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

2012年第12期

投机行为还是实际需求？

韩立岩

尹力博

*

———国际大宗商品价格影响因素的广义视角分析

内容提要：本文建立因素增强型向量自回归模型体系，选择涵盖美国与中国实体经济、国际投机因素、商品期货市场供需与库存状态的532个经济指标，对国际大宗商品价格影响因素进行多视角实证研究。结果表明：在长期，实体经济因素是大宗商品价格上涨的主要动力；在短期，国际投机因素导致了大宗商品期货的金融化；中国因素的作用是间接的，不问题的关键在于监控大宗商品期货指数化投资中的短期投机势力。是主要的。因此，

关键词：大宗商品

价格波动

实际需求

投机行为美元指数

一、引言

2004年以来，国际大宗商品价格的快速上涨和剧烈波动引起学术界和业界的高度关注，焦点是实需归因还是投机归因。当前，新兴市场需求增长、国际流动性泛滥和指数化投资同时出现在大宗商品期货市场上，凸显出三个显著特征：第一，随着工业化和城镇化的快速推进，新兴市场实体经济需求成为国际商品市场尤其是原油、金属和农产品市场的焦点，中国需求因素更是被认作大宗商品价格上涨的源动力（Trostle，2008；Kilian，2009）。第二，机构投资者大量进入商品期货市场，很大程度上造成了大宗商品价格对基本面的偏离（Masters，2008；Tang＆Xiong，2012）。第三，金融危机后各发达经济体为走出困境而采取的积极财政政策和宽松货币政策，尤其是美国推行的量化宽松政策使得市场流动性大量增加，在一定程度上助推大宗商品价格上涨（Frankel，2008；Akram，2009；Gilbert，2010）。众多因素相互作用，以及大宗商品所具有的战略资源属性和金融属性，使得大宗商品价格形成机制更为复杂，呈现出非线性、动态性以及结构异化等特征。

迄今，大宗商品价格异常波动的主要因素究竟是来自中国等新兴经济体的实际需求还是来自对冲基金和期货指数交易者等的投机行为？实体经济和金融市场究竟起到何种传导作用？对此学者们的认识并不统一。已有文献或归因于投机行为，或归因于实际需求，或归因于金融市场和实体经济的传导作用。为了厘清这些问题，本文利用Bernankeetal．（2005）提出的因素增强型向量自FAVAR），建立大宗商品价格影响因素的回归模型（Factor-AugmentedVectorAuto-RegressiveModel，

广义视角分析框架，并以2004年为界对比分析在商品期货金融化和指数化投资深化进程中影响因素的结构异化。

本文创新之处在于，将包括实体经济指标、金融市场信号、大宗商品期货市场供需与库存因素以及投机因素在内的532个经济指标同时纳入统一的分析框架，提炼出反映大宗商品价格波动本质的综合因素，进而系统考察重点因素的主导性与持续性。其中，实体经济指标采取以中美两国的

*

yinlibowsxbb@126．韩立岩、尹力博，北京航空航天大学经济管理学院，邮政编码：100191，电子信箱：hanly@buaa．edu．cn，

com。作者感谢国家自然科学基金重点项目（70831001）和面上项目（71173008）的资助，感谢匿名审稿人对本文的宝贵修改意见，但文责自负。

83

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

宏观经济变量，具体包括国民经济核算、就业与工资、工业、固定资产投资、房地产开发投资、交通运输、邮电通讯、物价指数、国内贸易、财政收支、对外贸易、利用外资和人民生活等13个方面；金融市信贷收支、股票市场、国债市场、期货市场、利率和银行同业拆借、外汇储备场信号涵盖货币供应量、

和外汇市场等领域；实需因素采用以能源类和农产品为代表的21类大宗商品的供需及库存量作为参考指标；投机因素使用期货指数交易者对26类大宗商品的持仓头寸作为代理变量。

二、文献综述

20世纪80年代以来，大宗商品价格波动原因备受关注。相关文献可以归为五个方面。供需方面。20世纪70年代以来的经济周期更替中，国际大宗商品价格波动多由供给驱动，如持续不断的石油价格冲击（张珣等，2009）。资源性大宗商品的需求价格弹性与供给价格弹性均较小，而卖方多居寡头垄断地位，控制了供给的数量和价格，对国际大宗商品的定价机制形成起了重要作用（Mackey，1989；Deaton＆Laroque，1996；Chambers，1996）。进入90年代，金砖国家及其他新兴经济体主导了大宗商品的需求增长。当新兴经济体工业化和城镇化快速推进时，对大宗商品尤其是金属和原油等的旺盛需求引发国际大宗商品价格全面上涨；而当金融危机导致市场预期逆转及新兴经济增速放缓时，需求下降则导致大宗商品价格下降（Trostle，2008；Kilian，2009）。

实体经济方面。经济发展状况是大宗商品供求的根本，宏观经济因素变动诸如经济周期、国际贸易状况和经济景气程度一直是大宗商品价格影响因素之一。Chu＆Morrison（1984）认为非能源大宗商品价格波动与世界经济总量变化、由通货膨胀引发的进口国的替代产品价格变化以及供与进口国对美元的汇率变化和世界利率水平变化速度负相关。Dornbusch（1986）、给变化正相关，

Chu＆Morrison（1986）和Gilbert（1989）发现用工业化国家所处的经济周期和美元汇率能很好地Pindyck＆Rotemberg（1990）、Hessetal．（2008）、Battenetal．解释大宗商品的价格波动。此后，

（2010）、Roache＆Rossi（2010）等也得出相似结论。在宏观经济因素中，利率是影响大宗商品价格的最重要的因素之一。Frankel（2008）对实际利率上升导致实际商品价格下跌的三个原因提供了完美阐释。除了发达国家宏观经济变动外，国外一些学者也曾经就发展中国家的经济发展因素对于国际大宗商品价格波动的影响作过一些探讨（Orensztein＆Reinhar，1994）。

金融市场方面。随着商品金融化的深入，国际大宗商品价格受金融因素影响日益增大，主要包括三个方面：投资需求、市场流动性和主要计价货币美元币值。从投资需求方面来看，大宗商品具备一定的保值性和增值性，这使得该市场成为机构和个人投机者的重要投资渠道。当资金在各品大宗商品市场就表现为不同品种的轮番上涨或下跌（Erb＆Harvey，2006；种之间频繁进出时，

Gorton＆Rouwenhorst，2006；Geman＆Kharoubi，2008；Chong＆Miffre，2010）。从市场流动性方面来看，当世界各主要经济体为恢复经济而采取积极财政政策和宽松货币政策时，市场流动性大量增加，在一定程度上助推大宗商品等资产价格上涨（Frankel，2008；Akram，2009；Gilbert，2010）。从美元币值方面来看，由于美元是大部分国际商品和服务贸易定价和结算货币，在其他条件不变时在一定程度上助美元币值变动会影响国际大宗商品标价变动。近年来美国推行的弱势美元政策，推了以美元计价的国际大宗商品价格上涨（McCalla，2009；Harrietal．，2009）。

投机方面。自2004年以来，机构投资者开始大量涉入商品期货市场，受游资和对冲基金的追很大程度上造成了大宗商品价格波动对基本面的偏离（Masters，2008；Tang＆Xiong，2012）。捧，

Masters（2008）强调投资炒作是商品价格剧烈波动主要根源，建议政府严加监管。

联动因素方面。本轮国际大宗商品间联动涨价效应比较明显。由于能源、资源和农产品之间存在价格联动机制（Pindyck＆Rotemberg，1990），原油价格的不断上涨不仅能够带动煤炭、天然气2000），等能源产品价格上涨（Ewing＆Harter，而且石油等化石能源价格相对高位的运行会增加以84

2012年第12期

2007；Gohin，农产品为原料的生物能源的需求，继而抬高农产品价格（Yuetal．，2006；Baffes，2008；Zhangetal．，2010）。Tokgoz（2009）证实了生物能源部门的不断扩张进一步增加了能源价能源价格上涨也会逐渐拉升其他诸如金属等商品价格（Baffes，格对农业部门的影响。另外，

2007；Hammoudehetal．，2008；Soytasetal．，2009；Sarietal．，2010）。

国内有相当数量的文献从“中国因素”角度出发研究大宗商品价格波动影响因素。李敬辉、范志勇（2005）实证研究发现，货币供应量增长率的变动会引起通货膨胀率的波动，继而改变可储存商品的收益率，从而导致经济主体存货行为的改变，进而对大宗商品的价格产生影响。卢锋等（2009）观察了近年大宗商品价格波动基本事实和特征，分析了2002—2007年前后价格空前飙升的根源，考察了中国因素的直接和间接影响。

具体到品种，国内学者的相关研究集中在原油、黄金、金属和农产品上。张珣等（2009）基于结构性断点检验和常收益事件分析考察了重大突发事件对原油价格的影响。何亚男和汪寿阳（2011）实证分析了世界原油价格与世界经济状况、世界原油产量及OECD石油库存的关系。何小明等（2011）从国际原油市场主体多元化、定价机制演化、参与者结构变化以及世界经济的周期性发展变化四个角度解释了国际原油实际价格对均衡价格的周期性偏离行为。张文等（2012）发现金融危机爆发后各因素与油价的关系均发生了不同程度的变化，且油价有向基本面回归的趋势。范为、房四海（2012）研究表明美元指数负向驱动黄金价格，大宗商品指数、美国国债指数及CDS利差正向驱动黄金价格。王孝松、谢申祥（2012）进一步证实了国际农产品价格对国内价格所具有的显著影响。

现有研究存在两个不足。首先，上述文献仅考察了针对某一特征化事实或成因，从某单一角度对结合其它影响因素的多视对该因素影响大宗商品价格波动的方向和程度进行实证分析与探讨，

角分析尚属于空白。其次，仅选取某个具体指标作为大宗商品价格影响因素的代表。单独就某个传递作用及过程似乎简洁和直接，但这一看似简洁明了的影响机制却掩盖着复杂的影响因素而言，

传递过程和影响因素。造成国际大宗商品价格波动的原因是多方面的，且在不同的历史阶段呈现不同特点。其中供需双方的矛盾是影响国际大宗商品价格波动的基本因素，各类投机因素是短期波动的主要推手，而自然灾害、生产周期性变动以及政策调控等因素也对大宗商品价格产生相当的非线性、动态性特征，因此需要充分利用大量经济指影响。大宗商品价格波动时常呈现出复杂性、

标来全面、系统地评估影响大宗商品价格波动的潜在冲击因素。本文正是基于一个更合理的实证框架分析大宗商品价格波动影响因素及其程度，首次广泛充分地从大量实体经济指标、金融市场信供需及库存情况和国际投机力量等众多信息中进行统计提炼。号、

——大宗商品价格影响因素的FAVAR模型三、实证分析框架—

在实际经济运行中有众多的因素直接或者间接影响着大宗商品价格，很难直接观察和测量到所需要的反映大宗商品价格波动的主要因素，而没有数量有限的主要因素就没有恰当的计量经济逐步形成对于大宗商品价格影响机制的描学模型。因此需要一个包括所有可能因素的提炼机制，

述。与Bernankeetal．（2005）等研究货币政策效果所遇情形类似，人们用VAR模型研究大宗商品价格波动影响因素主要存在三个方面的缺陷：第一，影响大宗商品价格波动的经济因素很多，而VAR模型处理的变量十分有限（Guptaetal．（2010）指出目前运用VAR、VEC、SVAR及DSGE模型的相关研究最多可以处理12个变量），难以完全覆盖市场中的信息集。有限的经济变量不能反映大宗商品价格波动的真实情况，这样对大宗商品价格影响因素的分析难免会出现偏差。第二，影响大宗商品价格波动的潜在经济因素不能被观察到，即使可以通过其他方式诸如寻求代理变量方式间接获得，但仍然存在代理误差和统计误差等诸多问题。第三，由于传统VAR模型处理的变量过

85

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

少，只能采用一般的VAR模型筛选关键变量进行脉冲响应分析，却难以满足全面分析各因素对大宗商品价格波动冲击效应的需要。

借鉴FAVAR模型，可以有效解决在传统VAR模型中所遇到的有限信息问题，为我们基于广义视角定量研究大宗商品价格影响因素提供了一个较好的计量框架。Bernankeetal．（2005）将动态因子模型（Stock＆Watson，2002）和VAR模型结合，提出了FAVAR模型。Vargas-Silva（2008）和Guptaetal．（2010）实证经验表明FAVAR模型的分析效果明显优越于VAR模型。该实证框架的最大优点是，通过基本因素的形式给出了反映大宗商品价格影响因素的代表性子空间，这样就不也不需要对这些变量精确度量。此外，本方法涵盖了相当需要把分析局限于几个有限的宏观指标，

广泛的经济信息，通过分析大量的经济指标，我们就可以提炼出影响大宗商品价格波动的基本因素。同时，本方法还能够给出所有经济变量的脉冲响应函数，因为本文的主要目的是基于广义视角考察大宗商品价格影响因素。

（一）FAVAR模型的建立

大宗商品价格及其影响因素的动态变化可以通过类VAR模型来表示。该模型描述如下：

[]

FtYt

=μ+Φ(L)

[]

Ft－1Yt－1

+νt，（1）

Yt为M×1可观测的大宗商品价格，Ft为K×1不可观测的影响大宗商品价格的变量向量。Φνt～N(0，∑)是均值为零、协方差矩阵为∑的随机误差项。方程（1）从形式(L)为p阶滞后多项式，

但是由于假定Ft是不可观测的，所以方程（1）区别于一般VAR模型，无上看是标准的VAR模型，

法直接估计。Bernankeetal．（2005）假定Ft和Yt与大量的经济信息集合Xt有关，从而假定Ft和Yt共同引起了Xt变化。因而引入方程（2）即：

Xt=ΛfFt+ΛyYt+εt，

（2）

fy

Xt为N×1向量，N为经济变量个数，Λ和Λ分别为N×K和K×M因子载荷矩阵，且N＞＞K+

M，εt为均值为零、协方差矩阵为R的随机误差项，εt之间可以弱相关。方程（2）是典型的正交因子模型。据此来估计Ft即Ft，然后以Ft代替Ft代入方程（1）。这样实现了将因子分析模型和VAR模型相结合。

（二）FAVAR模型的估计

不可观测因子Ft的估计即Ft是整个FAVAR模型估计的关键。一旦估计出适当的Ft，代入方程（1）就变成一个标准的VAR模型。关于Ft的估计，主要有三种方法，即两步主成分分析法（Stock＆Watson，2002）、反复迭代法及吉布斯抽样法（Boivin＆Giannoni，2009）。Bernankeetal．（2005）通过对比不同的估计方法的结果，Guptaet得出这三个估计方法得出的估计结果差异不大，al．（2010）表明吉布斯抽样法的效果稍差，Hwang（2009）证明了两步主成分分析法的有效性。因此，本文采用两步主成分分析法来估计FAVAR模型。两步主成分分析法具体步骤如下。方程（2）Yt)。这样，可以简化为Ct=(Ft，在本文的实证框架中影响大宗商品价格变化的变量均被Ct覆盖。对Ct进行主成分分析，取出前K+M个主成分构成一个新的信息集合即Ct。Ct表示引起Xt变化的共同因素。然后将Xt中的所有因素分为两组即“慢速变化”和“快速变化”两组经济变量①，对

s

“慢速变化”的经济变量进行主成分分析，得出信息集合Ft。首先是确定因子个数。Bai＆Ng

^

^

^

^

^

^

^

^

①

“慢速变化”“快速变化”根据Bernankeetal．（2005）和Zagaglia（2010）等人的做法，将Xt中的所有因素分为两组即和的

。“慢速变化”；“快速变化”经济变量的经济变量指对经济因素变动反应较慢的经济变量，如产出、出口、就业人口、消费及价格等的经济变量指对经济因素变动做出立即反应的经济变量，被假定为可观测的。

86

2012年第12期

（2002）提出了确定因子个数的信息准则，但是Bernankeetal．（2005）认为，基于敏感性分析确定的因子个数更具经济意义。具体做法为：从不可观测的共同因子个数为1开始（即提取1个不可观与可观测的变量组成共同因子Ct，基于此估计方程（2），即从测的共同因子并估计因子载荷矩阵），

Xt中提取共同因子。依次增加Ft的个数并基于对应的模型（2）计算共同因子，直至Ft的个数增加至K，继续增加Ft的个数对共同因子不可能产生实质性的不同。对于确定的共同因子，代入方程（3）做回归：

Ct=βFsFst+βYYt+et

^

^

^

^

（3）

由方程（3）可得到不可观测因子Ft的估计值Ct－βYYt。将Ft代入方程（1）得到一个标准的VAR模型即：

Γ(L)

^

[]

FtYt

^

=ut（4）

根据方程（4）可以得到Ft和Yt的脉冲响应函数为：

[]

FtYt

^

^

^

=Ψ(L)ut，Ψ(L)=Γ(L)－1（5）

再结合方程（2）可以得出Xt的脉冲响应函数为：

^f

Xt=[Λ

^yΛ]

[]

FtYt

^

^f

=[Λ^y

Λ]Ψ(L)ut

（6）

四、变量选取及数据处理

基于文献，世界经济状态、以能源和农产品价格为代表的生产资料供需及库存的变化、各类投机因素、金砖四国及其他新兴经济体的旺盛需求和政策调控等因素均属于广义视角分析的范畴。我们将上述因素分为全球实体经济因素、全球金融市场信号、全球大宗商品供需及库存情况和全球投机因素四个方面。结合数据的可得性，本文共选取了由532个变量构成的时间序列数据作为经

①根据Bernankeetal．（2005）的做法，532个变量分别设置为快速变化变量和慢济信息集合Xt。

时间跨度自1999年1月至2011年12月，包括了2004年以来持续速变化变量。数据频率为月度，

到2008年的大宗商品价格的持续走高和2009年4月以来大宗商品价格走势新动向。

第一方面是全球实体经济因素变量。本文选取美国和中国宏观经济变量，共144个指标。美国是全球最大的单一发达市场经济体，又是主要大宗商品的主产区和消费国，在一定程度上能够代表全球经济状况。中国是世界最大的发展中国家经济体，也是能源、农产品和各类金属的消费大国，在一定程度上能够代表新兴经济体发展状况。第二方面变量来源于全球金融市场信号。本文依然选取美国和中国金融变量，共104个指标，涵盖股票市场、债券市场、期货市场、利率和信贷市场以及外汇市场。特别地，自2008年金融危机后，美国采取了三轮量化宽松的美元政策，并且美元发行量与美元指数在最近十几年间保持着稳定的反向关系，所以本文加入美元指数反映国际商品市场的流动性因素。美国宏观经济因素和金融市场因素指标选取参考了Bernankeetal．（2005）等，中国宏观经济因素和金融市场因素根据美国宏观经济因素和金融市场因素对照选取。美国宏观数据均来源于美联储网站www．federalreserve．gov，中国宏观数据来源于Wind数据库和国泰安CSMAR数据库。第三方面是关于全球大宗商品供需及库存情况的变量。本文选取能源类产品的

①考虑到篇幅原因，具体指标及其相应处理方式并未在文中具体说明，有兴趣的读者可以向作者索取。

87

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

①共68库存量和农产品的期初库存、产量、进口、饲料消费、国内消费总计、出口和期末库存为代表，

个指标。其中能源供需和库存数据来源于美国能源资料协会（EIA）库存周报，农产品供需和库存选取商数据来源于美国农业部（USDA）编写的市场供需月报。第四方面是有关投机因素的变量，

②包括来源于主要期货市场的26种合品期货指数交易者（CommodityIndexTrader，简称CIT）数据，

空头、套利持仓数量、持仓占比和交易者数量，共216个指标。以上数据来自彭博约的非商业多头、数据库和CFTC网站等。

DJUBS和关于国际大宗商品价格，我们选择国际上最具代表性的三种商品价格指数：CRB、GSCI。CRB数据来源于Wind数据库，DJUBS数据来源于道琼斯数据网www．djindexes．com，GSCI数据来源于标准普尔数据网www．standardandpoors．com。

本文做了五方面的数据预处理：（1）统一数据频率，将部分非月度频率数据按月取平均调整为月度数据；（2）采取三次样条插值方法修补个别缺漏数据；（3）进行季节性调整；（4）进行同比/环比/定基比转换；（5）根据Bernankeetal．（2005）和Zagaglia（2010）的做法，对原数据进行必要的对数和差分变换，最后满足所有参与建模变量的平稳性要求。

五、实证结果与分析

下面利用上述四大类因素指标与大宗商品价格指数变量构建FAVAR模型，定量分析影响国际大宗商品价格波动的影响因素。

（一）投机还是实需：1999年1月至2011年12月

从模型的稳定性、简洁性和主因素的解释力度出发，最终选取了4个影响大宗商品价格变动的潜在基本因素（下文简称主因素），其累计解释力达到76.4337%。为了挖掘各主因素的经济学含

2

义，我们将各主因素对信息集内所有变量进行回归分析，并报告R值最高的前五个变量指标，见表

1。结果显示，因素1和2主要为以美国为代表的全球发达实体经济发展状况，其中因素1主要与工业生产状况相关，因素2与工业生产规模相关。因素3为以中国为代表的新兴经济体的实体经济水平，因素4为供需及库存因素。从长期来看，实体经济因素是影响国际大宗商品价格的主要因素，供需及库存因素仍发挥作用，但是尚没有证据表明主因素与投机行为有关。

3个月、6个月和12个月作为滞后期，我们继而选择1个月、研究各大宗商品指数与不同滞后期的主因素的相关关系。结果发现，因素1和2与大宗商品指数相关性最强，呈正向关系其数值先增后降。其中，因素1在滞后1期达到最大值，约为0.31，因素2在滞后6期达到最大值，约为0.17。据此表明以美国为代表的实体经济状况与大宗商品指数密切相关。因素3和4与大宗商品且呈现反复趋势，具有相对独立行情。指数相关性较弱，

下面对提取的主因素和大宗商品指数建立VAR模型，并顺序给出格兰杰因果检验、脉冲响应我们选取效果最好的含2期滞后和方差分解。考虑到VAR模型的稳定性和不同阶数的滞后效应，

只报告各主因素的系数、标准误差项和统计显著水平（下同）。结果变量的VAR模型。限于篇幅，

①

大宗商品主要包括能源类、农产品类（包括牲畜和软饮料）和金属类。但是关于金属类供需及库存的权威数据的频度为

年度数据，与本文实证部分需要的频度不合适。而且三大指标中，能源类和农产品类权重比例相当高，其中能源类和农产品类权重占CRB指数的79．3%，占S＆PGSCI指数的88．24%，占DJUBS指数的68．2%，故以能源类和农产品为代表的供需和库存可以大致反映全球大宗商品供需及库存情况。

②

考虑到美国商品期货交易委员会（CFTC）对于商品市场的参与者分类中，利用期货和期权市场对现货交易进行风险对冲

的参与者持有的头寸被称为商业头寸，其余的头寸被称为非商业头寸，为了剔除套期保值交易头寸的影响，本文选取商品期货指数交易者关于期货市场多种合约的非商业多头、空头、套利持仓数量、持仓占比和交易者数量作为大宗商品投机因素的代理变量是恰当合理的。

88

2012年第12期

如表2所示。因素1滞后1期系数对三大商品期货指数在1%置信水平下显著，因素2滞后2期系数对三大商品期货指数在10%置信水平下显著。结果表明，美国实体经济发展状况对大宗商品价而滞后1格具有显著解释力。因素3滞后2期系数对CRB和DJUBS指数在10%置信水平下显著，期系数不显著，表明中国因素对大宗商品有影响，但传导速度较美国实体经济因素慢且程度弱。因素4的结果与因素3类似，表明随着商品期货金融化的深入，供需及库存因素对大宗商品价格影响弱于实体经济和金融因素。表1

因素1

美国工业生产指数：制造业

美国芝加哥联邦储备银行全国活动指数美国工业生产指数：耐用材料美国产能利用率：制造业美国工业生产指数：耐用消费品因素3

中国外资企业实际利用外资累计额中国实际利用外商直接投资累计额中国合作经营企业实际利用外资累计额中国合资经营企业实际利用外资累计额中国进口累计额

0.73510.73510.73310.73250.72960.65390.63930.63180.62750.6106

2

所提取主因素的前5个主要指标及R值：1999年1月至2011年12月

因素2

美国耐用品行业员工数美国制造业员工数美国轻工业员工数美国非农业员工数

美国制造业平均每周小时工资因素4全球豆油产量全球大豆压榨量全球豆粕产量大豆国内消费总计豆粕国内消费总计

0.83780.83190.82950.81230.81090.75230.74130.70270.64560.6448

下面进行主因素与大宗商品价格之间的格兰杰因果关系检验。因为本文旨在研究大宗商品价格影响因素，因此只报告主因素是否是引起大宗商品指数波动的格兰杰因果原因。结果表明，因素1能够直接因素2引起三大商品期货价格指数变动，能够直接引起GSCI指数变动；因素2在1%置信水平下引起因素1变动，因此因素2能够间接引起三大商品期货价格指数变动；因素3在5%置信水平下引起因素2变动，可以认为因素3通过直接作用于因素2而间接传导至因素1，这可以解释中国因素传导速度较美国实体经济慢且程度弱的现象。

脉冲响应函数用于衡量来自各主因素随机扰动的一个标准差的单位冲击所引起的大宗商品价格变化路径，据此可以分析大宗商品期货价格指数与各主因素各期之间的信息传导关系。在模型中，我们将响应函数的追踪期数设定为21期。计算结果表明，商品期货价格对于因素1和2的一个标准差扰动反应最大，在第1期均有

表2大宗商品收益率关于主因素的FAVAR模型结果：1999年1月至2011年12月

GSCI

Φ（1）因素1因素2因素3因素4Φ（2）因素1因素2因素3因素4R2

－0.1651（0.6396）－0.6480*（0.5226）0.3942（0.4175）

＊

0.8080＊＊＊

1.8779＊

＊＊

1.7888＊

＊＊

1.8681＊

CRBDJUBS

（0.6511）0.3515（0.5990）－0.2212（0.4217）－0.1715（0.4793）

（0.6640）0.3140（0.6108）－0.0566（0.4300）0.0684（0.4888）－0.4456（0.6523）－0.6609*（0.5329）0.4579*（0.4257）0.5415

*（0.4842）18.8517%

（0.6662）0.3735（0.6128）－0.0113（0.4315）0.0994（0.4904）－0.4953（0.6544）－0.5801*（0.5347）0.5627*（0.4271）0.4208（0.4858）18.4685%

（0.4748）21.8194%

注：Φ（1）为滞后1期的主因素参数结果，Φ（2）为滞后2期的主因

*＊＊

素参数结果。括号内为标准差项，为10%显著性水平，为5%显著＊＊＊

为1%显著性水平，下同。性水平，

89

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

正向反应，幅度分别达到0.22和0.14，继而窄幅波动；在第6—8期达到顶峰，分别为0.23和0.28；之后缓慢下降，但冲击效果具有延续性，在滞后21期时仍保持在0.05左右。对于因素3和4，大宗商品价格在第1期响应为负，随后在震荡中迅速递减，从第9期开始冲击效果逐渐消失。其他两大商品期货指数CRB和DJUBS对于不同因素冲击的响应函数曲线走势与GSCI相似，只是响1999年1月至2011年12月期间，应程度有小幅变动。因此，实体经济因素冲击导致期货价格响应的程度高于供需及库存因素冲击，而投机因素不明显。

刻画结构性冲击的方差分解表明，商品期货价格的变动首先来自于自身；美国实体经济因素对其贡献度均呈现逐步增加的趋势，解释力最为显著，在10期以后稳定在17%左右；而中国因素、金融因素、投机因素供需及库存因素的贡献度虽有上升趋势，但是解释力明显较低。

（二）投机还是实需：2004年1月至2011年12月

伴随着对冲基金等短期投机力量在大宗商品期货市场的兴起，商品期货指数化自2004年起，

投资成为企业年金、养老金等机构投资商品市场的主要手段，投资量增长迅速。通过观察，我们发现投机因素成为挑战实体经济因素、金融市场因素和供需及库存因素的影响大宗商品价格的主导力量。因此，特别考察2004年1月至2011年12月投机因素与实需因素的影响力度的变化。

首先提取主因素。我们仍然选取4个主因素，其累计解释力达到81.9577%。表3给出了各主因素对信息集内所有变量的回归分析结果。与样本期为1999年1月至2011年12月的结果显著不同，因素1主要为以报告非商业持仓情况为代表的全球投机因素，因素2为以美国为代表的世界实体经济水平，因素3为来自中国的新兴经济体进出口和外资利用状况，因素4代表全球供需及库存因素。结果表明，自2004年1月以来，投机因素超越实体经济因素和供需及库存因素，成为影响美元指数的出现值得关注。自2008金融危机之后，美国际大宗商品价格走势的主导力量。同时，

元的量化宽松是加强投机力量推动价格波动的主要外部因素。表3

因素1美元指数

CBOT：大豆油非商业空头持仓数量CBOT：小麦非商业空头持仓数量占比CBOT：玉米非商业空头持仓数量占比CME：三级牛奶非商业空头持仓数量因素3

中国进口累计额中国进出口累计总额中国出口累计额

中国外资企业实际利用外资累计额中国实际利用外商直接投资累计额

0.60260.60090.59930.59500.59330.83220.79670.73470.70060.6928

2

提取主因素的前5个主要指标及R值：2004年1月至2011年12月

因素2

美国制造业员工数

美国芝加哥联邦储备银行全国活动指数美国耐用品员工数美国非农业员工数美国轻工业员工数因素4全球豆油产量全球大豆压榨量全球豆粕产量豆油国内消费总计豆粕国内消费总计

0.88350.87550.87500.86980.86730.84380.84120.84000.82990.8263

接着研究大宗商品指数与不同滞后期的主因子的相关关系。与1999年1月至2011年12月样本期相比，三大商品期货价格指数与各因素相关程度得以加强，且联动特征较为迅速和持久，这反映了商品期货日益金融化的事实。横向来看，因素1与商品期货价格指数各期相关系数均为最表明自商品期货指数化投资兴起后，投机因素与大宗商品价格的相关性大于实体经济因素和供高，

需库存因素与大宗商品价格的相关性。纵向来看，因素1与商品期货价格指数相关性呈现先增加保持稳定再下降趋势，其中滞后1期到6期之间一直维持较高水平，均在0.22以上，反映了投机力90

2012年第12期

量对商品期货价格影响的持续性。

下面对提取的主因素和大宗商品指数建立VAR模型，结果如表4所示。估计结果对三大商品期货价格指数均表现稳健。因素1滞后1期系数对三大商品期货指数在5%置信水平下均显著，表明投机力量开始成为影响大宗商品价格的新的主导力量。因素2滞后1期系数对三大商品期货指数在5%置信水平下依然显著，表明无论是长期还是短期，以美国为代表的实体经济发展状况是大宗商品价格的重要影响因素。因素4滞后2期系数对三大商品期货指数在10%置信水平下显著，而滞后1期系数不显著，表明供需及库存因素对大宗商品价格有影响，但存在滞后效应。因素3系数对三大商品期货指数均不显著，表明在考虑投机因素后，中国因素对大宗商品价格变动解释力变弱。上述结果表明随着商品期货金融化的深入，投机因素开始超越实体经济因素、金融因素和供需及库存因素，成为大宗商品价格变动的主导力量。

2和4格兰杰因果检验表明，因素1、至少在10%置信水平下

能够直接引起GSCI、DJUBS指数变动，而因素3对三大商品期货价格指数均不显著。表明2004年1月至2011年12月，投机因素、美国实体经济因素和供需及库存因素均直接引起大宗商品价格变动，而中国因素作用则不明显。但是，因素3能够直接引起因素1和4变动，因此因素3能够通过因素1和4的传导作用间接引起三大商品期货价格指数变动。表明中国因素可以通过影响全球大宗商品供需状况间接影响大宗商品价格，或者全球投机力量借助中国因素伺机炒作，推动大宗商品价格变动。

下面再考察投机因素和实需因素的一个标准差单位大小的冲击所引起的大宗商商品价格脉冲响应函数曲线。分析表明，品期货价格对于实需因素的一个标准差扰表现为负，之后继续动在第1期反应较小，

下降，窄幅震荡，并在第9期之后冲击效果

因素4R2因素3Φ（2）因素1因素2

0.5676（0.5775）0.9936（0.8734）0.3953（0.5262）－0.7679*（0.5450）22.1397%

0.5377（0.5771）0.8127（0.8728）0.5371（0.5258）－0.4109*（0.5446）21.5861%

0.5568（0.5792）0.7224（0.8759）0.6109（0.5277）－0.3137*（0.5465）21.4209%

因素4Φ（1）因素1因素2因素3

＊

0.8198＊

＊

0.9611＊

＊

1.1212＊

表4大宗商品收益率与主因素FAVAR模型结果：2004年1月至2011年12月

GSCI

CRB

DJUBS

（0.6362）

＊

1.7487＊

（0.6358）

＊

1.7544＊

（0.6381）

＊

1.8748＊

（0.8990）0.0243（0.5315）－0.0175（0.5625）

（0.8984）0.0661（0.5311）－0.2355（0.5622）

（0.9016）0.1378（0.5330）－0.1776（0.5642）

逐渐消失；而对于投机因素的一个标准冲击，商品期货价格在第1期响应为较大的正数，之后稳步上升，并在第8期达到顶峰2之后响应幅度小幅降低，但其对商品期货价格影响力持续性强，在212004年1月至2011年12月间，期后依然维持在1.8左右。结果表明，投机因素冲击导致期货价格响应的程度显著高于实需因素冲击。

CRB指数变动贡献程度进行分最后，对模型系统的结构性冲击对于两大商品期货指数GSCI、析。发现商品期货价格的变动首先来自于自身；投机因素对其贡献度均呈现逐步增加的趋势，在10期以后稳定在16%左右；而美国、中国实体经济因素和供需库存因素的贡献度虽有上升趋势，但是解释力明显较低，仅在5%左右。结果表明，在2004年1月至2011年12月期间，投机因素对于商品期货价格变化的解释力明显提高，明显超过实体经济因素和供需库存因素。

（三）深入讨论：供需及库存因素对比投机因素

从2004年1月至2011年12月，将全球实体经济因素和金融因素作为基本信息，分别将投机

91

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

因素和实需库存因素作为附加信息，以此对投机因素和实需因素作对比研究。

首先提取主因素。对于两类信息集仍然分别选取4个主因素，其累计方差贡献率分别达到77.2086%和65.5649%。表5给出了各主因素对信息集内所有变量的回归分析结果。对比结果显2和4均为实体经济因素，示，在考虑实需因素的信息集中，因素1、因素3主要代表全球供需及库因素1和4主要为以报告非商业持仓情况为代表的全球投存因素；而在考虑投机因素的信息集中，

机因素，因素2为以美国为代表的世界实体经济水平，因素3为来自中国的新兴经济体进出口和外资利用状况。从各因素贡献度上来看，自2004年1月以来，投机因素超越实体经济因素成为影响国际大宗商品价格走势的主导力量，而实体经济因素对大宗商品价格的影响力超越供需及库存因素。表5

2

提取主因素的前5个主要指标及R值：供需及库存vs．投机因素

供需及库存

因素1美国：芝加哥联邦储备银行全国活动指数

美国：员工数：制造业美国：员工数：耐用品美国：员工数：非农业美国：员工数：轻工业

因素2中国：股票流通市值

中国：深证收盘A股成分指数中国：深证收盘成分指数中国：上证收盘综合指数中国：上证收盘A股综合指数

因素3全球：豆油：产量

全球：豆油：国内消费总计全球大豆压榨量全球豆粕产量大豆国内消费总计

因素4中国：进口累计额

中国：实际利用外资累计额：外资企业中国：进出口累计总额

中国：实际利用外资累计额：外商直接投资中国：出口累计额

0.8483美元指数

0.8481CBOT：大豆油：非商业套利持仓数量0.8433CBOT：大豆油：非商业多头持仓数量占比0.8432CBOT：玉米：非商业空头持仓数量占比0.8382CBOT：小麦：非商业多头持仓数量占比0.7417美国制造业员工数0.7416美国耐用品员工数

0.7412美国芝加哥联邦储备银行全国活动指数0.7388美国轻工业员工数0.7376美国非农业员工数0.8273中国进口累计额0.8267中国进出口累计总额0.8195中国出口累计额

0.8156中国实际利用外资累计额：外资企业0.7917中国实际利用外资累计额：外商直接投资

投机因素0.82420.80790.77660.77450.76260.83880.83700.82450.81390.81170.81010.80960.80870.80450.8035

0.7407CBOT：大豆油：非商业空头持仓交易者数量0.78040.7359CBOT：豆粕：非商业多头持仓数量占比0.7352CBOT：豆粕：非商业多头持仓数量0.7328CBOT：玉米：非商业空头持仓数量0.7307CBOT：大豆：非商业多头持仓交易者数量

0.77130.72580.71450.7128

继而研究大宗商品指数与不同滞后期的主因子的相关关系。对比结果表明，三大商品期货价格指数与投机因素的相关程度显著高于实需因素和实体经济因素，且相关性迅速和持久。横向来看，投机因素1与商品期货价格指数各期相关系数均为最高，表明投机因素与大宗商品价格的相关性大于实体经济因素和供需及库存因素与大宗商品价格的相关性。纵向来看，投机因素1与商品期货价格指数相关性在滞后1期达到最大值，约为0.27，显著高于同期其他因素；投机因素1在滞后3期到6期之间一直维持较高水平，均在0.2以上，反映了投机力量对商品期货价格影响的持续92

2012年第12期

性，而同期其他因素与大宗商品价格相关性较之低一个数量级。

下面对各个主因素和大宗商品指数分别建立VAR模型，结果如表6所示。三大商品期货价格来自美国和中国的实体经济因素和供需及库存指数结果表现类似。在不考虑投机因素的情况下，

因素均显著，而考虑投机因素后，只有来自美国的实体经济因素和投机因素显著，来自中国的实体这与第二部分实证结果类似。表明中国因素是大宗商品的影响因素之一，但经济因素解释力下降，

其影响力在考虑投机因素后降低甚至消失，该结果至少为中国因素及投机行为何为本轮大宗商品中国因素对大宗商品价格影响力有限，其主要通过影响全价格上涨幕后推手提供证据。实证表明，

球供需及库存间接传导至大宗商品市场，但是其作用在过去几年间被投机力量借机放大。从本质上来看，投机因素对大宗商品价格变动影响力显著高于实体经济因素、金融因素和供需及库存因素，是大宗商品价格上涨的主导力量。表6

大宗商品收益率与主因素FAVAR模型结果：供需及库存vs．投机因素

供需及库存

GSCI

Φ（1）

因素1因素2因素3因素4Φ（2）

因素1因素2因素3因素4R2

－0.7211（0.7089）－0.5838（0.5020）0.8403

*

投机因素

CRB1.4209*（0.7385）－0.7081*（0.4971）0.0929（0.4678）－0.2209（0.4609）－0.6895（0.7177）－0.5284（0.5083）0.7938

*

DJUBS

＊

1.5407＊

GSCI0.6851*（0.5993）1.5902*（0.8257）0.0411（0.5215）－0.2849（0.5709）－0.5854（0.5681）1.0497（0.8048）0.0831（0.5011）0.7441*（0.5264）22.6398%

CRB0.9712*（0.6006）1.5815*（0.8275）0.0139（0.5226）－0.0330（0.5722）－0.5389（0.5693）0.8298（0.8066）0.3288（0.5022）0.5278*（0.5275）21.6374%

DJUBS

＊

1.1324＊

1.3375*（0.7294）－0.7205*（0.4910）－0.0983（0.4620）－0.3427（0.4552）

（0.7389）－0.9185*（0.4973）0.0319（0.4680）－0.1639（0.4611）－0.6367（0.7180）－0.5063（0.5085）0.8321

*

（0.6028）

＊

1.7246＊

（0.8306）0.1370（0.5246）－0.2261（0.5743）－0.4882（0.5715）0.7962（0.

8097）0.4154（0.5040）0.4377（0.5295）21.4397%

（0.4637）－0.5326（0.4442）25.9611%

（0.4695）－0.2428（0.4498）23.4651%

（0.4697）－0.2116（0.4500）23.7700%

接下来，结合两类信息集的结果，分别考察美国实体经济因素、中国实体经济因素、投机因素和实需库存因素对大宗商品价格的影响程度。分析表明，商品期货价格对于美国实体经济因素、中国实体经济因素和投机因素的一个标准差扰动在第1期反应均为正，其中投机因素的冲击程度最大，约为1，美国实体经济因素次之，约为0.45，中国实体经济因素最弱，约为0.2。美国实体经济因素在第21期依然保持0.05左右。中国实体经济因素冲击在第1第1期之后在大幅震荡中缓慢下降，

期之后迅速下降，并在第6期之后冲击效果逐渐消失。而对于投机因素的一个标准冲击，商品期货价格在第1期大幅响应后，稳步上升，并在第8期达到顶峰3.7之后响应幅度小幅降低，但其对商品期货价格影响力持续性强，在21期后依然维持在2.2左右。与之相反，供需及库存冲击幅度最2004年1小，在第1期达到最大值－0.1，之后缓慢下降直至冲击效果几乎完全消失。该结果表明，

93

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

月至2011年12月间，投机因素冲击导致期货价格响应的程度显著高于实需因素冲击。

方差分析表明，在不考虑投机因素情况下，实体经济因素和金融因素对GSCI指数变动贡献程远高于实需因素；而在考虑投资因素的情况下，投机因素的解释力在第1度仅次于GSCI指数本身，

－2期略低于实体经济因素，之后大幅上升，从第3期开始强势超越实体经济因素，在第10期后趋于稳定，保持在0.17左右。对比结果表明，在2004年1月至2011年12月期间，投机因素对于商品期货价格变化的解释力最显著，实体经济因素次之，供需及库存因素最次。

六、结论

针对大宗商品价格上涨和波动加剧是实际需求因素还是投机因素的争论，本文基于一个广义——因素增强型自回归模型，视角的分析框架—选择涵盖美国与中国实体经济、金融因素、国际投机因素、商品期货市场供需与库存状态的532个经济指标，全面、系统考察了潜在因素对大宗商品价格波动的影响，并以2004年为界对比分析在商品期货金融化和指数化投资兴起进程中影响因素的结构异化，得到以下结论：

第一，自2004年商品期货指数化投资兴起以来，大宗商品金融化趋势明显，其价格波动不能再简单归因于实体经济因素、供需及库存因素的影响。第二，长期来看，实体经济和金融市场状况是即经济基本面因素与商品期货价格指数具有长期演进中的动影响国际大宗商品价格的主要因素，

态均衡关系；供需及库存因素仍发挥作用，但影响作用较小。第三，短期而言，在实体经济因素、投机因素和供需及库存因素同时存在的条件下，投机因素是造成大宗商品价格波动的最主要原因；商其冲击的后果具有持续性；后危机时代美元的量化宽松是品期货指数化投资直接加剧了市场波动，

对商品期货投机行为起到推波助澜的作用。第四，加强投机力量推动价格波动的最主要外部因素，

多角度比较的计量经济检验充分说明：中国因素不是大宗商品价格上涨与波动的主导力量。一方中国因素通过对全球大宗商品市场供需关系和库存的直接作用而间接影响大宗商品价格；另一面，

方面也是更主要的方面，投机力量借助中国因素炒作，掩盖其自身是大宗商品价格波动最大推手的事实。

参考文献

2012：《金融危机期间黄金价格的影响因素研究》，《管理评论》范为、房四海，第3期。

2011：《国际原油价格的长周期波动性》，《系统工程理论与实践》何小明、成思危、董纪昌、李自然、汪寿阳，第10期。2011：《世界经济与国际原油价格：基于Kilian经济指数的协整分析》，《系统工程理论与实践》何亚男、汪寿阳，第2期。2005：《利率调整和通货膨胀预期对大宗商品价格波动的影响———基于中国市场粮价和通货膨胀关系的经验李敬辉、范志勇，》，《经济研究》研究第6期。

2007：《透析农产品价格上涨———成因、》，《中国科学院预测科学研究中心研究报李艺、陆凤彬、部慧、汪寿阳，走势及应对措施告》第6期。

2009：《国际商品价格波动与中国因素———我国开放经济成长面临新问题》，《金融研究》卢锋、李远芳、刘鎏，第10期。2012：《国际农产品价格如何影响了中国农产品价格？》，《经济研究》王孝松、谢申祥，第3期。2008：《新一轮农产品价格波动周期：特征、》，《财经研究》徐雪高，机理及影响第8期。

2011：《外部冲击对我国农产品价格波动的影响研究———基于农业产业链视角》，《管理世界》张利庠、张喜才，第1期。2012：《基于时差相关多变量模型的金融危机前后国际原油价格影响因素分析》，《系统工程理论与张文、王珏、部慧、汪寿阳，实践》第5期。

2009：《重大突发事件对原油价格的影响》，《系统工程理论与实践》张珣、余乐安、黎建强、汪寿阳，第3期。2011：《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》，《金融研究》周伟、何建敏，第9期。Akram，Q．F．，2009，“CommodityPrices，InterestRatesandtheDollar”，EnergyEconomics，31（6），838—851．Baffes，J．，2007，“OilSpillsonOtherCommodities”，ResourcesPolicy，32，126—134．

，“TheMacroeconomicDeterminantsofVolatilityinPreciousMetalsMarkets”，Batten，J．A．，C．Ciner，andB．M．Lucey，2010

94

2012年第12期

ResourcesPolicy，65—71．

Bernanke，B．，J．Boivin，andP．Eliasz，2005，“MeasuringMonetaryPolicy：AFactorAugmentedVectorAutoregressive（FAVAR）Approach”，QuarterlyJournalofEconomics，120，387—422．

Boivin，J．，andM．P．Giannoni，2009，“StickyPricesandMonetaryPolicy：EvidencefromDisaggregatedU．S．Data”，Americaneconomicreview，99，350—384．

，“ATheoryofCommodityPriceFluctuations”，JournalofPoliticalEconomy，104（5），Chambers，M．J．，andR．E．Bailey，1996924—957

Chong，J．，andJ．Miffre，2010，“ConditionalCorrelationandVolatilityinCommodityFuturesandTraditionalAssetMarkets”，JournalofAlternativeInvestments，12，61—75．

Chu，K．Y．，andT．K．Morrison，1984，“The1981—82RecessionandNon-oilPrimaryCommodityPrices”，StaffPapers-InternationalMonetaryFund，31（1），93—140．

1986，“WorldNon-OilPrimaryCommodityMarkets：AMedium-TermFrameworkofAnalysis”，StaffChu，K．Y．，andT．K．Morrison，

Papers-InternationalMonetaryFund，33（1），139—184．

，“CompetitiveStorageandCommodityPriceDynamics”，JournalofPoliticalEconomy，104（5），Deaton，A．，andG．Laroque，1996896—923．

Dornbusch，R．，1986，“ExchangeRateEconomics：1986”，EconomicJournal，97（385），1—18．

Ewing，B．T．，andC．L．Harter，2000，“Co-movementsofAlaskaNorthSlopeandUKBrentCrudeOilPrices”，AppliedEconomicsLetters，7，553—558．

Erb，C．B．，andC．R．Harvey，2006，“TheStrategicandTacticalValueofCommodityFutures”，FinancialAnalystsJournal，62，69—97．

Frankel，J．A．，2008，“TheEffectofMonetaryPolicyonRealCommodityPrices”，Assetpricesandmonetarypolicy，InJ．Campbell（Ed．），UniversityofChicagoPress．

Geman，H．，andC．Kharoubi，2008，“WTICrudeOilFuturesinPortfolioDiversification：TheTime-to-maturityEffect”，JournalofBanking＆Finance，32，2553—2559．

Gilbert，C．L．，1989，“TheImpactofExchangeRatesandDevelopingCountryDebtonCommodityPrices”，EconomicJournal，99（397），773—784．

，“HowtoUnderstandHighFoodPrices”，JournalofAgriculturalEconomics，61，398—425．Gilbert，C．L．，2010

Gohin，A．，2008，“ImpactsoftheEuropeanBiofuelPolicyontheFarmSector：AGeneralEquilibriumAssessment”，ReviewofAgriculturalEconomics，4，623—641．

Gorton，G．B．，andG．K．Rouwenhorst，2006，“FactsandFantasiesaboutCommodityFutures”，FinancialAnalystsJournal，62，47—68．

Gupta，R．，M．Jurgilas，andA．Kabundi，2010，“TheEffectofMonetaryPolicyonRealHousePriceGrowthinSouthAfrica：AFactorAugmentedVectorAutoregression（FAVAR）Approach”，EconomicModeling，27，315—323．

Hammoudeh，S．，R．Sari，andB．T．Ewing，2008，“RelationshipsAmongStrategicCommoditiesandwithFinancialVariables：ANew，ContemporaryEconomicPolicy，27，251—264．Look”

Harri，A．，L．Nalley，andD．Hudson，2009，“TheRelationshipbetweenOil，ExchangeRates，andCommodityPrices”，JournalofAgriculturalandAppliedEconomics，41（2），501—510．

Hess，D．，H．Huang，andA．Niessen，2008，“HowDoCommodityFuturesRespondtoMacroeconomicNews？”，JournalofFinancialMarketsandPortfolioManagement，22（2），127—146．

Hwang，H．，2009，“Two-stepEstimationofaFactorModelinthePresenceofObservableFactors”，EconomicsLetters，105（3），247—249．

2009，“NotAllOilPriceShocksareAlike：DisentanglingDemandandSupplyShocksintheCrudeOilMarket”，AmericanKilian，L．，

EconomicReview，99，1053—1069．

，“CommodityPriceFluctuations：PriceDependentDelaysandNonlinearitiesasExplanatoryFactors”，JournalMackey，M．C．，1989

ofEconomicTheory，48（2），497—509．

Masters，M．，2008，“TestimonybeforetheCommitteeonHomelandSecurityandGovernmentalAffairs”，USSenate，May20．McCalla，A．F．，2009，“WorldFoodPrices：CausesandConsequences”，CanadianJournalofAgriculturalEconomics，57，23—34．Orensztein，E．，andC．Reinhar，1994，“TheMacroeconomicDeterminantsofCommodityPrices”，StaffPapers-InternationalMonetaryFund，41（2），236—261．

95

——国际大宗商品价格影响因素的广义视角分析韩立岩、尹力博：投机行为还是实际需求？—

Pindyck，R．S．，andJ．J．Rotemberg，1990，“TheExcessCo-movementofCommodityPrices”，EconomicJournal，100（403），1173—1189．

2010，“TheEffectsofEconomicNewsonCommodityPrices”，QuarterlyReviewofEconomicsandFinance，Roache，S．，andM．Rossi，50，377—385．

andU．Soytas，2010，“DynamicsofOilPrice，PreciousMetalPrices，andExchangeRate”，EnergySari，R．，S．Hammoudeh，Economics，32，351—362．

andE．Hacihasanoglu，2009，“WorldOilPrices，PreciousMetalPricesandMacroeconomySoytas，U．，R．Sari，S．Hammodeh，inTurkey”，EnergyPolicy，37，5557—5566．

Stock，J．，andM．Watson，2002，“ForecastingUsingPrincipalComponentsfromaLargeNumberofPredictor”，JournaloftheAmericanStatisticalAssociation，97，1167—1179．

Tang，K．，andW．Xiong，2012，“IndexInvestingandtheFinancializationofCommodities”，FinancialAnalystJournal，forthcoming．Tokgoz，S．，2009，“TheImpactofEnergyMarketsontheEUAgriculturalSector”，CenterforAgriculturalandRuralDevelopment，IowaStateUniversity．

Trostle，R．，2008，“GlobalAgriculturalDemandandSupply：FactorsContributingtotheRecentIncreaseinFoodCommodityPrice”，ReportofUSDAEconomicResearchService．

Vargas-Silva，C．，2008，“TheEffectofMonetaryPolicyonHousing：AFactorAugmentedVectorAutoregression（FAVAR）Approach”，AppliedEconomicsLetters，15，749—752．

Yu，T．E．，D．A．Bessler，andS．Fuller，2006，“Co-integrationandCausalityAnalysisofWorldVegetableOilandCrudeOilPrices”，TheAmericanAgriculturalEconomicsAssociationAnnualMeeting，LongBeach，California．

，“MacroeconomicFactorsandOilFuturesPrices：AData-richModel”，EnergyEconomics，32，409—417．Zagaglia，P．，2010

Zhang，Z．，L．Lohr，C．Escalante，andM．Wetzstein，2010，“FoodVersusFuel：WhatdoPricesTellUs？”，EnergyPolicy，38，445—4451．

SpeculationorRealDemand？

AMulti-visionEconomicAnalysisoftheInternationalCommodityPricesImpactFactors

HanLiyanandYinLibo

（SchoolofEconomicsandManagement，BeihangUniversity）

Abstract：Thekeyofexplainingtherapidriseandsharpvolatilityofcommoditypricesistochooseamorethoroughandsolidmethodology．ThispaperprovidesaneconomicanalysisandrobustnesstestinwholeperspectivetoexplorecommoditypricesimpactfactorsusingaFactor-AugmentedVectorAuto-regression（FAVAR）modelwithlatentfactorsextractedfromabroaddataset．Thedatasetincludes532indicatorsofmonthlyfrequency，whichcoverstherealeconomyoftheworld，internationalspeculativebehaviors，supplyanddemandaswellasinventorystatusofinternationalcommoditymarkets．Empiricalevidenceindicatesthattherealeconomyisthemaindriverofdynamicsofcommoditypricesinthelongrun，whileintheshortrun，internationalspeculativepowerleadstothefinancializationofcommodityfutures，thereforeistheleadingforceindeterminingcommodityprices．TheresultsalsoshowthatChinesefactors，suchasgrowingdemand，isindirectandnotmajor．Therefore，thekeytosolvingtheproblemistomonitortheforcesofshort-termspeculationincommodityfuturesindex-basedinvestment．

KeyWords：Commodity；PricesVolatility；RealDemand；Speculation；DollarIndexJELClassification：O13，E32

（责任编辑：王利娜）（校对：梅

96

子）