外生冲击下国际粮食期货对国内粮食期货与现货价格的溢出效应

The spillover effect of international grain futures on domestic grain futures and spot prices under exogenous shocks

摘要

为探究国际粮食价格传导的“超调”现象，破解我国粮食市场结构性供给缺口与国际定价权缺失的双重困境，基于2018—2024年国内外主要粮食品种的期现货价格数据，构建静态与动态溢出指数模型，系统考察外生冲击下国际粮食期货对国内市场的价格溢出效应、弹性区间及其非对称特征。结果表明：1）从静态溢出效应来看，国际粮食期货的溢出强度高于国内粮食期货；从动态溢出效应来看，CBOT大豆和CBOT玉米为溢出方，国内粮食期货为溢入方；2）国际粮食期货的弹性区间高于国内粮食期货的弹性区间，且粮食期货的短期弹性区间高于长期弹性区间，且上涨阶段的溢出系数高于下跌阶段的溢出系数；3）市场调节机制在外生冲击下呈现“短期抑制—长期增强”的U型动态特征，政策干预在稳定市场中发挥关键作用。据此，本研究提出如下建议：构建分品种的风险管理工具，提升粮食期货的市场韧性；实施差异化品种管理与精准化分类调控策略；构建“短期应急”与“长期治本”协同的调控机制。

Abstract

To investigate the “overshooting” phenomenon in international grain price transmission and address the dual challenges of structural supply gaps and the lack of international pricing power in China’s grain market， this study constructs static and dynamic spillover index models based on futures and spot price data of major domestic and international grain varieties from 2018 to 2024. The price spillover effects， elasticity ranges， and asymmetric characteristics of international grain futures on the domestic market under exogenous shocks are systemically examined. The findings are as follows： 1） The spillover intensity of international grain futures is significantly higher than that of domestic markets， with Chicago Board of Trade （CBOT） soybeans exhibiting the strongest spillover effects， and a significant “upside sensitivity” phenomenon is observed in both domestic and international markets； 2） Price spillovers exhibit significant heterogeneity across varieties and asymmetry， with soybeans and corn being the most affected by exogenous shocks. Furthermore， the spillover effects are significantly stronger during price increase phases than during decrease phases； 3） The market adjustment mechanism demonstrates a U-shaped dynamic pattern of “short-term suppression and long-term enhancement”under exogenous shocks， where policy intervention plays a crucial role in stabilizing the market. Based on results， this study proposes the following policy recommendations： constructing variety-specific risk management tools to enhance the market resilience of grain futures； implementing categorized regulation strategies based on supply-demand elasticity and trade dependence； and establishing a coordinated regulatory mechanism that integrates “short-term emergency response” and “long-term fundamental solutions”.

Graphical abstract

关键词

外生冲击 / 粮食期货 / 动态溢出指数 / 非对称性

Key words

exogenous shocks / grain futures / dynamic spillover index / asymmetry

全球粮食市场的价格传导机制是农产品价格分析的重要议题之一。近年来，地区冲突频发，贸易政策频繁多变，国际粮食价格“超调”特征逐渐显现。粮食期货作为农产品风险管理的关键工具，跨国市场间的溢出效应直接影响各国粮食贸易成本和国民经济的稳定^［1］。随着中美新一轮经贸协议的落地，中美大豆贸易通道正在重启，为应对传统定价机制缺陷，金砖国家等正积极推动建立独立的粮食交易所。我国经过30多年的努力，已建成较为完善的期货市场体系。大商所、郑商所作为农产品期货期权的重要交易平台，先后上市了一系列农产品的期货和期权交易，其中，豆粕期货成交量连续多年全球第一^［2］。由于我国粮食品种存在供给缺口，结构的脆弱性使我国在国际贸易中面临“价格升水”与“关税壁垒”的双重压力，也从根本上制约了我国在国际谈判中的议价能力和话语权^［3］。因此，厘清国际粮食期货价格对国内粮食期现货价格的冲击强度和溢出效应，评估我国农产品期货市场的风险抵御能力和议价能力，对提升我国粮食市场的系统韧性，保障国家粮食安全具有重要的理论与现实意义。

学者就国际粮食期现货间的价格联动研究已经非常丰富，从外部风险的视角来看，学者们普遍认同国际市场价格波动是国内粮食价格风险溢出的主要导火索。陈亮^［4］认为国内外粮食价格的短中期联动效应大于长期联动效应，国内大豆和玉米价格在应对国际粮食不同品种价格冲击时，冲击影响方向和强度存在显著异质性。吕晓英等^［5］指出国际大豆价格的短期上涨会带动玉米的需求增加，引发国际、国内玉米价格的双增涨。地区冲突的不断升级和贸易摩擦常态化，加剧了全球粮食市场的不确定性，导致价格传导路径日趋复杂化。杨应策等^［6］认为不同类型的冲击对价格的影响存在异质性，供给冲击和风险冲击对小麦、玉米和大豆存在非对称影响，对大豆的影响最显著。刘子源等^［7］研究发现中美贸易摩擦前后，国内大豆价格受国际大豆价格冲击影响显著，且国际豆油对国内大豆价格存在“二次波峰”传导机制。冯满敬等^［8］指出中美贸易政策对国内大豆价格的冲击效应随贸易壁垒的不断增加持续加深。王晓艺等^［9］认为中美间的大豆期货的价格数据在低频趋势之间的关联性高于高频之间的关联性。刘璐等^［10］认为中国与“一带一路”国家的小麦、玉米价格存在较强关联性，且关联程度在全球供给冲击和A股股灾期间显著上升。马理等^［11］发现俄乌冲突导致了国际粮食价格上涨和粮食价格剧烈波动，使得粮食进口依赖程度较高的国家汇率贬值和股市下跌。胡文国^［12］认为新冠疫情蔓延导致粮食供需失衡，国际粮价波动对国内粮食价格的影响更为直接。分品种来看，顾善松等^［13］认为俄乌冲突对玉米、油脂油料等国内外联动性较高的品种影响较大，对小麦、稻谷等联动性较低的品种供应影响较小。刘丽等^［14］认为国内外粮食价格存在长期均衡关系，其中大豆最显著，玉米次之，小麦最弱。朱之洵等^［15］从影响因素的视角发现玉米期货价格、大豆价格和新冠疫情对我国玉米价格的影响程度最大。熊晓炼等^［16］也验证了大豆价格是受到国际粮食期货价格冲击响应最剧烈、持续性最久的品种。从研究方法来看，在研究初期，学者们普遍采用传统的协整检验、非线性格兰杰（Granger）因果关系检验以及多重门限非线性自回归分布滞后模型等方法，但上述放在分析时变特征和复杂联动关系上存在一定的局限^［17-19］。随着VAR-GARCH模型、DCC–GARCH、时变Copula函数及复杂网络分析等方法被学者们不断引入到价格机制的研究中，这些方法在把握非线性关系和风险测度方面具有显著优势，推动研究范式从单一市场的静态均衡分析转向市场间的动态关联机制和时变溢出效应^［20-22］。

综上所述，现有研究虽然厘清了外生冲击频繁发生情况下国际粮食期货对国内粮食期现货的传导效应，但仍存在以下不足：一是对价格传导的非线性动态特征刻画不足，未能系统揭示外生冲击下价格溢出效应的弹性区间及时变规律；二是忽略价格响应在上涨与下跌阶段的非对称性，缺乏对国内粮食期现货市场“上涨敏感”现象的深入识别与机制解释；三是未充分考察政策干预与市场自我调节机制在应对外部冲击时的协同路径与动态效果。因此，本研究拟以2018—2024年国内外主要粮食期现货数据为基础，采用静态与动态溢出指数模型，实证分析各粮食品种在外生冲击下的价格溢出弹性区间、非对称效应和动态演变规律，以期为构建更具弹性与分类调控能力的粮食市场风险应对体系提供理论依据与决策参考。

1　理论分析与研究假说

1.1　外生冲击对粮食期现货价格的溢出效应因品种自身属性不同具有显著的异质性

外生冲击一般是指来自系统外部的、非内生因素产生的突发性事件。外生冲击通常具有突发性和传导性，往往改变市场预期、扭曲供需关系，打破原有均衡，引发市场剧烈波动。不同的粮食品种因生产周期、种植刚性、贸易结构和消费用途等表现出显著的供需弹性。从供给弹性来看，粮食作为土地密集型作物，生产周期长，要素调整成本高昂，受土地、水资源等刚性约束，难以迅速响应外部冲击引发的供需变化；但小麦、稻谷尽管同样存在刚性约束，但在政策支持和储备调节下具备一定缓冲能力。从需求弹性来看，大豆因兼具食用、饲用、榨油及工业用途，产业链较长且对外依存度高，对价格波动和外部环境敏感，尤其是在生物柴油政策联动下，受原油价格及金融投机影响，需求弹性较高。稻谷、小麦作为主要口粮品种，价格波动对需求的抑制效应有限。因此，供需弹性差异直接影响不同粮食品种对外生冲击的溢出强度和溢出效应。例如，在2018年中美贸易摩擦期间，我国对美采取反制性关税，进口大豆成本迅速上升，致使国内大豆市场出现阶段性紧张，随着我国增加从巴西、阿根廷、乌拉圭等南美国家的大豆进口，国内大豆供应紧张局面逐步缓解。在同样外部环境下，国内的玉米、小麦市场价格因对外依赖度低，且具备一定政策储备缓冲，价格受外部冲击的影响较弱^［23］。从贸易依赖程度与金融属性的视角来看，大豆作为高度金融化和贸易化的品种，不仅受供需弹性的影响，也受到汇率、资本流动与投机情绪影响，价格波动具有明显的“溢出放大”的特点^［24］。稻谷等口粮品种贸易规模有限、金融参与度低，受外生冲击的传导效应相对有限^［25］。

基于上述分析，提出如下研究假设：

{\mathrm{H}}_{\mathrm{1}}：外生冲击作为粮食市场的主要风险来源之一，对粮食期现货的溢出强度和效应取决于粮食品种的供需弹性、贸易依赖性和金融属性。

1.2　国内粮食期现货对国际粮食期货的溢出效应存在“上涨敏感”现象

从粮食期现货的市场结构和价格形成机制来看，国内粮食期现货市场与国际粮食期现货市场在交易制度、政策干预与资本流动等方面存在一定程度壁垒，使得价格传导效应呈现复杂化特点。特别是粮食金融化的国际背景下，国际粮食价格的波动情况通过贸易与金融双重渠道传导至国内。美元作为国际粮食贸易的主要结算货币，汇率波动直接通过传导效应影响粮食的到岸价格，通过替代效应和预期机制影响国内的粮食价格^［26］。由于汇率的传导效应具有非对称性，因此汇率的上涨和下跌对国内粮食市场的影响存在异质性。当国际粮价因外生冲击上涨时，受美元走强或人民币贬值的影响，国内粮食进口成本迅速上涨。在国际粮价下跌时，国内粮食价格受政策托底、储备收购等机制影响，呈现一定的“价格黏性”。此外，我国粮食期货市场尽管交易规模逐步扩大，但从市场功能与价格发现能力来看，我国在全球定价体系中仍处于从属地位，主要表现为对国际粮食价格的被动响应。当国际粮食价格因外生冲击出现快速拉升时，信息与资本的跨国流动速度加快，国内粮食期现货市场往往出现“跟涨不跟跌”的现象，形成“上涨敏感”的传导特征。这种非对称性恰好印证了我国在国际粮食定价权方面的结构性弱势，也凸显了国内粮食期现货市场的脆弱性与风险暴露情况。

基于此，提出如下研究假设：

{\mathrm{H}}_{\mathrm{2}}：外生冲击下我国粮食期货对国际粮食期货的溢出效应存在“上涨敏感”现象，表现为上涨阶段强于下跌阶段的非对称特征，且冲击影响具有长记忆性。

1.3　政策工具和市场调节机制在外生冲击作用下呈现U形特征

当外生冲击发生时，粮食期现货交易层面的信息会在传播过程中发生扭曲、延迟或失真，导致粮食期现货市场的参与者之间出现信息不对称和投资者预期紊乱的现象，并引发交易者的行为出现趋同或过度反应，使得市场价格的发现功能出现暂时“失灵”。因此，单纯依靠市场自我调节难以快速恢复均衡，政府的有效干预就成为稳定市场价格的必要手段。市场调控理论认为，政策工具作为外生调控变量，通过政策调节可以平抑市场价格的过度波动，稳定市场价格^［27］。我国经过多年的努力，逐步建立起中央垂直管理的储备粮管理系统，奠定了粮食宏观调控的制度基础。特别是2004年实施的最低收购价政策，为稻谷、小麦等粮食作物提供了价格托底支撑。2006年的临时储粮政策，为区域性、结构性粮食保供提供了应急缓冲机制^［28］。二者构成了一套层次分明、工具互补的粮食市场干预体系，在应对突发性外生冲击时，短期具有稳定器的作用，但若持续过度介入，也可能扭曲价格信号，削弱市场主体的风险应对能力，进而形成政策依赖。当外生冲击发生时，市场的调节功能在短期内往往被抑制，但随着冲击影响逐步被市场消化、政策工具及时调整，在经历了多次冲击与调节交互后，市场自适应能力不断增强，整体韧性显著提升，最终形成“政策有序退出、市场有效接续”的良性循环格局。基于上述分析，本研究提出如下研究假说：{\mathrm{H}}_{\mathrm{3}}：市场调节机制在外生冲击作用下呈现“短期抑制-长期增强”的U形动态演变特征，风险溢出效应取决于冲击强度、政策干预力度及市场自适应能力等因素（图1）。

2　模型构建与数据来源

2.1　静态与动态溢出指数模型

静态溢出指数主要用于衡量市场间价格波动溢出的平均强度与整体方向，首先计算静态溢出指数，衡量各粮食市场和粮食品种的价格溢出强度和方向。为分析外生冲击对粮食市场溢出效应的时变特征与动态规律，在静态指数的基础上引入时变参数，构建动态溢出指数。

1）静态溢出指数模型。构建p阶向量自回归模型，对模型进行方差分解与溢出效应识别，基于标准化方差分解结果分别计算总溢出指数、定向溢出指数和净溢出指数，具体算法参考Diebold等^［29-30］、Antonakakis等^［31］的研究。

2）动态溢出指数模型。在静态模型基础上，引入时间维度，通过滚动窗口捕捉时变特征，TVP-VAR模型设定如下：

Y_t={\beta }_t{Y}_{t-\mathrm{1}}+{ϵ}_t {ϵ}_t\sim N\left(\mathrm{0},{\Sigma }_t\right)（1）

{\beta }_t={\beta }_{t-\mathrm{1}}+{\nu }_t {\nu }_t\sim N\left(\mathrm{0},{\Omega }_t\right)（2）

式中：Y_t={\left(y_{\mathrm{1}t},y_{\mathrm{2}t}\right)}^T分别表示国际粮食期货价格和国内粮食期货价格，{\beta }_t为时变系数矩阵。通过Wold分解得到时变脉冲响应函数{\Psi }_{h,t}，计算公式如下：

{\Psi }_{h,t}=\frac{\partial Y_{t+h}}{\partial {ϵ}_t}={\prod }_{k=\mathrm{1}}^h{\beta }_{t+k} \left(h=\mathrm{1,2},...,H\right)（3）

对i窗口的var模型进行H步预测，H选取10步，对时变方差矩阵进行标准化处理后如下：

{\tilde{\theta }}_{ij,t}^g\left(H\right)=\frac{{\theta }_{ij,t}^g\left(H\right)}{{\sum }_{j=\mathrm{1}}^{\mathrm{2}}{\theta }_{ij,t}^g\left(H\right)}（4）

得到总溢出指数计算公式如下：

\mathrm{T}\mathrm{S}{\mathrm{I}}_t=\mathrm{100}\times \frac{{\sum }_{i,j=\mathrm{1},i\ne j}^{\mathrm{2}}{\tilde{\theta }}_{ij,t}^g\left(H\right)}{\mathrm{2}}（5）

方向性溢出指数分为国际→国内和国内→国际：

国际→国内：\mathrm{D}{\mathrm{S}}_{\mathrm{1}\to \mathrm{2},t}=\mathrm{100}\times \frac{{\tilde{\theta }}_{\mathrm{21},t}^g\left(H\right)}{{\tilde{\theta }}_{\mathrm{11},t}^g\left(H\right)+{\tilde{\theta }}_{\mathrm{21},t}^g\left(H\right)}（6）

国内→国际：\mathrm{D}{\mathrm{S}}_{\mathrm{2}\to \mathrm{1},t}=\mathrm{100}\times \frac{{\tilde{\theta }}_{\mathrm{12},t}^g\left(H\right)}{{\tilde{\theta }}_{\mathrm{22},t}^g\left(H\right)+{\tilde{\theta }}_{\mathrm{12},t}^g\left(H\right)}（7）

得到净溢出指数：

\mathrm{N}\mathrm{S}{\mathrm{I}}_{\mathrm{1},t}=\mathrm{D}{\mathrm{S}}_{\mathrm{1}\to \mathrm{2},t}-\mathrm{D}{\mathrm{S}}_{\mathrm{2}\to \mathrm{1},t}（8）

通过时变参数置信区间，得到弹性溢出区间如下：

\begin{array}{l}\mathrm{E}\mathrm{l}\mathrm{a}\mathrm{s}\mathrm{t}\mathrm{i}\mathrm{c}\mathrm{i}\mathrm{t}\mathrm{y}\mathrm{S}\mathrm{p}\mathrm{i}\mathrm{l}\mathrm{l}\mathrm{o}\mathrm{v}\mathrm{e}\mathrm{r}\mathrm{B}\mathrm{a}\mathrm{n}{\mathrm{d}}_{ij,t}={\Psi }_{h,t}\pm \\ z_{\alpha /\mathrm{2}}\sqrt[]{\mathrm{V}\mathrm{a}\mathrm{r}\left({\Psi }_{h,t}\right)}\end{array}（9）

式中：z_{\alpha /\mathrm{2}}为对应置信水平，取值为1.96，\alpha =\mathrm{0.05}。

2.2　数据来源

国外期货数据方面，选定具有全球影响力的芝加哥期货交易所（CBOT）的大豆、小麦、玉米和稻谷期货数据。国内期货数据涵盖大豆期货（黄大豆1号期货）、小麦期货（普麦期货）、玉米期货（黄玉米期货）、稻谷期货（粳米期货）。国内现货数据选取大豆现货（大豆全国均价）、小麦现货（小麦全国均价）、玉米现货（玉米全国均价）、稻谷现货（粳稻全国均价）。研究样本区间设定为2018年1月1日至2024年12月31日。在数据处理时，选用各品种的主力连续合约价格，并计算对数收益率，计算公式为r_t=\mathrm{l}\mathrm{n}(P_t)-\mathrm{l}\mathrm{n}(P_{t-\mathrm{1}})。数据来源为美国商品期货交易委员会（CFTC）、郑州商品交易所（ZCE）、大连商品交易所（DCE）和Wind数据库。

3　实证分析

3.1　描述性统计分析

为了解决因粮食市场各时区之间的差异而产生的非同步交易问题，借鉴了Yang等^［32］、杨子晖等^［33］的研究方法，对粮食收益进行了两日的滚动平均处理。描述性统计数据如表1所示。从标准差上看，样本期内CBOT大豆价格波动最大，其次是CBOT小麦和大豆期货，稻谷期货和稻谷现货价格波动相对较为平稳。LM检验结果显示粮食收益率序列呈现显著的条件异方差性。ADF检验显示选取的粮食价格序列具有平稳性，可以进行建模和分析。

3.2　静态溢出效应分析

为计算各粮食期货的每日溢出指标的平均值，分别以2018年3月22日美国总统特朗普签署的“301调查”和2022年2月24日俄乌冲突爆发为界，将总样本区间划分为3个时间段，如表2所示。芝加哥期货交易所（CBOT）粮食期货的净溢出指数在0.830~0.603，国内期货市场净溢出指数在0.129~0.011，表明芝加哥期货交易所的粮食期货品种对国际粮价波动具有较强的溢出效应。国内粮食期货市场对外部市场的溢出效应较弱。从动态演变特征来看，在中美贸易摩擦前，CBOT净溢出指数处于峰值（1.171~0.862），表明美国粮食期货市场在全球定价体系中占据绝对主导地位，国际粮价走势高度依赖CBOT价格信号。中美贸易摩擦后，CBOT净溢出指数出现明显回落（0.859~0.824），表明贸易摩擦改变了全球粮食贸易格局，部分市场参与者转向多元化定价参考，CBOT的价格信号出现一定程度的分流。俄乌冲突爆发后，CBOT净溢出指数进一步下降（0.459~0.124），表明俄乌冲突加剧了全球粮食供应链的不确定性，推动区域性粮食期货市场的影响力上升，全球粮食期货定价体系向多元化方向发展。

3.3　动态溢出效应分析

由图2可知，粮食期货动态总溢出指数约为23%，走势上存在3个明显波峰：一是中美贸易摩擦期间，贸易冲突使得两国间的贸易政策的不确定性增加，导致短期内跨境粮食贸易受阻，全球市场供需预期紊乱，粮食期货的动态总溢出指数短期内上升至41%。表明外生冲击改变了原有期货市场的价格联动规律与传导节奏，使得粮食期货的价格溢出指数迅速增加。二是新冠疫情期间。受到疫情封锁、物流中断的影响，粮食跨国贸易与到港效率大幅下降，市场供应的不稳定性加剧，动态总溢出指数再次上升，峰值接近32%。值得注意的是，疫情期间各国实施的出口限制措施进一步放大市场的“羊群效应”，导致价格信号的传导机制出现扭曲，加剧市场的波动。三是俄乌冲突导致黑海地区小麦和玉米供应链受阻，引发区域性断供，动态总溢出指数同样上升至34%。然而，与前两次冲击相比，俄乌冲突期间外生冲击对市场的影响呈现边际递减走势，总溢出指数峰值较前两次出现下降，主要因为粮食期货市场在经历多次冲击后，自身形成了一定的缓冲机制，从侧面验证了研究假设H₃。

3.4　动态溢出网络分析

绘制中美贸易摩擦前和俄乌冲突后2个时间节点的溢出网络格局，如图3所示。从两张图对比可以看到，CBOT大豆期货和CBOT玉米期货在粮食期货市场中处于核心地位，表现为净溢出，表明当前国际粮食期货市场是以大豆和玉米为主导的双中心价格体系，但随着外生冲突的频发，两者的溢出强度有所减弱。CBOT小麦期货受区域供应格局变化及替代效应影响，溢出强度低于CBOT大豆和CBOT玉米期货，并且随着外生冲击的发生，溢出强度也有所减弱。国内粮食期货的净溢出强度整体低于国际粮食期货，仍处于溢入方。但是，在一系列外生冲击下，我国粮食期货的溢出强度小幅增加。从联动性来看，大豆期货的联动性更强，玉米次之，稻谷和小麦的联动性最弱，验证了研究假设H₁。

3.5　价格弹性溢出区间

由表3可知，国际粮食期货的弹性区间高于国内粮食期货的弹性区间，且粮食期货的短期弹性区间高于长期弹性区间，表明国际粮食期货的短期内的溢出效应更为显著。CBOT大豆期货的弹性区间最高，且非对称性检验统计量达到3.27（P<0.05），表明大豆价格弹性区间存在非对称性。CBOT稻谷期货的弹性溢出效应相对较弱，且未通过非对称性检验。国内大豆期货的弹性区间最高，其次是玉米期货和小麦期货，稻谷期货弹性区间最低，表明国内粮食期货市场中，大豆受国际市场联动影响最深，价格传导的灵敏性最高，而稻谷因自给率较高，价格弹性相对稳定。除国内大豆现货保持相对较高的弹性区间外，其他品种的现货弹性区间相对较低，价格波动幅度较小，表明国内现货市场主要受供求基本面因素主导，价格调整节奏较为平缓。通过Bai-Perron多重结构突变检验发现，期货品种均在5%显著性水平上检测到结构突变点（P<0.05），表明外生冲击会引发粮食期货价格弹性溢出机制发生结构性变化，打破原有价格传导的稳定状态。

3.6　粮食期现货市场的非对称溢出分析

进一步分析粮食期现货的非对称溢出效应，如表4所示。国际期货市场中，国际粮食期货价格呈现显著的正向非对称性，上涨阶段的溢出系数高于下跌阶段的溢出系数，验证了假说H_2。在中美贸易摩擦期间，国际粮食期货上涨阶段的溢出系数均高于下跌阶段，且非对称性一直延续到俄乌冲突期间，尽管溢出强度有所减弱，但“上涨敏感”的特征始终存在，表明冲击的影响具有长记忆性。国内期货市场中，同样呈现正向非对称性，上涨系数高于下跌系数，在经历了一系列外生冲击后，溢出系数有所增加，表明国内期货市场对国际市场“上涨敏感”的联动性增强，且受冲击的长记忆性影响持续显现。国内现货市场中，只有大豆和玉米表现出较为明显的非对称性，这与两者在国际市场中较高的贸易关联度紧密相关，而小麦和稻谷受国际市场波动影响较小，非对称性较弱。

3.7　市场调节机制

由图4可知，外生冲击初期，国际粮食期货对国内粮食期货价格形成强烈冲击，市场自主调节功能被短期抑制。随着时间推移，市场自适应能力逐步恢复并增强。在国际期货市场对国内期货市场的溢出效应方面，CBOT大豆和CBOT玉米期货对我国大豆和玉米期货市场的净溢出指数呈不断下降趋势。在市场联动方面，国内现货市场凭借供需支撑，受国际期货市场的影响较小。国内期货对国内现货的价格传导存在3~5个交易日的滞后，影响持续时间也延长10~15个交易日，表明现货价格具有一定的粘性。从市场调节功能的动态演变来看，国内大豆和玉米期货的期现溢出峰值与国际市场波动高度同步，反映出国际粮食期货市场的定价特征，而市场调节机制在经历短期抑制后，长期效果得到增强，呈现U型特征，这一结论验证了假设H₃。

4　稳健性检验

为检验模型的稳健性，采用递归滚动窗口法对时变参数进行稳健性检验，如表5所示。设定初始窗口为2018年1月—2021年12月，以月度为步长向后滚动，覆盖整个样本期。比较参数估计结果与溢出指数发现，粮食期货价格滚动窗口估计的总溢出指数在关键事件节点与全样本分析高度一致。在中美贸易摩擦、新冠疫情和俄乌冲突期间均出现显著峰值，表明模型对外生冲击的捕捉能力具有持续稳定性。此外，国际期货对国内期货的净溢出指数在滚动窗口中的波动范围为0.728~0.324，与全样本区间估计值（0.830~0.124）的相似度为85%，验证了研究结论的可靠性。

5　研究结论与政策建议

5.1　研究结论

本研究通过时变非对称溢出效应模型，系统分析了外生冲击下国际粮食期货对国内粮食期现货市场的价格溢出效应，得出以下研究结论：1）从静态溢出效应来看，国际粮食期货的溢出强度高于国内粮食期货；从动态溢出效应来看，CBOT大豆和CBOT玉米为溢出方，国内粮食期货为溢入方；受供需弹性、贸易依赖性和金融属性的影响，CBOT大豆的溢出强度最大。2）国际粮食期货的弹性区间高于国内粮食期货的弹性区间，且短期弹性区间均高于长期弹性区间。粮食期货价格的上涨阶段的溢出系数高于下跌阶段的溢出系数，大豆期货和玉米期货价格呈现显著的正向非对称性。3）当外生冲击发生时，市场自主调节功能被短期抑制，随着时间推移，市场自适应能力逐步恢复并增强，呈现U字形动态演变特征。

5.2　政策建议

一是构建分品种的风险管理工具，提升粮食期货的市场韧性。针对大豆、玉米期货价格在国际市场上行阶段的显著“跟涨”特征，加快推广豆粕、豆油、玉米淀粉等细分产品的期权合约，积极探索价差期权等复合型衍生工具，丰富场内衍生品层次，为相关企业提供更为精准和灵活的风险对冲手段。此外，加快推进大豆、玉米主产区“保险+期货”试点，创新保险产品，将非对称冲击转化为可量化、可分散、可转移的市场风险。

二是实施差异化品种管理与精准化分类调控策略。对大豆、玉米等高弹性、高进口依赖品种，积极拓展多元化进口渠道，降低单一来源地集中供应带来的风险。防范国际大宗商品价格剧烈波动对粮食期货价格的过度传导，加强对跨境资本流动与投机头寸的监测预警。对小麦、稻谷等低弹性、高自给率品种，着力稳定政策预期，完善最低收购价和临时收储政策的透明度与执行机制，积极探索最低收购价与市场价格之间的联动机制，稳定粮食生产情况，保障粮食安全。

三是构建“短期应急”与“长期治本”协同的调控机制。从短期来看，建立系统化应急干预“工具箱”，明确储备应急投放的触发条件与操作流程，确保在价格出现超调时能够迅速释放信号、有效平抑波动，遏制市场失灵蔓延。从长期来看，优化中央与地方储备粮的协同轮换机制，增强其与市场供需的联动性。提升市场深度与定价效率，加强信息公共服务体系建设，构建权威、透明的粮食市场信息发布平台，从根本上提升市场主体的预期管理能力和风险应对水平。

参考文献

[1] 周牧. 英美金融关系的非对称性探析［J］. 欧洲研究， 2025， 43（2）： 133-152，168

[2] Zhou M. Analysis of the asymmetry of financial relations between britain and the united states［J］. European Studies， 2025， 43（2）： 133-152，168 （in Chinese）

[3] 张硕，李剑，祁楷清，谭德浩. 重大信息公告对农产品期货实时交易行为的影响研究［J］. 世界农业， 2024（9）： 52-65

[4] Zhang S， Li J， Qi K Q， Tan D H. Research on the impact of major information announcements on real-time trading behavior of agricultural futures［J］. World Agriculture， 2024（9）： 52-65 （in Chinese）

[5] 徐佳利. 欧盟粮食安全治理体系：演进、动力与影响［J］. 国际关系研究， 2025（2）： 136-154，159

[6] Xu J L. The EU food security governance system： evolution， driving forces and impacts ［J］. Studies of International Relations， 2025（2）： 136-154，159 （in Chinese）

[7] 陈亮. 国内外粮食价格传导机制及动态冲击效应研究［J］. 统计与决策， 2024， 40（14）： 155-160

[8] Chen L. Research on the transmission mechanism and dynamic shock effect of domestic and international grain prices［J］. Statistics and Decision， 2024， 40（14）： 155-160 （in Chinese）

[9] 吕晓英，钱宸，李先德. 国际粮食期货和石油价格对我国玉米价格的影响研究：基于MS-VAR模型分析［J］. 价格理论与实践， 2025（1）： 166-171，235

[10] Lu X Y， Qian C， Li X D. Research on the impact of international grain futures and oil prices on corn prices in China： Analysis based on MS-VAR model ［J］ Price Theory and Practice， 2025（1）： 166-171，235 （in Chinese）

[11] 杨应策，郭军杰，邓睦军. 原油价格对中国农产品价格的非对称影响研究［J］. 农业技术经济， 2024（4）： 39-58

[12] Yang Y C， Guo J J， Deng M J. Research on the asymmetric impact of crude oil prices on agricultural product prices in China［J］. Journal of Agricultural Technology and Economics， 2024（4）： 39-58 （in Chinese）

[13] 刘子源，王禹，许世卫. 中美贸易摩擦前后油料价格冲击影响研究［J］. 技术经济与管理研究， 2021（9）： 91-96

[14] Liu Z Y， Wang Y， Xu S W. Research on the impact of oil price shocks before and after Sino-US trade friction［J］. Technical Economics and Management Research， 2021（9）： 91-96 （in Chinese）

[15] 冯满敬，花培鹏，李文，解月，花俊国. 中美贸易政策不确定性对中国大豆价格的影响研究［J］. 河南农业大学学报， 2021， 55（6）： 1142-1151

[16] Feng M J， Hua P P， Li W， Yue Jie， Hua J G. Research on the impact of uncertainty in Sino-US trade policies on soybean prices in China［J］. Journal of Henan Agricultural University， 2021， 55（6）： 1142-1151 （in Chinese）

[17] 王晓艺，邹家骏. 中美大豆期货价格的关联性分析：基于小波分析和Copula模型［J］. 价格月刊， 2024（11）： 22-29

[18] Wang X Y， Zou J J. Correlation analysis of soybean futures prices in China and the United States： Based on wavelet analysis and Copula model［J］. Price Monthly， 2024（11）： 22-29 （in Chinese）

[19] 刘璐，蒋怡萱，张帮正. 中国与“一带一路”国家农产品价格关联性研究：兼论中美贸易摩擦的影响［J］. 农业经济问题， 2021（3）： 126-144

[20] Liu L， Jiang Y X， Zhang B Z. Research on the correlation of agricultural product prices between China and “Belt and Road” countries： Also discussing the impact of Sino-US trade frictions ［J］. Agricultural Economic Issues， 2021（3）： 126-144 （in Chinese）

[21] 马理，张人中，马威. 俄乌冲突导致的国际粮食价格波动效应与我国的应对措施［J］. 农业技术经济， 2025（4）： 124-144

[22] Ma L， Zhang R Z， Ma W. The fluctuation effects of international grain prices caused by the Russia-Ukraine conflict and China’s countermeasures ［J］. Journal of Agricultural Technology and Economics， 2025（4）： 124-144 （in Chinese）

[23] 胡文国. 国际粮价波动对国内粮价的影响及对策研究［J］. 中国粮食经济， 2022（10）： 45-51

[24] Hu W G. Research on the impact of international grain price fluctuations on domestic grain prices and countermeasures［J］. China Grain Economy， 2022（10）： 45-51 （in Chinese）

[25] 顾善松，赵将. 俄乌冲突与全球和中国粮食安全：冲击与修复［J］. 农业经济问题， 2024（7）： 73-89

[26] Gu S S， Zhao J. The Russia-Ukraine conflict and global and Chinese food security： Impact and remediation ［J］. Agricultural Economic Issues， 2024（7）： 73-89 （in Chinese）

[27] 刘丽，孙炜琳，王国刚. 高水平开放下国际粮食价格波动对中国农产品市场的影响［J］. 农业技术经济， 2022（9）： 20-32

[28] Liu L， Sun W L， Wang G G. The impact of international grain price fluctuations on China’s agricultural products market under high-level opening-up ［J］. Journal of Agricultural Technology and Economics， 2022（9）： 20-32 （in Chinese）

[29] 朱之洵，李干琼. 收储制度改革后我国玉米价格影响因素分析：基于VAR模型［J］. 中国食物与营养， 2024， 30（10）： 30-35

[30] Zhu Z X， Li G Q. Analysis of influencing factors of corn prices in China after the reform of the purchase and storage system： Based on the VAR model［J］. Chinese Food and Nutrition， 2024， 30（10）： 30-35 （in Chinese）

[31] 熊晓炼，吴袆. 国际粮食期货价格波动及其影响研究：引入GEPU指数对粮食期货价格影响的分析［J］. 价格理论与实践， 2020（11）： 85-88

[32] Xiong X L， Wu H. Research on fluctuations and impacts of international grain futures prices： An analysis of the impact of introducing GEPU index on grain futures prices［J］. Price Theory and Practice， 2020（11）： 85-88 （in Chinese）

[33] 王锐. 国际国内市场大豆价格长短期关系研究：基于协整理论和误差修正模型的实证分析［J］. 贵州财经学院学报， 2012（1）： 62-67

[34] Wang R. Research on the long-term and short-term relationship of soybean prices in international and domestic markets： An empirical analysis based on cointegration theory and error correction model ［J］. Journal of Guizhou University of Finance and Economics， 2012（1）： 62-67 （in Chinese）

[35] 周大朋，穆月英. 基于社会网络模型的大豆类期货与现货市场关联性研究［J］. 农业展望， 2022， 18（7）： 13-20

[36] Zhou D P， Mu Y Y. Research on the correlation between soybean futures and spot markets based on social network model［J］. Agricultural Prospects， 2022， 18（7）： 13-20 （in Chinese）

[37] 韩磊. 国际粮食价格对中国粮食价格的非对称传导：基于门限自回归模型的研究［J］. 当代经济科学， 2018， 40（2）： 78-84，127

[38] Han L. Asymmetric transmission of international grain prices to Chinese grain prices： A study based on the threshold autoregressive model［J］. Contemporary Economic Science， 2018， 40（2）： 78-84，127 （in Chinese）

[39] 陈挺，喻晓玲. 中美棉花期货市场动态风险溢出效应测度：基于DCC-GARCH-ΔCoVaR模型［J］. 数学的实践与认识， 2021， 51（20）： 282-292

[40] Chen T， Yu X L. Measurement of dynamic risk spillover effects in China-US cotton futures markets： Based on the DCC-GARCH-ΔCoVaR model ［J］. Mathematics in Practice and Understanding， 2021， 51（20）： 282-292 （in Chinese）

[41] 杨阳，李莉莉. 基于GARCH-Copula-CoVaR模型的农业系统性风险研究［J］. 青岛大学学报：自然科学版， 2023， 36（1）： 111-115

[42] Yang Y， Li L L. Research on agricultural systemic risk based on GARCH-Copula-CoVaR model ［J］. Journal of Qingdao University： Natural Science Edition， 2023， 36（1）： 111-115 （in Chinese）

[43] 任育锋，李哲敏. 中国大豆与其主要进口来源国市场整合程度测度：基于时变Copula函数［J］. 价格月刊， 2019（9）： 40-45

[44] Ren Y F， Li Z M. Measurement of the degree of market integration between Chinese soybeans and their major import source countries： Based on time-varying Copula function ［J］ Price Monthly， 2019（9）： 40-45 （in Chinese）

[45] 吴桐桐，王仁曾. “一带一路”中美大豆价格传导路径：贸易与期货的冲击效应对比研究［J］. 新疆农垦经济， 2020（4）： 48-57

[46] Wu T T， Wang R Z. The transmission path of soybean prices between China and the United States under the Belt and Road Initiative： A comparative study on the impact effects of trade and futures［J］. Xinjiang State Farms Economy， 2020（4）： 48-57 （in Chinese）

[47] 李辉尚，李美琪，黄晓慧， 胡冰川. 农业强国战略背景下中国大豆供给安全：现实基础、潜力研判与策略选择［J］. 农业经济问题， 2024（7）： 48-58

[48] Li H S， Li M Q， Huang X H， Hu B C. China’s soybean supply security under the background of the strategy of building a strong agricultural country： Realistic basis， potential analysis and strategy selection ［J］. Agricultural Economic Issues， 2024（7）： 48-58 （in Chinese）

[49] 李薇，钟宇平，冷佳璇. 美元周期、粮食金融化对我国粮食安全的影响［J］. 金融经济， 2025（2）： 43-56

[50] Li W， Zhong Y P， Leng J X. The impact of the US Dollar cycle and grain financialization on China’s food security ［J］. Journal of Finance and Economics， 2025（2）： 43-56 （in Chinese）

[51] 苏丹华，倪国华，鲍勤. “一带一路”共建国家大豆生产潜力及其对中国大豆贸易主导权的影响研究［J］. 管理评论， 2025， 37（1）： 64-74

[52] Su D H， Ni G H， Bao Q. Research on the soybean production potential of the Belt and Road co-construction countries and its impact on China’s soybean trade dominance ［J］. Management Review， 2025， 37（1）： 64-74 （in Chinese）

[53] 陈万钦. 数字经济理论和政策体系研究［J］. 经济与管理， 2020， 34（6）： 6-13

[54] Chen W Q. Research on the theory and policy system of digital economy［J］. Economics and Management， 2020， 34（6）： 6-13 （in Chinese）

[55] 胡永浩，胡南燕，张昆扬，武拉平. 中国节粮减损政策演进、内在逻辑及政策优化研究［J］. 农业经济问题， 2024（10）： 120-133

[56] Hu Y H， Hu N Y， Zhang K Y， Wu L P. Research on the evolution， internal logic and policy optimization of China’s grain saving and loss reduction policies ［J］. Issues of Agricultural Economics， 2024（10）： 120-133 （in Chinese）

[57] Diebold F X， Kamil Y. Measuring financial asset return and volatility spillovers， with application to global equity markets［J］. Economic Journal， 2009， 119（534）： 158-171

[58] Diebold F X， Yilmaz K. Better to give than to receive： Predictive directional measurement of volatility spillovers［J］. International Journal of Forecasting， 2012， 28（1）： 57-66

[59] Antonakakis N， Chatziantoniou I， Gabauer D. Refined measures of dynamic connectedness based on time-varying parameter vector autoregressions［J］. Journal of Risk and Financial Management， 2020， 13（4）： 84

[60] Yang Z， Zhou Y. Quantitative easing and volatility spill‐overs across countries and asset classes［J］. Management Science，2017，63（2）：333-354

[61] 杨子晖，周颖刚. 全球系统性金融风险溢出与外部冲击［J］. 中国社会科学，2018（12）：69-90，200-201

[62] Yang Z H， Zhou Y G. Global systemic financial risk spillover and external shocks［J］. Social Sciences in China， 2018（12）： 69-90，200-201 （in Chinese）

基金资助

国家自然科学基金项目(62103418)

中国农业科学院农业信息研究所基本科研业务费(JBYW-AII-2024-30)