【摘要】鐵礦石對中國鋼鐵行業(yè)乃至對整個國民經濟都非常重要，研究國際國內鐵礦石期貨之間的風險溢出關系及定價權的轉移對中國經濟影響深遠。通過對金融市場風險溢出效應研究方法和期貨市場風險溢出效應研究現(xiàn)狀的文獻成果進行分析和評述，總結出現(xiàn)有的國內外風險溢出成果主要集中在股市、債市及銀行等金融市場，而對商品期貨市場之間的風險溢出研究相對不足。未來的金融市場間風險溢出效應及定價權轉移的研究可以重點關注商品期貨市場，尤以鐵礦石期貨為主攻方向。

【關鍵詞】鐵礦石期貨 風險溢出效應 定價權

一、引言

隨著經濟全球化的推進，世界經濟越來越融合，金融市場之間的聯(lián)系越來越緊密。事實證明，某一金融市場的波動并不局限于自身因素的影響，還可能受到其他金融市場的影響，這種風險在不同的金融機構和金融市場間的傳遞的效應就是金融風險溢出效應。而期貨市場的風險溢出效應主要是指風險從發(fā)達期貨市場傳遞到其他欠發(fā)達期貨市場。如果關于某一金融變量，某一金融市場對另一金融市場為正向的風險溢出，且溢出程度很大，則說明該市場對此金融變量具有一定的定價權，從而能引領另一市場?；仡櫱叭俗鲞^的大量研究，可以看出金融市場間的風險溢出效應是存在的。

而鋼鐵工業(yè)是我國經濟的基礎產業(yè)，我國對鐵礦石的需求量也逐年遞增。但是我國鐵礦石供給遠遠落后于鋼鐵產能，對外依存度較高，國內鐵礦石資源的有效供給不足是既定的事實。自2003年以來，全球88%新增鐵礦石被我國鋼鐵企業(yè)購買，其進口量已經遠遠超過日本，中國成為了鐵礦石進口第一大國。2007年～2008年，我國鋼鐵進口數量占到國際市場鋼鐵出口總量的50%以上，鐵礦石對外依存度達到52.5%；2009年～2016年，我國鐵礦石對外依存度達到70%，這使得我國鋼鐵企業(yè)在與國際鐵礦石供應商的價格談判中總是處于不利地位。

中國推出鐵礦石期貨，為中國爭取“定價權”。鐵礦石價格的波動將直接對我國國民經濟產生影響。表現(xiàn)為：第一，鐵礦石價格的上漲將直接減少鋼鐵行業(yè)的利潤。第二，加劇了我國礦企對鐵礦石資源的掠奪性開發(fā)。第三，鐵礦石價格的傳導效應將使我國鋼鐵后續(xù)產業(yè)生產成本上升。第四，鐵礦石價格上漲將會影響到其他進口原料定價。

在此背景下，由于鐵礦石對中國鋼鐵行業(yè)乃至對整個國民經濟都非常重要，研究鐵礦石定價權的轉移對中國國民經濟的影響意義深遠。但是目前，關于國際和國內鐵礦石期貨與期貨、期貨與現(xiàn)貨之間的風險溢出關系和鐵礦石定價權變動影響效應的研究成果并不多見，本文旨在針對研究金融市場的風險溢出研究成果和期貨行業(yè)相關期貨品種的風險溢出成果作一定的歸納梳理，以對鐵礦石期貨市場的研究進行有益的補充，并希望能為以后的研究學者研究相關行業(yè)提供一定的理論參考。

二、風險溢出效應研究方法分析

1990年，有學者對不同股市之間的風險溢出效應分析中，最早提出了波動率風險溢價模型。隨后，越來越多的學者對不同的金融市場之間的風險溢出分析使用了不同的計量模型展開研究。現(xiàn)對國內外學者普遍使用的實證模型方法進行分類回顧，可以把相關風險溢出的研究成果分成以下五類。

（一）基于VaR模型的研究

Russo（2009）[1]提出一種計算VaR的擴展模型，并對條件均值、波動性、峰度和偏度等四個條件矩的預測性進行了評估說明。杜寧和張廣文（2011）[2]基于VaR模型對大豆的期貨市場價格發(fā)現(xiàn)進行了研究，得出，大豆期貨和現(xiàn)貨價格之間存在著相互溢出關系。

（二）基于Granger因果檢驗模型的研究

Rajput等（2012）[3]運用Granger因果檢驗研究了1992～2011年印度股市的信息溢出和波動溢出的關系。蒲遺天（2016）[4]運用Granger因果檢驗等研究了有色金屬期貨市場與相對應股票市場之間的長期協(xié)整關系，并分析兩者之間的溢出效應。

（三）基于GARCH類模型的研究

Sadorsky（2012）[5]運用多元GARCH模型建立條件相關性，分析油價與清潔能源公司和技術公司股票價格之間的波動溢出，發(fā)現(xiàn)動態(tài)條件相關模型最適合數據，并產生結果，表明清潔能源公司的股票價格與技術股價相比，與油價相關。吳振信等（2016）[6]分別基于正態(tài)分布、t分布、GED分布假設下的EGARCH模型，考察EUA和CER期貨價格收益率的波動特征，并估算期貨市場的風險VaR值。

（四）基于CoVaR模型的研究

在一個確定的市場風險前提下，CoVaR模型用來研究其他市場的條件風險價值。王蓉（2016）[7]以商業(yè)銀行為實證，通過條件在險價值CoVaR模型，利用我國16家上市商業(yè)銀行數據對商業(yè)銀行系統(tǒng)性風險的雙向溢出效應進行模型估算。研究顯示，商業(yè)銀行系統(tǒng)性風險存在明顯的正向雙向溢出效應。

（五）基于Copula模型的研究

Hu（2002）[8]首次提出了混合Copula函數的概念，通過構建混合Copula函數對金融變量之間的相關關系進行分析研究，發(fā)現(xiàn)混合Copula函數能夠緊密地描述變量間的相依程度和相依模式。張偉偉和唐湘晉（2016）[9]利用copula模型來度量中國股指期貨和現(xiàn)貨的聯(lián)合分布，根據兩者的利率數據利用時變copula函數來度量兩者之間的動態(tài)相關性。通過分析動態(tài)相關系數的時序圖，發(fā)現(xiàn)期貨現(xiàn)貨市場確實存在高度的相關性，表現(xiàn)出持續(xù)性和厚尾特性。

三、期貨市場風險溢出效應研究現(xiàn)狀

目前，國內外學者在金融市場中針對金融風險溢出的研究主要集中在股票、債券市場及銀行之間，而對期貨領域的風險溢出研究相對較少，關于鐵礦石期貨市場的研究更是不足。Xu和Fung（2005）[10]應用ARCH族模型研究了日本和美國金屬期貨市場之間的風險溢出效應，發(fā)現(xiàn)兩市之間存在著價格相互波動影響。Chang等采用VARMA-GARCH模型等方法對兩個主要的原油期貨品種與四個股票市場指數之間的信息溢出效應進行了研究，結果表明，原油期貨價格與大多數股票價格之間存在負相關關系。Li（2015）[11]通過建立VAR-BEKK雙變量GARCH模型來研究滬深300期貨與現(xiàn)貨市場波動溢出效應，實證表明，滬深300期貨與現(xiàn)貨市場存在雙向波動溢出效應，而前者則以更明顯的方式影響后市。

國內學者也對期貨市場間的風險溢出效應進行了大量的研究。劉慶富、王海民（2006）[12]利用EGARCH模型研究我國大豆期貨和現(xiàn)貨市場間的波動溢出效應，發(fā)現(xiàn)我國大豆期貨、現(xiàn)貨價格之間存在雙向因果關系。吳海霞、王靜（2012）[13]應用BEKK-GARCH模型，研究了中國農產品現(xiàn)貨市場間的波動溢出效應，結果表明大豆對小麥、小麥對玉米都有單項波動溢出效應。李文科（2011）[14]、潘萬柱（2013）[15]都對我國鐵礦石定價權缺失的原因做過一定的研究分析，并提出了提高我國鋼鐵企業(yè)海外鐵礦石定價權的對策建議。李顯戈和周應恒（2014）[16]基于MGARCH模型，研究了中美日三地大豆期貨市場之間的風險溢出效應，實證表明：大連商品交易所與東京大豆期貨交易所之間和芝加哥交易所與東京大豆期貨交易所之間均存在雙向的波動溢出效應。

四、總結與展望

第一，縱觀國內外學者關于金融風險溢出的研究成果，可以發(fā)現(xiàn)使用的研究方法越來越先進，從VaR模型和Granger因果檢驗，到GARCH類模型的應用，到CoVaR和Copula模型的結合使用；研究領域也細化到各個金融市場，從股票市場到外匯市場到金融衍生品市場等等，而對期貨市場的風險溢出效應的研究相對較少，對鐵礦石期貨市場的風險溢出效應的研究幾乎沒有。

第二，金融風險溢出所用的相關性分析方法主要有線性相關分析、Granger因果檢驗模型、GARCH類模型、CoVaR模型和Copula模型。國內外學者對風險溢出效應的研究成果主要有上述五類，而且大部分使用的是VaR模型、Granger因果檢驗模型、GARCH模型三種，運用CoVaR和Copula模型的研究成果相對較少。原因是：VaR模型表示某一金融資產或市場在未來可能遭受的最大損失，僅適用于一金融資產或市場的風險測度；Granger因果檢驗只能定性分析兩變量之間是否存在風險傳遞性，而不能定量計算；GARCH模型的運用要求金融變量邊緣分布服從T分布或正態(tài)分布。而Copula模型能夠準確地描述金融變量間的非對稱相關關系和尖峰厚尾特性，成功克服了傳統(tǒng)相關性測量所要滿足的嚴格條件的要求。

第三，現(xiàn)有的國內外風險溢出成果只要集中在股票市場和股指期貨，對商品期貨之間的風險溢出研究相對不足。通過構建混合Copula模型來研究金融市場間的相關性和波動溢出但是通過構造時變混合Copula模型來計算風險溢出和進行相關性分析的幾乎沒有。

第四，本文在前人研究的基礎上提出了時變混合Copula模型，能夠克服傳統(tǒng)傳統(tǒng)相關性測量方法的不足和突破單一Copula函數的局限性，并將其運用到CoVaR測度的計算，能夠靈活地捕捉金融變量間的動態(tài)、非對稱復雜相依關系，以期能夠有效地度量國內國際鐵礦石市場間的風險溢出水平。本文首次提出將運用Copula模型計算出金融時間序列間的CoVaR值應用于鐵礦石風險溢出和定價權的影響效應研究，具有一定的理論和實際意義，并且存在一定的創(chuàng)新性，后面值得做大量和深入的研究。

參考文獻

[1]Vincenzo Russo.Autoregressive conditional moments in VaR estimate with Gram-Charlier and Cornish-Fisher expansions[J].International Journal of Risk Assessment and Management，2009，11（1），67-68.

[2]杜寧，張廣文.基于VaR模型大豆期貨價格發(fā)現(xiàn)功能的實證研究[J].中國集體經濟，2011，4，1008-1283.

[3]Namita Rajput，Parul Chopra，Ajay Rajput.FII and Its Impact on Stock Market： A Study on Lead-Lag and Volatility Spillover[J].Asian Journal of Finance and Accounting，2012，4（2），18-38.

[4]蒲遺天.我國有色金屬期貨市場與股票市場均值溢出效應研究[J].甘肅金融，2016，4，58-64.

[5]Perry Sadorsky.Correlations and volatility spillovers between oil prices and the stock prices of clean energy and technology companies[J].Energy Economics，2012，34（1），248-255.

[6]吳振信，萬埠磊，王書平.基于不同分布EGARCH模型的EU ETS價格波動和風險研究[J].數學的實踐與認識，2016，24，8-14.

[7]王蓉.金融系統(tǒng)性風險的雙向溢出效應及其CoVaR模型估計[J].統(tǒng)計與決策，2016，2，146-148.

[8]Wei Gang，Hu Taizhong.Supermodular dependence ordering on a class of multivariate copulas[J].Statistics and Probability Letters，2002，57（4），375-385.

[9]張偉偉，唐湘晉.基于時變copula的中國股指期貨和現(xiàn)貨動態(tài)相關性研究[J].科技創(chuàng)新與應用，2016，4，45.

[10]Xu X E ，F(xiàn)ung H G .Cross-Market Lingkages between US and Japanese Precious Metals Futures Trading[J].Journal of International Financial Markets，2005，15，107-124.

[11]Shiyun Li.Volatility Spillovers in the CSI300 Futures and Spot Markets in China： Empirical Study Based on Discrete Wavelet Transform and VAR-BEKK-bivariate GARCH Model[J].Procedia Computer Science，2015，55，380-387.

[12]劉慶富，王海民.期貨市場和現(xiàn)貨市場之間的價格研究——中國農產品市場的經驗[J].財經問題研究，2006，4，44-51.

[13]吳海霞，王靜.我國糧食市場價格波動溢出效應研究[J].農業(yè)技術經濟，2012（10），14-21.

[14]李文科.國際鐵礦石定價權重新構建與中國對策[J].中國經貿，2011，2.

[15]潘萬柱.我國鐵礦石貿易定價權缺失原因[J].魅力中國，2013，26.

[16]李顯戈，周應恒.中國與國際大豆期貨市場波動溢出效應分析團[J].技術經濟與管理研究，2014（6），103-107.

作者簡介：王勇（1989-），男，漢族，安徽阜陽人，浙江財經大學金融學院碩士研究生，主要研究方向為金融市場。