張子琪 馬少輝 王家華

摘 要：2020年年初暴發(fā)的新型冠狀病毒肺炎疫情對(duì)全球經(jīng)濟(jì)造成了巨大沖擊，金融市場(chǎng)的波動(dòng)也變得更為頻繁。本文以2019年10月21日—2020年12月31日為時(shí)間窗口，涵蓋疫情前、前疫情及后疫情三個(gè)階段，以我國10種農(nóng)產(chǎn)品期貨為研究對(duì)象，利用Wilcoxon檢驗(yàn)和異質(zhì)自回歸已實(shí)現(xiàn)波動(dòng)率模型，分析疫情期間農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的系統(tǒng)性、結(jié)構(gòu)性改變，以及疫情短期超預(yù)期波動(dòng)對(duì)農(nóng)產(chǎn)品期貨收益波動(dòng)的動(dòng)態(tài)影響。結(jié)果表明，新冠肺炎疫情使得我國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)發(fā)生了系統(tǒng)性和結(jié)構(gòu)性變化，但在后疫情期間并未恢復(fù)至疫情前水平；新冠肺炎疫情的短期超預(yù)期變化只對(duì)部分農(nóng)產(chǎn)品期貨的收益波動(dòng)有顯著的影響；進(jìn)出口依賴度高的農(nóng)產(chǎn)品期貨風(fēng)險(xiǎn)受到疫情影響更顯著。實(shí)證結(jié)果對(duì)農(nóng)產(chǎn)品供應(yīng)鏈主體、期貨投資者和市場(chǎng)監(jiān)管者均有一定的參考價(jià)值。

關(guān)鍵詞：新冠肺炎疫情；農(nóng)產(chǎn)品期貨；市場(chǎng)風(fēng)險(xiǎn)；已實(shí)現(xiàn)波動(dòng)率；金融市場(chǎng)

一、引言

2020年年初以來，新型冠狀病毒肺炎（CO￣VID-19）疫情（以下簡(jiǎn)稱“新冠肺炎疫情”）在世界范圍內(nèi)相繼暴發(fā)并大規(guī)模擴(kuò)散。為遏制病毒的傳播，大多數(shù)國家在疫情期間實(shí)施了行動(dòng)限制或封鎖令，導(dǎo)致短期內(nèi)相關(guān)生產(chǎn)活動(dòng)停滯，供應(yīng)鏈?zhǔn)茏?，整體經(jīng)濟(jì)下滑。新冠肺炎疫情造成的恐慌和經(jīng)濟(jì)活動(dòng)停滯引發(fā)了全球金融市場(chǎng)的波動(dòng)，大量學(xué)者對(duì)此從不同角度進(jìn)行了深入的研究。

本文針對(duì)中國農(nóng)產(chǎn)品期貨市場(chǎng)，主要研究以下兩個(gè)問題：

一是新冠肺炎疫情的沖擊是否使我國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)發(fā)生結(jié)構(gòu)性的改變？這種變化又是如何隨著疫情的發(fā)展而演化的？

二是新冠肺炎疫情短期動(dòng)態(tài)變化是否能解釋我國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的短期動(dòng)態(tài)變化？不同農(nóng)產(chǎn)品期貨對(duì)此有何差異？

第一個(gè)問題是從中期視角分析我國農(nóng)產(chǎn)品期貨市場(chǎng)投資風(fēng)險(xiǎn)在新冠肺炎疫情期間的系統(tǒng)性、結(jié)構(gòu)性改變規(guī)律；第二個(gè)問題是從短期視角分析新冠肺炎疫情的動(dòng)態(tài)發(fā)展對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的動(dòng)態(tài)影響。對(duì)這兩個(gè)問題的研究有助于我們深入理解疫情對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的影響，為農(nóng)產(chǎn)品期貨投資者風(fēng)險(xiǎn)管理和市場(chǎng)管理者政策調(diào)控提供實(shí)證依據(jù)。

本文使用已實(shí)現(xiàn)波動(dòng)率（Realized Volatility，RV）測(cè)算農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)，并用Wilcoxon檢驗(yàn)（非參數(shù)替代配對(duì)雙樣本t檢驗(yàn)）來對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)在新冠肺炎疫情期間的結(jié)構(gòu)性變化進(jìn)行推斷性統(tǒng)計(jì)分析，基于異質(zhì)自回歸已實(shí)現(xiàn)波動(dòng)率模型（HAR-RV）分析中、美及世界其他地區(qū)疫情動(dòng)態(tài)發(fā)展對(duì)中國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的動(dòng)態(tài)影響。

二、文獻(xiàn)綜述

此次新冠肺炎疫情對(duì)全球金融市場(chǎng)運(yùn)行與發(fā)展的影響，引起了國內(nèi)外學(xué)者的廣泛關(guān)注。大量學(xué)者研究新冠肺炎疫情對(duì)金融市場(chǎng)風(fēng)險(xiǎn)的影響。關(guān)于股票市場(chǎng)，陳林和曲曉輝利用面板數(shù)據(jù)固定效應(yīng)模型證實(shí)了股票短期回報(bào)與確診病例增長率間的倒U形關(guān)系和與死亡病例增長率間的正U形關(guān)系；Salisu等使用向量自回歸模型研究了新冠肺炎疫情對(duì)巴基斯坦股市波動(dòng)性（SMV）的影響，發(fā)現(xiàn)巴基斯坦每日確診病例總數(shù)的增長導(dǎo)致SMV顯著增加；Méndez等研究發(fā)現(xiàn)Google Trend里的大多數(shù)指標(biāo)對(duì)美國和歐洲股票市場(chǎng)收益的變動(dòng)有較強(qiáng)的解釋力。關(guān)于其他金融市場(chǎng)，Mirza等和Yi等分別評(píng)估了新冠肺炎疫情對(duì)歐洲投資基金和中國綠色債券市場(chǎng)的影響；許清棟發(fā)現(xiàn)新冠肺炎疫情不僅顯著提高了股指期現(xiàn)貨市場(chǎng)的波動(dòng)性，還提高了它們的風(fēng)險(xiǎn)傳染水平；Sifat等發(fā)現(xiàn)在新冠肺炎疫情期間，相對(duì)于能源和貴金屬期貨，農(nóng)產(chǎn)品期貨吸收了更多對(duì)沖壓力。王有鑫等還發(fā)現(xiàn)在疫情沖擊的背景下，匯率的動(dòng)蕩和貿(mào)易政策的不確定性都會(huì)放大中國金融市場(chǎng)受到的負(fù)面影響。

在發(fā)現(xiàn)新冠肺炎疫情的暴發(fā)嚴(yán)重影響了金融市場(chǎng)后，部分學(xué)者開始研究新冠肺炎疫情對(duì)不同地域金融市場(chǎng)風(fēng)險(xiǎn)的溢出效應(yīng)的影響。Guo等使用時(shí)變金融網(wǎng)絡(luò)模型來分析新冠肺炎疫情期間國際金融市場(chǎng)之間的尾部風(fēng)險(xiǎn)傳染。方意等發(fā)現(xiàn)新興市場(chǎng)國家是全球外匯市場(chǎng)中主要的風(fēng)險(xiǎn)輸出者，在此次疫情中，中國金融市場(chǎng)由風(fēng)險(xiǎn)輸出方變成了風(fēng)險(xiǎn)接收方。Baek等發(fā)現(xiàn)新冠肺炎疫情期間所有行業(yè)的總風(fēng)險(xiǎn)和特殊風(fēng)險(xiǎn)都顯著增加，而系統(tǒng)風(fēng)險(xiǎn)的變化因行業(yè)而異。Abuzayed等研究表明，全球股市與每個(gè)股票市場(chǎng)之間的雙變量系統(tǒng)風(fēng)險(xiǎn)傳染都在新冠肺炎疫情期間加劇了，且歐美股市比亞洲股市和整個(gè)全球股市的邊際極端風(fēng)險(xiǎn)更大。馬鄭瑋等發(fā)現(xiàn)英國布倫特原油期貨市場(chǎng)對(duì)中國上海原油期貨市場(chǎng)在疫情前存在單方面的顯著影響，但在疫情發(fā)生后變?yōu)橄嗷ビ绊憽?/p>

除了地域?qū)用妫鹿诜窝滓咔閷?duì)不同類型金融市場(chǎng)的聯(lián)動(dòng)性也有影響。Benlagha等采用一種新的連通性建模方法，探討了新冠肺炎疫情對(duì)黃金市場(chǎng)、石油市場(chǎng)和五大主要股票市場(chǎng)之間動(dòng)態(tài)連通性的影響。Dutta等發(fā)現(xiàn)氣候債券市場(chǎng)與股票市場(chǎng)、原油市場(chǎng)和黃金市場(chǎng)之間的時(shí)變相關(guān)性在新冠肺炎疫情期間明顯加劇。Nguyen研究表明，股市的沖擊影響了比特幣市場(chǎng)在新冠肺炎疫情期間和其他動(dòng)蕩時(shí)期的波動(dòng)性。

綜合分析已有文獻(xiàn)，關(guān)于新冠肺炎疫情對(duì)金融市場(chǎng)影響的研究大多集中于股票市場(chǎng)，部分研究是對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)整體影響的研究，尚沒有研究深入分析疫情對(duì)不同農(nóng)產(chǎn)品期貨風(fēng)險(xiǎn)結(jié)構(gòu)性影響的演化過程，也沒有研究深入分析疫情發(fā)展對(duì)不同農(nóng)產(chǎn)品期貨風(fēng)險(xiǎn)短期變化的解釋能力。

三、研究假設(shè)

新冠肺炎疫情嚴(yán)重?cái)_亂了全球供應(yīng)鏈，加劇了商品市場(chǎng)的價(jià)格波動(dòng)，使商品期貨市場(chǎng)的對(duì)沖需求增加，導(dǎo)致商品期貨市場(chǎng)風(fēng)險(xiǎn)快速上升（凌愛凡等，2021）。我國是農(nóng)業(yè)生產(chǎn)大國，在世界農(nóng)產(chǎn)品貿(mào)易中占有舉足輕重的地位。據(jù)農(nóng)業(yè)農(nóng)村部最新統(tǒng)計(jì)，我國已成為世界第四大農(nóng)產(chǎn)品進(jìn)口國和第五大農(nóng)產(chǎn)品出口國（Lin等，2020）。我國農(nóng)產(chǎn)品期貨市場(chǎng)在對(duì)沖交易風(fēng)險(xiǎn)、推動(dòng)價(jià)格發(fā)現(xiàn)和指導(dǎo)可持續(xù)農(nóng)業(yè)生產(chǎn)方面發(fā)揮著關(guān)鍵作用，因此農(nóng)產(chǎn)品期貨市場(chǎng)在我國商品期貨市場(chǎng)中所占比重越來越大，在面對(duì)極端事件的沖擊時(shí)的反應(yīng)速度也越來越快。

在本次疫情突然暴發(fā)時(shí)期，世界各國的防控經(jīng)驗(yàn)均不足，商品供應(yīng)鏈嚴(yán)重紊亂，投資者恐慌情緒加劇，市場(chǎng)不確定性增多，市場(chǎng)風(fēng)險(xiǎn)急劇上升。疫情初期，中國及其他許多受疫情影響的國家實(shí)施了封控措施，以限制病毒在人群中的傳播。在農(nóng)業(yè)和餐飲領(lǐng)域，封控行為造成的影響主要有以下三方面。

第一，對(duì)農(nóng)業(yè)生產(chǎn)的影響。封控措施造成農(nóng)業(yè)生產(chǎn)的勞動(dòng)力短缺，加劇農(nóng)業(yè)損失，從而導(dǎo)致農(nóng)業(yè)收入減少。雖然農(nóng)產(chǎn)品加工企業(yè)、紡織企業(yè)等在疫情平穩(wěn)后復(fù)工復(fù)產(chǎn)，但農(nóng)產(chǎn)品的種植具有周期性和季節(jié)性特征。農(nóng)產(chǎn)品生產(chǎn)進(jìn)度在疫情期間明顯滯后。

第二，對(duì)消費(fèi)者需求的影響。一方面，封控措施限制了餐廳等消費(fèi)場(chǎng)所的發(fā)展，使居民飲食以居家消費(fèi)為主；另一方面，疫情造成的收入沖擊也減少了消費(fèi)者對(duì)高價(jià)值食品的需求，增加了對(duì)主食和即食食品的需求。

第三，對(duì)農(nóng)產(chǎn)品進(jìn)出口影響。對(duì)農(nóng)產(chǎn)品進(jìn)口而言，國外疫情的暴發(fā)使我國農(nóng)產(chǎn)品進(jìn)口來源穩(wěn)定性降低，各國農(nóng)產(chǎn)品貿(mào)易持續(xù)性受阻，且疫情對(duì)我國經(jīng)濟(jì)造成的沖擊使人民幣貶值，從而使進(jìn)口成本增加。對(duì)于農(nóng)產(chǎn)品出口而言，一方面，出口物流效率降低，出口交貨出現(xiàn)延遲；另一方面，多數(shù)國家對(duì)我國農(nóng)產(chǎn)品采取了進(jìn)口限制措施，且新增的防疫要求也降低了我國農(nóng)產(chǎn)品的流通效率。上述情況皆使我國農(nóng)產(chǎn)品進(jìn)出口量在疫情期間大大降低，阻礙了我國農(nóng)產(chǎn)品的對(duì)外貿(mào)易發(fā)展。

由此可見，新冠肺炎疫情對(duì)我國農(nóng)產(chǎn)品期貨市場(chǎng)的影響不是單一的、局部的，而是對(duì)處于一定環(huán)境下的生產(chǎn)、加工、銷售、運(yùn)輸、需求等方面相互關(guān)聯(lián)和相互支撐的有機(jī)整體的沖擊，即對(duì)整個(gè)農(nóng)產(chǎn)品期貨市場(chǎng)的結(jié)構(gòu)性沖擊。因此，本文提出假設(shè)1：

H1：中國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)在疫情暴發(fā)期間顯著上升。

隨著人們對(duì)病毒認(rèn)識(shí)的深入，各國都根據(jù)國情對(duì)疫情進(jìn)行了有效的應(yīng)對(duì)。尤其是中國的管控政策使國內(nèi)疫情得到了迅速的控制，企業(yè)快速復(fù)產(chǎn)復(fù)工，供應(yīng)鏈恢復(fù)暢通，因此到后疫情時(shí)期，中國農(nóng)產(chǎn)品期貨的市場(chǎng)風(fēng)險(xiǎn)迅速降低，逐漸恢復(fù)到疫情前水平。基于這樣的分析，本文提出假設(shè)2：

H2：中國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)在后疫情時(shí)期迅速回落。

從短期而言，雖然中國疫情逐漸得到控制，但病毒不斷變異，外部輸入不斷，國內(nèi)各地仍然不斷零星暴發(fā)小規(guī)模的疫情，國外疫情也不斷有新的情況出現(xiàn)。這些短期的超出預(yù)期的疫情突變?nèi)匀粫?huì)引起投資者的憂慮與恐慌，從而對(duì)中國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)產(chǎn)生一定的影響，因此，本文提出假設(shè)3：

H3：疫情短期的超預(yù)期突變能引起農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的短期動(dòng)態(tài)變化。

不同的農(nóng)產(chǎn)品期貨受到疫情影響的程度會(huì)有一定的差異。這種差異性可以從供應(yīng)鏈角度進(jìn)行解釋。隨著疫情發(fā)展，國內(nèi)疫情和國外疫情的發(fā)展趨勢(shì)發(fā)生了顯著的分化，國內(nèi)疫情迅速得到控制，而國外疫情由于管控松散而迅速蔓延。因此，對(duì)于供需關(guān)系主要發(fā)生在中國市場(chǎng)的農(nóng)產(chǎn)品，其受到疫情的短期沖擊會(huì)較少；而對(duì)于進(jìn)出口依賴程度高的農(nóng)產(chǎn)品，其期貨市場(chǎng)更容易受到疫情的短期沖擊，因此，本文提出假設(shè)4：

H4：進(jìn)出口依賴度高的農(nóng)產(chǎn)品，其期貨市場(chǎng)風(fēng)險(xiǎn)受到疫情突變的短期影響大。

四、數(shù)據(jù)與研究方法

（一）數(shù)據(jù)

本文使用的農(nóng)產(chǎn)品期貨交易數(shù)據(jù)和疫情數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。通過對(duì)大連商品交易所和鄭州商品交易所的所有種類農(nóng)產(chǎn)品期貨進(jìn)行篩選，排除數(shù)據(jù)嚴(yán)重缺失者及長時(shí)間未交易者，篩選出10種農(nóng)產(chǎn)品期貨作為本文的研究對(duì)象，詳見表1。本研究選取的數(shù)據(jù)樣本期為2019年10月21日—2020年12月31日。以武漢封城為標(biāo)志，將數(shù)據(jù)分為疫情前（2019年10月21日—2020年1月23日）、前疫情（2020年1月24日—2020年4月8日）和后疫情（2020年4月9日—2020年12月31日）三個(gè)階段。在2021年以后各國疫情進(jìn)入常態(tài)化防控階段，很多國家由于經(jīng)濟(jì)原因直接選擇“躺平”，國際經(jīng)濟(jì)秩序逐漸擺脫疫情影響，因此本文的研究主要關(guān)注2021年之前的階段。

我們選取5分鐘連續(xù)主力合約價(jià)格高頻數(shù)據(jù)來計(jì)算各個(gè)農(nóng)產(chǎn)品期貨的已實(shí)現(xiàn)波動(dòng)率，以測(cè)算農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)，其計(jì)算公式如下：

RVt=ln1M∑Mt=1rt2（1）

其中，rt為第t個(gè)5分鐘區(qū)間內(nèi)的期貨收益率，即rt=lnPtPt-1，Pt為第t個(gè)5分鐘區(qū)間的收盤價(jià)，M為一天中5分鐘時(shí)段的數(shù)量，包括日盤（9：00—11：30，13：30—15：00）和夜盤（21：00—23：30）。與GARCH類模型等傳統(tǒng)隱含波動(dòng)性度量方法相比，RV是一種非參數(shù)估計(jì)度量，不僅方便計(jì)算，還能更好地捕捉日內(nèi)波動(dòng)性變化，對(duì)于波動(dòng)性的衡量也更為準(zhǔn)確（Andersen等，1998）。

（二）中國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)在疫情期間結(jié)構(gòu)性改變的統(tǒng)計(jì)推斷

在經(jīng)濟(jì)計(jì)量分析中，經(jīng)濟(jì)系統(tǒng)的結(jié)構(gòu)性改變是指經(jīng)濟(jì)系統(tǒng)中變量的參數(shù)發(fā)生了顯著的變化。在本研究中，期貨市場(chǎng)的風(fēng)險(xiǎn)由已實(shí)現(xiàn)波動(dòng)率進(jìn)行度量，我們主要通過判斷已實(shí)現(xiàn)波動(dòng)率的均值在疫情前后的變化來對(duì)期貨市場(chǎng)風(fēng)險(xiǎn)的結(jié)構(gòu)性改變進(jìn)行推斷。

首先對(duì)農(nóng)產(chǎn)品期貨波動(dòng)率樣本數(shù)據(jù)進(jìn)行了初步探索性分析。以大豆1號(hào)為例，其在本文劃分的三個(gè)疫情階段已實(shí)現(xiàn)波動(dòng)率分布如圖1所示。該農(nóng)產(chǎn)品期貨波動(dòng)率在不同疫情階段的分布差異較大，疫情前時(shí)期的分布為右邊斜型，而前疫情時(shí)期呈現(xiàn)雙重峰形狀，波動(dòng)差異性明顯增大，后疫情時(shí)期的分布形狀恢復(fù)到疫情前，但均值出現(xiàn)了向右偏移。通過探索性分析，可以發(fā)現(xiàn)農(nóng)產(chǎn)品期貨波動(dòng)率在疫情的三個(gè)階段無法均滿足正態(tài)分布假設(shè)。

因此，本文采用Wilcoxon檢驗(yàn)（非參數(shù)替代配對(duì)雙樣本t檢驗(yàn)）檢驗(yàn)在疫情不同時(shí)期農(nóng)產(chǎn)品期貨市場(chǎng)的風(fēng)險(xiǎn)是否發(fā)生結(jié)構(gòu)性的顯著變化。該方法在測(cè)量經(jīng)濟(jì)系統(tǒng)結(jié)構(gòu)性變化時(shí)被經(jīng)常采用。例如，胡文偉等用因子分析法和基于企業(yè)個(gè)體層面的Wilcoxon檢驗(yàn)法，比較了不同融資方式下科技企業(yè)的并購績(jī)效。Perolat等用Wilcoxon檢驗(yàn)法檢驗(yàn)區(qū)間數(shù)據(jù)的結(jié)構(gòu)性改變。Wenger等用Wilcoxon檢驗(yàn)法檢驗(yàn)具有序貫依賴關(guān)系的時(shí)間序列的結(jié)構(gòu)改變。

Wilcoxon檢驗(yàn)和t檢驗(yàn)類似，都是用于檢驗(yàn)兩獨(dú)立樣本平均數(shù)的差異是否顯著的常用統(tǒng)計(jì)檢驗(yàn)方法。t檢驗(yàn)是參數(shù)檢驗(yàn)法，樣本需滿足正態(tài)分布和方差齊性的假設(shè)。而Wilcoxon檢驗(yàn)是一種非參數(shù)假設(shè)檢驗(yàn)法，此檢驗(yàn)方法不需要數(shù)據(jù)正態(tài)性假設(shè)，因而有更廣的適用范圍。具體檢驗(yàn)步驟如下：

（1）計(jì)算風(fēng)險(xiǎn)的變化值即差值D。

（2）對(duì)D的絕對(duì)值D進(jìn)行升序排序并給出n個(gè)秩，對(duì)于值相同者，取平均秩。

（3）令W+為正秩的和，W-為負(fù)秩的和。

（4）構(gòu)建統(tǒng)計(jì)量W：W=min{W+，W-}，根據(jù)得到的W值，利用統(tǒng)計(jì)軟件或查閱分布表，得到相應(yīng)的P值。

（5）若P值小于給定的顯著性水平，說明風(fēng)險(xiǎn)的變化值顯著大于0 ，即兩個(gè)風(fēng)險(xiǎn)值存在顯著差異；反之，則說明兩個(gè)風(fēng)險(xiǎn)值的差異不顯著。

（三）疫情短期突變對(duì)期貨市場(chǎng)風(fēng)險(xiǎn)短期動(dòng)態(tài)變化的影響

1變量構(gòu)建

與2020年暴發(fā)的新冠肺炎疫情相關(guān)的研究已有較多，疫情指數(shù)的構(gòu)建方法也有多種。部分學(xué)者使用事件研究法進(jìn)行研究。一種是將疫情前的疫情數(shù)據(jù)定為0，疫情中定為1（Sakurai等， 2020）；另一種是根據(jù)新冠肺炎疫情的演變，將疫情期間分為4個(gè)不同的時(shí)間段，分別標(biāo)記為第1、第2、第3和第4階段（Mirza等， 2020）。還有部分學(xué)者使用官方公布的數(shù)據(jù)作為疫情指數(shù)，如根據(jù)每日新增人數(shù)、累計(jì)確診人數(shù)以及治愈人數(shù)加權(quán)平均計(jì)算（藍(lán)波等，2021）；對(duì)死亡的百分比和恢復(fù)的百分比進(jìn)行加權(quán)（Baek等，2020）；使用新冠肺炎報(bào)告病例和死亡總數(shù)（Just等， 2020）等。但這些疫情指數(shù)均不能很好地反映疫情的突變。由于金融市場(chǎng)投資者廣泛采用一定的預(yù)測(cè)技術(shù)來判斷疫情的演變，非超出預(yù)期的疫情變化并不能引起金融市場(chǎng)的波動(dòng)。

由于現(xiàn)代經(jīng)濟(jì)貿(mào)易的全球化發(fā)展，中國農(nóng)產(chǎn)品期貨價(jià)格不但會(huì)受國內(nèi)疫情影響，還受世界其他國家，尤其是世界主要經(jīng)濟(jì)體疫情發(fā)展的影響。因此，本文主要考慮中國、美國和全球（不含中美）的疫情動(dòng)態(tài)發(fā)展，檢驗(yàn)不同來源的疫情短期動(dòng)態(tài)對(duì)中國農(nóng)產(chǎn)品收益波動(dòng)的影響。具體而言，我們使用中、美和世界每日新增病例數(shù)構(gòu)建了3個(gè)疫情變化超預(yù)期指數(shù)，分別用China_NI、US_NI和Global_NI表示，將第t天的新增病例數(shù)除以［t-10， t-1］時(shí)間段新增病例數(shù)的移動(dòng)平均值，再進(jìn)行自然對(duì)數(shù)處理，即

NIt=ln （Nt1/10∑i=1：10Nt-i）（2）

Nt為第t天新增確診數(shù)，NIt為第t天的疫情變化指數(shù)。該指數(shù)具有無量綱的特點(diǎn)，反映了疫情短期內(nèi)超出投資者預(yù)期的變化（移動(dòng)平均作為預(yù)期的測(cè)量），因而與現(xiàn)有研究所提出的疫情指數(shù)相比可以更好地反映疫情的突變。

2實(shí)證模型

為了分析疫情短期突變對(duì)期貨市場(chǎng)波動(dòng)的動(dòng)態(tài)變化的解釋能力，我們采用Corsi（2009）提出的異質(zhì)自回歸已實(shí)現(xiàn)波動(dòng)率模型（HAR-RV）。Andersen和Bollerslev（1998）首先使用高頻數(shù)據(jù)提出了已實(shí)現(xiàn)波動(dòng)率（Realized Volatility， RV）的概念。Corsi（2009）進(jìn)一步將RV分為短期、中期和長期波動(dòng)性，并提出了異質(zhì)自回歸已實(shí)現(xiàn)波動(dòng)率模型（HAR-RV）。elik等（2014）使用GARCH和HAR-RV模型預(yù)測(cè)土耳其股市的波動(dòng)性，發(fā)現(xiàn)HAR-RV模型比傳統(tǒng)的GARCH模型的預(yù)測(cè)性能更好。HAR模型由于其簡(jiǎn)單性和良好的預(yù)測(cè)性能，成為分析已實(shí)現(xiàn)波動(dòng)率的最佳模型之一。近年來，HAR模型已經(jīng)在金融市場(chǎng)風(fēng)險(xiǎn)測(cè)量和建模領(lǐng)域得到了廣泛的應(yīng)用。

本文擴(kuò)展了傳統(tǒng)的HAR模型，將疫情短期沖擊因素考慮其中，具體模型如下：

RVt=β0+β1RVt-1+β2RVt-5：t-1+β3RVt-22：t-1+α1China_NIt+α2US_NIt+α3Global_NIt+εt（3）

其中，RVt為第t天的已實(shí)現(xiàn)波動(dòng)率，RVt-k：t為第t-k天至第t天的平均已實(shí)現(xiàn)波動(dòng)率; k取1、5、22分別代表1天、1周和1個(gè)月的滯后期①。

China_NIt、US_NIt和Global_NIt分別為中國、美國和世界（不含中美）在第t天的疫情變化超預(yù)期指數(shù)，β0為式（3）常數(shù)項(xiàng)，βi、αi為模型參數(shù)（i=1， 2， 3），εt為殘差項(xiàng)。

五、實(shí)證研究

（一）描述性統(tǒng)計(jì)

本文選取的10種農(nóng)產(chǎn)品期貨的日已實(shí)現(xiàn)波動(dòng)率對(duì)數(shù)值和本文構(gòu)建的三個(gè)疫情指數(shù)的描述性統(tǒng)計(jì)結(jié)果如表2所示。這10種農(nóng)產(chǎn)品已實(shí)現(xiàn)波動(dòng)率標(biāo)準(zhǔn)差總體相差較小。其中棉紗波動(dòng)率的標(biāo)準(zhǔn)差最大，說明棉紗的期貨收益波動(dòng)較其他農(nóng)產(chǎn)品離散程度更高。圖2對(duì)10種農(nóng)產(chǎn)品已實(shí)現(xiàn)波動(dòng)率的對(duì)數(shù)值時(shí)間序列進(jìn)行了圖示?？梢园l(fā)現(xiàn)除了白糖（SR）、菜籽粕（RM）和菜籽油（OI）以外，其余農(nóng)產(chǎn)品的已實(shí)現(xiàn)波動(dòng)率在2020年1月末疫情暴發(fā)期間都有顯著的向上跳躍，隨后經(jīng)過短期下降后，在2020年4月又開始進(jìn)入上升期，這可能主要由國外疫情的暴發(fā)引起。

① k取1、5、22分別代表1天、1周和1個(gè)月，此處1周5個(gè)交易日，非交易日沒有數(shù)據(jù)。

圖3對(duì)本研究構(gòu)建的3個(gè)疫情超預(yù)期指數(shù)時(shí)間序列進(jìn)行了圖示。2020年1月至3月初，中國疫情超預(yù)期指數(shù)有先高后低的特點(diǎn)。而美國則在中國暴發(fā)疫情的期初保持低位，但隨后開始迅速攀升，又逐漸回落到中位水平。世界其他國家的疫情超預(yù)期指數(shù)在期初與美國有一定的差異，但在后期與美國基本一致。

（二）中國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)在疫情期間的結(jié)構(gòu)性改變

表3列出了Wilcoxon檢驗(yàn)的結(jié)果，使用RVC1、RVC2和RVPC分別表示新冠肺炎疫情暴發(fā)期、后疫情和疫情前的已實(shí)現(xiàn)波動(dòng)率的均值變化。

可以發(fā)現(xiàn)10種農(nóng)產(chǎn)品期貨收益的已實(shí)現(xiàn)波動(dòng)率分布均在疫情期間發(fā)生了顯著的結(jié)構(gòu)性改變，RVC1-RVPC顯著大于0，因此本文的假設(shè)H1成立。但RVC2-RVPC仍然顯著大于0，且對(duì)大多商品RVC2-RVC1顯著小于0，說明在后疫情時(shí)期，期貨市場(chǎng)風(fēng)險(xiǎn)雖然有所下降，但并未恢復(fù)到疫情前的水平。其中大豆、白糖在后疫情期間的市場(chǎng)風(fēng)險(xiǎn)下降在統(tǒng)計(jì)上不顯著，而菜籽油、菜籽粕和棉紗在后疫情時(shí)期市場(chǎng)風(fēng)險(xiǎn)甚至不降反升。這表明，疫情對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)的影響是非常復(fù)雜的，尤其在后疫情期間，金融市場(chǎng)、具體農(nóng)產(chǎn)品進(jìn)出口國的貿(mào)易政策、生產(chǎn)活動(dòng)、國際政治關(guān)系等諸多因素都可能對(duì)中國農(nóng)產(chǎn)品期貨市場(chǎng)產(chǎn)生影響，只靠疫情因素不能完全解釋。

（三）疫情超預(yù)期指數(shù)對(duì)農(nóng)產(chǎn)品波動(dòng)率短期動(dòng)態(tài)變化的解釋作用

為了便于對(duì)比，HAR模型中RV滯后項(xiàng)與疫情指數(shù)的估計(jì)結(jié)果分別總結(jié)在表4和表5中。在表4中，RV1、RV5和RV22分別代表滯后1天、滯后1周和滯后1個(gè)月內(nèi)的RV平均值。一個(gè)重要發(fā)現(xiàn)是在前疫情期間，RV普遍更顯著依賴于短期動(dòng)態(tài)變化（RV1），而對(duì)中長期（RV5和RV22）的依賴普遍不顯著（豆油和大豆1號(hào)除外）。而在后疫情期間，RV對(duì)RV1的依賴明顯減少，而對(duì)RV5和RV22的依賴明顯增加。說明農(nóng)產(chǎn)品期貨收益的波動(dòng)在前疫情期的短期變化更為迅速，變動(dòng)持續(xù)性低，而在后疫情期間波動(dòng)的持續(xù)性增強(qiáng)，短期變動(dòng)依賴減弱。因此，本文假設(shè)2僅得到部分支持。

從表5可以發(fā)現(xiàn)，只有大豆、棕櫚油、豆油和豆粕明顯受到疫情超預(yù)期指數(shù)的短期沖擊影響，疫情超預(yù)期指數(shù)對(duì)而其他農(nóng)產(chǎn)品的短期變化均沒有顯示出顯著的解釋能力。

兩種大豆期貨受到疫情超預(yù)期指數(shù)的影響基本一致。在前疫情時(shí)期，兩種大豆期貨的市場(chǎng)風(fēng)險(xiǎn)均顯著受到中美兩國疫情超預(yù)期指數(shù)的動(dòng)態(tài)影響；在后疫情期間由于美國疫情超預(yù)期指數(shù)趨于平穩(wěn)，而主要受中國的疫情變化影響。豆油和豆粕均為大豆壓榨后的產(chǎn)物，因此面對(duì)疫情的表現(xiàn)與大豆相似，疫情前期的市場(chǎng)波動(dòng)性均被因美國的疫情預(yù)期導(dǎo)致的進(jìn)口量下降的擔(dān)憂所影響，受國內(nèi)的影響雖然在統(tǒng)計(jì)上不顯著但系數(shù)均為正值。

總體而言，我們可以發(fā)現(xiàn)，進(jìn)口依賴度高的棕櫚油（進(jìn)口依賴度100%①）和豆類產(chǎn)品（進(jìn)口依賴度87%）的期貨市場(chǎng)受到疫情影響更顯著，在前疫情時(shí)期，美國疫情對(duì)這些農(nóng)產(chǎn)品期貨市場(chǎng)的短期影響程度比國內(nèi)疫情高；在后疫情時(shí)期，這些農(nóng)產(chǎn)品期貨市場(chǎng)主要受到國內(nèi)疫情的短期動(dòng)態(tài)影響。這可能主要是國內(nèi)執(zhí)行的嚴(yán)格防疫政策造成的，一旦發(fā)現(xiàn)超預(yù)期的疫情變化，市場(chǎng)就會(huì)擔(dān)憂是否會(huì)由于疫情管控而導(dǎo)致停工停產(chǎn)。而其他農(nóng)產(chǎn)品（進(jìn)口依賴度均小于30%）在疫情期間受到疫情短期沖擊的影響并不顯著，說明這些農(nóng)產(chǎn)品對(duì)疫情的短期變化并不敏感。因此這些結(jié)果支持了假設(shè)4，但僅部分支持了假設(shè)3。

六、穩(wěn)健性檢驗(yàn)

本節(jié)通過兩個(gè)額外的實(shí)證分析來檢驗(yàn)第五節(jié)中有關(guān)農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)結(jié)構(gòu)性改變、疫情超預(yù)期指數(shù)對(duì)農(nóng)產(chǎn)品波動(dòng)率短期動(dòng)態(tài)影響分析結(jié)論的穩(wěn)健性。

1使用t檢驗(yàn)測(cè)試農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)在疫情期間的結(jié)構(gòu)性改變

使用t檢驗(yàn)來代替第五節(jié)中的Wilcoxon檢驗(yàn)來測(cè)試農(nóng)產(chǎn)品期貨交易風(fēng)險(xiǎn)在疫情期間的結(jié)構(gòu)性改變，其結(jié)果見附表A1?？梢园l(fā)現(xiàn)雖然t檢驗(yàn)與Wilcoxon檢驗(yàn)的顯著性P值的結(jié)果對(duì)一些農(nóng)產(chǎn)品而言有一定的差異，但在P值小于5%以上的統(tǒng)計(jì)顯著性檢驗(yàn)而言，兩個(gè)檢驗(yàn)的結(jié)果并沒有區(qū)別，均表明農(nóng)產(chǎn)品期貨市場(chǎng)交易風(fēng)險(xiǎn)在疫情期間發(fā)生了顯著的結(jié)構(gòu)性改變。

2使用HARQJ模型來分析疫情超預(yù)期指數(shù)對(duì)農(nóng)產(chǎn)品波動(dòng)率短期動(dòng)態(tài)變化的解釋作用

HARQJ模型是在基本HAR模型的基礎(chǔ)上進(jìn)一步考慮了使用已實(shí)現(xiàn)波動(dòng)率的動(dòng)差（Quarticity）和跳躍項(xiàng)（Jump）（Liu等， 2018；Qiu等，2021），即

ln（RVt）=β0+β1ln （RVt-1）+β2ln （RVt-5：t-1）+β3ln （RVt-22：t-1）+β4ln （RQt-1）+β5ln （Jt-1）+α1China_NIt+α2US_NIt+α3Global_NIt+εt（4）

其中，動(dòng)差RQt=1M∑Mt=1rt4，跳躍項(xiàng) Jt=max1M∑Mt=1rt2-π2MM-1∑M-1t=1rtrt+1，0。

HARQJ模型估計(jì)結(jié)果見附表A2和附表A3，可以發(fā)現(xiàn)加入漸進(jìn)方差和跳躍項(xiàng)以后，疫情超預(yù)期指數(shù)對(duì)RV的解釋力有所減弱，但除豆油和菜籽粕外，第五節(jié)中所得到的結(jié)論仍然基本保持不變，說明本文的研究結(jié)果是比較穩(wěn)健的。

七、結(jié)論

本文對(duì)新冠肺炎疫情對(duì)中國農(nóng)產(chǎn)品期貨市場(chǎng)的中短期影響進(jìn)行了系統(tǒng)的理論和實(shí)證分析。根據(jù)實(shí)證分析的結(jié)果，得到如下結(jié)論。

第一，新冠肺炎疫情的暴發(fā)使得我國農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)顯著增加，在后疫情階段期貨市場(chǎng)風(fēng)險(xiǎn)雖然有所下降，但并未恢復(fù)到疫情前的水平，仍然顯著高于疫情前的風(fēng)險(xiǎn)水平。

第二，不同農(nóng)產(chǎn)品期貨在疫情暴發(fā)期受到疫情的影響基本一致，但在恢復(fù)期有較大的差異。豆類和棕櫚油市場(chǎng)恢復(fù)得較快，說明其流動(dòng)性好、市場(chǎng)反應(yīng)迅速；而棉類和菜籽類產(chǎn)品恢復(fù)較慢，市場(chǎng)反應(yīng)遲鈍。

第三，豆類和棕櫚油等進(jìn)口依賴度高的期貨產(chǎn)品其收益波動(dòng)性受到了疫情超預(yù)期指數(shù)的顯著影響。前疫情時(shí)期，這些農(nóng)產(chǎn)品期貨的波動(dòng)性受到中美疫情超預(yù)期指數(shù)的正向影響；后疫情時(shí)期，這些農(nóng)產(chǎn)品主要受到中國疫情超預(yù)期變化的影響。而進(jìn)出口依賴度低的棉類和菜籽類產(chǎn)品其期貨收益短期波動(dòng)不受疫情超預(yù)期指數(shù)影響。

這些實(shí)證結(jié)果使我們能更深入地理解疫情對(duì)農(nóng)產(chǎn)品期貨市場(chǎng)風(fēng)險(xiǎn)的影響規(guī)律，豐富了期貨市場(chǎng)風(fēng)險(xiǎn)的相關(guān)理論。在實(shí)踐上，對(duì)我國農(nóng)產(chǎn)品供應(yīng)鏈主體、期貨市場(chǎng)投資者和市場(chǎng)監(jiān)管者的投資決策、風(fēng)險(xiǎn)管理和應(yīng)急管理均有一定的參考價(jià)值。

參考文獻(xiàn)

［1］陳林，曲曉輝傳染性公共衛(wèi)生事件的市場(chǎng)反應(yīng)研究——基于新冠肺炎疫情對(duì)中國股市的影響［J］金融論壇，2020，25（7）：25-33，65

［2］SALISU A A， VO X V Predicting stock returns in the presence of COVID-19 pandemic： The role of health news［J］International Review of Financial Analysis，2020，71（c）： 101546

［3］ESPINOSA-MNDEZ C， ARIAS J COVID-19 Effect On Herding Behaviour In European Capital Markets［J］ Finance Research Letters，2021，38（c）： 101787

［4］MIRZA N， NAQVI B， RAHAT B， et al Price reaction， volatility timing and funds’ performance during Covid-19［J］Finance Research Letters，2020（36）， 101657

［5］YI X， BAI C， LYU S， et al The impacts of the COVID-19 pandemic on Chinas green bond market［J］ Finance Research Letters，2021（42）， 101948

［6］許清棟新冠肺炎疫情對(duì)離岸與在岸股指期現(xiàn)貨市場(chǎng)風(fēng)險(xiǎn)的影響分析［J］中國證券期貨，2021（3）：33-43

［7］SIFAT I， GHAFOOR A， MAND A A The COVID-19 pandemic and speculation in energy， precious metals， and agricultural futures［J］Journal of Behavioral and Experimental Finance，2021（30）， 100498

［8］王有鑫，王祎帆，楊翰方外部沖擊類型與中國經(jīng)濟(jì)周期波動(dòng)——兼論宏觀審慎政策的有效性［J］國際金融研究，2021（3）：14-26

［9］GUO Y H， LI P， LI A H Tail risk contagion between international financial markets during COVID-19 pandemic［J］ International Review of Financial Analysis，2021（73）， 101649

［10］方意，賈妍妍新冠肺炎疫情沖擊下全球外匯市場(chǎng)風(fēng)險(xiǎn)傳染與中國金融風(fēng)險(xiǎn)防控［J］當(dāng)代經(jīng)濟(jì)科學(xué)，2021，43（2）：1-15

［11］BAEK S， MOHANTY S K， GLAMBOSKY M COVID-19 and stock market volatility： An industry level analysis［J］ Finance Research Letters，2020（37），101748

［12］ABUZAYED B， BOURI E， AL-FAYOUMI N A， et al Systemic risk spillover across global and country stock markets during the COVID-19 pandemic［J］ Economic Analysis and Policy，2021（71）：180-197

［13］馬鄭瑋，彭麗，吳官芳新冠疫情下英國布倫特原油期貨與中國原油價(jià)格關(guān)系研究［J］價(jià)格理論與實(shí)踐，2021（5）：126-130

［14］BENLAGHA N， OMARI S E Connectedness of stock markets with gold and oil： New evidence from COVID-19 pandemic［J］ Finance Research Letters，2022，46（B）： 102373

［15］WANG J， SHAO W， KIM J Analysis of the impact of COVID-19 on the correlations between crude oil and agricultural futures［J］ Chaos， Solitons & Fractals，2020（136）： 109896

［16］DUTTA A， BOURI E， NOOR M H Climate bond， stock， gold， and oil markets： Dynamic correlations and hedging analyses during the COVID-19 outbreak［J］ Resources Policy，2021，74（c）： 102265

［17］NGUYEN K Q The correlation between the stock market and Bitcoin during COVID-19 and other uncertainty periods［J］ Finance Research Letters，2022，46（A）： 102284

［18］凌愛凡，游欣極端事件沖擊下商品期貨是好的避險(xiǎn)工具嗎？——來自新冠疫情沖擊的經(jīng)驗(yàn)證據(jù)［J］經(jīng)濟(jì)評(píng)論，2021（3）：105-125

［19］LIN B X， ZHANG Y Y Impact of the COVID-19 pandemic on agricultural exports［J］ Journal of Integrative Agriculture，2020，19（12）： 2937-2945

［20］ANDERSEN T G， BOLLERSLEV T Answering The Skeptics： Yes， Standard Volatility Models Do Provide Accurate Forecasts［J］ International Economic Review，1998，39（4）：885-905

［21］胡文偉，李湛不同融資方式下的科技企業(yè)并購績(jī)效比較研究——基于因子分析與Wilcoxon符號(hào)秩檢驗(yàn)的實(shí)證分析［J］上海經(jīng)濟(jì)研究，2019（11）：94-107

［22］PEROLAT J， COUSO I， LOQUIN K， et al Generalizing the Wilcoxon rank-sum test for interval data ［J］ International Journal of Approximate Reasoning，2015，56（A）：108-121

［23］WENGER K， LESS VA modified Wilcoxon test for change points in long-range dependent time series［J］ Economics Letters，2020，192（c）： 109237

［24］SAKURAI Y， KUROSAKI T How has the relationship between oil and the US stock market changed after the Covid-19 crisis？［J］Finance Research Letters，2020，37（c），101773

［25］藍(lán)波，莊雷新冠肺炎疫情、數(shù)字貨幣波動(dòng)與風(fēng)險(xiǎn)傳染研究［J］云南財(cái)經(jīng)大學(xué)學(xué)報(bào)，2021，37（5）：1-13

［26］JUST M， ECHAUST K Stock market returns， volati￣lity， correlation and liquidity during the COVID-19 crisis： Evidence from the Markov switching app￣roach［J］Finance Research Letters，2020（37）： 101775

［27］CORSI F A Simple Approximate Long-Memory Model of Realized Volatility［J］ Journal of Financial Econometrics， 2009，7（2）：174-196

［28］ELIK S， ERGIN H Volatility forecasting using high frequency data： Evidence from stock markets［J］Economic Modelling，2014（36）：176-190

［29］LIU G Q， WEI Y， CHEN Y F， et al Forecasting the value-at-risk of Chinese stock market using the HARQ model and extreme value theory［J］ Physica A： Statistical Mechanics and its Applications，2018，499（c）：288-297

［30］QIU Y， WANG Z R， XIE T， et al Forecasting Bitcoin realized volatility by exploiting measurement error under model uncertainty［J］ Journal of Empirical Finance，2021（62）：179-201

The Structural Shock and Short-term Impact of COVID-19 on the Risk of Chinese Agricultural Product Futures Market

ZHANG Ziqi MA Shaohui WANG Jiahua

（aSchool of Business， Nanjing Audit University， Nanjing 211815， China; b School of Finance， Nanjing Audit University， Nanjing 211815， China）

Abstract：The outbreak of theCovid-2019 pneumonia has had a huge impact on the global macro economy， and financial market volatility has become more frequent Taking the time window from October 21， 2019 to December 31， 2020， covering three stages before the epidemic， before the epidemic and after the epidemic， taking 10 agricultural product futures in China as the research sample， using Wilcoxon test and Heterogeneous Autoregression Realized-volatility model to analyze the systemic and structural changes in agricultural product futures market risks during the epidemic， as well as the dynamic impact of short-term epidemic unexpected fluctuations on the return volatilities The results show that： the epidemic has caused systematic and structural changes in the Chinese agricultural product futures market risk， and the market risk has not recovered to the pre-epidemic level during the post-epidemic period; the short-term unexpected changes of the new infections can significantly change the return fluctuations of several agricultural product futures The return volatilities of the agricultural product futures with high import and export dependence are more significantly affected by the epidemic The empirical results have reference value for the main body of the agricultural product supply chain， futures investors and market regulators

Keywords：COVID-19; Agricultural Futures; Market Risk；Realized Volatility；Financial Market