云資產與商品期貨市場的風險對沖策略研究

摘要：本文以2013—2023年數據評估了云資產的長期投資價值。首先，使用DCC-GARCH模型對云資產與幾種大宗商品期貨價格指數進行了數據回測。結果表明兩者之間存在低價溢出效應，強調了投資云資產的重要性。其次，構建了數學模型對云資產及四種大宗商品期貨的避險能力進行了評價。研究發現，云資產的避險能力最強，證明它是一種理想的對沖工具。最后，進行了一系列穩健性測試，強化了云資產在投資價值和對未來金融安全領域的潛在貢獻。

關鍵詞：云經濟；商品期貨；多元化投資

引言

在當前全球大宗商品市場劇烈波動的背景下，傳統風險管理工具正遭遇前所未有的挑戰。大宗商品期貨，作為機構投資者最為青睞的資產類別，憑借其風險對沖與投資組合分散功能，長期以來一直主導著市場配置。然而，近年來頻繁出現的異常價格波動，揭示了現有風險管理體系的脆弱性，迫切需要探索創新性的解決方案。這一現實困境與我國提出的“雙循環”戰略形成了深刻的共鳴——作為全球最大的大宗商品貿易國與消費國，長期缺乏定價權不僅限制了企業的盈利能力，更對產業鏈的安全構成了威脅，這凸顯了構建自主可控定價機制的戰略緊迫性。

數字技術革命為解決當前困境提供了新的視角。以區塊鏈和物聯網為核心的云技術，通過去中心化的數據存儲和實時監測系統，正在重塑數字資產的價值邏輯。比特幣等加密貨幣憑借其非主權屬性和抗通脹特征，被賦予了“數字黃金”的時代定位，其底層技術更展現了在循環經濟轉型中的獨特價值。特別是在疫情催生的“非接觸經濟”范式中，云資產已超越傳統金融工具的范疇，發展成為涵蓋數據認證、風險對沖、跨境結算的復合型基礎設施。這種技術經濟范式的躍遷，為重構大宗商品定價機制提供了可能的路徑：對內可通過物聯網實現全產業鏈數據的全面穿透，強化“內循環”定價基準的科技支撐；對外可依托區塊鏈構建跨境信用體系，提升“外循環”市場博弈的話語權重[1]。

在當前階段，我國云經濟已展現出技術研發與場景應用的雙重優勢。其與大宗商品市場的深度融合，不僅是響應“在更廣泛的利益共同體范圍內參與全球治理”戰略號召的具體實踐，更是解決定價權困境、保障產業鏈安全的關鍵所在。探索在“雙循環”格局下，技術如何賦能定價權的實現路徑，不僅關系到企業核心競爭力的提升，更是推動共建人類命運共同體的重要支撐點[2]。本文立足于這一戰略交匯點，旨在揭示云技術重構大宗商品定價權的內在機制，為新時代全球治理提供一份具有特色的解決方案。

研究動機如下：首先，盡管部分學者已開始認識到云經濟的理論價值，但對其實際效用和應用領域的研究尚不全面。其次，由于新數字貨幣資產的沖擊，傳統避險資產面臨重大挑戰，因此理解云資產的對沖價值顯得尤為重要。第三，作為一個新興概念，云資產在全球資本市場中的討論主要仍停留在概念層面，并且依賴于年度或季度的數據統計。此外，在中國以外的新興市場中，尋找與云資產直接相關的定量證據也極具挑戰性。因此，本研究代表了一項探索性倡議，旨在激發未來研究者的興趣和關注。

一、數據與方法

（一）數據來源

本文采用了Lin和Cheung（2022）提出的中國云經濟指數（CCEI）作為云資產的衡量標準。本文選擇了四種大宗商品期貨作為基本資產，包括ICE黃金指數（GOLD）、白銀期貨指數（AG）、原油指數（WTI）和COMEX銅期貨（CU）[3]。在補充測試中，分別向基礎投資組合中添加了三種常見金融資產。這些補充測試的輔助工具包括美國10年期國債指數（USTB）、比特幣價格指數（BIT）和MSCI全球股票市場指數（MSCI），以便在測試模型中評估全球股票市場，從而增強評估模型的穩健性。CCEI來源于iFinD數據庫，其他指標取自英為財情，所有指標的整體采樣區間為2013—2023年每日數據[4]。

（二）方法論

本文使用DCC-GARCH模型用于捕捉多個時間序列之間的動態相關性，其中DCC模型用于構建殘差之間的動態條件相關，GARCH模型用于估計每個時間序列的條件異方差。由于篇幅限制，DCC GARCH模型推導公式及步驟參見王曉峰和林立超（2021）的研究。

為了評估云資產的對沖價值，本文還設計了一個數學評估模型。首先，將金融資產X和Y組合成X-Y的形式，并命名為C3、C4、C5和C6；其次，選擇五個指標作為評估模型的核心指標；最后，根據資產組合的動態相關系數進行評分和評估[5]。

二、結果與討論

（一）DCC-GARCH模型

DCC-GARCH模型的結果揭示了一些有趣的現象：第一，投資組合滿足ARCH（-1）和GARCH（-1）系數和小于1，表明云資產與其他金融資產的價格收益率具有顯著的長期動態相關性。第二，原油與其他商品期貨之間的相關系數相對較低。比如在一些特殊時期，WTI與GOLD之間的動態相關系數一度降至零以下，為其潛在的避險資產屬性提供了可靠證據。第三，CU-WTI和GOLD-CU的系數有時偏離了其原始運行軌跡。這種偏離可能歸因于美聯儲為應對COVID-19影響并通過降息至零來穩定金融市場所采取的措施。幾組與云資產相關的系數迅速恢復到其先前的波動范圍，表明云資產可能具備更好的避險價值。隨后，將疫情防控期間和之后進行重復測試。

結果展示了CCEI的獨特魅力。類似于WTI的功能屬性，CCEI也表現出了避險資產的基本特征，其表現似乎優于前者。CCEI與GOLD之間的動態相關系數大多數保持在[-0.1，0.1]之間，而CCEI與WTI、CCEI與銀的主要系數范圍在[-0.05，0.2]之間。CCEI與銅期貨的表現最弱，但在特定時期（例如2021年8月10日左右）也表現出了避險特征。云資產與其他傳統避險資產之間較弱的關聯，可能歸因于：第一，資產特征的差異。云資產主要依賴于互聯網和技術發展，相較于基于市場供需關系的傳統資產，它可能具有某些潛在的差異（Lin和Cheung，2022）。第二，投資者情緒效應。當市場預期經濟條件改善時，投資者可能更傾向于投資傳統避險資產，這些資產受到實體經濟的驅動。相反，在經濟衰退時期，以云資產為代表的虛擬經濟可能會變得更加繁榮（Ozili和Arun，2023）。

（二）避險能力評估方法

接下來，通過量化方式展示云資產避險特性。本文將云資產與四種資產進行橫向比較，估算五種資產的避險價值排名，從而描述它的避險價值。首先，對上述模型的描述性統計結果進行了預處理。具體來說，CCEI-GOLD、CCEI-WTI和GOLD-WTI被命名為三資產組（C3）。類似地，由CCEI、GOLD、WTI和AG組成的資產對被命名為四資產組（C4）。同理，由CCEI、XAU、WTI、AG和CU組成的資產對被命名為五資產組（C5），詳見表1。其次，評估模型指標設定。本文選取均值、中值、標準差、極大值和極小值作為評估模型的核心指標。其中，均值和標準差用于描述數據集中趨勢和離散程度。中值是所有單位標記值的代表值，由其在所有標記值中的位置決定。由于它不受分布序列中最大值或最小值的影響，可以在一定程度上提高分布序列的代表性。最大值和最小值可以捕捉數據的極端特征，是金融市場中至關重要的觀察對象。第三，評估模型設計。對上述五個指標的排序結果進行賦分（1—4分）。由于五種金融資產都具有避險特性，它們之間的高動態相關系數意味著資產組合之間存在較強的價格溢出效應，資產的避險能力較弱，資產的估值較低。相反，資產組合的動態相關系數越低，資產的價值越高。由于評估模型的測試樣本是動態相關系數，它可能是正數（表示兩個資產之間的正相關）或負數（表示兩個資產之間的負相關）。與零值線的偏離程度是關鍵部分。因此，在比較之前對負指標進行了絕對值處理。然后，將項目積分進行等權重處理，記錄在表2的“總得分”欄。最后，根據“總分”列中的分數進行資產排名。得分越高，避險能力越強；反之，避險能力越弱。評估結果（表2）表明，C5的對沖排名順序為：CCEIgt;GOLDgt;AGgt;CUgt;WTI，且CCEI也是C3和C4組中最佳的對沖資產。總而言之，云資產在簡易評估模型中的優異表現表明，它可能成為商品期貨的避風港。

（三）穩健性檢驗

本節通過三組測試對簡易評估模型的穩健性進行了檢驗。第一組使用T分布替代先前的高斯分布，對多元DCC-GARCH（1，1）模型進行了重復估計。結果表明，C3、C4和C5模型中的各資產排名與表2中高度一致（僅有C5中的WTI和CU交換了位置）。由于CCEI取自股票市場，因此在第二組測試中將全球股票市場指數納入其中形成六資產（C6）模型是有意義的。結果表明，MSCI的避險能力排名在WTI和CU之間，占據第五位。其他資產排名與第一組的表現高度相似。類似的指標還被添加到另外兩組測試中，分別是BTC和USTB。前者是因為BTC與Lin和Cheung（2022）對云經濟的定義一致，表明比特幣的資產屬性與CCEI相似；后者是全球公認的避險資產，可以用來重新檢驗云資產的避險特性排名。

第三組的估計結果顯示，比特幣的排名最高，這是合理的。根據Lin和Cheung（2022）的研究，比特幣與云資產具有相似的基本特征。此外，云資產的避險價值接近比特幣，而非MSCI全球股票市場指數。這表明云資產雖來源于股票市場，但其投資價值可能已經超過了股票市場。換句話說，若不考慮比特幣，云資產的性能是最好的。受篇幅限制，穩健性檢驗的表格同樣可向作者索取。

三、結論

作為第四次工業革命最具影響力的產物，云經濟以驚人的速度改變了人們熟悉的各個領域。云資產因涉及大多數經濟活動而吸引了越來越多的從業者和研究人員的關注。本研究旨在通過構建簡化版模型，定量評估云資產的對沖價值。因此，方法學的拓展是本文的一個重要特點。本文的研究結果表明，云資產的波動模式與傳統金融資產相似，它們受到相似的市場力量和經濟條件的影響。研究還強調了云資產與其他金融資產之間較低的相關波動性，表明它們可能適合作為傳統資產的對沖資產。此外，研究發現，比特幣和云資產的風險系數低于其他金融資產，說明它們可能是投資者更為理想的一種避險資產。

參考文獻：

[1]惠長虹，張華珺.鐵礦石價格形成機制的演化機理及相關建議[J].宏觀經濟管理，2023（04）：72-79.

[2]呂云龍.大宗商品價格波動傳導效應——基于投入產出價格模型的分析[J].上海經濟研究，2022（02）：105-114.

[3]王曉峰，林立超.國際鐵礦石期貨價格傳導比較研究——兼析加快我國鐵礦石期貨市場國際化建設[J].價格理論與實踐，2020（03）：95-98.

[4]張曦之，湯懷林.我國商品期貨市場價格發現功能再檢驗——基于頻域格蘭杰因果關系模型的實證分析[J].價格理論與實踐，2024（07）：184-188+224.

[5]周靜言.新世紀以來國際鐵礦石價格波動及對中國的啟示[J].價格月刊，2024（05）：77-83.

〔基金項目：廣東省哲學社會科學規劃項目（NO：GD24XYJ19）〕（作者簡介：林立超，廣東科技學院講師）