陳虎

摘要：基于2008年第一季度至2020年第二季度數(shù)據(jù)，利用TVP-SVAR-SV模型研究世界大流行病不確定性對中國大宗商品價格的時變影響，并在此基礎(chǔ)上對大宗商品進行分類別研究，比較分析世界大流行病不確定性對不同類別大宗商品價格的影響差異。實證結(jié)果表明：第一，世界大流行病不確定性對大宗商品價格具有時變的負向影響，并且短期效應(yīng)大于長期效應(yīng)。第二，不同時期中世界大流行病不確定性對大宗商品價格的影響不同，相較于2008年第四季度全球金融危機和2015年中國股市大幅回調(diào)時期，2019年第四季度COVID-19疫情時期世界大流行病不確定性對大宗商品價格的影響更大。第三，世界大流行病不確定性對不同類別大宗商品價格的影響存在差異，與鋼鐵類、能源類和有色金屬類相比，世界大流行病不確定性對礦產(chǎn)類大宗商品價格的時變影響更大。

關(guān)鍵詞：世界大流行病不確定性;大宗商品價格;TVP-SVAR-SV

中圖分類號：F062.9? ? ? 文獻標志碼：A? ? ? 文章編號：1008-4657（2021）03-0038-12

引言

雙循環(huán)背景下，中國大宗商品作為工業(yè)基礎(chǔ)材料，在經(jīng)濟活動中發(fā)揮著至關(guān)重要的作用，其價格的變動會對我國的經(jīng)濟和金融市場帶來重要影響。步入21世紀以來，全球金融危機、中美貿(mào)易摩擦等經(jīng)濟不確定事件的發(fā)生嚴重沖擊大宗商品市場，大宗商品價格變動加劇。特別是2019年底COVID-19疫情爆發(fā)所導(dǎo)致的全球性經(jīng)濟災(zāi)難，引發(fā)經(jīng)濟不確定性急劇攀升，進一步?jīng)_擊大宗商品價格[ 1 ]，這種世界大流行病引發(fā)的經(jīng)濟不確定性被稱之為世界大流行病不確定性（World Pandemic Uncertainty，簡稱WPU）。

國際貨幣基金組織的大宗商品價格指數(shù)顯示，在COVID-19疫情爆發(fā)初期，我國大宗商品價格一度跌至近四年最低水平;在COVID-19后疫情階段，大宗商品價格普遍上漲，特別是以鐵礦石、螺紋鋼等為代表的大宗商品價格頻頻創(chuàng)下歷史新高，礦產(chǎn)類、能源類和鋼鐵類等主要大宗商品價格顯著高于疫情前水平。中國作為大宗商品需求和消費大國，世界大流行病不確定性引發(fā)的大宗商品價格變動加劇，勢必會給經(jīng)濟的持續(xù)增長和金融市場的穩(wěn)定發(fā)展帶來挑戰(zhàn)。因此，在當(dāng)前全球后疫情沖擊的背景下，研究世界大流行病不確定性對中國大宗商品價格的影響，對于中國在后疫情時期有效應(yīng)對大宗商品價格沖擊和穩(wěn)定大宗商品市場具有重要意義。

1? ? ? ? ?文獻回顧

2008年金融危機爆發(fā)后，金融危機帶來的經(jīng)濟不確定性嚴重沖擊大宗商品市場，引發(fā)學(xué)者們對經(jīng)濟不確定性與大宗商品價格之間關(guān)系這一課題的廣泛關(guān)注[ 2-3 ]，而世界大流行病不確定性本質(zhì)上是大流行病引發(fā)的經(jīng)濟不確定性。

第一，經(jīng)濟不確定性對大宗商品價格的影響。經(jīng)濟不確定性的上升會對實體經(jīng)濟和金融市場產(chǎn)生巨大的負面影響[ 4 ]，對于兼具商品屬性和金融屬性的大宗商品而言，經(jīng)濟不確定性引發(fā)的實體經(jīng)濟衰退和金融市場不景氣都將對大宗商品價格造成沖擊。例如，Bakas D等[ 3 ]基于1985年1月至2016年12月數(shù)據(jù)，利用VAR模型就美國經(jīng)濟不確定性對大宗商品價格的影響展開實證研究，發(fā)現(xiàn)經(jīng)濟和金融不確定性帶來的正面沖擊會導(dǎo)致大宗商品價格的變動加劇。Prokopczuk M等[ 5 ]基于1970年1月至2015年12月數(shù)據(jù)，進一步證明了大宗商品價格的變動與經(jīng)濟不確定性密切相關(guān)。

第二，世界大流行病不確定性對大宗商品價格的影響。Bakas D等 [ 1 ]使用SVAR模型首次實證研究世界大流行病不確定性指數(shù)對全球大宗商品市場的影響，結(jié)果顯示世界大流行病不確定性會抑制全球大宗商品價格的波動性。Ezeaku H C等[ 6 ]使用SVAR模型實證研究COVID-19時期石油供給和全球需求對全球大宗商品價格的影響，同樣發(fā)現(xiàn)全球大宗商品價格的波動會受到世界大流行病不確定性的影響。Shaikh I[ 7 ]進一步聚焦全球大宗商品能源市場，研究發(fā)現(xiàn)COVID-19引發(fā)的不確定性會增加能源市場的波動性，特別是WTI原油市場的波動性表現(xiàn)出了前所未有的過度反應(yīng)。又因為COVID-19大流行病引發(fā)的不確定性導(dǎo)致大宗商品市場與金融市場的聯(lián)動性增強[ 8-9 ]，Borgards O等[ 10 ]進一步聚焦大宗商品期貨市場，研究COVID-19大流行病對大宗商品期貨價格的影響，結(jié)果顯示這種世界大流行病不確定性的上升也會引發(fā)大宗商品期貨價格的過度反應(yīng)，特別是能源商品期貨價格。

第三，時變參數(shù)模型?，F(xiàn)有研究經(jīng)濟不確定性沖擊對大宗商品市場影響的文獻主要采用VAR、SVAR等線性模型，并假設(shè)經(jīng)濟不確定性與大宗商品價格之間的關(guān)系不隨時間變化。然而，當(dāng)前國際經(jīng)濟形勢復(fù)雜，傳統(tǒng)的固定系數(shù)模型無法捕捉經(jīng)濟不確定性沖擊對大宗商品價格的時變影響。目前，許多學(xué)者使用時變參數(shù)向量自回歸模型來研究變量間的時變影響[ 11-12 ]。例如，陳瑤雯等[ 13 ]利用SV-TVP-VAR模型實證研究中國貨幣政策對大宗商品價格的時變影響。Chen J等[ 14 ]使用TVP-SVAR-SV模型實證研究石油沖擊對中國通貨膨脹的時變影響。

國內(nèi)外學(xué)者就世界大流行病不確定性對大宗商品價格的研究取得了豐碩的成果，但仍存有不足之處：第一，現(xiàn)有研究世界大流行病不確定性對大宗商品價格的影響，主要集中在全球大宗商品層面，關(guān)于世界大流行病不確定性與中國大宗商品價格之間關(guān)系的研究較為匱乏。第二，現(xiàn)有文獻大都選用SVAR等線性模型實證研究世界大流行病不確定性對大宗商品價格的影響，但線性模型存在靜態(tài)分析和參數(shù)不變的缺陷，難以捕捉變量之間的時變影響。

針對以上存在的不足，做出以下研究：首先，選取中國大宗商品價格為研究對象，研究世界大流行病不確定性對中國大宗商品價格的影響，并選取對中國影響較大的礦產(chǎn)類、鋼鐵類、能源類和有色金屬類大宗商品，比較分析世界大流行病不確定性對四類大宗商品價格的影響差異。其次，使用帶有時變參數(shù)的TVP-SVAR-SV模型進行實證研究。一方面，可以研究世界大流行病不確定性對中國大宗商品價格的時變影響，考察兩者之間的短期、中期和長期影響關(guān)系。另一方面，可以比較分析不同時期世界大流行病不確定性對中國大宗商品價格的影響差異。本文試圖在這些方面做些有益的補充。

2? ? ? ? 理論框架與研究假設(shè)

多數(shù)文獻認為經(jīng)濟不確定性會對大宗商品價格產(chǎn)生影響[ 15 ]，世界大流行病不確定性是大流行病引發(fā)的經(jīng)濟不確定性，本文認為世界大流行病不確定性也會影響大宗商品價格。以世界大流行病不確定性上升為例，分析世界大流行病不確定性通過作用于大宗商品的商品屬性和金融屬性影響大宗商品價格。大宗商品的金融屬性本質(zhì)上是金融因素發(fā)揮作用，包括風(fēng)險溢價渠道和期貨投資渠道;大宗商品的商品屬性本質(zhì)上是實際需求因素發(fā)揮作用，包括商品需求通道和企業(yè)投資渠道，且短期金融屬性發(fā)揮主導(dǎo)作用，長期由商品屬性主導(dǎo)[ 16 ]。具體傳導(dǎo)機制如圖1所示。

世界大流行病不確定性短期通過大宗商品的金融屬性對大宗商品價格產(chǎn)生影響。表現(xiàn)為世界大流行病不確定性上升帶來兩種渠道效應(yīng)：風(fēng)險溢價渠道和期貨投資渠道。（1）基于風(fēng)險溢價渠道[ 17 ]：世界大流行病不確定性上升導(dǎo)致商品期貨市場投資風(fēng)險增大，需要更多的風(fēng)險溢價作為補償，推動大宗商品價格上升。（2）基于期貨投資渠道：根據(jù)風(fēng)險規(guī)避效用理論[18]，世界大流行病不確定性上升期間的投資者容易產(chǎn)生負面情緒，投資者撤出大宗商品期貨市場規(guī)避風(fēng)險，期貨投資減少引發(fā)商品期貨價格下降，進而導(dǎo)致具有金融屬性的大宗商品價格下跌。

世界大流行病不確定性長期通過大宗商品的商品屬性對大宗商品價格產(chǎn)生影響，表現(xiàn)為世界大流行病不確定性上升帶來兩種渠道效應(yīng)：商品需求渠道和企業(yè)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[ 19 ]，世界大流行病不確定性上升引發(fā)經(jīng)濟增長停滯甚至衰退，導(dǎo)致大宗商品需求量下降、大宗商品價格下跌。（2）企業(yè)投資渠道：一方面，根據(jù)實物期權(quán)理論[ 20 ]，企業(yè)在不確定性增加期間會推遲投資，企業(yè)投資的減少導(dǎo)致大宗商品價格下降。另一方面，根據(jù)金融摩擦理論，不確定性增加會帶來金融摩擦的加劇，金融摩擦的增大導(dǎo)致企業(yè)融資成本增加和融資難度上升[ 21 ]，企業(yè)為維護自身資產(chǎn)負債情況會減少對外投資，進而導(dǎo)致大宗商品價格下跌。

通過以上分析，短期中大宗商品的金融屬性發(fā)揮作用，世界大流行病不確定性通過風(fēng)險溢價渠道對大宗商品價格正向影響，通過期貨投資渠道對大宗商品價格負向影響。長期中大宗商品的商品屬性發(fā)揮作用，世界大流行病不確定性通過商品需求渠道和企業(yè)投資渠道對大宗商品價格負向影響。又因中國大宗商品市場化進程會隨著時間推移而發(fā)生變化[ 22 ]，引發(fā)不確定沖擊對大宗商品價格的影響是時變的[ 23 ]。故提出假設(shè)1：世界大流行病不確定性對中國大宗商品價格負向影響，且具有顯著時變影響效應(yīng)。

其次，不同時期中大宗商品市場表現(xiàn)出不同的市場狀態(tài)[ 24 ]，相較于商品市場下行狀態(tài)，市場平穩(wěn)狀態(tài)的市場風(fēng)險抵御能力和風(fēng)險后的自我恢復(fù)能力更強，導(dǎo)致不同時期大宗商品市場抵御不確定性沖擊的能力不同，引發(fā)世界大流行病不確定性沖擊對大宗商品價格的影響有所差異。故提出假設(shè)2：不同時期中世界大流行病不確定性對中國大宗商品價格具有不同的影響效果。

最后，世界大流行病不確定性會通過投資、需求等因素影響大宗商品價格，但不確定性對大宗商品的沖擊會受到大宗商品所處行業(yè)的影響[ 25 ]，由于礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品行業(yè)在生產(chǎn)、銷售和貿(mào)易地位中的差異，導(dǎo)致這四類大宗商品行業(yè)的投資和需求等因素受世界大流行病不確定性沖擊的影響程度不同。故提出假設(shè)3：世界大流行病不確定性對礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品價格的影響具有差異性。

3? ?計量模型、變量選擇和數(shù)據(jù)處理

3.1? ?TVP-SVAR-SV模型的構(gòu)建

TVP-SVAR-SV模型是在SVAR模型基礎(chǔ)上演變而來，本文首先構(gòu)造包含六變量的SVAR模型，詳見式（1）。

式（1）中，yt=（WPUIt，GFPt，It，F(xiàn)INt，CCPIt）′，WPUI表示世界大流行病不確定指數(shù)，GDP表示產(chǎn)出，CPI表示通貨膨脹率，I表示利率，F(xiàn)IN表示大宗商品金融化程度指標，CCPI表示中國大宗商品價格，β0和βi均為6×6的系數(shù)矩陣，？著t代表結(jié)構(gòu)沖擊向量。假設(shè)A是可逆的，把矩陣A-1代入方程（1）中，推導(dǎo)簡化形式的SVAR模型：

其中，et是擾動項，且et=A-1？著t。這里對A-1施加限制以更好識別SVAR模型。首先，世界大流行病不確定性作為原始沖擊，不會受到其他因素的影響;其次，根據(jù)實際周期理論，長期供給沖擊只受到自身影響;再次，依據(jù)貨幣中心論的觀點，長期中貨幣供給只會受到需求沖擊和供給沖擊的影響，因而通脹也只受到需求沖擊和供給沖擊的影響;最后，崔明[ 26 ]的研究發(fā)現(xiàn)利率是大宗商品價格金融化的外在因素，且金融化程度的提高會對大宗商品價格產(chǎn)生影響[ 27 ]。基于以上分析，簡化形式的誤差et表示為公式（3）：

其次，本文通過在SVAR模型中設(shè)置時間參數(shù)構(gòu)建TVP-SVAR-SV模型，可以捕捉世界大流行病不確定性對大宗商品價格在各個階段的時變影響。根據(jù)Primiceri G E[ 28 ]和Nakajima J[ 29 ]的研究，方程（1）可以寫成式（4）形式：

式（4）中，β為36i×1維向量，Xt = It？茚（y，…，y），Σ為6×6維的對角矩陣，且對角線為[σ1，σ2，…σ6]。在式（4）中加入時間因素，得出TVP-SVAR-SV模型為

根據(jù)Primiceri G E[ 28 ]和Nakajima J[ 29 ]的研究，令αt = （α21，α31，α32，α41，…，α65）′為At下三角元素堆積成的向量矩陣，ht = （h1t，h2t，h3t，h4t，h5t，h6t）′，其中hjt = logσ2jt（j = 1，…，6;t = s+1，…，n）。并假設(shè)參數(shù)遵循如下隨機游走過程：

其中，βs+1～N（uβ0，Σβ0），αs+1～N（uα0，Σα0），hs+1～N（uh0，Σh0），Σβ、Σα、Σh為對角矩陣。

3.2? ?變量選取和數(shù)據(jù)來源

世界大流行病不確定性指數(shù)（WPUI）：參考Bakas D等[ 1 ]的做法，采用Ahir H等[ 30 ]構(gòu)造的WPUI指數(shù)作為世界大流行病不確定性的代理指標，數(shù)據(jù)為季度數(shù)據(jù)。

大宗商品價格（CCPI）：選取由中國科技部測算的CCPI指數(shù)作為中國大宗商品價格的代理指標，并將月度數(shù)據(jù)轉(zhuǎn)為季度數(shù)據(jù)，數(shù)據(jù)來源于同花順數(shù)據(jù)庫。

產(chǎn)出（GDP）：選取國內(nèi)生產(chǎn)總值作為代理指標。通貨膨脹率（CPI）：選取居民消費價格指數(shù)作為代理指標，并參考李成等[ 31 ]的做法，將月度數(shù)據(jù)轉(zhuǎn)為季度數(shù)據(jù)。利率（I）：選取銀行間7天加權(quán)平均利率作為代理指標，并參照吳安兵等[ 32 ]的做法，將月度數(shù)據(jù)轉(zhuǎn)為季度數(shù)據(jù)。大宗商品金融化指數(shù)（FIN）：參考朱學(xué)紅等[ 33 ]的做法，利用DCC-GARCH模型計算出中國2008～2020年的日度大宗商品金融化程度指數(shù)，并將日度數(shù)據(jù)轉(zhuǎn)為季度數(shù)據(jù)。其中，GDP、CPI和I數(shù)據(jù)來源于中經(jīng)網(wǎng)數(shù)據(jù)庫，F(xiàn)IN數(shù)據(jù)來源于同花順數(shù)據(jù)庫，并由筆者自行計算。

本文所用數(shù)據(jù)均為季度數(shù)據(jù)，時間區(qū)間為2008年第一季度至2020年第二季度，并利用EVIEWS 9對數(shù)據(jù)季節(jié)性調(diào)整后進行單位根檢驗。

3.3? ?平穩(wěn)性檢驗

由于使用的數(shù)據(jù)是時間序列數(shù)據(jù)，數(shù)據(jù)的平穩(wěn)性是保證實證結(jié)果精度的先決條件。因此，本文利用EVIEWS 9進行單位根檢驗，結(jié)果如表1所示。

由表1結(jié)果可以看出，在1%水平下，僅有CPI原階平穩(wěn)，其余變量原階不平穩(wěn);而一階差分后所有變量在1%水平下均為平穩(wěn)序列。因此，本文采用一階差分后的變量構(gòu)建TVP-SVAR-SV模型。

4? ?實證分析

4.1? ?參數(shù)估計和收斂判斷

本文參照Nakajima J[ 29 ]的設(shè)定，設(shè)定初始值uα0 = uβ0 = uh0，Σα0 = Σβ0 = Σh0 = 10×I，（Σβ）～Gamma（20，10-4），（Σα）～Gamma（20，10-4），（Σh）～Gamma（20，10-4），并使用Oxmetrics6軟件實證運行TVP-SVAR-SV模型。根據(jù)SC、HQ信息準則將模型的滯后階數(shù)設(shè)定為1，設(shè)定MCMC樣本數(shù)為10 000，同時灼燒1 000次，以此獲得穩(wěn)健的模型估計，結(jié)果如表2所示。

表2給出了MCMC模擬法的參數(shù)估計結(jié)果，結(jié)果顯示各參數(shù)的Geweke值均小于1.96，說明在5%置信水平下均不能拒絕結(jié)果傾向于后驗分布的原假設(shè);而且無效因子的最大值不超過159.48，說明10 000次迭代過程中至少產(chǎn)生62（10 000/159.48）個不相關(guān)樣本，表明迭代過程中生成的樣本是有效的。模型樣本自相關(guān)圖、樣本路徑及后驗密度圖如圖2所示。

4.2? ?世界大流行病不確定性對大宗商品價格的等間隔脈沖響應(yīng)

為探究世界大流行病不確定性對大宗商品價格的時變影響，本文利用TVP-SVAR-SV模型進行等間隔脈沖響應(yīng)，滯后期分別選取滯后2期、4期和6期，分別刻畫短期、中期以及長期世界大流行病不確定性沖擊對大宗商品價格的影響，等間隔脈沖響應(yīng)結(jié)果如圖3所示。其中，三種線分別代表短期影響、中期影響、長期影響。

從圖3看出，世界大流行病不確定性對大宗商品價格具有顯著的時變影響，且短期影響效應(yīng)要強于中長期。具體來講，滯后2期世界大流行病不確定性沖擊對大宗商品價格的波動區(qū)間在[-0.05，-0.04];滯后4期世界大流行病不確定性沖擊的波動區(qū)間在[-0.034，-0.022];滯后6期世界大流行病不確定性沖擊的波動區(qū)間在[-0.025，-0.013]。通過比較得出，世界大流行病不確定性沖擊對大宗商品價格的短期影響強于中長期，這是因為短期中影響大宗商品價格的金融因素發(fā)揮作用。（1）基于風(fēng)險溢價渠道，世界大流行病不確定性上升期間，需要給予投資者更多的風(fēng)險溢價來補償投資者所面臨的較大投資風(fēng)險。（2）基于期貨投資渠道，世界大流行病不確定性上升引發(fā)大宗商品期貨市場不確定性增加，根據(jù)風(fēng)險規(guī)避效用理論，不確定性增加引發(fā)投資者避險情緒上升，投資者撤出大宗商品市場來規(guī)避風(fēng)險，加劇對大宗商品價格的沖擊，進而表現(xiàn)為短期效應(yīng)大于中長期效應(yīng)。

從圖3的整體趨勢來看，世界大流行病不確定性對大宗商品價格的短期、中長期影響均表現(xiàn)為負向作用。這是因為短期內(nèi)期貨投資渠道發(fā)揮作用，世界大流行病不確定性沖擊通過期貨投資渠道對大宗商品價格負向影響;中長期中世界大流行病不確定性沖擊通過企業(yè)投資渠道和商品需求渠道引發(fā)大宗商品投資、需求降低，導(dǎo)致大宗商品價格下跌。另外，圖3還可以發(fā)現(xiàn)世界大流行病不確定性沖擊對大宗商品價格的脈沖響應(yīng)在2014～2015年初達到峰值，這是因為2014～2015年初中國股市處于“牛市”階段，股價上漲推動具有金融屬性的大宗商品期貨價格上漲，部分抵消了世界大流行病不確定性的負向沖擊，進而表現(xiàn)為該階段世界大流行病不確定性對大宗商品價格的負向影響效應(yīng)較小。至此，驗證了本文的研究假設(shè)1。

4.3? ?世界大流行病不確定性對大宗商品價格的特定時點脈沖響應(yīng)

世界大流行病不確定性對大宗商品價格的時點脈沖響應(yīng)的比較分析。為考察不同時期中世界大流行病不確定性對大宗商品價格是否有不同的影響效果，本文依據(jù)大宗商品的商品屬性和金融屬性進行特定時點選取，選取的三個關(guān)鍵時點分別為2008年第四季度、2015年第二季度和2019年第四季度：第一，2008年第四季度金融危機爆發(fā)并迅速蔓延至中國，導(dǎo)致中國實體經(jīng)濟衰退、大宗商品總需求下降，體現(xiàn)了大宗商品的商品屬性。第二，2015年第二季度中國股市大幅回調(diào)，股市大幅回調(diào)時期大宗商品期貨市場的投資者參與度不一，導(dǎo)致大宗商品的金融化程度發(fā)生變化，體現(xiàn)了大宗商品的金融屬性。第三，2019年第四季度COVID-19疫情爆發(fā)，大規(guī)模的停工停產(chǎn)導(dǎo)致國家經(jīng)濟衰退、失業(yè)率上升，中國實體經(jīng)濟和金融市場面臨的不確定性增加。通過對比不同時點的脈沖響應(yīng)結(jié)果，來體現(xiàn)不同時期世界大流行病不確定性對大宗商品價格影響差異，脈沖響應(yīng)結(jié)果如圖4所示。其中，三種線分別代表2008年第四季度、2015年第二季度、2019年第四季度。

從圖4的脈沖響應(yīng)結(jié)果來看，當(dāng)給予世界大流行病不確定性一單位正向沖擊時，不同時點下大宗商品價格的脈沖響應(yīng)均為負向影響，這是因為世界大流行病不確定性會通過期貨投資渠道、企業(yè)投資渠道和商品需求渠道對大宗商品價格負向影響。但各時點的影響效果不完全相同：（1）從脈沖響應(yīng)結(jié)果數(shù)值大小來看，基于2019年第四季度時點的世界大流行病不確定性對大宗商品價格的負向影響最大，2015年第二季度時點的負向影響次之，2008年第四季度時點的負向影響最小，初始脈沖響應(yīng)值依次為-0.054、-0.026和-0.01。（2）從脈沖響應(yīng)結(jié)果收斂速度來看，三個時點的脈沖響應(yīng)均從滯后2期開始收斂，但基于2019年第四季度時點的脈沖響應(yīng)結(jié)果收斂速度最快，2015年第二季度時點的收斂速度次之，2008年第四季度時點的收斂速度最慢。

綜合來看，2019年第四季度COVID-19爆發(fā)期間世界大流行病不確定性沖擊對大宗商品價格的負向影響最大，但持續(xù)時間相對較短;2008年全球金融危機期間世界大流行病不確定性對大宗商品價格的負向影響相對較小，但持續(xù)時間最長。由此可得，不同時期中世界大流行病不確定性對大宗商品價格具有不同的影響效果。這驗證了本文的研究假設(shè)2。

4.4? ?世界大流行病不確定性對不同類別大宗商品價格的影響

為研究世界大流行病不確定性對不同類別大宗商品價格是否具有差異性影響，本部分選取CCPI指數(shù)中涵蓋的礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品進行分類別研究。

4.4.1? ?等間隔脈沖響應(yīng)

世界大流行病不確定性對四類大宗商品價格的等間隔脈沖響應(yīng)結(jié)果如圖5所示。其中，三種線分別代表短期影響、中期影響、長期影響。

從圖5脈沖結(jié)果可以看出，世界大流行病不確定性對礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品價格均負向影響，具有顯著的時變效應(yīng)，并且短期影響大于中長期。這與圖3的實證結(jié)果一致，表明結(jié)果的穩(wěn)健性。

具體來講，給予世界大流行病不確定性單位正向沖擊，礦產(chǎn)類大宗商品價格的波動區(qū)間在[-0.13，-0.068]，有色金屬類大宗商品價格的波動區(qū)間在[-0.057，-0.028]，能源類大宗商品價格的波動區(qū)間在[-0.055，-0.015]，鋼鐵類大宗商品價格的波動區(qū)間在[-0.04，-0.005]。通過比較發(fā)現(xiàn)，世界大流行病不確定性對礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品價格的時變影響具有差異性，其中對礦產(chǎn)類大宗商品價格的時變影響最大，對鋼鐵類大宗商品價格的時變影響最小。

4.4.2? ?特定時點脈沖響應(yīng)

世界大流行病不確定性對四類大宗商品價格的特定時點脈沖響應(yīng)結(jié)果如圖6所示。其中，三種線分別代表2008年第四季度、2015年第二季度、2019年第四季度。

圖6結(jié)果顯示：（1）通過比較單類別大宗商品在不同時點的脈沖響應(yīng)結(jié)果，發(fā)現(xiàn)不同時點下世界大流行病不確定性沖擊對大宗商品價格的影響不同，這與圖4的結(jié)果一致，表明結(jié)果的穩(wěn)健性。（2）通過比較礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品在同一時點的脈沖響應(yīng)結(jié)果，發(fā)現(xiàn)脈沖響應(yīng)結(jié)果數(shù)值大小和脈沖響應(yīng)結(jié)果收斂速度都存在較大差異。

綜上所述，圖5和圖6的實證結(jié)果發(fā)現(xiàn)：第一，世界大流行病不確定性對礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品價格的時變影響存在差異性，其中對礦產(chǎn)類大宗商品價格的時變影響最大，對鋼鐵類大宗商品價格的時變影響最小。第二，同一時點下世界大流行病不確定性對礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品價格的影響效果不同。這驗證了本文的研究假設(shè)3。

5? ?結(jié)論和建議

5.1? ?結(jié)論

本文使用2008年1季度至2020年2季度數(shù)據(jù)，利用TVP-SVAR-SV模型實證研究世界大流行病不確定性對中國大宗商品價格的時變影響，并選取礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品進行分類別研究，比較分析世界大流行病不確定性對四類大宗商品價格的影響差異。實證結(jié)果顯示：第一，世界大流行病不確定性對大宗商品價格具有時變的負向影響，并且短期效應(yīng)大于長期效應(yīng)。第二，不同時期中世界大流行病不確定性對大宗商品價格具有不同的影響效果，相較于2008年第四季度全球金融危機和2015年中國股市大幅回調(diào)時期，2019年第四季度COVID-19疫情爆發(fā)時期的世界大流行病不確定性對大宗商品價格的影響更大。第三，世界大流行病不確定性對礦產(chǎn)類、有色金屬類、能源類和鋼鐵類大宗商品價格的影響效果具有差異性，其中世界大流行病不確定性對礦產(chǎn)類大宗商品價格的時變影響最大，對鋼鐵類大宗商品價格的時變影響最小。

5.2? ?建議

基于以上結(jié)論，本文提出以下三點政策建議：

第一，短期重視大宗商品的“金融屬性”，加強對商品期貨市場投資投機活動的動態(tài)監(jiān)管，防止世界大流行病不確定性引發(fā)過度期貨投資投機活動影響大宗商品市場穩(wěn)定性。伴隨大宗商品金融屬性的增強，金融因素在大宗商品價格決定中的作用上升，世界大流行病不確定性短期通過金融屬性渠道對大宗商品價格造成更為強烈的負向沖擊。在后疫情階段，通過制定合理的監(jiān)管措施和方案抑制過度的大宗商品期貨投資投機活動，有利于保障大宗商品市場的穩(wěn)定性。

第二，將宏觀經(jīng)濟環(huán)境因素納入政策考慮范疇，有效調(diào)控大宗商品價格。不同時期中，大宗商品市場所處宏觀經(jīng)濟環(huán)境發(fā)生變化，世界大流行病不確定性對大宗商品價格的影響不同。政府應(yīng)結(jié)合實時宏觀經(jīng)濟環(huán)境，正確評估世界大流行病不確定性的影響效應(yīng)，從而制定精準力度的政策方案，采取及時有效的政策措施調(diào)控大宗商品價格。

第三，結(jié)合各類別大宗商品市場的具體特征，采取針對性政策措施穩(wěn)市場，防范市場價格波動失序。不同類別大宗商品市場的市場化程度不同，在生產(chǎn)、銷售和貿(mào)易地位中存在差異，因此，各類別大宗商品市場受世界大流行病不確定性的影響程度不同。政策制定者應(yīng)密切關(guān)注這種差異化影響，建立健全的、有針對性的價格調(diào)控體系，這對于維護各類別大宗商品市場的穩(wěn)定性具有重要意義。

參考文獻：

[1] Bakas D， Triantafyllou A. Commodity price volatility and the economic uncertainty of pandemics[J].Economics Letters，2020（193）：1-5.

[2] 李沛然，李奇霖，宋佳馨.經(jīng)濟不確定性、金融化與大宗商品價格協(xié)同性[J].金融評論，2019，11（2）：61-80.

[3] Bakas D， Triantafyllou A. The impact of uncertainty shocks on the volatility of commodity prices[J]. Journal of International Money and Finance，2018，87：96-111.

[4] 趙文佳，梁燚焱.我國經(jīng)濟不確定性度量及其非線性經(jīng)濟效應(yīng)[J].經(jīng)濟科學(xué)，2020（4）：5-18.

[5] Prokopczuk M， Stancu A， Symeonidis L.The economic drivers of commodity market volatility[J].Journal of International Money and Finance，2019（98）：1-13.

[6] Ezeaku H C， Asongu S A， Nnanna J. Volatility of international commodity prices in times of covid-19： effects of oil supply and global demand shocks[J].The Extractive Industries and Society，2020，8（1）：257-270.

[7] Shaikh I. Impact of covid-19 pandemic on the energy markets[J].Economic Change and Restructuring，2021（54）：1-52.

[8] Adekoya O B， Oliyide J A. How covid-19 drives connectedness among commodity and financial markets： evidence from TVP-VAR and causality-in-quantiles techniques[J].Resources Policy，2021（70）：1-18.

[9] Amar B A， Belaid F， Youssef B A， et al. The unprecedented reaction of equity and commodity markets to covid-19[J].Finance Research Letters，2021（38）：1-7.

[10] Borgards O， Czudaj R L， Hoang T H V. Price overreactions in the commodity futures market： an intraday analysis of the covid-19 pandemic impact[J].Resources Policy，2021（71）：1-36.

[11] Wen F， Zhang M， Deng M， et al. Exploring the dynamic effects of financial factors on oil prices based on a TVP-VAR model[J]. Physica a：Statistical Mechanics and Its Applications，2019（532）：1-12.

[12] Zhou M J， Huang J B， Chen J Y. The effects of geopolitical risks on the stock dynamics of Chinas rare metals： a TVP-VAR analysis[J].Resources Policy，2020（68）：1-11.

[13] 陳瑤雯，范祚軍，鄭丹丹.基于SV-TVP-VAR的中國貨幣政策對大宗商品價格的影響[J].國際金融研究，2019（3）：87-96.

[14] Chen J， Zhu X， Li H. The pass-through effects of oil price shocks on China's Inflation： a time-varying analysis[J].Energy Economics，2020（86）：1-12.

[15] Bloom N， Floetotto M， Jaimovich N， et al. Really uncertain business cycles[J].Econometrica，2018，86[3]：1 031-1 065.

[16] 劉璐，張翔，王海全.金融投機、實需與國際大宗商品價格——信息摩擦視角下的大宗商品價格影響機制研究[J].金融研究，2018（4）：35-52.

[17] Hamilton J D， Wu J C. Risk premia in crude oil futures prices[J].Journal of International Money and Finance，2014，42：9-37.

[18] Bloom N. Fluctuations in uncertainty[J].Journal of Economic Perspectives，2014，28（2）：153-175.

[19] Kilian L. Not all oil price shocks are alike： disentangling demand and supply shocks in the crude oil[J].American Economic Review，2009，99（3）：1 053-1 069.

[20] Bernanke B S. Irreversibility， uncertainty， and cyclical investment[R]. NBER Working Paper，1980.

[21] 胡成春，陳迅.經(jīng)濟政策不確定性、宏觀經(jīng)濟與資產(chǎn)價格波動——基于TVAR模型及溢出指數(shù)的實證分析[J].中國管理科學(xué)，2020，28（11）：61-70.

[22] 鄭燕，丁存振.國際農(nóng)產(chǎn)品價格對國內(nèi)農(nóng)產(chǎn)品價格動態(tài)傳遞效應(yīng)研究[J].國際貿(mào)易問題，2019（8）：47-64.

[22] 俞潔.農(nóng)產(chǎn)品國際價格對國內(nèi)價格傳遞效應(yīng)的研究[D].無錫：江南大學(xué)，2013.

[23] Huang J B， Li Y L， Zhang H W， et al. The effects of uncertainty measures on commodity prices from a time-varying perspective[J].International Review of Economics & Finance，2021，71：100-114.

[24]諶金宇，朱學(xué)紅，鐘美瑞.我國貨幣政策對大宗商品市場影響的非線性效應(yīng)[J].系統(tǒng)工程，2017，35（6）：10-17.

[25] Zhang C G， Chen X Q. The impact of global oil price shocks on Chinas bulk commodity markets and fundamental industries[J].Energy Policy，2014，66：32-41.

[26] 崔明.大宗商品金融化的動因、爭議與啟示[J].現(xiàn)代管理科學(xué)，2012（12）：87-89.

[27] 劉璐，張幫正.國際大宗商品金融化如何影響中國實體經(jīng)濟——以工業(yè)產(chǎn)出為例[J].當(dāng)代經(jīng)濟科學(xué)，2020，42（4）：39-53.

[28] Primiceri G E. Time varying structural vector autoregressions and monetary policy[J].Review of Economic Studies，2005，72（3）：821-852.

[29] Nakajima J. Time-varying parameter var model with stochastic volatility： an overview of methodology and empirical applications[J].Monetary and Economic Studies，2011，29：107-142.

[30] Ahir H， Bloom N， Furceri D. The world uncertainty index[R]. SIEPR Working Paper No19-027， Stanford Institute for Economic Policy Research，2019.

[31] 李成，于海東，李一帆.貨幣政策不確定性對宏觀經(jīng)濟的非對稱影響效應(yīng)——基于經(jīng)濟周期視角[J].北京理工大學(xué)學(xué)報（社會科學(xué)版），2020，22（5）：49-58.

[32] 吳安兵，金春雨.貨幣政策、產(chǎn)出沖擊對人民幣實際匯率波動的影響效應(yīng)[J].國際金融研究，2019（12）：23-32.

[33] 朱學(xué)紅，諶金宇，彭韜.中國市場的大宗商品金融化測度[J].統(tǒng)計與決策，2016（17）：149-151.

[責(zé)任編輯：許立群]