中國與巴西雙邊貿易的“J 曲線效應”

張瑞新 齊一葦 魏浩

摘?要：利用1995年至2017年間的雙邊貿易數據，并以我國和巴西基于?SITC?分類的?63個行業為研究對象，檢驗了巴西雷亞爾兌人民幣匯率與兩國各行業貿易收支之間是否存在貿易“J?曲線效應”。通過使用?ARDL?自回歸分布滯后模型和?ECM?誤差修正模型，探究巴西雷亞爾兌人民幣貶值對其貿易收支的長期影響與短期效應。最終結果顯示研究樣本中的14個行業存在該效應。本文提供了包括影響時滯和影響行業在內的較為詳細的檢驗結果，也為我國制定關于巴西貿易以及貿易產業等政策提供了參考依據。

關鍵詞：J曲線效應?匯率?中巴貿易收支

一、引言

（一）研究背景

近二十年來，中國與巴西的進出口貿易額呈現強勁的上升趨勢。據聯合國貿易統計處2018年的最新數據，從巴西的角度衡量，中國是巴西最大的貿易伙伴國，也是其最大的貿易順差來源國;從我國的角度衡量，巴西也同時位列中國的前十大貿易伙伴國之一。作為新興市場國家且同為金磚國家，中國和巴西在經濟上確實有諸多的共通和互補之處，多年來也保持著友好與密切的貿易合作與往來。

巴西的農作物和礦石原料較為豐富，因此植物產品與礦產品向來是其對華出口的主力產品;于此同時中國的化工產品、機電產品等在巴西市場也有著巨大的需求。近幾年來，同為金磚國家的中巴兩國，以互利共贏為原則，簽署過多項雙邊協議：如2013年雙方央行簽署的價值1900億元人民幣的中巴雙邊本幣互換協議，以及2015年簽訂的價值數百億美元、涵蓋多項產業的貿易、金融和投資協議等。根據聯合國商品貿易統計處（UN?Comtrade）數據?本文采用的貿易數據均來自聯合國商品貿易統計處（UN?Comtrade），且截取數據均以巴西為統計匯報國。顯示，2018?年巴西對中國的貨物出口總額將近?64206億美元，進口總額為?34730億美元，貿易盈余高達29476億美元。該數值占巴西整體貿易盈余的5025%。作為其貿易伙伴國，相對其他美洲國家，中國雖然不具有地理上的優勢，但近幾年已代替美國成為了巴西最大的貿易伙伴也是最大的貿易順差來源國。?但是隨著兩國經貿往來的增加，貿易摩擦也不可避免地時有出現。據我國商務部貿易的官網資料顯示，2018年巴西曾對我國軋輥和球墨鑄鐵管兩種產品提起過反傾銷立案調查，另外還有涉及到多種產品的多達12項反傾銷日落復審調查。張家瑾和陳美珍（2015）[1]認為這些日漸增加的貿易摩擦源自兩國現今的經濟增長疲乏、各自的工業結構同質化、產業內貿易往來的增加以及匯率波動等因素。

在中國與巴西經貿關系如此密切的背景下，詳實地探究兩國的貿易動因顯得極為重要。尤其是，在我國對巴西貿易逆差如此顯著的情況下，密切關注該逆差的影響因素以及未來變化都更加具有實際的意義。本文將研究重心放在巴西貨幣對人民幣的匯率變動上，?檢驗匯率對兩國雙邊貿易的短期以及長期的影響是否呈現出貿易?J?曲線效應。

觀察?1995?年到?2018?年間巴西雷亞爾（巴西官方貨幣）兌人民幣的匯率波動狀況，可以發現雷亞爾兌人民幣的名義和實際匯率在該統計年份內均呈貶值趨勢（名義匯率在本文均定義為雷亞爾每單位人民幣的形式，即該匯率的數值增加代表巴西雷亞爾對人民幣貶值）。近十年來，該貶值趨勢僅在?2017年有所緩和，至?2018年雷亞爾兌人民幣名義匯率已達到?055?的紀錄。近十年內，實際匯率貶值也達到了?40%。這在理論上會使巴西的產品在國際市場上相對更加便宜，因此進一步促進其對中國的出口。同時也會使中國的產品相對價格更高，從而減少巴西從中國的進口，擴大我國對巴西的貿易逆差。因此利用真實數據檢驗這一理論將有助于衡量該雙邊匯率變動可能給我國貿易收支帶來的風險。

在該領域的文獻中，目前已有的少量研究利用貿易總額為檢驗數據，但該宏觀數據并不能詳實地發現匯率變動對中國和巴西貿易更為具體、更為深入的影響。針對這種研究的欠缺，本文采用了?1995?至?2017?年巴西對華貿易中按?SITC?編碼進行細分的?63?個行業的年度數據。探究并使用了?ARDL?自回歸分布滯后模型和誤差修正模型對這些行業雙邊易的?J?曲線效應進行實證分析?本文細分的行業貿易數據按照?SITC?編碼進行分類獲取。但鑒于部分行業的數據存在年份缺失，無法適用時間序列模型，本文參考的63個行業并未覆蓋中國與巴西的所有貿易產品。

，從影響時滯和影響行業等更為細致的層面提供了針對中國與巴西貿易的政策參考依據。

（二）文獻綜述

一國貨幣貶值，在短期內，會首先導致以外國貨幣計價的進口價格相對上漲，而以本國貨幣計價的出口價格相對下降。這種計價上的相對改變會直接導致該國的貿易收支惡化。同時由于生產消費行為與貿易合同的“慣性”，進出口的貿易量調整相對于匯率的實時變動存在著滯后性，即貿易量不會對此做出迅速反應并發生較大變動。因此從以上兩方面考量，貨幣貶值在短期內很可能會導致更高的貿易逆差或更低的貿易盈余。

隨著時間的發展，生產者活動和消費者決策逐漸針對匯率的變化做出調整，該國的進出口貿易量也會逐漸改變。這表現為本國消費者更少地購買相對更加昂貴的進口產品，以及外國消費者更多地購買相對低價的本國出口產品。結果使得貿易收支最終恢復并改善至比貨幣貶值前更好的水平。因此長期而言，本國貨幣貶值能夠改善本國的貿易收支。這一現象在國際貿易研究中被稱為“J?曲線效應”。該現象很早即由?Magee（1973）[2]提出，由于調整的時滯，貨幣貶值的短期效應可能與其長期效應不同，貿易收支可能會經歷一個短期惡化、長期改善的過程。

目前國外關于J?曲線的研究文獻比較豐富。這些文獻所研究的貿易關系多集中在美國，?中國，日本等貿易大國之間。其使用的貿易數據涉及多種雙邊或多邊貿易數據。Bahmani-Oskooee?和?Ratha?（2004）[3]、Bahmani-Oskooee?和?Hegerty（2010）[4]分別對關于J?曲線效應的大量研究進行了概述和分析。目前英文文獻涉及到的研究對象較為多樣化：?例如，以中國與其主要的貿易伙伴為研究對象（Bahmani-Oskooee，Bose?和?Zhang?2018）[5];?以韓國對世界的各行業貿易數據為研究樣本（Bahmani-Oskooee?和?Zhang?2014）[6];還有以大量雙邊貿易的行業級別數據為樣本（Bahmani-Oskooee?和?Wang?2008）[7]。

在研究方法上，當前國外研究多采用ARDL?自回歸分布滯后模型以及?ECM?誤差修正模型。近幾年，Bahmani-Oskooee?和?Fariditavana（2016）[8]以及?Bahmani-Oskooee?等（2018）[5]也開始嘗試使用非線性?ARDL?模型進行對貿易?J?曲線的檢驗。大量的研究結果表明，貿易?J?曲線確實存在于某些雙邊貿易伙伴或者相應的貿易行業中，但是總結這些研究時并沒有發現普遍一致的適用于各個國家以及行業的貿易?J?曲線存在規律。

國內學者以人民幣匯率為研究重點，更多側重從總貿易數據上分析其對我國進出口貿易的影響。鐘偉等（2001）[9]運用我國?1993—1998?年的各季度總進出口數據，發現人民幣匯率貶值對我國貿易收支的改善作用有大約3個季度的時滯效應，但對其的短期影響并不明顯。對比該研究采用了人民幣的名義匯率進行分析，劉堯成等（2010）[10]使用更為貼切的人民幣實際有效匯率展開研究。結論顯示匯率的變化對我國貿易收支存在明顯的?J?曲線效應。劉陽陽等（2015）[11]將研究時長分為三個區間，發現金融危機后我國的總貿易收支受匯率影響的?J?曲線效應在短期有增強的趨勢。

在這些針對貨幣和總體貿易收支關系的研究基礎上，當前也有少數學者運用了我國與多個貿易伙伴的雙邊進出口數據進行?J?曲線的檢驗。Wang?和?Yang（2012）[12]采用了面板誤差校正模型，檢測中國與包括巴西在內的?18個貿易伙伴間的?J?曲線效應，研究結果是總體上輕微支持反?J?曲線效應的存在，而人民幣的實際升值對中國的貿易收支總體上沒有顯著的負面長期影響。李志國等（2007）[13]、張云等（2017）[14]以及李夏玲等（2017）[15]分別以我國和多個主要貿易伙伴為研究對象，在部分雙邊關系中發現了匯率對貿易收支影響的?J?曲線效應。現有的國內關于?J?曲線的研究都使用了國家的總貿易數據，因此極可能會產生匯總偏誤，即該國與其主要貿易伙伴之間的顯著結果可能會被某些行業貿易中的不顯著結果所抵消。對比國外關于貿易?J?曲線的研究，我國目前細分到各個進出口行業級別的研究十分欠缺，且從未有設計過關于中巴貿易的?J?曲線研究。

在目前所有的國內外研究中，針對中國與巴西貿易的J?曲線效應相關的研究也較為罕見。Bahmani-Oskooee?和?Malixi?（1992）[16]、?Gomes?和?Paz?（2005）[17]?與Moura?和?Da?Silva?（2005）[18]的三項研究均對巴西某些雙邊貿易是否存在“J?曲線效應”?做出過分析。前兩項研究均支持其存在，而后一項研究則不支持。基于這種使用總貿易量研究的缺陷，Mohsen?Bahmani-Oskooee，?Hanafiah?Harvey?和?Scott?W?Hegerty?（2014）[19]?專注于巴西與美國的雙邊貿易，將其貿易往來按商品種類分為?92?個行業，利用有界協整和誤差修正模型對各個行業分別進行分析，最終在?31?個行業中發現了?J?曲線效應的存在。

隨著近幾年我國和巴西互為重要的貿易伙伴國。根據?2018?年數據，我國為巴西的第一大貿易伙伴國，巴西為我國的第八大貿易伙伴國，并且在此雙邊貿易中我國處于貿易逆差角色。因此研究兩國匯率對各行業雙邊貿易的影響顯得尤為重要。一方面可以揭示更為細化的行業貿易狀況，另一方面也可以測試匯率風險在兩國貿易中的潛在影響。但當前尚未有研究涉及過巴西與我國基于各行業貿易級別的?J?曲線實證分析。基于這一研究需要，本文利用時間序列中的誤差修正模型對兩國的?63?個行業貿易進行逐一的?J?曲線效應分析。本文一方面拓展了中國與巴西貿易?J?曲線的研究深度，另一方面也可以對兩國貿易收支變化和政策的制定提供重要的參考內容。

二、模型與數據

（一）計量模型

自Bahmani-Oskooee（1985）[20]使用時間序列模型檢驗?J?曲線現象的方法以來，簡化形式的貿易收支模型成為了許多學者使用的普遍方法。其中，本國收入水平，外國收入水平，實際匯率這三個變量通常被認為是影響貿易收支變化的主要因素。因此，根據中國與巴西雙邊貿易進行方程的符號標注，得到的中巴貿易收支方程如下：

lnTBi，t=a+blnYBt+clnYCt+dlnlnREXt+εi，t[JY]（1）

基于數據來源與問題分析的側重點，本研究從巴西進出口的視角建立模型。模型中TBi表示?i?行業中巴西對中國的貿易收支，其中?TB?等于巴西對中國出口總量與巴西對中國進口總量的比值;YB表示巴西的實際?GDP;YC表示中國的實際?GDP;ε表示誤差項。如果巴西實際收入YB增加，本國消費者對進口商品需求提升，則系數?b?預期為負;相反，如果中國實際收入YC增加，巴西的對華出口商品需求提升，則系數?c?預期為正。?REX?表示巴西雷亞爾兌人民幣雙邊實際匯率，并且?REX=NEX*PC/PB。其中PC為中國的價格水平。PB為巴西的價格水平。NEX?為雷亞爾名義匯率，定義為每人民幣價值的巴西雷亞爾數量。因此本研究中?REX?的增加代表雷亞爾對人民幣貶值。依照貿易?J?曲線理論，貨幣貶值會在長期改善行業i?的貿易收支，由此預期系數?d?的符號為正。綜上所述，估計方程（1）的系數即可以得到長期關系的系數估計值。為了得到?J?曲線效應的短期系數估計值，即估計貿易收支是否會在在貨幣貶值的初期有所惡化，本研究采用了誤差修正模型。

該方法參考?Bahmani-Oskooee，?Harvey?和?Hegerty?（2014）[19]把方程（1）進行擴展，將短期動態調整加入方程（1）中以估計?J?曲線的短期效應部分。該方法要求在進行計量估計前對各變量進行協整檢驗。Engle-Granger?檢驗和Johansen?檢驗是進行協整檢驗的常用方法，但這兩種方法均要求被檢驗變量間必須是同階單整關系。然而在很多情況下變量可能并不是同階單整。針對這一問題，Pesaran?等（2001）[21]的研究提出了?ARDL?邊界協整檢驗，該協整檢驗方法突破了必須同階單整的限制，同時也無需提前進行單位根檢驗。Bahmani-Oskooee?和?Wang?（2008）[7]即使用此方法檢驗協整并研究了中美貿易間的?J?曲線現象。本文沿用此方法，為了使模型（2）中的長期系數的估計值有意義，首先對滯后變量的聯合顯著性進行?F?檢驗。如果該?F?檢驗值顯著，則變量間存在協整關系。

如果協整檢驗通過，則可使用如下誤差修正模型估計短期效應：

該方程中的滯后差分項部分表示各個變量對貿易收支的短期影響。其中核心變量為滯后差分項中的ΔlnREX，其參數?λt-j體現了在對應的滯后期內匯率貶值對貿易收支的影響。假定在所選取的滯后期中即可檢測到貿易?J?曲線現象，則?λt-j在低階滯后項預期為負，體現匯率在短期會導致貿易收支的惡化;而高階滯后項系數預期為正，體現匯率對貿易收支的改善需要較長的時間。方程（2）中的非差分項部分可用于估計變量的長期效應。如果綜合長期效應的參數估計來定義貿易?J?曲線，則預期用ω1標準化后的ω4顯著為正，表示貨幣貶值對貿易收支的長期改善作用;而差分項參數?λt-j?中存在顯著為負的參數估計值，表示貿易收支的短期惡化。

（二）數據介紹

巴西對中國進出口貿易的原始數據來源于UNCTAD?STAT（聯合國貿易和發展會議數據庫），本文選取的是1995年至2017年的年度數據。剔除數據缺失以及非連續的行業，本文以63個行業的進出口數據為研究樣本。各行業所對應的SITC三位代碼與貿易量占比如表1?所示。其中加“*”的SITC代碼行業為巴西對華的貿易順差行業。可見63個行業中順差行業僅有6個，但貿易占比整體較高。貿易量占比定義為，2017年該行業巴西對華進出口量的總和占巴西對華進出口總量之和的百分比。巴西與中國的實際GDP分別為YB、YC，巴西雷亞爾名義雙邊匯率NEX，巴西與中國的價格水平PB?和PC原始數據均來自于國際貨幣基金組織的國際金融數據庫（IMF?International?Financial?Statistics）。

三、計量結果

在計量過程中，本文將每個一階差分變量的最大滯后階數設置為4階，利用AIC信息準則對每個行業選取其最佳滯后階數，并根據邊限檢驗的邊界值進行判斷?受篇幅限制，63個行業的最優模型結果均未呈現在正文中，每個行業的診斷統計量均可聯系作者獲取。。根據J曲線效應顯著性，表2和表3截取了所有檢驗行業中的18個行業的系數估計值，表4展示了相應的診斷統計量。

首先關注匯率變動對貿易收支的短期效應部分。該效應體現在模型（2）中對系數λ?的估計值?受篇幅限制，本文僅展示了與核心變量-匯率相關的短期效應估計系數。，我們在52個行業中發現了匯率對貿易收支的短期影響，即這些行業的匯率一階差分項至少存在一個短期系數在10%的顯著性水平上顯著。其余11個例外行業的SITC編號為611，661，663，741，743，759，771，772，775，776，892。這意味著，中巴兩國貿易在大多數行業中存在匯率對貿易收支的短期影響，那么當系數λ的估計值存在低階滯后為負且顯著，在高階滯后為正且顯著時，即可以證明J曲線效應在該行業內存在。根據此定義，共有7個行業滿足條件，他們的編號分別為291，292，514，621，664，872，874。這些行業的評估結果均呈現在如下表2中。其中大部分行業在一階滯后系數即開始顯示為正，這表明巴西的貨幣貶值在一年后即可改善這些相應行業的貿易收支。

Rose和Yellen（1989）[22]提出了將J曲線效應定義為貿易收支的短期惡化與長期改善的結合。如果我們使用此定義，綜合考慮模型（2）中的短期與長期效應估計系數，那么即可定義更多的貿易J曲線行業。在10%的顯著性水平下，有11個行業滿足短期實際匯率系數中至少有一個顯著為負，并且長期實際匯率系數ω4估計值（見表3）顯著為正。這表明在這些行業中，巴西雷亞爾的貶值從長期來看會改善巴西這些行業的貿易收支。這11個行業的SITC編號分別為591，625，635，651，694，695，723，724，742，745，893。相較在短期系數中檢驗出的J曲線效應，在這個11個行業中，雷亞爾的貶值需要更長的時間來對巴西方面的貿易收支起到改善的作用。

用以上兩種方式可以在上述18個行業中檢測出貿易J曲線效應，但是需要進一步根據診斷統計量來進行協整關系和穩定性等的驗證。在10%的顯著性水平下檢驗協整關系，63?個行業中共有55個行業的F檢驗值呈顯著。因此僅有8個行業（SITC編號為598，629，671，?728，741，775，776，892）中的變量不存在長期協整關系。根據Bahmani-Oskooee和?Tanku（2008）[23]，我們可以通過構造滯后誤差修正項ECM來判斷變量間的協整關系。Kremers?等（1992）[24]的研究也表明，ECM項系數的檢驗是相對更加有效的協整檢驗方法。利用表3中所得的長期系數估計值和方程（1），我們能夠得到誤差修正項ECM，其具體的形式為ECMt=lnTBt-ω2ω1lnYBt-ω3ω1lnYCt-ω4ω1lnREXt。接著用ECMt-1替換方程（2）中的滯后水平變量部分，應用之前相同的最佳滯后階數后重新估計新模型。如果得到ECMt-1的系數為負數且顯著，則證明變量間存在協整關系，同時ECMt-1的系數還使我們對調整速度有所了解，系數的絕對值越大則向平穩狀態調整的速度越快。

在全部63個行業中，在10%的顯著性水平下，有47個行業的ECMt-1系數顯著為負，因此絕大多數行業的最優模型中，變量具有協整關系。而不滿足顯著為負條件的16個行業中，?包括了291，723，745這三個在上述J曲線檢驗中符合條件的行業。同時，一些行業（如行業661、635）中的變量向穩態調整的速度相對較快，而在其他行業中，例如行業752、582，?調整速度則相對較慢。

根據Pesaran?等?（2001）[21]與?Bahmani-Oskooeeet?和?Orhan（2005）[25]等的研究，為了確定短期和長期系數估計值的穩定性，我們使用遞歸殘差累計和（CUSUM）與遞歸殘?差平方累計和（CUSUMSQ）檢測每個最優模型的殘差。結果如表4中第四、五列所示，絕大多數模型的系數估計值是穩定的。然而在前文得出符合J曲線定義的18個行業中，行業621的CUSUM和CUSUMSQ檢測均顯示為不穩定。因此我們在如上所述的J曲線檢測合格行業中將621?行業剔除。本研究也檢測了各個行業模型調整后的R2，它的值反映了每個最優模型的擬合優度。整體來看，63個行業各自的最優模型擬合度較高。綜上所述，剔除了F檢驗、ECM（-1）檢驗、CUSUM和CUSUMSQ檢測不通過的行業后，J曲線效應在14個行業中得到驗證。這14個行業的編號為292，514，591，625，635，651，664，694，695，724，?742，872，874，893。根據表1中的SITC行業代碼名稱，這些行業雖然體現了J曲線效應，?但并未呈現其他的相似性和共同點。

針對除匯率外的控制變量，從長期效應系數中我們還能發現，巴西實際收入的系數ω2在36個行業中具有顯著性。其中將近80%的行業?巴西收入系數顯著為負的?28?個行業編碼為：98，291，512，514，554，591，611，621，625，651，661，664，667，671，693，699，713，716，743，744，747，749，759，764，773，778，784，851。中該系數為負，與理論預期相符合，即巴西經濟增長會導致這些行業的貿易收支惡化。其余顯著為負的系數?巴西收入系數顯著為正的?8?個行業編碼為：81，511，516，694，723，724，745，771。則暗示隨著巴西的經濟增長，巴西可能會產出更多的中國進口替代品或者購買其他國家的產品，從而降低這些行業中針對中國的進口量或增加相應出口量。類似的，有36個行業的中國實際收入系數?ω3表現出顯著，其中絕大部分行業的系數符合預期且顯著為正?中國收入系數顯著為正的行業編號：291，292，512，514，554，591，611，621，651，661，664，667，671，693，699，713，716，743，744，747，749，759，764，773，778，784，851。

，這表明中國實際GDP的提升對巴西這些行業的貿易收支具有長期的正面影響。

四、結論與建議

由于貿易產品的生產、交付和消費對于匯率變動具有調整時滯，本國貨幣的貶值可能會導致該國的貿易收支短期受損而長期受益，這個變化過程被稱為“J曲線效應”。目前對于貿易J曲線效應的研究較為豐富，但是站在中國與巴西這兩個同屬金磚國家的雙邊貿易角度進行研究的還并不多見。本文從雙方進行貿易的63個行業層面檢測貿易J曲線，首先豐富了有關中巴貿易的實證研究;其次不僅有助于對我國與巴西的貿易狀況進行深入的了解，也為衡量該雙邊匯率對特定行業貿易收支的影響提供了依據。

巴西和中國互為對方的重要貿易伙伴，進一步研究雙方貿易與匯率的關系也因此具有深遠的意義。盡管此前的研究曾使用誤差修正模型和協整分析來檢驗中巴兩國貿易間的J?曲線效應，但是這些研究使用的均為中國和巴西兩國間總體的貿易數據，研究結果并沒有為J曲線這一現象提供詳實的證據。究其原因，這種基于兩國貿易總量的研究很容易在回歸中存在匯總的偏誤。其中匯率對各行業貿易收支的不同影響可能會互相抵消，造成不顯著的結論。對比這些研究，本文從行業層級細分兩國間的進出口數據。本研究不僅減少了匯總偏誤的影響，并且為探究中巴兩國實際匯率對貿易收支的短期、長期影響提供了行業層面的實證支持。

本文使用SITC三位編碼行業1995年至2017年的年度貿易數據，利用ARDL模型和邊限檢驗法判斷協整，并使用誤差修正模型將貨幣貶值的短期效應從長期效應中分開。實證結果表明，在本文研究的63個行業中，剔除了F檢驗、ECM檢驗、CUSUM和CUSUMSQ檢測不通過的行業后，J曲線效應的顯著性在14個行業中得到了驗證。

從貿易收支狀況來看，該14個行業（編號為292，514，591，625，635，651，664，?694，695，724，742，872，874，893）均為巴西對我國的貿易逆差行業。在這些行業中匯率變動雖然短期內不會改變我國對巴西凈出口的現狀，但如果發生持續的雷亞爾兌人民幣實際匯率貶值，仍有可能會反轉我國相應產業對巴西的出口優勢。事實上2011—2018年，?雷亞爾對人民幣確實發生了持續貶值的現象，僅在2015—2017年間有略微的回調（見圖2）。因此相應的行業應該在未來規劃中考慮如何降低這種匯率變動帶來的風險。

[HJ1.7mm]在這些行業中的勞動密集型產業，如651紡織紗和893未另列明的塑料制品等，一方面可考慮國內從東向西的生產中心轉移，保持成本優勢。另一方面可以在“一帶一路”建設的帶領下，將本土企業向海外發展，利用國外勞動力資源，自然資源等優勢，繼續保持相關行業的整體出口優勢。而資金技術密集型行業，如872，874相關儀器和器械等，應進一步提升企業的自主創新能力，進一步推進產品在巴西市場的占有率以保持現有出口優勢。其中如果個別企業對巴西市場高度依賴，也應該考慮拓展其他出口市場，減少雙邊貿易的風險。

從貿易規模來看，本文中顯著體現貿易J曲線的14個行業貿易占比的加總為38%。其中單個行業貿易占比最大的為049%，最小的只有004%。這些比重數字說明了該14個行業并不是中巴貿易的重要支柱行業。匯率風險在短期和長期雖然會影響相應行業和企業的進出口貿易，但是鑒于其較低的貿易占比，并不會明顯的改變中國與巴西宏觀整體上的雙邊貿易態勢。將關注點僅放到匯率對貿易收支的長期影響上，本文的實證結果顯示雷亞爾貶值會對18個行業中的巴西貿易收支起到改善的作用。然而這18個行業的貿易占比總和僅為55%，其中最大行業的貿易占比也不足1%。那么即使不關注短期效應，匯率風險長期上也不會大規模的影響中國與巴西整體雙邊貿易。

利用基于行業層面的雙邊貿易數據，本研究為63個行業提供了中巴貿易受匯率變動影響的實證證據。這些證據有利于制定針對不同行業的貿易政策，以防范匯率風險，促進我國與巴西貿易的和諧發展。

參考文獻：

[1]?張家瑾，?陳美珍.?中巴貿易摩擦現狀及對策[J].?人力資源管理，?2015（8）.

[2]?Magee，?S.?P.?Currency?Contracts，?Pass?Through?and?Devaluation[J].?Brooking?Papers?on?Economic?Activity.1973，4（1）.

[3]?Ratha?A?，?Bahmani-Oskooee?M?.?The?J-Curve：?a?Literature?Review[J].?Applied?Economics，?2004，?36（13）.

[4]?Bahmani-Oskooee?M?，?Hegerty?S?W?.?The?J-?and?S-curves：?a?Survey?of?the?Recent?Literature[J].?Journal?of?Economic?Studies，?2010，?37（6）.

[5]?Bahmani-Oskooee?M?，?Bose?N?，?Zhang?Y?.?Asymmetric?Cointegration，?Nonlinear?ARDL，?and?the?J-Curve：?A?Bilateral?Analysis?of?China?and?Its?21?Trading?Partners[J].?Emerging?Markets?Finance?and?Trade，?2018，?54（13）.

[6]?Bahmani-Oskooee?M?，?Zhang?R?.?Is?there?J-Curve?Effect?in?the?Commodity?Trade?Between?Korea?and?Rest?of?the?World？[J].?Economic?Change?and?Restructuring，?2014，?47（3）.

[7]?Bahmani-Oskooee?M?，?Wang?Y?.?The?J-curve：?Evidence?from?Commodity?Trade?between?US?and?China[J].?Applied?Economics，?2008，?40（21）.

[8]?Bahmani-Oskoo?Ee?M?，?Fariditavana?H?.?Nonlinear?ARDL?Approach?and?the?J-Curve?Phenomenon[J].?Open?Economies?Review，?2016，?27（1）.

[9]?鐘偉，?胡松明，?代慧君.?人民幣J曲線效應的經驗分析[J].?世界經濟，?2001，?24（1）.

[10]?劉堯成，?周繼忠，?徐曉萍.?人民幣匯率變動對我國貿易差額的動態影響[J].?經濟研究，?2010（5）.

[11]?劉陽陽，?馮明，?唐燕華.?匯率變動對中國貿易順差的影響：直接效應和聯動效應[J].?投資研究，?2015（11）.

[12]?Bolkesj?T?F?，?Buongiorno?J?.?Short-?and?long-run?exchange?rate?effects?on?forest?product?trade：?Evidence?from?panel?data[J].?Journal?of?Forest?Economics，?2006，?11（4）.

[13]?李治國，?徐劍剛，?曾利飛.?人民幣升值壓力下存在J曲線效應嗎[J].?世界經濟研究，?2007（3）.

[14]?張云，?李秀珍，?唐海燕.?人民幣貶值和升值的貿易效應一致嗎？：基于ARDL誤差校正方法的檢驗與比較[J].?世界經濟研究，?2017（11）.

[15]?李夏玲，?殷鳳，?王志華.?人民幣匯率變動與中國貿易收支的非線性動態效應分析[J].?國際貿易問題，?2017（12）.

[16]?Bahmani-Oskooee?M?，?Malixi?M?.?Inflationary?Effects?of?Changes?in?Effective?Exchange?Rates：?LDCs?Experience[J].?Applied?Economics，?1992，?24（4）.

[17]?Paz?L?S?，?Gomes?F?A?R?.?Can?Real?Exchange?Rate?Devaluation?Improve?the?Trade?Balance？?The?1990-1998?Brazilian?case[J].?Applied?Economics?Letters，?2005，?12（9）.

[18]?Silva?S?D?，?Moura?G?.?Is?there?a?Brazilian?J-Curve？[J].?Economics?Bulletin，?2005，?6（10）.

[19]?Bahmani-Oskooee?M?，?Harvey?H?，?Hegerty?S?W?.?Brazil–US?Commodity?Trade?and?the?J-Curve[J].?International?Journal?of?Economics?and?Business?Research，?2014，?5（1-3）.

[20]?Bahmani-Oskooee?M?.?Devaluation?and?the?J-Curve：?Some?Evidence?for?LDCs[J].The?Review?of?Economics?and?Statistics，?1985，?67（3）.

[21]?Pesaran?M?H?，?Shin?Y?，?Smith?R?J?.?Bounds?Testing?Approaches?to?The?Analysis?of?Level?Relationships[J].?Journal?of?Applied?Econometrics，?2001，?16（3）.

[22]?Yellen?J?，?Rose?A?.?Is?there?a?J-curve？.?1989（24）.

[23]?Bahmani-Oskooee?M?，?Tankui?A?.?The?Black?Market?Exchange?Rate?vs.?the?Official?Rate?in?Testing?PPP：?Which?Rate?Fosters?the?Adjustment?Process？[J].?Economics?Letters，?2008，?99（1）.

[24]?Kremers，?J.J.M.，?Ericsson，?N.R.?and?Dolado，?J.J.??The?Power of?Cointegration?Tests[J].?Oxford?Bulletin?of?Economics?and?Statistics，1992，54（3）.

[25]?Bahmani-Oskooee?M?，?Kara?O?.?Income?and?Price?Elasticities?of?Trade：Some?New?Estimates[J].?International?Trade?Journal，?2005，?19（2）.

（本文系“中央高校基本科研業務費專項資金資助”成果）

（張瑞新、齊一葦、魏浩，北京師范大學）