劉祥東，潘 飛，楊玉潔

［1.北京科技大學(xué)，經(jīng)濟(jì)管理學(xué)院，北京 100083；2.香港中文大學(xué)（深圳），深圳高等金融研究院，廣東 深圳518063］

一、引言

農(nóng)產(chǎn)品期貨是世界上最早上市的期貨品種，期貨市場(chǎng)最早產(chǎn)生于農(nóng)產(chǎn)品市場(chǎng)，而在此后的期貨發(fā)展中，農(nóng)產(chǎn)品期貨成為期貨市場(chǎng)的重要組成部分。據(jù)中國(guó)期貨業(yè)協(xié)會(huì)統(tǒng)計(jì)，2019 年，中國(guó)農(nóng)產(chǎn)品期貨共成交11.60億手，成交金額達(dá)52.69萬(wàn)億元，分別占全國(guó)期貨市場(chǎng)總成交量和總成交金額的29.57%和18.13%，分別占商品期貨市場(chǎng)總成交量和總成交金額的30.08%和23.85%。此外，中國(guó)農(nóng)產(chǎn)品期貨在國(guó)際上也占據(jù)重要地位。據(jù)美國(guó)期貨業(yè)協(xié)會(huì)(FIA)統(tǒng)計(jì)，2020 年中國(guó)農(nóng)產(chǎn)品期貨包攬了農(nóng)產(chǎn)品期貨交易量的前10名，有14種農(nóng)產(chǎn)品躍居農(nóng)產(chǎn)品期貨交易量的前20 名，包括豆粕、棕櫚油、玉米、豆油、菜籽粕、雞蛋、白糖、棉花、菜籽油、橡膠、蘋(píng)果、黃大豆1 號(hào)、紙漿期貨和豆粕期權(quán)。

隨著中國(guó)農(nóng)產(chǎn)品期貨市場(chǎng)的快速發(fā)展，它與國(guó)內(nèi)外金融市場(chǎng)之間的聯(lián)系也越來(lái)越密切。2004 年以來(lái)，金融資本大量投資于商品期貨成為商品市場(chǎng)運(yùn)作的新特點(diǎn)。隨著機(jī)構(gòu)投資者源源不斷地介入大宗商品市場(chǎng)，其價(jià)格動(dòng)態(tài)演化所呈現(xiàn)的特點(diǎn)已經(jīng)遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)微觀經(jīng)濟(jì)學(xué)均衡價(jià)格理論所能解釋的范疇，有形商品交易越來(lái)越緊密地與金融運(yùn)作交織在一起，而后者反過(guò)來(lái)在相當(dāng)程度上決定了前者的價(jià)格演化，實(shí)現(xiàn)了大宗商品市場(chǎng)的金融化[1]。大宗商品價(jià)格長(zhǎng)期由實(shí)需因素主導(dǎo)，短期由金融投機(jī)因素主導(dǎo)[2]，這種投機(jī)因素導(dǎo)致大宗商品期貨的金融化[3]。針對(duì)大宗商品市場(chǎng)金融化現(xiàn)象，大量關(guān)于股票市場(chǎng)和大宗商品市場(chǎng)的實(shí)證研究結(jié)果表明，股票市場(chǎng)對(duì)大宗商品市場(chǎng)的確存在溢出效應(yīng)[4-6]。尤其是在2008 年金融危機(jī)之后，股票市場(chǎng)對(duì)大宗商品市場(chǎng)的波動(dòng)溢出效應(yīng)顯著增加[1,7-8]，而在這些研究中，也有學(xué)者選擇農(nóng)產(chǎn)品作為大宗商品市場(chǎng)的代表[7-8]。上述研究結(jié)果都證明了Adams 和Glck[9]的觀點(diǎn)：大宗商品投資的大量流入，即金融化現(xiàn)象，改變了商品與普通股票市場(chǎng)之間的行為和依賴(lài)結(jié)構(gòu)。

中國(guó)股票市場(chǎng)成立時(shí)間較晚，股市投資者結(jié)構(gòu)與國(guó)外成熟市場(chǎng)有較大不同。與國(guó)外成熟市場(chǎng)相比，中國(guó)股市投資者結(jié)構(gòu)中的個(gè)人投資者占比較高，市場(chǎng)更加容易被情緒感染，股市投資者情緒在股票市場(chǎng)定價(jià)中扮演著重要角色。在過(guò)去的20 多年里，大量基于投資者情緒的實(shí)證研究表明，股市的投資者情緒對(duì)資產(chǎn)價(jià)格的形成產(chǎn)生影響[10-15]。尤其是近來(lái)Huang 等[16]對(duì)投資者情緒指數(shù)構(gòu)建方法的改進(jìn)，也取得了一定的突破，他們利用美國(guó)股票市場(chǎng)數(shù)據(jù)構(gòu)建了基于偏最小二乘法的投資者情緒指數(shù)（PLS情緒指數(shù)），并通過(guò)與以往經(jīng)常采用的基于主成分分析方法的投資者情緒指數(shù)（PC 情緒指數(shù)）進(jìn)行比較分析，證實(shí)PLS 情緒指數(shù)在美國(guó)股票市場(chǎng)中可以獲得更好的預(yù)測(cè)效果。投資者情緒指數(shù)構(gòu)建是一個(gè)關(guān)鍵的基礎(chǔ)性研究，上述結(jié)果為基于投資者情緒的相關(guān)理論和實(shí)證研究提供了有力工具。

在此背景下，考慮到資本市場(chǎng)之間的聯(lián)動(dòng)性，一些學(xué)者嘗試研究金融危機(jī)背景下中美投資者情緒的傳染[17]，以及國(guó)際原油價(jià)格波動(dòng)對(duì)中國(guó)投資者情緒的傳染[18]。盡管如此，關(guān)于中國(guó)股市投資者情緒與農(nóng)產(chǎn)品期貨市場(chǎng)之間的風(fēng)險(xiǎn)傳染和溢出效應(yīng)，鮮有文獻(xiàn)開(kāi)展相關(guān)的實(shí)證及理論分析。此外，在方法論上，通常采用的是單一copula方法，以及單一狀態(tài)變量下的實(shí)證分析，不能很好地反映數(shù)據(jù)之間的相關(guān)結(jié)構(gòu)。已有文獻(xiàn)改進(jìn)這些靜態(tài)copula模型主要采用兩種方法：第一種是在copula 函數(shù)中加入馬爾科夫狀態(tài)轉(zhuǎn)換機(jī)制，允許copula函數(shù)隨著時(shí)間變化，在不同狀態(tài)之間進(jìn)行轉(zhuǎn)換[19-22]；第二種是對(duì)copula 的相依參數(shù)構(gòu)建時(shí)變方程，允許copula 函數(shù)中的參數(shù)隨著時(shí)間變化[23-26]。在實(shí)踐中，Wang 等[27]認(rèn)為copula函數(shù)中的時(shí)變參數(shù)不一定意味著在正相關(guān)和負(fù)相關(guān)機(jī)制之間進(jìn)行相依轉(zhuǎn)換，而運(yùn)用具有馬爾科夫狀態(tài)轉(zhuǎn)換機(jī)制的copula模型能夠更好地刻畫(huà)經(jīng)濟(jì)變量之間的相關(guān)結(jié)構(gòu)。因此，為了更好地刻畫(huà)投資者情緒與農(nóng)產(chǎn)品期貨市場(chǎng)的風(fēng)險(xiǎn)傳染和溢出效應(yīng)，本文采用一個(gè)基于Markov 轉(zhuǎn)換的混合Clayton copula 相關(guān)性和風(fēng)險(xiǎn)測(cè)度模型，分析中國(guó)股市投資者情緒對(duì)農(nóng)期指數(shù)的正向和反向動(dòng)態(tài)相關(guān)結(jié)構(gòu)，同時(shí)也將該模型的實(shí)證結(jié)果與其他幾類(lèi)copula模型的結(jié)果進(jìn)行比較，在分析完中國(guó)股市投資者情緒和農(nóng)期指數(shù)的相關(guān)結(jié)構(gòu)后，通過(guò)計(jì)算農(nóng)產(chǎn)品期貨指數(shù)收益的VaRs和CoVaRs來(lái)度量?jī)烧咧g的風(fēng)險(xiǎn)溢出。

與已有文獻(xiàn)相比，本文的貢獻(xiàn)主要體現(xiàn)在以下兩個(gè)方面。（1）采用基于Markov 轉(zhuǎn)換的混合Clayton copula 相關(guān)性測(cè)度模型檢驗(yàn)了中國(guó)股市投資者情緒與農(nóng)期指數(shù)之間的風(fēng)險(xiǎn)傳染效應(yīng)，發(fā)現(xiàn)兩者之間存在Markov 轉(zhuǎn)換下的兩種相關(guān)結(jié)構(gòu)狀態(tài)，在主要狀態(tài)下呈現(xiàn)弱時(shí)變正相關(guān)關(guān)系。（2）采用基于Markov 轉(zhuǎn)換的混合Clayton copula 風(fēng)險(xiǎn)溢出測(cè)度模型，檢驗(yàn)了中國(guó)股市投資者情緒與農(nóng)期指數(shù)之間的風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)這些風(fēng)險(xiǎn)溢出效應(yīng)具有顯著的非對(duì)稱(chēng)性，即中國(guó)股市投資者情緒的上升或下降對(duì)于農(nóng)產(chǎn)品期貨的影響并不一致。這些結(jié)果對(duì)于兩個(gè)市場(chǎng)的金融監(jiān)管和金融投資均有一定的參考價(jià)值。

余文安排如下：第二部分介紹基于Markov 轉(zhuǎn)換的混合Clayton copula 的風(fēng)險(xiǎn)傳染和風(fēng)險(xiǎn)溢出測(cè)度模型的構(gòu)建；第三部分利用該模型實(shí)證研究中國(guó)股市投資者情緒與農(nóng)期指數(shù)的風(fēng)險(xiǎn)傳染與溢出效應(yīng)；第四部分分析中國(guó)股市投資者情緒與農(nóng)期指數(shù)之間的風(fēng)險(xiǎn)傳染機(jī)制；第五部分為本文的結(jié)論和政策建議。

二、相關(guān)結(jié)構(gòu)和風(fēng)險(xiǎn)溢出測(cè)度模型的構(gòu)建

（一）邊緣分布模型構(gòu)建

根據(jù)樣本數(shù)據(jù)的自身特點(diǎn)，分別在正態(tài)分布、T分布和GED 分布下選取ARMA(p,q)-GARCH(m,n)模型對(duì)中國(guó)股市的投資者情緒和農(nóng)產(chǎn)品期貨收益率序列進(jìn)行邊緣分布建模，ARMA(p,q)-GARCH(m,n)模型的表達(dá)式為：

其中xt是相應(yīng)金融時(shí)間序列的對(duì)數(shù)收益率序列，φi是自回歸項(xiàng)系數(shù)，p 是自回歸項(xiàng)的滯后階數(shù)，θj是移動(dòng)平均項(xiàng)系數(shù)，q 是移動(dòng)平均項(xiàng)的滯后階數(shù)，εt是殘差，ht是殘差的方差，而et是標(biāo)準(zhǔn)化殘差，服從標(biāo)準(zhǔn)正態(tài)分布、T 分布或者GED 分布。αi是ARCH項(xiàng)系數(shù)，βj是GARCH 項(xiàng)系數(shù)，βj負(fù)責(zé)測(cè)量波動(dòng)聚集性的大小，m和n分別是、ht的滯后階數(shù)。

（二）Markov 轉(zhuǎn)換的混合Clayton copula 函數(shù)的相關(guān)性測(cè)度

copula 函數(shù)是定義在[0,1]n、邊緣分布服從[0,1]均勻分布的多元分布函數(shù)。為了捕捉非對(duì)稱(chēng)的尾部相關(guān)性，本文選擇Clayton copula（CC0）、90 度旋轉(zhuǎn)Clayton copula（CC90）、180 度旋轉(zhuǎn)Clayton copula（CC180）和270 度旋轉(zhuǎn)Clayton copula（CC270）來(lái)構(gòu)建混合的Clayton copula。其中，Clayton copula 和180 度旋轉(zhuǎn)Clayton copula 分別用于測(cè)量反映正相關(guān)關(guān)系的下—下尾相關(guān)性和上—上尾相關(guān)性，90 度旋轉(zhuǎn)Clayton copula 和270 度旋轉(zhuǎn)Clayton copula 分別用于測(cè)量反映負(fù)相關(guān)關(guān)系的下—上尾相關(guān)性和上—下尾相關(guān)性。根據(jù)Liu等[28]和Ji等[29]的工作，Clayton copula 和180 度旋轉(zhuǎn)Clayton copula 構(gòu)建的C1函數(shù)可以用來(lái)捕捉正相關(guān)性，90 度旋轉(zhuǎn)Clayton copula 和270度旋轉(zhuǎn)Clayton copula 構(gòu)建的C2函數(shù)可以用來(lái)捕捉負(fù)相關(guān)性。這兩個(gè)copula函數(shù)的表達(dá)式分別為：

混合Clayton copula 為C1和C2函數(shù)之和，其表達(dá)式如下：

其中θ=(α1,α2,α3,α4)，ω 為權(quán)重參數(shù)。在混合Clayton copula 函數(shù)中，C1函數(shù)負(fù)責(zé)測(cè)量正相關(guān)性，α1和α3越大，正相關(guān)性越強(qiáng)；C2函數(shù)負(fù)責(zé)測(cè)量負(fù)相關(guān)性，α2和α4越大，負(fù)相關(guān)性越強(qiáng)。

考慮到金融市場(chǎng)相關(guān)性的動(dòng)態(tài)特征以及可能的結(jié)構(gòu)變化，本文在混合Clayton copula 函數(shù)的基礎(chǔ)上引入一個(gè)狀態(tài)轉(zhuǎn)換機(jī)制，并假設(shè)其服從馬爾科夫狀態(tài)轉(zhuǎn)換過(guò)程，從而構(gòu)建Markov 轉(zhuǎn)換的混合Clayton copula函數(shù)，其定義如下：

其中St是狀態(tài)變量，Ωt-1是信息集，P(St；Ωt-1)是St在信息集Ωt-1中的預(yù)測(cè)概率，這里令P(St=1；Ωt-1)和P(St=2；Ωt-1)分別表示在t 時(shí)刻處于狀態(tài)1 和狀態(tài)2的概率，其表達(dá)式分別為：

Markov 轉(zhuǎn)換的混合Clayton copula 函數(shù)所含的參數(shù)較多，在極大似然估計(jì)法的基礎(chǔ)上，采用內(nèi)點(diǎn)法求最優(yōu)解以完成參數(shù)估計(jì)。具體而言，可以采用兩步法來(lái)進(jìn)行參數(shù)估計(jì)：第一步是估計(jì)邊緣分布模型中的參數(shù)，第二步是在給定邊緣參數(shù)下估計(jì)copula參數(shù)[28,30]。

因此，參考Joe[31]的工作，可以給出基于Markov轉(zhuǎn)換的混合Clayton copula 函數(shù)的四個(gè)尾部相關(guān)系數(shù)：

在下文的實(shí)證中，將采用這四個(gè)尾部相關(guān)性度量指標(biāo)來(lái)測(cè)度中國(guó)股市投資者情緒向農(nóng)期指數(shù)的風(fēng)險(xiǎn)傳染。

（三）風(fēng)險(xiǎn)溢出的測(cè)度

這里將采用上（下）行VaR 和CoVaR 來(lái)度量股市投資者情緒對(duì)中國(guó)農(nóng)期指數(shù)的風(fēng)險(xiǎn)溢出效應(yīng)。設(shè)r1,t為時(shí)間t下農(nóng)產(chǎn)品期貨的對(duì)數(shù)收益率，參考Ji等[32]的工作，在給定尾部概率α 下，可以采用Pr(r1,t≤ 分別計(jì)算農(nóng)產(chǎn)品期貨收益的下行VaR 和上行VaR。本文通過(guò)ARMA-GARCH模型對(duì)金融時(shí)間序列進(jìn)行邊緣分布建模。

第一，若標(biāo)準(zhǔn)化殘差服從標(biāo)準(zhǔn)正態(tài)分布，則可以得到r1,t的條件分布如下：

第二，若農(nóng)產(chǎn)品期貨收益在標(biāo)準(zhǔn)化殘差服從標(biāo)準(zhǔn)T 分布或者GED 分布，則下行風(fēng)險(xiǎn)和上行風(fēng)險(xiǎn)的表達(dá)式分別為：

CoVaRs 為以股市投資者情緒指數(shù)的極端變化為條件的農(nóng)產(chǎn)品期貨收益的VaRs。設(shè)r2,t為時(shí)間t下的股市投資者情緒指數(shù)，參考Liu 等[28]、Ji 等[32]的工作，估計(jì)CoVaRs的方程如下：

三、實(shí)證研究

（一）中國(guó)股市投資者情緒綜合指數(shù)的構(gòu)建

參考Yang和Zhou[33]的工作，本文選取上證綜指和深證綜指流通市值加權(quán)的相對(duì)強(qiáng)弱指數(shù)（RSI）、心理線指數(shù)（PSY）、交易量（VOL）和換手率（TR）作為中國(guó)股市投資者情緒的代理變量。為剔除宏觀經(jīng)濟(jì)因素對(duì)投資者情緒指數(shù)的影響，分別利用中國(guó)股市的四個(gè)投資者情緒代理變量與居民消費(fèi)價(jià)格指數(shù)（CPI)、工業(yè)品出廠價(jià)格指數(shù)（PPI）、工業(yè)增加值（IAV）和宏觀經(jīng)濟(jì)景氣指數(shù)（MBCI）進(jìn)行回歸分析，取其殘差作為剔除宏觀經(jīng)濟(jì)因素的投資者情緒代理變量。實(shí)證樣本選自1996年10月至2019年6月的月度數(shù)據(jù)，所有數(shù)據(jù)均來(lái)自Wind 數(shù)據(jù)庫(kù)。需要說(shuō)明的是，這里選取投資者情緒的數(shù)據(jù)比最早的農(nóng)產(chǎn)品期貨的數(shù)據(jù)提前了28 個(gè)月，顯著降低了構(gòu)建的投資者情緒指數(shù)受初始數(shù)據(jù)的影響，以確保最終的兩者相關(guān)性分析中采用的投資者情緒指數(shù)更為穩(wěn)定。采用Huang 等[16]提出的基于偏最小二乘法的投資者情緒構(gòu)建方法，通過(guò)兩步回歸得到投資者情緒綜合指數(shù)SPLS：

表1 投資者情緒指數(shù)與上證綜指、深證綜指的Pearson相關(guān)性檢驗(yàn)

表1 投資者情緒指數(shù)與上證綜指、深證綜指的Pearson相關(guān)性檢驗(yàn)

注：***表示在1%的顯著水平下拒絕無(wú)自相關(guān)的原假設(shè)

表1 的結(jié)果顯示，SPtLS與滬深兩市收益率均呈顯著正相關(guān)關(guān)系，表明構(gòu)建的投資者情緒指數(shù)能夠有效表征中國(guó)股票市場(chǎng)的情緒變化。

（二）中國(guó)股市投資者情緒與農(nóng)期指數(shù)的相關(guān)結(jié)構(gòu)分析

本部分將實(shí)證研究股市投資者情緒與農(nóng)期指數(shù)的相關(guān)結(jié)構(gòu)。這里選擇上市時(shí)間較長(zhǎng)的8 種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)：連豆指數(shù)（AFI）、豆粕指數(shù)（MFI）、鄭棉指數(shù)（CFFI）、玉米指數(shù)（CFI）、豆油指數(shù)（YFI）、鄭糖指數(shù)（SRFI）、菜油指數(shù)（OIFI）、棕櫚指數(shù)（PFI），從而一共構(gòu)成8 組實(shí)證研究，每組實(shí)證的時(shí)間長(zhǎng)度為一種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)和投資者情緒指數(shù)的時(shí)間交集。實(shí)證中對(duì)8 種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)Pt進(jìn)行對(duì)數(shù)化處理，從而得到其相對(duì)應(yīng)的對(duì)數(shù)收益率序列，這些序列與投資者情緒指數(shù)的描述性統(tǒng)計(jì)結(jié)果如表2所示。

表2 投資者情緒指數(shù)與農(nóng)產(chǎn)品期貨價(jià)格指數(shù)對(duì)數(shù)收益率序列的描述性統(tǒng)計(jì)

表2 的結(jié)果顯示，在8 種農(nóng)產(chǎn)品期貨中，連豆指數(shù)、豆粕指數(shù)、鄭棉指數(shù)、玉米指數(shù)和豆油指數(shù)在樣本區(qū)間內(nèi)的平均對(duì)數(shù)收益率為正，其余3 種農(nóng)產(chǎn)品期貨指數(shù)的平均對(duì)數(shù)收益率為負(fù)。棕櫚指數(shù)的標(biāo)準(zhǔn)差最大，可見(jiàn)該品種的市場(chǎng)波動(dòng)性更強(qiáng)。9 個(gè)樣本數(shù)據(jù)中，只有豆粕指數(shù)服從正態(tài)分布，其余均拒絕正態(tài)分布的假設(shè)，具有尖峰厚尾特征，且大多數(shù)表現(xiàn)為左偏。

接下來(lái)，對(duì)投資者情緒指數(shù)與農(nóng)產(chǎn)品期貨價(jià)格指數(shù)對(duì)數(shù)收益率序列進(jìn)行三類(lèi)檢驗(yàn)：采用ADF 檢驗(yàn)、PP 檢驗(yàn)和KPSS 檢驗(yàn)來(lái)綜合考察變量的平穩(wěn)性，采用收益率序列和收益率平方序列Ljung-Box 統(tǒng)計(jì)量來(lái)檢驗(yàn)變量的自相關(guān)性，采用ARCH-LM 統(tǒng)計(jì)量來(lái)檢驗(yàn)變量的條件異方差性。實(shí)證結(jié)果顯示，每個(gè)變量都是平穩(wěn)的，均存在自相關(guān)性或條件異方差性。限于篇幅，未在文中匯報(bào)實(shí)證結(jié)果。因此，利用ARMA(p,q)-GARCH(m,n)模型來(lái)建立邊緣分布模型是合理的。

在運(yùn)用Markov 轉(zhuǎn)換的混合Clayton copula 模型來(lái)估計(jì)股市投資者情緒指數(shù)與農(nóng)期指數(shù)之間的相關(guān)結(jié)構(gòu)之前，首先利用6 種不同類(lèi)型的單機(jī)制單一copula模型（包括正態(tài)copula、T copula、Clayton copula、90 度旋轉(zhuǎn)Clayton copula、180 度旋轉(zhuǎn)Clayton copula、270度旋轉(zhuǎn)Clayton copula）和Markov轉(zhuǎn)換的混合Clayton copula 模型，以及時(shí)變正態(tài)copula 和時(shí)變T copula 來(lái)估計(jì)股市投資者情緒指數(shù)與農(nóng)期指數(shù)之間的相關(guān)結(jié)構(gòu)。限于篇幅，這里僅匯報(bào)了時(shí)變正態(tài)copula、時(shí)變T copula 和混合Clayton copula 模型的估計(jì)結(jié)果。如表3所示，大部分參數(shù)估計(jì)值在1%的顯著水平下是顯著的，將時(shí)變正態(tài)copula、時(shí)變T copula的對(duì)數(shù)似然函數(shù)值，AIC值和BIC值與正態(tài)copula 和T copula 進(jìn)行對(duì)比，可以發(fā)現(xiàn)除棕櫚指數(shù)外，其他7個(gè)農(nóng)產(chǎn)品期貨的參數(shù)估計(jì)均在Markov轉(zhuǎn)換的混合Clayton copula 模型下達(dá)到了最佳效果。綜合來(lái)看，Markov 轉(zhuǎn)換的混合Clayton copula 模型實(shí)現(xiàn)了更好的參數(shù)估計(jì)結(jié)果，這與Wang 等[34]、Charfeddine 和Benlagha[35]的研究結(jié)果一致，因?yàn)閏opula 函數(shù)中的時(shí)變參數(shù)不一定意味著在正相關(guān)和負(fù)相關(guān)機(jī)制之間進(jìn)行依賴(lài)轉(zhuǎn)換。

表3 幾類(lèi)copula模型的參數(shù)估計(jì)結(jié)果

完成Markov 轉(zhuǎn)換的混合Clayton copula 模型的參數(shù)估計(jì)結(jié)果之后，計(jì)算Markov 轉(zhuǎn)換的混合Clayton copula 模型的四個(gè)尾部相關(guān)系數(shù)，具體結(jié)果匯報(bào)在表5中。

表4 Kendall秩相關(guān)系數(shù)和Pearson相關(guān)系數(shù)估計(jì)結(jié)果

表3 至表5 的結(jié)果顯示，四種不同類(lèi)型的Clayton copula 函數(shù)在相關(guān)結(jié)構(gòu)分析中都發(fā)揮了作用；其中，表3 的參數(shù)估計(jì)結(jié)果顯示，大多數(shù)參數(shù)估計(jì)值在1%的顯著水平下顯著。此外，圖1 的狀態(tài)轉(zhuǎn)換概率圖也顯示，中國(guó)股市投資者情緒與農(nóng)期指數(shù)之間不只是存在一種不變的狀態(tài)。這些結(jié)果共同證明基于Markov 轉(zhuǎn)換的混合Clayton copula 模型的有效性。值得強(qiáng)調(diào)的是，Markov 轉(zhuǎn)換的混合Clayton copula 模型能夠靈活地測(cè)量四種非對(duì)稱(chēng)的尾部相關(guān)性，因?yàn)樵谄錁?gòu)建過(guò)程中同時(shí)運(yùn)用了Clayton copula、90 度旋轉(zhuǎn)Clayton copula、180 度旋轉(zhuǎn)Clayton copula 和270 度旋轉(zhuǎn)Clayton copula；而時(shí)變正態(tài)copula、時(shí)變T copula 雖然能測(cè)量動(dòng)態(tài)的相關(guān)結(jié)構(gòu)，但不能測(cè)量非對(duì)稱(chēng)的尾部相關(guān)關(guān)系。

圖1 投資者情緒指數(shù)與8種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)的狀態(tài)轉(zhuǎn)換概率圖

表5 投資者情緒指數(shù)與8種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)的尾部相關(guān)系數(shù)

接下來(lái)，以中國(guó)股市投資者情緒指數(shù)與連豆指數(shù)的相關(guān)性為例，對(duì)實(shí)證結(jié)果進(jìn)行詳細(xì)分析。如表3 所示，每個(gè)狀態(tài)下它們的相關(guān)結(jié)構(gòu)都不相同，比如在狀態(tài)1 下的參數(shù)估計(jì)值是-2.642，在狀態(tài)2 下的參數(shù)估計(jì)值是-2.621；在狀態(tài)1 下的參數(shù)估計(jì)值是3.428，在狀態(tài)2下的參數(shù)估計(jì)值是-14.816。P11和P22分別表示P(St=1|St-1=1)和P(St=2|St-1=2)的值，可用來(lái)描述兩種狀態(tài)持久性的高低，結(jié)果顯示，狀態(tài)1和狀態(tài)2的持久性相當(dāng)。

如圖1 所展示，中國(guó)股市投資者情緒指數(shù)和連豆指數(shù)相關(guān)結(jié)構(gòu)的兩種狀態(tài)轉(zhuǎn)換概率一直此消彼長(zhǎng)；在大多數(shù)時(shí)間區(qū)間內(nèi)，狀態(tài)1 的概率基本大于狀態(tài)2 的概率；但在2001 年加入世貿(mào)組織、2003 年“非典型肺炎”暴發(fā)、2008 年金融危機(jī)、2018 年中美貿(mào)易摩擦的幾個(gè)關(guān)鍵時(shí)點(diǎn)，情況發(fā)生反轉(zhuǎn)，狀態(tài)2 的概率在短期內(nèi)大于狀態(tài)1 的概率，出現(xiàn)結(jié)構(gòu)突變點(diǎn)。在狀態(tài)1下，權(quán)重參數(shù)ωSt的值為0.934，Markov轉(zhuǎn)換的混合Clayton copula函數(shù)的Kendall秩相關(guān)系數(shù)為-0.001，Pearson 相關(guān)系數(shù)為-0.0.002。在極端市場(chǎng)條件下，描述同向協(xié)同運(yùn)動(dòng)強(qiáng)度的上—上尾相關(guān)系數(shù)和下—下尾相關(guān)系數(shù)分別為0 和0.004，而描述反向協(xié)同運(yùn)動(dòng)強(qiáng)度的下—上尾相關(guān)系數(shù)和上—下尾相關(guān)系數(shù)分別為0.033 和0。而在狀態(tài)2 下，權(quán)重參數(shù)ωSt的值為0.308，Markov 轉(zhuǎn)換的混合Clayton copula 函數(shù)的Kendall 秩相關(guān)系數(shù)為0.211，Pearson 相關(guān)系數(shù)為0.232。在極端市場(chǎng)條件下，描述同向協(xié)同運(yùn)動(dòng)強(qiáng)度的下—下尾相關(guān)系數(shù)和上—上尾相關(guān)系數(shù)分別為0.003 和0.289，而描述反向協(xié)同運(yùn)動(dòng)強(qiáng)度的下—上尾相關(guān)系數(shù)和上—下尾相關(guān)系數(shù)均為0。這些結(jié)果表明，狀態(tài)2 的正相關(guān)性比狀態(tài)1 強(qiáng)，說(shuō)明幾次重大歷史事件的節(jié)點(diǎn)后，股市投資者情緒指數(shù)對(duì)連豆指數(shù)的影響增強(qiáng)。圖2 中中國(guó)股市投資者情緒指數(shù)與連豆指數(shù)的相關(guān)系數(shù)圖的結(jié)果也顯示，兩者平滑相關(guān)系數(shù)基本上都處于0.02 的上方，意味著中國(guó)股市投資者情緒指數(shù)和連豆指數(shù)呈正相關(guān)關(guān)系，且相關(guān)系數(shù)在幾個(gè)突變點(diǎn)處突然增強(qiáng)，表明突發(fā)事件提升了投資者情緒指數(shù)與連豆指數(shù)之間的相關(guān)性。

圖2 投資者情緒指數(shù)與8種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)的相關(guān)系數(shù)圖

按照相同的步驟和分析方法，其余7 種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)與中國(guó)股市投資者情緒指數(shù)均呈正相關(guān)關(guān)系，只是這種相關(guān)性并不強(qiáng)。總體來(lái)看，股市投資者情緒指數(shù)和農(nóng)期指數(shù)之間呈正相關(guān)關(guān)系，且這種正相關(guān)關(guān)系隨時(shí)間的改變不斷變化，呈現(xiàn)出時(shí)變正相關(guān)性，但整體上來(lái)看這種正相關(guān)關(guān)系并不強(qiáng)。

（三）中國(guó)股市投資者情緒對(duì)農(nóng)期指數(shù)的風(fēng)險(xiǎn)溢出

本部分通過(guò)計(jì)算農(nóng)產(chǎn)品期貨收益的VaRs 和CoVaRs 來(lái)度量?jī)烧咧g的風(fēng)險(xiǎn)溢出。這里選取α=β=0.05。圖3 描述了不同中國(guó)農(nóng)產(chǎn)品期貨收益在股市投資者情緒指數(shù)極端變化條件下的VaRs 和Co-VaRs 的軌跡。在這8 組數(shù)據(jù)中，都小于，而都大于，意味著在股市投資者情緒指數(shù)極端變化條件下，中國(guó)農(nóng)產(chǎn)品期貨收益的風(fēng)險(xiǎn)更大，體現(xiàn)的是正向的風(fēng)險(xiǎn)溢出效應(yīng)，與正相關(guān)結(jié)構(gòu)相對(duì)應(yīng)。從圖3 中可以看出，鄭糖指數(shù)、菜油指數(shù)和棕櫚指數(shù)的VaRs和CoVaRs的數(shù)值呈收斂的趨勢(shì)，表明風(fēng)險(xiǎn)隨時(shí)間在逐漸減小，而連豆指數(shù)、豆粕指數(shù)、鄭棉指數(shù)、玉米指數(shù)、豆油指數(shù)的VaRs和CoVaRs的數(shù)值則呈震蕩的趨勢(shì)，在某些時(shí)刻風(fēng)險(xiǎn)會(huì)被放大，比如連豆指數(shù)、豆粕指數(shù)和豆油指數(shù)在2008 年金融危機(jī)期間風(fēng)險(xiǎn)便被放大，可見(jiàn)豆類(lèi)農(nóng)產(chǎn)品受金融危機(jī)影響較大。一般情況下上行VaR和上行CoVaRs 的數(shù)值為正。最后，觀察圖3 中上行Co-VaRs 和下行CoVaRs 的軌跡，整體上可以發(fā)現(xiàn)中國(guó)股市投資者情緒帶給農(nóng)期指數(shù)的風(fēng)險(xiǎn)溢出效應(yīng)具有非對(duì)稱(chēng)性，比如連豆指數(shù)和鄭棉指數(shù)上行風(fēng)險(xiǎn)溢出效應(yīng)更大，豆粕指數(shù)下行風(fēng)險(xiǎn)溢出效應(yīng)更大，但也有個(gè)別從圖形中不太好判斷的，比如豆油指數(shù)。

圖3 中國(guó)農(nóng)產(chǎn)品期貨收益的VaRs和CoVaRs

表6 CoVaR/VaR 和CoVaR/VaR 的匯總統(tǒng)計(jì)

表6 CoVaR/VaR 和CoVaR/VaR 的匯總統(tǒng)計(jì)

為了檢驗(yàn)風(fēng)險(xiǎn)溢出效應(yīng)的顯著性和非對(duì)稱(chēng)性，采用Kolmogorov-Smirnov(K-S)檢驗(yàn)，檢驗(yàn)結(jié)果如表7所示。

表7 中國(guó)股市投資者情緒對(duì)中國(guó)農(nóng)產(chǎn)品期貨收益的風(fēng)險(xiǎn)溢出和非對(duì)稱(chēng)性檢驗(yàn)

在表7 中，第二列和第三列用來(lái)檢驗(yàn)股市投資者情緒是否對(duì)農(nóng)期指數(shù)收益存在正向的風(fēng)險(xiǎn)溢出效應(yīng)，第四列和第五列則用來(lái)檢驗(yàn)風(fēng)險(xiǎn)溢出效應(yīng)的非對(duì)稱(chēng)性。表7 的第二列和第三列的結(jié)果表明，中國(guó)股市投資者情緒對(duì)8 種農(nóng)產(chǎn)品期貨指數(shù)收益均存在顯著的正向風(fēng)險(xiǎn)溢出效應(yīng)。而根據(jù)第四列和第五列的結(jié)果，可以看出中國(guó)股市投資者情緒對(duì)這8 種農(nóng)產(chǎn)品期貨指數(shù)收益的風(fēng)險(xiǎn)溢出效應(yīng)具有非對(duì)稱(chēng)性，其中中國(guó)股市投資者情緒對(duì)豆粕指數(shù)、玉米指數(shù)、菜油指數(shù)、棕櫚指數(shù)的下行風(fēng)險(xiǎn)溢出效應(yīng)更大，對(duì)連豆指數(shù)、鄭棉指數(shù)、豆油指數(shù)、鄭糖指數(shù)的上行風(fēng)險(xiǎn)溢出效應(yīng)更大。這些結(jié)果說(shuō)明在實(shí)踐中，中國(guó)股市投資者情緒對(duì)不同農(nóng)產(chǎn)品期貨指數(shù)收益的影響不盡相同?？傮w來(lái)看，中國(guó)股市投資者情緒對(duì)農(nóng)期指數(shù)收益具有顯著的正向風(fēng)險(xiǎn)溢出效應(yīng)，且這種風(fēng)險(xiǎn)溢出效應(yīng)具有非對(duì)稱(chēng)性。

四、中國(guó)股市情緒與農(nóng)期指數(shù)風(fēng)險(xiǎn)傳染機(jī)制分析

從金融市場(chǎng)一體化角度來(lái)看，隨著經(jīng)濟(jì)一體化的發(fā)展，資本的流動(dòng)加速、信息技術(shù)的日新月異，資本市場(chǎng)之間的關(guān)聯(lián)更加緊密，股票市場(chǎng)投資者情緒反映了投資者對(duì)市場(chǎng)的預(yù)期情況，大量實(shí)證研究表明投資者情緒變化能夠在一定程度上影響股票價(jià)格的變動(dòng)，因此，股市投資者情緒的變化可能會(huì)迅速傳導(dǎo)并影響整個(gè)金融市場(chǎng)。從本質(zhì)上來(lái)看，股市投資者情緒向農(nóng)期指數(shù)的傳染具有深層次的經(jīng)濟(jì)邏輯和具體的傳播途徑。

一是股市和農(nóng)產(chǎn)品期貨市場(chǎng)定價(jià)具有共同的定價(jià)因子，也有不同的定價(jià)因子，當(dāng)共同定價(jià)因子波動(dòng)時(shí)，兩個(gè)市場(chǎng)很可能發(fā)生聯(lián)動(dòng)，而股市投資者情緒能夠在市場(chǎng)聯(lián)動(dòng)中推波助瀾。從大類(lèi)資產(chǎn)定價(jià)的角度而言，根據(jù)永續(xù)迭代的股利貼現(xiàn)模型，股票市場(chǎng)定價(jià)主要受分子端的凈資產(chǎn)、凈資產(chǎn)收益率、股利分紅率，以及分母端的利率水平、風(fēng)險(xiǎn)偏好（受投資者情緒影響）、盈利增速、產(chǎn)業(yè)周期等因素的影響。而農(nóng)產(chǎn)品期貨的定價(jià)主要受基本面中的供給、需求、庫(kù)存、通脹水平、利率水平、投資者情緒等因素的影響。其中，宏觀經(jīng)濟(jì)基本面的強(qiáng)弱影響上市公司盈利水平，也影響農(nóng)產(chǎn)品市場(chǎng)的需求，是影響股市定價(jià)和農(nóng)產(chǎn)品期貨市場(chǎng)定價(jià)的共同因子。宏觀經(jīng)濟(jì)基本面情況越好，股市的表現(xiàn)越好，農(nóng)產(chǎn)品期貨市場(chǎng)的表現(xiàn)也越好。但也有一些因子，如通脹水平對(duì)股市和農(nóng)產(chǎn)品期貨市場(chǎng)可能產(chǎn)生相反的影響。盡管如此，在這些宏觀變量影響股市的過(guò)程中，股市的投資者情緒將起到股市震蕩放大器的作用，加大股市的上揚(yáng)或下跌表現(xiàn)，并通過(guò)股市和農(nóng)產(chǎn)品期貨市場(chǎng)的聯(lián)動(dòng)效應(yīng)，傳染至農(nóng)產(chǎn)品期貨市場(chǎng)，影響農(nóng)產(chǎn)品期貨價(jià)格指數(shù)走勢(shì)。

二是農(nóng)業(yè)相關(guān)的上市公司股價(jià)和農(nóng)產(chǎn)品期貨之間具有產(chǎn)業(yè)鏈條的聯(lián)動(dòng)效應(yīng)，股市投資者情緒可以通過(guò)這種產(chǎn)業(yè)鏈的聯(lián)動(dòng)效應(yīng)將股市的風(fēng)險(xiǎn)傳染至農(nóng)產(chǎn)品期貨市場(chǎng)。研究發(fā)現(xiàn)，隨著農(nóng)業(yè)現(xiàn)代化的發(fā)展，農(nóng)業(yè)產(chǎn)業(yè)鏈日臻完善，主要包含農(nóng)產(chǎn)品的原料、加工、生產(chǎn)、運(yùn)輸、銷(xiāo)售等各個(gè)環(huán)節(jié)。從產(chǎn)業(yè)鏈聯(lián)動(dòng)的角度看，農(nóng)業(yè)部門(mén)及其上下游的產(chǎn)業(yè)資產(chǎn)價(jià)格的變動(dòng)，都可能會(huì)影響到農(nóng)產(chǎn)品期貨價(jià)格的走勢(shì)，并且農(nóng)業(yè)相關(guān)上市公司股價(jià)的變化，對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)的影響更為直接，其傳導(dǎo)機(jī)制不是依賴(lài)股市和農(nóng)產(chǎn)品期貨市場(chǎng)的市場(chǎng)聯(lián)動(dòng)，而是通過(guò)農(nóng)業(yè)產(chǎn)業(yè)鏈相關(guān)鏈條間的相互影響和傳導(dǎo)。當(dāng)然，與農(nóng)業(yè)產(chǎn)品核心板塊相關(guān)的上市公司股價(jià)的變化對(duì)農(nóng)產(chǎn)品期貨價(jià)格的影響會(huì)更大一些，其中，股市投資者情緒將通過(guò)放大農(nóng)業(yè)相關(guān)產(chǎn)業(yè)鏈上市公司股價(jià)的變化，進(jìn)一步將風(fēng)險(xiǎn)傳染到農(nóng)產(chǎn)品期貨市場(chǎng)。

三是股市投資者情緒在投資者人群之中通過(guò)多種媒介傳播，進(jìn)而傳染到農(nóng)產(chǎn)品期貨市場(chǎng)。一方面，股市和農(nóng)產(chǎn)品期貨市場(chǎng)中具有一部分共同的機(jī)構(gòu)和個(gè)人投資者，股市投資者情緒可以通過(guò)共同投資者快速傳染至農(nóng)產(chǎn)品期貨市場(chǎng)，影響農(nóng)產(chǎn)品期貨價(jià)格走勢(shì)。在資本市場(chǎng)中，一部分機(jī)構(gòu)投資者和個(gè)人投資者同時(shí)擁有股票和農(nóng)產(chǎn)品期貨交易賬戶，他們可能會(huì)在兩個(gè)市場(chǎng)中同時(shí)進(jìn)行交易操作，或者是同時(shí)關(guān)注這兩個(gè)市場(chǎng)，如此一來(lái)，股市投資者情緒不僅影響其在股票市場(chǎng)的交易，也會(huì)影響其在農(nóng)產(chǎn)品期貨市場(chǎng)的交易決策，從而影響農(nóng)產(chǎn)品期貨價(jià)格指數(shù)的走勢(shì)。另一方面，股市投資者情緒也可能通過(guò)股吧、短視頻、微信公眾號(hào)、微博等多種媒介進(jìn)行信息傳播，進(jìn)而影響到農(nóng)產(chǎn)品期貨市場(chǎng)交易者的投資決策，最終影響到農(nóng)產(chǎn)品期貨價(jià)格的走勢(shì)。

值得注意的是，股市投資者情緒在農(nóng)產(chǎn)品期貨市場(chǎng)中的傳染，勢(shì)必會(huì)導(dǎo)致農(nóng)產(chǎn)品期貨市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，而投資者對(duì)于悲觀和樂(lè)觀情緒的反應(yīng)程度不同，也導(dǎo)致了風(fēng)險(xiǎn)溢出效應(yīng)呈現(xiàn)出非對(duì)稱(chēng)性。

五、結(jié)論及政策建議

本文應(yīng)用一個(gè)基于Markov 轉(zhuǎn)換的混合Clayton copula 相關(guān)性和風(fēng)險(xiǎn)測(cè)度模型度量中國(guó)股市投資者情緒與農(nóng)期指數(shù)的風(fēng)險(xiǎn)傳染與溢出效應(yīng)。其中，混合 的Clayton copula 由Clayton copula、90 度旋轉(zhuǎn)Clayton copula、180 度旋轉(zhuǎn)Clayton copula 和270 度旋轉(zhuǎn)Clayton copula 構(gòu)成，它們能夠同時(shí)測(cè)量四個(gè)尾部相關(guān)性，從而有效連接對(duì)稱(chēng)和非對(duì)稱(chēng)的尾部相關(guān)關(guān)系。與此同時(shí)，加入具有狀態(tài)轉(zhuǎn)移概率的馬爾科夫鏈過(guò)程，使得相關(guān)性和風(fēng)險(xiǎn)測(cè)度模型可以捕捉變量之間的正相關(guān)和負(fù)相關(guān)關(guān)系，并且基于相關(guān)結(jié)構(gòu)分析運(yùn)用VaRs 和CoVaRs 指標(biāo)進(jìn)行風(fēng)險(xiǎn)度量，通過(guò)與其他幾類(lèi)copula模型的實(shí)證比較，得到以下結(jié)論。

第一，四種不同類(lèi)型的Clayton copula 函數(shù)在相關(guān)結(jié)構(gòu)分析中都發(fā)揮了作用，大多數(shù)參數(shù)估計(jì)值在1%的顯著水平下是顯著的，狀態(tài)轉(zhuǎn)換概率圖也顯示股市投資者情緒指數(shù)與中國(guó)農(nóng)產(chǎn)品期貨市場(chǎng)之間不僅僅只是存在一種不變的狀態(tài)。這些結(jié)果都證明了Markov 轉(zhuǎn)換的混合Clayton copula 模型的有效性。在不同模型的對(duì)比分析中，基于Markov 轉(zhuǎn)換的混合Clayton copula 相關(guān)性測(cè)度模型比單一copula 模型、混合copula 模型和其他兩種動(dòng)態(tài)copula 模型的表現(xiàn)更好。

第二，連豆、豆粕、鄭棉、玉米等8 種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)與我國(guó)股市投資者情緒指數(shù)之間在Markov狀態(tài)轉(zhuǎn)換下呈現(xiàn)兩種相關(guān)結(jié)構(gòu)，在主要狀態(tài)下兩者之間呈正相關(guān)關(guān)系，且這種正相關(guān)關(guān)系隨時(shí)間的改變不斷變化，可稱(chēng)之為時(shí)變正相關(guān)性，但整體上來(lái)看這種正相關(guān)關(guān)系并不強(qiáng)。

第三，在風(fēng)險(xiǎn)度量方面，股市投資者情緒對(duì)8 種農(nóng)產(chǎn)品期貨價(jià)格指數(shù)有顯著的正向風(fēng)險(xiǎn)溢出效應(yīng)。同時(shí)，這種風(fēng)險(xiǎn)溢出效應(yīng)具有非對(duì)稱(chēng)性，其中股市投資者情緒對(duì)豆粕指數(shù)、玉米指數(shù)、菜油指數(shù)、棕櫚指數(shù)的下行風(fēng)險(xiǎn)溢出效應(yīng)更大，對(duì)連豆指數(shù)、鄭棉指數(shù)、豆油指數(shù)、鄭糖指數(shù)的上行風(fēng)險(xiǎn)溢出效應(yīng)更大。

股市投資者情緒已經(jīng)成為影響股市資產(chǎn)定價(jià)的重要因素之一，由于共同投資者、股市與農(nóng)產(chǎn)品期貨市場(chǎng)之間共同定價(jià)因素、資本市場(chǎng)之間的聯(lián)動(dòng)性等原因，股市投資者情緒會(huì)傳染至農(nóng)產(chǎn)品期貨市場(chǎng)，并形成風(fēng)險(xiǎn)溢出效應(yīng)。為了促進(jìn)我國(guó)股市和農(nóng)產(chǎn)品期貨市場(chǎng)的穩(wěn)健發(fā)展，建議未來(lái)重視下述方面的工作。

第一，構(gòu)建科學(xué)的股市投資者情緒指標(biāo)體系，加強(qiáng)對(duì)中國(guó)股市投資者情緒的監(jiān)測(cè)和管理。在基于股利貼現(xiàn)模型的股票資產(chǎn)定價(jià)框架中，投資者情緒位于定價(jià)公式的分母端，股市的投資者情緒越高，股價(jià)越容易被高估，反之則相反。投資者情緒的非理性波動(dòng)將會(huì)導(dǎo)致股票市場(chǎng)的異常波動(dòng)。因此，建議監(jiān)管部門(mén)要結(jié)合股市的實(shí)際情況，構(gòu)建科學(xué)的投資者情緒指標(biāo)體系；根據(jù)投資者情緒指數(shù)的高低，劃分不同層級(jí)的風(fēng)險(xiǎn)等級(jí)標(biāo)志；當(dāng)投資者情緒運(yùn)行至警示區(qū)間時(shí)，對(duì)市場(chǎng)中的機(jī)構(gòu)和個(gè)人投資者發(fā)出警示信息，提示市場(chǎng)風(fēng)險(xiǎn)；當(dāng)投資者情緒運(yùn)行至危險(xiǎn)區(qū)間，可能誘導(dǎo)發(fā)生金融系統(tǒng)性風(fēng)險(xiǎn)時(shí)，及時(shí)報(bào)告上級(jí)部門(mén)出臺(tái)相關(guān)措施，化解潛在危機(jī)。

第二，加強(qiáng)對(duì)股市和農(nóng)產(chǎn)品期貨市場(chǎng)的聯(lián)動(dòng)監(jiān)察，做好風(fēng)險(xiǎn)傳染的監(jiān)測(cè)和管理。股市的投資者情緒可能通過(guò)共同投資者、農(nóng)業(yè)相關(guān)行業(yè)聯(lián)動(dòng)等因素傳染至農(nóng)產(chǎn)品期貨市場(chǎng)。因此，為了促進(jìn)農(nóng)產(chǎn)品期貨市場(chǎng)的穩(wěn)定發(fā)展，建議在建立健全股市投資者情緒監(jiān)測(cè)、預(yù)警和應(yīng)急系統(tǒng)的基礎(chǔ)上，在監(jiān)管內(nèi)部要將相關(guān)的股市投資者情緒信息共享給農(nóng)產(chǎn)品期貨市場(chǎng)監(jiān)管部門(mén)，做好金融市場(chǎng)監(jiān)管體系內(nèi)的信息共建和共享；當(dāng)股市投資者情緒監(jiān)測(cè)發(fā)出預(yù)警信號(hào)時(shí)，要及時(shí)阻止農(nóng)產(chǎn)品期貨市場(chǎng)中的虛假信息通過(guò)各種網(wǎng)絡(luò)渠道傳播，及時(shí)傳遞市場(chǎng)的正確信息以正視聽(tīng)，嚴(yán)厲打擊各種利用虛假信息操縱市場(chǎng)的交易行為；要積極引導(dǎo)機(jī)構(gòu)投資者加入農(nóng)產(chǎn)品期貨市場(chǎng)，發(fā)揮機(jī)構(gòu)投資者穩(wěn)定市場(chǎng)的作用。

第三，加強(qiáng)投資者教育，培養(yǎng)理性投資理念。在中國(guó)股市個(gè)人投資者的比重較高，截至2021 年年末，A 股中個(gè)人投資者占比達(dá)47.2%，這一數(shù)量遠(yuǎn)超發(fā)達(dá)經(jīng)濟(jì)體資本市場(chǎng)。股市中個(gè)體投資者缺乏對(duì)金融市場(chǎng)的正確認(rèn)知、相關(guān)投資知識(shí)體系的不完備是導(dǎo)致非理性情緒產(chǎn)生的根源。建議要加強(qiáng)投資者金融基礎(chǔ)知識(shí)教育，幫助投資者形成正確的投資理念；完善市場(chǎng)參與準(zhǔn)入，對(duì)于參與股市、農(nóng)產(chǎn)品期貨市場(chǎng)的個(gè)人投資者，設(shè)定準(zhǔn)入的基礎(chǔ)金融知識(shí)門(mén)檻；鼓勵(lì)投資者持續(xù)參與金融基礎(chǔ)知識(shí)學(xué)習(xí)和教育，對(duì)于滿足特定資質(zhì)認(rèn)證的個(gè)人投資者在交易印花稅等方面給予一定的優(yōu)惠。