全球大宗商品价格波动中的中国因素基于VAR模型的实证研究.docx

全球大宗商品价格波动中的中国因素基于VAR模型的实证研究.docx

《全球大宗商品价格波动中的中国因素基于VAR模型的实证研究.docx》由会员分享，可在线阅读，更多相关《全球大宗商品价格波动中的中国因素基于VAR模型的实证研究.docx（15页珍藏版）》请在冰豆网上搜索。

全球大宗商品价格波动中的中国因素基于VAR模型的实证研究

全球大宗商品价格波动中的中国因素——基于VAR模型的实证研究

摘要：

自中国加入WTO以来，经济全球化进程加速，中国已成为全球大宗商品的主要需求方和重要供给方。

近年来大宗商品价格剧烈波动，“中国因素”在其中的影响引起各界的关注。

本文首先从“中国因素”与国际大宗商品价格的理论传导机制出发，主要从实体经济需求和市场流动性的角度探讨“中国因素”在全球大宗商品价格波动中的作用，其次选取2003-2014年相关变量季度数据建立VAR模型，通过脉冲响应分析和方差分解分析得出相关结论。

实证结果表明，中国因素是大宗商品价格波动的推动力，且主要通过实体经济需求发挥作用，但其影响的重要性仍低于发达国家。

最后本文通过以上实证分析，在结合相关学者研究的基础上，就国际资源配置的问题提出相关的建议。

关键词：

全球大宗商品；中国因素；VAR模型；实证分析

FactorsfromChinainthePriceFluctuationsofGlobalBulkCommodity—AnEmpiricalStudyBasedonVARModel

Abstract:

SinceChinabecominganimportantmemberoftheWTO,Chinahasacceleratedtheprocessofeconomicglobalization,andhasgrownasboththemaindemanderandsupplierofglobalbulkcommodity.China’sfactorsinthedramaticfluctuationsofcommoditypricesinrecentyearshavearousetheattentionoftheacademe.ThispaperwillfirstlyanalyzethetransmissionmechanismofChina’sfactorsandinternationalcommodityprices,mainlyintermsoftheimpactofrealeconomydemandandmonetaryfactorsonglobalcommodityprices.Secondly,wechoosethedatafrom2003to2014toestablishaVARmodel,conductingrelatedconclusionsthroughtheimpulseresponseanalysisandvariancedecompositionanalysis.Theempiricalresultsshowthatchina’sfactorshavesomeimpactonthefluctuationsofglobalbulkcommodityprices,mainlythroughchina’seconomicgrowth,butthispowerislessimportantthanthosefromdevelopedcountries.Throughtheaboveempiricalstudy,thispaperwillgivesomesuggestionsabouttheallocationofinternationalresourcesforChina,whichmayprovideausefulreferencetomaintainfastandsteadyeconomicdevelopmentofChina.

Keywords:

InternationalBulkCommodityPrices;China’sFactors;VARModel;EmpiricalAnalysis

一、引言

从大宗商品的属性来看，大宗商品（BulkStock），是指具有商品属性的用于工农业生产和消费，并且可进入流通领域但非零售环节进行大批量买卖的物质商品。

绝大多数工业生产都要用到大宗商品中的一种或几种作为其生产的基本原材料或者动力，因而就决定了大宗商品在经济系统中不可缺少的重要地位；另一方面大宗商品日益显现的金融属性使得大宗商品价格像汇率、股价一样敏感。

所以，近几年来，大宗商品价格大幅波动的影响因素在全球范围内引起了热烈的关注和讨论。

各界对大宗商品价格波动的原因各执己见，但较多学者认为中国市场的强势是全球大宗商品价格飙升的重要推手，其对资源性大宗商品持续而快速增长的需求在大宗商品价格波动中的作用越来越引起各界的重视。

2010年在全球铝、铁矿石、锌、铅、镍以及棉花的消费总需求中，中国需求分别占40%、59%、43%、44%、37%、40%，故从总量数据来看中国已成为这些商品的主要需求国。

如果中国需求曲线陡直下降，无疑会给全球大宗商品价格带来巨大的不稳定性。

由增量数据也可得知，在大宗商品的需求增速中中国需求增速的占比不断扩大。

以最有代表性的铜为例，2001-2012年这一时期如果在全球铜消费量增长率在扣除中国贡献的增长，这个指标数值将下降一半以上。

更加显著地说明中国市场重要性的是2003-2007年，中国贡献了全球铅需求的全部增量，中国需求成为全球铅市场消费的主要动力。

从全球需求增长的贡献来看，中国在铅、锌、铜上的需求增长贡献率均超过50%，中国有色金属需求的增长量远超过全球。

本文将“中国因素”界定为中国经济增长和中国的市场流动性。

在2003-2007年期间中国对大宗商品的需求增速一直保持在两位数，重要原因是中国经济的快速崛起使其对大宗商品的需求也骤然上升。

此外，中国巨额的国际收支顺差和促使汇率稳定的人民币汇率干预机制导致国内流动性过剩，过剩的资金以投机的方式进入国际大宗商品市场，在一定程度上放大了对大宗商品价格的冲击。

诸多经验分析表明，国际大宗商品价格与代表中国因素的相关变量的历史波动趋势存在着较高的一致性，但这种联动性不等于它们之间必然会存在因果关系。

结合中国大宗商品出口量占世界总量的比重仍较低，且人民币境外流动和国际化程度有限等现实，不能仅仅依赖某一时期的直观判断和定性分析，来判断中国的流动性水平和经济增长对大宗商品价格的影响，还要在统一的框架下进行经验研究和实证检验，才能对“中国因素”在全球大宗商品价格波动中的影响形成系统而客观的认识。

因此，本文基于供需分析框架，从实体经济需求和货币因素两个方面展开，提出两个比较具有研究性的问题：

“中国因素”对国际大宗商品的价格波动是否产生冲击；如果会产生冲击，那么“中国因素”究竟会在何种方向和怎样的程度上推动国际大宗商品价格的涨跌？

本文将以此作为研究重点，在现有相关研究的基础上，对“中国因素”和国际大宗商品价格的关系进行实证研究，对实证结果进行分析总结，并且给出相应的建议。

二、文献综述

国际大宗商品价格波动与其影响因素是本文所关注的重点，特别是中国因素对大宗商品价格的作用。

关于国际大宗商品价格影响因素的理论基本上是从大宗商品不同属性的角度来分类的，大致可概括为商品市场因素、货币因素、金融投机因素以及其他因素等四个方面。

而基于实体经济基本面的供需关系主导大宗商品价格的长期波动趋势，货币流动性、金融投机以及其他方面因素在短期内发挥推波助澜的作用。

随着新兴经济体的发展，近期一些学者的研究则将重点放在新兴经济体的代表——中国市场与国际大宗商品价格的驱动因素的联系上，许多国内外学者也对中国因素与大宗商品价格的关系进行过定性或者定量的研究分析，基于对相关文献的归纳总结，本文着重从实体经济基本面和货币层面两方面对相关学术研究关于全球大宗商品价格波动的解释进行综述。

从实体经济需求的角度看，大宗商品供求平衡点的价格从根本上取决于宏观经济的发展状况，诸如经济周期循环、贸易条件以及市场景气度等宏观经济因素的变动一直与全球大宗商品价格波动具有较高的联动性。

大宗原材料商品作为一类“必需”商品，其需求日益稳定，需求价格弹性较小；资源性大宗商品的稀缺性和低替代性又使得其供给价格弹性小，卖方成为供给数量和价格的制定者，寡头垄断的市场结构对全球大宗商品的价格形成产生重要影响（Chambers，1996）。

生产和基础设施建设周期相对较长，使得一系列生产性原材料长期处于低投资水平，资源性商品的供给扩张滞后于需求增长；地缘政治风险和气候突变等不规则因素主要导致供给短缺，使得大宗商品价格波动幅度扩张（BreitenfellnerCuaresmaKeppel，2009）。

90年代以后，金砖国家以及其他新兴市场上的需求增长逐渐演变为大宗商品市场上拉动价格的主力军。

从正向来看，当金砖国家的工业化和城镇化速度加快时，国际大宗商品价格全面上涨，而动力正是来源于这些崛起中的经济体对大宗商品尤其是金属和原油等的旺盛需求；而在金融危机中新兴经济体增速明显放缓，市场预期迅速逆转，大宗商品价格旋即出现直线下跌的情况（Trostle，2008；Kilian，2009）。

Cevik、Sedik（2011）通过将全球需求划分为发达国家需求和新兴经济体需求两大部分的方式构建模型，实证结果显示相对于过去十年，1998年至2010年来自新兴经济体的需求在大宗商品价格的形成机制中的影响显著上升。

Roache（2012）发现“中国因素”并不是对所有大宗商品都能产生比较显著的影响，即使其对全球大宗商品价格的影响呈现逐渐增大的趋势，但这种影响仍要小于美国等发达经济体的作用。

国内学者对“中国因素”的探讨更多。

卢锋等（2009）从直接和间接两方面考察了中国因素的影响，核心结论为中国需求增长是推动大宗商品价格飙升的直接原因，我国相关制造业随宏观经济增长而复苏，工业生产率提升，实体经济基本面的利好对大宗商品市场的迅猛发展起了重要的带动作用。

韩立岩和尹力博（2012）通过构建因素增强型VAR模型，选择了代表大宗商品商品属性和金融属性的532个经济指标，研究结果发现长期内需因素是拉升大宗商品价格的主要动力，中国因素从间接方面而不是直接方面发挥作用。

中国人民银行重庆营管部课题组（2009）在分析近年来全球大宗商品价格的运行趋势时利用Granger因果检验等方法，发现国际大宗商品价格趋势与我国的物价水平、出口形势、经济增长等指标的变动具有一定程度的相关性。

谭小芬、任洁（2014）基于2000-2013年的月度数据和递归VAR模型，研究国际大宗商品价格变化及中国因素的相对影响，实体经济需求和流动性水平相对于供给因素的影响更为显著。

从货币层面来看，扩张性的货币因素也推升了大宗商品价格。

从流动性来看，当全球的主要经济体采取宽松化的货币政策来刺激经济增长时，在短期内市场流动性过剩引起大宗商品等资产价格的短期剧烈波动（Frankel，2008；Gilbert，2010）。

LandgrafChowdhury（2011）研究表明新兴市场的流动性水平对大宗商品价格有一定影响，通过比较纳入金砖国家和没有纳入金砖国家的全球流动性对大宗商品影响的方差分解结果，发现考虑金砖国家的货币因素之后的全球流动性指标对商品价格的影响增强。

从汇率的角度分析，大宗商品的价格与主要国际货币的价值成反向关系，而近年来美国推行量化宽松政策和弱势美元政策，这些政策增大了以美元计价的大宗商品价格的上涨幅度（McCalla，2009;Harrietal，2009）。

Anzuinie，Lombardi&Pagano（2010）运用SVAR模型发现利率对大宗商品价格的反馈机制具有时滞性；而货币供应主要通过提高通货膨胀率等间接渠道来推升大宗商品价格，故其影响不显著。

BelkeBordonVolz（2013）发现在长期中大宗商品价格波动与全球流动性的变化存在着较高的联动性，而与利率存在反向的波动趋势。

货币政策方面，Krichene（2008）在向量误差修正模型VECM的框架下估计了原油、黄金、非燃料商品等的商品指数的共同趋势,认为它们的共同趋势是由扩张性的货币政策引致的。

给定真实供求均衡作为大宗商品价格波动基本面因素，货币和汇率等名义因素只对大宗商品价格的变化起到推波助澜作用。

李敬辉、范志勇（2005）实证研究表明，货币供应量增长率与通货膨胀率存在着正向关系，存货投资和预期通货膨胀率同向波动，导致经济主体存货行为的改变，进而对大宗商品的价格产生影响。

高鹤溪（2014）基于长期和短期两个视角，采用2001~2013年的月度数据，通过协整检验、广义脉冲响应函数及方差分解等方法考察了货币供应量和利率对我国期铜价格的动态影响，结果表明：

货币供应量、利率和期铜价格之间存在长期均衡关系；在短期内货币供应量对伦敦期铜价格产生正向冲击，而利率对期铜价格的净影响为负，且利率的影响相比于货币供应的作用更为显著。

以上国内外学者的研究成果为解释全球大宗商品价格的影响因素，尤其是中国因素的作用做出了许多贡献，对本文的研究具有重要的借鉴和启发意义。

但是现有关于中国因素的文献也存在一些不足之处：

第一，相当一部分文献在分析近年大宗商品价格波动的原因中只是提及中国因素，选择指标进行实证分析时主要突出发达国家的作用而忽略中国变量对模型的影响，同时并未深入分析中国因素中经济增长因素和流动性因素的相对重要性；第二，中国因素对大宗商品价格的影响没有放在一个统一的框架下进行讨论，更多的是描述性分析，缺乏量化分析和数据支持，且相关文献的研究数据的时期较为滞后。

本文的边际贡献在于：

（1）基于我国2003年至2014年的相关季度数据，从理论上分析中国因素对全球大宗商品价格的作用机制，利用VAR模型进行实证检验，研究样本包含最近的大宗商品价格波动状况。

（2）本文将引入美国需求作为参照，设置包含和不包含中国GDP和中国流动性的两组变量，分组比较纳入中国因素前后的全球性指标对国际大宗商品价格影响的差异，以此说明中国因素的相对重要性，并关注中国因素

影响力的动态变化。

三、“中国因素”与国际大宗商品价格的传导机制分析

自2001年中国加入WTO起，中国经济全球化进程大幅加速，随之而来的是全球制造业大量涌入中国，同时由于大力推进新型城镇化建设的政策，中国已成为大宗商品的主要需求方和重要供给方，中国经济社会各方面的波动很可能对国际大宗商品价格这一反映全球经济运行的敏感变量造成冲击。

下面本文将采用基于传统经济学的供需分析方法，重点从需求方面分析中国因素对全球大宗商品价格的作用机制。

从需求角度看，首先大宗商品的商品属性决定其一部分需求来自于实体经济对原材料的需求；另一方面大宗商品日渐明显的金融属性使得其成为规避通货膨胀、美元贬值以及股票市场风险的良好投资工具，金融机构的投资需求构成了大宗商品需求的另一部分；同时，大宗商品期货价格极容易受到市场预期的影响，其价格往往与市场预期同向变动。

因此，大宗商品的需求大致可以分为实体需求、金融需求和预期需求这三类。

结合国内外已有的关于国际大宗商品价格的影响因素的研究，本文主要分析可能在一定程度上代表“中国因素”的变量——中国国内生产总值、中国货币供给量（采用广义货币供给量M2）对全球大宗商品价格的传导机制。

（一）实体经济增长对大宗商品价格的作用机制

中国经济在过去长期依赖于投资拉动，导致国内资源供应出现瓶颈，中国经济发展对全球大宗商品，尤其是资源性大宗商品的依赖度不断提高。

中国消费量占世界消费量的比重呈现不断上升的趋势，国际市场上大宗商品的需求量随着中国的经济增长而增加的研究论调在一段时期内占据主流。

因此，对进口有较高依赖度的大宗商品，中国市场主要通过实体经济需求途径传导影响。

而中国国内生产总值这一变量主要影响大宗商品的预期需求，当经济体的总量不断增加时，市场则会预判大宗商品的需求呈上升趋势，从而推动商品期货价格迅速上涨。

另一方面是具有时滞性特征的现货市场需求，经济高速增长带来的潜在进口需求将改变商品市场的均衡关系，从而推动着大宗商品价格攀升。

（二）货币因素对大宗商品价格的传导机制

第二个变量是中国货币供给量，货币供应量是反映市场流动性的一个重要指标，它将会从实体需求和金融需求两个方面来传导其影响。

在实体需求方面，一是量化宽松政策下货币供给量增加能够对经济产生一系列连锁的刺激作用，使得生产领域对工农业原材料的实际需求大幅增加，从而拉动大宗商品价格上升；二是扩张性货币政策带来的流动性过剩会引发的通货膨胀的预期，与生产成本密切相关的商品价格预期上升，从而引发存货投资的剧烈波动。

在金融需求方面，给定名义利率，真实利率会随通胀预期的上调而下降，此时居民等微观经济主体愿意减少金融资产而增加实物资产的持有，对实物需求的增加直接导致了存货投资增加和大宗商品价格上涨。

因此这一循环体系是过剩的流动性首先冲击大宗商品市场的价格体系，随后由大宗商品市场向其他商品市场和资产市场传导，并再次反馈到已成为资产的大宗商品金融衍生市场。

这一简要分析考虑了复杂经济系统中的商品市场和货币市场，忽略了诸如突发性供给冲击对大宗商品价格的影响和外部经济因素对一国商品价格的影响，但这一分析框架却是综合考虑了实体经济、货币等因素来动态考察大宗商品价格变化的基本框架。

因此从理论上来说，中国因素能够通过需求途径传导对全球大宗商品价格的影响。

四、中国因素与大宗商品价格的实证分析

（一）指标选取与数据处理

针对本文需要论证的问题：

“中国因素”是否会对国际大宗商品价格的波动产生影响；若有影响，在以发达经济体的情况作为参照的条件下，影响的方向和程度如何，选取中国和美国2003年第一季度至2014年第一季度的季度数据作为研究样本。

“中国因素”包含中国经济增长和中国市场流动性两方面，具体以中国国内生产总值（GDP）和中国广义货币供应量（M2）来量化中国因素，同时引入美国的GDP和M2的数据作为全球性指标的参考，建立两组自变量序列，即基准组：

代表美国GDP、美国货币供应量的UGDP、UM2；实证组：

加入中国GDP后的全球经济量指标SGDP、加入中国货币供应量后的全球流动性指标SM2。

中国GDP来源于我国国家统计局公布的季度数据，中国M2、UGDP、UM2来自国际货币基金组织（IMF）的国际金融统计（IFS）数据库的季度数据，且这些数据已经经过年度化处理。

因变量方面，以RJ/CRB指数作为国际大宗商品价格的代理变量，这主要出于两方面的考虑：

一是为避免选取单一的大宗商品价格出现的特定需求冲击的影响，因为RJ/CRB指数相比于单一价格它能够更好地反映大宗商品市场价格的总体变动，；二是相对道琼斯、IMF等发布的大宗商品价格指数，CRB指数被市场交易者以及学术研究者使用的更加广泛，它是大宗商品价格体系的主导指数和基准。

CRB数据来源于CommodityResearchBureau的月度数据。

本文将运用cenus12的方法对两国的GDP和货币供应量的数据进行季节性调整，剔除季节性因素和不规则因素在其中的影响。

同时根据名义汇率将中国GDP、M2的单位转换为美元，统一货币计量后再构建考虑中国因素后的全球性指标。

CRB季度数据为相应月度值的平均值，将所有数据对数化后进行统计检验。

（二）平稳性检验、协整检验

1、平稳性检验

本文所涉及的经济变量的实际观测值均为时间序列，在对各时间序列进行相关性检验前，须对所有变量的序列进行平稳性检验。

因为经济运行具有复杂性，从而导致大部分经济金融数据是非平稳数据，若直接采用非平稳的原始序列进行回归分析可能会出现“虚假回归”的情况，导致检验结果失去计量意义。

在单位根检验中，非平稳的时间序列会存在单位根，不能通过平稳性检验，需要对数据进行差分，直至平稳后才能分析相关关系。

本文采用ADF单位根检验的方法，检验样本数据时间序列的平稳性，滞后期根据赤池信息准则SIC选取；结合各变量的趋势和检验结果，调整检验模型直至模型各部分显著，最终确定是否加入常数项和趋势项。

检验结果如表1所示。

由ADF单位根检验结果可知，原始序列变量CRB、SGDP、SM2、UGDP、UM2的ADF检验值均大于1%显著性水平下的临界值，因而接受检验方程存在单位根的原假设，原始序列为非平稳序列。

而各变量的原始序列经过一阶差分后再进行同样的平稳性检验，其结果显示一阶差分序列的ADF检验值均小于5%显著性水平下的临界值，在95%的置信水平下认为差分后的序列为平稳序列，即所有序列服从一阶单整I

（1）。

表1变量的ADF检验结果

变量原序列一阶差分序列

（C,T,K）ADF统计量结论（C,T,K）ADF统计量结论

CRB（C,0,0）-4.086746不平稳（C,0,1）-4.183160平稳

SGDP（C,0,1）-1.635884不平稳（C,0,0）-3.259132平稳

SM2（C,0,1）-2.487599不平稳（C,0,1）-5.329764平稳

UGDP（C,0,5）-2.073555不平稳（C,0,0）-3.136148平稳

UM2（0,0,3）-2.637023不平稳（C,0,0）-5.054558平稳

注：

“检验形式（C,T,K）”中C、T、K分别代表ADF单位根检验模型中的常数项、时间趋势项以及滞后阶数，0是指选择的检验模型中不包含任何的常数项或者时间趋势项，滞后期的选择标准参考SIC赤池信息准则。

2、协整检验

在建立VAR模型前必须检验各变量的时间序列的平稳性，并通过差分化处理将可能存在的非平稳时间序列转变为平稳序列，采用差分后的平稳序列建立模型，这是建立VAR模型的常规方法。

但这种方法的弊端是会因为差分而失去大量信息，且基于差分序列的模型只是衡量了变量之间的短期变动关系，而忽略了可能存在的长期均衡关系，以至于影响VAR模型的拟合程度。

但是基于协整关系的VAR模型，可在不对变量进行差分处理的前提下，建立多元变量之间的动态波动关系。

而由上文分析可知，所有变量的原始序列都是非平稳的，非平稳的时间序列间若存在一个平稳的线性组合则这组序列存在长期的均衡关系。

Johansen协整检验是一种可应用于多元变量之间协整关系检验的方法。

故采用JJ协整检验后的结果如表2、表3所示。

表2基准组的Johansen协整检验结果

HypothesizedNo.ofCE（s）EigenvalueTraceStatistic0.05CriticalValueProb.**

None*0.56750746.1792429.797070.0003

Atmost10.20996910.1371115.494710.2703

Atmost26.41E-050.0027583.8414660.9556

表3实证组的Johansen协整检验结果

HypothesizedNo.ofCE（s）EigenvalueTraceStatistic0.05CriticalValueProb.**

None*0.42867334.0119029.797070.0154

Atmost10.2061449.94076715.494710.2853

Atmost20.0003280.0141003.8414660.9053

从两个表格中的数据得知，两组变量的迹统计检验量均大于5%显著性水平下的临界值，从而拒绝模型不存在协整关系的原假设；同时各变量之间最多存在一个协整关系的假设被接受，故结论是两组变量内部都存在一个协整关系，可以建立向量误差修正模型（VEC）。

（三）向量自回归模型的建立

1、实证模型

为研究两国的宏观经济变量与国际大宗商品价