★ 经济管理 ★
2016年供给侧改革加速落地以来,煤炭和钢铁行业作为我国国民经济的重要基础产业,在改革中被视为重点而同步进行,行业发展由追求规模效益向追求质量效益转变。2015-2021年,全国煤炭企业存煤从1.01亿t下降至5 800万t,全国规模以上煤炭企业利润总额增长近15倍。2021年,我国钢铁产量过快增长的现状得到有效遏制,全年累计粗钢产量10.33亿t,同比下降3.0%;钢铁行业效益创历史最高,全年重点大中型钢铁企业累计利润总额同比增长59.7%。
煤炭行业是钢铁行业的上游企业和燃料供应行业,钢铁行业是煤炭行业的下游企业和客户。两个行业相互依存、利益相关。从产业链角度,焦煤是焦炭的主要原材料,焦炭是螺纹钢的主要原材料,焦煤、焦炭和钢铁构成了生产上的完整链条。中国煤炭工业协会发布的《2021煤炭行业发展年度报告》[1]指出,2022年是“十四五”规划全面实施的重要一年,是煤炭行业推进高质量发展的深化之年、关键之年。随着“碳达峰、碳中和”战略实施,煤炭行业又面临降碳压力,同时受到复杂多变的国内外形势影响,煤炭供需不平衡的情况可能出现,需持续加强全国煤炭的供应保障能力,保障正常生产和民生用电。
近年来,国内学者从煤炭产业链供需趋势的视角出发,研究与煤炭供需相关的影响因素,对供给量和需求量的走势分别进行预测。孙超等[2]利用相关向量机算法,对我国“十四五”期间的煤炭供需量进行预测,结果表明我国煤炭产量及消费量仍处于稳步上升阶段;王长建等[3]通过构建基于供给侧分析的LMDI(对数平均迪氏指数法)模型和基于需求侧分析的IO-SDA(投入产出结构分解分析法)模型,揭示我国煤炭消费的演变特征及驱动机制,发现分行业的煤炭消费呈现出由“出口到固定资本形成总额再到城镇居民消费”拉动的变化特征;周少统[4]通过分析我国煤炭消费和供应变化特征,得出煤炭消费在经过高位调整阶段后,消费强度在一次能源消费中的占比不断下降,消费总量也将逐步减少,同时煤炭供应重心西移,进口煤炭成为国内煤炭供应的重要组成。
在煤炭供需平衡体系的研究中,众多学者构建供需综合指数,并进一步探究供需平衡预测预警机制。冯雨等[5]分析了煤矿产能变化原因,认为国家宏观经济发展状况、煤炭下游行业发展对煤炭需求和消费形成重要影响,构建煤炭下游行业数据监测体系,同时对煤炭供需预警机制进行研究,若供需比在1.006~1.012区间,煤炭市场供需关系表现为紧平衡,若供需比小于1.06,则表现为失衡;王晓燕[6]基于统计指数编制理论以及指数因素分析法构建了我国动力煤短期和中短期的产需平衡指标体系,得出短期产需平衡合成指数与我国煤炭价格指数的关联性,并运用差分整合移动平均自回归(ARIMA)模型对动力煤中短期产需平衡合成指数进行预测;艾德春[7]详细分析了影响我国煤炭供给和需求的主要因素,把煤炭供给和需求看作一个系统,提出了系统供需速率概念,然后根据时差分析理论和因果关系理论,构建煤炭供需预测预警指标体系,确定了煤炭供需综合警限值及警度。
国内学者对煤炭产业链上下游供需联动关系的研究较少,大多集中于对煤炭期现货市场价格联动关系的研究。云小鹏[8]寻求我国的动力煤价格影响因素及波动特征,选取6个煤炭上下游关键节点的数据作为影响因子,运用向量自回归(VAR)模型拟合波动;李百吉等[9]基于斯皮尔曼和肯德尔相关分析法,发现焦煤、焦炭和动力煤的同期期货价格间具有较高的关联性,并通过VAR模型和协整检验,发现煤炭市场存在长期均衡,焦煤和焦炭价格存在双向因果关系,价格走势存在15 d左右滞后期;石智超等[10]研究发现产业链下游的大宗商品价格与上游公司股价具有双向波动溢出效应,并且这些基础原料对下游需求更敏感,其价格波动对上游企业的价格变化影响较大。
通过借鉴已有文献,笔者以焦炭的供需平衡指标为研究内容,以焦炭、焦煤、钢铁为研究对象,构建理论模型框架,利用VAR模型、格兰杰(Granger)因果检验、脉冲响应等分析方法,研究我国煤炭钢铁产业链上下游产品的供给与需求对焦煤供需平衡度的影响,为维护煤炭和钢铁行业保持供给和需求的总体稳定,引导企业根据市场自主调节生产节奏提供科学依据。
2012-2021年我国焦炭供需比、上游焦煤的供给量和需求量、下游钢铁的供给量和需求量的走势如图1和图2所示,其中部分缺失数据保留。
图1 焦炭供需比、焦煤供给量、焦煤需求量变化走势
图2 焦炭供需比、钢铁供给量、钢铁需求量变化走势
由图1可以看出,我国的焦炭供需比总体呈下降趋势,但比值始终大于1,表明近10年来,我国焦炭存在产能过剩的问题,但供过于求的情况正在逐渐缓解,2020年1月焦炭供需比首次达到1.0,说明供给侧改革的实施成效明显。焦煤作为煤炭钢铁产业链上游基础原料,供给量和需求量波动幅度明显。2016年前受金融危机的影响,全球经济陷入低迷状态,我国基建投资低迷,焦煤供需量呈下行趋势,随着中央财政政策的支持,煤炭行业开始推行供给侧结构改革,供需量逐渐回升,增速平缓。
由图2可以看出,近10年我国钢铁的供给量和需求量总体呈现平稳增长。2016年前钢铁需求量呈现周期性变化,每年一季度的产量大幅下降,可能与市场周期性需求较弱有关。钢铁供给量在2016年前大于钢铁需求量,改革实施后钢铁企业转型升级,部分产能强制退出,产量略有下降,钢铁需求量逐渐超过供给量。
综合图1和图2可知,焦煤和钢铁的市场供需量基本保持同向趋势变化,说明煤炭钢铁产业链的供求关系密切;上下游产品需求量的波动幅度明显大于供给量的波幅,需求量变化的拐点大多比钢铁供给量早1个月左右,说明煤炭钢铁市场是需求拉动型市场。
为了能够全面系统地反映煤炭钢铁产业链上下游对焦炭供需平衡的影响,选取反映这些内在因素所构成的整体,作为影响供需平衡关系的指标体系。笔者选取2011年1月-2022年2月的月度数据,数据来源于钢联数据,部分缺失数据用均值插补法进行填补。
(1)被解释变量。运用供需比指标来反映焦炭的供需平衡度,记为coke_indexi,计算式如下:
(1)
式中:coke_indexi——第i期的焦炭供需比;
outputi、comsumptioni——第i期的焦炭产量、消费量;
imi、exi——第i期的焦炭进口量、出口量。
(2)解释变量。涉及焦炭产业链上游的变量包括焦煤供给量(coal_supply)、焦煤需求量(coal_demand),为消除指标之间量纲的影响,对各序列进行标准化处理;涉及焦炭产业链下游的变量包括钢铁供给量(steel_supply)、钢铁需求量(steel_demand),对各序列进行环比增长率处理。
通过皮尔逊相关系数来计算被解释变量和解释变量间的相关关系,结果见表1。2011年1月-2022年2月的焦炭供需比与焦煤供给量、焦煤需求量、钢铁供给量、钢铁需求量的相关性均在10%水平下显著,选取的5个变量适合纳入模型。
表1 焦炭供需比与焦炭、钢铁的供给量、需求量的相关系数
coke_indexcoal_supplycoal_demandsteel_supplysteel_demandcoke_index1coal_supply0.265(0.004)∗∗∗1coal_demand0.231(0.012)∗∗0.862(0)∗∗∗1steel_supply0.203(0.044)∗∗-0.059(0.555)0.032(0.747)1steel_demand-0.112(0.074)∗0.428(0)∗∗∗0.557(0)∗∗∗-0.245(0.012)∗∗1
注:括号内数字为P值,*、**和***分别表示10%、5%和1%的显著性水平
用于建立VAR模型以及格兰杰因果分析的数据必须是平稳的,否则可能会出现无实际意义但拟合优度却很高的“伪回归现象”。采用增广迪基-富勒单位根(ADF)检验对所有指标进行平稳性检验,结果见表2,在5%的显著性水平上,全部变量拒绝存在单位根的原假设,都是平稳序列。
表2 各指标的ADF检验结果
指标检验类型ADF值5%临界值P值结论coke_index有截距和趋势项-3.656-2.8890.004 8平稳coal_supply有截距和趋势项-5.483-2.8890平稳coal_demand有截距和趋势项-6.903-2.8890平稳steel_supply有截距和趋势项-15.036-2.8920平稳steel_demand有截距和趋势项-10.780-2.8880平稳
通过信息准则最小化的方法来确定VAR模型的最优滞后阶数,结果见表3,最终预报误差准则(FPE)、赤池信息准则(AIC)和汉南-奎因信息准则(HQIC)在滞后期为2时最小,按少数服从多数原则,最优滞后阶数选择为2期,建立VAR(2)模型。
表3 VAR模型滞后阶数选择结果
滞后期数最大似然估计值(LL)似然比检验值(LR)最终预报误差准则(FPE)赤池信息准则(AIC)汉南-奎因信息准则(HQIC)贝叶斯信息准则(SBIC)0-46.292.9×1061.4451.5081.604 000160.03212.7003.0×107-0.846-0.4660.110 123∗2107.5095.0201.6×107∗-1.480∗∗-0.783∗∗0.273 0003127.3039.525∗∗1.9×107-1.332-0.3191.217 0004145.1035.5702.4×107-1.1290.2012.217 0005168.3061.976∗∗2.7×107-1.1780.5383.171 000
注:*、**和***分别表示10%、5%和1%的显著性水平
检验变量间是否具有统计意义上的因果关系,需要进行Granger因果检验,检验结果见表4,在10%水平下,焦炭供需比与焦煤供给量、钢铁供给量、钢铁需求量构成双向Granger因果关系,与焦煤需求量不是彼此的Granger原因。Granger因果检验只能表示统计意义上的因果关系,实际这些因素是不是焦炭供需平衡变化的真正原因还需要结合VAR模型与后续检验来共同完成。
表4 VAR模型的Granger因果关系检验结果
原假设卡方统计量P值结论coke_index不是coal_supply的Granger原因6.3090.043拒绝coal_supply不是coke_index的Granger原因10.9800.004拒绝coke_index不是coal_demand的Granger原因3.6060.165不拒绝coal_demand不是coke_index的Granger原因4.4280.109不拒绝coke_index不是steel_supply的Granger原因7.3310.026拒绝steel_supply不是coke_index的Granger原因13.5600.001拒绝coke_index不是steel_demand的Granger原因17.5000.000拒绝steel_demand不是coke_index的Granger原因10.2600.006拒绝
VAR模型把所有的变量都作为内生变量来处理,笔者从产业链的角度将上下游的供需数量作为内生变量,减少了变量选择时的主观判断错误,同时避免了传统结构性模型中的结构约束问题以及假设条件[12]。
由此建立的VAR(2)模型参数估计结果见表5。
表5 VAR(2)模型的估计结果
解释变量被解释变量coke_indexcoal_supplycoal_demandsteel_supplysteel_demandcoke_index(-1)0.475(4.56)∗∗∗0.219(1.50)0.031 4(0.21)-0.021 7(-1.55)0.001 27(0.10)coke_index(-2)0.332(3.32)∗∗∗-0.249(-1.79)∗-0.013 6(-0.09)0.027 8(2.07)∗∗-0.017 4(-1.49)coal_supply(-1)-0.049 2(-0.35)0.670(3.38)∗∗∗0.177(0.85)-0.060 9(-3.19)∗∗∗-0.008 57(-0.52)coal_supply(-2)0.280(2.05)∗∗0.102(-0.53)0.355(1.78)∗0.031 6(1.72)∗-0.013 3(-0.83)coal_demand(-1)-0.225(-1.69)∗-0.028 2(-0.15)0.459(2.36)∗∗0.007 69(0.43)0.018 2(1.16)coal_demand(-2)-9.70×105(0)0.040 3(0.23)0.420(2.25)∗∗-0.000 183(-0.01)0.013 8(0.92)steel_supply(-1)-2.742(-3.15)∗∗∗1.855(1.53)1.895(1.49)-0.321(-2.74)∗∗∗0.314(3.08)∗∗∗steel_supply(-2)-2.856(-3.43)∗∗∗1.257(1.08)1.620(1.34)-0.051 4(-0.46)0.143(1.47)steel_demand(-1)-0.258(-0.22)-0.309(-0.19)-1.310(-0.77)0.046 3(0.30)-0.040 6(-0.30)steel_demand(-2)-2.208(-2.27)∗∗-2.220(-1.64)∗-2.178(-1.54)0.004 83(0.04)-0.222(-1.95)∗cons-0.035 3(-0.68)-0.044 6(0.61)-0.057 7(-0.76)0.001 81(0.26)0.001 40(0.23)
注:解释变量括号内系数为滞后期数;估计结果括号外数字为该被解释变量下解释变量的估计系数,括号内数字为估计系数的t统计量;*、**和***分别表示10%、5%和1%的显著性水平
从拟合优度来看,被解释变量为焦炭供需比(coke_index)时,可决系数R2为0.798,调整可决系数R2为0.779,说明模型可以对焦炭供需平衡度的78%作出解释。
从单个指标系数的显著性来看,焦炭供需比也会受自身的显著正向影响。在需求侧,焦煤需求量对后一个月的焦炭供需比有显著的负向影响,钢铁供给量对后两个月的焦炭供需比有显著的负向影响,表明焦炭的供需平衡度主要受到上游需求、下游供给的影响,两者的增加往往会造成焦炭供不应求的情况出现,并且下游供给对焦炭供需平衡的影响更敏感、持续时间也更长。在供给侧,钢铁需求量、焦煤供给量对下1个月的焦炭供需比影响并不显著,但对第2个月的平衡会产生显著影响,表明两者对焦炭的供需平衡度需要2个月才会产生影响,进一步说明煤炭钢铁产业链是一个由上游需求、下游供给为主导的需求拉动供给的市场。从参数估计值来看,相比于上游焦煤,钢铁的供需量变化通过产业链传导至上游的影响程度更大,系数均大于2,而焦煤的影响因子系数均小于1,这可能与焦煤资源基本集中于中、西部地区,需求主要集中于东部有关,焦煤的区域性运输制约使得对焦炭供需平衡的影响程度不如钢铁。
采用AR根估计法对估计结果进行平稳性检验,结果如图3所示。模型共有10个根,所有根的模倒数都小于1,落在单位圆之内,代表VAR(2)模型稳定,可以进行脉冲响应分析。
图3 VAR模型稳定性检验
脉冲响应函数可以直观描述出VAR模型中随机扰动项的一个标准差冲击对其他变量当前和未来取值的影响轨迹和效应。采用脉冲响应函数图来分析变量间的短期动态关系,如图4和图5所示,纵轴表示所有变量滞后各期对焦炭供需比一个标准差冲击所产生的影响。
图4 焦炭供需比对自身的脉冲响应
由图4可以看出,焦炭供需比的变动会对自身产生正向冲击,响应值从1%开始下降,第1期降幅最大至0.5%,在第2期有个小幅回升后平缓降低,说明焦炭供需平衡度会长期受到自身的抑制作用,因为市场有自我调节能力以保证市场的效益最大化,这种调节能力在第1个月的作用最明显,在第2个月的影响力下降一半,但会持续影响以保证焦炭逐渐达到供需平衡。
由图5可以看出,给定焦煤供给量、焦煤需求量一个冲击,均会对焦炭供需比产生负向影响,冲击不明显,在1期达到峰值为0.25%,之后逐渐降低,在第2期及以后基本趋于0,说明焦煤供需量对焦炭的供需水平影响作用较小,且持续2个月后基本没有影响;给定钢铁供给量一个冲击后,在前4期对焦炭供需比产生正向的影响,1期达到峰值为3%,第2期有一个小幅波动后,在第3期也产生了一个较高值为1%,可能是由于供给对于需求的时滞性和产业链的动态传导效应使得上游需求的变化再次作用于下游供给端,最终在6期后趋于稳定;给定钢铁需求量一个冲击,将对焦炭供需比产生明显的负向影响,在1期达到峰值为4%,之后随着时间的推移逐步减弱,在第3期减弱至几乎为0,后经历小幅波动,6期后慢慢趋于稳定。
图5 其他变量对焦炭供需比的脉冲响应
从滞后效应来看,煤炭钢铁产业链的传导效应较为迅速,惯性趋势不大,上下游产品的供需量变化对焦炭供需平衡的冲击在1个月后的影响达到最大,上游焦煤的影响时长持续2个月,下游钢铁的影响较为持续,约为6个月。各变量对焦炭供需平衡度的长期影响都不显著。从响应值来看,焦炭供需平衡度对钢铁供需的反应是明显的,对自身的反应其次,对焦煤的反应变化最小,可能与钢铁种类较多、需求供给量都较大,导致焦炭的供需平衡度对下游钢铁产品的供需变化很敏感。
基于构建的VAR(2)模型,对2022年3月-2023年2月的焦炭供需比的走势进行预测,预测结果如图6所示,由曲线可以直观看出焦炭供需比的标准化结果将在接下来的几个月缓慢下降,降幅逐渐平缓,供需比最终稳定在-0.488 5左右,即供需比原始数据1.18左右。因此排除外部政策的影响,2022年煤炭市场将保持基本平衡的态势,焦炭供给量略大于需求量。
图6 焦炭供需比预测曲线
通过VAR模型,对焦煤需求量、焦煤供给量、钢铁需求量、钢铁供给量与焦炭供需比的动态关系进行了实证研究,得到如下结论:
(1)焦炭供需平衡度与上游焦煤的供给量、下游钢铁的供需量存在互为因果的关系;
(2)产业链上下游产品的供需数量变化会对焦炭的供需平衡产生冲击,影响时长约为半年以内,需求侧的影响比供给侧早1个月,持续时间更长,印证了煤炭钢铁行业是需求拉动型的市场;
(3)对2022年我国焦炭供需比进行预测,研究表明我国煤炭产能过剩的现状将逐渐缓解,但仍有优化空间。
与现有文献相比,本研究主要贡献在于:构建了焦炭供需平衡度量指标,从焦煤-焦炭-钢铁产业链的视角,选取焦炭供需平衡的影响因子,定量检测产业链的供需平衡情况;提出了一种预测短期内产业链供需数据的方法,并利用VAR模型,运用各产品供给量、需求量对焦炭的供需平衡程度进行预测,为市场供需调控政策的制定提供依据。
根据研究结果,提出如下相应政策性建议。
(1)加强煤炭钢铁行业的供需监测和预判。保持产业链供需基本平衡的态势,帮助煤炭钢铁市场建立上下游平衡的供需预测机制,避免产业链供需不平衡情况加剧。
(2)鼓励上下游行业的信息联动。针对需求拉动型的煤炭市场现状,鼓励煤企、焦企和钢厂加强联系,消除产业链供需的信息差,摸清下游需求预期,合理控制产能规模。通过供求双方的调控,抑制煤炭供给和需求量的过快波动。
(3)适度增强煤炭产能供给弹性。我国煤炭市场月度需求变化周期性强、波动幅度大,针对供需短期不平衡的问题,当煤炭市场需求变化时,增加产能供给弹性可以缓解短期产能不足与长期产能过剩的矛盾。
(4)健全完善减污降碳的激励约束机制。在推进煤炭供给侧结构性改革、“双碳”战略的发展路径下,鼓励煤炭清洁高效利用,同时明确煤炭资源开发节奏,淘汰落后产能,可带动国内煤炭供给和需求的适度增长。
[1] 中国煤炭工业协会.2021煤炭行业发展年度报告[EB/OL].(2022-03-30)[2023-01-13].http://www.coalchina.org.cn/index.php?m=content&c=index&a=show&catid=60&id=137613,2022-03-30
[2] 孙超,姜琳,袁广玉.“十四五”期间我国煤炭供需趋势分析[J].煤炭工程,2021,53(5):193-196.
[3] 王长建,汪菲,叶玉瑶,等.基于供需视角的中国煤炭消费演变特征及其驱动机制[J].自然资源学报,2020,35(11):2708-2723.
[4] 周少统.我国煤炭供需趋势及开发强度研究[J].煤炭科学技术,2020,48(S1):85-88.
[5] 冯雨,龚大勇,高宁宁,等.我国煤炭供需监测体系及预测预警机制研究[J].中国煤炭,2022,48(4):8-16.
[6] 王晓燕.我国动力煤产需平衡指数构建的研究[D].北京:中国矿业大学(北京),2015.
[7] 艾德春.我国煤炭供需平衡的预测预警研究[D].徐州:中国矿业大学,2008.
[8] 云小鹏.动力煤市场波动特征研究[J].煤炭工程,2018,50(6):131-134.
[9] 李百吉,周旭旭,武舜臣.我国煤炭相关期货品种价格联动关系研究——基于对焦煤,焦炭和动力煤期货价格联动性分析[J].价格理论与实践,2018(7):71-74.
[10] 石智超,许争,陈瑞.中国股票市场与商品期货市场传导关系的实证分析——基于风险Granger因果检验的研究[J].金融理论与实践,2016(2):82-89.
[11] 李子奈,叶阿忠.高级应用计量经济学[M].北京: 清华大学出版社,2012.
LIN Jie, WANG Tingqi.Empirical research on the supply and demand balance of coke and steel in China[J].China Coal,2023,49(2):29-36.DOI:10.19880/j.cnki.ccm.2023.02.004