结构突变下国际油价波动与中国石油行业发展的多重联动关系

吕 政,胡晨沛

(1.中央财经大学 统计与数学学院,北京 102206;2.国家统计局 国际统计信息中心,北京 100826)

一、引言

2020年中国原油对外依存度攀升至72.7%,伴随国内人民生活水平持续提高以及工业化继续推进,对化石能源的需求还将不断增加。《世界能源展望2017之中国特别报告》预测,中国将于2030年超越美国成为世界第一石油消费国,并且在2040年占据全球近30%的国际石油贸易,成为仅次于美国的第二大市场。显然,随着中国对国际石油市场的依赖不断加深,中国对国际油价波动的反应也将愈发敏感。在短期,国际油价下跌有利于中国经济边际企稳,同时有利于减少外汇支出,平衡国际收支,但不排除通货紧缩的风险。2014年,国际油价从每桶110美元暴跌至每桶30美元,此后两年在低位徘徊。2016年以来,国际油价筑底企稳、震荡上行。2020年,受俄罗斯与OPEC组织减产合作破裂以及新冠肺炎疫情全球爆发综合影响,加剧石油供给需求不平衡,导致原油价格再度大幅下跌。在国际石油贸易中,油价暴跌常常会将巨额财富从石油出口国转移到石油进口国,中国作为全球最大的石油净进口国,国际油价持续走低对宏观经济运行的影响更深。值得关注的是,与发达国家的石油企业不同,中石化、中石油和中海油等国有企业主导了中国石油行业,国内石油企业垄断程度高、竞争能力较弱,对国际油价信号的反应灵敏度较差,国际石油市场和中国石油行业之间存在何种联动关系,已成为广受关注的重要课题。

石油资源作为中国石油行业生产经营的重要投入要素,其价格波动将直接影响石油行业的经营绩效。在实体经济与资本市场联系愈发密切的当下,石油板块股票价格指数是反映石油企业实际运营情况的重要综合性指标,那么国际油价波动对中国石油行业的冲击必然会体现在石油板块的股票指数上。Broadstock等的研究表明,国际油价波动对中国股票市场的冲击不容小觑[1]。基于现有研究证据,本文着重探讨国际石油价格波动与中国石油行业股指变动之间的关系,结合国际油价曾出现暴涨暴跌的特点,在实证分析中引入结构突变虚拟变量,以提高实证检验的准确性,并进一步应用多个多元波动率建模工具,分别考察国际油价波动与中国石油开采、石油加工、石油贸易行业股指收益之间的波动溢出性、静态相关性和动态相关性,借此分析国际油价波动与中国石油行业发展之间的多重联动关系,以期为中国石油行业发展建言献策。

二、文献综述

尽管中国股票市场经过近30年的快速发展,已成为全球金融市场的重要组成部分,但与发达国家的金融市场相比尚处在成长期。石油作为重要战略资源,其价格变动必然会波及中国股票市场,那么油价波动的冲击幅度有多大?相反,中国股票市场对国际油价是否也存在价格信息外溢?以上问题越来越受到学界和业界的关注。

国外学者较早关注到石油价格波动对股票市场的冲击,但早期研究成果结论差异较大。Hamilton首次发现国际油价反向影响美国股市,引起了大量学者对这一问题的持续深入研究[2]。Ferson等将石油价格视为风险因子,发现油价对全球多个股市产生了不同程度的影响[3]。发达国家和发展中国家的股市在面对国际石油价格波动时,资产价格的波动幅度往往不同。Park等研究发现,石油价格波动对发展中国家股票收益率的冲击较发达国家更显著[4]。之所以如此,是因为非石油输出的发展中国家,经济起飞阶段的发展模式较为单一,对石油的依赖程度远远高于发达国家。Nandha等细化了股票市场的行业,发现除石油、天然气以及采掘行业外,石油冲击对大部分行业都存在负面影响[5]。国际油价波动对股票市场的影响通常具有杠杆效应,即油价上涨对石油净进口国股市冲击的影响远比油价下跌大得多。2010年中国成为世界第二大经济体后,经济继续保持较快增长,与此同时,石油对外依存度以及金融市场对外开放程度也在提高,国际油价波动对中国经济的影响加深。对此,国内学者就国际油价波动对中国股市的冲击同样做了广泛且深入的研究,许金华和范英采取GARCH模型和多因素动态模型,观察了金融市场驱动因素和供需基本面在石油定价机制演化路径中的作用,发现油价波动能够被金融市场驱动因素解释[6]。杨胜刚等应用VAR-TGARCH-AGDCC多元模型,从动态相关性的角度检验了大宗商品市场与股票市场之间的联系,发现油市和股市的联动性正不断增强[7]。李素芳等构建贝叶斯机制转换协整模型考察了国际石油价格与亚太股票市场之间的非线性动态关系,发现两者存在显著的非对称效应[8]。王朝阳等应用BEKK模型观察了国际油价与中国新能源股票价格之间的波动溢出效应[9]。

综上,现有的研究成果得到了国际油市和国内股市之间存在双向互动关系的结论,但还存在以下缺陷:其一,在研究对象上,大多考察国际油价对中国股市整体的影响,但事实上,股市中与石油关系微弱的行业受到油价波动的影响极其有限,以至于用股票价格综合指数作为油价冲击对象并不精确;其二,在研究方法上,主要运用VAR模型和多元GARCH模型讨论价格波动之间的互动关系,但大多未考虑当金融时间序列存在结构突变时,可能造成的实证结果失真。

鉴于此,本文以结构突变为视角,将结构突变虚拟变量作为外生变量引入传统的VAR模型,在XVAR模型的基础上,应用静态的BEKK模型、CCC模型和动态的DCC模型,分别检验国际石油价格波动和中国石油行业股指变动之间的波动溢出、静态相关和动态相关关系。与以往研究相比,本文的边际贡献包括以下三个方面:第一,指标选取方面,由于石油板块股指受国际油价波动的冲击最为直接,因此选取中国石油开采、石油加工和石油贸易行业股指衡量国内石油行业经营状况,观察国际油价波动对中国石油行业在资本市场上的冲击;第二,研究方法方面,借助Bai-Perron内生结构突变检验方法诊断国际油价的结构突变点,将突变点设为外生的虚拟变量,进而构建包含结构突变外生变量的XVAR模型,并在此基础上建立多个多元波动率模型,增强了实证结果的可信度;第三,理论分析方面,厘清国际油价与国内石油板块间的传导机制,并从需求信息的角度考虑了中国股市对国际油市的反馈,进一步丰富了能源金融领域的研究成果。

三、作用机制分析

中国已成为全球最大的石油净进口国,石油能源作为战略资源的重要性不言而喻。韩立岩等的研究表明,国际油价信号与中国实体经济及资本市场运行具有长期均衡关系[10]。众所周知,国际油价波动将直接影响国内石油行业的经营业绩,而石油行业的股票指数又是资本市场上反映石油企业实际经营绩效的综合性指标,那么国际油价波动对石油行业的冲击自然会在石油板块股指上有所反映。石油行业之间具有成本接近和产品同质的特征,业绩易受共同因素影响,股价变动存在较明显的板块联动效应,进而造成股票市场整体的次生冲击。

根据石油产业链的划分方式,石油产业链上游行业从事石油的勘探开采,中游行业负责石油的提炼加工、下游行业进行石油销售等业务。当国际油价下跌时,中国石油开采行业在采掘成本上不再具有竞争力,因此利润减少业绩恶化,然而对中下游的石油加工、石油贸易行业带来了利好,国际油价下跌降低了加工环节的成本,贸易行业又能够在一定程度上转嫁油价波动的风险。总体而言,国际石油价格下落会降低石油上游行业业绩,提高中下游行业业绩,并且这些市场价格信号会在股票指数上加以体现。对于与石油产品联系紧密的消费投资行业而言,如果石油价格下跌,将降低石油产品支出成本,增加企业的现金流,有利于股价上涨,这里的石油产品使用行业包括:食品饮料业、餐饮旅游业、纺织服装业、建筑建材业、电子信息业、交运设备业、机械设备业、家用电器业、轻工制造业、医药生物业、公用事业、交通运输业、金融服务业等。这些行业在股票市场中所占比重大,国际油价下跌容易产生联动效应,促使股票市场总体价格水平上涨。反之,国际油价上涨会对上述行业造成相反的影响。特别在石油产品生产成本普遍提高时,极易引起成本推动型通货膨胀,倘若中央政府为缓解通膨压力,执行紧缩性货币政策,又会带来货币供给下降,整体经济增长减速,最终导致股市大盘整体下跌。值得关注的是,柳明等的研究表明,考虑到中国巨额的石油进口需求,中国股票市场的运行状况同样会反作用于国际石油市场,从而实现中国股市对国际油市的反馈[11]。因此,不排除中国石油行业对国际石油市场价格信息反馈的可能。

虽然绝大多数研究认为,国际油价波动会对中国股票市场价格变动产生影响。但是,由郭国峰和郑召锋提供的经验证据却显示,国际油价波动对中国股市整体的影响在统计意义上并不显著[12],该研究结论意味着,股票市场中与石油关系微弱的行业对油价冲击的响应较为有限,用股市综合指数作为国际油价的冲击对象并不精确。考虑到石油板块股票指数受国际油价波动的冲击最为直接,因此本文根据石油产业链的上下游关系,选取石油开采、石油加工、石油贸易行业作为国内石油产业链上中下游行业的代表,以检验国际石油市场与中国石油板块价格信息传递的多重联动关系。

四、样本数据和研究方法

(一)样本数据

本文采用投资型行业分类标准反映中国石油产业链各行业所具有的投资价值,选择申万三级行业指数中的石油开采(OD)、石油加工(OP)、石油贸易(OT)股票指数,刻画中国石油上下游行业股指的整体变动趋势,国际石油价格指标采用英国北海布伦特原油期货价格(BRENT)和美国西德克萨斯轻质原油期货价格(WTI),其中WTI原油期货价格用于稳健性检验。鉴于2009年的石油对外依存度首破国际警戒线50%,故搜集的样本为从2010年1月1日至2020年6月30日的日度数据。考虑到国际原油价格以美元计价,而中国申万行业股票指数采用人民币计价,为保证可比性,原油期货价格利用美元兑人民币汇率折算。中国石油行业股票指数和美元兑人民币汇率数据均来自WIND数据库,国际原油期货价格来自美国能源情报署。匹配数据时剔除上海证券交易所与纽约商品交易所之间交易日期不一致的交易日,使样本数据的交易日期保持一致,最后匹配到2 446个数据。为减弱异方差性,对股票指数和石油价格均做了自然对数变换,用LNOD、LNOP和LNOT表示中国石油开采、石油加工和石油贸易行业股指,用LNBRENT和LNWTI表示国际石油价格(1)2020年4月20日,美国西德克萨斯轻质原油期货价格降为-36.98美元每桶,无法进行对数化处理,本文将其视为异常值在样本中剔除。。将股票指数对数值的一阶差分记为股指收益率ROD、ROP和ROT,石油价格对数值的一阶差分记为国际石油价格变动率RBRENT、RWTI。

(二)研究方法

对于时间序列模型而言,保证估计系数稳定至关重要,如果某个时间序列本身存在结构突变,但未加以考虑,会大大降低模型的准确度和拟合效果。早期,邹至庄检验能够在一定程度上识别时间序列是否存在结构变动,但该检验方法要求事先确定转折点位置,并且转折点有且仅有一个。此后,如何准确鉴定时间序列的突变点,一直是学术界的热点和难点,在此期间,结构突变检验方法经历了一系列改进。Bai等构造的检验方法,不仅能够有效诊断时间序列是否存在结构突变,还克服了以往研究对突变点个数的限制,目前被认为是检验结构突变较为客观、准确的方法[13]。Bai-Perron内生结构突变检验方法的具体思路如下:

假设某个T期的时间序列数据存在m个潜在突变点(产生m+1个分割区间),并且该数据的生成过程(DGP)如下:

(1)

其中,yt为被解释变量,解释变量由xt和zt两部分组成,xt表示系数未发生改变的变量,zt表示系数发生改变的变量,β和δj为相应的系数向量,ut为残差项。T1,T2,…,Tm是m个未知的结构突变点。为了便于定义结构突变点的日期,设T0=0,Tm+1=T。

Bai-Perron结构突变检验分为三步。第一步,针对式(1)中每个可能的分割点(T1,T2,…,Tm),利用普通最小二乘法(OLS),计算出β和δj的估计值,并得到对应的残差平方和:

(2)

第二步,比较不同分割方式得到的残差平方和,取最小残差平方和的分割:

(3)

第三步,对时间序列的生成过程是否发生结构突变进行显著性检验。

倘若时间序列数据确实存在结构突变,但建模时却被忽略,得到的实证结果显然是有偏误的。本文首先基于Bai-Perron内生结构突变检验方法捕捉金融时间序列中可能存在的突变点,将结构突变虚拟变量设为外生变量,构建包含外生变量的XVAR模型。结构突变虚拟变量用DTi表示,当t<结构突变点时,DTi=0,反之,DTi=1。与VAR模型相比,包含突变的XVAR模型可以更真实地估计出均值方程,在此基础上提取残差并做标准化处理,对国际石油价格与中国石油行业股指之间互动关系的估计更为可靠。

由前述传导机制分析可知,一方面,国际石油价格波动会对中国股票市场产生影响,另一方面,中国股票市场同样能够对国际石油价格产生一定反作用,其中,股市中的石油板块受到的冲击和反馈更为明显。分析跨市场价格波动信息的传导特征,对于分散、防范金融风险具有重要意义。从统计学的角度看,各个市场价格收益率的方差反映了价格波动的信息,价格波动信息的传导体现在收益率条件的二阶矩中,而多元GARCH模型正是研究跨市场风险交叉传递的理想计量经济工具。本文应用多元GARCH模型中的BEKK、CCC、DCC模型对多变量之间的方差协方差矩阵展开分析,这三个模型分别捕捉了价格波动信息在波动溢出性、静态相关性和动态相关性方面的特征,后续的实证检验包含三个部分,接下来分别介绍BEKK、CCC、DCC模型的特点及其在本文中的作用:

第一部分,应用Engle等提出的MGARCH-BEKK模型,检验国际油价与中国石油行业股指之间的波动溢出性[14]。模型的基本表达式为:

(4)

其中,p和q分别表示影响本期残差项条件方差的ARCH项最优滞后期数和GARCH项最优滞后期数,Ht为残差εt的条件方差协方差矩阵,C、Ai、Bi均为n阶方阵。C为下三角常数矩阵,代表常数项,Ai和Bi分别反映了滞后第i期的ARCH项和滞后第i期的GARCH项对本期条件方差的影响。BEKK模型的优点在于,保证矩阵Ht满足正定条件的同时,较好地刻画了多变量条件方差和协方差交互作用的关系,为解释各变量之间的联合波动提供了依据,但其经济意义不如单变量GARCH模型[15]。借助BEKK模型,可以检验国际石油价格与中国石油行业股指之间价格波动传导的方向和路径,即BEKK模型用于判断是否存在以及存在何种波动溢出性,较为全面地反映了跨市场的风险传递过程。

第二部分,应用Bollerslev提出的MGARCH-CCC模型,估计国际石油价格与中国石油行业股指之间不随时间变化的静态相关性[16]。关于CCC模型的设定为:

(5)

(6)

(7)

其中,Ht是n个时间序列的常条件协方差矩阵,R是k×k阶的常系数相关矩阵,Dt为是n阶标准差对角矩阵,hii,t是条件方差。与BEKK模型相比,CCC模型的形式更简单,不需要估计太多参数。CCC模型的特点在于,其估计得到的跨市场价格波动的条件相关系数为常数,因此可以比较整个样本区间内,国际石油价格与中国石油行业股指之间价格波动传导的相关关系强弱程度,具有较高的经济意义。但是,CCC模型无法刻画相关系数的时变特征[17]。

(8)

(9)

五、实证检验

(一)Bai-Perron内生结构突变检验

判断时间序列是否存在结构突变,主要观察Bai-Perron检验方法提供的SupFT(k)统计量和Dmax统计量,进一步借助SupFT(L+1|L)统计量估计突变点个数。对BRENT、WTI、OD、OP和OT序列的Bai-Perron检验结果见表1。由表1可知,仅有BRENT和WTI序列的SupFT(1)统计量以及更高阶的SupFT(k)统计量均显著,同时相应的UDmax统计量和WDmax统计量也在1%显著性水平下显著,意味着BRENT和WTI序列均存在结构突变。关于OD、OP和OT序列,虽然更高阶的SupFT(k)统计量、UDmax统计量和WDmax统计量均在1%显著性水平下显著,拒绝不存在结构突变的原假设,但是对应的SupFT(1)统计量并不显著,暗示OD、OP和OT序列是否存在结构突变有待进一步考察,经检验这3个时间序列并不存在结构突变点。检验结果表明,BRENT序列和WTI序列均发生了1次结构突变,结构突变点较为接近,分别为2014年11月4日和2014年11月13日。

表1 Bai-Perron内生结构突变检验

检验得到的结构突变点具有深厚的政治经济背景。国际油价的两个代理变量在样本期内的结构突变点分别位于2014年11月13日和2014年11月4日,事实上,2014年下半年,国际油价大幅度下跌。从需求层面看,当年全球经济恢复远低于预期,加之中国经济增速放缓,使得全球对石油的总需求下降。供给层面的冲击主要来自于两个方面:一方面,美国以页岩油气为代表的新能源繁荣兴起,打压了石油价格;另一方面,OPEC成员国的地缘政治危机得到一定程度缓解,逐渐恢复原油正常供应。在全球石油需求量不足的情况下,供给量却在不断增加,供大于求是石油价格暴跌的根本原因。该突变时点与经济现实吻合,说明结构突变检验结果是可信的。

(二)构建均值方程XVAR模型

1.单位根检验

为避免建模过程中出现伪回归,需要对各变量做单位根检验,经Bai-Perron内生结构突变检验可知,BRENT和WTI序列存在结构突变,因此本文对这两个时间序列及其对数收益率序列进行突变点单位根检验,采用AO检验方法,该方法假设突变的发生是即时的,瞬间的。经检验,BRENT的对数序列LNBRENT接受零假设,是一个具有结构突变点的非平稳序列,一阶差分后的对数收益率序列RBRENT拒绝零假设,表明LNBRENT为1阶单整序列,记为I(1),WTI的对数序列LNWTI及其对数收益率序列RWTI均拒绝存在单位根的零假设,属于具有结构突变点的平稳序列。未发生结构突变的国内石油行业股指序列采用一般的单位根检验方法,本文ADF检验的滞后项阶数由SC准则确定。考虑到样本容量和滞后阶数的变化都会在一定程度上影响ADF检验结果,提高犯第二类错误的可能,所以补充了PP检验和KPSS检验作参考。经检验,三种单位根检验的结果完全一致,LNOD、LNOP和LNOT序列均为1阶单整序列I(1)。

2.Johansen协整检验

考虑到国际油价和国内石油行业股指4个时间序列具有同阶单整关系,在该情形下,单整变量的线性组合很可能是平稳的,不排除多个时间序列之间存在长期均衡关系的可能。因此有必要进行协整检验确认长期均衡关系是否存在,这将为后文选择向量自回归模型(VAR)或向量误差修正模型(VECM)作为均值方程提供重要依据。需要说明,协整检验的滞后阶数为VAR模型的最优滞后阶数减1。本文综合比较了多项评价指标,最终确定VAR模型的最优滞后阶数为5阶,协整检验的滞后阶数为4阶。Johansen协整检验结果显示,样本区间内国际油价和国内石油行业股指之间不存在长期的协整关系,因此不适合建立VECM模型。下面就LNBRENT、LNOD、LNOP和LNOT变量的差分序列RBRENT、ROD、ROP和ROT进行格兰杰因果检验,进一步考察四者之间的因果关系。

3.格兰杰因果关系检验

国际油价变动率、中国石油开采、石油加工、石油贸易行业股指收益率的格兰杰因果关系检验结果见表2。

表2显示,从选取的样本期看,在5%的显著性水平下,国际油价波动是国内石油开采、石油加工、石油贸易行业股指收益变动的格兰杰原因。此外,国内石油开采、石油贸易行业股指收益变动和国际油价波动互为因果关系,石油开采行业股指收益变动是石油加工、石油贸易行业的单向格兰杰原因,石油加工行业股指收益变动是石油贸易行业的单向格兰杰原因。从检验结果看,国际油价波动作为中国石油板块股价变动的格兰杰原因,基本符合经济事实。中国石油行业股指收益率对国际油价变动率的因果关系,仅石油加工行业在统计意义上不显著,反映出现阶段中国石油加工行业尚不能对国际油价造成影响,而石油加工、石油贸易行业股指收益变动能够在一定程度上反作用于国际油价。中国上游石油开采行业股指收益变动是中下游石油加工、石油贸易行业的单向格兰杰原因,中游石油加工行业股指收益变动是下游石油贸易行业的单向格兰杰原因,也符合石油产业链从上至下的价格信息传递规律。

表2 格兰杰因果关系检验

4.提取均值方程残差

(三)波动溢出性估计

以往文献在运用BEKK模型时,未考虑序列本身存在的结构突变,提取VAR模型标准化后的残差直接建模,可能导致实证结果失真。对此,本文尝试改进,将结构突变的影响纳入模型,以增加实证结果的可靠性。根据前述分析,在波动溢出性检验部分,将国际油价变动率、中国石油开采、石油加工和石油贸易股指收益率的多元波动率模型设为MGARCH-BEKK(1,1),国际油价与中国石油行业的波动溢出性分析基于A、B矩阵元素的估计结果,C为常数矩阵,模型估计结果见表3。表3中A矩阵的主对角线元素aij代表i序列自身滞后1期残差平方对自身本期条件方差的影响,非主对角线元素aij代表i序列滞后1期残差平方对j序列本期收益率条件方差的影响。同理,B矩阵中的元素反映了条件异方差的影响。从表3可以看出,A、B矩阵的对角线元素绝大多数在1%的显著性水平下显著,说明4个标准化残差序列具有明显的条件异方差特征,即油市和股市的波动均存在明显的聚集性,当期的波动会随滞后一期的扰动和波动的增大而增大。观察表3中非主对角元素可知,除了部分系数不显著外,绝大多数非对角元素上的系数均在1%的显著性水平下显著。BEKK模型的估计结果初步表明,价格波动的信号在国际石油价格和中国石油行业股指之间具有传递性,但考虑到BEKK模型估计系数的经济意义不强,需要进一步给出BEKK模型波动溢出效应的Wald检验结果。

表3 波动溢出效应模型估计结果

BEKK模型的Wald检验结果显示了4个时间序列波动溢出的方向,检验结果见表4。由表4可知,国际油价与石油开采行业的联合检验表明,在1%的显著性水平下,拒绝原假设a12=b12=0、a21=b21=0,意味着国际油价与中国石油开采行业存在双向波动溢出效应。国际油价与石油加工行业的联合检验表明,在5%的显著性水平下,拒绝原假设a13=b13=0、a31=b31=0,意味着国际油价与中国石油加工行业存在双向波动溢出效应。国际油价与石油贸易行业的联合检验表明,在统计意义上不拒绝原假设a14=b14=0、a41=b41=0,意味着国际油价与中国石油贸易行业之间不存在显著的波动溢出效应。类似地,容易得到中国石油行业上下游各环节之间存在单向波动溢出效应的结论。上述结果表明,国际油价对中国石油行业的上游、中游行业存在较为明显的波动溢出效应,且中国石油开采、石油加工行业股指收益变化会引起国际油价波动,但石油贸易行业股指收益变化对国际油价的影响并不明显。

表4 波动溢出效应检验

(四)静态相关性估计

基于标准化残差建立MGARCH-CCC(1,1)模型,以考察国际油价波动和中国石油行业股指变动之间的常相关关系,估计结果见表5。由表5可知,4个时间序列两两之间的常相关系数均在1%的统计意义上显著。具体地,国际油价和中国石油开采、石油加工、石油贸易行业的相关系数分别为0.128、0.131、0.108,石油开采行业和石油加工、石油贸易行业的相关系数分别为0.724、0.524,石油加工行业和石油贸易行业的相关系数为0.683。该结果表明,国内石油产业链之间的相关性较国际油价与国内石油行业的相关性更高,基本符合经济现实。从CCC模型关于静态相关性的估计结果可知,国际石油价格波动与中国石油产业链上游、中游的石油开采、石油加工行业股指收益变动的相关性较强,达到0.13左右,而国际石油价格波动与中国石油产业链下游的石油贸易行业股指收益变动的相关性相对较弱,大致为0.10。因此,位于中国石油行业上游、中游的石油上市公司需要密切关注国际油价走势,尽可能降低国际油价冲击风险。

表5 静态相关关系模型估计结果

(五)动态相关性估计

建立标准化残差项的四元MGARCH-DCC(1,1)模型,研究国际石油价格与中国石油行业的动态关联性。国际油价、石油开采、石油加工和石油贸易行业之间的相关性是否随时间变化而变化取决于DCC模型α和β系数的显著性,α度量随机扰动对相关关系影响的大小,β反映动态相关关系持续性的长短,估计结果见表6。从表6可知,α与β的估计值均显著异于0,且两者之和小于1,符合DCC模型的约束条件。β=0.973接近于1,表明残差序列当期动态异方差主要来源于上一期的波动,标准化残差之间的相关系数具有极强的持续性。

表6 动态相关关系模型估计结果

为直观展示石油行业股指收益率间的动态条件相关性,将动态的相关系数绘制成图1。从图1可以看出,自2010年以来,国际石油价格和中国石油行业股指之间的价格波动信号传递具有明显的联动关系。2014年年底,受中美欧等主要经济体发展形势,以及叙利亚和埃及等中东地区动乱综合影响,导致世界石油市场的供求关系极不平衡,国际油价与石油开采行业的相关系数骤减,这也和检验得到的突变时间点相吻合。近期,由于俄罗斯与OPEC组织的减产合作破裂引发原油供给增加,新冠肺炎疫情爆发带来全球原油需求疲弱,最终导致原油价格暴跌,国际石油市场振荡。由于市场不确定因素增加,股市中能源板块的投资者避险意识增强,转向配置安全性更高的资产如现金等,投资者的决策收敛于羊群行为,从而解释了为什么在宏观经济运行受到冲击时,石油行业股指收益率的相关性有所下降。值得关注的是,在2020年初国际油价暴跌的时点上,国际石油价格和国内石油行业股指的动态相关性均大幅下滑,但国际油价波动与国内石油加工、石油贸易行业股指收益变动的相关系数下降幅度相对于石油开采行业更大,说明石油产业链不同行业对油价冲击的响应具有异质性。

图1 国际油价与中国石油行业动态条件相关性走势

(六)稳健性检验

国际上最重要的原油期货合约以英国北海布伦特原油期货(BRENT)和美国西德克萨斯轻质原油期货(WTI)合约为主,两种期货合约之间的关联性极强。英国北海布伦特原油期货合约的成交量约占所有交易市场总量的60%,是世界上流动性最好的期货品种。美国西德克萨斯轻质原油价格是全球原油定价的基准,其价格走势是其他原油价格的风向标。为说明本文实证检验结果的可靠程度,本文将WTI油价作为国际油价的代理变量,对国际石油市场和中国石油行业的互动关系进行稳健性检验。

得到的结论如下:一是WTI油价的结构突变点在2014年11月13日,与BRENT油价的突变点较为接近,说明两者具有相似的波动轨迹;二是WTI油价变动率同样与中国石油开采、石油贸易行业股指收益率存在双向因果关系;三是WTI油价与中国石油行业之间同样存在明显的波动溢出效应;四是得到了WTI油价、中国石油开采、石油加工和石油贸易行业之间的静态和动态相关系数,国际油价和国内石油行业的动态相关系数虽然不高,但大体呈正相关变动关系。可以认为,国际石油市场和中国石油行业之间的波动溢出性、静态相关性和动态相关性在不同代理变量下是稳健的。

六、结论

本文以结构突变为视角,对2010年1月1日至2020年6月30日国际石油价格与中国石油行业之间的多重联动关系提供了新的经验证据。选取英国北海布伦特原油期货价格为国际原油市场代表,将中国石油产业链上中下游行业在资本市场上的代理变量设为石油开采、石油加工和石油贸易行业股票指数,并以西德克萨斯轻质原油期货价格作为国际油价的其他度量进行了稳健性检验。

Bai-Perron内生结构突变检验结果表明,英国北海布伦特原油期货价格和西德克萨斯轻质原油期货价格的结构突变点均在2014年11月,国际原油供大于求是当时油价暴跌的主要原因。从统计因果关系看,国际油价波动是国内石油开采、石油加工、石油贸易行业收益率变动的单向格兰杰原因,意味着国际油价波动对中国石油行业经营绩效起先导作用。中国上游石油开采行业是中下游石油加工、石油贸易行业的单向格兰杰原因,说明石油行业具有成本接近和产品同质的特征,业绩易受共同因素冲击,股票价格走势趋同,存在较明显的板块联动效应。将结构突变因素引入均值方程,在此基础上建立多元波动率模型,能够更加准确地捕捉到国际油价与中国石油行业的多重关系。BEKK模型的估计结果表明,中国石油开采、石油加工行业与国际油价具有双向的波动溢出效应。综合CCC模型和DCC模型的估计结果可以看出,中国石油开采、石油加工、石油贸易行业股指收益率与国际油价变动率之间大致保持正相关关系,且具有明显的时变特征,该变动与国际油价波动具有紧密联系。

国际石油价格高位跳水对石油行业的运营带来了潜在隐患,中国石油行业由最具代表性的中石油、中石化和中海油三大国有企业主导,如何规避油价波动风险是一个不得不面对的重要问题。国际石油市场供大于求的局面不可逆转,世界能源市场逐渐转变为买方市场,中国作为发展中的世界第二大经济体,应抓住有利的窗口期,在国际石油贸易谈判中应抓牢主动权,积极提升买方市场的话语权。同时,中国作为世界最大的石油净进口国,巨额石油需求对全球石油定价有举足轻重的影响,中国应积极推进国际石油交易使用人民币计价与结算,不仅有利于提高人民币补充全球流动性的潜力,更有助于扩大中国的国际影响力。