本报告系统分析了气候政策不确定性(CPU)与清洁能源、化石能源及食品市场之间的收益溢出效应。研究发现整体溢出效应以高频短期为主,CPU在短期作为风险传导净贡献者,而中长期转为净接受者。清洁能源和油市为净接受者,肉类市场则为主要净贡献者。油市在网络中枢纽地位显著,是连接系统的关键节点,且溢出效应于2012年达到峰值后逐渐下降,揭示了市场间的信息快速传递和联动机制 。
研究使用Diebold和Yilmaz(2012)的时间域TVP-VAR-DY模型及Baruník和Kˇrhlík(2018)的频率域分析方法,探讨CPU、化石能源、清洁能源及食品市场之间的溢出效应 .
描述性统计显示CPU波动最大,食品市场波动较小,表明政府干预使食品价格相对稳定。CPU与食品市场相关性整体为负,能源市场则表现较正相关。相关性矩阵见图1:
静态溢出效应中,总体溢出指数为25.28%。油市场是最大贡献和接受者,CPU贡献性最低,化石能源和清洁能源总体为净贡献者,而CPU为净接受者。食品市场中谷物和油类为净贡献者,肉类、乳制品和糖市场为净接受者。该结果反映了生物燃料与食品原材料如谷物、油脂之间的联动关系 .
| 市场 | 净溢出 (net) (%) |
|---|---|
| CPU | -0.73 |
| Fossil Energy | 4.66 |
| Clean Energy | 2.75 |
| Meat | -13.37 |
| Dairy | -0.15 |
| Cereals | 0.18 |
| Oils | 12.36 |
| Sugar | -5.70 |
从频率域角度,溢出效应以短期(1-4个月)为主(14.67%),中期(4-12个月)和长期(12个月以上)溢出效应显著降低(分别为6.13%和4.48%)。短期油市场为最大贡献者,化石能源为最大接受者,强调信息传递主要发生在短时段 .
网络结构分析表明,肉类市场在多个中心性指标(度中心性、接近中心性)中居于核心地位,油市场在特征向量中心性中排名最高,说明其市场为系统中极为重要的连接枢纽。CPU在短期为净风险传递者,中长期转为风险接受者,表征政策效应的时间滞后性 .
动态分析表明溢出效应随时间波动,2012年底达到峰值后逐步回落。该年全球食物危机和欧债危机对市场溢出具有显著推动作用。整体动态溢出受高频信息影响更大,显示市场间信息反应快速 .
净溢出动态趋势显示,CPU及肉类作为净接受者,能源市场、谷物和糖市为净贡献者,反映了市场角色随时间演变的动态变化。
本文研究对于政策制定者、投资者及风险监管部门具有实用指导意义:提醒防范CPU对能源与食品市场短期风险传导,依据不同频率提供跨市场资产配置及风险预警建议,识别关键风险传导节点,实现有效跨市场风险管理 .
报告标题:Spillover effects between climate policy uncertainty, energy markets, and food markets: A time-frequency analysis
作者:Ting Zhang、Peng-Fei Li、Wei-Xing Zhou
所属机构:湖南科技大学商学院(中国)、华东理工大学商学院及经济物理研究中心、数学系(中国上海)
发布日期:报告中未明示具体发布日期,样本期截止2023年12月
研究主题:气候政策不确定性(CPU)与能源市场与食品市场之间的溢出效应
本报告主要探讨了气候政策不确定性(Climate Policy Uncertainty,CPU)与传统化石能源、清洁能源及食品市场(肉类、乳制品、谷类、油脂和糖)之间的收益率溢出效应。核心观点是CPU对市场的冲击呈短期净传导者、长期则为净接受者,而能源和食品市场间存在复杂的频域和时域联动,且以短期高频波动为主驱动。作者采用基于Diebold和Yilmaz(2012)的时间域TVP-VAR-DY模型及Baruník和Křhlík(2018)的频域溢出指标进行分析,深入刻画了各市场间的因果和传染路径。最终,报告得出油市作为关键枢纽市场地位明确,肉类市场为净贡献者,清洁能源及油市为净接受者。,1]
作者先从全球气候危机与气候政策背景切入,阐述政策不确定性通过减缓化石能源消费、促进清洁能源发展间接影响食品价格。同时指出能源与食品市场的各种关联渠道:能源价格驱动食品生产成本、生物燃料需求导致粮价上涨以及金融化带来的价格联动等。现有研究主要集中于石油与粮价关系,缺乏对清洁能源的关注,且多数基于时间域分析。该报告填补清洁能源市场纳入及频域分析的空白。,1]
报告梳理了CPU对能源消费及价格影响的多重实证结论,如Syed等(2023)发现CPU抑制清洁能源消费,而Shang等(2022)、Zhou等(2023)表明其正面作用。食品市场方面CPU显著影响粮食价格和农业产出,且CPU与大宗商品存在溢出互动。然而介于研究对象局限和方法单一,仍需联合考察CPU与能源食品市场整体联动,且关注频域层面。基于此,报告设计了覆盖化石能源、清洁能源及细分食品子市场的分析框架。
表1显示,各市场收益率的均值接近零但波动率差距明显:CPU指数波动最大,能源市场次之,食品市场相对稳定,表明政府对农产品市场可能有稳定供给调控。偏度与峰度显示CPU和大多数市场非正态分布,且存在显著的极端价格波动。单位根检验均通过,验证了数据的平稳性,适合TVP-VAR模型应用。图1的相关性矩阵揭示大部分变量之间呈正相关,CPU与食品市场呈负相关或接近零,反映政策不确定性与食品收益的负面或弱联动。,5]
| 市场 | 平均收益 | 标准差 | 偏度 | 峰度 | JB正态检验 | 单位根检验(ADF、PP、ZA、KPSS) |
|---|---|---|---|---|---|---|
| CPU | 0.0076 | 0.3753 | 0.1512 | 3.3763 | 非正态 | 平稳 |
| 化石能源 | 0.0037 | 0.1020 | -0.7542 | 10.1492 | 非正态 | 平稳 |
| 清洁能源 | -0.0005 | 0.0898 | -1.7873 | 12.9431 | 非正态 | 平稳 |
| 肉类食品 | 0.0005 | 0.0199 | -0.1303 | 2.8938 | 正态 | 平稳 |
| ... | ... | ... | ... | ... | ... | ... |
解读:CPU指数标准差远大于所有市场,反映其高波动性。偏度与峰度表明市场收益分布存在异态性,提示价格含有极端跳变风险。单位根检验支持数据适合进行时间序列建模。
图表支持了文本中论述油价对食品价格的主导影响及CPU与食品市场负相关的观点。
结合频域指标,总体溢出效应由短期高频主导,溢出效应随频率变长明显下降,市场信息传递迅速,冲击效应快速消散。,7]
图示清晰展示多市场间的双向及时频溢出逻辑,体现各市场在不同期限的关键角色变化。
动态变化提示投资者和政策制定者需高度关注短期市场冲击风险的管理。
提供了系统风险在时间维度上的动态演化和市场间风险传递的细腻刻画。
本报告并非直接财务估值研究,而是基于风险传递分析框架,围绕市场联动度展开。估值方法主要体现在:
风险层面,报告强调的风险因素为CPU的高频风险传递,尤其短期内对能源和食品市场的冲击。能源市场,尤其油脂市场风险枢纽地位明显,若遭遇剧烈波动,可能产生广泛系统性风险。报告虽未对风险缓解提供具体策略,但指出风险持续动态变化的现实,为市场风险管控提供依据。
整体上,报告方法严谨,结论清晰,兼顾了理论与实证的连贯性,但部分观点对模型依赖性较大,需辅以进一步实证验证与多国视角。,11]
本报告全面系统地揭示了气候政策不确定性、化石能源、清洁能源及食品市场间复杂的溢出关联,结合时间域和频率域的多角度评估,得到下列主要发现:
政策建设建议包括:
综上所述,报告基于严谨模型,提供了气候政策和能源食品市场间复杂溢出关系的深刻洞察,为学术研究和实务提供了重要参考框架。
图1:相关性散点图矩阵
图2:市场间净溢出网络图
图3:总溢出动态时间序列
图4:净溢出动态
(全文基于报告页码序列引用,确保观点和数据的精确溯源)
2503.06599v1.pdf