上海原油期貨與國內農產品期貨的動態相關性及溢出效應研究

摘要：本文選取2018年3月27日至2023年12月29日上海原油期貨與國內農產品期貨市場黃大豆1號、黃大豆2號、玉米、棉花期貨的日收盤價數據，利用DCC-GARCH模型刻畫了上海原油期貨與國內四種農產品期貨的動態相關性。在此基礎上，構建TVP-VAR-DY模型從靜態和動態兩個方面測度了上海原油期貨與國內農產品期貨的溢出效應。研究發現：①上海原油期貨與四類農產品期貨均具有正相關性，且與黃大豆2號、棉花期貨的正相關性最強，與玉米期貨的相關性水平在2021年以后整體有所提升。②上海原油期貨與國內農產品期貨之間存在雙向溢出效應，但原油期貨對農產品期貨市場的影響更大，表明原油市場的波動對農產品期貨市場有更為顯著的沖擊作用。③上海原油期貨對黃大豆2號和棉花期貨的溢出效應最為顯著，其次是玉米期貨，而對黃大豆1號期貨的溢出效應相對較小。在四種農產品期貨中，黃大豆2號對上海原油期貨具有顯著的溢出效應。④極端事件的發生會加劇上海原油期貨與國內農產品期貨市場間的溢出水平。

關鍵詞：上海原油期貨；國內農產品期貨；動態相關性；溢出效應

一、引言

根據2024年1月17日國家統計局官網發布的《2023年12月份能源生產情況》，2023年中國進口原油56399萬噸，同比增長110%，原油對外依存度增長至7299%，進口量繼續穩居世界第一位。近年來，疫情、地緣政治沖突以及WTI（WestTexasIntermediate）原油首次跌至負值等極端事件頻發，這些都可能引發油價沖擊。而原油作為生產生活的基礎性資源，可以通過多種傳導途徑對農產品價格產生影響。第一，原油價格的變動會直接影響化肥、農藥、汽油等原油副產品的價格，從而改變農產品生產成本與運輸成本，帶動農產品價格上升或下降；第二，我國作為農產品進口大國，原油價格的波動通過影響國際農產品價格，進而造成國內農產品價格的改變；第三，當前環境問題愈加受到關注，目前國際上以農產品為原材料生產的生物質能源成為化石能源的重要替代之一，導致農產品價格與原油價格產生聯系；第四，在商品金融化的背景下，農產品期貨的投資屬性增強，使農產品價格不僅受基本面供需關系的影響，還受到金融市場動態變化的影響。而原油作為金融屬性最強的大宗商品，其價格波動可能會通過金融市場影響農產品期貨市場。

2018年3月26日，上海原油期貨作為中國首個對外開放的期貨品種在上海國際能源交易中心上市交易。自上市以來，上海原油期貨的成交量穩步增長，目前已成為全球第三大原油期貨品種，市場規模僅次于WTI原油期貨和Brent原油期貨。但由于我國原油期貨上市時間短，研究其與國內農產品期貨溢出效應的文章較少。

我國作為農業大國和人口大國，維持農產品價格穩定尤為重要，而原油價格受挫或升高會影響農產品價格，又由于期貨價格變化會形成對未來現貨價格的理性預期，因此有必要探討上海原油期貨與我國農產品期貨市場間的動態相關性及溢出效應。這將有助于相關部門制定合理的政策防范農產品價格的異常波動以及期貨市場間的風險傳染；有助于增強個人和機構投資者對農產品期貨市場和上海原油期貨市場之間聯動關系的理解，從而通過農產品期貨對沖原油市場的風險或豐富投資組合的多樣性；有助于進一步完善國內農產品定價機制，增強我國在全球大宗商品市場中的定價話語權，更好地維護本國利益和戰略安全。

二、文獻綜述

原油與農產品作為基礎原材料，不僅與人們的生產生活息息相關，也影響著一國的宏觀經濟。國內外學者對原油價格與農產品價格之間的關聯性進行了廣泛的研究。Nazliogˇlu等（2013）研究表明，石油市場的波動在糧食價格危機后會傳遞到農產品市場。Luo和Ji（2018）研究證實美國原油市場對中國農產品市場存在波動溢出效應，盡管這種溢出效應的程度較弱。Kang等（2019）從頻域角度考察國際原油和農產品之間的連通性，發現石油和農產品市場在不同頻段之間存在雙向不對稱信息溢出。Dahl等（2020）研究發現在金融和經濟動蕩時期，原油和農產品之間的不對稱和雙向信息流動會加劇。國內學者的研究也表明原油與農產品價格之間存在顯著聯系。郭玉晶等（2015）運用VAR（6）-GARCH（1，1）-BEKK模型，對國際原油期貨市場與我國主要的農產品期貨市場之間的關系進行了分析，結果發現原油期貨與玉米期貨、大豆期貨存在雙向波動溢出效應，與小麥期貨存在單向波動溢出效應。此外，許多學者的研究也表明原油價格波動對于不同農產品的影響程度是不同的（黃海峰和施展，2017；彭新宇和樊海利，2019；卿雨茜和郭風龍，2022；張松艷和杜明婭，2022）。

關于原油與農產品價格傳導途徑的研究，已有文獻主要從成本、生物燃料、國際貿易、商品金融化等視角展開。從成本角度看，原油價格的上漲提高了農業生產成本、運輸成本，然后這些成本轉移到了農產品上（付蓮蓮等，2014；Dillon和Barrett，2016）。從生物燃料角度看，生物燃料是原油的替代品，因此當原油價格急劇上漲時，生物燃料的需求將會增加，進而導致作為生物燃料原材料的玉米、大豆等農產品價格的上漲（Chen等，2010；古家樂和孟慶軍，2020）。從國際貿易角度看，原油價格波動會影響國際農產品價格，而我國作為農產品進口大國，國內的農產品價格必然發生改變（稅尚楠，2008；鄭燕和丁存振，2019）。從商品金融化角度看，能源和農產品市場金融化程度的提高有助于投資者創建多元化投資組合，因此增強了兩個市場之間的連通性，尤其危機時期農產品與原油市場存在雙向波動溢出效應，表明金融投資者的存在為農產品與原油市場沖擊傳遞提供了新的渠道（Lu等，2019；Sun等，2021）。

綜上所述，國內外學者對原油價格與農產品價格之間的關系展開了廣泛的研究。但大多數學者關注的是國際原油，如WTI原油期貨、Brent原油期貨。但這些歐美原油期貨的價格無法充分表現亞洲地區原油的供求情況。2018年3月26日，上海原油期貨在上海能源交易所正式上市，這對亞洲地區原油基準價格的確立具有積極意義。現有文獻缺乏對處于同一金融市場的上海原油期貨與國內農產品期貨市場間關系的研究。此外，過往研究多采用VAR模型、GARCH類模型進行研究，但這些方法多從靜態角度證明兩個市場之間存在顯著相關關系，缺乏從動態角度的考察以及對溢出效應大小的測度。

因此，本文在借鑒前人研究的基礎上，選取上海原油期貨與國內農產品期貨作為研究對象，構建DCC-GARCH刻畫上海原油期貨與國內農產品期貨的動態相關性，在此基礎上，利用TVP-VAR-DY模型測度上海原油期貨與國內農產品期貨的溢出效應。在探究上海原油期貨與國內農產品期貨之間的關系后，提出相關的政策建議，以防范兩個市場之間的風險傳染，維持農產品市場價格的穩定。

三、數據說明與模型介紹

（一）數據說明

1數據選取與處理

本文選取了大連商品交易所的黃大豆1號、黃大豆2號、玉米以及鄭州商品交易所的棉花作為國內農產品期貨代表。上海原油期貨與四種農產品期貨數據均采用連續合約的日收盤價，樣本期間自上海原油期貨上市交易開始，即從2018年3月26日至2023年12月29日，剔除法定節假日后，每個期貨品種共得到1273個樣本數據。最后，對所有期貨品種的日收盤價進行對數處理以獲得收益率，計算公式如下：

Rt=lnptpt-1（1）

式中，pt表示各期貨品種第t日的收盤價序列，Rt表示第t日的收益率序列，包括上海原油期貨（INE）的日對數收益率、黃大豆1號期貨（SOYBEAN1）的日對數收益率、黃大豆2號期貨（SOYBEAN2）的日對數收益率、玉米期貨（MAIZE）的日對數收益率以及棉花期貨（COTTON）的日對數收益率。期貨合約價格均來自Wind數據庫，運用Eviews和R語言進行數據處理分析。

2描述性統計

從表1的統計結果來看，INE原油期貨與農產品期貨的平均收益率均比較小，接近0。從標準差來看，INE原油期貨的標準差最大。從偏度來看，以上5個變量的對數收益率偏度均不為0，存在左偏和右偏的性質。從峰度來看，所有變量的峰度都超過了正態分布的峰度值3且各個變量J-B統計量的值均拒絕了關于滿足正態分布的原假設，符合金融數據尖峰厚尾的特征。

3平穩性檢驗

在對金融時間序列數據進行建模分析之前，確保數據的平穩性是至關重要的，否則可能出現偽回歸問題。本文采用ADF單位根檢驗對以上5個變量的對數收益率進行平穩性檢驗，ADF單位根檢驗的詳細結果如表2所示。由表2的檢驗結果可知，所有期貨品種收益率序列均滿足平穩性條件，這意味著可以進行后續的時間序列建模分析。

（二）模型介紹

1DCC-GARCH模型介紹

DCC-GARCH模型又稱動態條件相關的廣義條件異方差模型，最初由Engle（2002）提出。該模型可以對多個時間序列的動態相關關系進行刻畫，彌補了CCC-GARCH模型對相關系數時變性估計的不足。此外，該模型考慮了各變量序列的自相關性和異方差性，因此估計結果較靜態相關系數估計更穩健。

DCC-GARCH模型的估計過程通常遵循以下兩個主要步驟：第一步需要對每個變量的收益率序列進行GARCH模型估計，GARCH模型能夠捕捉到變量收益率的波動性聚集現象。第二步則使用從GARCH模型中得到的標準化殘差序列來估計DCC模型。DCC模型可以捕捉不同變量收益率之間的動態相關性，即這些變量之間的相關性是如何隨時間變化的。DCC-GARCH模型設定如下：

rt=ut+εt（2）

εt=H1/2tvt（3）

ht=ω+a1ε2t-1+b1ht-1（4）

Ht=DtRtDt（5）

其中，rt為收益率序列，ut為條件期望，εt為誤差項，Ht為時變條件相關方差矩陣，ω為常數項，a1為前期擾動項平方的系數，b1為前期條件方差的系數，Dt=diag（h1/211，t，…，h1/2nn，t）為對角矩陣，對角線元素hnn，t是每個變量收益率序列的條件標準差。動態相關系數矩陣Rt可寫作：

Rt=diag（Qt）-1/2Qtdiag（Qt）1/2（6）

Qt=（1-α-β）Q—+αεt-1ε′t-1+βQt-1（7）

其中，Qt為條件協方差矩陣，Q—為標準化殘差的無條件協方差矩陣，α、β為DCC-GARCH模型參數，且需要滿足α>0，β>0且α+β<1。最后，在DCC-GARCH模型下，兩個時間序列的動態相關系數的值可以通過以下公式表示：

ρij，t=ρji，t=qij，tqii，tqjj，t（8）

2TVP-VAR-DY模型介紹

時變參數向量自回歸溢出指數模型（TVP-VAR-DY）是Antonakakis等于2018年提出的，該模型改進了原始的DY溢出指數方法，有效規避了因主觀選擇滾動窗口大小而可能引起的觀測值損失問題，能夠捕捉不同經濟環境下市場間溢出效應的動態變化特征。

首先，構建TVP-VAR模型，其表達式如下：

xt=γtxt-1=εt，εt｜Ft-1～N（0，Ut）（9）

vec（γt）=vec（γt-1）+vt，vt｜Ft-1～N（0，Rt）（10）

其中，xt、εt和vt均為N×1維向量，εt和vt為隨機擾動項；γt、Ut和Rt為N×N維矩陣，γt是時變系數矩陣且服從隨機游走過程，Ut和Rt是時變方差-協方差矩陣；Ft-1表示t-1期時的信息。

在完成時變參數的估計之后，根據Wold的遍歷性原理，任何遍歷的平穩時間序列可以唯一表示為一個無限階的倒向移動平均過程，可將TVP-VAR模型轉換為時變參數向量移動平均（TVP-VMA）形式，表達式如下：

xt=∑pi=1γitxt-i+εt=∑∞j=1Ajtxεt-j+εt（11）

然后，提取TVP-VMA模型的系數進行廣義預測誤差方差分解（GFEVD），廣義預測誤差方差分解是一種在多元時間序列分析中用來量化預測誤差中方差貢獻的方法。通過廣義預測誤差方差分解，可以得到每個變量對預測誤差方差的貢獻。這些貢獻可以解釋為不同變量之間的動態關聯性和相互影響，通常稱為“溢出效應”。

具體來說，對一個包含了變量i和變量j的TVP-VMA模型，通過GFEVD可以得到變量j對變量i預測誤差方差的貢獻φ～gij，t（J），其表示為預測誤差方差分解中變量j對變量i的影響份額，定義為變量j到變量i的方向性溢出，具體表達式如下：

φgij，t（J）=U-1ii，t∑J-1t=1（v′iAtUtvj）2∑Nj=1∑J-1t=1（v′iAtUtA′tvj）（12）

φ～gij，t（J）=φgij，t（J）∑Nj=1φgij，t（J）（13）

其中，vj為零向量。同時滿足∑Nj=1φgij，t（J）=1，∑Ni，j=1φgij，t（J）=N，其中J表示預測誤差方差分解期數，vi表示一個選擇向量（在變量i位置為1，否則為0）。此外，基于GFEVD，可以計算出總溢出指數（TCI），它反映了整個系統內部平均的風險溢出水平，表達式為：

Cgt（J）=1-N1∑Ni=1φgii，t（J）（14）

除了總溢出指數，還可定義方向性溢出指數，總方向性溢出指數（TO）表示變量i的波動對其他變量的影響，表達式為：

Cg·i（J）=∑Nj=1，i≠jφgji，t（J）（15）

總方向性溢入指數（FROM）表示變量i受到其他市場或資產波動影響的程度，表達式為：

Cgi·，t（J）=∑Nj=1，i≠jφgij，t（J）（16）

凈方向性溢出指數（NET）表示變量i對其他所有變量的凈影響程度，用變量i的總方向性溢出指數（TO）減去變量i的總方向性溢入指數（FROM）計算得到，表達式為：

Cgi，t（J）=Cg·i，t（J）-Cgi·，t（J）（17）

最后，凈成對溢出指數（NPDC）表示兩個金融市場或資產之間的風險凈溢出效應，用市場i對市場j的溢出影響減去市場j對市場i的溢出影響得到，表達式為：

NPDCji（J）=φji，t（J）-φij，t（J）（18）

如果該指數值為正，則表示市場i對市場j的溢出效應大于市場j對市場i的溢出效應，即市場i是風險的凈溢出方；如果該指數值為負，則情況相反，市場i是風險的凈接受方。

四、實證分析

（一）上海原油期貨與國內農產品期貨動態相關性分析

1單變量GARCH模型構建

（1）ARCH效應檢驗

GARCH模型的建立要求數據具有ARCH效應，本文采用ARCH-LM方法來檢驗數據的異方差性。先對以上各平穩的日收益率數據建立均值方程，采用R語言中的autoarima函數確定各變量ARMA（p，q）模型的最佳階數。

最終確定INE、SOYBEAN1、SOYBEAN2、MAIZE、COTTON這5個變量的均值方程形式分別為：ARMA（0，0）、ARMA（2，1）、ARMA（0，0）、ARMA（0，0）、ARMA（0，0）。然后對上述5個均值方程的殘差序列進行ARCH效應檢驗，檢驗結果如表3所示，結果表明各個收益率序列均存在異方差性，可以利用GARCH模型對其進行進一步估計。

其中，α是殘差平方滯后項的系數，表示上一期相關因素產生的外部沖擊對本期市場波動的影響；β是條件方差自身的滯后項系數，表示上一期市場的波動程度對本期市場的影響，反映市場自身的記憶性；α和β之和為衰減系數，其值越大表明市場波動的持續性越強。各變量收益率序列經GARCH（1，1）模型擬合后，α和β的系數多在1%的置信水平下顯著，且α和β之和滿足小于1的約束條件。各序列GARCH（1，1）建模完成后，對標準化殘差序列進行ARCH效應檢驗，ARCH-LM（10）統計量對應的P值都比較大，殘差序列已不存在異方差性，表明GARCH（1，1）模型較穩定，擬合效果較好。GARCH（1，1）的結果顯示，各β值遠大于α，說明原油期貨市場和農產品期貨市場對過去的波動比對過去的沖擊更敏感，意味著原油期貨市場和農產品期貨市場過去的波動會在之后一段時間刺激市場產生新的波動。衰減系數均在09以上，表明各序列收益率波動的持續性強，其中MAIZE的衰減系數較大，說明MAIZE期貨市場的波動聚集性和持續性表現最佳。

2多變量相關性分析

在進行單變量GARCH（1，1）模型估計之后，利用得到的每個金融資產的標準化殘差以及時變方差進行多變量動態相關系數矩陣的估計，DCC-GARCH（1，1）模型估計結果如表5所示。dcca1反映隨機干擾項對動態相關系數的影響程度，dccb1代表動態相關系數的持續性，值越大表示相關性持續的時間越長。由估計結果可知dcca1和dccb1系數均顯著且dccb1值較大，同時dcca1+dccb1小于1且接近1，表明模型是穩健的，且各變量之間具有明顯且持久的動態相關關系。

從DCC-GARCH估計結果中提取2018年3月27日至2023年12月29日上海原油期貨與國內農產品期貨的動態相關系數，并做描述性統計分析，結果如表6所示。兩兩變量相關系數的均值顯著異于0，說明INE原油期貨與四種農產品期貨均具有一定程度的相關關系。INE原油期貨與我國農產品期貨中的COTTON期貨相關性最強，其次是SOYBEAN2，而與MAIZE、SOYBEAN1的相關性非常小，這可能因為大豆和棉花作為經濟作物，與糧食作物相比，更易受到外部沖擊的影響。從相關系數的波動幅度來看，INE與SOYBEAN2動態相關系數的波動幅度最大，標準差為0057，而與SOYBEAN1之間不僅相關性最低，相關性波動幅度也最小，標準差只有0045。究其原因，黃大豆1號合約主要針對的是食品級大豆市場，黃大豆2號合約則更多地與油脂提煉有關。此外，黃大豆2號合約涵蓋了美國和南美等地區的大豆，是全球范圍內最具綜合性的大豆期貨合約之一。由于黃大豆2號合約涉及的大豆在油脂提煉過程中對能源的需求以及它可以作為生物燃料的原料，因此黃大豆2號相比黃大豆1號，與能源市場特別是原油市場有著更為緊密的聯系。

上述描述性統計分析從總體上描述了上海原油期貨和國內農產品期貨的相關性，為了更好地刻畫上海原油期貨與四種農產品期貨的動態相關關系隨時間變化的特征，觀察市場間相關性如何隨時間變化以及在某些極端事件發生時期相關性如何表現，根據DCC-GARCH（1，1）模型估計結果繪制了變量之間相關系數趨勢，如圖1所示。

第一，INE原油期貨與四種農產品期貨的相關性表現出不同的波動特征，且大多數時候呈正相關，這符合理論預期和經濟實際。原油通過成本效應和替代效應兩個基本途徑影響農產品價格，一是原油價格變化影響農產品生產成本，從而影響農產品價格；二是農產品可用于生產生物燃料，而生物燃料是原油的替代品，當原油價格升高時，替代效應的發揮會使農產品價格升高。此外，農產品期貨的投資屬性也使其與金融屬性最強的原油之間聯系緊密。

第二，INE原油期貨與四種農產品期貨的相關系數在2020—2021年疫情和2022—2023年俄烏沖突時期發生了大幅波動并出現峰值。INE原油期貨與農產品期貨的相關系數在特殊事件發生背景下變化較大，這與原油作為全球最重要的能源商品以及我國農產品對外依存度高息息相關。

第三，從單個農產品期貨來看，INE原油期貨與SOYBEAN1期貨相關系數變動幅度較小，除極端事件期間有較大波動外，其余時間變化趨勢穩定。INE原油期貨與SOYBEAN2期貨相關系數受中美貿易摩擦影響，在2019年4月—9月呈下降趨勢，之后整體呈上升趨勢。這與我國大豆的供應來源有關，目前我國對進口大豆的依賴程度較高，對外依存度超過80%，主要進口美洲國家尤其是美國、巴西和阿根廷等國家的大豆。同時美國也是重要的原油出口國，成本推動效應的發揮使INE原油期貨與SOYBEAN2關聯度高。此外，美國可再生生物柴油燃料的生產增加了大豆需求，造成美國國內大豆價格上漲，又通過國際貿易途徑影響我國大豆的價格。INE原油期貨與MAIZE期貨的相關性程度較低，但在2021年之后相關性水平整體有所提升。一是因為玉米作為糧食作物，國內自給率非常高但玉米生產機械化水平跟不上；二是因為2016年取消了玉米臨時收儲政策，玉米價格更加市場化，其與原油市場之間的聯系更加緊密。INE原油期貨與COTTON期貨相關程度較高，相關系數最大值高達0407，在疫情時期相關系數波動幅度最大，并且兩次達到峰值。原油和棉花是全球重要的大宗商品，棉花作為經濟作物也具有較強的金融屬性，且棉花的生產與加工都需要能源，而原油是能源的主要來源，因此兩者之間相關程度一直較高并且在2020—2021年疫情防控期間受宏觀經濟因素影響，相關系數波動幅度較大。

（二）上海原油期貨與國內農產品期貨的溢出效應分析

利用DCC-GARCH模型，我們了解了上海原油期貨與國內四種農產品期貨的相關關系及動態變化趨勢，相關性的存在意味著上海原油期貨與農產品期貨市場是緊密聯系的，價格波動會在市場間傳導，這促使我們進一步探討兩市場間的溢出效應。為了直觀地測度溢出效應的大小及觀察其時變特征，本文選取TVP-VAR-DY模型進行溢出效應的研究。

1靜態溢出效應分析

根據滯后期選擇準則確定TVP-VAR-DY模型溢出指數滯后期為2期，同時計算了預測步長H從5到20的總溢出指數，最終確定方差分解預測步長H=10，借助R軟件計算溢出指數。表7中對角線數據表示各個市場自身的波動對自身的影響，即自溢出效應。非對角線的行數據代表其他市場對某一特定市場的溢出效應，即外部市場對指定市場的影響。非對角線的列數據則反映某一特定市場對其他市場的溢出效應，即指定市場對外部市場的影響。“FROM”列數據表示一個市場接收到的其他所有市場的總溢出效應。“TO”行數據表示一個市場對其他所有市場的總溢出效應，“TCI”是總溢出指數，代表該系統的平均溢出水平，等于“TO”行或“FROM”列元素均值。“NET”表示凈溢出效應，即一個市場對所有其他市場溢出效應的總和減去這些市場對它的溢出效應的總和，反映了市場間相互影響的凈結果。

由表7可知，總溢出指數為1567，說明所有市場波動率預測誤差的方差中有1567%來自系統內其他變量的溢出。這意味著上海原油期貨市場與國內農產品期貨市場聯動效應顯著。從凈溢出效應來看，INE是系統中溢出效應的主導者，影響著農產品期貨市場。此外，SOYBEAN2也是該系統溢出效應的凈傳遞者，主要因為SOYBEAN2是SOYBEAN1和MAIZE的競爭產品，以及SOYBEAN2是生物柴油的原料，從而SOYBEAN1、MAIZE、INE這三個期貨市場接受著SOYBEAN2價格波動的影響。INE對四個農產品期貨市場的溢出強度是不同的，對COTTON的溢出水平最大，其次是SOYBEAN2，同樣，COTTON和SOYBEAN2對INE的溢出值也較大，說明INE期貨市場和COTTON、SOYBEAN2期貨市場價格傳導效應及聯動性強。COTTON和SOYBEAN2作為經濟作物，價格會隨市場因素波動，因此原油對其影響明顯強于糧食作物玉米。雖然玉米可以用來生產生物燃料，但INE對其溢出效應較小，這歸因于我國玉米自給率高以及在“谷物基本自給、口糧絕對安全”的糧食安全觀下對玉米價格的宏觀調控。

2動態溢出效應分析

靜態溢出指數描繪了上海原油期貨與國內四個農產品期貨市場信息溢出的整體平均水平，卻不能夠捕捉市場間溢出效應的時變特征。因此，接下來構建動態總溢出指數、動態方向性溢出指數、動態凈溢出指數以及動態凈成對溢出指數并繪制相應的趨勢圖，分析溢出效應的時變特征。

（1）動態總溢出指數分析

總溢出指數包括上海原油期貨與農產品期貨市場相互之間的溢出，也包括農產品期貨市場內部的溢出。從圖2可以看出總溢出指數隨時間推移在0%～25%波動，這說明上海原油期貨與農產品期貨市場聯動性水平較高且呈現時變特征。總溢出指數在2020年初一度降到谷底，之后很長時間處于10%以下，這源于疫情暴發導致的停工停產，對原油市場和農產品市場造成了沖擊，之后隨著經濟逐漸回暖，總溢出指數不斷上升。此外，從圖2中可以觀察到動態總溢出指數在2021年達到了20%以上的高峰，在2022年甚至達到了25%以上的高峰，同時2021年和2022年總溢出指數波動幅度較其他時段更高。這可能與極端事件的發生有關，2021年正處于新冠疫情時期，疫情加劇了全球金融市場恐慌情緒和不確定性，各類資產價格波動不斷；2022年初俄烏沖突爆發，作為沖突雙方的俄羅斯和烏克蘭又是世界上兩大重要的糧食和能源出口國，沖突的發生自然對我國大宗商品市場產生影響。總的來說，極端事件的發生會提升市場間溢出水平。

（2）動態方向性溢出指數分析

圖3為INE原油期貨對國內四個農產品期貨市場的動態方向性溢出指數圖，2018—2019年INE原油期貨作為新上市的金融產品，其市場影響力和交易活躍度可能還在逐步建立過程中，因此其對農產品期貨市場整體波動溢出水平較低也較平穩。隨著時間的推移，尤其是2020年后，溢出水平不斷提升，這體現出上海原油期貨對國內農產品期貨市場的影響越來越顯著，不斷地將自身波動傳遞到農產品期貨市場。這也從側面說明INE原油期貨市場建立的有效性，其在大宗商品市場逐漸發揮重要的作用，并且與上述分析一致，在極端事件發生時期，INE原油期貨對農產品期貨市場的溢出效應更強烈。在面臨極端事件，如地緣政治沖突或全球性公共衛生事件時，市場參與者的風險偏好和避險需求可能會發生變化，導致原油期貨市場的波動性增加，進而更顯著地影響農產品期貨市場。

原油期貨價格的波動可能會通過多種渠道影響農產品期貨市場，如影響生產成本、運輸成本以及作為投資組合中的對沖工具等。了解原油期貨對農產品期貨市場的時變溢出效應，有助于政策制定者和投資者構建更為有效的風險管理策略和投資組合，以應對市場波動。

（3）動態凈溢出指數分析

在上海原油期貨與四個農產品期貨市場組成的系統中，若一個市場的凈溢出指數為正，那么此時它是該系統中的沖擊傳遞者，反之為沖擊接收者。

由圖4可知，INE原油期貨與農產品期貨市場的凈溢出效應的方向、強度在樣本期內隨時間不斷變化，這說明每個期貨市場所扮演的角色并不是一成不變的，它們時而是沖擊傳遞者，時而是沖擊接收者。具體來看，INE原油期貨和SOYBEAN2期貨是系統中主要的沖擊傳遞者，SOYBEAN1、MAIZE和COTTON期貨市場大多時候是其他市場的信息溢出

接收者。可以看到，在2019—2022年，INE原油期貨的凈溢出指數基本為負，說明其在該段時間受到四個農產品期貨市場波動溢出效應較大，所以導致其凈溢出為負。結合實際情況，這可能與INE原油期貨上市時間較短，以及疫情對全球原油市場的影響有關。這說明不僅INE原油期貨是溢出效應的傳遞中心，農產品期貨市場有時也是市場傳染的源頭，會對原油期貨市場造成沖擊。此外，SOYBEAN2的凈溢出效應基本為正，因此無論是INE原油期貨市場還是農產品期貨市場，都要關注和警惕來自SOYBEAN2期貨市場的沖擊。

（4）動態凈成對溢出指數分析

以上分析了各期貨市場的凈溢出，接下來分析INE原油期貨與四個農產品期貨市場的凈成對溢出。凈成對溢出主要指該市場對另一個市場的溢出效應減去該市場受到另一市場溢出效應之后的差值。

從圖5可知，INE原油期貨與四個農產品期貨市場的凈成對溢出存在異質性。就SOYBEAN1期貨而言，除2019年凈成對溢出指數為負值外，其余時期均以正值為主。2019年受非洲豬瘟影響，大豆的植物蛋白食用需求增長，SOYBEAN1定位于食用，其期貨價格階段性上漲，因而沖擊也傳遞到了INE原油期貨市場。而INE原油期貨與SOYBEAN2期貨的凈成對溢出指數多呈負值，這說明SOYBEAN2對INE的溢出效應大于INE對SOYBEAN2的溢出效應。因為SOYBEAN2的期貨合約定位更廣泛，其與INE原油期貨的溢出關系和SOYBEAN1截然不同，加之其能源屬性，生物燃料替代效應的推動使其對INE原油期貨有正向的溢出效應。

INE原油期貨與MAIZE期貨市場的凈成對溢出指數在2018—2020年多數時候是大于0的，在2022年3月逐漸轉為正值并持續到6月份左右，之后一直在0附近波動，凈成對溢出指數為0說明兩市場間溢出與溢入基本持平。2020年受疫情和OPEC+減產協議的影響，原油價格先跌后漲，原油市場高度動蕩，同時2020年全球疫情對我國糧食生產造成了一定沖擊，為保證糧食穩定供應增加了玉米進口量，因此MAIZE期貨對INE產生了正向凈溢出效應。這表明疫情對原油期貨市場的影響是最大的，而對農產品期貨市場的影響較小。

棉花作為重要的經濟作物，與石油有著千絲萬縷的聯系。INE原油期貨與COTTON期貨的凈成對溢出指數多為正值，但在2021年顯著為負。2021年得益于我國有效的疫情防控，紡織業快速恢復，全球訂單激增，帶動棉花價格上漲，且紡織與石油化工息息相關，棉花也具有較強的金融屬性，因此COTTON期貨對INE原油期貨產生了凈溢出。

五、結論與啟示

（一）研究結論

原油價格波動對農產品市場具有顯著的影響力，而我國作為農產品消費大國，維持農產品價格穩定尤為重要，這關系到國民經濟的發展與民生福祉的保障。本文深入分析了上海原油期貨與國內農產品期貨的動態相關性及溢出效應，得出以下結論：

第一，在相關性方面，上海原油期貨與四種農產品期貨（包括黃大豆1號、黃大豆2號、棉花、玉米）均具有正相關性，且與黃大豆2號、棉花期貨的正相關性最強，與玉米期貨的相關性在2021年以后呈上升趨勢。這可能與玉米臨時收儲政策的取消以及在生物燃料生產中的重要作用有關。第二，在溢出效應方面，上海原油期貨與國內農產品期貨之間存在雙向溢出效應，但原油期貨對農產品期貨市場的影響更大，表明原油市場的波動對農產品期貨市場有更為顯著的沖擊作用。這主要因為原油期貨價格變動會通過成本推動效應、生物燃料替代效應等影響農產品價格。第三，在不同農產品期貨中，上海原油期貨對黃大豆2號和棉花期貨的溢出效應最為顯著，其次是玉米期貨，而對黃大豆1號期貨的溢出效應相對較小。黃大豆2號因其標的物的能源屬性以及期貨合約包容性強，在四種農產品期貨中對上海原油期貨具有顯著的溢出效應。第四，極端事件的發生會加劇上海原油期貨與國內農產品期貨市場間的溢出水平，在新冠感染疫情與俄烏沖突發生時期，上海原油期貨與農產品期貨市場間相關性與溢出效應顯著增強。這表明在不確定性增加的時期，市場參與者的風險規避行為和投資組合調整可能會更加顯著地影響市場間的聯動效應。

（二）政策啟示

綜合研究內容與結論，提出以下幾點建議：

第一，多渠道管理，降低油價波動對農產品價格的負面影響。政府和農業企業需密切關注上海原油期貨市場的動態，從中預測原油價格波動對不同農產品價格的可能影響，提前做好應對措施。考慮到原油價格波動通過成本推動效應、生物燃料替代效應、國際貿易以及金融渠道對農產品價格產生影響。因此政府應采取多渠道管理措施，以減輕油價波動對農產品市場的負面影響。油價上漲會增加農業生產中的能源、運輸和加工成本，政府可以通過補貼、稅收優惠等措施，減輕農業企業的財務負擔。考慮到生物燃料對農產品需求的影響，政府應審慎制定相關政策，平衡能源和農業部門的需求。油價波動可能影響國際農產品價格，進而通過國際貿易渠道影響國內農產品價格，政府可以通過貿易協議、關稅調整等手段，穩定農產品的進出口市場。商品金融化背景下，原油期貨與農產品期貨價格之間的聯動性增強。政府應加強對期貨市場的監管，防止市場過度投機行為，維護市場穩定。此外，農產品期貨具有風險對沖功能，但農產品期貨市場存在進入壁壘，農民和農業企業參與度不高。對此，一是通過教育和培訓提高農民和農業企業對期貨市場的認識和參與度，建立或完善政策性金融支持體系，如提供低息貸款、信貸擔保等，幫助農業企業和農民緩解資金壓力。鼓勵農業企業和農民使用農產品期貨合約進行風險對沖，以鎖定成本和銷售價格，減少價格波動帶來的風險。二是建議推廣“保險+期貨”這種創新型的農業風險管理工具，借助農業保險普遍服務的優勢，擴大期貨服務范圍，讓農民及新型農業經營主體最大限度地參與進來，幫助其有效管理價格風險。

第二，建立極端事件風險管理機制，降低上海原油期貨與農產品期貨市場間風險傳染。本文實證結果表明極端事件的發生會加劇上海原油期貨與農產品期貨市場的溢出效應，而當前不確定事件頻發，逆全球化浪潮嚴重。因此監管部門應建立針對極端事件的風險管理系統，以便快速響應原油市場波動可能導致的風險傳遞，保障農產品期貨市場的穩定。具體來看，首先需要建立一套預警指標體系，包括價格波動率、流動性指標、市場壓力指數等，用于監測市場風險；其次可以利用先進的算法進行實時數據分析，在這個過程中，不僅要關注價格波動，還要關注交易量、持倉量和市場情緒等其他市場指標，以便快速識別市場異常行為和潛在的極端事件；再次制定詳細的應急預案，包括在極端事件發生時的交易限制、保證金調整、信息披露等措施；最后建立跨部門協作機制，包括金融市場監管機構、農業部門、能源部門等，以實現信息共享和協調響應。監管部門應擁有一套完整的“政策工具箱”，包括宏觀審慎政策、市場穩定措施等，用于應對不同級別的風險事件。從另一方面看，上海原油期貨市場的波動也受到農產品期貨，特別是黃大豆2號期貨的顯著影響，因此應加強對黃大豆2號期貨價格的動態監控，定期進行市場分析，以便及時發現任何異常波動并評估其對原油期貨市場的潛在影響。通過建立這樣的風險管理機制，監管部門可以更有效地預防和應對極端事件對市場的影響，降低上海原油期貨與農產品期貨市場間的風險傳染，保障市場的穩定和健康發展。

第三，持續促進國內大豆生產，降低進口依賴。生物燃料作為一種可再生能源，具有一系列環保和可持續性的優勢，是原油的替代品，發展前景廣闊，雖然我國生物燃料產量低，對農產品價格的影響有限，但隨著生物燃料在全球范圍的產出不斷攀升，其對作為原材料的農產品市場價格的作用力逐步加大，這種影響可能會通過國際貿易渠道間接作用于我國的農產品價格。鑒于上海原油期貨與大豆期貨關聯性強，且在四種農產品期貨中，我國大豆對外依存度極高，2023年大豆的進口量占糧食總進口量的六成以上，不似玉米國內自給率達90%以上，這也使大豆價格極易受到原油價格波動的影響。雖然我國在提升大豆自給率方面已經取得一些進展，但仍沒有改變當前大豆國內供給不足的現狀，因此政府和相關部門應通過持續的政策支持、技術創新和農業保險覆蓋等措施來推動大豆產業的發展。在政策支持方面，加大對大豆主產區的生產獎勵，調高對大豆生產者的補貼標準，如為降低生產成本，增加對種子、化肥、農藥和機械化作業的補貼。在技術創新方面，一是加大對大豆育種技術的投入，支持高產、高油、抗病蟲害的大豆品種的培育和推廣；二是加快完成對農業機械化設備的迭代升級。在農業保險覆蓋方面，推廣大豆作物完全成本保險和種植收入保險，增加對小農戶以及新型農業主體的保費補貼，減少自然災害對農民的影響，降低大豆生產風險，增加農業利潤。通過這些措施可以促進國內大豆生產，降低進口依賴，增強農產品市場抵御國際農產品價格沖擊的能力。這也有助于穩定國內大豆價格，保護農民利益，促進農業可持續發展。

第四，可將農產品期貨納入投資組合，對沖原油價格波動風險。農產品期貨的傳統定位集中在為農業生產者和加工企業提供套期保值的機會，使他們能夠通過期貨合約鎖定產品的成本和銷售價格，從而減少市場波動帶來的風險。隨著時間的推移，農產品市場的金融化水平提升，這不僅增加了市場的流動性，也拓寬了投資者的參與度。農產品期貨不再僅限于傳統的農業用途，而是成為金融市場上一種重要的資產類別。同時投資者對于構建一個多元化投資組合的需求日益增長，農產品期貨因其與股票和債券等其他資產類別可能存在的低相關性，成為分散風險的優選工具。本文揭示了上海原油期貨與四種農產品期貨之間存在顯著的相關性，特別是與黃大豆2號、棉花和玉米期貨。這種相關性為投資者構建投資組合提供了一種可能，即可以通過選擇適合的農產品期貨來對沖原油價格波動帶來的風險。在油價下跌時，某些農產品期貨可能表現出一定的穩定性特征，從而有助于平衡投資組合的整體風險。因此，對于金融市場上的機構和個人投資者來說，可以考慮把農產品期貨加入原油期貨投資組合，以對沖原油價格波動風險。

參考文獻

［1］NAZLIOGˇLUS，ERDEMC，SOYTASUVolatilityspilloverbetweenoilandagriculturalcommoditymarkets［J］EnergyEconomics，2013（36）：658-665

［2］LUOJ，JIQHigh-frequencyvolatilityconnectednessbetweentheUScrudeoilmarketandChinasagriculturalcommoditymarkets［J］EnergyEconomics，2018（76）：424-438

［3］KANGSH，TIWARIAK，ALBULESCUCT，etalExploringthetime-frequencyconnectednessandnetworkamongcrudeoilandagriculturecommodities［J］EnergyEconomics，2019（84）：104543

［4］DAHLRE，OGLENDA，YAHYAMDynamicsofvolatilityspilloverincommoditymarkets：Linkingcrudeoiltoagriculture［J］JournalofCommodityMarkets，2020（20）：100111

［5］郭玉晶，宋林，王鋒國際原油期貨與農產品期貨市場的波動溢出效應——基于離散小波和BEKK模型的研究［J］國際商務（對外經濟貿易大學學報），2015（6）：86-96

［6］黃海峰，施展國際原油期貨與中國農產品期貨的動態聯動性研究——基于DCC-MGARCH模型的實證分析［J］武漢金融，2017（9）：23-28，33

［7］彭新宇，樊海利國際原油價格對中國大宗農產品價格的影響研究［J］宏觀經濟研究，2019（1）：99-109，124

［8］卿雨茜，郭風龍經濟政策不確定性、國際原油價格變動與我國農產品期貨價格——基于TVP-SV-VAR模型的分析［J］金融經濟，2022（12）：79-93

［9］張松艷，杜明婭國際原油期貨對中國農產品期貨市場的風險溢出效應研究——基于DCC-GARCH-CoVaR模型［J］統計與管理，2022，37（10）：80-86

［10］付蓮蓮，鄧群釗，翁異靜國際原油價格波動對國內農產品價格的傳導作用量化分析——基于通徑分析［J］資源科學，2014，36（7）：1418-1424

［11］DILLONBM，BARRETTCBGlobaloilpricesandlocalfoodprices：EvidencefromEastAfrica［J］AmericanJournalofAgriculturalEconomics，2016，98（1）：154-171

［12］CHENST，KUOHI，CHENCCModelingtherelationshipbetweentheoilpriceandglobalfoodprices［J］AppliedEnergy，2010，87（8）：2517-2525

［13］古家樂，孟慶軍國際原油價格對中國農產品價格影響機制研究［J］湖北農業科學，2020，59（22）：187-192

［14］稅尚楠世界農產品價格波動的新態勢：動因和趨勢探討［J］農業經濟問題，2008（6）：14-19，110

［15］鄭燕，丁存振國際農產品價格對國內農產品價格動態傳遞效應研究［J］國際貿易問題，2019（8）：47-64

［16］LUY，YANGL，LIULVolatilityspilloversbetweencrudeoilandagriculturalcommoditymarketssincethefinancialcrisis［J］Sustainability，2019，11（2）：396

［17］SUNY，MIRZAN，QADEERA，etalConnectednessbetweenoilandagriculturalcommoditypricesduringtranquilandvolatileperiodIscrudeoilavictimindeed［J］ResourcesPolicy，2021（72）：102131

［18］ENGLERDynamicconditionalcorrelation：Asimpleclassofmultivariategeneralizedautoregressiveconditionalheteroskedasticitymodels［J］JournalofBusiness&EconomicStatistics，2002，20（3）：339-350

［19］ANTONAKAKISN，GABAUERD，GUPTAR，etalDynamicconnectednessofuncertaintyacrossdevelopedeconomies：Atime-varyingapproach［J］EconomicsLetters，2018，166（c）：63-75

ResearchontheDynamicCorrelationandSpilloverEffectsbetweenShanghaiCrudeOilFuturesandDomesticAgriculturalProductFutures

ZHANGXiuliLIUYingfen

（SchoolofBusiness，ZhengzhouUniversity，Zhengzhou450001，China）

Abstract：Asthefinancializationofenergyandagriculturalproductmarketscontinuestoincrease，theinterconnectionbetweencrudeoilfuturesandagriculturalproductfuturesmarketsisisconstantlystrengtheningThisarticleselectsthedailyclosingpricedataofShanghaicrudeoilfuturesandfourtypesofdomesticagriculturalproductfutures（soybeanNo1，soybeanNo2，corn，andcotton）fromMarch27，2018toDecember29，2023TheDCC-GARCHmodelisusedtocharacterizethedynamiccorrelationbetweenShanghaicrudeoilfuturesandfourdomestIWv6dpVSRDVCumv/8mYt2w==icagriculturalproductfuturesOnthisbasis，theTVP-VAR-DYmodelisemployedtomeasurethespillovereffectsbetweenShanghaicrudeoilfuturesanddomesticagriculturalproductfuturesfrombothstaticanddynamicperspectivesThefindingsareasfollows：①Shanghaicrudeoilfutureshaveapositivecorrelationwiththefourtypesofagriculturalproductfutures，withthestrongestpositivecorrelationobservedwithsoybeanNo2andcottonfutures，andthecorrelationwithcornfutureshasbeenonanupwardtrendsincetheyear2021②ThereisabidirectionalspillovereffectbetweenShanghaicrudeoilfuturesanddomesticagriculturalproductfutures，butcrudeoilfutureshavingagreaterimpactontheagriculturalproductfuturesmarket，indicatingthatfluctuationsinthecrudeoilmarkethaveamorepronouncedimpactontheagriculturalproductfuturesmarket③ThespillovereffectofShanghaicrudeoilfuturesonsoybeanNo2andcottonfuturesisthemostsignificant，followedbycornfutures，withthespillovereffectonsoybeanNo1futuresbeingrelativelysmallerAmongthefourtypesofagriculturalproductfutures，soybeanNo2exhibitsasignificantspillovereffectonShanghaicrudeoilfutures④TheoccurrenceofextremeeventscanintensifythespilloverlevelbetweenShanghaicrudeoilfuturesandthedomesticagriculturalproductfuturesmarketTherefore，attentionshouldbepaidtotheriskcontagionbetweenthetwomarkets，andmeasuresshouldbetakentopreventtheimpactofcrudeoilmarketvolatilityonagriculturalproductpricesandtomaintainthestabilityoftheagriculturalproductmarket

Keywords：ShanghaiCrudeOilFutures；DomesticAgriculturalProductFutures；DynamicCorrelation；SpilloverEffects