宏观经济与商品期货价格：因子构建及关联分析

■郭　净，周　亮，肖　坚

一、引言

2011年以来，我国经济步入“新常态”，商品期货价格开始了长达4年的下跌，沪铜和螺纹钢指数分别从2011年底的70000点和5100点左右跌落至2015年末的33000点和1600点左右。2015年12月中央经济会议部署供给侧结构性改革，商品期货充分发挥价格发现和资源配置功能，迎来连续两年的上涨，2017年底沪铜指数重返到70000点，螺纹钢指数反弹至4100点。商品期货价格和我国宏观经济趋势和政策方向是基本吻合的。期货市场的发展在一定程度上推动了资金的横向融通和经济的横向联系，并且提高了资源配置的总体效益；也有助于市场经济体系的建立和完善资源配置，调节市场供求，减缓价格波动以及形成公正、公开的价格信号、回避因价格波动而带来的市场风险的作用。期货价格波动对宏观经济的影响过程及传导机制基本已被探明，对经济增长率、通货膨胀率、货币供应量、投资及出口等指标均存在直接或间接影响。

宏观经济是期货市场发展尤其是期货价格变动的重要影响因素，但现有国内关于宏观经济和期货市场价格关系的研究，大都重点考察了宏观经济的某个指标或某些指标对期货市场价格的影响，指标选取并不能反映宏观经济的全貌，也无法全面衡量宏观经济运行对期货市场价格的影响。而国外研究更倾向于构建多因素模型，那么考虑到宏观经济的系统性和复杂性，其整体和各构成成分对期货价格波动的影响如何？各部分有何差异？本文拟采用因子分析法从众多宏观经济变量中提取出具有相同经济意义的共同因子，再采用VAR方法实证检验共同因子与期货市场价格的关联关系，以期全面洞察宏观经济运行情况及内部结构对期货市场价格的影响，从而为期货市场更好地实现功能提出对策建议。

二、文献综述

物价指数、货币政策和经济增长是反映宏观经济运行及发展的重要指标，也是现有研究的重点，本文将着重回顾期货价格与这三方面指标相互关系的文献。

（一）物价指数与期货价格

学者们通过对期货价格与物价指数之间关系进行研究，发现期货市场反映的大宗商品价格与物价指数之间具有很强的相关性，并往往表现为先行指示作用。如王志强和王雪标（2001）检验发现商品期货价格指数与消费价格指数、一致合成指数之间的单向因果关系，并且其先行时间为3个月。张树忠等（2006）计算了我国农产品期货价格指数并实证检验了农产品期货价格指数对CPI的先行指示作用。杜迎伟和李天忠（2008）设计和编制了中国期货指数，通过多种计量方法对该指数的预警功能进行检验发现无论是总指数还是分类指数均可以领先 CPI、CGPI、CI等指标 3～6个月不等。梁晓娟（2008）利用商品期货价格指数与消费价格指数的数据，通过计量方法研究了商品期货市场对消费价格指数的影响，提出期货市场价格可以成为CPI预测的一个有效途径。常清（2010）通过数据实证分析验证了国际商品期货价格指数对我国消费者价格指数存在传导作用。冯科和李昕昕（2014）实证研究后发现，商品期货价格指数对物价、国内生产总值、利率、人民币汇率均有明显的引导作用。也有部分学者研究了生产者物价指数与期货市场之间的关系，如周焯华和宋旺江（2011）明确了我国金属期货价格指数对PPI的先行作用。

（二）货币政策与期货价格

货币政策是影响资产价格的重要因素，其实往往是为了达到金融稳定的目的（姚洁和陈菁泉，2016），许多学者研究了货币政策对期货价格的影响。在宏观经济的不同阶段，不同的货币政策对期货市场价格的作用影响有所不同，扩张性货币政策易引发商品价格超调（郑尊信和徐晓光，2013），刺激商品期货价格上升（王锟，2013），而紧缩性货币政策却易导致商品价格快速下降。货币政策的直接效应主要通过市场利率调整了资金占用成本，间接效应是指改变了市场库存均衡点，从而影响商品价格预期变动（郑尊信和徐晓光，2013）。丁妍（2016）采用小波变换、BEKK-MGARCH模型等方法，实证分析了商品的期货价格指数和货币政策的长期互动关系及短期波动溢出效应，结果发现，商品期货价格指数可以作为我国货币政策参考变量，改善经济调控效果。货币供应量和流动量也是影响期货市场价格的重要因素，沈虹等（2010）通过对低频数据和M2同比增长率之间的Granger因果检验，得出货币供应量的增长会加剧期货市场价格的波动，从而为流动性过剩对期货市场产生影响提供证据。吕志平（2013）研究发现，货币流动性虽然对大宗商品期货价格波动存在一定影响，但是并不是引起国际大宗商品期货价格变动的最主要因素。

（三）经济增长与期货价格

一些学者对期货价格与经济增长的相互关系进行分析研究。孟湘泓和黄健柏（2014）通过分析国际铜、铝价格和世界经济间的协整关系后发现，世界经济对LME铜、铝价格有着明显的影响作用，当世界经济状况良好时，铜、铝价格上涨，当世界经济状况低迷时，铜、铝价格下跌。文先明等（2013）发现燃料油期货价格与经济增长之间存在长期均衡关系，燃料油期货价格对经济增长有一定影响，并且存在滞后效应。还有学者检验了经济增长与期货价格之间的相互影响关系，如姜哲和李新建（2013）研究发现，我国农产品期货市场的发展与农业经济的增长互为因果关系，农产品期货市场发展对农业经济有一定影响，但反应时滞较长。郑禄飞和吴慧（2016）通过建立向量自回归模型分析了我国期货市场发展和经济增长之间的内在关系后发现，经济增长促进了期货市场的稳定发展，而期货市场的发展对经济增长的反作用则还需加强。

综上可知,关于宏观经济与期货价格之间的关系已有相对深入的研究，主要集中在物价指数、货币政策及经济增长等方面的指标，一般考虑的都是单一指标或者某几个指标，而且现有研究并没有就各指标对期货价格的影响作用及机制路径取得一致，还存在较大分歧。宏观经济是一个复杂系统，如果能够将这些因素都纳入到同一个模型进行考察，便能够对宏观经济与期货市场的关联性进行更加全面深入的探讨。因此，本文尝试选取多个宏观经济指标，并对其进行分类，探讨多层面宏观经济变量与期货价格的关联性，并为两者之间的理论关系提供更多的实证支持。

三、变量选取与说明

（一）变量选取

中汉商品期货指数系列是基于中国期货市场上的商品合约而编制的商品指数，其编制的商品期货综合指数能够较好地反映出期货市场的整体状况。因此选择该指数作为商品期货市场价格的代理变量。

宏观经济变量方面，选择多个指标以全面考察宏观经济运行状况。考虑到常用来衡量经济增长的GDP指标只公布季度数据，相对而言频率过低，因此采用与GDP紧密相关的工业增加值作为经济增长的代理变量。同时考虑到拉动经济的三驾马车中投资对我国经济增长的作用尤为明显，故同时选取城镇固定资产完成额、房地产开发投资完成额及铁路货运量作为代理指标，其中铁路货运量是投资的先行指标。价格指数方面，本文选择消费者物价指数（CPI）、生产者物价指数（PPI）及采购经理人指数中的新订单分项（PMI）、CPI与PPI的差值（CPI-PPI）来综合反映通货膨胀情况。考虑到货币供给往往对宏观经济有重要引导作用，因此本文从数量和价格两个角度选择指标以衡量货币供应的松紧程度，其中数量指标包括社会融资总量（Social）、广义货币量增速（M2）以及狭义货币量增速与广义货币量增速差（M1-M2）①该指标代表货币活性，当值越大时，代表货币活性越高，反之亦然。，价格指标包括上海同业拆解利率（SHIBOR）和国债市场水平因子（Level）。

综上所述，本文选取工业增加值（IV）、铁路货运量（Railway）、城镇固定资产完成额（Fix）、消费者物价指数（CPI）、房地产开发投资完成额（Real）、生产者物价指数（PPI）、CPI与PPI的差值（CPI-PPI）、广义货币量增速（M2）、采购经理人指数中的新订单分项（PMI）、狭义货币量增速与广义货币量增速差（M1-M2）、上海同业拆解利率（SHIBOR）、社会融资总量（Social）、国债利率水平因子（Level）等13个指标来综合反映宏观经济运行状况。

（二）变量说明及描述性统计

选取以上所有变量的月度数据来进行分析，所选时间范围为2010年7月至2017年7月，所有数据均都来自东方财富金融数据库。本文对所有变量的描述性统计情况进行了报告，见表1。由表1结果可知，样本区间内的商品期货指数（ZH）均值为732.86，最大值为1032.94，最小值为480.42，其波动幅度较大，而且跨度较长，因此能够较详细地反映不同阶段指数的波动状况。由于一些数据本身值较大，因此在后续的分析研究时，均对这些变量进行了对数处理，其中包括ZH、Fix、Real、Social等。

表1　变量描述性统计

四、实证检验及分析

（一）宏观经济因子构建

1.因子分析

因为宏观经济变量之间相关性较强，分析时如果直接用这些变量对期货指数进行研究，不可避免会存在很强的共线性问题。因此先采用因子分析对13个变量进行分类，这样不仅可以解决共线性的问题，而且可以将变量进行良好的区分，从而全面反映宏观经济运行情况及内部结构。表2详细报告了因子分析的结果，由结果可知，13个宏观经济变量均可以由3个因子进行解释。从因子载荷角度考虑，第一个因子（F1）主要是解释了 CPI、M1-M2、Social、IV、Fix、Real、SHIBOR、Level八个变量，主要反映了经济增长以及货币利率等特征；第二个因子（F2）主要解释了Railway、PPI、PMI、CPI-PPI四个变量，可以看到这四个因子均与工业企业生产状况有关，因此可以称之为生产因子；第三个因子（F3）则解释了M2这个变量，虽然M2与M1-M2、Social、SHIBOR、Level均属于货币政策方面的因子，但是在因子分析中却将M2单独区分开来，也可以看出M2与其他货币政策变量之间的差别。

表2　因子分析结果

由于第一因子包含的变量过多，且从逻辑上看，里面既包含了经济增长方面的变量，也包含了货币政策方面的变量，因此对第一因子再次进行因子分析，以提取出更贴近现实的因子。表3报告了对第一因子进行因子分析的结果，可以看到，第一因子可以很好得区分为两个因子，其中第一因子（f1）解释了IV、Fix、Real、CPI、Social五个变量，这五个变量均与经济增长密切相关，因此可以称之为增长因子；第二因子（f2）解释了M1-M2、SHIOBR、Level三个变量，虽然M2不包含在这个因子里面，但是这三个变量中M1-M2代表的是货币的活性，SHIBOR、Level均是市场利率，因此仍然称之为货币因子。

2.增长因子

借鉴周亮（2017）的方法，采用主成分分析法构建增长因子、货币因子及生产因子。由于不同的指标之间存在先行与滞后的关系，所以本文构建最终的增长因子前，首先选取每个变量的当期值和滞后一期值一起进行主成分分析，即采用 IVt、Fixt、Realt、CPIt、Socialt、IVt-1、Fixt-1、Realt-1、CPIt-1、Socialt-110 个指标值构造初始的增长因子GROWTH1①由于篇幅受限，GROWTH1与十个指标值之间具体的相关性结果未列出，留存备索。。然后再按照GROWTH1与各指标值相关系数的大小，选出了5个变量相关系数较高的当期值或滞后值再来进行主成分分析，最后构建出最终的增长因子GROWTH。

表3　F1的因子分析结果

得到最终的增长因子，计算公式为：

由增长因子与商品期货综合指数的走势图②由于篇幅受限，具体走势图未给出，留存备索，下同。可知，两者的相关性极强（相关系数为0.86），因此可以初步判定增长因子能够较好的反映出商品期货综合指数的波动情况。

3.货币因子

同样采用主成份分析法构造货币因子，计算公式为：

从各变量前的系数可以看到，货币因子与M1-M2负相关，与SHIBOR、Level正相关。因此当货币因子数值越高的时候，代表利率越高、货币活性越差；当货币因子数值越低的时候，代表利率越低、货币活性越高。根据货币因子与商品综合指数的走势图可知，两者仍然具有一定的相关性，相关系数为0.44。当货币因子数值较高的时候，商品综合指数一直处于下行轨道，当货币因子不断走低的时候，商品综合指数筑底并开始反转。

4.生产因子

同样采用主成份分析法构造生产因子，计算公式为：

由生产因子与商品综合指数的走势图可知，两者的相关性也比较高，相关系数达到了0.67。商品综合指数的最低值正好是在生产因子筑底之后所形成的，因此生产因子对于商品综合指数可能是个比较好的先行要素。

（二）VAR模型构建

本文采用VAR模型研究增长因子、货币因子、生产因子、M2指标及商品综合指数之间的关系。首先对变量的平稳性进行检验①由于文章篇幅受限，具体的检验结果未列出，留存备索，下同。，五个序列均是一阶单整序列，因此需要对序列之间的协整关系进行检验。只有具有协整关系的非平稳序列间才可以建立VAR模型。由协整检验结果可知，在5%的显著性水平下，5个变量为具有协整关系的非平稳序列，可以建立VAR模型进行后续分析，同时由VAR模型滞后阶数的检验结果发现，1阶VAR模型是最合适的。AR根检验结果得出，VAR模型所有根模的倒数小于1，因此模型是稳定的。

（三）脉冲响应分析

图1报告了商品综合指数对增长因子、货币因子、生产因子及M2等变量的脉冲响应结果，可以看到：增长因子和货币因子起到了较大作用；其中增长因子起到了正向作用，货币因子起到了负向作用，也就是说经济增长越快、利率越低、货币活性越高，商品综合指数涨得越多。而生产因子和M2起到的作用则很小。

图1　商品综合指数对其他变量的脉冲响应

（四）方差分解

方差分解是通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，相对于脉冲响应分析，可以进一步评价不同结构冲击的重要性。表4分别报告了商品综合指数的方差分解结果，可以看到：增长因子对商品综合指数有较为轻微的影响，而货币因子对其有极其显著的影响；对于增长因子而言，商品综合指数对其的影响要远远高于其他因子；生产因子和M2的影响几乎为零。

表4　商品综合指数的方差分解结果

五、结论与展望

本文选取2010年7月至2017年7月13个宏观经济变量的月度数据及中汉商品期货综合指数，首先通过因子降维和主成分分析法将宏观经济变量区分为增长因子、货币因子、生产因子和M2四个因子，然后采用VAR模型、脉冲响应分析、方差分解方法研究了这四个因子与商品期货价格的关联性，结果发现：对于商品期货价格而言，增长因子对其有较为轻微的影响，而货币因子对其有极其显著的影响，生产因子和M2的影响则几乎为零。

相比宏观经济与期货价格关系的现有研究，本文采用因子分析将现有研究中反映宏观经济不同层面的变量进行解构，并提取出了具有相同经济意义的共同因子。一方面，证实了货币政策是与商品期货价格关联性最大的因素，经济增长与商品期货价格变动的关联性较小。另一方面，也排除了生产因素和M2与商品期货价格变动的关联性。

本文的研究结论表明，经济增长虽是期货市场发展的前提和基础，但在较短时期内，两者的关联性不能充分展示，有必要进一步丰富我国商品期货市场的交易品种、健全交易制度，以更好地实现期货的价格发现和资源配置功能，成为宏观经济增长的“指示器”。货币政策引起的利率、货币供应量变动往往直接决定着期货商品的供给和需求，因此对期货价格变动的影响较大而且在牛市和熊市中对期货价格变动速度和幅度的影响还有所不同（Cuarsema et al.，2009）。从商品期货市场健康发展的角度来讲，要保持货币政策的稳定，防止因货币政策松紧带来的商品期货价格暴涨暴跌。

本文仍然存在有待改进和完善之处。首先，商品期货综合指数虽然可以反映出商品期货市场价格的总体特征，但不同商品期货价格的波动存在着不同步性。因此接下来的研究可以对不同品种的商品期货进行区分，以考察宏观经济变量对不同商品期货价格的影响方向和力度。其次，由于目前许多宏观经济指标只公布月度数据，但是对于瞬息万变的期货市场来说，没有高频数据作为基础的投资决策就意味着丧失大量的投资机会以及风险暴露过大。因此，未来需要挖掘更高频的数据来充分反映宏观经济运行及结构，以更有效地发现宏观经济与期货价格的关联性。

[参考文献]

[1]常清.宏观决策要参考期货价格指数[J].价格理论与实践，2010，（11）：13～14.

[2]丁妍.商品期货价格指数可以作为货币政策参考变量吗?——基于中国数据的研究[J].中国经济问题，2016，36（4）：73～85.

[3]杜迎伟，李天忠.中国期货指数宏观经济预警功能研究[J].金融理论与实践，2008，（9）：3～9.

[4]冯科，李昕昕.我国商品期货价格指数与宏观经济指标关系的实证研究[J].经济与管理，2014，236（1）：51～55.

[5]姜哲，李新建.我国农产品期货市场与农业经济增长关系的实证研究[J].中国证券期货，2013，（9）：17～20.

[6]梁晓娟.从期货价格变动预测CPI变化[J].经济管理，2008，（Z2）：16～21.

[7]吕志平.货币流动性因素对国际大宗商品期货价格的影响[J].中国流通经济，2013，27（3）：101～106.

[8]孟湘泓，黄健柏.世界经济对国际铜、铝期货价格波动的影响——基于Kilian全球经济指数的实证研究[J].价格月刊，2014，（1）：12～15.

[9]沈虹，何建敏等.多尺度GARCH模型研究货币增长对期货价格波动的影响[J].管理学报，2010，7（2）：263～267.

[10]王锟.货币政策冲击对商品期货价格指数影响分析[J].金融与经济，2013，（12）：58～63.

[11]王志强，王雪标.中国商品期货价格指数与经济景气[J].世界经济，2001,（4）：69～73.

[12]文先明，刘作，熊鹰.燃料油期货价格波动对我国经济增长的影响[J].统计与决策，2013，（8）：120～123.

[13]姚洁，陈菁泉.货币政策与金融稳定——基于中东欧国家的实证分析[J].金融理论探索，2016，167（3）：25～32.

[14]张树忠，李天忠，丁涛.农产品期货价格指数与CPI关系的实证研究[J].金融研究，2006，（11）：103～115.

[15]郑禄飞，吴慧.基于VAR模型的中国期货市场发展与经济增长关系的实证研究[J].中国集体经济，2016，（30）：71～73.

[16]郑尊信，徐晓光.基于库存视角的货币政策与商品价格动态演变——来自上海期货市场的实证检验[J].经济研究，2013，（3）：70～82.

[17]周亮.投资者情绪及其对股票市场的影响研究[J].湖南财政经济学院学报，2017，33（3）：94～100.

[18]周焯华，宋旺江.我国金属期货价格指数与PPI关系的实证研究[J].统计与决策，2011，（1）：80～82.

[19]Cuarsema J C，Jumah A，Karbuz S.Modeling and forecasting oil prices:the role of asymmetric cycles[J].Energy Journal，2009，30（3）：81～91.