國際大宗商品價格波動對中國金融市場的風險溢出效應

郭娜　石艷菲　郭小剛

〔摘要〕 文章采用TVP-VAR-DY模型考察了國際大宗商品與我國金融市場間的時變波動溢出效應。研究發現：（1）靜態溢出效應分析表明，國際大宗商品市場與我國商品市場間的雙向波動溢出效應最大，其次為股票市場。（2）方向性溢出效應分析表明，與極端風險事件關聯性更高的國際大宗商品市場以及我國商品和股票市場呈現更加顯著的時變特征。（3）凈溢出和凈配對溢出效應表明，國際大宗商品市場、我國商品和股票市場屬于風險的凈傳遞者，且國際大宗商品市場與我國商品、外匯、股票市場的凈配對溢出指數更高。

〔關鍵詞〕 國際大宗商品；中國金融市場；風險溢出；TVP-VAR-DY模型

〔中圖分類號〕F746；F832.5 〔文獻標識碼〕A 〔文章編號〕1008-0694（2024）01-0085-11

〔作者〕 郭 娜 教授 博士生導師 天津財經大學金融學院 天津 300222

石艷菲 天津財經大學金融學院 天津 300222

郭小剛 中電建（北京）基金管理有限公司 北京 100048

〔基金項目〕教育部人文社會科學研究青年基金項目“經濟政策不確定性、混頻高維關聯與金融市場尾部風險傳染效應研究”（23YJC790038）。

一、引言

大宗商品兼具生產要素與投資品的雙重屬性，其價格波動與金融市場穩定之間存在著顯著關聯^〔1〕。國際大宗商品市場與金融市場間也存在著顯著的信息溢出效應與聯動效應^〔2〕。近年來，國際政治經濟形勢復雜動蕩，全球經濟不確定性因素明顯增多，容易引發大宗商品貿易中斷、供應鏈斷裂、價格飆升等，給全球經濟帶來新的考驗^〔3〕。除地緣政治局勢的影響外，國際大宗商品價格出現波動的主要原因是供需失衡，且投機因素和市場流動性也會放大基本面因素引起大宗商品價格上漲^〔4〕。同時，由于國際大宗商品以美元計價，美元匯率和利率的變動也會導致國際大宗商品價格波動^〔5〕。我國是大宗商品的主要消費國和貿易國，國內大宗商品供給不足，對外依存度較高^〔6〕。因而，雖然我國是大宗商品的主要貿易國和消費國，但并不擁有與之相匹配的定價權，當國際大宗商品的價格出現大幅上漲時會給我國帶來輸入型通貨膨脹以及經濟波動的風險^〔7〕。最終，會通過利率效應作用于金融市場^〔8〕。

現有文獻關注較多的是國際大宗商品與國際金融市場間的風險溢出效應^〔9-10〕，以及國內各金融子市場間的風險溢出效應^〔11-13〕。在國際大宗商品市場對我國金融市場的風險溢出方面，主要側重于國際大宗商品市場對我國單一金融市場的沖擊，忽視了我國金融市場內部的風險傳染^〔14〕。因此，在研究國際大宗商品市場對我國金融市場的風險溢出效應時要綜合考慮其對我國股票、外匯、商品、債券、貨幣市場的影響。鑒于此，本文采用TVP-VAR-DY模型研究國際大宗商品市場與我國股票、債券、商品、貨幣、外匯市場間的動態關聯，分析國際大宗商品市場和我國金融市場之間波動溢出效應的非對稱性與時變特征，以期通過研究國際大宗商品與金融市場之間的風險溢出效應，為我國防范化解輸入型金融風險、維護金融系統的穩定性提供借鑒。

二、文獻綜述

目前，國內外已有大量的學者在大宗商品市場和金融市場的聯動性方面展開了研究。隨著大宗商品金融化程度不斷加深，國際大宗商品市場對股票市場的波動溢出效應不斷增強^〔15〕。譚小芬等（2018）從收益率和波動率兩方面研究了國際大宗商品市場和國際金融市場之間的聯動效應，發現大宗商品市場與金融市場間存在顯著的信息溢出效應^〔16〕。大宗商品市場短期走勢容易受到投機需求、市場流動性等金融市場因素的影響而偏離基本面^〔17〕。胡聰慧等（2017）研究發現金融市場整體流動性狀況的變化是影響大宗商品與股票市場聯動性的重要原因，當流動性惡化時，大宗商品市場與股票市場的關聯性就會提高^〔18〕。田利輝等（2014）研究發現當投資者過多地進入大宗商品市場且同時持有股票和期貨時，資金在兩個市場間的流動會使得股票收益對商品期貨收益產生影響^〔19〕。在極端風險事件發生時，大宗商品市場與金融市場的聯動性也會顯著提高，金融系統的脆弱性也會增強^〔20〕。大宗商品價格劇烈波動衍生出的極端風險會迅速傳染至金融市場，最終演變為系統性風險^〔21〕，如在新冠疫情期間，能源商品價格波動對股票市場的沖擊效應就顯著增強^〔22〕，大宗商品市場和金融市場間的風險轉移效應也普遍增強^〔23〕。隋建利等（2021）研究發現在極端風險事件的沖擊下，國際大宗商品市場和金融市場的聯動效應顯著提高，兩個市場間的風險傳染效應增強^〔24〕。

有關風險溢出測度技術和風險聯動的研究方法仍在不斷創新，過去學者研究大宗商品市場與金融市場之間波動溢出效應的主要方法是GARCH模型，該模型自提出以來就廣泛應用于金融市場風險測度，并逐漸衍生出BEKK-GARCH、DCC-GARCH等一系列多元GARCH模型。然而，GARCH模型在研究大宗商品市場與金融市場的波動溢出效應時存在以下不足：第一，GARCH模型只能估計大宗商品市場和金融市場間波動溢出效應的大小，難以得到溢出強度信息；第二，GARCH模型存在“維度詛咒”，不適合多變量系統；第三，GARCH模型的延伸模型只能分析靜態波動溢出效應，難以體現波動溢出效應的時變性?；诖?，Diebold et al. （2012）基于VAR模型和方差分解，首創了溢出指數模型用于衡量金融市場間風險溢出的方向和強度^〔25〕。雖然溢出指數模型為研究市場間的波動溢出效應提供了新方法，但仍存在以下不足：第一，這種方法在時間窗口的長度選擇方面具有主觀性且會損失樣本觀測值；第二，參數值的潛在變化準確性較弱，離群觀測值會影響結果的穩定性。DY溢出指數模型后續經過發展變得更為完善^〔26-28〕。

本文可能的創新之處在于：在研究內容上，已有文獻表明國際大宗商品市場與金融市場間存在波動溢出效應，但主要側重于國際大宗商品對我國股票市場的單向沖擊，忽視了我國金融市場內部風險的傳染。因此，在研究國際大宗商品價格波動對我國金融市場風險溢出時應同時考慮其對股票、外匯、商品、債券、貨幣市場的影響。在研究方法上，GARCH模型難以估計國際大宗商品市場對我國金融市場波動溢出效應的方向以及強度，DY溢出指數法雖然可以解決上述問題，但由于在時間窗口選擇方面具有主觀性會損失樣本觀測值，會使實證結果對極端值較為敏感。本文采用Antonakakis et al.（2020）提出的TVP-VAR-DY模型研究在不同經濟金融環境下，國際大宗商品市場對我國金融市場波動溢出效應的時變特征^〔29〕。

三、模型構建與變量選取

1.模型構建

TVP-VAR-DY模型的構建過程如下：以TVP-VAR（P）為例，首先定義一個P階TVP-VAR模型，其形式如下：

y_t=φ_0，t+Φ_1，ty_t-1+…+Φ_p，ty_t-p+ε_tε_t～N（0，∑_t）（t=p+1，p+2，…，T） ???（1）

其中，y_t，y_t-p，ε_t均為K個解釋變量組成的列向量，φ_0，t為K階常數向量，Φ_1，t，…，Φ_p，t是K×K的時變系數矩陣。將φ_0，t，Φ_1，t，…，Φ_p，t的元素按行分塊，每一行表示為β_t，定義X_t=I_kU（1，y^?_t-1，…，y^?_t-p），其中U表示克羅內克積，則（1）式可以改寫為：

y_t=X_tβ_t+ε_t（2）

在估計時變參數之后，基于Wold表示定理將TVP-VAR轉化為TVP-VMA。

y_t=∑^p_i=1β_i，ty_t-i+ε_t=∑^∞_j=1Λ_j，tε_t-j+ε_t（3）

進一步，提取TVP-VMA系數來計算廣義預測誤差方差分解（GFEVD）。

在廣義預測誤差方差分解過程中，將在t時刻第j個變量的正交化沖擊對第i個變量向前H期的預測均方誤差的貢獻比例記為θ^g_ij，t（H），具體形式如下：

其中，∑^N_j=1θ^g_ij，t（H）=1，∑^N_i，j=1θ^g_ij，t（H）=N，H表示預測誤差方差分解期數，τ_t表示一個選擇向量，在變量i位置為1，否則為0?；贕FEVD，總溢出指數（TOTAL）可以測算模型中所有變量之間的信息溢出對于模型總預測殘差的貢獻度，具體形式如下：

TOTAL^g_t（H）=1-N^-1∑^N_{i，j=1，i≠j}θ^g_ij，t（H） ????（6）

總的方向性溢出指數（TO）可以衡量第i個變量對其他所有變量j溢出效應的大小，具體形式如下：

TO^g_·i，t（H）=∑^N_{j=1，i≠j}θ^g_ji，t（H） ????（7）

總的方向性溢入指數（FROM）可以衡量第i個變量受到其他所有變量j溢出效應的大小，具體形式如下：

FROM^g_i·t（H）=∑^N_{j=1，i≠j}θ^g_ij，t（H） ????（8）

凈方向性溢出指數（NET）可以衡量第i個變量對系統的凈溢出效應，如果第i個變量的凈方向性溢出指數為正（負），則表示變量i對系統的影響大于（小于）受到系統的影響，具體形式如下：

NET^g_i·，t（H）=TO^g_·i，t（H）-FROM^g_i·，t（H） ????（9）

最后，凈配對溢出指數（NPDC）表示第i個變量對第j個變量的凈溢出效應，如果NPDC^g_ji，t（H）＞0，則表示第i個變量對第j個變量的影響大于受到第j個變量的影響，反之亦然，具體形式如下：

NPDC^g_ji，t（H）=θ^g_ji，t（H）-θ^g_ij，t（H） ????（10）

2.變量選取

國際大宗商品市場種類繁多，難以逐一進行研究，本文參考龍少波等（2016）以及譚小芬等（2014）的做法^〔30-31〕，選擇創立最早、數據最全面的路透CRB商品指數來代表國際大宗商品市場整體走勢。國內金融市場主要為股票、債券、外匯、貨幣和商品市場，分別選擇滬深300指數、中債綜合凈價指數、人民幣兌美元基準匯價、7天銀行間同業拆借利率和Wind商品綜合指數，以上數據均來源于Wind數據庫。

基于數據可得性，本文對六類綜合指數的起始時間和截止時間取交集，得到從2004年6月1日至2022年8月31日六類綜合指數的日度數據作為研究樣本。為度量各個市場價格的日波動情況，本文對原始數據求算術收益率，計算公式為：

四、實證分析

1.國際大宗商品市場與我國金融市場波動溢出效應靜態分析

基于廣義預測誤差方差分解的溢出指數方法，在進行具體分析之前，建立VAR模型，對國際大宗商品市場和金融市場之間的動態關聯進行初步分析。在具體建模之前，采用ADF方法驗證了各變量的平穩性，根據LR、FPE、AIC信息準則確定滯后階數為2階，預測誤差方差分解的期數為10期，AR根檢驗的結果也證明了模型具有穩定性。表2為具體分析結果。FROM表示溢入指數，即某一市場受到其他市場的溢出水平；TO表示溢出指數，即某一市場對其他市場的溢出水平；TOTAL表示總溢出指數，即整體的溢出水平；NET表示凈溢出指數，即某一市場對其他市場的凈溢出水平。

根據表2可以發現：第一，國際大宗商品市場和我國金融市場的平均波動溢出指數（TCI）為20.70%，說明對某一市場而言，平均有20.7%的波動來自其他市場間的波動溢出效應。第二，國際大宗商品市場對我國商品市場的溢出指數為15.73%，遠大于對其他四個金融市場的溢出指數，反映出我國大宗商品缺乏定價權，其價格形成主要依靠國際市場，當國際大宗商品市場價格大幅波動時可能會對我國商品市場產生較強的溢出效應。第三，我國債券、貨幣、外匯市場的凈溢出指數均小于0，屬于風險的凈接收者。

2.國際大宗商品市場與我國金融市場波動溢出效應動態分析

（1）國際大宗商品市場與我國金融市場波動的總溢出分析。由于靜態分析只能反映各變量間的溢出效應在全樣本期內的平均情況，難以反映出各變量之間相互作用的時變特征，而在極端事件的沖擊下市場也可能產生較大波動，因此，本文采用TVP-VAR-DY模型進一步計算各變量的動態總溢出指數，如圖2所示。

從圖2可以看出，整個樣本期內總溢出指數出現了六個高峰。在2004-2005年，總溢出指數首次達到40%，在這一時期，我國實體經濟的高速發展推動了資源密集型產業的快速發展，對能源、金屬、化工等大宗商品需求的不斷增加也促進了我國商品市場價格的不斷升高。譚小芬等（2014）認為中國作為大宗商品的主要消費國，國內商品市場的總需求增大也會促進相關商品價格在國際市場升高^〔32〕。同時，為分享中國等新興市場國家的發展紅利，大量國際投資機構通過股票、債券和外匯等渠道進入金融市場，導致國內股票、外匯、債券市場的溢出水平提高。2008年，總溢出水平迅速上升形成了第二次高峰。在金融危機的沖擊下，發達經濟體金融市場的流動性緊縮，為緩解流動性不足，發達經濟體的金融機構從新興市場國家抽離資金，從而導致國際大宗商品市場與我國金融市場價格出現大幅下跌，總溢出指數顯著提高。2009年底，歐債危機爆發，投資者擔心歐洲經濟前景轉而將大量資金投入中國等新興市場國家，造成了我國的通貨膨脹。此外，歐債危機大幅沖擊外匯、大宗商品等市場，進一步加劇了國際大宗商品市場和我國金融市場的風險溢出水平。2018年，中美出現貿易摩擦。一方面，直接影響了農產品、工業金屬的價格走勢，引起國內外商品市場的價格波動；另一方面，受“摩擦信息效應”的影響，金融資產價格出現“斷崖式下跌”，金融市場價格出現劇烈波動。2020年，全球經濟下行導致工業生產力下降，進而導致能源、工業品等大宗商品需求下降，同時，由于OPEC減產協議失敗，原油供給過剩引起國際油價暴跌，加劇了能源市場的價格波動，國內外大宗商品市場波動溢出效應增強。2022年，天然氣、原油、農產品等大宗商品受地緣政治影響供給不足，相關商品價格整體上行。同時，引發國際資本避險情緒上漲，進一步加劇了國內外金融市場的價格波動。

（2）國際大宗商品市場與我國金融市場波動的方向性溢出分析。由圖3可以看出，在極端風險事件沖擊下，國際大宗商品市場、國內商品和股票市場相較于其他市場，波動溢出效應更為顯著。金融危機時期的風險傳染效應源自國際金融市場的流動性緊縮，大量金融機構出現虧損與破產，加之由于國際大宗商品市場與國際金融市場的關聯性較強，其波動溢出效應在這一時期也隨之增強。在資本市場的“悲觀預期”與投資者的“羊群效應”影響下，投資者大量非理性拋售股票等金融產品，加劇了我國金融市場的波動。股票、商品市場是金融市場的重要組成部分，一旦發生突發事件會將風險迅速傳導至整個金融體系^〔33〕，其他金融市場的溢出效應也會增強。

由圖4可以看出，無論是國際大宗商品市場還是我國金融市場，在不同時期，受到來自其他市場風險溢出強度不同。在次貸危機期間，我國各金融市場受到來自其他市場的波動溢出指數增大。在這一時期，國際金融市場流動性緊縮，國際資本紛紛撤出在新興國家境內的實體和金融資產投資，導致我國金融市場的資產價格出現大幅波動，金融市場的風險輸入效應增強。在歐債危機時期，投資者擔心歐洲經濟前景轉而將大量資金投入中國等新興市場國家，促進金融市場的流動性增加，股票和外匯市場對其他金融市場的溢出效應增加。我國股票和外匯市場價格的大幅波動還會影響投資者對于全球金融市場的前景判斷，并改變市場的風險偏好，進而對具備風險資產性質的國際大宗商品市場產生影響^〔34〕。隨著外資準入制度和匯率制度改革的不斷推進，我國資本市場開放程度逐漸提高，跨境資本的流動性不斷增強，金融市場受到外部沖擊的可能性加大^〔35〕。因此，在極端風險事件的沖擊下，我國股票、外匯和債券市場都有可能成為國際大宗商品市場風險輸入的主要渠道。

從圖5可以看出，在整個樣本時期，國際大宗商品市場、我國股票和商品市場的凈溢出指數大多數為正，屬于風險的傳遞者；我國債券、貨幣、外匯市場的凈溢出指數大多數為負，屬于其他市場傳遞風險的接收者。在2008年，次貸危機引發流動性緊縮導致大宗商品價格大幅下跌，大宗商品市場價格波動劇烈，對其他金融市場的沖擊加大。在2015年，由于過度加杠桿導致我國股市產生較大波動，我國股票市場風險溢出效應顯著增強，對其他金融市場造成了一定程度的沖擊。在“8·11”匯率制度改革后，由于我國重新修訂了人民幣匯率定價制度，拓寬了人民幣波動區間，外匯市場波動溢出指數有所提高。在中美貿易摩擦期間，我國的進出口水平均有所下降，影響了投資者的市場預期，進而導致了國內外大宗商品市場的價格波動。2020年，為阻斷新冠疫情傳播，世界多個國家出現大面積停工停產現象，進口貿易大幅縮減，供給與需求的共同緊縮引發了經濟蕭條，從而導致大宗商品需求下降。國際大宗商品價格的劇烈波動引發的風險迅速傳導至我國金融市場，受市場恐慌情緒的影響，股票和商品市場的波動溢出效應增大。此外，我國債券和貨幣市場與其他金融市場的關聯性較低，受到其他金融市場的風險溢出也相對較弱，自身凈溢出水平并不顯著。

（3）國際大宗商品市場與我國金融市場波動的凈配對溢出分析。方向性溢出僅能表明某一市場與其他所有市場的波動溢出水平，而不能表明某一市場與其他單一市場間的波動溢出水平。由圖6可以看出，國際大宗商品市場對我國商品、外匯和股票市場的凈溢出效應較為顯著。這表明我國大宗商品市場缺乏定價權，價格受國際市場影響很大，在極端風險事件發生時，波動溢出指數會顯著提高。

五、結論與建議

本文采用TVP-VAR-DY模型，研究了2004年6月至2022年8月間國際大宗商品市場與我國金融市場間的波動溢出效應，并分析了國際大宗商品市場與我國各金融市場間的波動溢出效應的時變特征。結果表明：第一，靜態溢出效應分析表明，國際大宗商品與我國商品市場間的雙向波動溢出效應最大，其次為股票市場，債券、貨幣、外匯市場與國際大宗商品市場間的溢出效應則相對較小。第二，總溢出效應分析表明，在極端風險事件的沖擊下，總波動溢出指數會顯著提高。第三，方向性溢出效應分析表明，市場間的風險溢出具有非對稱性，且隨著我國金融市場的開放程度加深，市場間風險溢出水平也顯著提高。第四，凈溢出效應分析表明，國際大宗商品市場、我國商品和股票市場屬于風險的凈傳遞者，我國債券、貨幣、外匯市場屬于風險的凈接收者。第五，凈配對溢出效應分析表明，國際大宗商品市場對我國商品、外匯、股票市場的凈波動溢出效應較為顯著，且在極端風險事件發生時明顯上升。

基于上述研究結論，提出如下政策建議：第一，對于投資者而言，應根據國際大宗商品市場與我國金融市場之間的關聯程度合理配置資產，以達到分散風險的目的。國際大宗商品市場與我國商品和股票市場關聯性較強，在極端風險事件發生時，同時持有大宗商品和股票的投資組合會面臨更大的風險。因此，投資者不宜同時持有較多股票和大宗商品，可將部分資金轉移至與大宗商品市場關聯性較低的債券、外匯和貨幣市場。第二，隨著大宗商品金融化程度的加深以及我國金融市場開放程度的提高，國際大宗商品價格波動對于我國金融市場的影響也逐步加深。因此，政府應密切關注國際大宗商品價格波動，防范化解輸入型金融風險。為了保障我國金融市場的穩定性，政府還應立足和發展經濟運行的“內循環”，提高經濟發展的自主性、可持續性。

參考文獻：

〔1〕KOSE M A.Explaining business cycles in small open economies［J］.Journal of International Economics，2002，（56）.

〔2〕ALQUIST R，BHATTARAI S，COIBION O.Commodity-price comovement and global economic activity［J］.Journal of Monetary Economics，2019，（03）.

〔3〕易小準，李曉，盛斌，等.俄烏沖突對國際經貿格局的影響［J］.國際經濟評論，2022，（03）.

〔4〕韓立巖，尹力博.投機行為還是實際需求？——國際大宗商品價格影響因素的廣義視角分析［J］.經濟研究，2012，（12）.

〔5〕GRUBER J W，VIGFUSSON R J.Interest rates and the volatility and correlation of commodity prices［C］.Board of Governors of the Federal Reserve System（U.S.），2012.

〔6〕呂云龍.國際大宗商品定價權研究［J］.宏觀經濟研究，2022，（01）.

〔7〕龍少波，厲克奧博，常婧.開放條件下國內大宗商品價格影響模型與貨幣政策的非對稱效應——基于開放套利模型與非對稱自回歸分布滯后模型［J］.國際金融研究，2019，（11）.

〔8〕FERNNDEZ A，GONZLEZ A，RODRGUEZ D.Sharing a ride on the commodities roller coaster：common factors in business cycles of emerging economies［J］.Journal of International Economics，2018，（111）.

〔9〕NIKOLAOS A，RENATAS K.Dynamic spillovers between commodity and currency markets［J］.International Review of Financial Analysis，2015，（41）.

〔10〕〔16〕譚小芬，張峻曉，鄭辛如.國際大宗商品市場與金融市場的雙向溢出效應——基于BEKK-GARCH模型和溢出指數法的實證研究［J］.中國軟科學，2018，（08）.

〔11〕郭娜，張駿.中國能源市場與股票市場的波動溢出效應研究——基于TVP-VAR-DY模型的實證研究［J］.西南民族大學學報（人文社會科學版），2022，（05）.

〔12〕楊子暉，陳雨恬，謝銳楷.我國金融機構系統性金融風險度量與跨部門風險溢出效應研究［J］.金融研究，2018，（10）.

〔13〕李博陽，杜強，沈悅，等.中國金融市場風險溢出效應及其非對稱性研究——基于GJR-BEKK-GARCH模型與溢出指數方法［J］.北京理工大學學報（社會科學版），2021，（05）.

〔14〕方意，宋佳馨，譚小芬.中國金融市場之間風險溢出的時空特征及機理分析——兼論中美貿易摩擦對金融市場的影響［J］.金融評論，2020，（06）.

〔15〕聞岳春，王婕，程天笑.國內股市與國際股市、大宗商品市場的溢出效應研究［J］.國際金融研究，2015，（08）.

〔17〕云璐，崔曉敏，肖立晟，等.國際大宗商品供需分析框架：全球視角與中國角色［J］.國際經濟評論，2022，（03）.

〔18〕胡聰慧，劉學良.大宗商品與股票市場聯動性研究：基于融資流動性的視角［J］.金融研究，2017，（07）.

〔19〕田利輝，譚德凱.大宗商品現貨定價的金融化和美國化問題——股票指數與商品現貨關系研究［J］.中國工業經濟，2014（10）.

〔20〕ANDRIOSOPOULOS K，GALARIOTIS E，SPYROU S.Contagion，volatility persistence and volatility spill-overs：The case of energy markets during the European financial crisis［J］.Energy Economics，2016，（66）.

〔21〕BENOIT S，COLLIARD J，HURLIN C，ET AL.Where the risks lie：A survey on systemic risk［J］.Review of Finance，2017，（01）.

〔22〕SALISU A A，EBUN G U，USMAN N.Revisiting oil-stock nexus during COVID-19 pandemic：Some preliminary results［J］.International Review of Economics and Finance，2020，（69）.

〔23〕ADELOYA O B，OLIYIDE J A.How COVID-19 drives connectedness among commodity and financial markets： Evidence from TVP-VAR and causality-in- quantiles techniques［J］.Resources Policy，2021，（70）.

〔24〕隋建利，楊慶偉.國際大宗商品市場與中國金融市場間風險的傳染測度與來源追溯［J］. 財經研究，2021，（08）.

〔25〕DIEBOLD F X，YILMAZ K.Better to give than to receive：Predictive directional measurement of volatility spillovers［J］.International Journal of Forecasting，2012，（01）.

〔26〕DIEBOLD F X，YILMAZ K.On the network topology of variance decompositions：Measuring the connectedness of financial firms［J］.Journal of Econometrics，2014，（01）.

〔27〕DEMIRER M，DIEBOLD F X，LIU L，et al.Estimating global bank network connectedness［J］.Journal of Applied Econometrics，2018，（01）.

〔28〕〔29〕ANTONAKAKIS N，CHATZIANTONIOU I，GABAUER D.Refined measures of dynamics connectedness based on time-varying parameter vector autoregressions［J］.Journal of Risk and Financial Management，2020，（04）.

〔30〕龍少波，胡國良，王繼源.國際大宗商品價格波動、投資驅動、貨幣供給與PPI低迷——基于TVP-VAR-SV模型的動態分析［J］.國際金融研究，2016，（05）.

〔31〕譚小芬，劉陽，張明.國際大宗商品價格波動：中國因素有多重要——基于1997-2012年季度數據和VECM模型的實證研究［J］.國際金融研究，2014，（10）.

〔32〕譚小芬，任潔.國際大宗商品價格波動中的中國因素——基于2000-2013年月度數據和遞歸VAR模型的分析［J］.財貿經濟，2014，（10）.

〔33〕李湛，堯艷珍，湯懷林，等.中國金融系統風險溢出效應研究——基于溢出指數和波動溢出網絡［J］.南方經濟，2021，（12）.

〔34〕許祥云，余聰，李立恒.中國金融市場波動如何影響國際大宗商品價格［J］.金融學季刊，2018，（04）.

〔35〕楊立生，楊杰.國際大宗商品價格波動對中國金融市場的風險溢出效應——波動溢出網絡視角［J］.金融監管研究，2022，（08）.

（責任編輯 肖華堂）