基于頻域視角的我國能源行業(yè)股指風(fēng)險溢出研究

葉致昂，劉瀚檣，金云飛

（1.南京審計大學(xué)金融學(xué)院，江蘇南京 211815；2.上海理工大學(xué)能源與動力工程學(xué)院，上海 200093）

一、引言

能源行業(yè)是工業(yè)化國家經(jīng)濟(jì)發(fā)展的基礎(chǔ)，我國能源行業(yè)已初步形成了多層級、新舊動能共存的綜合格局，包括原材料（石油、煤炭等）、一次能源（火電、水電等）和能源技術(shù)（儲能、新能源汽車等），不同行業(yè)之間相互補(bǔ)充，為我國經(jīng)濟(jì)發(fā)展打下了堅實的能源基礎(chǔ)。隨著全球金融化的發(fā)展，以美國為首的西方國家率先開啟了能源金融化時代，我國緊隨其后，大量能源公司實現(xiàn)金融資本化，這意味著能源行業(yè)的現(xiàn)狀和發(fā)展趨勢將在金融屬性的坐標(biāo)系下表現(xiàn)為金融資產(chǎn)的收益率和波動。近幾年，我國能源行業(yè)先后經(jīng)歷了2015年股市震蕩的市場整體沖擊，2018年中美貿(mào)易摩擦沖擊、2021年全球能源危機(jī)沖擊，以及2022年俄羅斯和烏克蘭地緣政治影響沖擊。其中，2021年的“限電”使得大量能源生產(chǎn)企業(yè)運營受阻，能源行業(yè)股票因此被認(rèn)為是高風(fēng)險金融資產(chǎn)，而這些高風(fēng)險金融資產(chǎn)可能通過風(fēng)險傳遞引發(fā)金融市場的系統(tǒng)性風(fēng)險。因此，研究能源行業(yè)金融資產(chǎn)之間的風(fēng)險溢出效應(yīng)對于防范并有效應(yīng)對金融市場系統(tǒng)性風(fēng)險有著重要意義。

目前，我國處于“雙碳”目標(biāo)的奮進(jìn)之路上，需要在調(diào)整優(yōu)化能源結(jié)構(gòu)的同時維持宏觀經(jīng)濟(jì)的穩(wěn)定，而我國能源行業(yè)不僅面臨疫情反復(fù)的影響，同時面臨國外能源危機(jī)的沖擊，所以加強(qiáng)對能源行業(yè)的金融風(fēng)險管理有助于維護(hù)資本市場的穩(wěn)定。本文以能源行業(yè)股票指數(shù)為研究對象，通過基于頻域的風(fēng)險溢出效應(yīng)研究分析不同能源行業(yè)之間的相互影響關(guān)系，并結(jié)合宏觀經(jīng)濟(jì)時期分析其溢出效應(yīng)的時變差異，從而探究能源行業(yè)溢出效應(yīng)的特點與規(guī)律。

二、文獻(xiàn)綜述

能源金融被認(rèn)為是一種新的金融形態(tài)（龔旭等，2021），能源與金融兩者相輔相成，來自金融系統(tǒng)的支持為能源行業(yè)的運營提供了便利，而能源行業(yè)的加入進(jìn)一步豐富了現(xiàn)代金融體系的內(nèi)容。本文將從能源商品，能源行業(yè)，能源金融風(fēng)險和建模三個角度分別進(jìn)行文獻(xiàn)綜述。

（一）能源商品視角

從能源商品視角來看，已有研究大多聚焦于能源期貨商品，相關(guān)研究可分為定價、波動性預(yù)測以及價格聯(lián)動性問題。在定價方面，Kilian（2009）對原油價格的驅(qū)動因素進(jìn)行分析，Ketterer（2014）使用電力價格來解釋煤炭價格的變化，Hailemariam和Smyth（2019）發(fā)現(xiàn)結(jié)構(gòu)性沖擊對天然氣價格的重要貢獻(xiàn)；在波動性預(yù)測方面，GARCH模型（Sadorsky，2006）與適合高頻數(shù)據(jù)的HAR模型（Haugom等，2014）表現(xiàn)較為出色。能源商品市場內(nèi)部與跨市場價格的聯(lián)動性問題也是一個研究方向，例如原油與煤炭 （Bachmeier和Griffin，2006）以及煤炭與天然氣之間的價格聯(lián)動（Nick和Thoenes，2014）等，而原油作為重點商品，將顯著影響金屬商品（Reboredo和Ugolini，2016b）以及農(nóng)業(yè)商品市場（Mensi等，2017），原油與天然氣價格之間由于投機(jī)因素的存在也擁有極高的關(guān)聯(lián)度（Bunn等，2017），同時也會將其影響擴(kuò)散至股市（Mensi等，2016）或者匯市 （Ding和Vo，2012）。

（二）能源行業(yè)視角

從能源行業(yè)視角來看，有關(guān)能源金融研究的文獻(xiàn)主要涉及指數(shù)的構(gòu)建與評價以及行業(yè)投融資方面。指數(shù)構(gòu)建與評價的主要目的是對能源系統(tǒng)進(jìn)行評估，一類是基于DEA的能源經(jīng)濟(jì)效率測算（柳亞琴和趙國浩，2016），另一類是從多層次視角構(gòu)建能源指數(shù)體系進(jìn)行評價（唐葆君等，2021）。能源金融的本質(zhì)是資金的融通，故該行業(yè)的投融資問題也是研究的重要方面，第一類是對融資來源和金融工具的研究，包括封閉式基金 （Enzensberger等，2003）和債券（Ng和Tao，2016）；第二類是對投資驅(qū)動因素的研究 （Ragosa和Warren，2019）；第三類是投資效率的研究（Zeng等，2018）。

（三）能源金融風(fēng)險及建模

從能源金融風(fēng)險視角來看，學(xué)者們從多個方面進(jìn)行了研究，且研究對象以原油居多（龔旭等，2021）。第一類是資產(chǎn)本身的波動狀況，Kang和Yoon（2013）運用GARCH族模型對石油價格波動進(jìn)行描述與預(yù)測，淳偉德等（2014）對重點能源期貨的波動率進(jìn)行VAR風(fēng)險測度，Wen等（2022）基于MA技術(shù)指標(biāo)預(yù)測原油的波動性；第二類是資產(chǎn)之間存在的波動相關(guān)與溢出問題，例如油價波動可能引發(fā)其他能源商品的價格變化，并可能對全球經(jīng)濟(jì)產(chǎn)生廣泛的溢出效應(yīng)（Youssef等，2015），Jones和Kaul（1996）認(rèn)為原油價格會對股票的價格產(chǎn)生負(fù)面影響，但是也有學(xué)者認(rèn)為原油期貨只對大宗商品存在較強(qiáng)的風(fēng)險溢出，而對匯市以及股市的影響較小（陳聲利等，2019）；第三類是宏觀基本面（張大永和曹紅，2014）、地緣政治風(fēng)險（李政等，2021）以及極端事件發(fā)生（隋建利等，2022）都對原油商品帶來極大的沖擊?？梢钥闯觯茉唇鹑陲L(fēng)險研究重點關(guān)注能源商品，而涉及能源行業(yè)股指的風(fēng)險溢出研究更多的將重點放在一級行業(yè)股指層面，即分析能源行業(yè)與其他一級行業(yè)的系統(tǒng)性風(fēng)險（楊子暉等，2020；張偉平等，2021），細(xì)分至能源子行業(yè)的風(fēng)險溢出研究存在一定的空間。

對風(fēng)險相關(guān)性問題進(jìn)行分析時，若系統(tǒng)中元素較少，VAR系列均值溢出模型與BEKK模型、DCC模型及其衍生多元GARCH族波動率模型能夠出色地對資產(chǎn)之間的風(fēng)險相關(guān)性進(jìn)行解釋，并進(jìn)一步結(jié)合CAVIAR模型（Engle和Manganelli，2004）或者基于Copula函數(shù)的動態(tài)CoVAR模型（Reboredo和Ugolini，2016a）進(jìn)行風(fēng)險溢出測定。上述方法在描述低維系統(tǒng)的風(fēng)險溢出時有較好表現(xiàn)，但在測定并匯總較高維系統(tǒng)的風(fēng)險溢出問題時會面臨“維度詛咒”（楊子暉等，2022），無法反映整個風(fēng)險系統(tǒng)的溢出效應(yīng)，即使基于Copula模型的Vine結(jié)構(gòu)（Aas和Berg，2009）以及分層阿基米德Copula模型（Savu和Trede，2010）能夠刻畫較高維度的系統(tǒng)風(fēng)險，但這兩者無法描述系統(tǒng)內(nèi)部相關(guān)性的動態(tài)變化。

為研究高維系統(tǒng)的風(fēng)險溢出，Diebold和Yilmaz（2009；2012）提出基于時域視角的廣義預(yù)測誤差方差分解GFVED模型，該方法可以量化每一子行業(yè)對能源系統(tǒng)的波動性貢獻(xiàn)，并判斷各行業(yè)的溢出與溢入強(qiáng)度。高揚和李春雨（2021）使用GFVED模型分析了我國綠色債券與其他債券以及多類型金融市場之間的多維系統(tǒng)風(fēng)險溢出。為了測定不同頻率下的溢出狀況，Baruník和K?ehlik（2018）對GFVED的結(jié)果進(jìn)行頻譜分解?；陬l域視角，Ding等（2021）分析了高頻與低頻狀態(tài)下石油、黃金與外匯市場之間的風(fēng)險溢出問題，Kang等（2021）分析了多頻率下石油、黃金對美國交易型開放式指數(shù)證券投資基金（Exchange Traded Fund，簡稱ETF）的溢出影響。

綜上，本文將采用經(jīng)頻譜分解的GFVED方法，從能源行業(yè)股指收益率的均值溢出以及波動率的波動溢出視角出發(fā)，探究短、中、長期能源行業(yè)系統(tǒng)風(fēng)險溢出狀況。此外，引入滾動窗口技術(shù)進(jìn)行動態(tài)擬合分析，以探究能源行業(yè)之間風(fēng)險在不同時點的溢出變化特征。本文主要貢獻(xiàn)如下：第一，首次對能源行業(yè)各個子行業(yè)進(jìn)行風(fēng)險溢出研究，并從均值溢出以及波動溢出兩個角度探究行業(yè)之間的風(fēng)險傳導(dǎo)情況；第二，對能源子行業(yè)進(jìn)行分析時，采用Baruník和K?ehlik（2018）的頻譜分解GFVED方法，將溢出指數(shù)與滾動窗口相結(jié)合，從靜態(tài)與動態(tài)兩個視角分別論述能源子行業(yè)之間的風(fēng)險溢出效應(yīng)；第三，根據(jù)子行業(yè)之間的雙向溢出指數(shù)構(gòu)建不同頻段下的風(fēng)險溢出網(wǎng)絡(luò)，以更直觀的方式展現(xiàn)能源行業(yè)之間的風(fēng)險溢出方向與強(qiáng)度。本文研究結(jié)果對監(jiān)管部門提高能源行業(yè)風(fēng)險管理、投資者加強(qiáng)市場風(fēng)險識別、能源企業(yè)提高風(fēng)險規(guī)避能力具有一定的理論貢獻(xiàn)與實際意義。

三、風(fēng)險溢出效應(yīng)與研究方法

（一）風(fēng)險溢出效應(yīng)理論

風(fēng)險溢出效應(yīng)的本質(zhì)是資產(chǎn)之間信息的傳遞，即某一資產(chǎn)發(fā)生變化的同時對其他資產(chǎn)造成影響，Ross（1989）對風(fēng)險溢出作出了定義：資產(chǎn)收益率的波動產(chǎn)生了風(fēng)險并進(jìn)一步促使風(fēng)險在市場上傳導(dǎo)。

風(fēng)險溢出效應(yīng)分為收益率溢出與波動率溢出。其中，收益率溢出又被稱為均值溢出，是指資產(chǎn)價格的變化對自身以及對其他資產(chǎn)造成的影響，能夠反映不同資產(chǎn)之間的價格相關(guān)性。波動率溢出簡稱波動溢出，波動率基于價格變化得到，在統(tǒng)計學(xué)上常常使用條件方差或標(biāo)準(zhǔn)差形式表示，是指資產(chǎn)收益率條件方差或標(biāo)準(zhǔn)差受到自身或其他市場上一期條件方差或標(biāo)準(zhǔn)差的影響。均值溢出和波動溢出的研究對象分別為收益率變化的一階矩與二階矩。因此，本文在進(jìn)行能源行業(yè)股指的溢出效應(yīng)研究時，將分別從均值溢出與波動溢出角度進(jìn)行分析。

（二）基于時域的溢出指數(shù)

基于廣義預(yù)測誤差方差分解（GFVED）的溢出指數(shù)方法由Diebold和Yilmaz （2012）（簡稱DY12）提出，與Diebold和Yilmaz（2009）不同，DY12基于廣義方差分解而不是Cholesky分解，其作為研究溢出效應(yīng)的重要方法，可以有效衡量不同市場序列之間的相關(guān)性。這種方法有三個優(yōu)點：第一，它克服了傳統(tǒng)向量自回歸（VAR）分析的局限性，VAR在很大程度上依賴于變量的順序，但在現(xiàn)實中，經(jīng)濟(jì)變量是緊密交織的，潛在的因果關(guān)系是復(fù)雜的，因此，選擇變量的順序會使研究的主觀性加強(qiáng)。DY12可以通過一個廣義的VAR分析框架有效解決這一問題；第二，該方法不僅衡量了溢出的總體水平，而且還衡量了不同市場之間溢出的方向和程度，使溢出效應(yīng)的研究更加具體和有意義；第三，該方法不僅提供了靜態(tài)溢出指標(biāo)的測量結(jié)果，而且還可以利用滾動窗口技術(shù)構(gòu)造該指標(biāo)的時變形式。

設(shè)一個有N個變量且滯后p階 的VAR模型為：

其中，Φ1,···,Φp是系數(shù)矩陣，εt是協(xié)方差矩陣的白噪聲，上述移動平均過程可以表示為：

其中，Ψi是一個N×N的系數(shù)矩陣，滿足遞歸過程：Ψi=Φ1Ψi?1+Φ2Ψi?2+···+ΦpΨi?p，Ψ0則是單位矩陣，當(dāng)i<0時，Ψi=0。

DY12將廣義方差分解結(jié)果記錄為(θH)，其中，H是向前的預(yù)測步數(shù)。變量Xk對變量Xj的H水平預(yù)測誤差分解貢獻(xiàn)比表示為：

由于方差分解矩陣θH的各行之和不一定等于1，每個元素都依據(jù)行之和進(jìn)行標(biāo)準(zhǔn)化：

此時，GFVED的水平，即系統(tǒng)的總體溢出指數(shù)可以表示為：

而單個變量與其他變量的方向性溢出指數(shù)表示為：

模型（7）表示變量Xj對其他變量的方向性溢出（或稱為Xj的溢出）,模型（8）表示變量Xj從所有其他變量接收到的方向性溢出（或稱為Xj的溢入）。將溢出減去溢入得到Xj的凈溢出效應(yīng)，即Snet,j(H)=Sout,j(H)?Sin,j(H)。

（三）基于頻域的溢出指數(shù)

上一部分的方差分解溢出指數(shù)基于時域的角度構(gòu)造，而從頻域角度來定義時間序列，需考慮序列疊加的正弦和余弦波（頻率分量），之后通過傅里葉變換頻率，全面且準(zhǔn)確地理解時間序列的周期波動特性。由于頻譜的計算方法可以避免進(jìn)行周期劃分和對時間序列背后的相關(guān)性、波動性進(jìn)行分析時存在的主觀性，Baruník 和 K?ehlik（2018）基于Diebold和Yilmaz（2009；2012）的溢出指數(shù)對GFVED的結(jié)果進(jìn)行頻譜分析，在廣義的靜止?fàn)顟B(tài)，即d=(?π,π)時：

事實上，(θ∞)j,k在H→∞時可被當(dāng)作廣義因果頻譜(ζ(ω))j,k的加權(quán)平均值，其中，Γj(ω)表示頻譜權(quán)重。將模型（9）與模型（3）進(jìn)行結(jié)合，即將時域進(jìn)行頻域分解，以便分析不同頻率下的溢出效應(yīng)。在進(jìn)行頻域研究時，通常會分為短、中、長三種頻段，假設(shè)存在一個頻段d=(a,b)，其中，a,b∈(?π,π)且a

對(θd)j,k進(jìn)行標(biāo)準(zhǔn)化：

則基于頻域視角的總溢出指數(shù)可表示為：

其方向性溢出指數(shù)分別為：

綜合模型（13）與模型（14）得到變量Xj在頻段d處的凈溢出效應(yīng)Snet,j(d)=Sout,j(d)?Sin,j(d)。

由于頻譜計算科學(xué)性較強(qiáng)，本文借鑒Baruník和K?ehlík（2018）的方法，分別計算出短、中、長周期下，各能源行業(yè)股指之間的均值溢出與波動溢出效應(yīng)。

四、實證研究

（一）數(shù)據(jù)的選取與處理

為了盡可能覆蓋我國資本市場上的能源相關(guān)行業(yè)，本文的樣本來自能源三個子板塊下共計十一個子行業(yè)，第一是能源原材料板塊，包含石油、煤炭、有色金屬，第二是一次能源板塊，包含火電、水電、風(fēng)電、光電、核電，第三是能源技術(shù)板塊，包含儲能、電工電網(wǎng)以及新能源車行業(yè)。在數(shù)據(jù)的來源上，除核能、儲能、電工電網(wǎng)行業(yè)指數(shù)之外其余皆來自中信證券發(fā)布，考慮到指數(shù)覆蓋時間段以及數(shù)據(jù)完整可得性問題，核能、電工電網(wǎng)采用Wind編制的行業(yè)指數(shù)，儲能指數(shù)來自申萬宏源發(fā)布。各行業(yè)指數(shù)的時間范圍是2012年1月4日至2021年12月31日，共取2431個交易日的每日收盤價作為樣本數(shù)據(jù)。

本文考察的對象為行業(yè)指數(shù)的收益率以及波動率。收益率通過取行業(yè)指數(shù)每日收盤價的對數(shù)并進(jìn)行差分處理而獲得，具體為rt=100×(lnPt?lnPt?1)，其中，rt為當(dāng)日收益率，Pt與Pt?1分別表示當(dāng)日與前一日收盤價。在波動率的計算上，本文使用Bollerslev（1986）提出的GARCH（1,1）模型，假定殘差項服從有偏廣義誤差分布 （SGED），并在均值方程的構(gòu)造中加入ARMA（1,1）項，分別對十一條時間序列進(jìn)行邊緣分布擬合，之后根據(jù)參數(shù)計算出每條指數(shù)序列的波動率。收益率與波動率的描述性統(tǒng)計見表1。

在收益率方面，十一個子行業(yè)的均值皆大于零，其中，光電、儲能、新能源車行業(yè)的平均收益率較高，而最低的是煤炭行業(yè)。光電與儲能的標(biāo)準(zhǔn)差較大，說明這兩個行業(yè)收益率的變化幅度較大。各子行業(yè)收益率的最小值較為接近，而在最大值方面儲能行業(yè)較為突出。波動率方面，光電和儲能的均值較大，可看出收益率均值較高的行業(yè)其波動率均值也較高，同時光電行業(yè)的波動率變化幅度也是最大的。收益率均服從左偏分布，而波動率均為右偏，所有序列皆不滿足標(biāo)準(zhǔn)正態(tài)分布的特點。進(jìn)行時間序列的分析時必須首先保證序列的平穩(wěn)性，本文對十一個子行業(yè)的收益率和波動率序列進(jìn)行ADF檢驗，結(jié)果顯示所有序列均為平穩(wěn)序列，滿足進(jìn)一步分析條件。

表1 描述性統(tǒng)計

（二）均值溢出效應(yīng)

1.均值溢出指數(shù)與溢出網(wǎng)絡(luò)

對十一條指數(shù)收益率序列進(jìn)行VAR模型擬合，依據(jù)AIC、HQ與SC準(zhǔn)則滯后階數(shù)選擇為1階，各頻帶設(shè)定為 (π,π/5),(π/5,π/20),(π/20,0)，這三個頻帶分別對應(yīng)5天內(nèi)（高頻）、5～20天內(nèi)（中頻）、20天以上（低頻）的行業(yè)之間溢出效應(yīng)，為了配合頻帶的設(shè)定，方差分解向前預(yù)測期數(shù)越長，GFVED的估計就越精準(zhǔn)（Barunik和Krehlik，2018），故本文將預(yù)測期數(shù)H設(shè)定為100期。行業(yè)指數(shù)均值溢出結(jié)果見表2，各Panel方差分解矩陣的對角線為各行業(yè)滯后一期對當(dāng)期造成的溢出影響，其余數(shù)據(jù)表示兩個能

源子行業(yè)之間的方向性溢出強(qiáng)度。From表示各子行業(yè)接收到除自身之外其余行業(yè)的總溢出效應(yīng)，To表示各子行業(yè)向除自身外其余行業(yè)輸出的總溢出水平，而NET等于To減去From，表示每個子行業(yè)對外的凈溢出，To與From的最后一格為整個行業(yè)風(fēng)險系統(tǒng)在該頻段內(nèi)的收益率平均總溢出水平。

表2 收益率溢出指數(shù)

表2（續(xù)）

圖1 收益率溢出網(wǎng)絡(luò)

由表2可知，高頻、中頻、低頻的平均總溢出水平分別為64.9233%、12.9778%、4.6815%，即在收益率溢出方面，高頻區(qū)內(nèi)行業(yè)之間的溢出效應(yīng)較強(qiáng)，且隨著頻率的進(jìn)一步降低，溢出效應(yīng)大幅減弱，即均值溢出在短期內(nèi)更為明顯，受短期因素的影響更多。

在高頻區(qū)，煤炭（15.4079%）與水電行業(yè)（16.9464%）當(dāng)期收益率受上一期的影響較大，而電網(wǎng)行業(yè)（11.0713%）上一期收益率對當(dāng)期的影響較小。子行業(yè)之間方向性溢出程度最高的是電網(wǎng)對儲能行業(yè)的溢出，達(dá)到了11.3622%，此外，火電對水電（10.2360%）、電網(wǎng)對新能源車（10.7200%）、新能源車對儲能（10.7310%）這三個傳導(dǎo)方向的溢出程度也超過了10%，皆為高頻段較強(qiáng)的溢出水平。同時，可以觀察到能源原材料、一次能源、能源技術(shù)這三個板塊內(nèi)部子行業(yè)之間的收益率溢出強(qiáng)度普遍高于跨板塊溢出，而在一次能源板塊中，火電與水電屬于傳統(tǒng)能源，風(fēng)、光、核屬于新型可再生能源，傳統(tǒng)能源與新能源的內(nèi)部溢出效應(yīng)強(qiáng)于新舊能源行業(yè)之間的溢出效應(yīng)。此外，電網(wǎng)行業(yè)對三個新能源行業(yè)的均值溢出水平較強(qiáng)，特別是對于光電行業(yè)（9.5954%）的溢出明顯高于其他。在總溢出強(qiáng)度方面，最強(qiáng)的溢出方為電網(wǎng)行業(yè)（82.7792%），其次為核電（75.6740%），而最弱的溢出方為水電行業(yè)（47.0539%）；在總溢入強(qiáng)度方面，十一個子行業(yè)受到的溢入水平相近，其中，電網(wǎng)（67.3600%）與新能源車行業(yè)（67.6142%）較強(qiáng)，水電行業(yè) （60.6007%）較弱。綜上，電網(wǎng)行業(yè)均值溢出的輸出與接收能力皆處于較高水平，而水電行業(yè)處于較弱水平。

在中頻區(qū)，整體溢出水平明顯下降。其中，自身收益率波動延續(xù)性較強(qiáng)的仍然是水電行業(yè)（3.6228%）。行業(yè)間方向性溢出強(qiáng)度高于2%的有火電對水電、電網(wǎng)對儲能與新能源車對儲能，分別為2.0804%、2.2801%、2.1978%。在各行業(yè)的總溢出方面，電網(wǎng)行業(yè)（17.0583%）的輸出能力明顯強(qiáng)于其他行業(yè)，同時最弱的輸出方仍然是水電 （10.6892%）；在總溢入方面，核電（14.3119%）成為接收均值溢入水平最高的行業(yè)。而在低頻區(qū)，溢出水平基本上下降到了1%以下，且在方向性溢出強(qiáng)度的對比結(jié)論與中頻區(qū)相似。

將表2中兩個行業(yè)之間的雙向溢出強(qiáng)度進(jìn)行對比，得到凈溢出較強(qiáng)的一方，并根據(jù)各行業(yè)關(guān)系組合繪制不同頻段的收益率溢出網(wǎng)絡(luò)，見圖1，從左至右分別為高、中、低頻域。其中，箭頭方向即為兩個行業(yè)之間凈溢出強(qiáng)度較強(qiáng)的方向，而線條的粗細(xì)由雙向溢出強(qiáng)度相減后的數(shù)值決定。

結(jié)合表2中各頻段“NET”一欄數(shù)據(jù)與圖1進(jìn)行收益率凈溢出分析。在高頻區(qū)，石油、有色、風(fēng)電、核電、電網(wǎng)作為溢出凈輸出方，其中，電網(wǎng)的凈輸出水平最高，達(dá)到15.4192%，其次是核能的10.5370%；而在凈溢入行業(yè)中，水電（-13.5468%）接收來自其他行業(yè)最多的均值溢入。圖1a，電網(wǎng)節(jié)點周圍無箭頭，說明該行業(yè)在高頻區(qū)對其他行業(yè)皆為凈均值溢出狀態(tài)，同時核能節(jié)點周圍僅一個箭頭，溢出能力僅次于電網(wǎng)。煤炭、火電、儲能、水電周圍的箭頭較多，說明承受來自多個其他子行業(yè)的凈均值溢入。其中，較粗的線條大都來自于電網(wǎng)行業(yè)，同樣可以說明其較強(qiáng)的均值溢出能力。

在中頻區(qū)，部分行業(yè)的凈溢出狀態(tài)有變化，石油、風(fēng)電、核電變?yōu)榱藘粢缛敕剑怆?、新能源車變?yōu)榱藘粢绯龇健Ｆ渲?，核電行業(yè)的變化較大，高頻區(qū)的強(qiáng)烈凈溢出水平并未延續(xù)至中頻區(qū)，電網(wǎng)行業(yè)仍是最強(qiáng)凈輸出方。從圖1b中可看到，石油與核電周圍的箭頭增加，從輸出方轉(zhuǎn)為溢入方變化明顯；新能源車與儲能周圍箭頭明顯減少，但儲能并未轉(zhuǎn)變?yōu)閮粢绯龇?。進(jìn)入低頻區(qū)后，各行業(yè)的溢出溢入地位并未發(fā)生改變，圖1c中的變化也較小。

2.均值溢出動態(tài)分析

上述溢出指數(shù)與網(wǎng)絡(luò)均是針對全樣本時期的描述，無法捕捉溢出效應(yīng)的時變特征，本文結(jié)合滾動窗口技術(shù)分析均值溢出效應(yīng)的動態(tài)變化，窗口期設(shè)定為240日，約為一年的交易日，向前預(yù)測步長仍然設(shè)定為100，得到頻域視角的三條系統(tǒng)總溢出水平曲線后，增加基于Diebold和Yilmaz（2009；2012）時域視角的曲線，結(jié)果如圖2所示。

圖2 收益率總溢出水平動態(tài)變化

在圖2中，曲線反映在時域與不同頻域情況下整個能源子行業(yè)之間的總體相關(guān)程度，可以明顯看出頻域角度下高頻的總體溢出水平遠(yuǎn)遠(yuǎn)強(qiáng)于中頻與低頻，而時域曲線又比高頻曲線高出10%以上，這是因為頻域的溢出強(qiáng)度是在時域的基礎(chǔ)上進(jìn)行頻率分解得來。2015年股市震蕩之后，系統(tǒng)內(nèi)部均值溢出水平快速下降，但此時中頻與低頻曲線有明顯抬升，說明2015年的股市震蕩在中長期提升了能源子行業(yè)之間均值溢出的強(qiáng)度，但是在短期內(nèi)均值溢出強(qiáng)度下降，將三個不同的頻域合成為時域后，時域曲線呈上升趨勢，說明股市震蕩總體上提升了整個系統(tǒng)內(nèi)部均值溢出的水平。從2015下半年至2016年年末為股市震蕩后的經(jīng)濟(jì)恢復(fù)期，這個時段內(nèi)高頻曲線慢慢回升，且在2016下半年提升幅度加大，而中頻與低頻曲線緩慢下降。2017年中美貿(mào)易摩擦暴發(fā)，能源商品價格受關(guān)稅的影響極大地擾亂了能源行業(yè)的生產(chǎn)與經(jīng)營，一直到2018年年初能源系統(tǒng)內(nèi)的均值溢出水平都呈下降趨勢。而2018年中美貿(mào)易摩擦愈發(fā)激烈，但曲線并沒有延續(xù)2017年的下降趨勢，反而發(fā)生反彈，能源子行業(yè)之間的價格相關(guān)性回升到平均水平。2020年新冠肺炎疫情的暴發(fā)使能源產(chǎn)業(yè)停擺，全年行業(yè)之間的相關(guān)性下降。2021年均值溢出水平下降更為劇烈，原因在于上半年全球能源危機(jī)首先在歐洲暴發(fā)并對世界能源秩序帶來較大沖擊，而我國也出現(xiàn)了“限電”危機(jī)，因下半年的政策及時調(diào)控穩(wěn)定了行業(yè)的運行，所以2021下半年的曲線停止下降且緩慢提升。

本文選擇電網(wǎng)行業(yè)（見圖3）與核電行業(yè)（見圖4）兩個較為重要的均值溢出方進(jìn)行凈溢出時變分析。從圖3可看出，電網(wǎng)行業(yè)在三種頻域下的均值凈溢出皆大于0，2015年6月股市震蕩暴發(fā)之后高頻曲線下降十分緩慢而中頻曲線的下降幅度最大，2016年恢復(fù)期中，高頻曲線回升，中、低頻曲線下降至0，說明在股市震蕩期間，高頻區(qū)的均值溢出水平較為穩(wěn)定，電網(wǎng)行業(yè)的均值凈溢出主要由高頻成分主導(dǎo)并被短期沖擊影響，且這種短期影響在2017－2018年更為明顯，說明在中美貿(mào)易摩擦期間電網(wǎng)行業(yè)對外部短期均值溢出能力較強(qiáng)。而在2021能源危機(jī)時，電網(wǎng)行業(yè)的短期溢出能力減弱，而中長期的溢出能力提高。

圖3 電網(wǎng)行業(yè)收益率凈溢出動態(tài)變化

圖4 核電行業(yè)收益率凈溢出動態(tài)變化

從圖4可以看出，核電行業(yè)除2015年外，高頻區(qū)內(nèi)皆是正的均值凈溢出，而中、低頻的凈溢出值符號較為多變。2015年股市震蕩使核電三種頻域下對外部均值凈溢出下降為負(fù)值，且年中短期內(nèi)受到較多來自其他行業(yè)的均值溢出，2016年恢復(fù)期時，短期凈溢出水平變回正值，而中、長期凈溢出仍然為負(fù)值，且之后中、長期僅在2017－2018年存在正凈溢出。與電網(wǎng)行業(yè)有所不同的是，核電行業(yè)的高頻曲線在2021年下半年有明顯上升，說明核電行業(yè)對能源危機(jī)政策的調(diào)控更為敏感，即在國內(nèi)能源危機(jī)有所緩解之后，核電行業(yè)的短期均值溢出能力迅速恢復(fù)。

（三）波動溢出效應(yīng)

1.波動率溢出指數(shù)與溢出網(wǎng)絡(luò)

對十一個子行業(yè)的波動率序列進(jìn)行VAR擬合，依據(jù)AIC（Akaike Information Criterion）、HQ（Hannan-Quinn Criterion）與FPE（Final Prediction Error Criterian）準(zhǔn)則，滯后階數(shù)選擇為3階，其余設(shè)定皆與均值溢出部分相同，所得波動溢出指數(shù)見表3。

由表3可知，高、中、低頻的平均總溢出水平分別為1.5421%、6.1932%、75.2880%，與均值溢出相反，波動溢出效應(yīng)在低頻區(qū)更為明顯，說明行業(yè)指數(shù)的波動由長期因素主導(dǎo)。同時，從低頻至高頻的溢出水平衰退幅度大于均值溢出由高頻至低頻的衰退。此外，波動溢出低頻區(qū)的平均總溢出水平（75.2880%）高于均值溢出高頻區(qū)（64.9233%）。

在低頻區(qū)，從行業(yè)波動的自相關(guān)性來看，水電（31.0306%）與儲能行業(yè)（25.7030%）當(dāng)期波動受上一期較大的影響，而有色（8.1528%）與電網(wǎng)行業(yè)（8.2355%）上期波動對當(dāng)期影響較小。從行業(yè)之間的方向性波動溢出來看，傳統(tǒng)能源中水電對火電的波動溢出水平最高（19.7185%），儲能對光電的溢出水平（15.5790%）同樣超過了15%。上文提到板塊內(nèi)部的均值溢出強(qiáng)度高于跨板塊溢出，但在波動溢出方面這個現(xiàn)象僅在能源技術(shù)板塊較為明顯，其他行業(yè)的跨板塊溢出存在高于板塊內(nèi)部溢出的狀況。在三個板塊內(nèi)部，波動溢出水平較強(qiáng)的行業(yè)分別是煤炭、水電與儲能；在跨板塊視角，煤炭對火電 （14.2805%）、水電對電網(wǎng)（13.7466%）、儲能對光電（15.5790%）這三組方向溢出水平較高?？傄绯龇矫?，對其他行業(yè)波動影響最大的為水電行業(yè)（125.2749%），其次為煤炭 （117.5236%），這兩個行業(yè)的對外總波動溢出都超過了100%，而溢出能力最弱的是風(fēng)電行業(yè)（41.0742%）。一次能源中，傳統(tǒng)一次能源（火、水）的波動溢出能力較強(qiáng)，而新能源 （風(fēng)、光、核）的波動溢出水平較低；能源技術(shù)板塊中，電網(wǎng)與新能源車的對外波動溢出能力也較弱?？傄缛敕矫妫怆姡?4.2261%）與電網(wǎng)（84.4813%）承受來自其他行業(yè)較多的波動溢出，煤炭（64.4822%）與水電（62.3861%）承受的外部波動沖擊較弱。

在中頻區(qū)，總溢出水平從低頻的75.2880%大幅下降至6.1932%。能源原材料板塊的三個行業(yè)自身波動延續(xù)性較好，而光電的波動延續(xù)性較差（0.7507%）。在方向性溢出

方面，能源原材料板塊內(nèi)部行業(yè)之間波動溢出明顯強(qiáng)于其他行業(yè)關(guān)系；在能源技術(shù)板塊內(nèi)，儲能對于電網(wǎng)（0.2904%）和新能源車（0.3448%）的波動溢出水平衰退較快。在總溢出方面，較強(qiáng)的波動溢出方變?yōu)橛猩?.4366%）與電網(wǎng)（9.9533%），而輸出能力較差的行業(yè)變?yōu)閮δ埽?.1382%），儲能從低頻區(qū)移至中頻區(qū)后，輸出能力下降十分明顯；中頻總溢入方面，煤炭行業(yè)接收的波動溢出最多（10.4564%），而在低頻區(qū)接收較多溢出的光電與儲能在中頻區(qū)接收的溢出變?yōu)樾袠I(yè)系統(tǒng)中最少，分別為3.4613%與3.5367%。進(jìn)入高頻區(qū)后各行業(yè)溢出地位變化不大，短期內(nèi)能源原材料板塊更容易接收來自其他行業(yè)的波動溢入。

表3 波動率溢出指數(shù)

表3（續(xù)）

圖5 波動率溢出網(wǎng)絡(luò)

同樣，基于上文均值溢出的方法，根據(jù)表3繪制不同頻段的波動率溢出網(wǎng)絡(luò)，見圖5，從左至右（a，b，c）分別為高、中、低頻域。結(jié)合表3中各頻段“NET”一欄數(shù)據(jù)與圖5進(jìn)行波動凈溢出分析。

在低頻區(qū)，煤炭、火電、水電、儲能作為波動凈溢出方。其中，水電行業(yè)凈輸出水平最高（62.8888%），其次為煤炭（53.0414%）；風(fēng)電行業(yè)是最強(qiáng)的波動溢入方（?39.3824%），其他凈溢入方中，有色、電網(wǎng)與新能源車的凈溢入水平相當(dāng)。觀察圖5c低頻網(wǎng)絡(luò)圖，風(fēng)電、光電、新能源車周圍的箭頭均大于等于8個，說明這三個行業(yè)在與其他行業(yè)進(jìn)行雙向波動溢出時，更多地作為波動溢入方。煤炭、水電、儲能行業(yè)周圍都僅存在一個箭頭，從水電行業(yè)出發(fā)的射線較粗，說明水電行業(yè)對其他行業(yè)的波動凈溢出水平較強(qiáng)。

在中頻區(qū)，有較多行業(yè)的凈溢出水平發(fā)生了變化。其中，煤炭、火電、儲能變?yōu)閮粢缛霠顟B(tài)，有色、風(fēng)電、光電、電網(wǎng)、新能源車變?yōu)閮粢绯鰻顟B(tài)，電網(wǎng)的波動凈溢出水平最強(qiáng)（5.1531%）。水電行業(yè)雖然一直呈現(xiàn)凈溢出狀態(tài)，但是溢出水平從62.8888%大幅下降至0.8188%，煤炭行業(yè)從低頻的53.0414%降至-6.1230%，成為中頻區(qū)凈溢入水平最高的行業(yè)。圖5b中，煤炭、火電、儲能行業(yè)周圍箭頭明顯增多，光電、電網(wǎng)與新能源車行業(yè)箭頭減少，電網(wǎng)行業(yè)對其他10個子行業(yè)均呈凈溢出狀態(tài)，而煤炭行業(yè)對于其他所有子行業(yè)均呈凈溢入狀態(tài)。在高頻區(qū)，僅有水電行業(yè)的凈溢出狀態(tài)發(fā)生改變，其在高頻狀態(tài)下是波動凈溢入方。

2.波動率溢出動態(tài)分析

對波動溢出進(jìn)行動態(tài)描繪時，滾動時間窗口設(shè)置與均值溢出部分相同，可得到時域和頻域視角下波動總溢出指數(shù)的動態(tài)變化，見圖6。

與圖2相比，圖6中的曲線形態(tài)，波動溢出的曲線起伏較大，且存在波動集聚現(xiàn)象，低頻曲線震蕩幅度最大，說明長期因素對行業(yè)指數(shù)的波動造成較大沖擊。低頻曲線2013年上半年水平較低，說明此時能源各子行業(yè)在長時期角度關(guān)聯(lián)性不強(qiáng)，而2013年下半年關(guān)聯(lián)性提高。這是因為2013年能源行業(yè)的重大影響事件基本都出現(xiàn)在下半年，所以在市場信息的沖擊下，下半年子行業(yè)之間的波動溢出強(qiáng)度迅速提高，但是此時中頻與高頻曲線卻呈現(xiàn)下降趨勢，說明這些事件屬于長期影響因素，在短期與中期并不能迅速地反映在波動性上。2014年下半年能源低頻曲線有一個大幅的下降，原因在于從當(dāng)年6月開始，國際上能源產(chǎn)業(yè)的重要原料石油價格一路下跌，我國能源產(chǎn)業(yè)面臨國際石油價格的沖擊，特別是油氣等上游企業(yè)面臨巨大的挑戰(zhàn)，直至2014年年末子行業(yè)之間聯(lián)動性有所恢復(fù)。2015上半年三頻曲線出現(xiàn)明顯的波動集聚現(xiàn)象，原因在于上半年股市呈現(xiàn)極為繁榮的態(tài)勢，市場上涌入大量資金，這些資金使股票市場出現(xiàn)劇烈波動，變化較為頻繁。2015年6月股市震蕩之后低頻曲線出現(xiàn)短暫下降，但在下半年發(fā)生較大反彈，說明在股市震蕩的影響下資金不斷逃離，市場不確定性加強(qiáng)，行業(yè)之間波動溢出加劇，風(fēng)險傳導(dǎo)可能性與力度加大，且影響持續(xù)時間較久。2016年經(jīng)濟(jì)恢復(fù)期，能源行業(yè)由2015年的高強(qiáng)度波動溢出狀態(tài)回歸至股災(zāi)前水平。從2017年年初直至2021年年末，低頻曲線總體緩慢上升，并伴隨著大幅波動，特別是2017年年中至2018年年中中美貿(mào)易摩擦白熱化階段，在能源價格震蕩的影響下，能源行業(yè)系統(tǒng)內(nèi)部的行業(yè)波動溢出水平也發(fā)生了較大變化，同時間段內(nèi)中、高頻曲線的變化方向正好與低頻曲線相反，變化幅度相較于低頻曲線更小，說明此時期內(nèi)外部沖擊屬于低頻驅(qū)動，且會造成長期影響。受2020年年初新冠肺炎疫情的影響，能源行業(yè)經(jīng)營停滯使波動溢出曲線與均值溢出曲線同時急劇下跌，但隨著經(jīng)濟(jì)的迅速恢復(fù)，第一季度后行業(yè)之間的關(guān)聯(lián)度再度提升。2021年暴發(fā)國際能源危機(jī)，但年中低頻曲線位置較低，并未受到能源危機(jī)的影響，下半年波動溢出上升，說明國際能源危機(jī)對我國能源行業(yè)的影響存在一定的滯后性，且波動溢出對危機(jī)的敏感性體現(xiàn)在較長時期。

圖6 波動率總溢出水平動態(tài)變化

根據(jù)波動溢出指數(shù)與溢出網(wǎng)絡(luò)，本文繼續(xù)選擇不同頻段存在變化的煤炭（見圖7）與電網(wǎng)（見圖8）行業(yè)進(jìn)行凈溢出動態(tài)分析。煤炭行業(yè)2014上半年之前在三個不同頻段皆呈現(xiàn)凈溢入狀態(tài)，2014年下半年情況發(fā)生變化，而在大量資金游走的2015年上半年，隨著股票市場投資日益高漲，煤炭行業(yè)的波動溢出能力卻呈下降趨勢，在市場行情火熱的第二季度出現(xiàn)了凈溢入現(xiàn)象，直至2015年股市震蕩發(fā)生后，煤炭行業(yè)恢復(fù)了強(qiáng)波動輸出地位，至2016年年末在低頻區(qū)一直處于較強(qiáng)的凈溢出狀態(tài)，但同時在中頻與高頻區(qū)，煤炭行業(yè)處于凈溢入狀態(tài)，說明從長期來看，股市震蕩放大了煤炭行業(yè)波動對其他行業(yè)的影響，而在中短期煤炭行業(yè)易受到其他行業(yè)的波動影響。在能源價格動蕩的中美貿(mào)易摩擦期間，煤炭行業(yè)作為我國能源結(jié)構(gòu)的主力受到國際能源價格不確定性的較大影響，波動溢出能力下降。在新冠肺炎疫情暴發(fā)初期，煤炭行業(yè)長期對外波動溢出強(qiáng)度減至為0，而短期與中期接收其他行業(yè)的波動溢入，隨著經(jīng)濟(jì)的復(fù)蘇，煤炭行業(yè)長期波動溢出水平回升。2021年年初正值冬季，屬于用煤高峰期，加上市場供應(yīng)短缺問題，煤炭價格上漲，行業(yè)風(fēng)險提高，波動溢出能力加強(qiáng)，隨著第二季度的保供與回調(diào)，波動溢出能力隨著行業(yè)風(fēng)險性下降而減弱，第三季度國際能源危機(jī)沖擊開始產(chǎn)生滯后影響，我國煤炭行業(yè)供不應(yīng)求出現(xiàn)“限電”問題，煤價行業(yè)長期運行于高位，行業(yè)風(fēng)險再次被推高，凈溢出加強(qiáng)，第四季度保供穩(wěn)價再次發(fā)力，將煤炭行業(yè)的風(fēng)險壓下。

圖7 煤炭行業(yè)波動率凈溢出動態(tài)變化

圖8 電網(wǎng)行業(yè)波動率凈溢出動態(tài)變化

電網(wǎng)行業(yè)的凈溢出圖像與煤炭行業(yè)相反，2015年之前三頻皆處于凈溢出狀態(tài)，而2015年股市暴漲與股市暴跌期間低頻區(qū)基本處于凈溢入狀態(tài)，而股市震蕩暴發(fā)后中頻與高頻處于凈溢出狀態(tài)，說明短期內(nèi)對外產(chǎn)生波動影響，但從長期來看，電網(wǎng)行業(yè)受到其他能源行業(yè)較大的波動溢入。2017—2018年，因“十三五”規(guī)劃中對電網(wǎng)建設(shè)提出了更高要求，行業(yè)風(fēng)險提升，在不同頻段開始對外輸出較強(qiáng)的波動影響。與煤炭行業(yè)一樣，電網(wǎng)行業(yè)2020年年初低頻輸出能力下降并接近0，但同時中頻與高頻卻對外存在一定強(qiáng)度的波動溢出。2021年，能源危機(jī)對一次能源與能源原材料行業(yè)造成極大影響，因電網(wǎng)行業(yè)本質(zhì)上服務(wù)于能源開發(fā)與生產(chǎn)，故此時期內(nèi)易受到來自于其他能源行業(yè)的風(fēng)險輸入，波動凈溢入水平提高，且其凈溢入變化趨勢與煤炭行業(yè)的凈溢出趨勢相同。

（四）穩(wěn)健性檢驗

為檢驗上文擬合結(jié)果的穩(wěn)健與有效，對收益率溢出的穩(wěn)健性檢驗采用改變滾動窗口長度的形式進(jìn)行，其窗口長度調(diào)整為120天，即半年交易日；對波動溢出的檢驗同時改變VAR的滯后階數(shù)與窗口寬度，滯后階數(shù)采用更為精簡的1階滯后，窗口長度同樣調(diào)整為120天，總溢出指數(shù)曲線見圖9和圖10。與上文窗口長度為240天的曲線對比后發(fā)現(xiàn)，隨著窗口長度的縮短，總溢出曲線小幅波動增多，但總體曲線變化趨勢相同，因此本文的實證結(jié)果與結(jié)論是穩(wěn)健的。

圖9 收益率總溢出水平（滾動窗口=120天）

五、結(jié)論與政策建議

本文針對十一個能源子行業(yè)股票指數(shù)的收益率變化以及波動率，采用Baruník和K?ehlík（2018）的方法，基于VAR與頻譜的廣義預(yù)測誤差方差分解擬合，實證發(fā)現(xiàn)能源子行業(yè)之間存在明顯的風(fēng)險溢出效應(yīng)，所得結(jié)論如下：

圖10 波動率總溢出水平（滾動窗口=120天）

第一，均值溢出指數(shù)部分，短期因素對均值溢出存在較大影響，且各子行業(yè)內(nèi)的溢出強(qiáng)度大于跨行業(yè)溢出。其中，高頻區(qū)中均值總溢出水平最強(qiáng)的是電網(wǎng)行業(yè)，而各行業(yè)接收到其他行業(yè)的溢入強(qiáng)度相差不大。電網(wǎng)行業(yè)處于最強(qiáng)的凈溢出地位，而水電是凈溢入水平最高的行業(yè)，且隨著高頻轉(zhuǎn)換至其他頻段，部分行業(yè)的凈溢出狀態(tài)會發(fā)生變化。完善相應(yīng)的監(jiān)管技術(shù)，相關(guān)部門要與金融機(jī)構(gòu)做好信息處理工作并完善數(shù)理統(tǒng)計系統(tǒng)，通過對交易數(shù)據(jù)的實時監(jiān)控與分析做到及時風(fēng)險防治，同時大力發(fā)展風(fēng)險預(yù)測技術(shù)，根據(jù)獲得的數(shù)據(jù)及時完善風(fēng)險預(yù)警機(jī)制。

第二，均值溢出的時變分析方面，2015年的股市震蕩在中長期提升了能源子行業(yè)之間均值溢出的強(qiáng)度，中美貿(mào)易摩擦期間短期沖擊成為均值溢出的主導(dǎo)因素，2021年的能源危機(jī)削弱了能源行業(yè)之間的溢出強(qiáng)度。電網(wǎng)行業(yè)在股災(zāi)期間的短期均值溢出能力較為穩(wěn)定，在中美貿(mào)易摩擦期間短期溢出強(qiáng)度達(dá)到最高；核電行業(yè)在2015年股市震蕩期間處于凈溢入狀態(tài)，且其對宏觀調(diào)控的反應(yīng)相較于電網(wǎng)行業(yè)更加敏感。

第三，波動溢出指數(shù)部分，溢出效應(yīng)在長期更為顯著，低頻區(qū)總溢出水平較強(qiáng)的為水電行業(yè)和煤炭行業(yè)，而總溢入水平較強(qiáng)的為光電行業(yè)和電網(wǎng)行業(yè)。頻段移至中頻區(qū)，儲能行業(yè)的波動溢出能力下降幅度較大，有色行業(yè)與電網(wǎng)行業(yè)變?yōu)閮粢绯瞿芰^強(qiáng)的行業(yè)。凈溢出方面，水電行業(yè)與煤炭行業(yè)處于較強(qiáng)的波動凈溢出地位，而風(fēng)電行業(yè)被動接收最多的波動溢入。隨著頻段的轉(zhuǎn)換，與均值溢出一致，較多行業(yè)的凈溢出水平會發(fā)生變化。

第四，波動溢出的時變分析方面，總溢出曲線存在明顯波動集聚現(xiàn)象，且低頻振幅較大，長期沖擊成為影響波動溢出的主導(dǎo)因素。股災(zāi)期間不確定性加強(qiáng)，對能源行業(yè)的長期沖擊明顯；中美貿(mào)易摩擦期間高、中頻曲線與低頻曲線變化方向相反；新冠肺炎疫情的暴發(fā)使低頻波動溢出能力下降；2021年能源危機(jī)對我國能源行業(yè)的滯后影響使低頻曲線上升。煤炭行業(yè)受到2015年股市震蕩的影響，長期的波動溢出能力被放大，且2021年能源危機(jī)使其低頻波動溢出能力加強(qiáng)；電網(wǎng)行業(yè)的溢出變化與煤炭行業(yè)相反，2015年股市震蕩期間短期處于凈溢出狀態(tài)，而長期處于凈溢入狀態(tài)，“十三五”期間電網(wǎng)行業(yè)總體波動溢出水平提升明顯，而國際能源危機(jī)使電網(wǎng)行業(yè)接收到較強(qiáng)的波動溢入。

根據(jù)上述結(jié)論，本文提出以下政策建議：

第一，從監(jiān)管者角度來看，需有所側(cè)重地對能源行業(yè)進(jìn)行風(fēng)險監(jiān)管，重點關(guān)注存在較強(qiáng)溢出及溢入現(xiàn)象的行業(yè)，例如電網(wǎng)、水電、煤炭、風(fēng)電這些行業(yè)。同時，依據(jù)本文的結(jié)論，監(jiān)管時應(yīng)注意長、中、短期各行業(yè)的風(fēng)險溢出水平變化，各行業(yè)的波動溢出相較于均值溢出變化幅度較大，關(guān)注市場信息將有助于把握溢出變化的規(guī)律；完善相應(yīng)的監(jiān)管技術(shù)，相關(guān)部門要與金融機(jī)構(gòu)做好信息處理工作并完善數(shù)理統(tǒng)計系統(tǒng)，通過對交易數(shù)據(jù)的實時監(jiān)控與分析做到及時風(fēng)險防治，同時大力發(fā)展風(fēng)險預(yù)測技術(shù)，根據(jù)獲得的數(shù)據(jù)及時完善風(fēng)險預(yù)警機(jī)制。

第二，從投資者角度來看，要多關(guān)注能源市場相關(guān)信息，并對各個子行業(yè)的產(chǎn)品、業(yè)務(wù)和發(fā)展?fàn)顩r有所了解，將來自宏觀基本面的信息與能源行業(yè)信息結(jié)合起來考慮。同時，總溢出水平較高行業(yè)的資產(chǎn)擁有較大的風(fēng)險擴(kuò)散可能性，總溢入水平較高行業(yè)的資產(chǎn)則會受到其他資產(chǎn)價格變化較大的影響。在構(gòu)建投資組合時，機(jī)構(gòu)投資者應(yīng)盡量避免配置大量的強(qiáng)溢出、溢入水平資產(chǎn)，可以選擇溢出效應(yīng)較弱的資產(chǎn)進(jìn)行風(fēng)險規(guī)避。

第三，從能源企業(yè)角度來看，企業(yè)應(yīng)合理使用期貨等衍生工具進(jìn)行套期保值，規(guī)避國際市場價格沖擊導(dǎo)致的危機(jī)，并建立極端風(fēng)險應(yīng)對體系以提升企業(yè)的抗風(fēng)險能力，保證經(jīng)營與生產(chǎn)的穩(wěn)定性。此外，企業(yè)應(yīng)在注意貿(mào)易風(fēng)險的同時抓住發(fā)展機(jī)遇，優(yōu)化能源商品原料與產(chǎn)品的供應(yīng)鏈管理，提高資金的流動效率；與海外市場進(jìn)行交流時，要注意規(guī)避跨國能源合作存在的風(fēng)險，抓住國際投資機(jī)遇，創(chuàng)新投資模式，進(jìn)一步提高資金流動性水平。