摘要：近年來(lái)，國(guó)內(nèi)外經(jīng)濟(jì)環(huán)境的不確定性對(duì)中國(guó)期貨類(lèi)金融市場(chǎng)影響越來(lái)越顯著。研究油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)的波動(dòng)溢出影響，對(duì)加速農(nóng)林產(chǎn)品金融化和防范系統(tǒng)性金融風(fēng)險(xiǎn)、凸顯農(nóng)林產(chǎn)品期貨市場(chǎng)管理價(jià)格風(fēng)險(xiǎn)的作用等具有重要意義。文章利用中國(guó)2018—2023年棕櫚油、豆油和菜油農(nóng)產(chǎn)品期貨指數(shù)的月度數(shù)據(jù)，上證綜合指數(shù)的月度數(shù)據(jù)以及PPI、EPU、PMI月度數(shù)據(jù)的宏觀(guān)經(jīng)濟(jì)數(shù)據(jù)，以經(jīng)濟(jì)政策不確定性、證券市場(chǎng)、期貨市場(chǎng)的作用路徑，構(gòu)建VAR-BEKK-GARCH模型考察宏觀(guān)不確定性對(duì)棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格的傳導(dǎo)關(guān)系和風(fēng)險(xiǎn)波動(dòng)溢出效應(yīng)變化。結(jié)果表明：（1）油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格具有顯著的波動(dòng)溢出效應(yīng)，且通常是該波動(dòng)溢出的風(fēng)險(xiǎn)傳遞者；從描述性統(tǒng)計(jì)結(jié)果的Jarque-Bera統(tǒng)計(jì)量來(lái)看，在顯著性水平為5%時(shí)，三種油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)收益率分別為496.39、975.02和647.07，指數(shù)變化率序列都不服從正態(tài)分布。（2）油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格波動(dòng)對(duì)中國(guó)金融市場(chǎng)的影響程度最強(qiáng)；指數(shù)收益率的一階滯后項(xiàng)系數(shù)在5%的顯著性水平上均顯著。（3）在極端事件沖擊下，油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格對(duì)中國(guó)期貨價(jià)格波動(dòng)的依賴(lài)性較強(qiáng)，并表現(xiàn)出明顯的時(shí)變特征。基于研究結(jié)論提出政策啟示：政策制定者應(yīng)借助溢出效應(yīng)的分析結(jié)果，采取相應(yīng)的監(jiān)管和干預(yù)措施，維護(hù)市場(chǎng)的健康發(fā)展。金融監(jiān)管部門(mén)應(yīng)對(duì)中國(guó)農(nóng)林產(chǎn)品期貨市場(chǎng)建立風(fēng)險(xiǎn)監(jiān)控、預(yù)警機(jī)制，有效防范系統(tǒng)性風(fēng)險(xiǎn)。

關(guān)鍵詞：油脂類(lèi)農(nóng)林產(chǎn)品期貨；波動(dòng)溢出效應(yīng)；VAR-BEKK-GARCH模型

中圖分類(lèi)號(hào)：F323.7； F724.5； F224文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673-338X（2024）5-049-15

基金項(xiàng)目：福建省自然科學(xué)基金面上項(xiàng)目“經(jīng)濟(jì)政策不確定性對(duì)中國(guó)A股特質(zhì)波動(dòng)的影響機(jī)理、傳染效應(yīng)與對(duì)策研究”（2022Jo1986）。

Research on macro uncertainty and volatility spillover effect of asset prices

——analysis of futures prices for oil and fat agricultural and forestry products based on VAR-BEKK-GARCH model

ZHOU Xiulian

（Fujian Business University， Fuzhou 350002）

Abstract：In recent years， the uncertainty of the domestic and international economic environment has had an increasingly significant impact on China’s futures financial markets. Studing volatility spillover effect of the futures market for oil and fat agricultural and forestry products is of great significance in accelerating the financialization of agricultural and forestry products and preventing systemic financial risks， and highlighting the role of managing price risks in the agricultural and forestry products futures market. This article used monthly data on agricultural futures indices for palm oil， soybean oil and rapeseed oil from 2018 to 2023， monthly data on the SSE Composite Index， and monthly macroeconomic data on PPI， EPU and PMI. Based on the path of economic policy uncertainty， securities market and futures market， a VAR-BEKK-GARCH model was constructed to examine the transmission relationship of macro uncertainty on futures prices for oil and fat agricultural and forestry products and changes in risk volatility spillover effect. The results showed that：（1）Futures prices for oil and fat agricultural and forestry products had a significant spillover effect， and were usually the risk carriers of this spillover effect. According to the Jarque-Bera statistic of descriptive statistics， at a significance level of 5%， the returns of the three oil and fat agricultural and forestry products futures indices were 496.39， 975.02 and 647.073， respectively， and none of index change rates obeyed a normal distribution.（2）Futures price volatility of oil and fat agricultural and forestry products had the strongest degree of impacton China’s commodity market. At a confidence level of 5%， the first order lag coefficients of the index return were significant.（3）Under the shock of extreme events， the futures prices of oil and fat agricultural and forestry products were more dependent on the fluctuations of Chinese futures prices and exhibited obvious time-varying characteristics. Based on research findings， relevant policy implications were proposed： Policymakers should take appropriate regulatory and intervention measures to maintain the healthy development of the market with the help of the analysis of spillover effect results. Financial regulators should establish risk monitoring and early warning mechanisms in China’s agricultural and forestry products futures market to effectively prevent systemic risks.

Keywords：futures of oil and fat agricultural and forestry products；volatility spillover effect；VAR-BEKK-GARCH model

1引言

新冠疫情重創(chuàng)世界經(jīng)濟(jì)，嚴(yán)重影響全球金融市場(chǎng)，各國(guó)先后實(shí)施了非常規(guī)貨幣政策以期復(fù)蘇經(jīng)濟(jì)穩(wěn)定金融市場(chǎng)?！昂笪C(jī)時(shí)代”大背景下，世界經(jīng)濟(jì)形勢(shì)嚴(yán)峻復(fù)雜，中國(guó)正處于結(jié)構(gòu)調(diào)整、動(dòng)能轉(zhuǎn)換、增速換擋的關(guān)鍵時(shí)期，面臨著產(chǎn)能過(guò)剩、債務(wù)違約、庫(kù)存積壓、供需錯(cuò)配等無(wú)與倫比的經(jīng)濟(jì)挑戰(zhàn)，典型化特征是嚴(yán)重的“脫實(shí)向虛”問(wèn)題。當(dāng)下不僅是中國(guó)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)換的關(guān)鍵期、新一輪大改革的推行期以及深層次問(wèn)題的累積釋放期，更是世界經(jīng)濟(jì)結(jié)構(gòu)與秩序的裂變期，復(fù)雜的國(guó)內(nèi)外環(huán)境極大提升了經(jīng)濟(jì)的不確定性。Cai等（2016）指出，宏觀(guān)不確定性涵蓋經(jīng)濟(jì)政策、宏觀(guān)經(jīng)濟(jì)和金融市場(chǎng)基本面、企業(yè)營(yíng)運(yùn)等定價(jià)信息以及經(jīng)濟(jì)學(xué)家或投資者對(duì)未來(lái)不確定性的預(yù)期，是未來(lái)經(jīng)濟(jì)狀況無(wú)法預(yù)測(cè)性對(duì)資產(chǎn)定價(jià)產(chǎn)生的重大影響。當(dāng)面臨經(jīng)濟(jì)政策不確定性時(shí)，通常會(huì)要求更高的風(fēng)險(xiǎn)溢價(jià)作為補(bǔ)償以抵消資產(chǎn)未來(lái)收益的不可預(yù)期性，資產(chǎn)風(fēng)險(xiǎn)溢價(jià)與宏觀(guān)不確定性的水平存在密切聯(lián)系，全面復(fù)雜的經(jīng)濟(jì)學(xué)內(nèi)容使宏觀(guān)不確定性成為強(qiáng)有力的資產(chǎn)定價(jià)因子。平穩(wěn)經(jīng)濟(jì)環(huán)境下傳統(tǒng)的資產(chǎn)定價(jià)因子還能適應(yīng)不可預(yù)期嬗變的金融環(huán)境嗎？經(jīng)濟(jì)政策不確定性與資產(chǎn)定價(jià)的研究成為焦點(diǎn)。

宏觀(guān)不確定性是影響金融衍生品價(jià)格波動(dòng)的主要變量之一。以棕櫚油為代表的油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格最易受到國(guó)際政治格局、經(jīng)濟(jì)政策演變以及氣候條件變化等多種因素影響，具有高度的復(fù)雜性和不確定性，精準(zhǔn)的價(jià)格預(yù)測(cè)能使農(nóng)林業(yè)在采購(gòu)種植和收購(gòu)等方面做出合理的判斷和預(yù)期，從而減輕與價(jià)格波動(dòng)相關(guān)的金融風(fēng)險(xiǎn)。本文將棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品總體樣本分段對(duì)比，研究在不同時(shí)期棕櫚油等農(nóng)林產(chǎn)品期貨市場(chǎng)間價(jià)格波動(dòng)溢出效應(yīng)的變化特征，通過(guò)構(gòu)建宏觀(guān)經(jīng)濟(jì)指標(biāo)以及期貨價(jià)格模型，實(shí)證找出宏觀(guān)經(jīng)濟(jì)與期貨價(jià)格的關(guān)聯(lián)性，并為兩者之間可能存在的理論關(guān)系提供一定程度的實(shí)證支持。深入探討棕櫚油等農(nóng)林產(chǎn)品期貨之間的波動(dòng)溢出效應(yīng)，對(duì)預(yù)防價(jià)格劇烈波動(dòng)、防范風(fēng)險(xiǎn)外溢和穩(wěn)定市場(chǎng)預(yù)期具有重要的現(xiàn)實(shí)意義。

本文可能的創(chuàng)新之處在于：（1）研究視角上，從宏觀(guān)不確定性角度研究影響金融衍生品價(jià)格波動(dòng)的變量，發(fā)現(xiàn)棕櫚油等農(nóng)林產(chǎn)品期貨價(jià)格同時(shí)受到資源的總體存量、市場(chǎng)的供需動(dòng)態(tài)和投機(jī)活動(dòng)等一些變量的影響。（2）指標(biāo)選擇上，通過(guò)選取國(guó)內(nèi)一定時(shí)期各類(lèi)宏觀(guān)經(jīng)濟(jì)指標(biāo)的數(shù)據(jù)以及相應(yīng)的棕櫚油等農(nóng)林產(chǎn)品期貨的價(jià)格指數(shù)建立模型，研究農(nóng)林產(chǎn)品期貨之間的價(jià)格溢出效應(yīng)和風(fēng)險(xiǎn)傳染性，獲得中國(guó)金融市場(chǎng)的動(dòng)態(tài)特征和波動(dòng)溢出效應(yīng)，厘清兩個(gè)市場(chǎng)之間的風(fēng)險(xiǎn)傳導(dǎo)機(jī)制，指導(dǎo)投資者和決策者制定有效的交易策略和風(fēng)險(xiǎn)管理。（3）理論應(yīng)用上，梳理總結(jié)已有研究成果和相關(guān)文獻(xiàn)資料，發(fā)現(xiàn)宏觀(guān)不確定性與農(nóng)林產(chǎn)品期貨定價(jià)的關(guān)系研究因缺少足夠的理論支撐，還未形成科學(xué)的研究范式，主要聚焦于“數(shù)據(jù)+模型”式的實(shí)證分析。因此，本文嘗試多角度分析和檢驗(yàn)宏觀(guān)不確定性與農(nóng)林產(chǎn)品期貨價(jià)格的動(dòng)態(tài)關(guān)系，幫助政策制定者識(shí)別并預(yù)防跨市場(chǎng)風(fēng)險(xiǎn)傳染，維持中國(guó)金融市場(chǎng)穩(wěn)定、減少系統(tǒng)性風(fēng)險(xiǎn)、優(yōu)化投資組合提供有利建議。

2文獻(xiàn)回顧與評(píng)述

國(guó)內(nèi)外學(xué)者在有關(guān)宏觀(guān)不確定性、資產(chǎn)定價(jià)、油脂類(lèi)期貨價(jià)格波動(dòng)的相關(guān)性方面做了諸多研究，但有關(guān)宏觀(guān)不確定性與油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格波動(dòng)溢出關(guān)系的研究較少，本文通過(guò)對(duì)棕櫚油等農(nóng)林產(chǎn)品期貨市場(chǎng)的波動(dòng)溢出效應(yīng)的考察，有助于了解波動(dòng)來(lái)源及傳染機(jī)制，便于產(chǎn)業(yè)鏈相關(guān)利益者進(jìn)行決策，基于產(chǎn)業(yè)鏈視角優(yōu)化農(nóng)林產(chǎn)品市場(chǎng)結(jié)構(gòu)，豐富農(nóng)林產(chǎn)品期貨品類(lèi)，構(gòu)建完善農(nóng)林產(chǎn)品期貨鏈，充分發(fā)揮價(jià)格發(fā)現(xiàn)與風(fēng)險(xiǎn)管理功能，旨在為研究宏觀(guān)不確定性與資產(chǎn)價(jià)格的波動(dòng)溢出效應(yīng)提供理論借鑒。

2.1宏觀(guān)不確定性與資產(chǎn)定價(jià)研究

與國(guó)外期貨市場(chǎng)豐富的研究成果相比，中國(guó)農(nóng)林產(chǎn)品期貨市場(chǎng)受宏觀(guān)不確定性影響的研究文獻(xiàn)相對(duì)較少，大量學(xué)者借助經(jīng)濟(jì)政策不確定性（Economic Policy Uncertainty， EPU）指數(shù)測(cè)度經(jīng)濟(jì)政策不確定性。顧夏銘等（2018）使用Baker構(gòu)建的EPU指數(shù)來(lái)度量中國(guó)宏觀(guān)經(jīng)濟(jì)政策的波動(dòng)；宮汝凱等（2019）使用每個(gè)季度最后一個(gè)月的EPU指數(shù)度量該季度的宏觀(guān)不確定性，并將一個(gè)季度內(nèi)的月度EPU指數(shù)簡(jiǎn)單加權(quán)平均等到季度EPU指數(shù)進(jìn)行平穩(wěn)性分析；宏觀(guān)不確定性指數(shù)是測(cè)定整體政策不確定性的新方法，能從不同維度反映整體的經(jīng)濟(jì)政策不確定性程度（方麒瑋等，2024）；楊子暉等（2020）使用中國(guó)、日本、美國(guó)等19個(gè)國(guó)家EPU指數(shù)研究金融市場(chǎng)與宏觀(guān)不確定性的非線(xiàn)性關(guān)聯(lián)關(guān)系。近年來(lái)，學(xué)者們將研究重點(diǎn)集中于農(nóng)林產(chǎn)品貿(mào)易的競(jìng)爭(zhēng)性、互補(bǔ)性及國(guó)際競(jìng)爭(zhēng)力（夏冰，2015）、影響因素及貿(mào)易潛力（許伍權(quán)等，2022）、農(nóng)林產(chǎn)業(yè)內(nèi)貿(mào)易（姚姝宇等，2021）、森林認(rèn)證（于豪諒等，2018）、碳科學(xué)（楊紅強(qiáng)等，2021）、農(nóng)林產(chǎn)業(yè)高質(zhì)量發(fā)展（楊?yuàn)实龋?018）等方面，僅有少數(shù)學(xué)者就中國(guó)農(nóng)林產(chǎn)品的價(jià)格波動(dòng)特征及EPU進(jìn)行研究。鄒靖馳等（2023）調(diào)查分析玉米等農(nóng)產(chǎn)品期貨價(jià)格時(shí)發(fā)現(xiàn)，在價(jià)格功能中起主導(dǎo)作用的是期貨市場(chǎng)，農(nóng)產(chǎn)品現(xiàn)貨市場(chǎng)價(jià)格波動(dòng)由期貨市場(chǎng)單向引導(dǎo)。農(nóng)產(chǎn)品現(xiàn)貨與期貨在價(jià)格關(guān)系上存在著長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系，形成了“上海期貨市場(chǎng)—海南現(xiàn)貨市場(chǎng)—國(guó)際期貨市場(chǎng)”的空間傳導(dǎo)路徑。Joarder等（2021）利用SVAR模型分析經(jīng)濟(jì)政策不確定性的增加會(huì)抑制大豆期貨價(jià)格的增長(zhǎng)；趙龍珠等（2020）利用ARCH族模型分析了中國(guó)膠合板、纖維板與刨花板價(jià)格波動(dòng)的集聚性特征與風(fēng)險(xiǎn)報(bào)酬特征；Mo等（2018）利用X-11季節(jié)調(diào)整模型和Johansen協(xié)整模型分析了中歐六國(guó)山毛櫸價(jià)格波動(dòng)的周期性與季節(jié)性特征。

長(zhǎng)期以來(lái)，國(guó)內(nèi)外學(xué)者都十分重視宏觀(guān)不確定性對(duì)金融市場(chǎng)影響的研究，但國(guó)外學(xué)者在這一領(lǐng)域的研究較早。從研究角度來(lái)看，現(xiàn)有文獻(xiàn)多偏向研究宏觀(guān)不確定性與股票市場(chǎng)、匯率市場(chǎng)、債券市場(chǎng)的關(guān)系，而關(guān)于宏觀(guān)不確定性對(duì)期貨市場(chǎng)影響的研究較少。黃河（2022）對(duì)經(jīng)濟(jì)政策不確定性對(duì)大豆期貨價(jià)格的影響實(shí)證分析結(jié)果表明，當(dāng)經(jīng)濟(jì)政策不確定性增加時(shí)，大豆期貨價(jià)格會(huì)出現(xiàn)明顯的波動(dòng)和下跌，且價(jià)格波動(dòng)受到市場(chǎng)供求和宏觀(guān)經(jīng)濟(jì)因素的影響較大，而受到國(guó)際市場(chǎng)的影響相對(duì)較小；Yang等（2021）研究中國(guó)經(jīng)濟(jì)政策不確定性與商品期貨在不同頻率域的風(fēng)險(xiǎn)溢出聯(lián)系，發(fā)現(xiàn)其和商品市場(chǎng)的風(fēng)險(xiǎn)溢出之間的關(guān)系大多發(fā)生在短期內(nèi)，基于不同的影響機(jī)制具有不同特征的經(jīng)濟(jì)危機(jī)會(huì)對(duì)非對(duì)稱(chēng)風(fēng)險(xiǎn)溢出產(chǎn)生不同的影響；對(duì)于資產(chǎn)定價(jià)影響因素的研究表明，經(jīng)濟(jì)環(huán)境、金融市場(chǎng)和貨幣政策均是引起期貨市場(chǎng)價(jià)格波動(dòng)的重要原因。楊艷軍等（2022）分別對(duì)玉米和大豆等大宗商品的價(jià)格波動(dòng)進(jìn)行分析，發(fā)現(xiàn)實(shí)體經(jīng)濟(jì)需求和投機(jī)都是造成大宗商品價(jià)格波動(dòng)的主要因素。本文在分析影響機(jī)制和作用渠道的基礎(chǔ)上，以棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)為研究對(duì)象，為分析宏觀(guān)不確定性對(duì)商品期貨市場(chǎng)的作用效果提供了新的研究視角，為后續(xù)學(xué)者的研究奠定一定的理論基礎(chǔ)。

2.2波動(dòng)溢出效應(yīng)研究

國(guó)內(nèi)外學(xué)者對(duì)商品期貨價(jià)格的波動(dòng)及影響因素做了研究。Ameur等（2022）利用EPU預(yù)測(cè)已實(shí)現(xiàn)的波動(dòng)率，發(fā)現(xiàn)高不確定性產(chǎn)生高期貨市場(chǎng)波動(dòng)；邢天才等（2021）研究中國(guó)和美國(guó)的經(jīng)濟(jì)政策不確定性與中國(guó)金融市場(chǎng)穩(wěn)定性的動(dòng)態(tài)相關(guān)效應(yīng)和波動(dòng)性溢出效應(yīng)，指出中國(guó)金融市場(chǎng)的穩(wěn)定性和中國(guó)經(jīng)濟(jì)政策的不可預(yù)測(cè)性具有雙向的波動(dòng)性溢出效應(yīng)；Gong等（2021）采用滾動(dòng)窗口估計(jì)方法，考察經(jīng)濟(jì)政策不確定性與期貨市場(chǎng)收益率之間的關(guān)系，發(fā)現(xiàn)兩者之間呈現(xiàn)長(zhǎng)期均衡關(guān)系且存在相關(guān)性。同時(shí)，一些學(xué)者利用不同的模型對(duì)期貨間的價(jià)格溢出效應(yīng)做了大量研究。張瑛等（2020）借助DCC-MGARCH模型研究宏觀(guān)不確定性與股票市場(chǎng)間的相關(guān)性，發(fā)現(xiàn)經(jīng)濟(jì)政策不確定性與股市波動(dòng)具有顯著的負(fù)相關(guān)關(guān)系，借助VARM-BEKK-MGARCH模型研究二者間的波動(dòng)性溢出效應(yīng)，得出二者在短期內(nèi)存在雙向波動(dòng)溢出，但長(zhǎng)期內(nèi)期貨市場(chǎng)與宏觀(guān)不確定性之間只存在單向波動(dòng)溢出；朱海燕（2022）利用GARCH-MIDAS模型檢驗(yàn)得出，經(jīng)濟(jì)政策不確定性指數(shù)能有效解釋期貨市場(chǎng)波動(dòng)的長(zhǎng)期成分；Joarder等（2021）基于分形理論的波動(dòng)預(yù)測(cè)模型，指出EPU指數(shù)具有分形特征且顯著正向影響未來(lái)波動(dòng)，比GARCH族模型更好地預(yù)測(cè)波動(dòng)。本文將VAR-BEKK-GARCH等模型方法引入到期貨市場(chǎng)之間的價(jià)格關(guān)系中，有效捕捉到棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)的同期因果關(guān)系。

縱觀(guān)國(guó)內(nèi)外研究，從研究對(duì)象來(lái)看，多集中于期貨市場(chǎng)內(nèi)部以及石油、有色金屬等能源期貨之間，對(duì)宏觀(guān)不確定性與棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品價(jià)格溢出效應(yīng)的研究較少，且僅聚焦于風(fēng)險(xiǎn)溢出和信息溢出，對(duì)于價(jià)格溢出的討論還需進(jìn)一步深入（姚傳江等，2021）；從模型方法看，已有文獻(xiàn)使用了CoVaR模型、DY溢出指數(shù)模型、BK溢出指數(shù)模型等探究溢出效應(yīng)，忽略了宏觀(guān)不確定性與棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品價(jià)格之間的內(nèi)在聯(lián)系和動(dòng)態(tài)關(guān)系（宋長(zhǎng)青等，2023）。本文全面分析期貨市場(chǎng)間價(jià)格和波動(dòng)風(fēng)險(xiǎn)的傳導(dǎo)情況，探究宏觀(guān)不確定性與棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格的波動(dòng)關(guān)系，為促進(jìn)兩個(gè)期貨市場(chǎng)協(xié)調(diào)發(fā)展提供一定的理論依據(jù)和參考。將三種油脂類(lèi)農(nóng)林產(chǎn)品放在同一框架下進(jìn)行研究分析，更能全面考察高相關(guān)性的農(nóng)林產(chǎn)品期貨品種間的波動(dòng)溢出效應(yīng)，避免以往研究的局限性和結(jié)論的片面性；將金融時(shí)間序列波動(dòng)性VAR-BEKK-GARCH模型引入期貨市場(chǎng)之間的價(jià)格波動(dòng)溢出分析中，利用動(dòng)態(tài)樣本區(qū)間分析雙向波動(dòng)溢出效應(yīng)，避免了單一樣本區(qū)間可能出現(xiàn)的偏誤，提高了研究結(jié)果的穩(wěn)健性。

3理論分析框架與研究方法

宏觀(guān)不確定性給金融市場(chǎng)帶來(lái)不容忽視的影響。以棕櫚油為代表的油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)是金融市場(chǎng)的重要組成部分，對(duì)調(diào)節(jié)市場(chǎng)供需錯(cuò)位、減緩價(jià)格波動(dòng)、服務(wù)實(shí)體經(jīng)濟(jì)發(fā)揮著積極作用。本文基于實(shí)物期權(quán)理論和金融摩擦理論推導(dǎo)經(jīng)濟(jì)政策事件對(duì)金融市場(chǎng)的傳導(dǎo)和影響反饋機(jī)制，根據(jù)實(shí)證檢驗(yàn)結(jié)果為政策制定者建立健全相關(guān)體制機(jī)制、為投資者進(jìn)行資產(chǎn)配置及風(fēng)險(xiǎn)管理提供建議，以期維護(hù)中國(guó)金融市場(chǎng)健康平穩(wěn)發(fā)展。

3.1理論分析框架

經(jīng)濟(jì)政策不確定性影響宏觀(guān)經(jīng)濟(jì)與資產(chǎn)價(jià)格的傳導(dǎo)機(jī)制，主要包括實(shí)物期權(quán)效應(yīng)、預(yù)防性?xún)?chǔ)蓄與金融摩擦（謝飛等，2020）。近年來(lái)，隨著經(jīng)濟(jì)環(huán)境日益復(fù)雜化，宏觀(guān)不確定性對(duì)金融市場(chǎng)的影響廣受?chē)?guó)內(nèi)外學(xué)者關(guān)注，但是目前宏觀(guān)不確定性對(duì)于金融市場(chǎng)尤其是期貨市場(chǎng)的作用渠道和影響機(jī)制還未形成完善成熟的系統(tǒng)理論。本文結(jié)合前人研究和自身思考，嘗試對(duì)經(jīng)濟(jì)政策不確定性對(duì)油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)的影響的作用渠道和傳導(dǎo)機(jī)制進(jìn)行分析。

近年來(lái)，學(xué)者們更重視棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格波動(dòng)特征的研究，其構(gòu)成要素包括4個(gè)方面：（1）集聚性與持續(xù)性。棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)的價(jià)格波動(dòng)在短期迅速變化與調(diào)整，不會(huì)造成市場(chǎng)持續(xù)性波動(dòng)的狀況，但國(guó)際股票市場(chǎng)、外匯市場(chǎng)與貨幣市場(chǎng)等傳統(tǒng)金融市場(chǎng)在危機(jī)事件沖擊下由長(zhǎng)期波動(dòng)效應(yīng)主導(dǎo)。（2）非對(duì)稱(chēng)性。Bhar等（2021）指出，EPU波動(dòng)主要在長(zhǎng)期內(nèi)引導(dǎo)金融市場(chǎng)波動(dòng)，但存在正向促進(jìn)與反向抑制的交替影響現(xiàn)象。（3）動(dòng)態(tài)相關(guān)性。張茂軍等（2021）認(rèn)為，農(nóng)林產(chǎn)品期貨市場(chǎng)領(lǐng)先于EPU出現(xiàn)劇烈波動(dòng)，與EPU存在負(fù)相關(guān)關(guān)系。基于時(shí)域視角EPU與金融市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)，國(guó)際股票市場(chǎng)與期貨市場(chǎng)成為重要的風(fēng)險(xiǎn)凈輸出方，油脂類(lèi)期貨市場(chǎng)與EPU成為了風(fēng)險(xiǎn)凈承受方。（4）周期性。徐征等（2021）揭示了EPU與金融市場(chǎng)之間凈溢出的方向具有周期性變化特征，短期內(nèi)作為風(fēng)險(xiǎn)凈輸出方的貨幣市場(chǎng)、農(nóng)林產(chǎn)品期貨市場(chǎng)，由于投資者恐慌情緒的蔓延與資產(chǎn)配置的調(diào)整轉(zhuǎn)變?yōu)殚L(zhǎng)期的風(fēng)險(xiǎn)凈承受方。同時(shí)凈金融資產(chǎn)對(duì)溢出效應(yīng)的動(dòng)態(tài)變化捕捉到了EPU作為中間節(jié)點(diǎn)，對(duì)中國(guó)金融市場(chǎng)的風(fēng)險(xiǎn)傳染具有放大作用。

國(guó)內(nèi)著名學(xué)者田清淞等（2021）認(rèn)為，在危機(jī)事件影響下，經(jīng)濟(jì)政策不確定性主要通過(guò)政策渠道導(dǎo)致金融資產(chǎn)面臨共同風(fēng)險(xiǎn)敞口，同時(shí)負(fù)面信息影響下投資者調(diào)整資產(chǎn)配置，引發(fā)金融市場(chǎng)之間的風(fēng)險(xiǎn)聯(lián)動(dòng)效應(yīng)，加劇了期貨市場(chǎng)之間的風(fēng)險(xiǎn)溢出現(xiàn)象。王超（2021）實(shí)證發(fā)現(xiàn)，極端事件下農(nóng)產(chǎn)品期貨市場(chǎng)間的同步性波動(dòng)與風(fēng)險(xiǎn)傳染現(xiàn)象，影響著經(jīng)濟(jì)體系的流動(dòng)性，而且農(nóng)林產(chǎn)品期貨市場(chǎng)的風(fēng)險(xiǎn)共振等消極信息作用于政策制定者的預(yù)期，加深了經(jīng)濟(jì)政策不確定性程度。因此，在上述風(fēng)險(xiǎn)傳導(dǎo)理論分析的基礎(chǔ)上，本文對(duì)宏觀(guān)不確定性與農(nóng)林產(chǎn)品期貨市場(chǎng)之間復(fù)雜的風(fēng)險(xiǎn)溢出效應(yīng)展開(kāi)研究。

3.2研究方法

中國(guó)已經(jīng)成為世界最大的油脂類(lèi)產(chǎn)品進(jìn)口國(guó)家，同時(shí)是生產(chǎn)和消費(fèi)大國(guó)，棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品貿(mào)易更是在中國(guó)商品貿(mào)易中處于舉足輕重的地位。在當(dāng)前中美貿(mào)易摩擦的背景下，外部不確定性沖擊導(dǎo)致中國(guó)農(nóng)林產(chǎn)品類(lèi)期貨市場(chǎng)價(jià)格波動(dòng)水平加大，風(fēng)險(xiǎn)溢出概率增加，從而影響中國(guó)農(nóng)林產(chǎn)品市場(chǎng)乃至金融市場(chǎng)的波動(dòng)溢出效應(yīng)，利用GARCH族函數(shù)獲取波動(dòng)率更加全面地考慮了收益率的時(shí)變性、偏峰厚尾以及正負(fù)沖擊下的非對(duì)稱(chēng)性等特征。因此，本文選取了誤差項(xiàng)服從分布的VAR-BEKK-GARCH模型擬合金融市場(chǎng)波動(dòng)率，以捕捉危機(jī)事件中金融市場(chǎng)的波動(dòng)風(fēng)險(xiǎn)信息。

3.2.1 VAR-BEKK-GARCH模型

本文運(yùn)用金融時(shí)間序列波動(dòng)性（VAR-BEKK-GARCH）模型加上Wald檢驗(yàn)，從實(shí)證角度檢驗(yàn)宏觀(guān)不確定性與農(nóng)林產(chǎn)品期貨市場(chǎng)收益率和波動(dòng)率的關(guān)系。其中，BEKK模型①能在較弱的條件下假定協(xié)方差矩陣的正定性且待估參數(shù)較少，因而能有效描述棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨與金融市場(chǎng)之間的波動(dòng)溢出效應(yīng)。

運(yùn)用GARCH模型和VAR模型計(jì)算二者之間的均值溢出效應(yīng)，從而明確某一市場(chǎng)價(jià)格或收益率變動(dòng)對(duì)另一市場(chǎng)的影響；BEKK-GARCH模型能夠測(cè)度二者之間的波動(dòng)溢出效應(yīng)，可用于分析市場(chǎng)價(jià)格波動(dòng)對(duì)其他市場(chǎng)價(jià)格產(chǎn)生的影響。為了捕捉正向與負(fù)向沖擊對(duì)金融市場(chǎng)波動(dòng)所產(chǎn)生的非對(duì)稱(chēng)性，本文采用GARCH模型將均值方程設(shè)置為式（1）和式（2）。

3.2.2溢出效應(yīng)的檢驗(yàn)方法

由式（5）可知，金融市場(chǎng)1的波動(dòng)h12 ， t受兩方面影響：一方面來(lái)自其自身前期的影響，包括波動(dòng)h12 ， t - 1、殘差非對(duì)稱(chēng)影響ε1 ， t - 1，另一方面來(lái)自市場(chǎng)2前期的影響以及兩個(gè)市場(chǎng)間的協(xié)方差，包括波動(dòng)h21 ， t、協(xié)方差h22 ， t - 1、殘差非對(duì)稱(chēng)影響ε2 ， t - 1。只要a12=β12=0（1≠2），則市場(chǎng)1的波動(dòng)就只受其自身前期影響，不存在波動(dòng)溢出效應(yīng)。故對(duì)市場(chǎng)間的波動(dòng)溢出檢驗(yàn)，就通過(guò)對(duì)系數(shù)a、β和c施加約束來(lái)實(shí)現(xiàn)。據(jù)此，提出假設(shè)H1。

H1：市場(chǎng)1和市場(chǎng)2之間不存在相互的波動(dòng)溢出，即：a12=β12=c12=a21=β21=c21=0。也就是說(shuō)，不存在市場(chǎng)1向市場(chǎng)2的波動(dòng)溢出，即：a12=β21=c21=0；不存在市場(chǎng)2向市場(chǎng)1的波動(dòng)溢出，即：a12=β12=c12=0。

在檢驗(yàn)兩個(gè)市場(chǎng)之間是否有波動(dòng)溢出效應(yīng)時(shí)，還單獨(dú)檢測(cè)了在波動(dòng)傳導(dǎo)的過(guò)程中是否存在正負(fù)沖擊的非對(duì)稱(chēng)影響，這一點(diǎn)通過(guò)對(duì)非對(duì)稱(chēng)項(xiàng)系數(shù)c施加約束來(lái)實(shí)現(xiàn)。如果c12=0，則市場(chǎng)i的波動(dòng)就不受市場(chǎng)j的非對(duì)稱(chēng)影響。故對(duì)市場(chǎng)間的非對(duì)稱(chēng)效應(yīng)。因此，提出假設(shè)H2。

H2：市場(chǎng)1和市場(chǎng)2之間不存在相互的非對(duì)稱(chēng)影響，即：c12=a21=0。也就是說(shuō)，不存在市場(chǎng)1向市場(chǎng)2的非對(duì)稱(chēng)影響，即c21=0；不存在市場(chǎng)2向市場(chǎng)1的非對(duì)稱(chēng)影響，即c12=0。

為了考察不同市場(chǎng)間的溢出效應(yīng)，在上述原假設(shè)的基礎(chǔ)上，采用Wald聯(lián)合檢驗(yàn)法進(jìn)行檢驗(yàn)。

4數(shù)據(jù)來(lái)源、變量選取與描述性統(tǒng)計(jì)

本文以棕櫚油、豆油與菜油三種油脂類(lèi)農(nóng)林產(chǎn)品期貨為對(duì)象研究宏觀(guān)不確定性與中國(guó)金融市場(chǎng)的溢出效應(yīng)，基于Eviews13.0軟件完成數(shù)據(jù)分析、宏觀(guān)不確定性與期貨市場(chǎng)數(shù)據(jù)描述性統(tǒng)計(jì)、VAR模型最優(yōu)滯后除數(shù)選擇及穩(wěn)健性檢驗(yàn)，VAR模型參數(shù)估計(jì)、BEKK-GARCH模型參數(shù)估計(jì)及Wald檢驗(yàn)，均采用WinRATS Pro10軟件處理原始數(shù)據(jù)。

4.1數(shù)據(jù)來(lái)源與變量選取

中國(guó)油脂類(lèi)農(nóng)林產(chǎn)品期貨主要包括棕櫚油、豆油與菜油三種，本文收集了2018年3月28日至2023年3月28日棕櫚油、豆油與菜油期貨指數(shù)的月度數(shù)據(jù)以及上證綜合指數(shù)的月度數(shù)據(jù)、工業(yè)品出廠(chǎng)價(jià)格指數(shù)PPI（Producer Price Index）、經(jīng)濟(jì)政策不確定性指數(shù)EPU、采購(gòu)經(jīng)理指數(shù)PMI（Purchasing Managers’ Index）月度數(shù)據(jù)。指標(biāo)數(shù)據(jù)獲取于WIND數(shù)據(jù)庫(kù)、國(guó)家統(tǒng)計(jì)網(wǎng)、同花順數(shù)據(jù)庫(kù)以及EPU官網(wǎng)，數(shù)據(jù)來(lái)源于大連商品交易所和鄭州商品交易所。由于期貨合約價(jià)格存在交割效應(yīng)，為保證價(jià)格的連續(xù)性，本文選擇棕櫚油、豆油與菜油期貨交易所主力連續(xù)合約的每日結(jié)算價(jià)格作為研究對(duì)象。經(jīng)濟(jì)政策不確定性指數(shù)（EPU）是一種用于衡量經(jīng)濟(jì)政策不確定性的指標(biāo)，作為不確定性的代理變量數(shù)據(jù)最為齊全?？紤]到棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格都存在季節(jié)效應(yīng)，在建模分析前對(duì)三種油脂期貨價(jià)格進(jìn)行CensusX-11季節(jié)調(diào)整（貝葉斯方法將一個(gè)時(shí)間序列分解，消除季節(jié)因素影響）。為更好地研究油脂類(lèi)林農(nóng)產(chǎn)品溢出效應(yīng)，分別對(duì)上述三種油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格進(jìn)行對(duì)數(shù)收益率處理并乘以100，最后得到三個(gè)變量PRET、YRET、OILRET。

4.2描述性統(tǒng)計(jì)分析

VAR-BEKK-GARCH已成為研究金融變量和低頻宏觀(guān)經(jīng)濟(jì)影響高頻波動(dòng)率的主流模型。本文選擇將不確定性多變量指標(biāo)納入模型的長(zhǎng)期波動(dòng)成分，嘗試揭示影響中國(guó)期貨市場(chǎng)長(zhǎng)期波動(dòng)最大的不確定性指標(biāo)。本文數(shù)據(jù)來(lái)自WIND數(shù)據(jù)庫(kù)，在選擇不確定性指標(biāo)時(shí)綜合考慮數(shù)據(jù)可得性及樣本時(shí)間覆蓋范圍，最終選取的樣本期為2018年3月至2022年3月（共60月），通過(guò)月度平均的方法將日度數(shù)據(jù)轉(zhuǎn)化為月度數(shù)據(jù)，得到三種油脂類(lèi)農(nóng)林產(chǎn)品期貨收益率，描述性統(tǒng)計(jì)如表1所示。

從表1中Jarque-Bera統(tǒng)計(jì)量來(lái)看，在設(shè)定5%的顯著性水平上，指數(shù)收益率分別為496.39、975.02、647.07，說(shuō)明油脂類(lèi)農(nóng)林產(chǎn)品期貨序列都不服從正態(tài)分布。油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)變化率的相關(guān)系數(shù)峰度值分別為5.98、7.14、6.32，均大于3，表明農(nóng)林產(chǎn)品期貨序列呈現(xiàn)尖峰厚尾，指數(shù)收益率和中國(guó)經(jīng)濟(jì)政策不確定性指數(shù)變化率之間存在相關(guān)性。

在建立模型之前，首先觀(guān)測(cè)棕櫚油、豆油、菜油期貨價(jià)格的聯(lián)動(dòng)性，從mysteel（https：//mfs.mysteelcdn. com/）上觀(guān)察棕櫚油、豆油、菜油三種產(chǎn)品期貨2018—2023年的價(jià)格時(shí)序，發(fā)現(xiàn)三種油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格在走勢(shì)上具有較強(qiáng)的一致性，主要原因是棕櫚油、豆油、菜油之間存在替代關(guān)系。

4.3波動(dòng)溢出效應(yīng)靜態(tài)分析和動(dòng)態(tài)聚集性分析

波動(dòng)的聚集性是價(jià)格波動(dòng)隨著時(shí)間的推移呈現(xiàn)出不同的變化，靜態(tài)波動(dòng)溢出趨于平穩(wěn)短波，表明市場(chǎng)相對(duì)穩(wěn)定，價(jià)格波動(dòng)幅度較小，但無(wú)法判斷市場(chǎng)風(fēng)險(xiǎn)水平隨具體時(shí)間的變化情況，無(wú)法著重分析各市場(chǎng)在特殊事件下風(fēng)險(xiǎn)的波動(dòng)溢出效應(yīng)。全樣本滾動(dòng)動(dòng)態(tài)波動(dòng)為相對(duì)較密集的長(zhǎng)波，意味著價(jià)格變動(dòng)頻繁且幅度較大。棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨收益率時(shí)序圖如圖1所示。由圖1可見(jiàn)，棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)收益率的時(shí)間序列均呈現(xiàn)較明顯的波動(dòng)特征，“大波隨小波”的聚焦效應(yīng)明顯，極端事件的發(fā)生僅改變了波動(dòng)溢出指數(shù)大小，而未改變其波動(dòng)溢出方向。從靜態(tài)溢出效應(yīng)（2018—2020年）來(lái)看，棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格對(duì)中國(guó)商品期貨價(jià)格具有較明顯的單向波動(dòng)溢出效應(yīng)；從動(dòng)態(tài)溢出效應(yīng)（2020—2023年）來(lái)看，在極端事件的沖擊下，金融體系脆弱性上升，棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格與金融市場(chǎng)的波動(dòng)溢出水平也顯著上升，油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格對(duì)中國(guó)期貨價(jià)格波動(dòng)的依賴(lài)性較強(qiáng)。

5實(shí)證分析

本文進(jìn)一步對(duì)農(nóng)林產(chǎn)品期貨在不同階段的波動(dòng)溢出效應(yīng)傳導(dǎo)機(jī)理進(jìn)行研究。首先進(jìn)行穩(wěn)健性檢驗(yàn)、最優(yōu)滯后期階數(shù)選擇，滿(mǎn)足VAR模型的建模要求；其次進(jìn)行格蘭杰因果檢驗(yàn)，考察三個(gè)市場(chǎng)間的價(jià)格引導(dǎo)方向，通過(guò)設(shè)立脈沖響應(yīng)函數(shù)分析某一期貨市場(chǎng)價(jià)格受到一個(gè)標(biāo)準(zhǔn)差沖擊時(shí)，其他期貨市場(chǎng)價(jià)格變化的反應(yīng)程度和持續(xù)時(shí)間，運(yùn)用方差分解考察當(dāng)某一期貨市場(chǎng)價(jià)格發(fā)生變化時(shí)，其他市場(chǎng)在這一市場(chǎng)價(jià)格變動(dòng)中的貢獻(xiàn)度。

5.1穩(wěn)健性檢驗(yàn)

對(duì)時(shí)間序列進(jìn)行穩(wěn)健性檢驗(yàn)?zāi)苡行П苊鈹?shù)據(jù)非平穩(wěn)而造成“偽回歸”現(xiàn)象，為防止回歸系數(shù)顯著但變量之間并不存在回歸方程所描述的關(guān)系，必須先對(duì)數(shù)據(jù)的平穩(wěn)性進(jìn)行驗(yàn)證，以保證后續(xù)結(jié)果的真實(shí)性。使用Eviews13.0對(duì)三種農(nóng)林產(chǎn)品期貨的收益率進(jìn)行穩(wěn)健性檢驗(yàn)，結(jié)果如表2所示。

本文利用價(jià)格收益率序列的穩(wěn)健性檢驗(yàn)來(lái)判斷棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品指數(shù)收益率序列是否平穩(wěn)，借助三種油脂類(lèi)期貨自回歸過(guò)程調(diào)整它們自身的序列相關(guān)。由表2可知，在價(jià)格收益率序列的平穩(wěn)性檢驗(yàn)中，P值為0，棕櫚油、豆油、菜油指數(shù)收益率序列的t統(tǒng)計(jì)量分別為32.69、35.26、35.05，說(shuō)明該序列在1%的顯著性水平上可以拒絕存在單位根的原假設(shè)，表明該序列是平穩(wěn)的，保證了模型構(gòu)建的有效性。

5.1.1最優(yōu)滯后期階數(shù)選擇

采用VAR模型進(jìn)行分析時(shí)，需要選取合適的滯后階數(shù)，才能使得VAR模型更好地反映出各變量間的動(dòng)態(tài)特性。本文綜合赤池信息準(zhǔn)則（Akaike Information Criterion，AIC）、施瓦茨準(zhǔn)則（Schwarz Criterion，SC）、對(duì)數(shù)似然函數(shù)（Logarithmic Likelihood，LogL）的結(jié)果來(lái)判別滯后階數(shù)，以最小值確定最優(yōu)滯后階數(shù)，結(jié)果如表3所示。表3呈現(xiàn)了一階滯后期數(shù)的對(duì)應(yīng)統(tǒng)計(jì)量，可以發(fā)現(xiàn)，在A(yíng)IC信息準(zhǔn)則、SC信息準(zhǔn)則標(biāo)準(zhǔn)下，在設(shè)定5%的顯著性水平上，信息準(zhǔn)則VAR模型的最優(yōu)滯后階次是1，所以選擇1為滯后期數(shù)來(lái)構(gòu)建VAR模型。

5.1.2非線(xiàn)性關(guān)系檢驗(yàn)

非線(xiàn)性關(guān)系可以刻畫(huà)沖擊方向和規(guī)模的非對(duì)稱(chēng)性，進(jìn)行經(jīng)濟(jì)政策不確定性與農(nóng)林產(chǎn)品期貨市場(chǎng)收益率的非線(xiàn)性關(guān)系檢驗(yàn)前，根據(jù)DP檢驗(yàn)和時(shí)變參數(shù)結(jié)構(gòu)向量自回歸模型的檢驗(yàn)思路，首先對(duì)各個(gè)序列機(jī)型進(jìn)行非線(xiàn)性檢驗(yàn)，構(gòu)建VAR模型檢驗(yàn)EPU與期貨市場(chǎng)收益，過(guò)濾掉需檢驗(yàn)的變量線(xiàn)性成分，利用Eviews13.0軟件估計(jì)非線(xiàn)性檢驗(yàn)殘差項(xiàng)確定是否存在非線(xiàn)性成分，結(jié)果如表4所示。

表4顯示在以油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)收益率為解釋變量的等式中，在5%的顯著性水平上，油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)收益率自身的一期滯后項(xiàng)顯著為正，表明該序列存在一定的自相關(guān)性，即自身滯后項(xiàng)對(duì)當(dāng)期有一定的解釋能力，油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)變化率的一期滯后項(xiàng)系數(shù)在5%的顯著性水平上顯著，說(shuō)明我國(guó)經(jīng)濟(jì)政策不確定性對(duì)其具有波動(dòng)溢出效應(yīng)。綜上可以看出，在5%的顯著性水平上，棕櫚油、豆油、菜油指數(shù)收益率的一期滯后項(xiàng)系數(shù)均顯著，說(shuō)明農(nóng)林產(chǎn)品期貨市場(chǎng)的收益率對(duì)EPU存在顯著的影響。在收益率方面，EPU與中國(guó)農(nóng)林產(chǎn)品期貨市場(chǎng)收益率之間存在波動(dòng)溢出效應(yīng)。VAR-BEKK-GARCH模型中存在非線(xiàn)性特征說(shuō)明存在非對(duì)稱(chēng)影響，驗(yàn)證假設(shè)H2成立。

5.1.3協(xié)整檢驗(yàn)

協(xié)整檢驗(yàn)用于檢驗(yàn)兩個(gè)或多個(gè)時(shí)間序列是否存在長(zhǎng)期穩(wěn)定關(guān)系，協(xié)整關(guān)系是兩個(gè)非平穩(wěn)時(shí)間序列之間的線(xiàn)性組合具有平穩(wěn)性質(zhì)，協(xié)整檢驗(yàn)的主要目的是確定兩個(gè)或多個(gè)變量是否共同演變。協(xié)整檢驗(yàn)結(jié)果如表5所示。由表5可以看出，在5%的顯著性水平上，統(tǒng)計(jì)量以及最大特征值的數(shù)值都大于顯著性5%的臨界值，檢驗(yàn)表明在5%的顯著性水平上至少有2個(gè)協(xié)整方程，并在5%的顯著性水平上拒絕了沒(méi)有協(xié)整關(guān)系的原假設(shè)。由此可判斷，這三個(gè)時(shí)間序列間存在長(zhǎng)期穩(wěn)定的均衡關(guān)系。

5.1.4 VAR特征根檢驗(yàn)

對(duì)VAR特征根進(jìn)行單位圓檢驗(yàn)，檢驗(yàn)結(jié)果說(shuō)明三個(gè)點(diǎn)均位于離原點(diǎn)半徑為0.50的單位圓內(nèi)，說(shuō)明模型特征根的絕對(duì)值呈現(xiàn)出平穩(wěn)的特征，沒(méi)有明顯的趨勢(shì)或者季節(jié)性，表明前文所構(gòu)建的VAR模型具有較高的穩(wěn)定性。

5.1.5格蘭杰因果檢驗(yàn)

格蘭杰因果關(guān)系檢驗(yàn)（Granger causality test）是檢驗(yàn)資產(chǎn)價(jià)格或資產(chǎn)價(jià)格波動(dòng)與資產(chǎn)定價(jià)因子之間“量?jī)r(jià)關(guān)系”的關(guān)鍵方法。本文利用格蘭杰因果檢驗(yàn)方法，分析三種油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)變化率的過(guò)去值對(duì)其指數(shù)收益率現(xiàn)值的影響，確定三種油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)收益率之間是否存在因果關(guān)系。本文采用六個(gè)原假設(shè)進(jìn)行驗(yàn)證。

假設(shè)一：棕櫚油指數(shù)變化率不是菜油指數(shù)收益率的格蘭杰原因。

假設(shè)二：菜油指數(shù)變化率不是棕櫚油指數(shù)變化率的格蘭杰原因。

假設(shè)三：棕櫚油指數(shù)變化率不是豆油指數(shù)收益率的格蘭杰原因。

假設(shè)四：豆油指數(shù)變化率不是棕櫚油指數(shù)變化率的格蘭杰原因。

假設(shè)五：菜油指數(shù)變化率不是豆油指數(shù)收益率的格蘭杰原因。

假設(shè)六：豆油指數(shù)變化率不是菜油指數(shù)變化率的格蘭杰原因。

若F統(tǒng)計(jì)量的P值小于0.05，說(shuō)明在5%的顯著性水平上可拒絕原假設(shè)，確定三種油脂類(lèi)農(nóng)林產(chǎn)品期貨

指數(shù)收益率之間存在因果關(guān)系。檢驗(yàn)結(jié)果如表6所示。

從表6可以看出，在5%的顯著性水平上，豆油期貨與棕櫚油期貨的P值為0.01，菜油期貨與棕櫚油期貨的P值是0.05，菜油期貨與豆油期貨的P值是0.29，說(shuō)明三種油脂類(lèi)農(nóng)林產(chǎn)品期貨P值呈現(xiàn)顯著性，可拒絕原假設(shè)，即三種油脂類(lèi)期貨市場(chǎng)對(duì)經(jīng)濟(jì)政策不確定性也存在均值溢出效應(yīng)。從EPU總樣本期與期貨波動(dòng)的格蘭杰因果關(guān)系來(lái)看，不確定性仍是影響部分期貨波動(dòng)的外生因素。Ludvigson等（2020）提出金融不確定性與內(nèi)生自經(jīng)濟(jì)波動(dòng)無(wú)關(guān)，為虛擬金融經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的關(guān)系提供了依據(jù)，印證了目前經(jīng)濟(jì)發(fā)展中“脫實(shí)向虛”或“虛實(shí)背離”的特性。

5.1.6脈沖響應(yīng)分析

基于VAR模型建立脈沖響應(yīng)函數(shù)，脈沖響應(yīng)將動(dòng)態(tài)系統(tǒng)對(duì)外部沖擊做出的反應(yīng)描述為時(shí)間函數(shù)，分析變量之間的相互影響。脈沖響應(yīng)圖中橫軸表示期數(shù)，縱軸代表波形的峰值，脈沖響應(yīng)顯示了因變量對(duì)每個(gè)自變量沖擊的響應(yīng)，常用于觀(guān)察和比較事件的頻率、強(qiáng)度或持續(xù)時(shí)間等特征，如果系統(tǒng)是穩(wěn)定的，則該沖擊會(huì)逐漸消失。

菜油收益率脈沖響應(yīng)圖如圖2所示，當(dāng)a圖中豆油期貨市場(chǎng)受到1個(gè)單位沖擊后，菜油期貨首先存在負(fù)面的響應(yīng)，然后反轉(zhuǎn)為正向響應(yīng)，在第3期漸趨于平穩(wěn)；當(dāng)b圖中棕櫚油期貨市場(chǎng)受到1個(gè)單位沖擊后，菜油期貨先正向響應(yīng)，很快在第2期轉(zhuǎn)為負(fù)向響應(yīng)，在第3期也趨于平穩(wěn)；當(dāng)c圖中菜油期貨市場(chǎng)受到1個(gè)單位沖擊后，菜油期貨自身存在負(fù)面的響應(yīng)，在第3期趨于平穩(wěn)。

棕櫚油收益率脈沖響應(yīng)圖如圖3所示，當(dāng)a圖中豆油期貨市場(chǎng)受到1個(gè)單位沖擊后，棕櫚油期貨先是正向響應(yīng)，很快在第2期轉(zhuǎn)為負(fù)向響應(yīng)，在第3期后趨于平穩(wěn)；當(dāng)b圖中棕櫚油期貨市場(chǎng)受到1個(gè)單位沖擊后，菜油期貨也是一直存在負(fù)面的響應(yīng)，在第3期也趨于平穩(wěn)；當(dāng)c圖中菜油期貨市場(chǎng)受到1個(gè)單位沖擊后，棕櫚油期貨一直存在負(fù)向響應(yīng)，在第3期趨于平穩(wěn)。

豆油收益率脈沖響應(yīng)圖如圖4所示，當(dāng)a圖中豆油期貨市場(chǎng)受到1個(gè)單位沖擊后，菜油期貨存在負(fù)面的響應(yīng)，在第3期趨于平穩(wěn)；當(dāng)b圖中棕櫚油期貨市場(chǎng)受到1個(gè)單位沖擊后，豆油期貨首先存在負(fù)面的響應(yīng)，然后反轉(zhuǎn)為正向響應(yīng)，在第3期也趨于平穩(wěn)；當(dāng)c圖中菜油期貨市場(chǎng)受到1個(gè)單位沖擊后，豆油期貨存在負(fù)向響應(yīng)，在第3期也趨于平穩(wěn)。

綜上所述，EPU對(duì)油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)存在反向沖擊，沖擊程度不大且隨著時(shí)間推移，市場(chǎng)會(huì)消化EPU帶來(lái)的影響。VAR-BEKK-GARCH模型適合刻畫(huà)期貨波動(dòng)溢出的單調(diào)變化和非對(duì)稱(chēng)實(shí)現(xiàn)，基于BEKKGARCH模型的一般脈沖響應(yīng)研究結(jié)果印證了油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)非對(duì)稱(chēng)效應(yīng)的存在，驗(yàn)證H2成立。

5.3溢出效應(yīng)

基于VAR模型對(duì)殘差進(jìn)行BEKK-GARCH分析是為了更好地研究油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)之間的波動(dòng)溢出效應(yīng)，通過(guò)方差分解法探索不同變量沖擊對(duì)內(nèi)生變量變化的貢獻(xiàn)程度，了解隨機(jī)擾動(dòng)項(xiàng)對(duì)模型中內(nèi)生變量的相對(duì)貢獻(xiàn)率。本文分別對(duì)EPU指數(shù)變化率和油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)收益率進(jìn)行方差分解，以量化沖擊對(duì)內(nèi)生變量變化影響，在構(gòu)建模型過(guò)程中沒(méi)有進(jìn)行階數(shù)最優(yōu)處理，直接選用BEKK-GARCH（1 ， 1）模型，估計(jì)結(jié)果如表7所示。

從方差方程的系數(shù)矩陣A來(lái)看，A（1 ， 1）、A（2 ， 2）、A（3 ， 3）在設(shè)定5%的顯著性水平上都異于0，3個(gè)變量前期方差對(duì)于自身當(dāng)前條件方差的影響較為明顯，波動(dòng)具有聚集性。通過(guò)檢驗(yàn)A、B、C矩陣的對(duì)角線(xiàn)元素的t統(tǒng)計(jì)量是否顯著不為0來(lái)判斷3個(gè)變量之間是否存在波動(dòng)溢出效應(yīng)。若非對(duì)角元素中有1個(gè)元素顯著不為零，則說(shuō)明變量間存在波動(dòng)溢出效應(yīng)，若非對(duì)角元素都不顯著或顯著為零，則說(shuō)明兩變量間不存在波動(dòng)溢出效應(yīng)。B（1 ， 1）、B（2 ， 2）在5%的顯著性水平上顯著異于0，說(shuō)明YRET、PRET和OILRET變量自身滯后期波動(dòng)對(duì)本期波動(dòng)有正向作用，具有顯著的GARCH效應(yīng)；其次，從矩陣A與B非對(duì)角元素來(lái)看，除A（2 ， 1）、A（2 ， 3）、A（3 ， 1）在5%的顯著性水平上不顯著外，其他系數(shù)都顯著，意味著YRET、PRET和OILRET變量之間至少存在著顯著的雙向波動(dòng)溢出效應(yīng)。

為進(jìn)一步嚴(yán)格驗(yàn)證宏觀(guān)不確定性對(duì)油脂類(lèi)期貨市場(chǎng)收益和波動(dòng)溢出效應(yīng)，在判斷波動(dòng)溢出效應(yīng)時(shí)，除了需要觀(guān)察系數(shù)估計(jì)值是否顯著外，還要對(duì)檢驗(yàn)結(jié)果進(jìn)行假設(shè)檢驗(yàn)，本文采用Wald聯(lián)合檢驗(yàn)法對(duì)H1進(jìn)行檢驗(yàn)。

豆油、棕櫚油和菜油3個(gè)期貨市場(chǎng)之間的Wald檢驗(yàn)結(jié)果如表8所示。豆油期貨市場(chǎng)與菜油期貨市場(chǎng)在1%的顯著性水平上3項(xiàng)原假設(shè)全部被拒絕，說(shuō)明宏觀(guān)不確定性對(duì)商品期貨市場(chǎng)的長(zhǎng)期沖擊強(qiáng)度不如短期，說(shuō)明二者的風(fēng)險(xiǎn)傳染側(cè)重于短期。豆油期貨市場(chǎng)與棕櫚油期貨市場(chǎng)的3項(xiàng)原假設(shè)在1%的顯著性水平上均可被拒絕，說(shuō)明宏觀(guān)不確定性與豆油期貨市場(chǎng)收益率和棕櫚油期貨收益率之間的雙向波動(dòng)溢出效應(yīng)顯著。菜油期貨市場(chǎng)與棕櫚油期貨市場(chǎng)在1%的顯著性水平上3項(xiàng)原假設(shè)全部被拒絕，說(shuō)明棕櫚油期貨市場(chǎng)和豆油期貨市場(chǎng)與宏觀(guān)不確定性之間呈現(xiàn)程度不一的風(fēng)險(xiǎn)傳染效應(yīng)，二者之間在短期有較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)性，呈現(xiàn)雙向波動(dòng)溢出，但溢出效應(yīng)不具有持久性。

利用Wald檢驗(yàn)驗(yàn)證三種油脂類(lèi)期貨市場(chǎng)之間的波動(dòng)溢出效應(yīng)，結(jié)果表明在1%的顯著性水平上，3項(xiàng)原假設(shè)全部被拒絕，說(shuō)明宏觀(guān)不確定性對(duì)商品期貨市場(chǎng)的長(zhǎng)期沖擊強(qiáng)度不如短期，表明風(fēng)險(xiǎn)傳染側(cè)重于短期。由此可知，三種油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)與經(jīng)濟(jì)政策不確定性之間存在不同程度的風(fēng)險(xiǎn)傳染效應(yīng)，說(shuō)明農(nóng)林產(chǎn)品期貨之間有較強(qiáng)的風(fēng)險(xiǎn)關(guān)聯(lián)性，具有雙向波動(dòng)溢出效應(yīng)。

6研究結(jié)論、討論與政策啟示

本文通過(guò)構(gòu)建VAR-BEKK-GARCH模型，研究棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格與中國(guó)金融市場(chǎng)之間的波動(dòng)溢出效應(yīng)，對(duì)其波動(dòng)溢出的時(shí)變特征進(jìn)行實(shí)證分析，進(jìn)一步比較分析得出研究結(jié)論，經(jīng)過(guò)思考與討論，提出相關(guān)政策啟示。

6.1研究結(jié)論

本文在國(guó)內(nèi)外學(xué)者相關(guān)研究的基礎(chǔ)上，根據(jù)實(shí)物期權(quán)、金融摩擦、不確定性與投資Oi-Hartman-Abel效應(yīng)等理論進(jìn)一步分析了EPU影響中國(guó)油脂類(lèi)農(nóng)林產(chǎn)品期貨市場(chǎng)價(jià)格變化的傳導(dǎo)機(jī)制。并選取EPU指數(shù)與油脂類(lèi)農(nóng)林產(chǎn)品期貨收益率作為數(shù)據(jù)指標(biāo)，以2018-2023年為統(tǒng)計(jì)區(qū)間，運(yùn)用VAR-BEKK-GARCH模型從實(shí)證角度檢驗(yàn)EPU與農(nóng)林產(chǎn)品期貨市場(chǎng)收益率和波動(dòng)率的關(guān)系，得出3點(diǎn)結(jié)論。

（1）VAR-BEKK-GARCH模型結(jié)果證明，農(nóng)林產(chǎn)品期貨價(jià)格和中國(guó)商品期貨價(jià)格具有顯著的波動(dòng)溢出效應(yīng)，且通常情況下棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格是該波動(dòng)溢出的風(fēng)險(xiǎn)傳遞者，期貨市場(chǎng)之間存在關(guān)聯(lián)性和一定的傳遞效應(yīng)。從描述性統(tǒng)計(jì)結(jié)果的Jarque-Bera統(tǒng)計(jì)量來(lái)看，在顯著性水平為5%時(shí)，三種油脂類(lèi)農(nóng)林產(chǎn)品期貨指數(shù)收益率分別為496.39、975.02和647.07，指數(shù)變化率序列都不服從正態(tài)分布。

（2）油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格波動(dòng)對(duì)中國(guó)商品市場(chǎng)的影響程度最強(qiáng)，在5%的顯著性水平上，指數(shù)收益率的一期滯后項(xiàng)系數(shù)均顯著，期貨市場(chǎng)之間存在關(guān)聯(lián)性和一定的傳遞效應(yīng)。

（3）油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格對(duì)中國(guó)期貨市場(chǎng)具有較明顯的單向波動(dòng)溢出效應(yīng)。在極端事件的沖擊下，金融體系脆弱性上升，各市場(chǎng)間的波動(dòng)溢出水平與國(guó)內(nèi)、國(guó)際經(jīng)濟(jì)形勢(shì)變動(dòng)和特殊事件具有較強(qiáng)關(guān)聯(lián)，具有明顯的時(shí)變特征。

6.2討論

本文基于VAR-BEKK-GARCH模型實(shí)證考察了宏觀(guān)不確定性與資產(chǎn)價(jià)格的波動(dòng)溢出效應(yīng)。研究結(jié)果表明：VAR-BEKK-GARCH模型在預(yù)測(cè)波動(dòng)率方面的優(yōu)越性能對(duì)于不同版本的中國(guó)EPU指數(shù)、不同收益率分布、不同波動(dòng)狀態(tài)以及不同評(píng)價(jià)指標(biāo)均具有穩(wěn)健性。研究結(jié)果凸顯了引入已實(shí)現(xiàn)測(cè)度和EPU預(yù)測(cè)中國(guó)期貨市場(chǎng)波動(dòng)率的重要價(jià)值。通過(guò)考察基于不同波動(dòng)率模型的波動(dòng)擇時(shí)策略，證明本文提出的VAR-BEKK-GARCH模型優(yōu)越的波動(dòng)率預(yù)測(cè)能力能夠帶來(lái)最高的投資組合經(jīng)濟(jì)價(jià)值。但本文也存在不足：（1）與已有研究相比，本文模型還可以進(jìn)一步拓展，可考慮引入油脂類(lèi)農(nóng)林產(chǎn)品期貨隱含前瞻信息，以進(jìn)一步提高模型的波動(dòng)率預(yù)測(cè)精確性。（2）棕櫚油、菜油、豆油油脂類(lèi)農(nóng)林產(chǎn)品期貨在期貨價(jià)格同期傳導(dǎo)中處于領(lǐng)先地位，但在建模和預(yù)測(cè)中國(guó)期貨市場(chǎng)波動(dòng)率風(fēng)險(xiǎn)溢出方面尚不精準(zhǔn)，如何加強(qiáng)對(duì)期貨價(jià)格的有效監(jiān)測(cè)，完善金融市場(chǎng)監(jiān)管體系，防止價(jià)格異常動(dòng)蕩對(duì)其他期貨品種產(chǎn)生負(fù)面影響還需繼續(xù)深入。當(dāng)然，將本文模型應(yīng)用于金融風(fēng)險(xiǎn)管理和資產(chǎn)定價(jià)中也值得深入研究探討。

6.3政策啟示

由上述分析可知，宏觀(guān)不確定性與油脂類(lèi)農(nóng)林產(chǎn)品期貨存在顯著的波動(dòng)溢出效應(yīng)。且波動(dòng)與風(fēng)險(xiǎn)容易在農(nóng)林產(chǎn)品期貨市場(chǎng)與金融市場(chǎng)之間傳染，需要進(jìn)一步加強(qiáng)兩市場(chǎng)間的協(xié)同關(guān)系，為此提出三點(diǎn)政策啟示。

第一，對(duì)于政策制定者而言，由于國(guó)內(nèi)金融市場(chǎng)的波動(dòng)對(duì)期貨市場(chǎng)具有顯著影響，溢出效應(yīng)可以提供有關(guān)市場(chǎng)整體穩(wěn)定性和風(fēng)險(xiǎn)傳播的重要信息，政策制定者借助溢出效應(yīng)的分析結(jié)果，更好地監(jiān)控金融市場(chǎng)的風(fēng)險(xiǎn)敞口和系統(tǒng)性風(fēng)險(xiǎn)，從而采取相應(yīng)的監(jiān)管和干預(yù)措施維護(hù)農(nóng)林產(chǎn)品期貨市場(chǎng)的健康發(fā)展。

第二，對(duì)于金融監(jiān)管部門(mén)而言，除加強(qiáng)國(guó)內(nèi)市場(chǎng)風(fēng)險(xiǎn)傳導(dǎo)的監(jiān)管外，還應(yīng)根據(jù)中國(guó)金融資本市場(chǎng)的經(jīng)濟(jì)現(xiàn)實(shí)，確定最重要的EPU來(lái)源；構(gòu)建多元化的中國(guó)EPU預(yù)警體系，有效防范系統(tǒng)性風(fēng)險(xiǎn)，并逐步提高信息傳遞性，必要時(shí)通過(guò)政策干預(yù)來(lái)降低油脂類(lèi)農(nóng)林產(chǎn)品期貨價(jià)格波動(dòng)，提升抵御外來(lái)風(fēng)險(xiǎn)的能力。

第三，對(duì)于相關(guān)產(chǎn)業(yè)參與者和投資者而言，提高政策關(guān)注度與市場(chǎng)敏銳度，鑒于當(dāng)前國(guó)際經(jīng)濟(jì)環(huán)境的高度不確定性和金融市場(chǎng)的波動(dòng)性，合理把握和使用好棕櫚油等油脂類(lèi)農(nóng)林產(chǎn)品期貨商品和金融屬性，使用其金融屬性對(duì)沖市場(chǎng)價(jià)格波動(dòng)對(duì)實(shí)體經(jīng)濟(jì)生產(chǎn)經(jīng)營(yíng)的影響，適當(dāng)?shù)夭捎锰灼诒Ｖ挡呗杂行?duì)沖投資風(fēng)險(xiǎn)，強(qiáng)化理性生產(chǎn)和投資意識(shí)。

參考文獻(xiàn)

方麒瑋，馬永強(qiáng)，張孫博文，等.“三農(nóng)”現(xiàn)代化與新型城鎮(zhèn)化耦合協(xié)調(diào)發(fā)展時(shí)空演化及驅(qū)動(dòng)因素研究——以福建省為例[J].林業(yè)經(jīng)濟(jì)， 2024（3） ：51-77.

宮汝凱，徐悅星，王大中.經(jīng)濟(jì)政策不確定性與企業(yè)杠桿率[J].金融研究， 2019（10）：59-78.

顧夏銘，陳勇民，潘士遠(yuǎn).經(jīng)濟(jì)政策不確定性與創(chuàng)新——基于我國(guó)上市公司的實(shí)證分析[J].經(jīng)濟(jì)研究， 2018， 53（2）：109-123.

黃河.經(jīng)濟(jì)政策不確定性對(duì)大豆期貨價(jià)格的影響研究[D].蚌埠：安徽財(cái)經(jīng)大學(xué)， 2022.

宋長(zhǎng)青，張羽.經(jīng)濟(jì)政策不確定性、金融穩(wěn)定與經(jīng)濟(jì)波動(dòng)——基于TVP-SV-VAR模型的動(dòng)態(tài)分析[J].財(cái)經(jīng)理論與實(shí)踐， 2023（2）：32-37.

田清淞，肖小勇，李崇光.經(jīng)濟(jì)政策不確定性對(duì)中國(guó)糧食期貨價(jià)格波動(dòng)的影響研究[J].中國(guó)農(nóng)業(yè)大學(xué)報(bào)， 2021， 23（2）：204-212.

王超.經(jīng)濟(jì)政策不確定性與信用利差影響及其作用機(jī)制研究[J].上海金融， 2021（2）：14-20， 42.

夏冰.農(nóng)產(chǎn)品價(jià)格波動(dòng)聚集特征驗(yàn)證及趨勢(shì)預(yù)測(cè)[J].統(tǒng)計(jì)與決策， 2019（20）：145-148.

謝飛，韓立巖.投機(jī)還是實(shí)需：國(guó)際商品期貨價(jià)格的影響因素分析[J].管理世界， 2020（10）：71-82.

邢天才，王笑.內(nèi)外部經(jīng)濟(jì)政策不確定性與中國(guó)金融市場(chǎng)穩(wěn)定的動(dòng)態(tài)傳遞效應(yīng)研究[J].當(dāng)代經(jīng)濟(jì)管理， 2021（10）：82-90。

徐征，林英明，劉倩.經(jīng)濟(jì)政策不確定性對(duì)債券信用價(jià)差的影響機(jī)制分析[J].財(cái)會(huì)月刊， 2021（24）：158-166.

許伍權(quán)，陳達(dá)平.木材價(jià)格理論及其計(jì)算模型的探討[J].林業(yè)科學(xué)， 2022（1）：71–79.

楊紅強(qiáng)，余智涵.全球木質(zhì)林產(chǎn)品碳科學(xué)研究動(dòng)態(tài)與未來(lái)的重點(diǎn)問(wèn)題[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 45（4）：219-228.

楊艷軍，許寶晶.中美豆類(lèi)期貨價(jià)格間溢出效應(yīng)研究——基于溢出指數(shù)法[J]價(jià)格月刊， 2022（7）：8-15.

楊?yuàn)?，田明華，秦國(guó)偉.我國(guó)木質(zhì)林產(chǎn)品貿(mào)易高質(zhì)量發(fā)展的路徑——基于全球價(jià)值鏈理論與FDI對(duì)貿(mào)易的影響分析[J].學(xué)術(shù)論壇， 2018， 41（6）：85-92.

楊子暉，陳里璇，陳雨恬.經(jīng)濟(jì)政策不確定性與系統(tǒng)性金融風(fēng)險(xiǎn)的跨市場(chǎng)傳染——基于非線(xiàn)性網(wǎng)絡(luò)關(guān)聯(lián)的研究[J].經(jīng)濟(jì)研究， 2020， 55（1）：65-81.

姚傳江.中國(guó)農(nóng)產(chǎn)品期貨市場(chǎng)效率實(shí)證分析[J].財(cái)經(jīng)問(wèn)題研究， 2021（1）：43-49.

姚姝宇，胡明形.我國(guó)原木價(jià)格指數(shù)編制及預(yù)測(cè)——基于特征價(jià)格模型方法[J].價(jià)格理論與實(shí)踐， 2021（4）：71-73.

于豪諒，田明華，史瑩赫，等.中國(guó)木質(zhì)林產(chǎn)品外貿(mào)依存度算法研究及其測(cè)評(píng)[J].林業(yè)科學(xué)， 2018， 54（5）：152-167.

張茂軍，秦文哲，姚家進(jìn).中國(guó)經(jīng)濟(jì)政策不確定性對(duì)公司債波動(dòng)的影響研究[J].金融與經(jīng)濟(jì)， 2021（2）：28-33.

張瑛，杜文婷.中國(guó)與東盟水產(chǎn)品資源貿(mào)易價(jià)格波動(dòng)——以?xún)鲺涺~(yú)出口價(jià)格為例[J].自然資源學(xué)報(bào)， 2020， 35（9）：2191-2204.

趙龍珠，耿玉德.中美木質(zhì)林產(chǎn)品貿(mào)易要素稟賦優(yōu)勢(shì)比較[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020， 20（1）：137-144.

朱海燕.中國(guó)小麥和棉花價(jià)格波動(dòng)研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)， 2022.

鄒靖弛.新時(shí)代東北振興的區(qū)域協(xié)調(diào)發(fā)展思路研究[J].東北亞經(jīng)濟(jì)研究， 2023， 7（4）：63-74.

Ameur H B， Ftiti Z. Revisiting the relationship between spot and futures markets：evidence from commodity markets and NARDL framework [J]. Annals of Operations Research， 2022（1）：171-189.

Bhar R， Hamor S. Linkages among agricultural commodity futures prices： some further evidence from Tokyo [J]. Applied Economics Letters， 2021（8）：535-539.

Cai X J， Hamori S， Yang L， et al. Multi-horizon dependence between crude oil and East Asian stock markets and implications in risk management [J]. Energies， 2020（2）：1-24.

Gong X， Shi R. Analyzing spillover effects between carbon and fossil energy markets from a time-varying perspective [J]. Applied Energy， 2021（5）：25-34.

Joarder S， Mukherjee D. The Lead-Lag Relationship Between Futures and Spot Price——A Case of the Oil and Oilseed Contracts Traded on Indian Exchange [J]. Journal of Economic Theory and Practice， 2021（1）：7-33.

Ludvigson S C， Ma S， Ng S. Uncertainty and business cycles： exogenous impulse or endogenous response？ [J]. American Economic Journal： Macroeconomics， 2021， 13（4）：369-410.

Mo D， Gupta R， Li B， et al. The macroeconomic determinants of commodity Futures volatility： Evidence from Chinese and Indian markets [J]. Economic Modelling， 2018， 70：543-560.

Yang Y， Ma Y R. Extreme risk spillover between Chinese and global crude oil futures [J]. Finance Research Letters， 2021（8）：13-20.

（責(zé)任編輯韓杏容）

①BEKK模型：以Baba、Engle、Kraft和Krone四位學(xué)者的姓名首字母命名。