全球经济政策不确定性与中国粮食价格——基于非对称性视角的分析
发布时间：2021-04-14 13:16
本文采用TVAR模型从非对称性视角实证分析了全球经济政策不确定性对中国粮食价格的影响。研究发现:（1）在不确定性程度较低时,全球经济政策不确定性对中国粮食价格主要产生正向效应,而在不确定性程度较高时,全球经济政策不确定性对中国粮食价格会产生显著的负向效应,即存在影响方向上的非一致性;（2）对于玉米、小麦和大豆价格,不确定性程度较高时的影响程度大于不确定性程度较低时的影响程度,而对于大米价格,不确定性程度较高时的影响程度小于不确定性程度较低时的影响程度,即存在影响程度上的非对称性;（3）在不确定性程度较高时,国际石油价格对中国粮食价格的影响较大,国际粮食价格对中国粮食价格的影响反而更小。本文对当前如何降低全球市场不确定性对中国粮食价格冲击具有重要的政策含义。
【文章来源】：农业技术经济. 2020,(05)北大核心CSSCI
【文章页数】：15 页
【部分图文】：
全球经济政策不确定性与中国粮食价格(3)
图4所示上述3种模型下全球经济政策不确定性对中国粮食价格的影响。表4所示对应模型的方差分解结果。图4中3种模型的脉冲响应结果均表明:第一,除了model (1)和model (3)中大豆价格在后期出现明显的“超调”现象外,在低不确定性区制,中国粮食价格对全球经济政策不确定性冲击的反应主要为正向,在高不确定性区制,中国粮食价格对全球经济政策不确定性冲击的反应主要为负向;第二,全球经济政策不确定性对玉米价格、小麦价格和大豆价格在高不确定性区制的影响大于在低不确定性区制的影响,而对大米价格在高不确定性区制的影响小于在低不确定性区制的影响。稳健性检验结果基本与基准模型相一致。表4中3种模型的方差分解结果也均表明:对于大米、小麦、玉米与大豆价格而言,在预测未来一年时,全球经济政策不确定性冲击均在高不确定性区制的平均解释力度大于在低不确定性区制的平均解释力度。由此可见,稳健性检验的结果与基准模型的实证结果基本一致,这说明本文的核心结论是稳健的。表4 方差分解结果:稳健性分析 项目 低不确定性区制 高不确定性区制 gepu冲击对maizeh预测的贡献度 model (1) 1.796 3.852 model (2) 0.792 4.643 model (3) 1.009 4.348 gepu冲击对wheath预测的贡献度 model (1) 3.230 7.232 model (2) 0.417 6.761 model (3) 2.691 7.691 gepu冲击对soybeanh预测的贡献度 model (1) 0.686 3.714 model (2) 0.508 2.873 model (3) 0.554 5.321 gepu冲击对riceh预测的贡献度 model (1) 2.589 6.941 model (2) 2.518 7.334 model (3) 3.889 8.448
随着中国对外开放程度不断提高,中国粮食进口量也在持续增加,大米、小麦和玉米均由“净出口”转变为“净进口”,国内大豆市场更是严重依赖国际市场,因而中国粮食价格也越来越受到国际市场的影响(王孝松等,2012;李光泗等,2018),国际因素已然成为影响中国粮食价格不可忽视的因素,尤其是全球经济政策不确定性(Global Economic Policy Uncertainty)冲击所带来的影响。自2008年国际金融危机以来,随着欧债危机、特朗普当选美国总统、中美经贸摩擦等事件的发生,全球经济政策不确定性水平迅速攀升。根据Davis(2016)的测算,全球经济政策不确定性指数在2018年12月创历史新高,达到341.1(1)(见图1)。全球经济政策不确定性程度的上升,造成了全球市场的不确定性,也加剧了国内粮食市场的波动,给中国粮食安全带来新的挑战。因此,在当前全球经济环境持续波动,特别是中美经贸摩擦不断升级的背景下,探讨全球经济政策不确定性对中国粮食价格的影响具有重要的现实意义。关于中国粮食价格影响因素研究的文献比较丰富。例如丁守海(2009)、潘苏等(2011)、高帆等(2012)等学者运用协整检验、VEC模型或VAR模型研究国际粮食价格对中国粮食价格的影响。李光泗等(2015)运用BEKK模型分析国际粮食价格波动对中国粮食价格波动的溢出效应。李光泗等(2018)运用VAR-BEKK-GARCH模型研究了粮食进口快速增长背景下国际粮食价格波动对中国粮食价格的影响和溢出效应。魏中京等(2018)利用SVAR模型分析了全球经济政策不确定性对国际粮食价格的影响。张俊华等(2019)采用FAVAR模型研究了经济政策不确定性对中国农产品价格的冲击效应。除此之外,Balke等(1997)、Psaradakis等(2004)和Shin等(2014)等学者们认为,线性计量模型不能充分表达变量之间的关系,线性关系的假设过于严格,非线性计量模型更适合研究经济变量之间的关系。因此,国内一些学者也采用非线性计量模型来分析中国粮食价格的影响因素。例如,陈宇峰等(2012)运用LSTAR模型探讨国际石油价格对中国粮食价格的影响;董秀良等(2014)运用STTCC-MGARCH和DSTCC-MGARCH模型,考察了国际石油价格与中国粮食价格的相关性及其区制转移特征;郑燕等(2018)运用TVP-VAR模型分析了国际石油价格对中国粮食价格的动态冲击效应;彭佳颖等(2016)运用MS-TVTP模型考察了国际粮食价格变动对中国粮食价格的非对称影响;李玉双(2017)运用NARDL模型分析了国际粮价对中国粮价的非对称传递效应;谭莹等(2018)采用TVP-FAVAR模型研究了中国经济政策不确定性对农产品产业链价格的影响。可以发现,随着中国经济对外开放程度的不断提升,学者们都非常关注国际因素对中国粮食价格的影响。但是,就本文收集的资料而言,目前还鲜有学者采用非线性的TVAR模型来研究全球经济政策不确定性对中国粮食价格的影响。
【参考文献】：
期刊论文
[1]经济政策不确定性与农产品价格波动[J]. 张俊华,花俊国,唐华仓,吴一平. 农业技术经济. 2019(05)
[2]经济政策不确定性对农产品产业链的价格冲击研究——基于供需双方“议价能力”视角[J]. 谭莹,胡洪涛,李大胜. 农业技术经济. 2018(07)
[3]经济政策不确定性与全球贸易低速增长——基于引力模型的分析[J]. 许锐翔,许祥云,施宇. 财经研究. 2018(07)
[4]进口快速增长背景下国内外粮食价格波动传递效应实证研究[J]. 李光泗,王莉,谢菁菁,钟钰. 农业经济问题. 2018(02)
[5]全球经济政策不确定性冲击与国际粮食价格波动:理论与实证分析[J]. 魏中京,张兵兵. 经济问题. 2018(03)
[6]国际原油价格对中国粮食价格的动态冲击效应分析——基于TVP-VAR模型[J]. 郑燕,马骥. 经济问题探索. 2018(02)
[7]国际粮价对我国粮价的非对称传递效应:基于NARDL模型的研究[J]. 李玉双. 经济社会体制比较. 2017(03)
[8]政策不确定性是中国经济波动的主要因素吗——基于混合识别法的创新实证研究[J]. 田磊,林建浩,张少华. 财贸经济. 2017(01)
[9]国际粮食价格对中国粮食价格的非对称性影响研究[J]. 彭佳颖,谢锐,赖明勇. 资源科学. 2016(05)
[10]经济政策不确定性兼具产出效应和通胀效应吗?来自中国的经验证据[J]. 田磊,林建浩. 南开经济研究. 2016(02)
本文编号：3137385
【文章来源】：农业技术经济. 2020,(05)北大核心CSSCI
【文章页数】：15 页
【部分图文】：
全球经济政策不确定性与中国粮食价格(3)
图4所示上述3种模型下全球经济政策不确定性对中国粮食价格的影响。表4所示对应模型的方差分解结果。图4中3种模型的脉冲响应结果均表明:第一,除了model (1)和model (3)中大豆价格在后期出现明显的“超调”现象外,在低不确定性区制,中国粮食价格对全球经济政策不确定性冲击的反应主要为正向,在高不确定性区制,中国粮食价格对全球经济政策不确定性冲击的反应主要为负向;第二,全球经济政策不确定性对玉米价格、小麦价格和大豆价格在高不确定性区制的影响大于在低不确定性区制的影响,而对大米价格在高不确定性区制的影响小于在低不确定性区制的影响。稳健性检验结果基本与基准模型相一致。表4中3种模型的方差分解结果也均表明:对于大米、小麦、玉米与大豆价格而言,在预测未来一年时,全球经济政策不确定性冲击均在高不确定性区制的平均解释力度大于在低不确定性区制的平均解释力度。由此可见,稳健性检验的结果与基准模型的实证结果基本一致,这说明本文的核心结论是稳健的。表4 方差分解结果:稳健性分析 项目 低不确定性区制 高不确定性区制 gepu冲击对maizeh预测的贡献度 model (1) 1.796 3.852 model (2) 0.792 4.643 model (3) 1.009 4.348 gepu冲击对wheath预测的贡献度 model (1) 3.230 7.232 model (2) 0.417 6.761 model (3) 2.691 7.691 gepu冲击对soybeanh预测的贡献度 model (1) 0.686 3.714 model (2) 0.508 2.873 model (3) 0.554 5.321 gepu冲击对riceh预测的贡献度 model (1) 2.589 6.941 model (2) 2.518 7.334 model (3) 3.889 8.448
随着中国对外开放程度不断提高,中国粮食进口量也在持续增加,大米、小麦和玉米均由“净出口”转变为“净进口”,国内大豆市场更是严重依赖国际市场,因而中国粮食价格也越来越受到国际市场的影响(王孝松等,2012;李光泗等,2018),国际因素已然成为影响中国粮食价格不可忽视的因素,尤其是全球经济政策不确定性(Global Economic Policy Uncertainty)冲击所带来的影响。自2008年国际金融危机以来,随着欧债危机、特朗普当选美国总统、中美经贸摩擦等事件的发生,全球经济政策不确定性水平迅速攀升。根据Davis(2016)的测算,全球经济政策不确定性指数在2018年12月创历史新高,达到341.1(1)(见图1)。全球经济政策不确定性程度的上升,造成了全球市场的不确定性,也加剧了国内粮食市场的波动,给中国粮食安全带来新的挑战。因此,在当前全球经济环境持续波动,特别是中美经贸摩擦不断升级的背景下,探讨全球经济政策不确定性对中国粮食价格的影响具有重要的现实意义。关于中国粮食价格影响因素研究的文献比较丰富。例如丁守海(2009)、潘苏等(2011)、高帆等(2012)等学者运用协整检验、VEC模型或VAR模型研究国际粮食价格对中国粮食价格的影响。李光泗等(2015)运用BEKK模型分析国际粮食价格波动对中国粮食价格波动的溢出效应。李光泗等(2018)运用VAR-BEKK-GARCH模型研究了粮食进口快速增长背景下国际粮食价格波动对中国粮食价格的影响和溢出效应。魏中京等(2018)利用SVAR模型分析了全球经济政策不确定性对国际粮食价格的影响。张俊华等(2019)采用FAVAR模型研究了经济政策不确定性对中国农产品价格的冲击效应。除此之外,Balke等(1997)、Psaradakis等(2004)和Shin等(2014)等学者们认为,线性计量模型不能充分表达变量之间的关系,线性关系的假设过于严格,非线性计量模型更适合研究经济变量之间的关系。因此,国内一些学者也采用非线性计量模型来分析中国粮食价格的影响因素。例如,陈宇峰等(2012)运用LSTAR模型探讨国际石油价格对中国粮食价格的影响;董秀良等(2014)运用STTCC-MGARCH和DSTCC-MGARCH模型,考察了国际石油价格与中国粮食价格的相关性及其区制转移特征;郑燕等(2018)运用TVP-VAR模型分析了国际石油价格对中国粮食价格的动态冲击效应;彭佳颖等(2016)运用MS-TVTP模型考察了国际粮食价格变动对中国粮食价格的非对称影响;李玉双(2017)运用NARDL模型分析了国际粮价对中国粮价的非对称传递效应;谭莹等(2018)采用TVP-FAVAR模型研究了中国经济政策不确定性对农产品产业链价格的影响。可以发现,随着中国经济对外开放程度的不断提升,学者们都非常关注国际因素对中国粮食价格的影响。但是,就本文收集的资料而言,目前还鲜有学者采用非线性的TVAR模型来研究全球经济政策不确定性对中国粮食价格的影响。
【参考文献】：
期刊论文
[1]经济政策不确定性与农产品价格波动[J]. 张俊华,花俊国,唐华仓,吴一平. 农业技术经济. 2019(05)
[2]经济政策不确定性对农产品产业链的价格冲击研究——基于供需双方“议价能力”视角[J]. 谭莹,胡洪涛,李大胜. 农业技术经济. 2018(07)
[3]经济政策不确定性与全球贸易低速增长——基于引力模型的分析[J]. 许锐翔,许祥云,施宇. 财经研究. 2018(07)
[4]进口快速增长背景下国内外粮食价格波动传递效应实证研究[J]. 李光泗,王莉,谢菁菁,钟钰. 农业经济问题. 2018(02)
[5]全球经济政策不确定性冲击与国际粮食价格波动:理论与实证分析[J]. 魏中京,张兵兵. 经济问题. 2018(03)
[6]国际原油价格对中国粮食价格的动态冲击效应分析——基于TVP-VAR模型[J]. 郑燕,马骥. 经济问题探索. 2018(02)
[7]国际粮价对我国粮价的非对称传递效应:基于NARDL模型的研究[J]. 李玉双. 经济社会体制比较. 2017(03)
[8]政策不确定性是中国经济波动的主要因素吗——基于混合识别法的创新实证研究[J]. 田磊,林建浩,张少华. 财贸经济. 2017(01)
[9]国际粮食价格对中国粮食价格的非对称性影响研究[J]. 彭佳颖,谢锐,赖明勇. 资源科学. 2016(05)
[10]经济政策不确定性兼具产出效应和通胀效应吗?来自中国的经验证据[J]. 田磊,林建浩. 南开经济研究. 2016(02)
本文编号：3137385
本文链接：https://www.wllwen.com/jingjilunwen/jingjiguanlilunwen/3137385.html
