摘" "要：地緣沖突、重大災(zāi)害等極端風(fēng)險事件可能引發(fā)國際大宗商品市場動蕩，大宗商品價格波動風(fēng)險將進一步傳導(dǎo)至金融市場與宏觀經(jīng)濟體系。討論極端狀態(tài)下大宗商品價格變動特征，厘清大宗商品價格波動風(fēng)險的溢出水平及方向，可為我國大宗商品市場運行企穩(wěn)、應(yīng)對市場沖擊、及時阻斷風(fēng)險傳染路徑提供參考。本文基于分位數(shù)向量自回歸模型，通過不同分位點方向性溢出水平的測度對地緣沖突后國際大宗商品市場間的風(fēng)險傳遞與溢出關(guān)聯(lián)展開探討。結(jié)果表明，大宗商品價格波動的總溢出水平呈U形結(jié)構(gòu)，溢出強度與沖擊規(guī)模呈正相關(guān)；在極端市場狀態(tài)下大宗商品市場間的溢入、溢出水平顯著提升，風(fēng)險溢出呈現(xiàn)出非對稱與異質(zhì)性特征，能源商品市場占據(jù)大宗商品市場風(fēng)險溢出的主導(dǎo)地位。

關(guān)鍵詞：極端狀態(tài)；大宗商品；風(fēng)險溢出；分位數(shù)向量自回歸模型

中圖分類號：F830" 文獻標(biāo)識碼：A" 文章編號：1674-2265（2023）12-0080-09

DOI：10.19647/j.cnki.37-1462/f.2023.12.009

一、引言

2022年初俄烏沖突爆發(fā)后，全球能源、黃金及農(nóng)產(chǎn)品期貨價格急速走高。同年3月8日，WTI原油期貨收盤價格上漲至每桶124.77美元，創(chuàng)近10年來原油期貨價格的新高，此后商品價格走勢出現(xiàn)了漲跌不同步的走勢（見圖1）。隨后黃金止跌反彈，原油與小麥價格處于下跌狀態(tài)。大宗商品市場的價格變化與俄烏沖突等極端事件在時間上聯(lián)系緊密。

國際大宗商品價格變化可形成跨品種、跨市場的風(fēng)險傳遞，引發(fā)其他大宗商品價格變化與金融市場波動，對宏觀經(jīng)濟穩(wěn)定產(chǎn)生影響，在極端事件影響下這一溢出效應(yīng)更是亟需關(guān)注。隨著商品金融化程度的加劇，國際大宗商品市場與金融市場聯(lián)動程度加深，可能會放大極端事件沖擊所引致的負(fù)面效應(yīng)，使得破壞性經(jīng)濟后果不再局限于單一市場而迅速向其他市場擴散。探究商品金融化進程加深背景下極端事件對商品價格的影響機制，可在經(jīng)濟全球化的“逆風(fēng)逆流”中提高抵御化解國際金融風(fēng)險的能力。剖析極端狀態(tài)下大宗商品市場間的風(fēng)險傳遞、探究其溢出的異質(zhì)性特征，對完善我國大宗商品“保供穩(wěn)價”的宏觀治理機制與防范化解金融市場風(fēng)險有著重要的啟示意義。

二、文獻綜述

國際大宗商品既是生產(chǎn)要素，又兼具金融與投資屬性，其與民生福祉、工農(nóng)業(yè)生產(chǎn)以及宏觀經(jīng)濟大盤息息相關(guān)。隨著商品市場金融化程度的不斷加深，大宗商品市場收益逐漸呈現(xiàn)與金融市場相似的特征（Nazlioglu等，2013）[1]，進一步放大了國際大宗商品的投資屬性。作為金融投資和風(fēng)險對沖的重要領(lǐng)域，越來越多的投資者發(fā)現(xiàn)大宗商品在對沖風(fēng)險、豐富投資組合多樣性方面的優(yōu)勢（Gorton和Rouwenhorst，2006；胡聰慧和劉學(xué)良，2017；聞岳春等，2015）[2-4]。然而，受新興經(jīng)濟體高速增長的實際需求和增長預(yù)期的影響，加之各類金融投機行為、主要發(fā)達(dá)經(jīng)濟體貨幣政策沖擊的助推，大宗商品價格變化呈現(xiàn)過度同漲同跌現(xiàn)象，對一國宏觀經(jīng)濟、實體行業(yè)以及金融市場的可持續(xù)發(fā)展產(chǎn)生重要影響（譚小芬等，2014；隋建利和楊慶偉，2021）[5，6]。鑒于跨商品市場信息溢出的重要性，以能源、農(nóng)產(chǎn)品與金屬市場為代表的主要大宗商品市場間風(fēng)險傳遞研究不斷涌現(xiàn)（Chan等，2011；Chng，2009）[7，8]。國際大宗商品的雙重屬性將商品經(jīng)濟與金融穩(wěn)定緊密聯(lián)結(jié)起來，這種聯(lián)結(jié)關(guān)系的確定存在導(dǎo)致一種商品的價格波動會從不同方向傳遞給其他商品，形成了商品價格波動的聯(lián)動效應(yīng)，為科學(xué)追溯價格波動中心以及有效阻斷風(fēng)險傳染提供了有效路徑。

已有文獻對跨市場間價格溢出的研究發(fā)現(xiàn)，能源等商品市場間的價格關(guān)聯(lián)與傳導(dǎo)是顯而易見的。在能源市場中，市場生產(chǎn)和運輸成本的增加、生物燃料和可再生能源的使用需求上漲、生物領(lǐng)域技術(shù)的突破等形成能源商品市場間的價格傳導(dǎo)機制（Nazlioglu等，2013；Su等，2019）[1，9]。同時，商品市場的投資屬性將商品市場的風(fēng)險延伸到金融市場，并通過利率途徑影響到宏觀經(jīng)濟。在宏觀經(jīng)濟不確定性、經(jīng)濟和金融危機以及全球氣候變暖等因素驅(qū)動下的動蕩市場環(huán)境中，近年來商品價格波動持續(xù)加劇，國際大宗商品價格已成為金融市場外部風(fēng)險的重要來源（Zhang和Zeng，2023）[10]，市場間資金流動和信息傳遞的日益頻繁也放大了風(fēng)險的跨市場傳遞。學(xué)界圍繞大宗商品市場與金融市場間價格波動的影響路徑開展了大量研究。宏觀經(jīng)濟方面，跨境資本流動驟變會通過影響市場流動性的方式改變大宗商品價格，商品價格波動逐漸成為利率和通貨膨脹的驅(qū)動力量，加之宏觀不確定性及國際貿(mào)易競爭等因素的沖擊，通過下游貿(mào)易、價格渠道給金融市場帶來系統(tǒng)性風(fēng)險（張穎和李佳彧，2023）[11]。大宗商品價格波動反映了食品、原料等生產(chǎn)投入要素的變動，經(jīng)由成本渠道傳遞給下游各行業(yè)，進而帶來投資者交易策略的偏離，放大市場下跌并引發(fā)劇烈波動，最終導(dǎo)致資本市場崩盤（謝飛和韓立巖，2012）[12]。

現(xiàn)有諸如金融動蕩、新冠疫情等極端事件背景下的研究中對大宗商品市場間價格溢出效應(yīng)的檢驗方法包括VAR 類、GARCH 類模型等，大宗商品類型包括能源、農(nóng)產(chǎn)品等，研究視角包括大宗商品價格之間的關(guān)聯(lián)性、風(fēng)險溢出效應(yīng)的非對稱性等。Nicola等（2016）[13]基于向量自回歸（VAR）模型的溢出指數(shù)方法分析了主要能源、農(nóng)產(chǎn)品和糧食商品價格的收益回報特征，發(fā)現(xiàn)隨著初級商品合作水平的不斷提高，能源與農(nóng)產(chǎn)品價格收益高度相關(guān)。Kang等（2017）[14]通過多元DECO-GARCH模型識別了原油、貴金屬和農(nóng)產(chǎn)品期貨市場間的雙向收益和波動溢出效應(yīng)，黃金與白銀在金融危機期間為風(fēng)險溢出方。Balcilar等（2021）[15]基于TVP-VAR模型發(fā)現(xiàn)受不同緊急事件驅(qū)動，系統(tǒng)范圍內(nèi)的動態(tài)連通性存在異質(zhì)性特征，在全球金融危機、歐洲主權(quán)債務(wù)危機和新冠疫情期間達(dá)到了峰值。Tiwari等（2022）[16]利用QVAR模型探討能源與農(nóng)產(chǎn)品市場間的分位數(shù)溢出效應(yīng)，發(fā)現(xiàn)左右尾部分位數(shù)溢出效應(yīng)強于條件分布的均值與中值，強調(diào)探討極端情況下系統(tǒng)風(fēng)險溢出的重要性。從大宗商品價格風(fēng)險溢出的研究文獻可以發(fā)現(xiàn)，有大量文獻基于Diebold和Yilmaz（2012；2014）[17，18]的溢出指數(shù)分析方法展開了不同角度、不同商品的研究，基于條件均值測度的傳統(tǒng)分析方法難以有效刻畫尾部風(fēng)險的傳染特征，且存在較大的估計偏差。

綜上所述，大宗商品價格風(fēng)險會在不同市場間傳遞，并可以傳導(dǎo)至金融市場以及宏觀經(jīng)濟?，F(xiàn)有文獻中包括對金融動蕩、債務(wù)危機、新冠疫情等極端事件發(fā)生后的研究，缺少地緣政治沖突（如俄烏沖突）等重大突發(fā)事件下商品價格風(fēng)險溢出的分析。當(dāng)前國際政治與經(jīng)濟形勢復(fù)雜多變，盡管俄烏沖突對全球大宗商品供需的結(jié)構(gòu)性沖擊逐步消減，WTI原油期貨價格逐步回落，但國際資本博弈與地緣政治力量交織仍持續(xù)沖擊大宗商品市場的穩(wěn)定。大宗商品市場是我國經(jīng)濟與金融中的重點領(lǐng)域，地緣政治事件發(fā)生后大宗商品價格波動風(fēng)險溢出可能會與其他極端事件下的風(fēng)險溢出特征不同。作為國際大宗商品第一進口大國，大宗商品價格變化引發(fā)了我國政府的高度關(guān)注。諸如俄烏沖突一類極端事件的突然出現(xiàn)是否直接引發(fā)國際大宗商品市場價格變化？國際大宗商品價格的突然變化是否會引發(fā)其他大宗商品價格變化，在當(dāng)前的商品金融化水平下，又是否會通過利率渠道傳遞至我國的金融市場？在出現(xiàn)重大沖突與危機時，我國如何應(yīng)對國際大宗商品價格波動帶來的不利影響？以上各種疑問儼然成為當(dāng)下亟待解決的重要問題。

本文以俄烏沖突這一極端事件為研究事件點，在前人研究成果的基礎(chǔ)上，界定了大宗商品市場變化極端狀態(tài)等相關(guān)概念，分析了大宗商品風(fēng)險跨市場的傳遞路徑，運用實證分析方法刻畫國際大宗商品市場間的溢出效應(yīng)，分析大宗商品市場間風(fēng)險溢出的非對稱性和異質(zhì)性特征，從動態(tài)、靜態(tài)兩個視角對不同沖擊規(guī)模與沖擊方向下跨市場價格變動的溢出效應(yīng)展開探討，有助于更好洞察商品市場之間的關(guān)聯(lián)，為更好地應(yīng)對地緣政治危機時期金融風(fēng)險、確保宏觀經(jīng)濟企穩(wěn)提供參考。

三、風(fēng)險溢出機制分析

（一）極端市場狀態(tài)、正常市場狀態(tài)與沖擊規(guī)模

基于Diebold和Yilmaz （2012；2014）[17，18]提出的溢出指數(shù)方法，本文在QVAR模型下將大宗商品市場劃分為正面信息到達(dá)帶來有利沖擊所導(dǎo)致的看漲市場（τ＝0.95）與負(fù)面信息到達(dá)帶來的不利沖擊所導(dǎo)致的看跌市場（τ＝0.05）。跨市場間收益變動的不同分位點可捕捉不同沖擊規(guī)模的大小，由中間分位點（τ＝0.5）到左右尾部（τ＝0，τ＝1）代表逐漸增加的沖擊規(guī)模（Tiwari等，2022）[16]。由此，可通過不同分位數(shù)水平來錨定不同市場狀態(tài)。

在事件沖擊下大宗商品價格的大幅度變化位于分位數(shù)兩端，可定義為大宗商品市場的極端市場狀態(tài)，若沖擊后價格變化幅度不大，可認(rèn)定為正常市場狀態(tài)。當(dāng)處于正常市場狀態(tài)時，以中間分位點（τ＝0.5）表示。極端事件出現(xiàn)之后，如果大宗商品市場價格出現(xiàn)暴漲暴跌，那么大宗商品市場步入極端市場狀態(tài)，表現(xiàn)為價格或者收益率的出現(xiàn)概率處于收益率分布的尾部，即上分位點（τ＝0.05）和下分位點（τ＝0.95），分別對應(yīng)暴跌和暴漲的市場狀況?，F(xiàn)實中我們較難觀察到市場由正常狀態(tài)到極端狀態(tài)的過渡，而往往這一過程是市場做出反應(yīng)的最佳時機，可通過分析不同沖擊規(guī)模下大宗商品市場價格的反應(yīng)來觀測。

（二）大宗商品價格風(fēng)險溢出路徑

當(dāng)極端市場狀態(tài)出現(xiàn)時，某一個大宗商品市場的價格變化會首先出現(xiàn)跳躍，表現(xiàn)為急漲或急跌狀態(tài)。該大宗商品的價格變化一方面進行自身強化，另一方面由于跨市場之間的關(guān)聯(lián)而向外溢出，風(fēng)險傳遞到其他市場。通常最先受到?jīng)_擊的商品稱為主導(dǎo)市場，其他大宗商品受到的沖擊有可能為正向沖擊或者負(fù)向沖擊，同時風(fēng)險還會傳遞至金融市場和宏觀經(jīng)濟，極端沖擊下大宗商品市場價格風(fēng)險傳遞路徑如圖2所示。

[極端沖擊][大宗商品A][大宗商品B、C、D…][金融市場、宏觀經(jīng)濟狀態(tài)等]

圖2：極端市場狀態(tài)下大宗商品市場價格風(fēng)險溢出路徑

（三）大宗商品價格風(fēng)險溢出的測度

大宗商品市場的風(fēng)險溢出可依據(jù)數(shù)量方法進行觀測。參考Ando等（2022）[19]的研究，構(gòu)建條件分位數(shù)水平[τ]下大宗商品收益率的N維p階向量自回歸模型：

[yt=c（τ）+i=1pBi（τ）yt-i+et（τ），t=1，…，T]" "（1）

其中[yt]定義了條件收益率的N維列向量。[τ∈（0，1）]為不同條件分位數(shù)水平，[Bi（τ）]表示與條件分位數(shù)[τ]相對應(yīng)的N維系數(shù)矩陣，不同[τ]處對應(yīng)的截距列向量和殘差向量分別用[c（τ）]和[et（τ）]表示，且[et（τ）～i.i.d.（0，（τ））]。在誤差向量[et（τ）]滿足[Qτ（εt（τ）|yt-1，...，yt-p）=0]的假定下給出系數(shù)矩陣[Bi（τ）]和截距項[c（τ）]的估計項。

在上述條件下，因變量[yt]在條件分位數(shù)[τ]下的回歸函數(shù)為：

[Qt（yt|yt-1，…yt-p）=c（τ）+i=1pBi（τ）yt-i]" "（2）

對于式（1）的[QVAR（p）]模型，當(dāng)其滿足穩(wěn)定性條件時，可將其轉(zhuǎn)化表示為無限階的分位數(shù)向量移動平均[QVMA（∞）]過程：

[yt=μ（τ）+s=0∞As（τ）et-s（τ），t=1，…T]" " （3）

其中，[μ（τ）=（IN-B1（T）-???-Bp（τ））-1c（τ）]，[As（τ）]表示[QVMA（∞）]與條件分位數(shù)[τ]相對應(yīng)的系數(shù)矩陣，且：[Asτ=0，slt;0;IN，s=0B1（τ）As-1τ+…+BpτAs-pτ，sgt;0]。

給定向前H步預(yù)測中，第[j]個變量對變量[i]的預(yù)測誤差方差分解的貢獻表示為[θgij（H）]：

[θgij（H）=σ（τ）-1jjs=0H-1（e′iAs（τ）∑（τ）ej）2s=0H-1（e′iAs（τ）∑（τ）A′s（τ）ei）]" " （4）

[∑（τ）]表示為[εi（τ）]的方差協(xié)方差矩陣；矩陣[∑]中第[j]個對角元素表示為[σ（τ）jj]；除第[i]個元素取值為1外，[ei]中其余元素均為0。廣義方差分解中，[j=1Nθgij（τ）≠1]，對式（4）進行歸一化處理為：

[θgij（H）=θgij（H）Nj=1θgij（H）]" "（5）

在此基礎(chǔ)上，構(gòu)建在條件分位數(shù)水平[τ]下的總溢出指數(shù)、方向性溢出指數(shù)和凈溢出指數(shù)，具體公式如下：

[TSI（τ）=Nj=1，i≠jθgij（τ）Ni=1Nj=1θgij（τ）×100]" "（6）

[SIi←j（τ）=Nj=1，i≠jθgij（τ）Nj=1θgij（τ）×100=FROM]" "（7）

[SIi→j（τ）=Nj=1，i≠jθgji（τ）Nj=1θgji（τ）×100=TO]" "（8）

[NSIi（τ）=SIi→j（τ）-SIi←j（τ）]" " （9）

（四）相對溢出、溢入指數(shù)測定

當(dāng)市場從中間狀態(tài)向極端狀態(tài)變動時，不同商品市場方向性溢出以及兩兩間溢出水平發(fā)生變化，基于上述表達(dá)式構(gòu)建相對溢入溢出指數(shù)（[ΔToi，L]，[ΔToi，R]，[ΔFromi，L]，[ΔFromi，R]）與相對定向溢出指數(shù)（[ΔSIL]和[ΔSIR]），以探究市場價格變動處于極端下降、極端上升狀態(tài)下各市場溢入水平相較于中間水平的變化，以及處于兩狀態(tài)下市場間溢出水平相較于中間狀態(tài)的變化（Adrian和Brunnermeier，2016；李政等，2022）[20，21]。

[ΔToi，L=Toi（τ=0.05）-Toi（τ=0.5），ΔToi，R=Toi（τ=0.95）-Toi（τ=0.5）] " （10）

[ΔFromi，L=Fromiτ=0.05-Fromiτ=0.5，ΔFromi，R=Fromiτ=0.95-Fromiτ=0.5] （11）

[ΔSIij，L=θHijτ=0.05-θHijτ=0.5，ΔSIij，R=θHijτ=0.95-θHijτ=0.5]" "（12）

四、實證分析

（一）樣本選擇與預(yù)處理

數(shù)據(jù)選取方面，為更好捕捉大宗商品市場間價格波動關(guān)聯(lián)，參考Diebold等（2017）[22]的研究，本文確定涵蓋能源、金屬、農(nóng)產(chǎn)品等重要大宗商品的9類代表性大宗商品價格序列，選取NYMEX天然氣、IPE鹿特丹煤炭、WTI原油作為能源市場的代理變量，COMEX黃金、COMEX銅、COMEX銀作為金屬市場的代理變量，CBOT小麥、CBOT玉米與CBOT大豆作為農(nóng)產(chǎn)品市場的代理變量。樣本區(qū)間為2008年11月26日—2023年8月29日。剔除樣本中非同時交易的數(shù)據(jù)后，最終得到2598組樣本。所有樣本均選自萬得數(shù)據(jù)庫。對日度收益數(shù)據(jù)采用對數(shù)后差分的處理方法得到其變動率，即[yi，t=ln（Pi，t）-ln（Pi，t-1）]。

（二）描述性統(tǒng)計分析

表1給出了國際大宗商品市場收益率樣本序列的描述性統(tǒng)計分析結(jié)果。除天然氣市場（Gas）外，所有市場樣本期內(nèi)收益均值均為正。天然氣市場（Gas）、煤炭市場（Coal）與WTI原油市場（Oil）收益率序列的標(biāo)準(zhǔn)差較大，這表明能源市場在樣本期內(nèi)更易受到市場風(fēng)險的沖擊，而黃金市場與大豆市場則更為穩(wěn)定。除WTI原油市場（Oil）、天然氣市場（Gas）與小麥?zhǔn)袌觯╓heat）外，其余市場樣本序列偏度顯著為負(fù)，所有市場樣本收益率序列超額峰度顯著為正。ADF單位根檢驗表明所有樣本序列在1%的顯著性水平上拒絕存在單位根的原假設(shè)，表明國際大宗商品市場收益率序列都是平穩(wěn)的。

（三）大宗商品市場風(fēng)險溢出的主導(dǎo)市場分析

本文運用靜態(tài)溢出分析法分析國際大宗商品市場不同狀態(tài)下的溢出情況，尋找風(fēng)險溢出的主導(dǎo)市場，結(jié)果如表2所示。文章分別采用基于條件均值、條件中位數(shù)與極端條件分位數(shù)（τ=0.05，τ=0.95）的溢出指數(shù)進行全樣本估計。QVAR模型滯后階數(shù)依據(jù)AIC準(zhǔn)則確定為1，預(yù)測誤差方差分解的期數(shù)H設(shè)為10。

1. 極端狀態(tài)市場的風(fēng)險溢出水平遠(yuǎn)高于正常市場。表2中列（1）—（4）為正常市場狀態(tài)下的靜態(tài)溢出結(jié)果。兩種連通性的度量差異較小，具有高度相似性，基于條件均值的測度略高于基于條件中位數(shù)測度的系統(tǒng)連通性，測度的系統(tǒng)總連通性分別為35.83%和29.56%。然而，相較于中間狀態(tài)，極端下降與極端上升狀態(tài)下測度的總溢出指數(shù)分別為81.15%與81.27%，明顯高于中間狀態(tài)下的總體溢出指數(shù)，表明商品市場處于看漲或看跌的極端狀態(tài)下，信息更易在市場間傳遞，也同樣加快了市場中負(fù)面信息的傳遞，在市場低迷期間，壞消息所帶來的風(fēng)險更易于從各個市場溢出至其他市場。Londono（2019）[23]將極端時期市場整體溢出水平的提高歸因于好壞消息的到達(dá)對市場帶來有利、不利沖擊所致。極端市場狀態(tài)下，跨市場間信息傳遞顯著增強，相較于中間狀態(tài)（τ=0.5）測度下的溢出水平，漲幅超50個百分點。

2. 極端下跌市場中能源市場價格變動最顯著。表2中列（5）和列（6）為基于0.05條件分位數(shù)的溢出結(jié)果，反映了處于極端下降狀態(tài)下的9個大宗商品市場的總溢出水平與方向性溢出水平。各市場左尾相對溢入和溢出指數(shù)的測度列示于列（9）和列（10），反映各市場方向性溢出水平由中間狀態(tài)向極端下降狀態(tài)過渡的變動情況。其一，當(dāng)各大宗商品市場收益波動處于極端下降狀態(tài)時，不同大宗商品市場間的總體關(guān)聯(lián)明顯提高。0.05條件分位數(shù)測度下的總溢出指數(shù)（81.15%）遠(yuǎn)高于條件中位數(shù)的測度（29.56%）。極端低分位點表示在極端下降狀態(tài)時，各大宗商品市場收益波動所產(chǎn)生的沖擊更易于從單一大宗商品市場蔓延至其他市場，基于條件中位數(shù)的測度無法準(zhǔn)確度量左尾總溢出水平。其二，當(dāng)收益率波動處于極端下降狀態(tài)時，溢出及溢入指數(shù)的取值范圍上移。具體而言，對于各商品市場的溢入水平，基于條件中位數(shù)的測度范圍是4.68%（天然氣）～44.76%（銀），而基于0.05條件分位數(shù)測度的范圍是78.43%（煤炭）～82.48%（銅）；對于各商品市場的溢出水平，基于條件中位數(shù)的測度為3.78%（天然氣）～50.41%（銀），而基于0.05條件分位數(shù)的測度為61.32%（煤炭）～90.55%（銅）。當(dāng)收益率波動處于極端下降狀態(tài)時，方向性溢出水平均呈上升態(tài)勢，天然氣價格所受影響最大，銀價變動最弱。無論溢入水平或溢出水平，能源市場價格在商品市場中變動最為顯著。

3. 極端上升市場中天然氣價格變動最顯著。表2中的列（7）和列（8）為基于0.95條件分位數(shù)的溢出結(jié)果，衡量收益率變動處于極端上升狀態(tài)下的溢出效應(yīng)。列（11）和列（12）所列示的右尾相對溢入溢出指數(shù)變化則代表著各大宗商品市場相較于中間狀態(tài)的變動。首先，收益率變動處于極端上升狀態(tài)時，商品市場間總體關(guān)聯(lián)性顯著提高?；?.95條件分位數(shù)的總溢出指數(shù)為81.27%，大于基于條件中位數(shù)所測度的29.56%。極端高分位點代表收益率波動處于極端上升狀態(tài)時所產(chǎn)生的沖擊將進一步加劇跨市場溢出，基于條件中位數(shù)的測度也會帶來右尾總溢出水平的低估。其次，收益變動溢入及溢出指數(shù)分布范圍也進一步呈上移態(tài)勢?；?.95條件分位數(shù)溢入水平的測度范圍是77.87%（煤炭）～82.41%（銅），溢出范圍是61.65%（煤炭）～88.59%（銅）。最后，當(dāng)收益率波動處于極端上升時，方向性溢出水平普遍上升。能源市場溢入溢出指數(shù)上漲幅度仍大于農(nóng)產(chǎn)品市場與金屬市場，以天然氣市場變動最為顯著。

（四）極端狀態(tài)下大宗商品市場風(fēng)險溢出的動態(tài)聯(lián)動性增強

本文運用動態(tài)溢出分析法探究極端狀態(tài)下大宗商品市場風(fēng)險溢出效應(yīng)，滾動窗口設(shè)置為200天，通過基于條件中位數(shù)（τ=0.5）、極端條件分位數(shù)（τ=0.05，τ=0.95）的滾動溢出指數(shù)進行跨市場溢出效應(yīng)的測度。圖3對三種測度方式下大宗商品收益率變動的動態(tài)總溢出水平進行了刻畫。

在整個樣本期內(nèi)，大宗商品市場的總體溢出水平波幅較為明顯，隨時間推移呈現(xiàn)明顯的時變特征。其中，基于條件中位數(shù)測度的總溢出指數(shù)在18.81%～51.50%的范圍內(nèi)波動，0.05條件分位數(shù)下的波動范圍是78.54%～88.70%，0.95條件分位數(shù)下的波動范圍是69.89%～81.03%。

無論處于極端上漲還是極端下跌狀態(tài)，二者測度的總溢出指數(shù)在整個樣本期內(nèi)顯著高于基于條件中位數(shù)的測度值，極端狀態(tài)下跨市場溢出效應(yīng)加劇，側(cè)面反映出基于條件中位數(shù)測度的總溢出指數(shù)會低估極端狀態(tài)下大宗商品價格變動的溢出水平。2014年下半年大宗商品市場受油價大幅下跌影響，總體溢出水平跌至最低點，基于條件中位數(shù)與極端條件分位數(shù)所測度的溢出水平差異在極端事件沖擊后的樣本期內(nèi)最為顯著，如2010—2012年歐債危機、2020年新冠疫情等極端事件發(fā)生年份。此外，基于條件中位數(shù)的總溢出指數(shù)將低估商品收益波動處于極端上升時的溢出水平，但低估程度弱于極端下降時的溢出水平。由此可以看出，極端風(fēng)險事件沖擊加劇大宗商品價格波動，隨著大宗商品市場金融化程度日益提高，各市場間價格呈聯(lián)動變化特征，使得波動所造成的沖擊不再局限于單一商品市場，并且在看跌的市場條件下變動更加明顯。

（五）極端狀態(tài)下大宗商品市場風(fēng)險溢出具有非對稱特征

大宗商品市場風(fēng)險溢出的非對稱性特征是序列左右尾部的信息差異性，異質(zhì)性特征是同一個大宗商品市場風(fēng)險對其他大宗商品市場沖擊的差異性。為捕獲左右尾信息的非對稱性與異質(zhì)性，對不同沖擊方向以及沖擊規(guī)模對溢出效應(yīng)的影響展開進一步探討，重點關(guān)注極端正、負(fù)向沖擊下變化的非對稱性與異質(zhì)性特征。

1. 總體風(fēng)險溢出水平呈“沖擊微笑”的U形形態(tài)。圖4描繪了不同分位數(shù)下的總體溢出水平變化趨勢。首先，在極端狀態(tài)下的總溢出水平顯著高于中間狀態(tài)。在條件中位數(shù)下總溢出水平的均值為34.54%，而極端狀態(tài)下總溢出水平提高近半數(shù)以上，表明在極端沖擊下市場間溢出效應(yīng)更加強烈，總體上呈現(xiàn)出“沖擊微笑”的U形形態(tài)。其次，沖擊規(guī)模越大，市場間總溢出水平越高。收益率變動的總體溢出水平在不同條件分位數(shù)的測度下存在明顯異質(zhì)性，由中間分位點向左右尾部逐漸上升。圖4所呈現(xiàn)的“沖擊微笑”的U形結(jié)構(gòu)意味著無論面對正向或負(fù)向沖擊，收益率變動所帶來的沖擊均呈現(xiàn)出更強的跨市場聯(lián)動關(guān)系，且溢出強度與沖擊規(guī)模呈現(xiàn)正相關(guān)關(guān)系。極端沖擊下的總體溢出水平較中間狀態(tài)顯著提升。本文認(rèn)為，產(chǎn)生該現(xiàn)象的原因在于大宗商品收益率變動對極端風(fēng)險事件沖擊的反應(yīng)隨自身變動幅度的增大而增大，并且通過各種渠道向其他市場的溢出也隨之增大。最后，極端上升與極端下降狀態(tài)對總體溢出水平存在非對稱影響。在0.05條件分位數(shù)下，總溢出水平的均值為81.97%，在0.95條件分位數(shù)下則為82.26%。表明商品價格變動所帶來的沖擊在看漲的市場環(huán)境中更為明顯。并且，隨著沖擊規(guī)模的不斷擴大，溢出水平呈現(xiàn)出較強的異質(zhì)性。一方面，相對于看漲市場環(huán)境，商品收益率的大幅下降對經(jīng)濟活動的影響更大，極端負(fù)向沖擊勢必對其他市場產(chǎn)生更強的溢出。另一方面，收益率變動的不確定性對投資者預(yù)期產(chǎn)生影響，投資主體出于規(guī)避風(fēng)險的考量改變投資策略，進一步加劇大宗商品市場價格波動并帶來強烈外溢。因此，經(jīng)濟活動與經(jīng)濟主體對市場環(huán)境與沖擊方向的敏感程度將決定大宗商品市場在不同極端狀態(tài)下的溢出差異。

2.方向性溢出呈現(xiàn)非對稱與異質(zhì)性特征。圖5描繪了9個大宗商品市場收益率變動的溢入及溢出水平在不同分位數(shù)下的變化趨勢。首先，總體來看。各商品市場方向性溢出水平與沖擊規(guī)模呈正相關(guān)，極端上升與極端下降狀態(tài)下的溢入溢出水平顯著高于中間狀態(tài)，市場間方向性溢出水平變動存在一定異質(zhì)性特征，隨分位點變化由中間向兩端移動幅度略有差異，呈逐漸上行態(tài)勢。其次，相較于農(nóng)產(chǎn)品市場與金屬市場，能源市場整體的方向性溢出水平在極端狀態(tài)下差異更為明顯。所有市場中，天然氣與煤炭市場表現(xiàn)出最為明顯的漲幅，而金屬與農(nóng)產(chǎn)品市場的漲幅較弱，體現(xiàn)兩市場在極端市場條件下的穩(wěn)定性強于能源市場。最后，相較于溢入水平，各市場尾部溢出效應(yīng)的非對稱特征更為明顯，具體表現(xiàn)為在兩種極端沖擊下漲幅范圍與升降趨勢的非對稱特征?？梢钥闯?，能源市場在極端狀態(tài)下的溢入水平的漲幅顯著大于溢出水平，表明無論處于極端上漲還是下跌狀態(tài)，能源市場都更易受到?jīng)_擊。此外，金屬市場的溢出水平相較于溢入水平更為平緩，表明金屬市場的“避風(fēng)港”屬性。

為解釋方向性溢出水平受極端沖擊影響的市場異質(zhì)性。表3列示了各個市場4個指數(shù)測度結(jié)果及排名。

首先，天然氣市場左、右尾相對溢出指數(shù)為65.33%與69.33%，在所有市場中位列首位；相對溢入指數(shù)分別為67.81%和68.84%，位列第二。煤炭市場和原油市場的溢入溢出水平在極端狀態(tài)下變動幅度也十分顯著。由此可見，極端狀態(tài)對能源市場的方向性溢出影響最大。一方面，天然氣市場逐漸恢復(fù)的供給仍落后于旺盛的需求，短期內(nèi)市場供需錯配的局面難以緩解。在全球低碳轉(zhuǎn)型的政策導(dǎo)向下，碳排放管控趨嚴(yán)，隨著政策不斷收緊，碳價格一路飆升，推動對天然氣需求的增加。另一方面，天然氣波動的溢入溢出在極端狀態(tài)下的大幅加劇，凸顯在極端氣候背景下，新冠疫情蔓延、地緣政治摩擦升級加之間歇性能源不穩(wěn)定性問題的暴露，進一步加劇供需失衡，天然氣市場波動加劇，在煤炭等其他能源市場引發(fā)一系列連鎖反應(yīng)，進而沖擊整個商品市場。

其次，金屬市場呈現(xiàn)的結(jié)果不盡相同。相較于銅與黃金市場，銀市場表現(xiàn)最為穩(wěn)定。無論市場處于極端上漲還是極端下降狀態(tài)，銀市場溢入溢出水平始終位列末尾，表明期貨銀價格在極端時期表現(xiàn)較為穩(wěn)健，有利于分散投資風(fēng)險。而黃金市場則呈現(xiàn)出一定的異質(zhì)性特征，相對溢入指數(shù)明顯大于相對溢出指數(shù)。黃金市場在極端時期更易受到?jīng)_擊，承擔(dān)更多來自其他商品期貨的價格波動風(fēng)險。

最后，以大豆、玉米以及小麥為代表的農(nóng)產(chǎn)品市場，左右尾相對溢入溢出指數(shù)排位靠后。這側(cè)面體現(xiàn)出農(nóng)產(chǎn)品市場在極端情形下具備一定穩(wěn)定性，維護農(nóng)產(chǎn)品市場在大宗商品市場的主體地位有助于降低整個系統(tǒng)的溢出強度。

綜上，極端沖擊對不同大宗商品市場方向性溢出的影響存在明顯差異，影響大宗商品在關(guān)聯(lián)網(wǎng)絡(luò)中的地位。天然氣所代表的能源市場在系統(tǒng)中的影響力顯著提高?；跅l件中位數(shù)測度的溢出指數(shù)對不同市場尾部溢出的估計能力不盡相同，對農(nóng)產(chǎn)品市場的估計偏差最小。

五、結(jié)論與建議

文章采用基于條件分位數(shù)的溢出指數(shù)分析方法，研究在地緣政治沖突極端事件下大宗商品市場的風(fēng)險溢出效應(yīng)，觀察以能源、金屬與農(nóng)產(chǎn)品市場為代表的國際大宗商品市場間的風(fēng)險溢出表現(xiàn)，對比分析了中間狀態(tài)以及極端狀態(tài)下大宗商品市場風(fēng)險的演變，討論了看漲、看跌極端狀態(tài)下市場溢出的異質(zhì)性影響，并通過構(gòu)建相對溢入溢出指數(shù)，考察極端狀態(tài)對不同大宗商品市場的方向性溢出影響的差異。主要結(jié)論如下：第一，大宗商品市場價格波動的總溢出水平以及各市場方向性溢出水平在不同條件分位數(shù)下呈“沖擊微笑”式U形形態(tài)，表明沖擊規(guī)模對總溢出水平以及各市場溢入溢出水平具有顯著正向影響。第二，在極端狀態(tài)下，總溢出水平與各大宗商品市場方向性溢出水平較中間狀態(tài)顯著提升，并且極端上升與下降狀態(tài)存在非對稱與異質(zhì)性特征。第三，各商品市場溢出水平與溢入水平在兩種極端狀態(tài)下變化不盡相同，能源市場差異更大，而農(nóng)產(chǎn)品市場、金屬市場在看漲或看跌的市場狀態(tài)下較為穩(wěn)定。第四，極端風(fēng)險事件沖擊對不同市場產(chǎn)生的影響各不相同，能源市場方向性溢出水平大幅上升。極端狀態(tài)下，能源市場在大宗商品市場中的主導(dǎo)地位顯著提升。

根據(jù)上述分析，本文提出如下建議：第一，全球大宗商品市場金融化程度與日俱增，大宗商品兼具商品與金融投資品屬性，國內(nèi)外經(jīng)濟環(huán)境的高度不確定性必然對其價格產(chǎn)生沖擊，特別是在金融危機、戰(zhàn)爭、公共衛(wèi)生事件等極端風(fēng)險事件沖擊時期。考慮到大宗商品作為金融資產(chǎn)對沖風(fēng)險的有效性，市場投資主體應(yīng)加強對極端市場條件下跨市場風(fēng)險傳遞特征的認(rèn)知，掌握價格變動溢出動態(tài)，提高投資管理策略水平，從而有效減少損失，充分發(fā)揮大宗商品對投資組合多元化的作用。第二，政策當(dāng)局應(yīng)對跨市場間風(fēng)險外溢引致的下行風(fēng)險予以警惕，對極端事件沖擊下商品市場的價格波動加以防范。定期研判大宗商品價格走勢，對大宗商品價格波動建立有效預(yù)警機制，提高宏觀政策前瞻性，對于外部輸入性壓力提高警惕。加強對供求平衡、市場流動性的關(guān)注度，從市場預(yù)期、流動性著手把握市場動態(tài)，并對市場投機行為加以管控。前瞻性布局大宗商品的戰(zhàn)略儲備，持續(xù)做好大宗商品保供穩(wěn)價工作，保障經(jīng)濟平穩(wěn)運行。

參考文獻：

[1]S Nazlioglu，C Erdem，U Soytas. 2013. Volatility Spillover Between Oil and Agricultural Commodity Markets[J].Energy Economics，36.

[2]G Gorton，K G Rouwenhorst. 2006. Facts and Fantasies about Commodity Futures [J].Financial Analysts Journal，62（2）.

[3]胡聰慧，劉學(xué)良.大宗商品與股票市場聯(lián)動性研究：基于融資流動性的視角 [J].金融研究，2017，（07）.

[4]聞岳春，王婕，程天笑.國內(nèi)股市與國際股市、大宗商品市場的溢出效應(yīng)研究 [J].國際金融研究，2015，（08）.

[5]譚小芬，劉陽，張明.國際大宗商品價格波動：中國因素有多重要——基于1997—2012年季度數(shù)據(jù)和VECM模型的實證研究 [J].國際金融研究，2014，（10）.

[6]隋建利，楊慶偉.國際大宗商品市場與中國金融市場間風(fēng)險的傳染測度與來源追溯 [J].財經(jīng)研究，2021，47（08）.

[7]K F Chan，S Treepongkaruna，R Brooks R，S Gray." 2011. Asset Market Linkages：Evidence from Financial，Commodity and Real Estate Assets [J].Journal of Banking amp; Finance，35（6）.

[8]M T Chng. 2009. Economic Linkages across Commodity Futures：Hedging and Trading Implications [J].Journal of Banking amp; Finance，33（5）.

[9]C W Su，X Q Wang，R Tao，L Oana-Ramona. 2019.Do Oil Prices Drive Agricultural Commodity Prices？ Further Evidence in A Global Bio-energy Context [J].Energy，172.

[10]T Zhang，S Zeng. 2023. Dynamic Comovement and Extreme Risk Spillovers between International Crude Oil and China's Non-ferrous Metal Futures Market [J].Resources Policy，80.

[11]張穎，李佳彧.全球大宗商品價格異常波動對中國金融市場系統(tǒng)性風(fēng)險的影響與防范機制研究 [J].價格月刊，2023，（09）.

[12]謝飛，韓立巖.投機還是實需： 國際商品期貨價格的影響因素分析 [J].管理世界，2012，（10）.

[13]F De Nicola，P De Pace，M A Hernandez. 2016." Co-movement of Major Energy，Agricultural，and Food Commodity Price Returns：A Time-series Assessment [J].Energy Economics，57.

[14]S H Kang，R McIver，S M Yoon. 2017. Dynamic Spillover Effects Among Crude Oil，Precious Metal，and Agricultural Commodity Futures Markets [J].Energy Economics，62.

[15]M Balcilar，D Gabauer，Z Umar. 2021. Crude Oil Futures Contracts and Commodity Markets：New Evidence from A TVP-VAR Extended Joint Connectedness Approach[J].Resources Policy，73.

[16]A K Tiwari，E J A Abakah，A O Adewuyi，C C Lee. 2022. Quantile Risk Spillovers Between Energy and Agricultural Commodity Markets：Evidence from Pre and During COVID-19 Outbreak [J].Energy Economics，113.

[17]F X Diebold，K Yilmaz. 2012. Better to Give than to Receive：Predictive Directional Measurement of Volatility Spillovers [J].International Journal of forecasting，28（1）.

[18]F X Diebold，K Yilmaz. 2014. On the Network Topology of Variance Decompositions： Measuring the Connectedness of Financial Firms [J].Journal of econometrics，182（1）.

[19]T Ando，M Greenwood-Nimmo，Y Shin. 2022. Quantile Connectedness： Modeling Tail Behavior in the Topology of Financial Networks [J].Management Science，68（4）.

[20]T Adrian，M K Brunnermeier. 2016. CoVaR [J]. American Economic Review，106（7）.

[21]李政，石晴，卜林.基于分位數(shù)關(guān)聯(lián)的政策連續(xù)性跨國溢出研究 [J].金融研究，2022，506（08）.

[22]F X Diebold，L Liu，K Yilmaz. 2017. Commodity Connectedness [R].National Bureau of Economic Research.

[23]J M Londono. 2019. Bad Bad Contagion [J].Journal of Banking amp; Finance，108.