国内外原油市场的风险溢出检验.doc

国内外原油市场的风险溢出检验作者姓名: 潘慧峰，清华大学经管学院经济系博士生张金水，清华大学经管学院经济系教授，博士生导师 内容提要：本文采用美国西得克萨斯（WTI）和我国大庆2002年5月至2005年5月的原油价格的日度数据，运用基于GED分布的GARCH模型估计了两个市场95和90置信水平下的上涨和下跌的条件VaR，并利用Hong(2001)年提出的风险-Granger因果检验方法分析了两个石油市场的风险溢出效应。实证结果表明，WTI和国内原油市场间存在双向的风险溢出效应，进一步的分析表明风险溢出方向是从国际石油市场到国内石油市场。关键词：石油市场，风险溢出，VaR, 极端上涨风险，极端下跌风险国内外原油市场的风险溢出检验潘慧峰 , 张金水（清华大学经管学院 北京 100084）内容提要：本文采用美国西得克萨斯（WTI）和我国大庆2002年5月至2005年5月的原油价格的日度数据，运用基于GED分布的GARCH模型估计了两个市场95和90置信水平下的上涨和下跌的条件VaR，并利用Hong(2001)年提出的风险-Granger因果检验方法分析了两个石油市场的风险溢出效应。实证结果表明，WTI和国内原油市场间存在双向的风险溢出效应，进一步的分析表明风险溢出方向是从国际石油市场到国内石油市场。关键词：石油市场，风险溢出，VaR, 极端上涨风险，极端下跌风险中图分类号: F426. 2文献标识码: A 文章编号: The Risk Spillover Effect between International and Domestic Oil MarketsPAN Hui-feng ZHANG Jin-shui（.School of Economics and Management, Tsinghua University ,Beijing ,100084, China）Abstract: This paper adopts GARCH model based on GED distribution to estimate the conditional VaR in both upside and downside direction at the confidence level of 90% and 95% and then utilize the Granger causality test in risk proposed by Hong(2001)to uncover the risk spillover effect between WTI and Daqing oil markets, the daily data of oil price of two markets ranging from May 2000 to May 2005. Our findings indicate that there exists strong bilateral risk spillover effect between international and domestic oil market. Further analysis reveals that the direction of risk spillover is from international market to domestic market. Key Words: oil market; risk spillover; VaR; extreme upside risk; extreme downside risk;一、引言自1997年我国原油定价与国际接轨以来，我国的原油定价主要受国际市场的影响，只能被动接受国际油价的波动；近年来我国经济发展对石油的依赖程度逐渐增加，石油的进口量激增，国际油价剧烈波动对我国经济运行产生冲击。国际货币基金组织的研究表明：油价的大幅上涨会对我国经济增长有负面影响，并对我国通货膨胀产生加速作用。由于近年来我国石油进口量激增，油价上涨将增加我国的外汇支出，减少贸易盈余。值得注意的是，油价的大规模下跌会对石油开采企业造成风险。鉴于石油开采企业是国家的利税大户以中国境内最大的原油供应商中国石油天然气集团公司为例， 2003年国内生产原油12242万吨，实现销售收入4752.9亿元，上缴税费760亿元，实现利润726.7亿元，实现利润在国内企业中位居榜首。，石油工业的增加值占整个国民收入的很大比例，过低的油价不利于整个石油工业的发展石油勘探开发业是受原油价格影响最直接的行业，油价上涨会增加使石油开采行业的利润增加，油价过低会使石油开采业亏损。例如，93年以前，国家实行低油价政策，石油开采企业则出现了全行业政策性亏损，严重制约了石油工业的持续发展。，也会降低国家的财政收入水平。鉴于油价的走势对宏观经济运行会产生巨大的影响，如何监控石油市场的风险已经越来越受到国家宏观经济预测部门，石油开采企业和广大的石油需求者的关注，特别是油价大幅上涨和下跌的概率更受到重视。国内外大量学者对油价波动进行了分析与预测，David (2003)和Giot (2003)均基于GARCH模型来估计油价的时变Value at Risk（VaR），不同之处在于前者的收益率分布假设为正态分布，后者则采用t分布来处理石油收益分布的厚尾特性。国内学者冯春山（2003）等建立了国际油价的ARCH模型，潘慧峰（2005）等建立了国内油价的ARCH类模型，冯春山（2004）应用半参数法来计算石油市场VaR。我们所指的极端风险既包括极端上涨的风险（extreme upside risk）也包括极端下跌的风险（extreme downside risk）。VaR方法可以分别对这两种风险建模，本文采用VaR方法度量了2000年5月到2005年5月期间国内外石油市场极端上涨和下跌的风险，并进一步用Hong（2001）提出的风险-Granger因果检验方法来研究此市场极端风险的历史信息是否有利于预测彼市场现期的极端风险，如果这种效应存在，则我们说此市场对彼市场产生了风险溢出（risk spillover ）。本文选择纽约商品交易所（NYMEX）西得克萨斯(WTI) 纽约商品交易所是世界四大能源期货市场之一，其中西得克萨斯中质油(WTI)的原油价格成为全球石油市场的重要基准价格之一。的原油现货价格作为国际石油市场的代表，大庆原油的出厂价作为国内石油市场的代表来研究国内外石油市场 鉴于石油产品体系纷乱复杂，必须选择一个具有代表性的石油产品进行研究。本文选择原油为研究对象，原因在于原油的价格走势代表了整个石油产品价格走势。原油处在整个石化产业链的最上游，原油价格的涨跌会传导到整个石油产业链。风险溢出效应。本文在以下几个方面扩展了以前的研究，首先，油价的日度数据可以使我们更好的了解油价的波动动态，先前的研究由于数据可得性的原因一般采用频度较低的周度数据；其次，采用GED分布来处理厚尾现象，估计了上涨和下跌的两个方向的极端风险；另外本文还着重分析了国内外市场的风险溢出效应。结论表明，无论是上涨风险还是下跌风险，国际石油市场都对我国产生了显著单向的风险溢出效应。本文结构安排如下：第二部分简要介绍VaR方法和Hong(2001)提出的基于CCF的风险-Granger因果关系检验；第三部分描述了两市场收益率序列的基本统计特征，第四部分为两市场条件VaR模型的估计与检验；第五部分检验两市场间的风险溢出效应；第六部分给出了总结性评论。二、VaR与风险-Granger因果检验（一）VaR与石油市场的极端风险 目前VaR 方法已经成为风险管理的比较流行的工具。VaR方法优于其它方法之处在于它可以描述极端风险。其定义如下：对于给定时间范围和置信水平，VaR是指在时间内以概率发生的损失。在统计意义上，VaR是的条件分布的分位数。本文采用油价收益率的条件分布的右分位数来度量油价上涨的风险，经济意义是由于油价大幅度上涨导致的石油需求者的额外支出；采用左分位数来度量油价下跌的风险，经济意义是由于油价大幅度下跌导致的石油生产者的销售收入的减少。如图（1）（2）所示。图1上涨风险对应的VaR 图2下跌风险对应的VaR 下面我们定义油价极端上涨风险对应的的VaR为： (1)其中为时刻收益率条件分布的右分位数，即，也是时刻的上涨风险对应的VaR，为累计概率密度函数。同样我们可以定义油价极端下跌风险对应的的VaR为： (2)其中为时刻收益率条件分布的左分位数，为时刻下跌风险对应的VaR。估计VaR常用的参数模型以下两种：基于GARCH模型的VaR估计方法和J.P.摩根的风险矩阵技术法。由于J.P摩根的方法实际上与IGARCH模型等价，这会产生模型设定的错误，而且这种方法不能细致地描述波动的某些特征（例如杠杆效应）。采用GARCH模型来估计VaR的一个重要问题是误差项分布的选择。考虑到收益率呈现厚尾（Heavy Tail）现象，直接采用正态分布的假设会低估风险。我们采用Neslon(1990)提出的广义误差分布Generalized Error Distribution(GED)分布，其概率密度函数如（3）式所示： (3)其中，为gamma函数。参数控制着分布尾部的薄厚程度，当时，广义误差分布退化为标准正态分布；当，尾部比正态分布更厚；当，尾部比正态分布更薄。鉴于广义误差分布（GED）分布可以比较好的捕捉收益率分布的厚尾现象，本文拟采用基于GED分布的GARCH模型来估计VaR。（二）VaR模型的检验返回检验（backtesting）Kupiec(1995)提出了一种检验方法，把收益率超过估计的VaR值的例外情形看作从一个二项分布中出现的独立事件，假定VaR的置信度为，样本容量为，失效的天数为，则失效的频率为，失效率的期望值则为。Kupiec提出的似然比率LR检验统计量可以用来检验零假设，这样对VaR模型准确性的评估就转化为检验失效率是否显著等于。 (4)在零假设的条件下，统计量服从自由度为1的分布，其95置信区间临界值为3.84，如果，就拒绝零假设，也就是估计的VaR模型是不充分的。（三）基于CCF的风险-Granger因果检验关于Granger 因果关系检验的定义，经济学家分别在1969年、1980年和1986年给出三种形式：均值的Granger因果检验，方差的Granger因果检验和一般的Granger因果检验。在用VaR度量极端市场风险时，Hong(2001)提出了风险-Granger因果检验的概念和方法,并依据此方法对各国股市的大风险溢出效应进行了研究。Hong提出的风险-Granger因果检验是对方差因果检验的推广，但风险-Granger检验能够更好的刻画不同市场之间极端风险的溢出效应。Hong(2001)风险-Granger因果检验方法的核心思想是通过VaR建模来刻画时变的极端风险，然后运用Granger因果检验的思想来检验一个市场的历史的大风险信息是否有利于预测另一个市场的大风险的发生。Hong给出了VaR框架下风险的含义，即当实际损失超过给定水平的VaR时，就说在事先确定的水平上的风险发生了。从定义可以看出，这种风险的定义能够考虑到经济人不同的承受水平，具有更强的可操作性。Hong（2001）通过引入核权函数使其检验统计量更强的效力，核权函数对高阶时滞的风险赋予较小的权重。另外，经济人对信息的处理存在时滞，反映在互相关函数上，则表现为在最初几个滞后阶数上可能不存在互相关关系，或者在较长的时滞范围内每一阶互相关关系都很微弱，但其累积效应却不容忽视。与标准的Granger因果检验值得指出的是，由于样本容量的有限和估计参数的困难，在实际研究中，标准的Granger因果检验（Granger 1969）往往采用较少的滞后阶数，并且其检验结果对滞后阶数的选取非常敏感，因此如果采用标准的Granger因果检验来检验风险溢出，则其检验的效力（power）较低。相比，Hong（2001）的方法可以使用所有的滞后阶数，核权函数的引入确保其方法在较长的滞后阶数下仍保持较强的检验效力(test power)，在很宽的备择假设范围内检测风险-Granger因果关系。Hong给出了基于核函数的风险Granger因果关系检验方法，首先定义基于VaR的“风险指标函数”，以上涨风险为例：，(5)其中为指标函数，当实际损失超过VaR时，风险指标函数取值为1，否则为0。如果检验市场2是否对市场1产生了单向的风险溢出，则原假设为，备择假设为。通过这种转化，Hong将和之间的风险Granger因果关系转化为的均值的Granger因果关系。市场2对市场1不存在单向的风险的Granger因果关系意味着：对于所有的(6)若对某一阶，有，则表明存在风险Granger因果关系。这意味着当一个市场发生大的风险时，我们能用这个信息预测另一个市场未来发生风险的可能性。现在设是市场1在风险水平下得到的VaR序列，设有个随机样本。令。令，则之间的样本互协方差函数如下：，(7)(8)其中是的样本方差，可以用来代替，并不会影响渐近分布的性质。关于核权函数的选取，Hong(2001)证明了Daniell核权函数，为最优的核权函数，它能最大化检验效力。Hong以此核权函数构造了统计量来检验市场2是否对市场1产生了单向风险溢出，如(9)式所示： (9)其中心因子和尺度因子分别为：，（10）为有效滞后截尾阶数，当核权函数有界时，恰好是滞后截尾阶数，也就是说，当时，其权重则为0。而Dianell的定义域是无界的，不再是滞后截尾阶数，因为所有的个样本互相关系数均被使用。当时，Daniell的取值为1，即权重最大，随着的增加，从权函数的性质可知权重则越来越小。Hong（2001）同时给出了检验双向风险Granger因果关系的统计量，其0假设为两个市场之间不存在任何方向的单向风险溢出关系，并且不存在即时（instantaneous）因果关系。这意味着对任意阶，。为了检验原假设，Hong提出如下的统计量。(11)其中心因子和尺度因子分别为：在成立的条件下，和在大样本条件下服从渐近的标准正态分布，分别用来检验市场2是否对市场1产生了单向风险溢出，市场2和市场1是否存在双向的风险风险溢出。Hong指出运用和检验时，应使用标准正态分布的右侧的临界值（upper tailed critical values）。三、两市场收益率的统计特征本文的样本为2000年5月8日到2005年5月20日大庆原油和WTI市场原油的现货价格，共1304个样本。数据来源于中国石油天然气公司内部网站，计算结果由Eviews5.1和Matlab7.1实现。令大庆、WTI第日的石油价格分别为，则大庆、WTI市场第日对数百分收益率分别为，。表1 两市场收益率的基本统计特征(2000,5-2005,5)均值标准差偏度超常峰度最大值最小值Jarque-BeraADF检验0.04432.3064-0.21934.163812.4209-14.5096951.710.01-36.110.010.04152.5853-0.52332.862210.2203-15.9576504.250.01-37.880.01注：分别为大庆市场和WTI市场的对数百分收益率；超常峰度为峰度减3；Jarque-Bera统计量是正态性检验；方括号里面为p值。表1给出了两市场收益率序列的基本统计特征，两市场的收益率的平均水平和波动水平非常相近。两序列存在“尖峰厚尾”现象,均不服从正态分布。ADF检验表明两个收益率序列均在1%的显著性水平下拒绝存在单位根的假设,这说明两序列都是平稳的。图3 大庆市场与WTI市场的油价走势从图3我们可以看出，在大多数时间内，WTI的价格都高于大庆的价格，这是因为为了稳定经济运行，避免油价剧烈波动对经济带来的冲击，国内石油定价的一个重要原则是要充分考虑社会各方面的承受能力，保持油价的相对稳定。整个样本区间可以分为两个子区间，以大庆油田为例，从2000年5月到2001年11月，油价的总体趋势是下跌，日收益率低于-5%的天数有14天，超过5的天数有6天；2001年11月之后，油价的总体趋势是一路震荡上扬，在此区间内，日收益率超过5的天数有15天，低于-5%的天数有14天，可见样本区间内极端上涨和下跌的风险是非常显著的。四、两市场条件VaR模型的估计与检验（一）两市场的GARCH模型估计 考虑到收益率序列存在较为显著的厚尾现象，我们采用基于GED分布的最大似然法（MLE）估计两市场的GARCH模型，以期得到更为精确的VaR估计。条件方差方程的基准为实证研究中比较流行的GARCH(1,1)模型，条件均值方程的基准为带截距的AR(3)模型，并考虑是否有杠杆效应和ARCH in Mean 效应，剔除不显著的变量后，依据AIC准则得到两市场的最佳模型。大庆市场基于GED分布的TGARCH（1，1）模型的条件均值和条件方差方程的估计结果如(12)、(13)式所示，其中标准残差服从的GED的分布参数为。(1.3241) (-1.7307)(12)(2.9042) (44.1768) (2.2755) (1.8384) (13)其中，当时，对的影响因子为0.085；当，对的影响因子为0.043。杠杆效应表明与正向波动相比，绝对值相同的负向波动会造成下期更大的波动。WTI市场基于GED分布的GARCH模型的条件均值和条件方差方程的估计结果如(14)、(15)式所示，其中标准残差服从的GED分布的参数为。(2.2709) (-2.1467)(14)(1.2471) (40.4457) (3.2065) (-2.5251) (15)(12)-(15)式给出了两市场GARCH模型的最大似然估计结果和常用的诊断统计量，参数估计量下面的圆括号里面为估计量的t统计量。除了均值模型的截距外，两个模型所有变量均在5%的水平下显著。标准残差的Q和 Q2统计量的p值均大于10%，说明经GARCH建模后序列不再存在自相关现象和波动聚类现象。WTI市场模型形式为GARCH（1,2），根据Neslon和Cao（1992）的研究，对于GARCH(1,2)模型的条件方差方程，为了保证条件方差始终是正值，参数的不等式约束为，经验证WTI市场的参数估计量满足上述条件。图4 大庆市场与WTI市场的波动水平比较另外，两个模型的 接近1，这意味着波动冲击衰减速度比较慢，波动聚类现象非常严重。但两市场波动的绝对水平是不一致的，由图4可知WTI市场收益率的波动曲线绝大部分时间都在大庆市场波动曲线的上方，说明WTI纽约市场的波动水平要高于大庆市场。（二）两市场上涨和下跌的VaR估计与检验 如前文所述，油价风险对于不同的主体其含义是不同的，度量油价上涨和下跌的单侧市场风险更具有现实意义。油价上涨时，使石油的需求者蒙受损失，但对于石油的开采企业而言，则会增加其利润；而石油价格下跌时，石油的需求者获利，但对于石油开采企业则造成了风险。本文采用基于GARCH模型的VaR估计方法度量了2000年5月以后的油价上涨的风险及油价下跌的风险。通过GARCH模型我们可以方便的计算出油价上涨时的VaR，公式如（16）式所示： (16)其中为市场的条件期望，是市场的GARCH模型的标准残差服从的分布的左分位数，即。0，显然越小，越大，则越大，的取值受分布的影响。同理我们也可以求出油价下跌时的VaR，公式如（17）式所示： (17)根据（16）（17）式，我们估计了95和90置信水平上，大庆市场和WTI市场的上涨和下跌的VaR估计结果如表2表3所示。表2 大庆市场VaR估计结果置信水平风险类型均值标准差最大值最小值失败次数失效率LR统计量95上涨3.66981.125410.74812.5271590.04540.6008下跌3.53441.09809.54922.3773610.04690.264390上涨2.74290.84278.18141.87111200.09230.8750下跌2.60760.81537.10171.74041260.09690.1380表3 WTI市场VaR估计结果置信水平风险类型均值标准差最大值最小值失败次数失效率LR统计量95上涨4.31110.804312.75893.2886560.04311.3734下跌4.07730.647910.27783.5407690.05310.254290上涨3.16200.61579.60322.22391190.09151.0613下跌2.92830.46297.12222.52701340.10310.1355实证结果表明，基于GED分布的GARCH模型估计出来的VaR都是充分的，最大的统计量为1.37远小于3.84，说明所有的VaR模型是充分的。从表3表4中我们可以看出，在相同的置信水平下，模型对油价上涨的风险比对下跌的风险的拟和的准确率更高。这可能是由于收益率分布的右尾较长，GED分布没有完全捕捉到所有的厚尾现象的缘故。从VaR的平均值看，在相同置信水平下，上涨和下跌对于不同的风险主体造成的风险是不对称的，在样本区间内上涨比下跌造成的平均损失更大，这是因为2001年11月之后整个油价主要趋势是上涨。随着置信度的增高，VaR的均值逐渐增加，这说明遭受极端风险的概率越小，其应对风险的风险准备金就应该越多。从图5可知，在大部分样本区间内，WTI市场的上涨风险和下跌风险都大于相同置信水平下的大庆市场所面临的风险，说明我国原油定价机制具有一定的防范风险的能力。图5 90%置信水平下大庆市场与WTI市场上涨和下跌的VaR五、两市场的风险溢出效应分析得到两个市场条件VaR的估计量后，用(10)（11）式构造统计量来检验国内外石油市场之间单向风险溢出和双向风险溢出效应。计算过程通过Matlab7.1编程实现，其中M10，20。表4 国内外石油市场的上涨的风险溢出效应2010置信水平102019.440.0127.740.01下跌风险溢出95上涨风险溢出18.670.0113.540.01-1.330.91-1.070.86-0.370.64-0.360.6426.010.0137.830.0129.140.0120.360.0135.580.0149.770.019028.540.0120.670.01-0.880.81-0.500.69-1.030.85-0.950.8349.760.0171.770.0145.200.0131.610.01注：表示两个市场的双向风险Granger因果关系检验；和分别代表从后者到前者和前者到后者的单向风险Granger因果关系检验；方括号里面为p值。由表4可以看出，在95%和90%的置信水平下，无论是WTI和大庆上涨风险还是下跌风险都存在双向的Granger因果关系。这说明国际石油市场和国内石油市场之间存在强烈的风险溢出效应。为确定风险溢出的方向，进一步计算得到单向风险的Granger因果检验的统计量。在10%和5%的风险水平下，国际石油市场的上涨和下跌的大风险的历史都有利于预测国内石油市场的大风险，反之则不然。这说明我国还只能被动接受国际油价的极端上涨和下跌，这与我们的直觉是相符的，虽然我国油价的定价方式能够在一定的程度上减缓国内油价的波动，但由于定价方式主要参照国际油价，国际石油市场发生的大风险仍然以滞后的方式传递到国内。另外石油不像股票等其他金融资产一样，其价格受基本面、宏观经济政策的影响，国家因此可以采取各种政策来干预股票市场以降低极端下跌风险的概率。相比而言，影响国际油价走势的因素较复杂，导致油价极端上涨和下跌的因素也是不可控的，例如中东局势动荡、投机者的炒作、OPEC的产量政策等，因此我国应对石油市场的极端风险缺少有效的政策工具，这给油价的风险管理提出了更多的挑战。目前困扰国内油价的主要问题是我国在国际油价的决定方面没有发言权，只能被动接受国际油价的变动，导致国际油价会对我国产生单向风险溢出效应。我国应尽快建立本国的石油期货市场，改变我国石油定价过分依赖国际市场的现状。期货具有良好的价格发现功能，其形成的远期价格可成为国内石油定价的主要依据，从而改变目前市场价格剧烈波动的状况。建立石油期货市场可以为我国提供一个能真实反映国内客观供求关系的基准价格，进而去参与和影响石油的国际定价权，来减弱乃至消除这种风险溢出效应。六、结论 本文使用VaR模型和基于CCF的风险Granger因果检验方法，分析了国际原油市场和我国石油市场的风险溢出效应，得到以下结论：两个市场收益率的波动聚类现象异常显著；WTI市场波动的绝对水平要高于大庆市场；在95和90的置信水平下，无论是上涨还是下跌风险，国际原油市场对国内原油市场都产生了显著的单向风险溢出，从而可以利用国际原油市场大风险的历史信息来预测国内石油市场未来的大风险；同时这也说明现有的原油定价机制无法防范国际油价导致的大风险溢出，建议应尽快建立石油期货市场来规避国际石油市场带来的大风险。参考文献：1 David Cabedo , Moya Ismael. Estimating oil priceValue at Riskusing the historical simulation approachJ . Energy Economics ,2003(5) :239253.2 Giot Pierrea ,Laurent Sbastienb.Market risk in commodity markets : a VaR approachJ . Energy Economics , 2003(9) :435457.3 Sharon X.L., Michael N. T. Spillover Effect in Energy Futures MarketsJ. Energy Economics, 2001(23): 43-56.4 Granger, C.W.J. Investigating causal relations by ec