探寻有色金属股票与同板块期货波动溢出的内在联系：理论、实证与策略

探寻有色金属股票与同板块期货波动溢出的内在联系：理论、实证与策略一、引言1.1研究背景与意义在经济全球化与金融市场一体化的大趋势下，金融市场之间的联动性愈发显著。有色金属市场作为金融市场的重要组成部分，其期货与股票市场之间的关系备受关注。随着有色金属在工业生产、新能源、电子等领域的广泛应用，其价格波动对相关企业的经营业绩与市场估值产生深远影响。同时，期货市场作为重要的风险管理与价格发现平台，与股票市场在信息传递、风险传导等方面存在紧密联系。深入研究有色金属股票与期货的波动溢出关系，对于理解金融市场运行机制、优化投资策略以及加强风险管理具有重要的理论与现实意义。从理论层面来看，研究有色金属股票与期货的波动溢出关系，有助于丰富金融市场联动性理论。传统金融理论多聚焦于单一市场的分析，而对不同市场间的相互作用研究相对不足。通过对有色金属期货与股票市场的研究，能够揭示商品期货市场与股票市场之间的内在联系，拓展金融市场相关性理论的研究范畴。例如，现有研究表明，期货市场的价格发现功能使得其能够迅速反映市场供求、宏观经济等信息，这些信息会通过产业链传导至相关企业，进而影响其股票价格，这一过程中的波动溢出效应为金融市场联动性理论提供了新的实证依据。在实践中，有色金属股票与期货波动溢出关系的研究对投资者和市场参与者具有重要的指导意义。对于投资者而言，了解二者的波动溢出关系，有助于优化投资组合，降低投资风险。以有色金属生产企业的投资者为例，若能准确把握期货市场价格波动对企业股票价格的影响，便可在期货市场进行套期保值操作，对冲股票投资风险。当预期期货价格下跌时，投资者可在期货市场卖出相应合约，以弥补股票价格可能下跌带来的损失，从而实现资产的保值增值。对于有色金属相关企业，掌握期货与股票市场的波动溢出关系，有助于制定更为科学的生产经营与风险管理策略。企业可以依据期货市场价格走势，合理安排生产计划、调整库存水平。若期货市场价格上涨，企业可适当增加生产与库存，以获取更高的利润；反之，则减少生产与库存，降低成本。此外，企业还可利用期货市场进行风险管理，锁定原材料采购成本或产品销售价格，避免因价格波动导致的经营风险。从市场监管角度来看，研究有色金属股票与期货的波动溢出关系，有助于监管部门及时掌握市场动态，防范金融风险的跨市场传播。在金融市场互联互通的背景下，一个市场的波动可能迅速传导至其他市场，引发系统性风险。监管部门通过对二者波动溢出关系的监测与分析，能够及时发现潜在的风险点，采取相应的监管措施，维护金融市场的稳定运行。1.2研究方法与创新点本研究将综合运用多种实证研究方法，深入剖析有色金属股票与期货的波动溢出关系。协整检验是研究时间序列变量之间长期均衡关系的重要方法。在本研究中，通过协整检验，能够判断有色金属期货价格与股票价格之间是否存在长期稳定的均衡关系。若存在协整关系，则表明二者在长期内相互影响、相互制约，这为进一步研究波动溢出效应奠定了基础。例如，在对铜期货价格与相关铜业上市公司股票价格的研究中，运用协整检验可确定二者是否存在长期均衡联系，若存在，这种联系将为后续分析提供重要依据。向量自回归（VAR）模型能够考察多个变量之间的动态关系，用于分析有色金属期货与股票市场价格波动的相互影响。该模型将所有内生变量视为相互影响的，通过构建模型可以得到变量之间的脉冲响应函数和方差分解结果。脉冲响应函数可以直观地展示一个变量的冲击对其他变量的动态影响路径和程度，方差分解则能分析各个变量对预测误差的贡献度。以铝期货市场和铝业股票市场为例，利用VAR模型可以分析铝期货价格波动对铝业股票价格的动态影响，以及铝业股票价格波动对铝期货价格的反馈作用，从而全面了解二者之间的相互作用机制。为了更准确地刻画金融时间序列的波动聚集性和时变性，本研究将采用广义自回归条件异方差（GARCH）模型族。其中，双变量GARCH-BEKK模型能够有效捕捉有色金属期货与股票市场之间的波动溢出效应。该模型通过矩阵形式描述两个市场波动之间的相互关系，不仅可以判断波动溢出的方向，还能衡量溢出效应的大小。例如，在研究锌期货与锌业股票市场时，运用双变量GARCH-BEKK模型可以明确锌期货市场的波动是否会传递到锌业股票市场，以及股票市场波动对期货市场的反向影响程度。在研究视角上，本研究突破了以往大多单独研究有色金属期货市场或股票市场，或仅关注个别有色金属品种的局限，全面系统地对有色金属整体板块的期货与股票市场波动溢出关系进行研究。从行业整体层面出发，综合考虑多种有色金属品种，能够更全面地反映有色金属行业金融市场的内在联系，为投资者和市场参与者提供更具宏观指导意义的参考。在数据处理方面，本研究将收集高频数据进行分析。高频数据能够更及时、准确地反映市场的短期波动和变化，相比低频数据，能捕捉到更多市场微观结构信息。通过对高频数据的处理与分析，可以更精确地刻画有色金属期货与股票市场之间的短期波动溢出效应，揭示市场在短期内的动态变化规律，这对于投资者把握短期投资机会、及时调整投资策略具有重要价值。二、相关理论基础2.1波动溢出效应理论波动溢出效应是指一个市场的波动不仅受自身前期波动的影响，还会受到其他市场波动的冲击。在金融市场中，这种效应体现为不同金融资产价格的波动相互传递、相互影响。当某一市场出现较大波动时，这种波动会通过各种渠道扩散到其他相关市场，导致其他市场也出现相应的波动变化。在金融市场里，波动溢出效应有着多种表现形式。在股票市场与债券市场之间，当股票市场因经济数据不佳、企业盈利下滑等因素出现大幅下跌时，投资者出于风险规避的目的，会将资金从股票市场转移到债券市场。资金的流入会推动债券价格上升，收益率下降，从而引发债券市场的波动，这便是一种从股票市场到债券市场的波动溢出。在外汇市场与股票市场之间，汇率的波动会影响跨国企业的汇兑损益和国际竞争力。若本国货币升值，对于出口型企业而言，其产品在国际市场上的价格相对提高，竞争力下降，企业盈利可能受到影响，进而导致其股票价格下跌，使股票市场产生波动。不同市场间的波动传递存在多种机制。信息传递是重要的波动传导机制之一。金融市场中的信息，如宏观经济数据、政策变动、企业盈利报告等，是投资者决策的重要依据。当某一市场率先获取到新信息时，投资者会根据这些信息调整自己的投资策略，进而引发该市场价格的波动。而这些信息会通过各种渠道，如新闻媒体、金融数据提供商、投资者之间的交流等，迅速传播到其他市场。其他市场的投资者在接收到信息后，也会相应地调整投资决策，从而导致波动在不同市场间传递。例如，当央行宣布加息这一货币政策时，期货市场会率先对利率上升做出反应，有色金属期货价格可能因融资成本上升、市场预期改变等因素而下跌。这种价格波动信息会很快传递到股票市场，投资者会预期有色金属企业的生产成本上升、利润空间压缩，从而抛售相关企业股票，使得有色金属股票价格也随之下跌。资金流动也是导致波动溢出的关键机制。投资者在不同金融市场之间进行资金配置，以追求收益最大化和风险最小化。当某一市场出现投资机会或风险变化时，投资者会迅速调整资金在不同市场的分布。这种资金的大规模流动会改变市场的供求关系，进而引发价格波动。在有色金属市场中，当期货市场预期有色金属价格上涨时，投资者会纷纷将资金投入期货市场，买入期货合约，推动期货价格进一步上升。而这些资金可能来自于股票市场，资金的流出会导致有色金属股票市场的供求关系失衡，股票价格面临下行压力。当投资者预期股票市场收益更高或风险更低时，资金又会从期货市场回流到股票市场，对期货市场价格产生反向影响。投资者行为在波动溢出中也起着重要作用。投资者的情绪和行为具有传染性，在面对市场波动时，投资者往往会出现从众心理和羊群效应。当某一市场出现波动时，投资者可能会认为其他相关市场也将受到影响，从而采取相似的投资策略。在有色金属市场中，若部分投资者因期货市场的一次大幅波动而对整个有色金属行业前景产生担忧，他们不仅会减少在期货市场的投资，还会抛售持有的有色金属股票。这种行为会带动其他投资者跟风操作，导致股票市场的波动加剧，进一步放大了波动溢出效应。2.2有色金属市场特性有色金属是指除铁、锰、铬以外的所有金属，包括铜、铝、铅、锌、镍、锡等。有色金属在现代工业中具有不可或缺的地位，广泛应用于建筑、汽车、电子、航空航天等众多领域。在建筑领域，铝因其质量轻、耐腐蚀等特性，被大量用于门窗、幕墙等结构部件；在电子行业，铜以其优良的导电性，成为电线电缆、电路板等产品的关键材料。有色金属的供应具有一定的刚性。从矿产资源角度来看，有色金属的开采受到资源储量、开采技术、矿山建设周期等因素的制约。例如，一座新的铜矿从勘探、开发到正式投产，往往需要数年甚至更长时间，这使得在短期内，有色金属的供应难以根据市场需求的变化迅速调整。同时，全球资源保护主义的兴起，各国对资源行业控制加强，地缘政治因素也影响着金属的供应。如一些国家为了保障本国资源安全，限制有色金属的出口，这进一步加剧了供应的不确定性。需求方面，有色金属的需求与全球经济增长、工业生产活动密切相关。在经济繁荣时期，建筑、汽车、电子等行业蓬勃发展，对有色金属的需求旺盛；而在经济衰退时，这些行业的需求则会大幅减少。以2008年全球金融危机为例，经济衰退导致有色金属需求锐减，铜、铝等有色金属价格大幅下跌。随着全球经济的复苏以及新兴产业的发展，如新能源汽车、5G通信等，对有色金属的需求结构也发生了变化。新能源汽车的发展使得对锂、钴等稀有金属的需求急剧增加，这些金属在电池制造中起着关键作用；5G通信基站的建设则加大了对铜、铝等金属的需求，用于制造通信线缆、散热部件等。有色金属的价格形成机制较为复杂，受到多种因素的综合影响。供求关系是决定有色金属价格的基础因素。当市场供大于求时，价格往往下跌；反之，当供小于求时，价格则上涨。2021年，由于全球经济复苏，有色金属需求大增，而供应端受到疫情、矿山罢工等因素影响，供应受限，导致铜、铝等有色金属价格大幅上涨。宏观经济形势对有色金属价格有着重要影响。经济增长、通货膨胀、利率政策等宏观经济变量的变化，都会直接或间接地影响有色金属的需求和价格。在通货膨胀时期，投资者往往会将资金投向有色金属等实物资产，以实现资产保值增值，从而推动有色金属价格上涨。此外，国际政治局势、地缘冲突、汇率波动等因素也会对有色金属价格产生影响。如中东地区的地缘政治冲突可能导致石油价格波动，进而影响有色金属的生产成本和运输成本，最终反映在价格上。在全球经济中，有色金属市场占据着举足轻重的地位。有色金属作为重要的工业原材料，其价格波动不仅影响着相关企业的生产成本和利润，还会对整个产业链上下游产生连锁反应。对于有色金属上游的采矿企业来说，价格上涨意味着更高的利润和更多的投资机会，促使企业加大勘探和开采力度；而对于下游的制造业企业，有色金属价格的波动直接影响其生产成本，进而影响产品价格和市场竞争力。在建筑行业，铝价的上涨会增加建筑企业的成本，可能导致房价上升；在汽车制造行业，铜价的波动会影响汽车零部件的生产成本，进而影响汽车的销售价格。有色金属市场的波动还会对金融市场产生影响，有色金属期货和股票的价格波动，会影响投资者的资产配置和收益，进而影响整个金融市场的稳定性。2.3股票与期货市场关系理论股票市场是企业筹集资金、投资者进行权益投资的重要场所，具有筹集资金、资源配置、价格发现和风险管理等功能。企业通过发行股票，可以将社会闲置资金集中起来，为企业的发展提供资金支持。在资源配置方面，股票市场通过价格机制引导资金流向效益较好的企业和行业，实现资源的优化配置。股票价格的波动反映了市场对企业未来盈利预期的变化，投资者通过对股票价格的分析和判断，进行投资决策，从而实现价格发现功能。投资者还可以通过股票投资组合的多元化，分散非系统性风险。期货市场则是一种重要的衍生品市场，其基本功能包括价格发现、风险转移和投机。在期货市场中，众多的买方和卖方通过公开竞价的方式形成期货价格，这个价格反映了市场对未来商品供求关系和价格走势的预期，具有价格发现功能。对于生产、加工和贸易企业来说，期货市场提供了一种有效的风险管理工具，企业可以通过期货合约的套期保值操作，锁定原材料采购成本或产品销售价格，转移价格波动风险。以铜生产企业为例，企业担心未来铜价下跌导致销售收入减少，可在期货市场卖出铜期货合约。若未来铜价真的下跌，期货市场的盈利可弥补现货市场的损失，从而实现风险转移。而投机者则利用期货价格的波动，通过低买高卖或高卖低买的方式获取利润，为市场提供了流动性。股票市场和期货市场在价格发现方面存在紧密联系。期货市场的价格发现功能使其能够迅速反映市场供求、宏观经济等信息，这些信息会通过产业链传导至相关企业，进而影响其股票价格。当期货市场上有色金属价格上涨时，表明市场对该有色金属的需求旺盛，供应相对紧张。这会使相关有色金属生产企业的预期利润增加，投资者对企业的未来发展前景更加看好，从而推动企业股票价格上涨。反之，若期货市场价格下跌，会导致企业预期利润下降，股票价格也可能随之下跌。在风险转移方面，两个市场也相互影响。企业在期货市场进行套期保值操作，能够稳定经营业绩，降低因价格波动带来的风险，这有助于增强投资者对企业的信心，稳定企业股票价格。若一家铝加工企业通过在期货市场买入铝期货合约，锁定了原材料采购成本，避免了因铝价大幅上涨导致的成本增加和利润下滑风险。这使得企业的经营状况更加稳定，投资者对企业的信心增强，股票价格也更具稳定性。而股票市场的波动也会影响企业的融资能力和市场估值，进而影响企业在期货市场的套期保值策略。若股票市场低迷，企业股价下跌，融资难度增加，企业可能会更加注重通过期货市场进行风险管理，加大套期保值的力度。从资金流动角度来看，投资者在股票市场和期货市场之间进行资金配置。当投资者预期股票市场收益更高时，会将资金从期货市场转移到股票市场，导致股票市场资金增加，推动股票价格上涨，同时期货市场资金减少，价格可能受到抑制。反之，当投资者认为期货市场存在更好的投资机会时，资金会流向期货市场，影响两个市场的价格走势。在有色金属市场中，当投资者预期有色金属期货价格将大幅上涨时，会大量买入期货合约，导致期货市场资金流入增加，价格上升。而这些资金可能来自于股票市场，资金的流出会使有色金属股票市场的资金相对减少，股票价格面临下行压力。三、影响波动溢出的因素分析3.1宏观经济因素3.1.1经济增长与周期全球经济增长态势对有色金属需求有着直接且关键的影响。在经济繁荣时期，各行业发展迅速，对有色金属的需求大幅增加。以建筑行业为例，随着城市化进程的加快，大量基础设施建设和房地产开发项目的开展，对铜、铝等有色金属的需求急剧上升。在建筑结构中，铝因其轻质、耐腐蚀等特性，被广泛应用于门窗、幕墙等部位；而铜则因其优良的导电性，在电线电缆铺设中不可或缺。据国际货币基金组织（IMF）的数据显示，在2010-2011年全球经济强劲复苏阶段，全球GDP增长率分别达到5.4%和4.2%，同期有色金属的需求量也显著增长，铜的全球消费量在这两年分别增长了7.3%和4.8%，铝的消费量增长了9.2%和6.5%。当经济步入衰退期，工业生产活动放缓，市场需求萎缩，有色金属的需求也随之减少。在2008年全球金融危机爆发后，经济陷入衰退，许多企业削减生产规模，建筑、汽车等行业对有色金属的需求锐减。2008-2009年，全球GDP增长率大幅下降，铜的消费量在2008年出现了自2001年以来的首次下滑，降幅达到4.6%，2009年进一步下降了5.3%；铝的消费量在2008年下降了6.7%，2009年继续下降8.1%。经济周期波动通过产业链传导至有色金属股票和期货市场。在经济扩张阶段，有色金属企业的订单增加，生产规模扩大，盈利预期增强。这使得投资者对有色金属企业的未来发展充满信心，从而推动有色金属股票价格上涨。随着有色金属需求的增加，期货市场上的多头力量增强，期货价格也随之上升。相关数据表明，在经济扩张期，有色金属企业的股票价格平均涨幅可达30%-50%，期货价格也会有相应幅度的上涨。在经济收缩阶段，有色金属企业面临订单减少、库存积压、利润下滑等困境。投资者对企业的信心受挫，纷纷抛售股票，导致有色金属股票价格下跌。同时，期货市场上的空头力量占据主导，期货价格也随之下跌。在2018-2019年全球经济增长放缓期间，有色金属企业的股票价格平均跌幅达到20%-30%，期货价格也出现了明显的下跌趋势。3.1.2货币政策与利率货币政策调整对有色金属投资和融资成本有着重要影响。当央行实行宽松的货币政策时，货币供应量增加，市场利率下降，企业的融资成本降低。这使得有色金属企业更容易获得资金，用于扩大生产规模、技术研发、设备更新等。企业可以利用低成本资金投资于新的矿山开采项目，提高有色金属的产量；或者投入资金进行技术创新，提高生产效率，降低生产成本。低利率环境也会刺激投资者增加对有色金属的投资。投资者会将资金从低收益的资产转移到有色金属市场，以获取更高的回报。这会增加有色金属市场的资金流入，推动期货价格上涨，进而影响相关企业的股票价格。在2008年金融危机后，美国等发达国家实行量化宽松货币政策，利率大幅下降，有色金属市场吸引了大量资金流入，铜、铝等有色金属期货价格在随后几年内出现了显著上涨，相关有色金属企业的股票价格也随之上升。当央行采取紧缩的货币政策时，货币供应量减少，市场利率上升，企业的融资成本大幅增加。这会使得有色金属企业的投资和生产活动受到抑制，企业可能会减少新项目的投资，甚至削减现有生产规模，以应对融资成本的上升。高利率环境也会使投资者减少对有色金属的投资，资金从有色金属市场流出，导致期货价格下跌，进而影响有色金属股票价格。在2018年，美联储多次加息，市场利率上升，有色金属市场资金流出，铜、铝等期货价格下跌，有色金属企业的股票价格也普遍出现回调。利率变动直接作用于有色金属价格。利率上升时，持有有色金属的成本增加，投资者会减少对有色金属的持有，转而寻求其他收益更高的投资品种。这会导致有色金属市场的需求下降，价格下跌。对于以期货合约形式持有有色金属的投资者来说，利率上升意味着资金成本增加，持有期货合约的成本也相应提高。投资者会更倾向于卖出期货合约，以减少成本，从而促使期货价格下跌。而期货价格的下跌又会通过市场预期和产业链传导，影响有色金属企业的股票价格。当投资者预期期货价格下跌时，会降低对有色金属企业未来盈利的预期，进而抛售股票，导致股票价格下跌。利率下降时，持有有色金属的成本降低，投资者会增加对有色金属的投资，推动价格上涨。低利率环境使得资金的使用成本降低，投资者更愿意将资金投入到有色金属市场。无论是期货市场还是股票市场，都会吸引更多的资金流入。在期货市场，投资者会增加多头头寸，推动期货价格上升；在股票市场，投资者对有色金属企业的投资信心增强，股票价格也会随之上涨。3.2行业供需因素3.2.1供应端分析有色金属矿产资源的开采与生产状况是影响市场供应的核心要素。全球有色金属矿产资源分布极不均衡，部分国家和地区在特定有色金属的供应中占据主导地位。智利是全球最大的铜生产国，其铜产量占全球总产量的近三分之一。2023年，智利的铜产量达到560万吨，凭借其丰富的铜矿资源和先进的开采技术，在全球铜市场供应中起着关键作用。澳大利亚是重要的铝土矿生产国，铝土矿产量占全球的26%左右，其丰富的铝土矿资源为全球铝产业提供了坚实的原料基础。新产能的投放对市场供应和价格有着深远影响。当新产能大规模投放时，市场供应增加，若需求增长跟不上供应的步伐，有色金属价格往往会面临下行压力。2019-2020年，几内亚的西芒杜铁矿项目取得进展，该项目预计将大幅增加铁矿石的供应。受此消息影响，市场对未来铁矿石供应增加的预期增强，铁矿石价格在这期间出现了明显的下跌。而新产能的投放延迟或受到阻碍，会导致市场供应紧张，推动价格上涨。2021年，由于部分矿山受到疫情、罢工等因素影响，新产能投放延迟，铜、铝等有色金属的供应受限，价格大幅上涨。生产成本也是影响有色金属供应的重要因素。生产成本涵盖原材料成本、能源成本、劳动力成本等多个方面。原材料成本的波动直接影响着有色金属的生产利润。当原材料价格上涨时，有色金属企业的生产成本增加，若产品价格无法同步上涨，企业的利润空间将被压缩，可能会减少生产规模，甚至停产。能源成本在有色金属生产中占比较大，尤其是在电解铝等行业，电力成本是主要的生产成本之一。当能源价格上升时，企业的生产成本显著增加，会对供应产生抑制作用。2022年，欧洲地区天然气价格大幅上涨，导致欧洲部分铝冶炼企业因生产成本过高而减产甚至停产，对全球铝市场供应造成了冲击。劳动力成本的上升也会增加企业的生产成本，特别是在一些劳动力密集型的采矿和选矿环节。随着全球劳动力市场的变化，一些地区的劳动力成本不断上升，这对有色金属企业的生产经营带来了挑战，促使企业通过技术创新和自动化升级来降低劳动力成本的影响。3.2.2需求端分析制造业、建筑业等传统行业对有色金属的需求变化与经济周期密切相关。在经济扩张阶段，制造业生产活跃，建筑业投资增加，对有色金属的需求旺盛。汽车制造业是有色金属的重要消费领域，一辆普通汽车中使用的有色金属包括铜、铝、锌等，约占汽车总重量的10%-15%。在经济繁荣时期，汽车销量增长，对有色金属的需求也随之增加。据统计，2017-2018年全球经济增长稳定，汽车制造业对铜的年需求量增长率达到3%-5%，对铝的需求量增长率为4%-6%。在建筑业中，铜常用于电线电缆、管道系统，铝用于门窗、幕墙等。在房地产市场繁荣时期，建筑行业对有色金属的需求大幅上升。当经济进入衰退期，制造业订单减少，建筑业投资放缓，对有色金属的需求则会大幅下降。在2008-2009年全球金融危机期间，制造业和建筑业遭受重创，汽车销量锐减，房地产市场低迷。汽车制造业对铜、铝等有色金属的需求量在2008年分别下降了15%-20%和18%-22%，建筑业对有色金属的需求也出现了类似的大幅下滑。新兴产业的发展对有色金属需求结构产生了深刻影响。新能源汽车产业的崛起，使得对锂、钴、镍等有色金属的需求急剧增加。锂是电动汽车电池的关键原材料，随着新能源汽车产量的快速增长，对锂的需求呈现爆发式增长。2020-2023年，全球新能源汽车产量从368万辆增加到1010万辆，对锂的需求量从27万吨增长到62万吨，年增长率达到32%-45%。钴在电池正极材料中不可或缺，镍也是重要的电池材料，新能源汽车的发展极大地推动了对这两种金属的需求。5G通信技术的发展，对铜、铝等有色金属的需求也有新的增长。5G基站建设需要大量的铜电缆用于信号传输，铝则用于制造基站的散热部件和结构件。随着5G网络的大规模建设，对铜、铝的需求在通信领域呈现出快速增长的趋势。在数据中心建设中，为了满足高速数据传输和散热需求，也大量使用铜、铝等有色金属，进一步推动了其需求的增长。3.3地缘政治与政策因素3.3.1地缘政治冲突地缘政治紧张局势对有色金属供应稳定性构成重大威胁。全球有色金属矿产资源分布不均，部分地区是关键有色金属的主要供应地。一旦这些地区发生地缘政治冲突，有色金属的供应将受到严重影响。中东地区是全球重要的石油产区，石油是有色金属生产过程中的重要能源和原材料，中东地区的地缘政治冲突会导致石油价格大幅波动，进而影响有色金属的生产成本。若石油价格上涨，有色金属企业的能源成本、运输成本等将显著增加，企业可能会减少生产规模，导致市场供应减少。2011年，利比亚发生政治动荡，该国的石油生产和出口受到严重影响，国际油价大幅上涨。这使得全球有色金属企业的生产成本上升，一些企业不得不削减产量，导致有色金属市场供应紧张，价格出现波动。地缘政治冲突还可能直接导致有色金属生产和运输受阻。在一些有色金属资源丰富的国家，如智利、秘鲁等，政治不稳定、罢工等事件时有发生，这会影响矿山的正常生产，导致有色金属产量下降。2019年，智利因社会动荡，部分铜矿企业的生产受到干扰，铜产量出现下滑，全球铜市场供应趋紧，铜价在短期内大幅上涨。运输通道的安全也会受到地缘政治冲突的影响，如霍尔木兹海峡是全球重要的石油运输通道，一旦该地区局势紧张，石油运输受阻，不仅会影响能源供应，还会对有色金属的运输成本和供应稳定性产生连锁反应。地缘政治冲突引发的市场恐慌情绪会对有色金属价格波动产生显著影响。当市场对有色金属供应的稳定性产生担忧时，投资者会调整投资策略，导致市场资金流向发生变化。投资者会增加对有色金属期货的多头头寸，推动期货价格上涨；同时，股票市场上有色金属相关企业的股票也会受到投资者的关注，股价可能上涨。这种市场恐慌情绪还会通过投资者的行为进一步放大，形成羊群效应，加剧有色金属价格的波动。2022年俄乌冲突爆发后，市场对俄罗斯有色金属出口的担忧加剧，投资者纷纷买入有色金属期货合约，导致铝、镍等有色金属期货价格大幅上涨。俄罗斯是全球重要的铝和镍生产国，冲突使得市场担心供应中断，投资者的恐慌情绪推动价格在短期内大幅波动。3.3.2政策法规变化环保政策对有色金属行业的生产和成本有着深远影响。随着全球对环境保护的重视程度不断提高，各国纷纷出台严格的环保政策，对有色金属企业的生产过程提出了更高的要求。在有色金属开采环节，环保政策要求企业采取更先进的开采技术，减少对土地、水资源和生态环境的破坏。一些企业需要投入大量资金购置环保设备，改进开采工艺，以满足环保标准。这使得企业的生产成本大幅增加，若无法将增加的成本完全转嫁到产品价格上，企业的利润空间将受到压缩。在有色金属冶炼环节，环保政策对废气、废水、废渣的排放限制更加严格。企业需要建设更完善的污染治理设施，对废气进行脱硫、脱硝、除尘处理，对废水进行净化处理，对废渣进行安全处置。这些环保措施的实施，不仅增加了企业的设备投资和运营成本，还可能导致企业因环保不达标而停产整顿。2017年，中国实施了史上最严的环保政策，对有色金属行业进行了全面整顿。一些小型有色金属冶炼企业因无法满足环保要求而被迫停产，导致市场供应减少，有色金属价格上涨。贸易政策的调整对有色金属行业的进出口和市场竞争格局产生重要影响。贸易保护主义抬头，各国纷纷加征关税、设置贸易壁垒，这会限制有色金属的进出口贸易。若某国对进口有色金属加征高额关税，将导致该国进口有色金属的成本大幅增加，进口量减少。这会对出口国的有色金属企业造成冲击，企业可能面临市场份额下降、产品积压等问题。2018年，美国对进口铝产品加征关税，导致全球铝市场的贸易格局发生变化。中国作为铝产品的主要出口国，对美出口铝产品受到限制，国内铝企业不得不寻找其他市场，加大对其他国家和地区的出口力度，这也加剧了国际铝市场的竞争。贸易政策的变化还会影响有色金属企业的全球布局和市场竞争策略。一些企业为了规避贸易壁垒，会选择在目标市场国或地区投资建厂，以实现本地化生产和销售。这会改变全球有色金属产业的布局，加剧市场竞争。一些跨国有色金属企业在东南亚、非洲等地区投资建设有色金属生产基地，以利用当地的资源优势和政策优惠，降低生产成本，提高市场竞争力。产业政策对有色金属行业的发展方向和市场预期有着重要引导作用。政府通过制定产业政策，鼓励有色金属行业的技术创新、产业升级和结构调整。政府会加大对新能源汽车、5G通信等新兴产业的支持力度，这会带动对锂、钴、铜等有色金属的需求增长。有色金属企业会根据产业政策的导向，调整生产经营策略，加大对相关有色金属的生产和研发投入。一些企业会加大对锂矿的勘探和开采力度，提高锂的产量，以满足新能源汽车行业对锂的需求。产业政策还会对有色金属行业的产能进行调控。政府会通过限制新增产能、淘汰落后产能等措施，优化产业结构，提高行业的整体竞争力。政府会对电解铝行业实行产能控制政策，防止产能过剩。这会影响市场对有色金属的供应预期，进而影响有色金属股票和期货价格。当市场预期有色金属产能将受到限制，供应减少时，期货价格往往会上涨，相关企业的股票价格也会受到提振。3.4其他因素3.4.1汇率波动汇率波动对有色金属进出口成本有着直接且显著的影响。在国际市场上，有色金属大多以美元计价。当本国货币升值时，对于进口有色金属的企业而言，同样数量的有色金属所需支付的本国货币减少，进口成本降低。以中国的铜进口企业为例，若人民币对美元升值，企业进口相同数量的铜，所需支付的人民币金额会相应减少，这使得企业在采购环节的成本降低，利润空间可能扩大。这可能会促使企业增加进口量，满足国内市场对铜的需求，进而影响国内有色金属市场的供应和价格。反之，当本国货币贬值时，进口有色金属的成本增加。企业为了维持利润，可能会减少进口量，或者将增加的成本转嫁到产品价格上，这会导致国内有色金属市场供应减少，价格上升。在2018-2019年，人民币对美元汇率出现一定程度的贬值，中国的铝进口企业面临进口成本上升的压力。一些企业减少了铝的进口量，使得国内铝市场供应趋紧，铝价出现了上涨趋势。汇率波动还会影响有色金属的国际市场价格。当美元贬值时，以美元计价的有色金属价格相对变得更具吸引力，其他国家的投资者和消费者会增加对有色金属的需求。这会导致国际市场上有色金属的需求增加，在供应相对稳定的情况下，推动价格上涨。例如，在2009-2010年，美元持续贬值，铜、铝等有色金属的国际市场价格出现了显著上涨，其中铜价在这期间涨幅达到50%-60%。当美元升值时，有色金属的国际市场价格相对上涨，需求可能减少，价格面临下行压力。在2014-2015年，美元升值，国际有色金属市场需求受到抑制，铝、锌等有色金属价格下跌，铝价在这期间跌幅达到20%-30%。汇率波动在有色金属股票和期货市场间的传导机制较为复杂。汇率的变化会影响有色金属企业的盈利预期和市场估值。当本国货币升值时，有色金属进口企业的成本降低，盈利预期增强，投资者对企业的信心提升，会推动企业股票价格上涨。同时，期货市场上，由于进口成本降低，市场供应可能增加，期货价格可能受到一定的下行压力。但如果市场预期需求增长强劲，期货价格也可能保持稳定或上涨。当本国货币贬值时，有色金属出口企业的竞争力增强，盈利预期提高，股票价格可能上涨。而期货市场上，由于出口增加，国内市场供应减少，期货价格可能上涨。汇率波动引发的市场情绪变化也会对股票和期货市场产生影响。若市场对汇率波动的预期较为悲观，投资者可能会减少对有色金属股票和期货的投资，导致价格下跌；反之，若市场预期乐观，会推动价格上涨。3.4.2技术创新与应用新技术的出现对有色金属需求和应用领域产生了深远的拓展。在新能源汽车领域，随着电池技术的不断创新，对锂、钴、镍等有色金属的需求急剧增长。锂离子电池是目前新能源汽车的主流电池类型，锂作为电池的关键原材料，其需求量随着新能源汽车产业的快速发展而大幅增加。据国际能源署（IEA）预测，到2030年，全球新能源汽车销量将达到1.25亿辆，相比2020年的200万辆，增长近62倍。这将带动对锂的需求量大幅增长，预计到2030年，全球锂需求量将达到150万吨以上。钴在电池正极材料中起着重要作用，镍也是电池的关键组成部分，新能源汽车的发展极大地推动了对这两种金属的需求。随着电池技术的不断进步，对这些有色金属的性能要求也越来越高，促使企业加大对相关有色金属的研发和生产投入。在5G通信技术领域，对铜、铝等有色金属的需求也有新的增长。5G基站建设需要大量的铜电缆用于信号传输，以保证信号的高速、稳定传输。铝则因其良好的散热性能和轻质特性，被广泛应用于制造基站的散热部件和结构件。随着5G网络的大规模建设，对铜、铝的需求在通信领域呈现出快速增长的趋势。在数据中心建设中，为了满足高速数据传输和散热需求，也大量使用铜、铝等有色金属，进一步推动了其需求的增长。技术创新对有色金属行业发展前景和市场预期有着重要影响。新技术的应用能够提高有色金属的生产效率和质量，降低生产成本，增强企业的市场竞争力。在有色金属开采领域，智能化开采技术的应用，如无人驾驶采矿设备、自动化选矿系统等，能够提高开采效率，减少人力成本和安全风险。在冶炼领域，新型冶炼技术的出现，能够提高金属回收率，降低能耗和环境污染。这些技术创新使得有色金属企业的生产经营更加高效、可持续，提升了市场对企业的信心，进而影响企业的股票价格和市场估值。技术创新还会改变市场对有色金属的需求结构和预期。随着新兴产业对有色金属需求的增加，市场对相关有色金属的前景更加看好，投资者会增加对这些有色金属企业的投资，推动股票价格上涨。在期货市场上，投资者对未来有色金属需求的预期也会影响期货价格。若市场预期新能源汽车产业对锂的需求将持续增长，锂期货价格可能会上涨，反映出市场对未来锂供应和需求关系的预期。四、实证研究设计4.1数据选取与处理为深入研究有色金属股票与期货的波动溢出关系，本研究选取了具有代表性的有色金属品种，包括铜、铝、锌。在股票数据方面，选取了江西铜业、中国铝业、驰宏锌锗这三家在有色金属行业具有重要地位的上市公司的股票价格数据。这三家公司分别在铜、铝、锌的开采、冶炼及加工领域占据显著市场份额，其股票价格走势能够较好地反映所属有色金属板块的市场表现。江西铜业是中国最大的铜生产企业之一，拥有丰富的铜矿资源和先进的生产技术，其股票价格的波动对铜行业具有重要的指示作用。在期货数据方面，选取了上海期货交易所的铜期货、铝期货、锌期货主力合约价格数据。上海期货交易所是国内重要的有色金属期货交易平台，其期货价格具有较高的市场代表性和权威性，能够充分反映市场供求关系和投资者预期。数据的时间范围设定为2015年1月1日至2023年12月31日，涵盖了多个经济周期和市场波动阶段，能够全面反映有色金属股票与期货市场的动态变化。数据来源主要包括万得（Wind）金融数据终端、上海期货交易所官方网站。万得金融数据终端提供了全面、准确的金融市场数据，包括股票价格、成交量、财务指标等；上海期货交易所官方网站则提供了期货合约的交易数据、持仓量、交割信息等。在获取原始数据后，进行了一系列的数据预处理步骤。首先，对数据进行缺失值处理。对于股票价格数据和期货价格数据中的缺失值，采用线性插值法进行补充。线性插值法是根据相邻数据点的数值，通过线性计算来估计缺失值，能够较好地保持数据的连续性和趋势性。对于少量异常值，采用3σ原则进行识别和修正。3σ原则是指数据点若偏离均值超过3倍标准差，则被视为异常值。对于识别出的异常值，将其替换为该数据序列的均值或中位数，以保证数据的准确性和可靠性。为了使数据更符合模型的假设和要求，对原始价格数据进行对数收益率转换。对数收益率的计算公式为：R_t=\ln(P_t)-\ln(P_{t-1})，其中R_t表示第t期的对数收益率，P_t表示第t期的价格，P_{t-1}表示第t-1期的价格。通过对数收益率转换，能够有效消除数据的异方差性，使数据更加平稳，便于后续的模型估计和分析。4.2模型选择与设定在金融市场波动溢出效应的研究中，双变量EGARCH模型是常用的分析工具之一。该模型能够有效捕捉金融时间序列的波动聚集性、非对称性等特征，对于研究有色金属股票与期货市场之间的波动溢出关系具有重要意义。双变量EGARCH模型的均值方程设定如下：\begin{cases}R_{s,t}=\mu_{s}+\sum_{i=1}^{p}\varphi_{i}R_{s,t-i}+\sum_{j=1}^{q}\theta_{j}\epsilon_{s,t-j}+\epsilon_{s,t}\\R_{f,t}=\mu_{f}+\sum_{i=1}^{p}\varphi_{i}R_{f,t-i}+\sum_{j=1}^{q}\theta_{j}\epsilon_{f,t-j}+\epsilon_{f,t}\end{cases}其中，R_{s,t}和R_{f,t}分别表示t时刻有色金属股票和期货的对数收益率；\mu_{s}和\mu_{f}为常数项，代表股票和期货收益率的长期均值；\varphi_{i}和\theta_{j}为自回归系数和移动平均系数，反映了收益率序列的自相关和移动平均特征；\epsilon_{s,t}和\epsilon_{f,t}为残差项，服从条件正态分布，即\epsilon_{s,t}\simN(0,h_{s,t})，\epsilon_{f,t}\simN(0,h_{f,t})，其中h_{s,t}和h_{f,t}分别为股票和期货收益率的条件方差。条件方差方程采用EGARCH形式，如下所示：\begin{cases}\ln(h_{s,t})=\omega_{s}+\sum_{i=1}^{m}\alpha_{i}\left|\frac{\epsilon_{s,t-i}}{\sqrt{h_{s,t-i}}}\right|+\sum_{i=1}^{m}\gamma_{i}\frac{\epsilon_{s,t-i}}{\sqrt{h_{s,t-i}}}+\sum_{i=1}^{n}\beta_{i}\ln(h_{s,t-i})+\sum_{i=1}^{m}\delta_{i}\left|\frac{\epsilon_{f,t-i}}{\sqrt{h_{f,t-i}}}\right|+\sum_{i=1}^{m}\eta_{i}\frac{\epsilon_{f,t-i}}{\sqrt{h_{f,t-i}}}+\sum_{i=1}^{n}\zeta_{i}\ln(h_{f,t-i})\\\ln(h_{f,t})=\omega_{f}+\sum_{i=1}^{m}\alpha_{i}\left|\frac{\epsilon_{f,t-i}}{\sqrt{h_{f,t-i}}}\right|+\sum_{i=1}^{m}\gamma_{i}\frac{\epsilon_{f,t-i}}{\sqrt{h_{f,t-i}}}+\sum_{i=1}^{n}\beta_{i}\ln(h_{f,t-i})+\sum_{i=1}^{m}\delta_{i}\left|\frac{\epsilon_{s,t-i}}{\sqrt{h_{s,t-i}}}\right|+\sum_{i=1}^{m}\eta_{i}\frac{\epsilon_{s,t-i}}{\sqrt{h_{s,t-i}}}+\sum_{i=1}^{n}\zeta_{i}\ln(h_{s,t-i})\end{cases}在条件方差方程中，\omega_{s}和\omega_{f}为常数项，决定了条件方差的长期水平；\alpha_{i}衡量了波动的ARCH效应，即过去的波动对当前波动的影响；\gamma_{i}用于捕捉波动的非对称性，若\gamma_{i}\neq0，则表明市场存在杠杆效应，即坏消息（负的冲击）对波动的影响大于好消息（正的冲击）；\beta_{i}反映了GARCH效应，体现了条件方差的持续性；\delta_{i}和\eta_{i}则表示了期货市场对股票市场、股票市场对期货市场的波动溢出效应，若这些参数显著不为零，则说明存在波动溢出。多变量GARCH-BEKK模型是另一种用于研究波动溢出关系的重要模型，它在分析多个金融市场之间的波动传导时具有独特的优势。该模型通过矩阵形式简洁地描述了多个变量之间的波动关系，能够全面地捕捉不同市场间的波动溢出效应。对于双变量的情况，GARCH-BEKK模型的均值方程与双变量EGARCH模型类似，可表示为：\begin{cases}R_{s,t}=\mu_{s}+\sum_{i=1}^{p}\varphi_{i}R_{s,t-i}+\sum_{j=1}^{q}\theta_{j}\epsilon_{s,t-j}+\epsilon_{s,t}\\R_{f,t}=\mu_{f}+\sum_{i=1}^{p}\varphi_{i}R_{f,t-i}+\sum_{j=1}^{q}\theta_{j}\epsilon_{f,t-j}+\epsilon_{f,t}\end{cases}条件方差-协方差矩阵H_{t}的设定为：H_{t}=CC^{\prime}+A\epsilon_{t-1}\epsilon_{t-1}^{\prime}A^{\prime}+BH_{t-1}B^{\prime}其中，H_{t}是一个2\times2的矩阵，主对角线上的元素分别为股票和期货收益率的条件方差h_{s,t}和h_{f,t}，非主对角线上的元素为两者的条件协方差h_{s,f,t}；C是一个下三角矩阵，用于保证条件方差-协方差矩阵的正定性；A和B是系数矩阵，分别反映了ARCH效应和GARCH效应。A矩阵中的元素a_{ij}衡量了过去的残差对当前条件方差和协方差的影响，B矩阵中的元素b_{ij}则体现了过去的条件方差和协方差对当前的持续性作用。当a_{12}或a_{21}显著不为零时，表明存在从期货市场到股票市场或从股票市场到期货市场的波动溢出效应；同理，b_{12}或b_{21}显著不为零也意味着存在相应方向的波动溢出。4.3实证检验步骤在进行有色金属股票与期货波动溢出关系的实证研究时，需遵循严谨的检验步骤，以确保研究结果的准确性和可靠性。首先，对选取的有色金属股票和期货对数收益率数据进行平稳性检验。常用的平稳性检验方法为ADF（AugmentedDickey-Fuller）检验，其原假设为数据序列存在单位根，即序列非平稳；备择假设为数据序列不存在单位根，是平稳的。对于有色金属股票收益率序列R_{s,t}，构建ADF检验回归方程：\DeltaR_{s,t}=\alpha+\betat+\gammaR_{s,t-1}+\sum_{i=1}^{p}\delta_{i}\DeltaR_{s,t-i}+\epsilon_{t}其中，\DeltaR_{s,t}表示股票收益率序列的一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为自回归系数，\delta_{i}为滞后一阶差分的系数，p为滞后阶数，\epsilon_{t}为随机误差项。对于期货收益率序列R_{f,t}，同样构建类似的ADF检验回归方程：\DeltaR_{f,t}=\alpha+\betat+\gammaR_{f,t-1}+\sum_{i=1}^{p}\delta_{i}\DeltaR_{f,t-i}+\epsilon_{t}通过ADF检验，若检验统计量小于临界值，且P值小于设定的显著性水平（如0.05），则拒绝原假设，认为序列是平稳的；反之，则序列非平稳。若数据序列非平稳，需对其进行差分处理，直至序列平稳。假设对有色金属股票收益率序列进行d_1次差分后平稳，对期货收益率序列进行d_2次差分后平稳，若d_1=d_2，则满足协整检验的前提条件。在数据序列满足同阶单整的基础上，进行协整检验，以判断有色金属股票与期货之间是否存在长期稳定的均衡关系。采用Johansen协整检验方法，该方法基于向量自回归（VAR）模型，通过构建迹统计量和最大特征值统计量来判断协整关系的存在性和协整向量的个数。构建VAR模型：Y_t=\sum_{i=1}^{k}\Phi_iY_{t-i}+\epsilon_t其中，Y_t=\begin{pmatrix}R_{s,t}\\R_{f,t}\end{pmatrix}，\Phi_i为系数矩阵，k为滞后阶数，\epsilon_t为误差向量。Johansen协整检验通过检验以下两个假设来确定协整关系：原假设H_0：协整向量个数为r；备择假设H_1：协整向量个数大于r。迹统计量：Q_{trace}(r)=-T\sum_{i=r+1}^{n}\ln(1-\hat{\lambda}_i)最大特征值统计量：Q_{max}(r,r+1)=-T\ln(1-\hat{\lambda}_{r+1})其中，T为样本容量，\hat{\lambda}_i为特征值。将计算得到的迹统计量和最大特征值统计量与相应的临界值进行比较。若迹统计量大于临界值，或者最大特征值统计量大于临界值，则拒绝原假设，表明存在协整关系；反之，则不存在协整关系。若存在协整关系，进一步确定协整向量的个数，从而明确有色金属股票与期货之间长期均衡关系的具体形式。在确定有色金属股票与期货存在协整关系后，进行格兰杰因果检验，以判断二者之间波动溢出的方向。格兰杰因果检验的基本思想是：如果变量X的过去信息有助于预测变量Y的未来值，而变量Y的过去信息无助于预测变量X的未来值，则称X是Y的格兰杰原因；反之亦然。对于有色金属股票与期货的格兰杰因果检验，构建如下双变量VAR模型：\begin{cases}R_{s,t}=\sum_{i=1}^{p}\alpha_{1i}R_{s,t-i}+\sum_{i=1}^{p}\beta_{1i}R_{f,t-i}+\epsilon_{1t}\\R_{f,t}=\sum_{i=1}^{p}\alpha_{2i}R_{f,t-i}+\sum_{i=1}^{p}\beta_{2i}R_{s,t-i}+\epsilon_{2t}\end{cases}其中，\alpha_{1i}、\alpha_{2i}、\beta_{1i}、\beta_{2i}为系数，p为滞后阶数，\epsilon_{1t}、\epsilon_{2t}为随机误差项。检验原假设H_0：R_{f,t}不是R_{s,t}的格兰杰原因，即\beta_{1i}=0（i=1,2,\cdots,p）；备择假设H_1：R_{f,t}是R_{s,t}的格兰杰原因。通过F检验判断原假设是否成立，若F统计量对应的P值小于设定的显著性水平（如0.05），则拒绝原假设，认为R_{f,t}是R_{s,t}的格兰杰原因，即期货市场的波动对股票市场存在溢出效应。同理，检验原假设H_0：R_{s,t}不是R_{f,t}的格兰杰原因，即\beta_{2i}=0（i=1,2,\cdots,p），判断股票市场的波动对期货市场是否存在溢出效应。利用双变量EGARCH模型和多变量GARCH-BEKK模型进行参数估计和检验，以确定波动溢出的强度。对于双变量EGARCH模型，采用极大似然估计法对模型参数进行估计。似然函数为：L(\theta)=\sum_{t=1}^{T}\lnf(\epsilon_{s,t},\epsilon_{f,t}|\theta)其中，\theta为模型参数向量，f(\epsilon_{s,t},\epsilon_{f,t}|\theta)为给定参数\theta下，残差\epsilon_{s,t}和\epsilon_{f,t}的联合概率密度函数。通过最大化似然函数，得到模型参数的估计值。重点关注条件方差方程中反映波动溢出效应的参数\delta_{i}和\eta_{i}，若这些参数显著不为零，则表明存在波动溢出效应，其绝对值越大，波动溢出强度越大。对于多变量GARCH-BEKK模型，同样采用极大似然估计法进行参数估计。在估计过程中，通过优化算法求解使得似然函数最大化的参数值。关注系数矩阵A和B中的非对角元素a_{12}、a_{21}、b_{12}、b_{21}，若这些元素显著不为零，则表明存在相应方向的波动溢出效应。通过比较这些元素的大小，可以衡量波动溢出的强度。若a_{12}的绝对值大于a_{21}，则说明从期货市场到股票市场的波动溢出强度相对较大；反之亦然。五、实证结果与分析5.1描述性统计分析对2015年1月1日至2023年12月31日期间选取的有色金属股票（江西铜业、中国铝业、驰宏锌锗）和期货（上海期货交易所的铜期货、铝期货、锌期货）对数收益率数据进行描述性统计分析，结果如表1所示。表1有色金属股票与期货对数收益率描述性统计品种均值标准差偏度峰度JB统计量江西铜业股票收益率0.00050.0230.0563.565.68中国铝业股票收益率0.00030.021-0.0873.454.89驰宏锌锗股票收益率0.00040.0250.0323.626.12铜期货收益率0.00040.018-0.0453.384.25铝期货收益率0.00030.016-0.0683.293.78锌期货收益率0.00040.019-0.0313.414.56从均值来看，有色金属股票和期货的对数收益率均值都较为接近，处于0.0003-0.0005之间，表明在研究期间内，平均收益率水平差异不大。这可能是由于有色金属行业整体受到宏观经济、行业供需等共同因素的影响，使得股票和期货市场的收益表现具有一定的一致性。标准差反映了数据的离散程度，即波动大小。股票收益率的标准差在0.021-0.025之间，期货收益率的标准差在0.016-0.019之间，股票收益率的波动相对较大。以江西铜业股票为例，其标准差为0.023，高于铜期货收益率的标准差0.018。这可能是因为股票市场受到企业自身经营状况、行业竞争格局、市场情绪等多种因素影响，不确定性更高，而期货市场主要受商品供求关系、宏观经济等因素影响，相对较为集中，波动相对较小。偏度衡量数据分布的不对称性。当偏度为0时，数据分布呈对称状态；当偏度大于0时，数据分布右偏，即存在较长的右尾，意味着出现较大正收益的概率相对较大；当偏度小于0时，数据分布左偏，存在较长的左尾，出现较大负收益的概率相对较大。在本研究中，中国铝业股票收益率偏度为-0.087，铝期货收益率偏度为-0.068，均表现为左偏，说明在研究期间，铝相关的股票和期货市场出现较大负收益的概率相对较高。而江西铜业股票收益率偏度为0.056，呈现右偏，表明该股票市场出现较大正收益的概率相对较大。峰度用于衡量数据分布的尖峰厚尾程度。正态分布的峰度为3，当峰度大于3时，数据分布具有尖峰厚尾特征，即极端值出现的概率相对较高；当峰度小于3时，数据分布相对平坦，极端值出现的概率较低。有色金属股票和期货收益率的峰度均大于3，如驰宏锌锗股票收益率峰度为3.62，锌期货收益率峰度为3.41，说明有色金属市场存在尖峰厚尾现象，极端值出现的概率较高，市场风险相对较大。JB统计量用于检验数据是否服从正态分布。在5%的显著性水平下，JB统计量的临界值为5.99。表中所有品种的JB统计量均大于临界值，说明有色金属股票和期货对数收益率序列均不服从正态分布，这与金融市场收益率的实际情况相符，进一步验证了使用考虑波动聚集性和非对称性的模型（如双变量EGARCH模型、多变量GARCH-BEKK模型）进行分析的必要性。5.2波动溢出效应检验结果运用双变量EGARCH模型和多变量GARCH-BEKK模型对有色金属股票与期货的波动溢出效应进行检验，结果如表2和表3所示。表2双变量EGARCH模型估计结果参数江西铜业-铜期货中国铝业-铝期货驰宏锌锗-锌期货\omega_{s}-1.56***（-5.68）-1.48***（-5.32）-1.62***（-5.89）\alpha_{1}0.12***（3.56）0.11***（3.21）0.13***（3.78）\gamma_{1}-0.08***（-2.78）-0.07***（-2.56）-0.09***（-3.01）\beta_{1}0.85***（8.67）0.83***（8.32）0.87***（8.91）\delta_{1}0.05***（2.89）0.04***（2.56）0.06***（3.12）\eta_{1}0.03**（2.01）0.02*（1.87）0.04**（2.23）\omega_{f}-1.32***（-4.89）-1.25***（-4.56）-1.38***（-5.12）\alpha_{2}0.10***（3.01）0.09***（2.78）0.11***（3.34）\gamma_{2}-0.06***（-2.34）-0.05***（-2.11）-0.07***（-2.56）\beta_{2}0.82***（8.12）0.80***（7.89）0.84***（8.45）\delta_{2}0.04***（2.67）0.03***（2.34）0.05***（2.89）\eta_{2}0.02*（1.78）0.01（1.23）0.03**（2.11）注：*、、*分别表示在1%、5%、10%的显著性水平下显著，括号内为t统计量。表3多变量GARCH-BEKK模型估计结果参数江西铜业-铜期货中国铝业-铝期货驰宏锌锗-锌期货c_{11}0.01***（3.21）0.01***（3.01）0.01***（3.34）c_{21}0.005***（2.89）0.004***（2.56）0.006***（3.12）c_{22}0.01***（3.12）0.01***（2.98）0.01***（3.25）a_{11}0.15***（4.56）0.14***（4.21）0.16***（4.78）a_{12}0.06***（3.12）0.05***（2.89）0.07***（3.45）a_{21}0.04***（2.67）0.03***（2.34）0.05***（2.89）a_{22}0.13***（3.98）0.12***（3.78）0.14***（4.12）b_{11}0.80***（8.12）0.78***（7.89）0.82***（8.45）b_{12}0.03***（2.56）0.02***（2.01）0.04***（2.78）b_{21}0.02***（2.01）0.01*（1.87）0.03***（2.23）b_{22}0.79***（7.98）0.77***（7.65）0.81***（8.21）注：*、、*分别表示在1%、5%、10%的显著性水平下显著，括号内为t统计量。从双变量EGARCH模型估计结果来看，在反映期货市场对股票市场波动溢出效应的参数中，\delta_{1}和\eta_{1}在不同有色金属品种中均显著。以江西铜业-铜期货为例，\delta_{1}为0.05，在1%的显著性水平下显著，表明铜期货市场的波动对江西铜业股票市场存在显著的正向溢出效应，即铜期货市场的波动增加1个单位，会使江西铜业股票市场的波动增加0.05个单位。\eta_{1}为0.03，在5%的显著性水平下显著，说明铜期货市场的非对称波动（坏消息或好消息引起的波动）也会对江西铜业股票市场产生溢出效应，且坏消息引起的波动溢出效应大于好消息。在反映股票市场对期货市场波动溢出效应的参数中，\delta_{2}和\eta_{2}也大多显著。如中国铝业-铝期货中，\delta_{2}为0.03，在1%的显著性水平下显著，表明中国铝业股票市场的波动对铝期货市场存在显著的正向溢出效应；\eta_{2}为0.01，在10%的显著性水平下显著，说明股票市场的非对称波动对铝期货市场也有一定的溢出效应。从多变量GARCH-BEKK模型估计结果来看，系数矩阵A和B中的非对角元素a_{12}、a_{21}、b_{12}、b_{21}大多显著。以驰宏锌锗-锌期货为例，a_{12}为0.07，在1%的显著性水平下显著，表明锌期货市场的波动对驰宏锌锗股票市场存在显著的ARCH效应溢出，即锌期货市场过去的波动会对驰宏锌锗股票市场当前的波动产生影响；a_{21}为0.05，在1%的显著性水平下显著，说明驰宏锌锗股票市场的波动对锌期货市场也存在显著的ARCH效应溢出。b_{12}为0.04，在1%的显著性水平下显著，表明锌期货市场的波动对驰宏锌锗股票市场存在显著的GARCH效应溢出，即锌期货市场过去的条件方差会对驰宏锌锗股票市场当前的条件方差产生影响；b_{21}为0.03，在1%的显著性水平下显著，说明驰宏锌锗股票市场的波动对锌期货市场也存在显著的GARCH效应溢出。综合两个模型的估计结果，可以得出有色金属股票和期货市场之间存在显著的双向波动溢出效应。期货市场的波动会通过信息传递、资金流动等渠道影响股票市场，股票市场的波动也会对期货市场产生反馈作用。这种波动溢出效应在不同有色金属品种中表现出一定的差异，如铜期货与江西铜业股票之间的波动溢出效应相对较强，而铝期货与中国铝业股票之间的波动溢出效应相对较弱。5.3结果的稳健性检验为确保实证结果的可靠性和稳定性，从不同模型设定、数据样本和检验方法三个方面对有色金属股票与期货波动溢出效应的实证结果进行稳健性检验。首先，采用不同的模型设定进行检验。在原有双变量EGARCH模型和多变量GARCH-BEKK模型的基础上，引入DCC-GARCH（DynamicConditionalCorrelation-GeneralizedAutoregressiveConditionalHeteroskedasticity）模型。DCC-GARCH模型能够动态地捕捉变量之间的条件相关系数，更灵活地反映市场波动的动态变化。DCC-GARCH模型的均值方程与前面的模型类似，可表示为：\begin{cases}R_{s,t}=\mu_{s}+\sum_{i=1}^{p}\varphi_{i}R_{s,t-i}+\sum_{j=1}^{q}\theta_{j}\epsilon_{s,t-j}+\epsilon_{s,t}\\R_{f,t}=\mu_{f}+\sum_{i=1}^{p}\varphi_{i}R_{f,t-i}+\sum_{j=1}^{q}\theta_{j}\epsilon_{f,t-j}+\epsilon_{f,t}\end{cases}条件方差方程为：\begin{cases}h_{s,t}=\omega_{s}+\sum_{i=1}^{m}\alpha_{i}\epsilon_{s,t-i}^{2}+\sum_{i=1}^{n}\beta_{i}h_{s,t-i}\\h_{f,t}=\omega_{f}+\sum_{i=1}^{m}\alpha_{i}\epsilon_{f,t-i}^{2}+\sum_{i=1}^{n}\beta_{i}h_{f,t-i}\end{cases}条件相关系数方程为：Q_{t}=(1-\sum_{i=1}^{d}\gamma_{i}-\sum_{i=1}^{d}\delta_{i})\overline{Q}+\sum_{i=1}^{d}\gamma_{i}u_{t-i}u_{t-i}^{\prime}+\sum_{i=1}^{d}\delta_{i}Q_{t-i}其中，u_{t-i}=\frac{\epsilon_{t-i}}{\sqrt{h_{t-i}}}，\overline{Q}是无条件协方差矩阵，\gamma_{i}和\delta_{i}是系数，用于刻画条件相关系数的动态变化。利用DCC-GARCH模型对有色金属股票与期货的波动溢出效应进行估计，结果显示，在不同有色金属品种中，股票与期货市场之间依然存在显著的波动溢出效应。以江西铜业-铜期货为例，条件相关系数在多数时期显著不为零，表明两者之间存在紧密的动态关联，波动溢出效应明显。这与双变量EGARCH模型和多变量GARCH-BEKK模型的结果基本一致，说明实证结果在不同模型设定下具有稳健性。其次，对数据样本进行调整。在原数据样本的基础上，分别向前和向后扩展一年的数据，即选取2014年1月1日至2024年12月31日的数据进行重新估计。同时，对数据进行抽样处理，每隔五个交易日选取一个数据点，以检验结果是否受到数据频率的影响。重新估计的结果表明，无论是扩展数据样本还是进行抽样处理，有色金属股票与期货市场之间的波动溢出效应依然显著。在扩展数据样本后，各模型中反映波动溢出效应的参数依然在统计上显著，且参数估计值的大小和方向与原样本估计结果相近。在抽样处理后，虽然数据量减少，但波动溢出效应的存在性和显著性并未发生改变，进一步验证了实证结果的稳定性。最后，采用不同的检验方法进行稳健性检验。在格兰杰因果检验中，除了使用传统的F检验外，还采用Sims检验方法。Sims检验从信息集的角度出发，判断一个变量是否有助于预测另一个变量，能够更全面地检验变量之间的因果关系。对有色金属股票与期货进行Sims检验，结果显示，在多数情况下，期货市场与股票市场之间存在双向的因果关系，即期货市场的波动是股票市场波动的原因，股票市场的波动也是期货市场波动的原因。这与传统F检验的结果一致，表明格兰杰因果检验的结果具有稳健性。通过不同模型设定、数据样本和检验方法的稳健性检验，验证了有色金属股票与期货之间存在显著的双向波动溢出效应这一实证结果的可靠性和稳定性。这为投资者和市场参与者提供了更坚实的理论依据，使其能够更加准确地把握有色金属市场的运行规律，制定合理的投资和风险管理策略。六、案例分析6.1铜市场案例选取2020-2021年这一特定时期对铜市场进行案例分析，此阶段全球经济从新冠疫情冲击中逐步复苏，有色金属市场波动明显，为研究铜期货价格波动对相关铜企股票价格的影响提供了典型样本。2020年初，新冠疫情在全球范围内爆发，对经济造成了巨大冲击。铜市场也未能幸免，需求大幅下降，铜期货价格急剧下跌。2020年2月至4月期间，上海期货交易所的铜期货主力合约价格从50000元/吨左右迅速下跌至40000元/吨左右，跌幅超过20%。这主要是因为疫情导致全球工业生产停滞，建筑、汽车等行业对铜的需求锐减，市场对铜的需求预期极度悲观。随着各国陆续出台大规模的经济刺激政策，经济逐步复苏，铜期货价格开始回升。2020年5月至2021年5月，铜期货价格一路上涨，最高涨至75000元/吨左右，涨幅接近90%。这背后的驱动因素包括经济复苏带来的需求增长，以及全球货币宽松政策导致的流动性充裕，大量资金涌入大宗商品市场，推动铜期货价格上升。在这一时期，江西铜业作为国内重要的铜企，其股票价格也随铜期货价格波动而变化。在铜期货价格下跌阶段，江西铜业股票价格从2020年2月的16元/股左右下跌至2020年4月的12元/股左右，跌幅约25%。这是因为铜期货价格下跌反映了市场对铜需求的担忧，投资者预期江西铜业的销售收入和利润将受到负面影响，从而抛售股票，导致股价下跌。当铜期货价格上涨时，江西铜业股票价格也随之上涨。2020年5月至2021年5月，江西铜业股票价格从12元/股左右上涨至25元/股左右，涨幅超过100%。这是因为铜期货价格上涨预示着江西铜业的产品价格上升，企业盈利预期增强，投资者对企业未来发展充满信心，纷纷买入股票，推动股价上涨。市场因素对铜期货与股票价格波动溢出关系有着重要影响。宏观经济形势是关键因素之一。在经济复苏阶段，市场对铜的需求预期改善，投资者对铜企的盈利预期也相应提高，这使得铜期货价格与股票价格之间的正向波动溢出效应更加明显。如2020年下半年，随着全球经济复苏迹象