關嘉冕

摘要：文章選取上證綜合指數(shù)和大宗商品市場中貴金屬、有色金屬、煤焦鋼礦、能源、化工、谷物等八個產(chǎn)業(yè)大類指數(shù)，基于廣義預測誤差方差分解法構造了波動溢出指數(shù)，從靜態(tài)和動態(tài)角度研究了中國股市與大宗商品市場間的波動溢出機制。結果表明，中國股市與大宗商品市場總體上呈現(xiàn)出的波動溢出效應較強，具有相關性。中國股票市場為波動溢出效應的主要接收市場，煤焦鋼礦和油脂油料行業(yè)對其產(chǎn)生的波動溢出效應較強；而大宗商品市場中，有色金屬產(chǎn)業(yè)與化工產(chǎn)業(yè)為中國股市的波動溢出效應的主要接收者?？傮w來說，中國股票市場與大宗商品市場間的動態(tài)溢出效應具有明顯的時變性，特別是2015年的股災和2020年的新冠疫情使動態(tài)溢出效應水平驟增。

關鍵詞：大宗商品；股票市場；波動溢出

一、引言

大宗商品是工業(yè)生產(chǎn)中的重要原材料，近幾年，隨著中國經(jīng)濟高速發(fā)展，中國經(jīng)濟市場對大宗商品的需求量也越來越大，大宗商品的發(fā)展在一定程度上影響著我國企業(yè)的生產(chǎn)經(jīng)營。隨著大宗商品市場的蓬勃發(fā)展，越來越多的投資者將大宗商品納入其投資組合計劃，作為風險對沖的有效工具，這增強了大宗商品市場與股票市場之間的聯(lián)動性。波動溢出效應是指金融系統(tǒng)（市場）的波動會影響其他金融系統(tǒng)（市場）的波動，隨著我國金融市場的開放和完善，跨市場間資本流動加快，我國大宗商品市場和股市的聯(lián)系更為緊密，市場間的波動溢出效應增強，同漲同跌的現(xiàn)象時有發(fā)生，系統(tǒng)性風險加劇。研究中國大宗商品市場與股票市場之間的聯(lián)系不僅對于跨市場投資者來說非常必要，對于防范我國金融市場系統(tǒng)性風險也具有重要意義。同時，股票市場是中國經(jīng)濟市場的晴雨表，也是金融系統(tǒng)的關鍵要素，在當前復雜的經(jīng)濟環(huán)境中，深入研究中國大宗商品市場與股票市場之間的聯(lián)動性對于維護中國股市的穩(wěn)定極為重要。

本文的主要創(chuàng)新和貢獻有以下幾方面：一是在研究對象方面，本文聚焦于大宗商品市場中不同品類與中國股市之間的溢出效應；二是研究方法上，使用改進的溢出指數(shù)法，并結合滾動窗口方法對溢出效應的時變特征進行刻畫；三是研究角度上，分別從靜態(tài)和動態(tài)角度對中國大宗商品市場與股票市場之間的波動溢出效應進行剖析。

二、文獻綜述

對于不同金融市場之間的溢出效應，國內(nèi)的早期研究大多聚焦于中國股市與世界主要經(jīng)濟體之間。崔金鑫和鄒輝文（2020）對國際股市間高階矩風險溢出效應進行研究，得出美國、英國等股市主要扮演風險凈溢出者的角色，而澳大利亞、日本、中國內(nèi)地和中國香港股市主要扮演風險凈接受者的角色。在此基礎上，眾多學者的研究視角擴展到股票市場與其他資產(chǎn)市場間的溢出效應，如大宗商品市場。股票市場和商品市場在一些因素的驅(qū)使下，以及商品市場金融化程度的增加，聯(lián)系逐漸加強（石智超等，2016）。自 2000 年以來，大宗商品與股票市場的相關性先上升后下降又上升，經(jīng)歷了較大的波動。（胡聰慧，劉學良，2017）。國際大宗商品市場在信息溢出方面居于主導地位，是我國金融市場的重大風險傳染源（胡軍輝，2017）。譚小芬等（2018）認為，不同的金融資產(chǎn)價格與商品價格之間的溢出機制是不盡相同的：股票價格與大宗商品價格之間的聯(lián)動關系最顯著，二者呈現(xiàn)出雙向的溢出關系。大宗商品價格對股票的收益率溢出多為正向，而股票價格對大宗商品的收益率溢出多為負向。

在研究方法方面，常用的有DCC-GARCH、BEKK-GARCH等GARCH類模型，許多學者還會將其與VaR、Copula等模型相結合，來測度市場間的波動溢出效應。Engel（2002）提出的DCC- GARCH 模型克服了參數(shù)估計較多、資產(chǎn)收益率相關系數(shù)會跟隨時間變化的趨勢的缺陷，可以較好地考察溢出的時變性，但是對于溢出的方向性和單個市場的溢出貢獻及凈溢出效應無法進行較好的刻畫。在當前波動溢出效應的大多研究中，常用的方法是在廣義向量自回歸基礎上對整體和定向波動溢出的測度方法（Diebold和Yilmaz，2012）。

鑒于此，本文將采用Diebold和Yilmaz（2012）建立的溢出指數(shù)模型，從靜態(tài)和動態(tài)角度，對中國大宗商品市場與股票市場之間的波動溢出效應進行測度分析。本文的主要結構安排為：第三部分是研究方法介紹，第四部分是實證結果與結果分析，第五部分是相關結論及建議。

三、研究方法

（一）總波動溢出指數(shù)的構建

首先，對N變量建立如下P階滯后的向量自回歸模型VAR（p）：

Xt=■ΦiXt-i+εt，εt～N（0，∑）（1）

在GVAR模型框架下進行廣義預測誤差方差分解，Xj對Xi向前H步預測誤差的方差為：

ω■■=■，i，j=1，2…N（2）

將ω■■進行標準化處理，處理后Xj對Xi的溢出效應為：

■■■=■（3）

通過上式構造如下總溢出指數(shù)SH：

SH＝■*100（4）

（二）方向性溢出指數(shù)的構建

構造定向溢出指數(shù)S■■和S■■、凈溢出指數(shù)S■■如下所示：

S■■＝■*100（5）

S■■＝■*100（6）

S■■＝S■■-S■■（7）

四、實證結果與分析

（一）數(shù)據(jù)選取與處理

在本研究中，使用上證綜合指數(shù)作為中國股票市場的代理變量。大宗商品方面本文采用Wind商品大類指數(shù)，選取其中八個不同品類的大宗商品指數(shù)，包含貴金屬指數(shù)、有色金屬指數(shù)、煤焦鋼礦指數(shù)、能源指數(shù)、化工指數(shù)等，分類標準如圖1所示，具有代表性。本文選取的數(shù)據(jù)范圍涵蓋2009年3月27日至2022年9月30日，采用日度數(shù)據(jù)，剔除缺失值，共3289個觀測值，數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。本文使用資產(chǎn)的對數(shù)回報率： Rt=100*ln（Pt/Pt-1）

（二）靜態(tài)分析

表2展示了靜態(tài)波動溢出的結果，可以看到，總體波動溢出指數(shù)為28.72，表明所有市場波動率的預測誤差方差的28.72%來自樣本中的溢出效應，這意味著股票市場與商品市場之間存在較強的相關關系。從凈溢出效應Snet結果來看，股票市場是波動溢出的凈接收者。商品的快速變化價格、大量交易量以及周期性波動導致向股票市場產(chǎn)生凈波動溢出，這也是商品市場進一步金融化的一個標志。

同時，不同的大宗商品市場對中國股票市場的波動溢出效應是不同的。可以看到，煤焦鋼礦和油脂油料行業(yè)對于股票市場有比較顯著的溢出效應。煤焦鋼礦行業(yè)對股票市場的波動溢出效應較顯著可能是因為，在國家提出供給側(cè)結構性改革、去除產(chǎn)能過剩目標后，煤焦鋼礦行業(yè)產(chǎn)能利用率提升，提升了其收益的同時也加劇了波動性，股市對其反應較為敏感。同時，行業(yè)的優(yōu)化吸引了機構投資者，將其視為良好的投資標的，這進一步加劇了其對股票市場的波動溢出。油脂油料作為農(nóng)產(chǎn)品，與食品行業(yè)聯(lián)系密切，可能是由于近些年疫情等市場沖擊突發(fā)，不穩(wěn)定情緒攀升，價格波動導致其對股票市場溢出顯著。并且，油脂油料中的棕櫚油是風險對沖較好的產(chǎn)品，投資者交易增加加劇了波動溢出效應。除此之外，股票市場對于有色金屬產(chǎn)業(yè)和化工產(chǎn)業(yè)的波動溢出效應較強，這意味著，當股票市場發(fā)生震蕩時，大宗商品中有色金屬產(chǎn)業(yè)和化工產(chǎn)業(yè)的反應會較為敏感。

（三）動態(tài)分析

本文采取了滾動窗口的方法對大宗商品市場與股票市場的動態(tài)波動溢出機制進行刻畫，滾動窗口設置為200天，具體結果如圖1所示?？傮w來說，大宗商品市場與股票市場的總溢出指數(shù)在較高的水平上波動（40%～70%），溢出效應較強，并且具有明顯的時變特征，這可能是與經(jīng)濟事件的發(fā)生有關。從圖1中可以看到，在我們研究的初期，總溢出指數(shù)處于一個較高水平。這可能是因為2008年的全球金融危機，中國受到影響，經(jīng)濟增長放緩、失業(yè)率增加，市場低迷，以及2009年歐債危機爆發(fā)，增加了中國對歐洲投資的風險，加劇了中國金融市場的動蕩。此后，國家采取了一系列措施來重振金融市場，使得波動溢出效應水平有緩慢下降的趨勢。直至2015年初，總溢出指數(shù)水平達到了低谷，資產(chǎn)的波動性有所下降，總體波動溢出效應達到一個較低水平。而2015年6月中國股票市場發(fā)生嚴重股災，千股跌停，導致市場不穩(wěn)定情緒增加，板塊聯(lián)動效應凸顯，總溢出指數(shù)陡然增加，并持續(xù)攀升，直至2016年年底。自2020年以來，新冠疫情對經(jīng)濟產(chǎn)生了巨大影響，各種資產(chǎn)的波動性加劇，總波動溢出指數(shù)大幅上升，采取相關措施后略有下降但在此后仍處于較高水平?？傮w而言，重大經(jīng)濟危機以及地緣政治事件的發(fā)生，往往會使總波動溢出指數(shù)陡然增加，加深市場間聯(lián)動程度，在相關部門采取措施修復不利影響之后，總溢出效應水平才會逐步趨緩。

五、結論及建議

本文以上證綜指與Wind大宗商品大類指數(shù)系列數(shù)據(jù)為研究基礎，使用DY2012溢出指數(shù)法對中國股市與大宗商品市場的波動溢出效應進行測度、對其溢出機制進行剖析，并結合滾動窗口法從動態(tài)角度對波動溢出效應的總體特征進行分析刻畫，本文的主要研究結論有以下幾方面：

第一，我國股票市場與大宗商品市場具有較強的依賴性，并且，股票市場是波動溢出效應的凈接收者，股票市場要防范來自大宗商品市場的風險外溢。我國政府保障股票市場平穩(wěn)運行的同時，要對大宗商品市場進行風險監(jiān)控，市場投資者也要關注兩個市場之間的相關性，在選擇投資標的時，做好風險對沖，警惕同漲同跌帶來經(jīng)濟損失。

第二，大宗商品市場中的不同產(chǎn)業(yè)與股票市場間的波動溢出效應具有非對稱性。股票市場主要受到煤焦鋼礦產(chǎn)業(yè)和油脂油料產(chǎn)業(yè)的波動溢出，但其對有色金屬和化工產(chǎn)業(yè)產(chǎn)生的波動溢出效應較強。我國股票市場在防范大宗商品市場風險外溢時，要尤其關注大宗商品市場上煤焦鋼礦和油脂油料產(chǎn)業(yè)的波動。同樣地，在股票市場發(fā)生震蕩時，大宗商品中的有色金屬和化工產(chǎn)業(yè)要更加注意來自股票市場的風險傳遞，警惕其影響。

第三，總體波動溢出效應具有顯著的時變特征。總體波動溢出效應在40% ～ 70%之間，總體水平較高，并且波動性較大。全球金融危機、歐債危機、中國股災、新冠疫情等重大經(jīng)濟、衛(wèi)生事件和地緣政治事件都對總體波動溢出水平產(chǎn)生顯著影響?？梢钥吹剑婪秮碜試H以及國內(nèi)市場的極端風險事件對于保障我國金融體系的穩(wěn)定來說具有重大意義，相關部門要做到預警有效、準備充分、應對迅速，以降低其帶來的不利影響。

參考文獻：

[1]崔金鑫，鄒輝文.時頻視角下國際股市間高階矩風險溢出效應研究[J].金融市場，2020（06）：75-85.

[2]石智超，許爭，陳瑞.中國股票市場與商品期貨市場傳導關系的實證分析 ——基于風險Granger因果檢驗的研究[J].證券市場，2016（02）：82-89.

[3]劉映琳，鞠卓，劉永輝.基于 DCC-GARCH 的中國大宗商品金融化研究[J].國際商務研究，2017（05）：75-83.

[4]胡聰慧，劉學良.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）：123-139.

[5]胡軍輝.國內(nèi)外大宗商品市場間信息溢出效應的實證研究——基于 DAG 方法與溢出指數(shù)模型[J].工業(yè)技術經(jīng)濟，2017（12）：76-82.

[6]譚小芬，張峻曉，鄭辛如.國際大宗商品市場與金融市場的雙向溢出效應——基于BEKK-GARCH模型和溢出指數(shù)法的實證研究[J].科技與產(chǎn)業(yè)，2018（08）：31-48.

[7]Engle R.Dynamic conditional correlation： a simple class of multivariate generalized autoregressive conditional heteroskedasticity models[J].Journal of Business and Economic Statistics.2002，20：339-350.

[8]Diebold F.X.，Yilmaz K.Better to give than to receive：predictive directional measurement of volatility spillovers[J].International Journal of Forecasting，2012，28（01）：57-66.

（作者單位：鄭州大學商學院）