基于时变混合Copula模型的铁矿石定价权变动影响效应研究

【摘要】铁矿石对中国钢铁行业乃至对整个国民经济都非常重要，研究国际国内铁矿石期货之间的风险溢出关系及定价权的转移对中国经济影响深远。通过对金融市场风险溢出效应研究方法和期货市场风险溢出效应研究现状的文献成果进行分析和评述，总结出现有的国内外风险溢出成果主要集中在股市、债市及银行等金融市场，而对商品期货市场之间的风险溢出研究相对不足。未来的金融市场间风险溢出效应及定价权转移的研究可以重点关注商品期货市场，尤以铁矿石期货为主攻方向。

【关键词】铁矿石期货 风险溢出效应 定价权

一、引言

隨着经济全球化的推进，世界经济越来越融合，金融市场之间的联系越来越紧密。事实证明，某一金融市场的波动并不局限于自身因素的影响，还可能受到其他金融市场的影响，这种风险在不同的金融机构和金融市场间的传递的效应就是金融风险溢出效应。而期货市场的风险溢出效应主要是指风险从发达期货市场传递到其他欠发达期货市场。如果关于某一金融变量，某一金融市场对另一金融市场为正向的风险溢出，且溢出程度很大，则说明该市场对此金融变量具有一定的定价权，从而能引领另一市场。回顾前人做过的大量研究，可以看出金融市场间的风险溢出效应是存在的。

而钢铁工业是我国经济的基础产业，我国对铁矿石的需求量也逐年递增。但是我国铁矿石供给远远落后于钢铁产能，对外依存度较高，国内铁矿石资源的有效供给不足是既定的事实。自2003年以来，全球88%新增铁矿石被我国钢铁企业购买，其进口量已经远远超过日本，中国成为了铁矿石进口第一大国。2007年～2008年，我国钢铁进口数量占到国际市场钢铁出口总量的50%以上，铁矿石对外依存度达到52.5%；2009年～2016年，我国铁矿石对外依存度达到70%，这使得我国钢铁企业在与国际铁矿石供应商的价格谈判中总是处于不利地位。

中国推出铁矿石期货，为中国争取“定价权”。铁矿石价格的波动将直接对我国国民经济产生影响。表现为：第一，铁矿石价格的上涨将直接减少钢铁行业的利润。第二，加剧了我国矿企对铁矿石资源的掠夺性开发。第三，铁矿石价格的传导效应将使我国钢铁后续产业生产成本上升。第四，铁矿石价格上涨将会影响到其他进口原料定价。

在此背景下，由于铁矿石对中国钢铁行业乃至对整个国民经济都非常重要，研究铁矿石定价权的转移对中国国民经济的影响意义深远。但是目前，关于国际和国内铁矿石期货与期货、期货与现货之间的风险溢出关系和铁矿石定价权变动影响效应的研究成果并不多见，本文旨在针对研究金融市场的风险溢出研究成果和期货行业相关期货品种的风险溢出成果作一定的归纳梳理，以对铁矿石期货市场的研究进行有益的补充，并希望能为以后的研究学者研究相关行业提供一定的理论参考。

二、风险溢出效应研究方法分析

1990年，有学者对不同股市之间的风险溢出效应分析中，最早提出了波动率风险溢价模型。随后，越来越多的学者对不同的金融市场之间的风险溢出分析使用了不同的计量模型展开研究。现对国内外学者普遍使用的实证模型方法进行分类回顾，可以把相关风险溢出的研究成果分成以下五类。

（一）基于VaR模型的研究

Russo（2009）[1]提出一种计算VaR的扩展模型，并对条件均值、波动性、峰度和偏度等四个条件矩的预测性进行了评估说明。杜宁和张广文（2011）[2]基于VaR模型对大豆的期货市场价格发现进行了研究，得出，大豆期货和现货价格之间存在着相互溢出关系。

（二）基于Granger因果检验模型的研究

Rajput等（2012）[3]运用Granger因果检验研究了1992～2011年印度股市的信息溢出和波动溢出的关系。蒲遗天（2016）[4]运用Granger因果检验等研究了有色金属期货市场与相对应股票市场之间的长期协整关系，并分析两者之间的溢出效应。

（三）基于GARCH类模型的研究

Sadorsky（2012）[5]运用多元GARCH模型建立条件相关性，分析油价与清洁能源公司和技术公司股票价格之间的波动溢出，发现动态条件相关模型最适合数据，并产生结果，表明清洁能源公司的股票价格与技术股价相比，与油价相关。吴振信等（2016）[6]分别基于正态分布、t分布、GED分布假设下的EGARCH模型，考察EUA和CER期货价格收益率的波动特征，并估算期货市场的风险VaR值。

（四）基于CoVaR模型的研究

在一个确定的市场风险前提下，CoVaR模型用来研究其他市场的条件风险价值。王蓉（2016）[7]以商业银行为实证，通过条件在险价值CoVaR模型，利用我国16家上市商业银行数据对商业银行系统性风险的双向溢出效应进行模型估算。研究显示，商业银行系统性风险存在明显的正向双向溢出效应。

（五）基于Copula模型的研究

Hu（2002）[8]首次提出了混合Copula函数的概念，通过构建混合Copula函数对金融变量之间的相关关系进行分析研究，发现混合Copula函数能够紧密地描述变量间的相依程度和相依模式。张伟伟和唐湘晋（2016）[9]利用copula模型来度量中国股指期货和现货的联合分布，根据两者的利率数据利用时变copula函数来度量两者之间的动态相关性。通过分析动态相关系数的时序图，发现期货现货市场确实存在高度的相关性，表现出持续性和厚尾特性。

三、期货市场风险溢出效应研究现状

目前，国内外学者在金融市场中针对金融风险溢出的研究主要集中在股票、债券市场及银行之间，而对期货领域的风险溢出研究相对较少，关于铁矿石期货市场的研究更是不足。Xu和Fung（2005）[10]应用ARCH族模型研究了日本和美国金属期货市场之间的风险溢出效应，发现两市之间存在着价格相互波动影响。Chang等采用VARMA-GARCH模型等方法对两个主要的原油期货品种与四个股票市场指数之间的信息溢出效应进行了研究，结果表明，原油期货价格与大多数股票价格之间存在负相关关系。Li（2015）[11]通过建立VAR-BEKK双变量GARCH模型来研究沪深300期货与现货市场波动溢出效应，实证表明，沪深300期货与现货市场存在双向波动溢出效应，而前者则以更明显的方式影响后市。

国内学者也对期货市场间的风险溢出效应进行了大量的研究。刘庆富、王海民（2006）[12]利用EGARCH模型研究我国大豆期货和现货市场间的波动溢出效应，发现我国大豆期货、现货价格之间存在双向因果关系。吴海霞、王静（2012）[13]应用BEKK-GARCH模型，研究了中国农产品现货市场间的波动溢出效应，结果表明大豆对小麦、小麦对玉米都有单项波动溢出效应。李文科（2011）[14]、潘万柱（2013）[15]都对我国铁矿石定价权缺失的原因做过一定的研究分析，并提出了提高我国钢铁企业海外铁矿石定价权的对策建议。李显戈和周应恒（2014）[16]基于MGARCH模型，研究了中美日三地大豆期货市场之间的风险溢出效应，实证表明：大连商品交易所与东京大豆期货交易所之间和芝加哥交易所与东京大豆期货交易所之间均存在双向的波动溢出效应。

四、总结与展望

第一，纵观国内外学者关于金融风险溢出的研究成果，可以发现使用的研究方法越来越先进，从VaR模型和Granger因果检验，到GARCH类模型的应用，到CoVaR和Copula模型的结合使用；研究领域也细化到各个金融市场，从股票市场到外汇市场到金融衍生品市场等等，而对期货市场的风险溢出效应的研究相对较少，对铁矿石期货市场的风险溢出效应的研究几乎没有。

第二，金融风险溢出所用的相关性分析方法主要有线性相关分析、Granger因果检验模型、GARCH类模型、CoVaR模型和Copula模型。国内外学者对风险溢出效应的研究成果主要有上述五类，而且大部分使用的是VaR模型、Granger因果检验模型、GARCH模型三种，运用CoVaR和Copula模型的研究成果相对较少。原因是：VaR模型表示某一金融资产或市场在未来可能遭受的最大损失，仅适用于一金融资产或市场的风险测度；Granger因果检验只能定性分析两变量之间是否存在风险传递性，而不能定量计算；GARCH模型的运用要求金融变量边缘分布服从T分布或正态分布。而Copula模型能够准确地描述金融变量间的非对称相关关系和尖峰厚尾特性，成功克服了传统相关性测量所要满足的严格条件的要求。

第三，现有的国内外风险溢出成果只要集中在股票市场和股指期货，对商品期货之间的风险溢出研究相对不足。通过构建混合Copula模型来研究金融市场间的相关性和波动溢出但是通过构造时变混合Copula模型来计算风险溢出和进行相关性分析的几乎没有。

第四，本文在前人研究的基础上提出了时变混合Copula模型，能够克服传统传统相关性测量方法的不足和突破单一Copula函数的局限性，并将其运用到CoVaR测度的计算，能够灵活地捕捉金融变量间的动态、非对称复杂相依关系，以期能够有效地度量国内国际铁矿石市场间的风险溢出水平。本文首次提出将运用Copula模型计算出金融时间序列间的CoVaR值应用于铁矿石风险溢出和定价权的影响效应研究，具有一定的理论和实际意义，并且存在一定的创新性，后面值得做大量和深入的研究。

参考文献

[1]Vincenzo Russo.Autoregressive conditional moments in VaR estimate with Gram-Charlier and Cornish-Fisher expansions[J].International Journal of Risk Assessment and Management，2009，11（1），67-68.

[2]杜寧，张广文.基于VaR模型大豆期货价格发现功能的实证研究[J].中国集体经济，2011，4，1008-1283.

[3]Namita Rajput，Parul Chopra，Ajay Rajput.FII and Its Impact on Stock Market： A Study on Lead-Lag and Volatility Spillover[J].Asian Journal of Finance and Accounting，2012，4（2），18-38.

[4]蒲遗天.我国有色金属期货市场与股票市场均值溢出效应研究[J].甘肃金融，2016，4，58-64.

[5]Perry Sadorsky.Correlations and volatility spillovers between oil prices and the stock prices of clean energy and technology companies[J].Energy Economics，2012，34（1），248-255.

[6]吴振信，万埠磊，王书平.基于不同分布EGARCH模型的EU ETS价格波动和风险研究[J].数学的实践与认识，2016，24，8-14.

[7]王蓉.金融系统性风险的双向溢出效应及其CoVaR模型估计[J].统计与决策，2016，2，146-148.

[8]Wei Gang，Hu Taizhong.Supermodular dependence ordering on a class of multivariate copulas[J].Statistics and Probability Letters，2002，57（4），375-385.

[9]张伟伟，唐湘晋.基于时变copula的中国股指期货和现货动态相关性研究[J].科技创新与应用，2016，4，45.

[10]Xu X E ，Fung H G .Cross-Market Lingkages between US and Japanese Precious Metals Futures Trading[J].Journal of International Financial Markets，2005，15，107-124.

[11]Shiyun Li.Volatility Spillovers in the CSI300 Futures and Spot Markets in China： Empirical Study Based on Discrete Wavelet Transform and VAR-BEKK-bivariate GARCH Model[J].Procedia Computer Science，2015，55，380-387.

[12]刘庆富，王海民.期货市场和现货市场之间的价格研究——中国农产品市场的经验[J].财经问题研究，2006，4，44-51.

[13]吴海霞，王静.我国粮食市场价格波动溢出效应研究[J].农业技术经济，2012（10），14-21.

[14]李文科.国际铁矿石定价权重新构建与中国对策[J].中国经贸，2011，2.

[15]潘万柱.我国铁矿石贸易定价权缺失原因[J].魅力中国，2013，26.

[16]李显戈，周应恒.中国与国际大豆期货市场波动溢出效应分析团[J].技术经济与管理研究，2014（6），103-107.

作者简介：王勇（1989-），男，汉族，安徽阜阳人，浙江财经大学金融学院硕士研究生，主要研究方向为金融市场。