基于MSVAR模型的有色金屬價格波動影響因素的非線性效應研究

鐘美瑞，諶杰宇，黃健柏，諶金宇

(1.中南大學商學院，湖南 長沙 410083；2．中南大學金屬資源戰略研究院，湖南 長沙 410083)

?

基于MSVAR模型的有色金屬價格波動影響因素的非線性效應研究

鐘美瑞1,2，諶杰宇1，黃健柏1,2，諶金宇1

(1.中南大學商學院，湖南 長沙 410083；2．中南大學金屬資源戰略研究院，湖南 長沙 410083)

由于新興市場需求增長和指數化投資同時出現在金屬期貨市場上，且供需因素與金融因素相互作用使得有色金屬價格形成機制更為復雜，呈現出非線性、動態性以及結構異化等特征。基于此背景，本文提煉供需因素與金融因素影響有色金屬價格波動的作用機理，選取2000年2月至2014年3月的月度數據,并構建MSVAR 模型以銅為例展開實證分析。結果表明：銅價波動存在顯著的區制轉換特征，即膨脹期、平穩期、低迷期三種狀態；三種狀態下，金融因素都可以很好地解釋期銅價格波動，但作用機制明顯不同，而 “中國因素”則被明顯夸大，與原有研究結論相左；短期內各個因素在不同區制下對國際期銅價格的影響在作用方向、持續時間、作用強度上表現出顯著的差異性。這些研究結論與構建的非線性計量經濟模型為解釋大宗商品金融化提供了新的思路與分析工具。

有色金屬；價格波動；MSVAR模型；區制轉換

1 引言

近年來，有色金屬價格波動頻繁而劇烈，作為現代社會的重要工業原料，有色金屬價格波動牽動著經濟領域的方方面面，涉及到國家礦產資源安全與經濟安全問題，尤其是近年隨著有色金屬金融化的加強，有色金屬價格波動更加引起學術界和業界的重點關注，關注的焦點是實需歸因還是金融歸因。一方面，隨著中國工業化和城鎮化的快速推進，新興市場實體經濟需求成為有色金屬價格波動的焦點，“中國需求”因素更是被認作有色金屬價格上漲的源動力[1-5]。另一方面，隨著商品指數基金、高頻交易策略以及電子信息技術的不斷發展，近年來有色金屬金融化趨勢日益明顯，金融化進程中的投機行為與價格操縱導致有色金屬供需扭曲和價格波動劇烈。在此背景下，許多學者把關注的重點放在了近年來影響金屬價格波動的金融因素方面，認為美元等主要國際貨幣匯率的變化[6-8]、國際資本的投機行為[9-11]、利率的沖擊[12-14]、石油的聯動[15-18]這些金融因素越來越超過基本供求對國際金屬價格波動的影響。

可見，由于新興市場需求增長和指數化投資同時出現在金屬期貨市場上，導致有色金屬的定價模式發生了很大變化，供需因素與金融因素相互作用，以及有色金屬所具有的戰略資源屬性與金融屬性，使得有色金屬價格形成機制更為復雜，呈現出非線性、動態性以及結構異化等特征。在價格波動出現非線性、動態性以及結構異化等特征條件下，必須突破現有文獻采用的向量自回歸(VAR)、結構向量自回歸(SVAR)、向量誤差修正模型(VECM)等線性模型的研究方法，即把影響有色金屬價格波動的各變量的演化特征以及變量間的相互影響假定為線性的，把有色金屬價格波動整個過程看做一個區制狀態。因為以線性形式描述影響機制時，意味著影響有色金屬價格波動的各經濟變量及其相互作用之間的關系在各個時期保持不變。而在有色金屬價格波動現實中，影響因素自身的演進以及各個影響因素之間的相互關系不可能一成不變。首先，影響有色金屬價格波動的宏觀因素存在周期性波動特征；其次，金融化背景下各影響因素相互作用的程度及作用方向都可能發生變化。因此，線性模型對有色金屬價格波動實際情況的擬合效果便值得商榷，所獲得影響因素與價格波動的關系的精準度有待提升。

為了解決以上問題，本文首先從供需層面和金融層面提取影響有色金屬價格波動的主要因素，并構建影響因素作用于金屬價格波動的理論框架；并考慮到金屬價格波動的區制特征及影響因素變量關系的動態性，構造金屬價格波動影響因素的非線性理論模型，利用馬氏域變模型對金屬價格波動影響機制的動態化特征進行實證檢驗，從一個較新的角度探究有色金屬價格波動的影響因素和影響機制，掌握這些因素的影響力度，進而對金屬價格的合理水平做出判斷，以期為保障金屬資源安全及定價權提升提供依據。在具體分析中，由于銅是具有代表性的金屬，上市交易早、發育成熟、成交量大、流動性較好，數據的可得性和時間序列能很好滿足實證需要；且銅作為國民經濟具有戰略意義的重要資源，在中國124個重要行業中，91%的行業與銅有關。所以，本文以銅為例展開分析。

2 理論框架及模型構建

2.1 各因素影響有色金屬價格波動的內在機理分析

銅作為戰略商品，具有雙重屬性即商品屬性和金融屬性，導致期銅價格不僅要體現期銅市場供給與需求的變化，還要體現出對期銅產生的金融化需求。因此，銅等大宗商品價格的影響因素可以劃分為供需因素與金融因素兩個層面，前者包括生產、貿易和消費結構變化及不同經濟體的供求接替和轉換，后者則包括行為模式各異的金融交易者結構及其互動。這兩個層面的演進及互動已形成了實體供需為基礎、金融供需為外在的新價格形成機制，并外化表現在商品金融市場上。

因此，對于銅等有色金屬價格波動影響因素的研究主要有兩個分支：一方面是從供需角度研究銅等有色金屬價格波動的影響因素，Humphreys[19]認為由于20世紀末信息技術和互聯網的繁榮以及亞洲金融危機使得金屬礦產資源相關領域投資偏少，從而造成供給不足，推動金屬價格持續上漲，這與Tilton[20]的看法一致。Cooney等[21]通過對美國2000-2008年銅、鋅、鉬以及鐵礦石等金屬礦產資源價格的上漲情況進行研究，認為有色金屬價格的上漲不是一個周期性或者暫時的現象，基本面是推動其價格上漲的主要原因，而一個重要的影響因素是低收入國家正在進行的快速發展的工業化進程。特別是自20世紀90年代以來，金磚國家及其他新興經濟體主導了大宗商品的需求增長，許多學者對“中國因素”給予了關注，認為新興發展中國家特別是中國經濟的快速增長，導致包括能源、金屬等大宗商品需求的持續增加，是造成全球金屬等大宗商品價格變動的主要原因[4-5,22]。

另一方面是從金融層面來研究銅等金屬價格波動的影響因素，主要包括美元等主要國際貨幣匯率的變化、國際資本的投機行為、利率的沖擊、原油價格聯動等。首先，從美元等主要國際貨幣匯率的變化方面來看，由于美元是銅等大宗商品價格的結算貨幣，在其他條件不變時，美元幣值變動會影響國際大宗商品價格變動[6-8]。特別是國際金融危機以來，美國推出量化寬松貨幣政策，造成美元貶值，一定程度上推動了以美元計價的國際期銅價格的上漲。其次從國際資本的投機行為來看，自 2004 年以來，機構投資者開始大量涉入商品期貨市場，受游資和對沖基金的追捧，很大程度上造成了大宗商品價格波動對基本面的偏離[9]；Gilbert[23]的研究表明，2006-2008年期間銅市場正處于爆炸性的泡沫行為階段，商品指數基金投資推高了價格；謝飛和韓立巖[11]也發現對沖基金等投機者的套利行為是推動大宗商品價格劇烈變動的主要因素。再次，從利率的沖擊方面來看，Frankel[12]、Roache 和Rossi[13]、Akram[14]均通過實證研究發現，利率對大宗商品的價格有著重要的影響。最后，由于能源和金屬之間存在價格聯動機制，導致原油價格上漲也會逐漸拉升其他金屬等商品價格[15-18]。

綜上，本文構建了供需因素與金融因素影響國際期銅價格的統一理論框架，如圖1所示。就供需層面而言，首先，期銅價格波動直接受銅礦供求變動影響，而代表“中國因素”的中國銅需求變動時，由于其需求比重占全球需求比重很大，會改變全球銅礦供求格局，從而間接影響期銅價格波動；就金融層面而言，銅價以美元計價，美元匯率的變動會直接影響期銅價格；一般利率特別是聯邦基金利率會與美元匯率發生同向變動，從而間接通過美元匯率影響期銅價格；投機則主要影響銅礦庫存，并進而通過影響銅礦供求對期銅價格產生影響，一般投機庫存增加時，會減少銅市場供應，從而抬高期銅價格；石油對期銅價格的影響機制則相對復雜，一方面石油價格是銅生產成本的主要組成部分，會影響銅礦供求，造成期銅價格相應變化，另一方面，由于石油美元的存在，也會通過美元匯率影響期銅價格。

圖1 各因素影響期銅價格波動的內在機理

2.2 MSVAR模型構建

馬氏域變模型是一種非線性計量模型，由Quandt[24]提出，Goldfeld 和Quandt[25]、Hamilton[26]等人逐步發展和完善，特別是自Sims等[27]提出向量自回歸模型(Vector Autoregression, VAR)以來，馬氏域變模型與向量自回歸模型結合的方法在研究變量間的相互關系方面得到廣泛的應用。而馬爾科夫區制轉移向量自回歸模型(MSVAR)就是在向量自回歸模型(VAR)的基礎上加上馬爾科夫鏈(Markov Chain)特性的模型。近年來，對于把MSVAR這種非線性模型應用到實際問題的研究中也有過許多的嘗試，如嚴太華和陳明玉[28]刻畫了股市波動的階段性特征；朱孟楠等[29]、李芳和李秋娟[30]研究了人民幣匯率與房地產價格的互動關系；孟慶斌等[31]基于MSVAR分析通貨膨脹的非線性效應；李智和林伯強[32]融合能源經濟學和商品期貨學的相關理論，構建了MSVAR模型，對國際原油期貨價格的變動進行了分析。

根據馬氏域變向量自回歸模型的構建機理，本文采用LME期銅價格(Y1) 、LME庫存(Y2)、中國銅進口量(Y3)、聯邦基金利率(Y4)、期銅投機 (Y5)、廣義美元指數(Y6)和石油價格(Y7)來構建MSVAR模型。這些指標可以構成7維時間序列向量Yt=(Y1t、Y2t、Y3t、Y4t、Y5t、Y6t、Y7t)，該時間序列在狀態St可構建P階VAR模型，如下：

Yt=υt(St)+A1(St)Yt-1+…+Ap(St)Yt-p+ut(St)

(1)

其中，St為狀態變量，其取值區間為{1,2,3}。當St=1時是上升期，當St=2時是平穩期，當St=3時是下降期。ut(St)～NID(0,∑σ(St))，而ut(St)、Ap都是區制依賴的，MS模型又被稱為區制轉移(RegimeSwitching,RS)模型，區制轉移的概率可表述為：

(2)

St遍歷不可約的3個區制狀態的轉移概率可用馬爾科夫轉移矩陣表示：

(3)

其中,對于任意i∈{1,2,3},有pi1+pi2+pi3=1。

MSVAR模型估計用EM算法實現，

由于假設均值、截距、系數和方差是否隨著時變參數St變化的不同，經過排列組合可以得到MSIA-VAR、MSM-VAR等估計形式，最終模型的選擇采用AIC信息準則、HQ、SC值。

2.3 數據

本文分析數據為月度數據，來源如下：國際期銅價格(LME_P)和銅庫存(STOCK)數據來源于倫敦金屬交易所(LME)；美元指數選取美國聯邦儲備委員會(FRB)公布的廣義美元指數(BDI)；用非商業交易頭寸占比(NCPP)表示投機，數據來源于美國商品期貨交易委員會(CFTC)公布的非商業交易多頭、非商業交易空頭、非商業交易套利和總持倉，NCPP由(非商業交易多頭+非商業交易空頭+2*非商業交易套利)/(2*總持倉)計算得到；聯邦基金利率(IR)和中國銅進口量(IMPORT)數據來源于Wind資訊金融數據庫。國際原油價格(WTI)數據來源于同花順數據庫。為消除異方差，對LME_P、STOCK、BDI、IR、IMPORT和WTI變量進行季節性調整，并對調整后的指標取自然對數，分別記為LLME_P、LSTOCK、LBDI、LIR、LIMPORT和LWTI，樣本區間為2000年2月至2014年3月。

3 實證結果及分析

3.1 單位根檢驗

在進行MSVAR模型計算之前，先要保證樣本的平穩性，本文采用ADF方法進行單位根檢驗，發現除投機序列外，國際期銅價格、銅庫存、廣義美元指數、聯邦基金利率、中國銅進口量和國際原油價格在5%顯著性水平下都不是平穩序列，但其一階差分都為平穩序列。這對MSVAR方法的有效性提供了保證。

圖2 區制狀態分析

3.2 MSVAR模型的選擇

根據不同的設定，MSVAR模型具體形式包括：MSI、MSIH、MSMH、MSIAH、MSM等形式, 根據AIC、HQ、SC等準則判斷最優的模型,經比較發現MSIA(3)-ARX(1)是最優模型。即向量自回歸的滯后項為1，區制數量為3，這也與事前期銅市場存在的三種狀態的估計一致，即期銅市場膨脹期、期銅市場平穩期、期銅市場低迷期。MSIA(3)-ARX(1)模型的LR檢驗值為74.9407，卡方統計量的P值小于1%，顯著地拒絕線性系統原假設，因此選擇MSIA(3)-ARX(1)是合適的。

3.3 區制狀態分析

本文MSVAR分析的3個區制如圖2所示。2000～2003年期間，期銅價格長期在低位徘徊，價格波動較小，較多的樣本處于區制2內；2003年以后，由于宏觀經濟環境變好，期銅價格迎來了一輪飆升，在隨后的全球金融危機中，雖然經歷了大幅的下跌，但持續時間較短，如圖2可知2004～2007年期間，較多的樣本在區制1內；而2008～2009年期間，大部分樣本在區制3內。經歷了一輪大幅下跌之后，期銅市場又迎來了一段大幅上漲期，之后一直在高位徘徊，在2010年以后的樣本較多的處于區制1和區制2中。因此，本文引入的3區制模型較好地刻畫了期銅市場的現實狀況。

在樣本期內，系統維持在狀態1的概率為0.7060，由狀態1轉移到狀態2和狀態3的概率分別為0.2201和0.0739；系統維持在狀態2的概率為0.8110，由狀態2轉移到狀態1和狀態3的概率分別為0.1186和0.0704；系統維持在狀態3的概率為0.6606，由狀態3轉移到狀態1和狀態2的概率分別為0.3255和0.0139。

此外，系統37.52%時間處于區制1，平均可持續3.4個月；44.98%的時間處于區制2，平均可持續5.29個月；17.5%的時間處于區制3，平均可持續2.95個月。

3.4 模型參數分析

本文用Krolzig的OX-MSVAR包在Givewin平臺對模型進行估計，表1顯示了MSIA(3)—ARX(1)模型的參數估計結果。

由表1可知，在區制1下，期銅價格的波動主要受到第一期庫存、廣義美元指數、原油價格的顯著影響；在區制2下，期銅價格的波動受到第一期聯邦基金利率、原油價格的顯著影響；而在區制3下，期銅價格的波動受到第一期庫存和投機的顯著影響。

表1 模型參數估計結果

注：***、**、*分別表示在1%、5%、10%的顯著性水平下顯著。

從供需基本面來看，期銅價格除平穩期外，在期銅市場膨脹期與低迷期都受到銅庫存的顯著影響，具體來說，在期銅市場膨脹期，DSTOCKt-1變量上升10%，期銅價格變化率將下降1.70%，而在期銅市場低迷期，DSTOCKt-1變量上升10%，期銅價格變化率將下降2.39%。但兩個區制下的影響方向為負，表明銅庫存下降，期銅價格上升，銅庫存上升，期銅價格下降，符合理論預期，顯示供需因素在期銅價格波動中仍發揮基礎性作用，而代表“中國因素”的中國銅進口量在三個區制下對期銅價格的影響都不顯著，表明“中國因素”在國際期銅市場中的作用被夸大。這與韓立巖和尹力博[33]構建的因素增強型向量自回歸模型(FAVAR)分析結論相一致，與學者們采用VAR、 VECM、SVAR等模型得出的研究結論相左。

從金融因素角度來看，在三種狀態下，金融因素對期銅價格波動都具有顯著影響，但不同區制下的作用程度與方式有區別，具體來說，在期銅市場膨脹期，DBDIt-1和DWTIt-1上升10%，將導致期銅價格變化率分別下降65.10%和3.07%；在期銅市場平穩期，DIRt-1和DWTIt-1上升10%，將導致期銅價格變化率分別下降1.71%和2.86%；而在期銅市場低迷期，NCPPt-1上升10%，將導致期銅價格變化率上升3.58%。

3.5 基于不同區制的脈沖響應函數分析

為了更進一步考察各個因素對國際期銅價格的影響方向、持續時間與作用強度，并比較不同區制下短期動態影響的差異，本文采用累積脈沖響應進行分析。本文基于 MSIH(3)-VAR(1) 模型，分別給定銅庫存量、中國銅進口量、投機行為、廣義美元指數、聯邦基金利率、石油價格一個沖擊，觀察國際期銅價格在 20 個月內的累積響應。圖 3為脈沖響應的結果。

(1)銅庫存沖擊對國際期銅價格的動態影響。在區制1下，給定銅庫存一個標準差的正的沖擊，期銅價格在當期有正向響應，隨后一直下降，在第1期由正轉負，累計響應在第5個月達到負的最大值，隨后在第10個月后，累計響應逐漸消失；在區制2下，期銅價格也在當期有正向響應，響應值為0.03，隨后一直呈現下降趨勢，在第3個月由正轉負，并且負向響應逐漸增強，到第20個月后，達到-0.02。在區制3下，期銅價格立即出現負向響應，累計響應在第5個月后達到負的最大值0.04，隨后保持著上升的態勢。總體來說，銅庫存增加，將導致期銅價格下降，但不同區制下影響效力和持續時間不同。給定銅庫存一個標準差的正的沖擊，當期銅市場處于低迷期時，期銅價格下降表現得最明顯，其次是平穩期。而就影響持續時間而言，在期銅市場平穩期與低迷期，銅庫存沖擊至20個月仍保持較大影響，而在期銅市場膨脹期，影響時間只持續10個月左右。

(2)中國銅進口量沖擊對國際期銅價格的動態影響。給定中國銅進口量一個標準差的正的沖擊，在區制1下，當期表現不明顯，從第1個月開始累積響應就變為負,之后負向程度呈現增強趨勢，并在第20個月達到-0.05；在區制2下，期銅價格開始出現下降，隨后在第1個月上升，在第2個月達到最大值0.02，之后大致保持在0.02左右；在區制3下，期銅價格當期表現不明顯，之后一直呈現負向增強趨勢，至第20個月達到-0.06。總的來說，中國銅進口量對于期銅價格的影響在不同區制下有著截然相反的表現，這主要表現在效力發揮的方向上。在期銅市場膨脹期與低迷期，中國銅進口量的增加并不能提高國際期銅價格。只有期銅市場處于平穩發展期時，中國銅進口量的增加提高國際期銅價格，這再一次證明，“中國因素”對國際期銅價格的影響作用被夸大。

(3)投機沖擊對國際期銅價格的動態影響。給定投機一個標準差的正的沖擊，在區制1下，期銅價格在當期有正向響應，隨后累積響應一直呈現上升態勢；在區制2下，期銅價格在當期有負向響應，之后期銅價格一直呈現下降趨勢；在區制3下，期銅價格的累積響應與區制1類似，一直呈現正向增強趨勢。總的來說，投機行為對于期銅價格的影響在不同區制下的不同表現主要反映在效力發揮的方向上，在期銅市場膨脹期與低迷期，投機行為增加將抬高國際期銅價格，而在期銅市場平穩期，投機行為增加反而降低了國際期銅價格，這主要是由于在期銅價格大漲大跌的時候，也是國際投機基金炒作頻繁的時候，從而推動了國際期銅價格相應變化。

圖3 三個區制下受到各因素沖擊后期銅價格的脈沖響應

(4)聯邦基金利率對國際期銅價格的動態影響。給定聯邦基金利率一個標準差的正的沖擊，在區制1下，期銅價格立即上升，累計響應在第5個月達到最大值0.2，隨后保持穩定；在區制2下，期銅價格在當期有顯著正向響應，然后開始出現下降，累計響應在第1個月后達到最小值0.002，之后上升，從第2個月開始保持穩定在0.02左右；在區制3下，期銅價格當期響應為正，響應值為0.025，隨后在一個月后開始上升，在第5個月后達到最大，隨后保持穩定在0.08左右。總的來說，在任何區制下，聯邦基金利率升高，將導致期銅價格上升，這與理論預期不符，主要是因為在短期內，作為商品的一種，銅價格不可避免地要受到通貨膨脹的影響。而目前美聯儲制定貨幣政策基本上遵循泰勒法則，也就是盯住目標的經濟增長率和通貨膨脹率。因此，美國聯邦基金利率的提高與美國經濟的成長是正向關系，從而構成了與銅價之間的正向關系。

(5)廣義美元指數對國際期銅價格的動態影響。給定廣義美元指數一個標準差的正的沖擊，國際期銅價格在任何區制下表現為負，但不顯著，且保持穩定。在區制1和區制3下，累計響應保持穩定在-0.015左右，在區制2下，累計響應保持穩定在-0.0015。總的來說，在任何區制下，廣義美元指數對國際期銅價格的影響不大。

(6)石油價格對國際期銅價格的動態影響。給定石油價格一個標準差的正的沖擊，在區制1下，期銅價格開始出現小幅下降，累計響應在第1個月后達到最小值0.05，隨后基本保持穩定在0.06左右；在區制2下，期銅價格也開始出現小幅下降，累計響應在第1個月后達到最小值0.02，隨后略微上升，一直保持穩定在0.025左右；在區制3下，期銅價格的響應與區制2下類似，但最后保持穩定在0.07左右。總的來說，石油價格上升，由于大宗商品價格間的聯動關系，也將導致國際期銅價格上升，但在不同區制下影響效力不同，在樣本期內，石油價格對期銅價格的影響在期銅市場膨脹期與低迷期下效果更明顯。

3.6 MSVAR方法的有效性

總體來看，MSVAR方法還是比較好地擬合了期銅市場中各變量的變動。圖4上邊描述了期銅價格這一內生變量的實際值、1步預測值和平滑值的關系，下邊描述了MSVAR方法的實際殘差的正態分布擬合結果。證明了MSVAR方法研究期銅市場變動方面的有效性。

圖4 MSVAR方法的有效性

4 結語

本文融合商品期貨與能源經濟學相關理論，從銅的雙重屬性即商品屬性與金融屬性出發，構建了供需因素與金融因素影響國際期銅價格的理論框架，并采用2000年2月至2014年3月的月度數據，運用 MSVAR 模型實證研究了供需因素、金融因素對國際期銅價格的非線性動態影響，得出以下結論：

(1)MSVAR模型結果表明，將系統劃分為三個區制是合適的，區制1代表期銅市場膨脹期，區制3代表期銅市場低迷期；而區制2表示的則是不處于區制1或3的狀態,即期銅市場處于平穩發展期，三種狀態下，模型的截距、系數都會隨區制轉換發生變化，這意味著相同因素在不同的區制狀態下對期銅價格造成的影響是不同的。

(2)期銅價格除平穩期外，在期銅市場膨脹期與低迷期都受到銅庫存的顯著影響，顯示供需基本面在期銅價格波動中仍發揮基礎性作用，而代表“中國因素”的中國銅進口量在三個區制下對期銅價格的影響都不顯著，表明“中國因素”在國際期銅市場中的作用被憑空放大。

(3)金融因素在國際期銅市場定價機制演變過程中發揮重要作用,三種狀態下，金融因素都是國際期銅價格變動的主要驅動因素,顯示隨著大宗商品金融化趨勢的增強，金融因素對期銅價格波動的影響也在加強，但不同狀態下金融因素的作用方式和程度明顯不同。

(4)基于不同區制的累積脈沖響應的結果表明，各個因素在不同區制下對國際期銅價格的影響效果存在顯著差異，總的來說，在期銅市場膨脹期與低迷期，聯邦基金利率的影響作用最大，而在期銅市場平穩期，期銅價格受投機行為的影響最顯著。

需要指出的是，MSVAR模型的應用也有其適應條件與適用范圍，它主要用于刻畫經濟變量之間的非線性關系，揭示不同狀態下經濟行為所具有的不同特征與規律，目前主要應用于宏觀經濟、金融市場等領域；MSVAR模型也有其局限性，它只能對各狀態進行統計性質分析，而無法給出不同狀態的經濟含義。未來研究可考慮結合動態隨機一般均衡(DSGE)框架，進一步從微觀角度拓展其應用范圍。

[1] Trostle R．Global agricultural demand and supply: Factors contributing to the recent increase in food commodity price[R].Working Paper, USDA Economic Research Service,2008.

[2] Kilian L．Not all oil price shocks are alike: Disentangling demand and supply shocks in the crude oil market[J]. American Economic Review, 2009,99(3):1053-1069．

[3] 黃健柏,李瓊鶴.國際期銅價格中的“中國因素”研究[J].價格理論與實踐,2011,(12):61-62.

[4] Dwyer A, Gardner G,Williams T.Global commodity markets-price volatility and financialisation[J].RBA Bulletin,2011,(6):49-57.

[5] Anzuini A, Lombardi M J,Pagano P. The impact of monetary policy shocks on commodity prices[J]. International Journal of Central Banking, 2013,9(3):125-150.

[6] McCalla A F．World food prices: Causes and consequences [J].Canadian Journal of Agricultural Economics, 2009,57(1):23-34.

[7] Harri A, Nalley L, Hudson D.The relationship between oil,exchange rates and commodity prices[J].Journal of Agricultural and Applied Economics, 2009, 41(2):29-64.

[8] 馮輝,張蜀林.國際黃金期貨價格決定要素的實證分析[J].中國管理科學,2012,20(S1):424-428.

[9] Masters M.Testimony before the committee on homeland security and governmental affairs[R].Working Paper US Senate, Washington,2008.

[10] Tang Ke, Xiong Wei. Index investment and the financialization of commodities[J].Financial Analyst Journal, 2012,68(6):712-754.

[11] 謝飛,韓立巖. 投機還是實需：國際商品期貨價格的影響因素分析[J].管理世界,2012,(10):71-82.

[12] Frankel J A．The effect of monetary policy on real commodity prices [R]. Working paper,National Bureau of Economic Research,2006.

[13] Roache S,Rossi M.The effects of economic news on commodity prices[J]. Quarterly Review of Economics and Finance,2010,50(3):377-385．

[14] Akram Q F.Commodity prices,interest rates and the dollar[J].Energy Economic, 2009,31(6):838-851．

[15] Baffes J.Oil spills on other commodities [J]. Resources Policy, 2007,32(3):126-134．

[16] Hammoudeh S,Sari R, Ewing B T.Relationships among strategic commodities and with financial variables: A new look[J].Contemporary Economic Policy,2008,27(2):251-264.

[17] Soytas U,Sari R, Hammodeh S, et al.World oil prices，precious metal prices and macroeconomy in Turkey[J].Energy Policy,2009,37(12):5557-5566．

[18] Sari R,Hammoudeh S, Soytas U. Dynamics of oil price,precious metal prices,and exchange rate[J].Energy Economics,2010,32(2):351-362．

[19] Humphreys D.The great metals boom: Aretrospective[J].Resources Policy,2010, 35(1):1-13.

[20] Tilton J E.Outlook for copper prices-up or down[J].Commodities Research Unit World Copper Conference, 2006,58(8):16-20.

[21] Cooney S,Pirog R,Folger P. Mineral’s price increases and volatility: Causes and consequences [R].Working Paper,Congressional Research Service,Washington DC,2008.

[22] Streifel S. Impact of China and India on global commodity markets focus on metals & minerals and petroleum[R]. Working Paper Development Prospects Group, World Bank. 2006.

[23] Gilbert C L. How to understand high food prices [J].Journal of Agricultural Economics,2010,61(2):398-425．

[24] Quandt R E.The estimation of parameters of a linear regression system obeying two separate regimes[J].Journal of the Royal Statistic Association, 1958,53(284):873-880.

[25] Goldfeld S M, Quandt R E.A markov model for switching regression[J].Journal of Econometrics,1973,1(1):3-16.

[26] HamiltonJ D.Analysis of time series subject to changes in regime[J].Journal of Econometrics,1990,45(1):39-70.

[27] Sims C A, Stock J H, Watson M W. Inference in linear time series models with some unit roots[J]. Econometrica, 1990,58(1):113-144.

[28] 嚴太華,陳明玉.基于馬爾科夫切換模型的上證指數周收益率時間序列分析[J].中國管理科學，2009,17(6):33-38.

[29] 朱孟楠,劉林,倪玉娟.人民幣匯率與我國房地產價格——基于Markov區制轉換VAR模型的實證研究[J].金融研究,2011,(5):58-71.

[30] 李芳,李秋娟.人民幣匯率與房地產價格的互動關系—基于2005-2012年月度數據的MSVAR模型分析[J].國際金融研究,2014,(3):86-96.

[31] 孟慶斌,靳曉婷,吳蕾.我國通貨膨脹影響因素的非線性影響效應分析[J].金融研究,2014,(4):30-46.

[32] 李智,林伯強.基于MSVAR的國際原油期貨價格變動研究[J].金融研究,2014,(1):99-109.

[33] 韓立巖,尹力博.投機行為還是實際需求？—國際大宗商品價格影響因素的廣義視角分析[J].經濟研究,2012,(12):83-96.

Nonlinear Effect Studies of Influence Factors of Nonferrous Metals Price Fluctuation Based on MSVAR Model

ZHONG Mei-rui1, 2, CHEN Jie-yu1, HUANG Jian-bai1,2,CHEN Jin-yu1

(1.School of Business, Central South Universtiy,Changsha 410083,China；2.Institute of Metal Resources Strategy, Changsha 410083,China)

Owing to the simultaneous appearance of growth demand in emerging markets and indexing investment in metal futures market and interaction between supply and demand factors and financial factor, the pricing mechanism of nonferrous metals becomes more complex presenting characteristics such as nonlinearity, dynamics and structure dissimilation. Based on the above background, the pricing mechanism of nonferrous metals affected by supply and demand factors and financial factors is put forward. Monthly data from February 2000 to March 2014 is selected and MSVAR model is constructed to do empirical analysis as the example of copper. The results show that the price fluctuation of copper owns the feature of regime switching, namely, inflation period, depression period and steady period. During each period, financial factors could explain price violation completely while in different mechanism, and Chinese factor is apparently exaggerated, which is different from the previous studies.In the short term, each factor’s impacts on international copper futures prices under different regimes have significant difference in function direction, duration and function strength. The conclusions and the nonlinear econometric models established provide new thinking and analysis tool for commodity financialization explanation.

nonferrous metals; price fluctuation; MSVAR model; regime switching

1003-207(2016)04-0045-09

10.16381/j.cnki.issn1003-207x.2016.04.006

2014-10-19；

2015-05-16

國家社會科學基金重大項目(13&ZD024，13&ZD169，14&ZDB136)；國家自然科學基金面上資助項目(71573282)；教育部人文社會科學研究項目(13YJAZH149)；湖南省自然科學基金資助項目(2015JJ2182)；湖南省教育廳開放基金資助項目(15K133)；中南大學研究生自主探索創新基金(2014zzts124，2015zzts005)

黃健柏(1954-)，男(漢族)，湖南臨武人，中南大學商學院教授，博士生導師，研究方向：行為契約理論、產業經濟學、資本運營、企業經營戰略，E-mail:jbhuang@mail.csu.edu.cn.

F830.91

A