不同期貨間溢出風險傳導的來源與接受

摘要：大宗商品價格波動風險影響經濟穩定性，因此，文章選取大商所豆一、焦炭和上期所銅、螺紋鋼作為我國農產品、能源和金屬類大宗商品期貨的代表，運用DCC-GARCH模型、溢出指數模型，對我國不同類別大宗商品期貨品種間的溢出效應進行檢驗。實證結果表明，我國大宗商品期貨間存在較為明顯的溢出關系，同時，期貨價格對風險傳遞較敏感，大商所焦炭和豆一是風險溢出的“接受方”，而上期所銅和螺紋鋼則是風險溢出的“來源方”，明確了風險傳導的路徑。

關鍵詞：溢出效應；風險傳導；大宗商品；商品期貨

中圖分類號：F224 文獻標識碼：A 文章編號：1005-6432（2024）21-0000-04

[DOI]10.13939/j.cnki.zgsc.2024.21.009

1 引言

我國對大宗商品的進口與需求依賴度不斷攀升，為對沖境內外大宗商品價格波動投機風險，政府不斷加大商品期貨市場發展。目前，我國的期貨市場已經發展到一定程度，并在國內市場中發揮著越來越重要的作用。中國大宗商品期貨交易合約成交數量同樣不可低估（He et al.，2019）[1]，例如大連商品交易所已經成為繼CBOT之后世界第二大大豆期貨市場（顧蕊等，2013）[2]，同時也是世界上最主要的農產品，塑料，煤炭和鐵礦石期貨市場之一。在我國經濟高速增長以及對外開放不斷深化的背景下，國內資本市場的繁榮為大宗商品期貨提供了廣闊的發展前景，但同時也存在著一定程度上的風險隱患。然而大宗商品既是生產要素也是投資品，這使大宗商品價格穩定性和金融市場之間存在著明顯的聯系并影響著金融體系的穩定性。2017年黨的十九大提出把防范化解重大風險作為三大攻堅戰之一，更是將防范金融風險溢出、風險傳染提到了關鍵位置。

同時，隨著經濟全球化進程加快以及各國之間貿易和投資聯系日益密切，金融風險不斷累積并在積聚。金融關乎發展大局，金融安全在國家安全中占有重要地位。因此，加強對我國大宗商品價格波動和金融風險傳染規律的分析有助于我們更好地維護金融穩定，防范化解重大風險。2019年12月中共中央政治局在會議上提出2020年三大攻堅戰之一即為“確保不發生系統性金融風險”。2021年11月，黨的十九屆六中全會中提出要堅持防范化解金融、房地產風險，遏制房地產金融化泡沫化傾向。2021年12月，中央經濟工作會議再次強調，要正確認識和把握防范化解重大風險。2022年，黨的二十大報告中明確指出要依法對所有金融活動都要納入監管范圍，堅守不出現系統性風險的底線。在此背景下，研究大宗商品期貨市場的風險溢出效應及其傳導機制顯得十分必要。研究我國大宗商品期貨不同種類間的傳導關系，可以了解我國商品期貨品種間風險傳導方式，確定風險溢出傳導中的“來源方”和“接受方”問題，對于切斷外來風險向國內金融市場的傳導具有特別重要的意義。

2 文獻回顧

當前，越來越多的研究將大宗商品價格變化的影響集中到市場因素方面，尤其是同類市場和不同類市場間的傳導關系即溢出效應。同類市場主要是指同種期貨品種在不同市場間的價格和風險溢出關系，比如期貨價格往往提前變動而出現引領現貨價格的現象（Husain & Bowman，2004）[3]；不同市場間同類商品價格受市場引領地位不同而出現一個市場向另一個市場的溢出效應。比如中國期貨市場發展早期往往受美國和英國等發達地區期貨市場的影響，而近幾年中國期貨市場也對這些期貨市場產生溢出效應，比較典型的有大豆期貨（李顯戈等，2013；顧蕊等，2013；王振宇，2014；鄭金英等，2017）[2，4-5]，以及銅期貨等（徐雪和王寧，2014）[6]。不同類市場間的溢出效應更為復雜，比如匯率、貨幣供應和流動性等能夠影響大宗商品的定價，而受大宗商品金融屬性的增強，大宗商品市場與其他市場、不同種類大宗商品市場之間的聯動性也越來越強。比如股市與商品期貨市場間（田利輝和譚德凱，2014；譚小芬等，2018）[7-8]、能源期貨與其他商品期貨間（Mensi et al.，2014；肖小勇和章勝勇，2016；Kang，S.H. et al.，2017；Zhang et al.，2018）[9-12]。

目前對不同類市場間溢出關系的研究主要集中在大宗商品與股市間，以及能源期貨與其他商品期貨間，卻鮮有學者研究多種不同類別商品期貨間的溢出效應，如已有學者僅僅研究原油期貨對非能源商品期貨間的溢出效應，僅有部分學者研究了多種不同類別大宗商品間的溢出效應（崔海蓉等，2011；劉華軍等，2017）[13-14]，或者僅檢驗大宗商品間溢出效應的強度或方向（劉華軍等，2017；劉超等，2017）[14-15]。雖然針對風險溢出“來源方”和“接受方”檢驗的研究可以幫助我們明確風險傳導方向，提高阻斷風險傳播的能力，但大部分學者仍然忽視了我國多種不同商品期貨間的風險傳導，缺乏對風險溢出“來源方”和“接受方”的考察。

3 模型方法與數據

3.1 模型方法

文章首先借助DCC-GARCH模型來分析我國不同商品期貨間的聯動關系；其次，計算不同期貨品種波動率的總溢出指數，研究其動態變化曲線，從而觀察動態曲線時變特征，分解出凈溢出。不同商品期貨品種間的溢出效應可以分為定向溢出與凈溢出兩部分，凈溢出可以確定一個市場是凈溢出的來源還是接受者。由此，即可識別一個大宗商品期貨品種是風險溢出的“來源方”還是“接受方”，為監管者提供早期預警、阻斷風險傳導提供可能。

3.1.1 1DCC-GARCH模型

文章采用DCC-GARCH模型確定我國不同市場的商品期貨之間的聯動關系。假設相關系數是時變的，DCC模型方程如公式（1）至公式（4）所示。

其中，如公式（5）所示；是對稱正定矩陣，如公式（6）；為時變相關系數。

其中，為殘差標準化的無條件相關矩陣，階數為n×n；和為大于等于0的參數。DCC模型為均值回復的條件為。越大，表明過去的沖擊對當前價格波動的影響衰減越慢；反之則相反。

3.1.2溢出指數模型

不同商品期貨品種間的溢出效應可以分為定向溢出與凈溢出兩部分，文章不僅計算波動率的總溢出指數，還將使用滾動窗口方法來檢測總溢出指數的時變動態曲線。研究時變動態有助于確定定向溢出，進一步分離出我國不同期貨品種間的凈溢出指數并計算其大小（劉超等，2017;Diebold & Yilmaz，2012）[15-16]。文章首先假定一個協方差平穩的n變量VAR（p）（Diebold & Yilmaz，2012）[16]，如公式（7）。

是內生變量向量，是自回歸系數矩陣，誤差項向量；向量為階，系數矩陣為階。文章根據Diebold & Yilmaz（2012）的方法利用VAR模型方差分解計算不同大宗商品間的定向溢出、凈溢出和總溢出。

H步超前廣義預報誤差方差分解如公式（8）所示。

溢出指數為矩陣；矩陣的主對角線上的元素是自變量預測誤差方差貢獻，矩陣非對角線上的元素是交叉變量預測誤差方差貢獻。對矩陣按公式（9）進行標準化處理。

將總溢出（TS）指數定義為：

總溢出（TS）指數測量溢出效應對總的預測誤差方差的平均貢獻。公式（11）測量j市場對i市場的定向溢出（DS）；公式（12）則測量i市場向j市場的定向溢出（DS）。

i市場對j市場的定向溢出減去j市場對i市場的定向溢出可得到i市場對j市場的凈溢出。凈溢出確定一個市場是凈溢出的來源還是接受者。由此，即可識別一個大宗商品期貨品種是溢出的“來源方”還是“接受方”，為監管者提供早期預警、截斷外來風險傳導提供可能。

3.2 數據處理

3.2.1變量選擇

大宗商品期貨的種類主要包括農產品、金屬和能源化工期貨。大豆是我國進口量最大的農產品。大豆經過提取豆油后才能得到豆粕。大連商品交易所已經成為全球最大的農產品期貨市場，大豆期貨和豆粕期貨又是其中的重要品種。值得注意的是，大連商品交易所黃大豆一號的標的商品是主要原產自我國的食用非轉基因大豆。因此，文章選取大連商品交易所的黃大豆一號（簡稱豆一）作為農產品類大宗商品期貨的代表品種。同時，我國是全球最大的銅消費國。此外，上海期貨交易所的螺紋鋼成交量位列全球金屬類期貨首位。因此，金屬類商品期貨文章選取上期所的螺紋鋼和銅。據《中華人民共和國2022年國民經濟和社會發展統計公報》顯示，石油、天然氣等能源消費只占據小部分，我國煤炭消費量占能源消費總量的56.2%。因此研究能源類大宗商品時，大連商品交易所的焦炭有足夠的代表性。這四種商品期貨在我國經濟活動中都具有重要地位，因此文章選取SHFE螺紋鋼（SHFE_LWG）、SHFE銅（SHFE_T）、DCE焦炭（DCE_JT）、DCE豆一（DCE_DY）作為金屬類、能源類和農產品類大宗商品的典型代表，以此來研究我國不同類別的大宗商品市場之間存在的溢出效應。

2011年4月，全球首個焦炭類期貨正式在大商所掛牌上市。為了探究這四種商品期貨之間的溢出效應，同時為規避自2020年新冠疫情爆發以來，各極端事件可能帶來的異常沖擊影響，文章以2011年4月15日為時間起點截至2019年8月22日。不過四種商品期貨的交易日期并不完全相同，文章只選擇了相同交易日的收盤價數據，刪除了其他不匹配的干擾數據，最后得到2034個樣本數據。

3.2.2數據處理

文章首先將已得數據進行對數差分化處理，即，其中，表示指數i在時間t時的價格水平，則表示在時間t-1時的價格水平，目的在于為后文進行模型分析與檢驗時提供便利。在對均值模型殘差序列進行ARCH效應的檢驗結果顯示各樣本序列均存在ARCH效應，因此文章進行GARCH（1，1）模型參數估計。

4 我國大宗商品期貨間的波動溢出效應實證研究

4.1構建多元DCC-GARCH模型

為進一步探究我國農產品、金屬和能源類大宗商品間的溢出效應，文章使用ARMA均值的殘差序列模型和多元DCC-GARCH（1，1）模型，深入分析序列之間的動態協方差，參數估計結果如表1所示。其中數字1代表DCE豆一，數字2代表DCE焦炭，數字3代表SHFE螺紋鋼，數字4代表SHFE銅。結果顯示這四種大宗商品期貨市場兩兩之間均呈現正相關關系，并且均在1%的檢驗水平下具有強顯著性效果。即我國農產品類、金屬類、能源類大宗商品期貨間確實存在溢出效應。

4.2基于溢出指數模型波動溢出效應

參考Diebold & Yilmaz（2012）的溢出指數，分別研究不同大宗商品波動率的溢出強度和方向，選取不同的交易觀測區間作為滾動窗口對波動率的動態溢出效應進行捕捉，分別計算每一種商品期貨市場的凈溢出指數有助于研究追蹤溢出效應的起點，確定四種商品期貨市場間的風險承接關系。表2給出了SHFE銅、DCE焦炭、SHFE螺紋鋼和DCE豆一這幾種商品期貨波動率的溢出指數結果。

從四種商品期貨的波動溢出指數結果來看，DCE焦炭與DCE豆一的凈波動溢出指數均為負，分別為-58.68%和-32.67%，說明這兩種商品期貨主要是風險溢出的承受方，受到其他商品期貨的風險溢出大于它們對其他期貨品種收益率波動的風險溢出。即在這四種期貨市場上，最終是來自SHFE銅市場與SHFE螺紋銅市場的波動風險（來源方）沖擊到DCE豆一市場與DCE焦炭市場（接受方）。

5 結論與貢獻

文章借鑒Sang Hoon Kang et al.（2017）的研究方法，建立了多元DCC-GARCH模型以及Diebold and Yilmaz（2012）波動溢出指數模型，歸納了農產品類，金屬類以及能源類期貨間的溢出關系并基于溢出指數對其間溢出效應的方向和規模進行了分析，得出以下兩點結論：1、我國農產品、能源和金屬類商品期貨間確實存在溢出關系。2、在這三類大宗商品市場中，金屬類大宗商品更多的是風險溢出的“來源方”，而農產品和能源類大宗商品更多的是風險溢出的“接受方”，明晰了風險傳導的路徑。

文章的研究貢獻主要在兩個方面。一方面，對投資者而言，通過對不同市場之間價格聯動關系的分析，有關企業能夠制定出合理的套期保值戰略，而我國投資者則能夠適時優化投資組合，減少金融風險；另一方面，有助于我們合理地防范風險、截斷風險傳導路徑、設置防火墻，特別是農產品期貨價格受到其他品種價格波動影響很大，政策層需要重視其他大宗商品在農產品期貨市場上的風險溢出問題，預先防范風險給金融市場帶來的負面沖擊，從而推動穩定市場。

參考文獻：

HE C，JIANG C， MOLYBOGA M. Risk premia in Chinese commodity markets[J]. Journal of Commodity Markets.2019，15：1-18.

顧蕊，郭俊芳，田甜.大豆價格波動溢出效應研究[J].價格理論與實踐，2013（3）：82-83.

HUSAIN A M， BOWMAN C. Forecasting commodity prices： Futures versus judgment[J]. Imf Working Papers，2004，4（41）.

李顯戈，周應恒，隨學超.中美大豆期貨價格相關性研究——基于Copula函數[J].農業技術經濟， 2013（6）： 4-11.

王振宇.中美農產品價格波動特征及溢出效應研究——基于大豆期貨數據的分析[J].農村經濟，2014（5）：98-101.

徐雪，王寧.關于銅期貨市場有效性的實證研究[J].開發研究，2014（1）：102-106.

田利輝，譚德凱.大宗商品現貨定價的金融化和美國化問題——股票指數與商品現貨關系研究[J].中國工業經濟，2014，（10）：72-84.

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——基于BEKK-GARCH模型和溢出指數法的實證研究[J].中國軟科學，2018（8）：31-48.

MENSI W， HAMMOUDEH S， REBOREDO J C， et al. Do global factors impact BRICS stock markets？ A quantile regression approach[J]. Emerging Markets Review，2014，19：1-17.

肖小勇，章勝勇.原油價格與農產品價格的溢出效應研究[J].農業技術經濟，2016（1）：90-97.

KANG S H，MCLVER R， YOON S M. Dynamic spillover effects among crude oil， precious metal， and agricultural commodity futures markets[J]. Energy Economics，2017：19-32.

ZHANG C G，LIU F ，YU D L. Dynamic jumps in global oil price and its impacts on China's bulk commodities[J]. Energy Economics，2018：297-306.

崔海蓉，何建敏，張京波.我國有色金屬期貨波動溢出效應研究——以SHFE的銅和鋁為例[J].北京理工大學學報（社會科學版），2011，13（4）：29-32.

劉華軍，陳明華，劉傳明，等.中國大宗商品價格溢出網絡結構及動態交互影響[J].數量經濟技術經濟研究，2017，34（1）：113-129.

劉超，徐君慧，周文文.中國金融市場的風險溢出效應研究——基于溢出指數和復雜網絡方法[J].系統工程理論與實踐， 2017，37（4）：831-842.

DIEBOLD F，YILMAZ K.Better to give than to receive： Predictive directional measurement of volatility spillovers[J].INTERNATIONAL JOURNAL OF FORECASTING，2012，28（1）：57-66.

基金項目：2023年浙江省大學生科技創新活動計劃暨新苗人才計劃項目（項目編號：2023R414032）;2022年浙江財經大學研究生校級科研項目（項目編號：22XJKT037）。

作者簡介：郭偉棟（1997—），男，浙江財經大學金融學院碩士研究生，研究方向：金融市場；蔡淑佳（2000—），女，浙江財經大學碩士研究生，研究方向：金融市場；田嘉惠（1995—），女，浙江財經大學碩士研究生，研究方向：金融市場。