交易场所：美国玉米市场的基本面、投机和信息（英）

公共公披共公露披共公授露披共权授露披权授 政策研究报告工作论文 交易位置 基本面、投机和信息 在美国玉米市场 弗朗西斯科阿罗约马里奥利 2023年7月经济发展前景小组 10531 政策研究工作论文10531 摘要 什么解释了在过去20年中商品市场所经历的剧烈波动？投机者应该受到责备吗？价格是否反映了全部信息？这些问题是本文在玉米市场背景下探讨的主要内容。本文构建并校准了两个玉米价格形成过程的定量模型。第一个模型旨在解释长期价格（年度频率），而第二个模型适用于短期价格（季度频率 ）。对于长期分析，本文发现，自1996年以来，理论价格与观察到的价格偏差非常小，而在1996年之前，这些偏差可以通过政府干预来解释。对于短期分析，该模型旨在模拟 典型的农业市场季节性，纳入供给和需求冲击以及新闻冲击，并允许进行投机性储存决策。研究发现 ，需求和供给基本面可以解释1975年至2016年间大约52的价格变动。该模型还估计了信息冲击的影响，以解释额外的18的季度偏差。最后，它发现至少30的短期价格变动似乎有其他解释，而不是供给或需求基本面或信息，这表明在分析季度数据时，价格并不总是紧密跟踪基本面。 本文为展望集团、发展经济学部的研究成果。它是世界银行更大规模努力的一部分，旨在提供其研究的开放获取并贡献于全球发展政策讨论。政策研究工作论文也发布在httpwwwworldbankorgprwp网站上。作者可通过farroyomarioliworldbankorg联系。 《政策研究工作论文系列》传播正在进行中的研究成果，以鼓励关于发展的思想交流。问题。本系列的一个目标是将研究结果迅速发布，即使报告的展示不够完美。论文包含作者名称应相应引用。本文所表达的研究发现、解释和结论完全是作者自己的。 作者的观点。它们不一定代表国际复兴开发银行世界银行的看法。其附属机构，或世界银行执行董事或他们所代表政府的机构。 由研究支持团队制作 交易地点：基本面、投机和信息在美国玉米市场 弗朗西斯科阿罗约马里奥利 关键词：信息获取，市场价值效率，商品，农业需求、农业生产力 JEL代码：G14Q02Q11 1引言 本论文的目的是研究过去几十年间商品价格的基本和非基本决定因素。分析特别关注玉米市场，原因有以下几点。玉米和大豆是生产市场价值方面的主要农业商品。它们是期货市场中最常交易的合约（仅次于棉花和小麦）。此外，美国是玉米生产、消费和出口的全球领导者。它在美国经济的几个州和行业中扮演着重要角色，以至于长期被视为美国政府的一个战略行业。在1995年之前，美国联邦政府通常会通过购买生产来定期干预这些市场，通常试图通过购买生产来保障生产者的最低价格。在近年来的更近些年，政府通过实施生物燃料法规将干预重点转向了需求侧。任何政策都向决策者表明了该部门的重要性，甚至直到今天。 本文比较了由基本面决定的与观察到的价格。它将价格的基本决定因素定义为需求和供应冲击，这些冲击可能是当前的或未来的。未来的需求和供应冲击通过信息冲击（代理人认识到未来将发生冲击）影响当前价格，这些冲击会改变当前库存持有决策。本文分为两部分。第一部分在年度频率下研究玉米价格的决定因素，而第二部分研究短期、周期性决定因素。第一部分确定年度价格仅基于当前需求和供应冲击将如何变化。原因是简单：本文表明，即使在仅关注当前冲击的情况下，该模型也能很好地拟合数据。任何额外的特征都只会提高模型的表现，从而使我的结果更加强大。第二部分在季度频率下构建理论价格。鉴于在某些季度供应为零，模型将库存购买作为市场的一部分引入。鉴于库存购买是在利润最大化方案中进行的，预期以及因此通过信息传递的未来冲击开始发挥关键作用。因此，在这一部分，本文将未来冲击作为基本面决定的价格的一部分引入。 更具体地说，在年度模型中，本文分析了1975年至2015年的长期价格趋势。然后，模拟了一个理论价格时间序列，定义为使得每个 年度需求与供给相匹配，换句话说，就是价格使得库存变动为零。此外，考虑到在实践中，在最后一个季度，库存相对于收获量通常降至非常低的水平，因此甚至可以假设库存可能在年底达到零。它进而将这些理论价格与观察到的价格进行比较，并估算差异，发现1996年之后，差异很小 ，且不会持续一年或两年以上。此外，这份文件发现，2000年代价格水平的上升似乎主要是由生物乙醇需求的增加所解释。 在季度模型中，它遵循一种模仿农业市场典型季节性的市场结构（仅在一年中的某个季度进行生产）。鉴于决策之间的时间间隔较短，这也使得通过引入私人信号和公共信号到代理人的预期中 ，允许出现信息冲击。结果显示，大约70的价格波动可以通过上述提到的冲击来解释，剩下30 的空间由其他非基本变异来源测量。 DZp 关于模型规格，长期案例假设为等弹性形式。对于需求 ttu0000t SAp and和对于供应，第一项代表（外生）水平，第二项代表 t不能翻译 对价格的内生反应与相应的弹性。因此，冲击被捕捉为Z；A当前基本面变化这些将被定义为价格变化的原因。时间 不能翻译 使用美国农业部（USDA）的玉米使用和产量数据可以获取这些变量的系列。然后，它们被整合到一个无存储决策的市场出清方程中。短期案例将需求视为整体总和，并假设需求和供给具有相同的同弹性函数，如之前所述。模型被线性化、校准并使用实际冲击作为输入进行模拟。然后，它估计不同冲击（需求、供给和信息）对价格变化的影响，并量化这些影响。 一篇额外的分析结果与价格是否完全具有信息性和适宜于经济周期测量的议题相关。Romer（2006）提出了这个问题，并通过分析职业足球队案例，展示了某些企业并非总是以利润最大化为行为准则的证据。本文表明，尽管从长远来看，价格似乎非常接近基本面，但当频率降低到季度时 ，市场价格有时会与基本面相差甚远高达50。这些结果与Hussman（1992）的研究一致 ，他表明，一旦在理性预期框架中引入不精确的信号，市场价格就会变得 在信息传递方面效率低下。由于玉米市场被视为运行良好的市场，也就是说，价格和交易是透明的、集中的以及非常流动的，因此发现它们可能并不总是像在经典的供需模型中那样表现得预期 ，这既令人惊讶又有趣这引发了许多关于宏观经济学、金融市场和产业组织的相关问题。首先，如果一个高度发达的市场未能提供完全信息的价格，那么对于其他市场，其中流动性、信息不对称和搜索成本更为相关，又能说些什么呢？此外，由于这些结果是针对季度数据进行的研究 ，对经济周期会计的启示可能很重要。在几个发展中国家，如玉米等商品市场对整体GDP和出口有重大影响。如果用于测量的价格不是市场出清价格，就可能发生重要的扭曲。此外，由于年度价格与基本面的差异不如季度价格大，另一个潜在问题随之而来：我们应该使用季度价格、年度价格或其他频率测量的价格来编制国家账户吗？市场需要多少时间才能变得完全信息充分？许多经济周期理论家认为，经济实物方面的冲击，如TFP和商品价格的冲击，会触发和传播经济波动 。商品价格冲击在发展中国家今天显然发挥着重要作用，特别是在资源出口国，并在过去的经济波动中也发挥了重要作用。例如，经济学家和政策制定者认为，20世纪20年代后期和30年代初期的商品价格下跌加剧了大萧条的长久和严重程度。1933年，罗斯福政府试图提高商品价格，特别是玉米等农产品价格的努力，成为其重振经济努力的核心。这些结果对冲击源和冲击的影响准确度（accuracy）的翻译为“准确度”，所以完整的翻译为： 准确性（accuracy）的翻译为“准确度”，所以您的句子完整翻译为：准确度（accuracy）的翻译为“准确度”，所以您的句子完整翻译为：准确性（accuracy）的翻译为“准确度”，所以您的句子完整翻译为： 准确性（accuracy）的翻译为“准确度”，因此您的原文“accuracyoftheinterpretationofthe”翻译为“对解释的准确性”。来源于RBC模型。鉴于生产力是周期性变化的关键驱动力，一个不能紧密跟踪基本面的价格体系可能导致资源分配效率低下，换句话说，会导致总体生产率损失。因此，这些发现对短期商业周期的影响是相关的。在短期内（在商业周期频率下），大多数商品价格冲击并不反映供需关系，而可能受到投机因素的影响。这些扭曲可能对商品生产经济体产生重大影响。本文分为四个部分。第一部分介绍了并解释了主要 论文结构及其与文献的关系。它还采用文献中用于油市的标准实证方法应用于玉米市场，以激发并为其模型提供基准。第二章介绍了低频模型及其结果。第三章介绍了高频模型、校准和估计结果。第四章总结并得出结论。 11文献综述 本文因此对文献做出三方面的贡献：首先，它测试了商品价格飙升是由于非基本面原因的假设，但专注于一个较少被研究的市场，因为大部分文献都集中在石油市场上。其次，它为高频分析添加了一个新特征：信息冲击。本文通过将美国农业部报告作为信息来源，量化了信息冲击的历史影响。此外，它估计了私人信号及其对价格的影响，表明在季度分析中，它们是相关波动性来源 。第三，它按变化来源分解价格变化也就是说，它估计了每个变量从1975年到2015年每年的影响，因此为过去几年观察到的价格变化提供了替代解释。这也允许估计无法由基本面或信息因素解释的价格比例，为进一步研究留下测量空间。 一些论文已经尝试使用竞争模型来研究这些市场。Roberts和Tran2012使用竞争模型来估计乙醇配额在玉米价格中的作用，发现它们可以解释2005年至2011年间11至0的食品价格上涨 。Zhou和Babcock2017使用模型来估计假设减少生物燃料配额对价格的影响。Mallory等人2012使用这种方法将乙醇和玉米市场联系起来，发现在这种情况下，未来的价格预期可以相互影响附近的期货价格。Tegene等人1988利用这种方法来估计玉米种植面积的长期价格弹性，发现其值为02。 更普遍地，文献也考察了在过去几十年中，商品市场是否因非基本面因素而发生了改变，例如金融投机。例如，在能源市场，结果往往显示出投机对油价有微小或无效果。在他们经典论文中，Kilian和Murphy（2014）开发了一个包含投机需求冲击的向量自回归（VAR）模型，并将其与最近的石油存货数据进行了对比，并发现投机被指责的理由并无根据。 在20032008年这一价格期间。然而，他们认为在1979年、1986年和1990年等前几年可能存在一些影响。Knitell和Pyndick（2016）使用一个简单的静态局部均衡模型（包括库存市场）来分析石油市场，并且再次发现投机与2008年油价峰值之间没有关系。Fattouh、Kilian和Mahadeva（2013）总结了研究石油市场的文献，并得出结论，没有证据表明投机是价格上涨的主要推动因素。Baumister和Hamilton（2019）也对石油市场进行了VAR方法测试，但引入了弹性先验，发现供应中断通常比以往的研究中的影响因素更大。 另一分支从投资组合的角度分析商品金融市场。Bohl和Stephan（2012）使用GARCH模型方法研究了六大交易活跃的农业和能源商品期货市场交易增加的影响，并未发现期货交易与价格波动之间的因果关系。Chary、Lochstoer和Ramadorai（2013）表明，金融市场中的限制可以通过套期保值决策来改变现货价格，从而影响实际结果。Sockin和Xiong（2015）研究了商品市场中的信息摩擦可能性，并证明了价格作为需求和供应信号的的重要性，以及假设冲击为公众所知的假设的脆弱性。与他们的结果一致，本文纳入了信息冲击，并允许某些冲击未知。 本研究中提出的工作主要与Knitell和Pyndick（2016）的研究相关，他们通过估计库存水平的偏差来衡量非基本面冲击。本文采用了类似的方法，但有所不同，它考虑了玉米市场（而非石油）以及动态框架（而非静态）。 初步分析12 实证模型在商品文献中被广泛使用，尽管主要用于能源和金属。鉴于缺乏类似用于玉米的方法，本节探讨了将这些相同技术在玉米市场中应