国际油价波动与我国通货膨胀

来源:用户上传      作者:

　　摘 要：随着我国成为世界第二大石油消费国，世界石油价格的波动对我国通货膨胀的冲击日益受到关注。本文结合主流文献观点，在分析国际石油价格对我国通货膨胀冲击的传导路径的基础上，构建了贝叶斯向量自回归（BVAR）模型，利用贝叶斯定理通过施加先验信息约束进行估计，实证研究发现，国际石油价格上涨对我国通货膨胀产生持久的冲击，每当国际石油价格上涨1%，分别导致我国RPI、PPI和PCI上涨1.21%、0.18%和0.07%。
　　关键词：石油价格冲击；通货膨胀；贝叶斯向量自回归
　　中图分类号：F830 文献标识码：A 文章编号：1674-2265（2015）11-0063-06
　　一、引言
　　20世纪90年代以来，世界石油价格不仅呈现出不断攀升的长期态势，而且价格波动区间明显扩大。特别是在2008年7月，石油价格攀上了147美元/桶的历史高位。在国际金融危机的冲击下，2008年底至2009年初，国际油价曾一度跌至40美元/桶以下。伴随全球经济企稳、美元贬值和国际局势的动荡，国际油价于2011年初重返100美元/桶的高位。石油价格波动对于实体经济活动和通货膨胀均具有显著的影响。特别对于石油进口国，未曾预期到的石油价格上涨冲击可能引起严重的经济衰退和通胀压力。上述同期，我国国内物价水平也出现不断上涨的态势，尽管1997―1998年，我国通胀率出现了明显的回落，但2005―2007年，我国的CPI指数分别上涨了1.5%、1.8%、4.8%，2008年国际金融危机时期，我国物价更是一路上涨，全年涨幅高达5.9%。特别值得引起注意的是， 2007年初至2009年末美国次贷危机和欧洲债务危机时期，国际石油价格和我国通货膨胀率的走势惊人一致。研究石油价格波动幅度及频率对通货膨胀的冲击效应成为国内外经济决策者和研究人员关注的重要问题。
　　国际对石油价格波动冲击经济的分析源于20世纪70 年代第一次石油危机爆发之后，其中做出开创性工作的是汉密尔顿（Hamilton，1983），他通过实证研究发现，二战后美国经济历次衰退的部分原因归于石油价格的增长。马泰奥和亚历山大（Matteo和Alessandro，2005）研究认为，世界石油市场近年来驱之不散的高价迷局，导致了许多发展中国家的宏观经济不断减速，致使全球通胀面临加速上行的风险。进而，他们选择G7成员国（美、英、法、德、意、加、日）为研究样本，构建结构向量自回归模型，实证得出，为了应对未被预期的石油价格冲击所带来的通胀压力，中央银行必须不断地提高利率，导致货币政策不断紧缩，利率增加的影响转移到实体经济层面，最终使得产出减少和通胀上升。朱塔提普和东玄（Juthathip和Donghyun，2011）通过采取计量模型来估计全球食品和石油价格对亚洲9个发展中国家国内物价的冲击影响，发现这种传导效应在数量检验结果来看是有限的，政府所采取的一些政策措施，例如发放津贴和价格控制，起到了延缓物价上涨的作用。尼科莱塔和尤金（Nicoletta和Eugen，2009）认为全球在经历了一段较长时期的物价稳定之后，由于大宗商品（特别是石油和食品）的价格高涨，在2008年出现了空前的通货膨胀。尽管在实施通胀目标制的国家，由于中央银行“锚住”通胀预期，宏观经济增速保持高增长，但是石油价格带来冲击的危险仍然存在。
　　在国内相关研究文献中，国内学者主要采用定性方法对我国石油消费与通货膨胀关系进行研究，但定量的研究相对较少。张志超（2010）回顾了历史上3次石油危机及其产生的影响，分析了影响石油价格的因素，说明石油价格具有波动性，剧烈的石油价格波动会对世界经济产生极其不利的影响。他选取美国和我国两大石油消费国，并选取2002年我国入世以来的数据进行定量分析，通过构建VAR模型，进行Granger因果检验，结果表明美国的通货膨胀对石油价格的上涨反应较快，也比较明显，但我国的通货膨胀对石油价格的上涨反应较慢且影响不是特别明显。王彬、李成和马文涛（2010）采用向量自回归、多元GARCH-BEKK和DCC-GARCH模型对中美两国通货膨胀与国际石油价格之间的均值溢出效应、波动溢出效应及动态相关关系进行了实证检验，结果表明，国际石油价格与我国通货膨胀不存在任何方向的均值和波动溢出效应，美国通货膨胀与国际油价则存在双向显著的均值和波动溢出效应；我国通货膨胀与国际油价的动态相关关系显著弱于美国，不易受到国际油价的冲击和影响。高东胜（2011）通过建立SVAR模型研究发现，国际石油价格波动对我国CPI的冲击具有持续性。
　　同以往研究文献相比，本文主要在如下两个方面有所突破：一是鉴于石油价格波动对宏观经济的冲击表现出非对称性和非线性，我们跳出线性检验方法的窠臼，采用贝叶斯计量方法，构建了一个石油价格冲击我国通货膨胀的贝叶斯向量自回归（BVAR）模型系统，并利用历史数据验证该模型对经济描述的准确性。二是本文考察了石油价格波动对我国通货膨胀冲击影响的多种BVAR模型，进而综合判断其冲击效应，并提出了相关的政策和建议。
　　二、模型设计及数据选择
　　（一）计量模型
　　VAR模型的一般思想为，假定某线性动态系统中产出向量[Xt]由[n]个变量元素组成，并满足：
　　[Xt=Ct+A1Xt-1+A2Xt-2+…+ApXt-p+εt]，[ε?N0，∑]
　　（1）
　　或简写为[Xt=ALXt-1+εt]。其中，[C]为[n×1]的决定项矩阵（如常数、时间趋势及季节性虚拟变量），[A]为[n×n]的系数矩阵。产出向量[X]中包括各种元素，如GDP、投资、通货膨胀率等预测变量。误差向量[ε]由各方程的随机误差项构成，这些误差项满足标准正态分布，即有零均值和协方差矩阵[Σ]。下标[t]代表时间，因为模型包括各变量的p阶滞后值，故称之为VAR（p）模型。
　　贝叶斯向量自回归（BVAR）模型作为VAR模型的一种扩展模型，和传统大型经济计量模型相比，通常能够提供更高的预测精度，尤其是短期预测，同时也不会产生传统模型的不可信结构。模型（1）有大量参数需要用既有数据序列估计，而实际数据序列往往很短，甚至不完全，传统计量经济模型常用的一种方法是人为设定一些参数为零。事实上，由于这一方法过于广泛地使用，甚至时常泛滥至不加考证地引用，结果这些人为的零约束常常使模型结构与经济理论相矛盾，导致模型不可信。 　　莱特曼（1986）首先提出了贝叶斯向量自回归建模技术，这种技术使用一种简易的办法来处理这些约束问题，其原则是当参数被断定在某一值（如0）时，使模型参数趋近于这一取向而不是锁定确定值。只要有必要的数据支持，那么这种办法就可以得到更为精确的估计值。
　　贝叶斯方法把模型（1）中的参数看作一种随机变量，这种随机变量有某种可能的先验分布[πA，∑]。该先验分布被认为包含了预测者在预测前所获取的某种相关信息。如果这种信息缺乏，则可能是由于存在非确定性（或扩散或不显著）的先验分布。这种先验信息是通过贝叶斯法则与确定模型系数的后验分布的数据相联系的，即：
　　[pA，∑X∝pA，∑lXA，∑] （2）
　　其中[lXA，∑]表示数据的最大似然函数。模型所采用的先验分布也是随机先验分布。为了更为详细地说明这种先验分布，这里仅以模型（1）中的第一组方程为例，式中省略了常数项：
　　[X1，t=a111X1，t-1+a112X1，t-2+…+a11PX1，t-P+a121X2，t-1+…+a1npXn，t-p+ε1t] （3）
　　其中，各变量的上标表示方程序号，下标表示不同解释变量与滞后阶数。随机先验分布首先是建立在大部分时间序列的经济变量都能很好地用随机过程来描述的事实上的，即：[X1，t=X1，t-1+ε1t]。此时先验分布的含义是，每个方程中滞后一阶的非独立变量的系数等于1，其他项系数皆为0。同样地，模型假定所有系数都满足标准正态分布，即当[i=j]、[k=0]时，[ajik=1]，否则[ajik=0]。有了这样的假定，就得到了具有先验分布含义的向量方程。
　　先验分布的标准差随着方程中解释变量、方程结构及变量滞后阶数的不同而变化。在方程i中，解释变量j的第k阶滞后值的先验标准离差可以由下式确定：
　　[Si，j，k=γgkfi，jsisj，fi，j=gl=1]（4）
　　式中，[γ]是总体紧缩度，[si]是变量[i]自回归的残余标准差，因子[sisj]是设定的不同变量的差比，调和滞后延迟函数[gk=k-1]表示过去信息比当前信息有用程度减少的可能性。函数[fi，j]表示对方程中变量[i]的影响而言，其他滞后变量相对[i]自身滞后量的权重。该权重随方程和变量的不同而不同，它包含了各方程中不同变量可能出现的不同影响。
　　（二）数据说明及描述性统计
　　国际石油价格有三大定价基准，分别是美国的西得克萨斯中质原油（WTI）、欧洲的北海布伦特轻质原油（Brent）和中东的迪拜高硫原油（Dubai）。通常，由于黏度和杂质的成分和含量不同，迪拜原油会比WTI和Brent原油便宜30%左右。但是近两年，几种原油之间的价差在逐步缩小，由于不同原油之间有相当强的替代性，因此主要原油的价格波动趋势是基本一致的，本文油价序列数据选用美国的WTI。
　　根据我国现行的统计制度，反映生产领域和消费领域物价变动情况的指数包括：RPI、PPI和CPI。其中RPI为原材料、燃料、动力购进价格指数，PPI为工业品出厂价格指数，二者都属于生产者价格指数，处于价格传导体系的中上游。CPI为居民消费价格指数，处于价格传导体系的终端。国际上通常将居民消费价格指数作为反映通货膨胀程度的重要指标，为分析和制定货币政策、价格政策、工资政策以及进行国民经济核算提供依据。
　　本文用变量OIL来表示国际石油价格，数据来源于美国能源信息署官方网站，RPI、PPI数据均来源于中经网数据库。样本期间是从1997年1月―2012年6月，包括186个观测值。同时为了消除异方差，对所有变量均取自然对数。从OIL和RPI、PPI、CPI的水平、一阶差分以及它们的直方图（图略）可以看出，石油价格和通胀率的变动存在明显的聚类效应，水平越高，波动越强。根据描述性统计结果来看，国际石油价格和我国通胀率序列分布呈现非正态性，并且波动性较大。
　　三、估计结果
　　（一）动态相关性分析与单位根检验
　　在描述经济序列之间共变性的特征事实的时候，主要使用的相关系数是恒定的相关系数，但是这种相关系数越来越受到批判和挑战，因为一个恒定的相关系数很难准确描述随时间推移而变动的特征事实，因此为了进一步分析国际石油价格和中国三大物价指标之间的动态关系，本文计算出变量之间的滚动相关系数。
　　图1是4个指标6个月期滚动窗口均值估计的时序图，并同时给出相应的全样本均值估计。图1绘制的序列对应的是各个滚动窗口的起始时刻点，不难看出，4个变量的滚动均值估计水平明显高于全样本均值估计，在研究样本期间，中国三大通胀率指标随着国际石油价格的波动经历了几次起伏，在2008年4个变量达到了高峰。
　　[RPI][PPI][CPI][OIL][图1：国际石油价格与中国通胀率的样本均值和滚动均值][注：图中水平直线代表全样本均值，波动曲线代表滚动均值。]
　　由于本文研究的是月度数据，所以采用前6期的数据来计算初始的相关性系数，然后逐月向后滚动得到每个月的滚动相关性系数。图2中的结果显示，中国的三大物价指数和国际石油价格之间的相关性系数呈现正负交替的波动性，但是滚动相关系数均低于全样本相关系数。
　　（二）先验分布的参数确定
　　由于价格传导时滞的不同，我们不可能将这几个价格指数指标放入同一个VAR模型中，因为建模时变量的滞后阶数都是同一个值。所以本文将分别建立4组变量的BVAR模型，具体定义如表1。同时对先验分布设定选择为随机先验分布的超参数组合，选择设定BVAR模型的先验分布为Sims-Zha Normal-Wishart类型，对不同模型的先验参数进行了相应的设定。
　　对4个序列进行传统的单位根协整检验可以发现（结果略），无论是在1%还是在5%的显著性水平下，4个序列都不能拒绝单位根的存在，而其一阶差分形式是平稳的，都是I（1）序列，符合建模要求。
转载注明来源:https://www.xzbu.com/3/view-11477126.htm