摘要：基于隨機矩陣理論和社會網絡分析方法，運用雙因素模型對商品期貨和股票市場間原始相依結構進行過濾，得到更加真實的相依結構;依據更加真實的相依結構所揭示的相關關系，得到“經過篩選的組合”;對“經過篩選的組合”和單純“股票組合”的業績從最小方差邊界、滾動夏普比率、滾動在險價值和滾動預期損失四個方面進行比較。研究結果表明，商品期貨市場和股票市場間基本是零相關，“經過篩選的組合”的業績優于單純“股票組合”的業績，商品期貨加入股票組合能帶來多樣化利益。
關鍵詞：商品期貨;股票市場;相依結構;RMT;SNA
一、引言
證券投資基金常常以股票組合的方式持有股票資產，但單純的股票組合面臨較大的風險。商品期貨作為一種與股票完全不同的資產類型，能否參與到投資組合中達到在不降低收益水平的情況下進一步降低投資組合風險的目的?回答這一問題的關鍵是準確地刻畫商品期貨市場和股票市場之間的相依關系即相依結構。中國的商品期貨市場和股票市場與其他發達國家相比，存在顯著的結構性和制度性差異(Kang & Yoon， 2019)。[1]因此從實證的視角，中國商品期貨市場和股票市場的相依結構可能呈現出獨特的特征，是一個有價值的研究案例。在此基礎上探討投資組合選擇問題，對控制投資組合風險、提升投資組合績效具有現實意義。
另外，文章將隨機矩陣理論(Random Matrix Theory，RMT)和社會網絡分析方法(Social Net Analysis，SNA)結合起來研究我國商品期貨市場和股票市場之間的相依結構，具有一定學術價值。 在2008年全球金融危機以前，多數研究認為商品期貨市場和股票市場的相關性較小甚至負相關，商品期貨對于股票投資組合具有風險分散價值。[2][3][4]2008年金融危機期間，國內外商品期貨市場和股票市場均大幅下跌，很多學者開始重新審視商品期貨價格和股票價格之間的關系。
Brunnermeier和Pedersen(2009)認為不同的資產市場之間可以通過“流動性螺旋”機制，使市場之間的相關性顯著上升。[5]Tang和Xiong(2012)提出“大宗商品金融化”的概念，他們認為2008年以來商品期貨市場和股票市場的相關性較大幅度增加。[6]Sil-vennoinen和Thorp(2013)認為金融危機以來商品期貨市場和股票市場的正相關程度越來越大[7]，其他學者也得到了類似的結論。[1][[8][9]鐘騰和湯珂(2016)認為，近十年來我國商品期貨市場與股票市場高度正相關。[10]胡聰慧和劉學良(2017)認為當流動性狀況惡化時，大宗商品市場和股票市場的相關性顯著上升。[11]
也有不少學者有不同觀點：他們認為商品期貨市場和股票市場雖是正相關但相關性不大，商品期貨仍具有風險分散價值(Arouri et al.，2011;Chong & Mifere，2010;Hammoudeh et al.，2014;Mensi et al.，2013;Sercan Demiralay et al.， 2019;Wen & Nguyen，2017;張琳琳和尹亦聞，2019;張雪瑩等，2011)。[12-19]楊勝剛和成博(2014)認為黃金市場與股票市場長期而言幾乎不相關，能為股市投資者提供顯著的多元化風險分散作用。[20]
尹力博和柳依依(2016)認為中國商品期貨市場存在金融化現象，但是相較于國際商品期貨市場，中國市場金融化程度要低。[21]梁巨方和韓乾(2017)認為不同市場的資產間相關明顯低于相同市場不同資產間相關，將商品期貨指數納入投資組合可以降低尾部風險。[22]齊岳和廖科智(2019)認為，盡管大宗商品市場和傳統金融市場的聯動性在增強，但將商品期貨引入傳統投資組合仍是推動中國資產配置策略優化升級的有效途徑。[23]
還有一部分研究注意到了市場的異質性，發現商品期貨市場和股票市場間依品種相關，兩個市場之間呈現一種多元的、復雜的相依結構(Charfeddine和Benlagha，2016;朱學紅等，2016;Laloux et al.，1999;Laloux et al.，2000;Kim et al.， 2011)。[24-28]通過對文獻的梳理發現：
第一，現有文獻多基于VAR模型、GARCH族模型或Copula函數等時間序列方法展開研究，本項研究的主要邊際貢獻是將隨機矩陣理論和社會網絡分析方法相結合，以刻畫商品期貨市場和股票市場間的復雜相依結構，在研究方法上具有新意。第二，現有文獻較少涉及多資產間的相關性研究，比如用GARCH族模型進行實證研究，內生變量超過7個就較難估計了，而本研究涉及的資產數量達到55個， 是屬于典型的多元資產相關性研究。第三，現有文獻較少涉及具體的投資組合選擇問題，本項研究提出了構建業績更優投資組合的一種方法，項目研究成果具有實際參考價值。
二、研究設計
數據的選取考慮到不同的商品和股票上市時間的差異及數據的可獲得性，文章使用了從2013年7月1日到2019年12月31日的15種商品期貨指數和40只股票的每日收盤價數據。股票的選擇標準是與所選的商品期貨品種有關聯，針對每個商品期貨品種選擇了2到3家關聯上市公司。數據均來自大智慧股票行情軟件。其中股票在其中的編號為1-40，商品期貨指數的編號為41-55。得到的時間序列觀測值的個數為1572個。
社會網絡分析方法是由社會學家根據數學方法和圖論發展起來的定量分析方法， 金融學家們在研究金融問題時，特別是研究金融市場相依結構問題時，社會網絡分析是一個非常有用的可視化工具。構成社會網絡的主要要素有：(1)行動者：這里的行動者不但指具體的個人，還可指一個群體、公司或其他集體性的社會單位。每個行動者在網絡中的位置被稱為“結點”。
(2)關系紐帶：行動者之間相互的關聯即稱關系紐帶。(3)二人組：由兩個行動者所構成的關系。這是社會網絡的最簡單或最基本的形式，是分析關系紐帶的基礎。(4)三人組：由三個行動者所構成的關系。(5)子群：指行動者之間的任何形式關系的子集。(6)群體：其關系得到測量的所有行動者的集合。 社會網絡分析法可以從多個不同角度對社會網絡進行分析，包括中心性分析、凝聚子群分析、核心-邊緣結構分析以及結構對等性分析等，文章主要運用了中心性分析。
三、實證分析
在構建投資組合的時候，主要目的是將非系統性風險盡量分散到一個低的水平甚至分散到零，投資者只承擔系統風險，這就需要弄清楚資產間的相關有多大程度是由系統性影響因素貢獻的、多大程度是由非系統性影響因素即個體影響因素貢獻的。相關系數中由個體影響因素貢獻的部分才能體現資產間比較真實的相關關系。
比較兩個投資組合的有效邊界、滾動夏普比率、滾動VaR(Value at Risk)和滾動ES(Expected Shortfall)四個指標。文章在計算滾動夏普比率、滾動VaR和滾動ES的時候，分別以250、120和60個交易日作為數據滾動的窗寬，采取簡單的等權重方法確定投資組合中單個資產的權重。另外，計算夏普比率的時候，以目前央行 一年定存基準利率1.5%除以365天作為日無風險利率rf。最后得到的實證研究結果如圖3和表2所示。此處呈現窗寬w=250的結果。將滾動窗寬分別設置為120日和60日時得到的圖表是相似的，上述實證結果對窗寬設置是不敏感的。
經濟師職稱論文：商品期貨投資中的基本面與技術分析
四、結論和建議
(一)商品期貨和股票市場之間呈現低度相關的相依結構。剔除系統性影響因素之后，商品期貨和股票市場間的平均相關系數為0.001，商品期貨參與股票組合后能獲得比單純股票組合更好的績效，商品期貨參與股票組合能帶來多樣化利益。
(二)可以將隨機矩陣理論和社會網絡方法結合起來對單純股票投資組合進行優化：(1)先用因素模型過濾系統性影響因素，得到較真實的相依結構圖;(2)在低閾值相依結構圖的基礎上，利用網絡分析方法剔除部分中間中心度或度數中心度大的結點，得到相對更為離散的相依結構圖;(3)離散相依結構圖中的“孤點”優先進入投資組合，其次是“孤對”中可任選一點進入投資組合，最后還可考慮將小“孤群”中的代表性結點(比如中間中心度或度數中心度相對較大的結點)納入投資組合;(4)如果投資組合中的資產數量還未達到既定的數目，則可適當提高相關系數閾值，比如從0.3提高到0.35，以增加相依結構圖中“孤點”“孤對”和 “孤群”的數目，再重復上述步驟。 文章的建議主要是微觀層面的。
股票市場上的機構投資者或者偏股型基金在構建投資組合時大膽把商品期貨納入單純的股票組合，在選擇具體的商品和股票品種時可以考慮運用文章發展出來的資產選擇方法。商品期貨市場屬于高風險的衍生品市場，但它本身的市場波動其實低于股票市場，很多投資者談之色變，主要是因為其特有的保證金交易制度。如果采用低杠桿甚至完全去杠桿的方式在商品期貨市場建倉，商品期貨市場的風險是低于股票市場的。如果采用適當移倉的方式應對期貨合約換月問題，然后將去掉杠桿或者極低杠桿的商品期貨頭寸納入股票組合，應該是一個不錯的投資組合優化策略。
參考文獻
[1] KANG S H，YOON S M. Financial Crises and Dynamic Spillovers among Chinese Stock and Commodity Futures Markets[J].PhysicaA，2019，531：1-18.
[2] ERB C ，HARVEY C. The Strategic and Tactical Value of Commodity Futures[J].Financial Analysts Journal，2006，62(2)： 69-97.
[3] GORTON G，ROUWENHORST K G. Facts and Fantasies about Commodity Futures[J].Financial Analysts Journal，2006，62(2)：47-68.
[4] JENSEN G R，JOHNSON R R，MERCER J M. Tactical Asset Allocation and Commodity Futures [J].The Journal of PortfolioManagement，2002，28(4)：100-111.
[5] BRUNNERMEIER M K，PEDERSEN L H. Market Liquidity and Funding Liquidity [J].Review of Financial Studies， 2009，22(6)：2201-2238.
[6] TANG K，XIONG W. Index Investment and the Financialization of Commodities [J].Financial Analysts Journal，2012，68(5)： 54-74.
作者：金濤，蘇楠
相關閱讀
