中国大宗商品期货投资价值研究

广西北部湾银行课题组

课题组组长：罗军

课题组成员：廖春晖　潘鹏鹰　刘冬生　黄晓洁　赵欣　任莹　刘璐　闵楠

摘　要：本文就中国商品期货市场在不同金融化程度下的投资价值进行理论和实证研究。基于股票预期收益中的商品因子风险溢价模型，我们推导出商品期货市场金融化程度的量化理论依据，并利用滚动窗口Fama-MacBeth方法对中国各种商品期货市场的金融化程度进行了实证测度。基于资产配置的视角，我们运用均值—方差张成检验考察了不同金融化程度下商品期货的投资价值。我们发现，当商品期货市场处于非金融化状态时，商品期货能够有效降低投资组合的风险，而当商品期货市场处于高度金融化程度下，商品期货不再具有投资价值。而对追求最优风险回报的投资者来说，商品期货市场处于中度金融化是最为“理想”的状态。

关键词：商品期货；金融化程度；滚动窗口Fama-MacBeth；均值—方差张成

一、引言

美国商品期货交易委员会（CFTC）的数据显示，自2000至2008年，各类金融机构通过指数基金等形式投资于国际商品期货市场的资金量已累计达2000亿美元。近年来，我国的大宗商品期货市场也发展迅猛，出现金融市场的羊群行为（田利辉等，2015）。英国《金融时报》于2016年4月30日报道，“……在过去一个月里，铁矿石等一些大宗商品期货的日交易额大幅飙升，有时甚至会超过中国年度进口额。上海钢铁期货在上周某一天的交易额超过了中国股市的总成交额”。这种金融投资者们加速进入商品期货市场的现象被称为商品期货市场的“金融化”（Domanskiand Health，2007；Irwin and Sanders，2011；Tang and Xiong，2012）。

现有研究发现，商品期货金融化程度的加深没有增加而甚至会弱化其在资产配置中的投资价值。Cao et al.（2010）研究了金融化进程下商品指数基金在分散化国际投资组合中的作用，他们发现，在资产组合中加入商品期货。对投资组合的有效前沿并无明显的投资价值改进。Adhikari et al.（2014）的研究发现，在美国金融化进程开启之后（2001年），引入商品期货并不能提升投资组合的风险收益。再者，Zaremba（2015）以投机者持仓占总持仓量比来度量商品期货市场的金融化程度，他发现金融化加深是导致商品期货展期收益下降的关键原因。

与以上文献不同，本文从投资者视角出发，首先细化了不同商品期货的金融化进程，然后对不同商品期货的投资价值进行讨论，考察在什么样的金融化程度下，投资者考虑在投资组合中配置商品期货才是最优选择。本文的创新有以下几点：

首先，本文基于新的视角对商品期货市场的金融化程度进行了测度，即依靠市场价格信息而并非持仓量来度量商品期货的金融化程度。现有文献大多以投机者持仓占总持仓的比例来量化期货市场的金融化程度，如潘慧峰等（2013）、Büyüksahin and Robe（2014）和Zaremba（2015），但该方法忽略了套期保值者持仓中的投机成分，对真实市场结构的刻画存在偏误（Cheng and Xiong，2013；Kang et al.，2014）^[1]，也不适用于中国商品期货市场（潘慧峰等，2013）^[2]。本文扩展了Boons et al.（2014）的理论模型，从商品期货金融化的原因入手，通过估计股票期望收益中的商品因子风险溢价来度量相应商品期货市场的金融化程度。具体来说，从理论上以投资者在商品期货市场的参与情况来推导出商品期货市场不同的金融化程度，实证上以股票收益中商品因子风险溢价的正负和大小作为商品期货金融化程度的测度依据。

其次，本文细化了不同商品期货市场的金融化程度，并考察了在不同金融化程度下商品期货的投资价值。目前，基于金融化进程讨论商品期货投资价值的研究主要以某一时点为分界点，采用时间序列的研究方法考察金融化前后投资组合风险收益的变化（Adhikari et al.，2014）。而目前国内对商品期货在资产配置中的投资价值的研究均未涉及商品期货市场的金融化程度。部慧和汪寿阳（2010）考察了我国商品期货的抗通胀性，得出商品期货能够对冲未预期通货膨胀风险。张雪莹等（2011）研究了我国商品期货与上证指数收益率之间条件相关系数特征，他们认为商品期货对资产配置具有分散风险的价值。本文以中国市场的28个商品期货品种为研究对象，采用滚动窗口Fama-MacBeth方法对中国商品期货市场的金融化程度进行了测度，并基于资产配置的角度，运用均值—方差张成检验来考察不同金融化程度下商品期货的投资价值。

我们的理论模型发现，当商品期货处于非金融化状态时，股票收益中相应的商品因子风险溢价为负；当商品期货处于金融化状态时，商品因子风险溢价为正，且金融化程度越高，风险溢价越大。通过实证研究，我们发现，第一，棕榈油及金、银贵金属期货的金融化程度较高，多数农产品期货处于低度或中度金融化状态，并且金融化趋势呈现明显的时间变化特征，工业金属类和能源化工类期货基本处于非金融化状态。第二，从资产配置的角度来看，高度金融化的商品期货市场并不能提供有利的投资价值，其原因在于跨市场的风险传染与放大导致商品期货市场风险增加，而有效的风险分担又使得商品期货的风险溢价下降。对于风险厌恶程度较高的投资者（如养老基金、保险公司），非金融化的商品期货是对冲组合风险的有力工具；而对追求最优风险回报的投资者来说，商品期货市场处于中度金融化是最为理想的状态。故保持投资资本的良性参与，维持合理的市场结构，达到成熟的金融化状态，有助于发挥商品期货在资产配置中的投资价值。

最后，本文从资产配置的角度对商品期货市场的管理和发展提出了以下建议：第一，加快完善期货品种上市机制；第二，尽快建立我国商品期货价格指数体系；第三，加强监管，避免商品期货的过度金融化。

本文其余部分结构如下：第二部分进行文献综述；第三部分为研究设计，第四部分为实证结果进行说明和分析；最后总结全文并提出政策建议。

二、文献综述

传统投资学观点认为，商品期货对于组合投资具有极大的吸引力，无论是从与传统金融资产的低联动性（Gorton and Rouwenhorst，2006；Chongand Miffre，2010），还是从具有显著为正的超额收益（Bodie and Rosansky，1980；Anson，2006）来看，商品期货对于资产配置来说都具有极佳的投资价值。Jensen et al.（2000）、部慧和汪寿阳（2010）以及张雪莹等（2011）均证实了商品期货能够提供分散化效益、优化组合风险收益。

然而随着商品期货金融化进程的加深，上述原本有益于资产配置的价格变动特征却发生了变化，自金融资本大量涌入商品期货市场开始，商品期货市场与金融市场的联动性增加，而商品期货的风险溢价逐渐下降。这些发现为商品期货的金融化程度与投资价值的反向关系提供了间接证据。

首先，商品期货与金融资产价格变动的相关性逐年上升，这削弱了商品期货对资产配置的分散化效益。Tang and Xiong（2012）发现自2004年后不同商品期货品种之间的相关性持续增加，并指出指数投资者的不断进场推动了商品期货市场的金融化进程，从而导致商品期货市场出现齐涨同跌现象。Büyüksahin and Robe（2014）采用非公开的CFTC交易者头寸数据，对期货市场参与结构进行分析，他们发现在2000—2010年间，指数投资者和对冲基金的持仓量比例大幅增加，并认为对冲基金的积极参与是导致期货和股票收益的动态条件相关系数增加的主要原因。

其次，商品期货风险溢价随金融化程度加深而呈下降趋势^[3]，意味着商品期货为投资组合提供超额回报的能力随之减弱。Baker（2012）建立了商品期货价格的动态均衡模型，证明了金融化进程能够降低投资者的交易成本，并通过模型校准证实了金融化程度加深是导致商品期货超额收益下降的主要原因。Hamilton and Wu（2014）考察了市场参与者结构对石油期货价格的影响，他们发现自2005年投资者大量涉入商品期货交易以来，套保压力下降导致石油期货风险溢价降低。

总结上述文献，金融化程度加深导致商品期货与金融资产的相关性增加、商品期货的超额收益下降，这均是金融化进程弱化商品期货投资价值的间接证据。直接探讨金融化进程对商品期货投资价值的影响的研究相对较少。Cao et al.（2010）以2003—2010年为样本期，研究金融化进程下商品指数基金在分散化国际投资组合中的作用，他们对比了在资产集有/无商品期货情况下的有效前沿，结果并未发现明显差异。Adhikari et al.（2014）采用张成方法对2001年前后商品期货的组合投资价值进行研究，他们发现，在金融化进程开启之后，引入商品期货并不能提升组合风险收益特征。Zaremba（2015）利用回归分析研究1990—2012年间商品期货展期收益的变化，他以投机者持仓占总持仓量比度量金融化程度，发现金融化加深是导致商品期货展期收益下降的关键原因，最后通过对比有无展期收益下降情况下的有效前沿，得出了金融化程度加深会削弱商品期货投资价值的结论。

目前国内对商品期货在资产配置中的投资价值的研究均未考虑不同金融化程度的影响。部慧和汪寿阳（2010）对我国铜、铝等9种商品期货的抗通胀性进行研究，得出了商品期货能够对冲未预期通货膨胀风险，而行业股票不具备通胀保护功能的结论。张雪莹等（2011）采用BEKK—GARCH模型研究了包括黄金在内的5种商品期货与上证指数收益率之间条件相关系数特征，他们发现商品期货和股票指数之间的相关性较低，且在股市波动性增大时相关系数有下降趋势，因此认为商品期货对资产配置具有风险分散价值。

三、研究设计

（一）样本及数据

本文固定样本检验的样本区间为2007年11月至2015年6月^[4]，共395周。考虑到我国商品期货市场起步较晚，早期交易品种不多，本文以棕榈油期货上市时间，即2007年10月29日，为样本期起始点，涵盖尽量多的商品种类。最终选取以下16种商品期货作为固定样本检验的研究对象：大豆、玉米、棉花、豆粕、棕榈油、强麦、豆油、白糖、菜油、铝、铜、锌、塑料、橡胶、PTA、燃油。上述品种分属于农产品、金属以及能源化工这三大商品期货类别，对我国商品期货市场具有高度代表性。采用近月合约周结算价作为期货价格，计算周收益率^[5]。股票样本取自所有沪深两市A股上市公司。市场超额收益率为沪深两市所有A股股票总市值加权平均收益率与无风险收益率之差，而无风险收益率则选用上海银行间3个月同业拆放利率，并以复利折算成周利率。本文的期货数据来自Wind数据库，股票以及无风险利率数据来自锐思（RESSET）金融数据库。

（二）商品期货金融化的测度

1.理论模型

Boons et al.（2014）根据Hishleifer（1988）的理论框架，对股票预期收益中的商品因子风险溢价进行了模型推导。

假定存在一个具有均值—方差偏好的代表性投资者，其相对风险厌恶系数为g ，投资决策只涉及两期。市场上存在一种无风险资产以及K种风险证券（股票）。为无风险利率，表示K种股票相对于无风险利率的超额收益率向量，此外，假设存在一个商品期货合约，其随机收益率为，该期货合约所对应的商品现货具有随机收益率^[6]。上标a, b 分别代表投资者参与、不参与商品期货市场交易的情况。

当代表性投资者不参与商品期货市场交易时，其投资组合收益率为：

其中，为组合在第t到t+1期的随机收益率，为K种股票的组合权重向量，表示每单位投资的商品风险敞口。商品价格波动反映一定程度的通货膨胀风险，因此可认为商品价格变动对投资收益具有负向影响，即<0。

当代表性投资者参与商品期货市场交易时，其投资组合收益率为：

其中，为投资者持有的商品期货合约的相对头寸^[7]。

基于均值—方差偏好的假定，代表性投资者面临如下最优组合问题：

对上述最优化问题求解并在代表性投资者的假设下，可得在投资者不参与及参与商品期货市场情况下的股票期望超额收益率：

其中，与分别表示在投资者不参与及参与期货市场时的市场组合收益率，分别为辅助回归的截距项和扰动项方差。在两种情况下，个股的期望收益均由其收益率与市场组合收益率的协方差以及与商品收益率的协方差共同决定。股票收益中存在商品风险溢价，而在两种情况下的商品因子风险溢价的区别取决于和的差异。

据前文分析可知<0，（4）式表示在投资者不参与商品期货市场的情况下，商品因子风险溢价为负。而当投资者参与商品期货市场时，商品因子风险溢价的符号则取决于。Boons et al.（2014）通过对商品期货市场均衡条件的分析，得出了的条件：第一，商品期货市场中的套期保值者多于投机者和投资者；第二，套期保值者比投资者更加厌恶风险。这两个条件并不苛刻，一般认为期货市场满足上述条件，故有。（5）式表示在投资者参与商品期货市场的情况下，股票期望收益中的商品因子风险溢价为正。

2.测度方法设计

Boons et al.（2014）的模型为商品期货金融化的测度提供了新的视角：从股票市场中获取投资者参与商品期货市场的信息。他们采用商品指数代表商品期货市场，研究发现商品因子风险溢价在2004年由负变正，说明2004年之后商品期货市场进入金融化过程，而这与多数实证研究的结果相吻合（Irwin and Sanders，2011；Tang and Xiong，2012）。中国商品期货市场在交易规模和市场结构方面与国外有很大差异，尚未有证据对我国商品期货金融化的起始点做出明确说明。此外，目前我国缺乏权威商品指数，不能通过指数表现判断商品期货市场的整体情况。因此，较合理的猜测是，投资者对不同商品期货品种的投资热情不同，导致商品期货的金融化程度存在横截面差异。本文以多个商品期货品种为研究对象，将单一商品因子风险溢价分解为针对不同商品的因子风险溢价，从而将Boons et al.（2014）有关商品期货金融化的时间序列证据转化为横截面证据。

具体而言，我们将（4）式和（5）式统一表示为下述两因子模型：

其中，为股票k的超额收益率，为市场因子风险溢价，为商品j的因子风险溢价。投资者基本不参与商品期货市场的情况对应于商品期货非金融化状态，而投资者参与商品期货市场的情况则对应于商品期货的金融化状态，参与度越高，则金融化程度越高。因此，针对商品期货市场j，若相应的商品因子风险溢价为负，，则说明该种期货处于非金融化状态；反之，若商品因子风险溢价为正，，则说明该种期货处于金融化状态，并且，商品因子风险溢价越高，则商品期货越受到投资者追捧，金融化程度越高。^[8]

3.估计商品因子风险溢价

本文采用Novy-Marx（2012）的滚动窗口Fama-MacBeth方法估计商品因子风险溢价。

第一步，在每一周t，以前1年（50周）作为时间窗口，进行如下回归：

其中表示股票i在周s的超额收益率，为市场组合超额收益率，为期货j的收益率，、分别为股票i在周t对市场风险的因子载荷以及对商品风险j的因子载荷。逐周移动时间窗口进行滚动回归，则可得估计值与的时间序列。

第二步，在每一周，仍以前50周（包括本周）作为时间窗口，在每个时间窗口中进行Fama-MacBeth截面回归。具体地，针对周t，在其时间窗口的每个节点s上进行如下横截面回归：

得到回归系数的时间序列，其中为股票数量，。然后以时间序列均值作为商品因子风险溢价j在周t的估计值。

Fama and MacBeth（1973）、Fama and French（1993）、Cochrane（2005）等都指出，对股票数据进行横截面回归时，以投资组合为检验资产可以减少变量内误差（Error in Variables）；组合收益率的残差方差往往比个股收益率的残差方差小，因此估计结果更加精确；此外，相比个股收益率，组合收益率的截面差异更大，更适于截面分析。本文依照Fama-French的方法，由规模（Size）及账面市值比（B/M）对A股股票进行分类，建立25个股票组合，以这25个规模-账面市值比股票组合作为Fama-MacBeth回归的检验资产。

（三）构建金融化程度组合

接下来，以商品因子风险溢价估计值为标准，构建4个商品期货组合。具体做法为：在每一周，以因子风险溢价为负的期货品种为一组，记为非金融化组（UF）；对因子风险溢价非负的期货品种，则按相应的因子风险溢价由小到大均分为3组，分别记为低金融化组（LF），中金融化组（MF）和高金融化组（HF）。UF、LF、MF和HF分别对应商品期货市场几乎无金融资本参与或参与十分有限、金融资本参与程度较低、金融资本良性参与以及金融资本过度参与的情况。组合每周调整一次，对于不存在因子风险溢价为负者，或者风险溢价非负者个数小于3的时点，则在组合收益序列中剔除掉该周数据。组合收益率取组合内商品期货收益率的等权平均值。

下面，分别以非金融化组合（UF）、低金融化组合（LF）、中金融化组合（MF）以及高金融化组合（HF）作为检验资产，通过均值—方差张成（mean-variance spanning）方法，来研究金融化程度对商品期货投资价值的影响。

（四）均值—方差张成检验

1.均值—方差张成

均值—方差张成最早由Huberman and Kandel（1987）提出，研究的是新增资产能否改善原资产集下的投资机会，对资产配置产生有益的投资价值。

均值—方差张成检验主要分为两大类：一类基于最小方差边界，以Huberman and Kandel（1987）、DeRoon and Nijman（2001）和Kan and Zhou（2012）为代表；另一类基于随机贴现因子，以DeSantis（1995）和Bekaertand Urias（1996）为代表，二者在理论上是相同的。从统计角度来看，第一类方法基于线性回归模型，需要假设收益率服从多变量正态分布且扰动项同方差；第二类方法没有正态性以及同方差的假定，但检验力（power）和检验水平（size）的小样本性质要劣于前者（DeRoon and Nijman，2001）。考虑到两类方法各具优缺点，本文综合采用两种方法，以获得更加可靠的结果。令为K种基础资产的收益率向量，为N种检验资产的收益率向量，下面分别对两种方法进行简要描述。

2.基于最小方差边界的均值—方差张成检验

Huberman and Kandel（1987）给出了的最小方差边界张成的最小方差边界的充要条件：

其中K维向量的期望值，N维向量的期望值；与的N K´协方差矩阵，的K K´方差—协方差矩阵；分别为全部元素为1的K维和N维列向量。

Huberman and Kandel（1987）进一步指出，张成条件（9）可由如下线性回归模型来检验：

其中，a 为N维截距向量，b 为N×K斜率系数矩阵，为N维随机扰动向量，E( et+1)= 0，Cov( et+1, R 1,t+1)=0。则均值—方差张成的原假设可表示为：

令，其中和分别表示无约束模型和受约束模型残差的方差—协方差矩阵。Huberman and Kandel（1987）给出了检验统计量，记为F：

拒绝原假设则意味着检验资产能够显著改善有效前沿，提升投资机会。

传统的张成检验是针对a=0和=0的联合检验，在此基础上Kan and Zhou（2012）提出了序贯检验。他们经过推导，证明a=0代表两个资产集下的切点组合重合，而=0代表全局最小方差组合重合。Kan and Zhou（2012）指出联合检验主要侧重于对=0检验，即主要判断检验资产是否显著降低组合风险，但对检验资产能否提升组合收益的检验力较弱。序贯法首先对a=0进行检验，然后在a=0的限制条件下对=0进行检验。若前者导致原假设（11）被拒绝，则说明新增资产使切点组合发生了变动；若后者导致原假设被拒绝，则说明新增资产导致全局最小方差组合发生变动。

Kan and Zhou（2012）给出了序贯检验的统计量，记针对a=0的统计量为F1 ，针对=0（以a=0为限制条件）的统计量为F2：

其中为仅在a=0约束下模型残差的方差—协方差矩阵。

本文既给出联合检验（记为F ）的结果，也报告序贯检验（记为F1、F2）的结果。

3.基于随机贴现因子的均值—方差张成检验

假设无交易成本且一价定理成立，无条件资产定价模型可表述为：

其中为t+1时刻的K+N维收益率向量，mt+1为随机贴现因子，tK+ N 为元素全为1的K+N维向量。Hansen and Jagannathan（1991）证明mt+1在资产集Rt +1上的线性投影具有最小方差，即最小方差随机贴现因子具有如下形式：

其中v= E( mt+1)为随机贴现因子的无条件期望， et+1为期望为零且与Rt +1正交的扰动项，系数向量 bv可分解为，、分别为R1,t+1和R2,t+1的系数向量。

Bekaertand Urias（1996）指出，若资产集{R1,t+1+ R 2,t+1}能够由基础资产R1,t+1张成，则给定R1,t+1的前提下，R2,t+1不会出现在线性定价核（17）中。据此，Bekaertand Urias（1996）给出了基于随机贴现因子的张成条件：

并进一步指出，模型可由以下正交矩条件估计：

其中v1、v2为不相等的常数，由任意两种无风险利率给出^[9]。Bekaert and Urias（1996）采用单阶段GMM估计无约束模型，并对=0进行Wald检验。相应的Wald统计量服从自由度为2N 的渐进X2分布。本文报告Bekaertand Urias（1996）的Wald检验结果，记统计量为BU。

四、实证结果

（一）描述性统计

表1给出了16种商品期货周收益率序列的描述性统计量。在研究期间内各品种的周收益率均值都接近0。其中，玉米的收益率均值最高，为0.1318%，菜油的收益率均值最低，为-0.0723%。在收益率标准差方面，燃油期货的标准差最大，为4.7630%；强麦期货的标准差最小，为1.9018%；能源化工类的波动性要大于金属类和农产品类的波动性。除玉米、塑料、豆粕、强麦和白糖外，其余期货的收益率偏度为负，因此大部分品种的收益率分布呈左偏。各品种的峰度普遍较高，说明数据具有尖峰厚尾的形态。JB检验结果显示在1%的显著性水平下，所有期货品种均拒绝了正态分布假定。

表1　商品期货周收益率描述性统计量

注：*，**，***分别表示在10%，5%，1%置信水平下显著。

（二）商品因子风险溢价以及商品期货金融化情况

按因子风险溢价估计值变动情况的相似程度，我们在图1中分别报告了16个商品因子风险溢价的估计结果。

图1（a）和图1（b）表明，在样本期内工业金属类和多数能源类的因子风险溢价变动幅度较小，且大部分时间为负值，说明工业金属和能源化工类期货基本处于非金融化状态，这与我国实际情况相符。尽管在国际市场上，金融资本的过度介入使得能源期货合约的交易量远远超过实际交易量，以原油为代表的能源期货已经显现出了过度金融化态势。但着眼国内，我国正处于经济发展和转型的重要时期，基础建设和工业生产深度依赖于能源资源和金属原材料。在这样的背景下，我国能源化工以及金属原材料期货市场的参与者主要是以生产商为代表的套保者。此外，相比于国际市场，国内能源及工业金属期货市场的产品单一，且与国际市场的走势情况不一致^[10]，投资者投资缺乏指示性信息，故金融资本参与度不高。

图1（c）和图1（d）显示，总体上农产品类的商品因子风险溢价随时间涨跌并发生正负转变。说明，我国农产品期货的金融化趋势呈现明显的时间变化特征。作为农业生产大国，我国的农产品期货在全球农产品期货市场价格形成机制中具有极为重要的影响力（张雪莹等，2011），国内外农产品市场的高度融合，为金融资本的介入创造了有利条件（翟雪玲等，2013）。由于易受自然灾害的影响，加之消费需求弹性较低，易被恶意囤积和疯狂炒作，农产品价格中常存在泡沫成分，价格不稳定且波动周期短。因此，庞大的金融资本随着农产品市场形势变化而在期货市场快速进出，从而造成了农产品期货金融化程度随时间变化的特征。

此外，从图1（d）可以看出，在样本期内，棕榈油的因子风险溢价始终为正，且数值较大，这说明棕榈油期货的金融化程度较高。2014年10月至2015年2月，棕榈油的因子风险溢价持续上升，而进入2015年二季度后，又连续下降，说明金融资本在2014年末大量进场，至2015年3月又纷纷撤出，这与始于2014年底并持续蔓延至2015年的国际大宗商品危机相吻合。棕榈油期货是我国期货市场上市的第一个纯进口品种，交易成本较低，日内价格波动频繁，备受投资者青睐，因此，其金融化程度较高。

图1　商品因子风险溢价估计结果

以因子风险溢价估计值为标准构建金融化程度组合，在剔除了缺失值后，最终得到293周的组合收益率序列。表2给出了金融化程度组合的周收益率统计结果。

从收益率均值来看，中金融化组合的平均收益率最高（0.1717%），其次是非金融化组合（0.0511%），而高金融化和低金融化组合的收益率均值为负数，这说明金融化程度与收益率之间并非是正相关关系。而从收益率标准差来看，高金融化组合的标准差最大（为2.6556%），其次是依次低金融化组合（2.2152%）、中金融化组合（2.0397%）、非金融化组合（1.4540%）。

从金融化程度组合与各商品期货的收益率相关系数来看，铜、铝、锌等金属类以及PTA、燃油、塑料等化工能源类期货与非金融化组合的相关性较高，表明工业金属和能源化工类商品期货基本处于非金融化状态，这与图1（a）的结论一致。大豆、豆粕、白糖、菜油等农产品期货与非金融化组合的相关系数和与中金融化组合的相关系数大致相等，且高于与低金融化和高金融化组合的相关系数，这是由于上述农产品期货市场较易受到周期性投资资本的影响，导致金融化程度随时间变化，这与图1（b）和图（c）的结论基本一致。最后，棕榈油期货与高金融化组合的相关系数达到0.7419，说明在样本期内高金融化组合的主要成分就是棕榈油期货，再次印证了图1（d）的结果，即棕榈油期货的金融化程度较高。

表2　金融化程度组合周收益率统计

注：*，**，***分别表示在10%，5%，1%置信水平下显著。

（三）张成检验

1.基础资产与检验资产

从我国机构投资者的资产配置情况来看，其投资对象主要涉及债券市场、股票市场和货币市场，故本文以股票、债券、货币产品代表投资者的基础资产集。具体地，本文选取沪深300指数、上证国债指数分别代表股票市场和债券市场^[11]，以上海银行间3个月同业拆放利率作为货币市场的代理变量，数据来源于Wind数据库及中国债券信息网。

具体地，基础资产集R1,t+1由沪深300指数、上证国债指数以及3月期Shibor构成，即K=3；分别以前文构造的非金融化商品期货组合（UF）、低金融化商品期货组合（LF）、中金融化商品期货组合（MF）以及高金融化商品期货组合（HF）作为检验资产R2,t+1，即N=1。

表3　基础资产和检验资产收益率统计

注：*，**，***分别表示在10%，5%，1%置信水平下显著。

表3报告了基础资产和检验资产收益率的统计结果。可以发现，中金融化组合的收益率均值要高于其他组合和基础资产的收益率均值，并且具有最高的夏普比率。在四个期货组合之中，高金融化组合的收益率标准差最大，仅次于沪深300指数，说明高度金融化的期货市场的风险性最大。高金融化组合的收益率均值低于除低金融化组合之外的期货组合和基础资产的收益率均值，这与Baker（2012）、Hamilton and Wu（2014）、以及Zaremba（2015）的研究发现相符：在商品期货的金融化进程中，金融投资者的大量介入提升了期货市场的风险分担效率，缓解了套期保值压力，从而导致期货收益中的风险溢价减少。而从相关系数矩阵来看，期货组合与沪深300指数的相关系数随着金融化程度的加深而递减，这与Tang and Xiong（2012）以及Büyüksahin and Robe（2014）等的发现有所不同，说明在我国的金融化背景下，商品期货与传统资产的趋同主要体现在市场波动性而非联动性上。

2.张成检验结果

在基于最小方差边界的张成检验中，首先需要确定有效的估计方法来对线性回归模型进行估计。经典的估计方法，诸如最小二乘估计（OLS）、极大似然估计（MLE）等，都假设资产收益率服从联合正态分布，且回归式中的扰动项同方差。为得到较为稳健的检验结果，本文采用广义矩估计方法（GMM）来估计回归方程（15）式。

表4　均值—方差张成检验结果

注：F 是基于最小方差边界的联合检验统计量，F1是序贯检验中针对a=0的统计量，F2是序贯检验中针对=0（以a=0为限制条件）的统计量，BU是基于随机贴现因子的检验统计量。括号内为相应统计量的p值。

表4给出了均值—方差张成检验的结果，均以5%为显著性水平。从联合检验的结果来看，非金融化组合和中金融化组合均通过了张成检验，即能够带来资产池的有效扩展，提升投资机会；并且，非金融化组合的F 统计量更加显著；而低金融化和高金融化组合未通过张成检验。从序贯检验F1的结果来看，非金融化和中金融化组合的p值均小于5%，说明在非金融化以及中度金融化状态下，商品期货能够使切点组合发生明显改变，提升风险调整后的投资收益，这与表3中夏普比率的情况相一致。而从F2的结果来看，除非金融化组合之外，其余组合的p值均高于5%，说明只有非金融化组合的加入使得全局最小方差组合发生了明显移动，这是由于在四个金融化程度组合中，非金融化组合的收益率标准差最小，并且与货币市场和债券市场的相关性都很低，故而可以有效降低组合风险。基于随机贴现因子的检验结果与F 检验类似。

3.持续扩充样本检验

前文的固定样本检验对所有品种采取相同的起止时间。基于样本量的考虑，在固定样本检验中，未涵盖黄金、白银、铅和焦炭等上市时间较晚的品种。随着越来越多的期货品种上市交易，可供选择的投资对象不断增加，投资者的投资行为也发生着变化，这势必会对商品期货市场的金融化趋势产生影响。特别地，由于金银贵金属本身具有投资属性，相应的期货品种是备受投资者青睐的投资工具，可以预计，这二者的金融化程度要高于大多数农产品和化工能源产品，将其剔除则可能影响对高金融化组合的判断。为更加全面、准确地考察我国商品期货市场的金融化状态，本部分采用持续扩充样本进行实证检验。

具体地，以包括大豆、豆粕、橡胶、燃油、黄金、白银等在内的28个期货品种的周收益率为样本。由于张成检验的基础资产——上证国债指数自2003年1月起对外发布，而估计商品因子风险溢价需要两年的时间窗口，故对上市时间早于2001年1月的期货品种选取2001年1月作为样本起始点，而其余品种则以上市时间为样本起始点。同样地，采用滚动窗口Fama-MacBeth回归估计商品因子风险溢价，最终得到28个起始时间不同的因子风险溢价估计值序列。在构建金融化程度组合时，没有收益率数据的品种不参与分组，直至有交易数据再加入组合之中。在剔除缺失值后，最终得到2003年1月至2015年6月共576周组合收益率序列。

由于篇幅所限，不再报告收益率统计结果。描述性统计量与表1结果基本一致。而相关系数矩阵显示黄金期货与中金融化和高金融化组合的相关性高于与非金融化和低金融化组合的相关性，而白银期货与高金融化组合的相关系数也明显高于与其他组合的相关系数，说明金银贵金属期货市场基本处于中/高金融化状态，投资者参与度较高，这与预期情况一致。

表5给出了持续扩充样本的均值—方差张成检验结果。描述性统计以及相关系数情况与表4结果相似。从联合检验和基于随机贴现因子的检验结果来看，在5%的显著性水平下，非金融化和低金融化组合拒绝了能够被基础资产所张成的原假设。序贯检验的结果显示，非金融化组合的F1和F2p值均小于5%，故将非金融化组合纳入资产集，既可以引起切点组合的变动，又使全局最小方差组合发生改变；而中金融化组合F1检验的p值为0.15%，低于5%的显著性水平，F2检验则并不显著，这说明中金融化组合对有效前沿的提升能力主要源于其对切点组合的改善。并且，比较非金融化组合和中金融化组合的F1检验结果，可以发现，中金融化组合的F1 统计量明显大于非金融化组合，相应的p值要低于非金融化组合的p值，故中金融化组合对切点组合的改善能力要强于非金融化组合。

表5　持续扩充样本的均值—方差张成检验

注：Shibor自2007年1月4日起才开始正式运行，故2007年之前采用三个月期中央银行票据的票面利率作为货币市场代理变量。

4.检验结果分析

结合表4和表5的联合检验及序贯检验结果，我们得出以下结论。

首先，从资产配置的角度来看，在包含证券和货币资产的投资组合中配置高度金融化的商品期货并不能达到降低投资风险和增加投资回报的目的，这与Cao et al.（2011）、Ad⁃hikari et al.（2014）的结论一致。然而上述学者认为高度金融化的商品期货与金融资产之间具有强联动性，分散化优势丧失殆尽，故不能为资产配置提供投资价值。与他们的观点不同，本文认为以下两点是高度金融化的商品期货不具有组合投资价值的原因：第一，高度金融化的商品期货市场波动性过大，不利于控制投资风险。表3及表5的描述性统计显示，在四个组合中，高金融化组合的收益率标准差最大，说明高度金融化状态下，商品期货市场的风险性较大。随着期货市场和金融市场的高度融合，商品期货市场与金融市场间的价格波动将出现跨市场的传染与放大（翟雪玲等，2013；闻岳春等，2015），因此过度金融化导致商品期货市场的不确定性增加，不能有效降低组合风险。第二，高度金融化意味着期货市场的风险分担效率大大提升，期货收益中的风险溢价降低，从而不再能够为投资组合提供超额回报（Baker，2012；Hamilton andWu，2012；Zaremba，2015）。

其次，非金融化组合的加入能引起有效前沿的显著提升，而这种投资机会的改善既来自于组合风险的下降，又来自于组合收益的提升。其中，组合风险下降意味着，非金融化的商品期货对于资产配置有较好的风险分散价值，风险厌恶程度较高的投资者（如养老基金、保险公司）会更加青睐处于非金融化状态下的商品期货投资。风险厌恶程度较高的投资者追求资产组合收益的稳定性，其关注的重点在于降低组合风险，而非金融化的商品期货则是这些投资者们对冲组合风险的有力工具。

最后，从资产配置的角度来看，组合的风险收益提升才是投资机会改善的最佳表现。序贯检验的结果显示非金融化和中度金融化的商品期货都能够改善切点组合，提升投资收益。然而，要发挥非金融化的投资价值，一方面要积极涉入该类市场，将期货品种纳入投资组合之中；另一方面又要保证市场的非金融化状态，这就要求投资者只能有限涉入期货市场，二者是相矛盾的。故从实践的角度，非金融化的商品期货并不是机构投资者扩展投资领域、进行资产配置的最佳选择。综合来看，中度金融化对组合收益的提升能力最优，故对追求最优风险回报的投资者来说，商品期货市场处于中度金融化是最为理想的状态。在我国，黄金、豆粕等商品期货市场，均处于金融化程度较为成熟的状态，对投资者来说，这些品种是提升组合风险收益最为有效投资对象。故保持投资资本的良性参与，维持合理的市场结构，达到成熟的金融化状态，有助于发挥商品期货在资产配置中的投资价值。

五、总结及政策建议

本文以中国市场的28个商品期货品种为研究对象，采用滚动窗口Fama-MacBeth方法对中国商品期货市场的金融化程度进行了测度，并基于资产配置的视角，运用均值—方差张成检验来考察不同金融化程度下商品期货的投资价值。研究发现，在我国棕榈油及金、银贵金属期货的金融化程度较高，多数农产品期货处于低度或中度金融化状态，工业金属类和能源化工类期货基本处于非金融化状态。从资产配置的角度来看，高度金融化的商品期货不再具有投资价值；当商品期货处于非金融化状态时，能够有效降低组合风险；而对追求最优风险回报的投资者来说，商品期货市场处于中度金融化是最为理想的状态。故保持投资资本的良性参与，维持合理的市场结构，达到成熟的金融化状态，有助于发挥商品期货在资产配置中的投资价值。本文结果充分说明从投资者的角度来看，商品期货金融化是一把“双刃剑”，过度和过低的金融化状态都不利于资产集的有效扩张，达到降低投资风险和提高投资收益的目的。鉴于此，本文给出了以下几条政策建议，望能从资产配置的角度对商品期货市场的管理和发展提供指导性的帮助。

第一，加快完善期货上市机制，放开对上市品种的限制，推进商品期货市场的结构均衡。目前，我国商品期货市场的总体规模偏小，产品种类单一，创新不足。在现有的市场条件和制度约束下，国内机构投资者的商品期货投资渠道较为受限。建立结构均衡、机制完善的商品期货市场有助于投资者扩展投资领域，提升资产配置的效率。

第二，尽快建立我国商品期货价格指数体系。在金融化趋势较为明显的国际市场，金融投资者大多通过指数基金的形式进入商品期货市场，追踪商品指数的指数化投资兼顾流动性、连续性以及投资能力动态调整性（尹力博和韩立岩，2014），能够有效发挥商品期货的投资价值。当前，我国商品指数的编制尚处于设计阶段，市场上还未出现具有影响力的商品指数投资工具，这使得投资者没有有效的投资参考指标（部慧和汪寿阳，2010；徐国祥和李文，2014）。应尽快建立我国商品期货价格指数体系，为投资者追踪商品期货市场，进行资产配置，提供有效的投资工具。

第三，加强监管，避免商品期货的过度金融化。商品期货金融化在丰富投资策略、扩展投资领域方面发挥了积极作用，然而过度金融化却导致商品期货价格脱离基本面而急剧波动，反而会增加投资风险。为避免过度金融化，保证金融资本的良性参与，商品期货和金融市场之间应建立及时、有效的跨市场监管机制，以此提高市场的透明度，在保证市场流动性的同时，抑制过度投机行为。而商品期货交易所自身也应该完善管理制度以配合监管，为此可考虑依照CFTC根据中国的实际情况建立分类持仓报告，使得监管部门能更好地监管各类交易者的行为。

【参考文献】

［1］部慧、汪寿阳:商品期货及其组合通胀保护功能的实证分析［J］，管理科学学报，2010（9）.

［2］韩立岩、尹力博:投机行为还是实际需求？——国际大宗商品价格影响因素的广义视角分析［J］，经济研究，2012（12）12.

［3］黄玮强、庄新田:中国证券交易所国债和银行间国债指数的关联性分析［J］，系统工程，2006（7）.

［4］潘慧峰、石智超、唐晶莹:非商业持仓与石油市场收益率的关系研究［J］，国际金融研究，2013（12）.

［5］田利辉、谭德凯、王冠英:我国大宗商品期货市场存在羊群行为吗？［J］，金融研究，2015（6）.

［6］闻岳春、王婕、程天笑:国内股市与国际股市、大宗商品市场的溢出效应研究［J］，国际金融研究，2015（8）.

［7］徐国祥、李文:基于全球视角的中国商品期货价格指数编制及实证检验［J］，金融研究，2014（4）.

［8］张雪莹、刘洪武:国际大宗商品金融化问题探析［J］，华北金融，2012（4）.

［9］张成思、刘泽豪、罗煜:中国商品金融化分层与通货膨胀驱动机制［J］，经济研究，2014（1）

［10］翟雪玲、徐雪高等:农产品金融化概念，形成机理及对农产品价格的影响［J］，中国农村经济，2013（2）.

［11］张雪莹、于鑫、王上文:商品期货对资产配置的风险分散价值研究［J］，当代经济科学，2011（2）.

［12］Adhikari，R.，K.Putnam and N.Maroney，2014.“The Impact of Financialization on the Benefits of Incorporating Commodity Futures in Actively Managed Portfolios”，Working Paper，Availableat SSRN:http://ssrn.com/abstract=2496138

［13］Baker S.D.，2012.“The Financialization of Storable Commodities”，Working Paper，Carnegie Mellon University.

［14］Belousova，J.and G.Dorfleitner，2012.“On the Diversification Benefits of Commodities from the Perspective of Euro Investors”，Journal of Banking&Finance，36（9）:2455-2472.

［15］Boons.M.，F.De Roon and M.Szymanowska，2014.“The Price of Commodity Risk in Stock and Futures Markets”，Working Paper，Available at SSRN:http://ssrn.com/abstract=1785728.

［16］Bodie Z.and V.I.Rosansky，1980.“Risk and Return in Commodity Futures”，Financial Analysts Journal，36（3）:27-39.

［17］Büyükşahin B.and M.A.Robe，2014.“Speculators，Commodities and Crossmarket Linkages”，Journal of International Money and Finance，42:38-70.

［18］Bekaert G.and M.S.Urias，1996.“Diversification，Integration and Emerging Market Closed-End Funds”，Journal of Finance，51（3）:835-869.

［19］Cochrane J.H.，2005.Asset Pricing，Published by Princeton University Press.

［20］Cao B.，S.Jayasuriya and W.Shambora，2010.“Holding a Commodity Futures Index Fund in a Globally Diversified Portfolio:A Placebo Effect?”，Economics Bulletin，30（3）:1842-1851.

［21］Chong，J.and J.Miffre，2010.“Conditional Return Correlations between Commodity Futures and Traditional Assets”，Journalof Alternative Investments，12（3）:61-75.

［22］Cheng I.H and W.Xiong，2013.“The Financialization of Commodity Markets”，NBER Working Paper，No.19642.

［23］DeSantis G.，1995.“Volatility Bounds for Stochastic Discount Factors:Tests and Implications from International Stock Returns”，Working Paper，University of Southern California.

［24］Domanski D.and A.Heath，2007.“Financial Investors and Commodity Markets”，BIS Quarterly Review，March:53-67.

［25］DeRoon F.A.and T.E.Nijman，2001.“Testing for Mean-Variance Spanning:A Survey”，Journal of Empirical Finance，8（1）:111-155.

［26］Daskalaki，C.and G.Skiadopoulos，2011.“Should Investors include Commodities in their Portfolios after all?New Evidence”，Journal of Banking&Finance，35（10）:2606-2626.

［27］Erb C.B.and C.R.Harvey，2006.“The Strategic and Tactical Value of Commodity Futures”，Financial Analysts Journal，62（2）:69-97.

［28］Fama E.F.and K.R.French，1993.“Common Risk Factors in the Returns on Stocks and Bonds”，Journal of Financial Economics，33（1）:3-56.

［29］Fama，E.F.and J.D.MacBeth，1973.“Risk，Return，and Equilibrium:Empirical Tests”，Journal of Political Economy，81（3）:607-636.

［30］Gorton，G.and K.G.Rouwenhorst，2006.“Factsand Fantasies about Commodity Futures”，Financial Analysts Journal，62（2）:47-68.

［31］Hirshleifer D.，1988.“Residual Risk，Trading Costs，and Commodity Futures Risk Premia”，Review of Financial Studies，1（2）:173-193.

［32］Hansen L.P.and R.Jagannathan，1991.“Implications of Security Market Data for Models of Dynamic Economies”，Journal of Political Economy，99:225-262.

［33］Huberman，G.and S.Kandel，1987.“Mean-Variance Spanning”，Journal of Finance，42（4）:873-888.

［34］Hamilton J.D.and J.C.Wu，2014.“Risk Premia in Crude Oil Futures Prices”，Journalof International Money and Finance，42:9-37.

［35］Irwin S.H.and D.R.Sanders，2011.“Index Funds，Financialization，and Commodity Futures Markets”，Applied Economic Perspectivesand Policy，33（1）:1-31.

［36］Jensen G.R.，R.R.Johnson and J.M.Mercer，2000.“Efficient Use of Commod-ity Futures in Diversified Portfolios”，Journal of Futures Markets，20（5）:489-506.

［37］Kang W.，K.G.Rouwenhorst and K.Tang，2014.“The Role of Hedgers and Speculators in Liquidity Provision to Commodity Futures Markets”，Working Paper，Yale University.

［38］Kan R.and G.Zhou，2012.“Tests of Mean-Variance Spanning”，Annals of Economics and Finance，13（1）:145-193.

［39］Long，J.B.，1974.“Stock Prices，Inflation，and the Term Structure of Interest Rates”，Journal of Financial Economics，1（2）:131-170.

［40］Novy-Marx R.，2012.“Is Momentum Really Momentum?”，Journal of Financial Economics，103（3）:429-453.

［41］Tang K.and W.Xiong，2012.“Index Investment and the Financialization of Commodities”，Financial Analysts Journal，68（5）:54-74.

［42］Zaremba A.，2015.“Is Financialization Killing Commodity Investments?”，Journal of Alternative Investments，18（1）:66-91.

【注释】

[1]近期研究证据显示，套保者参与商品期货市场的交易动机并非仅为对冲价格风险，商业持仓量不能完全等同于商业套保者的交易行为。Cheng and Xiong（2013）研究指出，尽管小麦、棉花、玉米和大豆市场的商业套保者均持有净空头存，其头寸波动率却为相应农产品产出量波动率的数倍，并且价格变化对套保者持仓量变化的预测能力要强于对产出变化的预测能力。通过对1994年以来交易商持仓报告的分析，Kang et al.（2014）发现套保者具有方向操作倾向，即在价格高（低）位时卖出（买入）期货合约。

[2]潘慧峰等（2013）指出，目前我国三大商品期货交易所尚未依照CFTC建立分类持仓报告，故对国内商品期货市场，不能以持仓类别区分交易动机，进而判断金融资本的参与程度。

[3]根据Hirshleifer（1988）提出的套期保值压力理论，即作为期货市场净空头方的套保者需要提供正的风险溢价来吸引投机者，金融化程度加深意味着期货市场的净多头方开始涌入大量投资者，风险分担效率提升将缓解套期保值压力，导致商品期货的风险溢价下降。

[4]固定样本即所有期货价格序列的起止时间相同，与之相对的是持续扩充样本，在第四部分有所说明。

[5]数据频率选择为周是基于两点考虑：第一，由于样本期时间跨度不长，采用周数据而非月数据可以扩大样本数量；第二，日数据往往含有较大噪声，不利于揭示价格的真实走势情况。

[6]根据商品期货定价的便利收益模型，商品期货和现货价格之间具有正相关关系；此外，本文采用近月期货合约数据，可近似认为。

[7]值得注意的是，并不能理解为期货合约的组合权重。与股票等传统资产不同，商品期货属于零投资资产（忽略初始保证金等期初资金要求），投资者的净收益取决于期末的期货结算价与期初的期货价格之差，无须扣除期初成本。因此，在投资组合中考虑加入商品期货合约，并不要求投资者将初始资本部分配置在该期货合约上。投资者以的比例将初始资本配置在K种股票上，剩下的则投资于无风险债券（若，则意味着借款购买股票），而则表示投资者期初持有的期货头寸与初始资本的相对比例。

[8]可运用资产定价的分析框架解释商品因子风险溢价的符号及大小。商品期货合约具有双重属性：商品属性和金融属性。当商品期货合约只具有商品属性时，期货合约交易反映标的现货商品的市场供求情况，期货价格变动代表了一定程度的通货膨胀风险。对股票预期收益来讲，通货膨胀风险会产生负的风险溢价（Long，1974），故商品因子风险溢价为负。当商品期货合约仅具有金融属性时，商品期货合约与股票、债券等均属于投资证券。从分散化投资的角度来看，与商品期货相关性越高的股票越不受投资者青睐，市场均衡条件要求该股票提供更高的期望收益，故商品因子风险溢价为正。综合来看，商品因子风险溢价的符号和大小取决于商品属性和金融属性的主从地位。商品期货处于非金融状态，其商品属性占主导地位，因此商品风险溢价为负；当商品期货处于金融化状态时，其金融属性超越商品属性，因此商品风险溢价为正；随着金融化程度加深，其金融属性越突出，商品因子风险溢价正向增加。

[9]具体地，等于的均值。本文对选用上海银行间3个月同业拆放利率；对，选用一年期定期存款利率；二者均按复利折算成周利率。

[10]以燃油期货为例，由于我国尚未推出原油期货，燃油期货已经成为我国部分进口燃料油的定价基础。但必须看到，相对于国际石油期货市场，燃料油仅为原油、成品油之后的低端产品，只具备非常小的定价权，且燃料油期货产品单一，与国际原油期货价格走势并不完全一致

[11]市场指数的选择基于以下考虑：首先，沪深300指数涵盖沪深两市60%以上的市值，其成分股是上海和深圳证券市场中流通规模大、交易量活跃的主流投资股票，具有良好的市场代表性，能综合反映沪深两市的整体走势；其次，尽管我国交易所债券市场规模小于银行间债券市场规模，但交易所债券市场的价格发现效率要远高于银行间债券市场（黄玮强和庄新田，2006），而上证国债指数是以上海证券交易所上市的所有固定利率国债为样本，按照发行量加权编制而成，被认为是债券市场价格变动的“指示器”，其价格变动基本代表了整个债券市场的波动情况，同时也是许多债券投资基金所采用的业绩比较基准。