【正文】 afxafafafafxafafafafxafafafaf????????????????????????????????????????????????????公式（）此模型也可用矩陣的形式表達為 X?AF??。其中 F 稱為公共因子，因為他們與每個原有變量都存在線性關系，A 稱為因子載荷矩陣， aij（i=1,2 ，…，p；j=1,2，…，k）稱為因子載荷，是第 i 個原有變量在第 j 個因子上的負荷。ε 稱為特殊因子，用于表示原有變量中不能被因子解釋的剩余部分，其均值也為 0，意義等同于多元線性回歸模型中的殘差[62]。 因子分析的基本步驟應用因子分析法分析問題，主要包括以下五大步驟：首先運用變量的相關系數(shù)矩陣、反映像相關矩陣、巴特利特球度檢驗和 KMO檢驗方法等檢測原有變量之間是否存在較強的相關關系，是否適合于因子分析；其次是采取主成分分析法提取公因子，一般選取大于 1的特征根對應的公共因子；再次采用方差最 XX、等量最 XX 等對因子載荷矩陣實施正交旋轉以使因子具有命名解釋性；然后采用回歸法、Bartlett 法等估計因子得分系數(shù)，并輸出因子得分結果；最后對因子進行分析解釋。因子分析法純粹依靠統(tǒng)計相關性分析來確定因素，影響權重的方法也存在缺陷，可能會降低其精確度,我們可通過選取較多的國家作為分析的樣本，以彌補這一點。 水產品期貨上市可行性指標變量選取說明依據(jù)西方經濟學需求供給理論，水產品期貨合約能否順利上市，取決于水產品期貨合約的上市需求和上市供給兩方力量之間的博弈。本文試圖綜合合約上市需求和上市供給兩方面來評價中國水產品期貨合約上市的可能性[63] 。（1 ）如前文所述，由于水產品自身不穩(wěn)定的生產特點和較大的需求價格彈性，水產品價格可能出現(xiàn)頻繁的價格波動，現(xiàn)貨市場大量的現(xiàn)貨交易由于頻繁的價格波動，因而會產生避險需求，從而造就了水產品期貨合約的上市需求。水產品產 23 量越大，現(xiàn)貨交易量就越大，期貨合約上市需求就越強勁，上市可能性就越高。其次，由于大宗原材料的國際貿易定價采取“期貨價格+升貼水 ”的點價貿易方式，期貨價格成為國際貿易定價的基準，因此水產品出口量越大，出口價格與期貨價格的聯(lián)系越緊密，出口效益越受期貨價格波動的19影響，水產品出口商對于通過期貨合約鎖定出口收益的愿望越強烈，水產品期貨合約上市的可能性就越高。綜上所述，故選取各國水產品總產量和水產品出口量，以衡量水產品現(xiàn)貨市場規(guī)模。（2 ）人均國內生產總值反映了一個國家或地區(qū)的總體經濟發(fā)展水平，其與國民受教育水平、對期貨市場的認知接受參與程度、水產品檢疫、防疫水平等都有著較高的相關性，故該變量越大，國民對期貨市場的認知接受參與程度越高，水產品期貨合約的上市需求越大，并且水產品檢驗檢疫、防疫水平越高，期貨合約上市供給也越大，上市可行性就越高。與此同時，水產品加工能力越強，水產品加工商買入期貨合約進行套期保值以規(guī)避原料成本上漲的動機就越顯著，期貨合約的上市需求就越強，上市可行性就越高。因此選擇人均國內生產總值和水產品加工能力這兩個變量來衡量水產產業(yè)內因素。（3 ）水產品期貨合約上市需要一個成熟活躍的期貨市場作為平臺，期貨及期權衍生品成交量反映了期貨市場的絕對活躍程度，成交量越大，期貨合約的上市供給越大，期貨交易越成熟，水產品期貨合約上市的可能性越高。此外，以鮮活商品為標的物的期貨合約得以順利實現(xiàn)實物交割，離不開冷凍交割倉庫儲備能力的保證。冷凍交割倉庫的儲藏能力越強，實物交割越順利，期貨合約的上市供給越大，上市可能性就越高。因而選取期貨及期權衍生品成交量以及各國冷藏庫容量作為衡量期貨市場發(fā)展水平的變量。針對水產品期貨的特點，本文將著重從水產品現(xiàn)貨市場規(guī)模、產業(yè)內因素、期貨市場發(fā)展水平三個角度共選取以下六個變量，引入多元統(tǒng)計中的因子分析法對中國水產品期貨合約上市的可行性進行實證分析，通過與其他 14 個主要水產品生產及期貨交易較活躍的國家相對比，更客觀的從宏觀層面上分析和評價中國水產品期貨上市的可行性。 樣本指標變量描述分析 15 個樣本國水產品現(xiàn)貨市場情況如下圖 41 所示，2022 年 15 個樣本國水產品總產量共計約為 萬噸，其中中國水產品總產量高達 萬噸，遙遙居于世界之首，印度、美國、日 24 本、韓國、挪威、泰國等依次位列其后。2022 年，中國水產品出口總量為 萬噸，也位居世界第一位，挪威以 萬噸列位第二。 2022 年 15 個樣本國水產品總產量和出口量08000000160000002400000032022000400000004800000056000000 巴西加拿大中國法國印度意大利日本韓國墨西哥挪威西班牙泰國土耳其英國美國水產品總產量（噸）水產品出口量（噸）圖 41:2022 年 15 個樣本國水產品總產量和出口量情況 Figure41productionandexportationoftheaquaticproductsofthesamplein2022 數(shù)據(jù)來源：根據(jù)聯(lián)合國糧農組織數(shù)據(jù)庫 FISHSTAT 統(tǒng)計數(shù)據(jù)庫整理所得從上圖我們可以顯著的觀察到，2022年 XX 水產品總產量、水產品總出口量均居世界首位，水產品現(xiàn)貨市場規(guī)模相當龐大。龐大的現(xiàn)貨市場積蓄了水產品供給和需求雙方的市場動能，激發(fā)了供求雙方參與期貨市場，從而實現(xiàn)套期保值、分散風險、期現(xiàn)套利的目的，并且為期貨市場實現(xiàn)順利交割打下堅實基礎。因此，龐大的水產品現(xiàn)貨市場規(guī)模，為 XX 積極推進水產品期貨市場的建設提供了有利的條件。20 15 個樣本國水產品產業(yè)內因素描述人均國內生產總值反映了一個國家或地區(qū)的總體經濟發(fā)展水平，它與國民受教育水平、對期貨市場的認知接受參與程度、水產品檢疫、防疫水平等都有著較密切的聯(lián)系。人均國內生產總值(GDPpercapita)不同于國內生產總值（GDP） ，它反應的是國內生產總值剔除人口紅利和人口負擔等方面因素之后的結果，中國雖然 2022 年國內生產總值已達到 萬億美元，排名世界第三位，但是由于我國人口眾多，人均國內生產總值被人口數(shù)平攤之后，已沒有競爭優(yōu)勢可言。圖 42 反映了 2022 年 15 個樣本國人均國內生產總值的情況。挪威以 93,619 美元的人均國內生產總值高居榜首。 252022 年各國人均國內生產總值010,00020,00030,00040,00050,00060,00070,00080,00090,000100,000 巴西加拿大中國法國印度意大利日本韓國墨西哥挪威西班牙泰國土耳其英國美國人均 GDP（美元）圖 422022 年15 個樣本國人均國內生產總值 Figure42GDPpercapitaofthesamplein2022 數(shù)據(jù)來源：聯(lián)合國統(tǒng)計數(shù)據(jù)庫（UNdata）水產品加工能力體現(xiàn)了水產品加工商買入期貨合約進行套期保值以規(guī)避原料成本上漲的需求。由于 15 個樣本國水產品加工能力指標數(shù)據(jù)難以直接獲得，本文此數(shù)值結果是通過聯(lián)合國商品貿易統(tǒng)計數(shù)據(jù)庫（UNXXtradedata）中各國水產品出口中干制、腌制及熏制魚肉的數(shù)值與全部新鮮、冷藏、冷凍、干制、腌制及熏制加工方法加工的魚肉數(shù)量之比計算整理得出，具體數(shù)值見表 41。 個樣本國期貨及期權衍生品市場規(guī)模與冷藏庫容量情況水產品期貨合約的成功推出，需要以發(fā)達活躍的期貨市場為依托。期貨及期權衍生品成交量可以從整體上反映出期貨市場的絕對活躍程度，由下圖 44 可知，2022 年中國期貨及期權交易量為 億手，不占絕對優(yōu)勢，但四大期貨交易所總體規(guī)模在十五個國家中排名仍較靠前，主要原因是中國大宗農產品期貨交易發(fā)展迅猛，交易量躍居世界前列，但同時期權衍生品交易的缺失卻拖后了中國期貨市場的絕對活躍程度的整體排名。期貨及期權成交量巴西加拿大中國法國印度意大利日本韓國墨西哥挪威西班牙泰國土耳其英國美國圖 44： 2022 年 15 個樣本國期貨及期權成交量 Figure44thefuturesandoptionsvolumeofthesamplein202226 數(shù)據(jù)來源：美國期貨業(yè)協(xié)會（FIA）數(shù)據(jù)整理所得。近年來，XX 鄭州、大連、上海三家商品交易所發(fā)展迅猛。2022 年上海期貨交易所全年累計成交總量 億手，同比增長 %，全年累計成交總額 萬億元，同比增長 %，位列世界第十一位，其中鋅期貨合約成交量增長迅速，全年累計成交量增長%；2022 年鄭州商品交易所全年累計成交總量 億手，同比增長 %，全年累計成交總額 萬億元，同比增長 %，位列世界第十二位，其中棉花、早燦稻、白糖期貨合約表現(xiàn)強勁，全年交易量分別同比增長 %，% ，%，使得鄭州商品交易所成為了最活躍的農產品期貨交易所之一；2022 年大連商品交易所全年累計成交總量 億手，同比下降 %，全年累計成交總額 萬億元，同比增長 10,79%，位列世界第十三位，其中玉米期貨合約成交量同比增長 115%。自 2022 年 4 月中國金融期貨交易所推出滬深 300 股指期貨以來，短短 9 個月時間，全年累計成交總量已達 萬手，全年累計成交總額 萬億元，位列世界第二十九位[64]。冷凍交割倉庫儲備能力是以鮮活商品為標的物的期貨合約得以順利實現(xiàn)實物交割的重要保證，2022 年 15 個樣本國的冷藏庫容量數(shù)據(jù)見下圖 45，其中由于韓國和泰國的冷藏庫容量數(shù)據(jù)缺失，將以各國冷藏庫容量的平均值代替。美國以 百萬立方英尺的冷藏庫容量排名第一位，中國為 百萬立方英尺，高于 15 個樣本國的平均值。05001000150020222500 巴西加拿大中國法國印度意大利日本韓國墨西哥挪威西班牙泰國土耳其英國美國 2022 年 15 個樣本國冷21藏庫容量(百萬立方英尺)冷藏庫容量(百萬立方英尺) 圖 452022 年 15 個樣本國冷藏庫容量Figure45coldstoragecapacityofthesamplein2022 數(shù)據(jù)來源：國際冷藏倉庫協(xié)會(IARW）報告27 基于以上指標變量的統(tǒng)計描述，我們可以初步推斷，由于 XX 水產品現(xiàn)貨市場規(guī)模較龐大，發(fā)展也較成熟，水產品期貨合約上市的條件基本較理想，XX 已基本具備發(fā)展水產品期貨市場所需的經濟基礎。同時，在此定性分析的基礎上，本文進一步將引入多元統(tǒng)計中的因子分析法對 XX 水產品期貨合約上市可行性進行定量分析，通過與其他 14 個主要水產品生產國及期貨交易較活躍的國家相比較，從整體上更客觀的分析和評價中國水產品期貨上市的可行性。 因子分析過程本文借助 軟件的因子分析功能，對 15 個樣本國水產品期貨合約上市的可行性進行了因子分析。模型中采用的水產品數(shù)據(jù)全部依據(jù)聯(lián)合國糧農組織（FAO）公布的FISHSTAT 水產品數(shù)據(jù)庫及聯(lián)合國商品貿易統(tǒng)計數(shù)據(jù)庫（UNdata）計算整理得出，由于各種數(shù)據(jù)來源的統(tǒng)計口徑不一致，本文對差異性數(shù)據(jù)的選取主要以聯(lián)合國糧農組織公布的數(shù)據(jù)為準。本論文寫作期間，國際網(wǎng)站數(shù)據(jù)只更新至 2022 年，所以，本文采用 2022 年各樣本國數(shù)據(jù)進行分析，具體數(shù)值見下表。表 4115 個樣本國指標數(shù)據(jù) Table41theindicatorsdataofthesample 國家水產品總產量（噸）水產品出口量（噸）加工能力人均GDP（美元）期貨及期權成交量（手）冷藏庫容量（百萬立方英尺）巴西,536741,889, 加拿大,07338,064, 中國,360681,980, 法國,63996,439, 印度,085729,289, 意大利,53238,928, 日本,391316,033, 韓國,3432,865,482, 墨西哥,00870,143, 挪威,61916,048, 西班牙,82983,416, 泰國,0432,148,620460 土耳其,88154,472, 英國,401922,665, 美國,1055,382,292, 提取因子運用 統(tǒng)計分析軟件對指標進行處理，采用主成分分析法提取因子，并選取特征根植大于 1 的特征根。下表 42 是因子分析的初始解，顯示了所有變量的共同度數(shù)據(jù)。第一列為因子分析初始解下的變量共同度，它表明，對原有 6 個變量采用主成分分析方法提取所有特征根，原有變量的所有方差都可被解釋，變量的共同度均為 1。第二列是以特征根大于 1 為提取條22件提取特征根時的共同度?？梢钥闯觯凶兞康墓餐染^高，各個變量的信息丟失都很少，因子提取的總體效果較理想。表 42 因子分析的初始解 Table42XXmunalities 初始提取水產品總產量 水產品出口量 加工能力 人均 期貨及期權成交 冷藏庫容量 通常根據(jù)因子的累積方差貢獻率來確定公共因子的個數(shù)，即選取累計方差貢獻率大于 85%時的特征根個數(shù)為因子個數(shù) k。通過下表 43 可以看出，前 3 個因子的特征值均大于 1，并且選取的公共因子方差的累計貢獻率達 %。因此，選取 3 個公共因子是比較合適的，反映出了原始變量的大部分信息，可以對問題做出較好的解釋。表 43 因子解釋原有變量總方差的情況Table43totalvarianceexplained 初始特征值提取平方和載入旋轉平方和載入成份合計方差的% 累積%合計方差的% 累積%合計方差的%累積% 表 44 因子載荷矩陣 Table44XXponentmatrix 成份123 加工能力 冷藏庫容量 期貨及期權成交量 . 水產品總產量 人均 水產品出口量 觀察上表 44 因子載荷矩陣，分析結果可以看出，因子載荷的絕對值在多個列上的取值都大于 ，表明原有變量 xi 與多個因子同時具有較大的相關性，因子 fi 不能典型代表任何一個原有變量,因子的實際含義模糊不清，因此需要進行方差最大化旋