郭文偉，劉英迪，袁 媛，張思敏

(廣東財(cái)經(jīng)大學(xué) 金融學(xué)院，廣東 廣州 510320)

一、引言

大宗商品一般是指可進(jìn)入流通領(lǐng)域但非零售環(huán)節(jié)，具有商品屬性用于工農(nóng)業(yè)生產(chǎn)與消費(fèi)的物質(zhì)商品。中國(guó)大宗商品期貨主要包括能源化工、工業(yè)、金屬、貴金屬、農(nóng)產(chǎn)品等5種商品期貨，涉及國(guó)民經(jīng)濟(jì)中工農(nóng)業(yè)生產(chǎn)與消費(fèi)的諸多領(lǐng)域。自2015年11月供給側(cè)結(jié)構(gòu)性改革實(shí)施以來(lái)，隨著“三去一降一補(bǔ)”的持續(xù)推進(jìn)，中國(guó)農(nóng)產(chǎn)品、有色金屬、能源化工產(chǎn)品等大宗商品供需關(guān)系及結(jié)構(gòu)均發(fā)生了深刻轉(zhuǎn)變，價(jià)格波動(dòng)頻率及幅度趨向增大，不僅影響了下游相關(guān)行業(yè)的生產(chǎn)經(jīng)營(yíng)，也易造成上游行業(yè)供給和產(chǎn)量的反復(fù)，破壞了供給側(cè)結(jié)構(gòu)性改革的已有成果。作為大宗商品市場(chǎng)的一個(gè)重要組成部分，大宗商品期貨市場(chǎng)具有價(jià)格發(fā)現(xiàn)及套期保值的重要功能，但與此同時(shí)，高杠桿性又使其更易發(fā)生極端波動(dòng)，進(jìn)而對(duì)現(xiàn)貨市場(chǎng)產(chǎn)生嚴(yán)重沖擊。那么，供給側(cè)結(jié)構(gòu)性改革是否會(huì)增強(qiáng)中國(guó)大宗商品期貨價(jià)格的極端波動(dòng)及其市場(chǎng)風(fēng)險(xiǎn)走勢(shì)呢？在當(dāng)前深入推進(jìn)供給側(cè)結(jié)構(gòu)性改革的新時(shí)代背景下，這是亟待研究的重要課題。關(guān)于這個(gè)問(wèn)題的研究，一方面能夠揭示中國(guó)大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)程度及其演化模式；另一方面也能科學(xué)評(píng)價(jià)供給側(cè)結(jié)構(gòu)性改革對(duì)大宗商品期貨市場(chǎng)波動(dòng)的影響，進(jìn)而為優(yōu)化現(xiàn)有供給側(cè)結(jié)構(gòu)性改革政策和避免引發(fā)市場(chǎng)極端風(fēng)險(xiǎn)提供有益的借鑒，最終為鞏固供給側(cè)結(jié)構(gòu)性改革已有成果及保證實(shí)體經(jīng)濟(jì)穩(wěn)健運(yùn)行提供決策支持。

二、文獻(xiàn)綜述

(一)大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)測(cè)度的研究現(xiàn)狀與評(píng)價(jià)

較早的金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度方法為風(fēng)險(xiǎn)價(jià)值(VaR)模型，該模型能衡量一定時(shí)期內(nèi)一定置信水平下某一資產(chǎn)的最大可能損失，在金融機(jī)構(gòu)的風(fēng)險(xiǎn)管理實(shí)踐中應(yīng)用廣泛。之后，有學(xué)者將單變量VaR模型進(jìn)一步拓展為3大類不同的風(fēng)險(xiǎn)測(cè)度模型：參數(shù)類(RiskMetrics、GARCH族模型等)、非參數(shù)類(蒙特卡羅模擬法、歷史模擬法等)、半?yún)?shù)類(CAViaR模型等)。由于非參數(shù)類模型可能造成信息損失和維數(shù)災(zāi)難，因此實(shí)踐中更多采用參數(shù)類模型及半?yún)?shù)類模型對(duì)VaR進(jìn)行測(cè)度。大量實(shí)證研究表明，大宗商品期貨收益率序列通常具有尖峰厚尾、波動(dòng)聚集、自相關(guān)性和杠桿效應(yīng)[1]，未能滿足傳統(tǒng)VaR測(cè)度方法的假設(shè)條件，因此國(guó)內(nèi)外學(xué)者主要采用GARCH族模型及CAViaR族模型對(duì)其風(fēng)險(xiǎn)進(jìn)行刻畫，并進(jìn)行了兩方面的對(duì)比研究：一方面，龐淑娟和劉向麗、Musunuru等對(duì)比了若干GARCH族模型對(duì)不同商品期貨風(fēng)險(xiǎn)的測(cè)度能力后認(rèn)為，考慮了長(zhǎng)記憶性的HYGARCH模型、長(zhǎng)記憶性及杠桿效應(yīng)的FIGARCH(1，d，1)模型和FIEGARCH(1，d，1)模型、考慮不對(duì)稱性的EGARCH模型，具有更佳的風(fēng)險(xiǎn)預(yù)測(cè)能力[2-3]。

在大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)測(cè)度方面，現(xiàn)有研究主要集中于ARMA-GARCH-EVT模型的創(chuàng)新及應(yīng)用上，這一模型的建模思路是：首先，通過(guò)ARMA-GARCH模型對(duì)具有波動(dòng)集聚的原始收益數(shù)據(jù)進(jìn)行過(guò)濾，獲得條件均值、條件方差與滿足獨(dú)立同分布的標(biāo)準(zhǔn)殘差序列；其次，應(yīng)用EVT模型對(duì)標(biāo)準(zhǔn)殘差序列建模并計(jì)算出考慮極端事件的極值分位數(shù)；再次，將條件均值、條件方差、極值分位數(shù)相結(jié)合計(jì)算出極端風(fēng)險(xiǎn)。國(guó)內(nèi)外學(xué)者基于這一思路將不同GARCH族模型與EVT理論結(jié)合進(jìn)行了實(shí)證研究。Zhang等運(yùn)用EGARCH-POT模型分別測(cè)度了貴金屬及歐盟碳市場(chǎng)的價(jià)格波動(dòng)，實(shí)證結(jié)果表明所構(gòu)建模型具有良好的擬合效果[4]；Youssef等構(gòu)造了多個(gè)GARCH-EVT模型對(duì)能源期貨的動(dòng)態(tài)風(fēng)險(xiǎn)進(jìn)行度量，發(fā)現(xiàn)HYGARCH-EVT模型和FIAPARCH-EVT模型在極端VaR測(cè)度中表現(xiàn)更好[5]；胡宗義等通過(guò)構(gòu)建Expectile-EVT模型測(cè)度國(guó)際原油的極端波動(dòng)風(fēng)險(xiǎn)[6]，雖然ARMA-GARCH-EVT模型對(duì)原始收益數(shù)據(jù)進(jìn)行了過(guò)濾，但是仍需假設(shè)收益分布并選擇條件方差方程，實(shí)證中對(duì)這些問(wèn)題并未產(chǎn)生共識(shí)。針對(duì)上述問(wèn)題，Engle和Manganelli提出了CAViaR模型，并結(jié)合極值理論EVT構(gòu)建了CAViaR-EVT模型[7]。從理論上看，CAViaR-EVT模型能夠結(jié)合CAViaR處理普通分位數(shù)及EVT測(cè)度極端風(fēng)險(xiǎn)的優(yōu)點(diǎn)，在極端尾部風(fēng)險(xiǎn)度量及其演化模式刻畫方面更具優(yōu)勢(shì)，但至今這一模型在實(shí)踐中運(yùn)用極少，目前僅有張晨等將其運(yùn)用于國(guó)際碳市場(chǎng)的極端風(fēng)險(xiǎn)測(cè)度[8]；簡(jiǎn)志宏等將其運(yùn)用于大宗商品期貨市場(chǎng)的極端風(fēng)險(xiǎn)測(cè)度，并顯示出這一模型在大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)測(cè)度方面的潛力[9]。與此同時(shí)，在大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)研究方面依然存在如下不足：一是現(xiàn)有研究集中關(guān)注極端下尾風(fēng)險(xiǎn)，而較少同時(shí)關(guān)注極端上尾風(fēng)險(xiǎn)，在期貨市場(chǎng)中極端上尾風(fēng)險(xiǎn)依然是做空的投資者需要重點(diǎn)關(guān)注的問(wèn)題；二是現(xiàn)有研究一般只關(guān)注某一具體品類大宗商品價(jià)格波動(dòng)風(fēng)險(xiǎn)，而鮮有對(duì)整個(gè)大宗商品期貨市場(chǎng)及現(xiàn)有各類商品期貨價(jià)格的極端波動(dòng)風(fēng)險(xiǎn)進(jìn)行系統(tǒng)性測(cè)度與比較；三是鮮有文獻(xiàn)專門研究大宗商品期貨市場(chǎng)的風(fēng)險(xiǎn)演化模式及其差異。

(二)供給側(cè)結(jié)構(gòu)性改革影響大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的研究現(xiàn)狀與評(píng)價(jià)

供給側(cè)結(jié)構(gòu)性改革政策出臺(tái)前，國(guó)內(nèi)學(xué)者在大宗商品價(jià)格，尤其是國(guó)際大宗商品價(jià)格極端波動(dòng)的影響因素方面已形成了較為豐富的研究成果。馬龍等認(rèn)為，貨幣供給通過(guò)影響通脹預(yù)期進(jìn)而影響大宗商品價(jià)格波動(dòng)，并提倡政府注重對(duì)全社會(huì)通脹預(yù)期的調(diào)控[10]；韓立巖、張峻曉等學(xué)者認(rèn)為，短期內(nèi)投機(jī)行為是大宗商品期貨價(jià)格極端波動(dòng)的重要推手[11-12]。

供給側(cè)結(jié)構(gòu)性改革政策出臺(tái)至今，國(guó)內(nèi)系統(tǒng)研究其對(duì)大宗商品價(jià)格極端波動(dòng)影響的文獻(xiàn)較為缺乏，國(guó)外幾乎沒(méi)有。郭俊華等對(duì)供給側(cè)結(jié)構(gòu)性改革的內(nèi)涵、目標(biāo)和路徑進(jìn)行了系統(tǒng)性闡述[13]；呂煒等認(rèn)為供給側(cè)層面因素通過(guò)價(jià)格自循環(huán)效應(yīng)及市場(chǎng)勢(shì)力兩條途徑影響上游行業(yè)價(jià)格的極端波動(dòng)，提出政府在供給側(cè)結(jié)構(gòu)性改革中應(yīng)引入上游行業(yè)的競(jìng)爭(zhēng)機(jī)制，避免上游行業(yè)市場(chǎng)勢(shì)力重新增長(zhǎng)及價(jià)格自循環(huán)效應(yīng)的不利影響使供給側(cè)結(jié)構(gòu)性改革已有成果遭到破壞[14]。然而，對(duì)于2012年以來(lái)，尤其是2016年下半年至今中國(guó)大宗商品價(jià)格極端波動(dòng)的成因，諸多學(xué)者及研究員的觀點(diǎn)不一，尚未形成共識(shí)。

總體而言，研究大宗商品價(jià)格波動(dòng)影響因素的文獻(xiàn)較為豐富，但現(xiàn)有文獻(xiàn)較少對(duì)供給側(cè)結(jié)構(gòu)性改革前后大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)進(jìn)行測(cè)度與比較，也鮮有研究大宗商品期貨市場(chǎng)風(fēng)險(xiǎn)演化模式的變遷。與已有文獻(xiàn)相比，本文研究特色表現(xiàn)為：一是綜合考慮極端下尾與極端上尾風(fēng)險(xiǎn)，分析大宗商品期貨投資者的多頭下跌風(fēng)險(xiǎn)與空頭上漲風(fēng)險(xiǎn)；二是構(gòu)建CAViaR-EVT-VaR模型測(cè)度大宗商品期貨極端波動(dòng)風(fēng)險(xiǎn)及其演化模式，并通過(guò)與ARMA-GARCH-EVT-VaR模型進(jìn)行綜合比較，進(jìn)一步突出CAViaR-EVT-VaR方法的建模優(yōu)勢(shì)；三是比較供給側(cè)結(jié)構(gòu)性改革前后各類大宗商品期貨價(jià)格波動(dòng)特征及其極端風(fēng)險(xiǎn)的變化，進(jìn)而評(píng)價(jià)供給側(cè)結(jié)構(gòu)性改革對(duì)大宗商品價(jià)格波動(dòng)的影響機(jī)制，并提出防范對(duì)策。

三、理論模型構(gòu)建與說(shuō)明

(一)CAViaR模型及參數(shù)說(shuō)明

由于文章篇幅限制，這里僅介紹CAViaR模型及其參數(shù)含義，而對(duì)于本文采用的ARMA模型及傳統(tǒng)GARCH族模型(GARCH、EGARCH、HYGARCH、FIAPARCH)則不再重復(fù)闡述。Engle和Manganelli提出了4種經(jīng)典CAViaR模型：

1.對(duì)稱絕對(duì)值模型SAV：

VaRt(p)=β0+β1VaRt-1+β2rt-1

(1)

2.不對(duì)稱絕對(duì)值模型AS：

VaRt(p)=β0+β1VaRt-1+β2(rt-1)++

β3(rt-1)-

(2)

3.間接GARCH模型IG：

(3)

4.適定性模型AD：

VaRt(p)=VaRt-1+

β1[1+exp(G[rt-1+VaRt-1])-1-θ]

(4)

其中rt-1為歷史對(duì)數(shù)收益率系列；θ為置信水平，一般取1%或5%；G為一有限的正數(shù)，這里取為10，當(dāng)G→∞時(shí)式(4)右邊的最后一項(xiàng)趨于[1-(xt-1≤-VaRt-1)-θ]，其中I(·)為提示性函數(shù)；當(dāng)G為有限正數(shù)時(shí)，該模型將為光滑的階梯函數(shù)。從式(4)可看出，第t期的在險(xiǎn)價(jià)值VaR將受到第t-1期的歷史收益率rt-1的影響；與此類似，SAV與IG模型均考慮了這種情況。

(二)EVT模型及參數(shù)說(shuō)明

極值理論可分為BMM模型和POT模型，BMM模型將觀測(cè)數(shù)據(jù)按時(shí)間順序等分為互不重疊的若干區(qū)間，并對(duì)每個(gè)區(qū)間的最大值組成的數(shù)據(jù)序列建模；而POT對(duì)觀察值中超過(guò)某一較大閾值的數(shù)據(jù)建模，由于POT模型有效使用了有限的極端觀察值，通常被認(rèn)為在實(shí)踐中最為有用[15]，因此本文主要介紹POT模型。

假設(shè)觀測(cè)值序列為X1，X2，…，Xn，對(duì)于一個(gè)合理的閾值u，超過(guò)閾值的Nu個(gè)樣本對(duì)應(yīng)的超額數(shù)序列為Yi=Xi-u(i=1，2，…，Nu)，則超額數(shù)Y的分布函數(shù)為：

Fu(y)=Pr(X-u≤y|X>u)

(5)

對(duì)于一個(gè)充分大的閾值u，F(xiàn)uy可以用廣義帕累托分布逼近，即：

(6)

設(shè)x=u+y，則分布的尾部累積分布函數(shù)為：

F(x)= (1-F(u))Gξ，β(x-u)+F(u)

(x>u)

(7)

令F(u)=(n-Nu)/n，并用極大似然法估計(jì)GPD分布的形狀參數(shù)ξ和尺度參數(shù)β，則有：

(8)

對(duì)于置信度p>F(u)的尾部估計(jì)，反解上式可得到p分位數(shù)：

(9)

(三)ARMA-GARCH族-EVT-VaR模型構(gòu)建及參數(shù)說(shuō)明

GARCH族模型采用如下離散化形式，刻畫金融資產(chǎn)損失序列的動(dòng)態(tài)過(guò)程：

Rt=μt+εt=μt+σtzt

(10)

(11)

結(jié)合上述關(guān)于ARMA、GARCH族、EVT模型的介紹以極端多頭VaR為例，ARMA-GARCH族-EVT-VaR模型的構(gòu)建可分為如下3個(gè)步驟：

步驟3：將μt、σt、Qp(Z)代入式(11)計(jì)算VaRtp(R)。

計(jì)算極端空頭VaR時(shí)采用收益率序列，按上述同樣步驟即可完成。

(四)CAViaR-EVT-VaR模型構(gòu)建及參數(shù)說(shuō)明

CAViaR-EVT-VaR模型的構(gòu)建思路是通過(guò)POT方法將CAViaR計(jì)算得出的正常分位點(diǎn)分位數(shù)轉(zhuǎn)化為極端分位點(diǎn)分位數(shù)，以極端多頭VaR為例，模型的構(gòu)建可分為如下4個(gè)步驟：

步驟2：通過(guò)式(12)計(jì)算標(biāo)準(zhǔn)化殘差序列。

(12)

(13)

步驟4：通過(guò)式(9)計(jì)算出標(biāo)準(zhǔn)化殘差序列的(1-p)分位數(shù)，代入下式可計(jì)算出損失率序列的p分位數(shù)，即100(1-p)%置信水平下的VaR。

(14)

計(jì)算極端空頭VaR時(shí)采用收益率序列，按同樣的步驟即可完成。

本文采取傳統(tǒng)的LR檢驗(yàn)以及Engle和Manganelli提出的DQ檢驗(yàn)對(duì)上述ARMA-GARCH族-EVT-VaR模型及CAViaR-EVT-VaR模型的精確度進(jìn)行檢驗(yàn)，由于論文篇幅限制，具體細(xì)則不再詳述，可參見(jiàn)相關(guān)文獻(xiàn)說(shuō)明。

四、實(shí)證分析

(一)樣本選取及描述

本文以南華期貨商品指數(shù)報(bào)告的綜合指數(shù)(ZH)、工業(yè)品指數(shù)(GY)、能化指數(shù)(NH)、金屬指數(shù)(JS)、貴金屬指數(shù)(GJS)、農(nóng)產(chǎn)品指數(shù)(NCP)為研究對(duì)象，其中綜合指數(shù)反映了中國(guó)整個(gè)大宗商品期貨市場(chǎng)的狀況；樣本期為2012年9月6日至2017年9月15日，基本包含了供給側(cè)結(jié)構(gòu)性改革政策出臺(tái)(2015年11月)的前后兩年左右時(shí)間，剔除樣本期內(nèi)未報(bào)告指數(shù)數(shù)據(jù)的天數(shù)，共獲得1 216個(gè)日度數(shù)據(jù)和1 215個(gè)對(duì)數(shù)收益率及損失率數(shù)據(jù)(數(shù)據(jù)均來(lái)自于東方財(cái)富Choice數(shù)據(jù)庫(kù))；對(duì)數(shù)收益率rt及損失率Rt計(jì)算公式如下，其中Pt和Pt-1分別為各類商品期貨指數(shù)在第t日和第t-1日的收盤價(jià)：

rt=100×ln(Pt/Pt-1)

(15)

Rt=-100×ln(Pt/Pt-1)

(16)

表1是各種大宗商品期貨收益率序列的描述性統(tǒng)計(jì)結(jié)果，從中可以看出：綜合類、工業(yè)類、能化類、金屬類大宗商品期貨收益率序列均值為正值，而貴金屬類與農(nóng)產(chǎn)品類大宗商品期貨收益率序列均值為負(fù)值；6種大宗商品期貨指數(shù)收益率序列的峰度均超過(guò)3，具有尖峰特征；綜合類、工業(yè)類、能化類、貴金屬類的偏度小于0，具有左偏特征；金屬類和農(nóng)產(chǎn)品類的偏度大于0，具有右偏特征。結(jié)合JB檢驗(yàn)結(jié)果可以看出：6種收益率序列均在1%的顯著性水平上拒絕正態(tài)分布的原假設(shè)，說(shuō)明這些大宗商品期貨價(jià)格收益系列均不服從正態(tài)分布；平穩(wěn)性ADF檢驗(yàn)結(jié)果顯示：6種收益率序列均在1%的顯著性水平下拒絕非平穩(wěn)的原假設(shè)，均為平穩(wěn)序列；Ljung-Box Q(20)統(tǒng)計(jì)量結(jié)果顯示：在滯后期為20時(shí)，綜合類、工業(yè)類、金屬類收益率序列存在長(zhǎng)階自相關(guān)性，能化類、貴金屬類、農(nóng)產(chǎn)品類收益率序列不存在長(zhǎng)階段自相關(guān)性；從波動(dòng)率來(lái)看，能化期貨、金屬期貨和貴金屬期貨的價(jià)格波動(dòng)相比其他大宗商品期貨價(jià)格波動(dòng)更為激烈，而農(nóng)產(chǎn)品期貨價(jià)格波動(dòng)率相對(duì)較小。

表1 各種大宗商品期貨指數(shù)收益率序列的描述性統(tǒng)計(jì)特征表

注：*、**、***分別表示在10%、5%、1%的顯著性水平上顯著，下表同。

(二)ARMA-GARCH族模型與CAViaR模型的擬合效果評(píng)價(jià)

由于金融計(jì)量中一階模型已經(jīng)能夠較為充分地反映金融時(shí)間序列的波動(dòng)特征和自相關(guān)性，因此本文選擇簡(jiǎn)單的ARMA(1，1)、GARCH(1，1)、EARCH(1，1)、HYGARCH(1，d，1)、FIAPARCH(1，d2，1)模型對(duì)樣本數(shù)據(jù)進(jìn)行擬合。表2是ARMA-GARCH族模型的參數(shù)估計(jì)結(jié)果，可以看出對(duì)于全部6種大宗商品期貨收益率序列，ARCH參數(shù)φ和GARCH參數(shù)β均顯著，且兩者之和小于1，條件方差方程收斂，說(shuō)明波動(dòng)具有持續(xù)性；除綜合類收益率序列外，其他5種收益率序列的HYGARCH模型、FIAPARCH模型中參數(shù)d均大于0而小于1，且多在5%的置信水平上顯著，說(shuō)明這5種收益系列具有長(zhǎng)記憶性；6種收益率序列在FIAPARCH模型中參數(shù)γ均不顯著，說(shuō)明杠桿效應(yīng)不明顯。另外，從最大似然值來(lái)看，這4類GARCH族模型的擬合效果并無(wú)顯著優(yōu)劣，而FIAPARCH模型在6種收益率序列中最大似然函數(shù)值往往相對(duì)更大，說(shuō)明更適合對(duì)這些大宗商品期貨進(jìn)行波動(dòng)率建模分析。

表2 ARMA-GARCH族模型參數(shù)估計(jì)結(jié)果表(基于訓(xùn)練樣本)

本文參考Engle和Manganelli的做法，將時(shí)間序列后500個(gè)樣本作為檢驗(yàn)樣本，其余樣本作為建模樣本，并通過(guò)RQ值、建模樣本Hit值和DQ檢驗(yàn)P值分析CAViaR模型擬合情況。表3是4種CAViaR模型在5%分位數(shù)下的參數(shù)估計(jì)結(jié)果，從樣本內(nèi)Hit值和DQ檢驗(yàn)P值可以看出，除AD模型在測(cè)度綜合類、能化類、金屬類大宗商品空頭VaR時(shí)出現(xiàn)P值小于顯著性水平0.05而被拒絕外，其余3個(gè)CAViaR模型在6種大宗商品多、空頭VaR測(cè)度時(shí)均未出現(xiàn)被拒絕的情況，整體表現(xiàn)較好；從RQ值來(lái)看，綜合考量多頭VaR、空頭VaR的表現(xiàn)可知與其余模型相比，AS模型在多數(shù)大宗商品的VaR測(cè)度中表現(xiàn)更好。進(jìn)一步，考察各模型參數(shù)估計(jì)結(jié)果可以發(fā)現(xiàn)，自相關(guān)系數(shù)β1基本均顯著(除綜合類大宗商品空頭VaR下的IG模型)，說(shuō)明尾部分位數(shù)存在波動(dòng)集聚現(xiàn)象，且工業(yè)類、金屬類、農(nóng)產(chǎn)品類大宗商品前期VaR對(duì)市場(chǎng)的影響相對(duì)更大；多數(shù)情況下系數(shù)β2與β3在空頭VaR中比在多頭VaR中更為顯著，說(shuō)明空頭方對(duì)外部信息的沖擊更為敏感?？傮w而言，從訓(xùn)練樣本來(lái)看，GARCH族模型中的FIAPARCH模型與CAViaR模型中的AS、IG、SAV模型均能較好地?cái)M合收益率與損失率序列或其VaR序列。

表3 CAViaR模型在5%置信水平下的參數(shù)估計(jì)結(jié)果表(基于訓(xùn)練樣本)

(三)ARMA-GARCH族模型與CAViaR模型標(biāo)準(zhǔn)化殘差的POT估計(jì)結(jié)果

本文選取時(shí)間序列的90%分位數(shù)作為閾值，并采取極大似然法估計(jì)GPD分布的形狀參數(shù)ξ和尺度參數(shù)β。表4、表5分別報(bào)告了ARMA-GARCH族模型和CAViaR模型標(biāo)準(zhǔn)化殘差序列的POT估計(jì)結(jié)果，從中可以看出在對(duì)GARCH族模型標(biāo)準(zhǔn)化殘差進(jìn)行擬合時(shí)，綜合類、工業(yè)類標(biāo)準(zhǔn)化殘差序列具有顯著的厚尾性，金屬類標(biāo)準(zhǔn)化殘差序列具有顯著的短尾性，而貴金屬類標(biāo)準(zhǔn)化殘差序列的左右尾則有不對(duì)稱性；在對(duì)CAViaR模型標(biāo)準(zhǔn)化殘差進(jìn)行擬合時(shí)，能化類標(biāo)準(zhǔn)化殘差序列具有顯著的短尾性，農(nóng)產(chǎn)品類標(biāo)準(zhǔn)化殘差序列具有顯著的厚尾性，而其余4種大宗商品標(biāo)準(zhǔn)化殘差序列則具有顯著的不對(duì)稱性。

表4 ARMA-GARCH族模型標(biāo)準(zhǔn)化殘差序列POT估計(jì)結(jié)果表

表5 CAViaR模型標(biāo)準(zhǔn)化殘差序列POT估計(jì)結(jié)果表

(四)基于ARMA-GARCH族-EVT模型與CAViaR-EVT模型極端風(fēng)險(xiǎn)預(yù)測(cè)比較

通過(guò)POT估計(jì)出標(biāo)準(zhǔn)化殘差序列的形狀參數(shù)ξ及尺度參數(shù)β后，可計(jì)算標(biāo)準(zhǔn)化殘差序列的極端分位數(shù)，進(jìn)而根據(jù)其與收益率序列或損失率序列極端分位數(shù)的關(guān)系，求解出收益率或損失率序列的極端分位數(shù)。本文在測(cè)度極端空頭風(fēng)險(xiǎn)時(shí)采用各大宗商品期貨的收益率序列，在測(cè)度極端多頭風(fēng)險(xiǎn)時(shí)采用各大宗商品期貨的損失率序列。表6報(bào)告了各種ARMA-GARCH族-EVT模型與CAViaR-EVT模型在5%顯著性水平上6種大宗商品期貨極端多、空頭VaR測(cè)度的LR檢驗(yàn)P值及失敗率；由于LRcc檢驗(yàn)綜合考量了LRuc檢驗(yàn)與LRind檢驗(yàn)，因此以下比較主要參考LRcc檢驗(yàn)P值及失敗率，并輔以LRuc及LRind檢驗(yàn)，結(jié)果顯示總體上看CAViaR-EVT模型的精確度高于ARMA-GARCH族-EVT模型，且兩類模型預(yù)測(cè)極端多頭VaR的精確度高于極端空頭VaR。

對(duì)綜合類大宗商品期貨而言，4個(gè)GARCH族-EVT模型在極端多、空頭VaR預(yù)測(cè)中均未通過(guò)LRcc與LRuc檢驗(yàn)，且失敗率顯著高于CAViaR-EVT模型；而在4個(gè)CAViaR-EVT模型中，SAV-EVT模型通過(guò)了所有LR檢驗(yàn)，在極端空頭VaR預(yù)測(cè)中也具有較高的精確程度，是綜合類大宗期貨商品價(jià)格極端風(fēng)險(xiǎn)測(cè)度的最優(yōu)模型。由于綜合類代表了整個(gè)大宗商品期貨市場(chǎng)的整體情況，由此說(shuō)明中國(guó)大宗商品期貨市場(chǎng)價(jià)格極端波動(dòng)風(fēng)險(xiǎn)適合采用SAV-EVT模型進(jìn)行測(cè)度。

對(duì)工業(yè)類大宗商品期貨而言，4個(gè)GARCH族-EVT模型在極端多、空頭VaR預(yù)測(cè)中同樣均未通過(guò)LRcc與LRuc檢驗(yàn)，且失敗率顯著高于CAViaR-EVT模型，而在CAViaR-EVT模型中，也僅有IG-EVT模型與AD-EVT模型同時(shí)通過(guò)了兩個(gè)LRcc檢驗(yàn)，相較而言AD-EVT模型的P值更大且失敗率接近理論水平1%，是工業(yè)類大宗商品期貨價(jià)格極端風(fēng)險(xiǎn)測(cè)度的最優(yōu)模型。

對(duì)能化類大宗商品期貨而言，GARCH族-EVT模型在預(yù)測(cè)極端多頭VaR時(shí)具有更大的P值，但是失敗率為0，有高估風(fēng)險(xiǎn)的可能，同時(shí)和其他3個(gè)GARCH族-EVT模型一樣在極端空頭VaR預(yù)測(cè)中未能通過(guò)LRcc與LRuc檢驗(yàn)，不是最優(yōu)的風(fēng)險(xiǎn)預(yù)測(cè)模型；在CAViaR-EVT模型中同樣僅有IG-EVT模型與AD-EVT模型通過(guò)了兩個(gè)LRcc檢驗(yàn)，而AD-EVT模型具有更大的P值且失敗率更接近理論水平1%，是能化類大宗商品期貨價(jià)格極端風(fēng)險(xiǎn)測(cè)度的最優(yōu)模型。

表6 1%分位數(shù)5%顯著性水平上的LR檢驗(yàn)結(jié)果表(基于檢驗(yàn)樣本)

注：表中數(shù)據(jù)表示LR檢驗(yàn)的P值，其中加粗字體表示在95%的置信水平下拒絕該模型。

對(duì)金屬類大宗商品期貨而言，有SAV-EVT、IG-EVT、AD-EVT3個(gè)模型同時(shí)通過(guò)了兩個(gè)LRcc檢驗(yàn)，相較而言AD-EVT模型在極端多、空頭VaR預(yù)測(cè)時(shí)均有較高的P值且失敗率更接近理論水平1%，是金屬類大宗商品期貨價(jià)格極端風(fēng)險(xiǎn)測(cè)度的最優(yōu)模型。

對(duì)貴金屬類大宗商品期貨而言，僅有IG-EVT模型通過(guò)了兩個(gè)LRcc檢驗(yàn)，是貴金屬類大宗商品期貨價(jià)格極端風(fēng)險(xiǎn)測(cè)度的最優(yōu)模型。

對(duì)農(nóng)產(chǎn)品類大宗商品期貨而言，有SAV-EVT和IG-EVT兩個(gè)模型通過(guò)了兩個(gè)LRcc檢驗(yàn)，兩者的失敗率與1%的理論水平均相差不大，但SAV-EVT模型在極端多、空頭VaR預(yù)測(cè)時(shí)有相對(duì)更高的P值，是農(nóng)產(chǎn)品類大宗商品期貨價(jià)格極端風(fēng)險(xiǎn)的最優(yōu)測(cè)度模型。

(五)供給側(cè)結(jié)構(gòu)性改革前后大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)比較

經(jīng)過(guò)LR檢驗(yàn)的比較，得出了每種大宗商品期貨價(jià)格波動(dòng)極端風(fēng)險(xiǎn)的最優(yōu)測(cè)度模型。圖1展示的是基于最優(yōu)測(cè)度模型對(duì)各種大宗商品期貨在1%置信水平上的極端多、空頭VaR風(fēng)險(xiǎn)測(cè)度結(jié)果。從圖1中可看出：以2015年第三季度為界，大宗商品期貨價(jià)格波動(dòng)情況可大致分為兩個(gè)階段：第一個(gè)階段為2012年9月至2015年7月，這一階段貴金屬類大宗商品價(jià)格波動(dòng)幅度較大，極端行情出現(xiàn)較多，而其他5種大宗商品價(jià)格波動(dòng)則較為平緩，極端行情出現(xiàn)較少；第二個(gè)階段為2015年7月至2017年9月，這一階段貴金屬類大宗商品期貨價(jià)格波動(dòng)幅度趨小，極端多頭VaR與極端空頭VaR走勢(shì)較為平穩(wěn)，而其他5種大宗商品價(jià)格波動(dòng)幅度及頻率則趨向增大，多頭VaR與空頭VaR水平均有升高。總體來(lái)看，貴金屬類大宗商品期貨與其他5種大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)演化情況出現(xiàn)背離，結(jié)合收益率均值來(lái)看，貴金屬類與農(nóng)產(chǎn)品類大宗商品期貨價(jià)格趨于下行，而其他4種大宗商品期貨價(jià)格趨于上行，走勢(shì)分化明顯。進(jìn)一步分析可以發(fā)現(xiàn)，大宗商品期貨價(jià)格波動(dòng)情況兩階段的劃分與供給側(cè)結(jié)構(gòu)性改革政策出臺(tái)的時(shí)間(2015年11月)較為一致，且價(jià)格趨于上行的工業(yè)類、能化類、金屬類大宗商品期貨，均屬于供給側(cè)結(jié)構(gòu)性改革中去產(chǎn)能去庫(kù)存重點(diǎn)關(guān)注的領(lǐng)域。表中ZH、GY、NH、JS、GJS、NCP分別代表綜合類、工業(yè)類、能化類、金屬類、貴金屬類、農(nóng)產(chǎn)品類大宗商品期貨。

圖1 基于最優(yōu)測(cè)度模型的6種大宗商品極端風(fēng)險(xiǎn)走勢(shì)圖

(六)供給側(cè)結(jié)構(gòu)性改革政策對(duì)大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的影響分析

為更科學(xué)評(píng)價(jià)中國(guó)供給側(cè)結(jié)構(gòu)性改革政策是否會(huì)影響大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)，本文采用在1%置信水平上的極端多頭VaR以及基于FIAPARCH模型獲得的條件標(biāo)準(zhǔn)差作為波動(dòng)率；本文以供給側(cè)結(jié)構(gòu)性改革政策正式出臺(tái)時(shí)間(2015年11月10日)為界，采取虛擬變量XU來(lái)代表供給側(cè)結(jié)構(gòu)性改革政策(2015年11月10日之前日期賦0，之后日期賦1)；采取QU代表時(shí)間趨勢(shì)變量(2015年11月11日賦1，之后日期順次加1)，以檢測(cè)各種大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)是否在供給側(cè)結(jié)構(gòu)性改革啟動(dòng)后具有明顯的時(shí)間趨勢(shì)；與此同時(shí)，增加各種大宗商品期貨每日收益率r作為自變量，以衡量其每日收益變化是否會(huì)對(duì)極端風(fēng)險(xiǎn)產(chǎn)生影響，最終估計(jì)結(jié)果見(jiàn)表7、表8。

表7 供給側(cè)改革政策對(duì)各種大宗商品期貨價(jià)格極端VaR的影響結(jié)果表

注：表中數(shù)據(jù)為估計(jì)系數(shù)；*、**、***分別表示在10%、5%、1%的顯著性水平下顯著，下表同。

表8 供給側(cè)改革政策對(duì)各種大宗商品期貨價(jià)格波動(dòng)率的影響結(jié)果表

表7回歸結(jié)果顯示，對(duì)整個(gè)大宗商品期貨市場(chǎng)而言，代表供給側(cè)結(jié)構(gòu)性改革政策的虛擬變量及其時(shí)間趨勢(shì)變量均在1%的置信水平上顯著為正，這說(shuō)明供給側(cè)結(jié)構(gòu)性改革政策在一定程度上加劇了中國(guó)大宗商品期貨市場(chǎng)價(jià)格波動(dòng)極端風(fēng)險(xiǎn)水平，且隨著該政策的推進(jìn)，大宗商品期貨市場(chǎng)風(fēng)險(xiǎn)具有隨時(shí)間趨于增強(qiáng)的趨勢(shì)；與此類似，工業(yè)類、金屬類、農(nóng)產(chǎn)品類的大宗商品期貨極端風(fēng)險(xiǎn)值均受到供給側(cè)結(jié)構(gòu)性改革政策的顯著影響，具有明顯的時(shí)間趨勢(shì)；但供給側(cè)結(jié)構(gòu)性改革政策對(duì)貴金屬大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的影響較弱。

在波動(dòng)率方面，由表8可知：供給側(cè)結(jié)構(gòu)性改革政策的推出明顯加大了整個(gè)大宗商品期貨市場(chǎng)、工業(yè)類、能化類、金屬類和農(nóng)產(chǎn)品類大宗商品期貨的價(jià)格波動(dòng)率，其中影響最大的是金屬類大宗商品期貨，而影響較小的是能化類大宗商品期貨。與此相反，該政策的推出對(duì)貴金屬類大宗商品期貨的價(jià)格波動(dòng)具有顯著的負(fù)面影響，也即明顯抑制了該類商品期貨的價(jià)格波動(dòng)程度；與此同時(shí)，供給側(cè)結(jié)構(gòu)性改革政策在各種大宗商品期貨價(jià)格波動(dòng)率的時(shí)間趨勢(shì)上均不太明顯?；趯?shí)證結(jié)果可知，供給側(cè)結(jié)構(gòu)性改革中去產(chǎn)能、去庫(kù)存的主要措施(如規(guī)定去產(chǎn)能目標(biāo)任務(wù)、限制生產(chǎn)時(shí)間等)在一定程度上明顯加大了中國(guó)大宗商品價(jià)格波動(dòng)的極端風(fēng)險(xiǎn)。具體而言，其影響路徑可能如下：一方面，去產(chǎn)能、去庫(kù)存直接導(dǎo)致相關(guān)行業(yè)產(chǎn)量下降，產(chǎn)能從過(guò)剩趨于合理，供給量趨于下降，在這一過(guò)程中下游行業(yè)對(duì)大宗商品未來(lái)價(jià)格走勢(shì)的預(yù)期可能會(huì)拉動(dòng)其期、現(xiàn)貨價(jià)格的上漲，供應(yīng)壓力可能會(huì)成為影響市場(chǎng)價(jià)格走勢(shì)的主導(dǎo)因素；另一方面，產(chǎn)能收緊及庫(kù)存收縮將使相關(guān)行業(yè)供應(yīng)缺乏彈性，在面對(duì)下游行業(yè)季節(jié)性補(bǔ)庫(kù)存及其他市場(chǎng)突發(fā)情況時(shí)，難以通過(guò)減少庫(kù)存減輕價(jià)格效應(yīng)，使得相關(guān)大宗商品價(jià)格易于產(chǎn)生極端波動(dòng)。

(七)各種大宗商品期貨對(duì)外部消息的沖擊響應(yīng)特征分析

圖2、圖3報(bào)告了各種大宗商品期貨極端多、空頭VaR的消息沖擊曲線。從中可以看出：綜合類、貴金屬類及農(nóng)產(chǎn)品類大宗商品期貨市場(chǎng)對(duì)外部利好、利空消息的反應(yīng)程度一樣，具有明顯的對(duì)稱性；工業(yè)類大宗商品期貨市場(chǎng)的極端多、空頭風(fēng)險(xiǎn)受到前一期VaR值的顯著正向影響，對(duì)外部利空消息的反應(yīng)程度大于對(duì)利好消息的反應(yīng)程度，具有明顯的非對(duì)稱性；能化類大宗商品期貨市場(chǎng)極端多頭風(fēng)險(xiǎn)受前一期VaR值影響不明顯，而極端空頭風(fēng)險(xiǎn)則受到前一期VaR值的顯著正向影響，對(duì)外部利空和利好消息沖擊表現(xiàn)出非對(duì)稱性；金屬類大宗商品期貨市場(chǎng)極端多頭風(fēng)險(xiǎn)受到前一期VaR值的顯著正向影響，但極端空頭風(fēng)險(xiǎn)受前一期VaR值影響不明顯，同樣具有對(duì)外部利好利空消息沖擊的非對(duì)稱性響應(yīng)特征。

圖3 各種大宗商品期貨極端空頭風(fēng)險(xiǎn)的消息沖擊曲線圖

五、結(jié)論與建議

本文將CAViaR處理普通分位數(shù)與EVT處理極端風(fēng)險(xiǎn)的優(yōu)越性結(jié)合起來(lái)，構(gòu)建了CAViaR-EVT模型來(lái)測(cè)度中國(guó)大宗商品期貨(綜合類、工業(yè)類、能化類、金屬類、貴金屬類、農(nóng)產(chǎn)品類)在2012年9月至2017年9月期間的價(jià)格極端波動(dòng)風(fēng)險(xiǎn)及其市場(chǎng)風(fēng)險(xiǎn)演化模式，并評(píng)價(jià)供給側(cè)結(jié)構(gòu)性改革政策的推出對(duì)大宗商品期貨價(jià)格波動(dòng)風(fēng)險(xiǎn)及其波動(dòng)率的影響，最終研究結(jié)果表明：第一，相比傳統(tǒng)ARMA-GARCH族-EVT模型，CAViaR-EVT模型更適合測(cè)度中國(guó)大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)，具有更高的精度和穩(wěn)健性；第二，各種大宗商品期貨市場(chǎng)極端風(fēng)險(xiǎn)適合不同的CAViaR-EVT模型刻畫。綜合類、農(nóng)產(chǎn)品類大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的最優(yōu)預(yù)測(cè)模型為SAV-EVT，工業(yè)類、能化類、金屬類大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的最優(yōu)預(yù)測(cè)模型為AD-EVT，貴金屬類大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的最優(yōu)預(yù)測(cè)模型為IG-EVT；第三，供給側(cè)結(jié)構(gòu)性改革政策對(duì)中國(guó)大宗商品期貨市場(chǎng)價(jià)格極端波動(dòng)風(fēng)險(xiǎn)及其走勢(shì)具有顯著正向影響。該政策推出后，工業(yè)類、金屬類、農(nóng)產(chǎn)品類大宗商品極端風(fēng)險(xiǎn)值出現(xiàn)頻率及程度均有增強(qiáng)趨勢(shì)，供給側(cè)結(jié)構(gòu)性改革中去庫(kù)存、去杠桿的主要措施可能通過(guò)影響相關(guān)大宗商品供給彈性及下游行業(yè)預(yù)期，進(jìn)而加劇了大宗商品價(jià)格波動(dòng)的極端風(fēng)險(xiǎn)；第四，各種大宗商品期貨市場(chǎng)風(fēng)險(xiǎn)演化模型存在明顯差異。整個(gè)大宗商品期貨市場(chǎng)風(fēng)險(xiǎn)對(duì)外部利好、利空消息的反應(yīng)程度一樣，具有明顯的對(duì)稱性，且市場(chǎng)風(fēng)險(xiǎn)具有自我增強(qiáng)趨勢(shì)。從具體種類看：貴金屬類和農(nóng)產(chǎn)品類大宗商品期貨具有對(duì)外部利好利空消息沖擊的對(duì)稱性響應(yīng)特征；工業(yè)類大宗商品期貨市場(chǎng)的極端多、空頭風(fēng)險(xiǎn)受到前一期VaR值的顯著正向影響，對(duì)外部利空消息的反應(yīng)程度大于對(duì)利好消息的反應(yīng)程度，具有明顯的非對(duì)稱性；能化類大宗商品期貨市場(chǎng)極端多頭風(fēng)險(xiǎn)受前一期VaR值影響不明顯，而極端空頭風(fēng)險(xiǎn)則受到前一期VaR值的顯著正向影響，對(duì)外部利空和利好消息沖擊表現(xiàn)出非對(duì)稱性；金屬類大宗商品期貨市場(chǎng)極端多頭風(fēng)險(xiǎn)受到前一期VaR值的顯著正向影響，但極端空頭風(fēng)險(xiǎn)受受前一期VaR值影響不明顯，同樣具有對(duì)外部利好利空消息沖擊的非對(duì)稱性響應(yīng)特征。

基于上述研究結(jié)論，本文提出如下政策建議：一方面，監(jiān)管部門、金融機(jī)構(gòu)及大宗商品期貨投資者可以根據(jù)不同大宗商品期貨品種所適用的最優(yōu)極端風(fēng)險(xiǎn)預(yù)測(cè)模型對(duì)大宗商品價(jià)格波動(dòng)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，掌握大宗商品期貨市場(chǎng)風(fēng)險(xiǎn)演化模式及其對(duì)外部利好利空消息沖擊的對(duì)稱或非對(duì)稱特征來(lái)進(jìn)行風(fēng)險(xiǎn)防范，從而做出及時(shí)有效的監(jiān)管或投資決策；另一方面，鑒于供給側(cè)結(jié)構(gòu)性改革的長(zhǎng)期性、復(fù)雜性及其對(duì)大宗商品價(jià)格極端波動(dòng)風(fēng)險(xiǎn)可能產(chǎn)生的影響，監(jiān)管層在制定供給側(cè)結(jié)構(gòu)性改革持續(xù)推進(jìn)的相關(guān)政策時(shí)，有必要及時(shí)關(guān)注所推出政策對(duì)大宗商品期貨價(jià)格極端波動(dòng)風(fēng)險(xiǎn)的影響，根據(jù)影響結(jié)果進(jìn)一步科學(xué)評(píng)估和優(yōu)化相關(guān)改革政策，從而在合理平衡供給側(cè)結(jié)構(gòu)性改革的速度與質(zhì)量的同時(shí)防范大宗商品期貨市場(chǎng)極端風(fēng)險(xiǎn)的頻繁發(fā)生。從實(shí)踐看，供給側(cè)結(jié)構(gòu)改革使得大多數(shù)大宗商品供給減少，價(jià)格波動(dòng)上漲，并通過(guò)產(chǎn)業(yè)鏈上游向下游傳遞，在加大上游企業(yè)定價(jià)權(quán)和利潤(rùn)空間的同時(shí)也在一定程度上明顯削弱了中下游企業(yè)的盈利能力。因此，在當(dāng)前持續(xù)深入推進(jìn)供給側(cè)結(jié)構(gòu)性改革的同時(shí)，也要關(guān)注上游價(jià)格極端波動(dòng)風(fēng)險(xiǎn)對(duì)產(chǎn)業(yè)鏈中下游企業(yè)的運(yùn)營(yíng)成本及盈利能力所造成的負(fù)面影響，必要時(shí)應(yīng)該實(shí)施大宗商品的價(jià)格指引甚至管制，并抑制大宗商品期貨市場(chǎng)的投機(jī)行為，緩解其對(duì)大宗商品現(xiàn)貨價(jià)格水平的沖擊和非合理引領(lǐng)作用。