有色金属国际价格波动的影响因素研究

成金华++尤喆++朱永光++鄢红兵

摘要

有色金属作为国际上流通量较大的大宗产品，近年来其价格的频繁剧烈波动受到学界和业界的高度关注。从有色金属国际贸易的交易量数据看，中国、美国、巴西等20个国家是有色金属国际贸易的主体，贸易量较大的是铜、铝、铅、锌四种有色金属。本文选取了国际贸易中铜、铝、铅、锌四种有色金属的主要进口国和出口国，在已有研究的基础上，从供需、实体经济和货币金融三个维度选取变量，运用国家之间构成的面板数据，建立PVAR模型，分析四种有色金属价格的波动及其影响因素；通过铜、铝、铅、锌四种有色金属价格的脉冲响应函数，比较分析铜、铝、铅、锌四种有色金属价格波动影响因素的不同。研究发现：①铜、铝、铅、锌四种有色金属价格波动均受国内生产总值和货币供应量的影响，供需因素对有色金属价格产生长期的影响，货币供给量对有色金属价格的影响短暂而剧烈；②国内生产总值和贸易量与铜价的波动密切相关，货币供应量和消费者价格指数与铝、铅、锌价格的波动密切相关；③有色金属主要贸易国的各个变量对铜、铝、铅、锌价格波动的贡献程度不同。铜贸易国的贸易量对铜价波动的贡献度要高于其他有色金属贸易国家；铝、铅、锌贸易国家的金融因素对铝、铅、锌价格的影响要强于铜贸易国家。最后，本文从进口国角度对中国有色金属进口提出了建议：中国是铜、铝、铅、锌四种有色金属的最大进口国，应密切关注有色金属价格走势，建立健全有色金属价格的实时监测和预警机制，加快对有色金属价格波动的反应速度，利用金融手段避险趋利。

关键词有色金属价格；影响因素；分矿种比较；PVAR模型

中图分类号F062.1

文献标识码A文章编号1002-2104（2017）07-0035-11DOI：10.12062/cpre.20170461

有色金属矿产品是国际上流通量较大的大宗产品，其市场变动与国际经济形势变化息息相关。2000年至2008年间，中国铜、铝、铅、锌消费量分别由295万t、518万t、117万t、200万t增长至983万t、2 196万t、470万t、596万t，占全球消费量比例由19.3%、18.9%、17.3%、21.2%增长至47.05%、47.3%、43.25%、45.2%。同时，有色金属矿产品国际价格也不断攀升，铜、铝、铅、锌国际价格不断冲破历史高位。2008年金融危机后，金属矿产品国际价格大起大落，波动剧烈。2011年以来，在国际大宗产品价格大幅下跌的背景下，金属矿产品价格也不断下跌。截至2015年12月，全球矿业活动指数（PAI）已跌至39点，达到前3年的最低位；SNL金属价格指数也几乎下行至前3年来的最低点。有色金属是国民经济平稳运行所必须的基础性原材料，我国大部分的有色金属原矿依赖进口。有色金属国际价格的大起大落，不利于我国的资源安全战略，也不利于淘汰有色金属行业落后产能，推进国际产能合作。因此，研究有色金属价格波动的影响因素，对维护我国资源安全、支撑资源全球配置战略和促进矿产行业健康发展具有重要意义。那么，影响有色金属国际价格波动的因素有哪些？作为有色金属供给方和需求方对有色金属价格波动的影响又有哪些不同？这些都是值得深入探讨的问题。

现有研究影响有色金属国际价格波动因素的探讨主要体现在以下几个方面：①供给因素影响有色金属价格波动。有色金属属于资源类产品，具有资金、技术投入等投入要素密集型的特征。有色金属生产国的开采工艺的提升、资金实力的强弱、国家管控策略的松紧，都将显著影响有色金属价格波动。②需求因素影响有色金属价格波动。影响有色金属价格波动的需求因素体现在多个方面。随着需求国家工业化、城镇化程度的推进，不同阶段对有色金属的需求重点会发生变化，这将对有色金属价格波动产生冲击。③货币金融因素影响价格波动。近年来有色金属金融属性不断加深，伦敦期货交易所、上海期货交易所和纽约期货交易所等金融机构均上市了相关的期货、期权产品，交易量一直保持平稳提升态势。以伦敦期货交易所为例，2015年，LME铜交易量为10.3亿t、铝15.6亿t、铅3.2亿t、锌7.5亿t，而当年全球的实际贸易量仅分别为857万t、1 184万t、183万t、396万t，交易量分别为当年实际贸易量的120倍、132倍、168倍、190倍。大量投机资金的涌入，促使有色金属价格急剧波动，助推市场价格变化。

1文献综述

有色金属作为国际市场上流通量较大的大宗产品，影响其价格的波动因素与能源、粮食等大宗产品有相似之处，也有其独有特征，国内外学者从供需、实体经济等方面对其原因进行了探究。鉴于此，本文梳理大宗商品和有色金属大宗商品的有关文献，将相关观点归纳为以下 供需层面，Trostle[1]等人认为，金属矿产品等大宗商品价格的波动与新兴国家的需求密切相关，新兴经济体经济增速较快时会引发大宗商品价格的上涨，反之，则会导致价格的大幅下跌。Hua[2]等人发现，工业化率、美元汇率和大宗商品价格可能存在长期线性关系，得出结果是工业化率的提升引发的大宗商品需求的旺盛，促使大宗商品价格的上涨。Cheung 和Sylvie[3]和Lalonde[4]等人认为，亚洲新兴经济体近年來经济快速发展对大宗商品的旺盛需求，是引发价格大幅上涨的主要因素。谭小芬等[5]运用向量自回归误差修正模型研究中国因素在国际大宗商品价格驱动因素中的重要性，指出总需求是影响国际大宗商品价格的主要因素，中国因素在价格波动中所起的作用不如发达国家显著。

实体经济层面，韩立岩、尹力博[6]建立涵盖532个经济指标的因素增强型向量自回归模型，分析影响大宗商品价格波动的因素，认为实体经济是影响国际大宗商品价格上涨的主要因素。李靓[7]等人运用面板向量自回归模型分别研究了发达国家和新兴市场国家对大宗商品价格波动的影响机制，指出新兴市场国家实体经济对价格的冲击比发展国家滞后。Frankel[8]运用面板回归方法，对利率上升背景下导致有色金属大宗商品价格波动的因素进行了检验。王高尚[9]通过对石油、铜、铝、镍50年价格变化趋势的分析，认为资源稀缺性和生产效率是影响其价格的重要因素。卢锋[10]等人研究了中国因素对2002—2007年间大宗商品价格大幅上涨的影响，认为中国宏观经济的“过热”，加剧了国际大宗商品价格的上涨幅度，不利于中国经济的平稳运行。

货币金融方面，周伟[11]等人采用LPPL模型验证金属期货价格波动原因，得出结果是重金属期货受投机影响较大，轻金属期货受投机影响不明显。Akram[12]指出，发达国家的量化宽松政策，会导致全球市场的货币流动性增加，热钱进入国际大宗商品市场，引发大宗商品价格的上涨。Anzuinie[13]等人建立涵盖美国联邦基金利率和货币供应量指标的结构向量自回归模型，发现联邦基金利率的下降会助推大宗商品价格上涨，货币供应量对大宗商品价格的影响程度不显著。Landgraf[14]等人对比考察了经合组织和纳入 “金砖国家”后的经合组织对大宗商品价格的影响程度，发现纳入“金砖国家”后，货币金融因素对大宗商品价格的影响程度显著性增强。钟美瑞、黄健柏[15]等人构建MSVAR模型对铜价影响因素进行验证，发现金融因素可以很好地解释膨胀期、平稳期、低迷期铜价的波动。

各商品关联度方面，边璐[16]等人采用VEC模型验证了10种稀土产品价格与国际金属价格所具有的整合关系。张晶[17]等人运用Johansen 协整检验与持久—短暂模型，对大米主产国中国、美国、泰国三国高中低三级大米价格变化的共有因子进行了分析，探索价格间的内在联系以及对粮食安全的作用机制。Baffes[18]、Tokgoz[19]和Sari[20]等均证实了能源价格的上涨，会影响其他金属商品价格的变化。

从现有文献来看，目前对影响有色金属矿产品为代表的国际大宗商品价格波动因素的研究具有以下特点：一是对大宗商品的门类涵盖较全，包括对石油等能源大宗商品、铁矿石等黑色金属大宗产品和大豆等农业大宗商品的研究较为丰富，专门针对有色金属大宗商品的研究较少。二是对衡量国际大宗商品价格波动的尺度一致，大多数文献采用CRB指数来衡量大宗商品价格的波动。CRB指数具有权威性、时效性等特点，但作为综合性指数可能会缺失某种特定大宗商品价格波动所隐含的信息。三是研究的视角丰富，如从需求视角、货币金融视角、实体经济视角和商品关联度视角入手，而现有文献从贸易视角考察大宗商品价格波动影响因素的论述较少。

因此，本文以有色金属大宗商品国际贸易量较大的铜、铝、铅、锌为研究对象，分别采用国际上公认的期货价格为被解释变量。从贸易视角出发，选取中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国家，分别考察需求国的进口量和供给国的出口量对有色金属大宗商品价格波动的影响方向和程度，并结合已有的研究成果，比较分析铜、铝、铅、锌大宗商品价格波动影响因素的异同。

2研究方法、变量选取与数据处理

2.1研究方法

本文采用面板数据向量自回归模型（panel data vector autoregression，PVAR），它是基于面板数据所衍生出来的VAR系统。该模型最早是由D HoltzEakin[21]在1988年提出。随着不少理论计量经济学者对该模型的不断完善，该模型已经被广泛的应用到了经济领域中来处理面板结构类型的数据，孙正[22]、王美昌[23]和李颖[24]等人采用PVAR模型研究了财税改革、贸易开发和房地产价格等方面的问题。

PVAR 模型本质上是多组联立方程所构成的，包括了所有解释变量和被解释变量的本身及其滞后项，并将系统内的所有变量视为一个内生性系统，能够反映变量之间的动态关系变化。与普通VAR模型相同，PVAR 模型的正交化脉冲响应函数能够刻画内生系统中变量之间冲击的作用机制。 其一般形式如下：

其中，yij表示基于面板数据的外部冲击变量向量，i表示国家，t表示年度，α表示个量，β表示时间效应向量，Γj表示不同滞后期的变量系数矩阵，p表示滞后期，εit表示随机扰动向量。本文设定，yit=（Pit，GDPit，CPIit，Mit，TDit），其中P代表有色金属价格，GDPit代表i国t时期人均国内生产总值，CPIit代表i国t时期消费者价格水平，Mit代表i国t时期货币供应量，TDit代表i国t时期的有色金属贸易量。

2.2变量选取

根据联合国贸易数据库的数据，2015年： 中国、韩国等五国进口铜2 453.84万t，占世界总进口量的85.34%，智利、秘鲁等国出口铜1 313.21万t，占出口总量的70.62%。中国、美国等五国进口铝8 432.27万t，占进口总量的89.68%，马来西亚、澳大利亚等五国出口铝9 251.08万t，占出口总量的98.17%。中国、韩国等五国进口铅861.31万t，占进口总量的72.71%，秘鲁、澳大利亚等五国出口铅795.51万t，占出口总量的72.69%。中国、韩国等五国进口锌751.21万t，占进口总量的82.15%，秘鲁、澳大利亚等五国出口锌716.32万t，占出口总量的85.56%。

根据世界银行的统计数据，2015年全球国内生产总值为 73.51×104亿美元，中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国的国內生产总值占全球国内生产总值的比重合计85.12%。鉴于此，本文选取中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国为全球代表，具体国家如表1所示。

被解释变量采用伦敦期货交易所三月期铜、三月期铝、三月期铅和三月期锌价格的变动率。选取伦敦期货交易所有色金属期货价格，是因为伦敦期货交易所是国际上历史最悠久、影响力最大的期货交易所，而有色金属价格也是期货定价机制，能够真实反映国际市场价格的波动。

参考王安建等[25]、贾立文等[26]的研究成果，在被解释变量的选取上，从实体经济、贸易状况和货币金融方面选取指标。国内生产总值（GDP）是大多数研究用来考察一国实体经济水平的指标，因此，选取国内生产总值反映实体经济层面；由于资源分布的不均衡，有色金属出口国较为集中，而有色金属进口国也较为集中，因此选取需求国进口量和供给国出口量（TD）来反映供求层面；消费者价格水平（CPI）能够很好反映一国的货币购买力，货币供应量（M）能够反映一国货币市场的稳定程度，因此选取这两个指标反映货币金融层面。

2.3数据处理

本文选取1996—2015年20年间的季度数据作为研究样本，由于时间久远，少量数据缺失，部分数据存在季节性等因素的影响。因此，对于选取的变量指标进行以下几个方面的处理：①对于缺失指标采用平均值或近似值方法进行补充；②将各国人均国内生产总值折算为1996年的不变价格；③以1996年为基期100，换算各国的消费者价格水平；④采用x12arima方法剔除各国的国内生产总值、消费者价格指数和货币供应量的季节因素；⑤将所有数据取对数，以消除序列异方差，而且可以使趋势线性化。

本文数据主要来源于国际货币组织数据库、世界银行数据库和穆迪指数网。其中，国内生产总值数据来自于世界银行数据库，消费者价格指数和货币供应量数据来自国际货币组织数据库，有色金属国际贸易量数据来自于联合国贸易数据库。

3有色金属价格波动的影响因素分析

有色金属是国际市场上贸易量较大的大宗产品，中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个国家是有色金属国际贸易的主体，以铜、铝、铅、锌四种有色金属为代表，分别分析有不同有色金属价格波动的影响因素。主要步骤如下：第一，对系统内所有的变量进行单位根过程检验；第二，通过构建 PVAR模型，识别出有色金属矿产品价格指数波动的主要影响因素；第三，根据脉冲响应函数和方差分解结果，对主要因素的作用方向和影响程度进行分析。

3.1平稳性检验

本文采用FisherADF单位根检验方法对系统内的所有变量进行单位根检验，将取对数后的数据分别记为LP、LGDP、LCPI、LM和LTD，将差分后的数据记为DLP、DLGDP、DLCPI、DLM和DLTD。

检验结果如表2所示。对铜贸易国家的变量进行面板单位根检验，结果显示LGDP和LCPI的原序列在5%的置信水平通过平稳性检验，其余变量均是非平稳序列。变量的一阶差分序列显示，所有变量在5%的置信水平上均是平稳的。因此，本文对所有变量进行一阶差分处理。然后，采用相同的方法对铝、铅、锌贸易国家的面板数据进行单位根检验，检验结果表明，其他有色金属贸易国家的变量数据进行一阶差分后，均能通过平稳性检验，因此建立铝、铅、锌贸易国家的PVAR模型。

3.2PVAR结果分析

在构建PVAR模型时，面板数据模型存在个体的固定效应。在估计参数时，容易导致估计量出现非一致的情况。因此，本文参考相关研究成果，最终采用Helmert转换（前项均值差分法）剔除个体效应。在确定模型的滞后阶数时，本文主要依据BIC和HQIC信息准则，最终选取的阶数为9阶。铜贸易国家PVAR 模型估计结果如表3所示。

表3展現的是当期铜价、国民生产总值、消费者价格指数、货币供应量和贸易量对铜价的影响系数。从PVAR回归结果可以看出，铜价本身在滞后1期、2期、4期、8期和9期对铜价产生显著的影响，说明铜价存在价格惯性，在滞后8期，铜价对自身的影响系数变为-0.217，开始对铜价产生负向影响，这说明价格下跌时，价格惯性会放大

价格下跌的幅度。

国民生产总值在滞后4期对当期铜价的影响系数为0.245，由于国民生产总值能够反映宏观经济运行态势，一国宏观经济运行态势向好，会引发对铜等大宗商品的旺盛需求，从而导致铜价的上涨，这能解释国民生产总值对铜价存在正向的影响。滞后5期和8期的铜贸易量对铜价存在显著的正向效应和滞后性，贸易量能够反映国际市场铜的供需状况，而铜等金属矿产大部分是通过海路运输，运输周期较长。滞后6期的货币供应量和滞后3期的消费者价格指数均对铜价有显著影响，这表明货币金融因素同样是影响铜价波动的原因。

对铝、铅、锌贸易国家进行PVAR回归，回归结果同样能支持这一结论。在PVAR模型中存在着解释变量的滞后项，所表达的是变量的动态影响过程。根据PVAR模型的特点，本文接下来需要对变量的影响机制进行研究，主要使用的是脉冲响应函数和方差分解。

3.3脉冲响应分析

本文根据PVAR模型的脉冲响应函数可以清晰地看出随机扰动对变量的影响程度，能够清晰反映变量之间的传导机制。考虑到模型的稳健性，本文采取MonteCarlo方法对各变量进行模拟，通过模拟500次后得到有色金属贸易国家的变量序列进行建模，观察脉冲响应变动趋势。图中的纵坐标轴表示内生变量对有色金属价格波动的影响程度，横坐标轴表示变量的持续作用的期数，上下两条线表示冲击值的95%的置信区间。

3.3.1铜贸易国家脉冲响应分析

图1是铜价、国民生产总值、消费者价格指数、货币供应量和贸易量对铜价冲击的脉冲响应图，描述了一单位解释变量的标准差对铜价的冲击方向与程度。

当一单位铜价的标准差波动对铜价本身进行冲击时，滞后10期内对铜价自身的冲击存在显著的正向响应，铜价自身的冲击与铜价波动存在长期均衡关系。铜价对自身的冲击在滞后2期达到0.160的最高值，冲击响应呈震荡下降的走势，在滞后3期正向响应降为 0.115，在滞后6期回升至0.132，在滞后9期达到最低值，这说明铜价本身存在着明显的价格惯性。

当一单位的标准差波动对铜价进行冲击时，铜价当期和滞后1期均无响应，从滞后2期开始响应，在滞后3期达到0.020的最高值，随后呈下降走势。在滞后7期时，响应降为0。到滞后10期时，已下降至-0.018。这说明国民生产总值对铜价的冲击存在滞后性，当国民经济过热时，会遭遇价格上涨的陡直区间，供给方会增加铜的产能，而产能的提升需要周期，当需求下降时，便形成了产能过剩的局面，开始对铜价产生负向的冲击。

当一单位消费者价格指数的标准差波动对铜价进行冲击时，铜价到从当期到滞后3期均无响应。在滞后4期开始呈现负响应，在滞后6期开始回升，在滞后10期成为正响应。这表明，消费者价格指数对铜价存在负向冲击，但冲击的频率低，周期短。

当一单位货币供应量的标准差波动对铜价冲击时，铜价从滞后2期开始有正的响应，到滞后4期响应程度达到0.018的最高值，随后开始下降，在滞后6期趋0。可见货币供应量对铜价存在显著的正向冲击，冲击的短期效应明显且强烈。

当一单位贸易量的标准差波动对铜价冲击时，铜价从滞后6期开始有正的响应，到滞后10期时，响应程度达到了0.022。可见铜价对贸易量的变化具有明显的正向响应，且存在滞后效应。

3.3.2铝贸易国家的脉冲响应分析

图2是铝价、国民生产总值、消费者价格指数、货币供应量和贸易量对铝价冲击的脉冲响应图，描述了一单位解释变量的标准差对铝价的冲击方向与程度。

当一单位铝价的标准差波动对铝价本身冲击时，铝价对自身的冲击呈正向响应，并且在滞后2期达到0.111的最高值，冲击响应呈持续下降的走势，在滞后10期达到0.033的最低值。与铜的情况类似，滞后10期内铝价自身波动对铝价具有明显而持续的正向冲击。

当一单位国内生产总值的标准差波动对铝价波动冲击时，当国内生产总值受到一个外部的正向冲击后，铝价从滞后2期开始响应，在滞后5期达到0.013的最高值，随后开始呈下降走势。到滞后10期时，已下降至-0.008。可见国内生产总值对铝价持续产生冲击。

当一单位消费者价格指数的标准差波动对铝价冲击时，铝价到从滞后4期开始呈现负响应，在滞后8期开始回升，在滞后10期趋于0。可见消费者价格指数对铝价的负向冲击存在滞后性。

当一单位货币供应量的标准差波动对铝价冲击时，铝价从滞后2期开始有正的响应，到滞后5期响应程度达到0.014的最高值，随后开始下降，在滞后8期趋0。随后开始上升，到滞后10期达到0.009。可见货币供应量对铝价的冲击波动性较大。

当一单位贸易量的的标准差波动对铝价冲击时，滞后10期内贸易量对铝价的冲击较弱，铝价仅在滞后2期和滞后8期有负的响应。铝是世界上蕴藏储量较为丰富的资源，且分布广泛，因此铝贸易市场的集中度较低，供需结构平稳，近年来世界范围内铝产能过剩，铝价相比其他有色金属价格处在低位且波动幅度较小，因而贸易量对铝价的冲击不明显。

3.3.3铅贸易国家脉冲响应分析

图3是铅价、国民生产总值、消费者价格指数、货币供应量和贸易量对铅价冲击的脉冲响应图，描述了一单位解释变量的标准差对铅价的冲击方向与程度。

当一单位铅价的标准差波动对铅价本身冲击时，铅价对自身的冲击呈正向响应，在滞后2期达到0.16的最高值，并持续到滞后6期，随后冲击响应呈持续下降的走势。可见滞后10期内铅价对自身具有明显而持续的正向冲击。

當一单位国内生产总值的标准差波动对铅价冲击时，铅价的响应程度较弱，仅在滞后4期存在-0.04的负响应，其他时期均趋于0。可见铅价对国内生产总值的响应程度较弱。

当一单位消费者价格指数的标准差波动对铅价冲击时，铅价到从滞后2期开始呈现负响应，在第5期开始负效应影响最大，达到-0.02，在第10期趋于0。可见消费者价格指数对铅价的负向冲击存在滞后性。

当一单位货币供应量的标准差波动对铅价冲击时，铅价从滞后3期开始有负的响应，到滞后7期响应程度达到-0.003，随后开始上升，在滞后9期趋0。可见铅价对货币供应量冲击的响应明显且急促。

当一单位贸易量的的标准差波动对锌价冲击时，滞后10期内贸易量对铅价的冲击较弱，铅价仅在滞后1期和滞后6期有负的响应。可见铅价对贸易量的冲击响应程度较弱，这与铝价的情况类似，但原因不同。中国是世界上铅消费量最大的国家，同时也是铅储量大国，对外依存度较低，因此铅贸易状况对国际铅价的影响较弱。

3.3.4锌贸易国家脉冲响应分析

图4是锌价、国民生产总值、消费者价格指数、货币供应量和贸易量对锌价冲击的脉冲响应图，描述了一单位解释变量的标准差对锌价的冲击方向与程度。

当一单位锌价的标准差波动对锌价本身冲击时，可以看出锌价对自身的冲击呈正向响应，在滞后3期达到0.16的最高值，随后冲击响应呈持续下降的走势。可滞后10期内锌价对自身具有明显而持续的正向冲击。

当一单位国内生产总值的标准差对锌价波动冲击时，锌价持续响应。在滞后5期达到-0.02的负响应，在滞后8期达到-0.03的负效应。可见国内生产总值对锌价产生持续的负向冲击。

当一单位消费者价格指数的标准差波动对锌价冲击时，锌价到从当期开始呈现负响应，在滞后5期负效应达到-0.04，在滞后10期趋于0。可见消费者价格指数对锌价产生持续的负向冲击。

当一单位货币供应量的标准差波动对锌价冲击时，锌价分别在滞后2期、滞后5期和滞后8期有负的响应，且响应明显。可见锌价对货币供应量冲击的响应明显且急促。

当一单位贸易量的标准差波动对锌价冲击时，滞后10期内贸易量对锌价的冲击较弱，可见锌价对贸易量的冲击响应程度较弱，这个结果同铝，铅相似。锌的单一储量较少，往往与铅伴生，因此锌价的波动特点与铅价相似。

3.4方差分解

为了解各个因素对铜、铝、铅、锌价格波动影响程度的贡献大小，量化每个变量对因变量的解释程度，本文对影响铜、铝、铅、锌价格波动的影响因素进行方差分解。如表4所示，从当期到滞后10期，有色金属价格受自身变动的冲击最强，均维持在95%以上。

表4左上是铜价波动因素的方差分解结果，从滞后1期到滞后10期的结果可以看出：铜价受自身变动的影响最大，均在95%以上，但呈现下降趋势；货币供应量和消费者价格指数对铜价的影响波动较大，波动幅度分别为45%和82%；国内生产总值和贸易量对铜价的影响持续增长，较第二期分别增长了5.77%和3.97%。上述分析表明，铜价受自身滞后效应变量的影响最大，国内生产总值和贸易量对铜价的影响程度持续变大。

表4右上是铝价波动因素的方差分解结果，从当期到滞后10期的结果可以看出：铝价受自身变动的影响较大且呈下降趋势；贸易量对铝价的影响程度则逐年下降，滞后10期较滞后2期下降了2.926%；货币供应量、国内生产总值和消费者价格指数对铝价的影响程度则逐年上升，货币供应量和消费者价格对铝价影响的变动幅度较大。

表4左下是影响铅价波动因素的方差分解结果，从当期到滞后10期的结果可看出：铅价受自身变动的影响较大并呈下降趋势；消费者价格指数对铅价的影响幅度较大，且影响程度的波动幅度较大；货币供应量对铅价的影响程度逐期增加，第10期较第1期增长了9.1%；国内生产总值持续影响铅价，而贸易量对铅价的影响幅度较小。

表4右下是影响锌价波动因素的方差分解结果，从当期和滞后10期的结果可以看出：锌价受自身变动的影响较大并呈下降趋势；国内生产总值对锌价的影响程度明显，且逐期增大；消费者价格指数和货币供应量对铅价的影响程度的波动幅度较大，在滞后5期和滞后8期有2%左右的提升；而贸易量对铅价的影响幅度逐期增加，但影响程度较小。

通过对铜、铝、铅、锌四种有色金属价格波动影响因素分析发现，这四种金属受自身价格波动的影响最为显著，对有色金属价格波动冲击较显著的变量还有国内生产总值和货币供应量。有色金属价格波动受供需因素和货币金融因素的双重影响，以国内生产总值和贸易量为代表的供需因素对有色金属价格波动的影响持续性较强，而以货币供应量和消费者价格指数为代表的货币金融因素对有色金属价格波动的影响短期效应较强。从不同金属来看，铜贸易国的贸易量对铜价波动的贡献度要高于其他三种有色金属贸易国家；铝、铅、锌贸易国家的金融因素对铝、铅、锌价格的影响要强于铜贸易国家。

4结论与建议

本文从实体经济、供需状况和货币金融三个层面，选取有色金属中贸易量较大的铜、铝、铅、锌四种矿产品，和中国、美国、印度、巴西、澳大利亚、智利、秘鲁等20个有色金属主要贸易国家，建立面板向量自回归模型，验证各个因素对有色金属价格的影响方向和大小，主要研究结论如下：

（1）从铜、铝、铅、锌四种有色金属价格波动影响因素的共性来看，国内生产总值和货币供应量对有色金属价格波动的影响较大，但受二者影响的作用方式不同。国内生产总值与有色金属价格存在长期均衡，即有色金属价格持续受到供需因素的影响。货币供给量对有色金属价格的影响短暂而剧烈，即金融因素会引起有色金属价格的短期剧烈波动。

（2）国内生产总值和贸易量与铜价的波动密切相关，货币供应量和消费者价格指数对铜价的波动相关性较弱；货币供应量和消费者价格指数与铝、铅、锌价格的波动密切相关，贸易量与铝、铅、锌的价格相关性较弱。

（3）有色金属主要贸易国的各个变量对铜、铝、铅、锌价格波动的贡献程度不同。铜贸易国的贸易量对铜价波动的贡献度要高于其他三种有色金属贸易国家；铝、铅、锌贸易国家的金融因素对铝、铅、锌价格的影响要强于铜贸易国家。

综上，供需因素与金融因素是影响国际有色金属大宗商品价格波动的主要因素，供需因素对国际有色金属大宗商品价格波动的影响是长期而持续的，金融因素对国际有色金属大宗商品价格波动的影响是短期而剧烈的，该结论与韩立岩等人[6]的结论相同。从影响铜、铝、铅、锌价格波动因素的特点来看，铜贸易国需求方势力对铜价波动的影响较显著，而金融因素对铝、铅、锌价格波动的影响较显著。有色金属是国民经济运行所必需的基础原料，同时是国际大宗商品市场上交易量巨大的产品，随着全球化程度的加深，各国金融市场的联系也日益紧密。有色金属价格的剧烈、频繁波动，不仅会对世界实体经济产生冲击，而且会影响国际大宗商品市場的平稳运行，冲击各国的货币金融体系。因此，在进一步关注有色金属大宗商品供应结构的同时，还需要关注货币金融因素对国际有色金属大宗商品市场的短期影响。

近年来，以中国为代表的新兴经济体宏观经济运行态势较好，大幅拉动了对有色金属的需求。中国已成为铜、铝、铅、锌四种有色金属的最大进口国，虽然近期中国对有色金属需求的增长已有放缓，但仍处在较高的需求平台期，加之印度、巴西、马来西亚等工业化初期国家工业化潜力较大，未来新兴国家对有色金属的需求量仍会维持高位，科学研判有色金属价格波动，将有利于世界经济的稳定发展。根据上文结论，提出以下对策：①以中国为代表的需求国应密切关注有色金属价格走势，建立健全有色金属价格的实时监测和预警机制。②以中国为代表的需求国应在建立国家储备体系的同时，探索建立有色金属商业储备体系，在满足长期需求的同时增加抗击有色金属价格短期波动的能力。③在全球范围内，铝、铅、锌已经呈现全球性过剩的局面，以中国为代表的需求国和其他供给国应制定相应的产业政策，化解过剩产能，早日度过矿业低潮期。④供需层面和货币金融因素对有色金属价格波动的影响具有滞后效应。发达经济体金融系统完善，对有色金属价格波动的反映更为及时、迅速，更能捕捉到期货市场上的机会获利。以中国为代表的有色金属消费国对有色金属价格的影响力仍需提升，对有色金属价格波动的反应仍需加快，利用金融手段避险趋利仍需加强。

（编辑：李琪）

参考文献（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]谭小芬，刘阳，张明.国际大宗商品价格波动：中国因素有多重要[J].国际金融研究， 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]韩立岩，尹力博.投机行为还是实际需求？——国际大宗商品价格影响因素的广义视角分析[J].经济研究，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.大宗商品国际市场价格波动的影响因素研究——基于分组国家的比较[J].国际金融研究，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.后危机时代矿产品价格趋势分析[J].地球学报，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]卢锋，李远芳，刘鎏.国际商品价格波动与中国因素[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]周伟，何建敏.后危机时代金属期货价格集体上涨——市场需求还是投机泡沫[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]钟美瑞，谌杰宇，黄健柏，等.基于MSVAR模型的有色金属价格波动影响因素的非线性效应研究[J].中国管理科学，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]边璐，张江朋，宋宇辰，等.国际金属价格指数、广义需求与中国稀土产品价格[J].资源科学， 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]张晶， 周海川. 国际大米价格互动性与中国粮食安全研究[J]. 中国人口·资源与环境， 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]孙正， 张志超. 流转税改革是否优化了国民收入分配格局？ [J]. 数量经济技术经济研究， 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. 贸易开放、经济增长与中国二氧化碳排放的动态关系——基于全球向量自回归模型的实证研究[J]. 中国人口·资源与环境， 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]李颖， 胡日东. 中国房地产价格与宏观经济波动——基于PVAR模型的研究[J]. 宏观经济研究， 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，陈其慎，等. 矿产资源需求理论与模型预测[J]. 地球学报. 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]贾立文， 徐德义. 区域经济、城镇化对铁矿石需求的影响研究——基于27国样本[J]. 资源科学， 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.]