• 论文 • 上一篇    下一篇

农产品期货价格联动性实证研究------基于中美玉米期货日收盘价数据

陆刚   

  1. 石家庄经济学院管理科学与工程学院, 石家庄  050031
  • 出版日期:2015-02-25 发布日期:2015-05-19

陆刚. 农产品期货价格联动性实证研究------基于中美玉米期货日收盘价数据[J]. 系统科学与数学, 2015, 35(2): 181-192.

LU Gang. AN EMPIRICAL STUDY ON THE FUTURES PRICE LINKAGE OF AGRICULTURAL PRODUCTS --- BASED ON SINO US CORN FUTURES DAILY CLOSING PRICE DATA[J]. Journal of Systems Science and Mathematical Sciences, 2015, 35(2): 181-192.

AN EMPIRICAL STUDY ON THE FUTURES PRICE LINKAGE OF AGRICULTURAL PRODUCTS --- BASED ON SINO US CORN FUTURES DAILY CLOSING PRICE DATA

LU Gang   

  1. School of Management Science and Engineering, Shijiazhuang University of Economics, Shijiazhuang  050031
  • Online:2015-02-25 Published:2015-05-19

依据大连玉米期货和美国芝加哥玉米期货价格日收盘价数据, 对中美玉米期货价格变化进行粗粒化处理. 以玉米价格波动模态为节点, 模态之间的转换为边建立中国玉米和美国玉米期货价格有向加权联动性复杂网络, 通过该复杂网络研究中美农产品期货价格联动性波动规律. 研究表明大连玉米期 货价格与美国玉米期货价格的联动波动趋势为同向联动性, 但中美玉米期货价格的 联动性并不完全保持同向变动; 加权聚集系数和点强度呈负相关, 价格联动波动具 有周期性, 联动模态间的转换周期平均为5--6天; 中美玉米期货价格联动的群发性波 动通过出现概率较小的且中介中心性较高的模态进行交替转换, 通过预测价格联动的 波动状态, 可以为规避市场风险提供决策参考.

On the basis of daily closing price data of Dalian corn futures and Chicago corn futures price, this paper carries out the statistical Physics on Sino US corn futures price changes. It takes corn price fluctuation mode as point and change between modes as edge, set up the directed and weighted linkage complex network of the Chinese corn and American corn futures price, studies the linkage of fluctuation law of the Sino US agricultural products futures price. Research shows that the linkage fluctuation trend of Dalian corn and U.S. corn futures prices is the same directed linkage, but the linkage between Sino US corn futures price does not remain change in the same direction; There is a negative correlation between weighted clustering coefficient and point of strength, the linkage fluctuation of price interaction moves in cycles, the average conversion cycle between linkage modes lasts 5--6 days; The mass fluctuation of Sino US corn futures price linkage carries out alternate conversion by betweenness centrality higher modes of low probability, it can serve as a reference to avoid market risks by forecasting the fluctuation states of price linkage.

MR(2010)主题分类: 

()
[1] 周欢,刘嘉,马浩南. 改进的标签可重叠社区推荐模型[J]. 系统科学与数学, 2020, 40(11): 2058-2070.
[2] 石宇静,胡昌敏. 复杂网络的动态输出反馈容错同步控制[J]. 系统科学与数学, 2020, 40(10): 1701-1712.
[3] 肖峰,甘勤涛,黄欣. 具有多重权值的时滞复杂网络固定时间同步问题研究[J]. 系统科学与数学, 2020, 40(1): 15-28.
[4] 王甜,董志良,刘森,李盼盼. 原油价格时间序列自回归子模式传输特征分析[J]. 系统科学与数学, 2020, 40(1): 117-128.
[5] 刘一健,岳小云. 不同供需下农产品双渠道供应链的决策[J]. 系统科学与数学, 2019, 39(11): 1808-1822.
[6] 安海岗,都沁军,张永礼. 基于复杂网络的时间序列单变量波动幅度研究[J]. 系统科学与数学, 2015, 35(2): 158-169.
[7] 杨康,张仲义. 基于复杂网络理论的供应链网络风险传播机理研究[J]. 系统科学与数学, 2013, 33(10): 1224-1232.
[8] 陆文聪,祈慧博,李元龙. 中国世界农业区域市场均衡模型及其应用[J]. 系统科学与数学, 2013, 33(1): 20-35.
[9] 王川,赵俊晔,赵友森. 组合预测模型在农产品价格短期预测中的应用------以苹果为例的实证分析[J]. 系统科学与数学, 2013, 33(1): 89-96.
[10] 张嗣瀛. 复杂系统中的自聚集, 系统功能与正反馈[J]. 系统科学与数学, 2011, 31(9): 1045-1051.
[11] 王莹莹;梅生伟;毛彦斌;刘锋. 基于复杂网络理论的含分布式发电的电力网络脆弱度评估[J]. 系统科学与数学, 2010, 30(6): 859-868.
[12] 曹玉芬;侯振挺. 一类增长网络模型的度分布[J]. 系统科学与数学, 2010, 30(4): 548-555.
[13] 谢凤宏;张大为;黄丹;谢福鼎. 基于加权复杂网络的文本关键词提取[J]. 系统科学与数学, 2010, 30(11): 1592-1596.
[14] 陈姚;吕金虎. 复杂动态网络的有限时间同步[J]. 系统科学与数学, 2009, 29(10): 1419-1430.
[15] 王龙;伏锋;陈小杰;楚天广;谢广明. 演化博弈与自组织合作[J]. 系统科学与数学, 2007, 27(3): 330-343.
阅读次数
全文


摘要