《Frontiers in Sustainable Food Systems》：Climate policy uncertainty and domestic–international grain-market risk spillovers: a TVP-VAR-BK analysis with machine learning early warning
编辑推荐：
背景：气候政策转型不确定性可能影响粮食市场风险传导。方法：研究人员使用2010—2025年中国和美国玉米、小麦、美国大豆到岸成本以及GCPU（气候政策不确定性指数）的日度数据，在TVP-VAR-BK（时变参数向量自回归—Baruník–K?ehlík频域分解）
背景：气候政策转型不确定性可能影响粮食市场风险传导。方法：研究人员使用2010—2025年中国和美国玉米、小麦、美国大豆到岸成本以及GCPU（气候政策不确定性指数）的日度数据，在TVP-VAR-BK（时变参数向量自回归—Baruník–K?ehlík频域分解）连通性模型与机器学习预警框架中进行分析。结果：TCI（总连通性指数）均值为15.29%，峰值为57.32%；短期传导占主导；XGBoost在1/5/20期预测期分别取得PR-AUC（精确率—召回率曲线下面积）0.986/0.949/0.781。结论：气候政策不确定性与粮食市场风险存在动态关联，并可支持市场稳定性监测，但证据为关联性而非因果性。
研究背景与问题：粮食安全包含可得性、获取、利用和稳定性。气候相关威胁至少包括物理气候风险（热浪、干旱、洪水等直接影响产量与供应）和转型风险（碳定价、生物能源指令、碳边境措施等气候政策设计与实施产生的不确定性）。本研究以GCPU（气候政策不确定性指数）度量转型政策不确定性，而非物理气候危害，并直接分析粮食价格风险；其粮食安全相关性通过价格稳定和进口成本渠道，不估计粮食可得性、可负担性或营养结果。粮食市场金融化与一体化增强国际价格冲击向国内传导。中国几乎消费全部玉米和小麦但进口大部分大豆，进口美国大豆到岸成本紧密跟踪国际价格；玉米在收储改革后国内价格更响应国际价格。2020年后疫情供应链中断、2022年俄乌冲突后黑海贸易停止、极端天气频繁及多国出口限制使跨市场传染更易。已有研究存在三个问题：GCPU多被作为外部解释因素而非网络节点；少有研究同时纳入中美玉米小麦与政策相关大豆进口成本并按频率分离传导；连通性测量与前瞻预警脱节。因此，研究人员将GCPU与主要国内外粮价变化纳入TVP-VAR-BK（时变参数向量自回归—Baruník–K?ehlík频域分解）系统，并建立滚动分位数高风险状态预警模型；该框架用于粮食市场稳定性监测，是粮食安全治理的一个组成部分，不能作为国家粮食安全完整度量。
关键技术方法：数据为2010年5月7日至2025年12月18日对齐日度样本，共3052个观测；GCPU来自China Energy and Climate Finance Network，价格序列来自Wind。六个序列为中国玉米、美国玉米、中国小麦、美国小麦、进口美国大豆到岸成本与GCPU，均取对数差分。估计TVP-VAR，滞后1，预测误差方差分解100期，遗忘因子0.99；采用广义预测误差方差分解（GFEVD）并归一化，构建TCI、TO、FROM、NET、NPDC（成对净方向性溢出指数）；用Baruník–K?ehlík（BK）分解为1–5、5–20、>20期频带。预警将TCI的滚动80/90百分位阈值转化为二分类标签，比较仅TCI的Logit、全特征Logit、随机森林和XGBoost，训练至2022、验证2022、测试2023—2025，设置h期禁闭，PR-AUC为主要指标。
研究结果：
5.1 总溢出效应与频域分解：全样本TCI均值15.29%，峰值57.32%，峰值约2021；短期1–5期占平均总连通性73.27%，5–20期占18.78%，>20期占7.96%，表明风险快速、突发。非对角项在国际粮价、进口成本和国内主粮价格间最大。
5.2 方向性溢出指数（TO）：美国玉米和美国小麦多数时间TO高，国际价格是强外部冲击；中国玉米和中国小麦TO在2020年后急升，说明国内也发送风险而非仅接收。
5.3 方向性溢出指数（FROM）：进口美国大豆到岸成本和中国玉米部分时期FROM大，暴露于国际变动、气候风险和其他商品联动；GCPU平均FROM低但周期性波动，说明气候政策不确定性不完全外生于粮食价格系统，价格波动高时可能存在市场风险反馈。
5.4 净方向性溢出指数（NET）：平均美国玉米、中国小麦、美国小麦为净发送者，美国玉米最高4.05%；进口美国大豆到岸成本最低?4.97%，为净接收者；中国玉米与GCPU平均为净接收者，GCPU为?1.0031%。进口成本吸收多数系统冲击，国际价格尤其美国玉米为来源。
5.5 成对净溢出与溢出网络：GCPU与美国玉米、美国小麦、中国小麦之间的净溢出集中在短期；气候政策不确定性通过短周期冲击到达粮价。1–5期网络中美国大豆到岸成本与美国玉米、小麦连接较大，GCPU–美国玉米可见；5–20期大豆到岸成本到美国玉米、小麦仍重要，中国玉米、中国小麦、大豆到岸成本连接增强；>20期大豆到岸成本和玉米仍相关但平均连通更小。网络支持联合监测国际粮价、进口成本和GCPU，但应解释为条件协动和风险传递，不是因果。
6.1 预测目标、滚动阈值与风险标签：在每个预测原点t，用前252个TCI
t观测定义80与90百分位阈值Q
α,t；若未来h=1、5、20期至少一次达到或超过阈值，则标签I
t,h(α)=1；预测进入相对高连通状态而非固定TCI水平。
6.2 预测特征与模型设定：58个预测因子分市场状态、连通性状态、网络特征三组；比较仅TCI的Logit、全特征Logit、随机森林和XGBoost。随机森林400棵树、mtry=7、逆频类别权重；XGBoost 180轮、学习率0.05、最大深度3、subsample与colsample 0.85、最小子权重3、scale_pos_weight为训练负正比；设置于测试前固定，无测试后调参。
6.3 样本外预警结果：时间划分2022前训练、2022验证、2023—2025测试，h期禁闭。90百分位极端风险下XGBoost的PR-AUC最高，1/5/20期为0.986、0.949、0.781；仅TCI基准为0.567、0.527、0.340；XGBoost准确率0.987、0.968、0.929，高于无事件基线0.875、0.854、0.840；20期漏报增加。ECE为0.012、0.021、0.062，20期校准不稳。80百分位高风险下XGBoost仍最优，PR-AUC 0.987、0.955、0.926。SHAP平均绝对值显示TCI–阈值距离和比率主导，滚动阈值、波动率和方向连通性也有贡献，但为预测重要性而非有符号经济效应或因果。以2025-12-18为预测原点，XGBoost给90百分位高风险概率0.004、0.013、0.024（1/5/20期），仅为模型条件概率。
7.1 滞后阶数稳健性：lag=1、2、3时与基准相关0.984和0.919；平均TCI从15.29升至18.69，主要峰值和时点保持；水平对滞后敏感，高风险窗口识别稳定。
7.2 预测期稳健性：分解期50、100、150时TCI几乎重叠，相关约1，短期主导非100期产物。
7.3 风险阈值稳健性：80百分位下XGBoost仍按PR-AUC最优，值0.987、0.955、0.926；峰值时点、短期主导和排名稳定。
7.4 范围与局限：GCPU为气候政策不确定性代理，不测温度、降水、干旱、洪水或产量冲击；网络仅六个序列，省略大米、巴西大豆价格、库存、汇率、运费、关税、能源成本等，美国大豆到岸成本对2018后贸易转移敏感；广义连通性识别动态关联和预测误差方差传递，非结构因果；预警目标是样本相对高TCI状态而非粮食不安全本身；测试2023—2025，长期正事件有限，20期校准退化；外部验证需物理气候指标、更广商品与贸易覆盖、替代事件定义和真正实时数据。
讨论与结论：讨论部分指出连通性呈突发性，TCI在2020末至2021初急升并接近57.32%，与疫情供应链中断、出口限制和重大天气扰动时间重合，但设计不能归因于单一事件；73.27%平均连通性位于1–5期，高频价格、到岸成本和政策不确定性指标可补充月度季度监测，作为市场稳定层而非生产、库存、可负担性和营养指标的替代；美国玉米、中国小麦、美国小麦平均净发送，美国大豆到岸成本、GCPU、中国玉米平均净接收，指示条件传递位置而非结构因果；预警具有样本外区分，XGBoost PR-AUC为0.986、0.949、0.781，准确率超无事件基线，但PR-AUC仍为主要指标，ECE随期限从0.012升至0.062，长期概率需谨慎并定期重校准。政策使用应保守分层：阈值跨越触发分析师复核，与库存、贸易流、天气、运费、汇率和物理供应指标交叉核对后再考虑干预；滚动阈值和模型随新观测重估；国际信息共享改善解释，但证据支持这些行动作为风险管理含义而非因果政策处方。
研究结论翻译：使用2010—2025日度数据，本研究衡量中国与美国选定粮食价格变化、美国大豆到岸成本变化和GCPU之间的动态连通性。经验对象是气候政策不确定性与粮食市场风险；更广泛粮食安全相关性通过价格稳定和进口成本暴露推断，而非直接测量。第一，连通性呈突发性：TCI从2020年末至2021年初急剧上升并接近样本最大值57.32%；该时点与疫情相关供应链中断、出口限制和重大天气扰动重合，但连通性设计不能将上升归因于任何单一事件；实际含义是条件性的，当多个市场和政策压力因素重叠时应特别关注监测。第二，平均连通性的73.27%位于1–5期频带；高频价格、到岸成本和政策不确定性指标可补充月度季度粮食系统监测，应作为市场稳定层，而非生产、库存、可负担性和营养指标的替代。第三，美国玉米、中国小麦和美国小麦平均为净发送者，而美国大豆到岸成本、GCPU和中国玉米为净接收者；这些角色指示条件传递位置，而非结构因果；结果支持同时监测国际基准价格和进口成本并考虑更大供应商多元化，但模型未证明特定政策行动将减少粮食不安全。第四，预警演练具有有意义的样本外区分；XGBoost PR-AUC在三个期限为0.986、0.949和0.781，准确率0.987、0.968和0.929超过无事件基线0.875、0.854和0.840，但PR-AUC仍是标题指标，因为准确率受类别不平衡膨胀；ECE随期限从0.012升至0.062，长期概率信号需额外谨慎和定期重校准。政策使用应保守分层：阈值跨越可触发分析师复核，在考虑干预前与库存、贸易流、天气、运费、汇率和物理供应指标交叉核对；滚动阈值和模型应随新观测到来重估；国际信息共享可改善解释，但本文证据支持这些行动作为风险管理含义而非因果政策处方。
