原油价格波动性及国内外传染效应，本文主要内容关键词为：原油价格论文,性及论文,效应论文,国内外论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
对原油价格波动性的研究有很重要的意义。第一，从投资者的角度分析，原油价格的波动将会增大原油生产者和消费者的不确定性，从而对投资行为产生影响，进而影响经济（Pindyck，2003）。第二，从短期的能源产出比的角度出发，当原油价格波动加剧的时候，作为一种重要生产要素的原油投入也应该迅速的做出调整以实现最优化。当油价上涨（下跌）时，追求最优化的厂商应该降低（提高）能源产出比，而提高（降低）资本产出比和劳动产出比，这需要改变资本存量。但是短期内，资本存量是固定的，这三个比例无法迅速做出调整，厂商的生产决策无法达到最优，能源、资本和劳动的利用不充分，造成产出下降，最后导致经济衰退（Atkeson & Kehoe，1999）。第三，从更长期的结构调整来看，生产要素相对价格的变动导致资源和劳动在部门和行业间重新配置，而资源的配置是有成本的，从而导致产出的减少（Lilien，1988）。因此原油价格的波动常常被当成为一种重要的供给冲击（Barro，2007）。
由于石油价格波动对宏观经济的重要性，有大量的文献对石油波动性进行建模。目前，国内外对于石油价格波动性建模采取的主要方法是考虑了“波动性聚集”现象的条件异方差模型（ARCH）、广义条件异方差模型（GARCH）及其变种。Lynch（2002）总结了世界原油价格波动的历史，并从供给的角度分析了油价波动的原因。Sadorsky（1999）采用GARCH模型分析了原油价格的波动，并将其波动性纳入对宏观经济的影响分析。而Morana（2001）建立了石油价格的GARCH模型，并进行波动的短期预测，通过模型比较，他得出了采用半参数估计得到的模型具有较好的预测效果的结论。从国内来看，对能源、石油价格的相关研究一方面集中于不同价格水平对经济运行的影响（如林伯强、牟敦国，2008；林伯强、王锋，2009；陈宇峰、陈启清，2011）。另一方面专注于对国内外石油价格的波动的聚集性、持续性、风险溢出进行研究（魏巍贤、林伯强，2007；潘慧峰，2011），以及分析重大供给冲击对石油价格波动性的影响（潘慧峰等，2012），结果表明大部分事件会导致事件窗内石油价格的波动加剧。但是，正如我们后面的分析将表明的，之前关于波动性的研究有两个严重的缺陷：1）预测表现比较差。2）波动的持续性太强。这与第一点中提到的很差的预测表现是不符合的。
本文将要分析的问题主要包括：1）如何更好地模拟原油价格波动率的时间变化过程；2）原油价格大幅波动出现的频率与持续性如何；3）世界原油价格的波动性从上世纪80年代至今有没有显著上升；4）世界原油价格波动会不会“传染”国内原油价格。
为了克服传统波动性建模的不足，我们将采用“考虑区制转换的波动性建模”（SWARCH）来建立原油价格的波动性模型。即原油价格的波动可能处在不同的状态：高波动状态、中等波动状态和低波动状态。状态之间的转换满足一定的概率分布。同时考虑到原油价格变动的“波动性聚集”现象。SWARCH的结果表明，原油价格波动性随着时间推移不断的变化，并且在21世纪前10年的波动性要高于上世纪90年代，但是异常显著的高波动则主要是对外生的冲击（如突发政治事件、世界经济危机等）做出反应，计算结果能很好的模拟出原油价格波动变化的历史序列。检验的结果拒绝了“世界原油价格的波动不存在多区制转换”的原假设。同时，我们的分析的一个很大的优点就是可以明确的估计出原油价格处于异常波动状态的时期。
更进一步地，为分析世界原油价格与国内原油价格波动是否存在“波动传染”，我们将上述的分析扩展到考虑多元区制转换机制。计算的结果表明，世界原油价格是“波动源”，会将其波动迅速传导至国内，因此国内原油价格是“波动接受者”。特别是2000年6月国内原油价格与国际原油价格实现了充分的接轨后，国内外原油价格波动存在显著的联动效应。模型检验拒绝了“国内外原油价格波动独立”的原假设。考虑到原油价格的波动对宏观经济的显著影响，这一结果具有十分重要的意义。
本文的结构安排如下：第一部分是引言。第二部分在描述数据的基础上采用一簇传统的GARCH模型对原油价格的波动性建模，并分析其不足。为了解决上述不足，在第三部分引入了考虑区制转换机制的SWARCH模型，对原油价格波动率的历史进行模拟。为分析国际原油价格对国内原油价格的波动性传染，在第四部分又进一步将分析扩展至多元SWARCH的情形。最后一部分是结论和政策建议。
二、数据描述与传统波动性建模的缺陷
本文这部分选取了1987年5月～2011年8月的Brent原油现货价格的周数据作为研究对象。选取Brent原油价格的原因在于，首先，石油产品体系庞大，石油价格纷繁复杂，对油价的分析必须选择一个最具有代表性的产品价格进行研究。原油处于整个石油产业链的最上游，原油价格的波动传导到整个石油产业链，进而使成品油价格发生同向变动。其次，目前国际上的原油交易以三大原油为基础。它们分别是WTI、Brent和Dubai。它们之间的价格对比是决定全球原油流向的主要因素。全球原油贸易的50%左右都参照Brent原油定价。所以，从某种意义上来说，Brent原油市场是全球原油贸易的核心（魏巍贤、林伯强，2007）。
从图1可以看出，世界原油价格逐年波动，并且受到一些特定事件的冲击的波动性加剧冲击发生后，波动将持续一段时间，收益率（价格的对数收益率）呈现出“波动性聚集”的现象。比如，1990年8月伊拉克入侵科威特，加剧了世界原油供应短缺的预期，原油的存货需求增加导致原油价格从不到20美元/桶迅速上涨至超过40美元/桶。此后的90年代，原油市场相对风平浪静，原油价格的波动很小。直至1998年亚洲金融危机导致全球经济前景不明，原油需求低迷，原油价格从20美元/桶跌至不到10美元/替桶。2001年9.11事件以后，特别是从2003年美伊战争开始，原油价格一路狂飙至2008年8月份超过140美元/桶的历史高位。此后，2008年9月份，世界金融危机爆发，原油价格猛跌至2008年12月26日的35美元/桶，短期内价格下降幅度超过31/4。我们可以看到，原油价格受外生事件的冲击而导致价格波动的剧烈变化。因此，原油价格的波动很可能根据不同的外部环境而处于完全不同的波动状态，即Hamilton（1989）提出的“区制转换机制”。
为了分析原油价格的波动聚集性，我们根据模型判别准则估计了原油价格周收益率的AR（1/3）过程。对残差项和残差平方项的Ljung-Box检验无法拒绝残差项“满足白噪音假定”，而对残差平方项的Ljung-Box检验强烈拒绝了原假设（见表1）。世界原油价格变化存在明显的波动聚集性。
同时，由于世界原油价格受到外生偶发事件的冲击影响，价格变化更有可能出现极端值。表1是世界原油价格收益率序列的基本统计特征值，可以看出，样本峰度大于3，存在“尖峰肥尾”的现象。而且JB检验拒绝“样本序列服从正态分布”的原假设。
“尖峰肥尾”的现象在下图中得到了进一步的验证。我们将原油价格周收益率的核密度图与正态分布进行了对照，也可以看到原油收益率的分布相比于正态分布更可能出现异常波动的状况（见图2）。这说明，异常波动状况的出现概率要大于正态分布的可能性。
因此，为了更好的描述原油收益率的“尖峰肥尾”现象，我们估计的所有模型都假设残差项符合t分布，并利用最大似然法对各模型进行估计，即：
根据上面的分析，我们首先采用基于t分布的ARCH/GARCH为原油价格的波动性模型，并分析这种传统的波动建模方式的缺陷。为了改进这些缺陷，我们将借鉴Hamilton（1994）分析美国股票市场波动的思路，考虑原油价格的波动可能处于不同的波动“区制”，即原油价格的波动可能处在不同的状态：高波动状态、中等波动状态和低波动状态。状态区制之间的转换满足一定的概率条件。同时考虑到原油价格变动的“波动性聚集”现象和“尖峰肥尾”现象。
作为原油价格波动性建模的第一步和分析基准，我们首先估计了世界原油价格周收益率的GARCH模型。但是，GARCH模型的阶数p、q很难确定。本文采纳Bollerslev（1992）和Tsay（2002）的建议，波动性部分使用GARCH（1，1）。
我们估计了多种原油价格收益率GARCH模型，以反映当前收益率对未来若干期的影响。估计的结果见表2。结果表明在一簇GARCH结果中，AR（1）-GARCH（1，1）模型能较好的描述原油价格波动。
进一步地，我们考虑到波动性在原油价格上升时与在下降时不对称的可能性。我们的估计结果表明，原油的波动性在价格上升与下降时是对称的。Sadorsky（2006）也表明，虽然GARCH-L模型比较适用于民用燃料油和天然气价格波动性研究，但是原始形式的GARCH模型对于原油价格波动的拟合及预测效果是最好的。
因此，AR（1）-GARCH（1，1）是传统GARCH簇中能最好描述原油价格波动的模型。但是，我们在下面的分析将表明，即使是GARCH簇中对波动性描述最好的AR（1）-GARCH（1，1）依然存在两个重大且不相容的缺陷。
首先是波动的持续性太久。我们计算了GARCH模型衡量波动持续性的参数，用于分析原油价格面临冲击时，波动的衰减速度，结果见表2。我们的结果表明，当期对原油价格的冲击在下一期仍保留了97%左右，即某一个对油价的冲击在一年以后依然会残留
的影响力。这与原油价格高度变化的波动率是不相符合的。另一方面，如果原油价格波动率的持续性真如GARCH模型描述的那么持久，那么GARCH对于波动率的预测应该是很准确的。但是，事实并非如此。这就涉及与波动高度持续性不相容的GARCH模型的第二个缺陷——对波动率的预测不理想。
为了量化分析GARCH模型的预测能力，我们计算了在不同分布假设下的AR（1）-GARCH（1，1）模型波动性向前4步预测的MSE、MAE、
、｜LE｜，并于常数方差模型进行比较（表3）。同时，作为我们下面将要分析的SWARCH模型的特例，我们也计算了ARCH（2）模型的预测表现。结果表明基于t分布的GARCH模型预测能力最好。但是相对于常数方差模型，其对原油价格波动率预测表现的提高依然有限。
三、考虑区制转换的原油价格波动性建模
上文的分析表明，传统的原油价格波动性建模方法存在波动率高持续性和预测能力差不相容的问题。那么很自然的就要考虑，为什么传统的波动性建模策略会有这样的问题呢？Hamilton（1994）在分析美国股票市场的波动时，在Hamilton（1989）的思想基础上提出了一种可行的解释。他认为，当市场面临很大的冲击之时，市场发生了结构性的变化。为了模拟出面临巨大冲击之时的不同基本面，Hamilton（1994）将马尔科夫转换机制与ARCH模型结合起来，提出了考虑区制状态转移（Regime Swiching）的波动性建模思想，对美国股票市场波动进行模拟，并取得了很好的效果。
Hamilton（1994）的主要思想，是在ARCH模型的基础上，考虑不同时期的样本序列可能存在结构变化，而处在不同的波动状态
=j（j=1，2，…，K）比如2008年原油价格大起大落时，原油市场可能处于高波动状态的区制之中，而上世纪90年代前中期原油市场相对风平浪静时，原油市场可能处于低波动状态的区制之中。具体的模型设定可以参看Hamilton（1994）的文献。
我们基于t分布估计的AR（1）-SWARCH（3，2）模型的结果如下：
注意到原油价格收益率的均值方程的滞后项系数显著不为0，这说明在我们新的建模方式下，原油价格周收益率之间呈现正向序列相关的结论依然不变。
在中等波动状态=2之下，原油价格的波动强度是低波动状态下的2.47倍；值得注意的是，在高度波动状态=3，原油价格的波动强度激增到低波动状态下的11.23倍，其波动强度几乎是中等波动状态的5倍。因此可以预见，如果SWARCH模型能很好的揭示世界原油价格波动的生成机制，那么高度波动的状态应该集中在对原油价格有明显冲击的样本序列段。图3（见下页）和下面的分析将表明，我们的结果验证了这一点。
图3的最上一幅是世界原油价格的历史走势，以及其间主要的突发政治冲突和经济动荡。第二幅是原油价格收益率的序列，其中我们可以很清楚的看到波动聚集的现象。第3～5幅是原油价格波动分别处于低波动状态=1、中等波动状态=2和高波动状态=3的平滑概率。从原油价格波动在三个状态的概率分布来看，原油价格波动性随着时间推移不断的变化。1990年8月伊拉克入侵科威特，加剧了世界原油供应短缺的预期，原油价格上涨，世界原油市场的波动加剧。经历了半年的高波动以后，从1991年4月开始，世界原油市场进入一段风平浪静的低波动时期，一直到1995年10月。在其他时期，世界原油市场大部分处于中等波动状态。而突发的政治冲突和世界性经济动荡将会对原油市场造成冲击，导致波动加剧。比如2001年9·11事件以及2003年3月开始的美伊战争，都造成了原油市场的短期波动上升。2003年以后，世界经济繁荣带来的原油需求增加拉动了国际原油价格的上涨，波动性没有明显上升。但是，2008年9月份，世界金融危机爆发，原油价格从超过140美元/桶猛跌至2008年12月26日的35美元/桶。与此对应，我们从=3状态的概率突然上升也可以看到世界经济危机对原油市场造成的猛烈冲击。值得注意的是，1998年东南亚金融危机仅仅造成了高波动状态概率的微小幅度上升，说明上世纪90年代的东南亚对世界原油市场仅有微弱的影响。从长时段来看，在21世纪前10年的波动性要高于上世纪90年代。
总的来说，原油价格的波动可能根据不同的外部环境而处于完全不同的波动状态，即原油市场的价格波动存在“区制转换机制”。世界原油市场在90年代中前期处于比较稳定的状态，随后波动幅度有所增大，并在大部分时间段处于中等波动状态。而且世界原油市场由于突发的政治事件和世界性的经济危机而出现短期内的高度动荡，但动荡持续时间不长，世界原油市场会逐渐吸纳这些突发事件的影响而维持自身的相对稳定。
我们之前的分析提到，用GARCH模型分析原油市场的波动性时，存在两个不相容的缺陷：1）波动的持续性太强，持续性系数高达0.97。在波动率如此持续的情况下，我们应该能够很好的预测原油价格的波动走势。但是，2）在波动高持续性的前提下，模型对波动性的预测能力却非常有限。
我们对照了SWARCH模型的表现。在考虑到价格波动的区制转换时，波动率的持续性参数λ减小到0.244。注意到
=0.0035，这意味着当期的波动冲击在一个月后几乎消失殆尽。因此，可以预见到，在该模型下，波动率的预测值应该是迅速变化的。我们的结果很好的模拟了这一点。图4描述的是向前4步预测的波动率走势，可以看到，SWARCH和GARCH向前4步预测的波动率趋势虽然大致类似，但是，SWARCH会对波动率的变化做出迅速的反应，而GARCH的波动率变化则相对平滑得多。在考虑到原油价格波动的区制转换的情况下，原油价格的波动可能处在3个不同的波动状态，在任意时刻都有可能从一个状态转移到另一个状态，区制之间的转换使波动率的变化能对各种冲击做出迅速的反应。
SWARCH显著的改善了GARCH模型波动率持续性太强的问题，那么直观来看，在波动率迅速变化的情况下，波动率的预测更为困难。但是从预测表现来看，SWARCH模型在四种不同的预测表现衡量标准下都相对于之前表现最好的GARCH（1，1）-T有了进一步的改善（结果见表4）。
四、国内外原油价格“波动性传染”
对于传染效应（contagion effect）研究的大量兴起主要源于一个事实：随着世界市场的一体化和金融市场之间联系的日益密切，地区性的经济危机和金融危机往往通过市场的联系而传导至其他地区甚至全世界。其中股市的这种波动传染尤其明显。因此“波动传染”的相关研究较多集中在金融领域（比如Beirne等，2009；Polson等，2011），研究方法采用多元GARCH或者随机波动率模型。金洪飞和金荦（2008）采用VAR和多元GARCH比较研究了中美股市和国际原油市场在收益率以及波动的相互溢出效应。Edwards & Susmel（2001）在Hamilton（1989）和Hamilton & Susmel（1994）的基础上构建了多元区制转换的波动性建模模型（Multivariate SWARCH Model），分析世界不同地区的股票市场波动是否会发生传染，结果表明这种波动传染效应是显著存在的。
在上一部分证明了SWARCH模型合理性的基础上，我们参照Edwards等（2001）将模型进一步扩展到了多元情形，分析世界原油市场的波动是否会“感染”中国原油市场的波动，即国内外原油波动的联动效应。一般而言，在市场分割的情况下，两个市场的价格波动是相对独立的。但是在国内原油市场与国际原油市场充分接轨的情况下，波动应该是高度联动的。我们的结果很好的验证了这一点。
由于多元情况下的区制组合比较复杂，比如考虑国内外波动率均存在3种区制的情况，那二元模型将存在9种不同的区制状态。我们的分析想要得到的是国内外波动情况的联动情况，因此我们只需要相对简化的考虑国内外各2种区制（正常波动状态、高波动状态），组合后模型将存在4种不同的区制：（世界原油市场正常波动；中国原油市场正常波动）、（世界原油市场正常波动；中国原油市场高波动）、（世界原油市场高波动；中国原油市场正常波动）、（世界原油市场高波动；中国原油市场高波动）。
其中，世界原油市场是波动的“源头”，而中国原油市场是波动的“接受者”。因此，为了分析作为“源头”的世界原油市场波动是否会感染中国原油市场，我们需要估计出上述4种区制随时间的演进，并对两个市场的波动是否独立进行检验。
二元SWARCH模型可以表示为：
如上面部分的一元SWARCH，样本序列在各个不同的波动状态区制=j（j=1，2，3，4）之间的转移能用一个马尔科夫链过程描述：
我们依然选取Brent原油价格作为衡量世界原油价格的变量，同时，选取大庆原油作为国内原油市场的代表来研究国内原油的市场波动性。选取大庆原油衡量中国原油价格主要基于以下原因：大庆油田就目前的油气探测储量来说，是中国最大的油田，产量也占到中国原油产量的40%以上。大庆原油市场基本代表了中国整体原油市场水平，而且也是国际上采用的中国原油市场的代表。不过，中国原油市场在1998年6月与国际接轨之前，采用的是单一的国家计划控制（1981年以前）以及随后的市场双轨制（1981年—1998年6月）。市场主导原油市场始于1998年6月1日开始的油价形成机制市场化改革（魏巍贤、林伯强，2007）。因此，我们的研究样本采用1998年6月—2011年8月的Brent原油与大庆原油现货市场周数据。
为了分析世界原油市场对国内原油市场是否存在波动“传染”，要分三个子部分并进行比较：a.对世界原油市场和国内原油市场不施加任何约束；b.对两者施加“相互独立”的约束；c.对上两步计算的结果进行检验，证明在统计意义上国内外原油市场波动是否“传染”。计算的结果表明，世界原油市场是“波动源”，会将其波动迅速传导至国内。检验拒绝了国内外原油市场波动独立的原假设。
我们首先估计了对世界原油市场和国内原油市场不施加任何约束的情形。图5反映了原油市场处于四种区制状态的概率。
那么，如何解释2001年4月份以前，中国的原油市场能部分隔离于世界的高波动呢？为什么这种状态的概率又在2000年6月以后从峰值急剧下降？为什么唯独在1999年前后中国原油市场波动偏离世界市场而使处于高波动状态（=2）的概率有一定程度的上升呢？分析我国原油定价机制的历史，在1998年6月油价形成机制市场化改革初期，我国每月的原油交易价是以上月新加坡原油均价为基准，加上适当的贴水确定的。当新加坡原油市场在本月的波动幅度超过5%时，下个月的国内原油市场也作相应的调整，但是这仍是在一定程度下处于政府管制的有限接轨，因此在国际市场波动加剧的时候，由于政府介入免除了部分波动干扰。这一机制后来（1999年前后）被恶意操控，造成中国国内原油市场投机加剧，增加了中国原油市场的波动性，但是影响幅度不大。中国从2000年6月开始进行进一步的改革，开始逐月与国际市场联动。从我们的估计结果可以看到，P（=3）在2000年6月以后从峰值急剧下降。至2001年4月份减小到0左右，自此一直到目前，世界原油市场和中国原油市场基本上总是处于同一波动状态（=1或者=4），即在原油市场国内与国际价格充分接轨。
为了用数据对国内外原油价格波动传染进行进一步验证，我们对模型施加了中国原油市场与世界原油市场“相互独立”的约束，即约束
以及
=0。我们重新估计了模型，在这种约束下，原油市场处于四种区制状态的概率如图6所示。
可以看出，在强制假设两个市场“相互独立”以后，在所有时间段，原油市场的波动均在四个区制之间急速地转化。这种急速的变动并不符合我们的直观感受，也无法进行明确的经济学解释（Edwards，2001）。因此，我们怀疑国内与世界原油市场波动独立的约束条件是否合理。下面我们对“波动独立”的假设进行检验。
从我们以上的分析可以发现，从2000年6月原油价格定价机制以后，经过短期的调整，国内原油价格作为波动“接受者”基本上受到世界原油价格波动“源头”的感染。而且我们的检验拒绝了两者独立的原假设。
五、结论和政策建议
原油价格波动对经济运行的重要性首先体现在增大了经济中的不确定性，不利于投资行为，进而影响经济绩效。另一方面，由于短期资本存量相对固定而使得厂商无法进行生产投入的最优化，导致经济衰退。从更长期的角度而言，生产要素相对价格的变动导致部门和行业间有成本的重新配置，而形成一种供给冲击，导致产出的减少。
作为对照，我们首先采用传统的GARCH模型，模拟结果表明存在两个不相容的缺陷，即过强的波动持续性和较弱的波动预测能力。为了能够更好的模拟原油价格波动率的时间变化过程，我们考虑了原油市场在面临冲击时可能会存在结构性变化，那么在不同的市场结构之下，原油价格的波动应该处于不同的区制状态，从而引入了SWARCH。我们的结果表明，原油价格的波动可能根据不同的外部环境而处于完全不同的波动状态，即原油市场的价格波动存在“区制转换机制”，我们的模拟结果能够很好的拟合原油市场冲击对原油市场波动性的影响。世界原油市场在90年代中前期处于比较稳定的状态，随后波动幅度有所增大（在21世纪前10年的波动性要高于上世纪90年代），并在大部分时间段处于中等波动状态。而且世界原油市场对突发的政治事件（比如伊拉克入侵科威特等）和世界性的经济危机而出现短期内的高度动荡，但动荡持续时间不长，世界原油市场会逐渐吸纳这些突发事件的影响而维持自身的相对稳定。突发事件持续时间短，持续数年的价格波动形态的变化不可能是某一因素的短期扰动的结果，长期趋势受来自经济层面的影响更大。而且我们检验的结果也支持区制转换的存在。
为了定量地分析国内外原油市场是否充分接轨，世界原油市场的波动是否会迅速地感染国内原油市场，我们将原油市场一元的区制转换机制进一步扩展到二维，建立了基于区制转换的二元原油波动率模型。结果表明，国内和国际原油市场的高波动都主要是由于外生突发事件对原油市场的影响。同时两者的联动性主要取决于国内与国际原油市场是否充分的接轨，国内定价机制是否造成国内原油市场的投机也会对国内市场波动造成较为微弱的影响。2000年6月以后，国内原油价格作为波动“接受者”与国际原油的波动高度同步；而在之前由于接轨不充分，政府一定程度的介入隔离了一部分国际原油市场的波动影响。
国际接轨的关键弊端是：在成品油市场相对垄断的情况下，国际接轨会使国内油价与国内的成品油供需割裂开来，不利于市场运行和资源配置。如何解决这一问题，将成为我国成品油价格机制进一步改革的一个重要方面。
标签：波动性论文; 原油论文; garch论文; 波动率论文; 原油投资论文; 原油分析论文; 油价论文; 原油策略论文; 预测模型论文; 能源论文; 石油论文; 高波论文;