【我国大豆期货价格影响因素探析10000字（论文）】

我国大豆期货价格影响因素分析内容摘要：大豆在我国种植历史悠久，是重要的农商品，同样大豆期货合约也是农产品期货合约中的重要一类。大豆期货在中国期货市场上是最活跃也是最重要的农产品期货之一，其相关产业链例如豆粨、豆油发展较为完善，正在向成熟的体系发展。因此，分析研究大豆期货价格的影响因素无论是对相关产业链的期货市场还是同类农产品期货市场都有着重要的借鉴和参考价值。本文首先对与大豆期货价格相关的因素进行描述性分析：在国内主要考虑国内大豆的供应量、大豆的产量以及相关的货币供应量；国际因素上主要考虑世界油料作物产量、人民币汇率等因素。接着选取2008-2019这十年影响大豆期货价格的相关变量数据，利用主成分分析对变量进行降维分析，剔除不相关变量，筛选出重要的成分。本文利用计量经济模型，将之前确定的变量进行多元回归分析，进一步定量地了解各影响因素对于大豆期货价格的解释率。为了系统科学地评价大豆期货价格，尽可能减少带来的误差，选择了将2008-2019这个阶段的指标月度数据统一为以年度数据，并做标准化处理。本文利用主成分分析对选取的7个指标进行降维，提取了2个成分。同时对影响因素进行两两之间的相关分析，得出对大豆期货价格影响较大的因素分别是我国大豆产量、货币供给量。我国大豆产量和大豆收获面积和大豆期货收盘价呈负相关,其他变量呈正相关，对大豆期货价格进行回归,得到回归方程,能够深化各变量对大豆期货价格的解释。关键词：多元回归相关分析大豆期货价格。目录151一、引言 1TOC\o"1-3"\h\u20286二、文献综述 3151三、正文 615325（一）影响大豆期货价格的因素分析 63695（二）研究理论和方法 98313四、大豆期货价格影响因素的实证分析 1029732（一）影响中国大豆期货市场价格的变量分析 1021046（二）实证分析 1324821五、结论建议 1614501参考文献 18一、引言在人类发展和历史进程中，期货市场与农产品之间一直保持着相互需要，相辅相成的微妙关系和供需平衡。自1978年中国实施改革开放基本国策，到近年来政府坚持深化供给侧结构改革，一系列强有力的政策和有活力的中国市场无疑是将中国期货市场推向历史新高度的幕后推手。在“看得见的手”和“看不见的手”共同作用下，2020年，中国期货市场迎来了历史的顶峰，全年成交量突破61.53亿手，成交额高达437.53万亿元，同比增长均突破50%的历史大关。同时放眼全球市场，中国期货市场成交量占比增长速度常年领跑世界，据最新统计数据，2020年中国市场交易量在世界总交易量的占比突破13.2%，较2019年同期数据，又稳步提升了1.7个百分点，再次创下历史新高。据相关权威媒体对2020年全球农产品、金属和能源类品种的成交量的有效统计和排名中，中国农产品的表现尤其亮眼。中国农产品成交量一举夺魁，并且交易量排行的前10种农副产品均来自中国，除此以外，该榜前20名中中国产品占据14席，其中包括玉米、豆油等销量都再次创下历史新高。截至2015年11月的权威统计数据，我国农产品期货交易总量已突破9.78亿手，已占据我国期货市场交易总量的三成之多，而成交金额高达34.89万亿元。除此之外，我国的农产品期货交易也已经突破商品期货市场总成交量的三分之一。多年来的长足发展和历史新峰再次说明我国农产品期货在世界的农产品市场的各个方面都发挥着重要作用。而大豆期货长期作为我国农产品期货市场上交易最为活跃的品种，其在我国农产品发展中充当着举足轻重的角色，故而其发展历程可以看做是我国农副产品期货发展的缩影。当前，世界上进行大豆期货与大豆期权交易的交易所共11家，分布于六个国家，我国大连商品交易所(DCE)也是其中最具有代表性的交易所之一。1993年，我国的大豆期货品种正式在大连商品交易所（DCE，简称大商所）上市，这一项交易项目的上市意味着我国在这一商品模块的突破和发展，很大程度上缓解了国内的大豆价格随国际经济形势的波动，而导致其不确定性等负面影响。2002年，为了积极响应国家对转基因产品的规范化管理，大商所按相关国家管理规范，将原大豆期货一分为二，分别为黄大豆一号品种，即非转基因大豆，也就是我们熟知的国产大豆；黄大豆二号品种，则为转基因大豆，即所谓的进口大豆。但受限于社会对转基因产品认识的不足性和相关生产技术的成熟与可靠并未得到强有力的论证，政府对种植转基因大豆持反对态度并明令禁止转基因大豆直接进入食品市场，因此我国自产的大豆（非转基因大豆）主要流入直接食用的食品市场，而对进口大豆（转基因大豆）则作为榨取食用油的主要原材料之一。从1993年大连商品交易所正式将大豆期货挂牌上市，到今天，已经走过了28年的历程，这28年内大豆期货无论是从交易量还是所占总交易量的权重都有长足的发展和进步，同时它也见证了这28年我国粮食流通体制改革不断深化与完善。面临经济社会的飞速发展和政策体制的革新与完善，大豆期货市场和大豆产业将面临前所未有的发展机遇，但机遇的浪头下往往也涌动着挑战的暗流，时代发展的浪潮下，往往机会与挑战并存，而大商所紧跟时代发展，坚持刀刃向内，自我革新，不断扩大大豆期货市场规模，增强国际影响力这一系列管措对大豆市场的资源配置与风险管理起到积极作用。尤其是自2004年底黄大豆2号期货合约的推出，使国内市场与国际接轨，在将我国大豆产业推向市场化、国际化的进程中，起到了巨大作用。今天来看，大豆期货市场与现货市场关系联系紧密，彼此之间相辅相成共同发展。随着我国粮食流通市场化进程的发展，大豆期货市场作为规范化且成熟的组织，不仅能带动大豆产业的进步，也能为繁荣我国农产品期货市场带来积极影响。二、文献综述从大豆期货价格的影响因素的角度考虑：蒋云霞（2021）等学者将2005-2020年15年间的大豆价格波动划分为5个阶段，重点选择美国大豆供给等因素为CBOT价格带来的影响，进而得出国际市场价格与国内大豆价格的相关关系。张天龙（2015）从基差理论出发分析大豆期货价格和现货价格的联系，同时对于国际国内的市场从大豆产量占比、期货交易量、供求等多角度做了市场分析。进而站在现货价格角度，从宏观因素如相关的政策引导、自然天气以及交易者心理等方面做一个描述性的评价。作者在各大指标中细分了二级指标，并通过主成分分析进行降维处理，得到4个主要成分并进行多元回归，最终得出大豆的压榨量、进出口量、汇率对大豆期货价格起着正向作用。但是作者在讨论国际大豆市场分析时未包含豆二及其相关指标。徐超（2010）从金融危机的时间段考虑，重点研究了交易者投机行为、石油价格对大豆期货价格的影响。作者对选取的变量进行偏相关分析后，利用逐步法进行多元回归后得到各因素的解释率，得出信心指数在特殊时期对于大豆期货价格具有一定影响力，同时原油价格在金融危机时期与大豆期货价格联系紧密。叶苏等学者（2012）将大豆下游产品等影响因素进一步归类，利用主成分分析法和计量经济模型得出影响大豆期货价格外部波动的因素，其中国际因素和大豆替代品在短期内对价格影响最大，人民币汇率在长期内对于大豆期货价格有一定影响。对于大豆期货的研究，也有学者从其价格波动的特点方面进行研究。刘凯（2017）采取2011-2017年中美大豆期货日交割价数据，建立GARCH模型对中美大豆期货价格波动进行定量分析，并且对中美大豆期货价格关系进行相关分析，得出美国大豆期货价格对中国大豆期货价格具有较强的影响且存在波动溢出。陈方皓（2016）对我国大豆的产量、消费等方面进行描述性统计分析，接着在农产品金融化的背景下分析了大豆融资案例，从基本面、货币、成本等因素方面建立多元回归模型，重点对1990—2015CBOT价格进行分析，运用自向量回归模型对DCE大豆价格波动进行分析，得到美国大豆期货价格对我国大豆期货存在单向引导。类似的王秀东等（2013）通过对2006年后5年大豆期货价格数据进行研究，运用自回归条件异方差(ARCH)模型定量分析了大豆期货价格的波动规律。李显戈（2013）采用Copula函数实证了中美大豆期货价格存在较强的相关关系，且价格波动存在着明显的非对称性。在剖析问题的基础上，部分学者在分析国内大豆期货价格因素同时进一步探究了我国大豆期货定价权的问题。查婷俊（2016）通过1978-2010年数据对国内外影响大豆价格的因素进行分析得出自中国开放大豆市场之后，国内大豆价格受到国外产量因素更多，作者认为在稳定人民币汇率、确保大豆产量稳步增长、加大科技投入以及完善国内期货环境这四个方面中国获取大豆期货定价权可行。蒋磊（2013）等人认为我国缺失定价权的原因可能是我国大豆进口依存度过高且规避国际市场风险能力不足。孔伟艳（2017）等学者认为近些年我国在大豆的国际定价权方面取得一定进展，但由于我国大豆期货市场发展晚，尚未形成大豆交易的集聚效应，大豆定价权在国际市场上受到了一定程度的制约。从国际期货市场角度出发：LiyanHan(2013)等人考察了大连商品交易所和芝加哥交易所中大豆期货的交易量并进行分析，表明了在全球市场中大商所在具备期货价格发现的重大作用，从而得出芝加哥交易所主导大商所作为卫星市场的结论。总结国内外对于我国大豆期货价格研究现状，主要影响我国大豆期货价格的因素有：当我国的大豆价格高于国外的大豆时，在考虑物流运输等成本后国外大豆价格低于我国大豆价格，厂商会选择进口国外大豆，这可能导致大豆供求不均衡从而影响大豆现货价格，原因是我国大豆失去了竞争优势有被进口大豆取代的风险；自然灾害对农产品产量具有一定的影响，可能会导致市场供给降低，当市场对豆制品需求增加，大豆现货价格发生变化，期货价格也随之变化；由于在国际交易中大多数以美元计价，人民币汇率的变动对于国际商品交易价格影响较大，大宗商品总金额较高容易受到美元波动影响；同样利率也影响到期货价格，通过利率调控对期货市场中的参与者进行引导，调控期货市场中的投资量；期货市场中存在不少的投机者，投机者的心理因素也影响到大豆期货市场的价格；也有部分学者研究大豆期货市场数据和整个期货市场的联动并分析规律，得出总持仓量和大豆期货价格之间的关系，并进一步根据大豆期货价格数据波动的规律进行未来预测。还有部分学者利用影响大豆期货价格的影响因素进一步探究定价权的制约问题。三、正文（一）影响大豆期货价格的因素分析国内大豆期货市场受到大豆产量、大豆供求量、货币供应量、世界油料作物、汇率等多种因素的影响。现对影响因素分析如下：我国大豆产量大豆是我国主要的粮食品种，根据USDA统计，2019年全球大豆消费量为3.519亿吨，同比增长2.74%;中国2019年的大豆消费量为1.082亿吨，同比增长6.08%，占全球大豆消费量的30.75%。而2010年中国的大豆消费量为0.550亿吨，只占21.89%。根据国家统计局数据，2008-2019年中国大豆的年均产量为1459万吨，其中2015年中国大豆产量仅为1237万吨，直到近年国家出台一系列政策扶持大豆产业发展，国内大豆产量才逐步恢复上升。图1我国2008-2019大豆产量数据来源：国家统计局中国作为有着数千年的大豆种植历史，根据国家统计局统计，自2009年起大豆播种面积逐渐减少，从2015年起开始慢慢恢复种植，到2019年全国大豆播种面积为933.33万公顷。国内大豆单位面积产量整体较低，连续多年单位面积产量缩减，直到近几年国家大力鼓励推广大豆种植业，对种子，生产工具和种植知识等多方面进行提升宣传，2019年大豆的单位面积产量同比增长2.18%。2019年国内大豆播种面积继续增加，国内大豆产量同比提升。图22008-2019年我国大豆种植面积大豆供应量由于国内大豆种植面积不断缩减，但是国内对于大豆的需求仍然逐渐增长，供应跟不上需求的增长速度，因此我国目前对于大豆的进口量并没有明显减少。2019年我国总计进口大豆8851.1万吨，同比略增。图32008-2019我国大豆进口情况货币供应量货币供应量影响投资市场的活跃性，当货币供应充足时，投资市场较为活跃，市场交易量的增加会影响人们更加关注期货市场，大豆期货市场价格也会随着上升。当货币供应减少，投资市场交易量下降，影响到大豆期货市场价格。全球大豆产量由于中国大豆市场实行开放的政策，图4可以清楚地看到中国大豆的进口量占世界大豆进口总量的一半以上，当国外市场的大豆产量远高于国内市场，国际市场大豆期货也会随之受到影响。国际市场大豆期货走势与国内市场联系紧密，因此国内走势也会受到波动。图42013-2019全球及中国大豆进口数量人民币汇率人民币汇率与大豆期货价格也有一定关系。当人民币汇率上升时，将会减少大豆及其相关产品的出口，同时大豆的需求就有可能减少，进而影响大豆的期货价格。世界油料作物产量世界油料作物包括玉米、小麦等大豆替代品在内的作物，当世界油料作物产量有所下降，玉米、小麦等替代品产量减少，价格可能上升，同时大豆的需求可能上升；当世界油料作物产量上升，玉米、小麦等替代品产量增加，其价格上升，大豆需求减少，投机者预期也随之变化，大豆的期货价格相应发生波动。四、大豆期货价格影响因素的实证分析（一）影响中国大豆期货市场价格的变量分析按照影响前文影响大豆期货价格的因素可以分为我国大豆产量、世界油料作物产量、大豆的供求量、货币供应量、汇率等。除此之外，还选择了消费者信心指数、消费价格指数和消费预期指数来反应供求量，供需平衡是期货价格的重要因素。1.变量选择本文选择的指标如下：大连期货所2008-2019十年期间，连续大豆期货交割价格（豆一），大连期货交易所；世界油料作物生产量（WPS），美国农业部月报；人民币汇率，Wind数据库；流通中的现金供应量（M2），东方财富数据公开网；消费价格指数（CPI），wind数据库；消费者信心指数，东方财富数据公开网；消费者预期指数，东方财富数据公开网。2.数据筛选因为M2、信心指数、预期指数、世界油料作物产量均是以月为单位统计，为了统一时间序列的标度，将2008-2019年的月度数据转换为年平均数据。同时将豆一交割价格、汇率数据进行标准化处理，转化为以年作为度量指标。表1变量数据表单位说明：豆一：元/吨世界油料产量：万吨M2：亿元年份豆一中国豆类产量世界油料作物汇率信心指数M2CPI预期指数20084693.9832021.900398707.2996110.200475166.600104.600111.30020093723.8571904.600421786.8367102.800610224.50099.410102.20020103897.2521871.800442606.8281108.100725851.800103.480108.20020114141.8691863.300456806.6215105.800851590.900105.500106.30020124460.7411680.600474596.3001104.200974148.800103.030106.60020134660.1471542.400503556.287999.8001106524.900102.700103.50020144592.7021564.500536846.1452102.3001228371.800101.800105.60020154091.7751512.500520616.2284105.7001392278.100101.500109.00020163690.7621650.700544476.642399.8001550066.700101.400103.40020173788.4021841.600556806.7518121.9001690235.300101.300118.60020183487.3742018.13578906.6174124.1001826744.200102.000122.90020193367.2302215.41589026.8985125.6001986488.800103.000128.000资料来源：wind数据库3.描述性分析首先，对中国豆类产量、世界油料产量、人民币汇率、信心指数、M2、CPI、预期指数这七个变量做相关性分析，其结果如下表。表2变量相关分析表中国豆类产量世界油料作物汇率信心指数M2CPI预期指数中国豆类产量112-0.0020.996120.806**0.002120.745**0.005120.1190.713120.2440.445120.702*0.01112世界油料作物-0.0020.99612112-0.3600.250120.5120.089120.982**0.00012-0.2930.355120.598*0.04012汇率0.806**0.00212-0.3600.250121120.4160.17812-0.2270.477120.2360.460120.3420.27612信心指数0.745**0.005120.5120.089120.4160.178121120.609*0.036120.0610.850120.976**0.00012M20.1190.713120.982**0.00012-0.2270.477120.609*0.03612112-0.2780.381120.686*0.01412CPI0.2440.44512-0.2930.355120.2360.460120.0610.85012-0.2780.381121120.0980.76112预测指数0.702*0.011120.598*0.040120.3420.276120.976**0.000120.686*0.014120.0980.76112112注：**表示在0.01的水平（双侧）上显著相关*表示在0.05的水平（双侧）上显著相关在统计学上，相关关系表中0.01水平的显著相关较0.05水平的显著相关概率更高。在表中可以清楚地看到，中国豆类产量与人民币汇率、信心指数相关度较高，分别为0.806和0.745，在0.01的水平上显著相关。M2与世界油料作物产量、信心指数、预期指数相关度较高。信心指数与预期指数相关度为0.976存在多重共线性的可能。在做因子分析前，我们将这7个变量的数据进行KMO检验，检验结果值为0.646.大于0.05，说明变量之间是存在相关性的，接着看巴特利特球形检验结果，Sig值为0.000小于0.05，变量间各自独立性较弱，表示数据是可以做因子分析的。表3KMO检验表KMO和Bartlett的检验KMO度量0.646巴特利特检验近似卡方88.148df21Sig0.000从解释总方差的变量表中可以看到前2个成分累计对变量解释的贡献率累积达到84.027%，加入3个成分后解释贡献率达到95%，同时前2个成分特征值大于1，因此可以提取2个成分。表4解释总方差表解释的总方差成份初始值提取平方和旋转平方和合计方差占比累积占比合计方差%累积%合计方差的%累积%13.52750.38650.3863.52750.38650.3863.27146.72246.72222.35533.64184.0272.35533.64184.0272.61137.30584.02730.82111.73095.75640.1852.64698.40250.0891.27799.67960.0150.20899.88770.0080.113100.000（二）实证模型的建立根据多元回归分析原理，建立如下回归模型：为随机变量，为了使分析更加方便，对的分布情况做出假定：（1）是均值或期望值为零的随机变量；（2）的方差是相等的；（3）服从正态分布；（4）相互独立首先，运用上述变量进行多元回归分析，分析结果见下表。由之前检验结果可以得出信心指数与预期指数相关度为0.976存在多重共线性的可能。表5多元回归结果表系数T-统计量检验的p值中国豆类产量-2.3633-3.160.034世界油料作物产量0.14291.790.147人民币汇率478.5690.980.384信心指数-43.7039-1.310.259M20.0027-2.780.050CPI54.40962.270.086预期指数100.44422.430.072常数项-10627.85-1.530.200对所有变量进行回归分析:豆一交割价格为,中国豆类产量，世界油料作物产量，人民币汇率，信心指数，M2，CPI，预期指数。从上表可以看出消费者预期指数与信心指数、人民币汇率P值分别为0.072、0.259、0,384均大于0.05，表现不好，没有通过p值检验。（三）实证模型的修正表6F检验结果多重相关系数多重判断系数修正判定系数F统计量F统计量检验值0.9740.9490.91125.0220.000从表6的结果中可以看出，在F检验中，检验值为0.000模型整体的拟合优度是比较好的，但是在t检验中除了中国豆类产量、M2外其他变量，都不太显著。因变量豆一交割价，预测变量预期指数、信心指数、世界油料作物产量、CPI、M2、汇率、大豆产量等。Anova表示分析结果，主要看F和sig的值，F所对应的Sig的值小于0.05我们就认为回归方程是有用的，可以看到图3中Sig的值为0.003，小于0.05。表7Anova分析表模型平方和自由度均方F显著性回归973313.5436162218.92417.6710.003残差45899.37459179.875总计1019212.91711接下来在模型汇总表中我们看到，R表示拟合优度，值越接近1表示模型越好，在表8中我们可以看到R的值为0.977,模型拟合程度较好。表8模型摘要模型RR^2调整后的R^2标准估算的错误D-W10.9770.9550.90195.8122.720最后是残差统计和标准化残差图，标准化残差图一般来说服从正态分布为好，通过图5和图6我们可以明显看到，残差表现一般。图6残差统计图最后我们通过PP图直观看残差，PP图要看点和线的关系，如果点都围绕在线的周围，如图7所示，就可以认为数据是符合正态分布的，是一个概率检验。图7p-p概率通过spss的计算可以得出，M2和我国大豆产量这两个变量符合条件被选入了回归模型，而其他的变量则因为无法通过t或F检验被排除。新模型通过了t和F检验，值为0.001和0，000。通过对比之前的分析结果，可以看出新模型在两种检验中都顺利通过，及模型在整体上个单个变量的相关系数是显著的。新的估计的回归模型可以写作：同时需要说明的是在多元回归方程中，世界油料作物产量和货币供应量并不是大豆期货的决定性因素，但是是相关性比较明显的因素，其他如CPI、消费者信心指数、需求指数因为存在多重相关性、不够显著等因素被排除在外，并不是说不相关，只是相关程度低，其他的相关因素在之前的处理中计入残差。结论建议（一）研究结论通过多元回归结果我们得出影响大豆期货价格的主要因素大抵上可以归结为以下方面。其中，以国内大豆产量和其供应占比为主要影响因素，产量和供应某种程度上直接决定行业供给侧平衡及所对应的期货在世界期货市场的影响力和地位，因此年内的产量和供给的变化会积极且真实的反馈给市场，其反馈结果可以直观的体现在相应期货价格的变动上。另外，经过对一定时期内期货价格进行回归分析，并以CPI和信心消费指数作为回归方程中的变量，我们不难得出，在期货价格的形成阶段中，预期理论对其也造成了一定影响，但这种影响的作用效果是较小的，其与期货价格的波动的相关性是不紧密的，因此相较于相应产品的产量和供应对期货价格起到直接决定性的影响而言，预期理论对期货价格的影响和反馈是间接的，非主要的。通过上述分析，可以得到货币供应量对大豆期货价格起着正向的推动。当货币供应量充足时，不会造成大豆价格的大幅度上升，但是却是大豆价格上升的一个重要原因。这是由于宽松的货币政策对于大豆价格有着一定的滞后效应，从长期角度来看，大豆价格上使得投资市场的投资者存有投机心理，进而影响大豆期货价格。从回归方程中我们可以看出，国内大豆产量与大豆期货有着负向关系，这是因为国内大豆产量存在季节性变化，如果我们简单的将大豆产量看作是一个自变因素，我们援引一个化学反应中的反馈调节的概念，此时其对市场供应往往是正向反馈，由于内销内供都无法在短期内有较大的变化，因此随着大豆产量的增加，其供应量及供应占比都会随之上升，随着原有供给平衡的打破，市场将通过扩大市场预期产量来构建新的市场整体的供给平衡，而两次平衡的过度所付出的必要代价就是大豆期货价格下降，反之，如果所需大于所供，大豆的期货价格就会上调，因此我们可以简单的认为，大豆产量将负反馈作用于大豆期货价格。因此，在实际交易中，常常得见，当大豆的产量下降，投资者预期大豆下季度减产，市场做多大豆，甚至在上一月的大豆销售完毕后，打压期价做空大豆，从而使得大豆的期货价格上涨。任何变化和改变背后的推手和影响因素都无法简单的归结于某一点亦或是某几点，这种影响可以看做是诸多因素在宏观和微观层面上进行正向或负向反馈作用的竞合，在这次对大豆期货价格的影响因素的讨论和分析中，我对此深以为然，由于相关数据的完整性和个人能力的欠缺，致使很对影响因素都停留在理论讨论的定性分析的层面，无法更深层次的利用模型进行定量分析。大豆主要出口流向为亚洲和欧洲，其中在亚洲主要流向东亚，东南亚等区域。其中欧洲国家和东亚的日本对大豆的进口量常年保有一个稳定的需求额，而相对于中国以及一些东南亚国家，大豆的进口消费则受国内产量、国内稳定度，国家财政状况和国际价格等协调或限制，进口量也频繁改变。在大豆消费量和整体消费环境保持相对稳定且成熟，则大豆的价格波动幅度和变化频率都会很大程度上减少。而大豆及其附属产品，例如豆油和豆粕等，这一整体市场的需求的频繁波动，将对大豆价格产生直观冲击，以及同大豆具有相似价值或相似工业生产功能的作物产品如粮食、豌豆、绿豆、油籽、菜籽、棉花籽、葵花籽、花生等，这些作物的生产，价格和消费变化，某种程度上也会间接影响大豆的价格，从而直接影响大豆期货的价格。近年来，在人类命运共同体，一带一路等全面推进改革，深化各领域开放的大环境中，中国的期货交易已实现同世界接轨，并在世界期货市场中占有举足轻重的作用，这也间接的加剧了国际形势对我国期货市场的影响力，这种关系如同一个闭环，既是相辅相成的，也是相互影响的，环内任何一个因素的改变，将带来一系列的反馈和调节，最终这种改变所带来的影响也会再次作用于最初的因素。例如，国际市场价格的整体上涨，必将在短期内很大程度上减少中国大豆的进口量，这将导致国内大豆供给缺失，为保证完整的供应链和相对稳定且有保障的供应量，中国市场会在短期内扩大对于非转基因大豆的需求，直接国内非转基因大豆期货价格上涨。除此之外大豆进口过程中所依赖的收运成本也是直观作用于产品价格，其中收运成本包括运输线路，运输方式，国际油价等，近期内苏伊士运河的堵塞就对诸多国家诸多进出口贸易造成了严重影响，例如，绕道好望角，亦或是选择中欧铁路运输线路，都在一定程度上增加了收运成本，