بررسی قیمت های بین المللی گندم و برنج

در این مقاله به بررسی قیمت های بین المللی گندم و برنج از سال 1983 (1) تا 2012 (4) می پردازیم. تجزیه و تحلیل تجربی با روش سری زمانی ساختاری صورت می گیرد که سری قیمت ها را در روند ، چرخه ، فصلی و نامنظم آنها تجزیه می کند. نتایج تجربی نشان می دهد که قیمت گندم رفتار چرخه ای را نشان می دهد در حالی که قیمت برنج به جز چرخه ای عمدتاً توسط مؤلفه نامنظم اداره می شود. این نتایج اهمیت درمان گندم و برنج را مانند دو کالای مجزا که نیاز به اقدامات خاص سیاست خاص و کالایی دارند ، فشار می آورد. سرانجام ، تأثیر سهام دانه های چینی در حال کوچک شدن پس از سال 2002 به عنوان یک عامل مهم ارائه شده است که منجر به سنبله قیمت سال 2008 شد.

زمینه < SPAN> تحقیق در مورد قیمت های بین المللی گندم و برنج

در این مقاله به بررسی قیمت های بین المللی گندم و برنج از سال 1983 (1) تا 2012 (4) می پردازیم. تجزیه و تحلیل تجربی با روش سری زمانی ساختاری صورت می گیرد که سری قیمت ها را در روند ، چرخه ، فصلی و نامنظم آنها تجزیه می کند. نتایج تجربی نشان می دهد که قیمت گندم رفتار چرخه ای را نشان می دهد در حالی که قیمت برنج به جز چرخه ای عمدتاً توسط مؤلفه نامنظم اداره می شود. این نتایج اهمیت درمان گندم و برنج را مانند دو کالای مجزا که نیاز به اقدامات خاص سیاست خاص و کالایی دارند ، فشار می آورد. سرانجام ، تأثیر سهام دانه های چینی در حال کوچک شدن پس از سال 2002 به عنوان یک عامل مهم ارائه شده است که منجر به سنبله قیمت سال 2008 شد.

پس زمینه پردازش قیمت های بین المللی گندم و برنج

در این مقاله به بررسی قیمت های بین المللی گندم و برنج از سال 1983 (1) تا 2012 (4) می پردازیم. تجزیه و تحلیل تجربی با روش سری زمانی ساختاری صورت می گیرد که سری قیمت ها را در روند ، چرخه ، فصلی و نامنظم آنها تجزیه می کند. نتایج تجربی نشان می دهد که قیمت گندم رفتار چرخه ای را نشان می دهد در حالی که قیمت برنج به جز چرخه ای عمدتاً توسط مؤلفه نامنظم اداره می شود. این نتایج اهمیت درمان گندم و برنج را مانند دو کالای مجزا که نیاز به اقدامات خاص سیاست خاص و کالایی دارند ، فشار می آورد. سرانجام ، تأثیر سهام دانه های چینی در حال کوچک شدن پس از سال 2002 به عنوان یک عامل مهم ارائه شده است که منجر به سنبله قیمت سال 2008 شد.

زمینه

از اواخر سال 2006 تا اواسط سال 2008 ، جهان شاهد افزایش قیمت غیرمعمول در کالاهای عمده کشاورزی مانند گندم و برنج بود (Dethier and Effenberger ، 2011). با این حال ، تا آن زمان ، از جهان به طور کلی تغییرپذیری قیمت در کالاهای کشاورزی به ویژه پس از دهه های بی ثبات دهه 1970 و 1980 استفاده می شد (گیلبرت ، 2006). این قسمت علاقه به کالاهای کشاورزی را تجدید کرد زیرا آنها به شدت با امنیت غذایی ، به ویژه در کشورهای در حال توسعه و توسعه نیافته ، در ارتباط هستند. علاوه بر این ، کشورهای توسعه یافته نیز نگران بودند زیرا سنبله های قیمت بر رفاه تولید کنندگان و مصرف کنندگان تأثیر منفی می گذارند. بنابراین ، تجزیه و تحلیل قیمت کالاهای بین المللی کشاورزی بار دیگر در تحقیقات اقتصاد کشاورزی مورد توجه قرار گرفته است. این تحقیق عمدتاً بر بررسی دلایل افزایش قیمت بین سالهای 2006 و 2008 متمرکز شده است. با این حال ، این ادبیات را با بینش های جدید در مورد محرک های کالاهای کشاورزی نیز غنی کرده است. تشکیل قیمت کالاهای کشاورزی عمدتاً به تنوع اصول بازار ، که عرضه و تقاضا هستند ، نسبت داده می شود. به دنبال گیلبرت و مورگان (2010) ، شوک های طبیعی ناشی از شرایط آب و هوایی یا بیماری ها و منطقه کاشته شده عوامل اصلی بر تولید است. علاوه بر این ، زیرساخت های تکنولوژیکی عامل اصلی کمیت تولید شده است. از طرف دیگر ، مصرف به دلیل تغییر در سطح درآمد یا در قیمت های جایگزین یا به دلیل تغییر در سلیقه ها متفاوت است. میزان استفاده از شوک های تولید و مصرف در شکل گیری قیمت ها به میزان کشش عرضه و تقاضا بستگی دارد ، که نشان دهنده پاسخگویی تولید کنندگان و مصرف کنندگان به تغییرات قیمت است. کشش قیمت عرضه و تقاضا در کوتاه مدت کم است (در طول دوره برداشت) ، به ویژه اگر سهام محصولات کشاورزی کم باشد (رایت و ویلیامز ، 1991 ؛ داتون و لاروک ، 1992). جدا از اصول بازار ، تغییرات ناگهانی در سیاست (کریستیانسن ، 2009) ، قیمت ورودی ، نرخ ارز و الگوهای معاملات و همچنین گمانه زنی ها ، بر تشکیل قیمت تأثیر می گذارد (گزارش بین سازمانی ، 2011 ؛ گیلبرت و مورگان ، 2010). علاوه بر این ، رابطه همیشه تقویت شده بین کالاهای کشاورزی و قیمت انرژی (روغن و سوخت های زیستی) همچنان به هم وصل می شود ، در حالی که تأثیر اصول کلان اقتصادی نباید نادیده گرفته شود (OECD ، 2008).

هدف از این مقاله بررسی شکل گیری قیمت های بین المللی گندم و برنج است. گندم اصلی است که به طور عمده در مناطق معتدل تولید و مصرف می شود ، در حالی که از آن به عنوان ورودی برای تولید محصولات گوشتی نیز استفاده می شود. تولید کنندگان اصلی و صادرکنندگان گندم ایالات متحده ، اتحادیه اروپا ، کانادا ، استرالیا ، آرژانتین و اخیراً فدراسیون روسیه ، اوکراین و قزاقستان هستند (FAO ، 2009). گندم کالایی است که آزادانه در سطح بین المللی معامله می شود. از طرف دیگر ، رایس جزء اصلی در کشورهای جنوب شرقی آسیا ، در مرکز و غربی آفریقا ، در کارائیب و همچنین آمریکای جنوبی است. کشورهای جنوب شرقی آسیا تقریباً 25 درصد از تولید جهانی را تشکیل می دهند (بالدوین و همکاران ، 2012). علاوه بر این ، مقدار کمی از برنج در سطح بین المللی معامله می شود. قیمت آن آزادانه توسط بازار تعیین نمی شود بلکه با قیمت های پیمانکاری فروخته می شود یا خریداری می شود (تیممر ، 2010). خصوصیات فوق الذکر گندم و برنج نشان می دهد که از نظر تولید ، مصرف یا الگوهای تجاری با هم ارتباط ندارند. گندم اصلی در کشورهای ثروتمندتر است که مصرف گوشت نیز زیاد است ، در حالی که برنج اصلی در کشورهای فقیر است. بنابراین ، شوک قیمت آنها به هم وابسته نیست ، به ویژه که برنج در بازارهای آینده شیکاگو و بانکوک در حجم کم معامله می شود. افزایش قیمت این دو بخش اصلی چندین کشور را تحت تأثیر قرار داده است که در تلاش خود برای محافظت از بازارهای داخلی آنها محدودیت های صادراتی و تعرفه را اعمال کرده است. با این حال ، این اقدامات باعث کاهش میزان دانه های معامله شده در سطح بین المللی شده است ، این چیزی است که افزایش قیمت را تشدید کرده است (ابوت و همکاران ، 2011). پس از بحران 2006-2008 ، سطح قیمت کاهش یافت ، اما بدون بازگشت به سطح قبلی آنها.

یک محقق این امکان را دارد که از کلاس های مختلف مدل ها برای مدل سازی تغییرات قیمت مشاهده شده و همچنین مشاهده نشده یک سری زمانی استفاده کند. یک انتخاب محبوب برای مدل سازی قیمت ها، مدل میانگین متحرک یکپارچه خودکار (ARIMA) است. این دسته از مدل ها توسط باکس و جنکینز (1976) مورد حمایت قرار گرفت و ویژگی کلیدی آن پیگیری ثابت بودن با تفاوت های لازم است. مشکل تفاوت این است که بدانیم چه زمانی روند و فصلی بودن یک سری زمانی را به اندازه کافی حذف کرده است، در حالی که شناسایی مدل توسط تابع همبستگی خودکار نمونه به دلیل تنوع نمونه گیری بالا نادقیق است. با این حال، مدل های ARIMA برای پیش بینی خوب هستند زیرا حذف روند و مؤلفه فصلی مشکلی ندارد (Durbin and Koopman, 2012). یکی دیگر از گزینه های محبوب برای مدل سازی روابط بین قیمت ها، مدل AutoRegressive برداری سیمز (1982) است. امروزه، این دسته از مدل ها بر اساس جستجوی ریشه های واحدی است که وجود گرایش یا رفتار فصلی را نشان می دهد و با ایجاد تفاوت و همچنین با افزودن یک رابطه تلفیقی بین متغیرهای نشان دهنده روند مشترک آنها، آنها را حذف می کند. مطالعه تغییرات قیمت مشاهده نشده در یک سری با استفاده از مدل های هتروسکداستی شرطی خودکار (G] ARCH) (Generalized) پیشنهاد شده توسط Bollerslev (1986) و Engle (1982) صورت می گیرد. این دسته از مدل ها اغلب توسط محققان برای مطالعه افزایش قیمت در کالاهای کشاورزی از اواخر سال 2006 تا اواسط سال 2008 مورد استفاده قرار گرفت. این سه دسته از مدل ها تلاش می کنند تا با کنار گذاشتن ساختار یک مدل کاملاً مشخص، شکل گیری سری قیمت و تعاملات را مدل سازی کنند. یک مدل کاملاً مشخص سعی می کند تا حد امکان از متغیرهای توضیحی برای مدل سازی یک سری قیمت استفاده کند. با این حال، مهم نیست که از چه تعداد متغیر توضیحی می توان استفاده کرد، محقق تا حدی قادر خواهد بود تا متغیرهای سری زمانی را توضیح دهد. بنابراین، کلاس چهارم مدل، مدل سری زمانی ساختاری (STS)، ساختار سری زمانی را که از اجزای روند و فصلی، چرخه ای و نامنظم تشکیل شده است، بدون تلاش برای ساخت یک مدل کاملاً مشخص حفظ می کند. این روند تغییر جهت را با تغییرات دائمی که نشان دهنده ماهیت بلندمدت سری است، تعیین می کند. اثرات فصلی مربوط به شرایط طبیعی است.

چرخه نشان دهنده بزرگی و طول نوسانات موجود در کوتاه مدت است ، در حالی که مؤلفه نامنظم وقایع غیر منتظره را مشخص می کند. کالمن (1960) مدل های STS را با هدف پرداختن به طیف گسترده ای از مشکلات با استفاده از انعطاف پذیری آنها معرفی کرد. جنبه اصلی مدل های STS این است که پیگیری ثابت بودن لازم نیست زیرا اجزای سری زمانی مانند روند و عوامل فصلی و چرخه ای می توانند توزیع های در حال تحول را با گذشت زمان در خود جای دهند. علاوه بر این ، یک مدل STS با هدف نشان دادن فرآیند تولید داده های اساسی نیست ، اما این واقعیت های تلطیف شده از سری قیمت ها را از نظر تجزیه نشان می دهد. بنابراین ، ماهیت ساختاری مدل امکان تفسیر مستقیم را فراهم می کند (هاروی ، 1989)._{تجزیه و تحلیل سری زمانی ساختاری برای بررسی بسیاری از سری های قیمت که از نظر ماهیت آنها کاملاً متفاوت است استفاده شده است. در این مقاله به تعدادی از مطالعات مربوطه اشاره شده است که سری قیمت های مربوط به بازارهای کشاورزی را مورد تجزیه و تحلیل قرار داده است. به طور خاص ، اوبید (1997) تورم در موزامبیک را بررسی کرد و نشان داد که رفتار فصلی تورم تحت تأثیر فصلی محصولات کشاورزی است. فالیوا (1994) بیکاری ایتالیا را در بخش کشاورزی مورد تجزیه و تحلیل قرار داد. Shepherd (2006) از یک مدل سری ساختاری برای تأمین پنبه جهانی استفاده کرد. علاوه بر این ، Fatiga و Misra (2007) از یک مدل اجزای بدون نظارت چند متغیره برای قیمت های پنبه ، پشم ، ریون و پلی استر استفاده کردند. در مطالعه خود ، کریسپین و دیل (1998) صنعت گوشتی ایالات متحده را مورد مطالعه قرار دادند و دریافتند که با هزینه های خوراک و همچنین پیشرفت های فناوری نقش مهمی ایفا می کند. یک مطالعه مشابه انجام شده توسط CHIDMI و FATIGA (2007) تشکیل قیمت گوشت گاو ، گوشت خوک و طیور ایالات متحده را با استفاده از یک روش اجزای بدون نظارت چند متغیره بررسی کرد. فارلی و مورفی (1997) با هدف توضیح رفتار روند صید ماهی قزل آلا سوکی ، سهام ماهی قزل آلا Sockeye را در آلاسکا و بریتانیا شمالی کلمبیا مطالعه کردند. بهار و هموری (2007) به منظور استخراج اطلاعات در مورد پویایی کوتاه و بلند مدت هر سری ، قیمت های آتی ذرت ، سویا و قند را بررسی کردند. علاوه بر این ، Heymans (2008) از مدل مؤلفه بدون نظارت در قیمت های آتی ذرت سفید و زرد استفاده کرد. در مقاله اخیر ، Rezitis و Sassi (2013) حرکات قیمت یک شاخص قیمت کالا را مورد تجزیه و تحلیل قرار دادند و پیش بینی قیمت های آینده را ارائه دادند. میرزاباف و تسگای (2012) تأثیر شرایط نامساعد آب و هوا در آسیای میانه بر سری قیمت گندم و سیب زمینی را بررسی کردند و دریافتند که شرایط آب و هوایی نامطلوب منجر به قیمت گندم و سیب زمینی بالاتر می شود ، در حالی که افزایش قیمت بین المللی کالاهای اولیه بر قیمت داخلی تأثیر می گذارد.}در این مطالعه ، قیمت های بین المللی گندم و برنج با یک مدل سری زمانی ساختاری تک متغیره مورد بررسی قرار می گیرد. این تجزیه و تحلیل سری قیمت ها را به اجزای بدون نظارت آنها از روند و فصلی ، چرخه ای و نامنظم بدون جستجوی هرگونه مشترک تجزیه می کند ، زیرا ویژگی های بازار این دو محصول آنها را از هم جدا می کند. علاوه بر این ، اطلاعات به دست آمده برای رفتار گذشته این سریال برای پیش بینی استفاده می شود. این مطالعه ادبیات مربوط به تشکیل قیمت بین المللی کالاهای کشاورزی را با استفاده از روشی که مبتنی بر خواص سری زمانی نیست بلکه بر حقایق تلطیف شده ای است که حاکم بر این سریال است ، غنی می کند. بنابراین ، پیش بینی های بهتری می توان حاصل شد ، در حالی که تفسیر نتایج به دلیل شکل ساختاری مدل مورد استفاده ساده است. علاوه بر این ، استراحت ساختاری و اثرات زمانی این سری را می توان شناسایی و مدل سازی کرد که منجر به یک مدل با تناسب بهتر داده ها می شود. تجزیه و تحلیل تجربی نشان می دهد که قیمت گندم رفتار چرخه ای را نشان می دهد در حالی که قیمت برنج ، به جز چرخه ، توسط مؤلفه نامنظم اداره می شود. این نتایج نقش کاهش سهام چین را در مسیر وقایع که منجر به افزایش قیمت 2008 شد ، ضمن تأکید بر اهمیت کالا و اقدامات سیاست خاص کشور برای گندم و برنج ، مشخص می کند.