《Financial Innovation》：Commodity markets in flux: examining asymmetric interconnectedness across global crises
编辑推荐：
大宗商品是全球贸易的关键，并在推动经济增长和确保市场稳定方面发挥重要作用。该研究为主要大宗商品市场之间的非对称关联性（asymmetric interconnectedness）提供了有价值的见解，并揭示这些市场在不确定性时期的结构变化，为投资者和政策制定者提
大宗商品是全球贸易的关键，并在推动经济增长和确保市场稳定方面发挥重要作用。该研究为主要大宗商品市场之间的非对称关联性（asymmetric interconnectedness）提供了有价值的见解，并揭示这些市场在不确定性时期的结构变化，为投资者和政策制定者提供有价值的信息。研究人员使用覆盖1983年1月10日至2024年6月26日的综合数据集，采用非对称时变参数向量自回归（TVP-VAR）关联性方法，分析五个关键S&P GSCI（S&P Goldman Sachs Commodity Index，标普高盛商品指数）商品指数（能源、农业、工业金属、贵金属和畜牧）之间的溢出效应。与以往研究不同，该研究揭示关键大宗商品近四十年的历史，展示它们如何通过各种全球危机（包括金融崩溃、地缘政治冲突、贸易战和大流行病）非对称地传递和吸收冲击。研究发现强调，能源、工业金属和贵金属是正向和负向冲击的强净传递者（net transmitters），而畜牧部门主要吸收这些冲击。此外，研究人员观察到时变关联性（time-varying interconnectedness）显著上升，尤其是在全球动荡期间，表明市场参与者之间的同步性增强。基于这些发现，研究人员建议政策制定者应采用更具适应性和包容性的策略，以在危机期间维持市场稳定；投资者应调整其投资组合分散化（portfolio diversification）策略，以适应不断变化的市场条件。通过分析危机驱动的市场行为，该研究为在未来不确定时期控制大宗商品市场风险提供重要路线图。
研究背景与问题：大宗商品在全球贸易、经济活动与财富积累中具有关键作用，并显著影响通胀和投资组合构建。其与通胀正相关、与传统资产负相关，并可提供可比的风险调整收益，因而被投资组合管理者用于对冲和分散化。2000年代初《商品期货现代化法案》实施后，大宗商品金融化进程加快，叠加全球市场一体化，价格波动与投机增强，商品市场间风险—收益联系被放大。商品与股票、债券、货币、加密货币及非同质化代币等资产之间的联动也受到关注；能源、农业、工业金属、贵金属和畜牧分别关系生产成本与运输、粮食安全、工业生产、不确定时期避险及食品部门。2008年全球金融危机（GFC）期间，食品价格较上年上涨40%，金价约高40%，油价约较1979年纪录高30%；2020年COVID-19大流行期间，油价下跌约65%至40美元/桶，天然气价格下跌38%，FAO食品价格指数在2020年5月降至纪录最低，而世界银行贵金属指数在2020年第一季度显著上升5.4%；2022年俄乌冲突（RUC）造成能源供应限制、食品短缺和供应链中断，俄乌合计约占全球小麦出口30%、玉米、矿物肥和天然气出口20%、石油出口11%，推升食品、矿物和能源价格并带来全球通胀压力。已有研究多关注平均溢出、个别商品或近期危机，较少直接记录商品市场正向与负向收益关联网络；非对称关联性研究仍处于兴起阶段。因此，研究人员在极端正负市场条件下，尤其是动荡时期，考察商品部门收益网络对重大灾难性冲击的响应，以弥补平均溢出分析、长样本和部门层面研究的不足。研究提出：商品市场存在显著关联性并在极端压力期强化；负向冲击对关联性的影响强于正向冲击并体现非对称效应；牛熊周期中商品市场关联性在幅度和方向（正负溢出）上变化。研究使用五个S&P GSCI商品指数，数据来自Refinitiv数据库，样本期为1983年1月10日至2024年6月26日，覆盖1987年黑色星期一、GFC、COVID-19和RUC等事件。结论表明，总关联指数（Total Connectedness Index，TCI）对GFC、COVID-19和RUC等重大金融与地缘政治事件作出反应，负向冲击下TCI峰值更明显；工业金属、贵金属和能源是正向与负向冲击的最强传递者，畜牧更多为接收者；能源、工业金属和贵金属倾向传递冲击，畜牧倾向接收冲击。研究为政策制定者构建支持市场韧性和金融稳定的监管结构、为投资者在负向不确定冲击下管理风险及在正向复苏冲击下实施分散化策略、为学术界研究商品市场与其他金融资产复杂动态提供启示。
关键技术方法（不超过250字）：研究人员将收益分解为正向收益（y
t+）和负向收益（y
t-），采用Adekoya et al.（2022）提出的非对称TVP-VAR关联性方法；以TVP-VAR(1)建模，依据贝叶斯信息准则（BIC）选择滞后1阶，并进行20步预测误差方差分解（FEVD）。在此基础上计算TCI、总体方向性关联、净总方向性关联和净成对溢出；辅以BDS非线性检验、Jarque–Bera（JB）检验及ARCH/GARCH效应检验。样本队列来源为Refinitiv数据库的五个S&P GSCI商品指数。
研究结果：（1）平均关联性结果（Average connectedness results）：通过平均对称、正向和负向关联表分析，工业金属是最活跃收益冲击传递者，向其他指数传递18.31%的冲击；能源和贵金属分别传递15.01%和16.21%；畜牧传递最少，仅7.28%，但吸收92.72%的收益冲击，是最孤立部门。正向冲击下，工业金属仍居首，传递16.10%；农业和贵金属分别传递11.71%和14.57%；畜牧仅传递6.62%，吸收93.38%。负向冲击下，工业金属传递18.96%，贵金属和能源分别传递16.83%和14.76%；畜牧传递8.81%，吸收91.19%，对负向冲击暴露较高。净关联显示能源和工业金属略更倾向传递，畜牧更倾向接收；正向冲击下能源和工业金属为净传递者，畜牧为净接收者；负向冲击下原文报告能源和畜牧为净传递者，而农业、工业金属和贵金属显示净正关联性（原文如此）。（2）时变非对称关联性（Time-varying asymmetric connectedness）：通过TCI图分析，整体关联性显著波动，2008年金融危机和2020年COVID-19期间出现峰值，反映全球压力期商品部门更互联；正向关联常在经济复苏期上升，负向关联在经济下行期飙升。结论部分指出动荡期TCI值在GFC和COVID-19分别高于50%和35%。（3）时变净总方向性关联（Time-varying net directional connectedness）：通过净方向图分析，能源常在2008年金融危机和2020年代初等经济动荡期成为显著传递者；贵金属呈混合模式，既传递也在金融危机中吸收冲击；农业和畜牧较平衡，受天气、地缘政治和全球需求影响；工业金属与工业生产紧密相连，呈双重角色，在全球工业扩张或收缩期显著传递冲击。（4）时变净成对关联（Time-varying net pairwise connectedness）：通过净成对溢出图分析，金融或地缘政治压力及市场下行期出现显著峰值；负收益溢出通常大于正收益溢出，尤其在金融危机或市场爆发期，表明负向冲击影响更明显且更持久。
讨论部分总结：研究人员观察到总体和方向性层面存在显著非对称性；与既有研究一致，正向冲击在经济增长期更有效和持久，负向冲击在经济下行期更有效和持久；TCI峰值强化了非对称性，显示商品联系对市场同步和全球扰动的敏感性。能源、工业金属和贵金属是平均冲击的强传递者，也是正向和负向冲击的强传递者；农业平均为净接收者，但存在明显非对称，即正向冲击下为净传递者、负向冲击下为净风险吸收者，可能与其对气候变化和全球市场动态的敏感性、基本消费品属性、食品需求弹性及气候暴露有关；畜牧具有强吸收能力、最小溢出和较孤立的市场结构，与农业和能源联系有限且传递能力有限。政策方面，应重视部门非对称及其在不同经济周期中的角色变化，理解商品间传染或溢出以避免系统性风险，并关注农业等基本需求部门及弱势群体补贴设计；投资者应区分净接收者与净传递者，以服务分散化、风险管理和投资策略，并理解畜牧孤立性与农业双重性。
研究结论翻译：本文分析大宗商品关联性动态的非对称性质，这些商品近来成为有吸引力的对冲风险投资工具。具体而言，研究人员考察能源、农业、工业金属、贵金属和畜牧五个主要商品市场之间的溢出，并将数据集回溯至1987年黑色星期一，从而可广泛观察这种非对称结构。研究人员使用非对称TVP-VAR框架识别隐藏联系，并研究正向和负向冲击如何在大宗商品市场间传播。由此，该研究填补了对称分析与真实市场之间动态和危机敏感行为的空白，为大宗商品市场非对称溢出以及有效投资组合管理（尤其对投资者和基金经理）提供重要启示。时变分析结果提供显著证据：样本内溢出具有异质性，商品间联系随时间变化；在2008年全球金融危机和2020年COVID-19大流行等动荡时期，动态关联性出现急剧峰值，TCI值分别高于50%和35%。关于平均关联性，工业金属是最强收益冲击传递者，将18.31%的冲击传递给其他市场；能源和贵金属分别传递15.01%和16.21%；畜牧仅传递7.28%，但吸收率最高，吸收92.72%的收益冲击。正收益冲击下，工业金属传递16.10%，农业和贵金属分别传递11.71%和14.57%，畜牧仅传递6.62%但吸收93.38%。负收益冲击下，工业金属传递18.96%，贵金属和能源分别传递16.83%和14.76%，畜牧传递8.81%并吸收91.19%，对市场下行高度脆弱。商品间这些差异突出由全球条件和部门特定因素塑造的非对称结构的动态性质。研究存在局限：聚焦五个主要商品部门而未考虑子商品；商品市场联系还受更广泛经济和地缘政治变量影响，未来可纳入不同经济与地缘政治不确定性度量；未来可应用机器学习和深度学习等更复杂前沿建模技术，以更细致理解全球经济衰退和地缘政治事件如何影响各种市场并揭示复杂互动。
