战前日本大米市场的市场整合

因此，稻草人用密码发送电报，这也有助于保护通信的保密性。图2显示了一个电报代码，平井正男（Masuzo Hirai）是一位具有代表性的大米贸易商inTokyo，他在1899年使用了该代码；为了传输大米交易信息，许多大米贸易商使用了自己的电报代码，类似于2，这降低了他们的电报费。此外，据《读卖新闻》（Yomiuri Shimbun，即读卖新闻）报道，1893年9月25日，只要东京的大米贸易商获得有关大阪主要大米贸易商的大额交易的信息，东京的大米价格就会上涨。此外，电报传递的不仅是贸易信息，还有灾害信息。例如，1893年10月，当台风经过日本西部时，电报将日本西部的粮食损失信息传送到东京和大阪，这两个城市的大米价格都上涨了。（图2）与此同时，大米贸易商可以使用另一种工具获取信息。19世纪70年代，许多报纸和商业杂志的出版商成立；他们引进了蒸汽驱动的印刷机，实现了大量印刷（见Minami（1976年，第31-32页））。出版商出售他们的报纸和杂志时，附带了通过电报获取的各种价格信息。他们在市场参与者中大量发布并广泛使用价格信息。在同一时期，交通基础设施也得到了发展。日本ZF于1870年开始修建铁路网，1889年开通了东京和神户之间经大阪的第一条主线——东京至神户线（见村松和马泽（1965年，第42页））。然而，这条铁路并没有连接城市和农村，因为直到19世纪末它才在主要城市之间修建。

因此，直到19世纪90年代末，大米主要由帆船运输。换言之，大米运输船不使用蒸汽船运输大米，与帆船相比，蒸汽船具有安全、快捷的优势。同时，与蒸汽船相比，帆船具有运输成本较低的优势，因为它们不需要燃料。例如，1879年，帆船的运输成本比蒸汽船便宜约30%（见Morita（1975年，第78-79页））。然而，蒸汽船的使用在20世纪迅速扩大。1902年，日本蒸汽船的吨位超过了帆船（见Miwa（1975年，第346页））。此外，蒸汽船的广泛使用改善了交通运输。详见读卖新闻（1893）。详情请参见Chugai Shogyo Shimpo（1893a）。条件首先，运输成本随着蒸汽船竞争的加剧而降低。事实上，作为战前日本船舶运输成本的主要指标，从横滨的Wakamatsuto港到日本的煤炭运输成本从1899年到1903年下降了32%（见东洋经济新闻社（Toyo Keizai Shimpo Sha，1927年，第624页））。第二，引入了多条沿海航线，降低了运输成本。例如，1897年，鹿儿岛的大米贸易商支付80日元，将100公斤大米运往东京。这笔费用包括神户港的转运费用，因为鹿儿岛和东京之间的直达航线尚未开通。然而，在两座城市之间引入直达航线后，鹿儿岛的大米贸易商在1902年以40日元的价格将大米运往东京（见佐佐木（1937年，第456-457页））。同年，东京每100个koku大米的年平均价格为1267日元（seeNakazawa（1933年，第390页））。简而言之，两个城市之间的运输成本仅为大米价格的3%。

即使是那些位于远离东京和大阪等主要市场的偏远地区的大米贸易商，也可以在19世纪使用这种低成本的运输方式。19世纪10年代，随着日本工业化和城市化的发展，大米价格上涨。从1910年到1920年，东京每100个kokuin的年平均大米价格从1303日元上升到4428日元（见中泽（1933年，第422462页））。与此同时，第一次世界大战开始，船舶运费大幅增加；从1910年到1918年，在Wakamatsu和横滨之间运输煤炭的船运成本增加了10.8倍（见东洋经济新闻社（Toyo Keizai Shimpo Sha，1927年，第624页））。这种情况缩小了船运和铁路运输之间的成本差距。从1890年到1910年，日本铁路的距离从1750英里增加到5606英里，连接了城市和农村（见东洋经济新闻社（Toyo Keizai Shimpo Sha，1927年，第619页））。此外，日本政府在1906年将私人干线收归国有，并整合了铁路运输系统。然而，铁路运输成本仍然高于第一次世界大战前的海运成本。例如，1914年，从大阪大和町运输100公斤大米的成本是铁路运输90日元，船运输50日元；1919年，铁路运输费为76日元，船运费为70日元。这一成本差距在第一次世界大战期间缩小（见铁道部运输局（1925年，第550页））。同年，东京每100个koku大米的年平均价格为4503日元（见中泽（1933年，第458页））。简言之，尽管船运成本增加，但长途运输成本仍低于大米价格的2%。

战后，大米商人主要利用铁路运输大米。事实上，1921年抵达东京的大米中有98%是通过铁路运输的（见佐佐木（1937年，第273页））。从19世纪末到20世纪初，随着通信基础设施的发展，交通基础设施也在迅速发展。这显著降低了运输成本；然而，自20世纪初以来，大米运输成本一直保持在大米价格的一小部分。这些政府运营的电报和铁路网络不仅增加了信息通信和运输的数量，而且加快了它们的速度。虽然Sprivate公司主要在欧洲修建电报和铁路网络，但政府认为Wakamatsu港是主要的煤炭港口，因为Wakamatsu市靠近日本最大的煤田之一Chikuho煤田。Koku是日本大米交易量的单位。一个koku等于180.39升。引进西方技术，以便在日本迅速引入这两个网络。因此，日本政府主动运营交通和电信基础设施，极大地提高了东京和大阪之间的交通和信息通信速度。3模型本节介绍了我们估算时变VEC模型的框架以及估算的传导差异。以这两个市场的现货和期货价格的时间序列为特征，我们研究了采用具有时变参数的VEC模型的四维向量的动力学。

我们特别关注模型的时变负载矩阵，因为它为市场整合的一个方面提供了信息。3.1框架我们考虑东京和大阪现货和期货价格的四维多时间序列数据的时变VEC模型：Xt=x1tx2tx3tx4t, （t=1，··，t），其中x1t、x2t、x3t和X4T分别代表东京和大阪大米交易所记录的现货和期货价格。此外，假设存在适当大小的先验数据，我们得到Xt=Xt- Xt-1.在本文中，我们假设上述四个变量在每个周期的联立线性方程表示的沿程关系具有漂移，且与时间趋势无关。因此，本文中的向量模型表示如下，其中所有系数都是时不变的：X··XT=Γ··ΓkX··XT-1.十、-k+1··XT-k+1+ Π1··1X1-k·XT-K+ε·εT, （1） 式中，ε是跨期独立分布后每个时期的外源性冲击。如果协整顺序为r，系数矩阵∏对其秩的α和β进行分解，即∏=αβ。请注意，该∏是一个4×5矩阵，因为我们认为东京和大阪两个大米市场之间的长期方程包含漂移项。有关更详细的讨论，请参见Ito等人（2016b）的在线附录，网址为http://at-noda.com/appendix/efficiency_integration_appendix.pdf.3.2普通向量误差修正模型的最小二乘法由于向量自回归（VAR）模型是由线性随机系统的向量自回归（VAR）模型代数推导而来，它也是这样一个系统。因此，我们可以使用一些回归技术（如OLS或GLS）来估计参数u、Γi和∏。设Z、Z和zk表示适当的数据矩阵，如等式（1）所示。

此外，ε表示外源冲击向量的矩阵。关于方程（1），其表达式如下：Z=ΓZ+πZk+ε，（2）式中：Z=X··XT,Z=X··XT-1.十、-k+1··XT-k+1,Zk=1··1X1-k·XT-K,Γ=Γ··Γk.矩阵Γ可能包括u以及Γ、··、Γk。它为我们提供了关于时间序列Xt的平稳方面的信息。另一方面，矩阵在VEC模型中起关键作用；它被分解为加载矩阵α和协整矩阵β，使得∏=αβ。矩阵α和β的r值都小于4，称为协整秩序。尤其是，βzk表示变量之间的一些长期关系，由值小于4的方程表示。在本文中，考虑到长期关系，我们对加载矩阵α的时变性质感兴趣。我们可以使用常用的信息准则来选择滞后顺序k，例如Schwarz（1978）对上述每个线性模型的贝叶斯信息准则；它们很容易计算。协整顺序r通常通过著名的Johansen\'stest选择；3.3时变向量误差修正模型由于我们将向量C模型视为同时线性回归，如方程（2）所示，我们可以使用汉森（1992a；1992b）的参数恒常性检验检验∏和Γ参数恒常性的可能性。它的零假设是参数是时不变的，另一个假设是它们是鞅。有几个随机过程是鞅。因此，当零假设被拒绝时，我们必须选择模型中随时间变化的参数所遵循的过程之一。

由于我们对VEC模型调整到某一长期均衡的速度的逐渐变化感兴趣，我们选择了参数遵循随机游动的参数动力学。我们提出了估算时变载荷矩阵的方法，将向量模型视为简单的线性回归，如方程（1）所示。为此，我们可以简单地应用Yito等人（2017b）的方法来获得时变参数的GLS估计。在实际中，我们估计Γ和α，将β视为时不变的，并给出了相应的估计。Γt=Γt-1+ut，（3）αt=αt-首先，我们建立了一个r维时间序列，Y=Zkβ，其中r是协整顺序。然后，我们将伊藤等人（2014）的方法再次应用于一个新的时间线性回归：Z0t=ΓtZ1t+αtYt+εt，（5）其中Z0t、Z1t、Yt和ε分别是Z、Z、Y和ε的第k列，包括方程（3）和（4）。请注意，无法估计每个t的α和βTf。特别是，由于∏t=αtβt对于每个t和∏t不是满秩的，因此∏tintoα和β的分解不是唯一的。因此，对于∏和Γt的最一般情况，α或β都假定是时不变的。我们认为βZk=0是关于多重时间序列的长期均衡关系；我们认为β是恒常矩阵。为了确定β的恒定性，我们进行了Hansen和Johansen（1999）的参数恒定性测试。3.4市场整合的速度在β恒定性下，当我们使用时变VEC模型时，我们可以将代表调整速度的加载矩阵α视为时变的。因此，我们将注意力集中在时变负载矩阵αt上，它提供了有关市场整合动态的信息。

感谢分享