中国视角下农业期货价格、原油价格与经济政策不确定性的分位数联动分析

本文采用分位数关联分析法(QVAR)，首次将经济政策不确定性(EPU)纳入原油价格(COP)与农业期货价格(AFP)的分析框架，系统揭示了三者在不同市场条件（正常状态与极端事件）下的波动溢出效应。研究发现，极端分位数下变量间的关联性显著增强，历史危机会放大溢出机制。研究为多重市场参与者提供了农业市场监测机制与国际经济合作等政策启示，对商业周期分析、政策制定与风险管理具有重要意义。

引言

作为经济活动中至关重要的自然资源，原油价格的剧烈波动备受关注。例如，2020年1月原油价格曾达每桶63.67美元，而到4月暴跌至26.64美元，2022年3月又飙升至112.46美元。这种巨大波动不仅影响化肥等农业生产资料价格，还会冲击农产品运输成本，进而传导至农产品市场。以大豆为例，其价格在2021年内从每吨843.03美元猛涨至1557.19美元，后又回落至1242.83美元。农产品价格的持续波动严重削弱了全球粮食安全及经济社会稳定。为此，各国不得不调整经济政策以应对大宗商品价格波动，这又加剧了经济政策不确定性(EPU)。特别是在全球市场一体化与商品市场金融化背景下，新冠疫情等事件使国际经济形势变幻莫测，EPU大幅波动，增强了石油与农产品市场间的信息溢出与风险传导，导致价格波动更为剧烈。因此，本研究将EPU纳入COP与AFP的关联分析框架，以期获得更全面的结论，这对商业周期分析、政策制定与风险管理具有重要意义。

现有文献广泛讨论了原油价格(COP)、经济政策不确定性(EPU)与农产品市场之间的两两关系，但仍存在以下研究空白：首先，缺乏将这三个变量通过影响机制纳入统一框架的研究；其次，常用线性关系不符合现实，非线性讨论十分必要；最后，作为全球石油和农产品市场最重要的参与者之一，中国相关研究较少，缺乏政策参考意义。中国作为新兴经济体，其经济政策面临明显不确定性，同时在国际石油市场和农产品进口方面处于特殊地位，这为从中国视角研究这些变量提供了现实基础。

文献综述

关于EPU与农产品的大量文献表明，贸易政策、美元贬值和金融危机事件引发的EPU上升对全球农产品价格产生递增影响，且这种影响可能存在非线性特征。中国相关研究指出，国内EPU对农产品期货收益率在熊市有显著不利影响，且这种影响具有不对称多重分形互相关性。

在COP与农产品关系方面，多数研究认为两者存在紧密联系，且这种联系具有不对称性和时变性。但也有研究指出，农产品价格主要受市场供需决定，与COP关联有限，特别是在南非和中国等特定国家。

针对EPU与COP的双向关系，研究发现COP对EPU的影响可能正向也可能负向，而EPU对COP的影响则具有期限依赖性，短期影响较弱但随时间逐渐增强。

总体而言，现有研究缺乏统一理论框架，且忽视了极端条件与正常状态下的差异。本研究试图通过影响机制建立理论框架，并利用分位数关联分析法全面分析不同条件和时期下EPU、COP与农产品价格之间的动态溢出效应和关联性。

理论框架

本研究构建的理论框架包含三个主要影响机制：

首先，EPU通过需求冲击、心理预期和投资组合三种途径加剧AFP波动。高EPU通常与经济风险相伴，农产品出口国为保障国内粮食安全可能减少出口，而进口国则为囤积增加进口，这种供需变化会导致价格上涨。同时，政策信息不完全有效会放大EPU程度，引发市场参与者延迟投资和消费等不可预测行为，直接影响农产品市场。此外，商品期货在高EPU环境下被用作安全港和对冲工具，投资者寻求风险溢价的行为最终会影响市场情绪和投资者行为，导致价格波动。

其次，COP通过影响农业生产成本和生物燃料使用加剧AFP波动。原油价格上涨会推高化肥、农业设备等能源密集型投入品成本，进而抬高生产成本。同时，环保关注度提升使COP影响生物燃料制造，而生物燃料主要从大豆、玉米等农产品中提取，油价上涨会增加对生物柴油和乙醇所需植物油、甘蔗和玉米油的需求，从而推高其价格。

第三，EPU通过影响宏观经济和石油进出口决策放大COP波动。稳定的EPU通常伴随经济扩张，生产活动增加会推高原油需求。同时，石油市场金融化成为决定COP的核心因素，EPU通过改变金融市场参与者行为影响油价。此外，EPU包含贸易冲突、金融危机和地缘政治风险等信息，这些因素可能阻碍原油进出口进而影响油价。反之，剧烈的COP波动也会引发通胀、价格、生产成本等方面的变化，促使政策制定者实施新经济政策，导致EPU升高。

研究方法

本研究采用分位数向量自回归(QVAR)关联分析法捕捉不同分位数下变量间的溢出关联性。基本QVAR模型可表示为：

y_t = α(τ) + Σ_i=1^p B_i(τ)y_t-i + ε_t(τ)

其中y_t为n×1维因变量向量，τ为分位数，α(τ)为截距项，B_i(τ)为参数矩阵。通过广义预测误差方差分解(GFEVD)程序计算一个变量对另一个变量的影响程度，进而构建总关联指数(TCI)、方向关联指数(TO和FROM)以及净关联指数(NET)等指标。

与传统均值VAR方法相比，QVAR方法能够处理正常和极端市场条件，成功刻画尾事件和尾依赖的不同影响，为分析各种市场情景下的非线性冲击传播和不对称相互影响提供灵活框架。

数据来源与描述

研究样本区间为2005年1月至2022年4月，包含三个变量：中国经济政策不确定性(EPU)、原油价格(COP)和农产品期货价格(AFP)。其中EPU指数来自policyuncertainty.com网站，COP采用布伦特原油期货价格，AFP包含大豆(SFP)、玉米(CFP)、小麦(WFP)和棉花(COFP)期货价格，数据来自芝加哥期货交易所和纽约期货交易所。

描述性统计显示，EPU的标准差为0.372，高于其他变量，表明其波动性更强。除WFP外，所有农产品期货价格均呈现负偏态，且所有变量的峰度均大于3，呈现明显尖峰厚尾特征。单位根检验表明所有参数都是平稳的，支持采用向量自回归模型进行分析。

实证分析

静态分析显示，与低分位数(67.5%)和高分位数(66.3%)相比，中分位数(37.5%)的总关联性显著更低，表明极端情况下EPU、COP和AFP之间的溢出关联更为紧密。这一发现与极端量化波动性增加的概念一致，表明在重大危机期间，经济和商品市场的传染效应持续加强。

有趣的是，当在不同分位数间切换时，部分变量的净溢出符号发生变化。在0.1和0.9分位数下，WFP发送信息，而在0.5分位数下接收冲击；COFP在高端和中端分位数下接收信息，在低分位数下传输信息。这些发现证明了EPU、COP和AFP之间波动关联的不对称性。

动态时变关联分析表明，TCI具有时变性，低分位数和高分位数的关联水平显著高于中分位数。从时间上看，2008年和2012年溢出效应达到峰值，高达80%。2013年至2014年全球经济复苏，TCI整体下降。2017年至2019年，各分位数的TCI显著下降。2020年新冠疫情开始后，动态溢出开始显著增加，在极端市场中更为明显。

净总成对溢出分析显示，在正常经济条件下，CFP是明显的发射器，EPU是明显的接收器。而在极端条件下，净波动溢出的模式与正常市场有显著差异。在极端负面条件下，EPU在2007年至2011年间是风险和信息的明显接收者。COP在2008年和2018年左右是风险和信息的明显发射器。在有利的经济环境下，EPU几乎总是信息接收者。

稳健性检验

通过四种不同的稳健性检验确保实证结果的有效性：改变估计方法、添加其他变量、替换变量以及改变预测范围和滚动窗口大小。结果表明，EPU和COP在所有分位数下都是信息溢出净接收者，且在极端分位数下溢出效应增强，与基准结果一致。

讨论与结论

本研究得出重要结论，为多方参与者提供启示。鉴于EPU的接收作用，政府作为政策制定者和执行者应采取有效措施。中国必须优化和多元化能源和农产品进口结构，减少对单一来源的依赖。同时，应优先考虑能源安全和粮食安全，通过创造新的农业和能源技术来实现这一目标。此外，政府应基于长期发展战略和宏观经济稳定需要，审慎评估政策调整的必要性，尽量减少政策和制度的频繁重大变化。

考虑到商品市场的不同作用，投资者在金融市场组合投资过程中应更好地选择和调整投资策略，建立合理的资产配置体系。当投资组合同时包含能源和农业时，COP和AFP之间的不同相关性可能会影响投资组合的多元化效果，进而影响其收益。在金融不稳定时期，投资者应密切关注市场溢出的危险，将溢出效应视为影响投资组合收益的重要因素，以进行更有效的风险管理。

COP、AFP和EPU之间的溢出表现出动态性，特别是在极端事件期间风险相关性增加。因此，企业和机构投资者应建立"关联太紧密而不能倒"而非"太大而不能倒"的新风险防范原则。企业风险管理应建立风险控制框架和风险预警网络，识别触发预警机制的风险类别，特别是重大事件。

本研究首次将EPU纳入COP和AFP波动的理论框架，增强了对这些变量间波动溢出的理解。通过关注具有人口众多且易受AFP和国际COP波动影响的发展中国家，拓展了研究视野。此外，本研究采用考虑平均冲击的模型，超越了COP、EPU和AFP之间连通性的常规分析，揭示了极端市场条件下独特而更全面的相互作用和传染效应。最后，本文通过连接来自政府实体、投资者和组织等不同利益相关者在分位数分析和时间因素等不同领域的实证结果，更加注重实际意义。