摘要：本文选取2018年3月27日至2023年12月29日上海原油期货与国内农产品期货市场黄大豆1号、黄大豆2号、玉米、棉花期货的日收盘价数据，利用DCC-GARCH模型刻画了上海原油期货与国内四种农产品期货的动态相关性。在此基础上，构建TVP-VAR-DY模型从静态和动态两个方面测度了上海原油期货与国内农产品期货的溢出效应。研究发现：①上海原油期货与四类农产品期货均具有正相关性，且与黄大豆2号、棉花期货的正相关性最强，与玉米期货的相关性水平在2021年以后整体有所提升。②上海原油期货与国内农产品期货之间存在双向溢出效应，但原油期货对农产品期货市场的影响更大，表明原油市场的波动对农产品期货市场有更为显著的冲击作用。③上海原油期货对黄大豆2号和棉花期货的溢出效应最为显著，其次是玉米期货，而对黄大豆1号期货的溢出效应相对较小。在四种农产品期货中，黄大豆2号对上海原油期货具有显著的溢出效应。④极端事件的发生会加剧上海原油期货与国内农产品期货市场间的溢出水平。
关键词：上海原油期货；国内农产品期货；动态相关性；溢出效应
一、引言
根据2024年1月17日国家统计局官网发布的《2023年12月份能源生产情况》，2023年中国进口原油56399万吨，同比增长110%，原油对外依存度增长至7299%，进口量继续稳居世界第一位。近年来，疫情、地缘政治冲突以及WTI（WestTexasIntermediate）原油首次跌至负值等极端事件频发，这些都可能引发油价冲击。而原油作为生产生活的基础性资源，可以通过多种传导途径对农产品价格产生影响。第一，原油价格的变动会直接影响化肥、农药、汽油等原油副产品的价格，从而改变农产品生产成本与运输成本，带动农产品价格上升或下降；第二，我国作为农产品进口大国，原油价格的波动通过影响国际农产品价格，进而造成国内农产品价格的改变；第三，当前环境问题愈加受到关注，目前国际上以农产品为原材料生产的生物质能源成为化石能源的重要替代之一，导致农产品价格与原油价格产生联系；第四，在商品金融化的背景下，农产品期货的投资属性增强，使农产品价格不仅受基本面供需关系的影响，还受到金融市场动态变化的影响。而原油作为金融属性最强的大宗商品，其价格波动可能会通过金融市场影响农产品期货市场。
2018年3月26日，上海原油期货作为中国首个对外开放的期货品种在上海国际能源交易中心上市交易。自上市以来，上海原油期货的成交量稳步增长，目前已成为全球第三大原油期货品种，市场规模仅次于WTI原油期货和Brent原油期货。但由于我国原油期货上市时间短，研究其与国内农产品期货溢出效应的文章较少。
我国作为农业大国和人口大国，维持农产品价格稳定尤为重要，而原油价格受挫或升高会影响农产品价格，又由于期货价格变化会形成对未来现货价格的理性预期，因此有必要探讨上海原油期货与我国农产品期货市场间的动态相关性及溢出效应。这将有助于相关部门制定合理的政策防范农产品价格的异常波动以及期货市场间的风险传染；有助于增强个人和机构投资者对农产品期货市场和上海原油期货市场之间联动关系的理解，从而通过农产品期货对冲原油市场的风险或丰富投资组合的多样性；有助于进一步完善国内农产品定价机制，增强我国在全球大宗商品市场中的定价话语权，更好地维护本国利益和战略安全。
二、文献综述
原油与农产品作为基础原材料，不仅与人们的生产生活息息相关，也影响着一国的宏观经济。国内外学者对原油价格与农产品价格之间的关联性进行了广泛的研究。Nazliogˇlu等（2013）研究表明，石油市场的波动在粮食价格危机后会传递到农产品市场。Luo和Ji（2018）研究证实美国原油市场对中国农产品市场存在波动溢出效应，尽管这种溢出效应的程度较弱。Kang等（2019）从频域角度考察国际原油和农产品之间的连通性，发现石油和农产品市场在不同频段之间存在双向不对称信息溢出。Dahl等（2020）研究发现在金融和经济动荡时期，原油和农产品之间的不对称和双向信息流动会加剧。国内学者的研究也表明原油与农产品价格之间存在显著联系。郭玉晶等（2015）运用VAR（6）-GARCH（1，1）-BEKK模型，对国际原油期货市场与我国主要的农产品期货市场之间的关系进行了分析，结果发现原油期货与玉米期货、大豆期货存在双向波动溢出效应，与小麦期货存在单向波动溢出效应。此外，许多学者的研究也表明原油价格波动对于不同农产品的影响程度是不同的（黄海峰和施展，2017；彭新宇和樊海利，2019；卿雨茜和郭风龙，2022；张松艳和杜明娅，2022）。
关于原油与农产品价格传导途径的研究，已有文献主要从成本、生物燃料、国际贸易、商品金融化等视角展开。从成本角度看，原油价格的上涨提高了农业生产成本、运输成本，然后这些成本转移到了农产品上（付莲莲等，2014；Dillon和Barrett，2016）。从生物燃料角度看，生物燃料是原油的替代品，因此当原油价格急剧上涨时，生物燃料的需求将会增加，进而导致作为生物燃料原材料的玉米、大豆等农产品价格的上涨（Chen等，2010；古家乐和孟庆军，2020）。从国际贸易角度看，原油价格波动会影响国际农产品价格，而我国作为农产品进口大国，国内的农产品价格必然发生改变（税尚楠，2008；郑燕和丁存振，2019）。从商品金融化角度看，能源和农产品市场金融化程度的提高有助于投资者创建多元化投资组合，因此增强了两个市场之间的连通性，尤其危机时期农产品与原油市场存在双向波动溢出效应，表明金融投资者的存在为农产品与原油市场冲击传递提供了新的渠道（Lu等，2019；Sun等，2021）。
综上所述，国内外学者对原油价格与农产品价格之间的关系展开了广泛的研究。但大多数学者关注的是国际原油，如WTI原油期货、Brent原油期货。但这些欧美原油期货的价格无法充分表现亚洲地区原油的供求情况。2018年3月26日，上海原油期货在上海能源交易所正式上市，这对亚洲地区原油基准价格的确立具有积极意义。现有文献缺乏对处于同一金融市场的上海原油期货与国内农产品期货市场间关系的研究。此外，过往研究多采用VAR模型、GARCH类模型进行研究，但这些方法多从静态角度证明两个市场之间存在显著相关关系，缺乏从动态角度的考察以及对溢出效应大小的测度。
因此，本文在借鉴前人研究的基础上，选取上海原油期货与国内农产品期货作为研究对象，构建DCC-GARCH刻画上海原油期货与国内农产品期货的动态相关性，在此基础上，利用TVP-VAR-DY模型测度上海原油期货与国内农产品期货的溢出效应。在探究上海原油期货与国内农产品期货之间的关系后，提出相关的政策建议，以防范两个市场之间的风险传染，维持农产品市场价格的稳定。
三、数据说明与模型介绍
（一）数据说明
1数据选取与处理
本文选取了大连商品交易所的黄大豆1号、黄大豆2号、玉米以及郑州商品交易所的棉花作为国内农产品期货代表。上海原油期货与四种农产品期货数据均采用连续合约的日收盘价，样本期间自上海原油期货上市交易开始，即从2018年3月26日至2023年12月29日，剔除法定节假日后，每个期货品种共得到1273个样本数据。最后，对所有期货品种的日收盘价进行对数处理以获得收益率，计算公式如下：
Rt=lnptpt-1（1）
式中，pt表示各期货品种第t日的收盘价序列，Rt表示第t日的收益率序列，包括上海原油期货（INE）的日对数收益率、黄大豆1号期货（SOYBEAN1）的日对数收益率、黄大豆2号期货（SOYBEAN2）的日对数收益率、玉米期货（MAIZE）的日对数收益率以及棉花期货（COTTON）的日对数收益率。期货合约价格均来自Wind数据库，运用Eviews和R语言进行数据处理分析。
2描述性统计
从表1的统计结果来看，INE原油期货与农产品期货的平均收益率均比较小，接近0。从标准差来看，INE原油期货的标准差最大。从偏度来看，以上5个变量的对数收益率偏度均不为0，存在左偏和右偏的性质。从峰度来看，所有变量的峰度都超过了正态分布的峰度值3且各个变量J-B统计量的值均拒绝了关于满足正态分布的原假设，符合金融数据尖峰厚尾的特征。
3平稳性检验
在对金融时间序列数据进行建模分析之前，确保数据的平稳性是至关重要的，否则可能出现伪回归问题。本文采用ADF单位根检验对以上5个变量的对数收益率进行平稳性检验，ADF单位根检验的详细结果如表2所示。由表2的检验结果可知，所有期货品种收益率序列均满足平稳性条件，这意味着可以进行后续的时间序列建模分析。
（二）模型介绍
1DCC-GARCH模型介绍
DCC-GARCH模型又称动态条件相关的广义条件异方差模型，最初由Engle（2002）提出。该模型可以对多个时间序列的动态相关关系进行刻画，弥补了CCC-GARCH模型对相关系数时变性估计的不足。此外，该模型考虑了各变量序列的自相关性和异方差性，因此估计结果较静态相关系数估计更稳健。
DCC-GARCH模型的估计过程通常遵循以下两个主要步骤：第一步需要对每个变量的收益率序列进行GARCH模型估计，GARCH模型能够捕捉到变量收益率的波动性聚集现象。第二步则使用从GARCH模型中得到的标准化残差序列来估计DCC模型。DCC模型可以捕捉不同变量收益率之间的动态相关性，即这些变量之间的相关性是如何随时间变化的。DCC-GARCH模型设定如下：
rt=ut+εt（2）
εt=H1/2tvt（3）
ht=ω+a1ε2t-1+b1ht-1（4）
Ht=DtRtDt（5）
其中，rt为收益率序列，ut为条件期望，εt为误差项，Ht为时变条件相关方差矩阵，ω为常数项，a1为前期扰动项平方的系数，b1为前期条件方差的系数，Dt=diag（h1/211，t，…，h1/2nn，t）为对角矩阵，对角线元素hnn，t是每个变量收益率序列的条件标准差。动态相关系数矩阵Rt可写作：
Rt=diag（Qt）-1/2Qtdiag（Qt）1/2（6）
Qt=（1-α-β）Q—+αεt-1ε′t-1+βQt-1（7）
其中，Qt为条件协方差矩阵，Q—为标准化残差的无条件协方差矩阵，α、β为DCC-GARCH模型参数，且需要满足α>0，β>0且α+β<1。最后，在DCC-GARCH模型下，两个时间序列的动态相关系数的值可以通过以下公式表示：
ρij，t=ρji，t=qij，tqii，tqjj，t（8）
2TVP-VAR-DY模型介绍
时变参数向量自回归溢出指数模型（TVP-VAR-DY）是Antonakakis等于2018年提出的，该模型改进了原始的DY溢出指数方法，有效规避了因主观选择滚动窗口大小而可能引起的观测值损失问题，能够捕捉不同经济环境下市场间溢出效应的动态变化特征。
首先，构建TVP-VAR模型，其表达式如下：
xt=γtxt-1=εt，εt｜Ft-1～N（0，Ut）（9）
vec（γt）=vec（γt-1）+vt，vt｜Ft-1～N（0，Rt）（10）
其中，xt、εt和vt均为N×1维向量，εt和vt为随机扰动项；γt、Ut和Rt为N×N维矩阵，γt是时变系数矩阵且服从随机游走过程，Ut和Rt是时变方差-协方差矩阵；Ft-1表示t-1期时的信息。
在完成时变参数的估计之后，根据Wold的遍历性原理，任何遍历的平稳时间序列可以唯一表示为一个无限阶的倒向移动平均过程，可将TVP-VAR模型转换为时变参数向量移动平均（TVP-VMA）形式，表达式如下：
xt=∑pi=1γitxt-i+εt=∑∞j=1Ajtxεt-j+εt（11）
然后，提取TVP-VMA模型的系数进行广义预测误差方差分解（GFEVD），广义预测误差方差分解是一种在多元时间序列分析中用来量化预测误差中方差贡献的方法。通过广义预测误差方差分解，可以得到每个变量对预测误差方差的贡献。这些贡献可以解释为不同变量之间的动态关联性和相互影响，通常称为“溢出效应”。
具体来说，对一个包含了变量i和变量j的TVP-VMA模型，通过GFEVD可以得到变量j对变量i预测误差方差的贡献φ～gij，t（J），其表示为预测误差方差分解中变量j对变量i的影响份额，定义为变量j到变量i的方向性溢出，具体表达式如下：
φgij，t（J）=U-1ii，t∑J-1t=1（v′iAtUtvj）2∑Nj=1∑J-1t=1（v′iAtUtA′tvj）（12）
φ～gij，t（J）=φgij，t（J）∑Nj=1φgij，t（J）（13）
其中，vj为零向量。同时满足∑Nj=1φgij，t（J）=1，∑Ni，j=1φgij，t（J）=N，其中J表示预测误差方差分解期数，vi表示一个选择向量（在变量i位置为1，否则为0）。此外，基于GFEVD，可以计算出总溢出指数（TCI），它反映了整个系统内部平均的风险溢出水平，表达式为：
Cgt（J）=1-N1∑Ni=1φgii，t（J）（14）
除了总溢出指数，还可定义方向性溢出指数，总方向性溢出指数（TO）表示变量i的波动对其他变量的影响，表达式为：
Cg·i（J）=∑Nj=1，i≠jφgji，t（J）（15）
总方向性溢入指数（FROM）表示变量i受到其他市场或资产波动影响的程度，表达式为：
Cgi·，t（J）=∑Nj=1，i≠jφgij，t（J）（16）
净方向性溢出指数（NET）表示变量i对其他所有变量的净影响程度，用变量i的总方向性溢出指数（TO）减去变量i的总方向性溢入指数（FROM）计算得到，表达式为：
Cgi，t（J）=Cg·i，t（J）-Cgi·，t（J）（17）
最后，净成对溢出指数（NPDC）表示两个金融市场或资产之间的风险净溢出效应，用市场i对市场j的溢出影响减去市场j对市场i的溢出影响得到，表达式为：
NPDCji（J）=φji，t（J）-φij，t（J）（18）
如果该指数值为正，则表示市场i对市场j的溢出效应大于市场j对市场i的溢出效应，即市场i是风险的净溢出方；如果该指数值为负，则情况相反，市场i是风险的净接受方。
四、实证分析
（一）上海原油期货与国内农产品期货动态相关性分析
1单变量GARCH模型构建
（1）ARCH效应检验
GARCH模型的建立要求数据具有ARCH效应，本文采用ARCH-LM方法来检验数据的异方差性。先对以上各平稳的日收益率数据建立均值方程，采用R语言中的autoarima函数确定各变量ARMA（p，q）模型的最佳阶数。
最终确定INE、SOYBEAN1、SOYBEAN2、MAIZE、COTTON这5个变量的均值方程形式分别为：ARMA（0，0）、ARMA（2，1）、ARMA（0，0）、ARMA（0，0）、ARMA（0，0）。然后对上述5个均值方程的残差序列进行ARCH效应检验，检验结果如表3所示，结果表明各个收益率序列均存在异方差性，可以利用GARCH模型对其进行进一步估计。
其中，α是残差平方滞后项的系数，表示上一期相关因素产生的外部冲击对本期市场波动的影响；β是条件方差自身的滞后项系数，表示上一期市场的波动程度对本期市场的影响，反映市场自身的记忆性；α和β之和为衰减系数，其值越大表明市场波动的持续性越强。各变量收益率序列经GARCH（1，1）模型拟合后，α和β的系数多在1%的置信水平下显著，且α和β之和满足小于1的约束条件。各序列GARCH（1，1）建模完成后，对标准化残差序列进行ARCH效应检验，ARCH-LM（10）统计量对应的P值都比较大，残差序列已不存在异方差性，表明GARCH（1，1）模型较稳定，拟合效果较好。GARCH（1，1）的结果显示，各β值远大于α，说明原油期货市场和农产品期货市场对过去的波动比对过去的冲击更敏感，意味着原油期货市场和农产品期货市场过去的波动会在之后一段时间刺激市场产生新的波动。衰减系数均在09以上，表明各序列收益率波动的持续性强，其中MAIZE的衰减系数较大，说明MAIZE期货市场的波动聚集性和持续性表现最佳。
2多变量相关性分析
在进行单变量GARCH（1，1）模型估计之后，利用得到的每个金融资产的标准化残差以及时变方差进行多变量动态相关系数矩阵的估计，DCC-GARCH（1，1）模型估计结果如表5所示。dcca1反映随机干扰项对动态相关系数的影响程度，dccb1代表动态相关系数的持续性，值越大表示相关性持续的时间越长。由估计结果可知dcca1和dccb1系数均显著且dccb1值较大，同时dcca1+dccb1小于1且接近1，表明模型是稳健的，且各变量之间具有明显且持久的动态相关关系。
从DCC-GARCH估计结果中提取2018年3月27日至2023年12月29日上海原油期货与国内农产品期货的动态相关系数，并做描述性统计分析，结果如表6所示。两两变量相关系数的均值显著异于0，说明INE原油期货与四种农产品期货均具有一定程度的相关关系。INE原油期货与我国农产品期货中的COTTON期货相关性最强，其次是SOYBEAN2，而与MAIZE、SOYBEAN1的相关性非常小，这可能因为大豆和棉花作为经济作物，与粮食作物相比，更易受到外部冲击的影响。从相关系数的波动幅度来看，INE与SOYBEAN2动态相关系数的波动幅度最大，标准差为0057，而与SOYBEAN1之间不仅相关性最低，相关性波动幅度也最小，标准差只有0045。究其原因，黄大豆1号合约主要针对的是食品级大豆市场，黄大豆2号合约则更多地与油脂提炼有关。此外，黄大豆2号合约涵盖了美国和南美等地区的大豆，是全球范围内最具综合性的大豆期货合约之一。由于黄大豆2号合约涉及的大豆在油脂提炼过程中对能源的需求以及它可以作为生物燃料的原料，因此黄大豆2号相比黄大豆1号，与能源市场特别是原油市场有着更为紧密的联系。
上述描述性统计分析从总体上描述了上海原油期货和国内农产品期货的相关性，为了更好地刻画上海原油期货与四种农产品期货的动态相关关系随时间变化的特征，观察市场间相关性如何随时间变化以及在某些极端事件发生时期相关性如何表现，根据DCC-GARCH（1，1）模型估计结果绘制了变量之间相关系数趋势，如图1所示。
第一，INE原油期货与四种农产品期货的相关性表现出不同的波动特征，且大多数时候呈正相关，这符合理论预期和经济实际。原油通过成本效应和替代效应两个基本途径影响农产品价格，一是原油价格变化影响农产品生产成本，从而影响农产品价格；二是农产品可用于生产生物燃料，而生物燃料是原油的替代品，当原油价格升高时，替代效应的发挥会使农产品价格升高。此外，农产品期货的投资属性也使其与金融属性最强的原油之间联系紧密。
第二，INE原油期货与四种农产品期货的相关系数在2020—2021年疫情和2022—2023年俄乌冲突时期发生了大幅波动并出现峰值。INE原油期货与农产品期货的相关系数在特殊事件发生背景下变化较大，这与原油作为全球最重要的能源商品以及我国农产品对外依存度高息息相关。
第三，从单个农产品期货来看，INE原油期货与SOYBEAN1期货相关系数变动幅度较小，除极端事件期间有较大波动外，其余时间变化趋势稳定。INE原油期货与SOYBEAN2期货相关系数受中美贸易摩擦影响，在2019年4月—9月呈下降趋势，之后整体呈上升趋势。这与我国大豆的供应来源有关，目前我国对进口大豆的依赖程度较高，对外依存度超过80%，主要进口美洲国家尤其是美国、巴西和阿根廷等国家的大豆。同时美国也是重要的原油出口国，成本推动效应的发挥使INE原油期货与SOYBEAN2关联度高。此外，美国可再生生物柴油燃料的生产增加了大豆需求，造成美国国内大豆价格上涨，又通过国际贸易途径影响我国大豆的价格。INE原油期货与MAIZE期货的相关性程度较低，但在2021年之后相关性水平整体有所提升。一是因为玉米作为粮食作物，国内自给率非常高但玉米生产机械化水平跟不上；二是因为2016年取消了玉米临时收储政策，玉米价格更加市场化，其与原油市场之间的联系更加紧密。INE原油期货与COTTON期货相关程度较高，相关系数最大值高达0407，在疫情时期相关系数波动幅度最大，并且两次达到峰值。原油和棉花是全球重要的大宗商品，棉花作为经济作物也具有较强的金融属性，且棉花的生产与加工都需要能源，而原油是能源的主要来源，因此两者之间相关程度一直较高并且在2020—2021年疫情防控期间受宏观经济因素影响，相关系数波动幅度较大。
（二）上海原油期货与国内农产品期货的溢出效应分析
利用DCC-GARCH模型，我们了解了上海原油期货与国内四种农产品期货的相关关系及动态变化趋势，相关性的存在意味着上海原油期货与农产品期货市场是紧密联系的，价格波动会在市场间传导，这促使我们进一步探讨两市场间的溢出效应。为了直观地测度溢出效应的大小及观察其时变特征，本文选取TVP-VAR-DY模型进行溢出效应的研究。
1静态溢出效应分析
根据滞后期选择准则确定TVP-VAR-DY模型溢出指数滞后期为2期，同时计算了预测步长H从5到20的总溢出指数，最终确定方差分解预测步长H=10，借助R软件计算溢出指数。表7中对角线数据表示各个市场自身的波动对自身的影响，即自溢出效应。非对角线的行数据代表其他市场对某一特定市场的溢出效应，即外部市场对指定市场的影响。非对角线的列数据则反映某一特定市场对其他市场的溢出效应，即指定市场对外部市场的影响。“FROM”列数据表示一个市场接收到的其他所有市场的总溢出效应。“TO”行数据表示一个市场对其他所有市场的总溢出效应，“TCI”是总溢出指数，代表该系统的平均溢出水平，等于“TO”行或“FROM”列元素均值。“NET”表示净溢出效应，即一个市场对所有其他市场溢出效应的总和减去这些市场对它的溢出效应的总和，反映了市场间相互影响的净结果。
由表7可知，总溢出指数为1567，说明所有市场波动率预测误差的方差中有1567%来自系统内其他变量的溢出。这意味着上海原油期货市场与国内农产品期货市场联动效应显著。从净溢出效应来看，INE是系统中溢出效应的主导者，影响着农产品期货市场。此外，SOYBEAN2也是该系统溢出效应的净传递者，主要因为SOYBEAN2是SOYBEAN1和MAIZE的竞争产品，以及SOYBEAN2是生物柴油的原料，从而SOYBEAN1、MAIZE、INE这三个期货市场接受着SOYBEAN2价格波动的影响。INE对四个农产品期货市场的溢出强度是不同的，对COTTON的溢出水平最大，其次是SOYBEAN2，同样，COTTON和SOYBEAN2对INE的溢出值也较大，说明INE期货市场和COTTON、SOYBEAN2期货市场价格传导效应及联动性强。COTTON和SOYBEAN2作为经济作物，价格会随市场因素波动，因此原油对其影响明显强于粮食作物玉米。虽然玉米可以用来生产生物燃料，但INE对其溢出效应较小，这归因于我国玉米自给率高以及在“谷物基本自给、口粮绝对安全”的粮食安全观下对玉米价格的宏观调控。
2动态溢出效应分析
静态溢出指数描绘了上海原油期货与国内四个农产品期货市场信息溢出的整体平均水平，却不能够捕捉市场间溢出效应的时变特征。因此，接下来构建动态总溢出指数、动态方向性溢出指数、动态净溢出指数以及动态净成对溢出指数并绘制相应的趋势图，分析溢出效应的时变特征。
（1）动态总溢出指数分析
总溢出指数包括上海原油期货与农产品期货市场相互之间的溢出，也包括农产品期货市场内部的溢出。从图2可以看出总溢出指数随时间推移在0%～25%波动，这说明上海原油期货与农产品期货市场联动性水平较高且呈现时变特征。总溢出指数在2020年初一度降到谷底，之后很长时间处于10%以下，这源于疫情暴发导致的停工停产，对原油市场和农产品市场造成了冲击，之后随着经济逐渐回暖，总溢出指数不断上升。此外，从图2中可以观察到动态总溢出指数在2021年达到了20%以上的高峰，在2022年甚至达到了25%以上的高峰，同时2021年和2022年总溢出指数波动幅度较其他时段更高。这可能与极端事件的发生有关，2021年正处于新冠疫情时期，疫情加剧了全球金融市场恐慌情绪和不确定性，各类资产价格波动不断；2022年初俄乌冲突爆发，作为冲突双方的俄罗斯和乌克兰又是世界上两大重要的粮食和能源出口国，冲突的发生自然对我国大宗商品市场产生影响。总的来说，极端事件的发生会提升市场间溢出水平。
（2）动态方向性溢出指数分析
图3为INE原油期货对国内四个农产品期货市场的动态方向性溢出指数图，2018—2019年INE原油期货作为新上市的金融产品，其市场影响力和交易活跃度可能还在逐步建立过程中，因此其对农产品期货市场整体波动溢出水平较低也较平稳。随着时间的推移，尤其是2020年后，溢出水平不断提升，这体现出上海原油期货对国内农产品期货市场的影响越来越显著，不断地将自身波动传递到农产品期货市场。这也从侧面说明INE原油期货市场建立的有效性，其在大宗商品市场逐渐发挥重要的作用，并且与上述分析一致，在极端事件发生时期，INE原油期货对农产品期货市场的溢出效应更强烈。在面临极端事件，如地缘政治冲突或全球性公共卫生事件时，市场参与者的风险偏好和避险需求可能会发生变化，导致原油期货市场的波动性增加，进而更显著地影响农产品期货市场。
原油期货价格的波动可能会通过多种渠道影响农产品期货市场，如影响生产成本、运输成本以及作为投资组合中的对冲工具等。了解原油期货对农产品期货市场的时变溢出效应，有助于政策制定者和投资者构建更为有效的风险管理策略和投资组合，以应对市场波动。
（3）动态净溢出指数分析
在上海原油期货与四个农产品期货市场组成的系统中，若一个市场的净溢出指数为正，那么此时它是该系统中的冲击传递者，反之为冲击接收者。
由图4可知，INE原油期货与农产品期货市场的净溢出效应的方向、强度在样本期内随时间不断变化，这说明每个期货市场所扮演的角色并不是一成不变的，它们时而是冲击传递者，时而是冲击接收者。具体来看，INE原油期货和SOYBEAN2期货是系统中主要的冲击传递者，SOYBEAN1、MAIZE和COTTON期货市场大多时候是其他市场的信息溢出
接收者。可以看到，在2019—2022年，INE原油期货的净溢出指数基本为负，说明其在该段时间受到四个农产品期货市场波动溢出效应较大，所以导致其净溢出为负。结合实际情况，这可能与INE原油期货上市时间较短，以及疫情对全球原油市场的影响有关。这说明不仅INE原油期货是溢出效应的传递中心，农产品期货市场有时也是市场传染的源头，会对原油期货市场造成冲击。此外，SOYBEAN2的净溢出效应基本为正，因此无论是INE原油期货市场还是农产品期货市场，都要关注和警惕来自SOYBEAN2期货市场的冲击。
（4）动态净成对溢出指数分析
以上分析了各期货市场的净溢出，接下来分析INE原油期货与四个农产品期货市场的净成对溢出。净成对溢出主要指该市场对另一个市场的溢出效应减去该市场受到另一市场溢出效应之后的差值。
从图5可知，INE原油期货与四个农产品期货市场的净成对溢出存在异质性。就SOYBEAN1期货而言，除2019年净成对溢出指数为负值外，其余时期均以正值为主。2019年受非洲猪瘟影响，大豆的植物蛋白食用需求增长，SOYBEAN1定位于食用，其期货价格阶段性上涨，因而冲击也传递到了INE原油期货市场。而INE原油期货与SOYBEAN2期货的净成对溢出指数多呈负值，这说明SOYBEAN2对INE的溢出效应大于INE对SOYBEAN2的溢出效应。因为SOYBEAN2的期货合约定位更广泛，其与INE原油期货的溢出关系和SOYBEAN1截然不同，加之其能源属性，生物燃料替代效应的推动使其对INE原油期货有正向的溢出效应。
INE原油期货与MAIZE期货市场的净成对溢出指数在2018—2020年多数时候是大于0的，在2022年3月逐渐转为正值并持续到6月份左右，之后一直在0附近波动，净成对溢出指数为0说明两市场间溢出与溢入基本持平。2020年受疫情和OPEC+减产协议的影响，原油价格先跌后涨，原油市场高度动荡，同时2020年全球疫情对我国粮食生产造成了一定冲击，为保证粮食稳定供应增加了玉米进口量，因此MAIZE期货对INE产生了正向净溢出效应。这表明疫情对原油期货市场的影响是最大的，而对农产品期货市场的影响较小。
棉花作为重要的经济作物，与石油有着千丝万缕的联系。INE原油期货与COTTON期货的净成对溢出指数多为正值，但在2021年显著为负。2021年得益于我国有效的疫情防控，纺织业快速恢复，全球订单激增，带动棉花价格上涨，且纺织与石油化工息息相关，棉花也具有较强的金融属性，因此COTTON期货对INE原油期货产生了净溢出。
五、结论与启示
（一）研究结论
原油价格波动对农产品市场具有显著的影响力，而我国作为农产品消费大国，维持农产品价格稳定尤为重要，这关系到国民经济的发展与民生福祉的保障。本文深入分析了上海原油期货与国内农产品期货的动态相关性及溢出效应，得出以下结论：
第一，在相关性方面，上海原油期货与四种农产品期货（包括黄大豆1号、黄大豆2号、棉花、玉米）均具有正相关性，且与黄大豆2号、棉花期货的正相关性最强，与玉米期货的相关性在2021年以后呈上升趋势。这可能与玉米临时收储政策的取消以及在生物燃料生产中的重要作用有关。第二，在溢出效应方面，上海原油期货与国内农产品期货之间存在双向溢出效应，但原油期货对农产品期货市场的影响更大，表明原油市场的波动对农产品期货市场有更为显著的冲击作用。这主要因为原油期货价格变动会通过成本推动效应、生物燃料替代效应等影响农产品价格。第三，在不同农产品期货中，上海原油期货对黄大豆2号和棉花期货的溢出效应最为显著，其次是玉米期货，而对黄大豆1号期货的溢出效应相对较小。黄大豆2号因其标的物的能源属性以及期货合约包容性强，在四种农产品期货中对上海原油期货具有显著的溢出效应。第四，极端事件的发生会加剧上海原油期货与国内农产品期货市场间的溢出水平，在新冠感染疫情与俄乌冲突发生时期，上海原油期货与农产品期货市场间相关性与溢出效应显著增强。这表明在不确定性增加的时期，市场参与者的风险规避行为和投资组合调整可能会更加显著地影响市场间的联动效应。
（二）政策启示
综合研究内容与结论，提出以下几点建议：
第一，多渠道管理，降低油价波动对农产品价格的负面影响。政府和农业企业需密切关注上海原油期货市场的动态，从中预测原油价格波动对不同农产品价格的可能影响，提前做好应对措施。考虑到原油价格波动通过成本推动效应、生物燃料替代效应、国际贸易以及金融渠道对农产品价格产生影响。因此政府应采取多渠道管理措施，以减轻油价波动对农产品市场的负面影响。油价上涨会增加农业生产中的能源、运输和加工成本，政府可以通过补贴、税收优惠等措施，减轻农业企业的财务负担。考虑到生物燃料对农产品需求的影响，政府应审慎制定相关政策，平衡能源和农业部门的需求。油价波动可能影响国际农产品价格，进而通过国际贸易渠道影响国内农产品价格，政府可以通过贸易协议、关税调整等手段，稳定农产品的进出口市场。商品金融化背景下，原油期货与农产品期货价格之间的联动性增强。政府应加强对期货市场的监管，防止市场过度投机行为，维护市场稳定。此外，农产品期货具有风险对冲功能，但农产品期货市场存在进入壁垒，农民和农业企业参与度不高。对此，一是通过教育和培训提高农民和农业企业对期货市场的认识和参与度，建立或完善政策性金融支持体系，如提供低息贷款、信贷担保等，帮助农业企业和农民缓解资金压力。鼓励农业企业和农民使用农产品期货合约进行风险对冲，以锁定成本和销售价格，减少价格波动带来的风险。二是建议推广“保险+期货”这种创新型的农业风险管理工具，借助农业保险普遍服务的优势，扩大期货服务范围，让农民及新型农业经营主体最大限度地参与进来，帮助其有效管理价格风险。
第二，建立极端事件风险管理机制，降低上海原油期货与农产品期货市场间风险传染。本文实证结果表明极端事件的发生会加剧上海原油期货与农产品期货市场的溢出效应，而当前不确定事件频发，逆全球化浪潮严重。因此监管部门应建立针对极端事件的风险管理系统，以便快速响应原油市场波动可能导致的风险传递，保障农产品期货市场的稳定。具体来看，首先需要建立一套预警指标体系，包括价格波动率、流动性指标、市场压力指数等，用于监测市场风险；其次可以利用先进的算法进行实时数据分析，在这个过程中，不仅要关注价格波动，还要关注交易量、持仓量和市场情绪等其他市场指标，以便快速识别市场异常行为和潜在的极端事件；再次制定详细的应急预案，包括在极端事件发生时的交易限制、保证金调整、信息披露等措施；最后建立跨部门协作机制，包括金融市场监管机构、农业部门、能源部门等，以实现信息共享和协调响应。监管部门应拥有一套完整的“政策工具箱”，包括宏观审慎政策、市场稳定措施等，用于应对不同级别的风险事件。从另一方面看，上海原油期货市场的波动也受到农产品期货，特别是黄大豆2号期货的显著影响，因此应加强对黄大豆2号期货价格的动态监控，定期进行市场分析，以便及时发现任何异常波动并评估其对原油期货市场的潜在影响。通过建立这样的风险管理机制，监管部门可以更有效地预防和应对极端事件对市场的影响，降低上海原油期货与农产品期货市场间的风险传染，保障市场的稳定和健康发展。
第三，持续促进国内大豆生产，降低进口依赖。生物燃料作为一种可再生能源，具有一系列环保和可持续性的优势，是原油的替代品，发展前景广阔，虽然我国生物燃料产量低，对农产品价格的影响有限，但随着生物燃料在全球范围的产出不断攀升，其对作为原材料的农产品市场价格的作用力逐步加大，这种影响可能会通过国际贸易渠道间接作用于我国的农产品价格。鉴于上海原油期货与大豆期货关联性强，且在四种农产品期货中，我国大豆对外依存度极高，2023年大豆的进口量占粮食总进口量的六成以上，不似玉米国内自给率达90%以上，这也使大豆价格极易受到原油价格波动的影响。虽然我国在提升大豆自给率方面已经取得一些进展，但仍没有改变当前大豆国内供给不足的现状，因此政府和相关部门应通过持续的政策支持、技术创新和农业保险覆盖等措施来推动大豆产业的发展。在政策支持方面，加大对大豆主产区的生产奖励，调高对大豆生产者的补贴标准，如为降低生产成本，增加对种子、化肥、农药和机械化作业的补贴。在技术创新方面，一是加大对大豆育种技术的投入，支持高产、高油、抗病虫害的大豆品种的培育和推广；二是加快完成对农业机械化设备的迭代升级。在农业保险覆盖方面，推广大豆作物完全成本保险和种植收入保险，增加对小农户以及新型农业主体的保费补贴，减少自然灾害对农民的影响，降低大豆生产风险，增加农业利润。通过这些措施可以促进国内大豆生产，降低进口依赖，增强农产品市场抵御国际农产品价格冲击的能力。这也有助于稳定国内大豆价格，保护农民利益，促进农业可持续发展。
第四，可将农产品期货纳入投资组合，对冲原油价格波动风险。农产品期货的传统定位集中在为农业生产者和加工企业提供套期保值的机会，使他们能够通过期货合约锁定产品的成本和销售价格，从而减少市场波动带来的风险。随着时间的推移，农产品市场的金融化水平提升，这不仅增加了市场的流动性，也拓宽了投资者的参与度。农产品期货不再仅限于传统的农业用途，而是成为金融市场上一种重要的资产类别。同时投资者对于构建一个多元化投资组合的需求日益增长，农产品期货因其与股票和债券等其他资产类别可能存在的低相关性，成为分散风险的优选工具。本文揭示了上海原油期货与四种农产品期货之间存在显著的相关性，特别是与黄大豆2号、棉花和玉米期货。这种相关性为投资者构建投资组合提供了一种可能，即可以通过选择适合的农产品期货来对冲原油价格波动带来的风险。在油价下跌时，某些农产品期货可能表现出一定的稳定性特征，从而有助于平衡投资组合的整体风险。因此，对于金融市场上的机构和个人投资者来说，可以考虑把农产品期货加入原油期货投资组合，以对冲原油价格波动风险。
参考文献
［1］NAZLIOGˇLUS，ERDEMC，SOYTASUVolatilityspilloverbetweenoilandagriculturalcommoditymarkets［J］EnergyEconomics，2013（36）：658-665
［2］LUOJ，JIQHigh-frequencyvolatilityconnectednessbetweentheUScrudeoilmarketandChinasagriculturalcommoditymarkets［J］EnergyEconomics，2018（76）：424-438
［3］KANGSH，TIWARIAK，ALBULESCUCT，etalExploringthetime-frequencyconnectednessandnetworkamongcrudeoilandagriculturecommodities［J］EnergyEconomics，2019（84）：104543
［4］DAHLRE，OGLENDA，YAHYAMDynamicsofvolatilityspilloverincommoditymarkets：Linkingcrudeoiltoagriculture［J］JournalofCommodityMarkets，2020（20）：100111
［5］郭玉晶，宋林，王锋国际原油期货与农产品期货市场的波动溢出效应——基于离散小波和BEKK模型的研究［J］国际商务（对外经济贸易大学学报），2015（6）：86-96
［6］黄海峰，施展国际原油期货与中国农产品期货的动态联动性研究——基于DCC-MGARCH模型的实证分析［J］武汉金融，2017（9）：23-28，33
［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）：99-109，124
［8］卿雨茜，郭风龙经济政策不确定性、国际原油价格变动与我国农产品期货价格——基于TVP-SV-VAR模型的分析［J］金融经济，2022（12）：79-93
［9］张松艳，杜明娅国际原油期货对中国农产品期货市场的风险溢出效应研究——基于DCC-GARCH-CoVaR模型［J］统计与管理，2022，37（10）：80-86
［10］付莲莲，邓群钊，翁异静国际原油价格波动对国内农产品价格的传导作用量化分析——基于通径分析［J］资源科学，2014，36（7）：1418-1424
［11］DILLONBM，BARRETTCBGlobaloilpricesandlocalfoodprices：EvidencefromEastAfrica［J］AmericanJournalofAgriculturalEconomics，2016，98（1）：154-171
［12］CHENST，KUOHI，CHENCCModelingtherelationshipbetweentheoilpriceandglobalfoodprices［J］AppliedEnergy，2010，87（8）：2517-2525
［13］古家乐，孟庆军国际原油价格对中国农产品价格影响机制研究［J］湖北农业科学，2020，59（22）：187-192
［14］税尚楠世界农产品价格波动的新态势：动因和趋势探讨［J］农业经济问题，2008（6）：14-19，110
［15］郑燕，丁存振国际农产品价格对国内农产品价格动态传递效应研究［J］国际贸易问题，2019（8）：47-64
［16］LUY，YANGL，LIULVolatilityspilloversbetweencrudeoilandagriculturalcommoditymarketssincethefinancialcrisis［J］Sustainability，2019，11（2）：396
［17］SUNY，MIRZAN，QADEERA，etalConnectednessbetweenoilandagriculturalcommoditypricesduringtranquilandvolatileperiodIscrudeoilavictimindeed［J］ResourcesPolicy，2021（72）：102131
［18］ENGLERDynamicconditionalcorrelation：Asimpleclassofmultivariategeneralizedautoregressiveconditionalheteroskedasticitymodels［J］JournalofBusiness&EconomicStatistics，2002，20（3）：339-350
［19］ANTONAKAKISN，GABAUERD，GUPTAR，etalDynamicconnectednessofuncertaintyacrossdevelopedeconomies：Atime-varyingapproach［J］EconomicsLetters，2018，166（c）：63-75
ResearchontheDynamicCorrelationandSpilloverEffectsbetweenShanghaiCrudeOilFuturesandDomesticAgriculturalProductFutures
ZHANGXiuliLIUYingfen
（SchoolofBusiness，ZhengzhouUniversity，Zhengzhou450001，China）
Abstract：Asthefinancializationofenergyandagriculturalproductmarketscontinuestoincrease，theinterconnectionbetweencrudeoilfuturesandagriculturalproductfuturesmarketsisisconstantlystrengtheningThisarticleselectsthedailyclosingpricedataofShanghaicrudeoilfuturesandfourtypesofdomesticagriculturalproductfutures（soybeanNo1，soybeanNo2，corn，andcotton）fromMarch27，2018toDecember29，2023TheDCC-GARCHmodelisusedtocharacterizethedynamiccorrelationbetweenShanghaicrudeoilfuturesandfourdomestIWv6dpVSRDVCumv/8mYt2w==icagriculturalproductfuturesOnthisbasis，theTVP-VAR-DYmodelisemployedtomeasurethespillovereffectsbetweenShanghaicrudeoilfuturesanddomesticagriculturalproductfuturesfrombothstaticanddynamicperspectivesThefindingsareasfollows：①Shanghaicrudeoilfutureshaveapositivecorrelationwiththefourtypesofagriculturalproductfutures，withthestrongestpositivecorrelationobservedwithsoybeanNo2andcottonfutures，andthecorrelationwithcornfutureshasbeenonanupwardtrendsincetheyear2021②ThereisabidirectionalspillovereffectbetweenShanghaicrudeoilfuturesanddomesticagriculturalproductfutures，butcrudeoilfutureshavingagreaterimpactontheagriculturalproductfuturesmarket，indicatingthatfluctuationsinthecrudeoilmarkethaveamorepronouncedimpactontheagriculturalproductfuturesmarket③ThespillovereffectofShanghaicrudeoilfuturesonsoybeanNo2andcottonfuturesisthemostsignificant，followedbycornfutures，withthespillovereffectonsoybeanNo1futuresbeingrelativelysmallerAmongthefourtypesofagriculturalproductfutures，soybeanNo2exhibitsasignificantspillovereffectonShanghaicrudeoilfutures④TheoccurrenceofextremeeventscanintensifythespilloverlevelbetweenShanghaicrudeoilfuturesandthedomesticagriculturalproductfuturesmarketTherefore，attentionshouldbepaidtotheriskcontagionbetweenthetwomarkets，andmeasuresshouldbetakentopreventtheimpactofcrudeoilmarketvolatilityonagriculturalproductpricesandtomaintainthestabilityoftheagriculturalproductmarket
Keywords：ShanghaiCrudeOilFutures；DomesticAgriculturalProductFutures；DynamicCorrelation；SpilloverEffects
