羅丹程， 黃 月， 岳 靜

(沈陽(yáng)工業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院， 沈陽(yáng) 110870)

隨著經(jīng)濟(jì)市場(chǎng)化的發(fā)展，玉米價(jià)格市場(chǎng)化，玉米生產(chǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)逐漸顯現(xiàn)出來(lái)，這就要求我們創(chuàng)建并完善玉米價(jià)格形成機(jī)制，構(gòu)建并完善玉米避險(xiǎn)體系。而中國(guó)作為玉米現(xiàn)貨生產(chǎn)和消費(fèi)的大國(guó)，面臨著巨大的現(xiàn)貨價(jià)格波動(dòng)風(fēng)險(xiǎn)，這就需要相對(duì)應(yīng)的期貨市場(chǎng)來(lái)分散和轉(zhuǎn)移風(fēng)險(xiǎn)。期貨市場(chǎng)具有價(jià)格發(fā)展、套期保值的功能，玉米期貨市場(chǎng)的健康發(fā)展對(duì)整個(gè)玉米行業(yè)都有著重要作用。

一、研究背景和意義

近年來(lái)，國(guó)際上的玉米價(jià)格波動(dòng)的頻率和幅度呈現(xiàn)出不斷增大的趨勢(shì)，這就使得有關(guān)玉米的生產(chǎn)、加工等產(chǎn)業(yè)鏈上的風(fēng)險(xiǎn)越來(lái)越大。中國(guó)作為全球第二大玉米生產(chǎn)和消費(fèi)大國(guó)，國(guó)際玉米期貨價(jià)格波動(dòng)對(duì)國(guó)內(nèi)的玉米期貨價(jià)格有著重要影響，分析國(guó)外玉米期貨市場(chǎng)對(duì)我國(guó)玉米期貨市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，對(duì)中國(guó)玉米期貨市場(chǎng)和現(xiàn)貨市場(chǎng)規(guī)避風(fēng)險(xiǎn)有著重要作用。美國(guó)是世界上第一大玉米生產(chǎn)和消費(fèi)的國(guó)家，其芝加哥商品交易所中的玉米期貨市場(chǎng)是全球玉米期貨市場(chǎng)的“風(fēng)向標(biāo)”。研究中美玉米期貨市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)，有助于進(jìn)一步利用和發(fā)揮玉米期貨市場(chǎng)的功能，有助于中國(guó)獲得玉米期貨市場(chǎng)的定價(jià)權(quán)。

二、文獻(xiàn)綜述

1. 國(guó)內(nèi)外關(guān)于GARCH模型風(fēng)險(xiǎn)溢出的研究

Harmo等(1990)[1]最早提出了風(fēng)險(xiǎn)溢出效應(yīng)的概念，認(rèn)為風(fēng)險(xiǎn)溢出效應(yīng)是指一個(gè)市場(chǎng)出現(xiàn)波動(dòng)而影響到另一個(gè)市場(chǎng)波動(dòng)的狀況。Yang等(2013)[2]運(yùn)用GARCH類(lèi)異方差模型對(duì)上市企業(yè)之間的信用風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究。Christian(2014)[3]構(gòu)建EGARCH模型來(lái)研究隨著經(jīng)濟(jì)條件的變化引起銀行系統(tǒng)性風(fēng)險(xiǎn)變化的趨勢(shì)以及銀行應(yīng)該如何應(yīng)對(duì)。Caporale等(2014)[4]選擇雙變量GARCH-BEKK模型，探索了美國(guó)、加拿大、日本、英國(guó)、歐盟和瑞士6個(gè)發(fā)達(dá)國(guó)家和地區(qū)的匯率與股票市場(chǎng)價(jià)格之間的關(guān)系，發(fā)現(xiàn)美國(guó)和英國(guó)的股票收益對(duì)匯率變化具有風(fēng)險(xiǎn)溢出效應(yīng)。

黃飛雪、寇玲和楊德禮(2012)[5]利用三元GARCH-BEKK模型，對(duì)中國(guó)、美國(guó)和英國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行了分階段研究，發(fā)現(xiàn)金融危機(jī)發(fā)生前和發(fā)生后3個(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)都是存在的。張金林、賀根慶和王偉(2012)[6]基于VEC-GARCH(1，1)-BEKK模型，實(shí)證研究了中國(guó)股票、債券、期貨和貨幣4個(gè)市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)多數(shù)市場(chǎng)間存在著顯著的雙向風(fēng)險(xiǎn)溢出效應(yīng)。歐陽(yáng)利鋒和孫英雋(2014)[7]采用EGARCH-GED模型研究了SHIBO方差時(shí)變性，發(fā)現(xiàn)SHIBO的波動(dòng)存在溢出效應(yīng)，并且好消息比壞消息引起的溢出效應(yīng)大。陶啟智、李亮和郭姝辛(2015)[8]運(yùn)用BEKK-GARCH模型研究了滬深300股指的波動(dòng)溢出效應(yīng)。段娟娟和王志彬(2014)[9]采用DCC-MVGARCH模型研究了玉米與大豆期貨與人民幣匯率的溢出效應(yīng)，發(fā)現(xiàn)大豆期貨與人民幣匯率之間存在單向的風(fēng)險(xiǎn)溢出效應(yīng)，而玉米期貨與人民幣匯率之間存在雙向的風(fēng)險(xiǎn)溢出效應(yīng)。田原珺(2016)[10]基于GARCH族模型研究了中國(guó)股票市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)上交所和深交所股票市場(chǎng)存在溢出效應(yīng)。

2. 國(guó)內(nèi)外關(guān)于VaR和CoVaR模型風(fēng)險(xiǎn)溢出的研究

Hegerty(2015)[11]運(yùn)用VAR均值方程研究了東歐8個(gè)國(guó)家間的商品和宏觀經(jīng)濟(jì)之間的風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)波蘭和匈牙利的油價(jià)對(duì)通貨膨脹有顯著風(fēng)險(xiǎn)溢出效應(yīng)，通貨膨脹對(duì)匯率有明顯風(fēng)險(xiǎn)溢出效應(yīng)。白雪梅和石大龍(2014)[12]采用CoVaR方法測(cè)量了我國(guó)27家上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)，發(fā)現(xiàn)對(duì)我國(guó)金融機(jī)構(gòu)有顯著風(fēng)險(xiǎn)溢出效應(yīng)的是銀行類(lèi)的金融機(jī)構(gòu)。周天蕓等(2013)[13]運(yùn)用非對(duì)稱(chēng)CoVaR方法測(cè)量了我國(guó)銀行類(lèi)、保險(xiǎn)類(lèi)和證券類(lèi)金融機(jī)構(gòu)的風(fēng)險(xiǎn)溢出水平，發(fā)現(xiàn)在這3類(lèi)金融機(jī)構(gòu)對(duì)我國(guó)金融系統(tǒng)風(fēng)險(xiǎn)的溢出水平中，銀行類(lèi)金融機(jī)構(gòu)的最小，證券類(lèi)最大，保險(xiǎn)類(lèi)居中。肖國(guó)建(2016)[14]采用CoVaR方法研究了我國(guó)上市銀行的風(fēng)險(xiǎn)溢出效應(yīng)，結(jié)果表明國(guó)有銀行對(duì)銀行系統(tǒng)具有非常顯著的風(fēng)險(xiǎn)溢出效應(yīng)，股份制商業(yè)銀行溢出效應(yīng)居中，城市銀行溢出效應(yīng)最小。

3. 國(guó)內(nèi)外關(guān)于玉米期貨的研究

Holder、Pace和Tomas(2002)[15]分析了美國(guó)CBOT和日本TGE的大豆和玉米期貨價(jià)格信息傳導(dǎo)，發(fā)現(xiàn)美國(guó)CBOT在信息傳遞過(guò)程中占據(jù)著主導(dǎo)地位。閆云仙和張?jiān)浇?2011)[16]研究CBOT玉米期貨價(jià)格和同期美國(guó)玉米現(xiàn)貨價(jià)格，發(fā)現(xiàn)玉米期現(xiàn)貨價(jià)格之間的相關(guān)系數(shù)為0.945，兩者間具有很強(qiáng)的相關(guān)性。

黃建新和周啟清(2014)[17]研究認(rèn)為，中國(guó)玉米期貨價(jià)格和現(xiàn)貨價(jià)格存在長(zhǎng)期均衡關(guān)系，美國(guó)玉米期貨價(jià)格和現(xiàn)貨價(jià)格也存在長(zhǎng)期均衡關(guān)系。殷久康(2014)[18]研究了我國(guó)玉米期貨價(jià)格與現(xiàn)貨價(jià)格之間的關(guān)系，發(fā)現(xiàn)期貨價(jià)格對(duì)現(xiàn)貨價(jià)格的影響大于現(xiàn)貨對(duì)期貨價(jià)格的影響。滕永平和馮冰(2016)[19]研究發(fā)現(xiàn)，玉米期貨價(jià)格和現(xiàn)貨價(jià)格之間存在雙向的格蘭杰因果關(guān)系。

三、理論模型

標(biāo)準(zhǔn)GARCH模型的前提是假定正負(fù)誤差項(xiàng)對(duì)波動(dòng)率的影響是對(duì)稱(chēng)的，也就是好消息和壞消息對(duì)波動(dòng)率有相同的影響。而實(shí)際上，這一假定通常情況下是不符合條件的，比如說(shuō)在股票市場(chǎng)上，壞消息對(duì)波動(dòng)率的影響遠(yuǎn)大于好消息，這就是所謂的“杠桿效應(yīng)”。由于沖擊符號(hào)對(duì)波動(dòng)率的影響是不對(duì)稱(chēng)的，所以學(xué)術(shù)界出現(xiàn)了許多標(biāo)準(zhǔn)GARCH模型的擴(kuò)展模型，下面筆者將介紹本文中需要用到的擴(kuò)展模型中的指數(shù)GARCH模型。

為了能夠解決標(biāo)準(zhǔn)GARCH模型的問(wèn)題，區(qū)分好消息和壞消息對(duì)波動(dòng)性的影響大小，于爾根·弗蘭克等(2016)提出了指數(shù)GARCH模型，也就是EGARCH模型[20]。EGARCH(p，q)與GARCH的區(qū)別表現(xiàn)在條件方差的結(jié)構(gòu)上，形式為

lnht= α0+α1g(εt-1)+…+αqg(εt-q)+

β1lnht-1+β2lnht-2+…+βplnht-p=

(1)

g(εt)=φ(εt)+γ(|εt|-E|εt|)

(2)

(3)

如果αiφ<0，當(dāng)外部沖擊εt-i<0時(shí)，條件方差將趨于增大；當(dāng)εt-i>0時(shí)，條件方差將趨于減小。

EGARCH模型有以下優(yōu)勢(shì)：

(1) 模型中的參數(shù)不受約束，使得估計(jì)模型參數(shù)更加容易；

(2) 可以動(dòng)態(tài)預(yù)測(cè)收益率的波動(dòng)；

(3) 可以清晰反映正、負(fù)沖擊對(duì)波動(dòng)的影響。

四、實(shí)證研究

1. 數(shù)據(jù)來(lái)源和處理

由于期貨品種合約產(chǎn)生和到期的月份不同，為了使數(shù)據(jù)更具有連續(xù)性和可比性，筆者選取了大連商品交易所(DCE)和芝加哥商品期貨交易所(CBOT)玉米期貨合約中的主力連續(xù)合約，匯率選取的是央行發(fā)布的美元兌人民幣的中間價(jià)。本文選取2006年1月4日—2017年5月31日共2 654個(gè)數(shù)據(jù)。2008年9月15日，雷曼兄弟申請(qǐng)破產(chǎn)保護(hù)標(biāo)志著美國(guó)全面金融危機(jī)發(fā)生，并迅速蔓延全球。因此本文將樣本時(shí)間段分為3個(gè)子區(qū)間，即金融危機(jī)前、金融危機(jī)期間以及金融危機(jī)后，分別為2006年1月4日—2008年9月18日，2008年9月19日—2011年12月30日和2012年1月4日—2017年5月31日。由于中美兩國(guó)玉米期貨的報(bào)價(jià)單位不同，本文采用和訊網(wǎng)公布的換算單位以及中國(guó)外匯中心公布的央行的美元兌人民幣中間價(jià)進(jìn)行換算，統(tǒng)一換算為“元/t”，以便后續(xù)的分析和比較。通過(guò)數(shù)據(jù)處理，可使用的樣本數(shù)據(jù)共有2 653組。根據(jù)上文的分組，第一組有樣本數(shù)據(jù)609組，第二組有樣本數(shù)據(jù)782組，第三組有樣本數(shù)據(jù)1 262組。圖1、2中，用橫軸表示日期，以天為單位；縱軸表示價(jià)格，經(jīng)過(guò)統(tǒng)一換算后單位都為元/t。

圖1 DCE玉米期貨價(jià)格走勢(shì)

對(duì)比圖1、2發(fā)現(xiàn)，兩市價(jià)格趨勢(shì)大體上一致。

圖2 CBOT玉米期貨價(jià)格走勢(shì)

對(duì)DCE和CBOT兩市場(chǎng)中的玉米期貨價(jià)格取對(duì)數(shù)一階差分計(jì)算每日收益率，為了減小誤差對(duì)對(duì)數(shù)差分乘以100，即

Rt=100(lnPt-lnPt-1)

(4)

式中：Rt為t時(shí)間段內(nèi)的收益率；Pt為t時(shí)刻的收盤(pán)價(jià)；Pt-1為t-1時(shí)刻的收盤(pán)價(jià)。

表1展示了DCE和CBOT兩個(gè)市場(chǎng)玉米期貨對(duì)數(shù)收益率的基本統(tǒng)計(jì)特征。分析可知：

(1) 各個(gè)階段兩市的玉米期貨收益率均在-0.02～0.2之間，呈現(xiàn)出右偏特征，各階段的指數(shù)收益率只有1個(gè)小于并接近10，其他都大于10；

(2) 在3個(gè)子階段內(nèi)兩市玉米期貨對(duì)數(shù)收益率的偏度系數(shù)DCE在第一和第二階段大于0，其他都小于0，屬于典型的非對(duì)稱(chēng)左偏分布；

(3) 在3個(gè)子階段內(nèi)兩市玉米期貨對(duì)數(shù)收益率的峰度系數(shù)均高于正態(tài)分布標(biāo)準(zhǔn)值，表明兩市的日收益率數(shù)據(jù)具有明顯的尖峰厚尾的非對(duì)稱(chēng)分布特征，與上述走勢(shì)圖的特征吻合。

表1 DCE和CBOT兩市玉米期貨對(duì)數(shù)收益率的描述性特征

2. 數(shù)據(jù)平穩(wěn)性檢驗(yàn)

ADF檢驗(yàn)法由Dickey和Fuller在1979年提出，是檢驗(yàn)序列平穩(wěn)性的常用方法之一。對(duì)兩市玉米期貨收益率序列進(jìn)行ADF檢驗(yàn)，可以更準(zhǔn)確地驗(yàn)證序列的平穩(wěn)性。采用式(5)進(jìn)行ADF檢驗(yàn)，即

(5)

式中：Δyt為yt序列的滯后項(xiàng)；βi為序列的長(zhǎng)記憶性。原假設(shè)H0：ω=0，備擇假設(shè)H1：ω<0。

表2為單位根檢驗(yàn)的結(jié)果。

表2 DCE與CBOT玉米期貨對(duì)數(shù)收益率的ADF檢驗(yàn)結(jié)果

注：表中P值均為0.000 0。

由表2的檢驗(yàn)結(jié)果可知，根據(jù)大連商品交易所中玉米期貨的對(duì)數(shù)收益率與芝加哥商品期貨交易所中玉米期貨的對(duì)數(shù)收益率所得的ADF統(tǒng)計(jì)值的絕對(duì)值均大于1%、5%和10%顯著水平下的臨界值，故拒絕原假設(shè)，這兩個(gè)序列均不存在單位根，即序列都是平穩(wěn)的。

3. EGARCH模型估計(jì)

EGARCH模型能夠充分反應(yīng)正、負(fù)沖擊對(duì)波動(dòng)的不同影響，可以很好地反映好壞消息對(duì)波動(dòng)沖擊的大小和方向。針對(duì)兩市玉米期貨價(jià)格pt構(gòu)建EGARCH模型，通過(guò)隨機(jī)游走描述期貨價(jià)格序列，得到均值方程為

lnpt=πl(wèi)npt-1+εt

(6)

利用Eviews 7.0，選擇EGARCH(p，q)模型分別估計(jì)兩市的價(jià)格序列，經(jīng)過(guò)對(duì)比，選擇p、q均為1的EGARCH模型，即EGARCH(1，1)模型最為合適，公式為

(7)

由于在GARCH模型假設(shè)中殘差項(xiàng)被默認(rèn)為符合條件正態(tài)分布，這并不是很合理，為了能夠合理地反映玉米期貨收益率的尖峰厚尾特征，選擇GED分布(廣義誤差分布)對(duì)模型進(jìn)行估計(jì)處理，得到DCE市場(chǎng)和CBOT市場(chǎng)中玉米期貨對(duì)數(shù)收益率的均值方程以及方差方程，即

DCE：

lnpt=-0.113 2lnpt-1

z=(-7.877 1***)

z= (-26.003 8***)(-4.724 5***)

(27.682 2***)(448.770 1***)

R2=0.032 88，AIC=2.477 6，DW=2.206 2，

log(-likelihood)=-3 280.362

式中，***為99%置信水平上顯著，下同。

CBOT：

lnpt=-0.018 8lnpt-1

z=(-7.877 1***)

z= (-10.333 2***)(0.266 1***)

(12.441 5***)(450.818 5***)

R2=0.004 39，AIC=4.179 7，DW=2.219 762，

log(-likelihood)=-5 537.275

對(duì)上述方程進(jìn)行ARCH-LM檢驗(yàn)后得知，DCE和CBOT市場(chǎng)兩統(tǒng)計(jì)量的相伴概率均約小于臨界值0.05，證實(shí)了在兩個(gè)玉米期貨市場(chǎng)中對(duì)應(yīng)的收益率殘差序列不具有自回歸條件異方差，即模型方程的模擬估計(jì)得到認(rèn)可。

根據(jù)上述估算模型結(jié)果，對(duì)DCE和CBOT兩市場(chǎng)自身的風(fēng)險(xiǎn)進(jìn)行分析：

(1) 在EGARCH模型中，DCE玉米期貨市場(chǎng)模型中的非對(duì)稱(chēng)項(xiàng)系數(shù)為-0.028 5<0，可知在對(duì)DCE玉米期貨收益率的沖擊效應(yīng)上，壞消息的沖擊造成的波動(dòng)要大于好消息的沖擊造成的波動(dòng)；CBOT玉米期貨市場(chǎng)中的非對(duì)稱(chēng)項(xiàng)系數(shù)為0.001 9>0，可知在對(duì)CBOT玉米期貨收益率的沖擊效應(yīng)上，好消息的沖擊造成的波動(dòng)要大于壞消息的沖擊造成的波動(dòng)。

(2) 由上述兩個(gè)EGARCH模型估計(jì)結(jié)果可知，DCE和CBOT兩市玉米期貨收益率模型中的GARCH項(xiàng)系數(shù)分別為0.967 2和0.988 7，接近于1，可知條件方差受到的沖擊影響具有持續(xù)性，也就是說(shuō)，普遍持續(xù)性影響了兩市玉米期貨價(jià)格的波動(dòng)。

(3) 由上述兩個(gè)EGARCH模型估計(jì)結(jié)果可知，DCE玉米期貨模型中對(duì)應(yīng)的系數(shù)為0.269，大于CBOT玉米期貨市場(chǎng)的0.107 2，表明DCE玉米期貨市場(chǎng)與CBOT玉米期貨市場(chǎng)相比，在短期因素的影響上有優(yōu)勢(shì)。再者，在長(zhǎng)期因素影響效應(yīng)上，CBOT玉米期貨模型中對(duì)應(yīng)的系數(shù)為0.988 7，大于DCE玉米期貨市場(chǎng)的0.967 2，說(shuō)明CBOT玉米期貨市場(chǎng)在長(zhǎng)期性因素影響效應(yīng)上表現(xiàn)更好。同時(shí)，比較發(fā)現(xiàn)DCE玉米期貨市場(chǎng)長(zhǎng)短期系數(shù)之和大于CBOT玉米期貨市場(chǎng)。綜合來(lái)看，DCE玉米期貨市場(chǎng)受到外部沖擊影響的時(shí)間要長(zhǎng)于CBOT玉米期貨市場(chǎng)，也就是說(shuō)，對(duì)于外部信息CBOT玉米期貨市場(chǎng)吸收與反應(yīng)的時(shí)間更迅速。

4. 兩市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)分析

(1) 兩市場(chǎng)的關(guān)聯(lián)性檢驗(yàn)。從兩個(gè)方面研究DCE與CBOT兩市場(chǎng)玉米期貨價(jià)格的關(guān)聯(lián)性，首先檢驗(yàn)兩市場(chǎng)玉米期貨是否相關(guān)，然后檢驗(yàn)兩市場(chǎng)風(fēng)險(xiǎn)是否相關(guān)，即是否存在風(fēng)險(xiǎn)溢出效應(yīng)。

① 兩市場(chǎng)玉米期貨收益率序列的相關(guān)性檢驗(yàn)。采用Eviews計(jì)算出DCE與CBOT兩市場(chǎng)玉米期貨價(jià)格之間的相關(guān)系數(shù)，如表3所示。

從表3可知，DCE與CBOT玉米期貨價(jià)格之間的相關(guān)性較強(qiáng)，尤其是金融危機(jī)期間相關(guān)性增強(qiáng)，存在一定的風(fēng)險(xiǎn)相關(guān)性，具有風(fēng)險(xiǎn)溢出效應(yīng)。

表3 DCE與CBOT玉米期貨價(jià)格的相關(guān)系數(shù)

② 兩市場(chǎng)風(fēng)險(xiǎn)的相關(guān)性檢驗(yàn)。用Eviews求得兩市場(chǎng)玉米期貨的VaR相關(guān)系數(shù)，如表4所示。

表4 兩市場(chǎng)玉米期貨的VaR相關(guān)系數(shù)

由表4可知，DCE與CBOT兩市場(chǎng)玉米期貨之間的VaR具有正相關(guān)性，在金融危機(jī)期間風(fēng)險(xiǎn)相關(guān)性增強(qiáng)，由此得出結(jié)論：CBOT與DCE玉米期貨市場(chǎng)收益率數(shù)據(jù)間存在一定的風(fēng)險(xiǎn)相關(guān)性，兩市場(chǎng)存在風(fēng)險(xiǎn)溢出效應(yīng)。

(2) 格蘭杰因果檢驗(yàn)。由上述分析可知，大連商品交易所中的玉米期貨與芝加哥商品期貨交易所中的玉米期貨存在風(fēng)險(xiǎn)溢出效應(yīng)。通過(guò)格蘭杰因果檢驗(yàn)確定兩市場(chǎng)玉米期貨的風(fēng)險(xiǎn)溢出方向(如表5～7所示)。

表5 兩市場(chǎng)玉米期貨的格蘭杰因果檢驗(yàn)(第一階段)

表6 兩市場(chǎng)玉米期貨的格蘭杰因果檢驗(yàn)(第二階段)

表7 兩市場(chǎng)玉米期貨的格蘭杰因果檢驗(yàn)(第三階段)

從表5～7可知，在金融危機(jī)之前，芝加哥商品期貨交易所中的玉米期貨對(duì)大連商品交易所中的玉米期貨具有正的風(fēng)險(xiǎn)溢出效應(yīng)，而大連商品交易所中的玉米期貨不是芝加哥商品期貨交易所中玉米期貨的格蘭杰原因，說(shuō)明美國(guó)玉米期貨市場(chǎng)風(fēng)險(xiǎn)引導(dǎo)我國(guó)玉米期貨市場(chǎng)的風(fēng)險(xiǎn)；在金融危機(jī)期間，兩市場(chǎng)存在互相的風(fēng)險(xiǎn)溢出，市場(chǎng)間風(fēng)險(xiǎn)增大；在金融危機(jī)之后，兩市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)均不存在格蘭杰原因，兩市場(chǎng)間不存在因果關(guān)系。

五、結(jié)論與對(duì)策建議

1. 結(jié)論

本文選取了從2006年1月到2017年5月大連商品交易所和芝加哥商品交易所玉米的主力連續(xù)日收盤(pán)價(jià)數(shù)據(jù)，以金融危機(jī)為界限分三個(gè)階段實(shí)證研究二者之間的風(fēng)險(xiǎn)溢出效應(yīng)。首先，選擇非對(duì)稱(chēng)的廣義條件自方差模型(EGARCH)來(lái)刻畫(huà)兩市玉米期貨收益率序列的波動(dòng)性，并計(jì)算出VaR值，運(yùn)用相關(guān)系數(shù)和格蘭杰因果檢驗(yàn)來(lái)分析是否存在風(fēng)險(xiǎn)溢出以及溢出方向。通過(guò)實(shí)證分析發(fā)現(xiàn)，兩市玉米期貨風(fēng)險(xiǎn)存在正相關(guān)關(guān)系。在第一階段，美國(guó)玉米期貨市場(chǎng)對(duì)我國(guó)玉米期貨市場(chǎng)有風(fēng)險(xiǎn)溢出效應(yīng)；第二階段，存在雙向風(fēng)險(xiǎn)溢出效應(yīng)。

2. 對(duì)策建議

(1) 抓住時(shí)機(jī)，爭(zhēng)取掌握全球玉米定價(jià)權(quán)。第一，加強(qiáng)各國(guó)合作。中國(guó)應(yīng)該加強(qiáng)與美國(guó)、巴西等世界主要玉米生產(chǎn)國(guó)和消費(fèi)國(guó)的合作。第二，從國(guó)內(nèi)著手提高競(jìng)爭(zhēng)力。中國(guó)應(yīng)該結(jié)合自身情況，加強(qiáng)玉米生產(chǎn)和消費(fèi)相關(guān)環(huán)節(jié)的競(jìng)爭(zhēng)力以及利用率，并大力支持乙醇燃油的研究與利用。第三，積極完善農(nóng)產(chǎn)品期貨交易所的相關(guān)制度，將大商所和鄭交所發(fā)展為國(guó)際農(nóng)產(chǎn)品期貨定價(jià)中心。

(2) 加強(qiáng)監(jiān)管，防范外部風(fēng)險(xiǎn)。隨著經(jīng)濟(jì)全球化和金融全球化，商品和資本的全球流通使得國(guó)內(nèi)期貨市場(chǎng)上的價(jià)格波動(dòng)一方面受?chē)?guó)內(nèi)宏觀經(jīng)濟(jì)和政策影響，另一方面世界主要期貨交易所的價(jià)格波動(dòng)也會(huì)迅速傳遞到我國(guó)期貨市場(chǎng)，引起價(jià)格波動(dòng)。因此，需要監(jiān)管者注意：第一，適時(shí)更新和規(guī)范期貨市場(chǎng)的監(jiān)管手段和方式。第二，加強(qiáng)監(jiān)控市場(chǎng)信息。第三，加快中國(guó)的金融市場(chǎng)改革。

(3) 注重培養(yǎng)期貨市場(chǎng)參與者素質(zhì)，提高其投資專(zhuān)業(yè)性。提高投資者的素質(zhì)，提高其投資有效性，有利于構(gòu)建健康、穩(wěn)定的期貨市場(chǎng)。高素質(zhì)、更專(zhuān)業(yè)的投資者不但能夠使得期貨市場(chǎng)價(jià)格走勢(shì)趨于合理，而且其準(zhǔn)確的判斷也能減少盲目投資帶來(lái)的不必要損失。

參考文獻(xiàn)：

[1] Harmo Y，Masulis R W，Ng V.Correlations in price changes and volatility across international stock markets [J].Review of Financial Studies，1990，3(2)：281-307.

[2] Yang Y，Li L，Zong Z.The research on credit risk of business groups based on related guarantee [J].Prodia Computer Science，2013，17(5)：945-950.

[3] Christian C.Bank systemic risk and macroeconomic shocks：Canadian and U.S.evidence [J].Banking & Finance，2014，40(2)：338-402.

[4] Caporale G M，Hunter J，Ali F M.On the linkages between stock prices and exchange rates：evidence from the banking crisis of 2007—2010 [J].International Eview of Financial Analysis，2014，33(1)：87-103.

[5] 黃飛雪，寇玲，楊德禮.金融危機(jī)前后中英美股票市場(chǎng)間波動(dòng)溢出效應(yīng)比較 [J].數(shù)理統(tǒng)計(jì)與管理，2012，31(4)：751-760.

[6] 張金林，賀根慶，王偉.中國(guó)金融市場(chǎng)間風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證研究：基于四元VEC-GARCH(1，1)-BEKK 模型 [J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2012(7)：26-31.

[7] 歐陽(yáng)利鋒，孫英雋.基于GED 分布下EGARCH 模型的SHIBOR方差時(shí)變性研究 [J].科技與管理，2014，16(5)：61-64.

[8] 陶啟智，李亮，郭姝辛.滬深300股指期貨的價(jià)格發(fā)現(xiàn)能力及波動(dòng)溢出效應(yīng)研究：基于BEEK-GARCH模型的證據(jù) [J].西南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2015，37(11)：104-113.

[9] 段娟娟，王志彬.基于DCC-MVGARCH模型的人民幣匯率與農(nóng)產(chǎn)品期貨的動(dòng)態(tài)相關(guān)性分析：以玉米、大豆期貨為例 [J].南方農(nóng)業(yè)學(xué)報(bào)，2014，45(11)：2088-2092.

[10]田原珺.基于 GARCH 族模型的中國(guó)股票市場(chǎng)風(fēng)險(xiǎn)測(cè)度的實(shí)證分析 [D].濟(jì)南：山東財(cái)經(jīng)大學(xué)，2016：4-10.

[11]Hegerty S W.Oil-price volatility and macroeconomic spillovers in central and eastern Europe：evidence from a multivariate GARCH model [J].Zagreb International Review of Economics & Business，2015，18(2)：31-44.

[12]白雪梅，石大龍.中國(guó)金融體系的系統(tǒng)性風(fēng)險(xiǎn)度量 [J].國(guó)際金融研究，2014(6)：75-84.

[13]周天蕓，楊子巧，余潔宜.機(jī)構(gòu)關(guān)聯(lián)、風(fēng)險(xiǎn)溢出與中國(guó)金融系統(tǒng)性風(fēng)險(xiǎn) [J].統(tǒng)計(jì)研究，2013，31(11)：43-49.

[14]肖國(guó)建.我國(guó)上市銀行風(fēng)險(xiǎn)溢出效應(yīng)的實(shí)證研究：基于CoVaR模型 [D].南京：東南大學(xué)，2016.

[15]Holder M，Pace R D，Tomas M J.Complements or substitutes?equivalent futures market：the case of corn and soybean futures on U.S.and Japanese exchanges [J].Journal of Futures Markets，2002(22)：355-370.

[16]閆云仙，張?jiān)浇?美國(guó)玉米期貨市場(chǎng)功能發(fā)揮的經(jīng)驗(yàn)及啟示 [J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2011(7)：106-109.

[17]黃建新，周啟清.中美玉米期貨市場(chǎng)對(duì)現(xiàn)貨市場(chǎng)價(jià)格影響的實(shí)證分析 [J].宏觀經(jīng)濟(jì)研究，2014(7)：136-143.

[18]殷久康.我國(guó)玉米期貨價(jià)格與現(xiàn)貨價(jià)格關(guān)系研究 [D].南京：南京財(cái)經(jīng)大學(xué)，2014.

[19]滕永平，馮冰.玉米期貨和現(xiàn)貨價(jià)格關(guān)系的實(shí)證研究 [J].沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2016，9(1)：68-71.

[20]于爾根·弗蘭克，沃爾夫?qū)た枴す吕?，克里斯蒂安·馬蒂亞斯·哈夫納.金融計(jì)量：金融市場(chǎng)統(tǒng)計(jì)分析 [M].陳詩(shī)一，汪莉，譯.北京：機(jī)械工業(yè)出版社，2016：187-195.