• 采用MF-X-DMA方法分析了2000-2024年6065个交易日的国际谷物油籽指数（GOI及六个子指数）与三类不确定性指标（EPU、GPR、VIX）之间的交叉相关性和多重分形特征 [page::3][page::5].

• 交叉相关性统计检验Qcc(m)显示谷物油籽价格指数与EPU、GPR、VIX之间的交叉相关均显著，拒绝零假设，表明存在统计显著的交叉相关关系 [page::8].

• 各对时间序列的波动函数Fxy(q,s)均呈现良好幂律关系，表明适用于MF-X-DMA分析；不同指数与不确定性指标的Hxy(q)曲线普遍随q下降，体现多重分形交叉相关的存在，但幅度较弱，变化范围均小于0.15 [page::9][page::15][page::19].

• 通过回归分析joint mass exponent τxy(q)与q的二次多项式，检验多重分形交叉相关的非线性，发现所有谷物油籽指数与三类外部不确定性指标的拟合均显著非线性（a2系数显著非零），支持联合多重分形交叉相关的存在[page::10][page::16][page::20].
• 替代数据（IAAFT）统计检验表明，大部分谷物油籽指数与不确定性间的多重分形交叉相关源于线性相关和厚尾分布，但玉米与EPU、GPR、VIX表现出内在联合多重分形交叉相关（p-value分别约0.087、0.039和0.007），GOI、Wheat与GPR也显示可能的内在多重分形特性，说明非线性机制在这些系列的交叉相关中起重要作用[page::11][page::13][page::17][page::23].

| 指标对 | 联合奇异度宽度Δαxy | 替代-原始差异 | p-value |
|------------|-------------------|--------------|---------|
| Maize-EPU | 0.2023 | 小于替代宽度 | 0.0870 |
| GOI-GPR | 0.1259 | 小于替代宽度 | 0.5890 |
| Maize-GPR | 0.2002 | 小于替代宽度 | 0.0390 |
| Maize-VIX | 0.2523 | 小于替代宽度 | 0.0070 |
| Soyabeans-VIX| 0.1801 | 小于替代宽度 | 0.1320 |

• 地缘政治风险（GPR）与谷物油籽价格的联合多重分形交叉相关较EPU和VIX更强，说明地缘政治因素对农业市场价格影响更大，特别是稻米和玉米指数显示较高的多重分形强度 [page::14][page::17].
• 玉米作为全球主要食品来源，对外部不确定性极为敏感，可能因其广泛的供需国际依赖性及金融化进程，其价格波动在三类不确定性指标中普遍表现内在多重分形交叉相关，反映出较强的复杂动态特征[page::23].
• 政策制定者和投资者应关注谷物市场尤其玉米对地缘政治风险的敏感性，提升风险管理策略及预警体系建设，考虑通过多样化进口渠道和储备保障粮食供应安全，同时市场参与者可优化投资组合以分散风险[page::24].

金融研究报告详尽分析报告

---

1. 元数据与概览 (引言与报告概览)

• 报告标题：

Joint multifractality in the cross-correlations between grains & oilseeds indices and external uncertainties

• 作者与机构：

Ying-Hui Shao（上海对外经贸大学统计与信息学院）、Xing-Lu Gao（华东理工大学商学院）、Yan-Hong Yang（上海大学SILC商学院）、Wei-Xing Zhou（华东理工大学数学学院暨经济物理研究中心）

• 发布日期：

未具体注明，但文中数据至2024年1月29日，可推测为2024年发布或近年

• 研究主题：

研究粮食与油籽价格指数（GOI及其小项指数：小麦、玉米、大豆、水稻、大麦）与三类外部不确定性指标（经济政策不确定性EPU、地缘政治风险GPR、市场波动指数VIX）之间的多重分形交叉相关特性。

• 核心论点总结：

报告利用多重分形去趋势移动平均交叉相关分析法（MF-X-DMA）探究农业现货市场与外部不确定因素之间的联系。发现不同粮食指数与不确定性指标存在多重分形交叉相关性，尤其玉米与所有三类不确定性均表现出内在的联动多重分形特征，同时GOI-GPR、小麦-GPR、大豆-VIX也展现出了内在多重分形相关。比较而言，地缘政治风险对粮价的关联性较强。

---

2. 逐节深度解读

2.1 引言部分

• 关键论点：

- 外部不确定性因素显著影响经济与金融市场，尤其影响资产价格、就业和投资等 [1-9]。
- 农业市场价格波动受到自然、宏观经济、能源、政策等复杂多因素影响，且市场参与者增多和农业商品金融化加剧价格波动[10-12]。
- 近年来农业市场与不确定性间的关联受到更多学者关注，其中基于经济政策不确定性、地缘政治风险和市场波动度指标的影响被特别指出[13-20]。
- 农业市场及不确定性指数均表现出多重分形性质，适合用多重分形方法分析其复杂动态[21-29]。

• 逻辑与研究必要性：

- 农业市场和不确定性均为非线性复杂系统，传统单一线性分析难以捕获真实结构，采用纹理多重分形交叉方法（MF-X-DMA）更加合理。
- 不同不确定性指标代表不同层面外部影响，研究多种指标带来更全面认识。
- 理解这种多重分形交叉关系对风险管理和决策制定有实际指导价值。

2.2 方法论及数据

• 数据描述：

- 农业价格数据六项指数由国际谷物理事会(IGC)提供，覆盖2000年至2024年1月，6065个日频数据点。
- 不确定性数据包括Baker等人的美国经济政策不确定指数(EPU)、Caldara和Iacoviello提出的地缘政治风险指数(GPR)、芝加哥期权交易所波动指数(VIX)。

• 方法：

- MF-X-DMA主要通过局部去趋势的移动平均窗口计算多重分形交叉波动函数，并估计双变量广义赫斯特指数$H{xy}(q)$和联合质量标度指数$\tau{xy}(q)$。
- 用不同阶次$q$探查尺度关系，$H{xy}(q)$的变化描述多重分形交叉结构。
- 通过拟合$\tau{xy}(q)$与$q$的二次多项式检验多重分形特征（$a2 \neq 0$表明存在非线性多重分形）。
- 使用IAAFT算法生成“伪造”数据，剔除线性相关性和厚尾分布影响，检验多重分形的内在性是由非线性关联驱动还是统计伪象。

• 统计显著性检验：

- 利用Podobnik等人提出的$Q{cc}(m)$统计量检验两时间序列交叉相关性的统计显著性，基于卡方分布临界值判断。

---

3. 图表与数据深度解读

3.1 Fig.1和Fig.2 - 年度价格及收益率走势

• 描述：

Fig.1展示了2000-2024年间GOI及其小项指数与三类不确定性指数的价格级时间序列。Fig.2为相应的对数收益率。

• 解读：

- 大部分粮食指数与不确定性指标在2007-08年全球金融危机、农产品危机，COVID-19及俄乌冲突期间呈显著峰值或暴涨波动，体现了极端事件对价格和市场情绪造成的冲击。
- 水稻指数波动不同于其他粮食品种，表现出相对独立的动态特征。
- 收益率数据展示剧烈异方差性和尖峰厚尾特征，支持采用非线性多重分形方法研究[page::3,4]

3.2 Fig.3 - $Q{cc}(m)$统计量跨界相关性检验

• 描述：

$Q{cc}(m)$随着自由度$m$的增长曲线均超出卡方临界值，说明农业指数与三种不确定性指标间的交叉相关显著。

• 意义：

证实了原始时间序列间存在统计显著的非零交叉相关，为后续多重分形交叉分析奠定基础[page::8]

3.3 Fig.4-7，表1，表2 - 农业指数与EPU的多重分形交叉分析

• 描述与解读：

- Fig.4显示MF-X-DMA波动函数$F{xy}(q,s)$与时间尺度$s$呈幂律增长，但GOI-EPU和小麦-EPU中大段区间的斜率不随$q$变化，暗示可能无多重分形交叉结构。
- Fig.5的广义双变量赫斯特指数$H{xy}(q)$除GOI和小麦以外均呈下降趋势，支持了部分多重分形存在，但变化幅度<0.1意味着交叉多重分形较弱。
- Fig.6的联合质量指数$\tau{xy}(q)$呈非线性，说明一定程度上的多重分形特性。
- Fig.7联合奇异谱$f{xy}(\alpha)$多呈钟形。
- 表1显示水稻与EPU的联合奇异宽度最大（0.2308），GOI、小麦和大豆较弱，进一步说明交叉多重分形强度存在品种差异。
- 表2拟合二次项$a2$多数显著，但GOI-EPU、Wheat-EPU、小麦值接近零或正，验证Fig.5对其弱多重分形的判断。

• 统计检验与伪造数据分析：

- 伪造数据多次试验表明，绝大多数粒食指数和EPU间的多重分形交叉主要由厚尾分布和长程线性相关驱动，非线性贡献较小，内在多重分形缺乏。
- 例外为玉米与EPU展现显著内在多重分形（置信水平10%），其交叉多重分形可能来源于非线性关系[page::9-13]

3.4 Fig.10-15，表3，表4 - 农业指数与地缘政治风险GPR的关联

• 统计分析：

- 图形显示所有组合均呈现幂律特征且斜率随$q$显著变化，表明强的多重分形交叉特性。
- 联合奇异谱宽度（表3）中稻米-GPR最高（0.2960），而GOI-GPR则最弱（0.1104）。
- 回归分析拟合良好且二次项显著（表4），确认了非线性多重分形交叉存在。
- 跟伪造数据对比，除部分组合外，大多数原始系列多重分形强于伪造数据，说明其多重分形包含内在非线性成分。
- GPR与粮价指数间多重分形相关强于EPU和VIX，特别是部分小麦和玉米表现尤为突出[page::14-18]

3.5 Fig.16-21，表5，表6 - 农业指数与市场波动率指数VIX的交叉相关

• 关键发现：

- 玉米、豆类和水稻与VIX的多重分形特征明显，赫斯特指数随$q$变化，联合奇异谱呈钟形。
- 其他品种（GOI、小麦、大麦）表现平淡，缺乏显著多重分形交叉。
- 联合奇异宽度显示水稻-VIX最高(0.2594)，小麦、巴雷尔略低。
- 多项式拟合检验确认上述结论，正负二次项反映多重分形强度差异。
- 伪造数据分析透露除玉米和大豆外，大部分多重分形交叉受偏态分布和线性相关驱动，内在多重分形影响有限[page::19-23]

---

4. 估值分析

本报告偏向于学术性金融市场多重分形特征分析，未涉及企业估值及传统估值模型（如DCF、市盈率等）部分。着重运用MF-X-DMA方法对时间序列数据间的交叉多重分形进行定量研究。

---

5. 风险因素评估

• 主要风险非直接市场风险，而是统计分析中模型假设、数据特性及事件冲击的影响。

- 报告关注宏观经济和地缘政治风险指标对农业市场的冲击，特别是玉米对各种不确定性的敏感性突出。

• 研究强调需要关注未来可能的政策变化、地缘动荡及市场波动加剧对粮市稳定的潜在风险。

---

6. 批判性视角与细微差别

• 报告严格检验了多重分形交叉相关性的统计显著性和内在性，方法科学严谨。

- 对比现有文献发现部分区别，如豆类现货市场与EPU的多重分形结果与期货文献不符，可能源于现货与期货市场对信息消化速度不同。

• 多数变量多重分形强度较弱，现实市场状况可能存在多因素复杂干扰，单纯多重分形模型可能无法完全捕捉所有动态。

- 数据期间覆盖多个重大事件，分析计入了长期趋势但可能忽略某些短期非平稳冲击的特殊性。

• 不同不确定性指数实际影响机制差异明显，地缘政治风险对农业价格影响尤为直接，与政策不确定性、市场波动指标的作用路径不同。

---

7. 结论性综合

本报告通过MF-X-DMA方法对从2000年至2024年国际谷物理事会六类粮食价格指数与经济政策不确定性(EPU)、地缘政治风险(GPR)、市场波动指数(VIX)进行系统的多重分形交叉相关分析。主要发现和结论如下：

• 交叉相关显著性确认：使用$Q{cc}(m)$统计量确认了粮食指数和三类不确定性指标的统计显著交叉相关[page::8]。
• 多重分形交叉结构弱中带强：大部分组合$H{xy}(q)$只在小幅度区间波动，表明交叉多重分形强度总体较弱但存在差异，稻米、玉米、地缘政治风险相关指数尤为突出[page::9-10,14-15,19]。
• 内在多重分形鉴别：

- 玉米与三种不确定指标均表现出内在多重分形特征，显示其价格对外部不确定冲击极为敏感且非线性依赖性强。
- GOI-GPR、小麦-GPR、大豆-VIX等组合内在多重分形显著，提示地缘政治风险与部分粮价关联较深。
- 其他组合多表现为由厚尾分布和长程线性相关导致的表象多重分形，非线性成分较弱[page::13,16,23]。

• 不确定性影响差异与政策含义：

- 地缘政治风险对农业价格的影响强于经济政策不确定性和市场波动指标，可能由于前者直接影响全球粮食生产和贸易流通。
- 政策制定者和投资者应加强对地缘政治冲击的监控，尤其关注玉米等敏感粮食品种的供应链稳定。
- 提倡多元化粮食进口和储备机制，降低因外部不确定性引发的价格暴涨风险，投资组合应适当分散以管理风险[page::24]

综上所述，本研究深入揭示了农产品价格与多重类型外部不确定性间复杂的非线性、多尺度交叉依赖关系，为理解粮食市场波动机制及风险管理提供了新的量化工具和实证证据。

---

附图示例

图1：农业价格指数与不确定性指标时序图



图3：$Q{cc}(m)$统计量用于检验统计显著性



表1：EPU与粮食指数联合奇异宽度及统计检验

| 组合 | 原始宽度△αxy | 伪造均值Δ̂αxy | 伪造标准差σ | p值 |
|---------------------|-----------|------------|----------|-------|
| (IAAFT-GOI, EPU) | 0.0300 | 0.1255 | 0.0426 | 0.9880|
| (GOI, IAAFT-EPU) | | 0.0701 | 0.0263 | 0.9440|
| (IAAFT-Maize, EPU) | 0.1627 | 0.1237 | 0.0372 | 0.1440|
| (Maize, IAAFT-EPU) | | 0.2023 | 0.0325 | 0.8990|
| (IAAFT-Rice, EPU) | 0.2308 | 0.3057 | 0.0655 | 0.8710|
| ...others... | ... | ... | ... | ... |

（完整表格详见页码11）

---

结语

本研究首次系统地利用MF-X-DMA方法阶梯式地定量剖析国际粮价与多领域不确定指标间的多重分形交叉特征，侧重揭示其非线性、多尺度交互作用机制及其内在驱动。独到发现了玉米价格对外部不确定性具备高度敏感和内在多重分形特征，同时确认了地缘政治风险对农业价格影响的重要地位。其方法体系与结论对于农业经济学、市场风险管理及政策制定均具有深远的理论和实践价值。[page::0-24]

---

参考文献页码溯源

[page::0], [page::1], [page::2], [page::3], [page::4], [page::5], [page::6], [page::7], [page::8], [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]

---

注：本报告严格基于原始报告内容与数据进行解读和分析，力求完整涵盖所有章节与核心图表，确保整体结构清晰且专业深入。

报告