量化专题 · CTA系列六十八:商品期货市场与同行业股票市场的联动效应研究——以铜期货为例(一)
（以下内容从中信建投期货《量化专题 · CTA系列六十八:商品期货市场与同行业股票市场的联动效应研究——以铜期货为例(一)》研报附件原文摘录）
本报告观点和信息仅供符合《证券期货投资者适当性管理办法》规定可参与期货交易的投资者参考。因本平台暂时无法设置访问限制，若您并非符合《办法》规定的投资者，为控制投资风险，请勿点击查看或使用本报告任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！ 作者 | 童力 中信建投期货金融工程量化分析师 本报告完成时间 | 2022年12月15日 摘 要 随着商品期货市场不断推出新的交易品种，中国大宗商品定价机制逐渐市场化。其价格动态演化所呈现的特点已经远远超出了传统微观经济学均衡价格理论所能解释的范畴，有形商品交易越来越紧密地与金融运作交织在一起。股票市场作为经济的晴雨表，会将经济发展的理性预期传递到商品期货市场上。因此，从产业链角度来研究中国商品期货市场与股票市场的传导关系对于理解市场信息的反馈作用具有重大意义。 本文以铜期货为例，基于向量误差修正模型，从误差修正系数、领先滞后关系、方差分解、均值溢出效应以及波动溢出效应等方面，分别采用全样本静态分析和滑动窗口动态分析的方法，从产业链的角度分析了中国股票市场与商品期货市场间的传导关系。 实证结果表明：EEMD降噪方法可有效减小数据序列的峰度，改善数据尖峰厚尾的特性，并使三个市场的序列通过动态协整检验；从误差修正系数的估计结果来看，价格纠正过程主要表现为铜期货市场和上中游股票市场向下游股票市场进行调整；从领先滞后关系来看，两类股票市场对铜期货市场而言，均存在双向引领关系，但股票市场对铜期货市场的领先是一个短期即刻影响，而铜期货市场对股票市场1的领先是一个长期持续影响；从方差分解结果来看，铜期货市场变动的总方差由自身新息主导，但股票市场对铜期货市场变动的贡献度迅速增长，尤其是下游股票市场的贡献度增长速率较快，在第30期达到15%。 风险提示：本研究主要基于历史数据统计，存策略失效风险、模型误设风险、历史统计规律失效等风险 一 概述 1.1 研究背景 大宗商品是重要的生产要素和必要的消费品，其价格波动直接影响原材料成本和通货膨胀，其价格变动会对经济产生全局性影响，会影响整个经济的景气程度。2000年以前，大宗商品市场是一个相对封闭且独立的市场，不仅与外部其他金融市场（如股票、债券）的相关性低，甚至为负，而且内部不同品种间的相关性也很低。参与者主要由套期保值者和少量依赖杠杆交易的投机者（如对冲基金）组成。 随着商品期货市场不断推出新的交易品种，中国大宗商品定价机制逐渐市场化。2004年以来，金融资本大量投资于商品期货成为商品市场运作的新特点。随着机构投资者源源不断地介入大宗商品市场，其价格动态演化所呈现的特点已经远远超出了传统微观经济学均衡价格理论所能解释的范畴，有形商品交易越来越紧密地与金融运作交织在一起，而后者在相当程度上决定了前者的价格演化。 近年来大宗商品期货价格的大幅起落类似于金融证券价格波动，一些学者开始尝试用金融因素来解释这种价格的剧烈波动，并提出了商品市场“金融化”的观点。相关研究成果可归为四类：①跨市论认为大量金融机构投机者在商品期货市场与证券市场间跨市交易，两个市场间的资金流动形成了影响商品定价的金融因素；②传染论认为，同时持有两种资产的投资者，当其中一种资产的市场风险上升时为满足流动性需要，不得不减持另一种资产从而使风险在两个市场之间蔓延；③行为论认为一些投资者会将其在其它证券市场的非理性交易行为带到商品期货市场，从而放大商品期货市场价格波动幅。 期货市场侧重于宏观经济层面的社会经济风险的管理和商品价格发现，而股票市场则侧重于微观经济层面上经济资源的配置和公司风险定价。股票市场既然是经济的晴雨表，那么股票市场反映了经济人对经济发展的理性预期，那么这种预期也会传递到商品期货市场上。因此，从产业链角度来研究中国商品期货市场与股票市场的传导关系对于理解市场信息的反馈作用，有效监控市场之间的风险传递进而防控系统性风险有着十分重大的意义。 1.2 研究方案 本文首先对铜产业链中的企业进行分类，利用2019年11月12日至2022年11月11日的5分钟数据计算铜产业链中上游股票指数和下游股票指数，再结合沪铜期货5分钟数据进行建模研究。 实证部分，基于向量误差修正模型，本文首先采用全样本静态分析从误差修正系数、领先滞后关系、脉冲响应函数、方差分解等方面，探索商品期货市场与同行业的中上游股票和下游股票间价格的领先滞后关系；再采用滑动窗口动态分析方法，从均值（收益）和波动率（风险）层面探索市场间的溢出效应。 数据不可避免的会受到交易中随机性产生的噪声影响，对于原始交易数据，我们先考虑进行降噪的信号处理，使得三个市场的序列通过动态协整检验，以满足建立向量误差修正模型的条件。信号处理方法选择上，针对价格序列非平稳性特点，本文选用集合经验模型分解方法，对价格序列进行预处理。 二 模型方法介绍 2.1 向量误差修正模型（VECM） 对于非平稳序列，我们通常的做法是独立取对数差分进行建模，以避免伪回归的情况出现。然而对于具有高度相关的非平稳序列数据，一味地差分无法从经济意义上体现长期均衡关系，从而造成信息损失的情况，对于这类数据应该使用更具有应用价值的协整分析。 协整分析也即为：如果两个或多个一阶单整变量的线性组合是平稳时间序列，那么这些变量存在协整关系，而对应的刻画这种关系的系数向量（线性组合权重向量）成为协整向量。对此，提出了向量误差修正模型（VECM），VECM也即为有协整约束的VAR模型： 本文建立中上游股票市场、下游股票市场和铜期货的三变量向量误差修正模型，具体如下： 2.2 脉冲响应函数 脉冲响应函数函数可以定义为序列在受到一个t期的单位随机扰动因素的冲击后的动态变化路径（假设其它所有变量在t期以及之前的各项都不发生变化，且t期之后没有其它随机冲击）。在求解脉冲响应函数时，如果是对于简单的VAR模型，只需转化为VMA形式，再去看系数矩阵中的动态变化。而对于VECM模型，其转化就变得相当复杂，公认的一个做法是利用模拟方法获得不同滞后期对于的脉冲响应值。计算步骤如下： 2.3 方差分解 三 实证结果与分析 3.1 样本选择与描述性统计 为便于整合铜行业中股票上游市场和下游市场的代理指标，本文根据中国产业信息网的描述，将铜产业链分为三个阶段：上游主要是采矿阶段和废杂铜回收利用，中游主要是对于铜精矿或者废杂铜进行粗炼和精炼的冶炼阶段，下游则是对铜进行深加工阶段，铜加工产品有铜棒、铜管、铜板、铜箔、铜线以及铜基合金等多种类型。简而言之，“上游——采矿，中游——冶炼，下游——加工”。本文先根据新浪财经数据中“申万三级分类——铜”选取如表1所示股票，为保证时间序列的数据长度，选取2019年前上市的企业，并收集各企业的主营业务，将各企业根据上述标准进行分类，整合共12家企业的信息，结果详见表1。将每个股票的市值作为权重，分别计算中上游股票和下游股票的代理指标。 本文实证分析所选取的数据包括沪铜主力连续合约的5分钟数据数据，以及上述股票的5分钟收盘价数据以及市值日数据，样本区间选定为2019年11月12日至2022年11月11日。由于期货和股票的交易时间不同，在对交易区间取交集并剔除空值后共得到28430个观测样本。所有数据均来自Wind金融终端。 表2是中上游股票指数、下游股票指数以及铜期货的描述性统计。Up_ori、Down_ori和cu_ori分别表示降噪前三者的对数序列；ΔUp_ori、ΔDown_ori和Δcu_ori分别表示降噪前三个市场的对数一阶差分。从偏度和峰度看， 三个市场的对数一阶差分序列峰度均远远大于3，呈现尖峰厚尾的形态。从JB正态检验统计量看，在1%的置信水平下，三个市场的对数序列和对数一阶差分序列均通过检验，服从正态分布。从ADF统计检验来看，三个市场的对数序列为一阶单整，满足利用向量误差修正模型进行建模的条件。 表3是中上游股票指数、下游股票指数以及铜期货的描述性统计。Up_emd、Down_emd和cu_emd分别表示降噪前三者的对数序列; ΔUp_emd、ΔDown_emd和Δcu_emd分别表示降噪前三个市场的对数一阶差分。数据采用分段EEMD降噪，每连续1800个数据为一个分段。EEMD分解后，将产生9个IMFs和一个剩余分量，其中后7个低频分量构成了90%以上的原信号能量，使用后7个低频分量和剩余分量重构降低后的信号。相较降噪前的数据，降噪后数据序列的峰度明显减小，改善了数据尖峰厚尾的特性，数据有效性得到显著提升。从ADF统计检验来看，降噪后三个市场的对数序列仍为一阶单整，满足利用向量误差修正模型建模的条件。 3.2 全样本协整检验与VECM估计 本文采用Johansen协整分析方法对降噪后中上游股票市场、下游股票市场和铜期货三个市场的对数序列进行协整分析。Johansen协整分析方法的本质在于检验误差向量修正模型（VECM）中滞后项的系数矩阵大于0的特征值个数。因此VECM模型中多元序列和协整向量的设定会对变量间的协整关系检验造成影响。本文参考Johansen（1992）的序贯检验方法，将VECM中协整向量的趋势项分别设定为不带趋势项、确定性趋势项和线性趋势项进行讨论分析。协整序贯检验的基本逻辑为对协整向量个数从小到大以此检验，即首先对原假设“H(0)：协整向量个数为0”进行检验，若H(0)被拒绝，则再对原假设“H(1)：协整向量个数为1”进行检验，一直这样检验下去，直到有一个原假设被接受，该假设即为协整向量个数。 表4展示了在全样本数据下，趋势项分别设定为不带趋势项、确定性趋势项和线性趋势项的VECM的协整检验结果。结果显示在带常数趋势项和带线性趋势项的设定下，以1 %临界值为参考, 原假设H0(0)*被拒绝, 原假设H0(1)*不被拒绝，说明三个市场的数据序列存在协整关系，具有共同的随机趋势，三个市场的数据存在较强的关联性。 根据 BIC 准则, 经综合检验知, VAR的最佳滞后阶数为7，那么VECM的最佳滞后阶数应在此基础上减1，从而将VECM的滞后阶数设为1，并根据上述协整检验将误差修正项设为1个。表5展示了全样本向量误差修正模型系数估计结果，从误差修正项的估计结果来看,上中游股票的调整系数在10%的显著性水平下显著，下游股票的调整系数不显著，铜期货的调整系数在1%的显著性水平下显著。这表明当三个市场的价格发生偏离时，价格纠正过程主要表现为铜期货市场和上中游股票市场向下游股票市场进行调整。这是因为当受到来自预期因素的冲击时，社会经济需求通常先反映至下游企业，而且下游企业对中上游大宗商品的需求是一种引致需求，投资人通过下游企业股票价值来判断未来该行业的发展前景，从而引发中上游企业股价的变动。生产活动所需的大宗商品在下游企业股票价值的变动下被认为在未来其需求量会改变，进而大量的资金进入商品期货市场进行投机，商品期货价格随之改变。 3.3 领先滞后关系 通过总结表5中的各滞后项参数估计结果的显著度，以1%为显著性水平，得出三个市场的领先滞后关系如表6所示。 对下游股票市场和铜期货市场而言，两个市场存在双向引领关系，下游股票市场领先铜期货市场1期，也就是说市场对铜的需求首先反映在下游股票市场，再传递到铜期货市场，这个过程竟持续1期，是一个短期影响；而铜期货市场领先下游股票市场1-6期，由于商品市场价格的变动直接影响下游企业的成本，但因为菜单成本等理论，厂商在短期内调整生产计划和价格对其是不利的，短期内厂商的理性选择是继续观望，因此该过程是长期持续的。 对中上游股票市场和铜期货市场而言，两个市场仍然存在双向引领关系，而中上游股票市场领先铜期货市场1期，该过程是一个短期影响；铜期货市场领先中上游股票市场1-4期，商品市场价格的变动直接影响中上游企业的收入，该过程具有一定持续性。 3.4 样本外领先滞后关系 方差分解通过分解特定变量预测误差的方差，来检验变量在样本外的因果性。以下三个图分别展示了中上游股票市场、下游股票市场以及铜期货市场的30期方差分解。 从图1和图2中可以看到，当对股票市场向前预测1期时，预测误差变动的总方差全部来自于自身市场，而在第2期后，铜期货市场的部分迅速增加。也就是说，随着预测期的变大，铜期货市场的新息对股票市场的影响越来越大。 从图3中可以看到，铜期货市场变动的总方差由自身新息主导，同时中上游股票市场和下游股票市场对铜期货市场变动的贡献度迅速增长，尤其是下游股票市场的贡献度增长速率较快。也就是说，与中上游股票市场相比，下游股票市场对铜期货预测误差的方差解释程度更大。 四 总结 为探索商品期货市场与同行业股票市场的价格关系，本文以铜期货为例，利用协整检验、向量误差修正模型、方差分解、波动率溢出等方法，分别采用全样本静态分析和滑动窗口动态分析对EEMD降噪方法处理后的沪铜主力连续以及该行业的中上游股票和下游股票的5分钟数据进行实证研究，研究结果表明： 第一，EEMD降噪方法可有效减小数据序列的峰度，改善数据尖峰厚尾的特性，使数据有效性得到显著的提升。并且经过EEMD降噪后可使三个市场的序列通过动态协整检验，以满足建立向量误差修正模型的条件。这也进一步验证了EEMD方法能够有效提升数据信噪比，为后续的计量模型分析提供了较好的数据支持。 第二，从误差修正系数的估计结果来看，当三个市场的价格发生偏离时，价格纠正过程主要表现为铜期货市场和上中游股票市场向下游股票市场进行调整。这是因为社会经济需求通常先反映至下游企业，而且下游企业对中上游大宗商品的需求是一种引致需求，投资人通过下游企业股票价值来判断未来该行业的发展前景，从而引发中上游企业股价和铜期货价格的变动。 第三，从领先滞后关系来看，两类股票市场对铜期货市场而言，均存在双向引领关系。但两类股票市场仅领先铜期货市场1期，是一个短期即刻影响；而铜期货市场领先中上游股票市场1-4期，领先下游股票市场1-6期，是一个长期持续影响。这是由于铜期货的价格变动会导致商品市场价格发生变动，从而直接直接影响企业的利润，但因为菜单成本等理论，厂商在短期内调整生产计划和价格对其是不利的，短期内厂商的理性选择是继续观望，因此该过程是长期持续的。 第四，从方差分解结果来看，铜期货市场变动的总方差由自身新息主导，但中上游股票市场和下游股票市场对铜期货市场变动的贡献度迅速增长，尤其是下游股票市场的贡献度增长速率较快，在第30期达到15%以上。 免责声明 向上滑动阅览 本报告内容仅供符合《证券期货投资者适当性管理办法》规定可参与期货交易的投资者参考。在任何情形下都不构成对接收本报告内容投资者的任何投资建议，投资者应充分了解各类投资风险并谨慎考虑本报告发布内容是否符合自身特定状况，自主做出投资决策并自行承担投资风险。中信建投期货不因任何订阅或接收本报告的行为而将订阅人视为中信建投期货的客户，投资者依据本报告内容作出的任何决策与中信建投期货或作者无关。 本报告发布内容如属于系列解读，则投资者可能会因缺乏对完整内容的了解而对其中假设依据、研究依据、结论等内容产生误解，提请投资者参阅我司已发布的完整系列报告，仔细阅读其所附各项声明、数据来源及风险。 中信建投期货对本报告所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证，本报告意见仅代表报告发布之时的判断，相关研究观点可能依据我司后续发布的报告在不发布通知的情形下作出更改。 本报告发布内容为中信建投期货所有。未经我司书面许可，任何机构和个人不得以任何形式对本报告进行翻版、复制和刊发，如需引用、转发等，需注明出处为“中信建投期货”，且不得对本报告进行任何增删或修改。亦不得从未经我司书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本报告发布的全部或部分内容。版权所有，违者必究。 长按图片即可识别二维码 中金所再添“新丁”，上证50股指期权准备就绪，你准备好了吗？ 中信建投期货微资讯 ，赞 21 点个【赞】、【在看】· 遇见更多精彩
本报告观点和信息仅供符合《证券期货投资者适当性管理办法》规定可参与期货交易的投资者参考。因本平台暂时无法设置访问限制，若您并非符合《办法》规定的投资者，为控制投资风险，请勿点击查看或使用本报告任何信息。对由此给您造成的不便表示诚挚歉意，感谢您的理解与配合！ 作者 | 童力 中信建投期货金融工程量化分析师 本报告完成时间 | 2022年12月15日 摘 要 随着商品期货市场不断推出新的交易品种，中国大宗商品定价机制逐渐市场化。其价格动态演化所呈现的特点已经远远超出了传统微观经济学均衡价格理论所能解释的范畴，有形商品交易越来越紧密地与金融运作交织在一起。股票市场作为经济的晴雨表，会将经济发展的理性预期传递到商品期货市场上。因此，从产业链角度来研究中国商品期货市场与股票市场的传导关系对于理解市场信息的反馈作用具有重大意义。 本文以铜期货为例，基于向量误差修正模型，从误差修正系数、领先滞后关系、方差分解、均值溢出效应以及波动溢出效应等方面，分别采用全样本静态分析和滑动窗口动态分析的方法，从产业链的角度分析了中国股票市场与商品期货市场间的传导关系。 实证结果表明：EEMD降噪方法可有效减小数据序列的峰度，改善数据尖峰厚尾的特性，并使三个市场的序列通过动态协整检验；从误差修正系数的估计结果来看，价格纠正过程主要表现为铜期货市场和上中游股票市场向下游股票市场进行调整；从领先滞后关系来看，两类股票市场对铜期货市场而言，均存在双向引领关系，但股票市场对铜期货市场的领先是一个短期即刻影响，而铜期货市场对股票市场1的领先是一个长期持续影响；从方差分解结果来看，铜期货市场变动的总方差由自身新息主导，但股票市场对铜期货市场变动的贡献度迅速增长，尤其是下游股票市场的贡献度增长速率较快，在第30期达到15%。 风险提示：本研究主要基于历史数据统计，存策略失效风险、模型误设风险、历史统计规律失效等风险 一 概述 1.1 研究背景 大宗商品是重要的生产要素和必要的消费品，其价格波动直接影响原材料成本和通货膨胀，其价格变动会对经济产生全局性影响，会影响整个经济的景气程度。2000年以前，大宗商品市场是一个相对封闭且独立的市场，不仅与外部其他金融市场（如股票、债券）的相关性低，甚至为负，而且内部不同品种间的相关性也很低。参与者主要由套期保值者和少量依赖杠杆交易的投机者（如对冲基金）组成。 随着商品期货市场不断推出新的交易品种，中国大宗商品定价机制逐渐市场化。2004年以来，金融资本大量投资于商品期货成为商品市场运作的新特点。随着机构投资者源源不断地介入大宗商品市场，其价格动态演化所呈现的特点已经远远超出了传统微观经济学均衡价格理论所能解释的范畴，有形商品交易越来越紧密地与金融运作交织在一起，而后者在相当程度上决定了前者的价格演化。 近年来大宗商品期货价格的大幅起落类似于金融证券价格波动，一些学者开始尝试用金融因素来解释这种价格的剧烈波动，并提出了商品市场“金融化”的观点。相关研究成果可归为四类：①跨市论认为大量金融机构投机者在商品期货市场与证券市场间跨市交易，两个市场间的资金流动形成了影响商品定价的金融因素；②传染论认为，同时持有两种资产的投资者，当其中一种资产的市场风险上升时为满足流动性需要，不得不减持另一种资产从而使风险在两个市场之间蔓延；③行为论认为一些投资者会将其在其它证券市场的非理性交易行为带到商品期货市场，从而放大商品期货市场价格波动幅。 期货市场侧重于宏观经济层面的社会经济风险的管理和商品价格发现，而股票市场则侧重于微观经济层面上经济资源的配置和公司风险定价。股票市场既然是经济的晴雨表，那么股票市场反映了经济人对经济发展的理性预期，那么这种预期也会传递到商品期货市场上。因此，从产业链角度来研究中国商品期货市场与股票市场的传导关系对于理解市场信息的反馈作用，有效监控市场之间的风险传递进而防控系统性风险有着十分重大的意义。 1.2 研究方案 本文首先对铜产业链中的企业进行分类，利用2019年11月12日至2022年11月11日的5分钟数据计算铜产业链中上游股票指数和下游股票指数，再结合沪铜期货5分钟数据进行建模研究。 实证部分，基于向量误差修正模型，本文首先采用全样本静态分析从误差修正系数、领先滞后关系、脉冲响应函数、方差分解等方面，探索商品期货市场与同行业的中上游股票和下游股票间价格的领先滞后关系；再采用滑动窗口动态分析方法，从均值（收益）和波动率（风险）层面探索市场间的溢出效应。 数据不可避免的会受到交易中随机性产生的噪声影响，对于原始交易数据，我们先考虑进行降噪的信号处理，使得三个市场的序列通过动态协整检验，以满足建立向量误差修正模型的条件。信号处理方法选择上，针对价格序列非平稳性特点，本文选用集合经验模型分解方法，对价格序列进行预处理。 二 模型方法介绍 2.1 向量误差修正模型（VECM） 对于非平稳序列，我们通常的做法是独立取对数差分进行建模，以避免伪回归的情况出现。然而对于具有高度相关的非平稳序列数据，一味地差分无法从经济意义上体现长期均衡关系，从而造成信息损失的情况，对于这类数据应该使用更具有应用价值的协整分析。 协整分析也即为：如果两个或多个一阶单整变量的线性组合是平稳时间序列，那么这些变量存在协整关系，而对应的刻画这种关系的系数向量（线性组合权重向量）成为协整向量。对此，提出了向量误差修正模型（VECM），VECM也即为有协整约束的VAR模型： 本文建立中上游股票市场、下游股票市场和铜期货的三变量向量误差修正模型，具体如下： 2.2 脉冲响应函数 脉冲响应函数函数可以定义为序列在受到一个t期的单位随机扰动因素的冲击后的动态变化路径（假设其它所有变量在t期以及之前的各项都不发生变化，且t期之后没有其它随机冲击）。在求解脉冲响应函数时，如果是对于简单的VAR模型，只需转化为VMA形式，再去看系数矩阵中的动态变化。而对于VECM模型，其转化就变得相当复杂，公认的一个做法是利用模拟方法获得不同滞后期对于的脉冲响应值。计算步骤如下： 2.3 方差分解 三 实证结果与分析 3.1 样本选择与描述性统计 为便于整合铜行业中股票上游市场和下游市场的代理指标，本文根据中国产业信息网的描述，将铜产业链分为三个阶段：上游主要是采矿阶段和废杂铜回收利用，中游主要是对于铜精矿或者废杂铜进行粗炼和精炼的冶炼阶段，下游则是对铜进行深加工阶段，铜加工产品有铜棒、铜管、铜板、铜箔、铜线以及铜基合金等多种类型。简而言之，“上游——采矿，中游——冶炼，下游——加工”。本文先根据新浪财经数据中“申万三级分类——铜”选取如表1所示股票，为保证时间序列的数据长度，选取2019年前上市的企业，并收集各企业的主营业务，将各企业根据上述标准进行分类，整合共12家企业的信息，结果详见表1。将每个股票的市值作为权重，分别计算中上游股票和下游股票的代理指标。 本文实证分析所选取的数据包括沪铜主力连续合约的5分钟数据数据，以及上述股票的5分钟收盘价数据以及市值日数据，样本区间选定为2019年11月12日至2022年11月11日。由于期货和股票的交易时间不同，在对交易区间取交集并剔除空值后共得到28430个观测样本。所有数据均来自Wind金融终端。 表2是中上游股票指数、下游股票指数以及铜期货的描述性统计。Up_ori、Down_ori和cu_ori分别表示降噪前三者的对数序列；ΔUp_ori、ΔDown_ori和Δcu_ori分别表示降噪前三个市场的对数一阶差分。从偏度和峰度看， 三个市场的对数一阶差分序列峰度均远远大于3，呈现尖峰厚尾的形态。从JB正态检验统计量看，在1%的置信水平下，三个市场的对数序列和对数一阶差分序列均通过检验，服从正态分布。从ADF统计检验来看，三个市场的对数序列为一阶单整，满足利用向量误差修正模型进行建模的条件。 表3是中上游股票指数、下游股票指数以及铜期货的描述性统计。Up_emd、Down_emd和cu_emd分别表示降噪前三者的对数序列; ΔUp_emd、ΔDown_emd和Δcu_emd分别表示降噪前三个市场的对数一阶差分。数据采用分段EEMD降噪，每连续1800个数据为一个分段。EEMD分解后，将产生9个IMFs和一个剩余分量，其中后7个低频分量构成了90%以上的原信号能量，使用后7个低频分量和剩余分量重构降低后的信号。相较降噪前的数据，降噪后数据序列的峰度明显减小，改善了数据尖峰厚尾的特性，数据有效性得到显著提升。从ADF统计检验来看，降噪后三个市场的对数序列仍为一阶单整，满足利用向量误差修正模型建模的条件。 3.2 全样本协整检验与VECM估计 本文采用Johansen协整分析方法对降噪后中上游股票市场、下游股票市场和铜期货三个市场的对数序列进行协整分析。Johansen协整分析方法的本质在于检验误差向量修正模型（VECM）中滞后项的系数矩阵大于0的特征值个数。因此VECM模型中多元序列和协整向量的设定会对变量间的协整关系检验造成影响。本文参考Johansen（1992）的序贯检验方法，将VECM中协整向量的趋势项分别设定为不带趋势项、确定性趋势项和线性趋势项进行讨论分析。协整序贯检验的基本逻辑为对协整向量个数从小到大以此检验，即首先对原假设“H(0)：协整向量个数为0”进行检验，若H(0)被拒绝，则再对原假设“H(1)：协整向量个数为1”进行检验，一直这样检验下去，直到有一个原假设被接受，该假设即为协整向量个数。 表4展示了在全样本数据下，趋势项分别设定为不带趋势项、确定性趋势项和线性趋势项的VECM的协整检验结果。结果显示在带常数趋势项和带线性趋势项的设定下，以1 %临界值为参考, 原假设H0(0)*被拒绝, 原假设H0(1)*不被拒绝，说明三个市场的数据序列存在协整关系，具有共同的随机趋势，三个市场的数据存在较强的关联性。 根据 BIC 准则, 经综合检验知, VAR的最佳滞后阶数为7，那么VECM的最佳滞后阶数应在此基础上减1，从而将VECM的滞后阶数设为1，并根据上述协整检验将误差修正项设为1个。表5展示了全样本向量误差修正模型系数估计结果，从误差修正项的估计结果来看,上中游股票的调整系数在10%的显著性水平下显著，下游股票的调整系数不显著，铜期货的调整系数在1%的显著性水平下显著。这表明当三个市场的价格发生偏离时，价格纠正过程主要表现为铜期货市场和上中游股票市场向下游股票市场进行调整。这是因为当受到来自预期因素的冲击时，社会经济需求通常先反映至下游企业，而且下游企业对中上游大宗商品的需求是一种引致需求，投资人通过下游企业股票价值来判断未来该行业的发展前景，从而引发中上游企业股价的变动。生产活动所需的大宗商品在下游企业股票价值的变动下被认为在未来其需求量会改变，进而大量的资金进入商品期货市场进行投机，商品期货价格随之改变。 3.3 领先滞后关系 通过总结表5中的各滞后项参数估计结果的显著度，以1%为显著性水平，得出三个市场的领先滞后关系如表6所示。 对下游股票市场和铜期货市场而言，两个市场存在双向引领关系，下游股票市场领先铜期货市场1期，也就是说市场对铜的需求首先反映在下游股票市场，再传递到铜期货市场，这个过程竟持续1期，是一个短期影响；而铜期货市场领先下游股票市场1-6期，由于商品市场价格的变动直接影响下游企业的成本，但因为菜单成本等理论，厂商在短期内调整生产计划和价格对其是不利的，短期内厂商的理性选择是继续观望，因此该过程是长期持续的。 对中上游股票市场和铜期货市场而言，两个市场仍然存在双向引领关系，而中上游股票市场领先铜期货市场1期，该过程是一个短期影响；铜期货市场领先中上游股票市场1-4期，商品市场价格的变动直接影响中上游企业的收入，该过程具有一定持续性。 3.4 样本外领先滞后关系 方差分解通过分解特定变量预测误差的方差，来检验变量在样本外的因果性。以下三个图分别展示了中上游股票市场、下游股票市场以及铜期货市场的30期方差分解。 从图1和图2中可以看到，当对股票市场向前预测1期时，预测误差变动的总方差全部来自于自身市场，而在第2期后，铜期货市场的部分迅速增加。也就是说，随着预测期的变大，铜期货市场的新息对股票市场的影响越来越大。 从图3中可以看到，铜期货市场变动的总方差由自身新息主导，同时中上游股票市场和下游股票市场对铜期货市场变动的贡献度迅速增长，尤其是下游股票市场的贡献度增长速率较快。也就是说，与中上游股票市场相比，下游股票市场对铜期货预测误差的方差解释程度更大。 四 总结 为探索商品期货市场与同行业股票市场的价格关系，本文以铜期货为例，利用协整检验、向量误差修正模型、方差分解、波动率溢出等方法，分别采用全样本静态分析和滑动窗口动态分析对EEMD降噪方法处理后的沪铜主力连续以及该行业的中上游股票和下游股票的5分钟数据进行实证研究，研究结果表明： 第一，EEMD降噪方法可有效减小数据序列的峰度，改善数据尖峰厚尾的特性，使数据有效性得到显著的提升。并且经过EEMD降噪后可使三个市场的序列通过动态协整检验，以满足建立向量误差修正模型的条件。这也进一步验证了EEMD方法能够有效提升数据信噪比，为后续的计量模型分析提供了较好的数据支持。 第二，从误差修正系数的估计结果来看，当三个市场的价格发生偏离时，价格纠正过程主要表现为铜期货市场和上中游股票市场向下游股票市场进行调整。这是因为社会经济需求通常先反映至下游企业，而且下游企业对中上游大宗商品的需求是一种引致需求，投资人通过下游企业股票价值来判断未来该行业的发展前景，从而引发中上游企业股价和铜期货价格的变动。 第三，从领先滞后关系来看，两类股票市场对铜期货市场而言，均存在双向引领关系。但两类股票市场仅领先铜期货市场1期，是一个短期即刻影响；而铜期货市场领先中上游股票市场1-4期，领先下游股票市场1-6期，是一个长期持续影响。这是由于铜期货的价格变动会导致商品市场价格发生变动，从而直接直接影响企业的利润，但因为菜单成本等理论，厂商在短期内调整生产计划和价格对其是不利的，短期内厂商的理性选择是继续观望，因此该过程是长期持续的。 第四，从方差分解结果来看，铜期货市场变动的总方差由自身新息主导，但中上游股票市场和下游股票市场对铜期货市场变动的贡献度迅速增长，尤其是下游股票市场的贡献度增长速率较快，在第30期达到15%以上。 免责声明 向上滑动阅览 本报告内容仅供符合《证券期货投资者适当性管理办法》规定可参与期货交易的投资者参考。在任何情形下都不构成对接收本报告内容投资者的任何投资建议，投资者应充分了解各类投资风险并谨慎考虑本报告发布内容是否符合自身特定状况，自主做出投资决策并自行承担投资风险。中信建投期货不因任何订阅或接收本报告的行为而将订阅人视为中信建投期货的客户，投资者依据本报告内容作出的任何决策与中信建投期货或作者无关。 本报告发布内容如属于系列解读，则投资者可能会因缺乏对完整内容的了解而对其中假设依据、研究依据、结论等内容产生误解，提请投资者参阅我司已发布的完整系列报告，仔细阅读其所附各项声明、数据来源及风险。 中信建投期货对本报告所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证，本报告意见仅代表报告发布之时的判断，相关研究观点可能依据我司后续发布的报告在不发布通知的情形下作出更改。 本报告发布内容为中信建投期货所有。未经我司书面许可，任何机构和个人不得以任何形式对本报告进行翻版、复制和刊发，如需引用、转发等，需注明出处为“中信建投期货”，且不得对本报告进行任何增删或修改。亦不得从未经我司书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本报告发布的全部或部分内容。版权所有，违者必究。 长按图片即可识别二维码 中金所再添“新丁”，上证50股指期权准备就绪，你准备好了吗？ 中信建投期货微资讯 ，赞 21 点个【赞】、【在看】· 遇见更多精彩
大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）
郑重声明：悟空智库网发布此信息的目的在于传播更多信息，与本站立场无关，不构成任何投资建议。
