中國鐵礦石期貨市場的定價影響力研究
——基于VEC-SVAR模型的實證分析

胡振華，鐘代立，,王歡芳

(1.中南大學商學院，湖南 長沙 410083；2.湖南工業(yè)大學商學院，湖南 株洲 412008)

1 引言

鐵礦石作為必不可少的基礎(chǔ)性大宗商品和金屬資源，對一國國民經(jīng)濟發(fā)展的意義重大。21世紀之后，中國隨著經(jīng)濟的飛速發(fā)展晉升為世界第一大鐵礦石進口國，“中國需求”成為鐵礦石國際貿(mào)易供求格局中的重要組成部分。但在長協(xié)定價機制時代，中國卻由于缺乏鐵礦石國際定價權(quán)，沒有發(fā)揮出與其市場份額相匹配的價格控制力，只能被動地接受價格[1]，在此制約下，2003年至2010年鐵礦石市場價格的瘋狂飆升給中國造成了高達3000億美元的直接經(jīng)濟損失，并嚴重威脅到了中國的資源安全保障。2010年3月，歷經(jīng)數(shù)十年的長協(xié)定價機制被棄用，更為靈活的指數(shù)定價機制成為主流，隨后鐵礦石掉期合約品種也在部分國家相繼問世，這使得國際鐵礦石市場的金融化趨勢愈發(fā)凸顯，價格波動頻率亦日益短期化，大量的國際資本涌入到鐵礦石這一傳統(tǒng)的資源性商品領(lǐng)域。為積極融入新形勢下的鐵礦石國際定價體系，中國于2013年10月正式推出大連商品交易所(DCE)鐵礦石期貨合約，是世界上首個實行實物交割的鐵礦石期貨合約。在賣方壟斷的國際鐵礦石市場結(jié)構(gòu)難以于短時期內(nèi)發(fā)生根本性改變的情況下，鐵礦石無法像一般商品那樣通過供需平衡形成合理的均衡價格[2]，因此借由此次定價機制轉(zhuǎn)變的契機，積極地發(fā)揮期貨市場功能并將其優(yōu)先發(fā)展為鐵礦石國際定價中心是現(xiàn)階段破除賣方壟斷地位影響，提升國際定價權(quán)的重要途徑。備受矚目的中國鐵礦石期貨市場的推出時間不長，其對中國鐵礦石國際定價權(quán)的提升究竟起到了多大的作用尚不明確，因此，考察與評估中國鐵礦石期貨市場的定價影響力狀況對更深入地探究鐵礦石國際定價權(quán)的形成機理與提升途徑具有重要意義，同時也對中國鐵礦石期貨市場的進一步發(fā)展與完善具有參考價值。

能否有效發(fā)揮風險規(guī)避和價格發(fā)現(xiàn)這兩項基本功能并對其他相關(guān)市場價格產(chǎn)生引導作用是衡量一個期貨市場定價影響力的關(guān)鍵標準，一般通過分析同一標的物在不同市場上的價格動態(tài)關(guān)系進行研究，現(xiàn)有研究成果頗為豐富。風險規(guī)避方面，Engle和Granger[3]提出協(xié)整理論解決了時間序列非平穩(wěn)的經(jīng)濟變量間均衡關(guān)系的分析問題，隨后協(xié)整檢驗發(fā)展成為判斷期現(xiàn)貨價格間是否具有長期均衡關(guān)系的經(jīng)典方法，可通過長期均衡關(guān)系來考察期貨市場是否具備風險規(guī)避功能，被王百超等[4]、黃建新和周啟清[5]等眾多學者廣泛應用到具體商品的相關(guān)研究之中。價格發(fā)現(xiàn)方面，Garbade和Silbe[6-7]提出主導市場、衛(wèi)星市場概念與GS模型，較早地研究了多種商品的期現(xiàn)貨市場間的相互關(guān)系與價格發(fā)現(xiàn)過程；Hasbrouck[8]、Gonzalo和Granger(1995)[9]基于VEC模型分別建立了IS模型和PT模型用于檢驗期貨市場的價格發(fā)現(xiàn)功能；Dolatabadi等[10]、Zhou Bei和Wu Chong等[11]眾多學者對部分大宗商品與金融產(chǎn)品的期現(xiàn)貨價格引導關(guān)系進行了充分的研究。國內(nèi)學者也結(jié)合中國國內(nèi)期貨市場的具體特點對不同期貨品種展開了大量的實證研究，如：楊浩和馬鶴[12]運用協(xié)整檢驗、ECM模型等方法實證研究了中國與美國大豆期貨市場的價格引導關(guān)系以考察中國在世界農(nóng)產(chǎn)品定價權(quán)上的地位，何曉燕和張蜀林[13]基于VEC模型、Granger因果檢驗等方法對中國棉花期現(xiàn)貨市場動態(tài)關(guān)系與價格發(fā)現(xiàn)功能進行了分析，朱學紅等[14]采用DAG和SI模型的方法從動態(tài)聯(lián)動性的角度研究了中國期銅市場國際定價能力的現(xiàn)狀與動態(tài)趨勢。大部分國內(nèi)外文獻的研究結(jié)果肯定了期貨市場在價格發(fā)現(xiàn)上的主導地位以及對價格形成的決定作用。

具體到鐵礦石這一特定商品，目前多是以鐵礦石的供給與需求[15]、鐵礦石價格的影響因素[16]等方面為角度開展研究。由于在鐵礦石期貨在全球范圍內(nèi)均起步較晚，相關(guān)研究較為缺乏，尤其是針對中國鐵礦石期貨這一新興市場的研究則更是罕見，也不全面。肖明等[17]對DCE鐵礦石期貨價格與國產(chǎn)、進口現(xiàn)貨價格波動的均衡關(guān)系和引導關(guān)系進行了分析，但其研究并未探討與國際主流現(xiàn)貨價格指數(shù)的關(guān)聯(lián)性，同時所選取的數(shù)據(jù)量過少，樣本區(qū)間僅有8個月；鄧超和袁倩[18]對DCE鐵礦石期貨與普氏鐵礦石指數(shù)等期現(xiàn)貨間的價格溢出關(guān)系進行了研究，該研究僅應用VAR模型和Granger因果檢驗的方法分析了各市場價格的引導方向與顯著性，并未對其相互之間的影響程度進行定量測度。在研究方法方面，上述文獻在分析多市場間價格動態(tài)關(guān)系時大多是基于VAR、VEC等簡化式模型，盡管這些模型的確是研究動態(tài)關(guān)系系統(tǒng)的有效工具[19]，應用也很廣泛，但由于其是非結(jié)構(gòu)性的，無法解釋變量間的當期相關(guān)關(guān)系，不能充分反映變量間的邏輯關(guān)系及長短期結(jié)構(gòu)沖擊的效果，因而仍存一定的局限性，運用結(jié)構(gòu)式的SVAR模型可較好地彌補此局限。SVAR模型近年來常見于研究宏觀經(jīng)濟變量的相互關(guān)系及預測[20-22]，主要有如下幾方面的應用：研究變量對于結(jié)構(gòu)沖擊的響應程度、測度指定結(jié)構(gòu)沖擊對變量變化的貢獻率、根據(jù)未來結(jié)構(gòu)沖擊進行情景分析[23]。基于此，本文與已有研究的區(qū)別主要體現(xiàn)在三個方面：(1)系統(tǒng)性地全面分析了中國鐵礦石期貨與國內(nèi)外現(xiàn)貨價格間的聯(lián)動關(guān)系，填補了對中國鐵礦石期貨市場相關(guān)研究的不足，從期貨的角度擴展了鐵礦石國際定價權(quán)的研究視角；(2)將SVAR模型引入到期貨市場定價影響力的定量分析過程中作為VEC模型的補充以取得更好的研究效度；(3)采用DAG法分析變量間的同期引導關(guān)系，并作為SVAR模型約束條件的設(shè)置依據(jù)，提高了SVAR模型構(gòu)建與分析的客觀性和科學性。

綜上所述，在現(xiàn)有研究基礎(chǔ)之上，結(jié)合鐵礦石國際貿(mào)易的實際特點，本文以VEC-SVAR模型為核心框架，綜合采用協(xié)整檢驗、DAG、脈沖響應函數(shù)、方差分解等研究方法，全面地對中國鐵礦石期貨與國內(nèi)外現(xiàn)貨價格間的動態(tài)聯(lián)動及相互引導關(guān)系進行實證分析，以考察中國鐵礦石期貨市場的功能發(fā)揮狀況并定量地刻畫其定價影響力地位。

2 變量設(shè)定與數(shù)據(jù)選取

在當前的鐵礦石國際貿(mào)易市場上，指數(shù)定價是現(xiàn)貨交易最主要的定價方式，約占全球貿(mào)易量的70%以上[18]，而國際上現(xiàn)存的鐵礦石衍生品尚不具備足夠龐大的市場規(guī)模，因此本文主要通過分析中國鐵礦石期貨價格與國內(nèi)外現(xiàn)貨價格間的動態(tài)聯(lián)動關(guān)系來衡量中國鐵礦石期貨市場的定價影響力。由此設(shè)定中國鐵礦石期貨價格、中國國內(nèi)鐵礦石現(xiàn)貨價格、國際鐵礦石現(xiàn)貨價格為內(nèi)生變量，構(gòu)建三變量動態(tài)關(guān)系系統(tǒng)。以62%品位的鐵礦石粉礦為標準，中國鐵礦石期貨價格采用DCE鐵礦石期貨合約每日結(jié)算價、中國國內(nèi)鐵礦石現(xiàn)貨價格采用CSI指數(shù)價格、國際鐵礦石現(xiàn)貨價格采用TSI指數(shù)價格。此外，由于金屬資源等大宗商品多以美元計價，美元指數(shù)對金屬資源價格有著一定程度的影響，于是設(shè)定USDX為外生變量起調(diào)節(jié)作用。

以DCE鐵礦石期貨合約的上市日期為起點，選取樣本區(qū)間為2013年10月18日至2016年3月17日的相關(guān)日度歷史數(shù)據(jù)，去除由節(jié)假日差異等原因產(chǎn)生的非配對數(shù)據(jù)后，得到共計574組有效原始時間序列數(shù)據(jù)，所有數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。以9%的含水量標準將濕噸轉(zhuǎn)化為噸，并通過當日美元兌人民幣匯率中間價將計價單位統(tǒng)一為美元/噸，然后對各樣本時間序列取自然對數(shù)以消除異方差性，將對應的各變量時間序列數(shù)據(jù)分別標記為lndce、lncsi、lntsi、lnusdx。至此，本文所構(gòu)建的三變量動態(tài)關(guān)系系統(tǒng)可設(shè)置為一個3×1維內(nèi)生變量向量Xt=[lndcet，lncsit，lntsit]′。

3 實證分析

本文實證分析的基本步驟設(shè)計如下：對內(nèi)生變量時間序列進行描述性統(tǒng)計與相關(guān)性分析，初步觀察其關(guān)聯(lián)性；進行平穩(wěn)性檢驗，得出各序列的單整階數(shù)；確定最優(yōu)滯后階數(shù)并構(gòu)建VAR模型進行驗證；若各序列同階單整，采用Johansen協(xié)整檢驗法考察變量間的長期均衡關(guān)系；若變量間存在協(xié)整關(guān)系，構(gòu)建VEC模型考察長期靜態(tài)均衡對短期動態(tài)波動失衡的修正作用，并結(jié)合DAG法判斷變量間價格發(fā)現(xiàn)與引導的方向；構(gòu)建SVAR模型，在SVAR模型的基礎(chǔ)上進行脈沖響應函數(shù)和方差分解分析，定量地分析變量間價格波動所產(chǎn)生的結(jié)構(gòu)沖擊的動態(tài)傳導效應及相互影響比例。其中DAG分析使用TETRAD 4軟件，其余分析步驟均使用Eviews 6.0軟件。

3.1 描述性統(tǒng)計與相關(guān)性分析

內(nèi)生變量時間序列的描述性統(tǒng)計分析如表1所示。三組變量的平均值、最小值、最大值相近，說明鐵礦石在不同市場上的價差較小，符合一價定律，不存在明顯的套利空間。其中l(wèi)ntsi的變異系數(shù)最大，有著更為強烈的價格波動幅度和較高的市場風險；而lndce的變異系數(shù)最小，其市場風險也相對較低。lndce左偏，lncsi和lntsi右偏，其峰度均小于3，不具備尖峰厚尾特征，且不符合正態(tài)分布。

表1 描述性統(tǒng)計分析

如圖1所示，三組變量時間序列的波動走勢非常相似，表現(xiàn)出了極高的趨同性；同時，如表2所示，各變量間的相關(guān)系數(shù)均高于0.96，表現(xiàn)出了極為顯著的正相關(guān)性。這說明中國鐵礦石期貨市場與國內(nèi)外現(xiàn)貨市場之間的關(guān)聯(lián)性十分緊密，存在有相互影響和相互作用的價格聯(lián)動效應。

3.2 平穩(wěn)性檢驗

采用ADF法對三組內(nèi)生變量時間序列進行平穩(wěn)性檢驗。從表3的檢驗結(jié)果可以看出，各變量的原序列不具備平穩(wěn)性，而其一階差分序列在1%的顯著性水平下具備平穩(wěn)性，說明lndce、lncsi、lntsi均為一階單整時間序列I(1)，滿足同階單整這一前提條件，可進行協(xié)整檢驗。

圖1 內(nèi)生變量時間序列的波動走勢圖

表2 相關(guān)性分析結(jié)果

序列l(wèi)ndcelncsilntsilndce1．0000000．9711810．961679lncsi0．9711811．0000000．996306lntsi0．9616790．9963061．000000

表3 ADF檢驗結(jié)果

注：△表示一階差分

3.3 確定最優(yōu)滯后階數(shù)

通過AIC、SC、LR、FPE、HQ五項準則綜合判定適當?shù)臏箅A數(shù)。表4的檢驗結(jié)果顯示滯后6期得到了多數(shù)準則的支持，初步表明最優(yōu)滯后階數(shù)p=6。

表4 最優(yōu)滯后階數(shù)檢驗結(jié)果

注：*表示對應檢驗準則下的最優(yōu)滯后階數(shù)

以滯后階數(shù)為6構(gòu)建基礎(chǔ)的無約束VAR(6)模型：

Xt=Ct+Ψ1Xt-1+…+Ψ6Xt-6+φyt+εt,t=1,2,…,T

(1)

其中Xt為3×1維內(nèi)生變量向量，yt為外生變量，Ct為常數(shù)向量，εt為擾動列向量，T為樣本數(shù)。經(jīng)估算，模型中各方程的R2與調(diào)整后的R2值均大于0.99，表明模型整體顯著并有著極佳的擬合優(yōu)度；且如圖2所示，VAR(6)模型的18個AR根全部落在單位圓內(nèi)，表明模型是平穩(wěn)的。由此證實了最優(yōu)滯后階數(shù)p=6和VAR(6)模型的有效性，可作為后續(xù)分析以及VEC模型、SVAR模型建模的基礎(chǔ)。

3.4 協(xié)整檢驗

采用Johansen協(xié)整檢驗法檢驗內(nèi)生變量間的協(xié)整關(guān)系。由于Johansen協(xié)整檢驗模型是建立在

VAR模型差分變換式基礎(chǔ)之上，因此取滯后階數(shù)為p-1=5，依次從r=0到r=k-1(k為變量個數(shù))序貫檢驗協(xié)整向量的數(shù)量直至原假設(shè)被接受，檢驗結(jié)果如表5所示。

圖2 VAR(6)模型的AR根檢驗圖

表5 Johansen協(xié)整檢驗結(jié)果

原假設(shè)特征值跡統(tǒng)計量(P值)λ-max統(tǒng)計量(P值)0個協(xié)整向量0．06955578．37792(0．0000)?40．94842(0．0000)?至少1個協(xié)整向量0．05387737．42950(0．0001)?31．45748(0．0001)?至少2個協(xié)整向量0．0104595．972023(0．1929)5．972023(0．1929)

注：*表示在1%顯著性水平下拒絕原假設(shè)

可看出，跡統(tǒng)計量與λ-max統(tǒng)計量兩項指標的檢驗結(jié)果均顯示3個內(nèi)生變量之間至少存在2個協(xié)整向量，在整體上具有極佳的協(xié)整關(guān)系。協(xié)整方程為:

lndcet=3.320069-0.618265*lncsit-0.442284*lntsit

(2)

這表明，lndce、lncsi、lntsi之間存在長期均衡關(guān)系，且在長期均衡狀態(tài)下，lndce與lncsi、lntsi表現(xiàn)為負向彈性關(guān)系，其中l(wèi)ndce與lncsi的關(guān)系更為緊密。

經(jīng)協(xié)整檢驗，并結(jié)合前文中的相關(guān)性分析結(jié)果共同反映出，中國鐵礦石期貨價格與國內(nèi)外現(xiàn)貨價格之間有著緊密的關(guān)聯(lián)性和穩(wěn)定的長期均衡關(guān)系，在長期范圍內(nèi)存在一致性的變化趨勢，市場參與者可通過互相參考期現(xiàn)貨市場間的價格走勢作出預判，并進行套期保值交易以轉(zhuǎn)移價格波動導致的市場風險，這說明中國鐵礦石期貨市場已具備基本的風險規(guī)避功能。

3.5 VEC模型構(gòu)建與分析

從短期角度來看，價格的動態(tài)波動會從長期均衡中發(fā)生偏離而出現(xiàn)短期失衡，構(gòu)建VEC模型分析內(nèi)生變量間的短期波動關(guān)系。VEC模型多用于存在協(xié)整關(guān)系的非平穩(wěn)時間序列建模，結(jié)合協(xié)整與ECM模型方法，在式(1)的VAR模型一階差分基礎(chǔ)之上引入含有協(xié)整約束條件的調(diào)整項Zt建立VEC模型，與Johansen協(xié)整檢驗的理由一樣，取滯后階數(shù)為p-1=5：

ΔXt=Ct+Zt+Φ1ΔXt-1+…+Φ5ΔXt-5+φΔyt+εt

(3)

ΔXt=Ct+λecmt-1+Φ1ΔXt-1+…+Φ5ΔXt-5+φΔyt+εt

(4)

其中λ為誤差修正項系數(shù)，0<|λ|<1，反映短期失衡時修正至長期均衡狀態(tài)的速度與方向；θ′為長期協(xié)整系數(shù)，其與滯后一期的內(nèi)生變量向量Xt-1共同構(gòu)成誤差修正項向量ecmt-1；由λ與ecmt-1共同構(gòu)成的調(diào)整項Zt反映長期均衡誤差對內(nèi)生變量短期波動的調(diào)整作用；Φ1、…、Φ5為短期波動影響系數(shù)矩陣，各系數(shù)的顯著性反映變量間短期波動的引導關(guān)系。經(jīng)參數(shù)估計，所構(gòu)建的VEC模型在剔除5%水平下非顯著的滯后變量后如下所示：

(5)

式中誤差修正項向量ecmt-1為：

ecmt-1=lndcet-1-0.623824*lncsit-1-0.437711*lntsit-1+0.197960

(6)

在式(5)中，三個方程的誤差修正項系數(shù)均為負值(λ<0)，表明當市場價格的短期波動偏離長期均衡時，誤差修正項將反方向地對此偏離趨勢起修正作用，使其在下一期向均衡方向調(diào)整。這符合誤差反向修正機制，有利于市場價格的長期穩(wěn)定，可避免過度投機所導致的價格極端失衡。其中l(wèi)ndce的|λ|值最大，說明該市場對短期失衡波動信息的反應更為敏感，并有著更快的調(diào)整速度，僅需10天即可將短期偏離波動修正至長期均衡狀態(tài)。

同時，從VEC模型各方程中滯后變量的顯著性及短期波動影響系數(shù)值可以看出：lndce、lncsi、lntsi三者的當期波動均同時受lncsi和lntsi的前期波動影響，且lntsi的前期波動的影響力更大，而lndce的前期波動對各市場的當期價格波動均無影響。這初步表明，lndce的價格發(fā)現(xiàn)功能較弱，受lncsi和lntsi的單向引導；lncsi和lntsi之間存在一定的雙向影響，其中l(wèi)ntsi的影響力更強。

3.6 同期因果關(guān)系的DAG分析

通過DAG法分析變量間的同期因果關(guān)系以進一步驗證價格引導方向。DAG為一種數(shù)據(jù)驅(qū)動的方法，依據(jù)變量間的相關(guān)系數(shù)與偏相關(guān)系數(shù)來識別其同期因果關(guān)系，并以有向無環(huán)圖的方式形象地表現(xiàn)出此關(guān)系的存在性和方向性[24,25]。有向無環(huán)圖由節(jié)點和有向邊組成，節(jié)點代表變量，有向邊代表同期因果關(guān)系的依賴性和指向性。采用Spirtes等[26]提出的PC算法得出5%顯著性水平下的DAG分析結(jié)果如圖3所示，可見三組內(nèi)生變量間存在有同期影響關(guān)系，其中“l(fā)ntsi→lndce”表明lntsi與lndce之間存在單向因果引導關(guān)系，“l(fā)ntsi→lncsi”表明lntsi與lncsi之間存在單向因果引導關(guān)系，“l(fā)ncsi→lndce”表明lncsi與lndce之間存在單向因果引導關(guān)系，同時結(jié)合VEC模型的相關(guān)分析結(jié)果可以共同得出，各市場價格間的價格引導方向(即領(lǐng)先-滯后關(guān)系)的先后順序為：lntsi、lncsi、lndce。lndce沒有表現(xiàn)出期貨市場對現(xiàn)貨市場的價格發(fā)現(xiàn)功能。

圖3 DAG分析結(jié)果圖

一般認為，期貨市場因其交易的實時性與良好的信息傳遞效率等優(yōu)勢能夠?qū)ΜF(xiàn)貨價格走勢起到價格發(fā)現(xiàn)和引導作用，而本文的分析結(jié)果則與大多數(shù)其他商品期現(xiàn)貨價格關(guān)系的研究不太一致。中國鐵礦石期貨市場尚未發(fā)揮出有效的價格發(fā)現(xiàn)功能，并不能對國內(nèi)外現(xiàn)貨價格作出超前性反映并產(chǎn)生價格引導力，反而是表現(xiàn)出價格跟隨行為，這說明在鐵礦石國際貿(mào)易中，中國鐵礦石期貨市場的定價影響力較弱，相對于現(xiàn)貨市場而言屬于衛(wèi)星市場，距離成為鐵礦石國際定價中心仍有不小的差距。究其原因可能主要有以下幾個方面：上市初期的參與度較低，市場規(guī)模和流動性較小，2015年以前日均成交量不足70萬手；市場國際化程度和認可度不高，大部分為國內(nèi)投資者參與，且其中散戶居多，難以對國際價格形成權(quán)威性影響；相對于套期保值者，投機者在市場參與者主體中占比較大，過度的投機行為致使期貨市場的價格發(fā)現(xiàn)功能失靈。

3.7 SVAR模型構(gòu)建

傳統(tǒng)的簡化式VAR、VEC模型不能考察變量間的當期關(guān)系，且采用Cholesky分解進行正交化所得的脈沖響應函數(shù)與方差分解需嚴格依賴于模型中的變量次序，結(jié)果存在不唯一性的缺陷，無法對新息的沖擊進行合理的經(jīng)濟解釋[27]。SVAR模型通過在VAR模型基礎(chǔ)上引入內(nèi)生變量的當期值解決了簡化式模型無法解釋隱藏在誤差項結(jié)構(gòu)中的當期相關(guān)關(guān)系的缺陷，同時可對其脈沖響應函數(shù)和方差分解給予結(jié)構(gòu)化解釋，不受變量次序影響，具有明確的經(jīng)濟含義。

對式(1)的VAR模型施加包含變量間當期關(guān)系的短期約束條件A建立SVAR模型：

(7)

式中

其中A為主對角線元素為1的3×3維當期結(jié)構(gòu)系數(shù)矩陣，代表變量間的當期相關(guān)關(guān)系；Γi為滯后i期的3×3維滯后結(jié)構(gòu)系數(shù)矩陣；Γ0為常數(shù)向量；ut為3×1維結(jié)構(gòu)式擾動列向量；u1t、…、ukt為結(jié)構(gòu)式殘差，為互不相關(guān)的白噪聲序列，代表結(jié)構(gòu)沖擊。

在矩陣A可逆的情況下，將式(7)轉(zhuǎn)變?yōu)楹喕椒匠蹋?/p>

(8)

可得結(jié)構(gòu)式擾動項ut與簡化式擾動項εt的關(guān)系方程為：

ut=Aεt

(10)

3.8 脈沖響應函數(shù)分析

基于所構(gòu)建的SVAR模型，通過脈沖響應函數(shù)分析受到特定新息的結(jié)構(gòu)沖擊時系統(tǒng)內(nèi)各內(nèi)生變量的動態(tài)交互響應程度。采用結(jié)構(gòu)因子分解矩陣進行正交化脈沖，得出結(jié)構(gòu)脈沖響應函數(shù)曲線如圖4所示。

從圖4(a1)、圖4(a2)、圖4(a3)可看出，對來自于lndce的結(jié)構(gòu)沖擊(Shock1)：lndce自身一開始便展現(xiàn)出最大的正向響應(2.72%)，隨后快速下降，在第23期轉(zhuǎn)為負向響應后，沖擊被逐漸吸收歸零；lncsi和lntsi總體來說主要表現(xiàn)為負向響應，但響應程度均較小，分別不超過±0.33%和±0.37%。從圖4(b1)、圖4(b2)、圖4(b3)可看出，同Shock1的情況類似，對來自于lncsi的結(jié)構(gòu)沖擊(Shock2)：lncsi自身也于一開始便展現(xiàn)出最大的正向響應(1.01%)，隨后快速波動下降并緩慢歸零；lndce和lntsi的響應在經(jīng)過初期的小幅波動后即被逐漸吸收，整個過程響應程度極為微弱，分別不超過±0.19%和±0.09%。

從圖4(c1)、圖4(c2)、圖4(c3)可看出，對來自于lntsi的結(jié)構(gòu)沖擊(Shock3)，三個內(nèi)生變量的響應程度都很明顯，其中l(wèi)ntsi自身的響應最為迅速和強烈，第2期便達2.28%的最大值，而lncsi和lndce的響應則相對滯后，分別于第12期和第27期達到約1.90%的最大值。同時，lndce、lncsi、lntsi的整個響應過程均為正向，表現(xiàn)出波動集群性，100期內(nèi)累計響應分別達116.90%、112.36%、109.02%，可見lndce對lntsi波動新息的反應效率最低，但受其累計影響的程度卻最大。lntsi對其自身結(jié)構(gòu)沖擊的正向反饋意味著其波動存在歷史記憶性，市場參與者會根據(jù)現(xiàn)有趨勢而預期性地產(chǎn)生自我維持行為，易導致市場泡沫的形成。

脈沖響應函數(shù)的分析結(jié)果表明，lndce與lncsi價格波動的新息除了對自身在短時期內(nèi)有較大的沖擊影響外，對其他市場價格的沖擊影響十分有限，而lntsi價格波動的新息則對各個市場價格的沖擊影響均較為強烈和持久，這揭示出lntsi的價格影響力要顯著地大于lndce和lncsi。

3.9 方差分解分析

Hasbrouck[8]認為，共同因子的擾動方差包含有決定價格形成的基本信息，各個市場價格波動新息對擾動方差的相對貢獻反映了價格發(fā)現(xiàn)的大小。通過方差分解測算每一個結(jié)構(gòu)沖擊對各內(nèi)生變量變化的貢獻度，以定量衡量各市場在價格發(fā)現(xiàn)與形成過程中的相對重要性及相互影響比例。采用結(jié)構(gòu)正交化的因子分解方法，在SVAR模型基礎(chǔ)之上進行方差分解，其結(jié)果如圖5所示。

從圖5(a)可看出，lndce的波動在初期主要由其自身的結(jié)構(gòu)沖擊決定，具有短暫的獨立性，Shock1的貢獻度在第1期高達99.37%，但隨著時間推移，Shock3的貢獻度在第24期超過Shock1開始起主要的決定作用，穩(wěn)定后，Shock1的貢獻度降至近22%、Shock3的貢獻度升至77%，Shock2的貢獻度在整個過程不超過0.65%。從圖5(b)可看出，lncsi的波動在第1期由其自身和lntsi的結(jié)構(gòu)沖擊對等決定，Shock2和Shock3的貢獻度分別為50.51%和49.49%，可是此情形隨后立即發(fā)生改變并達穩(wěn)定，Shock2的貢獻度快速降至3%以下、Shock3的貢獻度迅速升至近95%，Shock1的貢獻度雖有所緩慢上升但不超過3%。從圖5(c)可看出，lntsi的波動在整個過程中幾乎全部由其自身的結(jié)構(gòu)沖擊決定，具有持久的高度獨立性，Shock3的貢獻度在第1期為100%，穩(wěn)定后仍位于96%以上，Shock1僅有不到4%的貢獻度，Shock2的貢獻度更小，不超過0.13%。

方差分解的分析結(jié)果表明，雖然在最初階段，lndce的價格形成主要由自身決定，lncsi對自身的價格形成也有一定程度的決定作用。但在總體程度上lndce、lncsi、lntsi的價格形成過程均是受lntsi的主導，且其影響程度占比極高，分別高達77%、95%、96%，這反映出TSI指數(shù)處于十分絕對的定價影響力優(yōu)勢地位。

同時，lntsi幾乎完全不受其他相關(guān)市場價格的影響，所表現(xiàn)出的高度獨立性和歷史記憶性印證了市場參與者對指數(shù)定價機制的質(zhì)疑。以TSI為代表的國際現(xiàn)貨價格指數(shù)并非由市場交易自然形成，而是由相關(guān)機構(gòu)編制所得。由于數(shù)據(jù)采集的樣本少和編制過程的不透明，強大的國際鐵礦石巨頭和金融資本集團存在有人為地暗中進行價格操縱和市場炒作的可能性，以營造價格震蕩與資產(chǎn)泡沫，并從中攫取巨額的交易差價和超額利潤。

圖4 脈沖響應函數(shù)圖注：橫軸為滯后期數(shù)，縱軸為響應程度；Shock1為lndce的結(jié)構(gòu)沖擊，Shock2為lncsi的結(jié)構(gòu)沖擊，Shock3為lntsi的結(jié)構(gòu)沖擊

圖5 方差分解圖注：橫軸為滯后期數(shù)，縱軸為貢獻度百分比；Shock1為lndce的結(jié)構(gòu)沖擊，Shock2為lncsi的結(jié)構(gòu)沖擊，Shock3為lntsi的結(jié)構(gòu)沖擊

4 結(jié)語

本文采用以VEC-SVAR模型為核心的研究方法，選取2013年10月18日至2016年3月17日的相關(guān)日度歷史數(shù)據(jù)，系統(tǒng)性地對中國鐵礦石期貨市場的功能發(fā)揮狀況及其與國內(nèi)外現(xiàn)貨間的價格引導與動態(tài)聯(lián)動關(guān)系進行了實證分析，得出結(jié)論如下：

(1)中國鐵礦石期貨與國內(nèi)外現(xiàn)貨價格之間存在緊密的關(guān)聯(lián)性并在整體上具有高度的協(xié)整關(guān)系，這反映出三者在長期范圍內(nèi)存在一致性聯(lián)動變化的均衡關(guān)系，表明中國鐵礦石期貨市場已經(jīng)具備基本的風險規(guī)避功能，市場參與者可基于此功能進行套期保值交易以規(guī)避和轉(zhuǎn)移價格波動所致的市場風險。該結(jié)論也與一般性的期現(xiàn)貨市場價格長期均衡關(guān)系的研究結(jié)果相一致。

(2)中國鐵礦石期貨市場對短期價格偏離造成的失衡波動具有更為敏捷的誤差反向修正調(diào)整能力，有利于避免過度投機所致的價格極端失衡并促使市場價格的長期穩(wěn)定，但中國鐵礦石期貨市場并未對國內(nèi)外現(xiàn)貨市場產(chǎn)生價格引導作用，尚不具備有效的價格發(fā)現(xiàn)功能。其原因可能主要為中國鐵礦石期貨市場的上市時間較短、市場參與度較低、國際認可度不高、投機者占比較大。

(3)DCE的價格波動對CSI、TSI價格的沖擊影響十分微弱，且DCE價格對CSI、TSI的價格形成所起到的決定作用均不超過4%，這表明中國鐵礦石期貨市場的定價影響力相對較弱，主要表現(xiàn)為價格跟隨行為，屬于衛(wèi)星市場，其推出暫未對中國鐵礦石國際定價權(quán)的提升起到實質(zhì)性的推動作用，離發(fā)展成為鐵礦石國際定價中心的初始目標定位亦仍有較大的差距。

(4)TSI在96%的程度上決定自身的價格形成，且分別在77%和95%的程度上決定DCE和CSI的價格形成，表明以TSI為代表的國際現(xiàn)貨價格指數(shù)具有相對最強的定價影響力，在現(xiàn)階段仍占據(jù)著絕對的鐵礦石國際定價權(quán)優(yōu)勢，但其極高的價格獨立性和不透明的編制過程隱藏有價格操縱的可能性。這也反映出定價機制的改變雖然使得鐵礦石市場的金融化屬性有所提升，但意欲通過發(fā)展期貨市場來撼動鐵礦石國際現(xiàn)貨價格指數(shù)的主導地位仍需歷經(jīng)艱巨的挑戰(zhàn)。

中國鐵礦石期貨市場的上市時間較短，發(fā)展不夠成熟，在微觀結(jié)構(gòu)及功能發(fā)揮等方面仍存不少缺陷，但在歷經(jīng)兩年多的發(fā)展后已在市場規(guī)模上得到了大幅提升，至2016年，DCE鐵礦石期貨在全球金屬期貨期權(quán)成交量排名中已位列第2位，日均成交量達400萬手。并且，有著中國這一全球最大的鐵礦石現(xiàn)貨市場作為支撐，有理由相信中國鐵礦石期貨市場未來可以在國際定價中扮演更為重要的角色，具備率先發(fā)展成為鐵礦石國際定價中心的潛質(zhì)。而在當前階段，中國鐵礦石期貨市場發(fā)展的著重點應放在：完善交易機制、提高市場效率，將鐵礦石交易更多地從現(xiàn)貨市場吸引到期貨市場以提高期貨市場的容量和流動性；加強監(jiān)管，抑制過度的投機交易，擴大套期保值等理性的行業(yè)性投資者比例，以促進市場參與者結(jié)構(gòu)的合理化；在“一帶一路”和人民幣國際化戰(zhàn)略部署下大力推進中國鐵礦石期貨市場的國際化進程，引入更多合格的境外投資者，以提升國際認可度和定價影響力，增強定價過程的主動性。

[1] 李藝, 汪壽陽. 大宗商品國際定價權(quán)研究[M]. 北京: 科學出版社, 2008.

[2] Sukagawa P. Is iron ore priced as a commodity? Past and current practice[J]. Resources Policy, 2010, 35(1): 54-63.

[3] Engle R F, Granger C W J. Co-integration and error correction: Representation, estimation, and testing[J]. Econometrica, 1987, 55(2): 251-76.

[4] 王百超, 逯宇鐸, 喬美娥. 我國豆油期貨與現(xiàn)貨價格協(xié)整關(guān)系分析[J]. 經(jīng)濟縱橫, 2012, (1): 92-95.

[5] 黃建新, 周啟清. 中美玉米期貨市場對現(xiàn)貨市場價格影響的實證分析[J]. 宏觀經(jīng)濟研究, 2014, (7): 136-143.

[6] Garbade K D, Silber W L. Dominant and satellite markets: A study of dually-traded securities[J]. Review of Economics and Statistics, 1979, 61(3): 455-60.

[7] Garbade K D, Silber W L. Price movement and price discovery in futures and cash markets[J]. Review of Economics and Statistics, 1983, 65(2): 289-97.

[8] Hasbrouck J. One security, many markets: Determining the contributions to price discovery[J]. Journal of Finance, 1995, 50(4): 1175-1199.

[9] Gonzalo J, Granger C W J. Estimation of common long-memory components in cointegrated systems[J]. Journal of Business & Economic Statistics, 1995, 13(1): 27-35.

[10] Dolatabadi S, Nielsen M O, Xu Ke. A fractionally cointegrated VAR analysis of price discovery in commodity futures markets[J]. Journal of Futures Markets, 2015, 35(4): 339-356.

[11] Zhou Bei, Wu Chong. Intraday dynamic relationships between CSI 300 index futures and spot markets: A high-frequency analysis[J]. Neural Computing and Applications, 2016, 27(4): 1007-1017.

[12] 楊浩, 馬鶴. 中國對國際大宗農(nóng)產(chǎn)品的價格影響力研究——基于大豆期貨市場的實證分析[J]. 中國管理科學, 2012, 20(S2): 848-853.

[13] 何曉燕, 張蜀林. 我國棉花期貨與現(xiàn)貨市場的價格發(fā)現(xiàn)與波動溢出效應[J]. 系統(tǒng)工程理論與實踐, 2013, 33(7): 1723-1728.

[14] 朱學紅, 諶金宇, 邵留國. 信息溢出視角下的中國金屬期貨市場國際定價能力研究[J]. 中國管理科學, 2016, 24(9): 28-35.

[15] Wu Jinxi, Yang Jie, Ma Linwei, et al. A system analysis of the development strategy of iron ore in China[J]. Resources Policy, 2016, 48: 32-40.

[16] Chen Wenhui, Lei Yalin, Jiang Yong. Influencing factors analysis of China’s iron import price: Based on quantile regression model[J]. Resources Policy, 2016, 48: 68-76.

[17] 肖明, 崔超, 鄭珩. 我國鐵礦石期貨價格與現(xiàn)貨價格的波動分析[J]. 價格理論與實踐, 2014, (9): 89-91.

[18] 鄧超, 袁倩. 基于VAR模型的鐵礦石國際定價權(quán)研究[J]. 統(tǒng)計與決策, 2016, (9): 162-164.

[19] 吳振信, 薛冰, 王書平. 基于VAR模型的油價波動對我國經(jīng)濟影響分析[J]. 中國管理科學, 2011, 19(1): 21-28.

[20] Dungey M, Fry-Mckibbin R, Linehan V. Chinese resource demand and the natural resource supplier[J]. Applied Economics, 2014, 46(2): 167-178.

[21] 程鳳朝, 葉依常. 資本充足率對宏觀經(jīng)濟的影響分析[J]. 管理世界, 2014, (12): 1-11.

[22] 譚小芬, 韓劍, 殷無弦. 基于油價沖擊分解的國際油價波動對中國工業(yè)行業(yè)的影響:1998-2015[J]. 中國工業(yè)經(jīng)濟, 2015, (12): 51-66.

[23] 柳瑞禹, 葉子菀. 高耗能行業(yè)電力消費長期波動效應研究[J]. 中國管理科學, 2014, 22(6): 125-133.

[24] 吳文鋒, 靳瑩. 基于DAG方法的物價波動國際間傳導研究[J]. 中國管理科學, 2008, 16(S1): 481-485.

[25] 郭娜, 李政. 我國貨幣政策工具對房地產(chǎn)市場調(diào)控的有效性研究——基于有向無環(huán)圖的分析[J]. 財貿(mào)經(jīng)濟, 2013, (09): 130-136.

[26] Spirtes P, Glymour C, Scheines R. Causation, prediction, and search[M]. MA: MIT Press, 2000.

[27] 高鐵梅. 計量經(jīng)濟分析方法與建模——EViews應用及實例(第二版)[M]. 北京: 清華大學出版社, 2009.

[28] 葉欣, 王婕. 宏觀經(jīng)濟環(huán)境下我國銀行貸款和房價動態(tài)影響關(guān)系:基于SVAR模型的實證分析[J]. 管理評論, 2013, 25(9): 62-71.