国际大宗商品市场与国内外股票市场对我国大宗商品市场溢出效应的研究

2. 模型构建与数据描述
2.1. 模型构建
2.1.1. 均值方程 VAR 模型，即向量自回归模型，通常用于多变量时间序列系统的预测和描述随机扰动对变量系统的 动态影响，实际上是向量自回归移动平均(VARMA)的简化[3]。本文中运用 VAR 模型对不同金融市场间 的均值溢出效应进行分析。均值方程 VAR(q)模型的表达式为：
= i 1= i 1 = i 1
上述 5 个式子中，q 表示 VAR 模型的最佳滞后阶数， rcccit 、 rcrbst 、 rcrbt 、 rmscit 、 rsht 分别代表国内 大宗商品市场、国际大宗商品现货与期货市场、全球股票市场以及国内股票市场收益率时间序列， ε1t 、
ε 2t 、ε 3t 、ε 4t 、ε 5t 分别是 5 个方程的残差项。各个均值方程中等号右侧各变量对应的系数 α ni ， β ni ，θ ni ， γ ni ， ηni 如果为零或不显著，则表示各变量对左侧变量的影响不显著，反之表明影响较为显著。
*
通讯作者。
文章引用 : 姜鹏 , 张斌 . 国际大宗商品市场与国内外股票市场对我国大宗商品市场溢出效应的研究 [J]. 农业科学 , 2018, 8(8): 976-986. DOI: 10.12677/hjas.2018.88143
姜鹏，张斌
摘
要
随着金融市场的高度国际化与大宗商品市场金融程度的加深，国内大宗商品市场将面临着多种市场的冲 击。本文分别从均值溢出效应和波动溢出效应的两个角度，运用VAR模型和DCC-MGARCH模型分析国际 大宗商品市场与国内外股票市场对我国大宗商品市场的作用。结果表明，国际股票市场、国际大宗商品 市场对我国大宗商品市场均值溢出效应与波动溢出效应均比较明显，但是国内股票市场与我国大宗商品 市场间的联系还不够紧密。
977
农业科学
姜鹏，张斌
q q q q q
rcrbst = µ2 + ∑ α 2i rcccit −i + ∑ β 2i rcrbst −i + ∑ θ3i rcrbt −i + ∑ γ 3i rmscit −i + ∑η rsht −i + ε 2t
i 1 = i 1 = q q i 1= i 1 = q q i 1 = q
Institute of Agricultural Information and Economics, BAAFS, Beijing Received: Aug. 4 , 2018; accepted: Aug. 20 , 2018; published: Aug. 27 , 2018
th th th
pi
qi
Rt = Qt*−1Qt Qt*−1 M N M N Qt = 1 − ∑ α m − ∑ β n Q + ∑ α m ( ε t −mε t′−m ) + ∑ β nQt −n = = = n 1 m 1 n 1 m 1=
其中， Qt 是协方差矩阵； Q 是 ε t 的无条件协方差矩阵； Qt* 是由 Qt 矩阵中对角元素平方根组成的对角矩 阵； α m 、 β n 为 DCC 模型的系数，限制条件为非负且两者之和小于 1，以保证 Qt 和 Rt 均大于 0；m、n 分别是残差平方项的滞后阶数和条件方差的滞后阶数[6]。
关键词
溢出效应，大宗商品市场，股票市场，VAR模型
Copyright © 2018 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/
rcccit = µ1 + ∑ α1i rcccit −i + ∑ β1i rcrbst −i + ∑ θ1i rcrbt −i + ∑ γ 1i rmscit −i + ∑η1i rsht −i + ε 5t
= i 1 = i 1 = i 1= i 1 = i 1 q q q q q
DOI: 10.12677/hjas.2018.88143
= i 1 = i 1 q q = i 1= i 1 q wk.baidu.com = i 1 q
q
= i 1 = i 1
rsht = µ5 + ∑ α 5i rcccit −i + ∑ β5i rcrbst −i + ∑ θ5i rcrbt −i + ∑ γ 5i rmscit −i + ∑η5i rsht −i + ε 5t
Open Access
1. 引言
经济全球化不仅增强了国际贸易机金融的渗透性，同时也加剧了市场的复杂性。就国内大宗商品市 场而言，市场复杂性的根源在与国际大宗商品市场的联系及国内外股票市场的不确定性。随着大宗商品 市场金融属性的增强，大宗商品市场与股票市场之间联系愈加紧密。首先，基于大宗商品的商品属性， 商品价格的波动直接影响产业上下游企业的生产经营决策，间接地影响道股票价格，在一定程度上反映 市场对实体经济及大宗商品的供需情况的预期[1]。其次，基于大宗商品的金融属性，为实现风险分散化 和资产多样化的目的，投资者将现货和期货纳入投资组合之中，因此，大宗商品市场已成为重要的金融 投资工具[2]。换言之，资本在股票市场和商品市场之间的转移势必会对两类市场的价格波动产生影响， 因此，两大市场的变化趋势与联动关系对于预测经济走势与防范风险具有重要的参考价值。在国际金融 市场与国内大宗商品市场发展背景下，以金融市场与大宗商品市场的互相影响机理， 本文基于 VAR 模型 和 DCC 多元 GARCH 模型对国内大宗商品市场、国际大宗商品市场、国内股票市场以及国际股票市场之 间的均值溢出效应和波动溢出效应进行了实证分析，以探究它们的互动关系，对于我国企业经营管理决 策、投资人金融投资策略以及金融市场的稳定性都具有重要的战略意义。
= H t E ( ε t ε t′ | Ωt −1 )
H t = Dt Rt Dt
其中， Ωt −1 为 t − 1 期之前所有的信息合集； Rt 是动态条件相关系数矩阵； ε t = ( ε1,t , ε 2,t , , ε n ,t ) 是收益率在 t 期的误差向量； Dt 是单一变量 GARCH 模型估计出的各资产收益率条件标准差构成的对角矩阵，即 1 1 2 , , h 2 Dt = diag h 11, t nn ,t ， hii ,t 为单变量 GARCH 方程估计出的条件方差。单变量 GARCH 模型为：
A Study on the Spillover Effects of International Commodity Markets and Domestic and Foreign Stock Markets on China’s Commodity Market
Peng Jiang, Bin Zhang*
Abstract
With the high internationalization of financial market and the deepening of the financial degree of commodity market, the domestic commodity market will face the impact of many kinds of markets. This paper analyzes the effects of international commodity market and domestic and foreign stock markets on China’s commodity market by using VAR model and DCC-MGARCH model respectively from two angles of mean overflow effect and fluctuation spillover effect. The results show that the mean spillover effect and the volatility spillover effect are obvious to the international stock market and the international commodity market, but the relationship between the domestic stock market and the commodity markets in China is not close enough.
rcrbt = µ3 + ∑ α 3i rcccit −i + ∑ β3i rcrbst −i + ∑ θ3i rcrbt −i + ∑ γ 3i rmscit −i + ∑η3i rsht −i + ε 3t
i 1 = i 1 = q q i 1= i 1 = q q i 1 =
rmscit = µ4 + ∑ α 4i rcccit −i + ∑ β 4i rcrbst −i + ∑ θ 4i rcrbt −i + ∑ γ 4i rmscit −i + ∑η4i rsht −i + ε 4t
= p 1= q 1
hii ,t = ci + ∑ α i , pε i2,t − p + ∑ βi ,q hii ,t −q
pi
qi
p，q 分别为前期残差平方项和前期条件方差的滞后阶数，模型的约束条件为： α i , p ≥ 0 ， βi , p ≥ 0 ，
= p 1= q 1
且 ∑ α i , p + ∑ βi , p < 1 。 DCC 模型的形式可以表述为：
Keywords
Spillover Effects, Commodity Markets, Stock Market, VAR Model
国际大宗商品市场与国内外股票市场对我国大 宗商品市场溢出效应的研究
姜 鹏，张 斌*
北京市农林科学院农业信息与经济研究所，北京
收稿日期：2018年8月4日；录用日期：2018年8月20日；发布日期：2018年8月27日
Hans Journal of Agricultural Sciences 农业科学, 2018, 8(8), 976-986 Published Online August 2018 in Hans. http://www.hanspub.org/journal/hjas https://doi.org/10.12677/hjas.2018.88143
2.1.2. DCC 多元变量 GARCH 模型 DCC-GARCHA 模型最早由 Engle 等人提出，用于研究多变量之间的动态相关性问题[4]。该模型的 参数估计主要分为两步：首先，利用 GARCH 模型分别对所有变量的收益率序列的波动性进行估计，并 获得标准化残差；第二步运用极大似然估计法，对上一步得到的标准化残差序列估计 DCC 模型的参数和 动态相关系数的矩阵[5]。模型的主要形式如下： 假设有 n 个不同资产，条件收益率服从于均值为 0、方差协方差矩阵为 H t 的正态分布，方差协方差 矩阵表示为
DOI: 10.12677/hjas.2018.88143 978 农业科学
姜鹏，张斌
2.2. 数据来源与处理
本文选取监控中心中国商品综合指数(CCCI)、CRB 综合现货指数和综合期货指数、MSCI 全球指数 以及上证综合指数的变化率分别反映国内大宗商品市场、国际大宗商品市场、全球股市以及国内股市的 收益率。其中，CCCI 来自于中国期货保证金监控中心，用于反映国内大宗商品价格总体运行态势；CRBI 指数源自美国商品调查局，用于观察全球核心商品价格波动情况，反映世界主要商品价格的动态信息； CRBSA 指数和 CRBFI 指数的变化率分别表示国际大宗商品现货与期货市场的收益率情况； MSCI 源自摩 根士丹利资本国际公司，范围涵盖全球，是欧美发达国家基金经理对全球股票市场投资决策的重要参考 指标。样本数据选取 2008 年 7 月 1 日至 2016 年 8 月 1 日，共得到 1968 组日频数据，所有数据均来源与 Wind 资讯终端数据。