【专题报告】重点期货品种与中美汇率 之间的因果关系分析
（以下内容从建信期货《【专题报告】重点期货品种与中美汇率 之间的因果关系分析》研报附件原文摘录）
从业资格号：F03107564 一、汇率影响商品价格因素 商品价格受汇率波动的影响可分为直接效应和间接效应两种。由于汇率的变动，大宗商品的价格波动可能通过现货市场的波动进一步对期货市场产生影响。对与外汇市场密切相关的商品而言，汇率波动可能会对期货价格造成直接冲击。尽管汇率对期货市场的价格起着决定性的作用，但它并非决定期货市场价格走势的唯一因素。人民币实际有效汇率的变动可以通过影响进口产品价格进而间接影响到相关产品的供需关系，以及投资者对市场的预期。通常当人民币实际有效汇率和进口成本指数之间呈现负相关关系时，进口价格上涨就有可能导致商品价格下跌。因此本文采用协整分析和脉冲响应函数等方法对人民币汇率与主要商品价格的联动效应进行了深入的分析。 二、向量自回归(VAR)模型介绍 向量自回归模型(Vector Auto-regressive Model, VAR)是一种重要的多变量时间序列分析模型，由克里斯托弗·西姆斯 提出。其主要用于研究多个时间序列变量之间的动态关系。假设我们有k个时间序列变量，每个变量不仅依赖于它自身的过去值，还依赖于其他变量的过去值。我们可以用每个变量的p个过去值来预测它的当前值，其中p是滞后阶数。例如，一个二维的VAR(1)模型可以表示为: 其中，Y是一个2x1的向量，表示两个变量在t时刻的值;c是常数项向量，A是2x2 的系数矩阵，表示变量之间的关系；et 是 2x1 的误差向量。VAR模型的参数可以通过最小二乘法(OLS)来估计。估计得到的参数可以用于预测未来的价格也可以用于进行脉冲响应分析和方差分解分析。在建立模型之前，首先要做好数据的预处理工作，包括数据的平稳性检查，缺失数据和离群点的处理。在模型滞后阶的选取上，可根据信息标准（如 AIC, BIC等）选取最佳阶数。在对模型进行参数估计时，首先要对模型的稳定性进行检验，同时还要对残差的白噪声性进行检验。模型进行预测时给出预测区间而不仅仅是点预测，应该考虑到模型结果的不确定性。 三、VAR模型在期货市场分析中的应用 脉冲响应分析构成了VAR模型的一个关键环节，其目的是量化一个系统内的内生变量如何响应另一个系统的突然变动。在本文中，我们利用两个时间序列来模拟一个复杂经济体系内的脉冲响应关系，并通过检验这些脉冲响应曲线是否服从正态分布来判断其可靠性和准确性。假定我们拥有一个简洁的两变量VAR模型。通过计算脉冲响应函数可以得到在一定时间内某个变量对另一变量的瞬时作用大小。当系统变量遭受“脉冲”（或称为一次性冲击）时，脉冲响应函数将揭示这种冲击是如何对该变量本身以及系统内其他变量的未来数值产生影响的。在这篇文章中，我们利用这一方法来评估经济活动是否存在显着的波动效应。比如说，当我们研究两个经济指数，例如GDP数据和市场利率时，利率变动可能会对接下来几个季度的GDP造成一定的冲击。我们可以通过建立一系列时间序列数据，以确定这类变化是怎样影响经济增长的。 脉冲响应函数将协助我们准确地量化这种影响的程度以及其持续的时长。此外，脉冲响应函数还可以用来检验一些重要指标是否与经济发展存在相关性。在实际操作中，我们经常采用统计模型来估算VAR的各项参数，并进一步计算其脉冲响应函数。这通常涉及到以下步骤： 1.数据准备:确保数据是平稳的，因为VAR模型要求数据是平稳的 2.模型估计:估计VAR模型的参数 3.脉冲响应分析:使用估计的模型参数来计算脉冲响应函数 脉冲响应的分析可能会受到多种因素的干扰，如模型参数的估计偏差、模型设定的滞后阶数选择和外部变量的影响。 此模型的一大优势是能够同时处理多个变量，并能分析出这些变量之间的复杂关系，从而帮助市场参与者更全面地掌握市场的动态变化。由于该方法只需进行一次估计就能够得到估计值，因此它还具有较好的稳健性和适用性。 模型的不足之处在于它需要处理大量的数据，如果模型配置不恰当，可能会引发过度拟合或欠拟合的问题，从而对最终结果造成不利影响。 四、 美元指数与黄金价格之间的VAR模型结果 4.1 数据预处理 构建VAR向量模型时，时间序列的平稳性是一个关键的前置条件。首先，我们需要对选定的时间序列进行ADF单位根的检验。当单位根出现时（Unit Root），这意味着时间序列处于一个非稳定状态，接下来的模型可能会遭遇伪回归的问题。研究结果显示美元指数与伦敦黄金现货之间的一阶差分关系呈现为稳定的序列，而Johansen的协整检验进一步证明，在5%的显著性水平上，它们之间存在明确的协整联系。 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 4.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表1中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对伦敦黄现的一阶差分造成影响”时，P值小于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪金价格的影响显著。 从图表2中的检验数据结果我们可以得出，当原假设为“美元指数的波动不会对伦敦黄现的一阶差分造成影响”时，P值大于0.05，因此我们接受原假设，即美元指数对伦敦金现的影响不显著。 4.3 脉冲响应分析 图表3展示了美元和人民币汇率的一阶差分以及沪金价格的一阶差分变量如何相互影响。两个变量间的相互作用在短时间内相当明显，但随着时间的推移，这种影响会逐步减弱。鉴于贵金属在全球货币结构中所具有的独特性质，汇率的波动可能会直接或者间接地导致国际贵金属的价格发生变化。我们通过深度探讨汇率波动与贵金属价格之间的互动关系来理解汇率变动是如何对贵金属价格产生影响的，以及这种影响在全球贸易和经济增长中的关键作用。汇率波动对贵金属价格产生了双向影响，这不仅受到贵金属市场供需状况的影响，还与汇率市场的供求关系紧密相关。在不同的时间段和阶段，汇率的波动可能导致贵金属价格的变化，但总的来说，汇率的短期波动并不能改变贵金属价格的长期基本走势。鉴于国际金融市场中各种不稳定性因素的持续增长，国际外汇市场的不稳定性可能会引发贵金属价格的剧烈波动。因此，对投资者而言，精确地预见和分析汇率波动可能对贵金属价格造成的影响显得尤为关键。 美元和黄金通常被认为是“避风港”资产：假如美联储的加息导致美元走强，那么我们可能会预测到黄金价格将会下跌，从上述的脉冲响应图中，我们可以清晰地看到这种下跌的程度和它的持续时间。黄金价格的波动可能与地缘政治的动荡或黄金供应的中断有关；也有可能是因为投资者的投机行为造成的，如黄金需求下降等。尽管黄金的价格有所上升，但其对美元指数的直接效应可能并不那么突出，因为两者之间的联系更多地受到宏观经济状况的影响。 全球的投资者普遍持有这样的观点：随着美元指数的波动，黄金市场的价格也会发生改变，这使得他们对美元的汇率走势更加关心。Dooley及其团队之前的研究已经揭示了汇率波动与金价之间存在某种程度的相关性。尽管如此，仍有部分研究从宏观经济角度探讨了多种可能影响黄金价格的因素，例如，除了汇率因素，国际金融市场波动、通货膨胀的预期以及地缘政治的动荡等都是对黄金价格产生重大影响的关键要素。这些因素都有助于我们更好地理解黄金价格与汇率之间的相互关系。当我们探讨黄金与汇率的交互作用时，脉冲响应图将揭示这种相互作用将持续多长时间，以及系统何时会回归到一个稳定的状态。我们还可以利用方差分解法来确定各个因素对金价影响程度大小，进而为投资者提供相应的建议。图表4展示了美元指数的一阶差分与伦敦金现的一阶差分变量之间的冲击及其相互影响，这两个变量在1至5的时间段内的相互作用相当明显；另外一个重要的变量就是原油价格。在美元指数发生波动的情况下，我们有可能注意到黄金价格在较短的时间段内出现波动。然而，随着时间的推移，这种价格波动有可能会逐渐减缓，从而使整个系统的反应逐渐趋于稳定。伦敦金现与美元之间的汇率波动始于负8或更低的水平，而美元指数对伦敦金现的波动范围是从0.1到-0.1。因此，为了提高预测的准确性，我们可以根据具体的实际状况来选择合适的模型进行预测。在脉冲响应分析中，通常会有一个置信区间用于量化预测的不确定性。在置信区间比较狭窄的情况下，我们的预测表现出更高的稳定性。尽管研究揭示了汇率与金价之间的因果联系，但数据分析更多地突出了这些变量间的动态变化和短期趋势。需要强调的是，这一关系可能会受到多个变量的作用，这些变量包括市场的当前状态、投资者的情感反应以及宏观经济的各种因素。 五、美元指数与白银价格之间的VAR模型结果 5.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 5.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表5中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对沪银价格的一阶差分造成影响”时，P值小于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪银价格的影响显著。 5.3 脉冲响应分析 图表6显示的是美元与人民币汇率一阶差分和沪银价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表6显示的是美元指数一阶差分和沪银一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪银现对于美元汇率的变动值最低取于-20上下位置，而美元指数对于沪银的影响波动取值于0.005至-0.005之间。 美元与人民币的汇率指数（USDCNY）对于沪银市场价格的影响是多元化的。它既能直接影响到我国进出口企业的经营业绩，也能够通过影响我国对外贸易发展的速度进而间接地影响到我国国民经济整体的运行态势。本研究从宏观和微观两个维度探讨了汇率波动对我国进出口贸易产生的具体效应。首先，我们需要明确地意识到，汇率波动有可能在一定程度上对中国的进出口业务产生影响。人民币升值意味着出口企业要面临着更大的成本压力，同时汇率的波动也有可能通过调整利率来影响实体经济。如果美元走强，中国的出口商品价格将会下降，大宗商品如沪银的需求也会相应增加。这就意味着在当前人民币贬值的情况下，出口企业可能会受到更大的损失，而进口企业则能得到更多的收益。另外，人民币的升值也有可能通过对进出口贸易的影响，间接地推动国内经济的增长。另外，汇率的不稳定也可能导致通货膨胀，进而增加对金银及其他实物资产的需求。随着人民币的汇率持续上涨，预计中国的市场会变得更为吸引人，这也为沪银带来了更广泛的投资机会。另外，人民币的持续升值也会降低我国企业的成本支出和盈利能力，进而提高企业利润水平。人民币的升值也有助于推动国内经济的增长以及优化国际收支状况。沪银的价格波动是由多种因素共同作用的结果，这些因素涵盖了市场的当前状况、宏观经济数据、政府所采取的政策，以及各类国际事件等。通过分析发现，在不同的时间阶段，各个变量对沪银价值产生着不同程度的作用。在其中，经济增长与市场状况有着紧密的相互关联，而在宏观经济数据分析中，货币供应量和利率水平被认为是最关键的两个影响汇率的因素，而通货膨胀因素也会直接或者间接地对货币供应量造成冲击。因此，为了更深入地理解这两个因素之间的相互作用，我们需要对多个变量进行全面地考量。从宏观层面出发，研究了我国货币政策传导机制及其有效性问题。在目前经济全球化的大背景之下，全球经济状况正在经历深刻的转变；在这种情况下，美元作为全球主要计价结算货币之一的地位将会受到一定程度的挑战。美元和人民币之间的汇率变动，同样会对中国的投资环境产生一定的效应。美元相对于人民币的汇率有所上涨，这将提升中国市场的吸引力，从而可能吸引更多的外资进入，可能会增加市场的流动性，并有可能对商品的沪银价格产生影响。反之，美元相对于人民币汇率变动则会使市场利率下降，从而对国内的投资产生抑制作用。如果美元相对于人民币的升值幅度超出了预期，这将导致投资者在国内资产配置上作出相应的调整，进而可能使市场上的股票收益减少或甚至降低，最终可能触发股票价格的大幅下滑。从长期来看，随着加息潮之后美元贬值和人民币的持续升值，股票以及贵金属避险市场也必然受到影响。值得注意的是，全球的供应与需求、地缘政治的背景以及商品市场的基本情况等多种因素，都可能对贵金属涨跌带来某种程度的影响。市场的参与者还需思考如何在众多风险中挑选出最具优势的状态来面对巴以冲突等地缘政治风险。 六、 美元指数与铜期货价格之间的VAR模型结果 6.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 6.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表8中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对沪铜价格的一阶差分造成影响”时，P值小于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪铜价格的影响显著。 6.3 脉冲响应分析 图表9显示的是美元与人民币汇率一阶差分和沪铜价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表9和图表10显示的是美元指数一阶差分和铜价格一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪铜现对于美元汇率的变动值最低取于-2上下的位置，而美元指数对于沪铜的影响波动取值于10至-10之间。美元与人民币的汇率指标在沪铜价格上的影响可以从多种角度进行深入探讨。当美元升值（即人民币相对于美元的汇率降低）时，与其他货币相比，购买外盘定价的商品，例如铜，可能会变得更加昂贵，这可能会导致需求减少，从而对价格产生压力。此外，如果美元的贬值幅度相对较大，这可能会导致人民币升值，从而进一步推高国内的铜价。考虑到中国是全球最大的铜消费者，人民币汇率的波动可能会影响中国的铜进口成本，从而进一步改变国内铜的价格和市场需求。另外，人民币的升值可能会减少投资者对铜的需求，从而引发价格的上升。例如，在人民币相对于美元贬值的情况下，进口铜的成本可能会上升，这有可能进一步推高国内铜的价格。除此之外，汇率也有可能通过传导效应影响到其他商品的价格。汇率的不稳定性可能会对投资者对未来经济状况的预期造成一定的影响。在此背景下，由于汇率的不稳定性，投资者预测未来的经济状况变得更为困难，这也促使他们对投资项目持更为审慎的态度。除此之外，汇率也能够通过对货币供应量和信贷规模的影响来传递货币政策的效果，从而对实体经济产生影响。汇率的不稳定很有可能是由其他宏观经济因素，如利率、通货膨胀率或贸易策略的改变所引发的。由于铜是一种关键的战略资源，在全球贸易活动中占据着不可或缺的角色，因此汇率对其价格波动具有一定的影响力。美元和人民币的汇率指数与沪铜价格之间存在某种程度的关联，但这种关联的强度可能会受到多种不同因素的影响。从理论角度分析，人民币相对于美元的汇率上涨对铜价具有一定程度的促进效应。铜的价格不仅会受到汇率波动的影响，还会受到如供应链变动、生产成本增加和政策调整等多重因素的综合作用。 七、 美元指数与铝期货价格之间的VAR模型结果 7.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 7.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表11中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对沪铝价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪铝价格的影响不显著。 7.3 脉冲响应分析 图表13显示的是美元与人民币汇率一阶差分和沪铝价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表13和图表14显示的是美元指数一阶差分和铝价格一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪铝现对于美元汇率的变动值最低取于-2上下的位置，而美元指数对于沪铝的影响波动取值于2至-2之间。 铝不仅是工业的基础原料，它同时具有金融和商品的双重特性，特别是在以宏观经济为主导的市场趋势中，铝的价格与美元和原油的价格变动更为密切相关。从相对的角度看，铝的金融特性不如铜，在宏观经济的影响下，铝的价格上升和下降并不显著。在加息周期末尾时期，伦铜和伦铝的经济走势并没有明确的规律性，这主要是因为加息结束后，经济增长有所放缓，导致整个经济体都显示出下滑的趋势；随着加息周期即将结束，金属价格再次回到了供需的主导地位，这导致了它们各自独特的价格波动，与加息周期相比，它们的整体表现显得更为脆弱。从2022年开始的这一轮加息周期很可能已经接近尾声，激进的加息预期大幅下降，2023年上半年很可能会达到这一加息周期的峰值。换句话说，以美元为计价单位的金属市场已经经历了大半的波动，特别是对于金融特性相对较弱的铝，其未来的走势将更倾向于由供需双方主导。 八、 美元指数与原油期货价格之间的VAR模型结果 8.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 8.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表15中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对原油价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对原油价格的影响不显著。 8.3 脉冲响应分析 图表17显示的是美元与人民币汇率一阶差分和原油价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表17和图表18显示的是美元指数一阶差分和铝价格一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪铝现对于美元汇率的变动值最低取于-2上下的位置，而美元指数对于沪铝的影响波动取值于2至-2之间。 长久以来，美元指数与原油期货价格的紧密联系一直是市场的焦点。从经济学市场基本面视角来看，美元走强的情况下，原油的价格有可能会有所下降；同时如果人民币升值速度过快的话，就会造成进口成本增加，进而对价格产生拉动。反之，如果美元贬值，原油的价格有可能会上升。美联储对利率的决策直接对美元指数造成了影响；比如说，在预测美联储可能会加息的情况下，这有可能会促使美元走强，从而进一步降低原油的价格。在全球范围内，供需之间的平衡状况是影响原油价格的核心因素，特别是在供应紧张的情况下，原油价格会有所上升；反之，当供需宽松时原油下跌。OPEC+的减少产量的策略同样可能对石油价格带来正面影响。随着全球经济的持续增长，能源的需求可能会上升，从而导致原油的价格上涨。从长期来看，随着全球原油产量不断下降，未来国际油价将持续走高。然而，如果美元在这一时期表现强劲，有可能会减缓这一上升势头。美元指数与原油期货价格的相互联系是由多种因素共同作用和决定的。在预测原油期货价格的过程中，我们不仅需要密切关注美元指数，还必须考量与地缘政治和供需状况有关的因素。 九、 美元指数与大豆期货价格之间的VAR模型结果 9.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 9.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表19中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对大豆期货价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对大豆期货价格的影响不显著。 9.3 脉冲响应分析 图表20显示的是美元与人民币汇率一阶差分和大豆价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。我国大豆压榨几乎全部用进口大豆，其中每年进口约9500万吨大豆，正常年份下是进口美豆3000-3500万吨，其中就和汇率有关。进口价格约等于（CBOT价格+升贴水+运费）*汇率*（1+关税）*（1+增值税）+港杂费。进口成本影响到油厂的压榨利润和开机率，最终传导到下游的豆粕豆油的价格及库存情况，反过来又会影响到远期买船的积极性。通常情况下，美元的贬值对美豆的出口是有利的，同时也有助于降低我国的进口成本，这对CBOT是有利的。然而美元的升值对美豆的出口是不利的，这会导致我国的进口成本上升，从而有利于国内油粕的价格。综上所述，汇率变化会对大豆期货价格产生影响。研究表明影响可能有限或中性，在分析汇率与大豆期货价格之间的关系时，我们需要考虑影响大豆市场的具体行情。 十、 美元指数与白糖期货价格之间的VAR模型结果 10.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 10.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表23中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对白糖期货价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对白糖价格的影响显著。 10.3 脉冲响应分析 图表25展示了美元和人民币汇率的一阶差分以及白糖价格的一阶差分变量如何相互影响。两个变量之间的互动在短期内是非常显著的，但随着时间的流逝，这种影响会逐渐减弱。美元指数展示了美元与一篮子其他货币之间的整体力量对比。从历史角度观察，美元与其他主要的国际货币之间有着一种协整的联系。当涉及到白糖期货交易时，美元的升值通常会导致白糖期货价格受到某种程度的限制。在美元贬值的情况下，白糖期货也遭受了巨大的打击。当美元升值时，为了购买等量的白糖，所需的外币会增加，这可能会降低白糖在出口市场的竞争力。与此同时，由于美元的升值，白糖的制造成本也随之上升，这进一步导致了白糖销售价格的下滑。美元指数与白糖期货的价格往往呈现出负相关性。随着美元指数的下跌，白糖的进口成本也会相应减少，这将进一步影响白糖在非美元地区的市场价格。随着美元指数的增长，全球白糖的价格可能会受到影响并呈现下降趋势，这种情况在其他情况下也同样存在。在美元强势升值的情况下，为了购买等量的白糖，所需的非美元货币很可能会增加，这导致了白糖在非美元国家的价格变得更加昂贵，从而降低了其在市场上的需求。美元指数不仅会对白糖期货市场的交易量和持仓量产生影响，而且还会进一步影响白糖期货的价格。全球经济及地缘政治冲突不稳定性上升，这使得投资者在货币和白糖头寸之间更倾向于购买“避险”资产。汇率的波动，尤其是巴西雷亚尔和美元的汇率变动，有可能直接对食糖期货价格产生影响。另外，在全球范围内，汇率的波动有可能通过对乙醇生产盈利能力和整体商品市场的影响，间接地作用于食糖期货的价格。 风险提示： 我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，报告中的信息或意见并不构成投资者据此做出投资决策的依据。 建信期货研究发展部 宏观金融研究团队 021-60635739 有色金属研究团队 021-60635734 黑色金属研究团队 021-60635736 石油化工研究团队 021-60635738 农业产品研究团队 021-60635732 量化策略研究团队 021-60635726 建信期货研究服务 ?扫描二维码关注 微信公众号ID ：jxqhyfb
从业资格号：F03107564 一、汇率影响商品价格因素 商品价格受汇率波动的影响可分为直接效应和间接效应两种。由于汇率的变动，大宗商品的价格波动可能通过现货市场的波动进一步对期货市场产生影响。对与外汇市场密切相关的商品而言，汇率波动可能会对期货价格造成直接冲击。尽管汇率对期货市场的价格起着决定性的作用，但它并非决定期货市场价格走势的唯一因素。人民币实际有效汇率的变动可以通过影响进口产品价格进而间接影响到相关产品的供需关系，以及投资者对市场的预期。通常当人民币实际有效汇率和进口成本指数之间呈现负相关关系时，进口价格上涨就有可能导致商品价格下跌。因此本文采用协整分析和脉冲响应函数等方法对人民币汇率与主要商品价格的联动效应进行了深入的分析。 二、向量自回归(VAR)模型介绍 向量自回归模型(Vector Auto-regressive Model, VAR)是一种重要的多变量时间序列分析模型，由克里斯托弗·西姆斯 提出。其主要用于研究多个时间序列变量之间的动态关系。假设我们有k个时间序列变量，每个变量不仅依赖于它自身的过去值，还依赖于其他变量的过去值。我们可以用每个变量的p个过去值来预测它的当前值，其中p是滞后阶数。例如，一个二维的VAR(1)模型可以表示为: 其中，Y是一个2x1的向量，表示两个变量在t时刻的值;c是常数项向量，A是2x2 的系数矩阵，表示变量之间的关系；et 是 2x1 的误差向量。VAR模型的参数可以通过最小二乘法(OLS)来估计。估计得到的参数可以用于预测未来的价格也可以用于进行脉冲响应分析和方差分解分析。在建立模型之前，首先要做好数据的预处理工作，包括数据的平稳性检查，缺失数据和离群点的处理。在模型滞后阶的选取上，可根据信息标准（如 AIC, BIC等）选取最佳阶数。在对模型进行参数估计时，首先要对模型的稳定性进行检验，同时还要对残差的白噪声性进行检验。模型进行预测时给出预测区间而不仅仅是点预测，应该考虑到模型结果的不确定性。 三、VAR模型在期货市场分析中的应用 脉冲响应分析构成了VAR模型的一个关键环节，其目的是量化一个系统内的内生变量如何响应另一个系统的突然变动。在本文中，我们利用两个时间序列来模拟一个复杂经济体系内的脉冲响应关系，并通过检验这些脉冲响应曲线是否服从正态分布来判断其可靠性和准确性。假定我们拥有一个简洁的两变量VAR模型。通过计算脉冲响应函数可以得到在一定时间内某个变量对另一变量的瞬时作用大小。当系统变量遭受“脉冲”（或称为一次性冲击）时，脉冲响应函数将揭示这种冲击是如何对该变量本身以及系统内其他变量的未来数值产生影响的。在这篇文章中，我们利用这一方法来评估经济活动是否存在显着的波动效应。比如说，当我们研究两个经济指数，例如GDP数据和市场利率时，利率变动可能会对接下来几个季度的GDP造成一定的冲击。我们可以通过建立一系列时间序列数据，以确定这类变化是怎样影响经济增长的。 脉冲响应函数将协助我们准确地量化这种影响的程度以及其持续的时长。此外，脉冲响应函数还可以用来检验一些重要指标是否与经济发展存在相关性。在实际操作中，我们经常采用统计模型来估算VAR的各项参数，并进一步计算其脉冲响应函数。这通常涉及到以下步骤： 1.数据准备:确保数据是平稳的，因为VAR模型要求数据是平稳的 2.模型估计:估计VAR模型的参数 3.脉冲响应分析:使用估计的模型参数来计算脉冲响应函数 脉冲响应的分析可能会受到多种因素的干扰，如模型参数的估计偏差、模型设定的滞后阶数选择和外部变量的影响。 此模型的一大优势是能够同时处理多个变量，并能分析出这些变量之间的复杂关系，从而帮助市场参与者更全面地掌握市场的动态变化。由于该方法只需进行一次估计就能够得到估计值，因此它还具有较好的稳健性和适用性。 模型的不足之处在于它需要处理大量的数据，如果模型配置不恰当，可能会引发过度拟合或欠拟合的问题，从而对最终结果造成不利影响。 四、 美元指数与黄金价格之间的VAR模型结果 4.1 数据预处理 构建VAR向量模型时，时间序列的平稳性是一个关键的前置条件。首先，我们需要对选定的时间序列进行ADF单位根的检验。当单位根出现时（Unit Root），这意味着时间序列处于一个非稳定状态，接下来的模型可能会遭遇伪回归的问题。研究结果显示美元指数与伦敦黄金现货之间的一阶差分关系呈现为稳定的序列，而Johansen的协整检验进一步证明，在5%的显著性水平上，它们之间存在明确的协整联系。 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 4.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表1中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对伦敦黄现的一阶差分造成影响”时，P值小于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪金价格的影响显著。 从图表2中的检验数据结果我们可以得出，当原假设为“美元指数的波动不会对伦敦黄现的一阶差分造成影响”时，P值大于0.05，因此我们接受原假设，即美元指数对伦敦金现的影响不显著。 4.3 脉冲响应分析 图表3展示了美元和人民币汇率的一阶差分以及沪金价格的一阶差分变量如何相互影响。两个变量间的相互作用在短时间内相当明显，但随着时间的推移，这种影响会逐步减弱。鉴于贵金属在全球货币结构中所具有的独特性质，汇率的波动可能会直接或者间接地导致国际贵金属的价格发生变化。我们通过深度探讨汇率波动与贵金属价格之间的互动关系来理解汇率变动是如何对贵金属价格产生影响的，以及这种影响在全球贸易和经济增长中的关键作用。汇率波动对贵金属价格产生了双向影响，这不仅受到贵金属市场供需状况的影响，还与汇率市场的供求关系紧密相关。在不同的时间段和阶段，汇率的波动可能导致贵金属价格的变化，但总的来说，汇率的短期波动并不能改变贵金属价格的长期基本走势。鉴于国际金融市场中各种不稳定性因素的持续增长，国际外汇市场的不稳定性可能会引发贵金属价格的剧烈波动。因此，对投资者而言，精确地预见和分析汇率波动可能对贵金属价格造成的影响显得尤为关键。 美元和黄金通常被认为是“避风港”资产：假如美联储的加息导致美元走强，那么我们可能会预测到黄金价格将会下跌，从上述的脉冲响应图中，我们可以清晰地看到这种下跌的程度和它的持续时间。黄金价格的波动可能与地缘政治的动荡或黄金供应的中断有关；也有可能是因为投资者的投机行为造成的，如黄金需求下降等。尽管黄金的价格有所上升，但其对美元指数的直接效应可能并不那么突出，因为两者之间的联系更多地受到宏观经济状况的影响。 全球的投资者普遍持有这样的观点：随着美元指数的波动，黄金市场的价格也会发生改变，这使得他们对美元的汇率走势更加关心。Dooley及其团队之前的研究已经揭示了汇率波动与金价之间存在某种程度的相关性。尽管如此，仍有部分研究从宏观经济角度探讨了多种可能影响黄金价格的因素，例如，除了汇率因素，国际金融市场波动、通货膨胀的预期以及地缘政治的动荡等都是对黄金价格产生重大影响的关键要素。这些因素都有助于我们更好地理解黄金价格与汇率之间的相互关系。当我们探讨黄金与汇率的交互作用时，脉冲响应图将揭示这种相互作用将持续多长时间，以及系统何时会回归到一个稳定的状态。我们还可以利用方差分解法来确定各个因素对金价影响程度大小，进而为投资者提供相应的建议。图表4展示了美元指数的一阶差分与伦敦金现的一阶差分变量之间的冲击及其相互影响，这两个变量在1至5的时间段内的相互作用相当明显；另外一个重要的变量就是原油价格。在美元指数发生波动的情况下，我们有可能注意到黄金价格在较短的时间段内出现波动。然而，随着时间的推移，这种价格波动有可能会逐渐减缓，从而使整个系统的反应逐渐趋于稳定。伦敦金现与美元之间的汇率波动始于负8或更低的水平，而美元指数对伦敦金现的波动范围是从0.1到-0.1。因此，为了提高预测的准确性，我们可以根据具体的实际状况来选择合适的模型进行预测。在脉冲响应分析中，通常会有一个置信区间用于量化预测的不确定性。在置信区间比较狭窄的情况下，我们的预测表现出更高的稳定性。尽管研究揭示了汇率与金价之间的因果联系，但数据分析更多地突出了这些变量间的动态变化和短期趋势。需要强调的是，这一关系可能会受到多个变量的作用，这些变量包括市场的当前状态、投资者的情感反应以及宏观经济的各种因素。 五、美元指数与白银价格之间的VAR模型结果 5.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 5.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表5中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对沪银价格的一阶差分造成影响”时，P值小于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪银价格的影响显著。 5.3 脉冲响应分析 图表6显示的是美元与人民币汇率一阶差分和沪银价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表6显示的是美元指数一阶差分和沪银一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪银现对于美元汇率的变动值最低取于-20上下位置，而美元指数对于沪银的影响波动取值于0.005至-0.005之间。 美元与人民币的汇率指数（USDCNY）对于沪银市场价格的影响是多元化的。它既能直接影响到我国进出口企业的经营业绩，也能够通过影响我国对外贸易发展的速度进而间接地影响到我国国民经济整体的运行态势。本研究从宏观和微观两个维度探讨了汇率波动对我国进出口贸易产生的具体效应。首先，我们需要明确地意识到，汇率波动有可能在一定程度上对中国的进出口业务产生影响。人民币升值意味着出口企业要面临着更大的成本压力，同时汇率的波动也有可能通过调整利率来影响实体经济。如果美元走强，中国的出口商品价格将会下降，大宗商品如沪银的需求也会相应增加。这就意味着在当前人民币贬值的情况下，出口企业可能会受到更大的损失，而进口企业则能得到更多的收益。另外，人民币的升值也有可能通过对进出口贸易的影响，间接地推动国内经济的增长。另外，汇率的不稳定也可能导致通货膨胀，进而增加对金银及其他实物资产的需求。随着人民币的汇率持续上涨，预计中国的市场会变得更为吸引人，这也为沪银带来了更广泛的投资机会。另外，人民币的持续升值也会降低我国企业的成本支出和盈利能力，进而提高企业利润水平。人民币的升值也有助于推动国内经济的增长以及优化国际收支状况。沪银的价格波动是由多种因素共同作用的结果，这些因素涵盖了市场的当前状况、宏观经济数据、政府所采取的政策，以及各类国际事件等。通过分析发现，在不同的时间阶段，各个变量对沪银价值产生着不同程度的作用。在其中，经济增长与市场状况有着紧密的相互关联，而在宏观经济数据分析中，货币供应量和利率水平被认为是最关键的两个影响汇率的因素，而通货膨胀因素也会直接或者间接地对货币供应量造成冲击。因此，为了更深入地理解这两个因素之间的相互作用，我们需要对多个变量进行全面地考量。从宏观层面出发，研究了我国货币政策传导机制及其有效性问题。在目前经济全球化的大背景之下，全球经济状况正在经历深刻的转变；在这种情况下，美元作为全球主要计价结算货币之一的地位将会受到一定程度的挑战。美元和人民币之间的汇率变动，同样会对中国的投资环境产生一定的效应。美元相对于人民币的汇率有所上涨，这将提升中国市场的吸引力，从而可能吸引更多的外资进入，可能会增加市场的流动性，并有可能对商品的沪银价格产生影响。反之，美元相对于人民币汇率变动则会使市场利率下降，从而对国内的投资产生抑制作用。如果美元相对于人民币的升值幅度超出了预期，这将导致投资者在国内资产配置上作出相应的调整，进而可能使市场上的股票收益减少或甚至降低，最终可能触发股票价格的大幅下滑。从长期来看，随着加息潮之后美元贬值和人民币的持续升值，股票以及贵金属避险市场也必然受到影响。值得注意的是，全球的供应与需求、地缘政治的背景以及商品市场的基本情况等多种因素，都可能对贵金属涨跌带来某种程度的影响。市场的参与者还需思考如何在众多风险中挑选出最具优势的状态来面对巴以冲突等地缘政治风险。 六、 美元指数与铜期货价格之间的VAR模型结果 6.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 6.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表8中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对沪铜价格的一阶差分造成影响”时，P值小于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪铜价格的影响显著。 6.3 脉冲响应分析 图表9显示的是美元与人民币汇率一阶差分和沪铜价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表9和图表10显示的是美元指数一阶差分和铜价格一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪铜现对于美元汇率的变动值最低取于-2上下的位置，而美元指数对于沪铜的影响波动取值于10至-10之间。美元与人民币的汇率指标在沪铜价格上的影响可以从多种角度进行深入探讨。当美元升值（即人民币相对于美元的汇率降低）时，与其他货币相比，购买外盘定价的商品，例如铜，可能会变得更加昂贵，这可能会导致需求减少，从而对价格产生压力。此外，如果美元的贬值幅度相对较大，这可能会导致人民币升值，从而进一步推高国内的铜价。考虑到中国是全球最大的铜消费者，人民币汇率的波动可能会影响中国的铜进口成本，从而进一步改变国内铜的价格和市场需求。另外，人民币的升值可能会减少投资者对铜的需求，从而引发价格的上升。例如，在人民币相对于美元贬值的情况下，进口铜的成本可能会上升，这有可能进一步推高国内铜的价格。除此之外，汇率也有可能通过传导效应影响到其他商品的价格。汇率的不稳定性可能会对投资者对未来经济状况的预期造成一定的影响。在此背景下，由于汇率的不稳定性，投资者预测未来的经济状况变得更为困难，这也促使他们对投资项目持更为审慎的态度。除此之外，汇率也能够通过对货币供应量和信贷规模的影响来传递货币政策的效果，从而对实体经济产生影响。汇率的不稳定很有可能是由其他宏观经济因素，如利率、通货膨胀率或贸易策略的改变所引发的。由于铜是一种关键的战略资源，在全球贸易活动中占据着不可或缺的角色，因此汇率对其价格波动具有一定的影响力。美元和人民币的汇率指数与沪铜价格之间存在某种程度的关联，但这种关联的强度可能会受到多种不同因素的影响。从理论角度分析，人民币相对于美元的汇率上涨对铜价具有一定程度的促进效应。铜的价格不仅会受到汇率波动的影响，还会受到如供应链变动、生产成本增加和政策调整等多重因素的综合作用。 七、 美元指数与铝期货价格之间的VAR模型结果 7.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 7.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表11中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对沪铝价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对沪铝价格的影响不显著。 7.3 脉冲响应分析 图表13显示的是美元与人民币汇率一阶差分和沪铝价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表13和图表14显示的是美元指数一阶差分和铝价格一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪铝现对于美元汇率的变动值最低取于-2上下的位置，而美元指数对于沪铝的影响波动取值于2至-2之间。 铝不仅是工业的基础原料，它同时具有金融和商品的双重特性，特别是在以宏观经济为主导的市场趋势中，铝的价格与美元和原油的价格变动更为密切相关。从相对的角度看，铝的金融特性不如铜，在宏观经济的影响下，铝的价格上升和下降并不显著。在加息周期末尾时期，伦铜和伦铝的经济走势并没有明确的规律性，这主要是因为加息结束后，经济增长有所放缓，导致整个经济体都显示出下滑的趋势；随着加息周期即将结束，金属价格再次回到了供需的主导地位，这导致了它们各自独特的价格波动，与加息周期相比，它们的整体表现显得更为脆弱。从2022年开始的这一轮加息周期很可能已经接近尾声，激进的加息预期大幅下降，2023年上半年很可能会达到这一加息周期的峰值。换句话说，以美元为计价单位的金属市场已经经历了大半的波动，特别是对于金融特性相对较弱的铝，其未来的走势将更倾向于由供需双方主导。 八、 美元指数与原油期货价格之间的VAR模型结果 8.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 8.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表15中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对原油价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对原油价格的影响不显著。 8.3 脉冲响应分析 图表17显示的是美元与人民币汇率一阶差分和原油价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。图表17和图表18显示的是美元指数一阶差分和铝价格一阶差分变量冲击对彼此的影响，两个变量之间的相互影响在1至4期限内较为显著。 沪铝现对于美元汇率的变动值最低取于-2上下的位置，而美元指数对于沪铝的影响波动取值于2至-2之间。 长久以来，美元指数与原油期货价格的紧密联系一直是市场的焦点。从经济学市场基本面视角来看，美元走强的情况下，原油的价格有可能会有所下降；同时如果人民币升值速度过快的话，就会造成进口成本增加，进而对价格产生拉动。反之，如果美元贬值，原油的价格有可能会上升。美联储对利率的决策直接对美元指数造成了影响；比如说，在预测美联储可能会加息的情况下，这有可能会促使美元走强，从而进一步降低原油的价格。在全球范围内，供需之间的平衡状况是影响原油价格的核心因素，特别是在供应紧张的情况下，原油价格会有所上升；反之，当供需宽松时原油下跌。OPEC+的减少产量的策略同样可能对石油价格带来正面影响。随着全球经济的持续增长，能源的需求可能会上升，从而导致原油的价格上涨。从长期来看，随着全球原油产量不断下降，未来国际油价将持续走高。然而，如果美元在这一时期表现强劲，有可能会减缓这一上升势头。美元指数与原油期货价格的相互联系是由多种因素共同作用和决定的。在预测原油期货价格的过程中，我们不仅需要密切关注美元指数，还必须考量与地缘政治和供需状况有关的因素。 九、 美元指数与大豆期货价格之间的VAR模型结果 9.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 9.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表19中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对大豆期货价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对大豆期货价格的影响不显著。 9.3 脉冲响应分析 图表20显示的是美元与人民币汇率一阶差分和大豆价格一阶差分变量冲击对彼此的影响。两个变量之间的相互影响在短期内较为显著，但随着时间的流失，影响逐渐减弱。我国大豆压榨几乎全部用进口大豆，其中每年进口约9500万吨大豆，正常年份下是进口美豆3000-3500万吨，其中就和汇率有关。进口价格约等于（CBOT价格+升贴水+运费）*汇率*（1+关税）*（1+增值税）+港杂费。进口成本影响到油厂的压榨利润和开机率，最终传导到下游的豆粕豆油的价格及库存情况，反过来又会影响到远期买船的积极性。通常情况下，美元的贬值对美豆的出口是有利的，同时也有助于降低我国的进口成本，这对CBOT是有利的。然而美元的升值对美豆的出口是不利的，这会导致我国的进口成本上升，从而有利于国内油粕的价格。综上所述，汇率变化会对大豆期货价格产生影响。研究表明影响可能有限或中性，在分析汇率与大豆期货价格之间的关系时，我们需要考虑影响大豆市场的具体行情。 十、 美元指数与白糖期货价格之间的VAR模型结果 10.1 数据预处理 在我们证明变量之间存在协整关系的基础上，可以利用LogL、LR、FPE、AIC、SC、HQ准则构建时间序列滞后期间为0到10的VAR模型。根据LR、FPE和AIC的测算结果，我们推算0lag阶数可能为滞后阶数。随后在验证所建立的VAR模型具有平稳有效性时我们需要使用AR特征根检验。当滞后阶数为 0 时，所有 AR 特征根的倒数模均小于1， 表明本文构建的 VAR 模型稳定有效，可以继续进行后续研究。 10.2 格兰杰因果关系检验 接下来我们采用了格兰杰因果关系检验方法对时间序列之间的关系进行探究，从图表23中的检验数据结果我们可以得出，当原假设为“美元与人民币汇率指数的波动不会对白糖期货价格的一阶差分造成影响”时，P值大于0.05，因此我们拒绝原假设，即美元与人民币汇率指数对白糖价格的影响显著。 10.3 脉冲响应分析 图表25展示了美元和人民币汇率的一阶差分以及白糖价格的一阶差分变量如何相互影响。两个变量之间的互动在短期内是非常显著的，但随着时间的流逝，这种影响会逐渐减弱。美元指数展示了美元与一篮子其他货币之间的整体力量对比。从历史角度观察，美元与其他主要的国际货币之间有着一种协整的联系。当涉及到白糖期货交易时，美元的升值通常会导致白糖期货价格受到某种程度的限制。在美元贬值的情况下，白糖期货也遭受了巨大的打击。当美元升值时，为了购买等量的白糖，所需的外币会增加，这可能会降低白糖在出口市场的竞争力。与此同时，由于美元的升值，白糖的制造成本也随之上升，这进一步导致了白糖销售价格的下滑。美元指数与白糖期货的价格往往呈现出负相关性。随着美元指数的下跌，白糖的进口成本也会相应减少，这将进一步影响白糖在非美元地区的市场价格。随着美元指数的增长，全球白糖的价格可能会受到影响并呈现下降趋势，这种情况在其他情况下也同样存在。在美元强势升值的情况下，为了购买等量的白糖，所需的非美元货币很可能会增加，这导致了白糖在非美元国家的价格变得更加昂贵，从而降低了其在市场上的需求。美元指数不仅会对白糖期货市场的交易量和持仓量产生影响，而且还会进一步影响白糖期货的价格。全球经济及地缘政治冲突不稳定性上升，这使得投资者在货币和白糖头寸之间更倾向于购买“避险”资产。汇率的波动，尤其是巴西雷亚尔和美元的汇率变动，有可能直接对食糖期货价格产生影响。另外，在全球范围内，汇率的波动有可能通过对乙醇生产盈利能力和整体商品市场的影响，间接地作用于食糖期货的价格。 风险提示： 我们已力求报告内容的客观、公正，但文中的观点、结论和建议仅供参考，报告中的信息或意见并不构成投资者据此做出投资决策的依据。 建信期货研究发展部 宏观金融研究团队 021-60635739 有色金属研究团队 021-60635734 黑色金属研究团队 021-60635736 石油化工研究团队 021-60635738 农业产品研究团队 021-60635732 量化策略研究团队 021-60635726 建信期货研究服务 ?扫描二维码关注 微信公众号ID ：jxqhyfb
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
- 最新研报
- 微信研报
- 行产报告
