厄尔尼诺-南方涛动对我国主要农产品价格波动的冲击效应研究

□韩欣蕊

（中国海洋大学经济学院 山东 青岛 266000）

1 研究背景

1.1 研究背景及意义

厄尔尼诺-南方涛动（El Nino-Southern Oscillation，ENSO）是全球最主要的海洋-大气耦合模态，其中厄尔尼诺代表热带中东太平洋海温异常升高的现象（海温异常降低的现象称为拉尼娜），南方涛动代表相应的热带气压异常现象。

百年来，在全球气候变暖的大背景下，全球最强的海温年际变化信号——厄尔尼诺愈加剧烈和频繁。过去50年更是出现了1982/1983、1997/1998、2015/2016等3次有史以来最强的厄尔尼诺事件。如表1所示，厄尔尼诺影响全球气候，引发洪水、干旱、极端高温、台风等极端天气事件，造成粮食价格的大幅波动，冲击粮食安全和社会稳定。

粮食是人类生存的基础。2017年习近平总书记在十九大报告中提出“确保国家粮食安全，把中国人的饭碗牢牢端在自己手中”“建设生态文明”“永续发展”等目标，在确保粮食安全的同时，推进生态文明建设、实施乡村振兴战略、促进中国粮食可持续供应。如何在气候变化及厄尔尼诺频发的背景下确保粮食安全和粮食价格的稳定，这是开展粮食安全研究、确保可持续发展必须要解决的问题。

1.2 文献综述

目前，中国有关ENSO对农产品价格波动的冲击研究文献较少，仅有的少量研究又以宏观视角和定性描述为主。

Lou等（2010）[1]先后使用EMD算法和GARCH模型证明了厄尔尼诺-南方涛动与小麦期货价格之间存在负相关关系。

刘迁迁（2016）[2]从宏观角度分析了厄尔尼诺对经济增长、大宗商品价格走势和货币政策的影响。

汪阳洁等（2015）[3]建立了衡量气候变化对农业生产、农村福利、农民短期及长期适应，产品价格和要素价格的评测模型，并且对价格的内生性等问题进行了探讨。

解伟等（2019）[4]的研究表明，气候变化会在一定程度上降低中国农产品单产，提高农产品价格。

目前关于ENSO对农业生产、粮食价格的研究还很薄弱、零散，缺乏基于自然属性和社会经济属性相结合的精细化评估研究，基于气候变化的农产品价格波动问题的研究也有限，无法满足国家适应气候变化、稳定粮食价格、保障粮食安全的需求。此外，如何研判ENSO与粮食价格波动的关系，如何测度ENSO对粮食价格波动的冲击效应，以上学科交叉问题是未来潜在的研究趋势和研究热点。

1.3 技术路线图

研究结构如下：第一部分为引言，第二部分为方法与数据，第三部分为结果与分析，第四部分为总结。技术路线图如图1所示。

表1 近50年ENSO对世界粮食作物价格波动的影响

图1 技术路线图

2 方法与数据

2.1 脉冲响应函数与方差分解

为了进一步了解芝加哥商品交易所不同阶段面对ENSO气候的变化时CBOT农产品期货收盘价是如何作出具体反应的，于是引入脉冲响应函数。脉冲响应函数可以计算出在期初给予一个变量某种冲击后，系统内其他变量对于这一冲击的当期反应和未来反应。

由于传统的正交脉冲响应函数具有不稳定性和随意性的缺点，模型中变量顺序的排列会改变脉冲响应函数的结果。针对这种缺点，脉冲响应函数发展出了一般脉冲响应函数，其优点在于脉冲函数的计算结果与模型中变量的顺序无关，从而加强了实证结果的准确性。

一般脉冲响应函数（generalized impulse response function）又称广义脉冲响应函数，由Koop（1996）[5]首次提出，之后Pesaran and Shin（1998）[6]对其进行了进一步研究，一般脉冲响应函数的基本表达式如下。

其中，δj表示第j个变量的冲击，n表示冲击响应的期数，Ωt-1表示冲击发生时可获取的历史信息集。Pesaran and Shin（1998）在对脉冲响应函数公式进行整理后发现，广义脉冲响应与历史信息集无关，只依赖于变量的冲击δj。令δj设定为一个标准差冲击，则可以得到下式。

其中ej为单位向量，表示在t时给予第j个变量一个标准差冲击后，y在t+n时的影响期望值。

方差分解则是在脉冲响应函数的基础之上，描述系统中的各变量变动对VAR系统的影响大小，目的在于分析其相对效果。

2.2 指标选取及数据预处理

为了分析ENSO气候变化对农产品期货收盘价的影响，选用Nino 3.4指数（SST）作为衡量ENSO气候变化的指标。数据收集来源于国际海洋和大气管理的气候预测中心，该指数是由每周测量所得的每日海平面温度值内插而得。农产品期货收盘价选用CBOT小麦、玉米、大豆、稻谷的期货收盘价，分别用P1、P2、P3、P4表示。

在实证分析中，所应用的农产品原始数据来源于万德数据库，数据时间跨度均为1998年1月至2018年12月的月度数据。

采用月度数据的时间序列开展研究，因为时间序列数据的季度、月度数据会因为其所处的季节而对数据产生影响，因此有必要将数据中的季节因素去除，保留时间序列数据的真实规律。

为了消除时间序列异方差的特性，先对数据进行对数化处理。月度时间序列数据具有明显的季节性波动特征，因此采用X-12-ARIMA方法对其进行季节调整，最后对于时间序列数据还要进行消除趋势的处理。

采用H-P滤波方法，H-P滤波可以保留时间序列数据中的高频数据。把经过处理后的CBOT小麦、玉米、大豆、稻谷期货收盘价分别记为CP1、CP2、CP3、CP4，ENSO气候记为SST。

3 ENSO气候对农产品期货收盘价的冲击效应分析

实证部分围绕农产品期货收盘价的变化，通过构建VAR模型来分析不同农产品的期货收盘价变化的影响因素。

3.1 数据的平稳性检验

VAR模型的建立首先要求数据的平稳性，因此在建立模型之前需要检验其时间序列的平稳性。采用ADF单位根检验法，对于被解释变量的检验结果如表2所示。

经检验，CP序列、SST序列在1%显著水平下都拒绝非平稳性的假设。因此研究对象是CP序列和SST序列。

3.2 格兰杰因果检验

在构建VAR模型之前，需要对变量进行格兰杰因果检验，从而确定解释变量与被解释变量之间的因果关系。其检验的理论是观察一个变量滞后项的加入是否会对其他变量产生影响，如果有影响，则称这个变量为另一个变量的格兰杰因果关系。要构建的是ENSO气候变化对于农产品期货价格的影响，因此在格兰杰因果关系检验中，检验SST是否是CP的格兰杰因果关系，检验结果如表3所示。

表2 序列的单位根检验

表3 SST对CP格兰杰因果关系检验结果

由表3结果可知，在滞后二、三、四、五阶以及10%的显著水平下都拒绝SST不是CP1的格兰杰因果关系，这说明SST对小麦期货收盘价不仅有短期的影响，也存在长期的影响；同理，SST对玉米和稻谷的影响是短期的，对大豆的影响是长期的。而且上述假设都接受CP系列不是SST的格兰杰因果关系，这说明该影响是单向的，这也是符合经济学理论和常识的，即气候的变化会在某种程度上导致农产品价格的变化，反之则没有影响。

3.3 脉冲响应及方差分解分析

3.3.1 脉冲响应分析

图2 农产品期货收盘价对ENSO冲击的脉冲响应曲线

脉冲响应分析描述各变量增加一个单位的标准差冲击，在当期和未来对农产品价格产生多大影响。为满足研究需要，给出CBOT农产品期货收盘价对一个单位ENSO冲击的脉冲响应函数。从图2可以看出，当在本期给ENSO一个正向冲击后，对小麦和大豆期货收盘价先是产生一个相反的冲击，而后从第8期开始反转，冲击作用变为正向并在第20期达到峰值，随后冲击作用开始逐渐下降，并在第40期左右降为0，说明在3年以后，ENSO变化对小麦和大豆的期货收盘价的影响几乎消失。

同理，根据图2分析玉米和稻谷：当在本期给ENSO一个正向冲击后，对玉米和稻谷期货收盘价先产生一个相反的冲击，大约在第12期到达最低，随后冲击作用变为正向并逐渐减小，分别在第30和40期降为0。整体来看，各农产品期货收盘价对ENSO气候冲击的反应，在10～30个月内最显著，持续性影响大约为3年。

3.3.2 方差分解分析

方差分解主要考察来自VAR系统中各变量的冲击对农产品期货收盘价影响的相对程度。下面利用已经建立的VAR模型进行方差分析。

从图3中可以看出，随着期数增加，农产品价格变动的方差由自身变动解释的部分逐渐下降，而由SST变动解释的部分逐渐增加。其中小麦、玉米和大豆的收盘价变化大约在第15期达到了峰值，即大约10%的CP1、CP2、CP3变动方差由SST变动部分可以解释。稻谷的收盘价变化大约在第20期达到了峰值，即大约10%的CP4变动方差由SST变动部分可以解释。

4 结论

ENSO是影响气候异常的重要因素之一，可以作为预测年际气候异常的前期重要指标，可以通过影响大气环流造成中国气候异常，例如对中国许多地区造成高温、极寒以及旱涝灾害等，进一步影响农业生产。采用NINO3.4指数作为厄尔尼诺—南方涛动的衡量指标，以CBOT小麦、玉米、大豆、稻谷期货收盘价为例，建立了VAR模型测算ENSO对主要粮食价格波动的冲击效应。研究发现，各农产品期货收盘价对ENSO气候冲击的反应，在10～30个月内最显著，持续性影响大约为3年。

随着期数的增加，农产品价格变动的方差由自身变动解释的部分逐渐下降，而由ENSO变动解释的部分逐渐增加，其中稻谷收盘价变化在第20期达到峰值，其余3种农产品在第15期达到峰值。本研究对粮食市场的稳定、提升防御气象灾害的能力以及社会经济的和谐发展具有重要意义。不足之处是鉴于篇幅原因，没有深入探究厄尔尼诺-南方涛动通过何种气象要素影响农产品期货价格。这些都是未来海洋气象学和经济学学者可研究的着手点。

图3 农产品期货收盘价方差分解结果