大宗商品價格波動對通貨膨脹影響的實證研究

劉 平

0 引言

2009年下半年至今中國出現了持續的高通貨膨脹現象。與以往歷次通貨膨脹不同,通貨膨脹率上升是在全球流動性過剩的背景下出現的。由于大量的流動性引發了人們對未來通貨膨脹的預期，2009年全球大宗商品價格出現了大幅反彈，而與此同時，消費者價格指數為代表的最終消費品價格也快速上漲。在此情況下,國內關于此輪通貨膨脹的成因形成了兩種主要觀點。一種觀點側重從貨幣擴張推動總需求過快增長角度解釋，認為是貨幣量發行過多引起總量失衡派生的通貨膨脹。另一種觀點認為此次通貨膨脹是典型的成本推動型通貨膨脹,認為豬肉、國際糧價和大宗商品價格上升以及工資上漲是導致中國通貨膨脹率上升的更重要原因。而對于通貨膨脹類型的認定不僅具有理論意義,而且更重要的還在于治理不同類型的通貨膨脹會采取不同的政策。所以，對通貨膨脹成因和影響效果的分析就至關重要。

1 研究方法

1.1 Copula函數

Abe Sklar于1959年最早提出copula函數，但直至20世紀90年代，Nelson（1999）詳細討論了Copula的基本性質及主要應用，包括相依性測度、二元隨機變量分布的構造等，copula函數才得到經濟學家的關注，被廣泛應用于相關性以及風險管理等領域。

1.1.1 靜態Copula函數

（1）Clayton Copula函數

Copula函數的種類非常豐富，本文選取了Clayton Copula來刻畫變量之間的相關關系。若隨機變量X，Y的邊緣分布分別為F(x)、G(y)，相應的Copula函數為C(u,v)，其中u=F(x)，v=G(y)，則Clayton Copula 函數的分布為：

Clayton Copula模型彌補了正態Copula模型的不足，能夠捕捉變量間的非對稱的特性，能夠更準確地描述變量間的相關結構，與正態Copula相比，應該能夠更好地擬合收益率的相關結構。

（2）Kendall’sτ:

若隨機變量X，Y的邊緣分布分別為F(x)、G(y)，相應的copula函數為C(u,v)，其中u=F(x)，v=G(y)，則Kendall’sτ可有相應的copula函數給出：如果F(X)、G(Y)分別是X、Y的嚴格遞增或者嚴格遞減函數，則單調變換前后Kendall’sτ不變，Kendall’sτ與邊緣分布函數沒有關系。

1.1.2 動態Copula函數

動態金融市場之間相關關系可能隨著外部環境變遷而發生變動，因此需要建立一種動態的非線性模型來描述事物之間的非線性的動態相關結構。于是Patton(2006)提出一個類似于ARMA（1，10）的過程來描述，并將時變相關參數演進方程擴展為一般形式：

1.2 VAR模型

向量自回歸模型（Vector Auto-regression Model,簡稱VAR）是由Sims在1980年提出的。VAR模型的原理在于把每個內生變量作為系統中所有內生變量滯后值的函數來構造模型，通常用來預測相互聯系的時間序列系統以及分析隨即擾動項對變量系統的動態影響。本文的表達式為：

模型中關于滯后期n的缺陷在于，如果滯后期越長，那么估計的參數就會越多，自由度就會減少，一般是根據SC和AIC兩者統計量最小來選擇滯后期。

2 實證研究

2.1 樣本選擇與描述性統計

本文選擇了五種主要的大宗商品，分別是黃金（AU）、鋁(AL)、銅(CU)、大豆（SB）和棉花(CF)，按照國內期貨交易所公布的交易量和交易價格計算了每個大宗商品的月度加權平均價格。通貨膨脹率選取的是CPI，因為CPI反映了居民購買的消費商品和服務價格水平的變動情況，能夠比PPI和GDP的平減指數更好的反映了居民的生活成本。貨幣供應量選取的是M1，因為M1沒有包括定期儲蓄，比M2更好的反映了現實貨幣供應量的大小。對每個指標都取對數變動率DR=100×（lnPt-lnPt-1)。 鋁 、銅、大豆、CPI和M1的樣本數據都是從2001年1月至2010年11月；黃金和棉花由于上市時間短，樣本數據分別從2002年10月至2010年11月、從2004年6月至2010年11月。數據分別來源于上海黃金交易所、上海期貨交易所、大連期貨交易所、鄭州期貨交易所、國家統計局和中國人民銀行。本文采用matlab7.1和Eviews6.0軟件對數據進行分析。

表1 各指標的描述性統計

從統計值來看，大部分變動率指標偏度為負，峰值都大于3，表現出時間序列數據厚尾和尖峰的典型特征。從序列的分布檢驗來看，JB統計量檢驗結果均在10%顯著水平上拒絕了各指標變化率無條件服從正態分布的原假設。

2.2 相關關系研究

2.2.1 靜態Copula函數模擬結果

首先對各原時間序列做概率積分轉換，模擬各指標的條件邊緣分布，再通過Copula函數來刻畫相關性，如表2所示。

從表2可以看出，大宗商品價格變動與通貨膨脹之間有正向相關關系，相關關系介于0.06～0.4之間。其中農產品與通貨膨脹之間關聯度更大，有色金屬其次。貨幣供應量與通貨膨脹之間的相關性相對較小。而貨幣供應量除了黃金以外，與其他大宗商品價格變動之間沒有呈現出相關關系或者是較小的相關性。

表2 Clayton Copula Kendall’s t估計結果

3.2.2 動態Copula函數模擬結果

由于大宗商品與貨幣供應量之間沒有顯著相關關系，所以動態Copula函數只模擬了CPI與其他各指標的動態相關關系，見圖1所示。

圖1 CPI與各指標的動態相關系數圖

表3 各指標時間序列的單位根檢驗結果

在這近10年中國經濟高速發展過程中，發生了三次通貨膨脹小周期，分別發生在2003年底至2004年（第一個通脹期間）、2006年中期至2008年下半年（第二個通脹期間）和2009年底至今（第三個通脹期間），2008年達到波峰。CPI與大宗商品的動態相關關系在三次通脹期間表現不同。在第一個通脹期間，CPI與有色金屬以及M1的相關性不大；在第二個通脹期間，CPI與有色金屬相關性不斷增強，而與M1相關系數呈逐月下降的趨勢；但第三個通脹期間剛好相反，CPI與有色金屬相關性逐漸下降，而CPI與M1相關關系呈上升趨勢。總體來說，三次通貨膨脹期間，CPI與農產品相關性都較大。

2.3 VAR模型估計

2.3.1 單位根檢驗

通過ADF來檢驗各指標時間序列的平穩性。檢驗結果如下表所示。

通過表3可以看出，各指標時間序列ADF統計量都小于臨界值，因此各指標在1%的顯著水平下存在單位根，所有時間序列都是平穩的。

2.3.2 格蘭杰因果分析

在上述序列都是平穩序列的基礎上,本文通過格蘭杰檢驗來對前文計算出的相關關系進行檢驗，選擇滯后期為1期，如表4所示。

從10%顯著水平下F的臨界值來看，鋁不是CPI變動的格蘭杰原因，而CPI是鋁價格變動的格蘭杰原因。除了鋁剛好相反以外，CPI都不是其他指標價格變動的格蘭杰原因，而其他指標都是CPI價格變動的格蘭杰原因，會或多或少引起CPI變化，而銅與CPI存在雙向的因果關系。

表4 CPI與各指標變動的格蘭杰因果檢驗

2.3.3 VAR模型模擬結果

以AIC和SC為準則對函數進行模型選擇，滯后期為1、2、3、4和6期，檢驗結果均表明最優滯后期數為1期。VAR模型參數估計結果如表5所示。

表5 VAR模型參數估計結果

圖2 各指標對CPI的脈沖響應圖

從表5可以看出，有一半的指標在1%的水平下是顯著的，R2為0.890506,總體來說，擬合效果較好。從模型我們可以看出，黃金、大豆、棉花對CPI的影響是顯著的，而且系數為正，說明黃金、大豆和棉花的價格上升會使通貨膨脹增加。鋁、銅和M1對通貨膨脹CPI的影響是不顯著的，不能說明CPI與鋁、銅和貨幣供應量之間的關系。

2.3.4 脈沖響應

對VAR模型的結果解釋主要通過脈沖響應和方差分解來進行，脈沖響應函數刻畫的是在擾動項加上一個標準差大小的沖擊對內生變量的當期值和未來值帶來的影響。每一個指標的脈沖反應如圖2所示。

從圖2可以看出黃金對CPI的沖擊效應在前兩期為正效應，但很小，第三期達到最大負效應，第四期開始上升，第五期又開始下降，沖擊效應在第六期基本消失。這一結果表明黃金價格上漲帶動通貨膨脹，但幅度很小；接著由于通貨膨脹上升，社會加大購買黃金進行保值增值，減少了現實購買力，又起到減少通貨膨脹上升的效應；但隨后由于黃金價格需求上升，黃金價格持續上升又繼續帶動通貨膨脹上升。鋁、銅、大豆和棉花對CPI的沖擊效應非常類似，都是以第一期為正向開始，在第二期達到正向的峰值，之后開始下降，到第三期或者第四期為負向峰值，稍后又有小幅上升，但在第六期后效果就不明顯了。這說明這些大宗商品的價格上升會引起CPI的增加，但隨著價格上升，社會對大宗商品的需求又減少，對CPI的沖擊開始下降。M1對CPI的沖擊是一開始效應為負效應，在第二期達到負向峰值，稍后開始上升，在第三期達到正向峰值，接著效應又下降，從第5期開始沖擊效應就消失了。這一結果表明M1增加對通貨膨脹的增長有滯后效應，在兩期后才會轉化為現實的購買力，引起通貨膨脹上升。但隨著通貨膨脹的增加，又會引起貨幣當局采取緊縮型貨幣政策，使通貨膨脹效應減少。

2.3.5 方差分解

將與CPI相關的七個內生變量按其成因進行分解，從而分析各指標對CPI的相對重要性，如表6所示。

從表6對CPI的分解結果來看，CPI的波動與自身的沖擊效應并不相關，主要是由棉花、大豆和黃金的價格波動引起的，黃金一開始對CPI波動的影響較小，到第二期才開始穩定。其次的貢獻率來自于銅和M1，而且一開始對CPI的沖擊效應較小，在第三期才開始穩定。最后與CPI波動最不相關的就是鋁，貢獻最少。這和前面格蘭杰因果檢驗的結論是基本一致的，鋁并不是引起CPI增長的原因，而CPI會引起鋁的價格上升。而且鋁與其他大宗商品以進口為主不同，我國是鋁凈出口國，盡管這一情況在金融危機后有所變化，但我國對鋁進口的依存度沒有其他大宗商品那么高，所以沒有成為中國通貨膨脹的主要來源。

表6 CPI的方差分解

3 結論

本文運用Copula-VAR模型對這十年來大宗商品對通貨膨脹的影響進行了分析，并著重探究本輪通貨膨脹的原因。結論是本輪通貨膨脹比較復雜，主要原因是“成本輸入型的通貨膨脹”，次要原因是貨幣發行量失衡。原因如下：

（1）從前面靜態和動態相關關系的分析中可以看出在近期連續兩次通貨膨脹期間，大宗商品與通貨膨脹的相關性都較強，貨幣發行量與通貨膨脹也存在相關關系，但相對較弱。但值得注意的是在第三次通貨膨脹期間，貨幣發行量與通貨膨脹的密切度在上升。

（2）在VAR模型分析中，我們發現鋁這個商品和其他大宗商品不同，對通貨膨脹的貢獻并不顯著。這主要是由于隨著中國經濟的快速發展特別是在加入WTO之后，我國放松了進口配額制，經濟對進口資源的依賴度急劇提高，從而將國際大宗商品的價格波動傳遞到了國內，對通貨膨脹造成影響。如果一國的大宗商品供求是自給自足的市場，國際期貨市場波動再大也無法對國內現貨價格產生沖擊，從而不會影響居民生活，也就無法引起通貨膨脹。由于我國大部分的大宗商品都是凈進口商品，所以受到國際期貨價格影響比較大，特別是這輪金融危機后全球流動性增加，所以“成本輸入型通貨膨脹”成為導致本輪通貨膨脹的主要來源。

（3）在實證研究部分中出現不一致的地方，如銅和鋁的價格走勢相似，與通貨膨脹都密切相關，對通貨膨脹的脈沖效應也類似，但對通貨膨脹的貢獻卻不同。這主要是由于現在大宗商品的定價不再是由供應方決定，而是由期貨主導市場-倫敦金屬交易所的交易行為來決定價格。所以在對全球宏觀經濟相同的理性預期下，大宗商品的交易價格出現了類似的價格走勢。但是我國對鋁和銅的進口依存度不同，所以對我國通貨膨脹的沖擊效應自然也就不同。

（4）在前面分析中可以看出，農產品價格波動與通貨膨脹更密切相關，而且對通貨的沖擊效應也更大。這可能是CPI的統計包括生活資料，并不包括生產資料，所以農產品對CPI的傳導效果更顯著。

[1] Cody,Brain J.，Leonard O.Mills.The Role of Commodity Prices in Formulating Monetary Policy[J].Review of Economics and Statistics,1991,(2).

[2] Adams F,Ichino Y.Commodity Prices and Inflation:a Forward Look?ing Price Model[J].Journal of Policy Modeling,1995,(4).

[3] Bloch H,Dockery A,Sapsford D.Commodity Prices,Wages and U.S.Inflation in the Twentieth Century[J].Journal of Post Keynesian Eco?nomics,2004,(3).

[4] 肖爭艷，安德燕，易婭莉.國際大宗商品價格會影響我國CPI嗎——基于BVAR模型的分析[J]，經濟理論與經濟管理，2009,(8).

[5] 盧鋒,李遠芳,劉鎏.國際商品價格波動與中國因素——我國開放經濟成長面臨新問題[J].金融研究，2009,(10).

[6] Nelson R.B.An Introduction to Copulas[M].New York:Springer,2006.

[7] Andrew J.Patton.Modeling Asymmetric Exchange Rate Dependence[J].International Economic Review,2006,(2).