大宗商品价格波动与中国信贷市场运行分析_苏明

金融论坛 2009 年第 10 期（总第 166 期） ［收稿日期］ 2009 年 6 月 15 日 ［作者简介 ］ 苏明 ，男 ，中山大学岭南学院 ,博士生 ；陆军 ，男 ，中山大学岭南学院金融系主任 ，教授 ,博导 （广州 ， 510275），E-mail：karming2008@163.com。 大宗商品价格波动与中国信贷市场运行分析 苏 明 陆 军 ［摘 要］ 本文基于 LA-VAR方法和 CCF方法，对大宗商品价格与中国银行信贷市场主要变量之 间的关系进行因果检验。 检验结果显示：在 5%的显著性水平上，大宗商品价格波动是存贷比、短期贷 款利差、中长期贷款利差、总贷款余额、短期贷款余额变动的单方向原因。 作者利用协整检验、VEC 模 型、 脉冲响应和方差分解技术， 分析了大宗商品价格波动对中国商业银行信贷市场的静态与动态影 响。 本文针对中国商业银行信贷市场的监管提出了两条政策建议：一是密切关注大宗商品价格并稳定 大宗商品价格波动区间，二是货币政策的制定过程应纳入大宗商品价格。 ［关键词］ 大宗商品；价格波动；信贷市场；LA-VAR方法；CCF方法 ［文章编号］ 1009 - 9190 （2009）10 - 0032 - 08 ［中图分类号］ F830.3 ［文献标志码］ A 金融论坛 2009 年第 10 期（总第 166 期） 2008年，中国对外贸易进出口总值已达 25 616.3 亿美元，对外贸易占中国 GDP 的比重超过 60%；同年，中 国进口初级产品 3 627.8亿美元，占到当年中国进口总值的 32%①。 显然，作为一个高度对外开放的经济体和全 球的生产及制造中心，中国对原料、燃料等基础性大宗商品有着巨大的需求和高度的依赖性，大宗商品对中国 经济具有举足轻重的作用。 与此同时， 2008年 12月末，中国金融机构各项贷款余额为 32万亿元，占 GDP的比 重超过 106%②，中国银行业金融机构资产总额达到 62.4万亿元，相当于国内生产总值的 207.5%③。 毫无疑问，银 行体系和银行信贷是稳定和支撑中国经济的核心力量。 基于此，本文提出了一个全新的问 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 ：大宗商品价格波 动是否影响中国银行信贷市场？ 如果有影响，大宗商品价格波动又是如何影响中国商业银行信贷市场的？ 从经济理论上讲，银行信贷市场是为实体经济服务的，属虚拟经济范畴，而大宗商品主要是指运用于工农 业生产领域的那些关系国计民生的基础性商品④，属实体经济范畴。 根据实体经济与虚拟经济的对立统一及相 互作用关系， 大宗商品既然对中国实体经济具有举足轻重的作用， 而银行信贷又主要是为中国实体经济服务 的，那么，大宗商品价格的波动理应会影响到中国商业银行信贷市场。 从实证计量分析的角度，研究大宗商品价 格波动对中国商业银行信贷市场的影响， 一是要检验大宗商品价格波动对中国商业银行信贷市场主要变量是 否具有统计上的因果关系，二是要构建实证计量模型，从数量关系上阐明并描述大宗商品价格波动对中国商业 银行信贷市场主要变量的影响。 本文结构安排如下：第一，通过对相关文献的梳理，初步阐明解决第一个问题的关键是因果关系检验方法； 第二，采集相关数据，基于实证计量分析，在综合 LA-VAR 方法检验和 CCF 方法检验结果的基础上，对大宗商 品价格与中国商业银行信贷市场主要变量间的因果关系做出统计推断；第三，运用协整技术、OLS 估计和 VEC 方法，建立实证计量模型，分析和测度大宗商品价格波动对中国商业银行信贷市场的影响；最后，对本研究进行 总结 初级经济法重点总结下载党员个人总结TXt高中句型全总结.doc高中句型全总结.doc理论力学知识点总结pdf 并提出相关政策建议。 ① 数据来源于海关总署官方网站，发布日期为 2009 年 2 月 6 日，两个比例值由作者计算得出。 ② 截至 2008 年 12 月末，中国金融机构各项贷款余额为 32.004 9 万亿元，各项存款余额为 47.844 4 万亿元（中国人民银行官方网站 “统计数据”）。 2008 年中国 GDP 初步核实为 30.067 0 万亿元（中华人民共和国国家统计局官方网站“统计公报”）。 ③ 详见《中国银行业监督管理委员会 2008 年报》，中国银行业监督管理委员会官方网站“公告通知”。 ④ 按照中华人民共和国国家质量监督检验检疫总局 2008 年版《大宗商品电子交易规范》的定义，大宗商品是可进入流通领域，但非零 售环节，具有商品属性用于工农业生产与消费使用的大批量买卖的物质商品。 32 一、文献及研究方法评述 （一）文献及方法简介 关于大宗商品价格波动对银行信贷市场的影响，国内外目前还没有专门的研究和文献。一些相关的研究主 要集中在两个方面：一方面是大宗商品价格波动对货币政策的影响研究（Garner，1989；Marquis et al.，1990；Cody et al.，1991；Barsky et al.，2001；Awokuse et al.，2003）；另一方面是大宗商品（石油）价格波动对股票市场的影响研 究(Chen et al.，1986；Kaneko et al.，1995；Sadorsky et al.，2003； 金洪飞、金荦，2008）。 上述这些研究文献，从研究 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 上看与本课题研究几乎没有关系，但在研究方法上，它们为本课题的研究提供了借鉴和参考作用。 可以说， 大宗商品价格波动对中国商业银行信贷市场的影响研究是一个全新的课题。 上述的相关代表性研究， 在研究方法上都采用了实证计量分析方法， 主要用到了格兰杰因果检验、VAR （SVAR）模型、协整技术、VEC 模型和 GARCH 模型等。 这些即使是针对同一问题的研究，所得出的结论也并不 一致，往往存在明显的差异和冲突①。 至于差异和冲突所产生的原因，抛开研究的具体对象、数据来源和时期选 择等客观因素，这些研究所使用的因果关系检验方法存在较严重的问题，这一点在下文将进行重点探讨。 （二）关于 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 的格兰杰因果检验方法存在的问题 在实证计量分析中，上述的研究和文献大都运用了标准的格兰杰因果检验方法。正是对这一检验技术的不 适当运用，在很大程度上造成了上述研究结论的差异。 格兰杰（1980）提出的因果关系检验（Granger Causality test）方法，其基本思想就是：判断一个变量的过去值，是否显著地影响另一个变量的现在和未来值。 用模型可表 示为以下滞后回归方程和 F统计检验： （1） 原假设为：y不是 x的格兰杰原因，即 H0∶β1=β2=…βk=0，在原假设成立的情况下： k k k k （2） 其中，SSEr为施加了约束的残差平方和，SSEu为无约束的残差平方和，T 为样本容量，k为最大滞后阶数。如 果无约束回归的残差平方和显著地小于约束回归的残差平方和，就可认为模型加入 y的滞后项后，显著地提高 了对 x的预测精度，进而可拒绝原假设 H0，推断出 y是 x的格兰杰原因。 由于标准的格兰杰检验是基于 F检验来进行统计推断的，这就涉及数据的平稳性问题，只有“数据是平稳 的”这一前提条件被满足，格兰杰检验才可能是有效的②。 Phillips（1986）的研究指出，在数据是单整或者非协整 的情况下，一般无法用格兰杰因果检验来推断变量间的因果关系。 格兰杰（Granger，1988）重新回顾他的因果性 定义时，对变量平稳性也没有再深入分析，只是指出：“非平稳变量带来的问题过于复杂，不便展开讨论”。 Toda、 Phillips （1993）的研究也指出，对于非平稳变量，直接做格兰杰因果检验，存在样本规模扭曲问题，从而可能导致 检验结果的非有效性。 因为宏观经济、金融变量多数都是时间序列数据，往往并不满足数据的平稳性这一前提条件，在实际操作 中，很多研究者是使用差分数据来进行格兰杰检验的，差分后的数据通常能够满足平稳性条件，但这样做可能 会有非常严重的后果。 因为差分后的数据可能已经去掉趋势或者已经把数据所具有的一些重要信息给去除了， 这很可能会人为地造成信息集中的有效信息遗漏问题，从而导致虚假的因果性推断。 基于此，Sim（1980）以及 Sim、Stock 和 Watson（1990）建议：即使变量含有单位根，也不要轻易用差分数据去做 VAR 模型和相应的格兰杰 因果检验。 显然，由于大宗商品价格和银行信贷市场变量数据往往并非平稳，标准的格兰杰因果检验功效就明 显降低了，运用该方法所得到的结论也自然存在不可靠性。 ① 由于这些研究所得出的结论对本课题的研究没有借鉴和对比意义，此处就不具体列举这些结论了。 ② 即使数据是平稳的，格兰杰因果检验也未必可靠，因为信息集不完全的情况总是存在的。 格兰杰（Granger，1980）指出，信息集中遗 漏重要解释变量很可能导致虚假的因果性推断。 苏明、陆军：大宗商品价格波动与中国信贷市场运行分析 33 金融论坛 2009 年第 10 期（总第 166 期） 为有效检验大宗商品价格与中国商业银行信贷市场变量之间的因果关系， 以科学分析大宗商品价格波动 对中国商业银行信贷市场的影响和作用，本文以 Toda、Yamamoto（1995）提出的 LA-VAR（Lag-Augmented Vector Auto Regression）方法和 Cheung、Ng（1996）提出的 CCF（Cross Correlation Function）方法作为因果检验方法，对大 宗商品价格与中国商业银行信贷市场变量之间的因果关系做出综合性统计推断。 然后， 运用协整技术和 VEC 方法，建立实证计量模型，分析和测度大宗商品价格波动对中国商业银行信贷市场的影响。 二、实证计量分析及检验 （一）关于大宗商品价格与中国银行信贷市场之间因果关系的检验和统计推断 1． 变量选择和数据说明。严格意义上讲，只有当大宗商品价格与中国商业银行信贷市场的主要变量之间存 在因果关系时，才能进一步研究大宗商品价格对中国商业银行信贷市场的影响。 为检验大宗商品价格与中国商 业银行信贷市场的主要变量之间是否存在因果关系，本文选取路透 CRB 现货价格指数作为大宗商品价格的代 理变量①。至于中国商业银行信贷市场的主要变量，则以利差、存贷比和贷款余额来衡量。这些敏感数据的变动， 已经能够充分反映出中国商业银行信贷市场的变动。 本文所采用的月度数据区间为 2000年 1月至 2009年 3月，共 111个观测。 所有数据均是公开数据，其中，大 宗商品价格（CRB）数据来自美国国家经济研究局官方网站，其他数据均来自于中经网经济统计数据库。 具体地，本 研究选取了中国商业银行信贷市场的 6 个主要变量：第 一个是存贷比（Rcd），由金融机构各项贷款余额除以各项 存款余额来表示；第二个是短期贷款利差（Srs），由中国 银行业 6 个月短期贷款平均利率减去银行同业 7 日拆 借平均利率而获得；第三个是中长期贷款利差（Lrs），由 中国银行业 3～5年中长期贷款平均利率减去银行同业 7 日拆借平均利率而获得；剩余的三个变量分别是金融机 构总的贷款余额（Tcb）、金融机构短期贷款余额（Scb）和 金融机构中长期贷款余额（Lcb）。 关于数据处理方面，本 文的 CRB、Tcb、Scb 和 Lcb 均系对原始数据取常用对数 后的数据序列。 图 1与图 2是关于上述 7个数据变量的 统计描述②，其中，所有数据变量均系标准化后的数据。 2． 模型及检验结果。 表 1和表 2分别给出执行 LA- VAR因果检验方法和 CCF因果检验方法所得到的结果。 3． 基于理论和实证的检验分析及评判。 LA-VAR因 果检验的结果（见表 1）显示了两个方面的内容：第一，在 1%的显著性水平上，大宗商品价格（CRB）的变动是总贷 款余额（Tcb）和短期贷款余额（Scb）变动的原因；在 5% 的显著性水平上，大宗商品价格（CRB）的变动是存贷比 （Rcd）、短期贷款利差（Srs）和中长期贷款利差（Lrs）变动 的原因；在 10%的显著性水平上，大宗商品价格（CRB） 的变动不是中长期贷款余额（Lcb）变动的原因。 第二，在 10%的显著性水平上， Tcb的变动是 CRB变动的原因。 表 1清楚地显示了一个特别重要的结论：大宗商品价格 波动与总贷款余额、短期贷款余额、存贷比、短期贷款利 图 1 对 CRB、Tcb、Scb 及 Lcb 的统计描述 图 2 对 Srs、Lrs 及 Rcd 的统计描述 ① 期货价格通常比现货价格包含了更多的噪音信息，选择 CRB 现货价格指数能更贴切地反映大宗商品市场的真实需求和供给变化。 ② 为使数据图直观清楚，此处特将 7 个变量序列分为两组进行展示。 34 注： ***、**、* 分别表示在 1％、5％、10%的水平上显著；k 表示阶数，（-k）表示过去，（+k）表示未来，所检验的就 是 CRB 的当期与其他变量的过去或未来 k 期之间的因果关系。 Explained variables Rcd Srs Lrs Tcb Scb Lcb H0：CRB 不是 其他变量变 动的原因 CRB Wald statistics 8.735 3 8.027 315 8.601 1 22.849 9 19.120 6 0.658 9 P-values (0.012 7) (0.018 1) (0.013 6) (0.000 0) (0.000 0) (0.719 3) Lag length:k,dmax 1,1 2,1 2,1 2,1 2,1 1,1 P-values (0.428 7) (0.503 8) (0.449 6) (0.083 8) （0.384 0） (0.405 3) Lag length:k,dmax 1,1 2,1 2,1 2,1 2,1 1,1 Explanatory variables H0：其他变量 不是 CRB 变 动的原因 CRB Wald statistics 1.694 1 1.371 3 1.598 7 4.958 7 1.914 3 1.806 2 Explained variables Explanatory variables Rcd Srs Lrs Tcb Scb Lcb 资料来源：中经网经济统计数据库。 表 1 基于 LA-VAR 方法的因果关系检验结果 Test statistics Levels Squares Levels Squares CRB and Rcd(-k) Rcd(+k) Rcd(-k) Rcd(+k) Srs(-k) Srs(+k) Srs(-k) Srs(+k) k=0** k=0** k=4* k=9** k=0*** k=0*** k=4* k=5* k=12** k=3** k=13* k=4* k=11** k=9* k=13* k=4** k=5** k=12* k=11** k=8* k=11* k=13*** Test statistics Levels Squares Levels Squares CRB and Lrs(-k) Lrs(+k) Lrs(-k) Lrs(+k) Tcb(-k) Tcb(+k) Tcb(-k) Tcb(+k) k=0** k=0** k=4* k=5* k=0*** k=0*** k=0** k=0** k=2* k=11** k=18* k=11* k=1** k=3*** k=8* k=5** k=5** k=12* k=10* k=5* k=9*** k=8* k=12* k=9*** k=10* k=13*** k=13* k=11** k=18* k=14* k=12** k=17** Test statistics Levels Squares Levels Squares CRB and Scb(-k) Scb(+k) Scb(-k) Scb(+k) Lcb(-k) Lcb(+k) Lcb(-k) Lcb(+k) k=0*** k=0*** k=0** k=0** k=7** k=8*** k=12* k=8* k=5** k=8* k=17* k=9* k=6*** k=9** k=11* k=9*** k=12* k=14** k=14** k=17** 表 2 CCF 方法关于标准化的残差水平值和平方值的相关性检验结果 差和中长期贷款利差之间 的因果关系是单方向的，即 至少在 5%的显著性水平 上，大宗商品价格的变动是 导致总贷款余额、短期贷款 余额、存贷比、短期贷款利 差和中长期贷款利差变动 的原因，反之不成立。 CCF 因果检验的结果 （见表 2） 也显示了两个方 面的内容：第一，在 1%的显 著性水平上 ，CRB 的变动 是 Tcb 变动的原因； 在 5% 的显著性水平上 ，CRB 的 变动是 Rcd、Srs 和 Scb 变 动的原因；在 10%的显著性 水平上，CRB 的变动是 Lrs 变动的原因， 但 CRB 的变 动不是 Lcb变动的原因。第 二，在 5%的显著性水平上， Lcb 的变动是 CRB 变动的 原因；在 10%的显著性水平 上 ，Rcd、Srs、Lrs 和 Tcb 的 变动是 CRB 变动原因，但 Scb 的变动不是 CRB 变动 原因。 表 2清楚地显示：至 少在 5%的显著性水平上， 大宗商品价格波动是存贷 比、短期贷款利率、总贷款 余额和短期贷款余额变动 的单方向原因,但大宗商品 价格波动不是 Lcb 变动的 原因。 表 1 与表 2 的结论差 异在于：第一，如果说 CRB 的变动是 Lrs 变动的原因， LA-VAR 方法的检验结果 在 5%的水平上显著 ，而 CCF 方法的检验结果在 10%的水平上才显著 ；第 二，如果说 Lcb变动是 CRB 变动的原因，CCF 方法的检 验结果在 5%的水平上显 苏明、陆军：大宗商品价格波动与中国信贷市场运行分析 35 金融论坛 2009 年第 10 期（总第 166 期） 著，而 LA-VAR方法的检验结果在 10%的水平上仍不显著。 Lcb和 Lrs都是衡量银行信贷市场长期变化趋势的 数据变量，这两个变量的变动一般不会对其他变量的即期或近期变化立即就做出反应，也就是说，Lcb 和 Lrs 的 变化通常都需要一个较长的量变（信息）积累过程，而在此处，LA-VAR 方法所选择的总滞后期最大才为 3，它所 检验的是变量间是否在短期存在因果关系，显然，要检验 CRB 的变动是否是 Lcb 和 Lrs 变动的原因，具有较长 滞后或超前期（k 值）的 CCF 方法无疑是具有优势的。 对此问题，如果 LA-VAR 方法检验出变量间存在因果关 系，则说明这种关系比较强（利用很少信息就检验出来了因果关系），就应接受该检验结果；如果 LA-VAR方法检 验出变量间不存在因果关系，考虑到该方法所使用滞后期过短（信息利用可能不足），不应该轻易接受该检验结 果，进而要参照包含更多信息的 CCF方法的检验结果。这样，依据 LA-VAR方法和 CCF方法的检验结果，统计推 断的结论是：在 5%的显著性水平上，CRB的变动是 Lrs变动的原因，Lcb的变动是 CRB变动的原因①。 综上所述，在 5%的显著性水平上，大宗商品价格波动是存贷比、短期贷款利差、中长期贷款利差、总贷款余 额、短期贷款余额变动的单方向原因；在 10%的显著性水平上，大宗商品价格波动不是中长期贷款余额变动的 原因，但在 5%的显著性水平上，中长期贷款余额的变动是大宗商品价格变动的原因②。 （二）大宗商品价格波动对中国商业银行信贷市场的影响分析 1． 协整检验和 VEC模型。 研究大宗商品价格波动对中国商业银行信贷市场的影响，实证计量分析过程如 下：第一步，对数据进行处理。 文中的 CRB、Tcb、Scb和 Lcb 均系对原始数据取常用对数后的数据序列，而 Rcd、 Srs和 Lrs均系计算出来的原始数据。第二步,做单位根检验。运用 Eviews6.0，执行 ADF检验和 LLC检验，结果显 示：将变量数据进行一阶差分后，无论是个体还是总体，在 1%的显著性水平上，均不存在单位根。 显然，这些变 量是一阶单整的③。第三步，做基于 OLS估计的 VAR模型，确定最佳滞后阶数。这一过程具体的操作步骤是先用 系统默认的滞后阶数 2作为 VAR模型的滞后阶数，然后用 VAR模型的滞后阶数选择标准，即 LR、FPE、AIC、SC 和 HQ准则来确定出最佳滞后阶数。 第四步，做协整检验。 前面所确定的最佳滞后阶数就是协整检验应该选择 的滞后阶数。第五步，根据协整检验的结果，确定是否做 VEC模型。由于检验结果显示变量之间存在协整关系， 因而随后做了 VEC模型。 第六步，做脉冲响应函数，进行方差分解，以评价各个变量，尤其是大宗商品价格在方 差分解（冲击）中的效应。 关于大宗商品价格波动对中国商业银行信贷市场的影响分析，这里将前几步的主要结果报告如下： （1）最佳滞后阶数。 变量的最佳滞后阶数被 LR、FPE、AIC、SC和 HQ指标同时确定为 1。 （2）协整检验及协整方程。 协整检验（Johansen Co－integration Test）显示，7 个变量有 3 个协整关系，协整方 程由公式（3）、公式（4）和公式（5）给出： εt＝－7.798 286Srst＋4.372 548Lrst－10.453 22CRBt＋28.894 57Tcbt－ 11.076 38Scbt－15.370 93Lcbt－30.453 45Rcdt＋38.291 49 （3） εt＝8.043 598Srst-7.516 128Lrst+6.831 956CRBt-48.414 59Tcbt+ 57.779 78Scbt+4.402 460Lcbt-52.931 77Rcdt-119.390 3 （4） εt＝7.950 646Srst-9.259 138Lrst-4.227 471CRBt＋24.534 15Tcbt－ 0.536 713Scbt－14.237 23Lcbt－24.002 24Rcdt-78.833 87 （5） （3）VEC模型。 对于施加约束的 VEC模型，最具争议的问题就是约束的科学性和可靠性，基于此，作者做了 没有施加约束的 VEC模型，以方便后面的脉冲响应函数和方差分解环节对影响和效应的分析。 2． 基于 VEC模型回归结果的脉冲响应和方差分解。 上一部分中最后的两步是根据 VEC模型的回归结果， 选择 Cholesky分解技术做脉冲响应和方差分解④。 脉冲响应结果（见图 3）显示：CRB 新生的一个标准差所产生的冲击，对 Scb、Lcb 、Tcb 和 CRB 均有即刻（当 ① 在后面的 VEC 模型分析中，这一统计推断也得到了方差分解结果的有力支持。 ② LA-VAR因果检验和 CCF因果检验的思想与格兰杰因果检验的思想是一脉相承的，所以，其检验出来的原因也可叫做格兰杰原因。 ③ 实际上，现存的各种单位跟检验方法都具有较低的检验功效，ADF 检验和 LLC 检验也不例外，只是相对来讲较具优势而已。 ④ 依据一般经济理论和常识，此处的变量排列顺序依次为 Scb、Tcb、Rcd、Srs、Lrs、Lcb 和 CRB。 36 37 期）的正向影响，并且这种影响是随着时间 的推移而加速的，其中，对 CRB 的影响加速 最快， 然后的依次顺序是 Scb、Tcb 和 Lcb， 在大约第 2 个月至第 5 个月， 这种影响逐 渐达到峰值， 然后就处于持续的衰减过程 当中，至少到第 20 个月，脱离原均衡的冲 击效应仍未能收敛；CRB 新生的一个标准 差所产生的冲击， 对 Rcd 有即期的正向影 响，但这种影响并不随时间而加速，是一次 性达到并维持在峰值， 大致在第 2 个月中 旬，影响开始逐渐衰减，最终在 18 个月以 后收敛于新的均衡水平；CRB 新生的一个 标准差所产生的冲击， 对 Srs和 Lrs 基本上 没有即期的影响，随着时间的推移，其负向 的影响不断加速，大致在第 5 个月以后，尽 管影响还在加深，但速度已经明显放慢，至 少到第 20 个月，脱离原均衡的冲击效应仍 未能收敛。 显然，CRB 新生的冲击，产生的 一个确切结果就是冲击永久性地改变了变 量运动的路径，形成新的均衡，不会再回到 初始状态。 方差分解结果（见图 4）显示：直到第 20 个月，CRB 的方差约有 70%分解给了它 自身；约有 15%分解给了 Scb；Rcd 、Tcb、Srs 和 Lrs各自大约分解掉了 5%；Lcb基本没有任何方差分解上的贡献。一个值 得注意的现象是：Srs 所分解的份额始终保持恒定；Tcb 和 Rcd 所分解的份 额随时间而缓慢递增， 但分别在第 12 个月和第 14 个月后处于恒定状态； Lrs和 Scb所分解的份额也随时间而缓慢递增，但直到第 20 个月，仍未显现 出处于恒定状态的迹象。 三、总结及政策建议 （一）总结 研究大宗商品价格波动对中国货币政策的影响，本文主要处理了三个问题。 具体内容和结论如下： 首先，对相关文献进行梳理，得出两点结论：第一，本课题研究的是一个全新课题；第二，对标准的格兰杰因 果关系检验方法的不适当运用，在很大程度上造成了相关研究在结论上的差异。 其次，运用两种较新的因果检验方法，即 LA-VAR 方法和 CCF 方法，对大宗商品价格与中国商业银行信贷 市场主要变量之间的因果关系进行检验。 结果显示：在 5%的显著性水平上，大宗商品价格波动是存贷比、短期 贷款利差、中长期贷款利差、总贷款余额、短期贷款余额变动的单方向原因；在 10%的显著性水平上，大宗商品 价格波动不是中长期贷款余额变动的原因，但在 5%的显著性水平上，中长期贷款余额的变动是大宗商品价格 变动的原因。 无疑，这一检验结论证实了实体经济对虚拟经济的决定性作用。 最后，建立实证计量模型并对回归结果进行相关检验，分析和测度大宗商品价格波动对中国商业银行信贷 市场的静态与动态影响。 其中，静态影响就是运用协整检验之后得到的 3 个协整方程，动态影响就是基于协整 关系而进一步得出的无约束 VEC模型及其回归结果。另外，基于 VEC模型的回归结果，脉冲响应和方差分解的 苏明、陆军：大宗商品价格波动与中国信贷市场运行分析 金融论坛 2009 年第 10 期（总第 166 期） 结果显示：CRB 新生所造成的冲击永久性地改 变银行信贷市场 6 个变量的运行路径，形成新 的均衡， 不会再回到初始状态；CRB 的变动对 所有银行信贷市场 6 个变量的影响基本上在 第 2个月至第5个月间达到顶峰， 然后开始持 续衰减， 但这种呈不断衰减的影响在 20 个月 内较少会收敛。 特别值得强调的两个结论是： 第一，在统计意义上，大宗商品价格波动对中 国商业银行信贷市场具有显著的影响，并且这 种影响几乎是单方向的；第二，大宗商品价格 波动对银行信贷市场主要变量的冲击是永久 性的，金融市场对这种冲击缺乏促使自身回归 初始状态的机制。 （二）政策建议 首先，中国的金融监管部门应密切关注大 宗商品价格并稳定大宗商品价格波动区间。 提 出这一政策建议的主要原因有两点： 第一，银 行体系和银行信贷是稳定和支撑中国经济的 核心力量， 在中国金融体系中具有超然的地 位，保持银行信贷市场的平稳运行，是中国金 融监管部门的重要使命。 第二，大宗商品价格 波动对中国商业银行信贷市场具有显著的单 方向且永久性影响。 显然，关注大宗商品价格 并稳定大宗商品价格的波动区间，是促使中国商业银行信贷市场平稳运行的一 条重要路径。 其次，针对信贷市场的政策 措施 《全国民用建筑工程设计技术措施》规划•建筑•景观全国民用建筑工程设计技术措施》规划•建筑•景观软件质量保证措施下载工地伤害及预防措施下载关于贯彻落实的具体措施 如果要具有适度的前瞻性，其制定过程应 该纳入大宗商品价格指标。 原因是大宗商品价格的波动对存贷比、短期贷款利 差、 中长期贷款利差、 总贷款余额和短期贷款余额的影响具有单向性和长期 性，这一点为科学预测银行信贷市场的未来变化提供了较好的基础。 政策措施 因其本身的“滞后性”，导致有效的政策非常依赖对经济和金融未来形势的科 学判断，而大宗商品价格为形成科学判断提供了有效信息。 显然，纳入预测性 良好的大宗商品价格，会使政策的制定更具科学性和前瞻性。 ［参考文献］ 金洪飞、金 荦，2008. 石油价格与股票市场的溢出效应：基于中美数据的比较分析［J］.金融研究，（2）：83-97. Awokuse, T., and Yang, J., 2003. The Informational Role of Commodity Prices in Formulating Monetary Policy: A Reexamination ［J］. Economics Letters ，（79）：219-224. Barsky, R.B.,and Kilian, L., 2001. Do We Really Know That Oil Caused Great Stagflation? A Monetary Review ［R］. NBER Working Paper, Vol.8389. Chen, Nai-Fu, Roll, Richard and Ross, Stephen A., 1986. Economic Forces and Stock Market［J］. Journal of Business，（59）：383-403. Cheng,Y.W. and Ng,L.K.,1996.A Causality - in - variance Test and Its Application to Financial Market Prices ［J］. Journal of Econometrics，（72）：33-48. Cody, B.J., and Mill, L.O., 1991. The Role of Commodity Prices in Formation Monetary Policy ［J］. Reviews of Economics and Statistics， （73）：358-365. Garner, A.C., 1989.Commodity Prices: Policy Target or Information Variable? ［J］. Journal of Money, Credit and Banking ，（21）：508-514. Granger, C. W. J., 1980. Testing for Causality: A Personal Viewpoint［J］. Journal of Economic Dynamics and Control，（2）：329-352. 38 附表 1 基于 CCF 方法的均值和方差估计 CRB Rcd Srs Lrs Tcb Scb Lcb Mean equation a0 0.009 1*** 0.000 2 0.017 5*** 0.019 2*** 0.004 5** 0.003 9*** 0.010 9*** a1 -0.193 9*** -0.196 8*** 0.039 7 0.101 1** 0.236 8** 0.131 2*** 0.050 6 a2 -0.024 0 0.038 4 -0.063 1** -0.121 2*** 0.199 8*** 0.130 6*** 0.025 4*** a3 0.152 7*** 0.149 6*** -0.048 1*** 0.193 4*** 0.073 4*** 0.150 9*** a4 0.057 2 0.208 6*** -0.057 2 -0.001 0 a5 -0.008 8 -0.033 1 -0.056 9 -0.084 1*** a6 0.031 39 0.024 3 -0.030 9 0.094 4*** a7 -0.005 7 0.068 1** -0.110 2 -0.022 9 a8 -0.108 6* 0.111 2*** -0.028 6 -0.001 5 a9 -0.217 7*** 0.217 2*** 0.057 2 0.076 9*** a10 -0.133 9** -0.000 2 -0.002 1 a11 -0.201 0*** -0.219 1*** a12 0.607 7** 0.472 0*** a13 -0.201 1** -0.132 0*** Variance equation ω -8.410 5*** -11.792 5*** -0.396 6* -0.316 7* -11.527** -9.040 6** -14.641*** α 2.220 1*** 1.847 1*** 0.426 9* 0.389 9* 0.670 8* 0.542 2 -0.034 4 γ -0.037 4 -0.051 9 0.102 1 -0.001 3 0.160 350 -0.679 8* 0.395 3** β 0.151 6 0.037 5 0.934 4*** 0.959 7*** -0.131 1 0.051 501 -0.622 2* GED parameter 3.742 8*** 96.114 6 0.701 0*** 0.712 2*** 0.948 0*** 0.545 3*** 0.763 1*** Diagnostic Q(20) (0.335) (0.699) (0.402) (0.221) (0.807) (0.890) (0.991) Q2(20) (0.881) (0.060) (0.851) (0.781) (0.918) (0.989) (1.000) 注：***、**、* 分别表示在 1％、5％、10%的水平上显著；Q(20)和 Q2(20)分别是对标准化的残差水平值和方差值的 Ljung-Box检验，原假设是：残差序列一直滞后到第 20期，没有自相关，括号中报告了 Q统计所对应的 P值。 Granger, C. W. J., 1988. Some Recent Developments in a Concept of Causality ［J］. Journal of Econometrics, （39）：199-211. Kaneko,Takashi and Lee, Bong- Soo,1995. Relative Importance of Economic Factors in the Stock Market ［J］. Journal of Finance，（45）：479-496. Marquis, M.H., and Cunningham, S.R., 1990. Is There a Role of Commodity Prices in the Design of Monetary Policy? Some Empirical Evidence［J］. Southern Economic Journal， （57）：394-412. Ram Prasad Bhar, and Shigeyuki Hamori, 2008. Information Content of Commodity Futures Prices for Monetary Policy ［J］. Economic Modeling，（25）： 274-283. Sadorsky, Perry, 2003. The Macroeconomic Determinants of Technology Stock Price Volatility ［J］. Reviews of Financial Econominc, （12）： 191-205. Sephton, P. S., 1991. Commodity Price : Policy Target or Information Variables? A Comment ［J］. Journal of Money, Credit and Banking， （23）：260- 266. Shaw Kat Hammoudeh , and Li, Huimin，2005. Oil Sensitivity and Systematic Risk in Oil-sensitive Stock Indices［J］. Journal of Economics and Business ,（57）：1-21. Toda,H.Y. and Yamamoto,T.，1995. Statistical Inference in Vector Auto Regressions with Possibly Integrate Processes ［J］. Journal of Econometrics，（66）：225-250. Volatility of Commodity Prices and the Operation of Chinese Credit Market SU Ming LU Jun ［Abstract］ By using LA-VAR approach and CCF approach, the paper empirically tests the causality between commodity prices and several key variables of Chinese banking credit market. The results show that at 5% significance level, the volatility of commodity prices is the cause of variation of the deposit-loan ratio, short-term interest rate spread, medium- and long-term interest rate spread, total loan balance and short-term loan balance. Furthermore, the paper carries out a quantita - tively analysis on the static and dynamic impacts of volatility of commodity prices on Chinese banking credit market by using co-integration test, VEC model, impulse response function and variance decomposition technology. The paper puts forward two suggestions for financial authorities to effectively regulate Chinese banking credit market: (1) they should pay close atten - tion to commodity prices and try to stabilize the prices in an acceptable range; (2) they should take commodity prices into consideration in the process of formulating monetary policies. ［Key words］ commodities; price volatility; credit market; LA-VAR approach; CCF approach （责任编辑：渐 修） 苏明、陆军：大宗商品价格波动与中国信贷市场运行分析 39