第36卷第6期Vol.36No.6
2021年6月
Jun.2021统计与信息论坛
JOURNAL OF STATISTICS AND INFORMATION
【资源与环境统计】
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1，胡晨沛2
(1中央财经大学统计与数学学院，北京102206'.国家统计局国际统计信息中心，北京100826)
摘要：国际油价突变和中国原油对外依存度攀升增加了国际石油市场与中国石油行业联系的复杂度，廓清两者关系有助于提升中国在国际石油市场的话语权。为此，厘清了国际油价波动与中国石油行业股指变
动之间的传导机制。在实证检验部分，应用Bai-Perron内生结构突变检验方法诊断突变点，在均值方程
XV AR模型中将结构突变虚拟变量设置为外生变量，以此为基础构建BEEK、CCC、DCC等多元GARCH模
型，对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
态相关性等多重关系提供新的经验证据)研究发现：国际油价波动对中国石油行业股票价格指数变化起先
导作用；中国石油开采、石油加工行业股指收益率与国际油价变动率存在双向的波动溢出效应；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的动态相关系数均呈现明显的时变特征。中
国作为发展中的世界第二大经济体，应抓住国际油价低位徘徊的有利窗口期，提升买方市场的定价话语权)关键词：国际油价；石油行业；波动溢出性；时变性；多元GARCH
中图分类号:F224.0:F832.5文献标志码:A文章编号#007—3116(2021)06—0073—11引用格式：吕政，胡晨沛.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统计与信息论
坛，2021,36(6)：73-83.
Citation Form:LYU Zheng,HU Chen-pei.The Mutual Linkage between International Oil Price Fluctuation and
the Development of Chinese Oil Industry under the Structural Change[J$.Journal of Statistics and Information,
202136(6):73-83&
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
收稿日期：2020—07—28；修复日期!020—12—15
基金项目：全国统计科学研究一般项目“大数据背景下组合风险的统计估计及应用研究"(2018LY41)；贵外|省教育厅科技人才成长项目“考虑非同步交易影响的金融高频协方差阵的估计及应用”(黔教合KY字〔2018860)；中央财经大学
研究生科研创新基金资助项目“制造业集聚与生产率的非线性关系研究一#以运输条件为视角"(20192Y011)作者简介：吕政(通讯作者)，男，浙江嘉兴人，博士生，研究方向：数量经济学理论与应用；
胡晨沛，男，浙江永嘉人，中级统计师，研究方向：世界经济)
统计与信息论坛
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。教师节搞笑祝福语
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。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归。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XV AR 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
吕政，胡晨沛：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
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XV AR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2446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
农产品质量安全
统计与信息论坛
国际石油价格①。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5期的时间序列数据存在加个潜在突变点(产生加+1个分割区间)，并且该数据的生成过程(DGP)如下：
余文乐和周冬雨$,=')+'/,+u,(t=5］—1+1，…，5,'=1,…，.+1)(1)其中，"为被解释变量，解释变量由"，和两部分组成，"，表示系数未发生改变的变量，-表示系数发生改变的变量，和&为相应的系数向量，％，为残差项。51，兀，…，丁”是.个未知的结构突变点。为了便于定义结构突变点的日期，设5。=0,5”+1=5。
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(51,52，-,5…)，利用普通最小二乘法(OLS)，计算出0和&的估计值，并得到对应的残差平方和：
S t(51,5Z，…，5.)=min''(y,—x)—)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:
(51,52,…,5.)=argmin S5(51,5Z,…,5.)
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DT，表示，当,<；结构突变点时,DT,= 0，反之,DT,=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：
H,=CC++
其中，P和g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,H，为残差#的条件方差协方差矩阵,C、A,、B，均为"阶方阵。C为下三角常数矩阵，代表常数项，和B，分
①2020年4月20E］，美国西德克萨斯轻质原油期货价格降为一36.98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。
吕政，胡晨沛：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
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H，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。本地ip地址查询
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：
H9=D*D9=%,)(5) D=diag(K11，，i,K12，)(6)
8&
h,,,t—c,2'l#2，—,+〉'M i h,,，—,(7)其中，H，是"个时间序列的常条件协方差矩阵*是k_k阶的常系数相关矩阵，D，为是"阶标准差对角矩阵是条件方差。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\李思思微博
第三部分，应用Engle提出的MGARCH-DCC模型，考察国际油价与中国石油上下游行业股指之间随时间变化的动态相关性［18\类似地,H,=D t R t D t是Engle假设的残差条件协方差矩阵表达形式，矩阵H，中的R,=%,,),(”，=1，为"阶条件相关系数矩阵，矩阵H中的D，同式(6)，是"阶标准差对角矩阵，条件方差同式(7)。记标准化的残差向量为%,=(M1.t,M Z.t,—%…,)，满足u t=D71/#t，并进一步将动态相关结构改写成：
R,=Q；t QQ-t(8)其中，Q-是对角元素为槡8二的对角矩阵,Q，为"阶对称正定矩阵，当滞后期数为1时,Q，形式如下：Q t=(1：a：^)Q+a w t-1M/t-1+)Q t：1(9)其中，/为残差的无条件方差矩阵,*和0为动态条件相关系数,*表示随机扰动对相关关系影响的大小,0反映动态相关关系持续性的大小。根据*和0的显著性水平，判断中国石油开采、加工、贸易行业与国际石油市场之间的相关性是否具有时变性。与同为检验价格波动相关性的CCC模型相比,DCC模型侧重于刻画多变量之间随时间变化的相关关系，直观地反映了价格波动相关性的时变特征，但不如CCC模型得到的常相关系数简单明了。在现实经济中，对于多变量价格波动的常相关约束可能并不成立［19］。例如，个别时间点上的突发风险事件会对国际油价带来巨大冲击，在该冲击下，国际油市和中国股市石油板块之间的相关性极可能发生变动。因为金融时间序列的相关性信息能够较好的被1阶的波动相关性所解释，所以在实证检验部分本文选取BEKK(1,1)、CCC(1,1)和DCC(1,1)模型进行多元波动率建模。
五、实证检验
金字塔之迷(-)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Sup F T(k)统计量和D max统计量，进一步借助Sup F T(L+1|F)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Sup F T(1)统计量以及更高阶的Sup Fr(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Sup F T(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Sup F r(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。