毕业论文网
此文是一篇对称性论文范文,为你的毕业论文写作提供有价值的参考。
农产品波动的非对称性
[摘 要] 采用B-P滤波对1999-2012年我国农产品指数进行处理,观测到我国农产品呈现出4个波动性周期,并且表现出明显的不可重复性和非对称性；再利用描述性统计分析与非对称GARCH族实证模型相结合的方法检验我国农产品波动的非对称性；实证结果表明我国农产品波动的非对称性具有稳健性特征,并且EGARCH模型描述我国农产品波动的非对称性更为有效.最后绘制EGARCH模型的市场信息冲击曲线,进一步验证结论.
[关键词] 农产品；波动；非对称性
[中图分类号] F322 [文献标识码] A[文章编号] 1008—1763（2014）01—0053—05
一文献综述
农产品稳定与国民经济平稳运行有密切关联,也一直是世界各国农业宏观管理的焦点问题.如近两年连续出现的猪肉剧烈波动,2009年的广西香蕉每斤不足一毛钱,农民忍痛拿来喂牛,与此同时山东大蒜创历史新高,2010年海南辣椒一度下跌出现滞销的惨状,等等.农产品的反常态波动正是我国农产品市场监管欠缺的体现,也提升了对我国农产品波动研究的迫切性.
关于农产品波动的解释研究,其主要依据是供给理论.最著名的是由Schultz,Tinbergen提出,经Kaldor和Ezekiel改进的蛛网模型,模型中的具体参数用计量经济学模型可进行估计.随着研究的进一步深入,更多的学者通过各种数据对农产品波动的影响因素及传递路径进行理论探讨和实证分析,来研究农产品波动的成因及传导机制 [1].
Benides[2]根据历史经验数据,采用时间序列模型对玉米和小麦做出分析,得出汇率、库存是影响玉米和小麦波动主要因素的结论,并在此基础上进一步做出了预测.Mitra[3]采用非线性Cobweb 模型进行研究,其结果肯定了库存对粮食波动的重要影响.
顾国达、方晨靓[4]运用向量自回归（VAR）模型对在农产品各环节的传导进行模拟,进而对农产品波动的传导机制及其非对称特征进行分析,得出农产品传导机制具有非对称性的结论.Meyer[5]在对非对称传递的正负效应研究基础之上,对非对称传导模型进行进一步的完善；胡华平、李崇光[6]对我国农产品市场垂直传递和纵向市场联结的关系进行探究,尝试了非对称纵向传递的误差修正模型（APT-ECM）并通过实证分析得出基本结论：纵向市场联结的松散程度和非对称垂直传递特征的微弱性呈现正相关关系.
此外,徐高雪等[7]基于时间序列模型,通过H-P滤波对农产品数据进行处理并根据处理之后的数据对农产品波动的周期进行划分.顾国达、方晨靓[8]考虑国际市场因素对我国农产品波动的影响,选取国际农产品、美股市场、主要能源等指标,采用马尔科夫局面转移向量误差修正模型（MSVECM）进行实证分析,实证结果表明我国农产品波动的局面转移特征较为明显、波动存在上涨迅猛但下跌缓慢的特征.
综上所述,对农产品波动的研究,目前学者主要聚集于波动成因的探索及在各环节传导机制的模拟,但根据农产品波动的周期性特征,对波动周期的非对称性研究并不十分深入.基于此,本文在利用B-P滤波分析农产品周期性特征的基础上,用非对称GARCH族模型深入研究农产品波动的非对称性特征.二农产品波动周期性测度
农产品波动的非对称性可以表现在许多方面,本文拟从两个层面进行分析：一是以农产品波动的周期性为基础,分析其周期长度（频率）和振幅上的非对称性；另一个层面是分析农产品波动时间依赖上的非对称性,即波动随着前期的波动程度大小而变化,也就是通常说的波动集群性.
数据的选取以中国人民银行网站公布的月度农产品指数为依据,考虑数据的可得性和有效性,取样的时间限定在1999年1月至2012年9月的农产品指数.进行定基化处理以后,以时间为横坐标,以相对应月份农产品指数的对数值（此时取对数值是为了在一定程度上去除数据的异方差性并和后文实证数据保持一致）为纵坐标绘制月度农产品指数的时间序列变化如图1所示：
从图1可以看出我国农产品月度数据呈现稳中有升的趋势,1999年到2003年期间,我国农产品波动呈平稳并且有略微下降的趋势,2003年1月农产品指数达到最低,之后开始一定程度反弹,保持持续增长状态值.2008年6月达到一个小高峰,在2009年1月达到短期谷底并开始新一轮的持续增长.
为了对农产品波动周期进行划分,本文采用B-P滤波法进行描述.B-P滤波法最早是由Baxter和King提出.该方法的基本思路是确定序列波动可能持续的时间长度,去除较高以及较低频率的波动.通过对权重的调节使最佳滤波和大致最佳滤波的平方差达到最小.当频率为0时,滤子的取值为0,从而尽量保持平稳时间序列的特征.
三农产品波动非对称性的检验
(一)农产品波动非对称性描述与理论模型形式
从农产品波动的时间序列图和周期性特征都可以发现,农产品波动在形式上具有非对称性特征,而这种非对称性需要通过统计检验才能确认.为了进一步检验其非对称性,本文采用同样的数据,先对转换以后的数据进行描述统计和平稳性检验,其结果如表3所示.
转换后的农产品指数序列,其峰度和偏度系数均远大于3和0,有肥厚的尾部.且JB统计量在1%的显著性水平下拒绝农产品指数服从正态分布的假定.由于农产品指数的月度数据属于时序高频数据,容易产生异方差性,可对其先取对数,用对数数据进行分析或建模,减少一定的异方差性.然后设定均值方程并进行ARCHLM检验,最后建立非对称类GARCH模型.这一处理符合非对称类GARCH模型的建模条件.
对称性论文范文结:
关于对称性方面的论文题目、论文提纲、对称性论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。