基于动态模型平均的大豆期货市场风险溢出研究

doi:10.16381/j.cnki.issn1003-207x.2022.2789

摘要/Abstract

摘要：

针对农产品期货市场风险规避问题，研究极端情况下中美大豆期货市场间的风险溢出效应具有重要意义。本文结合动态模型平均方法与局部分位数条件风险价值法，研究了受政策实施和经济环境变化影响的美国大豆期货市场对中国大豆期货市场的风险溢出效应，并分析了现货市场、大豆下游产品、宏观经济变量和国际市场交易等外生变量对风险溢出的影响。研究发现：不同政策和经济环境通过不同的途径对中美大豆期货市场风险溢出效应产生影响，如临时收储政策稳定了我国大豆期货价格的波动，夜盘交易制度增加了中美农产品期货市场的联动，汇改政策加大了国际市场对国内市场的影响程度。同时得到各外生变量在不同时期对中美大豆期货市场风险溢出效应变化的贡献不同，如夜盘交易制度初期，豆油期货价格和WTI原油价格对风险溢出有较大影响；而新冠疫情期间，航运指数、汇率和WTI原油价格等因素的影响处于较低水平。

关键词: 大豆期货, 风险溢出效应, CoVaR, 动态模型平均

Abstract:

It is of great significance to study the risk spillover effect between soybean futures markets in China and the United States under extreme circumstances. A dynamic model based on the average method and the method of the bureau of digit conditional value at risk are combined to study. The risk spillover effects of Chinese soybean futures market influenced by policy and economic environment change is studied. And it analyses the risk spillover effects influenced by spot market， downstream products of soybean， macro-economic variables， international market trading， etc. It is found that different policies and economic environments affected the soybean futures market risk spillover effects in different ways， such as reserve policy stability of China’s soybean futures price fluctuations， the night trading system to increase the interaction of the agricultural product futures market of China and the United States to increase the degree of impact on the domestic market in the international market. At the same time， the study shows that each control variable has a different contribution to the change in the risk spillover effect of the Chinese and American agricultural futures markets in different periods. For example， soybean oil futures price and WTI crude oil price have a great influence on the risk spillover effect in the early stage of the night trading system. The impact of shipping indices， exchange rates and WTI crude oil prices was at a low level during the COVID-19 pandemic.

Key words: soybean futures? risk spillover? CoVaR? dynamic model averaging

中图分类号:

F830

叶五一,李艾琳,焦守坤. 基于动态模型平均的大豆期货市场风险溢出研究[J]. 中国管理科学, 2023, 31(12): 1-10.

Wu-yi YE,Ai-lin LI,Shou-kun JIAO. Risk Spillover of Soybean Futures Market Based on Dynamic Model Averaging[J]. Chinese Journal of Management Science, 2023, 31(12): 1-10.

图/表 4

表1

图1

图2

表2

参考文献 38

1	贺超飞，于冷. 临时收储政策改为目标价格制度促进大豆扩种了么？——基于双重差分方法的分析［J］. 中国农村经济， 2018（9）： 29-46.
	He Chaofei， Yu Leng. Does the change from the temporary purchasing and storage policy to the target price policy increase the soybean acreage？ an analysis based on a difference-in-differences technique［J］. Chinese Rural Economy， 2018（9）： 29-46.
2	Liu J， Wang Yubin， Wang Jingying， et al. Is China the price taker in soybean futures？［J］. China Agricultural Economic Review， 2015， 7（3）：389-404.
3	周应恒，邹林刚. 中国大豆期货市场与国际大豆期货市场价格关系研究——基于VAR模型的实证分析［J］. 农业技术经济， 2007（1）： 55-62.
	Zhou Yingheng， Zou Lingang. Chinese soybean futures market and international soybean futures market valence case correlation research： empirical analysis based on VAR model［J］. Journal of Agrotechnical Economics， 2007（1）： 55-62.
4	肖小勇，李崇光，李剑. 国际粮食价格对中国粮食价格的溢出效应分析［J］. 中国农村经济， 2014（2）： 42-55.
	Xiao Xiaoyong， Li Chongguang， Li Jian. Analysis of spillover effect of international grain price on Chinese grain price［J］. Chinese Rural Economy， 2014（2）： 42-55.
5	华仁海，刘庆富. 国内外期货市场之间的波动溢出效应研究［J］. 世界经济， 2007， 30（6）： 64-74.
	Hua Renhai， Liu Qingfu. Research on volatility spillover effect between domestic and foreign futures markets［J］. The Journal of World Economy， 2007， 30（6）： 64-74.
6	李光泗，曹宝明，马学琳. 中国粮食市场开放与国际粮食价格波动——基于粮食价格波动溢出效应的分析［J］. 中国农村经济， 2015（8）： 44-66.
	Li Guangsi， Cao Baoming， Ma Xuelin. Chinese grain market opening and international grain price fluctuation：based on the analysis of spillover effect of grain price fluctuation［J］. Chinese Rural Economy， 2015（8）： 44-66.
7	Liu Qingfu， An Yunbi， et al. Information transmission in informationally linked markets： evidence from US and Chinese commodity futures markets［J］. Journal of International Money and Finance， 2011， 30（5）： 778-795.
8	Hernandez M A， Ibarra Raul， Trupkin Danilo R. How far do shocks move across borders？ Examining volatility transmission in major agricultural futures markets［J］. European Review of Agricultural Economics， 2014， 41（2）： 301-325.
9	林学贵. 棉花价格波动溢出效应［J］. 中国管理科学， 2016，24（S1）：504-508.
	Lin Xuegui. Volatility spillover effects of cotton prices［J］. Chinese Journal of Management Science， 2016，24（S1）： 504-508.
10	Ke Yangmin， Li Chongguang， McKenzie A M， et al. Risk transmission between Chinese and US agricultural commodity futures markets—a CoVaR approach［J］. Sustainability， 2019， 11（1）： 1-18.
11	刘文超，安毅，方蕊. 中美大豆期货市场的极端风险溢出效应研究［J］. 华南理工大学学报（社会科学版）， 2020， 22（5）： 79-94.
	Liu Wenchao， An Yi， Fang Rui. Extreme risk spillover between china and U. S. soybean futures market［J］. Journal of South China University of Technology （Social Science Edition）， 2020， 22（5）：79-94.
12	Steel M F J. Model averaging and its use in economics［J］. Journal of Economic Literature， 2020， 58（3）： 644-719.
13	Cai Zongwu， Ma Chaoqun， Mi Xiahua， et al. Realized volatility forecasting based on dynamic quantile model averaging［R］. University of Kansas， Department of Economics， 2020.
14	Adrian T， Brunnermeier M K. CoVaR［J］. The American Economic Review， 2016， 106（7）： 1705-1741.
15	Engle R F， Manganelli S. CAViaR： conditional autoregressive value at risk by regression quantiles［J］. Journal of Business & Economic Statistics， 2004， 22（4）： 367-381.
16	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.
17	Yu K， Jones M C. Local linear quantile regression［J］. Journal of the American Statistical Association， 1998， 93（441）： 228-237.
18	Chatfield C. Model uncertainty， data mining and statistical inference［J］. Journal of the Royal Statistical Society： Series A （Statistics in Society）， 1995， 158（3）： 419-444.
19	Draper D. Assessment and propagation of model uncertainty［J］. Journal of the Royal Statistical Society： Series B （Methodological）， 1995， 57（1）： 45-70.
20	Raftery A E， Kárny、 M， Ettler P. Online prediction under model uncertainty via dynamic model averaging： application to a cold rolling mill［J］. Technometrics， 2010， 52（1）： 52-66.
21	郭永济，丁慧，范从来. 中国通货膨胀动态模型预测的实证研究［J］. 中国经济问题， 2015（5）： 3-15.
	Guo Yongji， Ding Hui， Fan Conglai. Empirical research on Chinese inflation forecast using dynamic model［J］. China Economic Studies， 2015（5）： 3-15.
22	崔百胜. 基于动态模型平均的中国通货膨胀实时预测［J］. 数量经济技术经济研究， 2012， 29（7）： 76-91.
	Cui Baisheng. Real-time forecasting of information in China based on dynamical model averaging［J］. The Journal of Quantitative & Technical Economics， 2012， 29（7）： 76-91.
23	Buncic D， Moretto C. Forecasting copper prices with dynamic averaging and selection models［J］. The North American Journal of Economics and Finance， 2015， 33： 1-38.
24	熊涛，鲍玉昆. 基于动态模型平均的大豆期货价格预测研究［J］. 中国管理科学， 2020， 28（5）： 79-88.
	Xiong Tao， Bao Yukun. Soybean future prices forecasting based on dynamic model averaging［J］. Chinese Journal of Management Science， 2020， 28（5）： 79-88.
25	Koenker R， Bassett Jr G. Regression quantiles［J］. Econometrica， 1978， 46（1）： 33-50.
26	Yuan Ming， Lin Yi. Model selection and estimation in regression with grouped variables［J］. Journal of the Royal Statistical Society： Series B （Statistical Methodology）， 2006， 68（1）： 49-67.
27	Wang Yudong， Ma Feng， Wei Yu， et al. Forecasting realized volatility in a changing world： a dynamic model averaging approach［J］. Journal of Banking & Finance， 2016， 64： 136-149.
28	Koenker R， Xiao Zhijie. Unit root quantile autoregression inference ［J］. Publications of the American Statistical Association， 2004， 99（467）： 775-787.
29	Wang H H， Ke Bingfan. Efficiency tests of agricultural commodity futures markets in China［J］. Australian Journal of Agricultural and Resource Economics， 2005， 49（2）： 125-141.
30	Wiles P S， Enke D. Nonlinear modeling using Neural Networks for trading the soybean complex［J］. Procedia Computer Science， 2014， 36： 234-239.
31	刘江浩，袁怀宇，莫思思. 人民币汇率对国内大豆价格的冲击效应［J］. 金融发展评论， 2019， 11： 136-149.
	Liu Jianghao， Yuan Huaiyu， Mo Sisi. The impact of RMB exchange rate on domestic soybean price［J］. Financial Development Review， 2019（11）： 136-149.
32	Zhang Chuanguo， Qu Xuqin. The effect of global oil price shocks on China’s agricultural commodities［J］. Energy Economics， 2015， 51（SEP.）： 354-364.
33	Hau L， Zhu Huiming， Huang Rui， et al. Heterogeneous dependence between crude oil price volatility and China’s agriculture commodity futures： evidence from quantile-on-quantile regression［J］. Energy， 2020， 213： 118781.
34	孟斌，周昱彤，匡海波. 航运市场与大宗商品市场动态溢出效应研究［J］. 世界海运， 2021， 44（7）： 15-22.
	Meng Bin， Zhou Yutong， Kuang Haibo. Research on dynamic spillover effect of shipping markets and bulk commodity market［J］. World Shipping， 2021， 44（7）： 15-22.
35	Melike E Bildirici， Kayıkçı Fazıl， Işıl Şahin Onat. Baltic Dry Index as a major economic policy indicator： the relationship with economic growth［J］. Procedia-Social and Behavioral Sciences， 2015， 210： 416-424.
36	王柏杰，李爱文. 夜盘交易与中美期货市场联动——基于波动溢出与动态关联视角［J］. 金融经济学研究， 2016， 31（5）： 65-74.
	Wang Bojie， Li Aiwen. Night trading and linkage between China and USA futures markets： from the perspective of volatility spillover effect and dynamic correlation［J］. Financial Economics Research， 2016， 31（5）： 65-74.
37	姚海祥，洪雅芳，马庆华，等. 夜盘交易对我国农产品期货市场影响的实证研究［J］. 运筹与管理， 2021， 30（2）： 130-138.
	Yao Haixiang， Hong Yafang， Ma Qinghua， et al. An empirical study on the influence of night trading on the China’s agricultural products futures market［J］. Operations Research and Management Science， 2021， 30（2）： 130-138.
38	刘力宇. 中美贸易战下国际大豆价格波动，影响及中国策略［J］. 价格月刊， 2019（1）： 23-26.
	Liu Liyu. Price fluctuation and the impact of international soybean under the Sino-US trade war and strategy of China［J］. Prices Monthly， 2019（1）： 23-26.

变量类型	变量名称	峰度	偏度	ADF检验	p值
被解释变量	豆一期货收收盘价	11. 09	0. 73	-47. 41	<0. 001
解释变量	CBOT 大豆期货收盘价	20. 72	-1. 39	-51. 36	<0. 001
外生变量	大豆现货平均价	60. 06	1. 17	-46. 61	<0. 001
	豆油期货价	6. 85	-0. 32	-48. 51	<0. 001
	WTI 原油价格	105. 75	-2. 92	-54. 32	<0. 001
	美国兑人民币汇率	11. 78	0. 21	-47. 47	<0. 001
	波罗的海指数	11. 90	0. 51	-24. 82	<0. 001

变量	全样本	期货发展阶段	夜盘交易制度初期	汇改初期	贸易摩擦初期	新冠疫情
大豆现货价格	0.48	0.62	0.38	0.52	0.48	0.43
豆油期货价格	0.69	0.58	0.85	0.71	0.63	0.72
WTI原油价格	0.52	0.57	0.54	0.59	0.65	0.48
美元兑人民币汇率	0.41	0.44	0.31	0.45	0.47	0.41
航运指数	0.48	0.50	0.45	0.40	0.55	0.40

[1]	欧阳资生, 杨希特, 黄颖. 嵌入网络舆情指数的中国金融机构系统性风险传染效应研究[J]. 中国管理科学, 2022, 30(4): 1-12.
[2]	熊涛, 鲍玉昆. 基于动态模型平均的大豆期货价格预测研究[J]. 中国管理科学, 2020, 28(5): 79-88.
[3]	陈九生, 周孝华. 基于单因子MSV-CoVaR模型的金融市场风险溢出度量研究[J]. 中国管理科学, 2017, 25(1): 21-26.
[4]	陈守东, 王妍. 我国金融机构的系统性金融风险评估——基于极端分位数回归技术的风险度量[J]. 中国管理科学, 2014, 22(7): 10-17.