不同期货间溢出风险传导的来源与接受

摘要：大宗商品价格波动风险影响经济稳定性，因此，文章选取大商所豆一、焦炭和上期所铜、螺纹钢作为我国农产品、能源和金属类大宗商品期货的代表，运用DCC-GARCH模型、溢出指数模型，对我国不同类别大宗商品期货品种间的溢出效应进行检验。实证结果表明，我国大宗商品期货间存在较为明显的溢出关系，同时，期货价格对风险传递较敏感，大商所焦炭和豆一是风险溢出的“接受方”，而上期所铜和螺纹钢则是风险溢出的“来源方”，明确了风险传导的路径。

关键词：溢出效应；风险传导；大宗商品；商品期货

中图分类号：F224 文献标识码：A 文章编号：1005-6432（2024）21-0000-04

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

1 引言

我国对大宗商品的进口与需求依赖度不断攀升，为对冲境内外大宗商品价格波动投机风险，政府不断加大商品期货市场发展。目前，我国的期货市场已经发展到一定程度，并在国内市场中发挥着越来越重要的作用。中国大宗商品期货交易合约成交数量同样不可低估（He et al.，2019）[1]，例如大连商品交易所已经成为继CBOT之后世界第二大大豆期货市场（顾蕊等，2013）[2]，同时也是世界上最主要的农产品，塑料，煤炭和铁矿石期货市场之一。在我国经济高速增长以及对外开放不断深化的背景下，国内资本市场的繁荣为大宗商品期货提供了广阔的发展前景，但同时也存在着一定程度上的风险隐患。然而大宗商品既是生产要素也是投资品，这使大宗商品价格稳定性和金融市场之间存在着明显的联系并影响着金融体系的稳定性。2017年党的十九大提出把防范化解重大风险作为三大攻坚战之一，更是将防范金融风险溢出、风险传染提到了关键位置。

同时，随着经济全球化进程加快以及各国之间贸易和投资联系日益密切，金融风险不断累积并在积聚。金融关乎发展大局，金融安全在国家安全中占有重要地位。因此，加强对我国大宗商品价格波动和金融风险传染规律的分析有助于我们更好地维护金融稳定，防范化解重大风险。2019年12月中共中央政治局在会议上提出2020年三大攻坚战之一即为“确保不发生系统性金融风险”。2021年11月，党的十九届六中全会中提出要坚持防范化解金融、房地产风险，遏制房地产金融化泡沫化倾向。2021年12月，中央经济工作会议再次强调，要正确认识和把握防范化解重大风险。2022年，党的二十大报告中明确指出要依法对所有金融活动都要纳入监管范围，坚守不出现系统性风险的底线。在此背景下，研究大宗商品期货市场的风险溢出效应及其传导机制显得十分必要。研究我国大宗商品期货不同种类间的传导关系，可以了解我国商品期货品种间风险传导方式，确定风险溢出传导中的“来源方”和“接受方”问题，对于切断外来风险向国内金融市场的传导具有特别重要的意义。

2 文献回顾

当前，越来越多的研究将大宗商品价格变化的影响集中到市场因素方面，尤其是同类市场和不同类市场间的传导关系即溢出效应。同类市场主要是指同种期货品种在不同市场间的价格和风险溢出关系，比如期货价格往往提前变动而出现引领现货价格的现象（Husain & Bowman，2004）[3]；不同市场间同类商品价格受市场引领地位不同而出现一个市场向另一个市场的溢出效应。比如中国期货市场发展早期往往受美国和英国等发达地区期货市场的影响，而近几年中国期货市场也对这些期货市场产生溢出效应，比较典型的有大豆期货（李显戈等，2013；顾蕊等，2013；王振宇，2014；郑金英等，2017）[2，4-5]，以及铜期货等（徐雪和王宁，2014）[6]。不同类市场间的溢出效应更为复杂，比如汇率、货币供应和流动性等能够影响大宗商品的定价，而受大宗商品金融属性的增强，大宗商品市场与其他市场、不同种类大宗商品市场之间的联动性也越来越强。比如股市与商品期货市场间（田利辉和谭德凯，2014；谭小芬等，2018）[7-8]、能源期货与其他商品期货间（Mensi et al.，2014；肖小勇和章胜勇，2016；Kang，S.H. et al.，2017；Zhang et al.，2018）[9-12]。

目前对不同类市场间溢出关系的研究主要集中在大宗商品与股市间，以及能源期货与其他商品期货间，却鲜有学者研究多种不同类别商品期货间的溢出效应，如已有学者仅仅研究原油期货对非能源商品期货间的溢出效应，仅有部分学者研究了多种不同类别大宗商品间的溢出效应（崔海蓉等，2011；刘华军等，2017）[13-14]，或者仅检验大宗商品间溢出效应的强度或方向（刘华军等，2017；刘超等，2017）[14-15]。虽然针对风险溢出“来源方”和“接受方”检验的研究可以帮助我们明确风险传导方向，提高阻断风险传播的能力，但大部分学者仍然忽视了我国多种不同商品期货间的风险传导，缺乏对风险溢出“来源方”和“接受方”的考察。

3 模型方法与数据

3.1 模型方法

文章首先借助DCC-GARCH模型来分析我国不同商品期货间的联动关系；其次，计算不同期货品种波动率的总溢出指数，研究其动态变化曲线，从而观察动态曲线时变特征，分解出净溢出。不同商品期货品种间的溢出效应可以分为定向溢出与净溢出两部分，净溢出可以确定一个市场是净溢出的来源还是接受者。由此，即可识别一个大宗商品期货品种是风险溢出的“来源方”还是“接受方”，为监管者提供早期预警、阻断风险传导提供可能。

3.1.1 1DCC-GARCH模型

文章采用DCC-GARCH模型确定我国不同市场的商品期货之间的联动关系。假设相关系数是时变的，DCC模型方程如公式（1）至公式（4）所示。

其中，如公式（5）所示；是对称正定矩阵，如公式（6）；为时变相关系数。

其中，为残差标准化的无条件相关矩阵，阶数为n×n；和为大于等于0的参数。DCC模型为均值回复的条件为。越大，表明过去的冲击对当前价格波动的影响衰减越慢；反之则相反。

3.1.2溢出指数模型

不同商品期货品种间的溢出效应可以分为定向溢出与净溢出两部分，文章不仅计算波动率的总溢出指数，还将使用滚动窗口方法来检测总溢出指数的时变动态曲线。研究时变动态有助于确定定向溢出，进一步分离出我国不同期货品种间的净溢出指数并计算其大小（刘超等，2017;Diebold & Yilmaz，2012）[15-16]。文章首先假定一个协方差平稳的n变量VAR（p）（Diebold & Yilmaz，2012）[16]，如公式（7）。

是内生变量向量，是自回归系数矩阵，误差项向量；向量为阶，系数矩阵为阶。文章根据Diebold & Yilmaz（2012）的方法利用VAR模型方差分解计算不同大宗商品间的定向溢出、净溢出和总溢出。

H步超前广义预报误差方差分解如公式（8）所示。

溢出指数为矩阵；矩阵的主对角线上的元素是自变量预测误差方差贡献，矩阵非对角线上的元素是交叉变量预测误差方差贡献。对矩阵按公式（9）进行标准化处理。

将总溢出（TS）指数定义为：

总溢出（TS）指数测量溢出效应对总的预测误差方差的平均贡献。公式（11）测量j市场对i市场的定向溢出（DS）；公式（12）则测量i市场向j市场的定向溢出（DS）。

i市场对j市场的定向溢出减去j市场对i市场的定向溢出可得到i市场对j市场的净溢出。净溢出确定一个市场是净溢出的来源还是接受者。由此，即可识别一个大宗商品期货品种是溢出的“来源方”还是“接受方”，为监管者提供早期预警、截断外来风险传导提供可能。

3.2 数据处理

3.2.1变量选择

大宗商品期货的种类主要包括农产品、金属和能源化工期货。大豆是我国进口量最大的农产品。大豆经过提取豆油后才能得到豆粕。大连商品交易所已经成为全球最大的农产品期货市场，大豆期货和豆粕期货又是其中的重要品种。值得注意的是，大连商品交易所黄大豆一号的标的商品是主要原产自我国的食用非转基因大豆。因此，文章选取大连商品交易所的黄大豆一号（简称豆一）作为农产品类大宗商品期货的代表品种。同时，我国是全球最大的铜消费国。此外，上海期货交易所的螺纹钢成交量位列全球金属类期货首位。因此，金属类商品期货文章选取上期所的螺纹钢和铜。据《中华人民共和国2022年国民经济和社会发展统计公报》显示，石油、天然气等能源消费只占据小部分，我国煤炭消费量占能源消费总量的56.2%。因此研究能源类大宗商品时，大连商品交易所的焦炭有足够的代表性。这四种商品期货在我国经济活动中都具有重要地位，因此文章选取SHFE螺纹钢（SHFE_LWG）、SHFE铜（SHFE_T）、DCE焦炭（DCE_JT）、DCE豆一（DCE_DY）作为金属类、能源类和农产品类大宗商品的典型代表，以此来研究我国不同类别的大宗商品市场之间存在的溢出效应。

2011年4月，全球首个焦炭类期货正式在大商所挂牌上市。为了探究这四种商品期货之间的溢出效应，同时为规避自2020年新冠疫情爆发以来，各极端事件可能带来的异常冲击影响，文章以2011年4月15日为时间起点截至2019年8月22日。不过四种商品期货的交易日期并不完全相同，文章只选择了相同交易日的收盘价数据，删除了其他不匹配的干扰数据，最后得到2034个样本数据。

3.2.2数据处理

文章首先将已得数据进行对数差分化处理，即，其中，表示指数i在时间t时的价格水平，则表示在时间t-1时的价格水平，目的在于为后文进行模型分析与检验时提供便利。在对均值模型残差序列进行ARCH效应的检验结果显示各样本序列均存在ARCH效应，因此文章进行GARCH（1，1）模型参数估计。

4 我国大宗商品期货间的波动溢出效应实证研究

4.1构建多元DCC-GARCH模型

为进一步探究我国农产品、金属和能源类大宗商品间的溢出效应，文章使用ARMA均值的残差序列模型和多元DCC-GARCH（1，1）模型，深入分析序列之间的动态协方差，参数估计结果如表1所示。其中数字1代表DCE豆一，数字2代表DCE焦炭，数字3代表SHFE螺纹钢，数字4代表SHFE铜。结果显示这四种大宗商品期货市场两两之间均呈现正相关关系，并且均在1%的检验水平下具有强显著性效果。即我国农产品类、金属类、能源类大宗商品期货间确实存在溢出效应。

4.2基于溢出指数模型波动溢出效应

参考Diebold & Yilmaz（2012）的溢出指数，分别研究不同大宗商品波动率的溢出强度和方向，选取不同的交易观测区间作为滚动窗口对波动率的动态溢出效应进行捕捉，分别计算每一种商品期货市场的净溢出指数有助于研究追踪溢出效应的起点，确定四种商品期货市场间的风险承接关系。表2给出了SHFE铜、DCE焦炭、SHFE螺纹钢和DCE豆一这几种商品期货波动率的溢出指数结果。

从四种商品期货的波动溢出指数结果来看，DCE焦炭与DCE豆一的净波动溢出指数均为负，分别为-58.68%和-32.67%，说明这两种商品期货主要是风险溢出的承受方，受到其他商品期货的风险溢出大于它们对其他期货品种收益率波动的风险溢出。即在这四种期货市场上，最终是来自SHFE铜市场与SHFE螺纹铜市场的波动风险（来源方）冲击到DCE豆一市场与DCE焦炭市场（接受方）。

5 结论与贡献

文章借鉴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）波动溢出指数模型，归纳了农产品类，金属类以及能源类期货间的溢出关系并基于溢出指数对其间溢出效应的方向和规模进行了分析，得出以下两点结论：1、我国农产品、能源和金属类商品期货间确实存在溢出关系。2、在这三类大宗商品市场中，金属类大宗商品更多的是风险溢出的“来源方”，而农产品和能源类大宗商品更多的是风险溢出的“接受方”，明晰了风险传导的路径。

文章的研究贡献主要在两个方面。一方面，对投资者而言，通过对不同市场之间价格联动关系的分析，有关企业能够制定出合理的套期保值战略，而我国投资者则能够适时优化投资组合，减少金融风险；另一方面，有助于我们合理地防范风险、截断风险传导路径、设置防火墙，特别是农产品期货价格受到其他品种价格波动影响很大，政策层需要重视其他大宗商品在农产品期货市场上的风险溢出问题，预先防范风险给金融市场带来的负面冲击，从而推动稳定市场。

参考文献：

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

顾蕊，郭俊芳，田甜.大豆价格波动溢出效应研究[J].价格理论与实践，2013（3）：82-83.

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

李显戈，周应恒，随学超.中美大豆期货价格相关性研究——基于Copula函数[J].农业技术经济， 2013（6）： 4-11.

王振宇.中美农产品价格波动特征及溢出效应研究——基于大豆期货数据的分析[J].农村经济，2014（5）：98-101.

徐雪，王宁.关于铜期货市场有效性的实证研究[J].开发研究，2014（1）：102-106.

田利辉，谭德凯.大宗商品现货定价的金融化和美国化问题——股票指数与商品现货关系研究[J].中国工业经济，2014，（10）：72-84.

谭小芬，张峻晓，郑辛如.国际大宗商品市场与金融市场的双向溢出效应——基于BEKK-GARCH模型和溢出指数法的实证研究[J].中国软科学，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，章胜勇.原油价格与农产品价格的溢出效应研究[J].农业技术经济，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，张京波.我国有色金属期货波动溢出效应研究——以SHFE的铜和铝为例[J].北京理工大学学报（社会科学版），2011，13（4）：29-32.

刘华军，陈明华，刘传明，等.中国大宗商品价格溢出网络结构及动态交互影响[J].数量经济技术经济研究，2017，34（1）：113-129.

刘超，徐君慧，周文文.中国金融市场的风险溢出效应研究——基于溢出指数和复杂网络方法[J].系统工程理论与实践， 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.

基金项目：2023年浙江省大学生科技创新活动计划暨新苗人才计划项目（项目编号：2023R414032）;2022年浙江财经大学研究生校级科研项目（项目编号：22XJKT037）。

作者简介：郭伟栋（1997—），男，浙江财经大学金融学院硕士研究生，研究方向：金融市场；蔡淑佳（2000—），女，浙江财经大学硕士研究生，研究方向：金融市场；田嘉惠（1995—），女，浙江财经大学硕士研究生，研究方向：金融市场。