农产品期货合约的市场适应性效率

图1和图2显示了每个系列的价格和收益行为。图1玉米、小麦、可可和大豆油期货合约的价格（上图）和相应的收益（下图），从左到右分别为图2糖、咖啡、饲料牛和鸡蛋期货合约的价格（上图）和相应的收益（下图），从左到右，在这一部分中，我们分别讨论了平稳性和非线性检验的实证结果。表1显示了申报表的汇总统计数据。正如预期的那样，这些统计数据与金融时间序列的一些典型事实是一致的（Cont，2001）。特别是，峰度表明返回分布是轻量级的。此外，Jarque和Bera（1987）的统计数据（JB）证实了收益率并非正态分布。表1期货合约收益汇总统计表MeanMinMaxStddevskewnessKurtosisJBCorn0。0002-0.1210.1090.018-0.1906.616Wheat0。0002-0.1230.1250.0190.0557.014CoCa0。0002-0.1000.1240.017-0.1228.925大豆油0。0002-0.0750.0800.0160.0955.175847.7糖0。0002-0.1930.1420.022-0.3649.822报价0。0000-0.1840.2530.0210.47621.030饲养牛。0000-0.0860.0860.0150.0147.738Eggs0。0002-0.4290.3360.037-0.83430.770平稳性测试在表2中，我们给出了ADF和RALS测试的结果。众所周知，统计值越负，对5%显著性水平上存在单位根的假设的否定就越强烈。

正如我们所观察到的，这两个检验都意味着否定了无效假设。表2 ADF和RALS平稳性测试的结果法拉斯玉米-14.869-16.569小麦-18.465-19.555Cocoa-17.833-19.638大豆油-16.991-18.636糖-18.992-19.895Coffee-17.882-18.479饲养牛-14.870-15.623蛋-20.764-23.480显著性为5%。ADF测试的临界值为-2.87非线性系列相关性测试在本小节中，我们展示了应用于样本的一系列非线性测试的结果。导言中提到的一系列常规线性测试是事先进行的，可根据要求从作者处获得。这些测试无法捕捉数据中的非线性模式。众所周知，当存在非正态性时，拒绝线性依赖的失败不足以证明序列的独立性（谢，1991），也不一定意味着独立性（格兰杰和安徒生，1978）。鉴于收益序列中非线性的存在与EMH相矛盾，我们采用非线性测试来研究非线性相关性。在应用测试之前，大多数序列在AR（1）和AR（4）之间进行调整，以消除任何线性相关性，其中选择最佳滞后以最小化Schwarz的贝叶斯信息准则。因此，考虑到5%的显著性水平（见表3），我们拒绝了零假设，其中纯白噪声仅由历史序列的非线性来解释。

表3中的结果总体上为所有收益序列的非线性提供了证据，尽管除Cocoa时间序列外，所有测试都得出了“一致”的结论，其中Tsay测试使用的滞后时间高达5，BDS测试（m=2）不能在5%的显著性水平上拒绝无效假设。表3非线性测试结果CornWheatcoasoyBean油糖咖啡喂食器CattleEggsAR（2）AR（2）AR（4）AR（2）AR（1）AR（2）AR（2）AR（2）AR（2）AR（1）McLeod Li测试滞后50.0000.0000.0000.0000.0000.0000.0000.000Lag 150.0000.0000.0000.0000.0000.0000.0000.000Lag 200.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000200.0000.0000.0010.0000.0000.0000.0000.000Engle LM测试滞后50.0000.0000.0010.0000.0000.0000.0000.000Lag 150.0000.0000.0000.0000.0000.0000.0000.000Lag 200.0000.0000.0000.0000.0000.0000.000BDS测试M=2，ε=0.5s0。0000.0000.1590.0000.0000.0000.0000.000m=3，ε=s0。0000.0000.0090.0000.0000.0000.0000.000m=4，ε=1.5s0。0000.0000.0010.0000.0000.0000.0000.007Hinich双谱测试0。0000.0000.0000.0000.0000.0000.0000.000显著性为5%。对于BDS测试，m和ε分别表示嵌入尺寸和距离，ε等于AMH非线性样本标准偏差测试的各种倍数，尽管前一小节的结果给出了所有收益序列中非线性的有力证据，实际上，重要的结果可能是由少数周期内的非线性现象驱动的。对于所研究的样本而言，这些时期将表明商品期货市场上存在AMH的证据。

为此，我们对每天28次观测的152个非重叠运动时间窗口进行了H检验，以检测每个窗口中可能存在的非线性序列相关性。通过对序列进行预白化，消除了伪自相关的可能性，表4给出了H检验的结果，其中确定了表明非线性序列相关性存在的有效窗口数，以及出现该相关性的时代。这些结果与其他研究一致，这些研究将H检验应用于金融或经济时间序列，以检测非线性依赖期（Hinich和Serletis，2007年；Lim等人，2008年；Bonilla等人，2008年；Coronado和Gatica，2011年）。Hinich框架的一个有趣见解是，通过这种方式，可以评估样本中不同产品的期货合约的相对效率，从而评估AMH的证据。即使其他测试的结果显示出非线性序列依赖性，为了预测和决策等目的，最好了解效率低下的程度以及在什么时期发生的情况。考虑到检测到非线性依赖的窗口数量，以及由此产生的AMH，从豆油和咖啡窗口的2.63%增加到鸡蛋窗口的9.87%，鸡蛋是样本中最具波动性的合约，我们对正在研究的期货合约的AMH有了一些了解。结论本文研究了八种农产品期货合约的适应性市场假说（AMH）。我们对收益序列进行了一系列非线性测试，并得出结论，所有收益序列都存在非线性序列相关性。

此外，我们应用Hinich-portmanteau双相关检验（H-test）来分析非线性序列相关性是否可以局限，以及这种现象是否持续或由几个时间段触发。我们确定了此类行为发生的非重叠时间窗口，从豆油的窗口总数的2.63%到鸡蛋的9.87%不等。因此，AMH对这些期货合约回报的证据被丢弃。研究这些产品的重要窗口总数的决定因素，以及所观察到的非线性序列依赖的经济、政治或社会触发因素，以调查预测现象何时发生的可能性，将是一件有趣的事情。感谢Omar Rojas感谢瓜达拉哈拉泛美大学“2013年前研究基金”的部分支持。参考文献Adrangi，B.和Chatrath，A.（2003）。期货价格的非线性动态：来自咖啡、糖和可可交易所的证据。应用金融经济学13（4）：245-256。Ahti，V.（2009年）。用非线性模型预测商品价格。芬兰赫尔辛基大学赫尔辛基经济研究中心。哈扎利，O.M.，丁，D.K.，和平，C.S.（2007）。新兴市场随机游走的一种新的方差比检验：重温。财务回顾42（2）：303-317。Alvarez Ramirez，J.，Rodriguez，E.，和Espinosa Paredes，G.（2012）。随着时间的推移，美国股市是否变得效率低下？证据来自80年的数据。Physica A：统计力学及其应用391（22）：5643–5647。阿拉德尤拉，S.V.和霍尔特，M.T.（1988）。GARCH时间序列模型：零售牲畜价格的应用。

西方农业经济学杂志13（2）：365–374。贝纳维德斯，G.（2004）。农产品价格波动预测：玉米和小麦期货价格的历史波动模型、期权隐含和复合方法的应用。《金融与经济评论》3（2）：40-59。布兰克，S.C.（1991）。期货市场的“混乱”？非线性动力学分析。期货市场杂志11（6）：711-728。博尼拉，C.A.，马奎拉，C.P.，和罗梅罗·梅扎，R.（2008）。新兴市场债券利差的非线性行为：拉丁美洲案例。应用经济学40（20）：2697-2702。布罗克，W.A.，谢因克曼，J.A.，德赫特，W.D.，和勒巴隆，B.（1996）。基于关联维度的独立性测试。计量经济学评论15（3）：197-235。坎贝尔，J.Y.，罗，A.W.，和麦金莱，A.C.（1997）。金融市场的计量经济学。普林斯顿：普林斯顿大学出版社。Charles，A.，Darné，O.，和Kim，J.H.（2012）。汇率回报的可预测性和适应性市场假说：来自主要外汇汇率的证据。《国际货币与金融杂志》31（6）：1607-1626。周，K.V.，和丹宁，K.C.（1993）。一个简单的多重方差比检验。计量经济学杂志58（3）：385-401。Cont，R.（2001年）。资产回报的经验性质：程式化事实和统计问题。定量金融1：223–236。科罗纳多，S.，和加蒂卡，L.（2011）。墨西哥比索非直线依赖事件的识别。《经济学人》30（55）：91-104。Coronado Ramírez，S.，Ramírez Grajeda，M.，和Celso Arellano，P.L.（2014）。国际咖啡市场的低效：哥伦比亚阿拉比卡案例。《非洲农业研究杂志》9（5）：556-561。迪基，D.A.，富勒，W.A.（1979）。

单位根自回归时间序列估计量的分布。美国统计协会杂志74（366a）：427-431。恩格尔，R.F.（1982）。英国通货膨胀方差估计的自回归条件异方差。计量经济学：计量经济学学会杂志50（4）：987-1007。法玛，E.F.（1970）。有效资本市场：理论与实证研究综述。《金融杂志》25（2）：383-417。格兰杰，C.W.J.（2001）。计量经济学论文；克莱夫·W·J·格兰杰的论文集（32:457-471）。剑桥大学出版社。格兰杰，C.W.J.，安徒生，A.P.（1978）。双线性时间序列模型简介。哥廷根：范登霍克和鲁普雷希特。Hinich，M.J.（1996）。测试线性时间序列模型输入的相关性。非参数统计杂志6（2-3）：205-221。Hinich，M.J.，和Patterson，D.M.（1985）。每日股票收益率非线性的证据。商业与经济统计杂志3（1）：69-77。Hinich，M.J.，和Serletis，A.（2007）。加拿大汇率中的情景非线性事件检测。美国统计协会杂志102（477）：68-74。Hinich，M.，和Patterson，D.（1995）。检测白噪声中瞬时相关性的时间。Mimeo，德克萨斯大学奥斯汀分校。Hinich，M.，和Patterson，D.（2005）。检测白噪声中瞬时相关性的时间。在M.T.Belongia&J.M.Binner（编辑）的著作《货币、测量和计算》（第61-75页）。伦敦：帕尔格雷夫·麦克米伦。Hiremath，G.S.，和Kumari，J.（2014）。新兴市场股票回报的可预测性和适应性市场假说：来自印度的证据。斯普林格普鲁斯3（1）：1-14。Hong，Y.，和Lee，Y.-J.（2005）。

未知形式条件异方差时间序列中条件均值模型的广义谱检验。经济研究综述72（2）：499-541。谢德安（1991）。混沌与非线性动力学：金融市场的应用。《金融杂志》46（5）：1839-1877。Im，K.S.，Lee，J.，和Tieslau，M.A.（2014）。具有非正常错误的更强大的单位根测试。在《镰刀》中，R.和Horrace，W.（编辑），Festschrift纪念彼得·施密特（第315-342页）。纽约：斯普林格。伊藤·M.&杉山S.（2009）。衡量随时间变化的市场无效程度。《经济学快报》103（1）：62-64。Jarque，C.，和Bera，A.（1987）。观察值和回归残差的正态性检验。统计评论/国际统计评论55:163–172。Karali，B.，和Power，G.J.（2009）。什么解释了大宗商品价格的高波动性？估算常见和特定商品、高频和低频因素的统一模型。2009年农业和应用经济学年会，2009年7月26日至28日，威斯康星州密尔沃基。Kim，J.H.，Shamsuddin，A.，和Lim，K.-P.（2011）。股票回报的可预测性和适应性市场假说：来自长达一个世纪的美国数据的证据。经验金融杂志18（5）：868-879。林克平，布鲁克斯，R.D.，和希尼奇，M.J.（2008）。非线性序列依赖与亚洲新兴股市的弱形式有效性。《国际金融市场、机构和货币杂志》18（5）：527–544。荣格，G.M.，和博克斯，G.E.P.（1978）。在时间序列模型中缺乏拟合的度量。Biometrika 65（2）：297-303。罗安伟（2004）。适应性市场假说。《投资组合管理杂志》30（5）：15-29。罗安伟（2005）。

协调有效市场与行为金融学：适应性市场假说。投资咨询杂志7（2）：21-44。Lo，A.W.，和MacKinlay，A.C.（1988）。股票市场价格不遵循随机游走：来自一个简单规范测试的证据。金融研究综述1（1）：41-66。麦克劳德，A.I.，李文凯（1983）。使用平方残差自相关对ARMA时间序列模型进行诊断检查。时间序列分析杂志4（4）：269-273。Milas，C.，和Otero，J.（2002）。咖啡现货价格的平滑转移向量误差修正模型。应用经济学通讯9（14）：925-928。Neely，C.J.，Weller，P.A.，和Ulrich，J.M.（2009）。适应性市场假说：来自外汇市场的证据。金融与定量分析杂志44（02）：467-488。野田佳彦（2012）。在日本，使用非贝叶斯时变AR模型对适应性市场假说进行了检验。预印本arXiv:1207.1842。Panagiotidis，T.，和Pelloni，G.（2007）。加拿大和美国劳动力市场的非线性：来自一系列测试的单变量和多变量证据。宏观经济动态11（05）：613-637。Patterson，D.M.，&Ashley，R.A.（2000）。非线性时间序列研讨会：检测和识别非线性序列相关性的工具包（第2卷）。波士顿：Kluwer学术出版社。罗梅罗·梅扎，R.，博尼拉，C.A.，和希尼奇，M.J.（2007）。智利股市中的非线性事件检测。《应用经济学快报》14（13）：987-991。Shiller，R.J.，和Perron，P.（1985）。检验随机游走假设：观察的功率与频率。《经济学快报》18（4）：381-386。Tansuchat，R.，Chang，C-L.，和McAleer，M.（2009）。农产品期货收益的长记忆波动建模。

CARF-F-183系列，东京大学经济学院金融高级研究中心。Tejeda，H.A.，和Goodwin，B.K.（2009）。玉米、大豆和牛市场的价格波动、非线性和不对称调整：乙醇驱动（市场）冲击的影响。在2009年4月20日至21日于密苏里州圣路易斯举行的NCCC-134应用商品价格分析、预测和市场风险管理会议上。蔡瑞斯（1986）。时间序列的非线性测试。生物计量73（2）：461-466。厄克哈特，A.，哈德逊，R.（2013）。高效市场还是适应性市场？来自主要股票市场的证据，使用非常长期的历史数据。《国际金融分析评论》28:130–142。Velásquez，J.D.，和Aldana，M.A.（2007）。科伦比亚诺咖啡馆（Modelado del precio del cafécolombiano en la bolsa de nueva york usando）重新设计了人工神经元。牧师。外交部。纳尔。Agr。麦德林60（2）：4129-4144。杨绍瑞和布罗森，B.W.（1993）。每日期货价格的非线性动力学：条件异方差还是混沌？期货市场杂志13（2）：175-191。