• 系统性风险溢出指数（TCI）在极端市场（牛市和熊市）接近95%，远高于正常市场状态的约56% [page::9][page::10]。

- 中国和印度的部分粮食期货在正常市场环境下相对较弱，信息传导作用有限。
- 同一粮食品种和同一地区的期货之间对偶连接显著增强，尤其是小麦表现明显。

• 冲突前后时期对比结果显示，冲突后，粮食期货市场的整体连通性减弱，预示风险溢出强度降低 [page::10][page::11]。

- 俄罗斯-乌克兰冲突后，印度市场由净接受者转为净传递者，阿根廷小麦由传递者转为接受者。
- 巴西大豆和玉米持续为主要风险传递者，传递能力增强；乌克兰小麦传递能力显著下降。

• 频域分析表明，粮食期货市场的溢出强度随着投资期限延长显著减弱，短期溢出为主 [page::13][page::14][page::21]。

- 极端市场条件下，短期溢出强度于冲突后期有所提升，而中长期溢出强度在冲突前更高。

• 动态溢出指数显示，冲突爆发引起TCI在中位数分位有明显下降，而极端分位仍维持高位，且溢出效应存在明显非对称性 [page::15][page::16]。

• 净对偶方向性溢出显示，美国粮食期货在大部分时期内作为国际价格标杆，对BRICS成员国产生显著影响，巴西大豆期货为主要风险输出者 [page::19][page::20]。

• 定量分析显示，粮食期货间的系统风险溢出具有高度时间和市场状态敏感性，且地缘政治事件（如俄罗斯—乌克兰冲突及黑海粮食倡议）对连通性影响显著，提醒投资者需动态调整投资组合，政策制定者应加强市场监管和风险监测机制 [page::23][page::24][page::25][page::26]。

详尽分析报告：《Quantile connectedness across BRICS and international grain futures markets: Insights from the Russia-Ukraine conflict》

---

1. 元数据与概览

• 标题: Quantile connectedness across BRICS and international grain futures markets: Insights from the Russia-Ukraine conflict

- 作者: Yan-Hong Yang, Ying-Hui Shao, Wei-Xing Zhou

• 机构: 上海大学商学院、上海对外经贸大学统计与信息学院、华东理工大学商学院及经济物理研究中心、华东理工大学数学学院

- 发布时间: 未明文指明，数据截止为2023年8月11日

• 研究主题: 聚焦BRICS国家（巴西、俄罗斯、印度、中国、南非）与国际粮食期货市场间的分位数连通性，尤其分析俄罗斯-乌克兰冲突对这些市场的影响。

- 核心论点:
- 粮食期货市场间的风险溢出具有显著的分位数异质性，极端市场状态下（熊市或牛市）连通度(TCI)显著提升。
- 冲突爆发后，系统性风险有所下降，特别是与黑海粮食倡议相关的变化。
- 美国粮食期货在国际市场中仍保持基准地位，对BRICS市场产生持续的影响。
- 粮食品种和地理邻近性均加强期货市场间的双向连通性。

• 方法论: 应用量化向量自回归模型(QVAR)和频域及时域连通性分析方法，考察不同市场条件下（不同分位数）风险溢出情况。

- 研究贡献:
1. 首次利用QVAR模型系统研究BRICS及国际粮食期货市场的分位数连通性。
2. 深入分析俄罗斯-乌克兰冲突这一地缘政治风险对粮食期货市场的系统性风险影响。
3. 强调粮食种类和区域接近性在风险传导中的关键作用。
4. 提供了时域和频域双视角对短期与长期溢出效应的理解。

---

2. 逐节深度解读

2.1 摘要与引言（第0至1页）

• 关键论点:

- 粮食期货市场风险传递显著依赖于市场状态，极端状态下连通度接近95%，高于正常市场条件。
- 冲突前溢出效应明显高于冲突爆发后，反映地缘政治因素对全球粮食供应链的影响。
- 除了稻米，U.S.粮食期货市场处于核心地位。

• 支持证据:

- 2021年，俄乌粮食产量及出口占全球比重高（例如，向日葵油出口占78%）。
- 冲突导致全球粮食价格波动性增强及贸易保护主义加剧。
- 黑海粮食倡议为缓解危机，但2023年中断再次影响供应链。

• 逻辑推理:

- 韩国冲突引发的供应中断导致市场动荡，需要量化分析冲击传递机制。

• 研究目标:

- 使用QVAR模型从分位数角度解构BRICS与国际粮食期货市场间的动态关联及系统风险，涵盖不同市场状态、时间频域和冲突不同阶段，兼顾短期和长期影响。

2.2 文献综述（第2至4页）

• 内部连通性（2.1节）:

- 现有文献关注农业期货的风险传播，强调美中市场互联（反映于豆类、玉米、麦类之间）。
- 采用多种模型验证市场在不同危机下的风险溢出特征（比如CoVaR、VAR-BEKK-MGARCH、Bayesian Quantile等）。
- 发现不同粮食品种风险溢出特征显著（如稻米相对较为稳定）。

• 跨品种连通性（2.2节）:

- 大量研究聚焦粮食期货与能源、金属市场间的溢出，揭示了能源价格与粮食价格间的紧密关联，且在极端市场时更为突出。
- 使用多种方法如copula模型、DECO-GARCH等，这是由于能源成本对农业成本的传导影响。

• 俄罗斯-乌克兰冲突的影响（2.3节）:

- 该冲突导致粮食期货市场波动率激增和供应链中断，市场连通性及溢出效应更加复杂。
- 研究综合运用Copula-CoVaR、TVP-VAR频域连通性等方法揭示，《粮食安全》和《贸易政策》的直接冲击。
- 粮食期货对冲和风险管理需求加强。

• 研究缺口:

- BRICS内部及其与国际粮食市场内风险溢出关系研究不足，且分位数视角动态变化分析缺乏。

2.3 数据及初步分析（第4至6页）

• 数据选取:

- 包括BRICS国家（巴西、印度、中国、南非）及国际市场（美国、阿根廷、乌克兰、黑海地区）的23种粮食期货，涵盖玉米、大豆、小麦、稻米四类主流粮食。
- 数据时间跨度：2021年4月12日至2023年8月11日。
- 乌克兰和黑海期货因黑海粮食倡议停摆后停止交易，截止日期设为2023年8月11日。
- 俄罗斯市场缺乏可用数据，用黑海小麦期货作为替代。
- 新BRICS国家未纳入，阿根廷虽未正式加入，但作为主要出口大国纳入分析。

• 初步统计分析:

- 所有大部分期货回报序列非正态，适合使用QVAR模型。
- 序列平稳，通过ADF和PP检验验证。
- 大部分期货市场存在明显的自相关或异方差。
- 不同期货回报间大多呈正相关，印度玉米和小米及中国稻米与其他期货市场相关性较弱。

• 冲突前后比较:

- 粮食期货相关性在冲突后有所减弱，表明冲击导致市场隔离增强。
- 中国玉米期货与其他市场互动显著增强（由几乎无相关到多市场相关）。

2.4 方法论（第6至8页）

• 核心方法：量化向量自回归(QVAR)模型

- 将市场回报作为内生变量，估计各分位数下的自回归过程。
- 通过广义误差方差分解(GFEVD)来量化冲击溢出效应，特别是预测误差的方差中多大比例由别的市场冲击造成。
- 建立归一化矩阵确保溢出比例总和为1，便于比较。

• 主要连通性指标:

- NPDC（净对向连通性）：两市场间净溢出效应，正代表$j$市场向$i$市场净传递风险。
- TO（传递出）：单个市场对其他市场的总溢出贡献。
- FROM（接收于）：单个市场从其他市场接收的跨市场风险。
- NET（净溢出）：TO减FROM，正代表净传递者，负代表净接收者。
- TCI（总连通度指数）：整个系统平均连通度，数值越大代表系统风险越高。

• 频域分析：

- 利用谱分析，将连通性指标按频率区间拆分：短期（1-5天）、中期（5-20天）、长期（20天以上）。
- 计算频率域的GFEVD，分析各时段风险传递特征。

• 参数设定:

- 滚动窗长度200天，模型滞后期1，预测步长20。

2.5 实证分析（第9至24页）

2.5.1 静态时域连通分析（第9-14页）

• TCI表现:

- 极端市场条件（0.05和0.95分位）下，TCI约95%，显著高于正常0.5分位（约57%）。
- 市场间波动更为紧密，信息传递更为畅通，风险外溢更为剧烈。

• 个别期货角色:

- 极端熊市中，美国小麦（USw）、中国稻米（CNr）、黑海小麦（BSw）等为净接收者；
- 巴西大豆（BRms）、阿根廷玉米（ARm）等为净传递者。
- 正常熊市中，印度和中国部分产品表现为较弱的风险参与者。

• 冲突前后对比:

- 冲突后正常市场下，整体TCI下降表明市场整体风险连通减弱。
- 某些期货由净接收转为传递（印度玉米），部分由传递转为接收（阿根廷小麦、乌克兰小麦）。
- 乌克兰小麦冲突后传递能力大幅下降。

• 配对连通性:

- 相同粮食品种（如小麦期货）及地理邻近市场之间，溢出关系更为紧密。
- 见图1中网络连通图示，明显反映冲突对角色的动态变化。

2.5.2 静态频域连通分析（第13-15页）

• 短期频域TCI远高于中长期，短期主导整体风险运行，符合典型金融市场快速反应特征。

- 极端熊市时长期TCI略高于中期，可能反映供应链持续冲击。

• 冲突后短期TCI有所提升，中长期TCI相对下降。

- 不同期货在不同频率表现角色有所转换，表明市场有多层次风险传递机制。

• 高频率风险传递尤为突出，美巴大豆、阿根廷玉米等持续为风险净发出端。

2.5.3 动态时域连通分析（第15-24页）

• TCI动态变化突出：

- 事件驱动明显，2022年2月俄罗斯入侵乌克兰后TCI剧烈下降，随后因黑海粮食倡议达成而波动提升。
- 极端分位数下，TCI常驻95%，高于中位数，表明极端市场风险更具系统性。
- 左右尾风险溢出不对称，上尾（牛市）通常溢出强于下尾（熊市）。

• TO（传递出）与FROM（接收）动态差异显著：

- 巴西大豆、阿根廷玉米、美国大豆等为传递风险主要力量。
- 印度玉米、南非部分期货相对偏向接收风险，冲突带来的风险冲击使其角色发生变化。

• NET（净溢出）变化：

- 乌克兰小麦从强净传递者变为净接收者，响应黑海粮食倡议的期限缩短。
- 南非黄玉米和白玉米传递角色由净接收转为传递。

• 个别市场之间的净配对溢出：

- 巴西大豆对其他BRICS国家的大豆市场贡献最大溢出。
- 美国期货作为国际基准，在大多数时间点引导其他市场。
- 黑海与乌克兰小麦期货互动受冲突影响显著，倡议公告周期呈现震荡。

• 频域动态连通：

- 短期风险溢出最为显著，中长期波动较小。
- 冲突相关事件同样对应频率域中构图变动。

• 分位数敏感性：

- 热力图（Fig. 10，11）清晰展示低与高分位连通度强，中间分位减弱趋势。
- 市场状态极端时，连通性强，倾向性风险更明显。
- 黑海粮食倡议缩短后，市场连通性出现结构性调整。

---

3. 图表深度解读

图1 网络连通图（时域，三分位数及冲突前后不同阶段）

• 描述：圆环布局，蓝色节点为净溢出者，黄色为净吸收者，节点大小表示溢出强度，边宽表示溢出力度。

- 趋势：极端市场（0.05和0.95分位）边更密，显示极端时市场连通性高。冲突后乌克兰小麦由净传递转为净吸收。

• 数据解释：节点尺寸与边宽相结合表明不同期货间风险输出入关系的强弱，验证了分位数敏感性和市场结构变化，呼应文字中净传递/接收的动态分析。

-

图2 TCI不同分位数的U型变化及冲突前后比较

• 描述：不同分位数横轴，TCI纵轴，三条曲线表示全样本、冲突前后。

- 解读: TCI呈U型曲线极端低和极端高分位均高，表明极端市场连通度增强。冲突前期整体TCI偏高，冲突后降低。

• 

图3 动态TCI及尾部分位差异

• 描述：滚动窗口TCI曲线，左右尾连通度数值稳定在95%左右，中位数显著较低；尾部差值显示不对称且时变。

- 含义：表明极端行情风险溢出程度更大，且两尾风险溢出不均衡。

• 

图4-6 TO、FROM、NET动态连通性时间序列分图

• 描述：每个期货时间序列的TO, FROM, NET连通强度。

- 观察：大豆和玉米期货TO强，风险传递主力；多数期货FOM连通强，表明受多源风险影响；NET动态表现市场角色转化，冲击事件影响明显。

• 

-

• 

图7 动态配对净方向连通

• 描述：多图矩阵形式显示两两期货间溢出净效应波动。

- 结论: 巴西大豆持续主导多个市场，美国大豆权威地位显著，乌黑冲突对黑海及乌克兰市场影响表达明确。

• 

图8 动态频域连通度堆叠图

• 描述：分短中长三个频段堆叠显示总连通波动。

- 点明：短期贡献主导整体连通，疫情及俄罗斯-乌克兰冲突时段明显下跌。

• 

图9 动态频域NET连通性

• 描述：各期货在短中长期频域的净溢出随时间变化。

- 发现：大豆和阿根廷、小麦和黑海期货为主要净传递者，长期频域净溢出幅度较小。

• 

图10-11 分位数敏感性热图（时域）

• 描述：时序-分位数热图，颜色深浅表示TCI及NET连通性强弱。

- 含义：高连通性主要集中于市场极端（上下25%）分位，且冲突后连通整体下降明显。NET热图显示不同期货净传递/接收角色随时间和分位变化，部分期货发生角色转换。

• 

-

---

4. 估值分析

报告未直接涉及资产估值、目标价或投资评级，主要为市场风险连通性和溢出效应的量化研究，重点在风险溢出的结构理解及管理建议，不涉及公司估值。

---

5. 风险因素评估

• 俄罗斯-乌克兰冲突: 关键风险来源，破坏粮食供应链与市场预期，影响全球粮食安全。

- 黑海粮食倡议暂停及缩短期限: 增加市场不确定性，引发风险溢出的波动，影响期货价格稳定。

• 市场状态极端波动风险: 极端牛市或熊市增加连通性和系统性风险，风险传递增强。

- 贸易保护主义上升: 导致价差扩大及连锁反应，破坏市场有效性。

• 数据可得性限制: 俄罗斯市场期货缺失导致分析上替代，可能影响完整性。

- 政策与事件的不确定性: 政策变化给市场带来不确定影响，增加系统风险。

报告对风险进行了量化分析，但对具体缓解策略阐释较少，建议投资者和监管机构加强对冲和风险监测。

---

6. 批判性视角与细微差别

• 数据完整性缺陷：无俄罗斯真实市场数据，采用替代品难以保证完全代表冲击，可能影响结果的广泛适用性。

- 时间范围限制：2023年8月截止，尚未包含后续事件影响，未来走势变化未定。

• 模型局限：QVAR模型假设条件稳定，实际市场结构不断变化，模型推断可能存在偏差。

- 冲突多因性：冲突影响复杂，模型难以完全剖析经济、政策及地缘间的交互影响。

• 冲击溢出角色变动：部分期货市场角色不稳定，局部结论须谨慎解读。

- 估值缺失：未整合基本面分析与市场预期，限于量化统计视角。

• 政策因素影响：未对特定政策措施的定量评估，未来研究空间广阔。

---

7. 结论性综合

本报告通过严谨的QVAR模型，结合时域与频域分析，系统揭示了BRICS与国际主要粮食期货市场在俄罗斯-乌克兰冲突背景下的分位数依赖性风险溢出情况。核心发现包括：

• 极端市场条件下（0.05及0.95分位），总连通性（TCI）达到约95%，显著高于正常市场环境，表明系统性风险集中于极端行情；

- 冲突爆发后，整体系统风险连通性下降，尤其是与黑海粮食倡议相关市场风险溢出强度明显减弱；

• 美国粮食期货继续保持国际基准地位，主导对BRICS市场风险的传导；巴西大豆和阿根廷玉米为重要净风险传递源，南非及中国部分粮食期货趋向净风险接收；

- 粒度更细的频域分析显示风险多集中于短期（1-5天），中长期溢出次之，冲突影响先前后期展现明显差异；

• 粮食品种及地理邻近性是风险传递的重要驱动力，表现为同类期货及邻近区域间的溢出效应更强；

- 分位数敏感性分析表明溢出效应相对对称，但极端分位条件下影响更为剧烈，市场状态对风险传播路径具有显著调节作用。

图表充分佐证各结论，特别是网络连通示意图（图1）、动态TCI曲线（图3）、频域堆叠图（图8）和分位数敏感性热图（图10、11），清晰展现了市场风险的时间变化、空间差异及敏感性。特别是图中明显看到乌克兰小麦期货的角色转变，以及黑海粮食倡议不同阶段引起的市场风险波动，验证理论分析的准确性。

研究对于投资者来说，提醒需要注意不同市场条件下期货的风险角色变化，合理进行组合管理和动态对冲。对于政策制定者，强调国际合作与风险监控的重要性，特别是在管理地缘政治风险对全球粮食安全的影响时，应强化市场透明度及多边协调。

总体而言，报告顶层设计严谨，方法先进，数据详实，结论具有较强的理论与实务指导意义，为粮食市场风险管理与政策制定提供了有力支持。[page::0,page::1,page::4,page::5,page::6,page::7,page::9,page::10,page::11,page::12,page::13,page::14,page::15,page::16,page::17,page::18,page::19,page::20,page::21,page::22,page::23,page::24,page::25,page::26,page::27]

---

总结

本报告系统化剖析了BRICS及国际粮食期货市场中俄罗斯-乌克兰冲突带来的层次复杂的风险溢出，量化了时间-频率和分位数多维联动，揭示了市场间非对称及阶段性冲击效应。通过详尽的统计和图示，报告既深化了学术界对粮食期货市场连通性的认知，也给实务界提供了操作性强的风险识别与管理参考。未来研究可重点关注数据时延远、地缘事件综合影响及系统稳健性检验，进一步完善全球粮食市场风险分析体系。

报告