研究核心问题与数据范围介绍 [page::2][page::6]

• 重点研究全球供应链基础设施投资组合与能源市场（WTI）、投资者情绪指数（VIX）、全球航运成本指数（BDI）之间的动态联系及风险溢出。

- 数据时间跨度为2010年1月5日至2023年6月29日，涵盖四个投资组合（GII, GLFOX, FGIAX, CSUAX）。

• 采用TVP-VAR模型分析，考虑COVID-19疫情前后两阶段的差异。

投资组合与风险因素的动态相关性与线性检验 [page::10][page::11]

| 变量 | 条件相关系数 | 偏相关系数 |
|-------|--------------|------------|
| 投资者情绪(VIX) | 负相关，约-0.16至-0.25 | 关系较弱，约-0.09至0.06 |
| 能源市场(WTI) | 正相关，约0.2至0.33 | 关系弱，约0.03至0.15 |
| 航运成本(BDI) | 负相关，极弱 | 较弱 |

• 线性VAR模型稳定性检验（CHOW测试）显示参数存在结构性断裂，验证非线性关系，支持TVP-VAR模型使用。

动态连接性与溢出效应分析 [page::12][page::13][page::14][page::44]

• GII、FGIAX及CSUAX为主要溢出冲击“给予者”，而WTI、VIX、BDI及GLFOX多为“接受者”。

- 动态条件连接性TCI值约为57.32%，高于静态连接性的47.52%，表明风险溢出具有显著时间变性。

• 图谱显示连接强度随时间波动，COVID-19期间连接性显著增强，尤其是VIX影响加大。

极端事件COVID-19对风险连接性与对冲策略的影响 [page::18][page::39][page::51][page::52]

• COVID-19疫情后，GLFOX组合由净风险接受者转变为净风险给予者，结构性冲击发生显著改变。

- QVAR量化模型热图显示疫情期间风险溢出和网络连接性显著增强，极端事件强化了风险的非对称传播。

• 对冲比率（HR）和对冲有效性（HE）计算结果显示疫情提高了对冲成本，降低了对冲效率，尤其是航运成本相关对冲效果下降。

对冲能力分析与ESG因素影响 [page::19][page::20][page::21][page::22]

| 组合/风险因素对 | 对冲比率 (HR) | 对冲有效性 (HE) | 说明 |
|-----------------|---------------|-----------------|--------------------------------|
| 投资组合（长仓）—航运成本（短仓） | 6 - 10 cents | 低或负 | 对冲成本低但对冲效果差 |
| 投资组合（长仓）—能源市场（短仓） | 40 - 47 cents | 较高 | 对冲效率相对更好，受ESG分数影响显著 |
| 投资组合（长仓）—VIX（短仓） | 负值 | 最高 | 逆相关，表现出强烈对冲能力 |

• ESG评分较高的投资组合拥有更优越的动态对冲能力，尤其在应对投资者情绪波动时表现更佳。

- COVID-19事件后，对冲比率显著上升，显示对冲成本上升，投资者需调整仓位管理策略以应对结构变化。

研究方法与模型流程 [page::7][page::41]

• 研究设计包含五大模块：数据预处理与整合、VAR模型验证、动态连接性分析、交叉验证与稳健性测试、投资策略与对冲能力评估。

- 综合使用了VAR、TVP-VAR及QVAR等多种模型进行交叉检验，确保结果的稳健性和可靠性。

• 结构清晰，能捕捉复杂的非线性动态风险溢出效应。

管理启示与未来研究方向 [page::23][page::24]

• 投资者需关注极端事件对供应链基础设施投资组合的风险联动影响，合理调整对冲策略。

- ESG表现优异的投资组合提供更好的风险调整后收益与对冲效率，未来投资选择可重点考察ESG因素。

• 应警惕能源市场供给端风险及投资者情绪对市场波动的传导，加强供应链韧性建设。

- 提出未来将研究国际监管政策变动等复杂因素对全球供应链基础设施投资风险的影响。

评估全球供应链基础设施投资组合的动态连通性及风险因素与极端事件影响——详尽分析报告

---

一、元数据与概览

• 报告标题：《Assessing Dynamic Connectedness in Global Supply Chain Infrastructure Portfolios: The Impact of Risk Factors and Extreme Events》

- 作者与机构：Haibo Wang，得克萨斯A&M国际大学国际商务与技术学部

• 时间范围：数据覆盖2010年1月5日至2023年6月29日

- 研究主题：全球供应链基础设施投资组合的风险因素分析，包括能源市场、投资者情绪和全球航运成本三大风险因素，及极端事件如COVID-19疫情对动态连通性和投资组合策略的影响。

• 核心论点与结论：

- 采用TVP-VAR模型研究全球供应链基础设施投资组合与相关风险因素之间的溢出效应和动态连通性。
- 投资组合的对冲比率（HR）与对冲有效性（HE）显示出疫情前后投资策略的结构性变动，疫情导致风险溢出格局和投资权重调整。
- ESG得分较高的投资组合表现出更强的动态连通性和更优的对冲能力。
- 三大风险因素（WTI油价、BDI航运指数、VIX投资者情绪指数）多为风险溢出的净接受者，而某些投资组合则为净贡献者，疫情改变了部分投资组合的风险身份。
- 研究提出针对极端事件影响下的投资组合对冲调整建议，为投资者提供实证参考与策略指导。[page::0,2,3,4,12,13,14,18,19,21,22,24,25]

---

二、逐节深度解读

1. 引言与研究背景

• 本文以全球供应链基础设施投资组合为研究对象，聚焦其面临的主要风险因素：（1）能源市场波动，代表为WTI油价；（2）投资者情绪，代表为VIX；（3）全球航运成本，代表为BDI带干散货指数。

- 识别并强调基础设施投资的可持续发展议题，结合ESG指标来揭示投资组合的环境、社会及治理风险。

• 提出四大研究问题，聚焦风险因素对投资回报和结构性极端事件（如COVID-19疫情）的影响机制。

- 文章统计并图示过去十多年相关投资组合回报，发现疫情阶段出现“V”型大幅波动，说明极端事件显著影响投资表现。[page::1,2,3]

2. 文献综述

• 论述近年来基础设施投资作为资产类别的优势，如分散风险、稳健的风险调整回报等。

- 指出基础设施投资面临的独特挑战：监管风险、社会环境负面影响、融资结构脆弱等。

• 回顾已有经济模型，尤其是基于VAR模型和协整分析的投资风控分析方法，为其动态分析模型奠定理论基础。

- 强调动态条件连通性研究的不足，提出本研究利用日频数据和TVP-VAR模型分析风险波动的创新点。[page::3,4,5,6]

3. 数据与模型方法

• 数据选取：

- 四个大市值的全球供应链基础设施投资组合（GII、GLFOX、FGIAX、CSUAX），价格数据来源CRSP和MSCI的ESG评级。
- 三个风险因素：WTI油价（FRB数据）、BDI航运指数（彭博）、VIX指数（CRSP数据）。
- 样本分为疫情前后两期，分析极端事件的影响。

• 模型设计：

- 基于TVP-VAR（时变参数向量自回归模型）构建动态风险溢出网络，克服传统VAR模型参数静态和线性假设的局限。
- 融入QVAR（分位数VAR）作为交叉验证工具，检验不同市场条件（如极端波动上下分位数）的模型稳定性。
- 利用对冲比率（HR）和对冲有效性（HE）评估投资组合与风险因素的风险管理能力。

• 具体分析模块划分：

1. 数据预处理与平稳性检验；
2. 参数稳定性检测与协整验证；
3. 动态连通网络构建；
4. 交叉验证与模型稳健性测试；
5. 投资策略与对冲能力分析。[page::6,7,8,9]

4. 实证结果

4.1 数据预处理

• 描述性统计显示所有变量数据非正态分布，具有高峰度和厚尾，显示风险分布特征复杂，且存在波动聚类的时间序列特征。

- ADF单位根检验表明，用一阶差分后的数据平稳，数据适合后续AR、VAR等时间序列建模。[page::10]

4.2 VAR条件与偏相关分析

• 条件相关性显示投资者情绪（VIX）和航运成本对投资组合回报呈负影响，能源市场（WTI）对投资组合回报带来正影响。

- 偏相关结果表明三大风险因素与投资组合间关系较弱且混合，推测存在非线性关联。

• CHOW断点测试拒绝参数稳定性假设，支持采用TVP-VAR模型进行非线性动因分析。[page::11]

4.3 变量协整关系

• 通过Engle-Granger协整检测，投资组合与三个风险因素间均表现出显著的双向协整关系，说明它们的价格或回报存在长期均衡关系，模型基于此合理。

- 支持研究假设（H1-H6）的有效性，为动态溢出分析提供体系基础。[page::11]

4.4 连通性网络分析

• 静态VAR连通性发现：三只投资组合（GII、FGIAX、CSUAX）为溢出冲击的净贡献者，FGIAX贡献最大；风险因素（WTI、VIX、BDI）及投资组合GLFOX为冲击的净接受者。

- 总连通指数（TCI）约为47.52%，显示变量间存在显著互动。

• 图形网络（Figure 4）用连线粗细与箭头方向展示溢出强度和方向，高ESG得分投资组合对其他变量贡献更大，航运成本BDI与其他指标关系弱，可能源于非线性关联未被VAR充分捕捉。

- 动态TVP-VAR连通性显示整体溢出强度上升，TCI达57.32%，反映更精准捕获变量间动态依赖。

• TVP-VAR确认：FGIAX仍主要为冲击净溢出者，VIX成为最大净接收者，GLFOX身份由静态模型中的接收者转为贡献者。

- 图形化网络增强了溢出关系的时间可变性识别，捕获更多投资组合与风险因素间动态互动细节。[page::12,13,14]

4.5 QVAR交叉验证

• QVAR在多个分位数下复核TVP-VAR连接性结果，确认TVC和NET排名一致性及成员稳定性。

- 热图展示出量化市场波动中极端上、下分位数对应强烈的溢出效应，特别是在极端事件（如2020年COVID-19）期间。

• GLFOX在疫情期间从净接收者快速转换为净贡献者，反映变量溢出身份受市场情绪与外部事件影响可切换。

- 这种跨分位数的非对称动态连通提供了对风险敏感性的深入理解和策略调整的实证依据。[page::15,16]

4.6 鲁棒性检测

• 通过不同滚动窗口长度（60、120、180、360天）检验TVP-VAR净溢出方向和强度的稳定性。

- 发现溢出贡献指标在不同窗口间保持高度一致，进一步验证模型的稳健性。

• 时间序列表现出滚动窗口下的溢出指数(TCI)明显提升于2020年3月以后, 强烈关联COVID-19爆发后市场的连通性增强。[page::17,18]

4.7 极端事件对溢出角色的影响

• 疫情前后样本分割显示，GLFOX由疫情前的冲击接受者转变为疫情后的冲击贡献者，表明网络结构及投资行为受到极端事件重塑。

- 全球航运成本和能源市场对投资组合的冲击贡献度下降，表明疫情改变了风险传导渠道和投资策略权重。

• TCI的显著飙升强调疫情极端事件导致的市场连通性结构性变化。[page::18,19]

4.8 投资组合的对冲能力分析

• 对冲比率(HR)显示以BDI作为做空工具对长仓投资组合的对冲成本最低，能以6-10美分对冲1美元敞口，显示航运成本对冲成本低但其对冲有效性不佳。

- WTI对冲成本高于BDI，但对冲效果较好，尤其是在ESG评分高的投资组合（GII、CSUAX）中表现更优。

• VIX呈现负对冲比率，暗示投资者可采用激进的对冲策略（如选择权操作）对付投资组合下跌风险，且VIX在对冲有效性方面优于BDI和WTI。

- 疫情后对冲比率和对冲有效性普遍下降，反映极端事件加剧对冲成本并削弱对冲效果，需对冲策略调整以应对结构性风险转变。[page::19,20,21]

---

三、图表深度解读

图表1：全球供应链基础设施投资组合累计日收益（Figure 1）

• 展示了2010年至2023年累计回报走势，四只投资组合均呈现总体上升趋势，期间多次波动。

- 2020年大幅“V”型回落与随后的快速反弹对应COVID-19冲击，显示极端事件对投资组合造成短期剧烈影响。

• 與同期标普500指数相比，大部分投资组合表现偏弱，提示投资者选股或管理策略存缺陷。[page::1,40]

图表2：分析框架流程图（Figure 2）

• 五大模块涵盖数据处理、模型假设检验、连通网络构建、模型交叉验证和最终投资策略设计，体现研究方法体系化。

- 强调动态、非线性关联的捕捉及实证对冲方案验证的重要性。[page::7,41,42]

图表3：变量协整关系示意图（Figure 3）

• 结构清晰展示投资组合、投资者情绪、能源市场和全球航运成本间相互协整关系假设，指导实证模型搭建。[page::8,42]

图表4：VAR模型下的NPDC网络示意（Figure 4）

• 重点显示静态连通性网络，数字节点大小代表溢出权重，粗细线展示溢出强度及方向。

- 投资组合（蓝色节点）为净送出者，风险因素黄色节点多为接受者。GLFOX为例外，表现为净接收者。

• 航运成本（BDI）与其他指标关系较弱，提示后续模型需考虑非线性影响。[page::12,42]

图表5-8：TVP-VAR模型动态连通性指标（Figures 5-8）

• 图5、6分别展示各变量作为溢出接收者和送出者的时间序列变化，揭示了不同变量的动态风险贡献波动性。

- 图7、8明确了净溢出方向动态变化，尤其GLFOX显示出冲击角色交替，强调风险网络的时变特征。

• 图8的网络图强化了对冲策略设计的依据，蕴含更多时间敏感性信息，为动态投资决策提供支持。[page::13,14,43,44]

图表9：QVAR热图（Figure 9）

• 通过颜色深浅区分不同分位数下的连通强度，波动性强的上下分位表现颜色更深。

- 2020年疫情期间几乎所有分位数连通性显著增强，证实极端事件对网络结构的深远影响。

• 特别地，GLFOX显示分位数切换中净溢出功能的显著变化，突显其风险角色转换的灵活性。[page::15,45]

图表10-11：滚动窗口动态连通性及溢出贡献（Figures 10-11）

• 四种不同的滚动窗口展示了模型对参数估计的稳健性，溢出贡献保持稳定，显示结果的可重复性和可信度。

- 溢出贡献标准差图（Figure 11）中，赠予者波动大于接受者，反映投资组合在风险传播中的较大不稳定特征。[page::17,46,47]

图表12-14：滚动窗口下的风险接收、送出与净溢出（Figures 12-14）

• 各变量持续显示相似的溢出行为模式，按照滚动窗口长度分别证明了模型在不同时间尺度上的一致性。

- 投资组合对冲实践中的角色动态清晰呈现，为动态风险管理支持提供动态度量工具。[page::17,18,47,48]

图表15：不同时段的总连通指数(TCI)变化（Figure 15）

• TCI值波动幅度明显，尤其在COVID-19冲击后迅速上涨，指示市场互相关联性增加，风险转染效应被放大。

- 趋势相对一致，验证滚动窗口长度对趋势识别的影响有限，适用于研究极端事件溢出效应。[page::18,49]

图表16-17：COVID-19疫情前后动态连通网络及TCI比较（Figures 16-17）

• 显示疫情后GLFOX由接收者转化为净贡献者，疫情极大改变了供应链投资组合的风险传导位置。

- TCI曲线明显爬升，市场风险和关联性随疫情爆发加剧。

• 该变化对后续对冲策略调整提供实证基础。[page::18,19,49,50]

图表18-19：COVID-19前后QVAR热图（Figures 18-19）

• 疫情前，部分变量净接收者身份明显；疫情后，热图色彩显示网络节点系统结构显著重塑，特别是GLFOX明显切换为净贡献者。

- 进一步证实疫情极端事件对市场网络结构地震式影响，映射出投资策略必然要随之适应并调整。[page::19,20,51,52]

主要表格解析

• 表1：2022年全球前10名基础设施国家评分，反映环境、社会及治理（ESG）属性，为后续投资组合ESG评估奠基；

- 表3、4：变量数据说明及四投资组合ESG风险得分，最高为CSUAX（25分），最低GLFOX（22分），显示不同组合风险异质性；

• 表5、6：描述性统计及ADF单位根检验，计量基础的稳定性分析确认时间序列平稳性及非正态性；

- 表7-10：条件与偏相关矩阵、CHOW断点测试及协整检验，验证模型设定合法性及变量长期均衡关系；

• 表11、12：静态与动态连通网络相关的溢出贡献值和总连通指数，确认主要净赠予者与净接受者身份；

- 表14、15：疫情前后对冲比率与对冲有效性比较，揭示极端事件对风险管理策略成本和效果的显著影响。[page::0,6,10,11,12,13,19,20]

---

四、估值分析

本研究重点在风险溢出与对冲策略，没有传统意义的公司估值，但通过对冲比率（HR）和对冲有效性（HE）变量的定量评估，提出了有效的风险管理手段：

• 对冲比率（HR）：通过构建一美元多头持仓搭配短头对冲工具的最小方差对冲比例来衡量风险敞口的对冲成本，依据Kroner和Sultan（1993）实现。

- 对冲有效性（HE）：衡量在对冲策略下投资组合波动性降低的比例，来源于Ederington（1979）方法。

• 投资组合与WTI、VIX、BDI的HR和HE差异反映了风险价格、波动率和市场行为的复杂性，尤其ESG得分较高的组合呈现更优对冲表现。疫情极端事件导致HR普遍升高，表明对冲成本提升，HE下降显示市场对冲策略效果减弱，投资者须调整对冲设计应对这种结构性市场变动。[page::19,20,21,31]

---

五、风险因素评估

• 能源市场风险：

- 被视为主要的风险接受者，但其与投资组合存在正相关性。
- 地缘政治事件（如俄乌冲突）推高油价和供应链成本，增加投资不确定性。
- ESG高分组合表现出更好的抗风险能力和对冲效果。

• 投资者情绪风险：

- VIX指数为恐惧指数，负向影响投资组合回报，且为动态网络中最大净接收者。
- 投资组合与投资者情绪交互显著，疫情前连接性强于疫情后。
- ESG评分高组合对冲VIX风险的能力更强。

• 全球航运成本风险：

- 与投资组合呈弱负关联，且其对冲效果较差，虽然对冲成本低。

• 极端事件风险（COVID-19）：

- 明显改变连通网络和对冲策略。部分组合角色转换，风险溢出模式结构性转变：[page::21,22,23]

---

六、批判性视角与细微差别

• 报告充分利用丰富的时序数据和多模型验证，建立了动态且细腻的风险溢出分析体系。

- 对疫情突发等极端事件的关注体现了模型的现实适应性与投资指导价值。

• 但该分析依赖于市场公开数据与模型假设，可能低估了监管事件、突发政治因素及非结构化风险的影响，作者也在讨论中提及此限制。

- GLFOX投资组合在不同模型中角色定位差异显示复杂动态，未来研究应关注隐含行为金融因素与市场心理的深层机制。

• 模型主要基于价格和波动数据，缺乏对投资组合内部结构和企业微观行为的解构。

- ESG指标权重分配对研究结论影响未详尽披露，未来可探讨不同ESG体系框架的稳健性差异。[page::23]

---

七、结论性综合

本文通过严谨的实证方法和动态网络分析，综合揭示了全球供应链基础设施投资组合与关键风险因素间复杂而时变的连通关系。主要发现包括：

• 动态风险溢出：投资组合GII、FGIAX和CSUAX为风险溢出的主净贡献者，WTI、VIX和BDI为主要净接受者，GLFOX表现出角色双重性，疫情激化了它们之间的动态关系。

- 疫情影响：COVID-19引发的极端市场冲击导致总体连通性显著增强，投资组合姿态与对冲策略发生结构调整，提示风险管理需践行灵活动态的对冲配置。

• ESG分数影响：高ESG风险评分的投资组合表现出更强的动态连通性和更优的对冲效果，验证了ESG投资在风险管理方面的价值和潜力。

- 风险因素差异：
- 能源市场与投资组合回报呈正相关且具有较强对冲效果；
- 投资者情绪显著负向影响投资组合表现，并是最大风险溢出接收者；
- 航运成本影响较弱且对冲效果有限。

• 风险对冲策略：投资组合与不同风险因素间的对冲比率及有效性表现不一，结合市场极端状态的对冲策略调整尤为关键。

- 管理启示：建议投资者与监管机构关注并动态管理全球供应链基础设施投资风控结构，特别注意极端事件对投资网络结构的冲击，调整对冲工具和资产配置以增强风险弹性。

整体而言，该研究为全球基础设施领域投资者在识别风险、调整策略及提升资产组合弹性提供了详实的数据支持和方法论框架，其对投融资决策、监管政策制定及风险管理实践具有重要参考价值。[page::0,12,14,15,18,19,21,22,23,24,25]

---

附录：关键图表示意

• 图1：多年累计收益走势体现疫情前后的市场波动；

- 图4/8：VAR与TVP-VAR模型绘制的溢出网络对比，动态模型揭示更多非线性互动；

• 图9：分位数VAR热图展示极端市场条件下的连通性差异；

- 图16/17：疫情前后连通网络与总连通指数变化揭示极端事件影响；
- 表14/15：对冲比率与有效性对比阐释极端事件前后对冲能力动态变化。

报告