中國大宗商品市場與股票市場的波動溢出效應(yīng)研究

關(guān)嘉冕

摘要：文章選取上證綜合指數(shù)和大宗商品市場中貴金屬、有色金屬、煤焦鋼礦、能源、化工、谷物等八個(gè)產(chǎn)業(yè)大類指數(shù)，基于廣義預(yù)測誤差方差分解法構(gòu)造了波動溢出指數(shù)，從靜態(tài)和動態(tài)角度研究了中國股市與大宗商品市場間的波動溢出機(jī)制。結(jié)果表明，中國股市與大宗商品市場總體上呈現(xiàn)出的波動溢出效應(yīng)較強(qiáng)，具有相關(guān)性。中國股票市場為波動溢出效應(yīng)的主要接收市場，煤焦鋼礦和油脂油料行業(yè)對其產(chǎn)生的波動溢出效應(yīng)較強(qiáng)；而大宗商品市場中，有色金屬產(chǎn)業(yè)與化工產(chǎn)業(yè)為中國股市的波動溢出效應(yīng)的主要接收者。總體來說，中國股票市場與大宗商品市場間的動態(tài)溢出效應(yīng)具有明顯的時(shí)變性，特別是2015年的股災(zāi)和2020年的新冠疫情使動態(tài)溢出效應(yīng)水平驟增。

關(guān)鍵詞：大宗商品；股票市場；波動溢出

一、引言

大宗商品是工業(yè)生產(chǎn)中的重要原材料，近幾年，隨著中國經(jīng)濟(jì)高速發(fā)展，中國經(jīng)濟(jì)市場對大宗商品的需求量也越來越大，大宗商品的發(fā)展在一定程度上影響著我國企業(yè)的生產(chǎn)經(jīng)營。隨著大宗商品市場的蓬勃發(fā)展，越來越多的投資者將大宗商品納入其投資組合計(jì)劃，作為風(fēng)險(xiǎn)對沖的有效工具，這增強(qiáng)了大宗商品市場與股票市場之間的聯(lián)動性。波動溢出效應(yīng)是指金融系統(tǒng)（市場）的波動會影響其他金融系統(tǒng)（市場）的波動，隨著我國金融市場的開放和完善，跨市場間資本流動加快，我國大宗商品市場和股市的聯(lián)系更為緊密，市場間的波動溢出效應(yīng)增強(qiáng)，同漲同跌的現(xiàn)象時(shí)有發(fā)生，系統(tǒng)性風(fēng)險(xiǎn)加劇。研究中國大宗商品市場與股票市場之間的聯(lián)系不僅對于跨市場投資者來說非常必要，對于防范我國金融市場系統(tǒng)性風(fēng)險(xiǎn)也具有重要意義。同時(shí)，股票市場是中國經(jīng)濟(jì)市場的晴雨表，也是金融系統(tǒng)的關(guān)鍵要素，在當(dāng)前復(fù)雜的經(jīng)濟(jì)環(huán)境中，深入研究中國大宗商品市場與股票市場之間的聯(lián)動性對于維護(hù)中國股市的穩(wěn)定極為重要。

本文的主要創(chuàng)新和貢獻(xiàn)有以下幾方面：一是在研究對象方面，本文聚焦于大宗商品市場中不同品類與中國股市之間的溢出效應(yīng)；二是研究方法上，使用改進(jìn)的溢出指數(shù)法，并結(jié)合滾動窗口方法對溢出效應(yīng)的時(shí)變特征進(jìn)行刻畫；三是研究角度上，分別從靜態(tài)和動態(tài)角度對中國大宗商品市場與股票市場之間的波動溢出效應(yīng)進(jìn)行剖析。

二、文獻(xiàn)綜述

對于不同金融市場之間的溢出效應(yīng)，國內(nèi)的早期研究大多聚焦于中國股市與世界主要經(jīng)濟(jì)體之間。崔金鑫和鄒輝文（2020）對國際股市間高階矩風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究，得出美國、英國等股市主要扮演風(fēng)險(xiǎn)凈溢出者的角色，而澳大利亞、日本、中國內(nèi)地和中國香港股市主要扮演風(fēng)險(xiǎn)凈接受者的角色。在此基礎(chǔ)上，眾多學(xué)者的研究視角擴(kuò)展到股票市場與其他資產(chǎn)市場間的溢出效應(yīng)，如大宗商品市場。股票市場和商品市場在一些因素的驅(qū)使下，以及商品市場金融化程度的增加，聯(lián)系逐漸加強(qiáng)（石智超等，2016）。自 2000 年以來，大宗商品與股票市場的相關(guān)性先上升后下降又上升，經(jīng)歷了較大的波動。（胡聰慧，劉學(xué)良，2017）。國際大宗商品市場在信息溢出方面居于主導(dǎo)地位，是我國金融市場的重大風(fēng)險(xiǎn)傳染源（胡軍輝，2017）。譚小芬等（2018）認(rèn)為，不同的金融資產(chǎn)價(jià)格與商品價(jià)格之間的溢出機(jī)制是不盡相同的：股票價(jià)格與大宗商品價(jià)格之間的聯(lián)動關(guān)系最顯著，二者呈現(xiàn)出雙向的溢出關(guān)系。大宗商品價(jià)格對股票的收益率溢出多為正向，而股票價(jià)格對大宗商品的收益率溢出多為負(fù)向。

在研究方法方面，常用的有DCC-GARCH、BEKK-GARCH等GARCH類模型，許多學(xué)者還會將其與VaR、Copula等模型相結(jié)合，來測度市場間的波動溢出效應(yīng)。Engel（2002）提出的DCC- GARCH 模型克服了參數(shù)估計(jì)較多、資產(chǎn)收益率相關(guān)系數(shù)會跟隨時(shí)間變化的趨勢的缺陷，可以較好地考察溢出的時(shí)變性，但是對于溢出的方向性和單個(gè)市場的溢出貢獻(xiàn)及凈溢出效應(yīng)無法進(jìn)行較好的刻畫。在當(dāng)前波動溢出效應(yīng)的大多研究中，常用的方法是在廣義向量自回歸基礎(chǔ)上對整體和定向波動溢出的測度方法（Diebold和Yilmaz，2012）。

鑒于此，本文將采用Diebold和Yilmaz（2012）建立的溢出指數(shù)模型，從靜態(tài)和動態(tài)角度，對中國大宗商品市場與股票市場之間的波動溢出效應(yīng)進(jìn)行測度分析。本文的主要結(jié)構(gòu)安排為：第三部分是研究方法介紹，第四部分是實(shí)證結(jié)果與結(jié)果分析，第五部分是相關(guān)結(jié)論及建議。

三、研究方法

（一）總波動溢出指數(shù)的構(gòu)建

首先，對N變量建立如下P階滯后的向量自回歸模型VAR（p）：

Xt=■ΦiXt-i+εt，εt～N（0，∑）（1）

在GVAR模型框架下進(jìn)行廣義預(yù)測誤差方差分解，Xj對Xi向前H步預(yù)測誤差的方差為：

ω■■=■，i，j=1，2…N（2）

將ω■■進(jìn)行標(biāo)準(zhǔn)化處理，處理后Xj對Xi的溢出效應(yīng)為：

■■■=■（3）

通過上式構(gòu)造如下總溢出指數(shù)SH：

SH＝■*100（4）

（二）方向性溢出指數(shù)的構(gòu)建

構(gòu)造定向溢出指數(shù)S■■和S■■、凈溢出指數(shù)S■■如下所示：

S■■＝■*100（5）

S■■＝■*100（6）

S■■＝S■■-S■■（7）

四、實(shí)證結(jié)果與分析

（一）數(shù)據(jù)選取與處理

在本研究中，使用上證綜合指數(shù)作為中國股票市場的代理變量。大宗商品方面本文采用Wind商品大類指數(shù)，選取其中八個(gè)不同品類的大宗商品指數(shù)，包含貴金屬指數(shù)、有色金屬指數(shù)、煤焦鋼礦指數(shù)、能源指數(shù)、化工指數(shù)等，分類標(biāo)準(zhǔn)如圖1所示，具有代表性。本文選取的數(shù)據(jù)范圍涵蓋2009年3月27日至2022年9月30日，采用日度數(shù)據(jù)，剔除缺失值，共3289個(gè)觀測值，數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。本文使用資產(chǎn)的對數(shù)回報(bào)率： Rt=100*ln（Pt/Pt-1）

（二）靜態(tài)分析

表2展示了靜態(tài)波動溢出的結(jié)果，可以看到，總體波動溢出指數(shù)為28.72，表明所有市場波動率的預(yù)測誤差方差的28.72%來自樣本中的溢出效應(yīng)，這意味著股票市場與商品市場之間存在較強(qiáng)的相關(guān)關(guān)系。從凈溢出效應(yīng)Snet結(jié)果來看，股票市場是波動溢出的凈接收者。商品的快速變化價(jià)格、大量交易量以及周期性波動導(dǎo)致向股票市場產(chǎn)生凈波動溢出，這也是商品市場進(jìn)一步金融化的一個(gè)標(biāo)志。

同時(shí)，不同的大宗商品市場對中國股票市場的波動溢出效應(yīng)是不同的。可以看到，煤焦鋼礦和油脂油料行業(yè)對于股票市場有比較顯著的溢出效應(yīng)。煤焦鋼礦行業(yè)對股票市場的波動溢出效應(yīng)較顯著可能是因?yàn)椋趪姨岢龉┙o側(cè)結(jié)構(gòu)性改革、去除產(chǎn)能過剩目標(biāo)后，煤焦鋼礦行業(yè)產(chǎn)能利用率提升，提升了其收益的同時(shí)也加劇了波動性，股市對其反應(yīng)較為敏感。同時(shí)，行業(yè)的優(yōu)化吸引了機(jī)構(gòu)投資者，將其視為良好的投資標(biāo)的，這進(jìn)一步加劇了其對股票市場的波動溢出。油脂油料作為農(nóng)產(chǎn)品，與食品行業(yè)聯(lián)系密切，可能是由于近些年疫情等市場沖擊突發(fā)，不穩(wěn)定情緒攀升，價(jià)格波動導(dǎo)致其對股票市場溢出顯著。并且，油脂油料中的棕櫚油是風(fēng)險(xiǎn)對沖較好的產(chǎn)品，投資者交易增加加劇了波動溢出效應(yīng)。除此之外，股票市場對于有色金屬產(chǎn)業(yè)和化工產(chǎn)業(yè)的波動溢出效應(yīng)較強(qiáng)，這意味著，當(dāng)股票市場發(fā)生震蕩時(shí)，大宗商品中有色金屬產(chǎn)業(yè)和化工產(chǎn)業(yè)的反應(yīng)會較為敏感。

（三）動態(tài)分析

本文采取了滾動窗口的方法對大宗商品市場與股票市場的動態(tài)波動溢出機(jī)制進(jìn)行刻畫，滾動窗口設(shè)置為200天，具體結(jié)果如圖1所示。總體來說，大宗商品市場與股票市場的總溢出指數(shù)在較高的水平上波動（40%～70%），溢出效應(yīng)較強(qiáng)，并且具有明顯的時(shí)變特征，這可能是與經(jīng)濟(jì)事件的發(fā)生有關(guān)。從圖1中可以看到，在我們研究的初期，總溢出指數(shù)處于一個(gè)較高水平。這可能是因?yàn)?008年的全球金融危機(jī)，中國受到影響，經(jīng)濟(jì)增長放緩、失業(yè)率增加，市場低迷，以及2009年歐債危機(jī)爆發(fā)，增加了中國對歐洲投資的風(fēng)險(xiǎn)，加劇了中國金融市場的動蕩。此后，國家采取了一系列措施來重振金融市場，使得波動溢出效應(yīng)水平有緩慢下降的趨勢。直至2015年初，總溢出指數(shù)水平達(dá)到了低谷，資產(chǎn)的波動性有所下降，總體波動溢出效應(yīng)達(dá)到一個(gè)較低水平。而2015年6月中國股票市場發(fā)生嚴(yán)重股災(zāi)，千股跌停，導(dǎo)致市場不穩(wěn)定情緒增加，板塊聯(lián)動效應(yīng)凸顯，總溢出指數(shù)陡然增加，并持續(xù)攀升，直至2016年年底。自2020年以來，新冠疫情對經(jīng)濟(jì)產(chǎn)生了巨大影響，各種資產(chǎn)的波動性加劇，總波動溢出指數(shù)大幅上升，采取相關(guān)措施后略有下降但在此后仍處于較高水平。總體而言，重大經(jīng)濟(jì)危機(jī)以及地緣政治事件的發(fā)生，往往會使總波動溢出指數(shù)陡然增加，加深市場間聯(lián)動程度，在相關(guān)部門采取措施修復(fù)不利影響之后，總溢出效應(yīng)水平才會逐步趨緩。

五、結(jié)論及建議

本文以上證綜指與Wind大宗商品大類指數(shù)系列數(shù)據(jù)為研究基礎(chǔ)，使用DY2012溢出指數(shù)法對中國股市與大宗商品市場的波動溢出效應(yīng)進(jìn)行測度、對其溢出機(jī)制進(jìn)行剖析，并結(jié)合滾動窗口法從動態(tài)角度對波動溢出效應(yīng)的總體特征進(jìn)行分析刻畫，本文的主要研究結(jié)論有以下幾方面：

第一，我國股票市場與大宗商品市場具有較強(qiáng)的依賴性，并且，股票市場是波動溢出效應(yīng)的凈接收者，股票市場要防范來自大宗商品市場的風(fēng)險(xiǎn)外溢。我國政府保障股票市場平穩(wěn)運(yùn)行的同時(shí)，要對大宗商品市場進(jìn)行風(fēng)險(xiǎn)監(jiān)控，市場投資者也要關(guān)注兩個(gè)市場之間的相關(guān)性，在選擇投資標(biāo)的時(shí)，做好風(fēng)險(xiǎn)對沖，警惕同漲同跌帶來經(jīng)濟(jì)損失。

第二，大宗商品市場中的不同產(chǎn)業(yè)與股票市場間的波動溢出效應(yīng)具有非對稱性。股票市場主要受到煤焦鋼礦產(chǎn)業(yè)和油脂油料產(chǎn)業(yè)的波動溢出，但其對有色金屬和化工產(chǎn)業(yè)產(chǎn)生的波動溢出效應(yīng)較強(qiáng)。我國股票市場在防范大宗商品市場風(fēng)險(xiǎn)外溢時(shí)，要尤其關(guān)注大宗商品市場上煤焦鋼礦和油脂油料產(chǎn)業(yè)的波動。同樣地，在股票市場發(fā)生震蕩時(shí)，大宗商品中的有色金屬和化工產(chǎn)業(yè)要更加注意來自股票市場的風(fēng)險(xiǎn)傳遞，警惕其影響。

第三，總體波動溢出效應(yīng)具有顯著的時(shí)變特征。總體波動溢出效應(yīng)在40% ～ 70%之間，總體水平較高，并且波動性較大。全球金融危機(jī)、歐債危機(jī)、中國股災(zāi)、新冠疫情等重大經(jīng)濟(jì)、衛(wèi)生事件和地緣政治事件都對總體波動溢出水平產(chǎn)生顯著影響。可以看到，防范來自國際以及國內(nèi)市場的極端風(fēng)險(xiǎn)事件對于保障我國金融體系的穩(wěn)定來說具有重大意義，相關(guān)部門要做到預(yù)警有效、準(zhǔn)備充分、應(yīng)對迅速，以降低其帶來的不利影響。

參考文獻(xiàn)：

[1]崔金鑫，鄒輝文.時(shí)頻視角下國際股市間高階矩風(fēng)險(xiǎn)溢出效應(yīng)研究[J].金融市場，2020（06）：75-85.

[2]石智超，許爭，陳瑞.中國股票市場與商品期貨市場傳導(dǎo)關(guān)系的實(shí)證分析 ——基于風(fēng)險(xiǎn)Granger因果檢驗(yàn)的研究[J].證券市場，2016（02）：82-89.

[3]劉映琳，鞠卓，劉永輝.基于 DCC-GARCH 的中國大宗商品金融化研究[J].國際商務(wù)研究，2017（05）：75-83.

[4]胡聰慧，劉學(xué)良.大宗商品與股票市場聯(lián)動性研究：基于融資流動性的視角[J].金融研究，2017（07）：123-139.

[5]胡軍輝.國內(nèi)外大宗商品市場間信息溢出效應(yīng)的實(shí)證研究——基于 DAG 方法與溢出指數(shù)模型[J].工業(yè)技術(shù)經(jīng)濟(jì)，2017（12）：76-82.

[6]譚小芬，張峻曉，鄭辛如.國際大宗商品市場與金融市場的雙向溢出效應(yīng)——基于BEKK-GARCH模型和溢出指數(shù)法的實(shí)證研究[J].科技與產(chǎn)業(yè)，2018（08）：31-48.

[7]Engle R.Dynamic conditional correlation： a simple class of multivariate generalized autoregressive conditional heteroskedasticity models[J].Journal of Business and Economic Statistics.2002，20：339-350.

[8]Diebold F.X.，Yilmaz K.Better to give than to receive：predictive directional measurement of volatility spillovers[J].International Journal of Forecasting，2012，28（01）：57-66.

（作者單位：鄭州大學(xué)商學(xué)院）