國際石油市場與中國股市間的波動率溢出分析

摘要：本文利用CCF檢驗法即協相關函數檢驗法來檢驗國際原油市場與中國股票市場行業指數之間的波動率溢出效應，本文分析了國際原油市場與中國14個行業股票收益率的波動率溢出效應，結果顯示國際石油的價格對中國石油和天然氣、基礎資源、工業用品和服務、旅游和休閑、科技行業有顯著的波動率信息溢出效應，對其他行業則沒有信息溢出。

關鍵詞：波動率溢出；CCF檢驗； AR-t-EGARCH；原油市場

1、引言

石油作為一種稀缺能源，對各國的經濟發展有著舉足輕重的作用。中國石油儲存量少，進口量每年不斷上升，進口依存度也越來越高，到2010年中國石油進口量已經超過2億噸，對外依存度超過55%，如此高的對外依存度表明在中國石油這種商品與國際石油市場聯系非常緊密，與石油相關的行業容易受國際石油價格變動的影響。分析國際石油價格和中國股票市場間的波動溢出，對于政府在維護股票市場的穩定和能源方面的政策制定也很重要。

從20世紀80年代開始，石油對宏觀經濟和金融市場的影響就開始受到人們的關注，許多學者研究石油價格對一國經濟可能產生的影響。如：（Jones and Kaul，1996；Park 和 Ratti，2008；Apergis 和 Miller2009)研究指出了消費物價指數，利率，投資與消費信心指數等一些影響經濟增長的因素都受石油價格變動的影響。對于新興市場，也有許多作者研究發現油價的變動對股票市場能顯著的影響，如：Papapetrou（2001）；Narayan 和 Narayan（2010）。從這些文章中可以發現由于不同的國家由于對石油的依賴程度不一樣以及各國市場開放程度的差異，所以原油價格波動對不同國家的金融市場的影響也不一樣。一些學者已經將原油價格對金融市場的影擴展到具體的行業。如Boyer 和 Filion (2007)研究指出加拿大的石油與天然氣行業的股票收益率會隨著原油價格的上升而上升， Malik 和 Ewing（2009）研究了石油市場和美國的五個行業之間的收益和波動溢出的關系，結果得出它們之間的一些傳遞效應。

本文運用協相關函數即CCF檢驗法檢測兩個市場間可能存在的信息溢出。該方法由Cheung和Ng（1996）年提出，Hong(2001)則在前者的基礎上創造出了一個新的統計量來檢驗Granger因果關系。文章運用此方法能有效的檢驗出兩個市場之間的均值因果關系和方差因果關系。本文還將研究對象擴展到一些具體行業，研究原油市場與這些行業之間的波動率溢出關系。

文章結構如下：第2部分介紹本文所用的CCF檢驗方法和實證模型，第3部分實證分析，得出國際原油市場與中國股票市場整體的波動溢出結果，第4部分具體分析國際原油市場與中國14個行業之間的波動溢出關系，最后部分進行總結。

2、實證模型

為了發掘出不同時間序列之間的相互影響，并能找出一個序列對另一個序列的預測能力，Granger（1969）年引入了均值-Granger因果關系概念，并于1980年提出廣義Granger因果關系，Granger（1986）中引入了方差-Granger因果關系，其均值-Granger因果關系的定義為：在信息集It-1的條件下，如果滿足（1）式，則稱Y在均值上是X的Granger原因。

(1)

其中Ix，t-1表示在t-1時刻時間序列X能獲得的信息集，μxt為X市場在t時刻的條件均值，下同。方差-Granger因果關系的定義為：在信息集It-1的條件下，如果滿足（2）式，則稱 Y在方差上是X的Granger原因。

(2)

已經有很多學者研究出不同的方法來檢驗市場間的波動率溢出效應，如Bollerslev(1990)提出的CCC-MGARCH模型，Engle和Kroner（1995）提出的BEKK-GARCH模型，還有Engle（2002）一文中提出的DCC-GARCH方法，Cheung和Ng(1996)則采用協相關函數（Cross-Correlation Function，CCF)來檢驗兩個時間序列間的波動率溢出效應。

2.1 CCF檢驗方法

傳統研究波動率溢出所用的方法大都在多元GARCH框架下，對兩個序列殘差平方進行回歸分析，而利用CCF方法進行因果關系檢驗時，只需要對每個時間序列單獨建立一元GARCH模型，得到自身的標準化殘差，從而避免了多元GARCH參數過多的問題以及估計結果收斂性等問題，而且還避免了多元GARCH因極大似然函數漸進分布的不確定所帶來的影響。CCF檢驗法最早由Cheung和Ng(1996)提出來檢驗兩個時間序列之間的因果關系， Hong（2001）在Cheng和Ng(1996)基礎上構建出一個新的基于核函數的統計量Q（M），本文選用Daniell核函數1，Cheung和Ng(1996)構建的S-統計量和Hong（2001）Q-統計量都能做單向和雙向的Granger因果關系檢驗，本文選用Hong（2001）的檢驗方法因為一是該方法構建的Q-統計量對高階滯后的協相關系數賦予較小的權重，而S統計量對系數賦予相同的權重。二是Cheung和Ng(1996) 的S-統計量只能取較短的滯后期，而Hong（2001）的Q-統計量可以把滯后期擴展到接近時間序列長度T，這樣的優點在于充分考慮了投資者對信息反應滯后的影響。

當檢驗序列ut是否是序列vt的Granger-方差原因時，原假設H0：序列ut不是序列vt的Granger-方差原因。此時我們采用單向Granger因果關系檢驗統計量：

當不確定在ut和vt中哪個是Granger原因時，原假設H0：序列ut不是序列vt的Granger-方差原因，同時序列vt也不是序列ut的Granger-方差原因。此時我們采用雙向Granger因果關系檢驗統計量：

為滯后j期的樣本協方差函數，k（x）為核函數，M為有效滯后結尾階數。

Hong（2001）證明了在一些常規條件下，上述兩個統計量都收斂于標準正態分布，所以可以用標準正態分布的右側臨界值來判斷結果的顯著性。具體方法分為四步：第一，對收益率序列進行建模，求出每個序列的擾動項

，本文對每個時間序列采用AR（m）-EGARCH（p，q）-t模型。第二，計算經過變形的兩個序列標準化殘差平方

與

之間的協相關函數值

。第三，選擇合適的核函數k（x）和M值，計算Ct（k）和Dt（k）。第四，估計出Q（M)統計量，與一定顯著性水平下的標準正態分布上尾值進行比較，得出均值-Granger和方差-Granger因果關系檢驗結果。

2.2 AR-t-EGARCH模型

根據Hong的方法，我們要先估計出單個收益率的模型參數，然后進行因果檢驗，本文運用Nelson（1991）中的指數Garch模型，它可以區分正的和負的擾動對波動率的不同影響，考慮到金融時間序列一般存在的尖峰厚尾特征，本文對新息采用服從t分布的形式。AR(m）-EGARCH(p，q）-t的均值方差方程如下：

3、股市行業實證分析

無論是投資者還是政策制定者他們對國際石油價格的波動都會做出一定的反應，由于對國際石油市場的過分依賴，油價的波動勢必牽動著相關行業。下面本文將對國際石油市場和中國的14個行業進行信息溢出檢驗。

3.1行業數據

由于行業數目較多，本文選取由道瓊斯第一財經中國600行業領先指數中按照行業分類標準（ICB）給中國股市劃分的14個行業來研究。石油的價格用Brent原油的每周現貨價格，數據取自美國能源情報署（EIA），14個行業指數數據用周收盤價，取自和道瓊斯第一財經中國600行業領先指數，樣本的時間都為2001年1月5日至2011年10月10日，收益率為各自價格取對數后的差分再乘以100，各收益率的統計性質見表4.

從表1中可以看出，在樣本期內石油和中國股票市場行業指數的收益均值大部分是正的，只有三個行業是負的。從標準差看，最小的是公用事業行業為3.85，最大的是基礎資源行業為4.79，這顯示中國股票市場行業的波動比國際原油市場波動都要大。偏度上則顯示既有左偏也有右偏。峰度上所有序列都大于3，從J-B統計量及其P值可以看出所有序列都呈現高峰后尾特征，說明這些序列的收益率都不服從正態分布。

3.2行業AR-t-EGARCH模型結果

對于中國具體的股票行業收益率，我們仍采用AR-t-EGARCH模型進行參數估計，然后進行因果檢驗，這也是考慮到利好的消息和利空的消息對市場的沖擊是不對稱的以及這些序列存在的高峰后尾現象。模型的參數估計結果見表5.

表中Q和Q2分別表示滯后20期的標準化殘差和標準化殘差平方Ljung-Box Q統計量，從該統計量的P值可以看出該模型是充分的。其中β＜1，說明模型是弱平穩的，杠桿系數 θ在不同行業有正有負，表明有的行業對利多消息反應比較大，有的行業對利空消息反應比較大。

3.3行業CCF檢驗結果

這里運用AR-t-EGARCH模型得出的結果來計算Hong(2001)的Q統計量，檢驗國際石油市場與中國14個行業之間的Granger因果關系，結果參見表6，表7和表8。

ii）Q和Q2分別表示標準化殘差序列及其平方的Ljung-Box統計量，（）中數字表示相應 Q統計量的P值。

ii）M為有效滯后結尾階數，本文選取滯后10階和20階，～表示在此處M取的是30，下同。

3.4 行業實證結果分析

結果顯示在本文研究的14個行業中有5個行業與國際石油價格存在顯著的方差-Granger因果關系，而且從方向上看國際石油市場與石油和天然氣、旅游和休閑這兩個行業既存在雙向波動率溢出，也存在由石油市場向這兩個行業的單向波動率溢出，對于基礎資源、工業用品和服務以及科技行業則只存在由國際石油市場向這三個行業的單向波動率溢出，結果顯示中國股票市場中還是有很多行業受國際石油價格變動的影響的，這些行業股票收益會因為油價的波動而波動，國際石油市場對這些行業起到了信息先導的作用，這對投資者也有預警的功能。

本文研究結果發現國際石油價格和中國石油和天然氣行業在5%和10%的顯著性水平下有同時的雙向波動率溢出，在1%的顯著性水平下有由石油市場向中國石油和天然氣行業的單向波動率溢出效應，雙向波動率溢出可能是因為它們受到一些共同的市場因素的影響，比如OPEC和國際能源署（IEA）對市場的干預，他們能直接控制石油的產量和存量，進而對石油的價格產生影響，而這對中國那些從事原油和天然氣行業的公司來說會直接關系到他們的生產成本和收入。結果中的單向波動率溢出則表示國際石油價格的變動會向中國的石油和天然氣行業信息溢出，而反過來卻沒有，這進一步說明了國際石油市場對中國的石油和天然氣行業有信息先導的作用，正如Huang等（1996）一文中指出石油股票的收益是和石油價格緊密相關的。

在基礎資源行業中，我們只發現從國際石油市場向基礎資源行業的單向波動率溢出效應，金洪飛（2010）一文中指出這是由于該行業中的采礦業和有色金屬工業都需要大量的能源，石油價格的變動會對采礦業產生正負兩方面的影響。在工業用品和服務行業我們發現和基礎資源同樣的結果，也只存在從國際石油市場向工業用品和服務行業的單向信息溢出，我們知道工業用品和服務行業中包括國防工業產品、電子工業產品和一些交通運輸行業，這些運輸行業主要都是以石油作為燃料進行動力輸出的，它們對石油的依賴度非常的高，石油價格的每次變動對從事這些行業的公司業績都有很大的影響。對于旅游和休閑行業，結果顯示在1%的顯著性水平上存在著國際石油市場和旅游與休閑行業雙向的波動率溢出，而且也存在從國際石油市場向旅游與休閑行業的單向波動率溢出。根據ICB行業分類基準，航空客運、公交公司等為出行和旅游提供服務的子行業都劃分為該行業，石油價格的上升給這些行業帶來的壓力是顯然的，油價的波動給該行業帶來明顯的波動，這再次說明從波動率角度出發有時能挖掘出兩個市場之間的潛在聯系。最后我們還發現在10%的顯著性水平下，科技行業和石油市場之間在滯后20期后存在由石油市場向科技行業的單向信息溢出，但它們之間不存在雙向波動率溢出.。

4、結論

當考慮到中國一些具體的行業時，在我們選取的14個行業中發現有5個行業與國際石油價格存在非常顯著的方差-Granger因果關系，結果證明隨著中國的石油消費對外依存度的不斷提高，國際石油價格的變化已經對中國股票市場中的相關行業產生影響，這些行業已經與國際石油市場有緊密的聯系。從實證結果來看，這種影響有三個特點：第一，它不是對所有行業有普遍影響，而只是對和石油有相關的行業產生信息溢出效應。第二，目前這種影響從收益率均值上看結果還是不顯著的，但從波動率上可以觀察到國際石油價格的變動對中國石油和天然氣、基礎資源、工業用品和服務、旅游和休閑和科技行業有顯著的信息溢出。第三，實證結果顯示信息溢出的方向都是從石油市場到中國的具體行業的，而反向則不存在顯著的結果。

油價變動對相關的行業有影響，從具體行業或者相關公司角度出發可能會發現更多的信息。本文采用的方法可以運用到更多的行業中去，但從結論上看研究國際石油市場和中國從事石油相關產品的公司之間的信息溢出，可能會有新的發現，這對投資者進行資產組合管理和資產的套期保值提供更多的機會。

參考文獻：[1] GRANGER， C.W.J. Testing for causality: A personal view [J]. Journal of Economic Dynamics and Control ，1980，2:329-352.[2] GRANGER， C.W.J.，ROBINS， P.P.， ENGLE， R.F. Wholesale and retail prices: bivariate time-series modeling with forecastable error variances. In: Belsley， D.A.， Kuh， E. (Eds.)， Model Reliability， MIT Press， Cambridge，1986:1-17.[3] 金洪飛，金犖，《石油價格和股票市場的溢出效應》，《金融研究》，2008（02）:83-97.