洛阳证券公司联盟

通胀 | 商品与债券之间的投资逻辑

CTA基金网2020-07-01 06:38:02

张革 中信期货研究部金融期货团队


本文主要对商品价格与CPI之间的相关关系、领先滞后关系进行了分析,通过确立二者之间的联系,构建了以商品期货价格为跟踪媒介的CPI指数。通过本文的研究搭建,希望给后期在进行商品、通胀与债券之间搭建投资策略纽带,给在期货市场上实现通胀逻辑下的大类资产配置提供基础。

  

同时,为了更好的对比分析,我们选取了中国和美国的CPI数据以及全球有关商品期货价格、个别商品现货价格作为数据分析来源,以从2000年至2017年的月度频率数据为基础。

  

分析步骤上,通过利用总体相关系数、滚动相关系数以及领先滞后关系三个维度的数据处理,全面精确的找准重点行业、重点商品价格以及重点CPI分项之间的对应关系。最终,在上述相关关系及领先滞后性的结论之上,总结出重点商品价格在CPI中的权重,并构建不同维度的通胀跟踪指数。

  

通过分析我们发现:

  

1.各通胀分项与对应产业链的商品相关度更高,符合理论逻辑;

  

2.中国CPI与食品的相关度要高于美国,这与二者通胀中的权重差异一致;

  

3.CPI与商品之间如果构建投资策略,中国市场的重点标的排序为:养殖产业链、原油(能源)产业链、工业金属产业链,美国市场的重点标的排序为:原油(能源)产业链、工业金属产业链、养殖产业链。

  

4.商品价格领先CPI的表现得到了数据上的验证,领先周期按照从短到长的顺序依次为原油(能源)、农产品、工业金属,周期从1个月到21个月不等。

  

5.商品价格的通胀跟踪指数与实际CPI之间的相关系数在0.55-0.7左右,能较好的解释通胀变化。特别的,由于CPI数据的公布要大大晚于商品价格的变化,因此利用通胀跟踪指数来进行预测具有实际操作空间。

  

一、 研究背景与方法论介绍

  

(一)经济周期与各类资产的表现关系为研究背景

  

学术界对经济周期、金融周期以及资产价格之间的关系研究甚多,具体而言在经济周期的判断、商品价格与通货膨胀之间的关系,以及国债收益率与宏观经济之间关系的研究也较为丰富。但是,从策略实现的角度而言,如何通过商品价格的变化、通货膨胀的预期和利率的变动预期,在资本市场获得相应的策略回报是最终需要落地的关键。

  

为此,我们从通货膨胀、商品价格、债券收益率之间的关系出发,通过研究三者之间的相互影响关系,进而为实现通胀框架下的资产配置提供思路。另外,在上述研究结论的基础之上,我们还将探讨其在期货市场实现的可能性。

  

本文将就前一部分内容,即通货膨胀、商品价格与债券收益率之间的影响关系作阐述。

  

从朴素的逻辑上来讲,商品价格、通货膨胀以及债券收益率之间的关系可以分为两种思路,一种是从商品价格到债券收益率的传导,另外一种为通过跟踪债券收益率判断通胀预期,进而推导商品价格的思路。

  

具体来讲,两者的主要内容分别为:

  

其一:在经济上行阶段,由于商品价格上涨,从来使得未来的通胀预期上行。在通胀回升、经济预期向好的逻辑下,债券收益率承压上升;在经济下行阶段,商品价格下降,通胀预期和经济预期悲观,债券收益率下降;

  

其二:债券收益率上升引发通胀上行担忧,进而带来对大宗商品价格的看涨逻辑;反之,则对大宗商品价格看弱。

  

本文希望通过数据上的梳理能在上述两个逻辑思路中找出更为确切的传导路径,这是本文的分析目的之一。

  

本文的分析目的之二,是通过测算商品价格、通货膨胀以及债券收益率之间的相互影响关系,判断出滞后项、同步项、以及领先项。

  

分析目的之三,即为通过CPI中各个商品的权重、相关关系程度、领先滞后期数,最终筛选出商品期货市场中跟踪CPI的较优组合。

  

在有了上述分析的结论之后,我们在后续报告中将通过跟踪上述通胀组合的收益率以及国债期货市场的表现,挖掘出相应的投资策略。

  

(二)研究方法介绍

  

在研究方法上,本文主要借鉴了变量之间的协动性[1],也即变量之间的多阶相关系数的变化。具体而言,协动性主要包含两层含义:一是变量之间是正向还是反向关系,还是无关;二是一个变量是另一个变量的领先指标、一致指标还是滞后指标。

  

变量X与Y的2k+1个h阶相关系数可表示为:

  

Corr(Xt+h,Yt),h=-k,…,-1,0,1,…,k (1)

  

当h=0时,若(1)式中的同期相关系数为正、负和零,则分别对应于X与Y是正相关、负相关和无关。另一方面,2k+1个相关系数中绝对值最大的那个极值所对应的h值若为正、负和零,则分别对应于X相对于Y是滞后指标、一致指标和领先指标。我们在接下来的分析中运用的均为月度数据,因此我们将K设为12和24,也即相隔1年和2年的相关系数分别对比,从而从中找出最大的值。如果极值在K为12时指向12,在K为24时指向24,我们就认为两个数据之间的相关关系为无效。同时对于有明显周期性波动的相关系数,比如K=9和K=18时对应的值相差不大,且均为较大值,那么我们就选取K=9时的值作为标准。

  

在这里我们需要提示的是,数据本身可以分为趋势成分和周期成分。一般来讲在做相关关系测算之后需要用滤波方法剔除增长趋势以获得数据波动的周期成分。同时,在进行滤波用X12-ARIMA方法进行季节调整,以剔除短期的季节性扰动。但是基于实际交易过程中操作的便利性和考虑到优化过的数据有相关系数过大之嫌的考虑,所以我们在本文中并未涉及滤波分析和季节调整。

  

(三)研究思路介绍

  

综合上述研究背景和研究方法的介绍,我们在本策略系列研究上的步骤和思路可以总结为:

  

1.确立商品价格与CPI之间的相关关系,通过不同权重的商品标的选择达到跟踪CPI的目的;

  

2.定性、定量CPI与国债收益率之间的关系,一般以正向为主,从而估量步骤1确定的CPI跟踪标的池与国债期货之间的相互关系;

  

3.结合CPI标的池和国债期货,构建通胀框架下的投资策略组合。

  

因此,基于研究的先后顺序,本文先就步骤1进行分析。




二、相关关系的一般结论:具有理论逻辑和数据验证的支撑



在对具体的CPI分项和不同板块的商品价格,以及债券收益率之间的相互关系进行具体测算之前,我们先简单估算了中国CPI月度同比、wind商品指数、中国1年期国债收益率、中国10年期国债收益率之间的相关关系,以求从总体特征和逻辑上对我们上述的理论逻辑进行验证。

  

通过相关关系的对比我们可以看出:

  

1. CPI与wind商品指数、1年期国债收益率、10年期国债收益率之间的相关关系明显,均大于0.5,且为正向相关;

  

2. Wind商品指数与国债收益率之间也呈正向相关,但是相关系数略低,为0.3以下。对于此,我们认为在从商品价格到通货膨胀,再到国债收益率之间传导会受到各种因素的干扰,因此相关关系的下降也是可以理解的。

  

3. Wind商品指数领先CPI3个月,1年期国债收益率滞后CPI1个月,10年期国债收益率领先CPI1个月。对于此,我们认为商品对通胀的领先毋庸置疑,1年和10年收益率对通胀领先滞后关系的区别在于10年期更体现市场对于中长期的经济预期,1年期更易受到短期的波动影响。因此,如果从通胀预期的传导以及期货市场的策略实现来看,我们将分析标的最终落地到10年期国债收益率是合适的。

  

4. 1年、10年期国债收益率领先wind商品指数13个月和12个月,且为负相关。这一结果与我们上述逻辑相悖。我们认为主要是因为数据测算过程中由于不同周期的数据相关关系不一致,如果某一特殊时间的相关系数过大,且为负相关,那么就会导致结果有偏差。因此,这里我们对这一与逻辑相悖的结果持怀疑态度。同样的,如果我们在后续的具体测算中也出现与运行逻辑相悖的情况,便不采用。

  

综合上述分析情况我们也可以看出,我们在策略思路框架中设定的由商品跟踪通胀,加上通胀与国债收益率之间的关系,进而再进一步确定商品价格与国债收益率之间的关系,这一思路是可行的,也是合理的。而非是简单的通过测算商品价格与国债收益率之间的简单关系来确定二者的组合投资策略。



三、数据的选择与分类



在对具体的数据进行测算之前,我们首先需要对CPI的构成以及各个商品指数的分类进行明确。同时,为了更直观、更普遍的得出一些规律,我们不仅测算了中国CPI与大宗商品价格之间的关系,还把美国CPI与大宗商品价格之间的关系做了测算,以期能够从更广泛的角度得出结论。

  

我们通过对比中国、美国两国的CPI构成发现,二者在一般的分类上大致保持一致,同时在食品和非食品的权重分布上有着较为明显的差距。我们基于CPI各分项数据的可得性,商品期货价格的可能性,将当前较为负责的CPI分项进行了摘选,并结合历史上的权重分布情况认为给出了各分项的一般权重。

  

具体来讲,我们将中、美两国的CPI食品和非食品两大类,其中食品分项中摘选了粮食、猪肉、油脂、蛋和饮料;非食品分项中摘选了衣着服装、交通用燃料、交通工具、居住、建筑材料、水、电燃料几个方面。


  

在商品板块的分类上,为了和CPI分项中的内容对应,以及基于商品期货价格的数据长度,我们将中、外期货市场上上市的商品品种做了如下分类(见图7)。具体来讲,大的板块主要包括综合指数、贵金属、能源化工、有色金属、黑色金属、油脂油料、畜肉、粮食、纺织、饮料几大板块。


在数据的时间长度上,基于商品期货价格的时间长度和CPI数据的长度对比,我们选取了2000年1月至2017年12月的数据进行绝对值之间的对比,月同比的数据从2001年1月开始至2017年12月。



四、相关关系结果一览



为了更为全面的展示商品价格与通胀之间的相关关系和协动性表现,我们在此部分将从三个维度进行展开。分别为:一、全部历史数据的总体相关系数;二、按照一定期限滚动测算的滚动相关系数,分别选取24个月和60个月的数据进行对比;三、测算历史数据的协动性,并得出商品价格与CPI之间的领先滞后关系和周期长度。

  

(一)总体相关系数的对比

  

1.中国CPI和商品价格的相关关系

  

为了更全面的了解中国CPI与商品价格之间的关系,我们首先把全球主要商品期货价格都和中国CPI做了比较。通过比较我们发现,内外商品价格与中国CPI之间的相关关系有着较为明显的分层,这也是与逻辑一致的。同时,在商品的大类和CPI大类之间的相关关系上,也有着一些趋同,尤其是对国内输入性通胀有着较大影响的原油、大豆等的价格与中国CPI的正相关关系表现较好。具体来看,我们从图8、图9相对综合的相关关系表现中可以看到:

  

Ø CPI定基指数的绝对值与各商品价格的相关度不高,参考意义不大;


Ø 以2000年12月=100为基期的CPI定基指数以及食品定基指数和各商品价格之间的相关关系表现一致;上述两类通胀指标与食品相关商品的正相关度表现更好,尤其是生猪、豆粕、大豆等养殖产业链高度正相关,与逻辑一致;


Ø 对CPI拉动各分项与商品价格的相关度中,食品与商品价格的相关系数居中,但与农产品类价格的正相关度较高;家庭设备用品及其维修服务与各商品价格的正相关关系最高,尤其是与工业金属和有色金属板块有较高的正相关度,或可反映家电消费逻辑在通胀和商品价格之间的关联。但同时,因为其他与商品表现出来的较高的相关度并不具有直接逻辑关系,暂时不做为重点;交通和通讯板块与工业金属、能源燃料等相关商品价格正相关度高;居住板块与能源化工和燃料板块也有较好的正相关表现;娱乐教育文化用品及服务、衣着以及医疗保健三板块与商品之间的相关度不高,从逻辑上也不易梳理直接的相关关系。


Ø 从CPI当月同比与商品价格的相关关系来看,CPI当月同比与各商品价格之间的相关关系差别较大,但从国内市场来看,与农产品板块的价格正相关关系最明显。从全球市场来看,与工业金属和原油价格之间的正相关度也较高。


Ø 非食品板块、核心CPI与原油相关品种、黑色金属板块的正相关度较高;食品与农产品,尤其是养殖产业链上的商品价格正相关度高;

  

Ø 从细分项的相关度来看,食用油、畜肉、猪肉,居住分项下的水电燃料、交通工具用燃料与对应产业链上的商品价格正相关度较高。

  

因此,综合上述相关关系中的规律,我们可以很明显的看出,通胀数据表现与对应的商品价格表现之间有着非常明显的相关度,这也与理论逻辑一致,也给我们后续进一步通过相关度分析确定重点品种和投资策略提供了研究基础。


2.美国CPI和商品价格的相关关系


同样的,我们测算了美国CPI与商品价格之间的相关度。通过各相关度的对比,我们可以发现国际市场的商品价格与中国的商品价格与美国CPI之间的相关度也存在明显的分层。从逻辑的角度讲,美国CPI更关注本国的商品价格表现。因此,我们特别的把国际市场的商品价格与美国CPI进行了对比。

  

通过对比,我们依然能发现在中国CPI相关度分析中的一些经验,这也证明了无论是国内市场还是国际市场,在商品价格到通货膨胀的传导上,从逻辑上和数据上相互统一。这也给在利用全球通胀或者经济周期的变化来做大类资产配置的考虑中提供基础参考。


具体来讲,美国CPI与商品价格的相关关系有如下特征:


Ø 信息技术、计算机与CPI的相关度呈负相关关系;服装与商品价格的相关度低;

  

Ø 能源板块与商品之间具有更高的正相关度,且与原油的正相关关系最高;交通运输板块与原油相关品种、工业金属板块的正相关关系明显;

  

Ø 除能源和交通运输板块的其他通胀分项与商品价格的相关关系表现较为统一,这主要表现了美国CPI中非食品类或者能源、居住类权重较大的特征。同时,美国CPI总水平也表现出了与上述权重分项对应商品之间更高的相关度。

  

Ø 食品类通胀与相关产业链上的商品价格相关度更高,这一特征也与中国市场的表现一致。


小结:


从中美两国通胀与商品价格之间的总体相关关系的变化我们可以看出:

  

Ø 各通胀分项与对应产业链的商品相关度更高,符合理论逻辑;

  

Ø 中国CPI与食品的相关度要高于美国,这与二者通胀中的权重差异一致;

  

Ø CPI与商品之间如果构建投资策略,中国市场的重点标的排序为:养殖产业链、原油产业链、工业金属产业链,美国市场的重点标的排序为:原油产业链、工业金属产业链、养殖产业链。

  

(二)滚动相关系数的对比

  

在整体相关系数的分析中我们已经得出中国通胀与商品价格相关度从养殖到原油再到金属的产业链排序,美国通胀与商品价格相关度是从原油、工业金属再到养殖的产业链吮吸。因此,我们在滚动相关系数的分析中也将按照上述顺序进行排列。

  

在滚动周期的选择上,为了从局部到总体的全貌展示,分别测算了24个月和60个月的滚动相关系数。期望能从不同周期,不同品种与不同通胀分项之间的滚动相关系数变化来发现一些规律。

  

具体来看,滚动相关系数的结果将从三个方面、两种维度来展示。如下图所示:


1.中国CPI和商品价格的滚动相关关系


按照上述对比维度的分类情况,中国CPI和商品之间的滚动相关系数总体上分为三个部分,将分别从不同板块出发,探讨相关系数波动一些规律。

  

通过对比我们能够发现,24个月的滚动相关系数能更灵敏的跟踪相关系数在不同阶段的变化特征,而60个月滚动相关系数的总体变化更能从总体上概括相关关系的总体情况。因此,如果要跟踪阶段的特征,建议更多的参考24个月的滚动值变化。

  

同时,通过滚动相关系数的对比和前述绝对相关程度的比较,我们很容易的可以从逻辑上理出商品价格与对应CPI分项的相关关系更大,我们从数据上也能看到这样的表现结果。因此,为了更为简洁明了的滚动相关系数的变化并梳理其阶段性特征,我们在正文中将筛选重点商品与对应分项的相关系数变化为主,其余内容可详见附录。

  

(1)养殖(食品)价格与CPI滚动相关系数的变化

  

通过对比养殖(食品)价格与CPI的滚动相关系数,可以发现:

  

Ø 自2012年之后,畜肉、饲料、油脂油料与CPI、食品CPI的相关关系波动加大,且走势出现较为明显的负相关关系,这其中部分原因主要为畜肉CPI、食用油CPI走势与食品CPI之间出现背离,同时食品CPI与CPI之间的走势背离也有影响;

  

Ø 自2012年之后,油脂油料价格与食用油CPI之间的相关系数波动也相应加大,甚至出现负值,但2016年之后相关关系再度提升至较高水平;对于此,我们从食用油CPI与油脂油料价格走势的对比中可以明显看到,一般来讲二者之间的走势保持了很好的一致性,但是自2012年之后,虽然二者之间一致性仍比较高,但是商品价格的波动性提升。因此,由于波动性的变化带来的二者之间阶段性的相关性下降是可以理解的。

  

Ø 生猪价格与CPI畜肉之间一直保持了非常高的相关关系,因此,猪价到CPI变化的逻辑非常直观,也更易于监测。与之对应的,由于饲料成本是猪价的上游,因此其与CPI之间的相关关系更为间接。因此,我们通过价格的数据对比也能看到,2010年之后猪价走势与畜肉CPI仍然具有较高的一致性,但是豆粕等饲料品的价格与之相比虽然走势大体一致,但是波动也明显较大。因此,虽然从一般逻辑上我们依然可以用饲料的价格与通胀之间做参照比较,但是需要再一般的量化结果上适当降低权重。



(2)原油(能源)价格与CPI滚动相关系数的变化


在原油(能源)部分,分别从原油、化工角度和煤焦钢矿等能源角度分析了其与CPI之间的关系,通过数据对比可以发现:

  

Ø 原油、化工、能源、煤焦钢矿等价格与CPI、非食品CPI之间的相关度整体存在,但是波动性较大,主要的原油在于上述细分项对应的分项与CPI总项之间的不一致。同时,上述商品价格与通胀之间的传导较食品板块更复杂,且中间环节较多,因此更容易出现阶段性的不一致。但是从一般逻辑上来讲,建立工业品价格与CPI之间的相关性逻辑是可取的;

  

Ø 原油与交通工具用燃料CPI之间的相关关系明显,且具有较高的连续性。

  

Ø 煤焦钢矿、能源(天然气、煤炭)价格与水电燃料CPI之间的相关关系明显,个别阶段的相关性下降,主要也是来自于二者波动性的阶段性不一致(2012年至2014年),总体趋势仍有较好的一致性。


(3)工业金属价格与CPI滚动相关系数的变化


工业金属一般分为有色金属和黑色金属,主要对应建筑、汽车、家电等工业消费,因此,我们将有色金属、黑色金属的价格与对应CPI通胀分项比较发现:

  

Ø 工业金属与CPI总体之间的相关度不高;

  

Ø 工业金属与非食品CPI之间的相关度较高,但依然具有较大的波动性;

  

Ø 与居住CPI相比,工业金属与其有着较为明显的相关关系,但是黑色金属相比有色金属更稳定;

  

Ø 工业金属与家用器具的相关度不高,这也主要是因为家用器具杂项较多,不能一概而论,因此,在家电这一角度,不宜考虑过多的通胀逻辑。

  

Ø 有色金属与交通工具的相关关系明显,但因其波动性同样较高,在作为通胀的跟踪标的时也需要适当降低一部分权重。


2.美国CPI和商品价格的滚动相关关系


为了更全面的看待通胀与商品价格之间的关系,我们同样对美国通胀与商品价格之间的滚动相关系数进行了测算。居于篇幅关系我们不再详细罗列各个商品价格滚动相关系数变化的图表,但是与中国市场结论一致的是,商品价格与之对应分项CPI之间的滚动相关关系较强,且由于个别阶段波动性的上升所带来的通胀与商品之间相关关系的下降是可以理解的。同时,滚动相关系数的结果同样验证了我们第一部分的结论,即美国市场原油能源、工业金属、农产品与通胀的相关系数由强到弱排序的特征。


(三)领先滞后关系的确定


最后,在对整体的相关关系情况有了比较清晰的主线之后,我们来到文章的最核心部分,即商品价格与通胀之间领先滞后关系、相关程度的最终确定。同样的,基于前述内容的结论,中国市场将按照养殖、能源、金属的顺序排列,美国市场将按照能源、金属、养殖的顺序排列。同时,为了更为精准的测算领先滞后关系的表现,我们分别测算了12个月和24个月的领先滞后关系,从而不仅可以从中发现更确定的领先滞后关系,还可以避免周期性因素带来的干扰。在对所有领先滞后关系的有效性、逻辑性进行筛选之后,我们列出了如下结果。

  

1.中国CPI与商品价格的领先滞后关系

  

从中国CPI与农产品板块的领先滞后关系中不难看出:

  

Ø 猪肉价格与畜肉类CPI之间为同步相关,而养殖饲料的价格领先畜肉CPI3个月,这也能从逻辑上推论出饲料成本的上升会带动猪肉价格的提升;

  

Ø 油脂油料板块领先食用油CPI周期为1个月,且大豆价格与食用油CPI的相关度高于和畜肉CPI的相关度。


从中国CPI与能源板块的领先滞后关系中可以看出:


Ø 能源、化工板块与居住、水电燃料CPI的相关度高,且领先3个月;

  

Ø 煤焦钢矿板块与水电燃料相关度高,且领先8个月;

  

Ø 原油价格与交通工具用燃料有非常高的相关度,达到0.85,且领先CPI2个月。


从中国CPI与金属板块的领先滞后关系中可以看到:


Ø 有色金属和螺纹钢价格与居住CPI之间有较高的相关关系,且领先CPI周期为3至5个月,这也与房地产建设周期中一般多层从桩基础施工到主体结构约3-6个月的时间基本吻合。


2.美国CPI与商品价格的领先滞后关系


从美国CPI与能源板块的领先滞后关系可以看出:

  

Ø 能源价格与美国CPI的相关度非常高,尤其是与能源CPI和交通运输CPI的相关度高达0.9以上。即便是天然气与CPI的相关先谷底偏低,但也达0.6左右。同时,从领先周期角度,也表现出了非常高的一致性。能源价格领先CPI的周期为1个月左右。


从美国CPI与金属板块的领先滞后关系可以看出:


Ø 金属板块与交通运输、住宅CPI的相关度较为明显,其中金属价格领先交通运输CPI的周期在1个月前后,领先住宅CPI的周期在14至21个月左右。


从美国CPI与农产品板块的领先滞后关系可以看出:


Ø 农产品板块与食品CPI的相关度高于与整体CPI的相关度,且领先周期长于后者。其中,农产品价格领先食品CPI7个月左右,领先整体CPI1到2个月。

  

Ø 大豆、油脂等与CPI的相关度高于畜禽、饲料等与CPI的相关度。



五、商品价格的CPI跟踪指数构建



我们在前述四个部分中用了大量的篇幅来展示我们对商品价格与CPI之间相关关系、领先滞后关系的过程和结果,并最终确定出了与CPI相关度较高的商品价格、领先期数等关键指标。从研究的结果导向而言,如何利用上述结果搭建通过商品期货价格来跟踪的CPI指数是本文的最终目的。

  

我们接下来将通过CPI整体权重和领先滞后关系、CPI各分项的权重和领先滞后关系两个维度,来分别构建商品价格的CPI指数。并从中挖掘中跟踪效果较优的组合作为通胀跟踪的首选。同样的,我们分别搭建了中国和美国的CPI跟踪指数。

  

同时,在对商品价格的数据处理时,也采取了两种方法。一种是用没有处理的原始数据来进行权重计算,另一种是用价格的月同比数据进行权重计算。

  

(一)中国商品价格的CPI跟踪指数

  

通过利用与中国通胀有关的商品价格搭建CPI跟踪指数,可以发现:

  

Ø CPI总体权重计算的跟踪指数与CPI之间相关度更高;

  

Ø 利用CPI源数据计算权重的跟踪指数,与利用同比数据计算的跟踪指数相比,跟踪效果在CPI总体权重计算中更差,在分项权重计算中更好。


(二)美国商品价格的CPI跟踪指数


通过利用与美国通胀有关的商品价格搭建CPI跟踪指数,可以发现:

  

Ø CPI总体权重计算的跟踪指数与实际CPI相关度更高;

  

Ø 利用同比数据计算的跟踪指数,在总体和分项跟踪中都表现更好。


[1] 协动性及相关公式内容参考自:蔡雄起,龚敏,《中国经济周期的波动特征分析——基于中美日韩的比较》,经济问题探索,2017年第4期