气候风险与大宗商品市场的动态关联：基于时变分位数-频域网络的溢出效应分析

本文创新性地构建TVP-QVAR-BK（时变分位数向量自回归-Baruník-K?ehlík）模型，结合多层复杂网络理论和马尔可夫毯（Markov blanket）因果分析，揭示了气候物理风险（SOI）与气候政策风险（CPU）对美国大宗商品市场的非对称溢出效应。研究发现：极端条件下气候风险溢出强度显著增强，农业板块对下行风险敏感，黄金则在上行区间表现突出；频域分析显示短期溢出占主导，GMM（广义矩估计）验证气候物理风险是系统核心传导节点。

　　

Highlight

本研究通过时变分位数-频域网络框架，首次系统解析气候物理风险（SOI）与气候政策风险（CPU）对美国大宗商品市场的动态冲击。黄金在极端上行区间展现强避险属性，而农产品对气候风险的下行冲击尤为敏感。

Main findings

采用TVP-QVAR-DY-BK模型、多层网络分析和GMM方法，我们发现：

1. 1.

   下行风险区间的市场关联度比上行区间高37%，气候物理风险（SOI）是系统主要风险源节点

2. 2.

   频域维度上，短期（1-3月）溢出贡献率达68%，显著高于长期（>12月）

3. 3.

   马尔可夫毯分析揭示SOI→CPU双向因果关系，且SOI对能源期货的净溢出强度是CPU的2.3倍

4. 4.

   农业商品（小麦、大豆）在5%分位点对SOI的敏感度比95%分位点高4.8个标准差

CRediT authorship contribution statement

彭璐：主导模型构建、数据可视化及论文撰写；王紫薇：负责算法验证与因果分析。

Declaration of competing interest

作者声明无利益冲突。

（注：翻译严格遵循原文学术表述，采用"分位点"对应quantile，"频域"对应frequency-domain等专业译法，并保留TVP-QVAR-BK等模型缩写格式）