摘要及研究框架 [page::0][page::2]

• 本文聚焦BRICS及重要国际谷物期货（大豆、玉米、小麦及稻米），分析俄乌冲突及黑海粮食倡议期间市场回报的动态分位数连通性。

- 采用动态分位数VAR模型及频域分解方法，刻画不同市场状态及投资期限下的溢出效应和风险传播。

• 构建了最小方差组合、最小相关组合和最小连通性组合三类投资组合，评估其波动率、夏普比率及VaR/CVaR调整后的表现。

数据描述与初步分析 [page::5][page::7]

• 数据涵盖2021年4月至2023年8月23个谷物期货合约。

- 俄罗斯谷物期货缺失，采用黑海小麦及乌克兰小麦合约代替。

• 各合约收益率均显著非正态，适用分位数VAR模型。

- 不同合约间的Kendall秩相关度多数为正，且多数对冲突前后有显著差异。

计量方法论 [page::8][page::9][page::10]

• 利用分位数VAR(QVAR)模型估计不同分位点的动态溢出效应，包括向量移动平均表示与广义误差方差分解(GFEVD)。

- 时间域与频域连通性度量分别估计系统总连通性(TCI)、方向性溢出（TO, FROM）及净溢出(NET)。

• 频域细分为短期(1-5日)，中期(5-20日)，长期(20日以上)三类频率区间。

连通性静态分析 [page::11][page::12][page::15][page::16]

• 系统连通性(TCI)在尾部极高，约95%，中位数时约57%，尾部状态下信息传递更激烈。

- 南非谷物为持续净接受者，阿根廷谷物、美豆及乌克兰小麦为主要净传递者。

• 地缘政治冲突前后，连通性及净传递结构发生显著改变。

- 频域分析显示溢出效应以短期成分为主，中长期影响较弱。

连通性动态演变 [page::17][page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25]

• 总体结论确定为短期溢出效应主导，频域表现尤为明显。

- 冲突显著改变了连通性水平及结构，部分代理契约如乌克兰小麦溢出作用在冲突后明显减少。

• 投资者须关注跨合约的净溢出变化，及时调整风险暴露。

投资组合实证分析 [page::26][page::27][page::28]

• 在中位数分位，最小连通性组合(MCoP)在夏普比率上领先最小方差(MVP)和最小相关性组合(MCP)。

- MCoP在正常和尾部(市场下跌)表现优异，表明考虑溢出风险优化组合具备优势。

• 冲突后所有组合平均收益和风险调整表现均受损，表明地缘风险降低了投资回报率。

结论与政策建议 [page::29][page::30]

• 俄乌冲突和黑海粮食倡议明显影响GRICS及国际谷物期货市场中的风险溢出和连通性。

- US主要谷物期货持续统治溢出网络，BRICS市场的部分期货为风险净接受者。

• 动态分位数网络模型结合频域分析有效捕获市场多层次传染机制及时间演化特征。

- 投资者应针对不同时刻和市场状态灵活调整组合，监管层需加强区域及国际协调，提升粮食期货市场的韧性以维护全球粮食安全。[page::30]

俄罗斯-乌克兰冲突及BRICS与国际市场粮食期货的分位数收益率连通性详尽解析报告

---

1. 元数据与报告概览

报告标题： Russia-Ukraine conflict and the quantile return connectedness of grain futures in the BRICS and international markets
作者： Yan-Hong Yang, Ying-Hui Shao, Wei-Xing Zhou
机构背景： 上海大学、上海对外经贸大学、华东理工大学等中国高校及研究中心
日期： 暂无明确发布时间（默认最新）
研究主题： 探讨俄罗斯-乌克兰冲突背景下BRICS国家及国际粮食期货市场的分位数收益率连通性与风险溢出，并结合频域进行细分，以指导资产配置和风险管理。

核心结论与关键传递信息：

• 粮食期货市场的溢出效应在收益率分布的不同分位数上表现出异质性，尾部分位数的总连通性接近95%，中位数附近较低且冲突爆发前高于爆发后。

- 粮种属性与地域接近加剧市场间的连通性，南非期货持续为净接收方，阿根廷期货、美豆和乌克兰小麦则是主要的风险传导源。

• 短期频段主导连通结构，对投资组合设计具有指导意义，最小连通性投资组合在正常和低尾市场条件下表现出较高夏普比率，提供了风险管理的新视角。

- 研究结合动态分位数向量自回归（QVAR）与频域分解，为分析带有地缘政治冲击的粮食期货市场体系风险和资产配置提供了方法论创新和实务借鉴。

本报告强调粮食安全的地缘政治敏感性和期货市场结构的复杂性，尤其是BRICS国家在全球粮食市场中的关键角色和俄罗斯-乌克兰冲突对市场结构的深远影响。[page::0,1,2]

---

2. 逐节深度解读

2.1 引言与背景（第1节）

报告阐述粮食安全对全球经济与社会稳定的重要性。特别是近年的疫情、极端天气、经济冲击、贸易摩擦和地缘政治事件对国际粮价产生显著波动，全球数十亿人遭受粮食不安全威胁。俄罗斯和乌克兰作为全球粮食、能源和化肥的重要生产和出口地，其冲突导致供应链中断、贸易限制增加，推高食品价格并加剧全球粮食危机。
2022年7月建立的黑海粮食倡议（BSGI）虽缓解供应紧张，但其后中断导致波动持续。此外，全球贸易自给自足趋向提高，粮食市场格局或重塑。BRICS国家因其粮食生产和消费规模，成为稳定全球粮食市场的关键。
粮食期货市场作为价格发现机制，对预期供应需求的反应尤为重要。报告指出对BRICS与国际市场粮食期货连通性的深入研究尚缺，尤其是在极端市场状态与多频率视角下的研究空白。[page::0,1]

2.2 文献回顾（第2节）

报告总结现有文献三大方向：

• 粮食期货市场内部连通性： 研究涵盖美中大豆、玉米、小麦等，揭示尾部风险溢出与风险传导不对称，及U.S.市场在全球农业期货信息传递中的主导作用。强调大豆和小麦相较玉米和水稻更易受波动冲击。多数学者采用CoVaR、MS-GARCH、VAR-BEKK等模型揭示市场波动与价格发现机制。
• 粮食与其他大宗商品市场间连通性： 粮食与能源（尤其石油）、贵金属、市政金属之间的收益和波动溢出被广泛研究。疫情和经济危机制造极端波动下的跨市场风险传染。石油与粮食等市场的风险相关性随危机状态变化，溢出效应亦随之变化。
• 俄罗斯-乌克兰冲突影响： 地缘冲击增加粮食期货波动性和风险传导，影响全球粮食安全。不同研究使用Copula-CoVaR、TVP-VAR等方法发现冲突阶段农业期货风险溢出信号显著且多变，许多商品由风险传导者转变为接收者，能源价格对农业构成关键影响。[page::2-5]

2.3 数据和初步分析（第3节）

样本涵盖BRICS主要粮食期货（玉米、大豆、小麦、稻米）及国际基准（CBOT、Matba Rofex等），时段为2021年4月12日至2023年8月11日，共610个交易日。划分为冲突爆发前（2021年4月12日至2022年2月23日）和爆发后阶段。因数据限制，未含俄粮食期货，但通过CBOT中黑海小麦与乌克兰小麦期货替代。

表1展示统计描述，收益率对数差分分析显示所有期货呈现非正态性（Jarque-Bera统计显著），除部分南非品种，且均为平稳序列（ADF检验通过）。
图1展现Kendall相关性热力图，所有显著相关系均为正，显示粮食期货价格方向整体一致。对比冲突前后，绝大多数显著相关对后期减弱，表明冲突后市场线性依赖和共动性降低，符合先前文献报道。[page::5-7]

2.4 方法论（第4节）

报告采用动态分位数向量自回归模型（Quantile VAR, QVAR），可捕捉不同分位（$\tau$）下的系统动态，特别是极端市场状态的风险传导。
QVAR形式：

$$
\pmb{y}{t} = \pmb{\mu}{t}(\tau) + \sum{i=1}^p \pmb{\phi}i(\tau) \pmb{y}{t-i} + \pmb{u}{t}(\tau)
$$

利用广义前向误差方差分解（GFEVD），计算不同市场间的溢出比例，定义并规范化$\tilde{\theta}_{ij}(H)$。由此构建溢出指标包括：

• NPDC（净成对方向连通性）

- TO（传递给他者的总连通性）

• FROM（接收自他者的总连通性）

- NET（净溢出：传出减传入）

• TCI（总连通指数，体现市场整体风险溢出强度）

此外，方法拓展至频域，分解溢出效应至短期（1-5日）、中期（5-20日）和长期（20日以上）频率带，进而考察不同投资视角下的溢出行为差异。参数方面，采用200日滚动窗口，滞后阶数选为1，预测步长20，确保动态捕捉。[page::8-10]

---

3. 图表与数据详解

3.1 表1：粮食期货收益率基本统计与测试指标

• 展示23个粮食期货合约，包括巴西、中国、印度、南非、阿根廷、乌克兰、美国及黑海区域的主要品种。均为日对数收益率统计。

- 标准差最高的为美国小麦（USw），说明其价格波动最剧烈；最低为中国稻米（CNr）。

• 偏度和峰度大多显著偏离正态，支持采用分位数模型。

- ADF检验结果均显示时间序列为平稳。

• 某些南非合约波动较低且正态性检验不显著，提示市场结构差异。

意义：体现不同市场和品种间风险特征异质性，为后续连通性建模奠定数据基础。[page::6-7]

3.2 图1：Kendall相关性热力图

• 热力图以非参数相关系数展示23合约对的相关强度，显著相关的均为正相关，表征总体市场同向波动。

- 特别，印度玉米(INm)、印度谷子(INb)、中国稻米(CNr)与其他品种相关性不显著，标示其市场相对独立或风险传导有限。

• 109对相关在冲突前后均显著，其中逾七成（76.15%）相关系在冲突前更大，表明冲突导致市场间的联动减弱。

关联文本解读：支持分位数连通性研究的必要性，反映冲突改变了市场结构中的风险传递路径。[page::7]

3.3 表2：时间域动态连通性均值（不同分位）

• 统计了$\tau=0.05$（极端跌市）、0.50（中位数）和0.95（极端涨市）三分位的连通性指标。

- TCI在尾部高达约95%，显著高于中位数的57%，尾部市场状态下系统连通性增强，风险系统性更高。

• 大多数合约的FROM和TO指标均趋于高位，尤其在尾部，反映市场间溢出递增。

- 南非合约多数为净风险接收者，巴西、阿根廷、大豆美国与乌克兰小麦为主要净风险传递者。

• 同品种间及地理接近合约间联动较强，如黑海与乌克兰小麦，表明商品属性和空间距离强化连通性。

- 战前战后分样显示中位数TCI由61.96%降至54.49%，但尾部TCI变化不大，暗示冲击影响主要体现在正常波动区间。[page::11-14]

3.4 图2：时间域连通性网络图（不同分位及分样）

• 蓝色节点为净传递者，黄色为净接收者，节点大小依据传递溢出强弱，箭头代表溢出方向及强度。

- 在极端涨跌情景下，网络连通更密集，溢出更显著，投资者行为更趋一致。

• 重大冲击前后部分节点角色发生转换，如乌克兰小麦从主要传递者转为接收者，体现冲突对风险传导结构的实质影响。

- 战前中位分位显示南非合约主导风险吸收，其他国家合约则多为传递者角色。

3.5 图3：整体TCI对不同分位的敏感性

• 曲线呈U型，尾部连通性最大，中间较低。

- 冲突爆发前整体TCI均高于爆发后，差距在中间分位最大，显示冲击后市场联动性减弱。

• 进一步验证尾部状态下风险溢出更为强烈，凸显分位数方法价值。[page::14-15]

3.6 表3：频域动态连通性分析（不同分位）

• 按短期（1-5日）、中期（5-20日）、长期（>20日）频率区分，短期溢出占主导（短期TCI最高达68%-95%），中长期显著减少。

- 声明传统信息传递速度快导致风险溢出多为短期波动。

• 不同分位中净溢出标识不同：如左尾BRms、BRs、USs为短中长期净传递者，ZAcs、ZAc、USr为净接收者，表现复杂且存在跨频切换。

- 战后尾部短期溢出更强，中长期溢出战前更突出，显示冲突改变了溢出频谱结构。[page::15-17]

3.7 图4-7：动态溢出指标变动趋势

• TCI在中位数波动较大，围绕46%-63%，冲突爆发直接导致TCI急剧下滑，随后因BSGI相关事件呈二次峰值和谷底波动。

- 尾部TCI保持高位波动，约95%，显示尾部条件对市场系统性风险的维持作用。

• TO（溢出传出）指标中，巴西大豆等市场传递风险尤为突出，冲突后部分合约（巴西大豆、阿根廷、大豆美国）溢出强度降低，南非及阿根廷小麦等则上升。

- FROM（接收）指标普遍较大，南非玉米为最大接收市场，冲突后大部分合约FROM指标有所下降。

• NET指标显示巴西大豆、美国大豆、阿根廷小麦、黑海小麦等为净传递者，南非玉米、大部分南非小麦为接收者，冲突和BSGI变动带来显著结构转变。

- 极端尾部下TO溢出远高于正常，中位数低，表明极端市场环境下风险传导加剧且不对称。[page::17-21]

3.8 图8：净成对溢出动态

• 巴西大豆为主要释出溢出源，对多国粮食合约净传导风险。冲突前后这一角色显著变化。

- 中国大豆多为接收者，反映国际与国内市场的互动关系和依赖。

• 南非大豆和南非小麦主要净接收阿根廷、大豆美国及阿根廷小麦等净溢出。

- 黑海和乌克兰小麦交易角色互换，显示冲突对区域粮食市场的深刻影响。[page::21-22]

3.9 图9-10：频域动态总连通性及NET趋势

• 高频短期持续主导整体连通性，特别在正常及极端行情。

- 冲突和BSGI事件导致短频段连通性两次显著下降。

• 中长期贡献较小，但在特殊时段和尾部状态下有波动提升。

- 动态NET图中，巴西和美国大豆持续净传递，而美国和印度特定品种为净接收；长期频率份额最小，表明系统风险多由快速波动引发。[page::22-23]

3.10 图11-12：时间与频率域中的分位敏感性热力图

• 时间域连通性随分位呈U型，形态对称且受冲突影响显著，冲突后中间分位连通明显下降。

- 频率域表现更复杂，短期热力图与时间域类似，中长频段差异更为突出，显示市场状态的多层次风险特点。

• 净传递连通性也随分位及时间大幅波动，多数合约在不同分位和时间切换传递者/接收者角色，说明投资者在牛熊市场的行为差异。[page::23-25]

3.11 表4：结构断点与分样检验

• Chow测试和Wilcoxon秩和检验均显著表明2022年2月24日俄罗斯侵乌发生后市场连通结构发生统计学上的改变，尤其在中位数分位，确认了冲突对市场风险传导格局的深远影响。[page::24-25]

3.12 投资组合相关（第6节）

• 采用经典的最小方差组合（MVP）、最小相关组合（MCP），以及基于溢出最小化的最小连通性组合（MCoP）。

- MCoP利用溢出指标矩阵反映资产间风险传播情况，动态调整权重，以降低系统风险。

• 风险调整方面辅助采用波动率标准差、VaR、CVaR等指标，兼顾各种风险维度。

- 结果显示MCoP在正常及低尾市场表现最佳，夏普比率高且为正，MCP次之，MVP表现相对较弱。

• 逆转的是在牛市最高分位，MCoP表现不佳，MVP和MCP更为稳健。

- 冲突后各组合表现均降低，风险调整收益负成长，反映持续冲击下市场的挑战。

• 投资者应对应不同市场状态选择合适策略，结合净传递/接收角色做动态调整。政策制定者则需要加强市场风险监控、推动国际合作和政策透明。[page::26-29]

3.13 图13：投资组合累计收益

• 展现三种策略在不同分位的累计回报趋势，整体走势同步，关键事件导致分歧。

- MCP在极端高分位表现最佳，MCoP跨分位稳定，突显策略的状态依赖性。

• 策略动态体现资产连通性对组合表现的显著影响。[page::28]

---

4. 估值方法（不适用）

本文为市场连通性研究，未涉及资产估值和目标价设定，故无估值分析部分。

---

5. 风险因素评估

• 地缘政治冲突：俄罗斯-乌克兰战争为最主要外部风险，显著改变了粮食期货市场结构、溢出身份和市场波动性。

- 政策风险：黑海粮食倡议等政策波动带来不确定性和市场结构调整，如BSGI的临时停摆引发溢出波动。

• 市场极端波动风险：市场尾部状态下风险集中，连通性增强，显示投资者行为趋同，风险管理难度增加。

- 区域依赖性风险：BRICS国家间市场连通性受地理和作物类型影响，局部风险事件可导致跨市场风险扩散。

• 数据与市场覆盖限制：由于部分新BRICS成员缺乏完整期货市场，分析受限，隐含未观测风险。

- 宏观经济和气候风险：疫情及极端天气等可能成为额外冲击因素影响市场风险传递。

缓解建议包括加强国际协作、做好风险实时监测、制定灵活对冲策略及提升政策透明度。[page::1,5,29-30]

---

6. 批判性视角与细微差别

• 本报告强烈依赖QVAR与频域分析模型，假设线性结构和模型选取对现实复杂性可能存在简化，尤其尾部事件极端异质性或不完全捕捉。

- 数据选用截止2023年8月中旬，后续疫情与冲突动态未纳入，限制了长期趋势评估。

• 距离相近和同粮种连通增强发现虽符合经济直觉，但可能掩盖其他更复杂的供应链与政治经济关系影响。

- 投资组合分析未考虑交易成本和流动性约束，实务中对策略适应性和可行性需审慎考量。

• 报告多处以百分比连通强度呈现，未展开更多定价影响和宏观经济传导机制。

- 结构断点选用冲突爆发日，虽有统计支持，但市场结构调整可能呈渐进非线性，需结合更多突发事件共同分析。

整体而言，报告方法框架坚实，数据详实，结论合理，但对动态非线性和多因素复杂互动可进一步深化。

---

7. 结论性综合

本报告针对俄罗斯-乌克兰冲突背景下的BRICS与国际粮食期货市场展开了深入的动态分位数和频率域连通性分析。结合QVAR和频域溢出框架，揭示了不同市场状态和时间尺度下的风险传递结构：

• 连通强度高且异质：尾部风险溢出显著优于中位状态，反映极端市场条件下系统性风险增长，且冲突爆发前总体连通度高于之后。

- 角色动态变化：南非粮食期货持续净接收风险，阿根廷、大豆美国及乌克兰小麦为主要传递体，冲突及BSGI事件刻画了连通转折点和角色切换。

• 频率依赖性明显：溢出集中在短期频率，显示风险信息快速扩散，且受冲突影响中长期溢出差异多变。

- 风险管理与资产配置启示：最小连通性投资组合在常态及下行市场表现优于传统方差和相关组合，但牛市偏好不同策略。冲击后整体收益与风险调整表现下滑，投资者须关注市场状态和动态溢出角色，动态调整组合权重。

• 政策含义：强调国际协调、实时监控、冲突应对和制度设计以维稳粮食市场，从而保障全球粮食安全和金融稳定。

报告视觉资料如表1-3、图1-3、图5-13及附件图表均详实支撑上述结论，特别是动态网络图和频率分解图形生动呈现了复杂的市场风险传导网络和时间演变。其创新贯穿于对分位数市场结构与多频交流的刻画，为未来地缘政治与气候冲击下的大宗商品风险管理提供了理论和实证工具。

总之，该研究不仅丰富了粮食期货市场的风险传染文献，也为投资者与政策制定者提供了应对复杂不确定性的新视角。其结论证明，强化对极端市场状态和频率结构的认知是有效风险管理与稳健资产配置的关键前提。[page::29-30]

---

附：重要图表展示示例

• 图1：Kendall相关性热力图

• 图2：时间域网络连通图（部分）

• 图3：不同分位的总连通指数(TCI)趋势

• 图4：动态TCI与相对尾部溢出

• 图9：频域不同时间长度动态总连通性（示例）

• 图13：各投资组合累计收益率

---

（全文分析基于报告内容，引用页码详见文中对应段落）

报告