金屬期貨價格與股票價格動態(tài)關(guān)聯(lián)效應(yīng)研究

李子厚

摘 要：有色金屬行業(yè)上市企業(yè)的收益和原材料價格及金屬產(chǎn)成品價格密切相關(guān)，兩者的價格變化會造成企業(yè)凈收益的波動，而利用期貨套期保值可以合理地規(guī)避原材料成本波動風(fēng)險及產(chǎn)成品收益風(fēng)險，幫助企業(yè)更好地實(shí)現(xiàn)利潤最大化。本文使用DCC-GARCH 模型分析鋁期貨收益率和相關(guān)上市公司的股票價格指數(shù)收益率之間的條件相關(guān)性。結(jié)果表明，鋁期貨價格對于鋁行業(yè)上、下游上市企業(yè)股票價格均具有單向沖擊效應(yīng)，并且歷史收益波動率在短期和長期都具有顯著的持久性影響。此外，本文描繪了兩種資產(chǎn)收益波動率間的動態(tài)條件相關(guān)系數(shù)，從而為做出合理的套期保值策略或套利策略提供了參考。

關(guān)鍵詞：有色金屬期貨價格；股票價格；波動率；動態(tài)關(guān)聯(lián)效應(yīng)

一、引言

有色金屬期貨市場是我國資本市場的重要組成部分，其對金屬價格的發(fā)現(xiàn)功能和套期保值功能是相關(guān)產(chǎn)業(yè)乃至金融市場得以平穩(wěn)發(fā)展的“穩(wěn)定器”。從全國范圍來看，有色金屬行業(yè)的企業(yè)大都位于礦產(chǎn)開采、金屬冶煉、原材料生產(chǎn)和有色金屬材料加工等的一個或幾個產(chǎn)業(yè)鏈環(huán)節(jié)上。有色金屬期貨的價格波動會對相關(guān)行業(yè)上市公司的經(jīng)營利潤和股票價格產(chǎn)生直接且明顯的影響。

鋁現(xiàn)貨方面，我國鋁產(chǎn)能及鋁產(chǎn)量常年位居世界第一，產(chǎn)量、消費(fèi)量和凈出口量巨大。國家統(tǒng)計局?jǐn)?shù)據(jù)顯示，2020年，氧化鋁、電解鋁、鋁材產(chǎn)量分別為7313萬噸、3708萬噸、5779萬噸，分別同比增長0.3%、4.9%、8.6%，貿(mào)易總額達(dá)272億元，同比增長3.4%。鋁期貨方面，2020年上海期貨交易所鋁期貨合約成交5286.47萬手（單邊），同比2019年的交易量3275.76萬手（單邊）上升61.38%。長期來看，鋁現(xiàn)貨和鋁期貨的價格雖然波動幅度會有不同，但其變動趨勢和方向具有一致性，隨著期貨合約到期日的臨近，兩者價格逐漸聚合，基差接近于0。鋁行業(yè)上市企業(yè)的利潤及股票價格與金屬鋁價格波動聯(lián)系密切，以及上市公司股票價格變動具有行業(yè)板塊內(nèi)的聯(lián)動特性。可知鋁原材料價格及產(chǎn)成品價格顯著影響企業(yè)的預(yù)期利潤進(jìn)而影響股票價格。2021年第一季度末至第二季度，伴隨美聯(lián)儲等各國央行寬松的貨幣政策及各國經(jīng)濟(jì)復(fù)蘇，全球大宗商品價格普遍持續(xù)上漲，帶動我國鋁行業(yè)股票價格一度瘋漲。因此探究有色金屬期貨市場價格和與之相關(guān)的上市公司股票之間關(guān)聯(lián)性具有較強(qiáng)的理論意義及現(xiàn)實(shí)意義。首先可為相關(guān)行業(yè)的企業(yè)提供套期保值信息，從而幫助企業(yè)有效避免原材料的價格波動對其生產(chǎn)經(jīng)營活動的影響。其次可為上市企業(yè)股票市值管理提供決策依據(jù)。再次可為股票投資者的交易提供參考。最后為金融主管部門提供合理的期貨市場建設(shè)建議，促進(jìn)資本市場的完善和發(fā)展。

二、文獻(xiàn)綜述

關(guān)于大宗商品價格和股票價格間的相關(guān)性分析自20世紀(jì)80年代末以來逐步成為學(xué)術(shù)熱點(diǎn)之一。主要有以下兩個方面。一方面，一國國內(nèi)期貨市場和股票市場間的關(guān)聯(lián)效應(yīng)研究。Geczy等的研究結(jié)果顯示，上市公司參與期貨交易的目的與該公司的經(jīng)營現(xiàn)況有密切聯(lián)系。Francis和Kim以小波分析法探究股票價格和股票價格指數(shù)期貨價格的聯(lián)動關(guān)系，結(jié)果表明兩者收益率關(guān)系具有一定的持續(xù)性。Büyüksahin等分析了商品期貨和股票指數(shù)關(guān)聯(lián)性，得出兩者之間存在正相關(guān)關(guān)系。石智超等基于產(chǎn)業(yè)鏈這一獨(dú)特視角研究我國商品期貨市場和股票市場間的聯(lián)動關(guān)系，最終得出鋁、鋅和銅等有色金屬期貨價格的漲跌和上游及下游產(chǎn)業(yè)上市公司股票價格漲跌存在雙向風(fēng)險溢出關(guān)系。周偉和龍美芳選取2007年1月4日至2015年10月9日的銅行業(yè)股票價格、現(xiàn)貨及期貨數(shù)據(jù)，運(yùn)用Granger因果檢驗、廣義脈沖響應(yīng)函數(shù)等方法研究了銅行業(yè)上市公司股票價格、期現(xiàn)貨和銅貨銅之間的交叉影響，研究結(jié)果顯示，江西銅業(yè)和銅現(xiàn)貨、銅期貨、銅產(chǎn)業(yè)股票價格指數(shù)都無顯著Granger因果關(guān)系。為進(jìn)一步探討股票市場和商品期貨市場之間存在的雙向溢出效應(yīng)，Karanasos等的研究結(jié)果表明在金屬期貨收益率的波動溢出效應(yīng)具有時間上的慣性。TIWARI等研究了原油期貨、黃金期貨與中國十大行業(yè)股票市場之間的非對稱收益溢出，結(jié)果表明，商品期貨收益率和十大行業(yè)的股票收益率之間存在時變的不對稱溢出。鄒紹輝和張?zhí)鸬膶?shí)證研究顯示了能源股票市場、能源期貨市場和碳市場三者間表現(xiàn)出結(jié)構(gòu)變化及一定的非線性特質(zhì)。另一方面，國際大宗商品期貨市場和股票市場間的關(guān)聯(lián)效應(yīng)研究。金洪飛和金犖使用雙因子GED-GARCH（1，1）-M模型，以2001年1月到2009年12月的國際油價數(shù)據(jù)和股票數(shù)據(jù)為樣本研究了國際石油價格與中國14個行業(yè)的股票收益率之間的關(guān)系。結(jié)果顯示，國際油價對天然氣產(chǎn)業(yè)的股票收益率有正影響。Mensi Walid等利用2000年1月14日至2017年3月31日的周度數(shù)據(jù)研究了石油—股票的回報波動率相關(guān)性。為了更加穩(wěn)健，該文章同時使用了WTI和布倫特原油石油價格，運(yùn)用不同的滯后結(jié)構(gòu)和不同的預(yù)測范圍來檢查整體溢出指數(shù)的敏感性，得出總溢出持續(xù)性在主要股票市場的回報和波動率系列中具有動態(tài)波動特性。王佳等的研究表明，TVTP-DCC-GARCH模型在套期保值有效性上比其他模型更優(yōu)，在多元GARCH模型中引入時變狀態(tài)轉(zhuǎn)移概率可優(yōu)化套期保值結(jié)果。

中國證券期貨2022年9月

第3期金屬期貨價格與股票價格動態(tài)關(guān)聯(lián)效應(yīng)研究

從現(xiàn)有研究來看，有關(guān)商品期貨市場和股票市場的關(guān)聯(lián)性研究非常活躍，研究對象主要涵蓋了兩者之間有無顯著相關(guān)性、國際大宗商品市場對一國股票市場的沖擊、期貨價格對股票價格的非對稱沖擊等方面。但值得注意的是，現(xiàn)有研究存在如下不足：第一，缺乏期貨市場波動對具體產(chǎn)業(yè)的股票價格沖擊的影響研究；第二，大部分研究驗證兩者價格之間相關(guān)性但沒有計算出收益率的動態(tài)相關(guān)系數(shù)；第三，較少有學(xué)者將一個產(chǎn)業(yè)的上市公司分成上游企業(yè)組和下游企業(yè)組，并分別研究處于產(chǎn)業(yè)鏈不同環(huán)節(jié)上市公司的股票價格和期貨價格的聯(lián)動效應(yīng)。為此，本文基于既有研究，以鋁期貨為例，對上述問題進(jìn)行拓展分析。

三、樣本選取與指標(biāo)體系構(gòu)建

（一）期貨數(shù)據(jù)選取及指標(biāo)構(gòu)建

本文選取銳思數(shù)據(jù)庫（RESSET）中2011年9月30日至2021年4月1日（共計2307個交易日）的鋁主力期貨合約的日結(jié)算價Pf_Al作為鋁期貨合約價格序列。參考鄭振龍和楊偉的做法，定義Rf為鋁期貨合約的日度收益率序列（下同），其為鋁期貨對數(shù)收益率的100倍。

鋁期貨合約日度收益率序列Rf的時序圖如圖1所示：

（二）股票數(shù)據(jù)選取及指標(biāo)構(gòu)建

1.股票數(shù)據(jù)選取

截至完稿，我國鋁行業(yè)上市公司共21家，本文依照鋁產(chǎn)業(yè)鏈中生產(chǎn)經(jīng)營狀況良好以及主營業(yè)務(wù)收入中鋁產(chǎn)品占比較高的基本原則選取研究樣本。從國泰安數(shù)據(jù)庫里選取鋁行業(yè)上游上市公司6家，分別是焦作萬方、南山鋁業(yè)、神火股份、新疆眾和、云鋁股份、中國鋁業(yè)；下游上市公司6家，分別是常鋁股份、宏創(chuàng)控股、閩發(fā)鋁業(yè)、明泰鋁業(yè)、寧波富邦、亞太科技。以上述12家上市公司的日度股票價格數(shù)據(jù)為基礎(chǔ)樣本，樣本區(qū)間為2011年9月30日至2021年4月1日，該區(qū)間包括了2015年的牛市及股災(zāi)、2016年元旦后的熔斷以及新冠肺炎疫情暴發(fā)期和后疫情時代，比較具有代表性。

上、下游各6家上市公司的基本概況如表1和表2所示。

2.股票數(shù)據(jù)指標(biāo)構(gòu)建

為規(guī)避股票價格非同步波動和上市公司停牌的影響，本文將上、下游各6家上市公司股票價格序列嚴(yán)格按照《中證指數(shù)有限公司股票指數(shù)計算與維護(hù)細(xì)則》編制成股票價格指數(shù)，基期為2011年9月30日，基期值為100點(diǎn)。

指數(shù)計算公式：

報告期指數(shù)=報告期樣本的調(diào)整市值基期市值×100（2）

其中，調(diào)整市值 = ∑（證券價格×調(diào)整股本數(shù)）。指數(shù)計算中的調(diào)整股本數(shù)系根據(jù)分級靠檔的方法對樣本股本進(jìn)行調(diào)整而獲得。要計算調(diào)整股本數(shù)，需要確定自由流通量和分級靠檔兩個因素。為反映市場中實(shí)際流通股份的變動情況，本文創(chuàng)建的股票價格指數(shù)剔除了上市公司股本中的限售股份，以及由于戰(zhàn)略持股或其他原因?qū)е碌幕静涣魍ü煞?，剩下的股本稱為自由流通股本，即自由流通量。本文所構(gòu)建的指數(shù)樣本的加權(quán)比例按照表3確定。

定義Rs為上游上市企業(yè)股票價格指數(shù)的日度收益率序列，定義Rx為下游上市企業(yè)股票價格指數(shù)的日度收益率序列。

四、股票市場和有色金屬期貨市場關(guān)聯(lián)效應(yīng)研究

Engle提出ARCH模型用于刻畫金融資產(chǎn)收益率時間序列數(shù)據(jù)的特征，如收益率“波動聚集”性、序列自相關(guān)性、“尖峰厚尾”性等。在ARCH模型的基礎(chǔ)上，Bollerslev提出GARCH模型，除可減少待估模型參數(shù)外，該模型更具一般性。為研究多變量之間的收益和風(fēng)險關(guān)系問題，GARCH被擴(kuò)展到多元GARCH過程，即向量GARCH過程，其中一個典型代表就是CCC-GARCH模型（常數(shù)條件相關(guān)GARCH模型），由Bollerslev在1990年提出。Engle對CCC-GARCH模型的相關(guān)系數(shù)矩陣為非時變相關(guān)系數(shù)矩陣這一假設(shè)進(jìn)行了改進(jìn)，新的模型假設(shè)為多變量間的相關(guān)系數(shù)矩陣是時變相關(guān)系數(shù)矩陣，提出了DCC-GARCH模型（動態(tài)條件相關(guān)GARCH模型），可得動態(tài)相關(guān)系數(shù)時序圖，用于刻畫變量之間的動態(tài)聯(lián)動效應(yīng)。

（一）DCC-GARCH模型

本文采用DCC-GARCH模型來研究鋁期貨價格和相關(guān)上市公司股票價格之間的動態(tài)關(guān)聯(lián)效應(yīng)，該模型的原理方程和建模過程如下。

1.模型原理方程

其中，式（5）為均值方程，rt是均值為0的N×1維的收益率向量，Ωt-1為t-1時刻可獲得信息集，Dt=diag（σ1t，σ2t，…，σNt）為對角矩陣，Rt為時變的動態(tài)條件相關(guān)系數(shù)矩陣。式（6）中ωi為不隨時間變化的正標(biāo)量，λi為平滑系數(shù)。式（7）中εt～N（0，Rt）。式（8）中Qt為標(biāo)準(zhǔn)化殘差序列條件協(xié)方差矩陣，S為非條件相關(guān)系數(shù)矩陣，I為單位向量，°為Hadamard積，A和B為系數(shù)矩陣。

本文列明了DCC參數(shù)的估計方法，和靜態(tài)模型相比動態(tài)相關(guān)模型的不同之處僅在于允許R隨時間變化。

除了條件方差矩陣是標(biāo)準(zhǔn)化矩陣外，Rt的參數(shù)化要求同Ht。

極大似然估計過程如下：

根據(jù)式（11）中正態(tài)性的假設(shè)列出如下似然函數(shù)，即方程（12）。若無上述假設(shè)，該方程仍將具有擬極大似然函數(shù)的特性。方程（6）僅說明每項資產(chǎn)都服從單變量GARCH過程的假設(shè)。

其中，Qt為協(xié)方差矩陣；Q—為標(biāo)準(zhǔn)化殘差求得的無條件協(xié)方差矩陣；Qt*為Qt中對角元素的算數(shù)平方根構(gòu)造的對角矩陣。αm和βn分別是DCC-GARCH模型中前期殘差平方項的系數(shù)和前期條件方差的系數(shù)；m和n分別為殘差平方項的滯后階數(shù)和條件方差的滯后階數(shù)。約束條件：αm≥0，βn≥0且∑Mm=1αm+∑Nn=1βn<1。

2.計算過程

第一步先分別對Rst、Rxt和Rft三個收益率序列進(jìn)行單變量的GARCH模型估計，得條件方差的估計值，進(jìn)而得到標(biāo)準(zhǔn)化殘差序列；第二步將第一步得到的標(biāo)準(zhǔn)化殘差序列進(jìn)行估計來獲得DCC-GARCH模型動態(tài)條件相關(guān)系數(shù)圖。

（二）描述性統(tǒng)計

表4列明了Rst、Rxt、Rft三個日度收益率序列的基本統(tǒng)計特征。根據(jù)表4中的偏度值均為負(fù)數(shù)來看，上述三個收益率序列呈現(xiàn)明顯的左偏特性。三者的峰度值均大于標(biāo)準(zhǔn)正態(tài)分布的峰度值3，表明三個收益率序列都具有尖峰特性。此外，JB-Statistics亦表明三個收益率序列的分布呈現(xiàn)顯著非正態(tài)性。

（三）單位根檢驗及ARCH效應(yīng)檢驗

1.單位根檢驗

時間序列的平穩(wěn)特征是建立時間序列模型的一個基本前提條件，在建立GARCH模型前，先對收益率序列進(jìn)行平穩(wěn)性檢驗。本節(jié)分別用ADF檢驗、PP檢驗來驗證數(shù)據(jù)的平穩(wěn)性，結(jié)果如表5所示。

ADF檢驗和PP檢驗的原假設(shè)為原時間序列為非平穩(wěn)序列。從表5的統(tǒng)計結(jié)果可以看出三個時間序列的ADF統(tǒng)計量和PP統(tǒng)計量的絕對值遠(yuǎn)大于它們在1%顯著性水平下臨界值的絕對值，則拒絕原假設(shè)。Rst、Rxt和Rft三者均不存在單位根，都是平穩(wěn)序列。

2.ARCH效應(yīng)檢驗

本部分用ARCH LM-Test方法來分別檢驗Rst、Rxt和Rft這三個日度收益率序列是否存在ARCH效應(yīng)（ARCH Effects），其原假設(shè)為不存在ARCH效應(yīng)。

ARCH效應(yīng)的檢驗結(jié)果如表6所示。

表6中的ARCH（LM）=T*R2，其中T為樣本容量，R2為ARCH LM檢驗中輔助回歸方程的擬優(yōu)合度，T*R2服從漸進(jìn)分布。

日度收益率時間序列Rst、Rxt和Rft的LM統(tǒng)計量的數(shù)值，即T*R2值均大于臨界值，則拒絕原假設(shè)，得出3個收益率序列存在顯著的ARCH效應(yīng)。這為后續(xù)建立GARCH模型和DCC-GARCH模型提供了基礎(chǔ)。

（四）GARCH模型及參數(shù)估計

對Rst、Rxt和Rft分別建立GARCH（p，q）過程，為了確定模型的最優(yōu)滯后階數(shù)p*和q*，下面依次嘗試建立GARCH（1，1），GARCH（2，1），和GARCH（1，2）模型，通過綜合對比AIC準(zhǔn)則、BIC準(zhǔn)則和SIC準(zhǔn)則來得出最優(yōu)的滯后階數(shù)，結(jié)果如表7所示。

由表7實(shí)證結(jié)果可知，以上3個波動率方程中的系數(shù)ω、α1和β1均在1%的顯著性水平下顯著異于0且均為正數(shù)。另外，α1+β1<1，模型是平穩(wěn)的。

（五）DCC-GARCH模型參數(shù)估計

基于GARCH模型的實(shí)證結(jié)果，本節(jié)運(yùn)用DCC-GARCH模型分別測度鋁期貨收益率和鋁行業(yè)上游上市公司股票指數(shù)收益率以及鋁行業(yè)下游上市公司股票指數(shù)收益率的動態(tài)關(guān)聯(lián)效應(yīng)。

首先采用極大似然估計法（Maximum Likelihood）估計方程（16）。

Qt=Q—（1-α-β）+αεt-1ε′t-1+βQt-1 （16）

方程（16）中，α為前期標(biāo)準(zhǔn)化無條件協(xié)方差矩陣的系數(shù)，表征滯后一期的標(biāo)準(zhǔn)化殘差乘積對動態(tài)相關(guān)系數(shù)的影響，β為條件前期條件協(xié)方差矩陣系數(shù)，表征相關(guān)性的慣性，兩者的數(shù)量關(guān)系滿足α+β＜1。

表8報告了基于多元的DCC-GARCH模型的鋁行業(yè)上游上市公司股票價格指數(shù)收益率和鋁期貨收益率之間的DCC參數(shù)結(jié)果以及鋁行業(yè)下游上市公司股票價格指數(shù)收益率和鋁期貨收益率之間的DCC參數(shù)結(jié)果。

表8DCC-GARCH模型的參數(shù)估計結(jié)果

收益率序列αβα+β

Rst&Rft0.0163***（3.125）0.9712***（84.008）0.9875—

Rxt&Rft0.0173**（2.508）0.9506***（46.813）0.9679—

由表8可知，α的估計值都比較小，但t值均超過了5%顯著性水平下的t臨界值1.96，表明動態(tài)相關(guān)系數(shù)受滯后一期的標(biāo)準(zhǔn)化殘差乘積的影響較小。β的估計值都比較大，且均在1%的顯著性水平下顯著，說明前一期的收益率序列之間的相關(guān)系數(shù)對當(dāng)期的相關(guān)系數(shù)有顯著影響。此外，兩者的α與β和均接近于1，說明Rst和Rft之間以及Rxt和Rft之間的相關(guān)性均具有較強(qiáng)的持續(xù)性。綜上可知，鋁行業(yè)上、下游企業(yè)股票價格和期貨價格存在明顯的關(guān)聯(lián)效應(yīng)。

（六）動態(tài)關(guān)聯(lián)效應(yīng)分析

1.動態(tài)相關(guān)系數(shù)R的描述性統(tǒng)計

兩組動態(tài)相關(guān)系數(shù)R的描述性統(tǒng)計如表9所示。

由表9可知，R1的均值為0.2783，最小值為0.0422，說明鋁行業(yè)上游股票價格指數(shù)收益率和鋁期貨收益率相關(guān)性較高，具有顯著的正向效應(yīng)，即隨著鋁期貨價格的波動，鋁行業(yè)上游企業(yè)股票價格隨之發(fā)生同向波動。R2的均值為0.1783，最小值為-0.0103，但R2的2307個值中，僅有1個為負(fù)數(shù)，說明鋁行業(yè)下游股票價格指數(shù)收益率和鋁期貨收益率相關(guān)性較高，亦具有顯著的正向效應(yīng)。

R1和R2對比來看，R1的均值大于R2的均值，說明鋁行業(yè)上游上市公司股票價格與鋁期貨價格的動態(tài)關(guān)聯(lián)性強(qiáng)于鋁行業(yè)下游上市公司股票價格與鋁期貨價格的動態(tài)關(guān)聯(lián)性。R1的標(biāo)準(zhǔn)差大于R2的標(biāo)準(zhǔn)差，可知上游公司股票價格和鋁期貨價格的動態(tài)時變的特征相對更加明顯。

2.動態(tài)相關(guān)系數(shù)圖分析

將DCC-GARCH模型估計出的動態(tài)相關(guān)系數(shù)制成動態(tài)相關(guān)系數(shù)圖，圖4和圖5分別是鋁行業(yè)上、下游股票價格指數(shù)收益率與鋁期貨收益率之間的動態(tài)相關(guān)系數(shù)圖。

圖4和圖5反映了R1和R2總體變動趨勢，可知上游企業(yè)的股票價格受期貨價格的影響比下游企業(yè)顯著。上游企業(yè)主要從事鋁礦開采，鋁冶煉，鋁錠、鋁板、鋁帶等產(chǎn)品制造，在一定產(chǎn)量下，這些產(chǎn)品的價格幾乎決定了企業(yè)的銷售收入，并且產(chǎn)品價格和鋁期貨價格走勢在一定時期內(nèi)基本一致。而下游企業(yè)以上游企業(yè)的產(chǎn)成品為原材料，主要生產(chǎn)電池箔、電子鋁箔、電纜箔、有色金屬復(fù)合材料、鋁制汽車零部件等，隨著期貨價格升高，下游企業(yè)成本上升利潤率降低，股票價格和上升的期貨價格關(guān)聯(lián)性降低。

另外，兩個動態(tài)相關(guān)系數(shù)在特殊歷史時期均處于比較低的水平，比如，2015年6月15日到9月25日的股災(zāi)時期和2016年1月4日至7月4日熔斷時期，上、下游企業(yè)股票價格紛紛下挫，均已與期貨價格關(guān)聯(lián)度降低。

最后，進(jìn)入2021年來，隨著以美聯(lián)儲為代表的全球各大央行的量化寬松政策落地及后疫情時代的經(jīng)濟(jì)復(fù)蘇，大宗商品價格持續(xù)走高，利好鋁行業(yè)板塊股票，使得鋁行業(yè)上下游企業(yè)股票價格與鋁期貨價格關(guān)聯(lián)性走強(qiáng)。

五、研究結(jié)論及相關(guān)建議

（一）研究結(jié)論

從長遠(yuǎn)看來，積極發(fā)揮期貨市場的價格發(fā)現(xiàn)功能和套期保值功能是穩(wěn)定經(jīng)濟(jì)發(fā)展的應(yīng)有之義，如何使各行業(yè)的企業(yè)利用期貨市場控制成本、穩(wěn)定利潤是金融界一直探索的問題。本文以金屬鋁作為有色金屬的代表，用上、下游各6家上市公司近10年的股票價格按照《中證指數(shù)有限公司股票指數(shù)計算與維護(hù)細(xì)則》分別編制成股票價格指數(shù)，使用DCC-GARCH模型分別分析

圖4 鋁行業(yè)上游股票價格指數(shù)收益率和鋁期貨收益率動態(tài)相關(guān)系數(shù)

圖5 鋁行業(yè)下游股票價格指數(shù)收益率和鋁期貨收益率動態(tài)相關(guān)系數(shù)

上、下游股票價格指數(shù)收益率序列分別和鋁期貨收益率之間的相關(guān)性，以此來探究我國有色金屬期貨價格與關(guān)聯(lián)行業(yè)股票價格的動態(tài)關(guān)聯(lián)效應(yīng)，進(jìn)而提出相應(yīng)的政策建議和投資建議。本文得出如下結(jié)論。

（1）從理論層面上看，大宗商品期貨價格影響企業(yè)利潤，進(jìn)而影響企業(yè)股票價格波動，同時實(shí)證結(jié)果亦表明鋁期貨價格波動和鋁行業(yè)股票價格波動存在顯著且持久的單向波動溢出效應(yīng)，同理論分析相符。

（2）2011年到2021年近10年的時期內(nèi)，鋁行業(yè)上游股票價格指數(shù)收益率和鋁期貨收益率動態(tài)相關(guān)系數(shù)R1的均值為0.2783，最小值為0.0422；鋁行業(yè)下游股票價格指數(shù)收益率和鋁期貨收益率動態(tài)相關(guān)系數(shù)R2的均值為0.1783，最小值為-0.0103，說明鋁行業(yè)上、下游企業(yè)股票價格和鋁期貨價格相關(guān)性較高，具有顯著的正向效應(yīng)，且呈現(xiàn)出明顯的時變特征。

（3）鋁期貨價格波動對于鋁行業(yè)上、下游企業(yè)股票價格的作用機(jī)制不同，影響程度不同，進(jìn)而造成動態(tài)相關(guān)系數(shù)R1和R2的波動差異性，位于鋁產(chǎn)業(yè)鏈不同位置的企業(yè)應(yīng)采取不同的套期保值策略。

（二）相關(guān)建議

1.政策建議

期貨市場對于穩(wěn)定實(shí)體企業(yè)經(jīng)營的重要性不言而喻，但目前大多數(shù)實(shí)體企業(yè)內(nèi)部缺乏參與期貨交易的專業(yè)部門和專業(yè)人才。建議期貨交易所和期貨業(yè)協(xié)會會同期貨公司建立定期期貨培訓(xùn)制度，輔導(dǎo)企業(yè)以相對較低的成本建立專業(yè)化的期貨人才隊伍。

此外，對于參與套期保值的企業(yè)可根據(jù)企業(yè)參與期貨市場規(guī)模、企業(yè)的信用等級等指標(biāo)，建立梯級保證金制度，參與規(guī)模越大并且信用評級越好的企業(yè)保證金比例越低。同時適度降低套期保值者的手續(xù)費(fèi)，從而降低企業(yè)參與期貨交易的門檻和成本。

2.投資建議

有色金屬期貨價格和與其相關(guān)聯(lián)行業(yè)的上市公司之間股票價格具有顯著的關(guān)聯(lián)效應(yīng)，對于投資有色金屬板塊股票的投資者來說，可將期貨價格變動趨勢作為買賣股票的重要參考信息之一，亦可開發(fā)股票市場和期貨市場的套利策略。

投資者也可根據(jù)國內(nèi)外相關(guān)聯(lián)行業(yè)的企業(yè)經(jīng)營情況來判斷大宗商品期貨市場的基本走勢，進(jìn)而建立跨市場、跨時期的多元套期保值或投機(jī)策略，以適應(yīng)不斷變化的市場行情。

參考文獻(xiàn)

［1］ENGLE R F.Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation ［J］.Econometrica，1982，50（4）：987-1007.

［2］GECZY C，MINTON B A，SCHRAND C.Why firms use currency derivatives［J］.The Journal of Finance，1997，52（4）：1323-1354.

［3］ENGLE R F.Dynamic conditional correlation—A simple class of multivariate GARCH models［J］.Journal of Business and Economic Statistics，2002，17（5）：425-446.

［4］FRANCIS IN，SANGBAE KIM.The Hedge Ratio and the Empirical Relationship between stock and future Market：A new approach using Wavelet analysis ［J］.Journal of Business，2006，79（2）：799-820.

［5］BYKSAHIN? B，HARRIS J H.Do speculators drive crude oil futures prices［J］.The Energy Journal，2011，32（2）：167-202.

［6］KARANASOS M，ALI F M MARGARONIS Z，et al.Modelling time varying volatility spillovers and conditional correlations across commodity metal futures［J］.International Review of Financial Analysis，2018（57）：246-256.

［7］TIWARI A K，NASREEN S，ULLAH S，et al.Analysing spillover between returns and volatility series of oil across major stock markets［J］.International Journal of Finance & Economics，2020，26（2）：2458-2490.

［8］MENSI WALID，AL RABABAA ABDEL RAZZAQ，VO XUAN VINH，et al.Asymmetric spillover and network connectedness between crude oil，gold，and Chinese sector stock markets［J］.Energy Economics，2021，98（c）：105262.

［9］金洪飛，金犖.國際石油價格對中國股票市場的影響——基于行業(yè)數(shù)據(jù)的經(jīng)驗分析［J］.金融研究，2010（2）：173-187.

［10］鄭振龍，楊偉.金融資產(chǎn)收益動態(tài)相關(guān)性：基于DCC多元變量GARCH模型的實(shí)證研究［J］.當(dāng)代財經(jīng)，2012（7）：41-49.

［11］石智超，許爭，陳瑞.中國股票市場與商品期貨市場傳導(dǎo)關(guān)系的實(shí)證分析——基于風(fēng)險Granger因果檢驗的研究［J］.金融理論與實(shí)踐，2016（2）：82-89.

［12］周偉，龍美芳.我國期貨銅和現(xiàn)貨銅對證券市場銅行業(yè)上市公司股票價格變動的交叉影響分析［J］.金融理論與實(shí)踐，2016（11）：92-98.

［13］王佳，金秀，王旭，等.基于時變Markov的DCC-GARCH模型最小風(fēng)險套期保值研究［J］.中國管理科學(xué)，2020，28（10）：13-23.

［14］鄒紹輝，張?zhí)?能源期貨市場、能源股票市場與碳市場非線性關(guān)系動態(tài)分析［J］.系統(tǒng)工程，2020，38（5）：1-13.