国际贸易中石油价格的波动性与风险分析

天津财经大学 蔡进洲

石油作为现代工业的血液, 对一个国家的生产活动、经济发展和社会稳定都肩负有不可替代的责任。中国作为目前世界上最大的转型经济体，在经济的发展过程中，对石油等基础性资源的依赖程度也与日俱增，对石油贸易的依赖性也越来越强，据相关机构测算，国际石油价格每上涨10美元，我国GDP增长将减缓0.6个百分点，这与我国GDP增长20%来自石油的贡献是吻合的。据《世界能源展望2007:中国与印度探索》相关数据报告，在2010年代初期，中国的常规石油产量估计会达到390万桶/日的高峰，随后开始下降。因此，中国的石油净进口量将从2006年的350万桶/日增长到2030年的1310万桶/日，而净进口在总需求中的比例将从50%上升到80%。中国石油需求不断加大、对外依存度不断加深，使国内石油市场与世界石油市场的联系日益紧密。2000年以来，出于对全球通货膨胀加剧的忧虑，越来越多的资金源源不断的进入商品市场。石油成为很多基金的投资和投机的目标。石油价格已经不再仅仅取决于供给和需求，石油安全问题已经由“供给安全”向“价格安全”发生了转变，石油已经化生为金融市场里的一个交易标的物,石油金融化特征愈加明显。中国作为世界第二大石油消费国，国际石油市场的变化，尤其是国际油价的变动，对中国经济的影响也将越来越大。正是基于以上问题的思考，本文将石油当作一种金融资产，并运用计量经济学的方法研究如何有效控制石油贸易市场风险，其研究结果具有一定的实践价值。

1 文献综述

国外有关石油贸易中市场价格风险的研究文献很多：Pierre(2003)应用向量自回归( )模型研究了石油价格波动性，并系统探索了其风险的来源及规避方法。作为国际上通用的风险管理方法VaR，以其众多的优点正被越来越多的学者和机构应用到能源风险的管理中；在研究方法上，Robert(2002)成功的应用VaR理论中的极值理论方法对高置信度、短持有期的一个电力投资组合进行分析。并将估计所得 的值与能源市场风险管理中常用的模型的分析结果进行比较，发现该方法在95%～99%的置信水平下表现优于其他模型。此外，还发现基于资产回报正态分布性假设的模型在95%～99%的置信水平下都不准确；Sember(2003)应用VaR模型来度量石油价格风险，指出 能够提供一定置信水平下石油的最大价格变化信息，并能够用来制定风险策略。

我国学者冯春山、吴家春(2003)及潘慧峰、张金水(2005)也运用 类模型分别分析了国内外原油价格的波动性，得出阿拉伯轻油价格具有波动性和非对称性，国内原油价格收益率具有显著的异方差性和杠杆效应等重要结论；张跃军、范英等(2007)通过模型分析我国大庆油价的波动率，发现国内油价存在显著的 效应，此结论与马超群、李科的研究结果相反；袁放建、许燕红、刘德运(2011)运用 族模型分析了石油市场与黄金市场的波动关系，认为私有市场具有显著的方差时变性以及新信息对波动冲击的持续性， 模型能够很好地消除其 效应。

2 实证研究

2.1 数据的选取、处理及特征

本文选取了国际原油贸易市场上比较有代表性的西得克萨斯中油(WTI)现货市场日价格数据为研究对象，在这里，我们其实是把石油现货价格作为一种金融资产、投资工具或一只“虚拟”股票的价格，计算样本取2009年2月8日至2012年1月9日三年中的705个交易日数据；所选数据样本取自最近几年的数据，更具备说服力，样本容量相对较大，有助于提高模型模拟的准确性。

2.1.1 价格收益率

石油价格的收益率是指在每一期石油价格相对于前一期价格所获得的收益，本文收益率表达形式采用几何收益率的计算方法：，其中 是第t天的价格。

2.1.2 石油价格收益率序列的特性

我们运用计量经济学软件Eviews 6.0对石油现货价格日收益率进行正态性检验。在随机变量x为正态分布的零假设条件下，峰度为3，偏度为0，Jarque-Bera统计量服从自由度为2的 分布。在此，我们得到的检验结果如图1所示：

从上述检验结果来看，石油现货价格的收益率分布的偏度为-0.340018，小于0，左偏，峰度为10.16144，大于3，呈现尖峰厚尾的特征，Jarque-Bera统计量的值为1517.961，相应 分布对应的分布概率为0，所以拒绝正态分布假设。因此，本文使用t-分布代替正态分布反应石油市场收益率的尖峰厚尾性。

2.2 石油市场波动性研究

2.2.1 石油市场收益率的ARCH效应检验

图1 收益率正态性检验

图2 收益率的残差序列图

由图2可知，残差序列波动性随时间变化出现连续偏高或连续偏低的现象，呈现明显的波动集聚性，这说明随机扰动项有可能存在条件异方差性。在此我们假设石油现货价格对数收益率的均值方程为：，进一步使用拉格朗日乘数法检验数据序列可能存在的条件异方差性，结果如表1所示，表明收益率拒绝不存在 效应的原假设，即存在显著地的 效应。因此本文可以采用 模型予以拟合。

表1 收益率的ARCH-LM检验结果

2.2.2 石油市场收益率的平稳性检验

在使用 模型之前我们必须对收益率时间序列进行平稳性检验。使用ADF检验法检验数据的平稳性，结果如表2所示，在1%、5%和10%的显著水平下都拒绝序列非平稳的原假设，表明收益率是十分平稳的。

表2 收益率的平稳性检验结果

2.2.3 石油市场风险状况 模型分析

通过以上对石油现货价格收益率序列的分析，我们发现石油价格日收益率是一个非正态分布的平稳序列，具有尖峰厚尾的特征，而且石油现货价格收益率存在显著的“波动集聚性”特征。所以，我们这里不能简单的使用正态分布来模拟石油价格日收益率的变动。针对这一现象，许多经济学学者进行了大量的研究，这其中最成功的模型就是恩格尔(Engle)提出的自回归条件异方差模型(即 模型)及其扩展的 模型等。本文选用

模型来检验石油现货价格收益率波动性情况。为了能更好的描述石油现货市场的波动情况，我们需要选择

中最佳的p和q值，此处我们可以使用信息准则来判断模型是否有效，检验结果如表3：

表3 模型信息准则检验结果

均值方程：

方差方程：

可以看出，收益率条件方差方程中 项和 项都非常显著，表明收益率具有显著的波动性。另外，方差方程中项和 项系数之和为0.960115，接近于1，且满足的约束条件，表明条件方差有限，新信息对石油市场波动的冲击有很强的持续性。建立上述 模型后，再进行一次效应检验，结果如表4所示，收益率接受不具有 效应的原假设，即不再具有 效应，说明了 模型的拟合效果较好。

表4 收益率的ARCH-LM检验结果

2.3 石油市场价格风险度量

2.3.1 收益率日 的计算

运用 模型计算 的计算公式为： 。在计算 时，采用95%和99%的置信水平分别计算石油市场现货收益率序列在样本期间的日 ，计算公式为：

95%置信度： =-1.645*条件标准差

99%置信度：=-2.326*条件标准差

其中，1.645和2.326分别为在t-分布下的95%和99%的分为点。计算结果的统计特征如表5：

表5 不同置信水平下日 计算结果

如上表所示，在 模型下，样本期限内所持有石油市场现货在95%的置信水平下每天潜在的平均亏损不超过3.8678%，最小亏损不超过2.9274%，最大亏损不超过14.2098%；而在99%的置信水平下，每天潜在的平均亏损则不超过5.4691%，最小亏损不超过4.1393%，最大亏损不超过20.0924%。

2.3.2 后验测试

本文采用失败检验法对 的准确性进行检验，失败检验法通过比较实际损失超过 的频率与在一定的置信水平下的上限值是否极其接近或者相等，来对 模型是否有效作出判断。如果模拟的失败率非常近似的等于预先设定的显著性水平，则可以认为模型是有效的；如果失败率与显著性水平相差较大时，则说明模型是不适合的。结果如表6所示：

表6 不同置信水平下 后验测试结果

由表6可知，在95%的置信水平下，模型失败率为4.96454%；在99%的置信水平下，模型失败率为1.70213%，分别接近于5%和1%的显著性水平，说明模型是有效的。我们得到收益率与不同置信水平下的拟合图如图3所示：

图3 收益率与不同置信水平下 的拟合图

3 结语

本文通过对西得克萨斯中油(WTI)现货市场2009年2月8日至2012年1月9日三年中的705个交易日的价格进行汇总，运用模型对石油市场收益率波动性、风险状况进行了实证研究，得出了如下结论：

(1)石油贸易市场价格收益率呈现尖峰厚尾现象，不具有正态分布特征，且存在显著的 效应，而且石油现货价格收益率存在显著的“波动集聚性”特征。

(2)模型能够很好地消除石油市场收益率的 效应，且其方差方程中的 项和 项系数之和都接近于1，表明新信息对石油贸易市场波动性具有很强的持续性。

(3)我们可以看到后验测试的结果基本符合要求， 值预测较为有效，这表明基于t-分布的 模型能够较好的估计石油贸易市场的价格风险。同时，通过上面的收益率和 的拟合图，我们可以明显的看出，对于 模型来说，置信水平越高，收益率超过 的次数就越少。

[1]陈柳钦.新形势下中国石油金融战略研究[J].金融理论与实践,2011(7).

[2]冯春山,吴家春,蒋馥.国际石油市场的ARCH效应分析[J].石油大学学报(社会科学版),2003(4).

[3]潘慧峰,张金水.基于ARCH类模型的国内石油波动分析[J].统计研究,2005(4).

[4]张跃军,范英,魏一鸣.基于GED-GARCH模型的中国原油价格波动特征分析[J].数理统计与管理,2007,26(3).

[5]袁放建,许燕红,刘德运.石油市场与黄金市场收益率波动溢出效应研究[J].上海金融,2011(3).