中国棉花期货价格发现功能的实证分析
统计与决策 2008 年第 21 期（总第 273 期）
基金项目：国家自然科学基金资助项目（70441005）
刘晓雪，黄 剑
（北京工商大学 经济学院，北京 100037）
摘 要：文章选取中国棉花上市至实证结束期间 29 个完整合约的数据，运用 ADF 检验、协整分
析、Granger 因果检验、误差修正模型和方差分解法，实证检验了中国棉花期货价格对现货价格的预
期效果和引导关系。结果表明：在 2 个月以内，棉花期货对于现货价格初步具有较明显的短期预测作
用，且短期内期货价格变动是现货价格变动的 Granger 意义上的原因；长期来看，价格预测的能力和
两者的协整稳定关系尚待进一步提高。
关键词：棉花期货；协整分析；误差修正模型；方差分解法
中图分类号：F8;C8 文献标识码：A 文章编号：1002-6487（2008）21-0125-04
中国棉花期货价格发现功能的实证分析
尽管我国是全球最大的棉花消费和进口国，但我国棉花
进口贸易呈现典型的大国贸易效应，为解决棉花消费与棉花
贸易“高价买入”现象之间的矛盾，降低棉花价格的波动性，
2004 年 6 月 11 日郑州商品交易所上市棉花期货。 棉花期货
现实中运行的效率是否符合我们的预期，期货价格对于现货
价格具有多长时间的预测性，对我国现货生产商、贸易商究
竟发挥了多大的指导作用？ 这对于被称为“世界工厂”的中
国、尤其是出口份额较大的服装业和纺织业来说是非常迫切
的。 本文主要通过实证分析检验棉花期货市场价格发现的效
率，找出差距与不足，对于提高期货市场效率，进一步发挥期
货市场功能，具有重要的理论和现实意义。
1 棉花期货价格发现效率的实证方法
本文借助 EVIEWS 软件，运用协整分析方法来表述它们
之间的长期均衡关系，通过期货价格对现货价格的影响能力
分析来衡量期货市场的价格发现效率； 运用 Granger 因果检
验来检验期货价格和现货价格 Granger 意义上的因果关系即
现货价格和期货价格之间的相互引导关系；用误差修正模型
（ECM） 来刻画协整分析中价格对这种长期均衡短期上的偏
离，并考察期货价格的变动是否领先于现货价格的变动。
协整主要用来考察几个变量间的长期均衡关系，而误差修正
模型（ECM）可用来说明，变量间的短期变动关系，以及短期
变动调整至长期均衡的过程。 Engle 和 Granger 及 Johansen
指出， 一组具有协整关系的变量存在相应的误差修正模型，
并提供了一个完善的解决方法，以描述短期变动调整至长期
均衡的过程。
如果几个变量均为同阶单整的，且它们之间存在协整关
系。 那么，根据“格兰杰定理” ，我们可在此基础上引入误差
修正模型，以考察期货价格和现货价格之间的动态关系。
△st=C1+γecmt-1+
n1
f = 0
ΣC2f△Ft-f+
n2
f = 1
ΣC3f△St-f+εt （1）
ecmt-1 表示协整方程式的滞后一期残差。 把协整方程作
一简单的移项可以得到：ecmt-1=St-C0-C1Ft-1。
2 数据选取和加工处理
2.1 到期日现货价格序列的选取
现货价格采取的是中国棉花信息网的 CCINDEX 328 级
棉花现货价格。 棉花期货价格是棉花期货上市后 0411-0707
期货合约日价格数据，截止实证分析结束期间完整期货合约
共有 29 个，对应到期日现货价格就是所需现货价格数据。
2.2 期货价格序列的选取
Ft,T 表示交割月为 T 的在 t 时期的期货价格，t 指的是交
割月前的某一天。 根据郑州棉花期货合约的规定，最后交易
日为合约交割月份的第 10 个交易日 （遇法定节假日顺延）。
预测时间的长度定为 1 周、2 周、1 个月、2 个月、3 个月、4 个
月、5 个月和 6 个月。 也就是说分别选取离到期日还有 1 周、
2 周、1 个月、2 个月、3 个月、4 个月、5 个月和 6 个月的期货
价格分别作为 8 个期货价格的序列。 然后分别与对应交割月
份的到期现货价格进行协整检验。 期货价格选取郑州期货交
易所公布的棉花期货合约到期日的结算价。
3 期、现货价格的实证分析结果
3.1 价格序列的单位根检验（ADF 检验）
在作协整分析前，我们首先要检验价格的时间序列是否
为稳定序列。 如果现货价格序列和期货价格序列都存在单位
财 经 论 坛
125
统计与决策 2008 年第 21 期（总第 273 期）
根，即序列是非平稳时间序列，则需要对时间序列进行一阶
差分， 继续检验一阶差分后的时间序列是否为平稳时间序
列。 如果通过检验，表明期货价格和现货价格序列的一阶差
分序列均为平稳时间序列（即一阶单整序列），则我们就可以
建立相应的协整模型，进行协整检验。
从上表中的各统计指标可以看到，各个时间序列均不能
通过检验， 即都存在单位根，9 个时间序列都是非平稳时间
序列， 因此应进一步对一阶差分后序列的平稳性进行 ADF
检验。
由以上一阶差分的 ADF 检验结果可以看出，在 5%的显
著性水平下都是可以拒绝原假设，即不存在单位根，因此可
以用来建立协整模型。
3.2 协整分析
SPt=C1FPt-1+C0+Ut，其中，参数 C1 的大小衡量期货价格对
于现货价格所发挥的影响，C0 的大小衡量了期货价格外其它
因素对现货价格的影响， 残差项的稳定性和 ADF 检验结果
反映了期货价格对现货价格预测能力的效果好坏。
从协整分析统计结果来看期货价格和现货价格之间的
长期均衡关系，主要通过两个数据来衡量：一是残差的 ADF
检验结果，它反映协整关系中期货价格和现货价格之间的稳
定性； 二是 R2 所反映的拟合优度、DW 统计量和期货系列的
参数 C1 的大小。
从稳定性方面来看，时间跨度为 1～2 周的期货价格与到
期日现货价格在 1%的显著性水平下通过了检验， 表明二者
存在显著的长期稳定的关系；时间跨度为 1～4 个月的期货价
格与到期日现货价格在 5%的显著性水平下通过了检验，表
明二者存在长期稳定关系；时间跨度为 5～6 个月的期货价格
与到期日现货价格在 10%的显著性水平下通过了检验，表明
二者存在一定的长期稳定关系。 总体来看，棉花期货价格与
到期日现货价格已经初步体现出协整关系，但二者长期稳定
关系随着时间差异略有差异，超过 4 个月的时间跨度，二者
长期稳定关系不够稳定（只通过 10%显著性水平检验）。
从其它参数来看，前 1 周、2 周、1 个月、2 个月、3 个月、4
个 月 、5 个 月 、6 个 月 的 R2 值 分 别 为 0.538 80、0.607 83、
0.648 52、0.628 39、0.643 94、0.554 25、0.403 44、0.286 56，
总体来看，回归方程的拟合优度不甚理想。 结合 DW 统计值
等的实证结果，棉花期货价格和现货价格之间的长期均衡关
系效果并不稳定，预测能力有待提高。 参数 C1（期货序列的系
数）反映了期货价格对到期日现货价格的影响能力。 该数值
越接近 1，表明期货价格对到期日现货价格的影响能力就越
强，这也就意味着期货市场的定价效率就越高。 随着时间跨
度的延长，系数逐渐降低。 因为当预测的时间跨度越长时，到
期日现货价格的相关因素还不能完全显现，相关信息也不够
充分，对到期日价格的定价准确度较低，而随着离到期日的
临近， 越来越多的与到期日现货价格相关的因素显现出来，
越来越多的信息融入到期货价格中，因而成为到期日现货价
格的主要决定因素。 从上面的分析结果来看， 提前 1 周、2
周、1 个月、2 个月、3 个月、4 个月、5 个月、6 个月的 C1 值分
别 为 1.006 90、1.150 21、1.083 25、1.013 23、0.905 26、
0.798 15、0.640 16、0.512 99。 从 C1 值来看，一直到提前 3 个
月，期货价格是影响现货价格的主要因素，随着时间跨度的
进一步延长，C1 值越来越小， 其它因素对现货价格的影响加
大， 时间跨度为 6 个月的期货价格与到期日现货价格的 C1
项目
SP
FP1W
FP2W
FP1M
FP2M
FP3M
FP4M
FP5M
FP6M
ADF 检验值
-2.037 85
-2.845 88
-2.376 91
-2.137 34
-1.717 71
-2.045 32
-1.621 59
-1.503 48
-1.365 82
显著性 1%的
临界值
-3.689 19
-3.689 19
-3.689 19
-3.689 19
-3.689 19
-3.689 19
-1.663 10
-3.689 19
-3.689 19
显著性 5%
的临界值
-2.971 85
-2.971 85
-2.971 85
-2.971 85
-2.971 85
-2.971 85
-2.971 85
-2.971 85
-2.971 85
显著性 10%
的临界值
-2.625 12
-2.625 12
-2.625 12
-2.625 12
-2.625 12
-2.625 12
-2.625 12
-2.625 12
-2.625 12
P 值
0.269 9
0.064 8
0.157 0
0.232 5
0.411 8
0.267 0
0.438 3
0.517 2
0.583 7
表 1 水平的 ADF 检验结果
注：SP 表示到期日现货价格的时间序列，FP1W 表示到期日前 1 周的期货
价格的时间序列；FP2W 表示到期日前 2 周的期货价格的时间序列；FP1M
表示到期日前 1 个月前的期货价格的时间序列；FP2M 表示到期日 2 个月
前的期货价格的时间序列，以此类推，FP6M 为到期日 6 个月前的期货价格
的时间序列。
△SP
△FP1W
△FP2W
△FP1M
△FP2M
△FP3M
△FP4M
△FP5M
△FP6M
ADF
检验值
-4.767 01
-6.329 03
-5.417 87
-4.855 21
-4.432 03
-4.709 72
-3.319 15
-5.509 36
-4.491 77
显著性为 1%
的临界值
-3.699 87
-3.699 87
-3.699 87
-3.699 87
-3.699 87
-3.699 87
-3.699 87
-3.699 87
-3.699 87
显著性为 5%
的临界值
-2.976 26
-2.976 26
-2.976 26
-2.976 26
-2.976 26
-2.976 26
-2.976 26
-2.976 26
-2.976 26
显著性为
10%的临界值
-2.627 42
-2.627 42
-2.627 42
-2.627 42
-2.627 42
-2.627 42
-2.627 42
-2.627 42
-2.627 42
P 值
0.000 7
0.000 0
0.000 1
0.000 6
0.001 7
0.000 9
0.025 2
0.000 1
0.001 6
表 2 一阶差分后 ADF 检验结果
小注：数据根据 EVIEWS 处理数据整理而成。
1%
5%
10%
1%
5%
10%
1%
5%
10%
1%
5%
10%
1%
5%
10%
1%
5%
10%
1%
5%
10%
1%
5%
10%
-3.689 19
-2.971 85
-2.625 12
-3.689 19
-2.971 85
-2.625 12
-3.752 95
-2.998 06
-2.638 75
-3.689 19
-2.971 85
-2.625 12
-3.699 87
-2.976 26
-2.627 42
-3.689 19
-2.971 85
-2.625 12
-3.689 19
-2.971 85
-2.625 12
-3.699 87
-2.976 26
-2.627 42
SP=1.00690*FP1W-0.09954
（5.61633） （-0.05828）
R2=0.53880 F=31.54319
SP=1.15021*FP2W-1.46498
（6.46901） （-0.86493）
R2=0.60783 F=41.84804
SP=1.08325*FP1M-0.83104
（7.05823） （-0.56822）
R2=0.64852 F=49.81867
SP=1.01323*FP2M-0.16985
（6.75695） （-0.11879）
R2=0.628 39 F=45.65639
SP=0.90526*FP3M+0.85189
（6.98787） （0.68899）
R2=0.64394 F=48.83036
SP=0.79815*FP4M+1.86834
（5.79414） （1.41999）
R2=0.55425 F=33.57210
SP=0.64016*FP5M+3.37247
（4.27306） （2.35492）
R2=0.40344 F=18.25907
SP=0.51299*FP6M+4.58882
（3.23159） （3.02136）
R2=0.28656 F=10.44318
提前 1 周
提前 2 周
提前 1 个月
提前 2 个月
提前 3 个月
提前 4 个月
提前 5 个月
提前 6 个月
残差的 ADF 检验值
-4.53910**
-3.83095**
-3.18398*
-3.43044*
-3.52731*
-3.00799*
-2.88863
-2.75421
ADF 检验临界值协整分析
表 3 对期货和现货价格所有序列进行协整分析的统计结果
注：“**”表示在 1％水平上显著。 “*”表示在 5％水平上显著。
财 经 论 坛
126
统计与决策 2008 年第 21 期（总第 273 期）
值仅为 0.512 99。
3.3 Granger 因果检验的结果
协整检验告诉我们变量之间是否存在长期的均衡关系，
但是这种长期均衡关系是否构成因果关系还需要进一步验
证。 下面我们利用格兰杰因果分析来研究现货价格和期货价
格序列之间是否存在 Granger 因果关系， 检验它们之间是否
存在相互引导关系。
在格兰杰因果检验中， 根据 AIC 准则我们取滞后项为
3，结果表明：在检验的原 假 设 是 “FP 不 是 SP 的 Granger 原
因”时，从上面的结果看，伴随概率都能通过 5%显著性水平
的检验， 我们拒绝 FP 不是 SP 的 Granger 原因的原假设，也
就是说 FP 是 SP 的 Granger 意义上的原因。 但反过来却通不
过检验，SP 不是 FP 的 Granger 原因。 可见棉花期货价格对现
货价格存在显著的引导关系，但现货价格对期货价格的引导
关系却不明显。 总体来看，棉花期货价格对现货价格初步显
现出一定的预测能力。
3.4 误差修正模型
从前面的协整检验看，期货价格与到期日现货价格八组
序列都能通过协整检验；根据 Granger 因果检验，棉花期货价
格对现货价格具有较强的引导关系。 在协整检验和 Granger
因果检验的基础上，我们建立修正误差模型来分析棉花期货
价格与到期日现货价格的短期变动关系。
以现货价格和提前一段时间的期货价格作修正误差模
型（模型如下式）
△SP=C1+β1ECMt-1+β2△FP1W+β3△FP1Wt-1+β4△FP1Wt-2+
β5△SPt-1+β6△SPt-2（根据 AIC 准则取滞后项），然后在此基础
上对八组期货和现货价格所有序列建立误差修正模型，结果
如表 5。
从以上的误差修正模型中，我们可得出以下结论：
第一， 在时间跨度为 1 周到 2 个月的模型中 DFP 的系数均
是显著异于零的，这表明期货价格的变动领先于现货价格的
变动，这也就是说短期内期货价格的变动是现货价格变动的
原因。 从上面的分析可以看出，期货价格大体上只在两个月
以内具有较好的短期预测作用，也就是说在这个时候期货市
场的价格发现的效率比较高。
第二，在时间跨度为 3 个月内，协整方程的误差修正项
的系数都能通过异于零的显著性检验，
这表明，在该段时间内期货价格和现货
价格之间的长期均衡关系对短期内现
货价格的变动有显著的影响。 但时间跨
度在两个月以上时，误差修正项的系数
都不能通过异于零的显著性检验。 也就
是说，在时间跨度小于两个月时，期货
价格和现货价格之间的长期的无套利
均衡关系会对短期内现货价格的变动
会有显著的影响。 从系数上来讲，系数
值是负的，这表明短期的期货价格对于
现货价格的变动影响是一种背离现货
价格原有的趋势而走向它们之间长期
均衡关系的一种影响。 也就是说，此时
的现货价格和期货价格的偏离会在短
期内消失，期现价格向长期均衡收敛。
从上面的分析可以看出，期货价格
只能在 2 个月以内的领先水平上具有
较为明显的短期预测作用，也就是说在
这个时候期货市场的价格发现的效率
比较高。
3.5 方差分解的实证结果
方差分解是通过分析每一个结构
冲击对内生变量变化（通过常用方差来
度量）的贡献度，进一步评价不同结构
冲击的重要性。 因此方差分解给出对
VAR 模型中的变量产生影响的每个随
机扰动的相对重要的信息。
原假设
FP 不是 SP 的 Granger 原因
SP 不是 FP 的 Granger 原因
观测数
715
1.977 14
F 统计量
4.166 98
0.116 03
P 值
0.006 13
0.116 03
结果
拒绝
无法拒绝
表 4 SP 和 FP 序列的格兰杰检验结果
误差修正模型
DSP=-0.4136998178*ECM1W(-1)+0.6546104143*DFP1W-0.1398268071*DFP1W(-1)+
（-2.508623） （5.573661） （-0.676326）
0.05688*DFP1W(-2)+0.06932*DSP(-1)+0.04395*DSP(-2)+0.00747
（0.45157） （0.35345） （0.24675） （1.53354）
R2=0.72644
DSP=-0.43867*ECM2W(-1)+0.77233*DFP2W-0.35705*DFP2W(-1)+0.15563*DFP2W(-2)
（-2.47348） （5.28526） （-1.60208） （0.90470）
+0.10819*DSP(-1)-0.03421*DSP(-2)+0.00699
（0.55329 ） （-0.18611） （1.36223）
R2=0.66924
DSP=-0.44742*ECM1M(-1)+0.77339*DFP1M-0.47027*DFP1M(-1)+
（-2.28516） （4.87935） （-2.242 81）
0.14703*DFP1M(-2)-0.12693*DSP(-1)+0.28509*DSP(-2)+0.00614
（0.88550） （-0.595 02） （1.39026） （1.16587）
R2=0.638474
DSP=-0.56595*ECM2M(-1)+0.59099*DFP2M+0.43204*DFP2M(-1)-0.16291*DSP(-1)+0.00218
（-3.03374） （2.98014） （2.15685） （-0.73337） （0.40824）
R2=0.48893
DSP=-0.49359*ECM3M(-1)+0.53065*DFP3M-0.18123*DFP3M(-1)+0.23591*DSP(-1)+0.00588
（-1.97055） （2.19792） （-0.83668） （0.88465） （0.83381）
R2=0.20503
DSP=-0.31678*ECM4M(-1)+0.33971*DFP4M-0.14121*DFP4M(-1)+0.11728*DSP(-1)+0.00653
（-1.48533） （1.48492） （-0.75624） （0.45821） （0.89713）
R2=0.14537
DSP=-0.75186*ECM5M(-1)-0.01207*DFP5M-0.07323*DFP5M(-1)+0.27833*DFP5M(-2)
（-1.67287） (-0.03283) (-0.28138) (1.16416)
-0.09666*DFP5M(-3)-0.08162*DFP5M(-4)+0.49500*DSP(-1)+0.60398*DSP(-2)
(-0.44448) (-0.35110) (1.29099) (1.91335)
+0.34153*DSP(-3)+0.07484*DSP(-4)+0.00611
(0.98926) （0.19254) (0.75858)
R2=0.43115
DSP=-0.86521*ECM6M(-1)+0.41694*DFP6M+0.31739*DFP6M(-1)-0.06644*DFP6M(-2)
(-3.201506) (1.575485) (1.549231) (-0.29879)
-0.04549*DFP6M(-3)+0.46270*DSP(-1)+0.62987*DSP(-2)+0.32650*DSP(-3)+0.00569
(-0.21260) (1.64222) (2.60517) (1.19733) （0.80410)
R2=0.48144
提前 1 周
提前 2 周
提前 1 个月
提前 2 个月
提前 3 个月
提前 4 个月
提前 5 个月
提前 6 个月
表 5 八组期货和现货价格所有序列建立误差修正模型统计结果
注：模型中最佳滞后阶数的选择是根据池田信息标准（AIC）来确定的。
财 经 论 坛
127
统计与决策 2008 年第 21 期（总第 273 期）
将价格变动的方差进行分解可以进一步分析出中国棉
花期货价格和现货价格波动时对方的贡献率，以此评价期货
市场在价格发现功能中的作用大小。 这里根据 AIC 准则我们
取滞后项为 3，检验得出的结论为：短期中，棉花期货价格对
现货价格变动的贡献变动很大，但从 700 期来看棉花期货价
格的变动对棉花现货价格的变动的贡献率达到 31.45%。
4 实证结论
通过国内棉花现货价格和期货价格 29 个完整合约的检
验，我们大致可以得出以下几点结论：
第一，8 组数据都能通过在 10%显著性水平下的协整检
验，表明棉花期货价格与到期日现货价格之间具有一定的长
期稳定的关系， 但这种长期稳定关系在 4 个月之内更为稳
定，随着时间跨度的加大而有一定的变动性，这说明中国棉
花期货的价格对到期日现货价格的预测能力已经初步显现
但有待进一步提高。
第二，通过格兰杰因果检验我们发现，棉花期货价格对
现货价格存在格兰杰因果关系， 但反过来这种关系不存在，
这也说明了从长期看棉花期货价格对现货价格的预测能力
尚需进一步增强；
第三，通过误差修正模型的检验我们发现，在 2 个月内
的时间跨度内， 期货价格的变动领先于现货价格的变动，短
期内期货价格是现货价格 Granger 意义上的原因， 也就是说
短期内期货价格的变动是现货价格变动的原因。 这表明，在
2 个月以内期货价格对现货价格具有较为明显的短期预测
作用，也就是说在这个时候期货市场的价格发现的效率比较
高，这一点和成熟期货合约预测时间跨度为 3-4 个月有着明
显差距；
第四，在短期内，存在格兰杰因果关系的基础下，我们通
过方差分解得出棉花期货价格的变动对现货价格的变动的
贡献率达到了 31.45%。
总体来看，所有实证分析较为一致地验证了，棉花期货
对于现货价格初步具有了较明显的短期预测作用 （2 个月
内）， 这一点和成熟期货合约预测时间跨度为 3-4 个月有着
明显差距；从长期来看，价格预测的能力和两者的协整稳定
关系尚待进一步提高，且存在很高的上升空间。 这种结果的
得出是比较客观的，但不排除两个因素的影响：（1）棉花期货
上市时间只有 3 年多，期货市场流动性和价格发现效率的提
高有一个渐进的过程；（2）2004 年至今我们能够计算的完整
合约较少，到本文结束为止只有 29 个完整合约，合约数量的
限制对于运用 ADF 检验、协整检验、Granger 因果检验、误差
修正模型等有一定的影响，在一定程度上影响计算结果的准
确程度。
参考文献：
[1]Keneth D. Garbade William L.Silber Price Movements and Price
Discovery In Futures and Cash Markets [J]. Review of Economics
and Statistics.,1983,（65）.
[2]Bigman, D.. D. Goldfarb and E. Schechtman. Futures Market Ef-
ficiency and the Time Content of Information Sets [J]. Journal of
Futures Market, 1983, 3(3).
[3]Stacie.e.Beck. Cointegration and market efficiency in commodities
futures markets [J]. Applied Economics,1994,26.
[4]华仁海，仲伟俊.对我国期货市场价格发现功能的实证分析[J].南
开管理评论，2002，(5).
[5]田彩云，郭心义.我国玉米期货市场发现价格功能的实证分析[J].
中国农村经济，2006，(6).
[6]薛和斌.我国棉花期货市场功能的实证分析及对相关产业的启示
[D].上海交通大学硕士论文，2007.
[7]谭砚文，温思美，李崇光.中国棉花国际贸易对国际市场棉花价格
影响的实证分析———对中国棉花“贱卖贵买”现象的质疑[J].中国
农村经济,2005,（1）.
（责任编辑/亦 民）
图 1 现货价格的方差分解图
财 经 论 坛
128
中国棉花期货价格发现功能的实证分析.pdf
