价格的力量 ： 商品市场适应冲击的速度有多快 ？Christian Bogmans, Andrea Pescatori, Ivan Petrella, Ervin Prifti 和 Martin StuermerWP / 24 / 77货币基金组织工作文件描述了作者正在进行的研究 ， 并发表了这些论文 ， 以引起评论并鼓励辩论。基金组织工作文件中表达的观点是作者的观点 ， 不一定代表基金组织、其执行董事会或基金组织管理层的观点。2024APR 货币基金组织工作文件描述了作者正在进行的研究 ， 并发表了这些论文 ， 以引起评论并鼓励辩论。基金组织工作文件中表达的观点是作者的观点 ， 不一定代表基金组织、其执行董事会或基金组织管理层的观点。© 2024 国际货币基金组织 WP / 24 / 77IMF 工作文件研究部价格的力量 ： 商品市场适应冲击的速度有多快 ？由 Christian Bogmans ， Andrea Pescatori ， Ivan Petrella ， Ervin Prifti 和 Martin Stuermer 编写授权由 Petya Koeva Brooks 分发 2024 年 4 月摘要 ：本文基于一致的数据集和识别方法，为广泛的商品建立了供需弹性。我们将粒度 IV 方法应用于 1960 - 2021 年商品生产和消费的新的跨国面板数据集。结果表明，商品需求和供给通常是价格无弹性的。对于矿物来说，需求和供应往往是最无弹性的，而对于农产品来说，它们是最有弹性的。能源商品的弹性介于两者之间。在更长的时间范围内，矿物和能源商品的供求变得更具弹性，但对于大多数农产品则不然。推荐引用： Bogmans ， Christian ， Pescatori ， Andrea ， Petrella ， Ivan ， Prifti ， Ervin 和 Martin Stuermer （ 2024 ） 。 “价格的力量 ： 商品市场如何迅速适应冲击 ？ ” ， IMF 工作文件 WP / 24 / 77 。国际货币基金组织 ， 华盛顿特区。JEL 分类号:F11 、 F12 、 F14 、 F15 、 F17 、 F41 、 F42 、 F43 、 Q17 、 Q27 、 Q37 、 Q43 。关键字:商品 ； 国际贸易 ； 价格弹性 ； 需求 ； 供应 ； 能源 ； 农业 ； 矿物 ； 金属。作者的电子邮件地址 ：cbogmans @ imf. org; apescatori @ imf. org; Ivan. Petrella @ wbs. ac. uk; eprifti @ imf. org; mstuermer @ imf. org 。 工作文件价格的力量 ： 商品市场适应冲击的速度有多快 ？由 Christian Bogmans ， Andrea Pescatori ， Ivan Petrella ， Ervin Prifti 和 Martin Stuermer1 编写1 我们感谢 Pierre - Olivier Gourinchas 、 Petya Koeva Brooks 和 Daniel Leigh 的意见和建议。汶川董、约瑟夫 · 穆萨和天楚齐提供了极好的研究援助。本文的观点是作者的观点 ， 并不反映国际货币基金组织、其执行委员会或其管理层的观点。 21Introduction本文提供了一系列一致确定和估计的商品需求和供应的价格弹性。需求和供应的价格弹性在商品市场中起着至关重要的作用 ： 这些弹性越低，商品价格对市场基本面和其他商品特定干扰的意外变化就越敏感 （ Albrizio 等人。， 2023 年 ） 。但是，估计这些弹性充满了问题，因为在均衡状态下，总需求必须等于供应 （ 直到库存变化 ） 。这通常会导致可能严重的反向因果关系偏差，从而使估计可能无效。本文试图通过应用 Gabaix 和 Koije （ 2020 ） 等人的颗粒指令变量方法来解决这一识别问题。当存在相当大的消费国或生产国时，这些国家中的一个或多个国家的特殊需求 （ 供应 ） 冲击可以改变全球需求 （ 供应 ） 曲线，从而移动全球商品价格。Procedres.， 数据显示出实质性的，所谓的粒度。反过来，这种变化使我们能够利用这些细粒度的冲击来追踪各国供应 （ 需求 ） 曲线的平均斜率。在实践中，我们通过构建工具变量 （ IV ） 来实现这一目标，该变量是基于国家间特殊消费 （ 生产 ） 冲击的总和，并以其在给定商品的全球消费 （ 生产 ） 中的市场份额为权重。我们的分析使用了一个新的跨国面板数据集 ， 该数据集涵盖了所有主要商品类别 ， 包括食品 ， 农业原材料 ， 能源和金属。对于每种商品 ， 3该数据集包括 1960 年至 2021 年期间的年度全球价格 ， 国家一级的生产和消费以及相关的控制变量 ， 这些变量来自广泛的来源。结果表明 ， 商品的需求和供应通常是无弹性的。然而，更仔细的检查揭示了有趣的差异。例如，即使在农产品类别中，多年生作物的供应也比一年生作物的供应更具弹性。这也许可以解释为什么在乌克兰战争开始时飙升的小麦价格此后一直低于战前水平，以及为什么在撰写本文时，由于可可豆供应短缺，2023 年出现的全球可可危机没有尽头。在小麦方面，需求弹性也可能发挥了作用，因为在谷物内部，需求的跨弹性允许替代。矿物商品表现出特别缺乏弹性的需求和供应。能源商品介于农产品和矿物之间。同时，在更长的时间范围内，矿物和能源商品的供求变得更具弹性，而大多数农产品的弹性并没有增加。我们的论文建立在广泛的文献基础上，这些文献估计了包括商品在内的单个商品的弹性。文献中与商品相关的估计调查包括 Dahl (2020) 和 Fally ad Sayre (2018) 。这些估计大多基于不同的方法。正如 Roberts 和 Schleer （ 2013 ） 所认为的那样，它们也主要基于相关性并存在偏见。当在同时包括几种商品的模型中使用这些估计时，这是一个陷阱 (参见，e 。Procedre， 法利和赛尔，2018 年 ； Bolhis 等人。， 2023 年，以及其他) 。本文通过在商品之间建立一致的数据集和方法，建立了广泛的商品需求和供应弹性，从而为文献做出了贡献。我们还为最近使用时间序列模型的文献做出了贡献。 4Kilian (2022), Baumeister and Hamilton (2020) and Kilian and Zhou (2023) provide overviews of the recent literature and discuss the different approaches.本文的其余部分结构如下。第 2 节描述了新的数据集。第 3 节介绍了粒度工具变量方法的计量经济学方法。第 4 节介绍了商品市场粒度的程式化事实和第一阶段结果。第 5 节列出了基线结果。最后 ， 第 6 节得出结论。2一个新的数据集我们为世界上所有国家的国家商品生产和消费数据收集了一个新的数据集。2.1商品的选择样本包括 1960 年至 2021 年 20 种农业，能源和矿物商品的年度数据。在选择我们样本中的商品时，我们首先遵循 Alvarez 等人。（ 2023 年 ），并考虑那些分别在农产品和矿物中交易最多的 10 种商品 （ 按 2019 年出口美元价值计算，BACI 数据 ） 。Alvarez et al.（ 2023 ） 还添加了美国或英国关键矿产清单上的商品。它们包括棕榈油，因为它对食品生产和作为生物燃料的重要性。We excluded those commodities where data availability is an issue, notically silicon, sen - flower seeds, tobacco, and titantic. Natural gas is excluded because of significant market segmentation between Europe, North America, and Asia and 5香蕉 ， 牛 ， 茶和谷物 ， 因为它们作为食品商品的重要性。谷物是基于全球生产数字的小麦 ， 玉米 ， 大豆和大米的卡路里加权平均值。对于金属 ， 当数据质量足够高时 ， 我们使用精炼的生产和消费数据 ， 并在必要时推崇开采的生产数据。我们样品中的商品 ：•食品和饮料： 香蕉 ， 牛 ， 可可 ， 咖啡 ， 玉米 ， 棕榈油 ， 大米 ， 大豆 ， 糖 ， 茶 ， 小麦和谷物。•农业原材料： 棉和橡胶 （ 天然 ） 。•能源:原油和煤炭。•矿物:铝、铜、铅、锡和锌。2.2数据源对于农产品的生产和消费 ， 按国家分列的数据来自粮食及农业组织 (粮农组织 ， 2023 年) 。国际能源署 (IEA ， 2024 年) 提供了原油和煤炭消费和生产的按国家分列的数据。Stuermer (2017 年) 收集了截至 1994 年的铝、铜、铅、锡和锌精炼消费量的国家数据。然后根据世界金属统计局 (WBMS, 2024) 1995 年至 2021 年期间的拼接数据扩展数据系列。铝、铅 (精炼) 和铜 (开采) 的生产数据 61960 年至 2021 年期间来自英国地质调查局 （ 2023 年 ） 的数据 ， 而锡和锌的生产数据基于 1960 年至 1994 年期间的 Bems 等 （ 2023 年 ） 。然后将数据拼接到 1995 年至 2021 年期间 WBMS （ 2024 年 ） 的系列中。价格数据来自世界银行 （ 2024 ） 以及 Schwerhoff 和 Stuermer （ 2019 ） 。使用美国劳工统计局 （ 2024 ） 的美国消费者价格指数对系列进行了通货膨胀调整。处理大量国家的历史数据面临着中断、零观测和其他问题的不一致系列的挑战。为了解决这个问题 ， 我们使用一种算法来整理不可靠的消费和生产数据系列。我们保留那些满足以下标准的国家系列:1.所有观测值的级别均大于零。2.所有观测值的对数变化都在分布的第 10 和第 90 百分位数范围内。3.日志更改中的条目少于 20 个。4.该国的消费量 （ 或产量 ） 高于第 25 百分位数。这些标准适用于农业和能源商品。对于五种矿物商品 ， 我们手工检查系列的一致性。原油系列不受标准 4 的限制。 7∑itd,uits,u3Methodology为了估计供需弹性 ， 我们使用 Gabaix 和 Koijen （ 2020 ） 之后的颗粒工具变量 （ GIV ） 方法。基本思想是使用国家特定的生产和消费特质冲击作为外生工具。3.1构造粒状工具变量让以下两个方程表示国家的供需 （ 以对数差表示 ）i偏离其一年的稳态t:yd=φd pt+λiηd+ud,λdηd=f=r∑λd,fηd,f,(1)ittitititf=1f=rYS=φs pt+λiηs+我们,λsηs=s,f s,fλη(2)ittitititf=1假设特殊的冲击ud∼N0,σ2andus∼N0,σ2arecountry - specific and mutual independent. This means that they are uncorrelated with the common shards, between supply and demand, and across countries. As for the common shards, note that the simple case is when the factor structure is单年固定效应 ， 即λdηd=ηdandλsηs=ηs.it t我 t t估计供需弹性对{φd,φs}， 我们实现以下算法。让我们参考消费和生产方面的一组国家满足第 2 节中描述的四个标准标识andIs分别。 8ititit1.对消费和生产进行面板回归。以消费