经济不确定性和地缘政治风险对国内外原油价格的溢出性分析

摘 要：本文采用多元GARCH模型对条件相关性进行建模，研究2018年3月—2022年6月“一带一路”沿线中东国家油价、国内原油价格、经济政策不确定性和地缘政治风险之间的全球动态关系。实证结果表明，动态条件相关模型拟合数据最好，表明国内外油价与经济不确定性以及地缘政治风险之间存在时变的溢出效应，其中迪拜原油价格与国内原油价格之间的动态条件相关性较高。

关键词：油价；地缘政治风险；经济不确定性；多元GARCH；波动性溢出

本文索引：张思萌.<变量 2>[J].中国商论，2024（02）：-096.

中图分类号：F742 文献标识码：A 文章编号：2096-0298（2024）01（b）--04

1 引言

石油作为重要的能源形式之一，它是保障国家经济安全与社会发展的战略性物资，其价格波动会影响到国民经济的各个部门（田洪志，2022）。而在全球不确定性冲击加剧的环境下，国际油价对我国存在直接影响的产业类别不断增加（王荣行，2021），国际油价风险对于中国来说更是客观存在的（高丽，黄莉娜，2022）。油价的快速下跌和短期内的急剧反弹不时出现。因此，解开油价波动是极其重要的。从目前世界原油市场的格局来看，GPR无疑是油价波动的主要原因之一，特别是产油国紧张的地缘政治关系对油价波动产生了越来越明显的冲击。中东丰富的石油资源对于我国的社会经济发展是重要的资源和驱动力，是保障我国石油安全的主要途径之一（孙晓艳等，2016）。可见探究国际油价与地缘政治风险之间的溢出效应对我国石油资源保障具有重要的现实意义。在GPR上升的同时，EPU也在發生变化。在全球范围内，随着近年来经济的放缓，经济政策不确定性和金融风险的上升令政策制定者、投资组合经理和投资者感到困惑（Di Yuan，2022），且经济不确定性对于原油需求和供给具有重要的信息价值，其对原油的影响很大（Feng He，2021）。油价稳定有利于宏观经济稳定发展，政府发布的经济政策会使得油价发生变化，而油价波动反过来又会影响经济政策。由此可见研究经济政策不确定性对原油价格的影响十分必要。

鉴于此，本文首先采用多元GARCH模型，结合3种石油期货价格，测度经济政策不确定性和地缘政治风险对于国内外石油价格的溢出效应，讨论受到不确定性风险的冲击效应时国内外石油价格的波动变化情况，以期减少不确定性风险的影响、推动中国能源安全平稳发展。

2 实证模型

本文采用向量自回归（VAR）模型确定各变量与其滞后项的自相关性及交互相关性。再用多元GARCH对多变方差和协方差进行建模，此处假设条件方差为VARMA-GARCH（1，1）（Ling和McAleer，2003）。

式（1）中，为序列i的返回，是带有条件方差对应的随机误差项。石油市场变化在时区t-1期取得，记为。在式（2）中确定随机误差量和条件方差之间的关系（Engle，2002）。动态条件相关（DCC）模型中的是随着时间变化而变化的量，定义如下：

式（4）中，为5×5的条件协方差矩阵，为条件相关矩阵，为标准差对角线矩阵。

对于常数条件相关模型（DCC），=R和=。在MGARCH模型中，所有的i和j能够得到=0。T统计量的计算通过使用协方差矩阵的稳健估计来得到。其中，是一个对称的正定矩阵，当滞后期数为1时，形式如下：

参数和是非负的，其和小于单位。相关估计是：

对于常数条件相关（CCC）情况，=R和=。在MGARCH对角线模型的标准化残差可以用来计算一个无条件的协方差矩阵。

3 数据的选取与描述

3.1 数据的选取与来源

本文使用变量国内原油期货价格（OIL）、阿曼原油期货价格（DME）、国际油价（WTI）、美国经济政策不确定指数（EPU）和地缘政治风险指数（GPR）在2018年3月26日至2022年6月6日的日度数据。WTI原油市场是当前世界最具影响力的原油期货市场。迪拜原油价格被广泛运用于原油现货贸易中，以上数据来源于Wind数据库。本文采用的日度美国不同类型经济政策不确定性指数由Baker等（2013）构建，使用指数水平值代入模型进行计算，数据来源于EPU官网。Caldara和Iacoviello（2019）提出了GPR指数，能够精准刻画地缘政治风险。

3.2 描述性统计

2020年，俄罗斯与沙特之间谈判破裂的“石油价格战”对石油价格带来冲击，而新冠疫情致使原油需求下降的影响，更加剧了原油价格的下滑。同时从2020年开始虽然油价系列是平稳上升的，但随着时间推移EPU由于新冠疫情和俄乌战争的发生波动剧烈。中美战略博弈、美俄冲突态势加剧、美国从阿富汗撤军等事件的发生使得GPR在2020—2021年波动频繁。

表1列出了收益率汇总统计数据。其中，WTI的日回报率均值和标准差最大，这表明WTI在样本期间的日回报水平最高，而且比其他油价波动更明显。JB统计量也表明四者的分布均呈现显著的非正态性。此外，本文对各变量进行了相关性分析。

表2显示了变量间每日收益。无条件相关性表明各个变量之间存在着正相关或负相关。经济政策不确定性、地缘政治风险与国内油价、迪拜油价分别呈负相关，其他系列均为正相关。地缘政治风险与其中国内石油价格与迪拜石油价格之间存在的无条件关联最高且为正相关。虽然相关数值不高，但迪拜原油价格与地缘政治风险之间存在负向关系。

图1显示所有变量的每日收益平方的时间序列图。在新冠疫情期间，各个变量都表现出明显的波动性聚集性，其中国内外油价在疫情始发期波动剧烈。经济政策不确定性的波动主要发生在拜登当选美国总统、美军撤离阿富汗等事件期间。地缘政治风险则在俄欧对话失败、俄乌战争爆发期间一直波动频繁。结果表明，俄欧对话失败、俄乌战争对地缘政治风险产生了非常明显的溢出影响。

4 实证分析

4.1 MGARCH估计结果

首先观察均值方程，这五个变量的均值外溢效应存在着正向和负向统计显著性。根据均值方程，有较多的证据表明回报是持久性。国际油价（WTI）自身的均值溢出效应具有正的统计学意义，其他各变量之间自身的均值溢出效应具有负的统计学意义，这表明国际油价的日回报率波动将对中国油价产生显著的积极溢出效应。回报的日波动率发生在迪拜油价和地缘政治风险时，对国内油价产生显著的负面溢出效应。相反，中国油价回报的对数波动会对迪拜油价、国际油价、经济不确定性产生正溢出效应，这些结果表明，国内石油价格回报的日波动率将对迪拜油价以及经济政策不确定性产生显著的负面溢出效应。

变量的条件ARCH效应的系数显著性达到1%，这证明各个变量短期波动的持续性。因此，条件方差是自滞后协方差对波动性的影响和各变量的滞后收益率的函数。值得注意的是，在DCC模型中，估计的有效系数为正，且具有统计学意义。这一结果证实了中国油价和全部变量之间存在积极的交叉效应和反馈效应。

4.2 动态条件相关性

图2展示了来自DCC模型的时变条件相关性。在图2中，各个系列的波动性聚类模式都是显而易见的，动态条件相关图清楚地表明，序列变量的条件相关性不随时间保持不变，而是随时间波动。其中，动态条件相关与常数条件相关有很大差异，因此进行动态条件相关的计算是非常必要的。

总体而言，国内油价与迪拜油价、国内油价和国际油价、迪拜油价和国家油价之间的动态条件相关性是正相关的，波动在0到0.8之间。其他系列在实际波动中动态条件相关性正负交替，并覆盖了在-0.3～0.2的值范围。尽管每对相关性都有明显的波动趋势，但迪拜油价和国际油价之间的动态条件相关性在2020年初“石油价格战”、新冠疫情期间波动明显。其余结果表明，除经济政策不确定性与地缘政治风险等一系列外，其他系列之间存在相对明显的积极溢出效应。图2中的时间序列图显示了对于每一对序列来说，动态条件相关比常数条件相关模型的相关更能够提供有用的信息。

5 实证分析

实证结果表明，对于每一对序列的动态条件相关与其各自的常数条件相关有很大差异。首先，对于每一对系列，动态条件相关性在2022年持续走高，这是因为石油增产计划失败供不应求，对油气供需和库存现状的不一致反应极大。再加之俄乌战争表面下俄罗斯与欧洲的能源拉锯战，面对石油“短缺”的现实，油价也出现回升迹象。国内石油价格与地缘政治风险之间的动态条件相关性高于迪拜石油价格与地缘政治风险之间的动态条件相关性。滞后一期的迪拜油价以及地缘政治风险的增加会显著提高国内油价增长率。在BEKK模型下，地缘政治风险与迪拜油价的动态相关系数和T统计量均为负，说明地缘政治风险指数波动率外溢会反向影响迪拜原油的波动率；国内油价和迪拜油价、国内油价与地缘政治风险的动态相关系数都为正，说明国内的波动率会正向影响迪拜原油与地缘政治风险指数的波动率。

综上，本文提出以下政策建议：首先，我国应通过持续提高石油使用效率，开发其他替代能源等方式来降低国外油价波动对我国油价的冲击；其次，我国应建立针对极端地缘政治风险的风险防范体系以防止对我国油价的冲击；最后，市场中的参与者应该提高风险敏感度，建立风险防范全局观。

参考文献

田洪志，姚峰，李慧.国际油价波动下的东亚原油市场格局[J].日本学刊， 2022（3）： 28-49+149-150.

高丽，黄莉娜.国际原油价格波动的影响因素研究[J].合肥学院学报（综合版），2022，39（2）：58-64.

孙晓艳，段红梅.中東乱局对中国能源安全的影响分析[J].资源与产业，2016，18（4）：7-13.

Di Yuan， Sufang Li， Rong Li， Feipeng Zhang，Economic policy uncertainty， oil and stock markets in BRIC：Evidence from quantiles analysis，Energy Economics，2022，105972.

Feng He， Feng Ma.Asymmetric volatility spillover between oil-importing and oil-exporting countries’ economic policy uncertainty and China’s energy sector[J].International Review of Financial Analysis，2021，101739.

Ling S，McAleer M.Asymptotic theory for a vector ARMA－GARCH model[J].Econometric theory，2003，19 （2）：280-310.

Engle R. Dynamic conditional correlation： A simple class of multivariate generalized autoregressive conditional heteroskedasticity models[J].Journal of Business ＆ Economic Statistics， 2002， 20 （3） ： 339-350.

Baker S R， Bloom N， Davis S J. Measuring economic policy uncertainty[J]. NBER Working Paper， 2013： 1-48.