国际原油与国内柴油价格传导机制研究

魏飒飒

中海油能源发展股份有限公司采油服务分公司 天津 300452

1 数据来源

考虑到Brent原油是全球原油定价基准，这里以Brent代表国际原油价格进行分析。柴油牌号种类众多，其中0#柴油的应用最为广泛，故以0#柴油价格代表国内柴油零售价格。考虑柴油价格相对稳定，柴油价格的日度数据几乎没有波动，笔者选取2018年的月度数据为样本进行分析。国际原油价格原始数据来源英为财情Investing.com，将其按国家外汇管理局发布的不同时期美元对人民币汇率中间价及原油体积与重量之间的单位进行换算，统一单位为元/吨用SER01表示。0#柴油价格原始数据来源于中华人民共和国国家统计局发布的《流通领域重要生产资料市场价格变动情况》，用SER02表示[1]。

2018年 国际原油价格（元/吨）国内柴油价格（元/吨）1月 3170 6364.5 2月 3040.2 6156.3 3月 3219 6001.4 4月 3475.3 6156 5月 3630.9 6430.5 6月 3839.6 6716.1 7月 3692.7 6691 8月 3860.9 7058.9 9月 4147.8 7604.9 10月 3843.1 8090.5 11月 2983.2 7618.8 12月 2701.5 6282.7

2 平稳性检验

在建立VAR模型前，首先要选择合适的检验模式以检验变量的平稳性。

ADF的原假设存在单位根，若ADF值在1%临界值下则表示严格拒绝原假设，在5%临界值下则表示拒绝原假设，且一般认为P值在0.05水平下则拒绝原假设。检验结果表明：SER01的ADF检验值大于5%，不能拒绝原假设，序列不平稳；SER01按原时间序列的一阶差分形式，其ADF值小于1%显著水平且P值小于0.05，显著地拒绝了原假设，序列达到平稳状态。SER02的ADF检验值小于5%，显著地拒绝了原假设，序列达到平稳状态。

向量自回归模型构建建模的第一步是合理确定滞后阶数，笔者通过LagLengthCriteria方法分别估计了所有变量的1至5阶滞后。滞后结果表明，SER01、SER02估计的最优滞后阶数为2阶,笔者将模型的最佳滞后阶数确定为2阶，从而建立了SER01和SER02的VAR模型。

由于构建的VAR模型必须是稳定的，否则结果无效，故需对模型的稳定性进行检验，由Eviews生成AR特征根图，模型全部的特征根均位于单位圆内，印证了模型的稳定性，建立的VAR模型的估计有效[2]。

VAR模型估计结果显示，国际原油价格不仅受自身滞后1期和2期的较大正向影响，还受柴油零售价格的负向影响，但相较而言，柴油价格对国际原油价格的影响程度较小，滞后1期的影响程度为1.1751，滞后2期仅为0.7974，而国际原油价格受自身滞后1期的影响程度为1.7542，滞后2期为0.2011，这说明国际原油价格主要受上月历史价格的影响。柴油价格则不同，其显著地受到国际原油价格波动的影响，在滞后1期国际原油价格每波动1%，就会正向推动柴油零售价格随之变动1.75%，在滞后2期每波动1%则会负向影响柴油价格变动0.58%。柴油价格也受自身历史价格的影响，但其在滞后1期的影响程度为0.2294，滞后2期为0.378，均弱于国际原油价格的影响，即国际原油价格才是影响柴油零售价格的最主要因素[3]。

3 脉冲分析

在VAR模型中，任意变量随机扰动项的一个冲击不仅会直接影响这个变量，还会通过模型的动态滞后结构影响其他变量的取值，而这一影响可以通过脉冲响应函数来体现。因此，为直观地显示模型变量间的动态交互关系，笔者分别研究了SER01和SER02受到一种外界因素冲击时对彼此当前值及未来值产生的动态影响，结果如图1所示。

图1 国际原油与国内柴油价格的脉冲响应分析

图1 显示两组脉冲响应函数均先在一定时期内上下波动后逐步收敛于0。对柴油零售价格来说，其对国际原油价格的一个正向冲击产生了正响应，在滞后2.5个月的脉冲响应最大。由此可见，而柴油价格对国际原油价格波动的反应约滞后2.5个月。