作为农业发展大国，我国拥有豆粕、花生粕、菜籽粕、棉籽粕等产品[1]。豆粕是将大豆进行压榨并去除豆油后产生的副产品[2]，富含丰富氨基酸与蛋白质，是制作饲料的重要蛋白原料[3]。随着我国畜牧与水产养殖业规模逐步扩大，豆粕消费量呈现上涨态势[4]。据国家粮油信息中心数据显示，2014—2020年豆粕消费量由5 746万t上涨至7 683万t。2023年中央一号文件提出“加力扩种大豆油料，深入实施饲用豆粕减量替代行动”。据海关总署公布数据显示，2022年我国大豆进口量9 109万t，国产大豆产量2 029万t[5-6]。对于饲料产业，豆粕现货价格持续上涨与市场需求不足，可能会导致饲料企业竞争加剧[7-9]。因此，合理运用豆粕期货展开套期保值活动，能够以最低成本转移豆粕价格波动风险。豆粕期货具有价格发现功能，有效降低豆粕价格变动风险[10]。期货品种之间蕴含决策成本、交易成本、机会成本及信息搜集成本，对于期货短期均衡调节具有直接影响[11]。在现货市场与期货市场信息畅通背景下，豆粕期货市场价格存在价格反馈功能，能够为期货市场套利者与保值者提供保障[12]。近年来，学者们对于豆粕期货价格展开诸多探索。康敏等[13]研究提出，国内豆粕价格波动受到农业、政治、金融、经济等影响。邵永同等[14]研究认为，豆粕期货价格在非对称效应影响下，表现为尖峰厚尾与波动集聚性特征。戴鹏等[15]提出，豆粕期货市场价格与现货价格之间具有长期稳定性，期货市场价格对现货市场价格具有单向引导关系。黄巍华等[16]研究表明，大豆与豆油期货价格变化是豆粕期货市场价格的格兰杰原因。季宏宇等[17]研究指出，豆粕期货价格与现货价格之间存在双向引导关系。目前，豆粕现货价格对期货价格的影响研究较少。本研究通过构建VAR模型，深入探索豆粕现货价格对于期货价格的影响，进一步揭示豆粕现货市场影响期货市场的价格传导机制，为积极应对豆粕价格波动提供参考依据。1研究方法与数据来源1.1VAR理论与模型表达VAR模型以系统内部每一内生变量滞后值函数搭建模型，有利于检验内生变量动态关系[18-19]。因此，借鉴张晓清[20]研究方法，运用VAR模型分析豆粕现货价格与期货价格之间的动态关系。包含m个变量滞后q期的VAR（q）模型表达式如下：Yt=a+Π1Yt-1+Π2Yt-2+⋯+ΠqYt-q+εt (1)式中：Yt为m×1阶内生列量；Π1, Π2,⋯, Πq为m×m代估矩阵；a为m×1阶常数项列向量；εt~IID为m×1阶随机误差列向量。以豆粕现货价格、豆粕期货价格及滞后2期的VAR模型为基础，构建线性方程。yt=a1+∏11.1yt-1+∏12.1xt-1+∏11.2yt-2+∏12.2xt-2+ε1tyt=a1+π11.1yt-1+π12.1xt-1+π11.2yt-2+π12.2xt-2+ε1txt=a2+π21.1yt-1+π22.1xt-1+π21.2yt-2+π22.2xt-2+ε2t (2)矩阵形式为：ytxt=a1a2+π11.1π12.1π21.1π22.1yt-1xt-1+π11.2π12.2π21.2π22.2yt-2xt-2+ε1tε2t (3)上述方程显示，VAR模型能够充分检验联合内生变量间关系，可运用脉冲响应函数与方差分解，便于深入分析豆粕现货价格与期货价格间动态结构与特征。1.2数据来源于处理我国豆粕期货市场价格数据最早可追溯至2000年7月，豆粕现货价格可以追溯到2009年8月。鉴于休息日与法定假日的安排，豆粕价格日数据精准度与连续性相对较差。若针对豆粕价格日数据进行缺失补漏，容易引起检验结果失真。月度数据具有较好连续性，可直观展现豆粕现货与期货价格变动趋势。为此，本研究选取2009年8月—2021年8月共144个月度豆粕现货价格（Spsobm）与期货价格（Smfup）为样本，精准刻画我国豆粕现货价格与期货价格间的关系。豆粕现货价格主要借助全国豆粕批发价格平均价衡量，豆粕期货价格运用大连商品交易所豆粕活跃期货合约结算价测算。为缓解时间序列异方差性，将豆粕现货价格与期货价格进行对数化处理。随后，对数据运用X12方法展开季节调节，降低季节变动对数据的影响，最终获得豆粕现货价格（ln Spsobm）与期货价格（ln Smfup）。2实证研究2.1变量ADF单位根检验（见表1）传统VAR模型要求变量具有稳定性时间序列。当变量间具有协整关系时，非平稳时间序列可运用VAR模型进行检验[21]。本文借助ADF检验法对变量展开平稳性检验，采用Eviews 8.0软件对检验结果进行处理。由表1可知，豆粕现货价格与期货价格均在10%显著性水平下拒绝存在单位根的原假设。研究表明，所构变量均为平稳序列，可直接对lnSpsobm与lnSmfup构建VAR模型展开相关性分析。10.13557/j.cnki.issn1002-2813.2023.11.039.T001表1变量ADF单位根检验项目t统计量P值是否平稳ln Spsobm-2.967 50.042 3平稳**ln Smfup-2.813 60.061 2平稳*注：“*”“**”分别表示在10%、5%水平上单位根原假设不成立。2.2VAR模型的建立与检验2.2.1VAR模型滞后阶数的确定（见表2）鉴于样本数据为月度数据，变量最大滞后期为12，即q=12。运用VAR模型展开实证检验。由表2可知，在滞后阶数为3时，AIC值最小为-10.04；在滞后阶数为2时，SC值最小为-9.77。在SC与AIC存在差异时，一般借助似然比统计量LR对变量滞后阶数进行确定。当q=2时，LR检验值最大为56.86。因此，确定本研究滞后阶数为2。10.13557/j.cnki.issn1002-2813.2023.11.039.T002表2VAR模型滞后阶数的确定项目Log LLRFPEAICSCHQ093.338 5—0.000 412-2.132 4-2.069 1-2.101 21411.125 613.404 52.76×10-6-9.425 1-9.250 8-9.356 42441.321 556.864 1*1.52×10-7-10.032 5-9.765 2*-9.923 53445.635 47.933 31.50×10-7*-10.038 6-9.625 4-9.825 6注：“*”表示由准则测算得到的最优滞后阶数。2.2.2格兰杰因果关系检验（见表3）经济变量研究过程中，部分变量之间具有相关性，但意义性不强。因此，探究某一变量变动情况是否是导致另一变量产生改变的根源，成为经济学研究中亟须探讨的核心问题[22]。格兰杰因果关系用以探究其他变量当期值是否会受到变量滞后项的影响[23]。由表3可知，豆粕现货价格与期货价格间存在格兰杰因果关系，即豆粕现货价格对期货价格具有滞后影响，表明豆粕现货价格是影响期货价格变动的主要原因。10.13557/j.cnki.issn1002-2813.2023.11.039.T003表3格兰杰因果关系检验项目F统计值P值ln Spsobm不是ln Smfup的格兰杰原因7.098 50.001 8ln Smfup不是ln Spsobm的格兰杰原因11.943 20.000 0在上述研究结果基础上，对变量ln Spsobm与ln Smfup搭建滞后阶数为2的VAR（2）模型。具体公式为：lnSpsobmtlnSmfupt=0.014 80.182 5+1.531 90.079 31.851 71.047 1lnSpsobmt-1lnSmfupt-1+-0.548 6-0.076 8-1.835 4-0.115 2lnSpsobmt-2lnSmfupt-2 (4)2.2.3VAR模型中AR根图（见图1）在VAR模型构建过程中，模型根模全部小于1，AR根全部处于单位圆中[24]，表明VAR系统具有良好稳健性，可展开方差分解分析与脉冲响应函数。参照修丕师的研究[25]，运用VAR根图展开检验。由图1可知，单位根模均处于单位圆中，说明所建VAR系统具有较好稳定性。10.13557/j.cnki.issn1002-2813.2023.11.039.F001图1VAR模型中AR根图2.3ln Spsobm冲击引起ln Smfup的响应函数（见图2）在使用VAR模型过程中，仅借助单个参数估计值容易引起检验结果偏误。脉冲响应函数是检验模型在特定冲击下产生的动态影响[26]。由图2可知，在豆粕现货价格经过一个标准差正向冲击后，豆粕期货价格在第2期产生0.002 8的响应，随即呈现持续发展态势，在第7期上升至波峰处0.008 1。至此，豆粕期货价格响应逐步降低，在第二年逐步趋向于0，与之相伴的影响几乎消失。就整个冲击周期而言，ln Smfup变动对之后ln Spsobm产生较为显著的同向影响。研究表明，豆粕现货价格对期货价格具有正向影响。在豆粕现货价格受到正外部信息冲击时，期货市场将受到正向影响，且这一作用将逐步增强并到达顶峰，并趋于稳定。研究表明，豆粕现货价格变动存在滞后性，期货价格在第7期响应达到最高峰，具有较高合理性。10.13557/j.cnki.issn1002-2813.2023.11.039.F002图2ln Spsobm冲击引起ln Smfup的响应函数注：虚线表示脉冲响应函数测算值，实线表示脉冲响应的偏离带。2.4粕期货价格方差分解（见表4）方差分解可拆解各结构冲击影响内生变量变动的贡献度，以探究不同结构冲击下的重要程度。在VAR（2）模型基础上，针对不同变量之间影响关系展开定量研究。由表4可知，豆粕期货价格自身贡献率最大，呈现出先上升后下降的变动趋势，第7期处于最小值91.78%。豆粕现货价格对于期货价格贡献率存在一定滞后性，在第2期逐步凸显，在第7期达到峰值8.04%，在24期仍具有6.97%贡献率。10.13557/j.cnki.issn1002-2813.2023.11.039.T004表4豆粕期货价格方差分解项目标准误ln Spsobmln Smfup10.009 2100.000 00.000 020.017 596.574 13.432 930.026 994.546 95.492 140.035 193.325 96.692 250.043 692.614 87.409 960.049 992.153 87.826 470.056 291.916 78.042 680.063 491.803 48.169 290.067 591.783 68.226 1100.071 091.813 88.182 4…………240.091 993.149 56.971 43讨论借助VAR模型，检验豆粕现货价格与豆粕期货价格之间的作用效应。格兰杰因果关系检验结果表明，豆粕现货价格对豆粕期货价格具有滞后影响。即豆粕现货价格是豆粕期货价格变动的主要原因。脉冲响应函数检验结果表明，当豆粕现货价格在一个标准差正向冲击后，豆粕期货价格在第2期产生0.002 8的响应，随后表现为逐步发展趋势，第7期达到波峰。冲击周期结果表明，我国豆粕现货价格对期货价格具有正向引导作用。当豆粕现货价格遭受正外部信息冲击时，豆粕期货价格将受到现货价格正向影响，该作用逐步增强至顶峰后，趋于稳定。方差分解结果表明，在豆粕期货价格形成过程中，发挥主导作用的是豆粕期货价格自身，贡献率表现为先上升后下降趋势，第9期为最小值。豆粕现货价格对期货价格的贡献率存在一定滞后性，在第2期逐步显现，在第9期达到最大值，随后逐步下降。本研究表明，豆粕现货价格对于豆粕期货价格的发现功能尚未完全发挥，有待市场相关部门进行宏观调控。4结论本文借助VAR模型实证检验豆粕现货价格对期货价格的影响，并运用脉冲响应函数与方差分解验证结果准确性。结果表明，豆粕现货价格是影响期货价格变动的主要原因；豆粕现货价格与期货价格间存在同向影响，且这一影响存在滞后性；豆粕期货价格对现货价格冲击的响应期为两年；第二年豆粕现货价格对期货价格具有6.97%的贡献率。