危机体制下美国商品市场的动态波动溢出效应：一种贝叶斯混合识别SVAR方法

《Risks》：Crisis-Regime Dynamic Volatility Spillovers in U.S. Commodity Markets: A Bayesian Mixture-Identified SVAR Approach Xinyan Deng, Kentaka Aruga and Chaofeng Tang

　　

传统的基于VAR的波动溢出测度依赖于同方差性和单高斯假设，限制了其在危机期间捕捉结构突变和异质性冲击的能力。本研究开发了一个灵活的分析框架，用于研究多重危机体制下美国商品市场的波动传导。研究人员提出了一个贝叶斯结构向量自回归混合正态（BSVAR-MIX）模型，该模型在基于混合的异方差结构VAR框架中嵌入有限正态混合。该模型将广义预测误差方差分解与后验概率加权相结合。研究人员考察了2008-2016年全球金融危机和2017-2025年多危机时期（包括COVID-19和俄罗斯-乌克兰冲突）中，涵盖食品、能源和贵金属市场的八种美国基准商品的日度数据。BSVAR-MIX框架提供了一个灵活的描述性设定，用于捕捉商品市场中的多模态冲击、异方差波动状态和体制依赖的溢出模式。实证结果表明，黄金和石油主导系统性波动传导，大豆放大食品-能源溢出，而煤炭和小麦在政策和地缘政治冲击下表现出日益增强的脆弱性。通常被视为避险资产的资产在极端事件中可能加剧系统性压力。总体而言，该框架为结构冲击识别和跨商品风险监测提供了一个稳健的工具，对美国的宏观审慎政策具有相关性。

商品市场的波动传导是系统性风险研究的重要领域。传统基于向量自回归（VAR）模型的波动溢出测度通常假设误差项服从同方差和高斯分布，这限制了其对危机期间结构突变和异质性冲击的捕捉能力。当面临金融、地缘政治或健康危机时，市场间的同期关系可能发生转移，波动传导机制也随之改变。为克服这一局限，研究人员提出了一种贝叶斯结构向量自回归混合正态（BSVAR-MIX）模型，该模型在结构VAR框架内嵌入有限正态混合，利用异方差性识别结构冲击，无需预先设定危机断点或虚拟变量。研究旨在揭示美国商品市场在不同危机体制下的波动溢出模式，为宏观审慎政策提供数据驱动的风险评估工具。该论文发表在《Risks》。

为开展研究，研究人员采用了以下关键技术方法：构建BSVAR-MIX模型，将结构冲击假设为有限混合正态分布，从而捕捉多模态冲击和体制依赖的异方差波动。利用广义预测误差方差分解（GFEVD）结合后验概率加权，计算总溢出、方向性溢出和净溢出指数。通过基于均方根误差的波动溢出效率指数（RMSE-VSEI）选择滚动窗口长度。数据源自Markets Insider平台（https://markets.businessinsider.com/commodities），包括COMEX（金、银）、芝加哥商品交易所（CME，WTI原油、天然气）、芝加哥期货交易所（CBOT，大米、小麦、大豆）的连续近月期货结算价格，以及煤炭基准价格。样本分为两个子样本：2008年1月14日至2016年12月30日（全球金融危机及后危机正常化期）和2017年1月3日至2025年6月23日（多危机期，含COVID-19和俄乌冲突）。变量为日度对数收益率。

研究结果部分逐项总结如下：

**4.1 平稳性检验**：通过ADF、PP、KPSS及Zivot-Andrews单位根检验发现，所有价格序列为一阶单整（I(1)）。但考虑结构断点后，大米、WTI原油和煤炭在Zivot-Andrews检验下表现为平稳，断点对应2014年油价崩溃、2020年疫情和2021年俄乌冲突，表明部分表观持久性源于断点动态，支持使用波动体制转换模型。

**4.2 极端事件下的波动后验体制概率**：BSVAR-MIX模型估计的高波动体制（Regime 2）后验概率显示，2008-2009年全球金融危机期间和2020-2023年疫情-地缘冲突期间出现频繁体制切换，表明市场暴露于重叠冲击时波动状态频繁变动。

**4.3 波动溢出效率指数**：基于RMSE-VSEI准则，第一子样本选择滚动窗口长度为438天，第二子样本为404天，用于后续动态溢出计算。

**4.4 多正态分布检验**：滚动实现波动率的密度图显示，两个子样本中多数商品（如原油、黄金、大豆）的波动分布呈现多峰和偏态特征，偏离单高斯形状，支持采用有限混合模型。

**4.5 异方差性证据**：基于Savage-Dickey密度比（SDDR）的贝叶斯因子检验显示，所有结构冲击的log(SDDR)值高度负值（如金融危机的冲击5为-1667.08），后验概率Pr[H₀|data]=0且Pr[H₁|data]=1，强烈支持异方差设定。

**4.6 结构冲击证据**：后验均值均处于95%可信区间内，例如原油冲击（Shock 4）在后危机期的后验均值为0.00（SD=0.07），区间[-0.10,0.10]包含OPEC减产等经济意义场景，验证了结构冲击的统计显著性。

**4.7 波动溢出分析**：静态归一化总溢出指数从第一子样本的20.74%升至第二子样本的24.62%。黄金净溢出从58.07增至94.04，成为最强净发送者；原油从净接收（-4.71）转向更强净接收（-20.74）；大豆净溢出从9.51升至32.99；煤炭从净发送（4.93）转为净接收（-17.50）；小麦净接收加深至-7.16；银净接收维持约-55至-58。动态总溢出显示金融危机的单峰（2008Q3-2009Q1约25%）和多危机期的双峰（2020Q2约35%，2022Q1约37%）。净溢出动态显示大米在后期变为强净发送者（峰值超80），黄金净发送持续增强（峰值约140），原油波动于零附近，煤炭和天然气持续净接收。配对溢出显示黄金对原油溢出在后期从正转负（2020年约-15），金银对大米和大豆多为负溢出，对小麦在后期转正。

**4.8 脉冲响应分析**：金融危机期间，黄金对原油短期正响应峰值约0.4（滞后0-4期），在后期更快收敛。黄金对大豆响应非单调（短期正、中期负）。多危机期，黄金对原油响应更短促，对农产品响应呈持续负值（约-0.2），银对原油响应从正转负，整体脉冲响应更短且更不对称。

**讨论部分总结**：研究揭示了三个关键模式。第一，系统性发送者与投资组合风险重新定价：黄金和石油在危机中成为主要波动发送者，避险资产因大规模资本重新配置反而成为风险传导节点，传统相关对冲失效。第二，混合商品（如大豆）因食品-能源联动（生物燃料政策、气候风险）增强了波动放大渠道，削弱了多元化收益。第三，政策敏感资产（煤炭、小麦）因脱碳政策和供应约束变为净接收者，脆弱性上升。这些发现对风险监测的启示包括：应区分核心发送者与外围接收者，静态分散化策略在危机中失效，需纳入动态溢出测度进行投资组合再平衡和尾部风险对冲。

**研究结论翻译**：本研究运用贝叶斯结构向量自回归混合正态（BSVAR-MIX）模型，考察了极端事件下美国主要商品市场间的波动溢出。通过允许多模态冲击分布和体制依赖的波动动态，所提出的框架在不依赖外生危机虚拟变量的情况下捕捉了时变和非对称的风险传导。实证结果揭示了三个核心发现。第一，危机体制下的系统性波动集中于少数核心资产。黄金和原油始终是主导的波动发送者，在重叠冲击期间连通性显著增强。这表明，当投资组合再平衡和避险需求主导市场行为时，通常被视为对冲工具的资产可能成为风险传导渠道。第二，具有金融-实体混合特征的商品（如大豆）在政策和能源相关冲击下表现出向主动波动传导的显著转变，削弱了资产类别间的多元化收益。第三，政策敏感和供给受限的市场（包括煤炭和小麦）日益成为波动的净接收者，凸显其对外部冲击的脆弱性以及稳定系统的有限能力。从风险管理角度看，这些发现强调了在监测系统性风险时区分波动发送者和接收者的重要性。基于静态相关的分散化策略在危机体制下可能失效，因为溢出方向和强度在不同状态间快速变化。将动态溢出测度纳入投资组合配置、压力测试和尾部风险对冲，可以增强极端不确定性下的韧性。总体而言，本研究通过提供商品市场波动传导的体制敏感视角，为风险文献做出了贡献。BSVAR-MIX框架为识别系统性风险的演变来源提供了实用工具，并支持在反复重叠的危机环境中采取更具适应性的金融风险监测和投资组合管理方法。