葉五一 劉巍巍 郭冉冉

摘 要：近年來，中國商品期貨市場快速發(fā)展，識別和化解商品期貨市場的金融風險成為防范系統(tǒng)性金融風險的重要內容。采用2012年1月至2022年3月間活躍交易的20種商品期貨數據，基于可判定系統(tǒng)性風險決定因素的尾部事件驅動的網絡模型方法構建中國商品期貨市場的尾部風險溢出網絡，分析了商品期貨市場中尾部風險的決定因素。研究發(fā)現：商品期貨市場的整體風險水平在危機期間呈現上升趨勢；所有商品類別中，農產品是影響中國商品期貨市場穩(wěn)定最重要的品種；商品期貨間明顯存在同一類別聚集效應，跨商品類別間的溢出則主要出現在危機期間；資金流動性和過度投機是中國商品期貨市場尾部風險變動的關鍵性因素。因此，要高度重視并持續(xù)監(jiān)測商品期貨的風險溢出效應，提高對投機性期貨交易的監(jiān)控能力，提升商品市場穩(wěn)定性和應對風險沖擊的抵御能力，堅決防止系統(tǒng)性金融風險的發(fā)生。

關鍵詞：商品期貨；溢出網絡；極端風險事件；TENET-DSR模型

中圖分類號：F832.5文獻標志碼：A文章編號：1009-055X（2024）02-0046-16

doi：10.19366/j.cnki.1009-055X.2024.02.006

一、引 言

黨的二十大報告對金融工作提出了明確的要求，指出要“加強和完善現代金融監(jiān)管，守住不發(fā)生系統(tǒng)性風險底線”。金融安全是國家安全的重中之重，任何一個金融市場都必須納入嚴密的監(jiān)管體系之中。相較于對債市和股市的重點監(jiān)管，相關監(jiān)管部門對商品期貨市場的監(jiān)管略顯不足。近年來，中國商品期貨市場發(fā)展迅速，2022年中國商品期貨市場總成交額達到534.9萬億元人民幣^①。

商品期貨市場國際化進程也在不斷推進，目前已經有24種商品期貨允許境外交易者進入市場交易。除此之外，廣州期貨交易所推出碳排放權期貨品種，在“雙碳”和“綠色金融”概念深入人心的今天，這必將引領期貨市場新一輪的發(fā)展。但是相較于國外發(fā)達的期貨市場，中國期貨市場散戶占比過高、過度投機現象嚴重^[1，2]。結合復雜的國際經濟形勢和大幅震蕩的商品價格，在中國期貨市場迅猛發(fā)展并逐漸成為金融市場中新寵兒的背景下，中國商品期貨市場間的風險傳導成為有豐富研究價值的重要課題。

商品期貨一直以其異質性結構吸引著投資者進行資產組合配置，進而降低組合風險^[3]。然而，隨著近年來大量的投機交易者進入商品期貨市場，商品期貨金融化現象日益顯現，各商品期貨之間以及其與傳統(tǒng)資產間的關聯性大幅上升，通過配置大宗商品來對沖風險的效果有所下降^[4]。Zhang等^[5]基于商品期貨市場內部的研究發(fā)現，全球大宗商品價格間關聯性在2008年之后大幅度上升；易蓉^[6]考察了中國農產品期貨間的風險溢出關聯，發(fā)現農產品間存在較為顯著的關聯，特別是當極端事件發(fā)生時。這種現狀也被發(fā)現存在于跨品種商品期貨間，如Kang 等^[7]和Ji等^[8]提供了農產品與化工類商品間存在溢出關系的證據。

然而，商品期貨之間一對一的關聯性研究，難以直觀地描繪商品期貨市場整體的系統(tǒng)性風險。近些年來國內外一些學者開始關注商品期貨的風險網絡。Bekiros等^[9]利用復雜網絡理論研究了美國股票和商品期貨之間的動態(tài)因果聯系，并發(fā)現僅同一類別商品期貨之間的溢出效應較強，而跨類別的商品期貨以及與股票間除了危機期間外基本不存在因果聯系。Balli等^[10]和Xiao等^[11]關注于商品期貨波動率溢出網絡，也發(fā)現了金融危機期間風險網絡關聯值相較平時明顯更高的結論。但現有的文獻多集中于成熟市場，對中國商品期貨市場的風險網絡研究還處于初級階段。劉文超等^[12]研究了中國商品期貨市場的風險網絡，并發(fā)現農產品和有色金屬是影響中國商品期貨市場穩(wěn)定的重要期貨類別，同時指出市場的動蕩會加劇商品間的風險溢出效應。

現有研究網絡風險的文獻主要是從均值和波動層面進行考慮。不同于均值和波動溢出，尾部風險網絡更關注極端情況下的系統(tǒng)性風險度量，于是基于不同研究視角構建的尾部風險網絡模型被相繼提出，其中有代表性的是謝赤等^[13]在傳統(tǒng)VaR模型基礎上，提出了多元GARCH模型來研究中國泛金融市場間的尾部風險網絡。此外，考慮到傳統(tǒng)方法大多采用點估計的辦法來進行尾部風險估計，Adrian等^[14]提出了GaR（Growth at Risk）方法，通過觀測尾部的概率密度情況來估計尾部風險的非線性特征。為解決金融市場與實體經濟市場之間的混頻問題，胡春陽等^[15]基于LASSO-MF-VAR網絡溢出模型測度了金融市場和實體經濟市場間的尾部風險溢出效應。然而，以上方法構建的尾部風險網絡由于沒有降維方面的考慮，導致難以處理高維度的網絡關聯。Hrdle等^[16]提出的尾部事件驅動風險網絡方法成功將單指數模型和網絡模型融合在一起，巧妙解決了高維的問題。進一步地，尾部風險的變動原因也值得學者的關注，其能夠幫助監(jiān)管部門提前監(jiān)控并遏制風險積累，但已有研究僅僅關注于宏觀經濟因素對商品期貨之間網絡密度的影響效應^[17]，并沒有考慮以下兩個因素：一是商品期貨自身的特質對于系統(tǒng)性風險的影響；二是商品期貨的個體差異性對于尾部風險的影響。基于此，本文基于半參數模型下的條件在險價值（CoVaR），構建可判定系統(tǒng)性風險決定因素的尾部事件驅動的網絡模型方法（TENET-DSR）。該模型可以結合半參數線性回歸和變量篩選的單指數模型以便更加準確地捕獲商品期貨之間的相依結構，同時可以判定尾部風險的決定性因素，使其可以更清楚地反映尾部風險的來源。

本文選取了2012年1月至2022年3月活躍交易的20種商品期貨數據，涵蓋了農產品、金屬以及化工商品，構建中國商品期貨的尾部風險網絡，刻畫市場的動態(tài)尾部風險并分析其變化的決定性因素。研究發(fā)現中國商品期貨尾部風險具有四個有意思的特點：一是中國商品期貨尾部風險具有時變性的特征，且在股災、中美貿易摩擦和新冠疫情期間出現顯著增大。二是中國商品期貨下尾部的風險顯著大于上尾部的風險。三是不同品種期貨的尾部風險溢出和接收情況有所不同，農產品期貨是尾部風險溢出的關鍵品種，而化工產品期貨是尾部風險的主要接收者。四是大豆油是中國商品期貨市場最重要的尾部風險溢出者。另外，鋅、棕櫚油和聚氯乙烯這三種交易量相對較小的商品期貨同樣具有較大的尾部風險溢出值。

邊際貢獻主要體現在兩個方面：一方面，在全樣本研究的基礎上重點研究了股災和新冠疫情等極端風險時期商品期貨的尾部風險及其影響因素。重點關注極端事件的發(fā)生對商品期貨尾部風險表現的影響，并運用面板回歸的方法，探索極端事件時期尾部風險的決定性因素。另一方面，拓展了影響因子的分析使其不局限于外部市場的沖擊，研究了商品期貨市場內部的特征影響作用，如流動性、投機性等。研究這些特征對商品期貨的影響更有助于期貨交易所以及其他商品期貨市場政策制定者制定政策、調控商品期貨市場。

二、理論基礎

尾部風險在金融領域指的是極端不利、高度不確定的事件或情況。這類事件雖然發(fā)生的可能性較小，但破壞力很大，一旦發(fā)生將給金融活動的主體造成難以承受的經濟損失，甚至可能關系到主體的生死存亡，如某類資產價格短時間內出現崩盤式下跌^[18-19]。尾部風險屬于非意愿承擔的風險，可能導致投資或交易的損失遠高于預期風險水平^[20-21]。測量系統(tǒng)風險的傳統(tǒng)方法是采用資本定價模型中的貝塔系數，但當極端風險事件發(fā)生時，資產收益率偏離正態(tài)分布，貝塔系數難以準確反映風險時期的系統(tǒng)風險。正因為尾部風險具有破壞性大和難以預測的特點，所以有必要對其展開進一步研究，以期達到預警和轉移尾部風險的目的，從而保證金融活動的正常有序進行。研究尾部風險的方法主要有GARCH族模型、Copula函數法、分位數回歸法和CoVaR方法。Nelson^[22]通過GARCH族模型揭示了金融市場尾部風險的不對稱性，Horta等^[23]運用Copula函數法揭示了國際股票市場間存在尾部風險相依關系。White等^[24]提出了可以同時容納多個隨機變量的多元分位數回歸法，并對全球金融機構的尾部風險進行實證研究，得到了保險公司對尾部風險敏感性更高的結論。陳建青等^[25]構建靜態(tài)及動態(tài)CoVaR模型研究中國金融行業(yè)間的尾部風險溢出效應，得到了金融行業(yè)間的尾部金融風險溢出效應在危機事件前期呈現較高水平的結論。

商品期貨市場是金融市場的重要組成部分，具有高杠桿和高風險的特性。一些學者基于網絡圖研究商品期貨市場之間的關聯性，發(fā)現不同商品間的風險傳導結構存在差異，并且在極端風險事件期間，商品間的風險溢出效應增強^[9-11]。此外，有學者通過研究發(fā)現中國商品期貨市場尾部風險溢出具有網絡性和時變性、點傳染與派系傳染相結合^[26]、上尾和下尾風險非對稱性分布^[27]和波動性大^[28]等特點。

商品期貨市場的尾部風險與宏觀經濟狀況、自身特征等因素密切相關。例如，宏觀經濟環(huán)境、商品期貨流動性以及現貨商品價格等因素都會影響商品期貨市場的尾部風險。具體來看，一方面，穩(wěn)定健康的宏觀經濟環(huán)境是商品期貨市場健康穩(wěn)定發(fā)展的基礎。地緣戰(zhàn)爭事件、金融泡沫破滅、貿易沖突、突發(fā)公共衛(wèi)生事件等極端事件的突然發(fā)生往往會造成宏觀經濟遭受巨大的波動，這些極端事件可能會通過改變期貨與現貨市場的供需關系等途徑影響商品期貨市場的價格^[29]。另一方面，經濟政策的不確定性也可能造成現貨以及期貨商品市場的波動，而現貨商品市場的波動又可能再次通過產業(yè)鏈和供應鏈等渠道傳遞到商品期貨市場，從而激發(fā)期貨市場之間的尾部風險^[30]。

商品期貨自身的性質也可能對其尾部風險有著巨大影響。首先，商品期貨合約流動性對尾部風險的作用機制主要體現在兩個方面：一方面自身流動性的增加會增加期貨市場的開放程度，從而減少尾部風險集聚的可能性，另一方面期貨市場自身流動性的顯著增長又會造成期貨市場中投機行為增多，使得投資者更關注于追漲殺跌的行為，可能會增加期貨市場間的尾部風險^[31]。其次，商品期貨投資者資金的流動性也是流動性作用于市場風險的另一種表現。當外部金融市場借貸資金成本降低時，投機者將增加對于商品期貨市場的投資，造成商品期貨市場出現流動性增加的情況，進而影響商品期貨市場的尾部風險^[32]。除流動性的影響外，商品期貨市場中套期保值壓力是商品期貨市場獨有的風險來源。商品期貨為廠商提供套期保值的機會，以獲取穩(wěn)定的商品價格，并將該風險分散給投機者承擔。然而，相較于成熟市場國家70%以上的機構投資者而言，中國機構投資者占比一直維持在3%左右資料來源：中國期貨市場年鑒。 ，過低的機構投資者參與比例或將降低套期保值行為對期貨市場尾部風險的影響^[33]。最后，商品期貨對應標的的現貨價格是影響市場風險的重要沖擊來源。商品期貨與傳統(tǒng)商品市場最為顯著的區(qū)別在于其擁有實體商品和金融商品兩個性質，實體商品價格的波動也可能會影響商品期貨市場價格的波動^[34]。

鑒于此，本文基于尾部風險溢出視角，構建了中國商品期貨市場尾部風險網絡，并進一步在實證分析中分別考量了合約流動性、資金流動性、套期保值情況以及基差對商品期貨市場尾部風險的影響，詳盡分析尾部風險的主要影響因素。

三、模型設計與數據來源

（一）極端風險溢出網絡的建立

為了刻畫中國商品期貨市場中基于尾部事件的溢出效應關系，即極端情況下商品期貨之間的動態(tài)因果關系，本文借鑒Hrdle等^[16]在高維框架下關于研究對象之間的尾部風險傳導分析方法，同時結合中國期貨市場的實際情況，構造了中國商品期貨之間的極端風險溢出網絡。具體來說，尾部事件系統(tǒng)性金融風險的刻畫可以分為以下四個步驟來實現。

第一步是使用線性分位數回歸方法估算出各個商品期貨價格收益率的VaR（value-at-risk）值，明確商品期貨自身在一定分位數水平下的損失上限值。具體估計過程如下：

式中，τ代表分位數水平；X_j，t表示第j個商品期貨在t時刻的對數收益率；M_t－1表示影響商品期貨系統(tǒng)性金融風險的8個宏觀控制變量（見表1）。

另外，值得注意的是，VaR值是通過期貨j基于宏觀控制變量下的對數回報率的線性分位數回歸方法來進行估計的，Chao等^[35]的分析證明了這一點，他們發(fā)現了X_j，t對M_t－1的線性效應的證據。

第二步是利用半參數分位數回歸方法以及變量篩選的單指數模型，得到每種商品期貨在其他商品期貨極端風險條件下的條件在險價值CoVaR，該值刻畫了極端風險條件下某種商品期貨為整個金融系統(tǒng)所貢獻的風險價值。

式中，|D^^s_j∣i|表示第i個商品期貨在第s期對第j個商品期貨的條件在險價值的絕對值，代表了尾部風險條件下第i個商品期貨對第j個商品期貨的影響，即條件風險溢出強度。

（二）網絡關聯性的三個研究層次

可以從三個層次來研究網絡關聯性，第一個層次是整個商品期貨體系之間的網絡關聯性，使用系統(tǒng)性尾部風險溢出水平來衡量，定義整個風險網絡在第s期的系統(tǒng)性風險指數為A_s中所有元素相加，即定義為：

第二個層次是不同品種商品期貨之間的網絡關聯性，用以反映不同品種商品期貨之間的整體關聯水平。我們通過構建不同品種商品期貨之間的尾部風險輸入和溢出水平指標來衡量。將A_s矩陣中對應元素相加構建l品種的輸入關聯水平和輸出關聯水平指標，具體形式如下：

第三個層次是單個商品期貨之間的網絡關聯性，將A_s中d商品的輸入關聯水平和輸出關聯水平分別相加得到d商品的輸入關聯水平和輸出關聯水平，具體形式如下：

（三）尾部風險關聯決定性因素探究

在分析了中國商品期貨不同時期尾部風險關聯問題的基礎上，進一步提出了研究尾部風險決定性因素的方法（TENET-DSR）。使用式（13）的面板回歸模型來探究尾部風險的決定性因素：

Cⁱ_t=βⁱ₀+ β′₁ Xⁱ_t-1+ β′₂ Y_t-1 + β′₃ Zⁱ_t-1+ β′₄ Qⁱ_t-1+ β′₅ M_t-1 + β′₆ Wⁱ_t-1+ εⁱ_t（13）

式中，Cⁱ_t代表基于極端尾部風險網絡所估計得到的對于商品期貨i的出度值；βⁱ₀是特定的固定效應；Xⁱ_t－1=（VoLⁱ_t－1，Lⁱ_t－1）′代表商品期貨i的流動性能力，Y_t－1=（TED_t－1，LIO_t－1，IBO_t－1）′代表金融市場的借款成本，反映了外部金融市場的流動性，Zⁱ_t－1=（OIⁱ_t－1，HPⁱ_t－1）′代表商品期貨i中的套期保值情況；Qⁱ_t-1= BS^{i ′}_t-1則代表商品期貨的儲存成本，M_t－1=（P0_t－1，GSCI_t－1，STOCK_t－1）′和Wⁱ_t－1=（Rⁱ_t－1，Vⁱ_t－1）′代表宏觀控制變量。

（四）數據來源

1.樣本數據的選擇

本文剔除了連續(xù)超過5天沒有交易記錄的商品期貨，選取2012年以來在國內期貨交易所有交易記錄的20種商品期貨。為了方便后面進行實證分析，按照期貨大類品種的不同，參考南華商品指數的分類方法，將20種商品期貨分為三類：農產品、金屬、化工商品，具體選用期貨品種名單如表2所示。我們使用2012年1月6日至2022年3月11日的周頻活躍合約的收盤價數據作為研究對象，共511個研究對象。宏觀狀態(tài)變量M_t－1和期貨自身控制變量B_t－1的選擇詳見表1。

2.樣本數據的描述性統(tǒng)計量

我們給出20種商品期貨活躍合約對數收益率的描述性統(tǒng)計量（見表2）。從表2的數據可以看出，大部分商品期貨的周對數收益率均值都在0左右，標準差在2.5左右。天然橡膠的均值是所有期貨中最小的，并且標準差也相對較大，這說明天然橡膠的收益能力相對較差，風險也相對較大。另外，從整體上看，化工商品的平均收益率為0.002%，遠小于農產品的0.06%和金屬的0.08%，而化工商品的平均標準差為3.30，大于農產品的2.26和金屬的2.40。

四、實證結果及分析

（一）中國商品期貨市場整體風險測度

為了捕捉商品期貨之間的下尾部和上尾部風險關聯網絡的動態(tài)相關性和拓撲結構，本文使用滾動時間窗口法，設定滾動窗口區(qū)間為n=50（約為一年的周數），分位數水平τ=0.01（下尾）和τ=0.99（上尾），共得到461個網絡動態(tài)相關性的周估計值。

表3列示了參照式（3）和式（5）估計的各商品期貨分別在下尾和上尾情況下的VaR和CoVaR均值。結果顯示，除了黃金以外的其他商品期貨的CoVaR的絕對值都要大于其VaR的絕對值，即條件風險大于無條件風險，說明條件風險度量是有必要的。同時，苯二甲酸、甲醇、焦炭、天然橡膠這四種商品期貨的VaR和CoVaR的絕對值都明顯高于其他商品期貨，說明這幾種商品相對風險較高，且易受到其他商品的風險干擾。

基于VaR和CoVaR的結果構建了D^_j∣j，并參照式（8）中系統(tǒng)性尾部風險溢出水平TCD_s來進行市場層面的分析。圖1展示了中國期貨市場整體風險總關聯性隨時間變化的折線圖，可以觀察到風險總關聯性呈現時變波動特征。其中，實線代表的是分位數水平τ=0.01下的動態(tài)總關聯，虛線代表的是τ=0.99。從時間層面來看，上下尾波動的趨勢是相似的，均表現為在2015年股災、2018年中美貿易摩擦和2020年新冠疫情期間呈現上升趨勢。但是，下尾風險總體要明顯高于上尾風險，并且在危機期間波動更為劇烈，這也說明投資者以及生產者對于商品期貨價格的下降更為敏感。

具體來看，2015年股災和2018年中美貿易摩擦在危機發(fā)生前由于市場效應的累積，已經使得整體的風險總關聯性出現明顯上升?？梢钥吹皆?015年中期股票市場大跌前，商品期貨市場風險一直在不斷累積，市場關聯性在2015年中期達到了最高。而隨著股票市場的崩盤，關聯性也逐步回歸到了正常的水平。第二個峰值出現在2018年，由于中美貿易摩擦，中國許多商品都受到美國政府高關稅的打壓，加深了商品期貨之間的相互影響，風險關聯也隨之加強，尾部風險再次升至較高水平。隨著2019年中美貿易談判取得了一些階段性成果，風險關聯也隨之下降。但進入2020年以來，受新冠疫情影響，貿易港口出現較大規(guī)模的封閉，使得商品運輸成本出現明顯上升，中國期貨商品之間的風險關聯性再次呈現上升的趨勢。

（二）中國商品期貨市場品種間的風險測度

在對中國商品期貨市場整體的尾部風險進行研究后，本文將從品種層面對尾部風險進行研究。將所選取的20種商品期貨按照所屬品種不同分成農產品、金屬和化工三類，其中農產品期貨有8種，金屬期貨有6種，化工期貨有6種，并分別定義每個品種的風險接收度和風險溢出度為每個商品期貨風險接收度和風險溢出度的和。由于農產品期貨數量多于金屬和化工期貨數量，故對農產品的風險接收度和風險溢出度乘以0.75來進行表示。圖2和圖3分別展示了3個品種類別在商品期貨處于下尾（τ=0.01）和上尾（τ=0.99）情況下的風險接收度和風險溢出度。

三種行業(yè)的風險溢出程度與尾部風險總指數的趨勢相對一致，均在2015年股災、2018年中美貿易摩擦和2020年新冠疫情這三大危機期間有所上升。不管是在上尾還是下尾時，整體上農產品的溢出指數高于金屬和化工商品。具體來說，農產品的下尾溢出度的均值約為14.95，高于金屬類商品（14.40）和化工商品（12.64）。這說明農產品在中國商品期貨市場尾部風險中占據著重要的地位，扮演著風險溢出者的角色，這與劉文超等^[12]的結果一致。原因主要體現在三個方面：一是中國是一個農業(yè)大國，農產品與民生息息相關，農產品期貨的誕生本就背負著價格發(fā)現和服務農業(yè)現代化發(fā)展的重任。二是農產品期貨在中國的上市時間較早，發(fā)展更為成熟，市場上的交易者也更喜歡選擇農產品。三是近年來隨著國際市場環(huán)境的不斷變化，中國一直以來實行的農產品保障性最低收購價制度面臨巨大挑戰(zhàn)^[36]。

從風險接收度情況來看，化工商品的上下尾風險接收度明顯高于其他兩種商品類型，同時其波動也相對較大。從下尾風險的結果來看化工商品的下尾接收度均值達到了17，金屬和農產品的均值則處于12左右的水平。這說明化工商品在市場中更易受到外部市場的沖擊。同時，農產品期貨和金屬期貨的下尾風險接收度的波動較為平緩，但金屬類商品的上尾接收度在2016—2019年大幅上升，維持在與化工類商品相似的水平。整體而言，農產品期貨的價格不易受其他外界的風險沖擊，卜林等^[37]也發(fā)現了相似的結果，并指出中國農產品市場收儲機制為保障農產品期貨價格穩(wěn)定提供了有力的支撐。

（三）中國商品期貨市場風險網絡

為了更清楚地分析單個商品期貨在“中國商品期貨網絡”中的角色，圖4構建了不同時期的商品期貨尾部風險網絡，包括平穩(wěn)時期、2015年股災、2018年中美貿易摩擦和2020年新冠疫情四個時期。與其他傳統(tǒng)資產類似，投資者對于下尾風險傳染更為敏感，所以我們僅列出了處于下尾（τ=0.01）情況時的網絡結構。因為整個完整的網絡風險圖中線條過于繁多，圖中選擇了排名前40（前10%）的邊的權重的均值來作為臨界值，刪除權重過小的邊。其中，邊的粗細代表邊的權重的大小。

從圖4可以觀察到在平穩(wěn)時期較粗的邊幾乎全部落在了品種內部。同一類別的或處于相似的生產鏈中的商品之間面臨的風險沖擊較為相似，因此相對應的產品間的關聯度也相應較高。例如，同為植物油的大豆油、棕櫚油和豆籽油一直都存在較為顯著的關聯，其中大豆油是三者中的核心商品，這是由于中國是大豆油的消費大國，占全球大豆油消費量的28%。大豆油和菜籽油同為中國最為常見的食用油，其需求波動的沖擊作用相似，由此兩者在大部分時間段中都存在一定的風險溢出作用。然而，中國是油菜籽生產大國，其依靠進口的程度相對較小，同為食用油的棕櫚油與大豆油則高度依賴進口2021年中國大豆油的進口依存度達到了85.5%，而棕櫚油的進口依存度達到了100%。 ，兩者的關聯度顯著高于菜籽油和大豆油的關聯度。這一定程度上說明了當商品間面臨更多相似的風險沖擊時，其風險相依程度也相應更高。同樣地，化工類商品中聚乙烯和聚氯乙烯一直保持著很高的關聯度，這是由于聚氯乙烯和聚乙烯本就都是包裝袋等塑料材質商品的重要組成成分，兩者擁有高度相似的下游產品，面臨的風險沖擊也相對類似。而危機期間，大部分商品面臨了共同的外部沖擊，商品市場中的風險傳導更加緊密。本文所示的三個危機期間的結果表明不僅商品期貨品種內部的關聯依舊較強，跨品種的風險傳導也更加顯著。我們發(fā)現化工商品分別與農產品以及金屬產生了較強的連接，但是金屬商品與農產品商品間的沖擊效應較弱。值得注意的是，農產品與其他種類商品之間的風險作用方向往往是農產品作為風險傳導者，而風險接收的線條往往來源于農產品內部。

不同的危機期間的商品表現存在一定的差異。具體來說，股災期間比較特別的商品是甲醇，它受到大部分商品的沖擊，是典型的風險接收者。而一些高交易量的商品如螺紋鋼、豆粕和大豆油等對市場其他的商品的影響更大。在2018年中美貿易摩擦事件發(fā)生時，農產品與化工類商品的聯動并沒有顯著增強，而金屬類商品與化工類商品的聯動出現了顯著增強，特別是和焦炭之間的聯動性。中國是世界上最大的焦炭出口國，多年來產量一直占世界焦炭總產量的67%以上資料來源：《中國焦炭行業(yè)發(fā)展現狀調研與投資趨勢研究報告（2022—2029年）》。 ，貿易制裁帶來的沖擊對焦炭影響相對更高。最后，相較2015年股災和2018年中美貿易摩擦期間商品期貨的尾部風險特點而言，新冠疫情期間不同品種間的尾部風險傳導效應更加明顯，風險傳導并不只集中于一兩種商品（如股災期間的甲醇和貿易摩擦期間的焦炭），而是相對分散，即很多商品期貨都受到其他品種期貨的尾部風險影響。但整體來看化工商品與農產品和金屬間都存在較強的尾部風險溢出效應，這是由于新冠疫情的傳播使得生產、運輸等各個基礎的環(huán)節(jié)都受到了較大的沖擊，金融市場波動相對劇烈，尾部風險的密集度更高。

（四）中國商品期貨市場風險排序

為了更加直觀地了解中國商品期貨市場中對尾部風險貢獻最高的商品種類，表4列示了全樣本以及各個危機階段的風險總入度值和總出度值排名前五的商品。從全樣本結果中我們發(fā)現，大豆油是中國商品期貨市場中最需要關注的商品，總出度值為1 655.95，明顯高于其他商品風險溢出水平，排名第二位的商品聚乙烯也僅達到其出度值四分之三的水平。大豆油上下游產業(yè)鏈市場規(guī)模龐大，上游的大豆市場在2021年實現國內產量1 640萬噸，進口數量9 654萬噸；下游的食品行業(yè)、調味品行業(yè)和餐飲行業(yè)也始終是民生經濟的基礎產業(yè)，這些都使得大豆油在中國商品期貨市場中占有重要的地位。

值得注意的是，有些商品期貨雖然交易量相對較小，但具有相當大的累計風險溢出值，如鋅和聚氯乙烯。這兩種商品期貨風險溢出能力較大是有相似原因的：鋅雖然目前在中國金屬的使用量上遠低于銅、鐵和鋁，但是隨著中國工業(yè)設置設備的不斷完善，鋅憑借其不易被氧化的特質，在電鍍行業(yè)中的使用量在逐步提高，并將最終達到美日等發(fā)達國家55%～60%的電鍍水平，而作為鍍層的鋅會極大影響其他商品；聚氯乙烯雖然在塑料生產方面已經被聚乙烯取代，但是其仍然和鋼材、木材、水泥并稱為四大基礎建材，在建筑業(yè)等領域有著重要的應用，正因為此，聚氯乙烯和其他商品期貨之間也就存在著較大的關聯。鋅和聚氯乙烯具有較大累計風險溢出值的現象說明在期貨風險溢出預警和防范層面，不僅要對一些交易量大的期貨商品加大預警和監(jiān)測，也不能忽視一些與其他商品期貨聯系緊密的交易量較小的商品期貨。從期貨的風險入度來看，化工行業(yè)期貨的總入度值普遍都很高，有四種排名位于前五。這說明化工商品期貨更容易受到其他商品期貨的影響，更容易因為其他商品期貨價格的變動而引起大的波動，卜林等^[33]的研究也得到了一樣的結論。

另外，B、C、D部分列出了三大危機時期的分期貨入度值和出度值的排名。危機期間入度值和出度值排序的結果和全樣本時期相似，甲醇和焦炭長期扮演著風險接收者的角色，而大豆油、聚乙烯、鋅和銅則相對保持較高的出度值。值得注意的是當受到外部市場沖擊時，高投機性的商品需要特殊的關注和監(jiān)管，如股災以及新冠疫情期間，螺紋鋼和豆粕等風險出度的排名大幅度提高，對中國商品期貨市場的穩(wěn)定性影響變強。

（五）影響商品期貨尾部風險關聯的決定性因素

1.全樣本周期決定性因素探究

表5報告了式（13）所進行的面板回歸結果，為了實驗結果的穩(wěn)健性，列（1）至列（4）對期貨自身的特征變量進行逐一的控制，并在列（5）中將所有變量包括進去，保證了回歸的穩(wěn)健性。流動性是影響尾部風險的重要因素，其在研究中主要分為市場流動性（Xi）和資金流動性（Y）兩個類別。表5的結果顯示這兩個指標類型都有顯著的回歸結果。資金流動性的結果顯示TED利差和期限利差指標是顯著的，且指標的方向說明了當外部的短期投資利率變高，即資金的借貸成本增加時，投機者對于資金投入將會變得更加謹慎，進而降低商品期貨市場的尾部風險。值得注意的是，同業(yè)拆借利率參數并不顯著，這是由于中國金融市場個人交易者投資占比較高，其對于同業(yè)拆借利率的敏感度較低。

對于市場流動性中的第一個指標交易量，其在控制了別的變量以及單獨回歸時都顯著為正，說明在交易量高時往往伴隨著較高的尾部風險。交易量指標不僅是捕捉商品流動性的關鍵性指標，一定程度上也反映了商品期貨市場的投機性信息^[31]，這一定程度上說明中國商品期貨市場流動性是由投機者活動所主導的。除了流動性指標外，本文還考量了套期保值情況（Zi）以及存儲成本（Qi）兩組風險指標，這兩組指標類型都沒有發(fā)現顯著的變化。商品期貨市場中的主要交易者構成為以套期保值為目的的廠商以及以投機為目的的投機者。當市場中投機行為占主導時，相對應的套期保值壓力的影響作用也將變得微弱。很多文獻表明中國商品期貨市場存在高投機性的特征^[1，31]，這與本文研究結果一致。總體而言，中國商品期貨市場尾部風險的主要風險來源是資金的流動性以及市場的高投機性。

2.危機期間決定性因素探究

2015年下半年A股的崩盤式下跌給中國金融市場帶來了巨大的沖擊，上千只股票多次跌停，滬深總市值縮水達30%以上。此外，2020年初新冠疫情的突然襲來也給資本市場帶來了極大的沖擊，在疫情這個“黑天鵝事件”的影響下，美股出現多次熔斷現象，國際原油價格也一度跌為負數。在極端風險事件影響下，中國商品期貨也受到了巨大的沖擊。本節(jié)在前文的基礎上探究股災和疫情期間影響商品期貨尾部風險關聯的決定性因素，并與上節(jié)內容進行對比，進而得到股災和疫情期間尾部風險的特殊之處，實驗結果如表6和表7所示。

與全樣本時期的結果進行對比，本文發(fā)現交易量在股災期間依然發(fā)揮穩(wěn)定的作用，但是同時我們也發(fā)現股災期間有更多的因素影響著尾部風險的變化。合約流動性在股災期間的影響變?yōu)轱@著，合約流動性指標在股災期間轉為顯著說明了股災期間對流動性的敏感度較高，如果流動性不足進一步惡化會明顯造成尾部風險的惡化。值得注意的是，股災期間未平倉合約量指標呈現顯著的特點。股災期間廠商對于大宗現貨商品的價格穩(wěn)定性產生了極度的擔憂，在這樣的背景下，廠商更愿意買入期貨以獲得穩(wěn)定的商品價格來規(guī)避自己的風險，而經濟不穩(wěn)定時期投機者主動進入市場進行投機的可能性降低，套期保值的作用在一定程度上得到增大，未平倉合約量的影響也相應變得顯著^[31]。

在探究新冠疫情期間影響商品期貨尾部風險關聯的決定性因素時，我們增加了“確診人數”和“疫情”百度搜索指數兩個變量。與股災期間的結果類似，疫情期間表現出合約流動性和未平倉合約量顯著的特點。不同之處在于疫情期間同業(yè)拆借利率參數呈現顯著為負的特點，這是由于在新冠疫情所帶來的不確定性上升和經濟新常態(tài)所帶來的經濟增速放緩的雙重沖擊下，交易者對于同業(yè)拆借利率的敏感度得以迅速升高。最后，“確診人數”和“疫情”百度搜索指數兩個變量對于商品期貨的尾部風險沒有直接影響。

五、結論與建議

本文通過TENET-DSR模型構建了中國商品期貨尾部風險網絡，從整體、品種和個體角度測度商品期貨的風險溢出強度，并分析了中國商品期貨市場中尾部金融風險的決定因素。研究結論表明：第一，除黃金以外的其他19種商品期貨均呈現出條件風險的絕對值大于無條件風險絕對值的情況，說明使用條件風險度量是有必要的。第二，中國商品期貨極端風險網絡的動態(tài)關聯水平具有明顯的時變特征，在2015年股災、2018年中美貿易摩擦和2020年新冠疫情期間呈現明顯上升趨勢，且表現出下尾風險明顯高于上尾風險的特點，說明投資者以及生產者對于商品期貨價格的下降更為敏感。第三，從整體上看，農產品的風險溢出指數大于金屬和化工商品，說明農產品期貨是影響中國商品期貨市場穩(wěn)定的最重要的類別，而化工商品的風險接收指數明顯高于其他兩種商品類型，同時其波動也相對較大，說明化工商品在市場中更易受到外部市場的沖擊。第四，危機期間跨品種間傳遞的風險明顯大于平穩(wěn)時期，商品間明顯存在同一類別或產業(yè)鏈間聚集效應，大豆油是中國商品期貨市場最重要的風險溢出者。另外，鋅、棕櫚油和聚氯乙烯這三種交易量相對較小的商品期貨同樣具有較大的累計風險溢出值。第五，在整個十年時間里商品期貨的交易量、TED利差和期限利差是商品期貨尾部風險關聯變動的關鍵性因素，而在股災和新冠疫情期間影響因素有所變化，商品期貨交易量、合約流動性、期限利差、同業(yè)拆借利率和未平倉合約量是商品期貨尾部風險變動的核心因素。

根據以上結論并結合中國商品期貨市場監(jiān)管實際，提出以下建議：一是中國商品期貨市場風險監(jiān)管和預防措施的制定應該考慮商品期貨市場的尾部風險網絡結構。相關部門應加強對大豆油等風險溢出指數較高期貨的監(jiān)控，防止個別期貨投機現象的急速擴散而導致整個商品期貨市場尾部風險的快速升高。同時，基于重大危機事件期間尾部風險顯著增加的特點，監(jiān)管部門應做好針對風險事件的前瞻性估計措施，并采用各種政策工具來降低重大危機事件對于商品期貨尾部風險的影響。二是由于商品期貨具有不同的風險接收度值，穩(wěn)健型投資者應減少對焦炭、甲醇和天然橡膠等風險接收度較大期貨的投資。同時在受到外部沖擊時，穩(wěn)健型投資者應盡量避免在風險事件期間投資螺紋鋼和黃大豆1號等風險接收度明顯升高的期貨品種。三是需要有關部門進一步鼓勵企業(yè)積極參與期貨交易。面板回歸的結果顯示中國商品期貨市場中誘導尾部風險的主要因素之一是投機活動，引入更多的企業(yè)投資者進入市場會提高市場中的套期保值者占比，對商品期貨市場的信息傳遞以及風險管控有較大的幫助。大連商品期貨交易所已經采取了相應的措施，通過對參與市場的投機者和保值者設定不同的保證金要求來提高市場中保值者的參與比例。

參考文獻：

[1] FAN J H，ZHANG T.The untold story of commodity futures in China[J]. Journal of Futures Markets，2020，40（4）：671-706.

[2] BIANCHI R J，FAN J H，ZHANG T.Investable commodity premia in China[J]. Journal of Banking & Finance，2021，127：106-127.

[3] DASKALAKI C，KOSTAKIS A，SKIADOPOULOS G.Are there common factors in individual commodity futures returns[J].Journal of Banking & Finance，2014，40（3）：346-363.

[4] CHENG I H， XIONG W.Financialization of commodity markets[J]. Annual Review of Financial Economics，2014，6（1）：419-441.

[5] ZHANG D，BROADSTOCK D C.Global financial crisis and rising connectedness in the international commodity markets[J].International Review of Financial Analysis，2020，68：101239.

[6] 易蓉.我國大宗農產品期貨基差尾部相依性研究[J].系統(tǒng)工程理論與實踐，2014（S1）：55-60.

[7] KANG S H，MCIVER R，YOON S M.Dynamic spillover effects among crude oil， precious metal，and agricultural commodity futures markets[J].Energy Economics，2017，62：19-32.

[8] JI Q， BOURI E， ROUBAUD D， et al. Risk spillover between energy and agricultural commodity markets： a dependence-switching CoVaR-copula model[J].Energy Economics，2018，75：14-27.

[9] BEKIROS S，NGUYEN D K，JUNIOR L S，et al.Information diffusion，cluster formation and entropy-based network dynamics in equity and commodity markets[J].European Journal of Operational Research，2017，256（3）： 945-961.

[10] BALLI F， NAEEM M A， SHAHZAD S J H， et al. Spillover network of commodity uncertainties[J].Energy Economics，2019，81：914-927.

[11] XIAO B，YU H，FANG L，et al.Estimating the connectedness of commodity futures using a network approach[J].Journal of Futures Markets， 2020，40（4）： 598-616.

[12] 劉文超，安毅，劉曉陽.我國商品期貨市場的風險溢出研究——來自時域和頻域的新證據[J].中國證券期貨，2021（2）：4-22.

[13] 謝赤，賀慧敏，王綱金，等.基于復雜網絡的泛金融市場極端風險溢出效應及其演變研究[J].系統(tǒng)工程理論與實踐，2021（8）：1926-1941.

[14] ADRIAN T，BOYARCHENKO N，GIANNONE D.Vulnerable growth[J].American Economic Review，2019，109（4）：1263-1289.

[15] 胡春陽，馬亞明，馬金婭.重大事件沖擊下金融市場與實體經濟間雙向尾部風險溢出效應[J].金融經濟學研究，2023，38（2）：3-19.

[16] HRDLE W K，WANG W， YU L. Tenet： Tail-event driven network risk[J]. Journal of Econometrics，2016，192（2）：499-513.

[17] 李美澤.基于中國商品期貨市場的尾部風險溢出網絡與系統(tǒng)性風險分析[D].上海：上海財經大學，2022.

[18] 李志生，金凌，張知宸.危機時期政府直接干預與尾部系統(tǒng)風險——來自2015年股災期間“國家隊”持股的證據[J].經濟研究，2019，54（4）：67-83.

[19] 蔣坤良.基于宏觀經濟因素的金融市場尾部風險傳染與度量研究[D].合肥：中國科學技術大學，2022.

[20] 劉湘云，陳洋陽，韓麥爾.金融市場極端風險溢出效應研究：以金磚國家為例[J].廣東財經大學學報，2015，30（5）：78-87.

[21] 王小華，程露.尾部風險研究進展與評述[J].當代金融研究，2022，5（10）：1-19.

[22] NELSON D B.Conditional heteroskedasticity in asset returns： a new approach[J].Econometrica： Journal of the Econometric Society，1991，59（2）： 347-370.

[23] HORTA P，MENDES C，VIEIRA I.Contagion effects of the subprime crisis in the European NYSE Euronext markets[J]. Portuguese Economic Journal， 2010，9： 115-140.

[24] WHITE H，KIM T H，MANGANELLI S.VAR for VaR： Measuring tail dependence using multivariate regression quantiles[J].Journal of Econometrics， 2015， 187（1）： 169-188.

[25] 陳建青，王擎，許韶輝.金融行業(yè)間的系統(tǒng)性金融風險溢出效應研究[J].數量經濟技術經濟研究，2015，32（9）：89-100.

[26] 周偉，楊斯童.風險跨市場傳染的綜合測度、網絡分析與趨勢演化——基于商品期貨的實證分析[J].運籌與管理，2023，32（5）：232-239.

[27] 曹潔，雷良海.中美貿易爭端加劇了商品期貨市場的風險傳染嗎？——基于動態(tài)M-Copula模型的實證研究[J].投資研究，2019，38（7）：39-50.

[28] 曾裕峰，向修海，陳學彬.基于半參數模型的中國商品期貨尾部風險度量[J].投資研究，2015，34（11）：108-120.

[29] PASTOR L，VERONESI P.Uncertainty about government policy and stock prices[J].Journal of Finance， 2012（4）：1219-1264.

[30] 楊子暉，陳雨恬，張平淼.股票與外匯市場尾部風險的跨市場傳染研究[J].管理科學學報，2020，23（8）：54-77.

[31] WELLENREUTHER C，VOELZKE J.Speculation and volatility—a time-varying approach applied on Chinese commodity futures markets[J].Journal of Futures Markets，2019，39（4）：405-417.

[32] HU C，LI Z，LIU X.Liquidity shocks， commodity financialization， and market comovements[J].Journal of Futures Markets，2020，40（9）：1315-1336.

[33] 常飛.論我國期貨和衍生品市場監(jiān)管的改革路徑[J].東南學術，2022（5）：197-205.

[34] GORTON G，ROUWENHORST，K G.Facts and fantasies about commodity futures[J]. Financial Analysts Journal， 2006，62（2）：47-68.

[35] CHAO S K，HRDLE W K，WANG W.Quantile regression in risk calibration[C].CHENG F L，JOHN C L.Handbook of financial econometrics and statistics.NewYork：Springer，2015：1467-1489.

[36] 張峭.“保險+期貨”破題農產品價格風險管理[J].中國農村金融，2022（5）：23-25.

[37] 卜林，任碩.我國商品期貨間的信息溢出效應研究——基于價格關聯與波動關聯的比較分析[J].南開學報（哲學社會科學版），2022（4）：66-76.

Tail Risk and Determinant Factors of Chinas Commodity Futures

YE Wuyi¹LIU Weiwei¹GUO Ranran²

（1.School of Management， University of Science and Technology of China， Hefei 230026， Anhui， China;

2. School of Economics， Hefei University of Technology， Hefei 230009， Anhui，China）

Abstract：In recent years， Chinas commodity futures market has developed rapidly， and identifying and resolving the financial risks in the commodity futures market has become an important part of preventing systemic financial risks. Using the data of 20 commodity futures that were actively traded from January 2012 to March 2022， this study constructed a tail risk spillover network of Chinas commodity futures market based on the tail event driven network model method that can determine the determinants of systemic risk， and analyzed determinants of tail risk in commodity futures markets. The study finds that the overall risk level of the commodity futures market shows an upward trend during the crisis; among all commodity categories， agricultural products are the most important varieties that affect the stability of Chinas commodity futures market; there is an obvious aggregation effect of the same category between commodity futures， while the spillover across commodity categories mainly occurs during the crisis; capital liquidity and overspeculation are the key factors of tail risk changes in Chinas commodity futures market. Therefore， it is suggested ?to attach great importance to and continuously monitor the risk spillover effects of commodity futures， to improve the ability to monitor speculative futures transactions， to improve the stability of the commodity market and the ability to resist risk shocks， and to resolutely prevent the occurrence of systemic financial risks.

Key words：commodity future; spillover network; extreme risk event; TENET-DSR model