
。
构造统计检验量S=T（RSS0-RSS1）/RSS1～χ2（p），如果S大于χ2的临界值，则拒绝原假设，x能够格兰杰引起y；否则接受原假设，x不能够格兰杰引起y。
（4）VAR及VECM模型
向量自回归（VAR）是一种单一的时间序列回归模型，它把系统中每一个内生变量作为系统中所有内生变量滞后值的函数来构造模型，常用于预测相互联系的时间序列系统及分析随机扰动对变量系统的动态冲击，从而解释各种经济冲击对经济变量形成的影响。
二元p阶的VAR模型表示如下：
VAR模型反映的是变量间短期内相互之间的影响关系，但对存在协整关系的向量直接进行向量自回归容易产生伪回归现象。Engle ＆ Granger将协整与误差修正模型结合起来，建立了向量误差修正模型。VECM模型是含有协整约束的VAR模型，多应用于具有协整关系的非平稳时间序列建模。二维向量的p阶向量误差修正模型表示如下：
其中，
表示协整系数；
表示调整系数，反映了各个分量的调整速度；
称为调整项，体现了xt，yt间长期均衡误差对其变化的影响。
（5）脉冲响应函数
脉冲响应函数是时间序列模型来分析影响关系的一种思路，主要考虑扰动项的影响是如何传播到各变量的。两变量情形的脉冲响应函数基本思想如下：
假定在基期给y一个单位的脉冲，即：
一般地，由yj的脉冲引起的响应函数可以求出如下变量：
且由yj的脉冲引起的yi的累积响应函数可以表示为
。
（6）方差分解
方差分解通过分析每一个结构冲击对内生变量变化的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解给出了对VAR模型中的变量产生影响的每个随机扰动的相对重要性。方差分解方法由Sims于1980年提出，其基本思想如下：
式（10.12）中，括号内的内容是第j个扰动项εj从无限过去到现在时点对yi影响的总和，求其方差，假定εj无序列相关，则：
yt的方差可以分解成k种不相关的影响，定义RVCj→i（∞）为扰动项相对yi方差的贡献程度，但在实际运用中不可能测定无穷项的影响。如果模型满足平稳性条件，则
随着q的增大呈几何级数衰减，所以只需取有限的s项即可。近似的相对方差贡献率（RVC）可以表示为：
如果RVCj→is大时，意味着第j个变量对第i个变量的影响大；同理，如果RVCj→i(s)小，则意味着第j个变量对第i个变量的影响小。
2.实证检验
（1）平稳性检验
我们对期、现货价格取对数，如图10.12所示，lnPP代表现货价格时间序列，lnFP代表期货价格时间序列，ΔlnPP代表现货时间序列的一阶差分，ΔlnFP代表期货时间序列的一阶差分。通过ADF检验可以看出（表10.15），在10%的显著性水平下，大豆市场现货市场和期货市场均不能拒绝原假设，其是不平稳的。但在一阶差分后，在1%的显著性水平下两市场均可以拒绝原假设，不存在单位根。因此，期货价格和现货价格的一阶差分序列是平稳时间序列，同为I（1）过程，可以进行协整检验。
表10.15 期、现货市场对数价格平稳性检验
图10.12 期、现货市场对数时间序列
（2）协整检验
采用Engle ＆ Granger（1987）发展的EG两步法，首先将现货价格对期货价格做线性回归，然后对残差进行单位根检验，如果残差是平稳序列则说明存在协整关系。检验结果如表10.16所示。
表10.16 期、现货市场对数价格协整检验
通过回归方程残差序列的估计以及残差ADF检验结果表明，在1%的显著性水平下，可以拒绝大豆期、现货市场之间不存在协整关系的假设，这说明大连商品交易所豆二期货价格序列和郑州粮食批发市场大豆（油脂业）价格序列之间存在着长期均衡关系，大连商品交易所豆二价格存在着价格发现功能。
采用Johansen模型也可以进行协整关系检验。该方法通过计算迹统计量和最大特征值统计量，与临界值进行比较，从而验证序列之间是否存在长期协整关系。检验结果如表10.17所示。
表10.17 期、现货价格序列的协整检验结果（迹统计量）
通过对迹统计量和最大特征值统计量临界值的计算，在5%的显著性水平下，可以拒绝大豆期、现货市场之间不存在协整关系的假设，说明大连商品交易所豆二期货价格序列和郑州粮食批发市场大豆（油脂业）价格序列之间存在着长期均衡关系，大连商品交易所豆二价格存在着价格发现功能。这与EG两步法检验结果基本一致。
协整检验表明大豆期、现货市场之间存在着长期的均衡关系，但是这种长期均衡关系是否构成因果关系还需要利用格兰杰因果检验（Granger Causality Test）进行进一步的验证。本研究将通过现货价格和期货价格序列之间的格兰杰因果关系，检验期、现货价格之间是否存在长期的格兰杰意义上的因果关系和是否存在相互引导关系。
根据AIC准则，取滞后项为2，结果表明（表10.18）：原假设“lnPP不是lnFP的格兰杰原因”时，伴随概率为0.5883，未能通过5%显著性水平的检验，因此，接受lnPP不是lnFP的格兰杰原因的原假设；也就是说，在5％显著性水平下，郑州现货价格不是大连期货价格的格兰杰原因，但反过来的伴随概率为0.0000，通过了5%的显著性检验，因此，拒绝lnFP不是lnPP的格兰杰原因的原假设，大连期货价格是郑州现货价格的格兰杰原因。格兰杰检验表明，中国大豆期货价格对现货价格存在显著的引导关系，但现货价格对期货价格的引导关系却不明显，中国大豆市场的价格发现功能并不完善。
表10.18 期、现货价格序列的格兰杰因果检验结果
（3）VAR模型的建立
由平稳性分析可知，lnPP和lnFP都是带有趋势的非平稳时间序列，存在着某种均衡关系。在进行协整效应分析之前，首先建立期货价格与现货价格的VAR模型，EViews软件运行结果如表10.19所示。
表10.19 期货价格与现货价格VAR模型
经滞后指标检验，5个评价指标均认为应当建立VAR（2）模型，现货与期货价格序列的向量自回归模型的最大滞后阶为2。
协整模型主要用来考察几个变量间的长期均衡关系，而误差修正模型可用来说明变量间的短期变动关系，以及短期变动调整至长期均衡的过程。在协整检验的基础上，我们建立误差修正模型来分析白糖期货价格与现货价格的短期变动关系，结果如表10.20所示。
表10.20 误差修正模型估计结果
从上面的结果可知，在10%的置信水平下，大豆期货价格受期、现货长期均衡关系的制约，同时其滞后一期、二期的期货历史价格变化显著不为零，因而，期货近期历史价格变化对当前期货价格变化也有显著影响，但是现货的历史价格变化对期货价格变化没有任何影响。长期均衡关系对短期内现货价格的变动有着显著的影响。从系数上来讲，系数值为负，表明短期的期货价格对于现货价格的变动影响是一种背离现货价格原有的趋势而走向它们之间长期均衡关系的一种影响，此时的现货价格和期货价格的偏离会在短期内不断修正，并向长期均衡收敛。
在10%的置信水平下，大豆现货价格也受期、现货长期均衡关系的制约，同时其滞后一期、二期的期、现货历史价格均变化显著不为零，因而，期、现货近期历史价格变化对当前期货价格变化也有显著影响。长期均衡关系对短期内期货价格的变动有着显著的影响，从系数上来讲。系数值为正，表明短期的现货价格对于期货价格变动的影响是一种沿期货价格原有的趋势而走向它们之间长期均衡关系的一种影响，此时的期货价格和现货价格的偏离会在短期内不断修正，并向长期均衡收敛。
（4）脉冲反应函数和方差分解
如图10.13所示，大连期货价格对其自身的一个标准差新信息的反应使得价格不断快速下降，到达250期左右时，其速度开始减缓；来自期货价格的标准差新信息对郑州现货价格立刻有较强的反应，前2周其价格立即增加了0.259%，然后便开始呈现下降趋势。郑州现货价格对其自身的一个标准差新信息的反应使得价格马上下降了1.64%，然后便缓慢下降；来自现货价格的标准差新信息对期货价格的影响先是立刻上升了2.43%，然后开始逐步下降，到达0.16%后开始缓慢下降并趋于平稳。
图10.13 期货（a）、现货（b）价格脉冲反应函数
为了刻画期货市场与现货市场在价格发现功能中作用的大小，本研究利用Hasbrouck提出的方差分解方法，求出期货价格和现货价格波动的方差在价格发现功能中所占的比重，以此来评价中国大豆期货市场的价格发现功能。
图10.14和表10.21给出了方差分解的结果，其中图10.14（a）表示现货市场和期货市场对期货市场价格的影响，图10.14（b）表示现货市场和期货市场对现货市场价格的影响。分析表明，对期货价格变动长期作用部分的方差，当滞后期为1时，总方差大部分来自期货市场的为100%，并且随着滞后期的增加，总方差中来自于期货市场的部分则呈下降缓慢趋势，滞后30期后达到99.4455%，并最终趋于稳定。总方差来自于现货市场的部分呈缓慢上升趋势，滞后30期后达到0.5545%，并最终趋于稳定。来自于对现货价格变动长期作用部分的方差，当滞后期为1时，总方差来自现货市场的为92.1391%，并且随着滞后期的增加，总方差中来自于现货市场的部分逐渐加速下降，滞后30期后下降到15.4954%，并最终趋于稳定。而来自于期货市场的部分则呈逐渐上升趋势，滞后30期后达到84.5046%，并最终趋于稳定。因此，对于大豆市场来说，期货市场在价格发现功能中已处于主导作用。
图10.14 期货（a）、现货（b）价格方差分解
表10.21 期、现货价格方差分解表
（续表）
（三）期货市场与现货市场信息溢出效应分析
为了更为深入地研究期、现货市场价格之间的关系，判断期货市场价格发现功能的有效程度，本节将在以上分析的基础上，用VaR方法分别对下跌和上涨风险建模，在线性格兰杰因果关系检验之后，进行基于核函数的均值—格兰杰因果检验、波动率—格兰杰因果检验及风险—格兰杰因果检验，对期、现货市场间的信息溢出效应进行深入分析。
我们将价格收益率Rt定义为价格自然对数的一阶差分：
通过期、现货收益率时间序列图（图10.15和10.16）我们可以发现，期、现货价格都出现了异常波动的峰值，且有明显的波动性聚类现象，说明期、现货收益率时间序列具有条件异方差的特征。通过对比期、现货收益率时间序列图，两者异常波动值和波动性聚类区间具有类似的情况，说明两者存在一定程度的相关性和波动影响的溢出效应。
图10.15 期货价格收益率示意图
图10.16 现货价格收益率示意图
从期、现货市场收益率基本统计特征（表10.22）看，期货市场的平均收益率要略大于现货市场的平均收益率，且期货市场的波动性要明显大于现货市场的波动性。从峰度来看，期、现货市场的峰度均显著大于3，有明显的剑峰和后尾的特征。从JB统计量来看，期、现货市场的收益率并不服从正态分布，因此不能采用传统的最小二乘法进行参数估计，我们引入条件自回归模型（GARCH模型）进行分析。通过对期、现货市场收益率进行单整检验（表10.23），在1%置信水平下均拒绝了存在单位根的假设，因此期、现货收益率时间序列都是平稳的时间序列。
表10.22 市场收益率基本统计特征
表10.23 收益率的平稳性检验
1.VaR模型与检验
VaR是风险估值模型（Value at Risk）的简称，旨在估计给定金融产品或组合在未来资产价格波动下可能的或潜在的损失。其定义如下：对于给定时间范围τ和置信水平1-α，VaR是指在时间τ内以概率α发生的损失。本研究采用大豆价格收益率Yt的条件分布的左α-分位数来度量大豆价格下跌的风险，其现货市场经济意义是由于大豆价格大幅度下跌导致的大豆持有者收入的减少，期货市场的经济意义是多头在买入期货合约时，面临价格下跌的风险；采用大豆价格收益率Yt的条件分布的右α-分位数来度量大豆价格上涨的风险，其现货市场经济意义是由于大豆价格大幅度上涨导致的大豆需求者的额外支出，期货市场的经济意义是空头在卖出期货合约时面临的价格上涨的风险。
下面我们定义大豆价格极端上涨风险对应的VaR为：
其中It-1=Yt-1，Yt-2，...是t-1时刻可获得的信息集。
同样我们可以定义大豆价格极端下跌风险对应的VaR为：
常用的置信水平α可取为0.10，0.05或0.01。估计VaR的常用模型有基于GARCH模型的VaR估计方法和J.P.摩根的风险度量法。J.P.摩根的方法与IGARCH模型等价，这会产生模型设定的错误，而且这种方法不能细致地描述波动的某些特征（例如杠杆效应），我们在此采用GARCH模型来估计大豆市场的风险VaR。
在GARCH模型建模过程中，我们先利用偏自相关函数和自相关函数确定均值方程中的AR阶数，条件方差方程的基准采用实证研究中比较流行的GARCH（1，1）模型，最后根据统计检验量Q（M）来判断模型设定的正确性。期货市场采用AR（10）-GARCH（1，1）模型的估计结果如下（表10.24）：
表10.24 AR（10）-GARCH（1，1）模型充分性诊断统计量——广义Box-pierce检验Q统计量
现货市场采用AR（3）-GARCH（1，1）模型的估计结果如下（表10.25）：
基于标准化残差和基于平方标准化残差自相关的广义Box-pierce检验统计量除现货市场Q（20）的p值小于0.05外，其他统计量p值均大于0.05，说明GARCH（1，1）模型拟合效果较好，残差基本不再存在自相关，模型是充分的。另在期、现货市场GARCH模型中，两市场的α+β分别为0.9851和0.9695，非常接近1，表明期、现货市场价格收益率的时变条件方差都存在着很强的持续性。但α+β＜1，表明期、现货市场收益率的方差有限，属于弱平稳过程。
表10.25 AR（3）-GARCH（1，1）模型充分性诊断统计量——广义Box-pierce检验Q统计量
从图10.17可以看出，大部分时期期货市场收益率波动曲线位于现货市场收益率波动曲线的上方，但是有一段时间现货市场也出现了异常的剧烈波动，其收益率波动曲线位于期货市场收益率波动曲线的上方。可见，2005年以来，中国大豆市场是一个复杂的市场，其期、现货价格收益率均出现了较大的波动，但一般来看，除特殊时期外，期货收益率的波动幅度要高于现货收益率的波动幅度。
图10.17 期、现货价格收益率条件方差图
通过GARCH模型我们可以计算出大豆价格下跌时的VaR：
大豆价格上涨时的VaR：
其中Vt为市场的条件期望，Zα是市场GARCH模型的标准残差分布的左分位数。
实证结果表明，在相同置信水平下，上涨和下跌对同一个风险主体造成的风险基本上是对称的，造成的损失大致相同。期、现货市场收益损失超过VaR的比例与相应地置信区间是吻合的，且略有不足，VaR值在一定程度上高估了市场风险。一般来讲，期货市场的风险要大于现货市场，但我们也应该看到，现货价格在一段时期内出现了剧烈的波动，其风险VaR值超过了期货市场，这种异常现象的出现正是由于“大豆风波”的出现，其危害直接波及中国大豆的期、现货市场，使得市场价格出现图10.18和图10.19所示的紊乱现象。
图10.18 期、现货价格下跌VaR示意图
图10.19 期、现货价格上涨VaR示意图
2.信息溢出效应实证分析
格兰杰因果检验主要解决了x是否引起y的问题，主要看现在的y能够在多大程度上被过去的x解释，加入x的滞后值是否使解释程度提高。如果x在y的预测中有帮助，或者x与y的相关系数在统计上显著时，就可以说“y是由x格兰杰引起的”。
（1）基于回归的线性—格兰杰因果关系检验
Geweke等（1983）提出了检验线性—格兰杰因果关系的数学模型：
检验从Xt到Yt的因果关系，其原假设为H0：βj=0，j=1，2，…，k。检验统计量为：
在原假设下，F服从自由度为（k，N-k-m-1）的F分布，在置信水平α下，如果F＞Fα（k，N-k-m-1），则原假设不成立，Xt对Yt具有因果关系。
检验结果表明（表10.26），在5%的显著性水平下，大豆现货价格不是期货价格的格兰杰原因，期货价格在短期内是现货价格的格兰杰原因，但是在长期内期货价格与现货价格的格兰杰因果关系并不显著。
表10.26 线性—格兰杰因果关系检验结果
注：RP表示现货收益率，RF表示期货收益率，圆括号内为对应统计量的p值。
（2）基于核函数的格兰杰因果关系检验
Hong（2001）采用多种核函数检验了统计量的功效，发现Daniel核函数kz=sin（πz）/（πz）的效果最好，因此本章将采用此函数对均值、波动率及风险的溢出效应进行格兰杰因果检验。
在基于核函数的格兰杰因果关系检验中，单向—格兰杰因果关系检验量记为Q1M：
单向—格兰杰因果关系检验量记为Q2M：
其中，
为滞后j期的样本协方差函数，k（z）为k的核函数，M为有效滞后截尾阶数，C1T（k），D1T（k），C2T（k），D2T（k）分别为统计量的调整参数。
在“原假设：期、现货市场不存在格兰杰因果关系”成立的条件下，Q1M和Q2M在大样本条件下服从渐近的标准正态分布，因此，通过比较样本统计量与标准正态分布右侧临界值，可以判断是否存在格兰杰因果关系和信息溢出效应。
由检验结果可知（表10.27），在1%的显著性水平下，大豆期货收益率与现货收益率的双向均值—格兰杰因果关系检验非常显著，这说明大豆期、现货市场时间存在双向均值—格兰杰因果关系。由单向均值—格兰杰因果关系检验可知，双向都有均值信息溢出。但就置信水平而言，期货市场对现货市场的溢出明显强于现货市场对期货市场的溢出；长期来看，期货市场向现货市场的信息溢出效应仍然显著，现货市场已不存在溢出效应。这说明，结合期、现货市场的历史信息来预测期（现）货市场未来的价格走势比只用单个市场的历史信息要好得多，也说明中国大豆期货市场已初具价格发现的功能。
表10.27 均值—格兰杰因果关系检验结果
由结果可知（表10.28），在1%的显著性水平下，大豆期货收益率与现货收益率存在双向波动率—格兰杰因果关系。由单向波动率—格兰杰因果关系检验可知，现货市场对期货市场存在着较强的信息溢出，但期货市场对现货市场波动性的溢出只在极短的时间内显著。因此，对于大豆价格的波动而言，其主要来源还是在于现货市场，这与对其他产品的研究结论有所区别，也是中国大豆市场的特殊之处。
表10.28 波动率—格兰杰因果关系检验结果
由各项检验结果可知（表10.29—10.31），在10%、5%和1%的显著性水平下，大豆期货收益率与现货收益率的双向下跌风险—格兰杰因果关系检验都非常显著，说明大豆期货市场与现货市场之间存在强烈的双向下跌风险溢出效应。进一步进行单向下跌风险—格兰杰因果关系检验后发现，下跌风险溢出的方向是从现货市场到期货市场。期货市场到现货市场的下跌风险溢出只在较短的时间内存在，且随着下跌风险置信区间的降低，期货市场对现货市场的下跌风险溢出效应逐渐降低，在1%下跌风险时其溢出效应只在滞后5期内显著，因此期货市场对现货市场的下跌风险溢出效应极弱。
表10.29 10%下跌风险—格兰杰因果关系检验结果
表10.30 5%下跌风险—格兰杰因果关系检验结果
表10.31 1%下跌风险—格兰杰因果关系检验结果
由检验结果可知（表10.32和10.33），在10%和5%的风险水平下，大豆市场期货收益率和现货收益率之间存在着强烈的上涨风险—格兰杰因果关系。进一步检验后我们发现，与下跌风险溢出的检验所得的结论不同，无论是期货市场对现货市场，还是现货市场对期货市场，其单向的上涨风险—格兰杰因果关系检验都非常显著，但从置信水平来看，现货市场对期货市场的溢出效应略强一些。这可能的原因是中国豆二期货设立的时间不长，而豆二的转基因大豆又主要为从国外进口，期货市场相对于现货市场的交易量较小的缘故。
表10.32 10%上涨风险—格兰杰因果关系检验结果
表10.33 5%上涨风险—格兰杰因果关系检验结果
由表10.34可知，在1%的风险水平上，大豆期货市场与现货市场之间仍然存在着双向的上涨风险—格兰杰因果关系。从单向的上涨风险—格兰杰因果关系检验看，现货市场对期货市场仍然显著，而期货市场对现货市场只在一定的时期内显著。从上涨风险和下跌风险信息溢出效应的对比看，其区别主要表现为期货市场在上涨风险下的溢出效应较下跌风险下的溢出效应强，其原因可能为人们对上涨风险与下跌风险的心理承受能力不同，一般而言，人们更倾向于做多而不是做空。价格上涨时，会有更多的投机者加入进来，从而风险也更大，其信息溢出效应较为强烈，期货市场对上涨风险与下跌风险的溢出效应是不对称的。
综上，中国大豆期、现货市场之间的信息溢出效应可以归纳如表10.35所示。
表10.34 1%上涨风险—格兰杰因果关系检验结果
表10.35 期、现货市场信息溢出效应归纳表
根据以上信息溢出效应的格兰杰因果效应检验结果，基于核函数的均值—格兰杰因果关系检验、波动率—格兰杰因果关系检验、风险—格兰杰因果关系检验比基于回归的线性—格兰杰因果关系检验功效更强。检验结果表明，期货市场与现货市场之间存在着双向的格兰杰因果关系。单向—格兰杰因果关系检验表明，现货对期货的信息溢出要强于期货对现货的信息溢出。从以上结果可以看出，中国的大豆期货市场还很不完善。从理论上而言，期货市场的信息溢出效应要强于现货市场的信息溢出效应，但目前中国大豆市场的情形恰恰相反，这必然会影响期货市场功能的发挥，特别是期货市场的套期保值功能。本章的下一节将对中国大豆期货市场的套期保值功能进行具体分析。
（四）套期保值效果分析
规避风险是期货市场的本质属性，规避风险功能的发挥必须以套期保值交易作为手段，套期保值的绩效也体现了期货市场风险管理效率的高低。套期保值的核心思想在于：对现货市场和期货市场的资产进行组合投资，套期保值者根据资产组合的预期收入和收益方差来确定两个市场的头寸，以使收益风险最小化或效用最大化。
大豆期、现货价格的时间序列如图10.20所示，对其进行简单的统计分析后我们发现：期货市场价格变动的波动性要大于现货市场价格变动的波动性，而且期、现货价格的偏度都为负，峰度大于3；与正态分布相比，期、现货价格序列都是左偏的，而且具有更高的峰度。JB检验表明（表10.36），期、现货价格正态分布的假设都被拒绝。
图10.20 期、现货市场价格示意图
表10.36 期、现货市场价格统计检验表
通过ADF检验（表10.37）可以看出，在10%的显著性水平下，大豆市场的现货市场和期货市场均不能拒绝原假设，其是不平稳的。但在一阶差分后，在1%的显著性水平下两市场均可以拒绝原假设，不存在单位根。因此，期货价格和现货价格的一阶差分序列是平稳时间序列，同为I（1）过程。
对期、现货价格进行协整关系检验，通过回归方程残差序列的估计，以及残差ADF检验结果（表10.38）表明，在1%的显著性水平下可以拒绝不存在协整关系的假设，说明大豆期、现货价格之间存在着一个显著的协整关系。
表10.37 期、现货市场价格平稳性检验表
表10.38 期、现货市场价格协整检验表
套期保值有效性的评价指标主要考虑套期保值对风险的规避程度。本研究主要采用Ederington（1979）提出的方法，用是否套期保值对资产组合收益方差的影响定义套期保值的效果，定义套期保值率为参与套期保值后组合收益方差的减少程度。指标计算方法如下：
其中，VaR（Unhedged）表示未做套期保值的组合收益方差，VaR（Hedged）表示套期保值后的组合收益方差。
1.最优套期保值率的估计方法
（1）最小二乘法
Johnson（1960）采用组合收益方差最小的方法，最先提出了商品期货最佳套期保值比例：h=Cov（ΔPP，ΔFP）/VaR（ΔFP）。此最优套期保值比例可由以下线性回归方程给出：
最佳套期保值比例h可由a1的估计值给出。但是运用OLS方法估计的最优套期保值比例存在残差无效性的问题，因而会错误地估计最优套期保值比例的问题。利用OLS模型估计的最优套期保值比例结果如下：
可知，利用最小二乘法给出的风险最小套期保值率为0.17。
（2）B-VAR套期保值模型
利用最小二乘法进行最优套期保值比例估计存在残差序列相关的问题，而双变量向量自回归模型B-VAR进行最优套期保值比例估计正好可以解决残差序列相关问题且增加模型的信息量。B-VAR模型的估计方程如下：
在进行模型估计前，需先寻找最佳的滞后值k，从而消除残差自相关的影响。令Var（εs，t）=σss，Var（εf，t）=σff，Cov（εs，t，εf，t）=σsf，则最优套期保值率可以表示为h=σsf/σff。h也可由以下的回归模型给出：
回归系数β即为所求的最优套期保值比例。利用B-VAR套期保值模型的估计结果如下：
从而得出B-VAR套期保值模型下的最优套期保值比例为0.1766。
（3）ECM套期保值模型
Ghosh（1993）根据Granger ＆ Engle提出的协整理论，提出了估计套期保值比例的误差修正模型，从而解决了期货价格和现货价格之间的协整关系对最优套期保值比例的影响。基于协整理论的最优套期保值比例可以通过以下两步来估计。第一步估计期、现货市场价格序列之间的协整关系：
第二步估计如下误差修正方程：
其中ut是协整方程估计时得到的残差，最优套期保值比例可由β的估计值得出。利用ECM模型估计结果如下：
从而得出ECM套期保值模型下的最优套期保值比例为0.1731。
（4）对称GARCH套期保值模型
随着自回归条件异方差（ARCH）的发展和应用，基于条件方差的动态最优套期保值问题也日益进入人们的研究视野。对称GARCH套期保值模型可以表示如下：
其中，et|Ωt-1～N（0，Ht），H=C′C+A′et-1e′t-1A+B′Ht-1H′t-1B，
，在时刻t的最优套期保值比例可由Ht-1=H12，t/H22，t给出。
对称GARCH套期保值模型的估计结果见表10.39，相应的套期保值序列见图10.21。
表10.39 套期保值对称GARCH模型估计结果
图10.21 对称GARCH模型最优套期保值率
（5）非对称GARCH套期保值模型
非对称GARCH套期保值模型主要考虑了市场对好坏消息反应的不一致，其均值方程与对称GARCH套期保值模型相同，但在方差方程里需要考虑上一期市场结构波动方向对条件方差的不同影响。此时，et｜Ωt-1～N（0，Ht），H=C′C+A′et-1e′t-1A+B′Ht-1H′t-1B，
，
，在时刻t的最优套期保值比例仍由Ht-1=H12，t/H22，t给出。
非对称GARCH套期保值模型的估计结果见表10.40，相应的套期保值序列见图10.22。从回归结果可以看出大豆市场对好坏消息反应非对称效应的参数γ11，γ22显著不为零，利空消息对价格波动的影响要大于利多消息对价格波动的影响。
表10.40 套期保值非对称GARCH模型估计结果
图10.22 非对称GARCH模型最优套期保值率
（6）EC-非对称GARCH套期保值模型
在EC-非对称GARCH套期保值模型中，et的假设与非对称GARCH套期保值模型完全相同，只是在非对称GARCH套期保值模型的基础上考虑了协整关系对于最优套期保值比例的影响。
其中，
，为协整方程的残差项。在时刻t的最优套期保值比例仍由Ht-1=H12，t/H22，t给出。
EC-非对称GARCH套期保值模型的估计结果见表10.41，相应的套期保值序列见图10.23。从回归结果可以看出，考虑了期、现货市场价格协整效应后，利空消息对市场价格波动影响的参数大幅下降，而利多消息对市场价格波动的影响下降幅度不大，则对于促进期货市场价格的稳定有积极的促进作用。
表10.41 套期保值EC-非对称GARCH模型估计结果
图10.23 EC-非对称GARCH模型最优套期保值率
2.套期保值绩效的比较
根据以上各模型估计的最优套期保值比例，根据前文所述套期保值绩效公式得出的结果如表10.42所示。
表10.42 套期保值样本内套期保值绩效
从表10.42可以看出，B-VAR、非对称GARCH、EC-非对称GARCH模型的套期保值效率相对较高，能有效地使大豆现货市场的方差降低5%以上，而OLS、ECM模型的套期保值效率相对较低。但从总体上看，运用模型结果进行套期保值规避风险的能力并不高，这也从一个侧面反映了中国大豆期货市场与现货市场的相关程度不高，期货市场的发展还很不完善。
（五）非理性特征分析
价格发现是期货市场的核心功能，其功能的发挥离不开投机者的积极参与，适度的投机有利于缓解期货市场价格的大幅波动，增强市场活力和流动性。但是，非正常的过度投机则会使价格信息失真、增大市场的波动性，使市场的系统风险增加，影响国民经济的正常运行。
1.模型及数据说明
本节对中国大豆期货市场非理性特征分析将采用Schwert ＆ Seguim（1990）及Davidian ＆ Carroll（1987）提出的模型，具体模型方程如下：
其中，Rt表示时刻t的回报；di，i=1，2，3，4分别表示条件回报和方差的周一至周五的日历效应；A1，A2分别表示大豆期货的交易量和持仓量，并分别被分解为预期交易量和非预期交易量以及预期持仓量和非预期持仓量两个部分；方程的滞后阶数统一为5阶。Rt拟合值表示基于给定波动水平以及周历的条件日回报；Ut是方程的残差，用来表示非预期的回报。日标准差σ′t可以通过如下公式估计得到：
对于以上模型的估计，Davidian ＆ Carroll（1987）提出可以对模型采用迭代估计：首先，在不包括滞后波动项σ′t-j的情况下，对方程Rt的系数进行估计；之后，计算σ′t值后对方程σ′t进行估计；根据方程σ′t的拟合值重新估计方程Rt的参数，进而重新给出方程σ′t的系数估计值（李艺和汪寿阳，2001）。
在投资者行为的非理性特征分析中，我们仍然选取大连商品期货交易所离交易日第二期进入交割的豆二商品期货合约，以2005年1月至2009年8月的日交易数据为研究对象，所选取的交易数据为日收盘价、交易量、持仓量，除双休日及法定节假日外，共收集豆二合约时间序列样本数据1133组。收益率按照以下公式进行计算：
对日收益率、持仓量、交易量序列分别进行单位根检验，结果显示各数列均为平稳数列，其检验结果见表10.43。
表10.43 收益率、持仓量、交易量单位根检验
分析结果表明：大豆期货收益率、持仓量、交易量均为I（0）过程。在接下来的分析中，我们将对所有的持仓量、交易量数据建立AR模型，并根据方程拟合值和残差分别将持仓量、交易量分解为预期持仓量、预期交易量和非预期持仓量、非预期交易量。
2.实证分析
对于收益率方程的估计结果如表10.44所示，结果表明，中国大豆期货市场还未达到弱势有效，期货交易的历史数据对日收益率的解释能力有限，仅滞后一项的系数通过了显著性检验，方程调整后的R2仅为3.26%。但是我们也应该看到，大豆期货市场具有较强的日历效应，其在周一具有正的异常回报，回报率大概为0.33%。方程对滞后波动项系数未通过显著性检验，表明其风险与收益之间并不存在显著的相关性。
表10.44 日回报回归结果一览
波动性方程考虑了预期交易量、预期持仓量、非预期交易量、非预期持仓量和非预期收益率的影响，其估计结果如表10.45和10.46所示，正负交易量对价格波动的影响检验结果不显著，因此，在这我们不考虑不对称性对期货市场价格的不同影响。实证结果表明其日历效应仍然明显，市场在周一波动性会异常增加，而到了周三、周四其波动性又会减弱，表明人们预期周一价格的不确定性很大，从而相应带动了期货市场波动性的增加。滞后5期的波动项系数中有3个在1%的水平下达到了显著，表明中国大豆期货市场的价格日波动已具有一定的记忆性和自相关性，调整后的R2达到了53.71%，但其功能尚未十分突出。对非预期回报系数的估计后发现，在滞后5期估计值显著不为零的4个中，有3个是负值，表明历史回报的异常增加会减小后续交易日的价格波动，对于维持期货市场的稳定具有一定的促进作用。对交易量的检验表明预期交易量与非预期交易量在1%的显著性水平下都达到了显著，但其期货市场波动性的影响是非对称的，预期交易量缓减了期货市场的波动性，非预期交易量增加了期货市场的波动性，但其对波动性影响幅度不是很大。对于持仓量的检验与交易量的检验不同，只有预期的持仓量对波动性的影响显著，其对期货市场波动性具有正的影响，扩大了期货市场的波动性。
表10.45 日回报回归结果一览
表10.46 考虑非对称影响的日波动回归结果一览
0.0117
（0.749）
（六）结论
通过对中国“大豆风波”案例的深入分析及大豆期货市场的功能检验，我们可以发现，虽然大豆危机的发生是首先由外盘的价格波动引起的，但是由于中国大豆期货市场的功能不完善，对于此场危机的加剧也起到了推波助澜的作用。通过对中国大豆期货市场的研究，我们可以得出以下结论：
（1）中国大豆期货市场已经初具价格发现功能。从实证分析结果看，大豆期货价格与现货价格存在着长期协整关系；从长期来看，是期货价格引导现货价格，反映出中国大豆期货市场基本发挥了其价格发现功能；从响应函数来看，现货价格对于期货价格新信息的反映较为灵敏，但是其持续的时间很长，说明了大豆期货价格正在成为现货价格的基础。期货市场对来自于现货市场的新信息反映较为迟钝，持续的时间也略短，说明中国大豆期货市场存在投资者的不理性及过度投机等行为，从而忽略了对现货市场的有效需求。方差分解则说明期货市场的新信息对于期货价格和现货价格都具有重要的决定性作用，期货市场价格发现功能处于主导地位。
（2）大豆市场的信息溢出效应现货市场要强于期货市场。对大豆期、现货市场的风险VaR分析表明，一般而言，期货市场的风险要高于现货市场，但是在某一时期也出现了现货市场风险高于期货市场风险的情形。对信息溢出效应的实证分析表明，大豆期货市场和现货市场的价格收益率、市场波动性及风险均存在着一定的互动性，但是大豆现货市场对期货市场的信息溢出要强于期货市场对现货市场的信息溢出，说明中国大豆期货市场的价格发现功能并未如协整、方差分析所描述的那么完善。虽然期货市场对现货市场已具有一定的信息溢出效应，但是正如前文所分析的，其信息溢出反应迟钝，为了更好地凸显大豆期货市场的价格发现功能，中国的大豆期货市场尚待进一步完善。
（3）中国大豆期货市场的套期保值功能也不尽人意。利用六个套期保值模型结合套期保值绩效指标对中国大豆期货市场的套期保值功能进行研究后发现，相对于不进行套期保值，进行套期保值后明显降低了组合的波动性，在一定程度上避免了现货价格的波动风险。但是套期保值的绩效却不尽人意，相对于不进行套期保值，套期保值只能降低大约5%的价格波动，这从一个侧面说明了中国大豆期货市场的不尽完善，从而阻碍了规避市场功能的进一步发挥。
（4）中国的大豆期货市场具有一定的投机性。通过实证分析我们可以发现，中国大豆期货的预期收益与预期风险之间不存在显著的相关性，预期持仓量与价格波动之间存在着正相关关系，非预期持仓量与价格波动之间的关系不显著，这与国外成熟的期货市场情况相反。正负预期交易量对于价格波动的影响是对称的，预期交易量与期货价格波动之间存在着负相关关系，非预期交易量与期货价格波动之间存在着正相关关系，且非预期交易量对价格波动的影响略大于预期交易量对价格波动的影响。预期收益与预期风险之间相关性的不显著及非预期交易量对期货价格的重要影响，都表明了大豆期货市场具有一定的投机性。
中国居民生活水平和消费水平的提高引致粮食消费量的与日俱增，自2000年后中国粮食尤其是大豆进口不断攀升，粮食进口依存度不断提高，而2008年后中国粮食市场的国际化、市场化程度不断提高，同时伴随着全球资源紧缺趋势和金融衍生品市场的极度扩张，粮食的金融属性彰显无疑。为了获取高额垄断利润，跨国粮食企业通过国际粮食期货交易所和对目标国的产业链渗透的方式，掌控粮食定价权，获取丰厚的垄断利润和金融利润，最终控制整个粮食产业链，从而对中国的粮食产业安全形成了威胁。与此形鲜明对比的是，国内粮食产业发展仍然处于小农生产、分散经营的尴尬境地，信息化水平低下，现、期货市场体系不完善，行业协会功能得不到有效发挥，政府管理职能缺位等等，这些问题的存在对获取粮食定价权、保障国家粮食安全极为不利。
中国玉米出口拥有微弱的市场势力，但对国际市场价格缺乏影响力，而大豆进口则不存在市场势力，总体上中国的粮食贸易不存在“大国效应”。对大豆定价权的分析表明，中国大豆期货市场的套期保值功能没有充分发挥，定价权缺失，这显然与中国大豆进口量占世界大豆进口总量60%的地位不符。这部分以大豆为例对中国粮食缺乏定价权的原因进行剖析。大豆进口缺乏市场势力，进而影响了定价权，这是国际、国内诸多因素综合作用的结果。从国际因素看，主要是国际粮食垄断资本对全球大豆产业链的操控；从国内因素看，主要是中国大豆生产成本偏高、大豆企业数量多但集中度低、采购体系分散、在全球大豆产业链上处于弱势地位等。
（一）跨国粮商方面
跨国粮商凭借其资本、规模和技术优势对各国生产资源、国际贸易和全球产业链及定价权实施全面掌控。美国、巴西、阿根廷和中国是世界四大大豆主产国，相比之下，巴西和阿根廷的大豆生产资源优于美国和中国。国际粮食垄断资本早在20世纪末就已开始通过提供转基因大豆种子、高效除草剂和优惠农业贷款等多种形式，对巴西和阿根廷的大豆生产资源实施控制，这一方面使得巴西和阿根廷的大豆种植规模迅速扩大，加大了对美国垄断资本的依赖；另一方面跨国粮商从中获得了更大利益，垄断资本渗透的范围更广，对生产资源的掌控也更深。
美国、巴西和阿根廷是世界主要大豆出口国，近年来三国大豆产量的近40%用于出口，拥有大豆贸易的绝对优势地位，而以四大跨国粮商为首的国际粮食垄断资本已经控制了全球近90%的大豆国际贸易，这使得全球大豆产业链基本在其控制之下，进而使美国在全球大豆定价权上拥有绝对的霸主地位，已经形成了“巴西、阿根廷种大豆，中国用大豆，美国决定大豆价格”的畸形格局（刘海月，2011）。
跨国粮食集团以大豆作为进入中国市场的敲门砖，通过参股国内大豆加工企业逐步控制中国大豆定价权，进而借其对国际市场大豆流通的控制权和掌控国际大豆定价权的优势，造成国内加工企业亏损。目前全国97家大型油脂企业中的64家被外资控制，比例高达66%（王帅，2012）。而随着中国粮食流通领域全面放开，跨国粮商加紧了其在中国粮食流通环节的战略布局，这将对中国的粮食安全造成威胁。
（二）全球价值链方面
中国大豆产业处于全球价值链的低端，难以在产业链竞争日趋激烈的国际市场上取得有利地位。跨国粮食垄断资本的兴起使得农业逐渐向发达国家转移，原有的发达国家和发展中国家农业互补格局被打破，更多的是发达国家通过农业保护和贸易壁垒等形式对农产品价格实施打压，发展中国家越来越处于从属地位。
大豆产业链中，豆蛋白的提炼和豆油的压榨是价值相对较高的环节，而中国对国产大豆偏好弱的重要原因是进口大豆的蛋白质含量和出油率较高，从而在这一环节上国内大豆加工企业很是被动。随着产业链竞争的日益加剧，无论是大豆产业链上游的种子和农药等生产资源的提供，中游的大豆蛋白提炼和豆油压榨及下游的豆粕、豆油等制品的销售，都成了跨国粮食垄断资本的掠夺对象。目前国内市场上的豆油几乎均由进口转基因大豆所压榨，跨国粮商从种子版权费和农药使用费中获取了大部分的超额垄断利润。由于进口大豆多为转基因大豆，且国内大豆加工企业均有不同程度的外资参股，对进口大豆的高依赖性使得豆油压榨环节的绝大部分利润为跨国粮商获取。
中国作为世界最大的大豆及其制品消费国，由于全球大豆价值链的高利润环节及国内大豆产业链基本为跨国粮食垄断资本所控制，很难在豆制品的销售环节获取太多利益。因此从总体上看，中国大豆产业处于全球价值链的低端环节，中国不能对大豆产业链实行有效控制，难以在国际市场上取得有利地位。
（三）国内生产方面
国内生产成本高、缺乏价格优势，难以满足国内企业需求，从而导致对进口的过度依赖。高颖等（2007）指出，中国大豆加工企业对国产大豆的偏好弱，国内需求基本靠进口来满足，因而当进口增加后最大受益者是美国、巴西等大豆出口国。同时进口量对进口价格的变化非常敏感，从而反映了国内大豆进口主要是基于价格因素的考虑，即中国大豆生产成本过高使得国内大豆价格较进口价格不存在竞争优势。
本研究首先对各国的大豆生产成本进行了比较（图10.24）。结果发现，1995年后各国大豆生产成本均有不同程度上升，但相比之下中国的大豆生产成本上升更快，且与其他国家的差距越来越大。因此，中国大豆生产成本处于劣势地位。2008年黑龙江97%的大豆加工企业处于停产、半停产状态便是生产成本过高的直接结果（李成刚和潘英丽，2009）。
图10.24 1992—2010年各国大豆生产成本比较
本研究进一步对中国大豆生产成本和进口价格进行了比较（图10.25），结果发现，在研究的19个样本中，有14个样本的生产成本高于进口价格，说明中国国内大豆价格也处于劣势地位，而这要比成本劣势更大。
图10.25 1992—2010年中国大豆生产成本与进口价格比较
因此，在成本和价格因素的综合作用下，中国大豆进口需求越来越旺盛，国内大豆加工企业对进口的依赖度已达到70%，受到的冲击也越来越大，这又将导致成本和价格负效应的进一步放大，从而使中国大豆产业跌入“进口数量越多，企业损失越大，产业威胁越大”的陷阱中。
（四）国内加工方面
国内加工企业数量众多、规模偏小，采购体系分散，规模优势难以转化为市场势力。大豆产业链具有链条长、附加值高等特点，国内企业纷纷进入大豆加工业。Pindyck et al.（2009）指出，买方的数目及相互之间的作用程度是决定买方市场势力的重要因素，但近年来中国大豆企业数量及其加工能力的扩张速度远远超过了实际加工量，导致产能过剩，各企业间的相互竞争加剧，规模优势和市场势力均难以形成。
20世纪90年代，东北地区大豆加工能力占全国的50%以上。2006年以后，东北地区大豆加工能力已经降为全国的20%，并形成了五大压榨圈共存的格局，大豆加工业布局已经呈现明显的分散化趋势。虽然国内加工企业的规模迅速扩大，行业集中度也得到明显提高，如中国大豆产业中最大的十个企业加工量占总加工量的比率（CR10）从2000年的35%提高到2010年的50%以上。但由于欧美等主要发达国家拥有大型的跨国粮食集团，不论是企业规模和行业集中度都远远胜于中国企业，如美国四个最大的大豆加工企业加工量占加工总量的比率（CR4）在2006年就已达到80%，因此与欧美发达国家相比中国大豆加工企业的规模和集中度均偏小。当前中国的大豆贸易主要通过四大跨国粮商进行，而随着外资控制国内大豆产业链的步伐加快，国内大豆加工企业的内资本控股比例逐年减少，只要大豆市场结构不出现太大变化，中国与欧美发达国家进行大豆贸易时的议价能力仍将缺乏。
高需求引致的高大豆采购成本及对利用期货市场进行套期保值的意识不足，国内众多的中小型大豆加工企业无力承担巨大的资金风险，对采购价格风险的控制能力薄弱，造成企业各自为战，难以形成完整的大豆采购体系，从而使得现有的大型企业集团难以发挥其规模优势，逐渐丧失了大豆价格的控制能力，进而导致市场势力的缺失。
（五）信息服务方面
国内公共信息服务滞后、行业协会职能缺失，政府与市场各主体之间缺失有效协作，抵御国际市场价格风险的能力不足。国际大豆市场定价以期货为基础，而畅通的公共信息传递是发挥期货市场功能的前提。当前国内尚未建立统一和权威的信息发布渠道，仍以美国农业部的信息数据为基准，而国内有的企业甚至为了自身的利益对外封锁消息，加大了相关部门获取和处理信息的难度，由此导致的后果是增加了企业的采购、经营风险和利益损失，2004年的“大豆风波”便是一个典型的案例。
当前中国大豆产业中存在的两个突出问题是产业过剩和无序采购，而这些问题的解决有赖于大豆行业协会功能的充分发挥。许多发达国家都有各自的大豆行业协会，如美国在1920年就已经成立了其大豆协会，在协调各方利益等方面发挥了举足轻重的作用。与之形成鲜明对比的是，中国在2007年才成立大豆产业协会，且各协会间、各部门内均不同程度存在资源不足、人才匮乏和运作效率低等问题，对国内大豆企业的引导能力不足，大豆行业协会“形同虚设”。同时，由于市场失灵的存在，包括大豆行业协会在内的各市场主体运作效率的提高与政府的监督和调控职能有密切关系。而当前各地方政府对自身在大豆产业中所处的地位认识不清，管理效率不高，导致与各市场主体间的协同效应缺失。
大豆产业定价权缺乏仅是中国粮食国际定价权问题的一个侧面，就整个粮食产业而言，跨国粮商的垄断和对产业链的操控也是普遍存在的。相对大豆来说其他粮食品种的贸易依存度并不高，但国内粮食企业的众、小、散特点及大型粮食企业的带动作用不足，很难形成完整高效的产业链。政府管理体制及行业协会等非政府组织的职能缺位强化了粮食产业的弱质性，导致整个产业处于全球价值链的低端环节，产业的经济利益受到严重侵蚀。可以认为，中国粮食定价权的缺失是粮食产业发展过程中形成和遗留下来的长期性问题，谋求全球粮食定价权，建立中国的全球粮食定价中心仍有很长的路要走。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
