我国粮食与能源的跨市场风险传染及外部冲击

doi:10.16381/j.cnki.issn1003-207x.2022.0454

摘要/Abstract

摘要：

为了考察我国粮食与能源安全问题，本文构建了跨市场的“粮食-能源-金融”三部门系统，采用DAG、CoVaR、网络拓扑等方法，研究了系统内的风险传染和系统外的风险冲击。研究结果表明，我国粮食和能源的风险来源在新冠疫情的作用下由原先的国际主导转变为“双循环”的双轮驱动。粮食-能源-金融系统内部的风险传染中心随疫情的发展由国际原油市场转变为国际农产品市场和中国金融市场，其强度和方向均发生改变。而在诸多外部冲击中，美国量化宽松的货币政策与国际大宗商品波动是影响我国粮食-能源-金融系统安全的主要外因，所获结论为我国粮食与能源安全的风险预警以及指标选择提供了新的依据。

关键词: 粮食能源安全, 跨市场风险传染, 外部风险冲击, 条件风险价值, 网络拓扑

Abstract:

In order to investigate the issue of food and energy security in China， a cross-market “food-energy-finance” three-sector system is constructed to study the risk contagion within the system and outside the system， by using DAG， CoVaR， network topology and other methods. Research shows that the risk sources of domestic food and energy have changed from the original international dominance to a “Dual Circulation” dual-wheel drive since the end of 2019. And the risk contagion center within the food-energy-financial system has changed from the international crude oil market to the international agricultural product market and the domestic financial market with the development of the epidemic， so does the intensity and direction. Among many external shocks， the monetary policy of quantitative easing in the United States and the fluctuation of international commodities are the main external factors affecting the security of China’s food-energy-financial system. In accordance with the conclusions， this paper obtained provides a new basis for index selection in risk warning to forecast China’s food and energy security.

Key words: food and energy security, cross-market risk contagion, external risk shocks, conditional value-at-risk, network topology

中图分类号:

F830

刘映琳, 方艳, 杨金强. 我国粮食与能源的跨市场风险传染及外部冲击[J]. 中国管理科学, 2024, 32(11): 103-114.

Yinglin Liu, Yan Fang, Jinqiang Yang. Cross-Market Risk Contagion and External Shocks of China's Food Energy[J]. Chinese Journal of Management Science, 2024, 32(11): 103-114.

图/表 12

图1

表1

疫情前后风险传导系数 β"

疫情前风险传导系数 $β$							疫情后风险传导系数 $β$
市场	B.IPE	USAG	SPX.GI	SC.INE	CICSF	SH300	市场	B.IPE	USAG	SPX.GI	SC.INE	CICSF	SH300
B.IPE	1.0000	0.4633	0.6997	0.6512	0.0954	0.8487	B.IPE	1.0000	0.8923	0.7760	0.5541	1.3164	1.0633
USAG	0.0585	1.0000	0.0777	0.0960	0.0660	0.2076	USAG	0.0675	1.0000	0.0826	0.1133	0.2332	0.1475
SPX.GI	0.3336	0.2738	1.0000	0.2454	0.0163	0.4089	SPX.GI	0.3719	0.4086	1.0000	0.3128	0.7573	0.8795
SC.INE	0.1686	0.3848	0.2822	1.0000	-0.0182	0.4585	SC.INE	0.1709	0.1213	0.2124	1.0000	1.0313	0.7134
CICSF	0.0022	0.0053	0.0092	0.0127	1.0000	0.0022	CICSF	0.0370	-0.0059	0.0729	0.1922	1.0000	0.2514
SH300	0.1253	0.2333	0.2220	0.2203	0.1489	1.0000	SH300	0.0998	0.1645	0.1596	0.2435	0.5365	1.0000

表1

表2

表3

图2

图3

表4

疫情波动对各市场的风险溢出效应"

市场	$β$	$V a R q i j$	$C o V a R q i j$	$∆ C o V a R q i j$	排序
CICSF	1.6653	1.6070	15.2858	20.4015	1
SC.INE	0.2481	4.5738	12.8930	17.8545	2
SH300	0.1542	2.2914	12.1121	17.1604	3
B.IPE	-0.2034	4.5165	10.5401	15.4117	4
USAG	-0.7087	1.9663	10.2298	15.1396	5
SPX	-0.5466	2.5958	9.6021	14.5457	6

表4

图4

图5

图6

表5

系统性风险溢出中效应的外部风险因素分析"

	常数	SPGSCRITR.SPI	FRB.Return	Iusa	COVID
系数	0.1561	-0.1390	0.1988	0.0279	0.0613
p值	0.0000^***	0.0147^*	0.0000^***	0.0000^***	0.0000^***
Adjusted- $R 2 = 0.381$ ，F统计量87.54（0.0000）

表5

表6

参考文献 37

1	王孝松，谢申祥. 国际农产品价格如何影响了中国农产品价格？［J］. 经济研究， 2012， 47（3）：141-153.
	Wang X S， Xie S X. How do prices of foreign agricultural products affect prices of Chinese agricultural products？［J］. Economic Research Journal，2012，47（3）：141-153.
2	Jiang H Y， Su J J， Todorova N， et al. Spillovers and directional predictability with a cross‐quantilogram analysis： The case of U.S. and Chinese agricultural futures［J］. Journal of Futures Markets， 2016， 36（12）：1231-1255.
3	Jiang H Y， Todorova N， Roca E， et al. Dynamics of volatility transmission between the U.S. and the Chinese agricultural futures markets［J］. Applied Economics， 2017， 49（34-36）：1-18.
4	王耀中，贺辉，陈思聪. 国际大宗农产品定价机制影响中国农产品价格的传导机理研究［J］. 财经理论与实践， 2018， 39（2）：41-50.
	Wang Y Z， He H， Chen S C. Research on the transmission principles of pricing mechanisms of international bulk agricultural commodities affecting prices of Chinese agricultural products［J］. The Theory and Practice of Finance and Economics，2018，39（2）：41-50.
5	Zhang C G， Qu X Q. The effect of global oil price shocks on China's agricultural commodities［J］. Energy Economics， 2015， 51（9）：354-364.
6	Silvennoinen A， Thorp S. Crude oil and agricultural futures： An analysis of correlation dynamics［J］. Journal of Futures Markets， 2016， 36（6）：522-544.
7	彭新宇，樊海利. 国际原油价格对中国大宗农产品价格的影响研究［J］. 宏观经济研究， 2019（1）：99-109.
	Peng X Y， Fan H L. Research on the impact of international crude oil price on the price of China's bulk agricultural products［J］. Macroeconomics，2019（1）：99-109.
8	刘映琳，刘永辉，鞠卓. 国际原油价格波动对中国商品期货的影响——基于多重相关性结构断点的分析［J］. 中国管理科学，2019，27（2）：31-40.
	Liu Y L， Liu Y H， Ju Z. The impact of international crude oil price fluctuation on Chinese commodity futures：Based on the correlation structure breakpoint model［J］. Chinese Journal of Management Science，2019，27（2）：31-40.
9	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 T， Bao Y K. Soybean future prices forecasting based on dynamic model averaging［J］. Chinese Journal of Management Science，2020，28（5）：79-88.
10	Tang K， Xiong W. Index investment and the financialization of commodities［J］. Financial Analysts Journal， 2012，68（6）： 54-74.
11	尹力博，柳依依. 中国商品期货金融化了吗？——来自国际股票市场的证据［J］. 金融研究， 2016（3）：189-206.
	Yin L B， Liu Y Y. Are Chinese commodity futures markets financialized？Evidence from international stock markets［J］. Journal of Financial Research，2016（3）：189-206.
12	刘映琳，鞠卓，刘永辉. 基于DCC-GARCH的中国大宗商品金融化研究［J］. 国际商务研究， 2017， 38（5）：75-83.
	Liu Y L， Ju Z， Liu Y H. A study on the financialization of commodity markets in China based on DCC-GARCH model［J］. International Business Research，2017，38（5）：75-83.
13	梁巨方，韩乾. 商品期货可以提供潜在组合多样化收益吗？［J］. 金融研究， 2017（8）：129-144.
	Liang J F， Han Q. Can commodity futures provide potential portfolio diversification benefits？［J］. Journal of Financial Research，2017（8）：129-144.
14	Ma F， Zhang Y J， Wahab M I M， et al. The role of jumps in the agricultural futures market on forecasting stock market volatility： New evidence［J］. Journal of Forecasting， 2019，38（5）， 400-414.
15	Ji Q， Fan Y. Evolution of the world crude oil market integration： A graph theory analysis［J］. Energy Economics， 2016， 53： 90-100.
16	Wang Y D， Wu C F， Yang L. Forecasting crude oil market volatility： A Markov switching multifractal volatility approach［J］. International Journal of Forecasting， 2016， 32（1）： 1-9.
17	Yu L A， Zhao Y Q， Tang L， et al. Online big data-driven oil consumption forecasting with Google trends［J］. International Journal of Forecasting， 2019， 35（1）： 213-223.
18	卢全莹，柴建，曹蒲菊，等. 世界原油供给阻滞对中国宏观经济的冲击效应测算——以美国对伊朗实施石油制裁为例［J］. 系统工程理论与实践， 2022， 42（7）：1735-1754.
	Lu Q Y， Chai J， Cao P J， et al. Analysis of the impact of world crude oil supply block on China's economy： A case study of US oil sanctions against Iran［J］. Systems Engineering-Theory & Practice，2022，42（7）：1735-1754.
19	龚旭，姬强，林伯强. 能源金融研究回顾与前沿方向探索［J］. 系统工程理论与实践， 2021， 41（12）：3349-3365.
	Gong X， Ji Q， Lin B Q. Literature review and frontier direction exploration of energy finance［J］. Systems Engineering-Theory & Practice，2021，41（12）：3349-3365.
20	魏巍贤，林伯强. 国内外石油价格波动性及其互动关系［J］. 经济研究， 2007（12）：130-141.
	Wei W X， Lin B Q. International and domestic oil price volatilities and their interrelationship［J］. Economic Research Journal，2007（12）：130-141.
21	Liu T Y， Gong X. Analyzing time-varying volatility spillovers between the crude oil markets using a new method［J］. Energy Economics， 2020， 87， 104711.
22	Ji Q， Fan Y. How does oil price volatility affect non-energy commodity markets？［J］. Applied Energy， 2012， 89（1）： 273-280.
23	Nazlioglu S， Erdem C， Soytas U. Volatility spillover between oil and agricultural commodity markets［J］. Energy Economics， 2013， 36： 658-665.
24	Mensi W， Tiwari A， Bouri E， et al. The dependence structure across oil， wheat， and corn： A wavelet-based copula approach using implied volatility indexes［J］. Energy Economics， 2017， 66： 122-139.
25	Acemoglu D， Naidu S， Restrepo P， et al. Democracy， Redistribution， and Inequality［J］. Handbook of Income Distribution， 2015（2）：1885-1966.
26	杨子晖，周颖刚. 全球系统性金融风险溢出与外部冲击［J］. 中国社会科学， 2018（12）：69-90.
	Yang Z H， Zhou Y G. Global systemic financial risk spillovers and their external shocks［J］. Social Sciences in China，2018（12）：69-90.
27	李苍舒，沈艳. 数字经济时代下新金融业态风险的识别，测度及防控［J］. 管理世界， 2019， 35（12）：53-69.
	Li C S， Shen Y. Identification， measurement and prevention and control of risks in new financial formats in the era of digital economy［J］. Journal of Management World，2019，35（12）：53-69.
28	宫晓莉，熊熊，张维. 我国金融机构系统性风险度量与外溢效应研究［J］. 管理世界， 2020， 36（8）：65-82.
	Gong X L， Xiong X， Zhang W. Research on systematic risk measurement and spillover effect of financial institutions in China［J］. Journal of Management World，2020，36（8）：65-82.
29	何德旭，苗文龙，闫娟娟，等. 全球系统性金融风险跨市场传染效应分析［J］.经济研究，2021，56（8）： 4-21.
	He D X， Miao W L， Yan J J， et al. Analysis on the global systemic financial risks cross-market contagion effect［J］. Economic Research Journal，2021，56（8）：4-21.
30	张伟平，曹廷求. 中国房地产企业间系统性风险溢出效应分析——基于尾部风险网络模型［J］. 金融研究， 2022， 505（7）： 94-114.
	Zhang W P， Cao T Q. Analysis of systemic risk spillover effects among China’s real estate companies： Based on the tail risk network model［J］. Journal of Financial Research，2022，505（7）：94-114.
31	Spirtes P， Glymour C， Scheines R. Causation， prediction， and search［M］. Cambridge： The MIT Press， 2000.
32	Adrian T， Brunnermeier M K. CoVaR［J］. American Economic Review， 2016， 106（7）：1705-1741.
33	Diebold F X， Yılmaz K. On the network topology of variance decompositions： Measuring the connectedness of financial firms［J］. Journal of Econometrics， 2014， 182（1）： 119-134.
34	Härdle W K， Wang W， Yu L. Tenet： Tail-event driven network risk［J］. Journal of Econometrics， 2016， 192（2）： 499-513.
35	杨子晖，陈雨恬，张平淼. 重大突发公共事件下的宏观经济冲击、金融风险传导与治理应对［J］. 管理世界， 2020， 36（5）：13-35.
	Yang Z H， Chen Y T， Zhang P M. Macroeconomic impact， financial risk transmission and governance response under major public emergencies［J］. Journal of Management World，2020，36（5）：13-35.
36	杨子晖，张平淼，陈雨恬. 风险共振还是风险分散？——基于尾部事件下风险结构的关联研究［J］. 经济学（季刊）， 2021， 21（6）：2127-2152.
	Yang Z H， Zhang P M， Chen Y T. Risk co movement or risk diversification？Research on connectedness of risk profile under tail events［J］. China Economic Quarterly，2021，21（6）：2127-2152.
37	Saiki A， Frost J. Does unconventional monetary policy affect inequality？ Evidence from Japan［J］. Applied Economics， 2014， 46：4445-4454.

疫情前∆CoVaR矩阵							疫情后∆CoVaR矩阵
市场	B.IPE	USAG	SPX.GI	SC.INE	CICSF	SH300	市场	B.IPE	USAG	SPX.GI	SC.INE	CICSF	SH300
B.IPE	-0.0206	4.9477	5.3468	6.7386	4.3349	5.8362	B.IPE	-0.0206	6.3792	6.2706	7.3209	7.4037	7.3152
USAG	1.9622	-0.0927	1.9058	2.1624	1.8245	2.1552	USAG	2.1265	-0.0927	2.0765	2.4178	2.3259	2.3583
SPX.GI	3.2925	2.7312	-0.0548	3.2945	2.3663	3.1069	SPX.GI	3.8503	3.5475	-0.0548	4.1457	3.8699	5.0511
SC.INE	4.4873	4.5143	4.3052	-0.0323	3.7329	4.3442	SC.INE	5.2503	4.7992	5.1991	-0.0323	5.6242	5.7184
CICSF	1.6446	1.6638	1.6475	1.6839	-0.0889	1.6257	CICSF	1.8229	1.6020	1.7844	2.3590	-0.0889	2.0965
SH300	2.5334	2.4319	2.5594	2.7713	2.3795	-0.0231	SH300	2.6171	2.6134	2.8302	3.1506	2.8479	-0.0231

样本	市场	国际			国内
样本	市场	原油	粮食	金融	原油	粮食	金融
疫情前	NET	71.598	8.133	-10.385	-49.161	-8.079	-12.107
	IN	1.207	1.027	17.737	54.438	9.871	14.390
	OUT	72.806	9.160	7.352	5.276	1.793	2.283
	GROSS	74.013	10.186	25.089	59.714	11.664	16.674
疫情后	NET	54.569	17.144	-10.920	-18.978	-23.869	-17.947
	IN	3.629	3.380	21.627	30.745	30.574	18.622
	OUT	58.198	20.525	10.707	11.767	6.705	0.675
	GROSS	61.827	23.905	32.334	42.512	37.279	19.298
全样本	NET	58.955	12.372	-12.270	-25.916	-20.953	-12.189
	IN	1.442	2.143	20.405	34.945	22.825	13.210
	OUT	60.397	14.515	8.135	9.029	1.873	1.021
	GROSS	61.839	16.658	28.540	43.975	24.698	14.231

[1]	金帅, 吴苏闽, 蒋思琦. 排污权价格随机情境下基于CVaR准则的企业生产决策[J]. 中国管理科学, 2022, 30(9): 232-244.
[2]	寇红红, 柴建, 郑嘉俐, 孙少龙. 上海原油期货市场是否具有稳定中国股票市场的作用？[J]. 中国管理科学, 2022, 30(11): 20-30.
[3]	刘超, 郭亚东. 多时间尺度下行业间系统性金融风险溢出及拓扑结构分析[J]. 中国管理科学, 2022, 30(10): 46-59.
[4]	张清叶, 高岩. 基于CVaR投资组合优化问题的非光滑优化方法[J]. 中国管理科学, 2017, 25(10): 11-19.
[5]	代建生, 秦开大. 具有风险规避销售商的供应链最优回购契约[J]. 中国管理科学, 2016, 24(7): 72-81.
[6]	黄金波, 李仲飞, 周先波. VaR与CVaR的敏感性凸性及其核估计[J]. 中国管理科学, 2014, 22(8): 1-9.
[7]	刘小茂, 杜红军. 金融资产的VaR和CVaR风险的优良估计[J]. 中国管理科学, 2006, (5): 1-6.