农产品日历效应价格波动论文
一、相关文献评述
对于“日历效应”的研究目前多见于证券市场，大量的国内外文献已经证明了在不同地区的证券市场中
存在着各类“日历效应”。Ｒozeff等(1976)通过对纽约证券交易所在 1904年至 1974年间所有的股价
指数进行分析后发现，美国股市 1月份的平均收益率要显著高于其他月份的收益率，因而证实了在证券
市场中存在“一月效应”。Lakonishok等(1988)对 1897年至 1965年的美国道琼斯工业指数研究发
现，节假日之前的交易日存在着较高的收益率，这便是所谓的“节日效应”。此外还有 Cross(1973)证
实了美国市场在周一有显著的负收益率，进而证实了“星期效应”的存在。国内的研究，奉立成(2003)
证实了沪深两市存着“月初效应”。俞乔(1994)对我国证券市场进行了“星期效应”的相关研究后，发
现了正的“周四效应”以及负的“周一效应”。陆磊等(2008)研究了上证指数后证实了“节日效应”在
我国股市的存在。针对证券、金融市场的日历效应研究已经较为成熟。对收益回报率“异象”的解释研
究逐步扩展至期货和现货市场，虽然开展程度不及证券市场的日历效应研究深入，但也取得了一定的成
果，Chiang等(1983)对芝加哥期货所上市的商品期货收益的周日历效应进行了研究。Lucey等(2007)
在 GAＲCH模型下对黄金现货和期货进行了研究，发现在黄金现货市场上存在“周一效应”。在国内，
华仁海(2004)对郑州交易所小麦期货价格收益进行了研究，结果显示其具有周内效应;郭彦峰等(2008)
对上海期货市场可能存在的“周日历效应”也进行了相关研究。目前，农产品拍卖市场在我国的发展尚
处于起步阶段，涉及的学术研究也较为匮乏。以发展程度较高的花卉拍卖市场为对象的研究正在刚刚兴
起。除去这一研究领域传统的研究方向，如拍卖理论与供应链协调优化等，价格反常现象及其解释也是
花卉拍卖市场未来的研究趋势和热点所在。本文参考传统金融市场与期货市场的日历效应理论研究，结
合花卉拍卖市场成交价格的波动变化以及花卉市场本身所具有的特点，试图发现其中异常回报率的时间
节点，即在花卉拍卖市场中的日历效应，以期对农产品拍卖市场未来的发展提供政策建议。本文以亚洲
规模第二、国内规模最大的昆明国际花卉拍卖交易中心(以下简称 KIFA)为例，采用 GAＲCH模型进行建
模分析，围绕花卉拍卖存在的特殊日历节点进行实证分析。
二、日历效应实证分析
(一)样本选取本文选取的样本数据来源于 KIFA在 2011年 2月 14日至 2014年 2月 13日的花卉拍卖日
平均成交价格，样本跨度 4年，有效观测值 1055个。
(二)数据处理参考证券市场股指收益率，我们定义花卉拍卖市场的日均收益率如下。式中，Pt代表花
卉在日期 t的平均交易价格，Pt－1代表前 1天的平均交易价格，Πt代表日期 t的收益率。为了更加
直观地呈显收益率的变动情况，将花卉市场的日均价格变动比率放大至 100倍，可以得到变化较为明显
的收益率波动图。从图 2可以发现整体样本范围内收益率的波动变化。不难发现，我们所定义的花卉收
益率均值较为稳定，但是收益率波动的方差变化较大。该波动形状呈现聚集性特点，即存在所谓的“波
动聚集性”。正是因为存在这种“波动聚集性”，如果需要得到较好的拟合效果，则不能直接使用普通
最小二乘法，而需要利用 GAＲCH模型进行建模分析。
(三)研究方法模型由于“波动聚集性”的存在，本文采用 GAＲCH模型(p，q)进行实证研究。GAＲCH模
型是由计量经济学家 CliveGranger提出的，代替原先的 AＲCH模型。当存在 AＲCH效应时，该模型能
够取得较好(四)模型与实证研究 1．普通最小二乘法(OLS)回归建模。使用 OLS进行回归分析。设原假
设 H0为不存在月度效应。如果拒绝原假设，我们接受 H1，即月度花卉拍卖市场存在显著性的日历性差
异。我们利用虚拟变量建立如下回归。从表 1可以看出，对于拍卖市场的收益率，一年中月份最高的是
9月，最低的是 4月，由此可以猜测花卉拍卖市场可能存在正的“九月效应”和负的“四月效应”。但
还需要进一步的检验从而确定这类效应的存在。对于检验得到的 ADF统计量，由于其绝对值大于麦金农
临界值，因此我们认为原序列为平稳序列，从而拒绝原假设。由于序列中不存在单位根，也无需进行差
分处理。3.自相关检验。接下来对时间序列数据进行自相关检验，本文采用 LM(Breush－GodfreyLa-
grangeMultiplier)检验，检验结果见表 3。由检验结果可知，LM统计量的 P值大于 ，因此拒绝原
假设，时间序列残差项不存在一阶自相关，也就是说任意一次观测值的扰动项并不受其他观测值的影
响。ＲCH效应检验。从图 2可以推断，花卉日均收益率的波动可能存在“波动聚集性”特征，因此
对其进行 AＲCH效应检验。先采取拉格朗日乘数法(AＲCH－LM)对其进行检验，检验结果见表 4。其
中，F统计量和卡方统计量的值都小于 ，因此 AＲCH－LM检验结果认为原序列存在 AＲCH效应，
与图示检验的结论一致，可以证明存在“波动聚集性”。也就是说，为了达到理想的拟合效果需要对数
据进行 GAＲCH建模分析。
(五)“月份效应”的实证研究 ＲCH模型建模分析。正是由于这种“波动聚集性”特征的存在，且
不满足正态分布，因此 CliveGranger提出了 GAＲCH模型，可以有效拟合数据。我们在 OLS模型的基础
上建立 GAＲCH(p，q)模型如下。2.实证结果与结论。根据表 5可知，在 10%的显著性水平下，D09的 Z
统计量达到显著，存在正的“九月效应”，即 9月份的收益率显著地高于平均水平。虽然 4月份收益率
较低，但不存在之前猜测的“四月效应”。3.原因分析与解释。在每年的 7月底 8月初，由于受到中国
传统节日“七夕”节的影响，使得这一时期的鲜花市场需求量骤增，这种需求量突然扩大的后果就是导
致 8月中下旬交易量趋于饱和并下降。而经过一段时期的需求冷却之后，在 9月份内，受教师节、中秋
节以及国庆节花卉需求的多重刺激，拍卖市场的鲜花交易量有着显著的提高，收益率大大提升，导致花
卉拍卖市场出现了“黄金九月”。
(六)“农历效应”的实证研究 1.描述性统计。我们从农历的划分角度出发，将现有的数据按照农历分
成 30个变量，进行统计分析以期对可能存在的“农历效应”展开研究。从图 3中可以看出，农历初四
和农历十六两天的平均收益分别低于和高于周边的日期。据此猜测，存在正的“农历十六效应”以及负
的“农历初四效应”。ＲCH模型的建模分析与实证检验。如同月份效应，我们先进行普通最小二
乘法等一系列检验后，数据样本不存在自相关，同时也较为平稳。但是在对数据进行 AＲCH效应检验
时，发现样本中存在 AＲCH效应。因此继续采用 GAＲCH模型进行回归分析。3.原因分析与解释。统计
显示，农历 30日的拍卖数据样本仅有 19个，只有其他日期样本的一半左右，这是因为拍卖市场存在闭
市状况，导致供应量降低，在初一开市后经过 3天较高的市场需求后，初四需求回落。但由于拍卖市场
供应量没能进行匹配性调整，因此出现了明显的负效应。而正的“农历十六效应”和负的“农历廿一效
应”可能与婚礼举行的密集程度有关。由于条件限制，本文对此未进行详细的研究。
(七)二十四节气效应 1.数据划分与建模分析。我们继续对时间序列数据进行分类研究。与金融市场的
股指期货不同，考虑花卉拍卖可能会受气候影响，因此我们这里使用中国传统的 24节气对数据进行统
计分析。所谓 24节气是指立春、雨水、惊蛰、春分、清明、谷雨、立夏、小满、芒种、夏至、小暑、
大暑、立秋、处暑、白露、秋分、寒露、霜降、立冬、小雪、大雪、冬至、小寒、大寒。这 24节气分
别代表着不同类型的气候、温度和天气状况。我们按 24个节气当日以及其后 3天划分一个样本，考察
该节气是否对拍卖市场有影响，即样本所在期间是否有显著收益率。相关检验我们已在前面完成，样本
数据平稳，同时不存在自相关，但样本中依然存在 AＲCH效应，因而进行 GAＲCH建模分析。2.实证结
果与结论。我们对 KIFA拍卖市场的节气效应进行了检验，把数据划分为 24个节气样本以及 1个非节气
样本，发现利用 GAＲCH(p，q)模型建模取得了良好的效果。从整体样本来看，拍卖市场存在正的“惊
蛰效应”、正的“大暑效应”以及正的“寒露效应”，也就是说在这三个节气初期存在显著的高收益
率。3.原因分析与解释。对上述三个显著的节气正效应进行分析发现，惊蛰在每年的 3月 5日或 6日，
该节气前后冷暖空气交替，气温和风的变化都较大，对花卉播种和扦插影响较大。大暑时节是我国广大
地区一年中最炎热的时期，处在每年的 7月 22日或 23日，过于炎热的温度对农产品特别是花卉等作物
的采后保鲜影响较大。而寒露时节在每年的 10月 8日或 9日，此时太阳直射点开始向南移动，北半球
气温继续下降，天气更冷，在云南这种高原地区，寒露前后是雪灾最严重的季节之一，对农业的危害较
大。综上所述，三个节气的共同特点是，气候变化巨大。在前面的月份效应分析中，我们发现上述三个
气节所处的月份均低于总体平均收益率，但在这短暂的三个节气内却存在着显著的正收益率，这可能与
气候变化剧烈、花卉产量波动大、批发商提前进行购买等因素有关。再者，花农根据传统的节气经验指
导，将花期进行调整，使得此时花卉产量缩减，因此在这三个节气初期的拍卖收益率有着显著的提升。
三、结论与相关建议
相比传统批发贸易市场而言，拍卖市场虽然很大程度上降低了农产品价格的波动性。但仍然有一些异常
波动需要引起重视。若简单地认为这是一种随机波动，而忽视了存在着的“日历效应”，那么对农产品
拍卖市场的建设和发展往往会造成不利影响。首先，由于农产品自身以及其产出的特殊性质，其供给量
受价格影响波动较大。我国农产品生产大多是以小农生产为主，以云南花卉产业为例，95%的花卉生产
是小农种植经营，其特点就是专业组织化程度较低且生产流通环节信息匮乏，在农产品市场需求出现波
动时，农户无法准确判断或预测未来价格趋势，绝大多数农户只能根据当前市场行情决定下一期生产目
标，追涨杀跌的盲目式决策造成了农产品供应陷入“发散式蛛网”周期，造成了农产品价格不良波动，
影响农业生产秩序。其次，我国农产品仍处于依赖客观自然条件的阶段，以云南花卉为例，绝大多数花
卉生产者在户外进行花卉栽培作业，气候变化对花卉产量的影响不可避免，通过上述对“二十四节气效
应”的实证分析可知，在惊蛰、大暑等气候变化较大的节气时，农户现有的生产条件抗风险能力较弱，
造成了花卉产量降低，市场供给紧缺，拍卖成交价格上升。若供应商和市场没有正确调整供应量和价
格，极易导致出现游资炒作、中间批发商哄抬价格等扰乱农产品市场稳定的事件发生。因此，不论是传
统的农产品批发市场还是现代农产品拍卖市场，其良好的价格稳定机制不仅能够稳定农户生产，同时也
影响着民生福利，关系着整个社会的福利效用。所以，在我国农产品拍卖市场发展之际，我们应该完善
价格发现机制，将农产品市场价格波动控制到最低限度之内。这不仅需要拍卖市场各个主体的共同努
力，相关政府职能部门也要给予相应的政策和技术支持，从而将“日历效应”对价格波动的影响降到最
低。第一，对于生产者而言，其定价以及预期产量应与市场供求情况相一致，但是在没有有效的市场信
息获取途径时，农户对其所生产的农产品在未来销售市场上的供求情况只是一种主观的感受，并非市场
实际的状况。因此构建高质量的信息平台十分重要，通过市场需求与农产品生产状况信息的共享，参与
农产品拍卖的农户可以在农产品生产之际准确地把握市场行情。第二，在农产品拍卖市场上出现了某种
“日历效应”之后，媒体要承担起自身的社会责任，理性看待农产品价格的涨与跌，切勿夸大事实报
道、误导舆论，将农产品小范围的正常价格波动放大。这不仅对维护市场稳定造成危害，甚至还进一步
加剧了农产品价格波动程度。第三，在清楚认识农产品拍卖市场的价格异常波动成因后，相关政府部门
要积极地制定相关财政补贴政策和技术支持政策。不仅要评估“日历效应”对农户造成的生产损失，对
基层农户进行相应的补贴，还要联合气象部门推出符合相关农产品种植的农业天气预报。第四，相关的
农协单位应在某种“日历效应”的时间节点来临之前做好应对措施，例如借助金融衍生品市场来转移其
“日历效应”对农户带来的收入风险，各种农业协会或者是拍卖协会可以代表农户购买相应的看跌期
权，以对冲价格下跌带来的销售损失。亦或是购买相应的气象灾害保险，以稳定农户的产生信心。
作者：秦开大李腾单位：昆明理工大学管理与经济学院
