国内外原油市场的风险溢出检验

2005年中国经济年会栏目：数理经济与计量经济学1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2005年中国经济年会栏目：数理经济与计量经济学2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:TheRiskSpilloverEffectbetweenInternationalandDomesticOilMarketsPANHui-fengZHANGJin-shui（.SchoolofEconomicsandManagement,TsinghuaUniversity,Beijing,100084,China）Abstract:ThispaperadoptsGARCHmodelbasedonGEDdistributiontoestimatetheconditionalVaRinbothupsideanddownsidedirectionattheconfidencelevelof90%and95%andthenutilizetheGrangercausalitytestinriskproposedbyHong(2001)touncovertheriskspillovereffectbetweenWTIandDaqingoilmarkets,thedailydataofoilpriceoftwomarketsrangingfromMay2000toMay2005.Ourfindingsindicatethatthereexistsstrongbilateralriskspillovereffectbetweeninternationalanddomesticoilmarket.Furtheranalysisrevealsthatthedirectionofriskspilloverisfrominternationalmarkettodomesticmarket..KeyWords:oilmarket;riskspillover;VaR;extremeupsiderisk;extremedownsiderisk;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1，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2，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ValueatRisk（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（extremeupsiderisk）也包括极端下跌的风险（extremedownsiderisk）。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（riskspillover）。1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。2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。2005年中国经济年会栏目：数理经济与计量经济学3本文选择纽约商品交易所（NYMEX）西得克萨斯(WTI)3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4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1，VaR是指在时间内以概率发生的损失。在统计意义上，VaR是tY的条件分布的分位数。本文采用油价收益率tY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：1tttIupVYP(1)其中upVt为t时刻收益率条件分布的右分位数，即11ttIupVF，upVt也是t时刻的上涨风险对应的VaR，F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：1tttIdownVYP(2)其中downVt为t时刻收益率条件分布的左分位数，1ttIdownVF，downVt为t时刻下跌风险对应的VaR。3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。4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。2005年中国经济年会栏目：数理经济与计量经济学4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（HeavyTail）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GeneralizedErrorDistribution(GED)分布，其概率密度函数如（3）式所示：11122exptzzf(3)其中212)3)12(，为gamma函数。参数控制着分布尾部的薄厚程度，当2时，广义误差分布退化为标准正态分布；当2，尾部比正态分布更厚；当2，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1，样本容量为T，失效的天数为N，则失效的频率为TNf，失效率的期望值则为a。Kupiec提出的似然比率LR检验统计量可以用来检验零假设f，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。NNTNNTffaLR1ln21ln2(4)在零假设的条件下，统计量LR服从自由度为1的2分布，其95％置信区间临界值为3.84，如果84.3LR，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