貨幣政策立場與大宗商品價格的非線性關系

曹強　陳虎

關鍵詞：貨幣政策立場;金融化程度;TVP-SVAR-SV模型 ;MS-VAR模型

中圖分類號：F822 文獻標識碼：A 文章編號：1003-7217（2022）03-0018-08

一、引言

中國大宗商品具有重要戰(zhàn)略地位，在雙循環(huán)背景下它不僅是工業(yè)基礎材料之一，而且具有金融屬性。大宗商品市場與金融市場的聯(lián)動性增強，大宗商品金融化程度增加，大宗商品價格的變化勢必會對國家的實體經濟、金融市場造成重大影響。隨著供給側結構改革的推進，貨幣政策成為影響大宗商品價格的重要因素，在雙循環(huán)背景下如何更有效實施貨幣政策影響大宗商品價格是重要問題。由于央行調控目標多樣化，實踐中貨幣政策調控的方向和強度不同，即貨幣政策是寬松還是緊縮對大宗商品價格影響也不同。

現(xiàn)有關于貨幣政策對大宗商品價格的影響，主要分三類：（1）以利率為代表的價格型貨幣政策工具。例如，短期實際利率對大宗商品價格負向影響。（2）以貨幣供給為代表的數(shù)量型貨幣政策工具。例如，中國廣義貨幣供給量會通過通脹預期渠道對石油價格產生正向影響。（3）量化寬松型的貨幣政策。例如，全球流動性增加會推動大宗商品價格上漲，且在2008年影響效果最大。

伴隨大宗商品金融化的增強，眾多學者研究金融化因素在大宗商品價格決定中的作用。（1）金融因素對大宗商品價格的影響。金融投機因素對石油價格在2004—2010年上漲的解釋能力達到44%。2004年后股票市場與大宗商品市場關聯(lián)性增強，機構投資者的商品指數(shù)投資對大宗商品價格的影響增強。金融投機因素是解釋大宗商品價格的主要驅動因素。（2）大宗商品金融化程度的測度。選取大宗商品期貨市場和股票市場之間的動態(tài)相關系數(shù)測算大宗商品金融化程度。根據(jù)我國股票市場和大宗農產品期貨市場之間的動態(tài)相關系數(shù)衡量我國農產品金融化程度。運用DCC-GARCH模型提取原油期貨和行業(yè)金融指數(shù)的動態(tài)相關系數(shù)用來衡量原油金融化程度。

綜上，越來越多的文獻研究貨幣政策對大宗商品價格的影響，但大都基于單一的價格型或者數(shù)量型貨幣政策，鮮有文獻考察貨幣政策立場與大宗商品價格的非線性關系，更沒有考慮到大宗商品金融化程度的區(qū)制劃分。研究貨幣政策立場與大宗商品價格的非線性關系，并考慮大宗商品金融化程度的區(qū)制劃分，可以為穩(wěn)定中國大宗商品價格波動提供決策參考。

二、理論分析與研究假設

貨幣政策立場指央行實施貨幣政策的寬松度以及力度，代表未預期到的貨幣政策。體現(xiàn)在兩個層面：理論層面，即實際貨幣政策包括預期到和未預期到的貨幣政策，而未預期到的貨幣政策對指導前瞻性貨幣政策有重要作用，這種未預期到的貨幣政策就是貨幣政策立場;現(xiàn)實層面，即隨著中國貨幣政策前瞻性和透明度的增強，市場對預期到的貨幣政策提前反應，從而央行調整貨幣政策時，未預期到的貨幣政策沖擊才會發(fā)揮作用。

以貨幣政策立場緊縮為例，其通過大宗商品的金融屬性和商品屬性影響價格，傳導機制見圖1。大宗商品的金融屬性表現(xiàn)為兩種渠道效應：風險溢價渠道和投機因素渠道。（1）風險溢價渠道：實行緊縮的貨幣政策立場，會增加金融市場風險的概率，引發(fā)投資者收益不確定性增加，從而需要更多的風險溢價作為補償。（2）投機因素渠道：大宗商品期貨市場中存在異質性的投資者，包括套期保值的風險厭惡者和投機獲利的風險偏好者。第一，風險厭惡投資者在市場不確定加劇時期不愿進行買賣活動、承擔交易風險。第二，出于投機目的的購買者活躍于大宗商品期貨市場，購買當期商品期貨以期在期貨市場未來高漲時期獲取高額利潤，推動大宗商品價格上漲，使得大宗商品具有金融屬性。

大宗商品的商品屬性表現(xiàn)為兩種渠道效應：需求渠道和投資渠道。（1）需求渠道：需求因素是影響大宗商品價格的重要因素，緊縮的貨幣政策立場引發(fā)產出下降、大宗商品需求量降低，進而導致大宗商品價格下降。（2）投資渠道：貨幣政策立場緊縮引發(fā)產出下降，經濟下行期間的企業(yè)盈利能力惡化的可能性增大，企業(yè)凈值的減少引致企業(yè)融資困難、融資成本提高，企業(yè)為維護自身資產負債情況會減少對外投資，引發(fā)大宗商品價格下降。

（一）大宗商品金融屬性和商品屬性導致了貨幣政策立場的短期效應和長期效應

從圖1可以看出，貨幣政策立場會通過金融屬性因素和商品屬性因素對大宗商品價格產生影響。短期內，貨幣政策立場主要通過大宗商品的金融屬性對大宗商品價格產生影響;長期內，貨幣政策立場主要通過大宗商品的商品屬性對大宗商品價格產生影響。這和劉璐等的結論一致。而且在短期內，大宗商品的金融屬性主要通過風險溢價渠道和投機因素渠道發(fā)揮重要作用。針對上述分析，提出研究假設1。

假設1 貨幣政策立場對大宗商品價格具有顯著的時變影響，并且短期效應大于長期效應。

（二）大宗商品金融化程度不同，貨幣政策立場發(fā)揮作用的強度不同

從圖1可以看出，大宗商品的金融屬性表現(xiàn)為兩種渠道效應：風險溢價渠道和投機因素渠道，大宗商品金融化程度不同，有高有低，金融屬性在大宗商品價格決定中的作用取決于投機交易者的比例，而投機交易者比例與大宗商品金融化程度正相關。

當大宗商品金融化程度高時，貨幣政策立場緊縮通過風險溢價渠道和投機因素渠道對大宗商品價格的影響更強，表現(xiàn)為圖1中金融化程度高時中國大宗商品價格的變動更大。當大宗商品金融化程度低時，由于投機交易者比例較小，貨幣政策立場緊縮通過風險溢價渠道和投機因素渠道對大宗商品價格的影響則相對較弱，表現(xiàn)為圖1中金融化程度低情況下中國大宗商品價格的變動相對較小。針對上述分析，提出假設2。

假設2不同大宗商品金融化程度，使貨幣政策立場與大宗商品價格存在非線性關系。大宗商品金融化程度越高，貨幣政策立場通過風險溢價渠道和投機因素渠道對大宗商品價格的影響更強、持續(xù)時間更久。

（三）未預期到的貨幣政策對大宗商品價格的影響更顯著

根據(jù)理性預期假說，預期到的貨幣政策（利率）變化會迅速反映在大宗商品價格變化中。預期到的貨幣政策會減弱貨幣政策的效果，因此相較于未預期到的貨幣政策，預期到的貨幣政策對大宗商品價格的影響效應較小。針對上述分析，提出假設3。

假設3未預期到的和預期到的貨幣政策對大宗商品價格都會產生影響，與預期到的貨幣政策相比，未預期到的貨幣政策對大宗商品價格的影響更顯著。

三、計量模型構建和變量選擇

（一）TVP-SVAR-SV模型的構建

運用TVP-SVAR-SV模型研究貨幣政策立場對大宗商品價格的時變影響，由于TVP-SVAR-SV模型由SVAR模型演變而來，因此有兩個方面需要考慮：第一，SVAR模型選擇變量的理由和變量順序。第二，時變參數(shù)TVP-SVAR-SV模型的設定。具體如下：

1.選擇變量的理由和變量順序。

（1）選擇變量的理由。在研究大宗商品價格時，需要考慮供給沖擊、需求沖擊和大宗商品的金融化程度，例如，有證據(jù)支持在研究大宗商品價格波動時，需要考慮供給沖擊、需求沖擊和金融投機沖擊。因此，將供給沖擊、需求沖擊和金融投機沖擊納入統(tǒng)一的研究框架，能系統(tǒng)研究貨幣政策立場對大宗商品價格的影響。

從圖2可以看出，一單位正向貨幣政策立場沖擊對大宗商品價格短期影響強于中長期。具體來講，滯后4期的貨幣政策立場沖擊對大宗商品價格的波動區(qū)間為[-0.0005，0.0011];滯后8期的波動區(qū)間為[-0.0002，0.0004];滯后12期的波動區(qū)間為[-0.0001，0.00015]。這是因為緊縮的貨幣政策立場通過風險溢價渠道和投機因素渠道發(fā)揮作用。（1）基于風險溢價渠道：實行緊縮的貨幣政策立場，金融市場風險發(fā)生的可能性變大，投資者面臨的不確定性增加，需要更多的風險溢價作為補償。（2）基于投機因素渠道：投機者購買大宗商品期貨以期未來期貨市場高漲時期高價出售獲得高額利潤，投機因素增加。

從圖2的整體趨勢看，2015年之前貨幣政策立場對大宗商品價格發(fā)揮正向作用，2015年之后表現(xiàn)為負向作用，具有時變性。這兩個區(qū)間的大宗商品金融化程度不同，2009-2014年我國大宗商品由金融屬性主導，2015年之后大宗商品金融化程度下降。2015年股災導致商品期貨投資者資金流出，大宗商品價格由商品屬性主導，即緊縮的貨幣政策立場通過投資渠道和需求渠道引發(fā)大宗商品價格下跌，進而表現(xiàn)為貨幣政策立場與大宗商品價格負相關。

（三）特定時點脈沖響應

圖3為貨幣政策立場對大宗商品價格的時點脈沖結果，選取的3個時點為2013年12月、2015年6月和2019年12月。首先，2013年12月中國經濟進入新常態(tài)，政府為刺激經濟，采取降準降息等措施，導致資金流入資本市場，推動資本市場繁榮，體現(xiàn)大宗商品的金融屬性;其次，2015年6月中國股市進入熊市，資金流出資本市場，體現(xiàn)大宗商品的商品屬性;最后，2019年底新冠肺炎疫情暴發(fā)沖擊我國實體經濟和金融市場，影響大宗商品價格。其中實線、短虛線、長虛線分別代表2013年12月、2015年6月、2019年12月。

圖3顯示：（1）給予貨幣政策立場單位正向沖擊，3個時點的大宗商品價格脈沖響應趨勢基本一致，均先上升后振蕩下降趨于零值。因為緊縮的貨幣政策立場短期通過風險溢價渠道和投機因素渠道推動大宗商品價格上漲，對應第1期的脈沖響應上升階段;長期通過投資渠道和需求渠道引發(fā)大宗商品價格下跌，脈沖響應趨勢下降。（2）3個時點脈沖響應程度大小不同，表明在不同時期的宏觀經濟環(huán)境中，貨幣政策立場對大宗商品價格的影響不同，進一步說明兩者時變關系。假設1得到驗證。

（四）穩(wěn)健性檢驗

第一，更改滯后期的穩(wěn)健性檢驗。參照王東明和魯春義的研究，將滯后期更改為2期。第二，更換時點的穩(wěn)健性檢驗。參照錢宗鑫等的研究，選取另外3個不同的時點：2011年7月、2014年11月和2019年1月。結果與圖2和圖3基本吻合，限于篇幅，未詳細列出。

五、進一步研究：貨幣政策立場對大宗商品價格的區(qū)制效應

采用MS-VAR模型研究貨幣政策立場對大宗商品價格的區(qū)制效應，考察兩者之間的非線性關系。

（一）MS-VAR模型的選擇

確定MS-VAR模型的最優(yōu)形式是保證實證結果穩(wěn)健的前提。第一，根據(jù)大宗商品金融化程度的測算結果，大宗商品可以分解為金融化程度高和金融化程度低兩種狀態(tài)。2009—2014年和2018—2020年大宗商品金融化程度高，2008年和2015—2017年大宗商品金融化程度低，因此將區(qū)制數(shù)量設為2。第二，根據(jù)AIC和SC信息準則最小的原則，將模型滯后階數(shù)設定為2。第三，根據(jù)模型均值、截距項、系數(shù)與方差等是否隨狀態(tài)變化而變化，分別建立非線性的MSI（2）-VAR（2）、MSIA（2）-VAR（2）、MSIH（2）-VAR（2）、MSIAH （2）-VAR（2）模型，并根據(jù)LL、AIC、HQ、SC等信息準則選取最優(yōu)模型，結果見表1。

從表1可以看出：MSIH（2）-VAR （2）的AIC、HQ、SC值最小，分別為—19. 7731、—18. 6211和—17. 5050，且LR線性檢驗統(tǒng)計量為307. 751，在5%水平下拒絕模型為線性關系的原假設。截距和方差隨區(qū)制變化的MSIH（2）-VAR（2）模型擬合效果最好。

（二）區(qū)制概率圖

圖4為MSIH（2）-VAR（2）模型的區(qū)制概率圖，可以發(fā)現(xiàn)兩區(qū)制的劃分區(qū)間與FIN波段基本吻合。區(qū)制1中FIN較小，大宗商品金融化程度較低;區(qū)制2中FIN較大，大宗商品金融化程度較高。該區(qū)制劃分和現(xiàn)實一致，因為2015年我國股災爆發(fā)，大批投資者從商品期貨市場撤離引發(fā)大量資金出逃，投資者對大宗商品期貨的持有量、投資減少，導致大宗商品金融化程度下降，這和區(qū)制1的狀態(tài)一致，表明將大宗商品金融化分為低程度和高程度區(qū)制較為合理。

（三）分區(qū)制脈沖響應分析

圖5給出了區(qū)制1（金融化程度低）和區(qū)制2（金融化程度高）貨幣政策立場單位標準差正向沖擊下大宗商品價格的脈沖響應結果。由圖5可以看出，區(qū)制1和區(qū)制2中大宗商品價格對貨幣政策立場單位正向沖擊的脈沖響應均短期上升，長期下降，這與圖3特定時點脈沖響應結果一致，表明結果的穩(wěn)健性。

但是，在區(qū)制1和區(qū)制2兩種金融化程度下的貨幣政策立場沖擊對大宗商品價格存在明顯差異性的區(qū)制效應，表明二者之間具有非線性關系。第一，從脈沖響應值大小看：區(qū)制2中貨幣政策立場沖擊對大宗商品價格的影響強于區(qū)制1，最大脈沖響應值分別為0.064和0.012。第二，從持續(xù)時間來看：區(qū)制2中貨幣政策立場發(fā)揮作用的持續(xù)時間長于區(qū)制1，脈沖響應分別于滯后12期和9期以后降為零值。貨幣政策立場與大宗商品價格存在非線性關系，即大宗商品金融化程度較高時，貨幣政策立場通過風險溢價渠道和投機因素渠道對大宗商品價格的推動作用更強、持續(xù)時間更久，主要是因為金融化程度高時大宗商品期貨投機交易者比例增加，金融屬性決定其價格時發(fā)揮的作用增強，因而使得貨幣政策立場通過風險溢價渠道和投機因素渠道對大宗商品價格的推動作用更強。假設2得到驗證。

（四）累積脈沖響應

貨幣政策立場本質是未預期到的貨幣政策，運用Kuttner、譚小芬的方法進一步檢驗未預期貨幣政策的作用，將實際的貨幣政策沖擊（AMP）分解為預期到的貨幣政策沖擊（EMP）和未預期到的貨幣政策沖擊（UMP）。具體構造方式見式（12）～式（14）。

其中，F(xiàn)代表FR007利率互換期貨數(shù)據(jù)，I代表FR007利率，T為期貨合約到期日，D為期貨合約期限，F(xiàn)代表隱含在FR007利率互換期貨合 約中的利率。分成兩步計算：第一，計算預期到的貨幣政策沖擊，使用滯后1期的FR007利率互換月末值減去滯后1期的FR007月末值，即公式（12）。第二，計算實際的貨幣沖擊，使用FR007的平均利率減去滯后1期的FR007月末值，即公式（13）。第三，計算未預期到的貨幣政策沖擊，使用實際的貨幣政策沖擊減去預期到的貨幣政策沖擊，即公式（14）。

通過以上步驟得到UMP和EMP，并將UMP和EMP分別替換貨幣政策立場進行累積脈沖響應來研究兩者持續(xù)影響力，以此比較未預期到和預期到的貨幣政策沖擊下大宗商品價格的變化。結果詳見圖6。

圖6給出了未預期到和預期到的貨幣政策對大宗商品價格的累積脈沖響應結果。結果顯示，分別給予未預期和預期到貨幣政策單位標準差的正向沖擊，大宗商品價格的累積脈沖均為負向響應，表明未預期和預期到的貨幣政策緊縮均對大宗商品價格有負向影響，通過投資渠道和需求渠道引致大宗商品價格下跌。

但與預期到的貨幣政策相比，未預期到的貨幣政策沖擊對大宗商品價格的影響更顯著。未預期到的貨幣政策對大宗商品價格的累積脈沖效應為-0.068，預期到的貨幣政策的累積脈沖效應為-0.04。貨幣政策存在預期，由于經濟主體在貨幣政策實施前會調整自身行為，市場也會對預期到的貨幣政策提前進行反應和定價，這使得預期到的貨幣政策發(fā)揮作用有限，未預期到的貨幣政策發(fā)揮更大的作用。假設3得到驗證。

六、結論與政策建議

運用TVP-SVAR-SV模型和MS-VAR模型研究中國貨幣政策立場與大宗商品價格的非線性關系，大宗商品金融化程度不同時，貨幣政策立場對大宗商品價格的影響不一樣。結論顯示：（1）貨幣政策立場對大宗商品價格存在顯著的時變特征，表現(xiàn)出明顯的非線性關系。不同時期的貨幣政策立場對大宗商品價格的影響發(fā)生變化，2015年之前主要為正向影響，2015年之后則為負向影響，而且不同時點下的脈沖響應也不同。（2）大宗商品金融化程度不同時，貨幣政策立場對大宗商品價格具有非線性影響。在大宗商品金融化程度高時，金融因素在大宗商品價格決定中發(fā)揮重要作用，貨幣政策立場通過風險溢價渠道和投機因素渠道對大宗商品價格的推動作用更強，而在低金融化程度區(qū)制中推動作用則相對較弱。（3）預期到和未預期到的貨幣政策對大宗商品價格的影響存在差異性特征。相較于預期到的貨幣政策，未預期到的貨幣政策緊縮對大宗商品價格的負向影響更大，未預期到的貨幣政策發(fā)揮主要作用，表明了貨幣政策立場的重要性。

基于上述結論，給出如下政策建議：（1）央行調控貨幣政策時要考慮到大宗商品價格的變化因素。尤其是當外部環(huán)境劇烈變化時，需要及時調整并不斷創(chuàng)新、豐富貨幣政策工具，準確識別我國貨幣政策立場，以此保證貨幣政策對大宗商品價格調控的有效性。近些年來，全球流動性寬松加劇了大宗商品市場價格的不穩(wěn)定性，2019年底新冠肺炎疫情暴發(fā)后，各國實行了量化寬松政策，本國金融市場會受到國內外貨幣政策的沖擊，這對大宗商品市場造成巨大影響，因此貨幣政策識別工具應對此做出及時調整。（2）強化大宗商品金融化程度的調控，有助于控制風險。大宗商品市場與金融市場的聯(lián)動性增強，大宗商品金融化程度較高時，央行制訂政策時更要注重風險溢價渠道和投機因素渠道對大宗商品價格的影響。同時應加強期貨市場投機行為的監(jiān)管，避免非理性的投機行為危害大宗商品市場價格的穩(wěn)定性。（3）央行應提高貨幣政策的前瞻性和透明度以形成穩(wěn)定預期。該做法不僅有利于公眾獲取相關信息、形成良好貨幣政策預期，而且可以減少未預期到的貨幣政策對大宗商品價格的沖擊，降低大宗商品價格波動性、提升大宗商品市場穩(wěn)定性。