外部不确定性冲击与中国玉米价格波动*

刘 帅，刘丁语

（1.吉林农业大学经济管理学院，长春 130118；2.吉林农业大学粮食主产区农村经济研究中心，长春 130118）

一、引 言

中国自古以来就是农业大国，粮食的生产与安全是农业重点关注的问题，这直接影响到国家的经济发展与社会稳定。粮食生产安全问题的核心是粮食价格，其价格波动会影响居民的生活状况。况且在经济全球化的背景下，中国粮食价格受到各种外部不确定因素的冲击越来越广泛且深远。通常引起粮食价格波动的原因有内部传导因素和外部冲击因素，内部传导因素主要包含供需、生产成本、生产者预期以及库存量等；而外部冲击因素主要包含替代品价格、国家政策、自然灾害以及贸易流通等（申宇，2016）。外部冲击因素通常是政府无法控制的事件，具有突发性、不可预测性以及来源广泛性等特点，使我国的物价剧烈而频繁的波动。

玉米作为中国三大主粮之一，具有高产量、类型多样、用途广泛、地域分布辽阔、开发潜力巨大等特性。而玉米价格也一直深受外部冲击影响，在玉米政策不断调整和改革时期，人民币汇率的变动与国际市场的不稳定等危机接踵而至。然而，最严重的外部冲击还是2020年突发的新冠肺炎疫情。针对国内市场而言，供给端，受到物流和运输严格管控、劳动力及企业在严峻形势下停产停工等影响，玉米等农产品供给减少；需求端，消费者对各类产品需求随着疫情时期满足自身健康需要而变化。对于国际市场而言，国外疫情日益严峻，个别国家对玉米等农产品采取出口限制措施，国际粮价也经历着大幅度无规律波动（刘绍熹等，2022）。疫情的突袭还引发其他外部因素的变动而造成联动效应，最终导致各种外部因素逐渐成为影响物价的主导因素，对全球的宏观经济均造成一定负向影响。从2020年开始，中国的玉米价格持续增加，由2020年1月的最低价1 941.45元/吨上涨到2021年3月的最高价2 975.59 元/吨，最大价差达1 034.14 元/吨。虽然到2022 年2 月为止，价格又波动下跌至2 751.28 元/吨，但总体仍呈上涨态势，两年间涨幅高达41.71%。玉米价格剧烈波动，既不利于稳定农民家庭收入，又影响玉米加工业等下游产业的发展，最终破坏中国经济社会的健康有序运行。对此，基于国际国内大背景与新形势，本文立足当前现状，探索和揭示现阶段中国玉米价格波动规律和变化趋势，剖析外部不确定性因素对玉米价格波动的影响，以期更深入地了解中国玉米价格波动的成因，并明确外部冲击因素对玉米价格波动的影响程度，为政府制定决策提供政策建议，有助于保证日后有效做好预防措施，及时平抑价格波动，保障国家粮食安全。

二、文献综述

已有许多学者从不同角度、运用不同方法研究农产品价格波动及其影响因素。以国内视角来看，大多数学者均会使用计量模型，马宏阳等（2021）、吴彩容等（2016）采用ARCH类模型分析农产品价格的长期波动特征。此外，宋丽等（2021）、郑旭芸等（2020）、王会娟等（2013）利用X12季节调整法分解中国玉米价格的时间序列，剔除季节要素与不规则要素后，再运用滤波分析法探索玉米价格波动规律，分析不同时段玉米价格特点。不同农产品价格的波动亦是有关联性的，陈晓暾等（2018）、田帅等（2017）基于月度数据，分别探究全国和吉林省玉米价格与生猪价格之间关系，并实证得出国内玉米价格波动影响猪肉价格波动、而吉林省玉米价格和猪肉价格短期内相互影响的结论。庞娇等（2018）选取中国玉米、豆粕和鸡蛋价格的月度数据，运用VAR模型，证明三者之间的相互影响存在一定时滞性。

在农产品价格影响因素分析中，多数学者认为市场供需、生产成本、种植面积、国际市场以及替代品价格是影响玉米价格最主要的因素（宫斌斌等，2017；方燕等，2012；郑旭芸等，2020；宋丽等，2021）。具体到外部不确定性冲击方面，政府政策及各种灾害疾病是主要影响因素。唐利群等（2022）、陈昱帆等（2022）、贾铖等（2021）分别运用VAR模型、TVP-VAR 模型实证分析中国猪肉价格影响因素，发现生猪疫情对猪肉价格存在显著冲击，且在新冠肺炎疫情的大环境下，经济政策的不确定性是当前对猪肉价格最大的影响，进而造成猪肉及其相关产业不稳定。当下全球最为关注的热点是疫情，其对农产品影响更为深远。崔海莹等（2022）、钟志平等（2021）就分别以疫情新增人数和疫情关注指数为核心变量，运用DCC-MGARCH模型、ARIMA模型及VAR模型，探讨了疫情对中国粮食价格和家禽产品价格的影响，发现不同种类农产品应对疫情冲击存在差异，且农产品的一次冲击时间与累积持续时间皆有不同。此外，还有学者分析经济政策不确定性指数、货币供应量、居民消费价格指数等外部影响因素对小麦和大豆影响（周君婷等，2021；孙中叶等，2021）。

上述文献已对中国农产品价格方面展开大量研究，但现有文献中少有探讨在当今国内国际形势复杂的背景下，外部不确定性冲击对中国玉米价格波动的影响。基于此，本文以各种外部冲击因素为主，运用ARCH 类模型和TVP-VAR 模型分析玉米价格的波动特征以及各种外部因素对玉米价格波动影响的时变特征，为玉米产业的发展提供科学决策依据。

三、中国玉米价格波动特征分析

（一）ARCH类模型的设定

本文首先对玉米价格收益率序列进行描述性统计分析、ADF平稳性检验和自相关检验，其次设置均值方程进行ARCH-LM检验，再次为深入研究其价格的波动特征，建立GARCH和GARCH-M模型，最后运用TGARCH和EGARCH模型分析该价格波动的非对称性。

首先，广义自回归条件异方差模型（GARCH模型）是由ARCH模型扩展而来

其次，在式（1）基础上加入表示预期风险的条件方差项，得到带均值的广义自回归条件异方差模型（GARCH-M模型）：

式（2）中，λ是条件标准差的一个倍数，若λ为正数，表示由于风险的增加使得市场参与者要求有更高的收益，此参数用于检验玉米市场是否具有高风险高回报的特征。

再次，门限自回归条件异方差模型（TARCH模型）用来描述时间序列的非对称性：

式（3）中，dt-1是虚拟变量，当εt-1＜0时，dt-1=1，否则，dt-1=0。其中，价格升高信息（εt≥0）对条件方差产生的影响为α1，而价格下降信息（εt-1＜0）产生的影响为α1+φ。

最后，指数GARCH模型（EGARCH模型）的条件方差方程为：

式（4）中，价格升高信息（εt-1≥0）对Lnht的影响为α+γ，价格下降信息（εt-1＜0）的影响为α-γ。

TARCH 模型和EGARCH 模型均可描述时间序列的非对称性，结合式（3）和式（4），若φ≠0 或γ≠0，证明波动是非对称。当φ＞0 或γ＜0 时，说明价格下降信息产生的波动比价格升高信息产生的波动大；当φ＜0或γ＞0时，说明价格升高信息产生的波动比价格下降信息产生的波动大。

（二）描述性统计分析

为了深入分析中国玉米价格波动特征，本文以2020 年突发的疫情为时间节点，运用2018 年1 月29日～2020年1月20日与2020年1月27日～2022年2月28日的周度数据对比分析，数据均来源于布瑞克农业数据库。构建ARCH模型并将玉米价格收益率作为载体，其计算公式以相邻月份玉米价格的对数一阶差分表示，即Rt=Lnpt-Lnpt-1，其中pt和pt-1分别表示第t月和第t-1月的价格。表1中的统计量值1和统计量值2分别为2018～2020年和2020～2022年玉米周度价格收益率序列。疫情前的玉米价格收益率平均值为0.0004，标准差为0.0070，偏度为0.8800＞0，说明序列分布存在右偏；峰度为6.1675＞3（正态分布的峰值为3），说明序列具有厚尾的特征；JB统计量为56.3532，P＜0.05，拒绝原假设，说明该序列不服从正态分布。疫情后的玉米价格收益率平均值为0.0033，标准差为0.0131，偏度为-0.1046＜0，说明序列分布存在左偏；峰度为6.1111＞3，说明此序列也具有厚尾的特征；JB 统计量为44.1577，P＜0.05，拒绝原假设，说明序列不服从正态分布。从玉米价格收益率变化图可知（见图1），疫情前后的玉米收益率波动皆有集聚性特点。

图1 中国玉米价格收益率变化图

表1 中国玉米价格收益率描述性统计分析

（三）平稳性检验与自相关检验

为检验疫情前后玉米价格收益率序列数据的平稳性，采用ADF单位根检验，结果如表2所示，T1和T2分别为疫情前与疫情后两个时间序列的ADF检验结果，可以看出两个时间序列在1%显著性水平下拒绝原假设，均为平稳序列。

表2 中国玉米价格收益率ADF检验结果

随后对玉米价格收益率序列进行自相关检验，检验结果见表3、4，可知两个时间序列中的自相关系数（AC）、偏相关系数（PAC）均不为0，Q-统计量对应的P值均小于置信度0.05，均存在自相关。

表3 2018～2020年中国玉米价格收益率自相关检验结果

表4 2020～2022年中国玉米价格收益率自相关检验结果

（四）ARCH效应检验及回归分析

为检验两个序列的集聚性效应，使用ARCH-LM检验方法并选用ARMA模型来拟合均值方程。表5中R1和R2分别表示2018～2020年和2020～2022年玉米价格收益率序列，滞后阶数分别选择为7阶和5阶时，检验概率P值最显著。两个序列均在1%显著性水平下拒绝原假设，存在显著的异方差效应，故应建立ARCH类模型。

表5 中国玉米价格收益率ARCH-LM检验结果

而后依据ARCH效应检验得到这两个序列至少存在7阶和5阶的ARCH效应，代表需要估计多个参数且难度较大，故本文选用一个低阶的GARCH模型代替，使模型的识别与估计均变得更容易。

首先，通过GARCH 模型的估计结果可知，无论疫情前后，在玉米价格收益率条件方差方程中，α1和β1均在10%水平下显著，说明这两个序列均有显著波动聚簇性。加之α1和β1之和为0.977＜1，证明过去的波动对未来的影响逐渐消失（见表6、7）。

表6 2018～2020年中国玉米价格收益率ARCH类模型估计结果

表7 2020～2022年中国玉米价格收益率ARCH类模型估计结果

其次，由GARCH-M 模型的估计结果可知在玉米价格收益率均值方程中，2018～2020年玉米价格收益率序列λ估计值为-0.9142，且在10%水平下显著；而2020～2022年的玉米价格收益率序列λ估计值虽为-0.2626，却不显著，可见疫情发生前中国玉米市场还存在着高风险高回报的形势，表明波动率越高的玉米市场，长期的绝对回报可能就越高；但在疫情发生后不存在高风险高回报的特征，证实疫情这种外部冲击使玉米市场变得不稳定、不规律。

最后，分别来看TARCH 模型和EGARCH 模型的估计结果。两个时间段的序列均在TARCH 模型中，φ＜0且在1%水平下显著；也均在EGARCH模型中，γ＞0且在1%水平下显著。可见在疫情发生前后，玉米价格波动均具有显著的非对称性，且玉米市场中价格升高信息产生的波动一直比价格下降信息产生的波动大。

综上所述，在对比疫情发生前后玉米价格的波动特征时，发现波动一直均具有显著的聚簇性，表明玉米价格收益率受到上一期预期方差的影响，即过去的价格波动影响到当期价格的波动。并且信息冲击对其价格的影响也一直是非对称的，价格上涨信息与价格下跌信息在玉米市场中的影响程度存在差异，前者比后者引发的波动更大，在此期间可能是由于各种内外部因素的冲击引起供销信息不对称而使价格急剧上涨。但在疫情前玉米市场还存在高风险高回报的特征，疫情后却不复存在，说明疫情发生后，玉米市场中交易者的理性交易逐渐转变为非理性交易，导致玉米价格波动不具有“风险收益”的确定性。

四、中国玉米价格波动的影响因素分析

（一）模型构建及变量选取

1.模型构建

根据玉米价格的波动特征可判断出当前其价格深受外部因素影响才导致恶性波动，为考察外部不确定性冲击对中国玉米价格波动的影响，研究其时变性和非线性特征，本文采用时变参数向量自回归模型（TVP-VAR）进行深入分析。该模型在VAR模型的基础上扩展而来，其最大的改进是假设系数矩阵和协方差矩阵都是时变的，这有助于从冲击大小的变化和传导路径的改变两个方面刻画变量间联立关系的非线性特征。

首先，考虑一个基础结构的VAR模型：

式（5）中，t=s+1，…，n，t代表时间，s代表滞后期数；yt是由待考察变量组成的k×1阶向量，k是待考察变量的数量，A和F1，…，Fs均为k×k阶参数矩阵；μt衡量的是结构冲击，且μt～N(0, ∑∑)，其中：

式（6）中，σi（i=1，…，k）为结构冲击的标准差。假设结构冲击服从递归识别，即矩阵A为具有下三角的矩阵形式：

通过变换，可将式（5）转化成以下形式的VAR模型：

式（8）中，εt为残差项，且εt～N(0,Ik)，Ik为单位矩阵；Bi=A-1Fi，i=1，…，s。将Bi的行元素进行堆叠，得到k2s×1维向量β，然后定义，其中⊗为克罗内克积。由此，该VAR模型可表述为：

此时，模型中所有参数均为非时变的。考虑参数是可时变的，则为TVP-VAR模型。参考Nakajima（2011）对其模型的构建，可表示成以下形式：

式（10）中，参数βt、At、∑t均具有时变性。时变参数模型服从随机游走过程：βt+1=βt+μβt、αt+1=αt+μαt和ht+1=ht+μht，且有：

式（11）中，∑β、∑α和∑h均为正定矩阵。采用贝叶斯方法进行模型估计，运用马尔可夫链蒙特卡洛（MCMC）方法进行参数的后验估计。

2.变量选取

由于疫情的影响广泛，自2020年起主要影响中国玉米价格波动的其他外部冲击为国际对国内的一些因素变化导致。因此，为重点考察现阶段因新冠肺炎疫情及其引发的其他外部因素的变动，所产生的外部不确定性冲击对玉米价格波动的影响效应，选取新冠肺炎疫情新增人数（epi）、人民币汇率指数（rate）、国际玉米期货价格以及玉米进口替代品价格作为解释变量，国内玉米价格（corn）作为被解释变量。

其中，新冠肺炎疫情新增人数是除新增境外输入人群后的全国新增确诊人数，并通过全国疫情实时大数据报告计算得出；人民币汇率指数可全面反映一国货币的价值变化，通过中国货币网得到；国际玉米期货价格选取的是美国芝加哥玉米期货价格（fut），玉米进口替代品价格则选取美麦到港完税价（wheat），3个价格变量的数据均来源于布瑞克农业数据库，所有样本区间也均选取2020年1月27日～2022年2月28日周度数据。在获取到价格变量的基础数据后，以2020年1月27日为基期的CPI指数进行平减，再对所有变量对数化处理消除异方差。

（二）实证结果分析

1.平稳性检验

在构建模型之前，首先需要检验数据的平稳性，通过对各变量的ADF 单位根检验可知（见表8），所有变量的原序列在5%水平下均是非平稳的，而在一阶差分后，重新进行平稳性检验，结果显示P值均为0，拒绝原假设，即不存在单位根现象，可构建TVP-VAR模型，以保证估计的有效性。因此后续实证部分均采用一阶单整序列数据。

表8 各变量单位根检验

2.最优滞后阶数确定

为了判断模型的滞后阶数，根据一般VAR模型最优滞后阶数的确定办法，如表9所示，滞后阶数的选择主要根据AIC 和SC两项，由于各个阶数的AIC 和SC两项数值相差微小，因此通过一般的判定方式，选取1阶、2阶或3阶为最优，经过综合分析，本文选择最优滞后阶数为2阶。

表9 模型滞后阶数的选择

3.模型估计结果与诊断

在利用MCMC 方法模拟样本和估计TVP-VAR 模型之前，需要对参数进行初始赋值，用MCMC 方法抽取M=10 000个样本，并剔除1 000个初始样本，进而得到一个有效的模型样本。表10给出了待评估参数后验分布的平均值、标准差、95%置信区间和收敛性统计。其中参数的后验均值都在95%置信区间内，且除参数sh1外，其余参数的Geweke 收敛诊断值均未通过5%水平的显著性检验，说明参数收敛于后验分布。从无效因子来看，其数值也均小于100，说明模型的参数估计结果较为稳健。

表10 基于MCMC算法的参数估计结果

同时，图2 分别给出TVP-VAR 模型的样本自相关性、样本路径以及样本密度。由图2（a）可见，样本的自相关性随数量的增加其系数会迅速下降，接近0值。从图2（b）的样本路径来看，其围绕某一定值呈上下波动，进一步证明样本取值路径平稳，模型拟合效果较好。在图2（c）中，样本密度特征类似于正态分布，也体现出取值抽样有效。

4.等间隔脉冲响应分析

等间隔脉冲响应是表示不同滞后期产生的冲击引起变量的脉冲响应函数，TVP-VAR 模型就可以运用参数计算时点上各变量在不同滞后期的脉冲响应图，图3给出了滞后2周、4周和6周的玉米价格对自身和各个外部不确定性变量的等间隔脉冲响应。因为选取的样本区间是从2020年1月27日～2022年2月28日的周度数据，故共有110个周度，即110个样本量。下图中横轴代表等间隔样本量，其中横轴上的20、40、60、80、100 分别对应时间区间上的2020 年6 月8 日、10 月26 日、2021 年3 月15日、8月2日、12月20日；纵轴则表示为脉冲响应程度。

由图3可知，中国玉米价格波动对各外部因素变动的脉冲响应具有显著时变性特征，各外部因素在不同时期对玉米价格波动均有不同影响。根据玉米价格波动对各变量冲击的脉冲响应程度来看，除玉米价格波动对自身的冲击影响外，疫情新增人数对玉米价格波动的影响最大，这也说明疫情冲击使玉米价格深受影响，其次为国际玉米期货价格对其的影响，而玉米进口替代品价格与人民币汇率指数这两个变量对于中国玉米价格波动的影响较小。从不同滞后期的玉米价格波动对各变量冲击的脉冲响应上看，滞后期为2周时，玉米价格波动对各变量冲击的响应最大，滞后期为4周时脉冲响应明显减弱，而滞后期为6周时脉冲响应基本趋近于0，这表明滞后期的增加将迅速削弱外部不确定性冲击对玉米价格波动的影响，无长时间的持续期。

具体分析各因素对玉米价格波动的冲击。图3（a）为中国玉米价格波动对自身的时变性特征，其在滞后2周、4周和6周时脉冲响应程度均为正向，可以看出玉米价格波动受自身影响很大，但随着滞后期增加，其自身影响也在持续减少。

图3（b）反映新冠肺炎疫情新增人数对中国玉米价格波动冲击的时变特征。能够看出玉米价格波动对疫情变动的脉冲响应在滞后2周、4周和6周时波动频繁，在整个时期内既有正向影响，又有负向影响，且滞后期越大，脉冲响应程度越趋近于0。因此，以滞后2周为例，2020年以来，疫情对中国玉米价格波动的冲击影响表现出一定的周期性，主要经历了2个较大的“上升—下降”阶段。从冲击的影响方向上看，在2020年9月前，尽管冲击的主要表现为正向影响，但不强烈，加上该影响持续时间不长且在此期间还伴随着小幅度波动，可知疫情刚刚来袭时并未导致玉米价格剧烈波动，且在全国乃至全球大力防控疫情时，国家也出台了许多保障民生、维持国家正常运行的举措，有了国家的政策调控，起初疫情并未对玉米价格波动产生显著影响。而从2020年9月初开始直到2022年2月28日，疫情对玉米价格波动的冲击就一直表现为负向影响，期间虽带有阶段性、较大幅度的上下波动，可随着时间的推移脉冲响应程度越来越高，产生的负向影响也越来越大。其中三次低峰期分别在2020年12月初、2021年8月2日和2022年2月28日，主要原因是疫情带来的负面影响具有滞后性，在当期没有表现出来，而在疫情持续一段时间后就显现出对玉米价格的冲击被放大和延长；虽然经过严防严控后国内疫情稍有缓和且基本平稳，但不乏一些地方范围内疫情出现反弹，如2020年底黑龙江省疫情出现反弹、2021 年暑期河南省突发暴雨致使疫情反复、2022 年初广东及其以南地区的疫情形势也较为严峻，由此可见疫情的冲击给玉米价格造成的不良影响会持续许久，其价格也存在恶性波动的情况。

图3（c）显示人民币汇率指数对中国玉米价格波动冲击的时变特征。其脉冲响应程度相比于其他变量，对玉米价格波动的影响最小，虽然其冲击的影响表现得比较微弱，但玉米价格波动对人民币汇率指数变动的响应一直为正向。一般而言，人民币汇率升值会使进口增加，从而抑制粮价；相反，人民币汇率贬值则会抬高粮价。因疫情对美国和欧洲的不均衡冲击推动美元指数下跌，也助推了人民币汇率上涨，再综合人民币汇率指数得知尽管其变化程度不大，可依然有小幅度增加。但人民币汇率上涨并不意味着国内粮价一定下跌，由于国内疫情的有效控制和经济的持续向好，大量海外资金进入中国资本和资产市场投资，金融市场流动性泛滥也将会提高国内粮价。而其脉冲响应程度偏弱，也体现出人民币汇率指数并未对中国玉米价格波动产生直接影响。

图3（d）展示国际玉米期货价格指数对中国玉米价格波动冲击的时变特征。从不同的滞后期看，滞后4周的冲击影响最大，其次为滞后2周，再次为滞后6周，说明不同滞后周数的国际玉米期货价格指数对玉米价格波动的冲击影响不同，且随着滞后期数扩大，影响先增强后减弱。由于国际关系形势以及全球疫情的影响，当前美国芝加哥玉米期货价格也在不断上升，美国玉米价格走高，使进口玉米价格继续攀升，而国内玉米存在产需缺口，需要通过进口玉米补充，随着进口玉米价格走高，对国内玉米价格形成一定支撑，故进口玉米价格的不断变化，再叠加国内玉米市场的波动，可能会产生联动效应，使国内玉米价格波动程度表现出明显的阶段性走势，可以看到在滞后4周时国际玉米期货价格指数对玉米价格波动的冲击也从正向转变为负向。

最后，图3（e）则是玉米进口替代品价格指数对中国玉米价格波动冲击的时变特征。可知玉米价格对其进口替代品价格变动的脉冲响应在滞后2周、4周和6周时均为正向，随着滞后周数的扩大，影响在逐步减弱。替代品价格作为外部影响因素之一，选择美麦到港完税价还可侧面反映贸易流通形势，2020～2022年美麦到港完税价也存在上升情形，一是可能会带动国内小麦价格上涨，二是为减少进口而提高国内小麦产量，使小麦价格下降。小麦作为玉米最主要的替代品，也会使玉米价格在当前时期存在上升或下降趋势，导致小范围的价格波动，但是由于国家三大主粮储备充足，国内粮价不会受到太大影响。单从脉冲响应程度来看，无论是哪个阶段，脉冲响应都相对偏小，证明美国小麦到港完税价格指数对玉米价格波动的冲击也存在间接影响。

5.时点脉冲响应分析

分时点的脉冲响应是不同确定时点上的脉冲响应函数，本文根据外部不确定性冲击的4 个因素，选取3个时点再次进行分析。图4和图5为各个外部因素的变化趋势图，可以看出新冠肺炎疫情新增人数在2020年2月17日和2022年2月28日最高；而期货价格指数在2021年5月3日为最高点，其余两个因素在此期间的趋势无明显变化。因此，选取第4 期：2020 年2 月17 日、第67 期：2021 年5 月3 日、第110期：2022年2月28日这3个时点做时点脉冲响应分析，分别对应3次最高峰。图6中横轴表示为滞后周数（滞后期），纵轴则表示为脉冲响应程度。

图4 新冠肺炎疫情新增人数变化趋势

图5 人民币汇率指数、期货价格指数与替代品价格指数变化趋势

图6 玉米价格波动对各变量冲击的时点脉冲响应

从时点脉冲响应图可知，各外部因素均在滞后5～6周时脉冲响应程度才趋近于0，虽然外部冲击产生的影响存在滞后性，但其影响还具有较强的短期效应。而且所有变量皆在2022年2月28日这个时间点上产生的影响最大，此时正是疫情新增人数的最高峰，可见疫情的极大程度冲击会先影响其余各外部因素的变动，再间接影响玉米价格的波动。其中图6（a）是中国玉米价格波动对自身的影响，响应程度虽为正向，但在这3个时点内其影响均逐渐减弱；而从中国玉米价格波动对新冠肺炎疫情新增人数冲击的时点脉冲响应来看（图6（b）），3个时点上的冲击基本均呈现出一定的负向响应，产生最大响应的周数也均在1～2周之间，其负向影响所带来一定时点滞后性也与前文分析一致。

图6 （c）为中国玉米价格波动对人民币汇率指数冲击的时点脉冲响应，3个时点上的影响程度基本一致，前期产生了1周的负向响应，而在第2周为正负交替的响应，之后就转变成2周的正向响应，相比之下其负向影响程度更大。同样与前文分析一致，证实了人民币汇率的变动先受疫情和国际玉米期货价格的影响后再间接影响国内玉米价格波动。随后从图6（d）中国玉米价格波动对国际玉米期货价格指数冲击的时点脉冲响应上看，2020年2月17日与2021年5月3日这两个时点均产生了一定程度的正向响应，而最后一个时点则在滞后到3～6周时产生了较大程度的负向响应，可见最近一次的疫情时点让国际玉米期货价格指数极大地影响了玉米价格波动；最后图6（e）展示了中国玉米价格波动对玉米进口替代品价格指数冲击的时点脉冲响应，3 个时点的曲线走势也基本一致，皆呈现出一定的正向影响，脉冲响应峰值均在第2周。与人民币汇率指数相同，玉米进口替代品价格指数也在其3个时点中深受影响而间接导致玉米价格产生波动。

综合来看中国玉米市场的变化及波动可知，以新冠肺炎疫情为主导等多种外部因素，严重干扰了全球粮食供应链的稳定和畅通。在形势严峻时停产停工，稳定局势后再复工复产，会削弱农民种粮积极性，使其恐慌；还会使世界粮食总产量下降，造成世界粮食价格上涨，进而诱发中国粮食价格上涨，如此往复、恶性循环。这也从侧面反映出外部冲击影响着农业劳动力和相关生产要素的投入、国际粮农贸易的流通以及粮食供应链的消费端等，使外部冲击作用到内部因素上致使国内玉米市场不稳定。

6.稳健性检验

为增强研究结论的稳健性，采用VAR模型对玉米价格与各外部冲击因素之间的关系进行稳健性检验。如图7所示，其脉冲响应结果与TVP-VAR的实证分析结果基本一致，可见TVP-VAR模型实证结果稳健。

图7 玉米价格与各个外部因素之间的脉冲响应

五、结论与政策建议

（一）结论

本文基于2018年1月29日～2020年1月20日和2020年1月27日～2022年2月28日的周度数据分别对中国玉米价格波动特征以及外部不确定性因素对玉米价格的影响进行分析，得出如下结论：

第一，根据ARCH类模型对比分析疫情前后中国玉米价格波动的具体特征，可以看出无论是疫情前还是疫情后，玉米价格均具有显著的波动集聚性和显著的非对称性，且市场中的价格上涨信息引发的波动比价格下跌信息引发的波动大，但在疫情前玉米市场还存在高风险高回报的形势，而疫情后高风险高回报的特征却不存在。

第二，以2020年为时间节点，全面地考虑了疫情、国际市场、汇率及替代品等综合性因素，并以外部不确定性冲击的视角，利用TVP-VAR 模型研究各变量对中国玉米价格波动的影响，结果表明每个外部因素的冲击均会对玉米价格波动产生一定影响，且影响具有时变性。各外部因素对玉米价格波动的影响在不同时期、不同滞后期、不同时点上的冲击大小和冲击方向均存在差异。其中，新冠肺炎疫情对玉米价格波动的影响最大，其次是国际玉米期货价格对其产生的冲击，而玉米价格波动受人民币汇率的变动以及玉米进口替代品价格的变动的影响相对较小，主要是因为其二者对玉米价格波动产生的多为间接影响，不能直接导致玉米价格大幅度波动，且各种外部冲击对其内部因素也有一定的传导效应，进而再影响玉米价格的波动；疫情冲击对玉米价格波动主要以负向影响为主，而玉米进口替代品价格的变动对玉米价格波动以正向影响为主，其余两个因素对玉米价格波动的影响则存在反转效应，即短期存在负向影响，中长期存在正向影响，但二者的负向影响程度更大，且所有变量的影响均随着滞后周数的扩大逐渐减弱。

（二）政策建议

1.完善市场信息服务功能

新冠肺炎疫情所造成的局部范围内停工停产使国内玉米价格大幅度波动，故政府必须完善玉米市场信息系统和有效建立玉米监测预警体系，这不但可稳定玉米价格，还能使其市场内部的有效信息对玉米生产者提供正确方向，引导生产者作出未来预判。首先，政府相关部门应需及时进行对玉米市场信息的收集与分析，并有效监测玉米市场供需状况，对影响玉米价格稳定的重大安全隐患做出提前预警；其次，应及时发布关于玉米的权威资讯，从而进一步强化政府对市场主体的有效监督，以打击严重损害市场经济平稳运行的恶意定价和哄抬价格等行为；最后，还应建立健全面向广大农民和玉米生产加工企业的公共信息服务体系，不仅为政府部门开展市场调节工作提供真实有效的信息支撑和决策依据，还可利用不同地区的线上或线下信息平台，对外接受咨询。

2.加大科技投入，保障生产资料供应

国内外市场上各种不确定因素的冲击使得中国必须立足于稳定玉米供需，以保障粮食安全。加大对玉米先进技术的投入有利于提高国内玉米产量，一方面，可保证玉米生产资料的供应，培育出新的玉米品种，促进农业产业结构调整，推进玉米种植更加合理化；另一方面，面对自然灾害与疫情疾病也能及时防控，可运用新式农用植保无人机监测、秸秆还田配肥地力、精量播种、机械化一次性施肥、机械化密植等，增强品种抗性，提高现有耕地资源的利用效率以及土地的产出效率，从而提高作物产量和改善作物品质，促进玉米产业可持续健康发展。

3.关注国际粮价，形成玉米“南进北出”的贸易格局

政府相关部门应加强对国际粮食价格的监测，并密切关注国际粮食价格波动情况，只有及时准确地掌握国际市场动向，积极采取有效的调控措施，才能降低国际粮食价格波动对中国玉米价格产生的负面影响。此外，还要提高玉米进出口能力，形成玉米“南进北出”的流通格局，构建南方玉米主销区向国际进口而北方玉米主产区向国际出口的新型进出口模式，在新冠肺炎疫情常态化的形势下，更好地保持国内玉米市场供需平衡，提升国内玉米价格在国际市场的竞争力，使国内外玉米市场联系得更紧密。