外部不確定性沖擊與中國(guó)玉米價(jià)格波動(dòng)*

劉 帥，劉丁語(yǔ)

（1.吉林農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，長(zhǎng)春 130118；2.吉林農(nóng)業(yè)大學(xué)糧食主產(chǎn)區(qū)農(nóng)村經(jīng)濟(jì)研究中心，長(zhǎng)春 130118）

一、引 言

中國(guó)自古以來(lái)就是農(nóng)業(yè)大國(guó)，糧食的生產(chǎn)與安全是農(nóng)業(yè)重點(diǎn)關(guān)注的問(wèn)題，這直接影響到國(guó)家的經(jīng)濟(jì)發(fā)展與社會(huì)穩(wěn)定。糧食生產(chǎn)安全問(wèn)題的核心是糧食價(jià)格，其價(jià)格波動(dòng)會(huì)影響居民的生活狀況。況且在經(jīng)濟(jì)全球化的背景下，中國(guó)糧食價(jià)格受到各種外部不確定因素的沖擊越來(lái)越廣泛且深遠(yuǎn)。通常引起糧食價(jià)格波動(dòng)的原因有內(nèi)部傳導(dǎo)因素和外部沖擊因素，內(nèi)部傳導(dǎo)因素主要包含供需、生產(chǎn)成本、生產(chǎn)者預(yù)期以及庫(kù)存量等；而外部沖擊因素主要包含替代品價(jià)格、國(guó)家政策、自然災(zāi)害以及貿(mào)易流通等（申宇，2016）。外部沖擊因素通常是政府無(wú)法控制的事件，具有突發(fā)性、不可預(yù)測(cè)性以及來(lái)源廣泛性等特點(diǎn)，使我國(guó)的物價(jià)劇烈而頻繁的波動(dòng)。

玉米作為中國(guó)三大主糧之一，具有高產(chǎn)量、類(lèi)型多樣、用途廣泛、地域分布遼闊、開(kāi)發(fā)潛力巨大等特性。而玉米價(jià)格也一直深受外部沖擊影響，在玉米政策不斷調(diào)整和改革時(shí)期，人民幣匯率的變動(dòng)與國(guó)際市場(chǎng)的不穩(wěn)定等危機(jī)接踵而至。然而，最嚴(yán)重的外部沖擊還是2020年突發(fā)的新冠肺炎疫情。針對(duì)國(guó)內(nèi)市場(chǎng)而言，供給端，受到物流和運(yùn)輸嚴(yán)格管控、勞動(dòng)力及企業(yè)在嚴(yán)峻形勢(shì)下停產(chǎn)停工等影響，玉米等農(nóng)產(chǎn)品供給減少；需求端，消費(fèi)者對(duì)各類(lèi)產(chǎn)品需求隨著疫情時(shí)期滿足自身健康需要而變化。對(duì)于國(guó)際市場(chǎng)而言，國(guó)外疫情日益嚴(yán)峻，個(gè)別國(guó)家對(duì)玉米等農(nóng)產(chǎn)品采取出口限制措施，國(guó)際糧價(jià)也經(jīng)歷著大幅度無(wú)規(guī)律波動(dòng)（劉紹熹等，2022）。疫情的突襲還引發(fā)其他外部因素的變動(dòng)而造成聯(lián)動(dòng)效應(yīng)，最終導(dǎo)致各種外部因素逐漸成為影響物價(jià)的主導(dǎo)因素，對(duì)全球的宏觀經(jīng)濟(jì)均造成一定負(fù)向影響。從2020年開(kāi)始，中國(guó)的玉米價(jià)格持續(xù)增加，由2020年1月的最低價(jià)1 941.45元/噸上漲到2021年3月的最高價(jià)2 975.59 元/噸，最大價(jià)差達(dá)1 034.14 元/噸。雖然到2022 年2 月為止，價(jià)格又波動(dòng)下跌至2 751.28 元/噸，但總體仍呈上漲態(tài)勢(shì)，兩年間漲幅高達(dá)41.71%。玉米價(jià)格劇烈波動(dòng)，既不利于穩(wěn)定農(nóng)民家庭收入，又影響玉米加工業(yè)等下游產(chǎn)業(yè)的發(fā)展，最終破壞中國(guó)經(jīng)濟(jì)社會(huì)的健康有序運(yùn)行。對(duì)此，基于國(guó)際國(guó)內(nèi)大背景與新形勢(shì)，本文立足當(dāng)前現(xiàn)狀，探索和揭示現(xiàn)階段中國(guó)玉米價(jià)格波動(dòng)規(guī)律和變化趨勢(shì)，剖析外部不確定性因素對(duì)玉米價(jià)格波動(dòng)的影響，以期更深入地了解中國(guó)玉米價(jià)格波動(dòng)的成因，并明確外部沖擊因素對(duì)玉米價(jià)格波動(dòng)的影響程度，為政府制定決策提供政策建議，有助于保證日后有效做好預(yù)防措施，及時(shí)平抑價(jià)格波動(dòng)，保障國(guó)家糧食安全。

二、文獻(xiàn)綜述

已有許多學(xué)者從不同角度、運(yùn)用不同方法研究農(nóng)產(chǎn)品價(jià)格波動(dòng)及其影響因素。以國(guó)內(nèi)視角來(lái)看，大多數(shù)學(xué)者均會(huì)使用計(jì)量模型，馬宏陽(yáng)等（2021）、吳彩容等（2016）采用ARCH類(lèi)模型分析農(nóng)產(chǎn)品價(jià)格的長(zhǎng)期波動(dòng)特征。此外，宋麗等（2021）、鄭旭蕓等（2020）、王會(huì)娟等（2013）利用X12季節(jié)調(diào)整法分解中國(guó)玉米價(jià)格的時(shí)間序列，剔除季節(jié)要素與不規(guī)則要素后，再運(yùn)用濾波分析法探索玉米價(jià)格波動(dòng)規(guī)律，分析不同時(shí)段玉米價(jià)格特點(diǎn)。不同農(nóng)產(chǎn)品價(jià)格的波動(dòng)亦是有關(guān)聯(lián)性的，陳曉暾等（2018）、田帥等（2017）基于月度數(shù)據(jù)，分別探究全國(guó)和吉林省玉米價(jià)格與生豬價(jià)格之間關(guān)系，并實(shí)證得出國(guó)內(nèi)玉米價(jià)格波動(dòng)影響豬肉價(jià)格波動(dòng)、而吉林省玉米價(jià)格和豬肉價(jià)格短期內(nèi)相互影響的結(jié)論。龐嬌等（2018）選取中國(guó)玉米、豆粕和雞蛋價(jià)格的月度數(shù)據(jù)，運(yùn)用VAR模型，證明三者之間的相互影響存在一定時(shí)滯性。

在農(nóng)產(chǎn)品價(jià)格影響因素分析中，多數(shù)學(xué)者認(rèn)為市場(chǎng)供需、生產(chǎn)成本、種植面積、國(guó)際市場(chǎng)以及替代品價(jià)格是影響玉米價(jià)格最主要的因素（宮斌斌等，2017；方燕等，2012；鄭旭蕓等，2020；宋麗等，2021）。具體到外部不確定性沖擊方面，政府政策及各種災(zāi)害疾病是主要影響因素。唐利群等（2022）、陳昱帆等（2022）、賈鋮等（2021）分別運(yùn)用VAR模型、TVP-VAR 模型實(shí)證分析中國(guó)豬肉價(jià)格影響因素，發(fā)現(xiàn)生豬疫情對(duì)豬肉價(jià)格存在顯著沖擊，且在新冠肺炎疫情的大環(huán)境下，經(jīng)濟(jì)政策的不確定性是當(dāng)前對(duì)豬肉價(jià)格最大的影響，進(jìn)而造成豬肉及其相關(guān)產(chǎn)業(yè)不穩(wěn)定。當(dāng)下全球最為關(guān)注的熱點(diǎn)是疫情，其對(duì)農(nóng)產(chǎn)品影響更為深遠(yuǎn)。崔?，摰龋?022）、鐘志平等（2021）就分別以疫情新增人數(shù)和疫情關(guān)注指數(shù)為核心變量，運(yùn)用DCC-MGARCH模型、ARIMA模型及VAR模型，探討了疫情對(duì)中國(guó)糧食價(jià)格和家禽產(chǎn)品價(jià)格的影響，發(fā)現(xiàn)不同種類(lèi)農(nóng)產(chǎn)品應(yīng)對(duì)疫情沖擊存在差異，且農(nóng)產(chǎn)品的一次沖擊時(shí)間與累積持續(xù)時(shí)間皆有不同。此外，還有學(xué)者分析經(jīng)濟(jì)政策不確定性指數(shù)、貨幣供應(yīng)量、居民消費(fèi)價(jià)格指數(shù)等外部影響因素對(duì)小麥和大豆影響（周君婷等，2021；孫中葉等，2021）。

上述文獻(xiàn)已對(duì)中國(guó)農(nóng)產(chǎn)品價(jià)格方面展開(kāi)大量研究，但現(xiàn)有文獻(xiàn)中少有探討在當(dāng)今國(guó)內(nèi)國(guó)際形勢(shì)復(fù)雜的背景下，外部不確定性沖擊對(duì)中國(guó)玉米價(jià)格波動(dòng)的影響?；诖?，本文以各種外部沖擊因素為主，運(yùn)用ARCH 類(lèi)模型和TVP-VAR 模型分析玉米價(jià)格的波動(dòng)特征以及各種外部因素對(duì)玉米價(jià)格波動(dòng)影響的時(shí)變特征，為玉米產(chǎn)業(yè)的發(fā)展提供科學(xué)決策依據(jù)。

三、中國(guó)玉米價(jià)格波動(dòng)特征分析

（一）ARCH類(lèi)模型的設(shè)定

本文首先對(duì)玉米價(jià)格收益率序列進(jìn)行描述性統(tǒng)計(jì)分析、ADF平穩(wěn)性檢驗(yàn)和自相關(guān)檢驗(yàn)，其次設(shè)置均值方程進(jìn)行ARCH-LM檢驗(yàn)，再次為深入研究其價(jià)格的波動(dòng)特征，建立GARCH和GARCH-M模型，最后運(yùn)用TGARCH和EGARCH模型分析該價(jià)格波動(dòng)的非對(duì)稱性。

首先，廣義自回歸條件異方差模型（GARCH模型）是由ARCH模型擴(kuò)展而來(lái)

其次，在式（1）基礎(chǔ)上加入表示預(yù)期風(fēng)險(xiǎn)的條件方差項(xiàng)，得到帶均值的廣義自回歸條件異方差模型（GARCH-M模型）：

式（2）中，λ是條件標(biāo)準(zhǔn)差的一個(gè)倍數(shù)，若λ為正數(shù)，表示由于風(fēng)險(xiǎn)的增加使得市場(chǎng)參與者要求有更高的收益，此參數(shù)用于檢驗(yàn)玉米市場(chǎng)是否具有高風(fēng)險(xiǎn)高回報(bào)的特征。

再次，門(mén)限自回歸條件異方差模型（TARCH模型）用來(lái)描述時(shí)間序列的非對(duì)稱性：

式（3）中，dt-1是虛擬變量，當(dāng)εt-1＜0時(shí)，dt-1=1，否則，dt-1=0。其中，價(jià)格升高信息（εt≥0）對(duì)條件方差產(chǎn)生的影響為α1，而價(jià)格下降信息（εt-1＜0）產(chǎn)生的影響為α1+φ。

最后，指數(shù)GARCH模型（EGARCH模型）的條件方差方程為：

式（4）中，價(jià)格升高信息（εt-1≥0）對(duì)Lnht的影響為α+γ，價(jià)格下降信息（εt-1＜0）的影響為α-γ。

TARCH 模型和EGARCH 模型均可描述時(shí)間序列的非對(duì)稱性，結(jié)合式（3）和式（4），若φ≠0 或γ≠0，證明波動(dòng)是非對(duì)稱。當(dāng)φ＞0 或γ＜0 時(shí)，說(shuō)明價(jià)格下降信息產(chǎn)生的波動(dòng)比價(jià)格升高信息產(chǎn)生的波動(dòng)大；當(dāng)φ＜0或γ＞0時(shí)，說(shuō)明價(jià)格升高信息產(chǎn)生的波動(dòng)比價(jià)格下降信息產(chǎn)生的波動(dòng)大。

（二）描述性統(tǒng)計(jì)分析

為了深入分析中國(guó)玉米價(jià)格波動(dòng)特征，本文以2020 年突發(fā)的疫情為時(shí)間節(jié)點(diǎn)，運(yùn)用2018 年1 月29日～2020年1月20日與2020年1月27日～2022年2月28日的周度數(shù)據(jù)對(duì)比分析，數(shù)據(jù)均來(lái)源于布瑞克農(nóng)業(yè)數(shù)據(jù)庫(kù)。構(gòu)建ARCH模型并將玉米價(jià)格收益率作為載體，其計(jì)算公式以相鄰月份玉米價(jià)格的對(duì)數(shù)一階差分表示，即Rt=Lnpt-Lnpt-1，其中pt和pt-1分別表示第t月和第t-1月的價(jià)格。表1中的統(tǒng)計(jì)量值1和統(tǒng)計(jì)量值2分別為2018～2020年和2020～2022年玉米周度價(jià)格收益率序列。疫情前的玉米價(jià)格收益率平均值為0.0004，標(biāo)準(zhǔn)差為0.0070，偏度為0.8800＞0，說(shuō)明序列分布存在右偏；峰度為6.1675＞3（正態(tài)分布的峰值為3），說(shuō)明序列具有厚尾的特征；JB統(tǒng)計(jì)量為56.3532，P＜0.05，拒絕原假設(shè)，說(shuō)明該序列不服從正態(tài)分布。疫情后的玉米價(jià)格收益率平均值為0.0033，標(biāo)準(zhǔn)差為0.0131，偏度為-0.1046＜0，說(shuō)明序列分布存在左偏；峰度為6.1111＞3，說(shuō)明此序列也具有厚尾的特征；JB 統(tǒng)計(jì)量為44.1577，P＜0.05，拒絕原假設(shè)，說(shuō)明序列不服從正態(tài)分布。從玉米價(jià)格收益率變化圖可知（見(jiàn)圖1），疫情前后的玉米收益率波動(dòng)皆有集聚性特點(diǎn)。

圖1 中國(guó)玉米價(jià)格收益率變化圖

表1 中國(guó)玉米價(jià)格收益率描述性統(tǒng)計(jì)分析

（三）平穩(wěn)性檢驗(yàn)與自相關(guān)檢驗(yàn)

為檢驗(yàn)疫情前后玉米價(jià)格收益率序列數(shù)據(jù)的平穩(wěn)性，采用ADF單位根檢驗(yàn)，結(jié)果如表2所示，T1和T2分別為疫情前與疫情后兩個(gè)時(shí)間序列的ADF檢驗(yàn)結(jié)果，可以看出兩個(gè)時(shí)間序列在1%顯著性水平下拒絕原假設(shè)，均為平穩(wěn)序列。

表2 中國(guó)玉米價(jià)格收益率ADF檢驗(yàn)結(jié)果

隨后對(duì)玉米價(jià)格收益率序列進(jìn)行自相關(guān)檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表3、4，可知兩個(gè)時(shí)間序列中的自相關(guān)系數(shù)（AC）、偏相關(guān)系數(shù)（PAC）均不為0，Q-統(tǒng)計(jì)量對(duì)應(yīng)的P值均小于置信度0.05，均存在自相關(guān)。

表3 2018～2020年中國(guó)玉米價(jià)格收益率自相關(guān)檢驗(yàn)結(jié)果

表4 2020～2022年中國(guó)玉米價(jià)格收益率自相關(guān)檢驗(yàn)結(jié)果

（四）ARCH效應(yīng)檢驗(yàn)及回歸分析

為檢驗(yàn)兩個(gè)序列的集聚性效應(yīng)，使用ARCH-LM檢驗(yàn)方法并選用ARMA模型來(lái)擬合均值方程。表5中R1和R2分別表示2018～2020年和2020～2022年玉米價(jià)格收益率序列，滯后階數(shù)分別選擇為7階和5階時(shí)，檢驗(yàn)概率P值最顯著。兩個(gè)序列均在1%顯著性水平下拒絕原假設(shè)，存在顯著的異方差效應(yīng)，故應(yīng)建立ARCH類(lèi)模型。

表5 中國(guó)玉米價(jià)格收益率ARCH-LM檢驗(yàn)結(jié)果

而后依據(jù)ARCH效應(yīng)檢驗(yàn)得到這兩個(gè)序列至少存在7階和5階的ARCH效應(yīng)，代表需要估計(jì)多個(gè)參數(shù)且難度較大，故本文選用一個(gè)低階的GARCH模型代替，使模型的識(shí)別與估計(jì)均變得更容易。

首先，通過(guò)GARCH 模型的估計(jì)結(jié)果可知，無(wú)論疫情前后，在玉米價(jià)格收益率條件方差方程中，α1和β1均在10%水平下顯著，說(shuō)明這兩個(gè)序列均有顯著波動(dòng)聚簇性。加之α1和β1之和為0.977＜1，證明過(guò)去的波動(dòng)對(duì)未來(lái)的影響逐漸消失（見(jiàn)表6、7）。

表6 2018～2020年中國(guó)玉米價(jià)格收益率ARCH類(lèi)模型估計(jì)結(jié)果

表7 2020～2022年中國(guó)玉米價(jià)格收益率ARCH類(lèi)模型估計(jì)結(jié)果

其次，由GARCH-M 模型的估計(jì)結(jié)果可知在玉米價(jià)格收益率均值方程中，2018～2020年玉米價(jià)格收益率序列λ估計(jì)值為-0.9142，且在10%水平下顯著；而2020～2022年的玉米價(jià)格收益率序列λ估計(jì)值雖為-0.2626，卻不顯著，可見(jiàn)疫情發(fā)生前中國(guó)玉米市場(chǎng)還存在著高風(fēng)險(xiǎn)高回報(bào)的形勢(shì)，表明波動(dòng)率越高的玉米市場(chǎng)，長(zhǎng)期的絕對(duì)回報(bào)可能就越高；但在疫情發(fā)生后不存在高風(fēng)險(xiǎn)高回報(bào)的特征，證實(shí)疫情這種外部沖擊使玉米市場(chǎng)變得不穩(wěn)定、不規(guī)律。

最后，分別來(lái)看TARCH 模型和EGARCH 模型的估計(jì)結(jié)果。兩個(gè)時(shí)間段的序列均在TARCH 模型中，φ＜0且在1%水平下顯著；也均在EGARCH模型中，γ＞0且在1%水平下顯著?？梢?jiàn)在疫情發(fā)生前后，玉米價(jià)格波動(dòng)均具有顯著的非對(duì)稱性，且玉米市場(chǎng)中價(jià)格升高信息產(chǎn)生的波動(dòng)一直比價(jià)格下降信息產(chǎn)生的波動(dòng)大。

綜上所述，在對(duì)比疫情發(fā)生前后玉米價(jià)格的波動(dòng)特征時(shí)，發(fā)現(xiàn)波動(dòng)一直均具有顯著的聚簇性，表明玉米價(jià)格收益率受到上一期預(yù)期方差的影響，即過(guò)去的價(jià)格波動(dòng)影響到當(dāng)期價(jià)格的波動(dòng)。并且信息沖擊對(duì)其價(jià)格的影響也一直是非對(duì)稱的，價(jià)格上漲信息與價(jià)格下跌信息在玉米市場(chǎng)中的影響程度存在差異，前者比后者引發(fā)的波動(dòng)更大，在此期間可能是由于各種內(nèi)外部因素的沖擊引起供銷(xiāo)信息不對(duì)稱而使價(jià)格急劇上漲。但在疫情前玉米市場(chǎng)還存在高風(fēng)險(xiǎn)高回報(bào)的特征，疫情后卻不復(fù)存在，說(shuō)明疫情發(fā)生后，玉米市場(chǎng)中交易者的理性交易逐漸轉(zhuǎn)變?yōu)榉抢硇越灰?，?dǎo)致玉米價(jià)格波動(dòng)不具有“風(fēng)險(xiǎn)收益”的確定性。

四、中國(guó)玉米價(jià)格波動(dòng)的影響因素分析

（一）模型構(gòu)建及變量選取

1.模型構(gòu)建

根據(jù)玉米價(jià)格的波動(dòng)特征可判斷出當(dāng)前其價(jià)格深受外部因素影響才導(dǎo)致惡性波動(dòng)，為考察外部不確定性沖擊對(duì)中國(guó)玉米價(jià)格波動(dòng)的影響，研究其時(shí)變性和非線性特征，本文采用時(shí)變參數(shù)向量自回歸模型（TVP-VAR）進(jìn)行深入分析。該模型在VAR模型的基礎(chǔ)上擴(kuò)展而來(lái)，其最大的改進(jìn)是假設(shè)系數(shù)矩陣和協(xié)方差矩陣都是時(shí)變的，這有助于從沖擊大小的變化和傳導(dǎo)路徑的改變兩個(gè)方面刻畫(huà)變量間聯(lián)立關(guān)系的非線性特征。

首先，考慮一個(gè)基礎(chǔ)結(jié)構(gòu)的VAR模型：

式（5）中，t=s+1，…，n，t代表時(shí)間，s代表滯后期數(shù)；yt是由待考察變量組成的k×1階向量，k是待考察變量的數(shù)量，A和F1，…，F(xiàn)s均為k×k階參數(shù)矩陣；μt衡量的是結(jié)構(gòu)沖擊，且μt～N(0, ∑∑)，其中：

式（6）中，σi（i=1，…，k）為結(jié)構(gòu)沖擊的標(biāo)準(zhǔn)差。假設(shè)結(jié)構(gòu)沖擊服從遞歸識(shí)別，即矩陣A為具有下三角的矩陣形式：

通過(guò)變換，可將式（5）轉(zhuǎn)化成以下形式的VAR模型：

式（8）中，εt為殘差項(xiàng)，且εt～N(0,Ik)，Ik為單位矩陣；Bi=A-1Fi，i=1，…，s。將Bi的行元素進(jìn)行堆疊，得到k2s×1維向量β，然后定義，其中?為克羅內(nèi)克積。由此，該VAR模型可表述為：

此時(shí)，模型中所有參數(shù)均為非時(shí)變的?？紤]參數(shù)是可時(shí)變的，則為T(mén)VP-VAR模型。參考Nakajima（2011）對(duì)其模型的構(gòu)建，可表示成以下形式：

式（10）中，參數(shù)βt、At、∑t均具有時(shí)變性。時(shí)變參數(shù)模型服從隨機(jī)游走過(guò)程：βt+1=βt+μβt、αt+1=αt+μαt和ht+1=ht+μht，且有：

式（11）中，∑β、∑α和∑h均為正定矩陣。采用貝葉斯方法進(jìn)行模型估計(jì)，運(yùn)用馬爾可夫鏈蒙特卡洛（MCMC）方法進(jìn)行參數(shù)的后驗(yàn)估計(jì)。

2.變量選取

由于疫情的影響廣泛，自2020年起主要影響中國(guó)玉米價(jià)格波動(dòng)的其他外部沖擊為國(guó)際對(duì)國(guó)內(nèi)的一些因素變化導(dǎo)致。因此，為重點(diǎn)考察現(xiàn)階段因新冠肺炎疫情及其引發(fā)的其他外部因素的變動(dòng)，所產(chǎn)生的外部不確定性沖擊對(duì)玉米價(jià)格波動(dòng)的影響效應(yīng)，選取新冠肺炎疫情新增人數(shù)（epi）、人民幣匯率指數(shù)（rate）、國(guó)際玉米期貨價(jià)格以及玉米進(jìn)口替代品價(jià)格作為解釋變量，國(guó)內(nèi)玉米價(jià)格（corn）作為被解釋變量。

其中，新冠肺炎疫情新增人數(shù)是除新增境外輸入人群后的全國(guó)新增確診人數(shù)，并通過(guò)全國(guó)疫情實(shí)時(shí)大數(shù)據(jù)報(bào)告計(jì)算得出；人民幣匯率指數(shù)可全面反映一國(guó)貨幣的價(jià)值變化，通過(guò)中國(guó)貨幣網(wǎng)得到；國(guó)際玉米期貨價(jià)格選取的是美國(guó)芝加哥玉米期貨價(jià)格（fut），玉米進(jìn)口替代品價(jià)格則選取美麥到港完稅價(jià)（wheat），3個(gè)價(jià)格變量的數(shù)據(jù)均來(lái)源于布瑞克農(nóng)業(yè)數(shù)據(jù)庫(kù)，所有樣本區(qū)間也均選取2020年1月27日～2022年2月28日周度數(shù)據(jù)。在獲取到價(jià)格變量的基礎(chǔ)數(shù)據(jù)后，以2020年1月27日為基期的CPI指數(shù)進(jìn)行平減，再對(duì)所有變量對(duì)數(shù)化處理消除異方差。

（二）實(shí)證結(jié)果分析

1.平穩(wěn)性檢驗(yàn)

在構(gòu)建模型之前，首先需要檢驗(yàn)數(shù)據(jù)的平穩(wěn)性，通過(guò)對(duì)各變量的ADF 單位根檢驗(yàn)可知（見(jiàn)表8），所有變量的原序列在5%水平下均是非平穩(wěn)的，而在一階差分后，重新進(jìn)行平穩(wěn)性檢驗(yàn)，結(jié)果顯示P值均為0，拒絕原假設(shè)，即不存在單位根現(xiàn)象，可構(gòu)建TVP-VAR模型，以保證估計(jì)的有效性。因此后續(xù)實(shí)證部分均采用一階單整序列數(shù)據(jù)。

表8 各變量單位根檢驗(yàn)

2.最優(yōu)滯后階數(shù)確定

為了判斷模型的滯后階數(shù)，根據(jù)一般VAR模型最優(yōu)滯后階數(shù)的確定辦法，如表9所示，滯后階數(shù)的選擇主要根據(jù)AIC 和SC兩項(xiàng)，由于各個(gè)階數(shù)的AIC 和SC兩項(xiàng)數(shù)值相差微小，因此通過(guò)一般的判定方式，選取1階、2階或3階為最優(yōu)，經(jīng)過(guò)綜合分析，本文選擇最優(yōu)滯后階數(shù)為2階。

表9 模型滯后階數(shù)的選擇

3.模型估計(jì)結(jié)果與診斷

在利用MCMC 方法模擬樣本和估計(jì)TVP-VAR 模型之前，需要對(duì)參數(shù)進(jìn)行初始賦值，用MCMC 方法抽取M=10 000個(gè)樣本，并剔除1 000個(gè)初始樣本，進(jìn)而得到一個(gè)有效的模型樣本。表10給出了待評(píng)估參數(shù)后驗(yàn)分布的平均值、標(biāo)準(zhǔn)差、95%置信區(qū)間和收斂性統(tǒng)計(jì)。其中參數(shù)的后驗(yàn)均值都在95%置信區(qū)間內(nèi)，且除參數(shù)sh1外，其余參數(shù)的Geweke 收斂診斷值均未通過(guò)5%水平的顯著性檢驗(yàn)，說(shuō)明參數(shù)收斂于后驗(yàn)分布。從無(wú)效因子來(lái)看，其數(shù)值也均小于100，說(shuō)明模型的參數(shù)估計(jì)結(jié)果較為穩(wěn)健。

表10 基于MCMC算法的參數(shù)估計(jì)結(jié)果

同時(shí)，圖2 分別給出TVP-VAR 模型的樣本自相關(guān)性、樣本路徑以及樣本密度。由圖2（a）可見(jiàn)，樣本的自相關(guān)性隨數(shù)量的增加其系數(shù)會(huì)迅速下降，接近0值。從圖2（b）的樣本路徑來(lái)看，其圍繞某一定值呈上下波動(dòng)，進(jìn)一步證明樣本取值路徑平穩(wěn)，模型擬合效果較好。在圖2（c）中，樣本密度特征類(lèi)似于正態(tài)分布，也體現(xiàn)出取值抽樣有效。

4.等間隔脈沖響應(yīng)分析

等間隔脈沖響應(yīng)是表示不同滯后期產(chǎn)生的沖擊引起變量的脈沖響應(yīng)函數(shù)，TVP-VAR 模型就可以運(yùn)用參數(shù)計(jì)算時(shí)點(diǎn)上各變量在不同滯后期的脈沖響應(yīng)圖，圖3給出了滯后2周、4周和6周的玉米價(jià)格對(duì)自身和各個(gè)外部不確定性變量的等間隔脈沖響應(yīng)。因?yàn)檫x取的樣本區(qū)間是從2020年1月27日～2022年2月28日的周度數(shù)據(jù)，故共有110個(gè)周度，即110個(gè)樣本量。下圖中橫軸代表等間隔樣本量，其中橫軸上的20、40、60、80、100 分別對(duì)應(yīng)時(shí)間區(qū)間上的2020 年6 月8 日、10 月26 日、2021 年3 月15日、8月2日、12月20日；縱軸則表示為脈沖響應(yīng)程度。

由圖3可知，中國(guó)玉米價(jià)格波動(dòng)對(duì)各外部因素變動(dòng)的脈沖響應(yīng)具有顯著時(shí)變性特征，各外部因素在不同時(shí)期對(duì)玉米價(jià)格波動(dòng)均有不同影響。根據(jù)玉米價(jià)格波動(dòng)對(duì)各變量沖擊的脈沖響應(yīng)程度來(lái)看，除玉米價(jià)格波動(dòng)對(duì)自身的沖擊影響外，疫情新增人數(shù)對(duì)玉米價(jià)格波動(dòng)的影響最大，這也說(shuō)明疫情沖擊使玉米價(jià)格深受影響，其次為國(guó)際玉米期貨價(jià)格對(duì)其的影響，而玉米進(jìn)口替代品價(jià)格與人民幣匯率指數(shù)這兩個(gè)變量對(duì)于中國(guó)玉米價(jià)格波動(dòng)的影響較小。從不同滯后期的玉米價(jià)格波動(dòng)對(duì)各變量沖擊的脈沖響應(yīng)上看，滯后期為2周時(shí)，玉米價(jià)格波動(dòng)對(duì)各變量沖擊的響應(yīng)最大，滯后期為4周時(shí)脈沖響應(yīng)明顯減弱，而滯后期為6周時(shí)脈沖響應(yīng)基本趨近于0，這表明滯后期的增加將迅速削弱外部不確定性沖擊對(duì)玉米價(jià)格波動(dòng)的影響，無(wú)長(zhǎng)時(shí)間的持續(xù)期。

具體分析各因素對(duì)玉米價(jià)格波動(dòng)的沖擊。圖3（a）為中國(guó)玉米價(jià)格波動(dòng)對(duì)自身的時(shí)變性特征，其在滯后2周、4周和6周時(shí)脈沖響應(yīng)程度均為正向，可以看出玉米價(jià)格波動(dòng)受自身影響很大，但隨著滯后期增加，其自身影響也在持續(xù)減少。

圖3（b）反映新冠肺炎疫情新增人數(shù)對(duì)中國(guó)玉米價(jià)格波動(dòng)沖擊的時(shí)變特征。能夠看出玉米價(jià)格波動(dòng)對(duì)疫情變動(dòng)的脈沖響應(yīng)在滯后2周、4周和6周時(shí)波動(dòng)頻繁，在整個(gè)時(shí)期內(nèi)既有正向影響，又有負(fù)向影響，且滯后期越大，脈沖響應(yīng)程度越趨近于0。因此，以滯后2周為例，2020年以來(lái)，疫情對(duì)中國(guó)玉米價(jià)格波動(dòng)的沖擊影響表現(xiàn)出一定的周期性，主要經(jīng)歷了2個(gè)較大的“上升—下降”階段。從沖擊的影響方向上看，在2020年9月前，盡管沖擊的主要表現(xiàn)為正向影響，但不強(qiáng)烈，加上該影響持續(xù)時(shí)間不長(zhǎng)且在此期間還伴隨著小幅度波動(dòng)，可知疫情剛剛來(lái)襲時(shí)并未導(dǎo)致玉米價(jià)格劇烈波動(dòng)，且在全國(guó)乃至全球大力防控疫情時(shí)，國(guó)家也出臺(tái)了許多保障民生、維持國(guó)家正常運(yùn)行的舉措，有了國(guó)家的政策調(diào)控，起初疫情并未對(duì)玉米價(jià)格波動(dòng)產(chǎn)生顯著影響。而從2020年9月初開(kāi)始直到2022年2月28日，疫情對(duì)玉米價(jià)格波動(dòng)的沖擊就一直表現(xiàn)為負(fù)向影響，期間雖帶有階段性、較大幅度的上下波動(dòng)，可隨著時(shí)間的推移脈沖響應(yīng)程度越來(lái)越高，產(chǎn)生的負(fù)向影響也越來(lái)越大。其中三次低峰期分別在2020年12月初、2021年8月2日和2022年2月28日，主要原因是疫情帶來(lái)的負(fù)面影響具有滯后性，在當(dāng)期沒(méi)有表現(xiàn)出來(lái)，而在疫情持續(xù)一段時(shí)間后就顯現(xiàn)出對(duì)玉米價(jià)格的沖擊被放大和延長(zhǎng)；雖然經(jīng)過(guò)嚴(yán)防嚴(yán)控后國(guó)內(nèi)疫情稍有緩和且基本平穩(wěn)，但不乏一些地方范圍內(nèi)疫情出現(xiàn)反彈，如2020年底黑龍江省疫情出現(xiàn)反彈、2021 年暑期河南省突發(fā)暴雨致使疫情反復(fù)、2022 年初廣東及其以南地區(qū)的疫情形勢(shì)也較為嚴(yán)峻，由此可見(jiàn)疫情的沖擊給玉米價(jià)格造成的不良影響會(huì)持續(xù)許久，其價(jià)格也存在惡性波動(dòng)的情況。

圖3（c）顯示人民幣匯率指數(shù)對(duì)中國(guó)玉米價(jià)格波動(dòng)沖擊的時(shí)變特征。其脈沖響應(yīng)程度相比于其他變量，對(duì)玉米價(jià)格波動(dòng)的影響最小，雖然其沖擊的影響表現(xiàn)得比較微弱，但玉米價(jià)格波動(dòng)對(duì)人民幣匯率指數(shù)變動(dòng)的響應(yīng)一直為正向。一般而言，人民幣匯率升值會(huì)使進(jìn)口增加，從而抑制糧價(jià)；相反，人民幣匯率貶值則會(huì)抬高糧價(jià)。因疫情對(duì)美國(guó)和歐洲的不均衡沖擊推動(dòng)美元指數(shù)下跌，也助推了人民幣匯率上漲，再綜合人民幣匯率指數(shù)得知盡管其變化程度不大，可依然有小幅度增加。但人民幣匯率上漲并不意味著國(guó)內(nèi)糧價(jià)一定下跌，由于國(guó)內(nèi)疫情的有效控制和經(jīng)濟(jì)的持續(xù)向好，大量海外資金進(jìn)入中國(guó)資本和資產(chǎn)市場(chǎng)投資，金融市場(chǎng)流動(dòng)性泛濫也將會(huì)提高國(guó)內(nèi)糧價(jià)。而其脈沖響應(yīng)程度偏弱，也體現(xiàn)出人民幣匯率指數(shù)并未對(duì)中國(guó)玉米價(jià)格波動(dòng)產(chǎn)生直接影響。

圖3（d）展示國(guó)際玉米期貨價(jià)格指數(shù)對(duì)中國(guó)玉米價(jià)格波動(dòng)沖擊的時(shí)變特征。從不同的滯后期看，滯后4周的沖擊影響最大，其次為滯后2周，再次為滯后6周，說(shuō)明不同滯后周數(shù)的國(guó)際玉米期貨價(jià)格指數(shù)對(duì)玉米價(jià)格波動(dòng)的沖擊影響不同，且隨著滯后期數(shù)擴(kuò)大，影響先增強(qiáng)后減弱。由于國(guó)際關(guān)系形勢(shì)以及全球疫情的影響，當(dāng)前美國(guó)芝加哥玉米期貨價(jià)格也在不斷上升，美國(guó)玉米價(jià)格走高，使進(jìn)口玉米價(jià)格繼續(xù)攀升，而國(guó)內(nèi)玉米存在產(chǎn)需缺口，需要通過(guò)進(jìn)口玉米補(bǔ)充，隨著進(jìn)口玉米價(jià)格走高，對(duì)國(guó)內(nèi)玉米價(jià)格形成一定支撐，故進(jìn)口玉米價(jià)格的不斷變化，再疊加國(guó)內(nèi)玉米市場(chǎng)的波動(dòng)，可能會(huì)產(chǎn)生聯(lián)動(dòng)效應(yīng)，使國(guó)內(nèi)玉米價(jià)格波動(dòng)程度表現(xiàn)出明顯的階段性走勢(shì)，可以看到在滯后4周時(shí)國(guó)際玉米期貨價(jià)格指數(shù)對(duì)玉米價(jià)格波動(dòng)的沖擊也從正向轉(zhuǎn)變?yōu)樨?fù)向。

最后，圖3（e）則是玉米進(jìn)口替代品價(jià)格指數(shù)對(duì)中國(guó)玉米價(jià)格波動(dòng)沖擊的時(shí)變特征?？芍衩變r(jià)格對(duì)其進(jìn)口替代品價(jià)格變動(dòng)的脈沖響應(yīng)在滯后2周、4周和6周時(shí)均為正向，隨著滯后周數(shù)的擴(kuò)大，影響在逐步減弱。替代品價(jià)格作為外部影響因素之一，選擇美麥到港完稅價(jià)還可側(cè)面反映貿(mào)易流通形勢(shì)，2020～2022年美麥到港完稅價(jià)也存在上升情形，一是可能會(huì)帶動(dòng)國(guó)內(nèi)小麥價(jià)格上漲，二是為減少進(jìn)口而提高國(guó)內(nèi)小麥產(chǎn)量，使小麥價(jià)格下降。小麥作為玉米最主要的替代品，也會(huì)使玉米價(jià)格在當(dāng)前時(shí)期存在上升或下降趨勢(shì)，導(dǎo)致小范圍的價(jià)格波動(dòng)，但是由于國(guó)家三大主糧儲(chǔ)備充足，國(guó)內(nèi)糧價(jià)不會(huì)受到太大影響。單從脈沖響應(yīng)程度來(lái)看，無(wú)論是哪個(gè)階段，脈沖響應(yīng)都相對(duì)偏小，證明美國(guó)小麥到港完稅價(jià)格指數(shù)對(duì)玉米價(jià)格波動(dòng)的沖擊也存在間接影響。

5.時(shí)點(diǎn)脈沖響應(yīng)分析

分時(shí)點(diǎn)的脈沖響應(yīng)是不同確定時(shí)點(diǎn)上的脈沖響應(yīng)函數(shù)，本文根據(jù)外部不確定性沖擊的4 個(gè)因素，選取3個(gè)時(shí)點(diǎn)再次進(jìn)行分析。圖4和圖5為各個(gè)外部因素的變化趨勢(shì)圖，可以看出新冠肺炎疫情新增人數(shù)在2020年2月17日和2022年2月28日最高；而期貨價(jià)格指數(shù)在2021年5月3日為最高點(diǎn)，其余兩個(gè)因素在此期間的趨勢(shì)無(wú)明顯變化。因此，選取第4 期：2020 年2 月17 日、第67 期：2021 年5 月3 日、第110期：2022年2月28日這3個(gè)時(shí)點(diǎn)做時(shí)點(diǎn)脈沖響應(yīng)分析，分別對(duì)應(yīng)3次最高峰。圖6中橫軸表示為滯后周數(shù)（滯后期），縱軸則表示為脈沖響應(yīng)程度。

圖4 新冠肺炎疫情新增人數(shù)變化趨勢(shì)

圖5 人民幣匯率指數(shù)、期貨價(jià)格指數(shù)與替代品價(jià)格指數(shù)變化趨勢(shì)

圖6 玉米價(jià)格波動(dòng)對(duì)各變量沖擊的時(shí)點(diǎn)脈沖響應(yīng)

從時(shí)點(diǎn)脈沖響應(yīng)圖可知，各外部因素均在滯后5～6周時(shí)脈沖響應(yīng)程度才趨近于0，雖然外部沖擊產(chǎn)生的影響存在滯后性，但其影響還具有較強(qiáng)的短期效應(yīng)。而且所有變量皆在2022年2月28日這個(gè)時(shí)間點(diǎn)上產(chǎn)生的影響最大，此時(shí)正是疫情新增人數(shù)的最高峰，可見(jiàn)疫情的極大程度沖擊會(huì)先影響其余各外部因素的變動(dòng)，再間接影響玉米價(jià)格的波動(dòng)。其中圖6（a）是中國(guó)玉米價(jià)格波動(dòng)對(duì)自身的影響，響應(yīng)程度雖為正向，但在這3個(gè)時(shí)點(diǎn)內(nèi)其影響均逐漸減弱；而從中國(guó)玉米價(jià)格波動(dòng)對(duì)新冠肺炎疫情新增人數(shù)沖擊的時(shí)點(diǎn)脈沖響應(yīng)來(lái)看（圖6（b）），3個(gè)時(shí)點(diǎn)上的沖擊基本均呈現(xiàn)出一定的負(fù)向響應(yīng)，產(chǎn)生最大響應(yīng)的周數(shù)也均在1～2周之間，其負(fù)向影響所帶來(lái)一定時(shí)點(diǎn)滯后性也與前文分析一致。

圖6 （c）為中國(guó)玉米價(jià)格波動(dòng)對(duì)人民幣匯率指數(shù)沖擊的時(shí)點(diǎn)脈沖響應(yīng)，3個(gè)時(shí)點(diǎn)上的影響程度基本一致，前期產(chǎn)生了1周的負(fù)向響應(yīng)，而在第2周為正負(fù)交替的響應(yīng)，之后就轉(zhuǎn)變成2周的正向響應(yīng)，相比之下其負(fù)向影響程度更大。同樣與前文分析一致，證實(shí)了人民幣匯率的變動(dòng)先受疫情和國(guó)際玉米期貨價(jià)格的影響后再間接影響國(guó)內(nèi)玉米價(jià)格波動(dòng)。隨后從圖6（d）中國(guó)玉米價(jià)格波動(dòng)對(duì)國(guó)際玉米期貨價(jià)格指數(shù)沖擊的時(shí)點(diǎn)脈沖響應(yīng)上看，2020年2月17日與2021年5月3日這兩個(gè)時(shí)點(diǎn)均產(chǎn)生了一定程度的正向響應(yīng)，而最后一個(gè)時(shí)點(diǎn)則在滯后到3～6周時(shí)產(chǎn)生了較大程度的負(fù)向響應(yīng)，可見(jiàn)最近一次的疫情時(shí)點(diǎn)讓國(guó)際玉米期貨價(jià)格指數(shù)極大地影響了玉米價(jià)格波動(dòng)；最后圖6（e）展示了中國(guó)玉米價(jià)格波動(dòng)對(duì)玉米進(jìn)口替代品價(jià)格指數(shù)沖擊的時(shí)點(diǎn)脈沖響應(yīng)，3 個(gè)時(shí)點(diǎn)的曲線走勢(shì)也基本一致，皆呈現(xiàn)出一定的正向影響，脈沖響應(yīng)峰值均在第2周。與人民幣匯率指數(shù)相同，玉米進(jìn)口替代品價(jià)格指數(shù)也在其3個(gè)時(shí)點(diǎn)中深受影響而間接導(dǎo)致玉米價(jià)格產(chǎn)生波動(dòng)。

綜合來(lái)看中國(guó)玉米市場(chǎng)的變化及波動(dòng)可知，以新冠肺炎疫情為主導(dǎo)等多種外部因素，嚴(yán)重干擾了全球糧食供應(yīng)鏈的穩(wěn)定和暢通。在形勢(shì)嚴(yán)峻時(shí)停產(chǎn)停工，穩(wěn)定局勢(shì)后再?gòu)?fù)工復(fù)產(chǎn)，會(huì)削弱農(nóng)民種糧積極性，使其恐慌；還會(huì)使世界糧食總產(chǎn)量下降，造成世界糧食價(jià)格上漲，進(jìn)而誘發(fā)中國(guó)糧食價(jià)格上漲，如此往復(fù)、惡性循環(huán)。這也從側(cè)面反映出外部沖擊影響著農(nóng)業(yè)勞動(dòng)力和相關(guān)生產(chǎn)要素的投入、國(guó)際糧農(nóng)貿(mào)易的流通以及糧食供應(yīng)鏈的消費(fèi)端等，使外部沖擊作用到內(nèi)部因素上致使國(guó)內(nèi)玉米市場(chǎng)不穩(wěn)定。

6.穩(wěn)健性檢驗(yàn)

為增強(qiáng)研究結(jié)論的穩(wěn)健性，采用VAR模型對(duì)玉米價(jià)格與各外部沖擊因素之間的關(guān)系進(jìn)行穩(wěn)健性檢驗(yàn)。如圖7所示，其脈沖響應(yīng)結(jié)果與TVP-VAR的實(shí)證分析結(jié)果基本一致，可見(jiàn)TVP-VAR模型實(shí)證結(jié)果穩(wěn)健。

圖7 玉米價(jià)格與各個(gè)外部因素之間的脈沖響應(yīng)

五、結(jié)論與政策建議

（一）結(jié)論

本文基于2018年1月29日～2020年1月20日和2020年1月27日～2022年2月28日的周度數(shù)據(jù)分別對(duì)中國(guó)玉米價(jià)格波動(dòng)特征以及外部不確定性因素對(duì)玉米價(jià)格的影響進(jìn)行分析，得出如下結(jié)論：

第一，根據(jù)ARCH類(lèi)模型對(duì)比分析疫情前后中國(guó)玉米價(jià)格波動(dòng)的具體特征，可以看出無(wú)論是疫情前還是疫情后，玉米價(jià)格均具有顯著的波動(dòng)集聚性和顯著的非對(duì)稱性，且市場(chǎng)中的價(jià)格上漲信息引發(fā)的波動(dòng)比價(jià)格下跌信息引發(fā)的波動(dòng)大，但在疫情前玉米市場(chǎng)還存在高風(fēng)險(xiǎn)高回報(bào)的形勢(shì)，而疫情后高風(fēng)險(xiǎn)高回報(bào)的特征卻不存在。

第二，以2020年為時(shí)間節(jié)點(diǎn)，全面地考慮了疫情、國(guó)際市場(chǎng)、匯率及替代品等綜合性因素，并以外部不確定性沖擊的視角，利用TVP-VAR 模型研究各變量對(duì)中國(guó)玉米價(jià)格波動(dòng)的影響，結(jié)果表明每個(gè)外部因素的沖擊均會(huì)對(duì)玉米價(jià)格波動(dòng)產(chǎn)生一定影響，且影響具有時(shí)變性。各外部因素對(duì)玉米價(jià)格波動(dòng)的影響在不同時(shí)期、不同滯后期、不同時(shí)點(diǎn)上的沖擊大小和沖擊方向均存在差異。其中，新冠肺炎疫情對(duì)玉米價(jià)格波動(dòng)的影響最大，其次是國(guó)際玉米期貨價(jià)格對(duì)其產(chǎn)生的沖擊，而玉米價(jià)格波動(dòng)受人民幣匯率的變動(dòng)以及玉米進(jìn)口替代品價(jià)格的變動(dòng)的影響相對(duì)較小，主要是因?yàn)槠涠邔?duì)玉米價(jià)格波動(dòng)產(chǎn)生的多為間接影響，不能直接導(dǎo)致玉米價(jià)格大幅度波動(dòng)，且各種外部沖擊對(duì)其內(nèi)部因素也有一定的傳導(dǎo)效應(yīng)，進(jìn)而再影響玉米價(jià)格的波動(dòng)；疫情沖擊對(duì)玉米價(jià)格波動(dòng)主要以負(fù)向影響為主，而玉米進(jìn)口替代品價(jià)格的變動(dòng)對(duì)玉米價(jià)格波動(dòng)以正向影響為主，其余兩個(gè)因素對(duì)玉米價(jià)格波動(dòng)的影響則存在反轉(zhuǎn)效應(yīng)，即短期存在負(fù)向影響，中長(zhǎng)期存在正向影響，但二者的負(fù)向影響程度更大，且所有變量的影響均隨著滯后周數(shù)的擴(kuò)大逐漸減弱。

（二）政策建議

1.完善市場(chǎng)信息服務(wù)功能

新冠肺炎疫情所造成的局部范圍內(nèi)停工停產(chǎn)使國(guó)內(nèi)玉米價(jià)格大幅度波動(dòng)，故政府必須完善玉米市場(chǎng)信息系統(tǒng)和有效建立玉米監(jiān)測(cè)預(yù)警體系，這不但可穩(wěn)定玉米價(jià)格，還能使其市場(chǎng)內(nèi)部的有效信息對(duì)玉米生產(chǎn)者提供正確方向，引導(dǎo)生產(chǎn)者作出未來(lái)預(yù)判。首先，政府相關(guān)部門(mén)應(yīng)需及時(shí)進(jìn)行對(duì)玉米市場(chǎng)信息的收集與分析，并有效監(jiān)測(cè)玉米市場(chǎng)供需狀況，對(duì)影響玉米價(jià)格穩(wěn)定的重大安全隱患做出提前預(yù)警；其次，應(yīng)及時(shí)發(fā)布關(guān)于玉米的權(quán)威資訊，從而進(jìn)一步強(qiáng)化政府對(duì)市場(chǎng)主體的有效監(jiān)督，以打擊嚴(yán)重?fù)p害市場(chǎng)經(jīng)濟(jì)平穩(wěn)運(yùn)行的惡意定價(jià)和哄抬價(jià)格等行為；最后，還應(yīng)建立健全面向廣大農(nóng)民和玉米生產(chǎn)加工企業(yè)的公共信息服務(wù)體系，不僅為政府部門(mén)開(kāi)展市場(chǎng)調(diào)節(jié)工作提供真實(shí)有效的信息支撐和決策依據(jù)，還可利用不同地區(qū)的線上或線下信息平臺(tái)，對(duì)外接受咨詢。

2.加大科技投入，保障生產(chǎn)資料供應(yīng)

國(guó)內(nèi)外市場(chǎng)上各種不確定因素的沖擊使得中國(guó)必須立足于穩(wěn)定玉米供需，以保障糧食安全。加大對(duì)玉米先進(jìn)技術(shù)的投入有利于提高國(guó)內(nèi)玉米產(chǎn)量，一方面，可保證玉米生產(chǎn)資料的供應(yīng)，培育出新的玉米品種，促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，推進(jìn)玉米種植更加合理化；另一方面，面對(duì)自然災(zāi)害與疫情疾病也能及時(shí)防控，可運(yùn)用新式農(nóng)用植保無(wú)人機(jī)監(jiān)測(cè)、秸稈還田配肥地力、精量播種、機(jī)械化一次性施肥、機(jī)械化密植等，增強(qiáng)品種抗性，提高現(xiàn)有耕地資源的利用效率以及土地的產(chǎn)出效率，從而提高作物產(chǎn)量和改善作物品質(zhì)，促進(jìn)玉米產(chǎn)業(yè)可持續(xù)健康發(fā)展。

3.關(guān)注國(guó)際糧價(jià)，形成玉米“南進(jìn)北出”的貿(mào)易格局

政府相關(guān)部門(mén)應(yīng)加強(qiáng)對(duì)國(guó)際糧食價(jià)格的監(jiān)測(cè)，并密切關(guān)注國(guó)際糧食價(jià)格波動(dòng)情況，只有及時(shí)準(zhǔn)確地掌握國(guó)際市場(chǎng)動(dòng)向，積極采取有效的調(diào)控措施，才能降低國(guó)際糧食價(jià)格波動(dòng)對(duì)中國(guó)玉米價(jià)格產(chǎn)生的負(fù)面影響。此外，還要提高玉米進(jìn)出口能力，形成玉米“南進(jìn)北出”的流通格局，構(gòu)建南方玉米主銷(xiāo)區(qū)向國(guó)際進(jìn)口而北方玉米主產(chǎn)區(qū)向國(guó)際出口的新型進(jìn)出口模式，在新冠肺炎疫情常態(tài)化的形勢(shì)下，更好地保持國(guó)內(nèi)玉米市場(chǎng)供需平衡，提升國(guó)內(nèi)玉米價(jià)格在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)力，使國(guó)內(nèi)外玉米市場(chǎng)聯(lián)系得更緊密。