| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 市场/贸易 |
| 经济政策不确定性与铁矿石市场相关性研究 |
| 第766期 作者：□文/王竟谕 李晏道 闫淑潇 时间：2025/12/1 14:39:20 浏览：40次 |
［提要］ 本文以铁矿价格指数（PI）、铁矿石原矿产量（PQ）、波罗的海干散货指数（BDI）、中国经济政策不确定指数（EPU）为核心变量，选取2007年1月至2025年7月期间月度数据样本，通过描述性统计分析、STL季节调整、ADF单位根检验、Johansen协整检验、VAR模型、格兰杰因果关系检验、脉冲响应分析（IRF）及方差分解等方法，探究经济政策不确定性与中国铁矿石市场的长期相关性。研究发现：经过STL季节调整和一阶差分后的变量无协整关系；EPU与铁矿价格存在双向格兰杰因果关系；EPU是铁矿石市场的短期扰动源；各变量波动以自身惯性为主导。本文结论为政策制定和企业应对市场波动提供参考。
关键词：VAR模型；格兰杰因果检验；脉冲响应分析（IRF）
基金项目：青岛黄海学院横向科研项目：“智能财税一体化系统开发与优化”（项目编号：KYH2024039）
中图分类号：F7 文献标识码：A
收录日期：2025年9月17日
引言
铁矿石是钢铁行业的核心原料，其价格波动深受国际贸易和经济政策调整的影响。中国作为世界上最大的铁矿石消费国和进口国，其铁矿石市场对国内矿产、国际矿石贸易及宏观经济政策都尤为重要。中国铁矿石进口量大且来源集中，受经济政策不确定性影响，其价格波动也尤为剧烈。近年来，随着国内环保政策调整和国际贸易摩擦，经济政策不确定性显著上升。2025年上半年，中国铁矿石市场整体供应端不及预期，需求量震荡回升，经济政策不确定性对中国铁矿石市场的影响亟待分析研究。本文通过揭示两者之间的长期相关性，为政策制定与相关行业和企业决策提供依据和参考。
一、研究方法
（一）数据来源与处理
1、数据收集。首先，根据指标选取的代表性原则，选取铁矿价格指数（PI）、铁矿石原矿产量（PQ）、波罗的海干散货指数（BDI）、中国经济政策不确定指数（EPU）四个核心变量，代表中国铁矿石市场价格波动、国内铁矿石供给能力、铁矿石贸易活跃度指标以及宏观经济政策不确定性水平。其次，通过西本钢铁资讯云数据库与Scott R.Baker、Nick Bloom、Steven J.Davis开发的中国经济不确定性指数（EPU）数据库，搜集2007年1月至2025年7月范围内四个核心变量数据。此外，除去中国经济政策不确定指数为月度数据外，其余数据均通过日均值计算月平均值。
2、描述性统计分析。分别对以上四个核心变量进行平均值、标准差、最大最小值与四分位数等描述性统计分析。由表1中数据可知，铁矿价格指数（PI）的标准差约为均值的25%，呈现中等波动；铁矿石原矿产量（PQ）的标准差约为均值的26%，呈现中等波动且整体增长趋势；波罗的海干散货指数（BDI）的标准差接近均值，波动剧烈，国际航运市场波动幅度较大；中国经济政策不确定指数（EPU）标准差约为均值的63%，波动较大，政策不确定性较为明显。整体而言，所选数据质量高且具备经济分析合理性，适合用于经济政策不确定性与中国铁矿石市场长期相关性的研究。（表1）
3、STL季节调整。考虑到时间序列受季节性波动影响，使用STL分解对数据进行季节调整，去除季节成分和趋势项，并将原始数据与季节调整后的数据进行对比。
由图1～图4可知，使用STL分解后的季节调整数据较原始数据更加平稳。例如，中国经济政策不确定指数（EPU）2007～2017年原始数据与2017～2025年原始数据均值差异过大，季节波动较大，进行季节调整去趋势之后明显更加平稳。（图1～图4）
4、ADF单位根检验。使用ADF单位根检验数据平稳性，针对不稳定的数据进行一阶差分，使其平稳后与原平稳数据组成新的混合数据，并删除因差分出现的空值。
由表2可知，铁矿价格指数（PI）和波罗的海干散货指数（BDI）的ADF统计量均小于5%临界值，p值均小于0.05，数据平稳性较强，铁矿石原矿产量（PQ）和中国经济政策不确定指数（EPU）的ADF统计量均大于5%临界值，序列非平稳，因此需要进行一阶差分，对一阶差分后的序列进行ADF单位根检验，得出其ADF统计量小于5%临界值，序列平稳。对原平稳数据和一阶差分平稳数据进行混合处理，并删除差分导致的空值，使数据满足平稳性检验。（表2）
（二）模型选择与确立
1、Johansen协整检验。VECM（向量误差修正模型）和VAR模型均用于分析多变量间的动态关联与相互影响，但VAR模型适用于变量间无协整关系的情况，为判断数据是否适合采用VECM模型或VAR模型，针对原始非平稳变量进行了Johansen协整检验，利用Trace统计量和Max Eigen（最大特征值）统计量检验结果检验协整关系。
由表3和表4可知，Trace统计量2.382小于5%临界值12.32，Max Eigen统计量2.240小于5%临界值11.22，两种统计结果均表明：未达到拒绝无协整原假设的条件，原始非平稳变量间无协整关系。因此，选用VAR模型进行分析。（表3、表4）
2、最优滞后阶数选择。为避免滞后阶数过大过小和单一准则的偏差，选用AIC（赤池信息准则）、BIC（贝叶斯信息准则）、FPE（最终预测误差准则）、HQIC（汉南-奎因信息准则）四个准则，结合AIC惩罚弱、BIC惩罚强、FPE侧重预测、HQIC平衡AIC和BIC的特征，通过多准则互补验证，确定VAR模型的最优滞后参数。（表5）
最终，根据“多数准则一致”原则，选择滞后12阶作为最优滞后阶数。
（三）VAR模型有效性检验。为检验VAR模型的有效性，使用残差相关矩阵，通过VAR模型残差的相关性，可以了解模型对变量动态关联的捕捉能力。
由表6可知，多数变量残差相关性的绝对值小于0.1，仅PI与BDI的残差相关性为0.3996，但仍在合理范围内。因此，模型具备充分捕捉变量动态关联的能力，从而验证了模型具有一定的解释力。（表6）
（四）格兰杰因果关系检验。在VAR模型的基础上，通过格兰杰因果关系检验，验证四个核心变量的因果方向。在格兰杰因果关系检验中，原假设为“前者不是后者的格兰杰原因”，即前者的历史数据无法预测后者的未来变化；显著性水平均采用5%的判断标准，p值小于0.05，则拒绝原假设，判定其存在显著因果；反之，若p值大于或等于0.05，则不能拒绝原假设，因果关系不显著。以EPU与PI的格兰杰因果关系检验为例，其检验结果如表7所示。（表7）
由表7可知，在5%显著性水平下，滞后阶数2～11阶的p值均小于0.05，检验结果均拒绝原假设；滞后阶数为1、12阶的p值略大于0.05。整体来看，中国经济政策不确定指数对铁矿价格指数存在显著的格兰杰因果关系，即中国经济政策不确定指数的历史波动可以预测铁矿价格指数的未来变化。
通过格兰杰因果关系检验，可以得出中国经济政策不确定指数是铁矿价格指数的格兰杰原因、铁矿价格指数是中国经济政策不确定指数的格兰杰原因，即中国经济政策不确定指数与铁矿价格指数存在双向显著格兰杰因果关系，由此可以得出，政策不确定性会对铁矿石价格波动产生传导作用，而铁矿石价格波动的市场信号又会影响政策的调整；波罗的海干散货指数对铁矿价格指数存在单向显著格兰杰关系，但具有一定的时滞特征，符合“贸易需求变化先于价格调整”的市场规律；铁矿石原矿产量与铁矿价格指数则无显著格兰杰因果关系，可能是铁矿石产量调整的“强刚性”原因导致的。
综上所述，格兰杰因果检验结果与VAR模型适配，且符合经济发展逻辑与市场规律。
（五）脉冲响应分析（IRF）。在VAR模型的基础上，通过脉冲响应分析（IRF），模拟铁矿价格指数、铁矿石原矿产量、波罗的海干散货指数、中国经济政策不确定指数四个内生变量间的“冲击-响应”动态关系，从而得出中国经济政策不确定指数对中国铁矿石市场的短期扰动效应和长期收敛规律。
首先，以铁矿价格指数、铁矿石原矿产量、波罗的海干散货指数、中国经济政策不确定指数四个内生变量为核心，构建16组“冲击-响应”关系，并将“PI对PI” “PQ对PQ”等自身冲击覆盖；其次，对冲击强度进行标准化处理，确保不同变量间具有可比性；再次，设定20期的响应周期，完整呈现从短期到长期的变化过程；最后，用虚线标注95%的置信区间，反映冲击响应的不确定范围。
以中国经济政策不确定指数对铁矿价格指数为例，具体分析其响应模式。EPU冲击对PI的脉冲响应函数如图5所示。（图5）
由图5可知，0～5期的短期范围内，EPU冲击后，PI立即出现正向峰值，表明经济不确定性增加会在短期内推动铁矿石价格的上涨；5～15期的中期范围内，响应值正负交替波动，反映市场预期的动态调整；15～20期的后期范围内，响应值逐渐向0收敛，表明经济不确定性的冲击影响减弱，铁矿石市场回归基本面。16组脉冲响应函数如图6所示。（图6）
由图6可知，铁矿价格指数对自身冲击后立即出现强烈的负向回调，体现了商品市场的“均值回归”特征；铁矿石原矿产量对自身冲击后，波动持续期较长，反映出铁矿石产量的“刚性”特征；波罗的海干散货指数对自身冲击后，出现持续震荡，表明其供需调整存在滞后；中国经济政策不确定指数对自身冲击后，快速收敛至0，说明其具有短期性特征。
而中国经济政策不确定指数对铁矿石原矿产量和波罗的海干散货指数均呈现显著冲击，但铁矿价格指数对中国经济政策不确定指数却呈现弱冲击。由此可得，中国经济政策不确定指数对市场变量呈现主导性，而市场变量对中国经济政策不确定指数冲击较弱，两者呈现出不对称的交互关系。综上，中国经济政策不确定指数是影响铁矿石市场短期波动的关键因素。
（六）方差分解。基于VAR模型的平稳性与动态特征，使用方差分解量化各内生变量对被解释变量波动的贡献比例。通过ADF单位根检验构建的平稳的VAR模型是转化无限阶移动平均（MA（∞））的前提，而MA形式是将变量波动拆解的基础。
1、VAR模型的移动平均表示（MA）
平稳变量向量：
Xt＝［ΔPIt，EPUt，ΔPQt，ΔBDIt］T （1）
VAR模型的矩阵形式：
Xt＝Γ0+Γ1Xt-1+Γ2Xt-2+…+Γ12Xt-12+εt （2）
因VAR模型平稳，特征多项式A（L）可逆：
A（L）-1=■ΦsLs （3）
带入（2）式可得：
Xt＝■Φsεt-s （4）
其中，Φs为s期前的冲击εt-1对当期Xt的影响系数。
2、贡献比例计算。以铁矿价格指数为例：X1t=ΔPIt。
首先，定义k期预测误差。对X1t在t期预测t+k期的取值，记为■1，t+k|t，则k期预测误差为：
e1，t+k=X1，t+k-■1，t+k|t （5）
其次，计算预测误差的总方差：
Var（e1，t+k）=E■Φs，1·εt＋k-s■Φs，1·εt＋k-s■ （6）
因为残差序列不相关，交叉项消失，故（6）式可简化为：
Var（e1，t+k）=■Φs，1·■Φ■■ （7）
再次，计算单个变量的冲击贡献。以EPU对ΔPIt的贡献为例，其贡献方程为：
■Φ■■σ22 （8）
其中，Φs，12为Φs，1·的第2个元素，σ22为ε2t的方差。
最后，计算贡献比例。EPU对ΔPIt预测误差方程的贡献比例为：
Contribution2→1（k）=■×100% （9）
3、结果分析。通过方差分解，得到各变量对被解释变量波动的贡献比例，如图7所示。（图7）
以铁矿价格指数为例，由图7可知，铁矿价格指数短期自身贡献率接近100%，铁矿石原矿产量、波罗的海干散货指数、中国经济政策不确定指数的解释力几乎可以忽略。长期来看，其自身贡献仍占80%以上，波罗的海干散货指数、中国经济政策不确定指数的贡献略有增加，铁矿石原矿产量贡献极微。因此，铁矿价格波动具有强自身惯性，尽管中国经济政策不确定指数和波罗的海干散货指数在特定滞后阶数下是其格兰杰原因，但长期来看，其自身历史因素仍是其核心解释因素。
此外，铁矿石原矿产量、波罗的海干散货指数、中国经济政策不确定指数均出现了自我主导的特征，仅有弱交叉影响，而自身惯性是其长期波动的主要影响因素。
二、结论与建议
（一）结论。经过STL季节调整和一阶差分后的变量满足平稳性检验，无协整关系，选用VAR模型且模型解释力较强。中国经济政策不确定指数与铁矿价格指数存在双向显著格兰杰因果关系；波罗的海干散货指数与铁矿价格指数存在单向显著格兰杰关系；铁矿石原矿产量与铁矿价格指数则无显著格兰杰因果关系。中国经济政策不确定指数是铁矿石市场短期波动的关键因素。铁矿价格指数、铁矿石原矿产量、波罗的海干散货指数与中国经济政策不确定指数的自身惯性是其长期波动的主要影响因素。
（二）建议。针对以上研究结论，在政府层面，应避免频繁调整环保、贸易与钢铁等行业的经济政策，保持政策连贯性；及时发布政策调整公告，降低经济政策不确定性对市场波动的影响；及时关注国际铁矿价格、铁矿石原矿产量与波罗的海干散货指数，确保政策调整的合理性。
对于企业来说，短期内关注EPU变化，政策不确定性上升时及时减缓产能扩张；长期关注铁矿价格周期变化规律，制定合理的周期性发展规划；及时关注EPU与铁矿价格的双向影响，EPU上升时控制货存量，价格上升时关注政策变化。
（作者单位：青岛黄海学院）
主要参考文献：
［1］Baker S R，Bloom N，Davis S J.Measuring Economic Policy Uncertainty［J］.The Quarterly Journal of Economics，2016.131（04）.
［2］李林泰，崔巍.铁矿石价格波动的因果推断：影响因素与效应分析［J］.技术经济，2024.43（08）.
［3］陈利敏.基于VAR模型的肉鸡价格与生猪价格动态关联关系研究［J］.饲料研究，2024.47（21）.
|
|
|
|
