基于产业链价格的金融风险传导机制研究——以大豆产业链为例

时 凯

（南京晓庄学院，江苏 南京 210000）

一、绪论

（一）研究背景和意义

伴随着信息技术的发展和金融创新的浪潮，近年来国内外经济和金融联系日益密切。不同金融市场之间更加开放,消息和资本可以自由流动,市场之间的关系变得更为紧密,使金融风险很快就会扩散到其他市场。在这一背景之下，金融风险一直是经济发展过程中所避不开的问题。金融风险的传染性基本特征导致风险会在不同市场之间传导，风险的影响范围随之扩大，严重时甚至可能导致全社会经济秩序的混乱。2008年美国金融危机产生后，风险波及全球，危机和复苏一直是这十年间世界经济发展的主题。相比于发达国家，我国经济发展起步晚、经济基础薄弱、金融市场不完善，经济发展中的不明朗因素更多。

这些不确定性无疑会给大宗商品的价格带来变化，因此加大了大宗商品价格的市场风险。大宗商品作为原材料，是众多产业链的源头和重要中间环节，影响着产业链下游众多公司的生产成本和收益。因此，产业链就是风险的传导链，以产业链价格为切入点研究金融风险的传导机制，不仅可以了解产业链上下游的风险传导关系，也可以探讨期货市场和现货市场的跨市场风险传导关系。研究结果对于金融风险传导理论是一种丰富和完善；根据分析结果，也可以对金融风险防范提供一些建议，具有一定的理论意义和实践意义。

（二）文献综述

1.理论研究。自Krugman（1979）提出第一代金融危机模型以来，金融风险传导问题在国内外得到了广泛的研究。Forbes和Rigobon（2002）研究认为，市场波动加剧可能导致危机期间市场之间的相关性增加，风险传递的可能性增加。在跨市场风险传导机制的国内研究方面，张强和张瑞怀（2006）对我国证券风险转化为银行风险的路径进行了研究。蒋序怀等（2006）运用理论模型与实证模型相结合的方法分析了我国股票市场、债券市场和商业银行之间的风险传染效应。

在产业链研究视角下，石智超等（2016）从产业链的角度分析了期货市场与产业链上下游股票市场之间的风险传导关系，指出下游需求对大宗商品价格影响较大，同时大宗商品价格波动又会冲击到上游企业。方燕和邓洁（2013）分析了大豆期现货价格和豆油、豆粕价格间的传导关系，研究表明大豆产业链上游和下游的价格存在长期稳定的均衡关系。在风险的期现货跨市场传导方面，马述忠等（2011）指出，大豆期货市场的存在是现货市场波动的根源之一,大豆期货市场的风险随市场波动传导至现货市场。王朝晖和李心丹（2013）市场信息会从期货市场转移到现货市场，股指期货市场与股票现货市场之间存在双向风险传递。

2.实证研究。随着理论基础的完善和信息技术的发展，各种实证模型被国内外学者运用于分析风险的传导问题上。早在1996年Huang（1996）就从产业链的角度，运用VAR模型分析发现石油收益率是下游大多数美国石油公司股票收益率的格兰杰原因，石油收益率与美国股票市场收益率之间关系密切。国内方面，李丽红（2015）设计了价格协整模型、收益率风险VAR模型和极端风险波动GARCH模型。多元VAR-GARCH(1,1)-BEKK模型被寇明婷等（2011）运用于分析农产品期货市场和股票市场之间的互动关系。在风险的期现货跨市场传导方面，张彦等（2011）和倪嘉（2012）分别利用Granger格兰杰因果检验和GARCH模型对沪深300股指期货与股票现货之间的风险传导进行了相关研究。武琳和丁浩（2012）采用VAR模型实证方法，利用Granger 因果检验、脉冲响应和方差分解等方法分析期货、现货及股票价格收益之间的关系。

3.评述。对于相关文献进行梳理可以发现，对金融风险传导机制的研究本身就是一个热门的课题,众多基础性的理论成果已经被发现提出，现有文献对金融风险传导问题的研究已经达到了一定高度。在实证方面，相关研究所采用的实证模型大致有以下几类：VAR和VEC模型、单变量或多变量GARCH模型及其变型衍生模型等。上述模型得到较为准确的实证结论，可以较好地用来分析金融风险的传导机制，为本文的实证研究奠定了坚实的基础。

但是国内外学者基于产业链价格角度对金融风险传导问题的研究成果较少，对风险在产业链上下游的传导机制分析不细致。且我国的金融市场尚处于发展完善阶段，市场结构日趋复杂，研究难度较大。上文提到的一些研究成果由于受数据可得性、时间跨度和计量方法等这些局限性，得到的结论值还得进一步检验。

二、基于产业链价格的金融风险传导理论分析

（一）相关概念界定

1.产业链与产业链价格。

（1）产业链。

产业链是指部门或企业基于技术、经济和时空等关系形成的一种链条式的关联关系。把产业链进一步拆分，有四个维度的概念，分别是价值链、企业链、供应链和空间链。这四条链相辅相成、共同作用，影响着产业链的形成和发展。以大豆产业链为例：大豆产业链以大豆为中心，大豆种子是大豆产业链的上游；以大豆为原材料的豆油、豆粕等是大豆产业链的下游。

图1 期货市场大豆产业链构成示意图

（2）产业链价格。

价格形成机制是指价格在形成和运动过程中受到相关因素制约和发挥作用的方式。价格的形成受多种因素影响，从产业链的角度，需要综合考虑商品价值、供求关系和国际价格这三个因素对价格形成的影响。

生产资料价值、劳动价值和社会价值共同构成了商品价值。价值是价格形成的基础，因此材料消费支出、劳动报酬支出和利润共同构成了商品的价格。其中，材料消费支出和劳动报酬支出最重要，二者构成了商品的生产成本，是价格形成的重要组成部分。纵向地来看，产业链上游的产成品直接作为下游的生产资料计入生产成本。这样，一条环环相扣的价格链和价值链便自然形成，产业链价格也由此形成。

商品价值外，供求关系对于产业链价格的影响作用也不容忽视。通常在研究供求关系对价格的影响时，只会关注商品本身和其替代品或互补品的供求情况。但是在产业链视角下，因为产业链上下游所具有的紧密的联结关系，供求关系对于商品价格的影响便会自然沿产业链传导，形成上下游的联动效应，促进产业链价格的形成与变动。

在国际分工日益明显，国际间商品进出口贸易日益繁荣的今天，产业链价格的形成无可避免地会受到国际价格的影响。国际市场价格向我国市场价格传导路径包括货币传导路径和贸易传导路径两个方面，其中主要通过大宗原材料、能源等产业链上游产品的贸易传导路径实现。主要表现在：国际市场上商品价格的上涨会直接导致进口商品价格的上涨，国内商品的价格水平也因此提高。

总体而言，商品价值对产业链价格的影响主要体现在产业链上游到下游的传导中，供给和需求对产业链价格的影响主要体现在产业链下游到上游的传导，而国际价格因素对产业链价格的影响则是国际间的横向影响。

图2 产业链价格形成机制示意图

2.风险与风险传导。

（1）风险。

简单来说，风险就是指损失发生的可能性，可以把预期目标和实际结果之间的差距称为风险。金融风险就是指与金融有关的风险。金融风险种类繁多，分类标准不同，分类结果也各不相同，此处不再赘述。本文研究的产业链价格金融风险主要是一种价格风险，是一种跨市场风险。

价格风险是指由于标的资产价格波动导致衍生工具价格或价值波动而形成的风险。跨市场风险是指跨越不同市场间而发生的风险，例如本文要研究的期货市场和现货市场。相比于单一市场风险，跨市场风险涉及的市场种类更多，波及的范围更广，造成的危害也就更大。

（2）风险传导。

根据前文对于金融风险的概念界定可知，传染性是金融风险的基本特征之一。在经济运行中，金融机构发挥中介职能，通过疏通、引导资金流动，实现资源的分配。但是在资金和资源转移的同时，风险也随之扩散、传导。只要金融网络中任何一方发生风险，都有可能通过金融中介实现风险传导，从而对网络中的其他主体、其他市场、其他方面产生影响。

金融风险实现在不同市场之间传导的载体和渠道多种多样，但是金融风险传导最直观的表现通常就体现在价格波动的相关性上，研究金融市场的风险传导机制主要研究一个金融市场价格序列的波动引起其他金融市场价格序列关联运动的规律和特点。

（二）产业链价格金融风险传导机制

为了研究金融风险的传导机制，必须首先找出金融风险产生的原因。基于产业链价格的金融风险来源其实更多地是一种市场风险源，它主要体现在价格的波动上。在交易过程中，市场价格波动是交易者最大的风险来源，价格波动在给交易者带来交易利润的同时也带来了损失风险。这种损失风险还将由于杠杆原理的存在而被放大。

1.基于产业链价格形成的传导机制。任何一个经济主体都不是孤立的，当它的行为对自身产生影响时，也会影响到其他主体，这就是金融市场的本质。笔者上文对产业链价格形成机制作了简要的理论分析，和价格形成机制类似，风险基于产业链价格形成的传导机制也可以分为两个方面：成本传递传导和需求拉动传导。

（1）成本传递传导。

成本传递传导是指，如果产业链游大宗商品期货价格和现货价格上涨，基于价格形成机制的影响，产业链下游的大宗商品在未来的生产成本将会上涨，所以其期货价格也会上涨，投资者从而持有下游大宗商品的多头，希望获得超额回报。如果产业链游大宗商品期货价格和现货价格下跌，基于期货市场的价格发现功能的判断和价格形成机制的影响，产业链下游的大宗商品在未来的生产成本将会下降，所以其期货价格也会下降，投资者从而持有上游大宗商品的空头，希望及时止损。

（2）需求拉动传导。

需求拉动传导是指，如果产业链下游大宗商品需求增加，基于价格形成机制的影响，产业链下游大宗商品期货价格将会上涨，所以产业链上游的大宗商品在未来的期货价格和现货价格也会上涨，投资者从而持有这些大宗商品的多头，希望获得超额回报。如果产业链下游大宗商品需求减少，基于期货市场的价格发现功能的判断和价格形成机制的影响，产业链下游大宗商品期货价格将会下跌，所以产业链上游的大宗商品在未来的期货价格和现货价格也会下跌，投资者从而持有这些大宗商品的空头，希望及时止损。

产业链上下游市场价格波动是产业链金融市场最大的风险来源，所以产业链上下游之间的价格联动机制不仅形成了一条环环相扣的价格链和价值链，风险的传导链也同时形成。但是，当产业链上游大宗商品价格和下游大宗商品需求产生变动时，不会立即体现在上下游的价格变动上，所以产业链上的厂商在短期内频繁调整生产计划和价格对其是不利的，厂商的调整过程实际上是基于产业链的生产周期而存在时滞的，导致基于产业链价格形成的风险传导过程是缓慢的。

2.基于预期因素的传导机制。预期因素是另一个促使市场信息流动的重要力量，而且它的传导过程相较于价格形成机制更为迅速。预期因素又可以分为短期价格预期和长期趋势预期。

（1）短期价格预期。

短期价格预期的表现在于，如果产业链下游大宗商品期货价格上涨，基于期货市场的价格发现功能的判断和预期因素的影响，投资者将产生进一步的期望：相信产业链上游的大宗商品在未来的现货价格和期货价格也会上涨，从而持有上游大宗商品的多头，希望获得超额回报。如果产业链下游大宗商品期货价格下跌，基于期货市场的价格发现功能的判断和预期因素的影响，投资者将产生进一步的预期：相信产业链上游的大宗商品在未来的现货价格和期货价格也下跌，从而持有上游大宗商品的空头，希望及时止损。

（2）长期趋势预期。

长期趋势预期的表现在于，如果产业链下游企业或商品符合行业整体的发展趋势，顺应经济的未来发展方向，由于这些预期因素的影响，投资者将产生进一步的期望：相信产业链上游的大宗商品在未来的需求量将会大大增加，并导致大宗商品价格上涨，从而持有这些大宗商品的多头，希望获得超额回报。如果产业链下游企业或商品不符合行业整体的发展趋势，违背了经济的未来发展方向，由于这些预期因素的影响，投资者将产生进一步的预期：相信产业链上游的大宗商品在未来的需求量将会大大减少，并导致大宗商品价格下跌，从而持有这些大宗商品的空头，希望及时止损。

经济需求通常来自下游，所以分析的重点是产业链下游，当它受到预期因素的影响时，在利好消息的影响下，大量资金进入市场进行投机；在负面消息的影响下，大量资金逃出市场，可能引发资本逃逸。风险就这样基于预期因素在产业链的上下游金融市场内实现传导

预期因素还可能导致或加剧“羊群效应”，从而导致或加快产业链价格金融风险的传导。“羊群效应”是指投资者在进行投资决策时倾向于模仿其他个人或机构投资者的现象，它属于一种非理性行为。理性的投资行为可以实现一个稳定的市场，但非理性行为使信息的流动发生变化，将严重扭曲市场价格，可以导致一段时间的价格波动在产业链上下游之间和不同金融市场之间的一致性变化，这就形成了产业链价格金融风险的传导。

三、基于VAR模型的产业链价格金融风险传导实证分析

（一）基本假设

价格的波动会直接导致收益率产生变化，期货市场是一个零和博弈的市场，所以只要收益率产生波动，这必然导致一些参与者的收益损失。而风险就是指损失发生的可能性，所以收益率是目前普遍运用的，可以较好地用来表示风险的指标。基于第二章的理论分析内容，大豆产业链价格金融风险通过价格形成和预期因素两种机制传导在产业链上游和下游之间相互传导，由此可以得出以下几个基本假设：

假设1：大豆现货价格收益率的上涨（下跌）会引起豆油和豆粕期货价格收益率的上涨（下跌）。

假设2：大豆期货价格收益率的上涨（下跌）会引起豆油和豆粕期货价格收益率的上涨（下跌）。

假设3：豆油或豆粕期货价格收益率的上涨（下跌）会引起大豆现货价格收益率的上涨（下跌）。

（二）样本选取和处理

大豆行业是国民经济的重要产业，期货市场在全球的大宗商品的定价体系中发挥着重要的作用，农产品也是比较成熟的一类大宗商品。所以本文以大豆产业链为例，从产业链价格的角度来研究金融风险的传导机制。用于实证分析的变量是收益率，收益率数据是将收集到的价格数据取对数后差分，将产业链上下游的价格收益率定义为：RPDD=LNPDDt-LNPDDt-1，RFDD=LNFDDt-LNPDDt-1，RFDP=LNFDPt-LNFDPt-1，RFDY=LNFDYt-LNFDYt-1。其中，RPDD 表示大豆现货价格收益率，RDD大豆期货价格收益率，RFDP表示豆粕期货价格收益率，RFDY表示豆油期货价格收益率。

2009年5月9日起至2018 年4月11日止是本文采用的样本区间，实证分析所用的大豆产业链上下游商品价格为结算价。为了方便实证分析，对原始数据进行了简单的整理：剔除了双休日及法定节假日等空白数据和期现货市场不匹配数据，最后共得到2401个匹配的时间序列样本。价格数据均来自万得数据库，运用Eviews6.0软件进行实证分析。

（三）平稳性检验

运用单位根检验法对大豆产业链上下游价格收益率序列进行平稳性检验，可以得出4组价格收益率序列之间是否存在协整关系，也为下一步实证分析打下基础，其检验结果如表1：

表1 单位根检验结果

由表1中的结果显示，大豆产业链上下游4组价格收益率序列都是平稳的。可以进行接下来的向量自回归模型建立。

（四）向量自回归模型分析

先建立一个VAR模型，然后根据AIC和SC准则来选择合适的滞后期。设定最大滞后期数为8，由输出的结果可知AIC和SC的最小值落在滞后期1，因此笔者选择滞后阶数P=1进行后续分析。VAR模型滞后期选择结果如表2：

表2 VAR模型滞后期检验结果

VAR模型设定完成后使用AR根表方法来检验模型的平稳性：判断一个VAR模型是否稳定的方法是观察模型中特征根的到数值，如果它们全部小于1，即都在单位圆内，则说明模型是一个平稳系统。

表3 VAR模型的AR根表

由表3可以看出：VAR模型中特征根的倒数值都小于1，说明我们通过RPDD、RFDD、RFDY和RFDP四组序列联立的模型是平稳的。

（五）格兰杰因果关系分析

由单位根检验结果可知，4组收益率序列都是平稳的，接下来可以通过Granger因果关系检验进一步分析各个收益率序列之间的引导关系，也就是风险在产业链上下游之间的传导关系，结果如表4：

表4 Granger因果检验结果

表4显示的是在显著性水平为5%，滞后期为15期时的检验结果。表4从上至下，依次表示以RFDD、RPDD、RFDP和RFDY作为被预测变量时的结果，由输出结果可知在5%的显著性水平下RFDD是RFDP和RFDY的Granger原因；RFDP是RPDD的Granger原因；RFDY是RPDD的Granger原因；RPDD是RFDP和RFDY的Granger原因。格兰杰因果分析检验与预期假设情况一致，图3展示了风险在产业链上下游，期货和现货市场之间的传导方向。

图3 大豆产业链价格金融风险传导方向示意图

这个分析结果表明，产业链上游的大豆期货价格收益率序列确实可以引导产业链下游的豆油期货价格收益率序列和豆粕期货价格收益率序列变动。即风险在期货市场内部沿着大豆产业链上游向下游单向传导，证明假设2是正确的。产业链上游的大豆现货价格收益率序列分别和产业链下游的豆油期货价格收益率序列、豆粕期货价格收益率序列之间存在双向的Granger因果关系，即风险沿着大豆产业链在上游现货市场和下游期货市场之间双向传导，证明假设1和假设3是正确的。

（六）脉冲响应分析

基于VAR(1)的模型进行脉冲响应函数分析，图3为RFDD、RPDD为冲击变量，RFDP为响应变量的脉冲响应函数图，分别刻画了对冲击变量施加一个正的标准差新信息冲击后，响应变量对该冲击的响应。

图4 RFDP脉冲响应函数图

图5 RFDY脉冲响应函数图

图4表明RFDP对一个分别来自于RFDD和RPDD的标准差新信息冲击后的响应大小。图5表明RFDY对一个分别来自于RFDD和RPDD的标准差新信息冲击后的响应大小。从图中可以看出，两组脉冲响应图趋势变化相似，和后期相比，响应在1到3期内是明显的，但是之后的响应便呈现下降趋势，无限趋近于0，终于在第六期后趋于稳定。而且纵观全体脉冲响应函数图，响应值始终未超过0.1个百分点以上。这说明短期内来自产业链上游RFDD、RPDD的新信息冲击无法迅速影响到RFDP、RFDY的波动。这和产业链的生产周期有关，也说明基于产业链价格形成的传导机制比基于预期因素的传导机制影响力更大。

（七）方差分解

基于VAR的模型进行方差分解分析，表5显示的是前10期的结果，表中的数据表示了RFDD、RFDP、RFDY、RPDD四个变量的相对贡献率，每个序列的总贡献率为100%。豆粕期货价格收益率方差分解结果如表5：

表5 豆粕期货价格收益率方差分解结果

从表5中可以看出：从长期来看，豆粕期货价格收率的变动解释了自身变动的54.33%，大豆期货价格收益率的变动解释了豆粕期货价格收益率变动的44.96%，其他两组收益率贡献率均低于1。4组数据变动的解释程度逐期变化不大，其中起到最重要作用的是大豆期货价格的波动。大豆现货价格自身的方差贡献率逐渐减小，但在总方差中仅次于大豆期货的影响程度。

表6 豆油期货价格收益率方差分解结果

从表6中可以看出：从长期来看，豆油期货价格收率的变动解释了自身变动的48.88%，大豆期货价格收益率的变动解释了豆粕期货价格收益率变动的46.02%，豆粕期货价格收益率的变动解释了豆粕期货价格收益率变动的4.8%。与豆粕期货价格收益率方差分解结果相似，4组数据变动的解释程度逐期变化不大，且其中起到最重要作用的也是大豆期货价格的波动。

由此可见，无论是对于豆粕期货价格收益率还是豆油期货价格收益率，短期内大豆期货价格收益率所占的信息量和产生的影响都是相当大的。而大豆现货价格收益率所占的信息份额小，对下游波动影响很小。表明相较于上游现货市场到下游期货市场的跨市场传导，短期内风险从产业链上游到下游的传导在期货市场内部比较明显，符合预期。

五、结论

本文以VAR模型为基础，利用Granger检验、脉冲响应和方差分解等多种方法研究了大豆产业链上下游四组价格收益率序列之间的相关性和相互引导作用，以此来标志风险在产业链上下游期货市场和现货市场之间的传导。

首先，对四组价格收益率序列数据进行平稳性检验，检验结果表明数据是平稳的，可以进行进一步的检验。

其次，利用Granger因果关系检验分析得到产业链价格金融风险从大豆期货市场产业链上游向下单向传导；产业链价格金融风险沿产业链在大豆上游现货市场和下游期货市场之间双向传导。

最后，利用脉冲响应函数分析得出，因产业链的生产周期较长，短期内来自产业链上游的新信息冲击无法迅速影响到下游收益率的波动，也说明基于产业链价格形成的传导机制比基于预期因素的传导机制影响力更大。利用方差分解定量地分析得到，在短期内，相较于上游现货市场到下游期货市场的传导，产业链价格金融风险从上游到下游的传导在期货市场内部比较迅速、明显。