外部经济冲击对我国进出口贸易的影响——基于新兴市场经济体的研究

李沐然，杨 媛

（中国地质大学(武汉)经济管理学院，湖北 武汉430074）

2019年末—2020年的新冠疫情已影响到全球200多个国家和地区，呈现全球蔓延的态势。新冠肺炎的全面暴发和全球流行将对世界经济产生广泛而深远的影响。据世界银行预计，新兴市场和发展中国家作为一个整体将萎缩2.5%，这是自1960年以来表现最差的数据。新兴经济市场的经济波动势必会通过全球价值链的传导机制影响到其他国家的对外贸易。机遇与风险并存，我国对外开放程度的增加将导致我国经济受到外部冲击的风险提高。论文从贸易和金融渠道对我国受到其他新兴经济体的外部冲击的可能性进行了评估，并借助GVAR(Global Vector Auto-R egressive)模型方法，考虑了世界各国的交互影响来分析新兴市场国家的宏观经济波动对中国进出口产生的影响。

一、研究综述

回顾以往文献，学者对外部冲击通过国际贸易和金融市场传导机制对一国经济产生影响基本达成一致。当一个国家经历以货币大幅贬值为特征的金融危机时，由于危机国家提高了价格竞争力，其他国家可能遭受贸易溢出的影响。如果汇率崩溃（通常是危机国家）伴随着经济活动的下滑和进口的压缩，那么相关的收入效应将进一步压低贸易伙伴的出口。价格和收入效应不仅通过直接的双边贸易联系发挥作用，而且还通过第三市场的价格竞争和收入影响来发挥作用。Glick and Rose(1999)使用五种不同货币危机的数据，发现货币危机影响着通过国际贸易联系在一起的国家集群。金融联系是外部冲击的另一个传导渠道。一个或多个国家发生危机可能会导致投资者出于风险管理、流动性或其他原因而重新平衡投资组合进而引起一国金融资产价格变化。Caramazza等(2000)认为，易受国际金融溢出影响的共同债权人和财务脆弱性指标更能解释危机在区域上的集中。Kaminsky and Reinhart(1998)研究了外部冲击的传导机制发现商品和服务贸易以及通过一家共同的银行贷方建立牢固的联系可以帮助揭示早期危机的集群。

在研究方法上，论文借助全球向量自回归模型，在世界各国框架下对这种冲击效应进行量化分析。在GVAR模型的应用方面，最初是由Pesaran，Schuermann和Weiner（2004）在向量自回归模型(VAR)的基础上构建全局宏观经济计量模型(Global VAR，简记GVAR)。Dees、di Mauro Pesaran和Smith（2007，DdPS）用欧元区经济外部冲击特别是对美国冲击的响应进行分析。Eickmeier.S(2015)利用该模型研究了美国信贷供应冲击如何传递给其他经济体，根据双边贸易、证券投资、外国直接投资和银行风险来进行33个国家/地区间联系的试验。Favero(2013)提出，对全局矢量自回归（GVAR）模型的扩展，以捕捉金融变量之间的相互依赖性。国内学者也利用该模型对外部冲击的传导机制方面进行了探索。刘孝斌等（2019）分析了新加坡、泰国、菲律宾、马来西亚和印度尼西亚5个东南亚国家对外直接投资，外部冲击和经济增长的关系。。

回顾文献发现，国内学者大多集中分析美日欧等单个国家背景下对我国经济的外部冲击，较少综合考虑世界各国的交互影响，更少把目光放在新兴经济市场国家之间的经济波动问题上。论文实证分析了新兴经济市场国家和地区宏观经济冲击对中国进出口产生的影响效应。随着新冠疫情对各国经济的破坏力逐渐增强，以保护“本国利益”为主的经济政策纷纷出台，了解新兴市场国家和地区经济冲击对我国进出口贸易造成的影响有助于优化对外开放制度设计和重新塑造世界贸易发展新版图。

二、外部冲击度量

在Chui,Hall and Taylor（2004）的论文中提供了通过国际贸易渠道和金融市场渠道传导的外部冲击的详细分析和度量数据，论文参考其度量方式。Xij为从国家i到国家j的出口，Xi为国家i的出口，国家0是危机经济国家，k为第三方市场。如公式（1）所示，双边贸易指数采用了Fratzscher（2000）提出的成对出口占两个经济体出口总额的百分比。第三方市场的影响采用了Glick and Rose（1999）提出的一种衡量相对贸易份额相似之处的措施，如公式（2）所示，随着0和i国之间的双边出口越来越相似，该指数就越高（最大值为1）。

贸易份额指数（相对）

表1的结果说明了中国和其他新兴市场经济体之间双边贸易的一种量度。表1还显示了EME的贸易具有显著的区域性，指数的区域内值几乎总是高于区域外值。因为，对于新兴经济体，目前并没有一个准确的定义。论文选取了亚洲、拉丁美洲等20个新兴经济市场（国家/地区）。由表2可以发现，中国和印度的出口份额相似度最高，紧接着是菲律宾，波兰，印度尼西亚。

表1 中国和其他新兴市场双边贸易和查对贸易份额指数

大多数对金融传导机制的实证检验都集中在银行部门之间的联系上，特别是通过主要的国际债权人的联系。新兴经济体利用的外资主要来自发达经济体，我们测量了美国、英国、西班牙、日本、德国、法国这6个发达经济体对各个新兴经济市场的敞口（见表2）。

表2 2018Q4发达国家对新兴经济市场的债权 （单位：%）

资金竞争指数（相对）

Van Rijckeghem和Weder（2001）根据Glick和Rose（1999）提出的衡量两国相对贸易份额相似性的方法提出了衡量跨共同债权人的新兴市场经济体在财务方面的相似性的指数（公式3）。Bij为国家i对国家j的贷款。国家0可以被认为是危机EME，国家i是另一个EME，而国家k是共同的债权人。从表3可以发现，中国同亚洲其他国家资金来源具有较高的相似性，呈明显的区域性特征。

表3 2018Q4相对资金竞争指数

综合来看，2018年中国大概有26%的商品出口到非日本的亚洲，20%的商品出口到美国和加拿大，14.9%的商品出口到欧洲发达经济体。在金融联系方面，英国是我国的主要债权国，在2018第四季度我国对英国的债务为18.13百万美元。贸易和金融联系都呈现一定的区域性，我国与其他亚洲新兴经济国家的贸易和金融联系比较强，意味着亚洲新兴经济市场遭受危机后我国受到冲击的可能性更大。从平均排名来看，韩国、印度、中国香港和新加坡发生宏观经济波动时对我国进出口贸易可能造成较大的影响（表4）。

表4 外部冲击度量结果排名

三、模型的分析步骤、方法说明与实证分析

（一）全球向量自回归模型的构建

GVAR（全球向量自回归）方法是一种建立在单个国家的向量自回归模型（VAR）的基础之上且相对新颖的全球宏观经济建模方法。这里假设全球有N+1个国家和地区，国家序号为0，1，2，…，N，序号为0的国家作为参照国，参照国设定为美国。第i个国家的VARX*模型为：

其中，pi、qi、ri为滞后阶数；Φij、Aij、Ψij分别是ki x ki的系数矩阵；xit=(xi1t,…，xiki,t)′表示第i个国家的kix1的国内内生变量向量，一般为能够刻画宏观经济运行的核心经济变量；′表示第i个国家的kiX1的国外变量向量，国外变量作为弱外生变量加入模型为贸易权重矩阵。dt是具有影响效应的全球宏观变量。假设各国的自发冲击非序列相关均为零，则εit是kixl为E(εit)=0，Var(εit)=ΣΣi。假设Σi(i=0，1，…,N)是不随时间变化而变化的，即具有时不变性。在此基础上，建立GVA R系统并求解。

（二）样本选择与数据处理

1.样本选择和术语。本文GVAR模型使用的数据期间是2010年一季度至2019年三季度，包括了32个国家和地区的实际进口值和实际出口值等数据。（1）实际国内生产总值（y）。大部分国家均使用IFS经季节性调整的综合数据（概念：国内生产总值指数，季度，2010=100）,缺失数据使用Bloomberg数据补齐。（2）通货膨胀率（Dp）。除了阿根廷和欧元区外，所有国家都收集了IFS数据（概念：消费者价格，所有项目，季度，2010=100）统计数据，阿根廷和欧元区来自BIS数据库月度数据整合。都经过季节调整后并取对数处理。（3）股票价格指数（eq）。数据主要来源于Bloomberg，其中的变量用来反映国家和地区间来自资本市场波动的相互影响。（4）实际汇率（ep）。汇率系列来自IFS，每个国家或地区都获得了对美元的双边名义汇率（每rit，=0.25ln(1+St/100)Lrit=0.25ln(1+Lt/100)rit=0.25ln(1+tS/100)Lrit=0.25ln(1+tL/100)美元外币单位）的季度平均值，经过CPI调整后取对数处理。（5）短期利率（r）和长期利率（lr）。数据源来自OECD和IFS。并使用公式将年度利率分解为季度利率：rit=0.25ln(1+Rst/100);Lrit=0.25ln(1+RLt/100),其中Rst和RLt分别为短期利率和长期利率的名义年利率（以百分比为单位）。（6）石油价格指数（poil）。数据列来自IMF（原油（石油），价格指数，2016年=100取Brent,West Texas Intermediate,and the Dubai Fateh这三个现货价格的平均值），对其取对数后表示为poil。（7）实际进口值（im）和实际出口值（ex）。数据来自于CEIC数据库。所有数据经过季节性调整处理后计算出实际值，然后取对数处理。

2.构建GVAR模型。GVAR模型在构建国外变量时所使用的贸易权重wij为国家j在国家i的外贸总额中所占比重，因而了解中国与其他国家的贸易比重有助于理解和解释中国与世界经济之间的相互影响。

这一系列对应了相应行国家的贸易量占对应列国家贸易总量的比重。这里仅列出中国与平均排名较高的新兴经济国家的贸易权重。从表5可以看出，中国在这些新兴经济体中占有较高的贸易比重，如欧盟（13.9%）、中国香港(11.9%)、日本(10.1%)、韩国(8.7%)。

表5 各经济体对外贸易占其他经济体对外贸易总量的比重（2012—2014平均值）

（三）模型统计检验

1.进行单位根和弱外生性检验。检验结果表明，数据满足时间序列的前提假设。表6列出了对中国影响排名靠前的新兴经济体国家和美国、日本、欧元弱外生性检验区以及中国弱外生性结果，从表中可以看出，绝大部分国家VA R X*模型中的国外变量都通过了弱外生性检验，表示其他变量会受到该变量长期的影响。

表6 弱外生性检验结果

2.国外变量对国内变量影响的同期效应分析。表7显示了国外变量对相应国内变量的同期效应，它可以看作为国内外同一变量之间的相互替代弹性。本文对中国、美国和日本以及对我国外部冲击较大的新兴经济体的国外变量对国内变量影响的同期效应进行了估计。估计结果表明，国外实际GDP增长1%，将会使美国增长约0.8个百分点，可使中国和中国香港实际产出水平上升约0.7%。从我们的结果表明，印度、日本、韩国和中国香港的资本市场会受到国外资本市场的正向作用。印度受其他国家进出口增长率的影响较为显著，美国和中国较不显著。日本进口增长率还受到国外进口增长率的反向作用，本文认为，日本2009—2018年日本贸易结构不稳定，仅维持了两年贸易顺差状态。

（四）实证分析

1.对中国进口的影响效应。图1表示当韩国、印度、中国香港发生2个标准差的冲击时分别对中国进口的影响效应。由图中可知，韩国实际GDP发生正冲击时对中国进口增长率的影响并不显著；韩国通货膨胀发生正冲击时刚开始对中国进口增长率的影响较大达到4%，在第6期逐渐减少到0。印度在第8期冲击时对中国进口增长率产生负面影响；印度发生通货膨胀正冲击在第7期的时候对中国进口增长率的影响最大达到2%。中国香港GDP正冲击对中国进口增长率也有影响，但是显著性程度并不高；中国香港通货膨胀正冲击对中国进口增长率影响在第6期达到最大值2%。总体而言，其他国家发生通货膨胀正冲击时对中国进口增长率反应更大。

图1 对中国进口的影响效应

表8 外国变量对相应国内变量的即期影响系数

2.对中国出口的影响效应。图2表示当韩国、印度、中国香港发生2个标准差的冲击时分别对中国出口的影响效应。如中国香港GDP正冲击刚开始对中国出口增长率的正向影响较大达到1%，在第8期时产生负向冲击。

图2 对中国出口的影响效应

3.对中国汇率的影响效应。图3表示当韩国、印度、中国香港发生2个标准差的冲击时分别对中国汇率的影响效应。如中国香港发生GDP正冲击时，中国大陆人民币同样也是先贬值后升值。

图3 对中国汇率的影响效应

综合来看，中国进口增长率对韩国、印度、中国香港发生通货膨胀正冲击时反应更大；中国出口增长率对韩国宏观波动的反应不显著，印度GDP和通货膨胀正冲击都会导致中国出口增长率的下降，对中国香港持与印度完全相反的反应。中国汇率对韩国遭受冲击后的反应大于中国香港和印度，中国与中国香港的汇率在发生冲击期间也基本维持稳定。

四、结论

第一，通过对国际贸易渠道传导的外部冲击的度量，发现我国的对外贸易与新兴经济市场具有明显的区域性，指数的区域内值几乎总是高于区域外值。我国与亚洲的新兴经济国家贸易的往来更为密切，贸易相似度也越高。

第二，通过对金融市场渠道传导的外部冲击的度量，发现日本和英国对亚洲有大量的银行贷款敞口，西班牙和法国分别是拉丁美洲和欧洲新兴经济体的主要债权国，美国仍然是最大的发展中国家的债权人。金融联系与贸易联系一样，也呈现区域性。

第三，综合来看，区域内新兴经济体对我国有更高的影响力，韩国、印度、中国香港和新加坡发生宏观经济波动时对我国进出口贸易可能造成较大的影响。这也提醒我们，不仅要注意美日欧等发达国家的宏观经济的变动情况，也应该关注这些区域内新兴经济体所带来的外部冲击效应。

第四，基本上，中国对外贸易对韩国遭受冲击后的反应快且大，但受影响时间较短。观察中国进出口对韩国GDP和通货膨胀冲击后的反应，发现中国较容易受到韩国宏观经济变动的影响，但中国受到冲击的期数很短。我们还发现，韩国GDP和通货膨胀正冲击都会使人民币贬值，这说明人民币汇率波动在应对外部冲击时发挥了一定作用。人民币汇率的变化对外部冲击影响的抵御是短期的，我国要想在进出口贸易方面取得竞争力，必须要培育高质量的产品。

第五，中国和印度贸易合作关系大于竞争关系。印度发生通货膨胀正冲击的时候，中国进口增长率在第8期上升2%，出口增长率下降1%。出口的下降幅度没有我们想象的大，反而使中国享受了更物美价廉的产品。中国和印度虽然在经济上存在大量的竞争因素，资源优势相近，产业机构类似，但是中国和印度作为亚洲最大的发展中国家，两国关系应该朝着互利互惠的方向发展。我国应该对中印关系给与足够的重视，通过合作达到优势互补，取长补短。