中美贸易摩擦背景下国内外大宗商品期货价格的联动性研究

摘 要：中美贸易摩擦的持续使国内外大宗商品期货价格的波动更加复杂，本文通过建立VAR模型，运用格兰杰因果关系检验、脉冲响应分析和方差分解等实证方法，研究国内外大宗商品期货价格之间的联动性。结果表明，国外大宗商品期货市场在价格传递中占主导地位，其影响力有待进一步加强。本文认为我国应该加强大宗商品期货市场建设、完善大宗商品价格监测预警机制、健全大宗商品战略储备体系以防范期货市场风险、维护国家经济安全。

关键词：贸易摩擦；大宗商品；期货价格；VAR模型；格兰杰因果关系检验

本文索引：李俊文.中美贸易摩擦背景下国内外大宗商品期货价格的联动性研究[J].中国商论，2023（15）：-111.

中图分类号：F724.5 文献标识码：A 文章编号：2096-0298（2023）08（a）--04

近年来，中美贸易摩擦持续不断。2018年3月22日，原美国总统特朗普在白宫正式签署对华贸易备忘录，宣布拟对从中国进口的600亿美元商品加征关税，中美贸易摩擦正式升级。随后，美国便启动了一轮又一轮的加征关税计划，我国在积极沟通的同时，不得已采取了各项反制措施，包括提高从美国进口的农产品、工业品等商品的关税，并对美国的贸易制裁进行正面回击。中美贸易摩擦升级以来，全球粮食、能源、金属矿物等大宗商品的期货价格出现大幅波动，并通过价格渠道、金融渠道传导至生产和消费等领域，使我国经济发展面临更为复杂和严峻的环境，对稳增长、稳物价提出了新的挑战和要求。因此，研究贸易摩擦升级后国内外大宗商品期货价格的联动性，对进一步防范期货市场风险、维护国家经济安全具有重要的现实意义。

1 文献综述

国内外学者对大宗商品期货价格联动性的研究大多集中在主要期货市场价格的影响力方面。Holder等（2002）运用VAR模型对美国芝加哥商品交易所和日本东京谷物交易所的大豆和玉米期货合约进行研究，认为芝加哥商品交易所在信息传导中占据主导地位。Lin和 Tamvakis（2004）在研究中指出美国 WTI 原油期货价格对伦敦BRENT 原油期货价格具有显著影响，在国际原油期货市场中占据主导地位。Xu和Fung（2005）以东京商品交易所和纽约商业交易所的黄金、铀金以及白银期货作为研究对象，构建双变量非对称GARCH模型来分析不同市场间的价格波动溢出效应，结果表明两个市场间具有较强的价格传导效应，但东京商品交易所的影响力相对较弱。杨浩等（2011）研究了国内外铜期货价格的相关性，认为伦铜与沪铜的期货价格之间存在显著的协整关系，且沪铜对伦铜的价格影响力在金融危机后有明顯提升。黄守坤（2015）基于BEKK-GARCH模型测定国际大宗商品价格对我国农产品价格波动的影响，发现国外大宗商品价格波动对我国农产品价格波动的贡献率高达1/3。李洁等（2017）利用二元 DCC-GARCH 模型分析上海和伦敦市场中铜、锌、铝期货价格的联动性，认为两个市场间存在长期的均衡关系，铜市场间的联动性最强，锌次之，铝最弱。随着研究的深入，部分学者的研究视角逐渐上升到多个市场之间的联动性。叶阿忠等（2021）基于静态和时变视角，将小波阈值降噪和滚动窗口回归方法与 GVAR 模型相结合，对比中、美、日三国大豆期货市场间的价格传导效应，结果显示三个市场大豆期货价格之间存在长期稳定的均衡关系，且美豆期货价格的引导能力最强。刘孝成等（2022）建立 VECM-GARCH-BEKK-T 模型，分析了伦敦BRENT原油、美国WTI原油以及中国SC原油期货之间的传导效应、均值溢出效应、波动溢出效应等，认为SC对 WTI 的正向影响要大于对BRENT的影响，但WTI、BRENT对SC的影响依然占据主导地位。

综上所述，学者们对不同大宗商品期货价格之间的联动性进行了深入的研究，但研究对象以单一或多个大宗商品为主，研究内容仍待进一步拓展。文章以国内外大宗商品期货价格指数为研究对象，从宏观角度考察贸易摩擦升级后国内外大宗商品期货价格之间的联动性，以期为相关部门积极应对国内外大宗商品期货市场价格的波动、期货市场参与者及时调整投资策略提供一定的参考。

2 研究方法、数据来源及处理

2.1 研究方法

借鉴已有学者的研究，文章建立VAR模型，运用格兰杰因果关系检验、脉冲响应分析以及方差分解等研究中美贸易摩擦升级后国内外大宗商品期货价格的联动性。

向量自回归（VAR）模型使用所有当期变量对其若干滞后变量进行回归，用来估计联合内生变量的动态关系，并且不带有任何事先的约束条件。如果用和分别代表国内和国外大宗商品期货价格变量，那么VAR模型的形式如下所示：

其中，和分别代表国内和国外大宗商品价格的滞后阶数，和是白噪声过程。

如果国内外大宗商品期货价格数据是平稳的，那么就可以用格兰杰因果关系检验来确定两个市场价格之间影响的先后顺序，即检验VAR模型中系数和的显著性。根据检验结果，如果是的因，则的过去值可以帮助预测的未来值，反之亦然。

基于所建立的稳定VAR模型，可以通过脉冲响应分析各个变量之间的相互影响关系。其基本思想是考察系统各个变量在VAR模型关系式中对应的随机扰动项和的影响如何传播到其他变量。

此外，本文运用方差分解测量一个内生变量对其他内生变量影响力的大小。其核心在于计算一个内生变量的正交化冲击对其他变量预测均方误差（MSE）的贡献比例，可以从中获取对模型中某一变量产生影响的每个随机扰动的相对重要性的信息。

2.2 数据来源及处理

文章选取具有代表性的期货综合价格指数作为研究对象。其中，国内大宗商品期货价格选取南华商品指数（NHCI）作为代表；国外大宗商品期货价格选取路透商品研究局指数（CRB）作为代表。样本的时间跨度为2018年3月22日至2022年12月31日，频数为日度数据，来源于Choice数据库。剔除节假日因素后，共获得1111组样本。本文用Eviews9.0软件进行实证分析。

国内外大宗商品期货价格走势如图1所示。可以看出，国内外大宗商品期货价格到达波峰波谷的时间几乎一致，具有一定的趋同性。

在建模过程中，为了避免时间序列数据中存在的趋势问题和异方差现象，本文将大宗商品期货价格指数转化为对数收益率进行研究，即

式中，表示NHCI第t期的对数收益率，表示NHCI第t期的对数收盘价格。表示CRB第t期的对数收益率，表示CRB第t期的对数收盘价。

3 实证分析

3.1 描述统计分析

样本序列各变量的基本统计特征如表1所示。可以看出，DLNNHCI变量的标准差小于DLNCRB变量的标准差，表明国外大宗商品期货价格的波动比国内更为剧烈；偏度小于0，表明样本均为有偏分布；峰度大于3，表明其分布凸起程度大于正态分布的凸起程度，呈尖峰状态；J-B统计量及对应的P值表明样本序列均不服从正态分布。综上分析，样本序列均表现出有偏、尖峰厚尾、非正态分布的特征。

3.2 平稳性检验

为了避免非平稳数据造成的伪回归现象，首先采用ADF检验法对数据进行平稳性检验，结果如表2所示。由于ADF检验值均大于各显著性水平下的临界值，相应的P值等于0，表明样本序列是平稳的，可以进行进一步的实证分析。

3.3 建立VAR模型

根据样本序列构建双变量的向量自回归VAR模型。VAR模型的最优滞后阶数根据LR、FPE、AIC、SC和HQ信息准则来确定，由于在不同的信息准则下，判断结果有可能不同，因此根据“大多数原则”进行最优滞后阶数的确认。根据表3可以确定，VAR模型的最优滞后阶数为2阶，同时满足3个准则。

构建VAR模型后，通过AR特征根检验法检验模型的稳定性。图2显示，VAR模型对应的4个特征根均在单位圆内，说明所构建的VAR模型具有稳定性。

3.4 格兰杰因果关系检验

为了分析国内外大宗商品期货价格之间的引导关系，文章进行了格兰杰因果关系检验。表4显示了格兰杰因果关系检验结果，根据检验统计量对应的p值可以看出，DLNCRB是DLNNHCI的格兰杰原因，DLNNHCI不是DLNCRB的格兰杰原因。也就是说，国外大宗商品期货价格变动单向导我国大宗商品期货价格的变动。

3.5 脉冲响应分析

为了进一步分析变量之间相互冲击时的反应，本文根据构建的VAR模型进行脉冲响应分析。图3反映了各变量的脉冲响应结果。从图3（a）可以看出，DLNCRB受自身扰动项一个标准差冲击的影响出现快速响应，在第1期达到最高点，第2期出现快速下降，第3期之后逐渐趋于零；从图3（b）可以看出，对于来自DLNNHCI扰动项一个标准差的冲击，DLNCRB在第2期和第3期仅有轻微反应，但不明显；从图3（c）可以看出，对于来自DLNCRB扰动项一个标准差的冲击，DLNNHCI立即作出响应，DLNCRB在前3期对DLNNHCI有正的冲击效应，第4期之后逐渐趋于零；从图3（d）可以看出，DLNNHCI受自身扰动项一个标准差冲击的影响呈快速下降趋势，在第1期达到最高点，第2期快速下降为负冲击，第5期之后才逐渐趋于零。

脉冲响应结果表明，国外大宗商品期货价格对于来自国内市场扰动项的冲击几乎没有反应，而国内大宗商品期货价格对于来自国外市场扰动项的冲击会立刻做出响应。

3.6 方差分解

由于所建立的VAR模型是稳定的，因此可以通过方差分解考察变量之间的相互影响程度。对变量DLNNHCI和DLNCRB分别做向前预测时相互之间的预测方差贡献比重，结果如表5所示。

从表5可以看出，变量DLNCRB冲击对自身的解释程度接近100%，对变量DLNNHCI的解释程度约为24%；变量DLNNHCI冲击对自身的解释程度接近76%，对变量DLNCRB的解释程度几乎为0。从方差分解结果看出，国内大宗商品期货价格冲击对国外大宗商品期货价格波动的解释能力较弱，与脉冲响应分析结果一致。

4 结语

4.1 结论

本文选取南华商品指数和路透商品研究局指数分别作为国内和国外大宗商品期货价格的代表，建立双变量的VAR模型分析中美贸易摩擦升级后国内外大宗商品期货价格的联动性，得出以下结论：第一，国外大宗商品期货价格单向引导国内大宗商品期货价格；第二，受到来自国外市场扰动项一个标准差的冲击时，国内大宗商品期货价格立即做出响应，国外大宗商品期货价格对来自国内市场扰动项的冲击几乎没有反应；第三，国内大宗商品期货价格冲击对国外大宗商品期货价格波动的解释能力几乎为0，国外大宗商品期货价格对国内大宗商品期货价格波动的解释程度显著较高。研究表明，國外大宗商品期货市场在价格传递中占据主导地位，国内大宗商品期货价格的影响力有待进一步提高。

4.2 建议

为进一步防范期货市场风险、维护国家经济安全，本文提出以下几点建议：

第一，加强大宗商品期货市场建设。本文以期货立法为契机，完善大宗商品期货市场规则制度体系；加快新品种上市的调研论证工作，丰富产业链上市品种，拓展服务实体经济领域的广度和深度；鼓励和支持实体企业利用期货市场进行套期保值等风险管理活动，积极培育、引进商品类基金等机构专业投资者，推进更多品种引入境外交易者，优化期货市场投资者结构。通过充分发挥大宗商品期货价格发现、风险管理和资源配置等功能，提升我国大宗商品期货价格的国际影响力。

第二，完善大宗商品价格监测预警机制。中美贸易摩擦的升级，导致我国大宗商品期货价格的波动幅度明显增大，并且对实体经济造成一定的负面影响。此外，地缘政治、极端天气、自然灾害等突发事件对大宗商品期货价格的影响也不可小觑。因此，通过密切监测大宗商品的进出口动态和国际形势，提高对突发事件的敏感度，设置合理的价格预警线，并搭建及时、有效的信息发布和交流平台，以及时应对大宗商品期货价格波动。

第三，健全大宗商品战略储备体系。在中美贸易摩擦常态化发展的背景下，合理确定大宗商品战略储备的品种、规模、结构和区域布局，加强现代化战略储备基础设施建设；实施精准有效的收储轮换机制，增强战略储备的统筹协调能力；完善中央和地方、实物和产能、政府和企业储备相结合的储备机制。充分发挥大宗商品战略储备体系的“稳定器”功能，能有效缓解大宗商品供需矛盾，从而平抑大宗商品价格波动。

参考文献

Holder M，Pace R D，Tomas M J.Complements or substitutes？ Equivalent futures contract markets？the case of corn and soybean futures on U.S. and Japanese exchanges[J].Journal of Futures Markets，2002（22） ：355-370.

Lin S X， Tamvakis M N. Effects of NYMEX trading on IPE Brent Crude Futures Markets： A Duration Analysis[J]. Energy Policy，2004（1）：77-82.

Xu X E， Fung H G.Cross-market Linkages between U.S. and Japanese Precious Metals Futures Trading [J]. Journal of International Financial Markets， 2005 （15）： 107-124.

杨浩，林丽红.中国与国际大宗商品价格关联性研究[J].经济问题探索，2011（9）：157-162.

黄守坤.国际大宗商品对我国农产品价格的波动溢出[J].宏观经济研究， 2015（7）：88-95.

李潔，杨莉.上海和伦敦金属期货市场价格联动性研究：以铜铝锌期货市场为例[J].价格理论与实践，2017（8）：100-103.

叶阿忠，郑航.大豆期货市场定价影响力研究：基于中国、美国、日本三国数据的比较分析[J].价格理论与实践. 2021（5）： 131-135.

刘孝成，王祖瑞.上海原油期货与国际原油期货： 联动机制和溢出效应[J].科学决策，2022（1）：79-94.