引言

随着在21世纪后参与大宗商品市场的金融资本不断增加，大宗商品市场表现出了金融化特征，其中以期货市场为定价基础的金属价格呈现频繁而剧烈的波动。

全球市场对铜的需求己从产业需求为主演变成以融资需求为主、产业需求为辅，相应地，铜价也从仅反映单一的商品属性演变成同时反映金融属性与商品属性。

我国作为全球第一大铜消费国，铜在我国工业系统中占据重要地位，在产业链条上、中、下游均具有庞大的市场需求。国际铜价的剧烈波动会进一步传导到国内，对我国工业经济系统产生重大影响。

一、变量选择及数据处理

（1）铜金属价格（LEM）

因为全球有色金属交易市场的定价很大程度上取决于LEM，所以本文在对铜价进行分析时，选择的代理变量为LEM三个月期的铜期货收盘价，数据来源于wind。

需要说明的是，wind数据库中公布的LEM为日频度数据，但是本文需要分析月频度数据，所以需要对LEM指数进行转化。常用的转化方法主要有两种，其一是用月内日平均值进行计算，其二是直接采用当月的期末值。笔者采用第一种方法，转化公式如下：

计算公式

因为模型中其他变量采用同比数据，为了消除季节变动的影响以及保持和其他变量的一致性和可比性，这里将月度期铜价格转化为同比增长率数据，转换公式如下：

计算公式

此外，由于伦敦期货交易所由美元计价，为了消除汇率变动的影响，通过人民币/美元月平均汇率将其折算为人民币。

（2）工业增加值（IAV）

参考衡量方法，对于工业产出的衡量，本文选择的代理变量为工业增加值的同比增速，并且根据国家统计局公布的数据，以不变价对其进行计算，能够体现剔除价格因素之后工业产出的实际变化。

有色金属产业链分为上游和中游以及下游，分别在上游和中游以及下游中选择具有较强代表性的行业，其中上游行业选择了有色金属矿采选业（IAVCK）；中游选择了有色金属冶炼及压延加工业（IAVYL）。

下游选择了电气机械及器材制造业（IAVDQ），主要原因是电气行业的铜消耗量在我国铜消费总量中的占比接近40%，在各个铜消费行业中占比最高。

（3）价格水平（PPI）

工业部门的价格水平主要通过工业生产者出厂价格指数（PPI）衡量。同样，上、中、下游分别选取有色金属矿采选业（PPICK）、有色金属冶炼及压延加工业（PPIYL）和电气机械及器材制造业（PPIDQ）作为上、中、下游行业代表。

（4）金融化指标（FIN）

采用美国商品期货交易委员会公布的交易商持仓报告（CommITmenTsofTradersRePorT，简称COT）中提供的非商业持仓指标来构造投机因素的代理变量。

COT报告的持仓主要有两种，分别是可报告持仓与非报告持仓。前者指的是交易头寸超出CFTC持仓限制，可将其进一步细分为两种类型，分别是商业持仓与非商业持仓。前者往往与消费商和贸易商以及生产上存在密切的关系，可将其看作是套期保值性持仓；后者一般是商品基金或管理期货的基金持仓，往往被看作是投机性持仓。

前者可进一步细分为两种类型，分别是空头（NRS）和多头（NRL）；后者可进一步细分为三种，分别是套利和空头以及多头。非报告持仓也包括两种类型，分别是空头和多头。

市场总持仓（T0I）等于报告持仓与非报告持仓的价格。本研究用纽交所铜期货市场的非商业交易商持仓比例（RNC）以及净头寸比例（PNLNC）两个指标作为代理变量来衡量投机因素对铜金属价格波动的影响。

非商业交易商持仓比例：

RNC＝（NCL＋NCS＋2*NCSP）/（2*T0Ｌ）

非商业交易商净多头比例：

PNLNC＝（NCL－NCS）/（NCL＋NCS＋2*NCSP）

其中，非商业交易商净多头比例相比非商业交易商持仓比例，可以更好地刻画投机交易者的看涨情绪。

变量统计

二、样本数据描述性统计

从描述性统计可以看出，国际铜价（LEM）同比的均值为13.16，中位数为6，均大于0，说明大部分情况下实际国际铜价是逐年上涨的；标准差为34.26，最小值和最大值分别为147.05和－59.28，波动幅度很大；工业增加值（IAV）和工业生产者出厂价格指数（PPI）同比均值分别为10.86和2.04，标准差分别为6.6和4.53，IAV的波动幅度大于PPI。

数据描述性统计

三、VAR模型构建

上世纪80年代初，提出向量自回归（VAR）模型，主要是根据数据的统计性质，将系统中的所有内生变量作为相应的滞后值函数，在此基础上对模型进行构建，从而将此前的单变量自回归模型拓展为多元时间序列变量。VAR方程如下：

计算公式

其中：yt与Xt分别用于表示k维内生变量向量和ｄ维外生变量向量，P和T分别用于表示滞后阶数和样本个数。被估计的系数矩阵包括K*k维矩阵A1，…，Ap和ｋ*ｄ维矩阵B。εt用于表示k维扰动向量。建模步骤如下：

第一步是检验数据的平稳性，如果通过检验证明数据平稳，那么就可以对解释变量的最优滞后阶数进行确定，在此基础上构建模型VAR（n）。

第二步是检验变量外生性，从而判断自变量能否用于预测因变量。

第三步是检验所构建模型的稳定性，模型稳定是进行预爾的塞础和前提。VAR作为单个方程，仅可对局部的因果关系进行解释，因此需要通过方差分解以及脉冲响应对所有内生变量的关系进行分析。

本文建立VAR模型，探宂国际期铜价格金融化如何影响中国的工业产出以及价格，分别将国际期铜价格（LEM）、中国工业产出（IAV）以及价格水平（PPI）作为内生变量，构建基准VAR模型M（LEM，IAV，PPI）。

将金融化指标（FIN）作为外生变量，在此基础上对比控制外生变量前后的模型估计，结果如果通过比较分析发现控制FIN之前的LEM变化对IAV产生的影响比控制FIN之后要强，那么就表明金融化能够增强大宗商品价格冲击的影响力。

换言之，金融化可以对工业产出波动产生放大效应。如果与之相反，就表明金融化会削弱大宗商品价格波动产生的冲击，进而对工业产出波动产生平抑效应。VAR模型的基本形式如下，ＹT和FINT分别代表内生变量和外生变量。

计算公式

将模型Ml（LEM，IAV，PPI）中IAV指标和PPI指标分别替换为铜产业上中下游的细分行业指标，分别建立M2（LEM，IAVCK，PPICK）、M3（LEM，IAVYL，PPIYL）、M4（LEM，IAVDQ，PPIDQ）三个VAR模型，探究铜价对于铜产业上中下游的影响，并且对控制金融化前后的模型估计结果进行比较。

四、实证检验

由于本研究选择的经济变量都是时间序列数据，为避免非平稳时间序列造成的伪回归现象，在进行模型构建之前需要先检验数据的平稳性，本文采用的平稳性检验方法为ADF单位根检验。

检验结果如下表所示，仅有变量IAVCK的平稳性不能满足要求，除此之外其他的原序列均在95%的水平下通过平稳性检验。然后对IAVCK进行处理，得到的一阶差分序列在99%的水平下通过了平稳性检验，由此可以建立VAR模型对上述变量进行分析。

数据稳定性检验

建立LEM、IAV和PPI的VAR模型，在ＥｖIｅｗｓ中进行操作，选出最优滞后阶数，得到的结果见下表。基于最优信息准则，模型M1（LEM，IAV，PPI）、模型M2（LEM，ＤIAVCK，PPICK）、M3（LEM，IAVYL，PPIYL）、M4（LEM，IAVYL，PPIYL）确定之后阶数为2，建立VAR（2）模型。

滞后阶数的选取结果

由于VAR模型属于非理论性的模型，在进行下一步的脉冲响应和方差分解时，需要先对模型的稳定性进行检验。本文采用ＡＲ特征根检验法来验证模型稳定性。如下图，ＡＲ特征根的倒数在均在圆内，由此可得VAR模型均为稳定。

ＡＲ特征根检验

五、实证结果与分析

在VAR模型的估计中，脉冲响应函数用于描述内生变量在一段连续的时间内对误差冲击的反应。即是说当在误差项上施加一个标准差的冲击后对内生变量当期值与未来值的影响。

该函数可进一步探究期铜价格和产业链工业产出和价格水平的动态关系。后文脉冲响应图中的实线是被冲击变量对于一标准差的其他变量冲击所做出的脉冲响应结果，实线的上下两侧虚线表示正负两倍标准差偏离带，置信区间为95%。

由下图可以看出，对于铜价的变化，工业产出响应在前20期为正，并在前期迅速增大达到最大值之后逐渐减弱，响应速度较快，在未控制金融化时第2期达到正向最大值0.5657，控制金融化后路径与未控制金融化情况基本一致，但响应幅度有所下降。第二期达到正向最大值0.4179。

工业指标脉冲相应结果

从短期来看，铜价上涨产生的影响是正向的，原因在于铜矿价格是铜价扣除加工费得到的价格，此时企业的销售利润会明显增加。

价格水平PPI对于铜价变化的响应在前30期均为正，响应程度缓慢增加到最大值之后逐渐下降，未控制金融化时在第6期达到正向最大值1.0518，控制金融化之后相应幅度有所下降，在第5期达到响应最大值0.7873。

而上游有色金属开采行业产出对于铜价的响应，由下图可以看出。先由正向迅速转负，随后逐渐转变为正向，未控制金融化在第2期达到负向最大值－0.90163，控制金融化之后相应幅度降低，且最大负向响应在第2期为0.9429。

产业链上游脉冲相应结果

铜价对于价格水平的影响前30期均为正向，先逐渐升高后缓慢下降，未控制金融化时在第5期达到正向最大值3.3681，控制金融化之后正向冲击最大值提前，在第4期达到最大值2.7820。就上游行业而言，短期内铜价上涨产生的影响是正向的，主要是因为铜矿价格是铜价扣除加工费得到的价格，此时企业的销售利润会明显增加。

在下图中看到铜价对于行业中游冶炼加工行业产出响应先由正向迅速转负，未控制金融化在第5期达到负向最大值0.4365，控制金融化之后相应幅度降低，且最大负向响应提前到第4期为0.2672。铜价对于价格水平的影响前30期均为正向，先逐渐升高后缓慢下降，未控制金融化时在第5期达到正向最大值3.4697，控制金融化之后正向冲击最大值提前，在第4期达到最大值2.7391。

产业链中游脉冲相应结果

从中游冶炼行业来看，地区升水和矿山与冶炼厂的分成系数，以及铜精矿加工费都会对企业盈亏产生影响。

对我国的冶炼企业来说，铜材料有较高的对外依存度，因为废铜对进口有较强的依赖性，而且铜金矿的加工费相对较低，所以很多冶炼厂承担着非常沉重的经营压力。其一是因为铜矿无法分享铜价升高产生的收益，其二是因为铜金矿的采购成本升高，而且下游企业还会产生较多的应收账款。

由下图可以看出，铜价对于行业下游终端消费电气机械及器材制造业行业产出响应在23期前均为正向，先迅速下降后有所上升，最终转为负向并趋向为0，未控制金融化时在第0期为冲击的最大值0.5962，控制金融化在第0期为冲击最大值0.5926。

产业链下游脉冲相应结果

下游电气行业价格水平对于铜价的响应先为正向缓慢升高到最大值后逐渐降低为负值，未控制金融化时在第4期达到最大值1.0697，控制金融化后在第五期达到最大值0.9351。从铜加工企业的角度来看，在铜价升高之后，初期会产生较高的需求，此时加工费会有一定升高，企业可以获得更高的利润。

但是当铜价继续升高时，会在一定程度上抑制铜产品的需求，其实加工费也会回落，并且订单量有所减少，企业的利润也会因此有所降低。从终端用铜企业的角度来看，一些行业往往会通过提高销售价格的方式对成本上涨压力进行转移，然而也有一些企业并没有话语权，所以很难提高销售价格。

比如2021年铜价上涨之后家电行业就不断提高销售价格，主要是因为当时的出口需求非常强劲，家电企业掌握较大的话语权。但是电线电缆行业中有很多民营企业，并且下游企业主要是国网以及其他大型国有企业，所以电线电缆行业的企业议价能力相对较弱，往往是根据销量确定生产，所以其成本压力难以转移给下游。

基于上述情况，终端用铜企业会存在较大的经营压力，可能会出现订单升高但利润降低的现象。

从脉冲响应结果来看，上中下游行业产出对于铜价的响应形态具有差异性，但价格水平对于铜价的响应大致相似。铜价上涨对于上游、中游行业产出呈现负向影响，对于下游行业产出呈现正向影响。

铜价上涨对于上、中、下游行业价格水平均呈现正向影响，中游行业PPI对于铜价的响应程度最大，其次是上游，下游行业对铜价的响应程度最低。

如果对金融化进行控制，相关变量的响应路径和没有对金融化进行控制的情况基本相同，只是响应幅度有一定变化。

相较于没有对金融化进行控制的情形而言，在对金融化进行控制之后，工业产出与价格水平的相应幅度都明显降低；可见，金融化因素对我国有色金属行业产出和价格水平具有显著放大作用，且相较于工业产出水平，对于工业价格水平波动的放大作用更为明显。

不同产业链环节的价格水平对金融投机冲击的响应具有差异性，上游行业的放大作用更为突出，主要原因是上游行业距离产业链条近，受到金融投机的影响更为直接。

方差分解的基本原理是对内生变量的预测均方误差进行分解，从而得到不同变量的随机冲击产生的影响，这样就能够判断不同影响因素对大宗商品价格时的影响程度。

本研究主要借助Ｃｈｏｌｅｓｋｙ方差分解对解释变量对铜价格变化1单位标准差的相对贡献度进行分析。

基础模型以及拓展模型控制金融化前后的方差分解情况如下表所示，模型Mｌ用于表示铜价冲击对产出波动的贡献比例（LEM－IAV）以及铜价格冲击对价格水平波动的贡献比例（LEM－PPI）；模型M2、M3和M4分别表示出铜价格冲击对产出波动的贡献比例（LEM—IAVCK）、（LEM—IAVYL）和（LEM—IAVDQ）以及铜价格冲击对价格水平波动的贡献比例（LEM—PPICK）、（LEM—PPIYL）和（LEM—PPIDQ）。

根据下表能够看出，在没有对金融化进行控制时：

（1）铜价冲击对工业产出以及价格水平波动有较高的贡献度，在第20期后铜价对工业产出的贡献度稳定在5.5%左右，对价格水平的贡献度稳定在41.8%左右，铜价对于价格水平的贡献度显著高于对于工业产出的贡献度。

（2）从铜产业上游矿采行业角度，铜价冲击在第20期后对上游行业产出的贡献度稳定在6.5%左右，对价格水平的贡献度稳定在81.2%左右。

（3）从铜产业中游冶炼行业角度，铜价冲击在第20期后对上游行业产出的贡献度稳定在1.5%左右，对价格水平的贡献度稳定在88.2%左右。

（4）从铜产业下游电气终端消费行业角度，铜价冲击在第20期后对上游行业产出的贡献度稳定在4.9%左右，对价格水平的贡献度稳定在77.5%左右。

在控制金融化的情况下，

（1）铜价格冲击对我国工业产出波动和工业出厂价格水平波动的贡献度总体相比偏低，在第20期后铜价对工业产出的贡献度稳定在2.5%左右，对价格水平的贡献度稳定在35.3%左右，铜价对于价格水平的贡献度显著高于对于工业产出的贡献度。

（2）从铜产业上游矿采行业角度，铜价冲击在第20期后对上游行业产出的贡献度稳定在1.5%左右，对价格水平的贡献度稳定在71.8%左右。

（3）从铜产业中游冶炼行业角度，铜价冲击在第20期后对上游行业产出的贡献度稳定在0.6%左右，对价格水平的贡献度稳定在69.2%左右。

（4）从铜产业下游电气终端消费行业角度，铜价冲击在第20期后对上游行业产出的贡献度稳定在4.5%左右，对价格水平的贡献度稳定在87.4%左右。

对比铜对于产业链上中下游的冲击，

（1）铜价格对于价格水平的贡献度显著高于对于工业产出的贡献度。

（2）从工业产出的角度，铜价冲击对于上游行业的工业产出影响最大，对于中游行业的工业产出影响最小。

（3）从价格水平的角度，在未控制金融化情况下，铜价冲击对于中游行业的工业价格水平影响最大，对于上游行业的价格水平影响最小；在控制金融化情况下，铜价冲击对于下游行业的工业价格水平影响最大，对于中游行业的价格水平影响最小。

（4）与控制金融化之后相比，控制金融化之前的价格冲击对工业产出的影响更强，表明金融化对铜价变动对工业产出的影响具有放大效应。在控制金融化之后，铜价格对上游行业产出贡献度显著从6.8%下降到1.4%，远高于中游行业（从1.5%下降到0.6%）以及下游行业（从4.9%下降到4.5%）金融化前后铜价对产出的影响，表明铜金融化对于产业链上游行业的冲击显著高于中游和下游行业，且金融化冲击前后下游电气行业产出变化较小，说明铜价金融化对于下游行业的影响较小。

方差分解结果（1）

方差分解结果（1）

方差分解结果（2）

总结

国际期铜价格波动对中国的经济影响是多方面的，包括铜产业发展、工业品价格、铜资源安全以及获取铜国际定价权的影响。期货传导是主要途径之一，国际期铜价格对中国铜与相关产品的价格会产生重要影响，这种影响主要通过期货市场的溢出效应来实现，而且可能会对中国的经济体系造成冲击。

金融投机因素是大宗商品价格的决定性因素。由于越来越多的机构投资者进入大宗商品市场，再加上商品指数投机的不断发展，当前大宗商品呈现出非常突出的金融化属性。