期货市场的自由裁量权和政策规则：一个案例

因此，当日本大米丰收时，ZF无法对大米进行价格保持。因此，它于1925年3月修订了《大米法》，以控制大米价格（见Omameuda（1993年，第198-202页））。修订后的大米法使ZF能够干预现货市场，以控制大米价格。图1展示了1914年至1939年第二最近和不同合同交易的期货价格。（图1在这里）图1表明，价格在20世纪20年代中期到后期有所下降。在同一时期，农业和林业部经常在现货市场购买大米以保持价格。简而言之，ZF干预了大米市场，以应对大米价格波动。因此，大米法的修订使得大米贸易商更容易预测干预。然而，它未能保持大米价格，因为它无法阻止韩国大米进口的增长。根据修订后的大米法，包括韩国大米在内的殖民大米免征进口税。在这种情况下，每当ZF在现货市场购买大米以保持价格时，韩国大米贸易商都会将韩国大米送到日本本土岛屿，因为他们预计ZF干预会导致大米价格上涨。因此，当ZF采取价格维持行动时，韩国大米的进口量增加，而ZF未能保持价格不变（见Hishimoto（1938，第728-729页））。因此，日本ZF于1933年10月废除了修订后的《大米法》，并实施了《北国大米管理法》。ZF制定了大米控制法，以抑制大米分配的季节性波动。

具体而言，该法要求政府通过确定每年大米的最高和最低价格来确定价格范围。如果实际大米价格超出范围，政府必须干预现货市场以调整价格（见农林部大米局（1933年，第4-5页））。换句话说，这部法律明确规定了政府干预的标准。修订后的《大米法》规定的标准比原《大米法》规定的标准更为明确，但并未表示价格范围。因此，直到1933年9月，政府几乎无法宣布何时开始购买或出售实物大米以应对价格波动。相比之下，即使是贸易商也很容易预料到，在《大米管制法》制定后，政府何时会干预大米现货市场。在同一时期，政府试图加强其控制大米价格的权力。因此，它于1936年9月实施了《北国吉池县稻谷自我管理法》，并从此开始实施《稻谷控制法》和《稻谷自我管理法》（见Tsunoda（1937年，第3-17页））。具体而言，《大米自我管理法》要求农民和土地所有者在日本、台湾和韩国本土岛屿的各个角落组织25个北国大米分配管理协会（Beikoku Tosei Kumiais），这些协会储存的大米数量由政府根据《大米自我管理法》决定。当大米价格偏离政府根据《大米管制法》规定的价格范围时，农业和林业部可以命令协会不要出售储存的大米。然而，政府从未阻止这些协会出售大米（见Ota（1938年，第845-849页））。

因此，大米自我管理法并未影响大米价格的形成。从同一时期起，日本政府在1937年7月对中国发动战争后，加强了战时地区和经济控制。价格上涨受到了环境的影响。1939年4月，北国俳句ToseiHo（大米分配控制法）生效。该法第六条规定，政府禁止大米期货交易。因此，政府开始准备废除大米期货交易。同年7月，政府成立了独家代理商日本北国株式会社，根据《大米分销控制法》管理大米市场。在接下来的一个月里，包括大阪岛大米交易所在内的大米交易所暂停了对大米的收购。最后，日本北国开始运营，大米贸易商只能在1939年10月日本北国管理的现货市场买卖大米（seeItagaki（1939，pp.82-121））。3模型本节简要回顾了我们的方法，这在很大程度上归功于Ito等人（20142017b）。根据他们的想法，我们设计了一个具有时变系数的向量自回归（VAR）模型。然后，我们利用大阪岛大米交易所的每日数据，结合一系列大米法修正案，研究了市场效率的时变性质。假设PTI是大米期货的价格向量，在一段时间内有两个不同的合同月。我们主要关注的是条件-1] =0，（1），其中Xt表示t期的期货回报向量，即xtisln pi，t的第i个组合- ln pi，t-1对于i=1、2、3。

换言之，t期的所有预期回报率都给定了t期可用的信息集- 1周期为零。当xtis静止时，Wold分解允许我们考虑xtasxt=u+Φut+Φut的时间序列过程-1+Φut-2+···，其中u是x的平均值，{ut}遵循i.i.d.多元过程，平均值为零向量，协方差矩阵为σi，P∞i=0 | |ΦiΦi | |<∞ Φ=I。请注意，当且仅当ΦI=0时，有效市场假说（EMH）成立，所有I>0。这表明，市场偏离有效市场的方式反映了一系列{ut}的脉冲响应。在本文中，我们将构建一个基于脉冲响应的指数，以调查大阪-多岛大米交易所的有效市场假说是否成立。获得脉冲响应的最简单方法是使用VAR模型及其系数估计的代数计算。在某些条件下，大米期货的向量回归过程{xt}是可逆的。我们考虑以下时间变量var（q）modelxt=ν+Axt-1+轴-2+···+Aqxt-q+εt，（2）其中ν是截距项，ε是多元误差项，E[εt]=0，E[εt]=σεI，E[εtεt-m] =0表示所有m 6=0。我们可以使用Ito等人（2014，2017b）的想法来衡量市场效率，这将随着时间的推移而变化。将方程（7）直接应用于我们的模型，我们通过VAR估计系数A、····、Aq计算出我们的程度，如下所示。首先，我们计算脉冲响应系数矩阵的累积和，Φ（1）=（I- A.- A.- · · · - Aq）-1，（3）其次，我们确定了我们的市场效率，ζ=pmax[（Φ（1）- 一） （Φ（1）- 一） ]，（4）衡量与有效市场的偏差。注意，在有效市场的情况下，A=A=····=Aq=0，我们的学位ζ变为零；否则，ζ偏离零。这就是为什么我们称ζ为市场效率的程度。

当我们发现ζ与0之间存在较大偏差（正偏差和负偏差）时，我们可以将其视为市场效率的证据。此外，当我们获得方程（2）中系数的时间修正估计值时，我们可以构造随时间变化的度。采用Ito等人（2014，2017b）开发的方法，我们估计每个时期的VAR系数，以获得每个时期方程（4）中定义的程度。实际上，根据他们的想法，我们使用了一个模型，其中除截距项ν对应的VAR系数外，所有VAR系数都遵循独立的随机游走过程。也就是说，我们假设，t=Al，t-1+Vl，t，（l=1,2，···，q），（5）其中误差项矩阵{Vl，t}（l=1,2，···，q和t=1,2，···，t）满足E[Vl，t]=或全部t，E[vec（Vl，t）vec（Vl，t）]=σvI和E[vec（Vl t）vec（Vl t）vec（Vl t-m） ]=所有l和m的O 6=0。Ito等人（2014；2017b）的方法允许我们估计时变VAR（TV-VAR）模型：xt=ν+A1，txt-1+A2，txt-2+···+Aq，txt-q+εt，（6）和方程（5）。为了对我们随时间变化的市场效率程度进行统计推断，我们将残差自举技术应用于上述TV-VAR模型。在实践中，我们在假设所有TV-VAR系数为零的情况下，构建了一组TV-VAR估计的自举样本。该程序为我们提供了估计TV-VAR系数的（模拟）分布，假设大米期货回报过程是在有效市场假设下生成的。我们可以计算相应的脉冲响应分布和市场效率。

最后，通过使用这些模拟分布得出的置信带，我们对我们的估计进行统计推断，并检测大阪岛大米交易所体验市场效率的时期。4数据在本文中，我们对1914年9月1日至1939年8月25日大阪岛大米交易所的每日大米期货价格进行了数据收集。对于大阪岛大米交易所的大米期货数据，我们使用两个合同月的加权平均日价值：第二个最近的合同（两个月）和延期合同（三个月）。该数据集由大阪岛大米交易所月度报告中的一个主要来源组成。我们的数据集忽略了周日、不同的国家假日和定期交易所关闭。对于因帝国事件（imperialevents）造成的非正常假期和因自然灾害或伤亡导致的临时交易所关闭而导致的缺失值，我们将使用样条插值获得的值进行填充。我们采用大米期货价格自然对数的第一个差值来计算事后回报。对于我们的估计，所有出现在时刻条件中的变量都应该是平稳的。为了证实变量是否满足平稳性条件，我们采用Elliott等人（1996）的增广Dickey-Fuller广义最小二乘法（ADF-GLS）检验。我们采用改进的贝叶斯信息准则（MBIC）而不是改进的Akaike信息准则（MAIC）来选择最佳滞后长度。这是因为，根据去趋势序列的估计系数^ψ，我们没有发现尺寸扭曲的可能性（见Elliott et al.（1996）；Ng和Perron（2001））。表1显示了数据的描述性统计的单位根检验结果。

ADFGLS检验表明，所有变量都不包含1%显著水平的单位根。（这里的表1）5实证结果5.1初步结果我们首先假设一个具有常数的时不变VAR（q）模型，并采用Schwarz（1978）的贝叶斯信息准则（SBIC）在我们的初步估计中选择最佳滞后顺序。表2总结了使用整个样本的时间不变量VaR（q）模型的初步结果。（这里的表2）表2还表明，在发生违约的合同月情况下，VAR估计的累计总和小于第二个最接近的情况。这表明，不同合同月的市场效率最高。这一初步结果与Itoet al.（2017a）的时间不变估计一致，该估计得出的结论是，延迟合同月市场是最有效的。我们除了一系列附近的合同（一个月）外，还将进行数据集。因为附近的合同中存在许多缺失值。我们在关西大学图书馆的大阪岛大米交易所找到每日期货价格的主要来源(http://opac.lib.kansai-u.ac.jp/)位于日本大阪。我们使用Hansen（1992）在随机参数假设下的参数恒常性检验来研究上述VAR（q）模型中的参数是否为常数。表2还列出了测试统计数据；我们在1%显著水平上拒绝将常数参数的零作为参数变化的随机游走。因此，我们估计上述VAR模型的时变参数，以研究战争期间大阪-多岛大米交换是否发生逐渐变化。

这些结果表明，时不变VAR（q）模型不适用于我们的数据，TV-VAR（q）模型是一个更好的模型。从历史的角度来看，日本ZF在二战期间加强了其水稻相关政策，如第2节所述。该政策可能会影响大米价格的形成，因为它使ZF能够干预大米市场。因此，我们在下一小节中使用TV-VAR模型估计时变市场效率的程度。5.2时变市场效率和历史解释（此处图2）图2显示，随着时间的推移，时变市场效率的程度逐渐提高。直到20世纪20年代初，直到19世纪10年代，大米交易都是在几乎没有效率的市场上进行的。然而，从20世纪20年代中期开始，市场效率有所提高。具体而言，交易在以下时期在有效市场进行：1925年12月至1928年5月，1929年12月至1930年9月，1930年10月至1931年10月，1932年5月至11月，1933年2月至6月，以及1933年11月之后。简言之，1925年大米法修订后，市场变得近乎高效。最后，在1933年《RiceControl法》制定后，这一点就很有效了。事实上，根据四个时期的标准差：0.170、0.099、0.060和0.049，我们发现随着时间的推移，时变程度变得越来越小。因此，我们讨论了为什么随着《大米法》的修订和《大米管制法》的制定，效率有所提高，同时关注二战期间日本大米政策中的自由裁量权与规则。如第2节所述，这些法律旨在调整大米供需平衡和控制大米价格。

然后，我们调查了二战期间日本大米期货价格和大米供应的趋势。根据图1，即使在《大米法》和《大米管制法》下，期货价格也会大幅波动。这种变化在很大程度上取决于大米供应的变化。图3显示了1914年至1939年日本人均大米年供应量。由农业和林业部计算的统计数据包括初始库存、产量和包括殖民地贸易在内的对外贸易。该图表明，大米供应的趋势也发生了很大的变化，我们发现这种变化与修订后的大米法下随时间变化的市场效率的变化有关。根据图1和图3，从1925年到1933年，只要供应量与五年移动平均量的比率达到3%以上或以下，效率就会下降。然而，在这一时期前后，效率与大米供应无关。在《大米法》修订之前，即使供应量没有偏离其五年的移动平均量，交易也是在几乎没有效率的市场上进行的。另一方面，《大米管制法》制定后，即使供应量变化很大，期货市场也总是很有效。总之，当ZF改变价格政策时，效率的趋势发生了变化。在这一政策下，日本ZF试图通过频繁干预大米市场来调整大米需求和供应平衡，控制大米价格。

因此，我们从下一小节讨论了大米市场效率与政府干预之间的关系。5.2.1 1910年大米交易系统的混乱在1910年代，期货交易是在几乎不发达的市场上进行的。在同一时期，日本政府强迫大米交易所接受进口大米的交付。正如Ito等人（2016）详细提到的那样，涉及进口大米交付的政府干预往往会降低大米期货市场的效率。在战前的日本，大米交易所的卖家经常交付实物大米以结算期货交易。当他们交付实物大米时，交易所基本上允许他们只使用国产大米。相比之下，自19世纪10年代工业化和城市化进程以来，当大米供应不足时，交货规则发生了变化。在同一时期，大米价格迅速上涨，如图1所示，政府尝试抑制大米价格，以改变交货规则，允许卖方在交易所交付台湾和韩国大米等进口大米。因此，交易所的买家在大米交付方面面临着很大的不确定性，因为他们可能会获得质量与国产大米不同的进口大米。这种情况导致了大米交易所的混乱，正如Ito等人（2016）所断言的那样，期货价格未能成为现货市场大米预期价格的明确指数。事实上，图2显示，直到1919年，该交易都是在几乎不发达的市场上进行的。具体而言，从1917年末到1919年初，市场效率迅速下降。