有色金屬國際價格波動的影響因素研究

成金華++尤喆++朱永光++鄢紅兵

摘要

有色金屬作為國際上流通量較大的大宗產品，近年來其價格的頻繁劇烈波動受到學界和業界的高度關注。從有色金屬國際貿易的交易量數據看，中國、美國、巴西等20個國家是有色金屬國際貿易的主體，貿易量較大的是銅、鋁、鉛、鋅四種有色金屬。本文選取了國際貿易中銅、鋁、鉛、鋅四種有色金屬的主要進口國和出口國，在已有研究的基礎上，從供需、實體經濟和貨幣金融三個維度選取變量，運用國家之間構成的面板數據，建立PVAR模型，分析四種有色金屬價格的波動及其影響因素；通過銅、鋁、鉛、鋅四種有色金屬價格的脈沖響應函數，比較分析銅、鋁、鉛、鋅四種有色金屬價格波動影響因素的不同。研究發現：①銅、鋁、鉛、鋅四種有色金屬價格波動均受國內生產總值和貨幣供應量的影響，供需因素對有色金屬價格產生長期的影響，貨幣供給量對有色金屬價格的影響短暫而劇烈；②國內生產總值和貿易量與銅價的波動密切相關，貨幣供應量和消費者價格指數與鋁、鉛、鋅價格的波動密切相關；③有色金屬主要貿易國的各個變量對銅、鋁、鉛、鋅價格波動的貢獻程度不同。銅貿易國的貿易量對銅價波動的貢獻度要高于其他有色金屬貿易國家；鋁、鉛、鋅貿易國家的金融因素對鋁、鉛、鋅價格的影響要強于銅貿易國家。最后，本文從進口國角度對中國有色金屬進口提出了建議：中國是銅、鋁、鉛、鋅四種有色金屬的最大進口國，應密切關注有色金屬價格走勢，建立健全有色金屬價格的實時監測和預警機制，加快對有色金屬價格波動的反應速度，利用金融手段避險趨利。

關鍵詞有色金屬價格；影響因素；分礦種比較；PVAR模型

中圖分類號F062.1

文獻標識碼A文章編號1002-2104（2017）07-0035-11DOI：10.12062/cpre.20170461

有色金屬礦產品是國際上流通量較大的大宗產品，其市場變動與國際經濟形勢變化息息相關。2000年至2008年間，中國銅、鋁、鉛、鋅消費量分別由295萬t、518萬t、117萬t、200萬t增長至983萬t、2 196萬t、470萬t、596萬t，占全球消費量比例由19.3%、18.9%、17.3%、21.2%增長至47.05%、47.3%、43.25%、45.2%。同時，有色金屬礦產品國際價格也不斷攀升，銅、鋁、鉛、鋅國際價格不斷沖破歷史高位。2008年金融危機后，金屬礦產品國際價格大起大落，波動劇烈。2011年以來，在國際大宗產品價格大幅下跌的背景下，金屬礦產品價格也不斷下跌。截至2015年12月，全球礦業活動指數（PAI）已跌至39點，達到前3年的最低位；SNL金屬價格指數也幾乎下行至前3年來的最低點。有色金屬是國民經濟平穩運行所必須的基礎性原材料，我國大部分的有色金屬原礦依賴進口。有色金屬國際價格的大起大落，不利于我國的資源安全戰略，也不利于淘汰有色金屬行業落后產能，推進國際產能合作。因此，研究有色金屬價格波動的影響因素，對維護我國資源安全、支撐資源全球配置戰略和促進礦產行業健康發展具有重要意義。那么，影響有色金屬國際價格波動的因素有哪些？作為有色金屬供給方和需求方對有色金屬價格波動的影響又有哪些不同？這些都是值得深入探討的問題。

現有研究影響有色金屬國際價格波動因素的探討主要體現在以下幾個方面：①供給因素影響有色金屬價格波動。有色金屬屬于資源類產品，具有資金、技術投入等投入要素密集型的特征。有色金屬生產國的開采工藝的提升、資金實力的強弱、國家管控策略的松緊，都將顯著影響有色金屬價格波動。②需求因素影響有色金屬價格波動。影響有色金屬價格波動的需求因素體現在多個方面。隨著需求國家工業化、城鎮化程度的推進，不同階段對有色金屬的需求重點會發生變化，這將對有色金屬價格波動產生沖擊。③貨幣金融因素影響價格波動。近年來有色金屬金融屬性不斷加深，倫敦期貨交易所、上海期貨交易所和紐約期貨交易所等金融機構均上市了相關的期貨、期權產品，交易量一直保持平穩提升態勢。以倫敦期貨交易所為例，2015年，LME銅交易量為10.3億t、鋁15.6億t、鉛3.2億t、鋅7.5億t，而當年全球的實際貿易量僅分別為857萬t、1 184萬t、183萬t、396萬t，交易量分別為當年實際貿易量的120倍、132倍、168倍、190倍。大量投機資金的涌入，促使有色金屬價格急劇波動，助推市場價格變化。

1文獻綜述

有色金屬作為國際市場上流通量較大的大宗產品，影響其價格的波動因素與能源、糧食等大宗產品有相似之處，也有其獨有特征，國內外學者從供需、實體經濟等方面對其原因進行了探究。鑒于此，本文梳理大宗商品和有色金屬大宗商品的有關文獻，將相關觀點歸納為以下 供需層面，Trostle[1]等人認為，金屬礦產品等大宗商品價格的波動與新興國家的需求密切相關，新興經濟體經濟增速較快時會引發大宗商品價格的上漲，反之，則會導致價格的大幅下跌。Hua[2]等人發現，工業化率、美元匯率和大宗商品價格可能存在長期線性關系，得出結果是工業化率的提升引發的大宗商品需求的旺盛，促使大宗商品價格的上漲。Cheung 和Sylvie[3]和Lalonde[4]等人認為，亞洲新興經濟體近年來經濟快速發展對大宗商品的旺盛需求，是引發價格大幅上漲的主要因素。譚小芬等[5]運用向量自回歸誤差修正模型研究中國因素在國際大宗商品價格驅動因素中的重要性，指出總需求是影響國際大宗商品價格的主要因素，中國因素在價格波動中所起的作用不如發達國家顯著。

實體經濟層面，韓立巖、尹力博[6]建立涵蓋532個經濟指標的因素增強型向量自回歸模型，分析影響大宗商品價格波動的因素，認為實體經濟是影響國際大宗商品價格上漲的主要因素。李靚[7]等人運用面板向量自回歸模型分別研究了發達國家和新興市場國家對大宗商品價格波動的影響機制，指出新興市場國家實體經濟對價格的沖擊比發展國家滯后。Frankel[8]運用面板回歸方法，對利率上升背景下導致有色金屬大宗商品價格波動的因素進行了檢驗。王高尚[9]通過對石油、銅、鋁、鎳50年價格變化趨勢的分析，認為資源稀缺性和生產效率是影響其價格的重要因素。盧鋒[10]等人研究了中國因素對2002—2007年間大宗商品價格大幅上漲的影響，認為中國宏觀經濟的“過熱”，加劇了國際大宗商品價格的上漲幅度，不利于中國經濟的平穩運行。

貨幣金融方面，周偉[11]等人采用LPPL模型驗證金屬期貨價格波動原因，得出結果是重金屬期貨受投機影響較大，輕金屬期貨受投機影響不明顯。Akram[12]指出，發達國家的量化寬松政策，會導致全球市場的貨幣流動性增加，熱錢進入國際大宗商品市場，引發大宗商品價格的上漲。Anzuinie[13]等人建立涵蓋美國聯邦基金利率和貨幣供應量指標的結構向量自回歸模型，發現聯邦基金利率的下降會助推大宗商品價格上漲，貨幣供應量對大宗商品價格的影響程度不顯著。Landgraf[14]等人對比考察了經合組織和納入 “金磚國家”后的經合組織對大宗商品價格的影響程度，發現納入“金磚國家”后，貨幣金融因素對大宗商品價格的影響程度顯著性增強。鐘美瑞、黃健柏[15]等人構建MSVAR模型對銅價影響因素進行驗證，發現金融因素可以很好地解釋膨脹期、平穩期、低迷期銅價的波動。

各商品關聯度方面，邊璐[16]等人采用VEC模型驗證了10種稀土產品價格與國際金屬價格所具有的整合關系。張晶[17]等人運用Johansen 協整檢驗與持久—短暫模型，對大米主產國中國、美國、泰國三國高中低三級大米價格變化的共有因子進行了分析，探索價格間的內在聯系以及對糧食安全的作用機制。Baffes[18]、Tokgoz[19]和Sari[20]等均證實了能源價格的上漲，會影響其他金屬商品價格的變化。

從現有文獻來看，目前對影響有色金屬礦產品為代表的國際大宗商品價格波動因素的研究具有以下特點：一是對大宗商品的門類涵蓋較全，包括對石油等能源大宗商品、鐵礦石等黑色金屬大宗產品和大豆等農業大宗商品的研究較為豐富，專門針對有色金屬大宗商品的研究較少。二是對衡量國際大宗商品價格波動的尺度一致，大多數文獻采用CRB指數來衡量大宗商品價格的波動。CRB指數具有權威性、時效性等特點，但作為綜合性指數可能會缺失某種特定大宗商品價格波動所隱含的信息。三是研究的視角豐富，如從需求視角、貨幣金融視角、實體經濟視角和商品關聯度視角入手，而現有文獻從貿易視角考察大宗商品價格波動影響因素的論述較少。

因此，本文以有色金屬大宗商品國際貿易量較大的銅、鋁、鉛、鋅為研究對象，分別采用國際上公認的期貨價格為被解釋變量。從貿易視角出發，選取中國、美國、印度、巴西、澳大利亞、智利、秘魯等20個有色金屬主要貿易國家，分別考察需求國的進口量和供給國的出口量對有色金屬大宗商品價格波動的影響方向和程度，并結合已有的研究成果，比較分析銅、鋁、鉛、鋅大宗商品價格波動影響因素的異同。

2研究方法、變量選取與數據處理

2.1研究方法

本文采用面板數據向量自回歸模型（panel data vector autoregression，PVAR），它是基于面板數據所衍生出來的VAR系統。該模型最早是由D HoltzEakin[21]在1988年提出。隨著不少理論計量經濟學者對該模型的不斷完善，該模型已經被廣泛的應用到了經濟領域中來處理面板結構類型的數據，孫正[22]、王美昌[23]和李穎[24]等人采用PVAR模型研究了財稅改革、貿易開發和房地產價格等方面的問題。

PVAR 模型本質上是多組聯立方程所構成的，包括了所有解釋變量和被解釋變量的本身及其滯后項，并將系統內的所有變量視為一個內生性系統，能夠反映變量之間的動態關系變化。與普通VAR模型相同，PVAR 模型的正交化脈沖響應函數能夠刻畫內生系統中變量之間沖擊的作用機制。 其一般形式如下：

其中，yij表示基于面板數據的外部沖擊變量向量，i表示國家，t表示年度，α表示個量，β表示時間效應向量，Γj表示不同滯后期的變量系數矩陣，p表示滯后期，εit表示隨機擾動向量。本文設定，yit=（Pit，GDPit，CPIit，Mit，TDit），其中P代表有色金屬價格，GDPit代表i國t時期人均國內生產總值，CPIit代表i國t時期消費者價格水平，Mit代表i國t時期貨幣供應量，TDit代表i國t時期的有色金屬貿易量。

2.2變量選取

根據聯合國貿易數據庫的數據，2015年： 中國、韓國等五國進口銅2 453.84萬t，占世界總進口量的85.34%，智利、秘魯等國出口銅1 313.21萬t，占出口總量的70.62%。中國、美國等五國進口鋁8 432.27萬t，占進口總量的89.68%，馬來西亞、澳大利亞等五國出口鋁9 251.08萬t，占出口總量的98.17%。中國、韓國等五國進口鉛861.31萬t，占進口總量的72.71%，秘魯、澳大利亞等五國出口鉛795.51萬t，占出口總量的72.69%。中國、韓國等五國進口鋅751.21萬t，占進口總量的82.15%，秘魯、澳大利亞等五國出口鋅716.32萬t，占出口總量的85.56%。

根據世界銀行的統計數據，2015年全球國內生產總值為 73.51×104億美元，中國、美國、印度、巴西、澳大利亞、智利、秘魯等20個有色金屬主要貿易國的國內生產總值占全球國內生產總值的比重合計85.12%。鑒于此，本文選取中國、美國、印度、巴西、澳大利亞、智利、秘魯等20個有色金屬主要貿易國為全球代表，具體國家如表1所示。

被解釋變量采用倫敦期貨交易所三月期銅、三月期鋁、三月期鉛和三月期鋅價格的變動率。選取倫敦期貨交易所有色金屬期貨價格，是因為倫敦期貨交易所是國際上歷史最悠久、影響力最大的期貨交易所，而有色金屬價格也是期貨定價機制，能夠真實反映國際市場價格的波動。

參考王安建等[25]、賈立文等[26]的研究成果，在被解釋變量的選取上，從實體經濟、貿易狀況和貨幣金融方面選取指標。國內生產總值（GDP）是大多數研究用來考察一國實體經濟水平的指標，因此，選取國內生產總值反映實體經濟層面；由于資源分布的不均衡，有色金屬出口國較為集中，而有色金屬進口國也較為集中，因此選取需求國進口量和供給國出口量（TD）來反映供求層面；消費者價格水平（CPI）能夠很好反映一國的貨幣購買力，貨幣供應量（M）能夠反映一國貨幣市場的穩定程度，因此選取這兩個指標反映貨幣金融層面。

2.3數據處理

本文選取1996—2015年20年間的季度數據作為研究樣本，由于時間久遠，少量數據缺失，部分數據存在季節性等因素的影響。因此，對于選取的變量指標進行以下幾個方面的處理：①對于缺失指標采用平均值或近似值方法進行補充；②將各國人均國內生產總值折算為1996年的不變價格；③以1996年為基期100，換算各國的消費者價格水平；④采用x12arima方法剔除各國的國內生產總值、消費者價格指數和貨幣供應量的季節因素；⑤將所有數據取對數，以消除序列異方差，而且可以使趨勢線性化。

本文數據主要來源于國際貨幣組織數據庫、世界銀行數據庫和穆迪指數網。其中，國內生產總值數據來自于世界銀行數據庫，消費者價格指數和貨幣供應量數據來自國際貨幣組織數據庫，有色金屬國際貿易量數據來自于聯合國貿易數據庫。

3有色金屬價格波動的影響因素分析

有色金屬是國際市場上貿易量較大的大宗產品，中國、美國、印度、巴西、澳大利亞、智利、秘魯等20個國家是有色金屬國際貿易的主體，以銅、鋁、鉛、鋅四種有色金屬為代表，分別分析有不同有色金屬價格波動的影響因素。主要步驟如下：第一，對系統內所有的變量進行單位根過程檢驗；第二，通過構建 PVAR模型，識別出有色金屬礦產品價格指數波動的主要影響因素；第三，根據脈沖響應函數和方差分解結果，對主要因素的作用方向和影響程度進行分析。

3.1平穩性檢驗

本文采用FisherADF單位根檢驗方法對系統內的所有變量進行單位根檢驗，將取對數后的數據分別記為LP、LGDP、LCPI、LM和LTD，將差分后的數據記為DLP、DLGDP、DLCPI、DLM和DLTD。

檢驗結果如表2所示。對銅貿易國家的變量進行面板單位根檢驗，結果顯示LGDP和LCPI的原序列在5%的置信水平通過平穩性檢驗，其余變量均是非平穩序列。變量的一階差分序列顯示，所有變量在5%的置信水平上均是平穩的。因此，本文對所有變量進行一階差分處理。然后，采用相同的方法對鋁、鉛、鋅貿易國家的面板數據進行單位根檢驗，檢驗結果表明，其他有色金屬貿易國家的變量數據進行一階差分后，均能通過平穩性檢驗，因此建立鋁、鉛、鋅貿易國家的PVAR模型。

3.2PVAR結果分析

在構建PVAR模型時，面板數據模型存在個體的固定效應。在估計參數時，容易導致估計量出現非一致的情況。因此，本文參考相關研究成果，最終采用Helmert轉換（前項均值差分法）剔除個體效應。在確定模型的滯后階數時，本文主要依據BIC和HQIC信息準則，最終選取的階數為9階。銅貿易國家PVAR 模型估計結果如表3所示。

表3展現的是當期銅價、國民生產總值、消費者價格指數、貨幣供應量和貿易量對銅價的影響系數。從PVAR回歸結果可以看出，銅價本身在滯后1期、2期、4期、8期和9期對銅價產生顯著的影響，說明銅價存在價格慣性，在滯后8期，銅價對自身的影響系數變為-0.217，開始對銅價產生負向影響，這說明價格下跌時，價格慣性會放大

價格下跌的幅度。

國民生產總值在滯后4期對當期銅價的影響系數為0.245，由于國民生產總值能夠反映宏觀經濟運行態勢，一國宏觀經濟運行態勢向好，會引發對銅等大宗商品的旺盛需求，從而導致銅價的上漲，這能解釋國民生產總值對銅價存在正向的影響。滯后5期和8期的銅貿易量對銅價存在顯著的正向效應和滯后性，貿易量能夠反映國際市場銅的供需狀況，而銅等金屬礦產大部分是通過海路運輸，運輸周期較長。滯后6期的貨幣供應量和滯后3期的消費者價格指數均對銅價有顯著影響，這表明貨幣金融因素同樣是影響銅價波動的原因。

對鋁、鉛、鋅貿易國家進行PVAR回歸，回歸結果同樣能支持這一結論。在PVAR模型中存在著解釋變量的滯后項，所表達的是變量的動態影響過程。根據PVAR模型的特點，本文接下來需要對變量的影響機制進行研究，主要使用的是脈沖響應函數和方差分解。

3.3脈沖響應分析

本文根據PVAR模型的脈沖響應函數可以清晰地看出隨機擾動對變量的影響程度，能夠清晰反映變量之間的傳導機制。考慮到模型的穩健性，本文采取MonteCarlo方法對各變量進行模擬，通過模擬500次后得到有色金屬貿易國家的變量序列進行建模，觀察脈沖響應變動趨勢。圖中的縱坐標軸表示內生變量對有色金屬價格波動的影響程度，橫坐標軸表示變量的持續作用的期數，上下兩條線表示沖擊值的95%的置信區間。

3.3.1銅貿易國家脈沖響應分析

圖1是銅價、國民生產總值、消費者價格指數、貨幣供應量和貿易量對銅價沖擊的脈沖響應圖，描述了一單位解釋變量的標準差對銅價的沖擊方向與程度。

當一單位銅價的標準差波動對銅價本身進行沖擊時，滯后10期內對銅價自身的沖擊存在顯著的正向響應，銅價自身的沖擊與銅價波動存在長期均衡關系。銅價對自身的沖擊在滯后2期達到0.160的最高值，沖擊響應呈震蕩下降的走勢，在滯后3期正向響應降為 0.115，在滯后6期回升至0.132，在滯后9期達到最低值，這說明銅價本身存在著明顯的價格慣性。

當一單位的標準差波動對銅價進行沖擊時，銅價當期和滯后1期均無響應，從滯后2期開始響應，在滯后3期達到0.020的最高值，隨后呈下降走勢。在滯后7期時，響應降為0。到滯后10期時，已下降至-0.018。這說明國民生產總值對銅價的沖擊存在滯后性，當國民經濟過熱時，會遭遇價格上漲的陡直區間，供給方會增加銅的產能，而產能的提升需要周期，當需求下降時，便形成了產能過剩的局面，開始對銅價產生負向的沖擊。

當一單位消費者價格指數的標準差波動對銅價進行沖擊時，銅價到從當期到滯后3期均無響應。在滯后4期開始呈現負響應，在滯后6期開始回升，在滯后10期成為正響應。這表明，消費者價格指數對銅價存在負向沖擊，但沖擊的頻率低，周期短。

當一單位貨幣供應量的標準差波動對銅價沖擊時，銅價從滯后2期開始有正的響應，到滯后4期響應程度達到0.018的最高值，隨后開始下降，在滯后6期趨0。可見貨幣供應量對銅價存在顯著的正向沖擊，沖擊的短期效應明顯且強烈。

當一單位貿易量的標準差波動對銅價沖擊時，銅價從滯后6期開始有正的響應，到滯后10期時，響應程度達到了0.022。可見銅價對貿易量的變化具有明顯的正向響應，且存在滯后效應。

3.3.2鋁貿易國家的脈沖響應分析

圖2是鋁價、國民生產總值、消費者價格指數、貨幣供應量和貿易量對鋁價沖擊的脈沖響應圖，描述了一單位解釋變量的標準差對鋁價的沖擊方向與程度。

當一單位鋁價的標準差波動對鋁價本身沖擊時，鋁價對自身的沖擊呈正向響應，并且在滯后2期達到0.111的最高值，沖擊響應呈持續下降的走勢，在滯后10期達到0.033的最低值。與銅的情況類似，滯后10期內鋁價自身波動對鋁價具有明顯而持續的正向沖擊。

當一單位國內生產總值的標準差波動對鋁價波動沖擊時，當國內生產總值受到一個外部的正向沖擊后，鋁價從滯后2期開始響應，在滯后5期達到0.013的最高值，隨后開始呈下降走勢。到滯后10期時，已下降至-0.008。可見國內生產總值對鋁價持續產生沖擊。

當一單位消費者價格指數的標準差波動對鋁價沖擊時，鋁價到從滯后4期開始呈現負響應，在滯后8期開始回升，在滯后10期趨于0。可見消費者價格指數對鋁價的負向沖擊存在滯后性。

當一單位貨幣供應量的標準差波動對鋁價沖擊時，鋁價從滯后2期開始有正的響應，到滯后5期響應程度達到0.014的最高值，隨后開始下降，在滯后8期趨0。隨后開始上升，到滯后10期達到0.009。可見貨幣供應量對鋁價的沖擊波動性較大。

當一單位貿易量的的標準差波動對鋁價沖擊時，滯后10期內貿易量對鋁價的沖擊較弱，鋁價僅在滯后2期和滯后8期有負的響應。鋁是世界上蘊藏儲量較為豐富的資源，且分布廣泛，因此鋁貿易市場的集中度較低，供需結構平穩，近年來世界范圍內鋁產能過剩，鋁價相比其他有色金屬價格處在低位且波動幅度較小，因而貿易量對鋁價的沖擊不明顯。

3.3.3鉛貿易國家脈沖響應分析

圖3是鉛價、國民生產總值、消費者價格指數、貨幣供應量和貿易量對鉛價沖擊的脈沖響應圖，描述了一單位解釋變量的標準差對鉛價的沖擊方向與程度。

當一單位鉛價的標準差波動對鉛價本身沖擊時，鉛價對自身的沖擊呈正向響應，在滯后2期達到0.16的最高值，并持續到滯后6期，隨后沖擊響應呈持續下降的走勢。可見滯后10期內鉛價對自身具有明顯而持續的正向沖擊。

當一單位國內生產總值的標準差波動對鉛價沖擊時，鉛價的響應程度較弱，僅在滯后4期存在-0.04的負響應，其他時期均趨于0。可見鉛價對國內生產總值的響應程度較弱。

當一單位消費者價格指數的標準差波動對鉛價沖擊時，鉛價到從滯后2期開始呈現負響應，在第5期開始負效應影響最大，達到-0.02，在第10期趨于0。可見消費者價格指數對鉛價的負向沖擊存在滯后性。

當一單位貨幣供應量的標準差波動對鉛價沖擊時，鉛價從滯后3期開始有負的響應，到滯后7期響應程度達到-0.003，隨后開始上升，在滯后9期趨0。可見鉛價對貨幣供應量沖擊的響應明顯且急促。

當一單位貿易量的的標準差波動對鋅價沖擊時，滯后10期內貿易量對鉛價的沖擊較弱，鉛價僅在滯后1期和滯后6期有負的響應。可見鉛價對貿易量的沖擊響應程度較弱，這與鋁價的情況類似，但原因不同。中國是世界上鉛消費量最大的國家，同時也是鉛儲量大國，對外依存度較低，因此鉛貿易狀況對國際鉛價的影響較弱。

3.3.4鋅貿易國家脈沖響應分析

圖4是鋅價、國民生產總值、消費者價格指數、貨幣供應量和貿易量對鋅價沖擊的脈沖響應圖，描述了一單位解釋變量的標準差對鋅價的沖擊方向與程度。

當一單位鋅價的標準差波動對鋅價本身沖擊時，可以看出鋅價對自身的沖擊呈正向響應，在滯后3期達到0.16的最高值，隨后沖擊響應呈持續下降的走勢。可滯后10期內鋅價對自身具有明顯而持續的正向沖擊。

當一單位國內生產總值的標準差對鋅價波動沖擊時，鋅價持續響應。在滯后5期達到-0.02的負響應，在滯后8期達到-0.03的負效應。可見國內生產總值對鋅價產生持續的負向沖擊。

當一單位消費者價格指數的標準差波動對鋅價沖擊時，鋅價到從當期開始呈現負響應，在滯后5期負效應達到-0.04，在滯后10期趨于0。可見消費者價格指數對鋅價產生持續的負向沖擊。

當一單位貨幣供應量的標準差波動對鋅價沖擊時，鋅價分別在滯后2期、滯后5期和滯后8期有負的響應，且響應明顯。可見鋅價對貨幣供應量沖擊的響應明顯且急促。

當一單位貿易量的標準差波動對鋅價沖擊時，滯后10期內貿易量對鋅價的沖擊較弱，可見鋅價對貿易量的沖擊響應程度較弱，這個結果同鋁，鉛相似。鋅的單一儲量較少，往往與鉛伴生，因此鋅價的波動特點與鉛價相似。

3.4方差分解

為了解各個因素對銅、鋁、鉛、鋅價格波動影響程度的貢獻大小，量化每個變量對因變量的解釋程度，本文對影響銅、鋁、鉛、鋅價格波動的影響因素進行方差分解。如表4所示，從當期到滯后10期，有色金屬價格受自身變動的沖擊最強，均維持在95%以上。

表4左上是銅價波動因素的方差分解結果，從滯后1期到滯后10期的結果可以看出：銅價受自身變動的影響最大，均在95%以上，但呈現下降趨勢；貨幣供應量和消費者價格指數對銅價的影響波動較大，波動幅度分別為45%和82%；國內生產總值和貿易量對銅價的影響持續增長，較第二期分別增長了5.77%和3.97%。上述分析表明，銅價受自身滯后效應變量的影響最大，國內生產總值和貿易量對銅價的影響程度持續變大。

表4右上是鋁價波動因素的方差分解結果，從當期到滯后10期的結果可以看出：鋁價受自身變動的影響較大且呈下降趨勢；貿易量對鋁價的影響程度則逐年下降，滯后10期較滯后2期下降了2.926%；貨幣供應量、國內生產總值和消費者價格指數對鋁價的影響程度則逐年上升，貨幣供應量和消費者價格對鋁價影響的變動幅度較大。

表4左下是影響鉛價波動因素的方差分解結果，從當期到滯后10期的結果可看出：鉛價受自身變動的影響較大并呈下降趨勢；消費者價格指數對鉛價的影響幅度較大，且影響程度的波動幅度較大；貨幣供應量對鉛價的影響程度逐期增加，第10期較第1期增長了9.1%；國內生產總值持續影響鉛價，而貿易量對鉛價的影響幅度較小。

表4右下是影響鋅價波動因素的方差分解結果，從當期和滯后10期的結果可以看出：鋅價受自身變動的影響較大并呈下降趨勢；國內生產總值對鋅價的影響程度明顯，且逐期增大；消費者價格指數和貨幣供應量對鉛價的影響程度的波動幅度較大，在滯后5期和滯后8期有2%左右的提升；而貿易量對鉛價的影響幅度逐期增加，但影響程度較小。

通過對銅、鋁、鉛、鋅四種有色金屬價格波動影響因素分析發現，這四種金屬受自身價格波動的影響最為顯著，對有色金屬價格波動沖擊較顯著的變量還有國內生產總值和貨幣供應量。有色金屬價格波動受供需因素和貨幣金融因素的雙重影響，以國內生產總值和貿易量為代表的供需因素對有色金屬價格波動的影響持續性較強，而以貨幣供應量和消費者價格指數為代表的貨幣金融因素對有色金屬價格波動的影響短期效應較強。從不同金屬來看，銅貿易國的貿易量對銅價波動的貢獻度要高于其他三種有色金屬貿易國家；鋁、鉛、鋅貿易國家的金融因素對鋁、鉛、鋅價格的影響要強于銅貿易國家。

4結論與建議

本文從實體經濟、供需狀況和貨幣金融三個層面，選取有色金屬中貿易量較大的銅、鋁、鉛、鋅四種礦產品，和中國、美國、印度、巴西、澳大利亞、智利、秘魯等20個有色金屬主要貿易國家，建立面板向量自回歸模型，驗證各個因素對有色金屬價格的影響方向和大小，主要研究結論如下：

（1）從銅、鋁、鉛、鋅四種有色金屬價格波動影響因素的共性來看，國內生產總值和貨幣供應量對有色金屬價格波動的影響較大，但受二者影響的作用方式不同。國內生產總值與有色金屬價格存在長期均衡，即有色金屬價格持續受到供需因素的影響。貨幣供給量對有色金屬價格的影響短暫而劇烈，即金融因素會引起有色金屬價格的短期劇烈波動。

（2）國內生產總值和貿易量與銅價的波動密切相關，貨幣供應量和消費者價格指數對銅價的波動相關性較弱；貨幣供應量和消費者價格指數與鋁、鉛、鋅價格的波動密切相關，貿易量與鋁、鉛、鋅的價格相關性較弱。

（3）有色金屬主要貿易國的各個變量對銅、鋁、鉛、鋅價格波動的貢獻程度不同。銅貿易國的貿易量對銅價波動的貢獻度要高于其他三種有色金屬貿易國家；鋁、鉛、鋅貿易國家的金融因素對鋁、鉛、鋅價格的影響要強于銅貿易國家。

綜上，供需因素與金融因素是影響國際有色金屬大宗商品價格波動的主要因素，供需因素對國際有色金屬大宗商品價格波動的影響是長期而持續的，金融因素對國際有色金屬大宗商品價格波動的影響是短期而劇烈的，該結論與韓立巖等人[6]的結論相同。從影響銅、鋁、鉛、鋅價格波動因素的特點來看，銅貿易國需求方勢力對銅價波動的影響較顯著，而金融因素對鋁、鉛、鋅價格波動的影響較顯著。有色金屬是國民經濟運行所必需的基礎原料，同時是國際大宗商品市場上交易量巨大的產品，隨著全球化程度的加深，各國金融市場的聯系也日益緊密。有色金屬價格的劇烈、頻繁波動，不僅會對世界實體經濟產生沖擊，而且會影響國際大宗商品市場的平穩運行，沖擊各國的貨幣金融體系。因此，在進一步關注有色金屬大宗商品供應結構的同時，還需要關注貨幣金融因素對國際有色金屬大宗商品市場的短期影響。

近年來，以中國為代表的新興經濟體宏觀經濟運行態勢較好，大幅拉動了對有色金屬的需求。中國已成為銅、鋁、鉛、鋅四種有色金屬的最大進口國，雖然近期中國對有色金屬需求的增長已有放緩，但仍處在較高的需求平臺期，加之印度、巴西、馬來西亞等工業化初期國家工業化潛力較大，未來新興國家對有色金屬的需求量仍會維持高位，科學研判有色金屬價格波動，將有利于世界經濟的穩定發展。根據上文結論，提出以下對策：①以中國為代表的需求國應密切關注有色金屬價格走勢，建立健全有色金屬價格的實時監測和預警機制。②以中國為代表的需求國應在建立國家儲備體系的同時，探索建立有色金屬商業儲備體系，在滿足長期需求的同時增加抗擊有色金屬價格短期波動的能力。③在全球范圍內，鋁、鉛、鋅已經呈現全球性過剩的局面，以中國為代表的需求國和其他供給國應制定相應的產業政策，化解過剩產能，早日度過礦業低潮期。④供需層面和貨幣金融因素對有色金屬價格波動的影響具有滯后效應。發達經濟體金融系統完善，對有色金屬價格波動的反映更為及時、迅速，更能捕捉到期貨市場上的機會獲利。以中國為代表的有色金屬消費國對有色金屬價格的影響力仍需提升，對有色金屬價格波動的反應仍需加快，利用金融手段避險趨利仍需加強。

（編輯：李琪）

參考文獻（References）

[1]TROSTLE R. Global agricultural supply and demand： factors contributing to the recent increase in food commodity prices[R]. Washington DC： US Department of Agriculture， Economic Research Service， 2008.

[2]HUA P. On primary commodity prices[J]. Journal of policy modeling， 1998， 20（6）：767-790.

[3]CHEUNG C， MORIN S. The impact of emerging Asia on commodity prices[R]. 2007：181-224.

[4]LALONDE R， MAIER P， MUIR D. Emerging Asias impact on food and oil prices： a modelbased analysis[R]. Bank of Canada， 2009.

[5]譚小芬，劉陽，張明.國際大宗商品價格波動：中國因素有多重要[J].國際金融研究， 2014（10）：75-86. [TAN Xiaofen， LIU Yang， ZHANG Ming. The international commodity price fluctuations： how important of Chinas factor[J]. Studies of international finance， 2014（10）：75-86.]

[6]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. [HAN Liyan， YIN Libo. Speculation or real demand？：a multivision economic analysis of the international commodity prices impact factors[J]. Economic research journal， 2012（12）：83-96.]

[7]李靚，穆月英.大宗商品國際市場價格波動的影響因素研究——基于分組國家的比較[J].國際金融研究，2015（10）：55-63. [LI Liang， MU Yueying. Factors affecting international commodity price fluctuations：based on comparison of group countries[J]. Studies of international finance， 2015（10）：55-63.]

[8]FRANKEL J A. The effect of monetary policy on real commodity prices[R]. NBER， 2007：1-21.

[9]王高尚.后危機時代礦產品價格趨勢分析[J].地球學報，2010， 31（5）：629-634. [WANG Gaoshang. Mineral commodity prices trend in the late crisis times[J]. Acta geoscientica sinica， 2010， 31（5）：629-634.]

[10]盧鋒，李遠芳，劉鎏.國際商品價格波動與中國因素[J].金融研究，2009（10）：38-56. [LU Feng， LI Yuanfang， LIU Liu. International commodity prices fluctuations and Chinas factor[J]. Journal of financial research， 2009（10）：38-56.]

[11]周偉，何建敏.后危機時代金屬期貨價格集體上漲——市場需求還是投機泡沫[J].金融研究，2011（9）：65-77. [ZHOU Wei， HE Jianmin. Price rises of metal future， whether market demand or speculative bubble[J]. Journal of financial research， 2011（9）：65-77.]

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

[13]ANZUINI A， LOMBARDI M J， PAGANO P. The impact of monetary policy shocks on commodity prices[J]. SSRN electronic journal， 2010， 9（1232）：119-144.

[14]LANDGRAF S， CHOWDHURY A. Factoring emerging markets into the relationship between global liquidity and commodities[J]. Journal of economic studies， 2015， 42（4）：622-640.

[15]鐘美瑞，諶杰宇，黃健柏，等.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[J].中國管理科學，2016（4）：45-53. [ZHONG Meirui， CHEN Jieyu， HUANG Jianbai， et al. Nonlinear effect studies of influence factors of nonferrous metals price fluctuation based on MSVAR Model[J]. Chinese journal of management science，2016（4）：45-53.]

[16]邊璐，張江朋，宋宇辰，等.國際金屬價格指數、廣義需求與中國稀土產品價格[J].資源科學， 2014（3）：92-93. [BIAN Lu， ZHANG Jiangpeng， SONG Yuchen， et al. Foreign metals index， general requirement and prices of Chinese rare earth products[J]. Resources science， 2014（3）：92-93.]

[17]張晶， 周海川. 國際大米價格互動性與中國糧食安全研究[J]. 中國人口·資源與環境， 2014， 24（10）：163-169. [ZHANG Jing， ZHOU Haichuan. Interactive analysis of international price for rice and the study on food security[J]. China population， resources and environment， 2014， 24（10）：163-169.]

[18]BAFFES J. Oil spills on other commodities[J]. Resources policy， 2007， 32（3）：126-134.

[19]TOKGOZ S. The impact of energy markets on the EU agricultural sector[R]. European association of agricultural economists， 2008.

[20]SARI R， HAMMOUDEH S， SOYTAS U. Dynamics of oil price， precious metal prices， and exchange rate[J]. Energy economics， 2010， 32（2）：351-362.

[21]HOLTZEAKIN D， ROSEN H S. Estimating vector autoregressions with panel data[J]. Econometrica， 1988， 56（6）：1371-95.

[22]孫正， 張志超. 流轉稅改革是否優化了國民收入分配格局？ [J]. 數量經濟技術經濟研究， 2015（7）：74-89. [SUN Zheng， ZHANG Zhichao. Whether the turnover tax reform optimize the distribution pattern of national income or not[J]. The journal of quantitative & technical economics， 2015（7）：74-89.]

[23]王美昌， 徐康寧. 貿易開放、經濟增長與中國二氧化碳排放的動態關系——基于全球向量自回歸模型的實證研究[J]. 中國人口·資源與環境， 2015， 25（11）：52-58. [WANG Meichang， XU Kangniing. Trade openness， economic growth and CO2 emission in China： a GVAR analysis[J]. China population， resources and environment， 2015， 25（11）：52-58.]

[24]李穎， 胡日東. 中國房地產價格與宏觀經濟波動——基于PVAR模型的研究[J]. 宏觀經濟研究， 2011（2）：26-30. [LI Ying， HU Ridong. Chinese real estate prices and macroeconomic fluctuation： based on studies of PVAR Models[J]. Macroeconomics， 2011（2）：26-30.]

[25]王安建，王高尚，陳其慎，等. 礦產資源需求理論與模型預測[J]. 地球學報. 2010， 31（2）： 137-147. [WANG Anjian， WANG Gaoshang， CHEN Qishen， et al. The mineral resources demand theory and prediction model[J]. Acta geoscientica sinica， 2010， 31（2）： 137-147.]

[26]賈立文， 徐德義. 區域經濟、城鎮化對鐵礦石需求的影響研究——基于27國樣本[J]. 資源科學， 2016， 38（1）：144-154. [JIA Liwen， XU Deyi. Regional economic and urbanization effects on iron ore demand based on a sample of 27 countries[J]. Resources science， 2016， 38（1）：144-154.]