極端狀態(tài)下國(guó)際大宗商品風(fēng)險(xiǎn)溢出研究

摘" "要：地緣沖突、重大災(zāi)害等極端風(fēng)險(xiǎn)事件可能引發(fā)國(guó)際大宗商品市場(chǎng)動(dòng)蕩，大宗商品價(jià)格波動(dòng)風(fēng)險(xiǎn)將進(jìn)一步傳導(dǎo)至金融市場(chǎng)與宏觀經(jīng)濟(jì)體系。討論極端狀態(tài)下大宗商品價(jià)格變動(dòng)特征，厘清大宗商品價(jià)格波動(dòng)風(fēng)險(xiǎn)的溢出水平及方向，可為我國(guó)大宗商品市場(chǎng)運(yùn)行企穩(wěn)、應(yīng)對(duì)市場(chǎng)沖擊、及時(shí)阻斷風(fēng)險(xiǎn)傳染路徑提供參考。本文基于分位數(shù)向量自回歸模型，通過(guò)不同分位點(diǎn)方向性溢出水平的測(cè)度對(duì)地緣沖突后國(guó)際大宗商品市場(chǎng)間的風(fēng)險(xiǎn)傳遞與溢出關(guān)聯(lián)展開(kāi)探討。結(jié)果表明，大宗商品價(jià)格波動(dòng)的總溢出水平呈U形結(jié)構(gòu)，溢出強(qiáng)度與沖擊規(guī)模呈正相關(guān)；在極端市場(chǎng)狀態(tài)下大宗商品市場(chǎng)間的溢入、溢出水平顯著提升，風(fēng)險(xiǎn)溢出呈現(xiàn)出非對(duì)稱與異質(zhì)性特征，能源商品市場(chǎng)占據(jù)大宗商品市場(chǎng)風(fēng)險(xiǎn)溢出的主導(dǎo)地位。

關(guān)鍵詞：極端狀態(tài)；大宗商品；風(fēng)險(xiǎn)溢出；分位數(shù)向量自回歸模型

中圖分類號(hào)：F830" 文獻(xiàn)標(biāo)識(shí)碼：A" 文章編號(hào)：1674-2265（2023）12-0080-09

DOI：10.19647/j.cnki.37-1462/f.2023.12.009

一、引言

2022年初俄烏沖突爆發(fā)后，全球能源、黃金及農(nóng)產(chǎn)品期貨價(jià)格急速走高。同年3月8日，WTI原油期貨收盤價(jià)格上漲至每桶124.77美元，創(chuàng)近10年來(lái)原油期貨價(jià)格的新高，此后商品價(jià)格走勢(shì)出現(xiàn)了漲跌不同步的走勢(shì)（見(jiàn)圖1）。隨后黃金止跌反彈，原油與小麥價(jià)格處于下跌狀態(tài)。大宗商品市場(chǎng)的價(jià)格變化與俄烏沖突等極端事件在時(shí)間上聯(lián)系緊密。

國(guó)際大宗商品價(jià)格變化可形成跨品種、跨市場(chǎng)的風(fēng)險(xiǎn)傳遞，引發(fā)其他大宗商品價(jià)格變化與金融市場(chǎng)波動(dòng)，對(duì)宏觀經(jīng)濟(jì)穩(wěn)定產(chǎn)生影響，在極端事件影響下這一溢出效應(yīng)更是亟需關(guān)注。隨著商品金融化程度的加劇，國(guó)際大宗商品市場(chǎng)與金融市場(chǎng)聯(lián)動(dòng)程度加深，可能會(huì)放大極端事件沖擊所引致的負(fù)面效應(yīng)，使得破壞性經(jīng)濟(jì)后果不再局限于單一市場(chǎng)而迅速向其他市場(chǎng)擴(kuò)散。探究商品金融化進(jìn)程加深背景下極端事件對(duì)商品價(jià)格的影響機(jī)制，可在經(jīng)濟(jì)全球化的“逆風(fēng)逆流”中提高抵御化解國(guó)際金融風(fēng)險(xiǎn)的能力。剖析極端狀態(tài)下大宗商品市場(chǎng)間的風(fēng)險(xiǎn)傳遞、探究其溢出的異質(zhì)性特征，對(duì)完善我國(guó)大宗商品“保供穩(wěn)價(jià)”的宏觀治理機(jī)制與防范化解金融市場(chǎng)風(fēng)險(xiǎn)有著重要的啟示意義。

二、文獻(xiàn)綜述

國(guó)際大宗商品既是生產(chǎn)要素，又兼具金融與投資屬性，其與民生福祉、工農(nóng)業(yè)生產(chǎn)以及宏觀經(jīng)濟(jì)大盤息息相關(guān)。隨著商品市場(chǎng)金融化程度的不斷加深，大宗商品市場(chǎng)收益逐漸呈現(xiàn)與金融市場(chǎng)相似的特征（Nazlioglu等，2013）[1]，進(jìn)一步放大了國(guó)際大宗商品的投資屬性。作為金融投資和風(fēng)險(xiǎn)對(duì)沖的重要領(lǐng)域，越來(lái)越多的投資者發(fā)現(xiàn)大宗商品在對(duì)沖風(fēng)險(xiǎn)、豐富投資組合多樣性方面的優(yōu)勢(shì)（Gorton和Rouwenhorst，2006；胡聰慧和劉學(xué)良，2017；聞岳春等，2015）[2-4]。然而，受新興經(jīng)濟(jì)體高速增長(zhǎng)的實(shí)際需求和增長(zhǎng)預(yù)期的影響，加之各類金融投機(jī)行為、主要發(fā)達(dá)經(jīng)濟(jì)體貨幣政策沖擊的助推，大宗商品價(jià)格變化呈現(xiàn)過(guò)度同漲同跌現(xiàn)象，對(duì)一國(guó)宏觀經(jīng)濟(jì)、實(shí)體行業(yè)以及金融市場(chǎng)的可持續(xù)發(fā)展產(chǎn)生重要影響（譚小芬等，2014；隋建利和楊慶偉，2021）[5，6]。鑒于跨商品市場(chǎng)信息溢出的重要性，以能源、農(nóng)產(chǎn)品與金屬市場(chǎng)為代表的主要大宗商品市場(chǎng)間風(fēng)險(xiǎn)傳遞研究不斷涌現(xiàn)（Chan等，2011；Chng，2009）[7，8]。國(guó)際大宗商品的雙重屬性將商品經(jīng)濟(jì)與金融穩(wěn)定緊密聯(lián)結(jié)起來(lái)，這種聯(lián)結(jié)關(guān)系的確定存在導(dǎo)致一種商品的價(jià)格波動(dòng)會(huì)從不同方向傳遞給其他商品，形成了商品價(jià)格波動(dòng)的聯(lián)動(dòng)效應(yīng)，為科學(xué)追溯價(jià)格波動(dòng)中心以及有效阻斷風(fēng)險(xiǎn)傳染提供了有效路徑。

已有文獻(xiàn)對(duì)跨市場(chǎng)間價(jià)格溢出的研究發(fā)現(xiàn)，能源等商品市場(chǎng)間的價(jià)格關(guān)聯(lián)與傳導(dǎo)是顯而易見(jiàn)的。在能源市場(chǎng)中，市場(chǎng)生產(chǎn)和運(yùn)輸成本的增加、生物燃料和可再生能源的使用需求上漲、生物領(lǐng)域技術(shù)的突破等形成能源商品市場(chǎng)間的價(jià)格傳導(dǎo)機(jī)制（Nazlioglu等，2013；Su等，2019）[1，9]。同時(shí)，商品市場(chǎng)的投資屬性將商品市場(chǎng)的風(fēng)險(xiǎn)延伸到金融市場(chǎng)，并通過(guò)利率途徑影響到宏觀經(jīng)濟(jì)。在宏觀經(jīng)濟(jì)不確定性、經(jīng)濟(jì)和金融危機(jī)以及全球氣候變暖等因素驅(qū)動(dòng)下的動(dòng)蕩市場(chǎng)環(huán)境中，近年來(lái)商品價(jià)格波動(dòng)持續(xù)加劇，國(guó)際大宗商品價(jià)格已成為金融市場(chǎng)外部風(fēng)險(xiǎn)的重要來(lái)源（Zhang和Zeng，2023）[10]，市場(chǎng)間資金流動(dòng)和信息傳遞的日益頻繁也放大了風(fēng)險(xiǎn)的跨市場(chǎng)傳遞。學(xué)界圍繞大宗商品市場(chǎng)與金融市場(chǎng)間價(jià)格波動(dòng)的影響路徑開(kāi)展了大量研究。宏觀經(jīng)濟(jì)方面，跨境資本流動(dòng)驟變會(huì)通過(guò)影響市場(chǎng)流動(dòng)性的方式改變大宗商品價(jià)格，商品價(jià)格波動(dòng)逐漸成為利率和通貨膨脹的驅(qū)動(dòng)力量，加之宏觀不確定性及國(guó)際貿(mào)易競(jìng)爭(zhēng)等因素的沖擊，通過(guò)下游貿(mào)易、價(jià)格渠道給金融市場(chǎng)帶來(lái)系統(tǒng)性風(fēng)險(xiǎn)（張穎和李佳彧，2023）[11]。大宗商品價(jià)格波動(dòng)反映了食品、原料等生產(chǎn)投入要素的變動(dòng)，經(jīng)由成本渠道傳遞給下游各行業(yè)，進(jìn)而帶來(lái)投資者交易策略的偏離，放大市場(chǎng)下跌并引發(fā)劇烈波動(dòng)，最終導(dǎo)致資本市場(chǎng)崩盤（謝飛和韓立巖，2012）[12]。

現(xiàn)有諸如金融動(dòng)蕩、新冠疫情等極端事件背景下的研究中對(duì)大宗商品市場(chǎng)間價(jià)格溢出效應(yīng)的檢驗(yàn)方法包括VAR 類、GARCH 類模型等，大宗商品類型包括能源、農(nóng)產(chǎn)品等，研究視角包括大宗商品價(jià)格之間的關(guān)聯(lián)性、風(fēng)險(xiǎn)溢出效應(yīng)的非對(duì)稱性等。Nicola等（2016）[13]基于向量自回歸（VAR）模型的溢出指數(shù)方法分析了主要能源、農(nóng)產(chǎn)品和糧食商品價(jià)格的收益回報(bào)特征，發(fā)現(xiàn)隨著初級(jí)商品合作水平的不斷提高，能源與農(nóng)產(chǎn)品價(jià)格收益高度相關(guān)。Kang等（2017）[14]通過(guò)多元DECO-GARCH模型識(shí)別了原油、貴金屬和農(nóng)產(chǎn)品期貨市場(chǎng)間的雙向收益和波動(dòng)溢出效應(yīng)，黃金與白銀在金融危機(jī)期間為風(fēng)險(xiǎn)溢出方。Balcilar等（2021）[15]基于TVP-VAR模型發(fā)現(xiàn)受不同緊急事件驅(qū)動(dòng)，系統(tǒng)范圍內(nèi)的動(dòng)態(tài)連通性存在異質(zhì)性特征，在全球金融危機(jī)、歐洲主權(quán)債務(wù)危機(jī)和新冠疫情期間達(dá)到了峰值。Tiwari等（2022）[16]利用QVAR模型探討能源與農(nóng)產(chǎn)品市場(chǎng)間的分位數(shù)溢出效應(yīng)，發(fā)現(xiàn)左右尾部分位數(shù)溢出效應(yīng)強(qiáng)于條件分布的均值與中值，強(qiáng)調(diào)探討極端情況下系統(tǒng)風(fēng)險(xiǎn)溢出的重要性。從大宗商品價(jià)格風(fēng)險(xiǎn)溢出的研究文獻(xiàn)可以發(fā)現(xiàn)，有大量文獻(xiàn)基于Diebold和Yilmaz（2012；2014）[17，18]的溢出指數(shù)分析方法展開(kāi)了不同角度、不同商品的研究，基于條件均值測(cè)度的傳統(tǒng)分析方法難以有效刻畫尾部風(fēng)險(xiǎn)的傳染特征，且存在較大的估計(jì)偏差。

綜上所述，大宗商品價(jià)格風(fēng)險(xiǎn)會(huì)在不同市場(chǎng)間傳遞，并可以傳導(dǎo)至金融市場(chǎng)以及宏觀經(jīng)濟(jì)。現(xiàn)有文獻(xiàn)中包括對(duì)金融動(dòng)蕩、債務(wù)危機(jī)、新冠疫情等極端事件發(fā)生后的研究，缺少地緣政治沖突（如俄烏沖突）等重大突發(fā)事件下商品價(jià)格風(fēng)險(xiǎn)溢出的分析。當(dāng)前國(guó)際政治與經(jīng)濟(jì)形勢(shì)復(fù)雜多變，盡管俄烏沖突對(duì)全球大宗商品供需的結(jié)構(gòu)性沖擊逐步消減，WTI原油期貨價(jià)格逐步回落，但國(guó)際資本博弈與地緣政治力量交織仍持續(xù)沖擊大宗商品市場(chǎng)的穩(wěn)定。大宗商品市場(chǎng)是我國(guó)經(jīng)濟(jì)與金融中的重點(diǎn)領(lǐng)域，地緣政治事件發(fā)生后大宗商品價(jià)格波動(dòng)風(fēng)險(xiǎn)溢出可能會(huì)與其他極端事件下的風(fēng)險(xiǎn)溢出特征不同。作為國(guó)際大宗商品第一進(jìn)口大國(guó)，大宗商品價(jià)格變化引發(fā)了我國(guó)政府的高度關(guān)注。諸如俄烏沖突一類極端事件的突然出現(xiàn)是否直接引發(fā)國(guó)際大宗商品市場(chǎng)價(jià)格變化？國(guó)際大宗商品價(jià)格的突然變化是否會(huì)引發(fā)其他大宗商品價(jià)格變化，在當(dāng)前的商品金融化水平下，又是否會(huì)通過(guò)利率渠道傳遞至我國(guó)的金融市場(chǎng)？在出現(xiàn)重大沖突與危機(jī)時(shí)，我國(guó)如何應(yīng)對(duì)國(guó)際大宗商品價(jià)格波動(dòng)帶來(lái)的不利影響？以上各種疑問(wèn)儼然成為當(dāng)下亟待解決的重要問(wèn)題。

本文以俄烏沖突這一極端事件為研究事件點(diǎn)，在前人研究成果的基礎(chǔ)上，界定了大宗商品市場(chǎng)變化極端狀態(tài)等相關(guān)概念，分析了大宗商品風(fēng)險(xiǎn)跨市場(chǎng)的傳遞路徑，運(yùn)用實(shí)證分析方法刻畫國(guó)際大宗商品市場(chǎng)間的溢出效應(yīng)，分析大宗商品市場(chǎng)間風(fēng)險(xiǎn)溢出的非對(duì)稱性和異質(zhì)性特征，從動(dòng)態(tài)、靜態(tài)兩個(gè)視角對(duì)不同沖擊規(guī)模與沖擊方向下跨市場(chǎng)價(jià)格變動(dòng)的溢出效應(yīng)展開(kāi)探討，有助于更好洞察商品市場(chǎng)之間的關(guān)聯(lián)，為更好地應(yīng)對(duì)地緣政治危機(jī)時(shí)期金融風(fēng)險(xiǎn)、確保宏觀經(jīng)濟(jì)企穩(wěn)提供參考。

三、風(fēng)險(xiǎn)溢出機(jī)制分析

（一）極端市場(chǎng)狀態(tài)、正常市場(chǎng)狀態(tài)與沖擊規(guī)模

基于Diebold和Yilmaz （2012；2014）[17，18]提出的溢出指數(shù)方法，本文在QVAR模型下將大宗商品市場(chǎng)劃分為正面信息到達(dá)帶來(lái)有利沖擊所導(dǎo)致的看漲市場(chǎng)（τ＝0.95）與負(fù)面信息到達(dá)帶來(lái)的不利沖擊所導(dǎo)致的看跌市場(chǎng)（τ＝0.05）。跨市場(chǎng)間收益變動(dòng)的不同分位點(diǎn)可捕捉不同沖擊規(guī)模的大小，由中間分位點(diǎn)（τ＝0.5）到左右尾部（τ＝0，τ＝1）代表逐漸增加的沖擊規(guī)模（Tiwari等，2022）[16]。由此，可通過(guò)不同分位數(shù)水平來(lái)錨定不同市場(chǎng)狀態(tài)。

在事件沖擊下大宗商品價(jià)格的大幅度變化位于分位數(shù)兩端，可定義為大宗商品市場(chǎng)的極端市場(chǎng)狀態(tài)，若沖擊后價(jià)格變化幅度不大，可認(rèn)定為正常市場(chǎng)狀態(tài)。當(dāng)處于正常市場(chǎng)狀態(tài)時(shí)，以中間分位點(diǎn)（τ＝0.5）表示。極端事件出現(xiàn)之后，如果大宗商品市場(chǎng)價(jià)格出現(xiàn)暴漲暴跌，那么大宗商品市場(chǎng)步入極端市場(chǎng)狀態(tài)，表現(xiàn)為價(jià)格或者收益率的出現(xiàn)概率處于收益率分布的尾部，即上分位點(diǎn)（τ＝0.05）和下分位點(diǎn)（τ＝0.95），分別對(duì)應(yīng)暴跌和暴漲的市場(chǎng)狀況。現(xiàn)實(shí)中我們較難觀察到市場(chǎng)由正常狀態(tài)到極端狀態(tài)的過(guò)渡，而往往這一過(guò)程是市場(chǎng)做出反應(yīng)的最佳時(shí)機(jī)，可通過(guò)分析不同沖擊規(guī)模下大宗商品市場(chǎng)價(jià)格的反應(yīng)來(lái)觀測(cè)。

（二）大宗商品價(jià)格風(fēng)險(xiǎn)溢出路徑

當(dāng)極端市場(chǎng)狀態(tài)出現(xiàn)時(shí)，某一個(gè)大宗商品市場(chǎng)的價(jià)格變化會(huì)首先出現(xiàn)跳躍，表現(xiàn)為急漲或急跌狀態(tài)。該大宗商品的價(jià)格變化一方面進(jìn)行自身強(qiáng)化，另一方面由于跨市場(chǎng)之間的關(guān)聯(lián)而向外溢出，風(fēng)險(xiǎn)傳遞到其他市場(chǎng)。通常最先受到?jīng)_擊的商品稱為主導(dǎo)市場(chǎng)，其他大宗商品受到的沖擊有可能為正向沖擊或者負(fù)向沖擊，同時(shí)風(fēng)險(xiǎn)還會(huì)傳遞至金融市場(chǎng)和宏觀經(jīng)濟(jì)，極端沖擊下大宗商品市場(chǎng)價(jià)格風(fēng)險(xiǎn)傳遞路徑如圖2所示。

[極端沖擊][大宗商品A][大宗商品B、C、D…][金融市場(chǎng)、宏觀經(jīng)濟(jì)狀態(tài)等]

圖2：極端市場(chǎng)狀態(tài)下大宗商品市場(chǎng)價(jià)格風(fēng)險(xiǎn)溢出路徑

（三）大宗商品價(jià)格風(fēng)險(xiǎn)溢出的測(cè)度

大宗商品市場(chǎng)的風(fēng)險(xiǎn)溢出可依據(jù)數(shù)量方法進(jìn)行觀測(cè)。參考Ando等（2022）[19]的研究，構(gòu)建條件分位數(shù)水平[τ]下大宗商品收益率的N維p階向量自回歸模型：

[yt=c（τ）+i=1pBi（τ）yt-i+et（τ），t=1，…，T]" "（1）

其中[yt]定義了條件收益率的N維列向量。[τ∈（0，1）]為不同條件分位數(shù)水平，[Bi（τ）]表示與條件分位數(shù)[τ]相對(duì)應(yīng)的N維系數(shù)矩陣，不同[τ]處對(duì)應(yīng)的截距列向量和殘差向量分別用[c（τ）]和[et（τ）]表示，且[et（τ）～i.i.d.（0，（τ））]。在誤差向量[et（τ）]滿足[Qτ（εt（τ）|yt-1，...，yt-p）=0]的假定下給出系數(shù)矩陣[Bi（τ）]和截距項(xiàng)[c（τ）]的估計(jì)項(xiàng)。

在上述條件下，因變量[yt]在條件分位數(shù)[τ]下的回歸函數(shù)為：

[Qt（yt|yt-1，…yt-p）=c（τ）+i=1pBi（τ）yt-i]" "（2）

對(duì)于式（1）的[QVAR（p）]模型，當(dāng)其滿足穩(wěn)定性條件時(shí)，可將其轉(zhuǎn)化表示為無(wú)限階的分位數(shù)向量移動(dòng)平均[QVMA（∞）]過(guò)程：

[yt=μ（τ）+s=0∞As（τ）et-s（τ），t=1，…T]" " （3）

其中，[μ（τ）=（IN-B1（T）-???-Bp（τ））-1c（τ）]，[As（τ）]表示[QVMA（∞）]與條件分位數(shù)[τ]相對(duì)應(yīng)的系數(shù)矩陣，且：[Asτ=0，slt;0;IN，s=0B1（τ）As-1τ+…+BpτAs-pτ，sgt;0]。

給定向前H步預(yù)測(cè)中，第[j]個(gè)變量對(duì)變量[i]的預(yù)測(cè)誤差方差分解的貢獻(xiàn)表示為[θgij（H）]：

[θgij（H）=σ（τ）-1jjs=0H-1（e′iAs（τ）∑（τ）ej）2s=0H-1（e′iAs（τ）∑（τ）A′s（τ）ei）]" " （4）

[∑（τ）]表示為[εi（τ）]的方差協(xié)方差矩陣；矩陣[∑]中第[j]個(gè)對(duì)角元素表示為[σ（τ）jj]；除第[i]個(gè)元素取值為1外，[ei]中其余元素均為0。廣義方差分解中，[j=1Nθgij（τ）≠1]，對(duì)式（4）進(jìn)行歸一化處理為：

[θgij（H）=θgij（H）Nj=1θgij（H）]" "（5）

在此基礎(chǔ)上，構(gòu)建在條件分位數(shù)水平[τ]下的總溢出指數(shù)、方向性溢出指數(shù)和凈溢出指數(shù)，具體公式如下：

[TSI（τ）=Nj=1，i≠jθgij（τ）Ni=1Nj=1θgij（τ）×100]" "（6）

[SIi←j（τ）=Nj=1，i≠jθgij（τ）Nj=1θgij（τ）×100=FROM]" "（7）

[SIi→j（τ）=Nj=1，i≠jθgji（τ）Nj=1θgji（τ）×100=TO]" "（8）

[NSIi（τ）=SIi→j（τ）-SIi←j（τ）]" " （9）

（四）相對(duì)溢出、溢入指數(shù)測(cè)定

當(dāng)市場(chǎng)從中間狀態(tài)向極端狀態(tài)變動(dòng)時(shí)，不同商品市場(chǎng)方向性溢出以及兩兩間溢出水平發(fā)生變化，基于上述表達(dá)式構(gòu)建相對(duì)溢入溢出指數(shù)（[ΔToi，L]，[ΔToi，R]，[ΔFromi，L]，[ΔFromi，R]）與相對(duì)定向溢出指數(shù)（[ΔSIL]和[ΔSIR]），以探究市場(chǎng)價(jià)格變動(dòng)處于極端下降、極端上升狀態(tài)下各市場(chǎng)溢入水平相較于中間水平的變化，以及處于兩狀態(tài)下市場(chǎng)間溢出水平相較于中間狀態(tài)的變化（Adrian和Brunnermeier，2016；李政等，2022）[20，21]。

[ΔToi，L=Toi（τ=0.05）-Toi（τ=0.5），ΔToi，R=Toi（τ=0.95）-Toi（τ=0.5）] " （10）

[ΔFromi，L=Fromiτ=0.05-Fromiτ=0.5，ΔFromi，R=Fromiτ=0.95-Fromiτ=0.5] （11）

[ΔSIij，L=θHijτ=0.05-θHijτ=0.5，ΔSIij，R=θHijτ=0.95-θHijτ=0.5]" "（12）

四、實(shí)證分析

（一）樣本選擇與預(yù)處理

數(shù)據(jù)選取方面，為更好捕捉大宗商品市場(chǎng)間價(jià)格波動(dòng)關(guān)聯(lián)，參考Diebold等（2017）[22]的研究，本文確定涵蓋能源、金屬、農(nóng)產(chǎn)品等重要大宗商品的9類代表性大宗商品價(jià)格序列，選取NYMEX天然氣、IPE鹿特丹煤炭、WTI原油作為能源市場(chǎng)的代理變量，COMEX黃金、COMEX銅、COMEX銀作為金屬市場(chǎng)的代理變量，CBOT小麥、CBOT玉米與CBOT大豆作為農(nóng)產(chǎn)品市場(chǎng)的代理變量。樣本區(qū)間為2008年11月26日—2023年8月29日。剔除樣本中非同時(shí)交易的數(shù)據(jù)后，最終得到2598組樣本。所有樣本均選自萬(wàn)得數(shù)據(jù)庫(kù)。對(duì)日度收益數(shù)據(jù)采用對(duì)數(shù)后差分的處理方法得到其變動(dòng)率，即[yi，t=ln（Pi，t）-ln（Pi，t-1）]。

（二）描述性統(tǒng)計(jì)分析

表1給出了國(guó)際大宗商品市場(chǎng)收益率樣本序列的描述性統(tǒng)計(jì)分析結(jié)果。除天然氣市場(chǎng)（Gas）外，所有市場(chǎng)樣本期內(nèi)收益均值均為正。天然氣市場(chǎng)（Gas）、煤炭市場(chǎng)（Coal）與WTI原油市場(chǎng)（Oil）收益率序列的標(biāo)準(zhǔn)差較大，這表明能源市場(chǎng)在樣本期內(nèi)更易受到市場(chǎng)風(fēng)險(xiǎn)的沖擊，而黃金市場(chǎng)與大豆市場(chǎng)則更為穩(wěn)定。除WTI原油市場(chǎng)（Oil）、天然氣市場(chǎng)（Gas）與小麥?zhǔn)袌?chǎng)（Wheat）外，其余市場(chǎng)樣本序列偏度顯著為負(fù)，所有市場(chǎng)樣本收益率序列超額峰度顯著為正。ADF單位根檢驗(yàn)表明所有樣本序列在1%的顯著性水平上拒絕存在單位根的原假設(shè)，表明國(guó)際大宗商品市場(chǎng)收益率序列都是平穩(wěn)的。

（三）大宗商品市場(chǎng)風(fēng)險(xiǎn)溢出的主導(dǎo)市場(chǎng)分析

本文運(yùn)用靜態(tài)溢出分析法分析國(guó)際大宗商品市場(chǎng)不同狀態(tài)下的溢出情況，尋找風(fēng)險(xiǎn)溢出的主導(dǎo)市場(chǎng)，結(jié)果如表2所示。文章分別采用基于條件均值、條件中位數(shù)與極端條件分位數(shù)（τ=0.05，τ=0.95）的溢出指數(shù)進(jìn)行全樣本估計(jì)。QVAR模型滯后階數(shù)依據(jù)AIC準(zhǔn)則確定為1，預(yù)測(cè)誤差方差分解的期數(shù)H設(shè)為10。

1. 極端狀態(tài)市場(chǎng)的風(fēng)險(xiǎn)溢出水平遠(yuǎn)高于正常市場(chǎng)。表2中列（1）—（4）為正常市場(chǎng)狀態(tài)下的靜態(tài)溢出結(jié)果。兩種連通性的度量差異較小，具有高度相似性，基于條件均值的測(cè)度略高于基于條件中位數(shù)測(cè)度的系統(tǒng)連通性，測(cè)度的系統(tǒng)總連通性分別為35.83%和29.56%。然而，相較于中間狀態(tài)，極端下降與極端上升狀態(tài)下測(cè)度的總溢出指數(shù)分別為81.15%與81.27%，明顯高于中間狀態(tài)下的總體溢出指數(shù)，表明商品市場(chǎng)處于看漲或看跌的極端狀態(tài)下，信息更易在市場(chǎng)間傳遞，也同樣加快了市場(chǎng)中負(fù)面信息的傳遞，在市場(chǎng)低迷期間，壞消息所帶來(lái)的風(fēng)險(xiǎn)更易于從各個(gè)市場(chǎng)溢出至其他市場(chǎng)。Londono（2019）[23]將極端時(shí)期市場(chǎng)整體溢出水平的提高歸因于好壞消息的到達(dá)對(duì)市場(chǎng)帶來(lái)有利、不利沖擊所致。極端市場(chǎng)狀態(tài)下，跨市場(chǎng)間信息傳遞顯著增強(qiáng)，相較于中間狀態(tài)（τ=0.5）測(cè)度下的溢出水平，漲幅超50個(gè)百分點(diǎn)。

2. 極端下跌市場(chǎng)中能源市場(chǎng)價(jià)格變動(dòng)最顯著。表2中列（5）和列（6）為基于0.05條件分位數(shù)的溢出結(jié)果，反映了處于極端下降狀態(tài)下的9個(gè)大宗商品市場(chǎng)的總溢出水平與方向性溢出水平。各市場(chǎng)左尾相對(duì)溢入和溢出指數(shù)的測(cè)度列示于列（9）和列（10），反映各市場(chǎng)方向性溢出水平由中間狀態(tài)向極端下降狀態(tài)過(guò)渡的變動(dòng)情況。其一，當(dāng)各大宗商品市場(chǎng)收益波動(dòng)處于極端下降狀態(tài)時(shí)，不同大宗商品市場(chǎng)間的總體關(guān)聯(lián)明顯提高。0.05條件分位數(shù)測(cè)度下的總溢出指數(shù)（81.15%）遠(yuǎn)高于條件中位數(shù)的測(cè)度（29.56%）。極端低分位點(diǎn)表示在極端下降狀態(tài)時(shí)，各大宗商品市場(chǎng)收益波動(dòng)所產(chǎn)生的沖擊更易于從單一大宗商品市場(chǎng)蔓延至其他市場(chǎng)，基于條件中位數(shù)的測(cè)度無(wú)法準(zhǔn)確度量左尾總溢出水平。其二，當(dāng)收益率波動(dòng)處于極端下降狀態(tài)時(shí)，溢出及溢入指數(shù)的取值范圍上移。具體而言，對(duì)于各商品市場(chǎng)的溢入水平，基于條件中位數(shù)的測(cè)度范圍是4.68%（天然氣）～44.76%（銀），而基于0.05條件分位數(shù)測(cè)度的范圍是78.43%（煤炭）～82.48%（銅）；對(duì)于各商品市場(chǎng)的溢出水平，基于條件中位數(shù)的測(cè)度為3.78%（天然氣）～50.41%（銀），而基于0.05條件分位數(shù)的測(cè)度為61.32%（煤炭）～90.55%（銅）。當(dāng)收益率波動(dòng)處于極端下降狀態(tài)時(shí)，方向性溢出水平均呈上升態(tài)勢(shì)，天然氣價(jià)格所受影響最大，銀價(jià)變動(dòng)最弱。無(wú)論溢入水平或溢出水平，能源市場(chǎng)價(jià)格在商品市場(chǎng)中變動(dòng)最為顯著。

3. 極端上升市場(chǎng)中天然氣價(jià)格變動(dòng)最顯著。表2中的列（7）和列（8）為基于0.95條件分位數(shù)的溢出結(jié)果，衡量收益率變動(dòng)處于極端上升狀態(tài)下的溢出效應(yīng)。列（11）和列（12）所列示的右尾相對(duì)溢入溢出指數(shù)變化則代表著各大宗商品市場(chǎng)相較于中間狀態(tài)的變動(dòng)。首先，收益率變動(dòng)處于極端上升狀態(tài)時(shí)，商品市場(chǎng)間總體關(guān)聯(lián)性顯著提高。基于0.95條件分位數(shù)的總溢出指數(shù)為81.27%，大于基于條件中位數(shù)所測(cè)度的29.56%。極端高分位點(diǎn)代表收益率波動(dòng)處于極端上升狀態(tài)時(shí)所產(chǎn)生的沖擊將進(jìn)一步加劇跨市場(chǎng)溢出，基于條件中位數(shù)的測(cè)度也會(huì)帶來(lái)右尾總溢出水平的低估。其次，收益變動(dòng)溢入及溢出指數(shù)分布范圍也進(jìn)一步呈上移態(tài)勢(shì)。基于0.95條件分位數(shù)溢入水平的測(cè)度范圍是77.87%（煤炭）～82.41%（銅），溢出范圍是61.65%（煤炭）～88.59%（銅）。最后，當(dāng)收益率波動(dòng)處于極端上升時(shí)，方向性溢出水平普遍上升。能源市場(chǎng)溢入溢出指數(shù)上漲幅度仍大于農(nóng)產(chǎn)品市場(chǎng)與金屬市場(chǎng)，以天然氣市場(chǎng)變動(dòng)最為顯著。

（四）極端狀態(tài)下大宗商品市場(chǎng)風(fēng)險(xiǎn)溢出的動(dòng)態(tài)聯(lián)動(dòng)性增強(qiáng)

本文運(yùn)用動(dòng)態(tài)溢出分析法探究極端狀態(tài)下大宗商品市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)，滾動(dòng)窗口設(shè)置為200天，通過(guò)基于條件中位數(shù)（τ=0.5）、極端條件分位數(shù)（τ=0.05，τ=0.95）的滾動(dòng)溢出指數(shù)進(jìn)行跨市場(chǎng)溢出效應(yīng)的測(cè)度。圖3對(duì)三種測(cè)度方式下大宗商品收益率變動(dòng)的動(dòng)態(tài)總溢出水平進(jìn)行了刻畫。

在整個(gè)樣本期內(nèi)，大宗商品市場(chǎng)的總體溢出水平波幅較為明顯，隨時(shí)間推移呈現(xiàn)明顯的時(shí)變特征。其中，基于條件中位數(shù)測(cè)度的總溢出指數(shù)在18.81%～51.50%的范圍內(nèi)波動(dòng)，0.05條件分位數(shù)下的波動(dòng)范圍是78.54%～88.70%，0.95條件分位數(shù)下的波動(dòng)范圍是69.89%～81.03%。

無(wú)論處于極端上漲還是極端下跌狀態(tài)，二者測(cè)度的總溢出指數(shù)在整個(gè)樣本期內(nèi)顯著高于基于條件中位數(shù)的測(cè)度值，極端狀態(tài)下跨市場(chǎng)溢出效應(yīng)加劇，側(cè)面反映出基于條件中位數(shù)測(cè)度的總溢出指數(shù)會(huì)低估極端狀態(tài)下大宗商品價(jià)格變動(dòng)的溢出水平。2014年下半年大宗商品市場(chǎng)受油價(jià)大幅下跌影響，總體溢出水平跌至最低點(diǎn)，基于條件中位數(shù)與極端條件分位數(shù)所測(cè)度的溢出水平差異在極端事件沖擊后的樣本期內(nèi)最為顯著，如2010—2012年歐債危機(jī)、2020年新冠疫情等極端事件發(fā)生年份。此外，基于條件中位數(shù)的總溢出指數(shù)將低估商品收益波動(dòng)處于極端上升時(shí)的溢出水平，但低估程度弱于極端下降時(shí)的溢出水平。由此可以看出，極端風(fēng)險(xiǎn)事件沖擊加劇大宗商品價(jià)格波動(dòng)，隨著大宗商品市場(chǎng)金融化程度日益提高，各市場(chǎng)間價(jià)格呈聯(lián)動(dòng)變化特征，使得波動(dòng)所造成的沖擊不再局限于單一商品市場(chǎng)，并且在看跌的市場(chǎng)條件下變動(dòng)更加明顯。

（五）極端狀態(tài)下大宗商品市場(chǎng)風(fēng)險(xiǎn)溢出具有非對(duì)稱特征

大宗商品市場(chǎng)風(fēng)險(xiǎn)溢出的非對(duì)稱性特征是序列左右尾部的信息差異性，異質(zhì)性特征是同一個(gè)大宗商品市場(chǎng)風(fēng)險(xiǎn)對(duì)其他大宗商品市場(chǎng)沖擊的差異性。為捕獲左右尾信息的非對(duì)稱性與異質(zhì)性，對(duì)不同沖擊方向以及沖擊規(guī)模對(duì)溢出效應(yīng)的影響展開(kāi)進(jìn)一步探討，重點(diǎn)關(guān)注極端正、負(fù)向沖擊下變化的非對(duì)稱性與異質(zhì)性特征。

1. 總體風(fēng)險(xiǎn)溢出水平呈“沖擊微笑”的U形形態(tài)。圖4描繪了不同分位數(shù)下的總體溢出水平變化趨勢(shì)。首先，在極端狀態(tài)下的總溢出水平顯著高于中間狀態(tài)。在條件中位數(shù)下總溢出水平的均值為34.54%，而極端狀態(tài)下總溢出水平提高近半數(shù)以上，表明在極端沖擊下市場(chǎng)間溢出效應(yīng)更加強(qiáng)烈，總體上呈現(xiàn)出“沖擊微笑”的U形形態(tài)。其次，沖擊規(guī)模越大，市場(chǎng)間總溢出水平越高。收益率變動(dòng)的總體溢出水平在不同條件分位數(shù)的測(cè)度下存在明顯異質(zhì)性，由中間分位點(diǎn)向左右尾部逐漸上升。圖4所呈現(xiàn)的“沖擊微笑”的U形結(jié)構(gòu)意味著無(wú)論面對(duì)正向或負(fù)向沖擊，收益率變動(dòng)所帶來(lái)的沖擊均呈現(xiàn)出更強(qiáng)的跨市場(chǎng)聯(lián)動(dòng)關(guān)系，且溢出強(qiáng)度與沖擊規(guī)模呈現(xiàn)正相關(guān)關(guān)系。極端沖擊下的總體溢出水平較中間狀態(tài)顯著提升。本文認(rèn)為，產(chǎn)生該現(xiàn)象的原因在于大宗商品收益率變動(dòng)對(duì)極端風(fēng)險(xiǎn)事件沖擊的反應(yīng)隨自身變動(dòng)幅度的增大而增大，并且通過(guò)各種渠道向其他市場(chǎng)的溢出也隨之增大。最后，極端上升與極端下降狀態(tài)對(duì)總體溢出水平存在非對(duì)稱影響。在0.05條件分位數(shù)下，總溢出水平的均值為81.97%，在0.95條件分位數(shù)下則為82.26%。表明商品價(jià)格變動(dòng)所帶來(lái)的沖擊在看漲的市場(chǎng)環(huán)境中更為明顯。并且，隨著沖擊規(guī)模的不斷擴(kuò)大，溢出水平呈現(xiàn)出較強(qiáng)的異質(zhì)性。一方面，相對(duì)于看漲市場(chǎng)環(huán)境，商品收益率的大幅下降對(duì)經(jīng)濟(jì)活動(dòng)的影響更大，極端負(fù)向沖擊勢(shì)必對(duì)其他市場(chǎng)產(chǎn)生更強(qiáng)的溢出。另一方面，收益率變動(dòng)的不確定性對(duì)投資者預(yù)期產(chǎn)生影響，投資主體出于規(guī)避風(fēng)險(xiǎn)的考量改變投資策略，進(jìn)一步加劇大宗商品市場(chǎng)價(jià)格波動(dòng)并帶來(lái)強(qiáng)烈外溢。因此，經(jīng)濟(jì)活動(dòng)與經(jīng)濟(jì)主體對(duì)市場(chǎng)環(huán)境與沖擊方向的敏感程度將決定大宗商品市場(chǎng)在不同極端狀態(tài)下的溢出差異。

2.方向性溢出呈現(xiàn)非對(duì)稱與異質(zhì)性特征。圖5描繪了9個(gè)大宗商品市場(chǎng)收益率變動(dòng)的溢入及溢出水平在不同分位數(shù)下的變化趨勢(shì)。首先，總體來(lái)看。各商品市場(chǎng)方向性溢出水平與沖擊規(guī)模呈正相關(guān)，極端上升與極端下降狀態(tài)下的溢入溢出水平顯著高于中間狀態(tài)，市場(chǎng)間方向性溢出水平變動(dòng)存在一定異質(zhì)性特征，隨分位點(diǎn)變化由中間向兩端移動(dòng)幅度略有差異，呈逐漸上行態(tài)勢(shì)。其次，相較于農(nóng)產(chǎn)品市場(chǎng)與金屬市場(chǎng)，能源市場(chǎng)整體的方向性溢出水平在極端狀態(tài)下差異更為明顯。所有市場(chǎng)中，天然氣與煤炭市場(chǎng)表現(xiàn)出最為明顯的漲幅，而金屬與農(nóng)產(chǎn)品市場(chǎng)的漲幅較弱，體現(xiàn)兩市場(chǎng)在極端市場(chǎng)條件下的穩(wěn)定性強(qiáng)于能源市場(chǎng)。最后，相較于溢入水平，各市場(chǎng)尾部溢出效應(yīng)的非對(duì)稱特征更為明顯，具體表現(xiàn)為在兩種極端沖擊下漲幅范圍與升降趨勢(shì)的非對(duì)稱特征。可以看出，能源市場(chǎng)在極端狀態(tài)下的溢入水平的漲幅顯著大于溢出水平，表明無(wú)論處于極端上漲還是下跌狀態(tài)，能源市場(chǎng)都更易受到?jīng)_擊。此外，金屬市場(chǎng)的溢出水平相較于溢入水平更為平緩，表明金屬市場(chǎng)的“避風(fēng)港”屬性。

為解釋方向性溢出水平受極端沖擊影響的市場(chǎng)異質(zhì)性。表3列示了各個(gè)市場(chǎng)4個(gè)指數(shù)測(cè)度結(jié)果及排名。

首先，天然氣市場(chǎng)左、右尾相對(duì)溢出指數(shù)為65.33%與69.33%，在所有市場(chǎng)中位列首位；相對(duì)溢入指數(shù)分別為67.81%和68.84%，位列第二。煤炭市場(chǎng)和原油市場(chǎng)的溢入溢出水平在極端狀態(tài)下變動(dòng)幅度也十分顯著。由此可見(jiàn)，極端狀態(tài)對(duì)能源市場(chǎng)的方向性溢出影響最大。一方面，天然氣市場(chǎng)逐漸恢復(fù)的供給仍落后于旺盛的需求，短期內(nèi)市場(chǎng)供需錯(cuò)配的局面難以緩解。在全球低碳轉(zhuǎn)型的政策導(dǎo)向下，碳排放管控趨嚴(yán)，隨著政策不斷收緊，碳價(jià)格一路飆升，推動(dòng)對(duì)天然氣需求的增加。另一方面，天然氣波動(dòng)的溢入溢出在極端狀態(tài)下的大幅加劇，凸顯在極端氣候背景下，新冠疫情蔓延、地緣政治摩擦升級(jí)加之間歇性能源不穩(wěn)定性問(wèn)題的暴露，進(jìn)一步加劇供需失衡，天然氣市場(chǎng)波動(dòng)加劇，在煤炭等其他能源市場(chǎng)引發(fā)一系列連鎖反應(yīng)，進(jìn)而沖擊整個(gè)商品市場(chǎng)。

其次，金屬市場(chǎng)呈現(xiàn)的結(jié)果不盡相同。相較于銅與黃金市場(chǎng)，銀市場(chǎng)表現(xiàn)最為穩(wěn)定。無(wú)論市場(chǎng)處于極端上漲還是極端下降狀態(tài)，銀市場(chǎng)溢入溢出水平始終位列末尾，表明期貨銀價(jià)格在極端時(shí)期表現(xiàn)較為穩(wěn)健，有利于分散投資風(fēng)險(xiǎn)。而黃金市場(chǎng)則呈現(xiàn)出一定的異質(zhì)性特征，相對(duì)溢入指數(shù)明顯大于相對(duì)溢出指數(shù)。黃金市場(chǎng)在極端時(shí)期更易受到?jīng)_擊，承擔(dān)更多來(lái)自其他商品期貨的價(jià)格波動(dòng)風(fēng)險(xiǎn)。

最后，以大豆、玉米以及小麥為代表的農(nóng)產(chǎn)品市場(chǎng)，左右尾相對(duì)溢入溢出指數(shù)排位靠后。這側(cè)面體現(xiàn)出農(nóng)產(chǎn)品市場(chǎng)在極端情形下具備一定穩(wěn)定性，維護(hù)農(nóng)產(chǎn)品市場(chǎng)在大宗商品市場(chǎng)的主體地位有助于降低整個(gè)系統(tǒng)的溢出強(qiáng)度。

綜上，極端沖擊對(duì)不同大宗商品市場(chǎng)方向性溢出的影響存在明顯差異，影響大宗商品在關(guān)聯(lián)網(wǎng)絡(luò)中的地位。天然氣所代表的能源市場(chǎng)在系統(tǒng)中的影響力顯著提高。基于條件中位數(shù)測(cè)度的溢出指數(shù)對(duì)不同市場(chǎng)尾部溢出的估計(jì)能力不盡相同，對(duì)農(nóng)產(chǎn)品市場(chǎng)的估計(jì)偏差最小。

五、結(jié)論與建議

文章采用基于條件分位數(shù)的溢出指數(shù)分析方法，研究在地緣政治沖突極端事件下大宗商品市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，觀察以能源、金屬與農(nóng)產(chǎn)品市場(chǎng)為代表的國(guó)際大宗商品市場(chǎng)間的風(fēng)險(xiǎn)溢出表現(xiàn)，對(duì)比分析了中間狀態(tài)以及極端狀態(tài)下大宗商品市場(chǎng)風(fēng)險(xiǎn)的演變，討論了看漲、看跌極端狀態(tài)下市場(chǎng)溢出的異質(zhì)性影響，并通過(guò)構(gòu)建相對(duì)溢入溢出指數(shù)，考察極端狀態(tài)對(duì)不同大宗商品市場(chǎng)的方向性溢出影響的差異。主要結(jié)論如下：第一，大宗商品市場(chǎng)價(jià)格波動(dòng)的總溢出水平以及各市場(chǎng)方向性溢出水平在不同條件分位數(shù)下呈“沖擊微笑”式U形形態(tài)，表明沖擊規(guī)模對(duì)總溢出水平以及各市場(chǎng)溢入溢出水平具有顯著正向影響。第二，在極端狀態(tài)下，總溢出水平與各大宗商品市場(chǎng)方向性溢出水平較中間狀態(tài)顯著提升，并且極端上升與下降狀態(tài)存在非對(duì)稱與異質(zhì)性特征。第三，各商品市場(chǎng)溢出水平與溢入水平在兩種極端狀態(tài)下變化不盡相同，能源市場(chǎng)差異更大，而農(nóng)產(chǎn)品市場(chǎng)、金屬市場(chǎng)在看漲或看跌的市場(chǎng)狀態(tài)下較為穩(wěn)定。第四，極端風(fēng)險(xiǎn)事件沖擊對(duì)不同市場(chǎng)產(chǎn)生的影響各不相同，能源市場(chǎng)方向性溢出水平大幅上升。極端狀態(tài)下，能源市場(chǎng)在大宗商品市場(chǎng)中的主導(dǎo)地位顯著提升。

根據(jù)上述分析，本文提出如下建議：第一，全球大宗商品市場(chǎng)金融化程度與日俱增，大宗商品兼具商品與金融投資品屬性，國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境的高度不確定性必然對(duì)其價(jià)格產(chǎn)生沖擊，特別是在金融危機(jī)、戰(zhàn)爭(zhēng)、公共衛(wèi)生事件等極端風(fēng)險(xiǎn)事件沖擊時(shí)期。考慮到大宗商品作為金融資產(chǎn)對(duì)沖風(fēng)險(xiǎn)的有效性，市場(chǎng)投資主體應(yīng)加強(qiáng)對(duì)極端市場(chǎng)條件下跨市場(chǎng)風(fēng)險(xiǎn)傳遞特征的認(rèn)知，掌握價(jià)格變動(dòng)溢出動(dòng)態(tài)，提高投資管理策略水平，從而有效減少損失，充分發(fā)揮大宗商品對(duì)投資組合多元化的作用。第二，政策當(dāng)局應(yīng)對(duì)跨市場(chǎng)間風(fēng)險(xiǎn)外溢引致的下行風(fēng)險(xiǎn)予以警惕，對(duì)極端事件沖擊下商品市場(chǎng)的價(jià)格波動(dòng)加以防范。定期研判大宗商品價(jià)格走勢(shì)，對(duì)大宗商品價(jià)格波動(dòng)建立有效預(yù)警機(jī)制，提高宏觀政策前瞻性，對(duì)于外部輸入性壓力提高警惕。加強(qiáng)對(duì)供求平衡、市場(chǎng)流動(dòng)性的關(guān)注度，從市場(chǎng)預(yù)期、流動(dòng)性著手把握市場(chǎng)動(dòng)態(tài)，并對(duì)市場(chǎng)投機(jī)行為加以管控。前瞻性布局大宗商品的戰(zhàn)略儲(chǔ)備，持續(xù)做好大宗商品保供穩(wěn)價(jià)工作，保障經(jīng)濟(jì)平穩(wěn)運(yùn)行。

參考文獻(xiàn)：

[1]S Nazlioglu，C Erdem，U Soytas. 2013. Volatility Spillover Between Oil and Agricultural Commodity Markets[J].Energy Economics，36.

[2]G Gorton，K G Rouwenhorst. 2006. Facts and Fantasies about Commodity Futures [J].Financial Analysts Journal，62（2）.

[3]胡聰慧，劉學(xué)良.大宗商品與股票市場(chǎng)聯(lián)動(dòng)性研究：基于融資流動(dòng)性的視角 [J].金融研究，2017，（07）.

[4]聞岳春，王婕，程天笑.國(guó)內(nèi)股市與國(guó)際股市、大宗商品市場(chǎng)的溢出效應(yīng)研究 [J].國(guó)際金融研究，2015，（08）.

[5]譚小芬，劉陽(yáng)，張明.國(guó)際大宗商品價(jià)格波動(dòng)：中國(guó)因素有多重要——基于1997—2012年季度數(shù)據(jù)和VECM模型的實(shí)證研究 [J].國(guó)際金融研究，2014，（10）.

[6]隋建利，楊慶偉.國(guó)際大宗商品市場(chǎng)與中國(guó)金融市場(chǎng)間風(fēng)險(xiǎn)的傳染測(cè)度與來(lái)源追溯 [J].財(cái)經(jīng)研究，2021，47（08）.

[7]K F Chan，S Treepongkaruna，R Brooks R，S Gray." 2011. Asset Market Linkages：Evidence from Financial，Commodity and Real Estate Assets [J].Journal of Banking amp; Finance，35（6）.

[8]M T Chng. 2009. Economic Linkages across Commodity Futures：Hedging and Trading Implications [J].Journal of Banking amp; Finance，33（5）.

[9]C W Su，X Q Wang，R Tao，L Oana-Ramona. 2019.Do Oil Prices Drive Agricultural Commodity Prices？ Further Evidence in A Global Bio-energy Context [J].Energy，172.

[10]T Zhang，S Zeng. 2023. Dynamic Comovement and Extreme Risk Spillovers between International Crude Oil and China's Non-ferrous Metal Futures Market [J].Resources Policy，80.

[11]張穎，李佳彧.全球大宗商品價(jià)格異常波動(dòng)對(duì)中國(guó)金融市場(chǎng)系統(tǒng)性風(fēng)險(xiǎn)的影響與防范機(jī)制研究 [J].價(jià)格月刊，2023，（09）.

[12]謝飛，韓立巖.投機(jī)還是實(shí)需： 國(guó)際商品期貨價(jià)格的影響因素分析 [J].管理世界，2012，（10）.

[13]F De Nicola，P De Pace，M A Hernandez. 2016." Co-movement of Major Energy，Agricultural，and Food Commodity Price Returns：A Time-series Assessment [J].Energy Economics，57.

[14]S H Kang，R McIver，S M Yoon. 2017. Dynamic Spillover Effects Among Crude Oil，Precious Metal，and Agricultural Commodity Futures Markets [J].Energy Economics，62.

[15]M Balcilar，D Gabauer，Z Umar. 2021. Crude Oil Futures Contracts and Commodity Markets：New Evidence from A TVP-VAR Extended Joint Connectedness Approach[J].Resources Policy，73.

[16]A K Tiwari，E J A Abakah，A O Adewuyi，C C Lee. 2022. Quantile Risk Spillovers Between Energy and Agricultural Commodity Markets：Evidence from Pre and During COVID-19 Outbreak [J].Energy Economics，113.

[17]F X Diebold，K Yilmaz. 2012. Better to Give than to Receive：Predictive Directional Measurement of Volatility Spillovers [J].International Journal of forecasting，28（1）.

[18]F X Diebold，K Yilmaz. 2014. On the Network Topology of Variance Decompositions： Measuring the Connectedness of Financial Firms [J].Journal of econometrics，182（1）.

[19]T Ando，M Greenwood-Nimmo，Y Shin. 2022. Quantile Connectedness： Modeling Tail Behavior in the Topology of Financial Networks [J].Management Science，68（4）.

[20]T Adrian，M K Brunnermeier. 2016. CoVaR [J]. American Economic Review，106（7）.

[21]李政，石晴，卜林.基于分位數(shù)關(guān)聯(lián)的政策連續(xù)性跨國(guó)溢出研究 [J].金融研究，2022，506（08）.

[22]F X Diebold，L Liu，K Yilmaz. 2017. Commodity Connectedness [R].National Bureau of Economic Research.

[23]J M Londono. 2019. Bad Bad Contagion [J].Journal of Banking amp; Finance，108.