• 静态风险溢出分析显示，11种农业期货的整体总风险溢出指数（TCI）为18.8%，CBOT玉米、CBOT大豆和CBOT小麦为主要风险传导者，DCE大豆和DCE玉米为主要风险接收者，稻米期货风险溢出较弱，表现为较好的风险规避资产 [page::9][page::10]

| 期货品种 | TO（风险发出） | FROM（风险接收） | NET（净风险溢出） | DOM（净风险传导数） |
|--------------|----------------|-----------------|------------------|--------------------|
| CBOT 玉米 | 50.9% | 42.0% | 8.8% | 9 |
| CBOT 大豆 | 41.3% | 36.0% | 5.2% | 7 |
| CBOT 小麦 | 38.1% | 35.7% | 2.4% | 8 |
| DCE 大豆 | 10.6% | 17.5% | -6.8% | 1 |
| DCE 玉米 | 9.3% | 14.6% | -5.4% | 1 |
| 稻米品种整体 | 较低 | 较低 | 近于0 | 较少 |

• 动态风险溢出走势图反映2015年、2021年、2022年出现显著风险溢出峰值，与全球油价剧变、疫情冲击及俄乌战争密切相关，风险溢出指数波动区间通常在10%-30%之间。主要风险输送体集中于CBOT玉米、大豆和小麦，DCE大豆和玉米作为净风险接收者趋势明显，且风险溢出呈现时间波动性强和地域差异特征 [page::11][page::12][page::13]

• 风险溢出网络分析及最小生成树揭示CBOT玉米、大豆和小麦构成传播核心，体现网络中明显的中心集聚特性，而DCE玉米和大豆多处于网络末端，稻米期货表现出较强风险隔离性，证明其风险传播有限 [page::14][page::15][page::16]

• 分位数风险溢出分析表明极端情形（5%和95%分位数）下风险溢出明显高于均值及中位数情形，极端下风险传递角色出现重大变化：极端下行时以CZCE硬小麦、晚籼稻为主传导体，CBOT小麦由风险传导者转为风险承受者，DCE玉米转为风险传导者；极端上行时CBOT品种普遍转为风险接受者，CZCE硬小麦和晚籼稻强化为风险传导中心，地域特色明显，反映出中国市场在极端情境下的主动影响力 [page::17][page::18][page::19]

• 极端风险溢出网络与最小生成树呈现较强联动特点，中美市场中心节点地位发生变化，极端情况下CZCE硬小麦和晚籼稻位居网络核心，风险溢出路径更加多样化，市场整体联动性增强，传统领先的CBOT期货在极端环境中地位有所下降，显示风险扩散和市场影响的复杂性提升 [page::23][page::24]

• 鲁棒性测试通过将预测步长由5日调整为10日，验证风险溢出趋势稳定一致，研究结论稳健可靠 [page::25]

深度分析报告：中美农产品期货市场动态风险溢出效应研究

---

一、元数据与报告概览

• 报告标题：《Uncovering the Sino-US dynamic risk spillovers effects: Evidence from agricultural futures markets》

- 作者：Han-Yu Zhu, Peng-Fei Dai, Wei-Xing Zhou

• 发布机构：华东理工大学商学院

- 发布时间：数据涵盖2014年7月9日至2022年12月31日，论文近期发表

• 研究主题：分析中美农产品期货市场中风险溢出效应的动态特征，重点关注11种主食期货合约的风险溢出关系

- 核心论点：
- 美国CBOT的玉米、大豆和小麦是主要风险传递者，而中国DCE的玉米和大豆是主要风险接收者。
- 突发事件及经济不确定性加剧时，整体风险溢出水平提升。
- 风险溢出呈现集聚特征，具有明显的网络结构。
- 在条件均值（mean）下，CBOT玉米和大豆是中心风险传递者，而极端情况下，CZCE硬质小麦和长粒稻成为风险溢出中心。
- 对市场决策者提出应对价格风险，投资者则可据此构建更优投资组合。

• 方法与模型：采用了时变参数向量自回归-Diebold Yilmaz（TVP-VAR-DY）模型结合分位数方法，捕捉不同市场条件下的均值及极端风险溢出。

总体来看，作者旨在揭示中美两大农产品期货市场间复杂的风险传递机制，尤其是在不同市场状态和极端事件下的动态演变，进而为市场参与者与政策制定者提供针对性的风险管理和投资策略建议。

---

二、逐节深度解读

2.1 引言与研究背景

• 报告指出农业产品在满足全球粮食安全中的关键作用，且全球经济一体化及农产品金融化程度不断加强，使得不同农业期货之间关联日益紧密。

- 重大国际事件（如新冠疫情、俄乌冲突）极大加剧粮食价格波动，导致全球粮食安全危机，表现为价格急剧上涨。

• 农产品期货作为风险对冲和价格发现工具，其价格波动和风险溢出机制研究具有重要现实意义。[page::0][page::1][page::2]

2.2 农产品期货市场概况

• 全球范围内农产品期货交易活跃，2021年全球农产品期货成交量达到18.15亿手，占全球期货市场总量9%。

- 期货市场成为价格发现的核心渠道，价格风险由期货传递至现货市场的单向关系显著。

• 2004年以来商品金融化趋势明显，财务资本涌入加剧了农产品期货间价格关联和风险传导。

- 举例：全球玉米进出口量大幅增长，价格波动加剧，金融因素影响导致风险转移机制更复杂。[page::1]

2.3 风险溢出及模型选择

• 风险溢出指经济变量间风险的传递、影响波及其他市场。

- 文献中风险溢出研究涵盖股市、汇市、能源市场以及同一市场内不同品类间的传递等，应用模型包括分位数回归、多元GARCH、Copula、VAR及其衍生模型。

• 传统DY溢出指数采用滚动窗口法分析动态溢出，存在样本信息丢失和窗口参数主观设定问题。

- 本文采用了TVP-VAR-DY模型，结合Koenker-Bassett(1978)分位数VAR方法，避免滚动窗口的不足，更灵活捕捉动态风险溢出特征，兼顾均值和尾部风险溢出测度。[page::4][page::5][page::6][page::7]

2.4 样本数据与处理

• 选择11种代表性农产品期货，涵盖美国CBOT（玉米、粗糙稻、大豆、小麦）和中国CZCE及DCE交易所（硬小麦、早稻、晚稻、长粒稻等）。

- 时间区间覆盖2014年7月9日至2022年12月31日，数据主要来自Bloomberg及Wind数据库。

• 计算日收益率进行分析，因价格间单位差异及数据非平稳性，收益率具备更稳定的统计性质。

- 对时间序列进行ADF检验，确认其平稳性，确定模型最优滞后阶数为1阶，构建TVP-VAR(1)模型。[page::7][page::8][page::9]

---

三、图表与实证结果解析

3.1 静态风险溢出表（表3）

• 总体平均风险溢出指数（TCI）为18.8%，说明各农产品期货间存在较强风险交互。

- 方向溢出（TO）指数范围较广，CBOT玉米（50.9%）、大豆（41.3%）和小麦（38.1%）为主要风险传递者。

• 反方向溢出（FROM）指数表明DCE玉米和大豆为主要风险接收者，净溢出（NET）指数正负分明。

- 粮食品类中，玉米、大豆和小麦风险溢出显著，稻米类风险溢出较弱，显示稻米的政策调控及市场特性降低了风险传导。

• 结合净传递数量（DOM），CBOT玉米对9个期货存在较强净风险传递，突显其在风险网络中的枢纽位置。[page::9][page::10]

3.2 动态总风险溢出（图1）

• 动态风险溢出在2018年后波动增强，总风险溢出指数波动区间约为10%-30%。

- 节点事件显著影响风险溢出，比如：
- 2015年油价大跌及中国经济因素导致波动升高。
- 2021年新冠疫情引发物流限制、食品出口管控，风险快速攀升。
- 2022年俄乌冲突严重影响粮食供应链，风险溢出激增。

• 结果表明重大经济政治事件对农产品期货价格风险溢出具有重要引发作用。[page::11]

3.3 动态方向风险溢出（图2-4）

• CBOT玉米、大豆和小麦持续为主要的风险溢出发送市场，DCE玉米、大豆为主要接收市场。

- 中国政策调整、2020年疫情影响、2022年俄乌冲突均显著提升风险溢出水平，且存在显著地理聚集效应。

• 特别是2020年后，中国进口玉米激增（同比增长135.91%），加剧了DCE市场的风险接收强度。

- 风险溢出的“V”型波动反映气候与政策因素对价格波动的双重影响。

• 结构性风险溢出表明，疫情和地缘冲突成为风险溢出的两大催化剂。[page::12][page::13][page::14]

3.4 风险溢出网络与最小生成树（图5-6）

• 网络图显示CBOT玉米、玉米、小麦构成核心节点，三者间关联紧密，尤其玉米对大豆、小麦均有强烈影响，且强度不同。

- CZCE及DCE市场中的稻米期货相对孤立，风险传递较弱。

• 最小生成树表明，风险传递有清晰的层级结构，CBOT玉米位列顶端，为风险溢出最重要的发源地。

- 风险传递路径短，最大路径仅三跳，凸显风险溢出呈现中心化传播特征。

• 美国市场位于风险扩散链的前端，中国市场多位于末端，反映两国市场在全球风险链中的不同地位。[page::15][page::16]

3.5 分位数风险溢出（表4-6，图7）

• 中位数（50%分位）下风险溢出与均值类似，TCI稍高，为21.9%。

- 极端下尾（5%分位）和上尾（95%分位）下风险溢出显著升高，分别达到41.2%和38.7%，远高于均值和中位数，说明极端市场状态下风险传导加剧。

• 极端低分位：CZCE硬质小麦转为主风险传递者，CBOT小麦变为风险接收者，而DCE玉米则由风险接收转为风险传递，表明极端下行时中国期货更具主动性。

- 极端高分位：中国期货普遍转为风险传递者，美期货转为风险接受者，体现两国市场在极端涨势中的角色反转，可能与交易限价制度差异有关。

• 风险溢出在极端状态下更为频繁且角色转换显著，凸显投资和政策管理的复杂性。[page::17][page::18][page::19][page::20]

3.6 分位数风险溢出网络与最小生成树（图11-12）

• 中位数条件下，风险溢出网络节点比均值情形更加密集，溢出关系更强。

- 极端情形下，墨迹中国期货风险传导中心地位上升，CBOT小麦从风险传递转为风险接收，CZCE稻米种类显示从风险接收变为风险传递。

• 极端情形下网络连接更多，风险关联增强，但CBOT三大主力品种间的净溢出关系消失，表明相互抵消。

- 最小生成树中，极端情形下风险中心更多向中国市场转移，如CZCE硬质小麦和晚稻成主要节点。

• 相较均值条件，下游农产品多元化溢出路径增加且层次结构弱化，反映极端风险的系统性扩散特征。[page::23][page::24]

3.7 稳健性检验（图13）

• 通过调整预测步长从5天变为10天进行检验，动态总风险溢出趋势和波动变化保持高度一致，确认模型对预测步长的敏感度低，结果稳健。

- 包括均值、中位数及极端分位条件下的风险溢出行为均通过此方法验证，增加结论可信度。[page::25]

---

四、估值相关讨论

本报告主要聚焦风险溢出动态测度，未涉及传统企业估值或证券价值评估模型，如DCF或市盈率等，因此无估值分析部分，主要以风险溢出指数和网络结构为核心分析对象。

---

五、风险因素评估

• 重大国际政治事件（如俄乌冲突）、公共卫生事件（新冠疫情）均显著放大风险溢出，是风险溢出波动的主要驱动因素。

- 经济不确定性增加及商品金融化趋势加剧市场波动性，导致风险在不同市场之间的传递更频繁且强度加大。

• 地域性政策差异，特别是中国对粮食价格的稳定政策对稻米市场风险溢出抑制明显。

- 在极端市场环境下，风险溢出机制结构性改变，原主导风险传递的美国市场期货有可能被中国期货所替代，行业监管和政策应对此类风险的动态变迁保持敏感。

• 报告未具体量化风险发生概率及缓解策略，更多聚焦于风险溢出特性和内部机制的识别。[page::11][page::12][page::17][page::26]

---

六、批判性视角与细微差别

• 报告依赖于动态TVP-VAR-DY模型及分位数VAR的联合估计，模型性能高度依赖变量选择与参数设定，潜在隐含假设对结果存在影响。

- 分位数方法突显极端风险溢出，提示传统均值风险溢出可能低估系统性风险，但极端环境下风险角色频繁变动也让风险管理难度增大，报告虽指出此点，未来可进一步扩展对政策含义的讨论。

• 稻米期货风险溢出弱和政策保护关联紧密，可能导致在其他参数条件变化时对风险认知不足，政策动态调整的反应需更多关注。

- 对于模型选择和数据预处理（如缺失数据使用前日补充），虽合理但可能引入偏差。

• 作者对风险溢出网络中样本期内多个重大事件的识别和解读较充分，但对特定事件的量化贡献率或因果推断较弱，建议后续研究引入事件研究法或结构模型验证因果关系。

---

七、结论性综合

本研究通过灵活运用时变参数VAR-DY模型与分位数分析，基于2014-2022年中美11类主要农产品期货市场数据，系统刻画了农产品期货市场内的风险溢出及其动态演变机制，主要具有以下发现：

• 风险溢出强度大且时变，总体风险溢出水平在10%-30%区间波动，且在疫情、地缘冲突等重大国际事件时期呈高峰态势。

- 核心风险传递者为美国CBOT的玉米、大豆和小麦期货，中国DCE的玉米和大豆主要为风险接收方，稻米期货风险传递较弱，受政策保护机制影响显著。

• 分位数分析揭示极端市场情形下风险溢出更为猛烈，TCI值明显高于均值条件，且核心风险传递者身份出现转换，中国期货在极端条件下更加主动，表现出不同程度的地缘性和时间段特征。

- 风险溢出存在明显网络和层级结构，风险从美国到中国市场的传递路径短且集中，极端条件下层级性弱化，风险关系更加复杂多变。

• 稳健性测试确认研究结论对预测步长等参数敏感性低，结论具有较强的普适性和信赖度。

基于上述发现，报告提出政策和投资建议：

• 政府及监管部门需基于风险溢出方向加强粮食价格稳定机制，重点关注CBOT玉米、大豆及小麦价格波动，极端情况下需关注CZCE硬质小麦及晚秈稻。

- 建议构建多元化进口供应链，降低单一通道风险，配合农业科技开发提升粮食产量，增强抵御全球突发事件影响的能力。

• 投资者可根据风险溢出指标动态调整组合，趋利避害，特别是在关键期货价格显著上升前后调整风险溢出传播链相关资产的敞口。

- 稻米品种在一般市场条件下表现为较稳健的避险品种，投资组合构建中可考虑其风险缓冲作用。

综上，本文通过创新的模型和方法，细致剖析了中美农产品期货市场间复杂的风险动态传染机制，兼顾均值和极端风险，填补了该领域在综合风险测度和动态分析上的空白，为相关政策制定和投资决策提供了宝贵数据和理论支持。

---

八、图表引用示例

• 图1（动态总风险溢出）揭示2015、2021和2022年政治经济事件对风险溢出的深刻影响。

• 图5（风险溢出网络分析）清晰描绘了CBOT三大期货为核心节点，风险溢出向中国市场蔓延的网络结构。

• 表3（静态风险溢出矩阵）量化了不同品类及交易所期货之间的溢出强度和互动关系，揭示了市场内风险态势的整体轮廓。

[表3详见原文第9页及10页]

• 图7（不同分位数条件下总风险溢出动力）展现极端市场在风险溢出水平和波动上的鲜明特征。

---

# 综上所述，该报告系统透彻地展现了中美农产品期货市场风险溢出的动态特征和重大事件影响，结合均值与分位数模型，为市场风险管理和政策制定提供了高质量实证依据。[page::0],[page::1],[page::2],[page::4],[page::5],[page::6],[page::7],[page::8],[page::9],[page::10],[page::11],[page::12],[page::13],[page::14],[page::15],[page::16],[page::17],[page::18],[page::19],[page::20],[page::23],[page::24],[page::25],[page::26]

报告