我國能源金融市場風險評價及影響因素分析
——基于主成分分析法的月度實證結果

張克欽

（中國石油大學（華東）經濟管理學院 山東青島 266580）

引言

2020年4月發生的“原油寶”事件引起全國關注，大量投資者蒙受巨額損失。雖然該事件中銀行的風控措施失靈可能是損失產生的直接原因，但這次事件也使得能源金融的高風險特性成為人們關注的重點。我國已經成為世界第一大能源消費國和第一大原油、天然氣進口國，巨量的能源進口在推動我國經濟發展的同時也帶來了一定的潛在風險。不斷加深的對外依存度、不完善的能源市場、不夠合理的能源資源配置、不夠有效的定價機制都是我國能源領域目前存在的問題（林伯強，2014）。能源金融的發展在為能源市場參與方提供了新的規避風險工具的同時，也讓能源金融市場風險的影響更加多元復雜。目前，對于能源金融市場風險研究成果比較少，尤其是對我國能源金融市場風險的時序特征分析、影響因素分析、指標選取和數據處理方面還有進一步完善的空間。因此，在我國經濟深度融入世界經濟的今天，準確評價我國能源金融市場風險和研究其影響因素，在理論和實踐上都具有非常重要的意義。

本文梳理過往研究成果，從宏觀經濟和市場波動兩方面選取評價指標，運用主成分分析法和日度極差方差法構建我國能源金融市場風險評價模型，得到2002年1月-2020年12月每月我國能源金融市場風險指數，旨在分析加入世界貿易組織以來我國能源金融市場風險的時間序列波動特征以及影響因素，為我國防范能源金融風險提供一定的參考。本文研究結果表明：與過往部分研究結果有所不同，本文發現我國能源金融市場風險總體呈現出易受重大事件影響的平穩時間序列狀態，我國能源金融市場風險的預警應當注重對國際重大事件的研判而非對過往數據的純粹計量預測結果；金融市場類指標代表的價格波動風險對于我國能源金融市場風險指數影響最大，且在不同時期各市場指標貢獻程度排名并不相同，而我國能源供需規模增長的影響則較小。本文為研究我國能源金融市場風險提供了新的方法和視角，對提高我國能源金融市場風險防范能力、保障我國能源安全具有一定的參考價值。

本文具體結構安排如下：第一部分為引言；第二部分為文獻回顧及本文創新點；第三部分為指標選擇與研究方法；第四部分為模型構建與樣本數據描述；第五部分為實證結果與分析，主要包括靜態影響因素及風險指數時間序列分析、平穩性檢驗、動態影響因素分析和穩健性檢驗；最后在第六部分本文基于分析結果進行總結并提出政策建議。

一、文獻回顧與研究創新

近年來，金融風險成為金融領域的研究重點。金融風險的研究內容很廣泛，主要的研究熱點包括金融風險度量及預警、金融風險傳染等。Hart和Zingales （2011）將金融風險定義為極端事件如金融機構倒閉或者金融市場崩潰在金融體系內不斷擴散并沖擊相應的實體經濟。目前主要的研究方法有網絡分析方法（李政，2016）、條件風險價值CoVaR（Adrian和Brunnermeier，2016）、Copula模型（劉曉星等，2011；李叢文和閆世軍，2015）等。此外，還有一些學者通過研究各金融機構之間風險傳染的路徑、范圍及影響大小進而度量金融系統性風險（隋聰等，2016；Gofman，2017；胡宗義等，2018）。總的來說，金融風險研究的主體大多仍為股票市場等傳統金融市場以及銀行等傳統金融行業，對于能源金融市場風險的關注較少。

能源金融領域中，目前大部分研究集中在特定行業的能源金融風險。李凱風等（2013）通過BP神經網絡模型預測我國2011年各季度煤炭行業金融安全形勢得分；李凱風等（2014）采用AHP層次分析法和BP神經網絡方法比較太陽能、核能、地熱能、風能及生物能的金融運行狀況；王新霞等（2016）使用遺傳算法優化BP神經網絡（GABP）對2015年我國油氣、煤炭和電力行業金融風險進行預測。在目前研究中對我國整體能源金融風險的評價和預警的研究較少。王淑貞等（2011）運用模糊綜合評價法度量我國1995-2008年每年能源風險預警系數并進行預測；李麗紅（2015）運用主成分分析法分析了2002-2013年我國各年度能源金融市場風險強度并通過ARMA預測了下一年風險強度。綜上可以發現，目前相關研究主要存在以下問題：第一，對整體能源金融市場風險的關注比較少；第二，大多考察未來風險的預測，但對于風險形成的影響因素并沒有深入分析；第三，分析結果主要以年為時間單位且時間跨度較短，對風險變化缺乏比較完整的梳理；第四，部分文獻的指標選取簡單化，測度市場價格風險方面忽視了對波動性的度量。

基于此，本文的創新點主要在以下幾個方面：第一，創新性地從宏觀經濟風險與市場波動風險兩方面選取能源金融市場風險評價模型的各項指標，一方面強調了金融市場價格波動造成的風險，另一方面也將宏觀經濟、市場規模情況等因素納入分析范疇，使得評價模型更加客觀全面；第二，在能源金融市場風險研究中率先引入日度極差方差法計算價格波動，強調將價格波動作為市場風險的衡量指標；第三，采用較長時間跨度（2002-2020年）的月度數據作為樣本，得到我國能源金融市場風險指數月度時間序列，對我國能源金融市場風險進行更精準的刻畫和梳理，發現我國能源金融市場風險呈現出易受重大事件影響的平穩時間序列狀態，并提出一個新的觀點：對我國能源金融市場風險的預測應當強調對國際重大事件的研判而非對過往數據的純粹計量預測結果；第四，基于主成分分析視角和時間序列視角，從靜態和動態兩方面分析我國能源金融市場風險的影響因素，對于分析能源金融風險來源、提高我國能源金融風險防范能力、完善我國能源金融風險防范體系具有一定參考價值。

二、指標選擇與研究方法

（一）評價模型與指標選取

目前國內關于能源金融市場風險評價方面的文獻較少，部分研究是針對特定能源領域進行風險度量。李凱風（2013）基于專家調查法，從宏觀經濟環境、煤炭金融融資、煤炭金融投資三方面選取指標分析我國煤炭行業金融安全預警管理；李凱風（2014）基于宏觀、中觀、微觀三個層面分別選取政策、技術、投融資作為風險因素對我國新能源金融安全狀況進行評價；李麗紅（2015）指出，能源金融市場風險屬于中觀層面的能源金融風險，但對于能源金融市場風險的分析同樣需要考慮宏觀因素；何凌云（2014）指出，能源金融風險主要包括能源實體金融和能源虛擬金融兩部分。綜上可知，對于能源金融市場風險評價的指標選取尚未形成統一的認識和標準，但都強調將宏觀經濟情況與具體領域情況相結合。

綜合各類文獻中的指標分析，本文認為指標選取要考慮市場變化和宏觀經濟形勢變化兩方面帶來的風險。與部分文獻中將價格絕對值作為市場類指標的做法不同，本文認為以市場波動程度衡量金融市場的影響更符合現實情況，故以市場收益波動率度量市場類指標。因此，本文從宏觀經濟與市場波動角度出發選取能源供需類和金融市場類兩類指標構成指標體系。除此之外，本文所選取的指標還有以下特點：一是更大的時間跨度。2001年11月我國正式加入世界貿易組織，我國的經濟發展與世界的聯系愈發緊密，因此將2002年作為樣本數據時間起點，而2020年的新冠肺炎疫情對于全球經濟造成了巨大沖擊，故本文選擇2002年1月—2020年12月作為樣本數據時間范圍；二是高頻數據刻畫更加精準。過往研究多采用年度數據，本文為更準確描述我國能源金融市場風險的變化情況，選擇構建月度風險指數。

宏觀經濟方面，本文從我國能源供需兩方面選取相關指標。由于過往文獻所采用的指標如我國能源消費量、能源生產量以及GDP均為年度或季度數據，考慮到月度數據的可獲得性與代表性，本文選擇將我國每月石油原油與成品油進口總和作為我國能源供給指標，將我國每月固定資產投資作為能源需求指標，并將二者歸類為能源供需類指標。相關指標選取的穩健性將在下文中加以論證。

市場波動方面，本文選取多個市場波動情況將其并歸類為金融市場類指標。首先，能源市場價格波動風險，這對能源金融安全具有直接的影響；其次，金融全球化與金融自由化的發展導致各金融市場間的聯系更加緊密，因此其他金融市場的價格波動對于能源金融安全也會產生影響。鑒于劉程程等（2020）指出股票市場的交易活躍且信息相對完備，可有效代表金融市場當前的運行狀態，因此本文將股票指數波動作為其他金融市場影響的代理指標；最后，美元作為主要國際能源交易貨幣，其匯率變動對于我國能源交易具有巨大影響，因此匯率波動風險也應加以考慮。具體指標選取方面，本文選取布倫特原油期貨市場收益波動率作為能源市場風險指標；標普500指數收益波動率作為國際金融市場風險指標；美元指數收益波動率作為匯率市場風險指標。

綜上，本文構建的能源金融市場風險評價模型指標體系如表1所示。

表1 我國能源金融市場風險評價模型指標體系

（二）研究方法

1． 主成分分析法

本文基于主成分分析法（principal components analysis）對指標進行降維處理，得到我國能源金融市場風險評價指數。主成分分析法由Hotelling（1933）首先提出，是一種基于降維思想、在損失較少信息的前提下把多個指標轉化為少數幾個綜合指標的多元統計方法。通常將轉化后的綜合指標稱為主成分，并且每個主成分都是互不相關的原始變量的線性組合，這樣就可以對較少的主成分進行分析，簡化問題，提高效率。許傳華等（2012）指出主成分分析法在數據本身的基礎上構造權重，具有較高的客觀性，可以避免層次分析法、評分系統法中出現的主觀性。

2． 日度極差方差法

本文借鑒Diebold和Yilmaz（2012）的方法，采用日度極差方差法計算各金融市場的收益波動率作為各金融市場類指標的取值。日度極差方差法在使用較少數據的同時較高效率地估計市場收益波動率（Parkinson，1980），是大量經濟學文獻采用的衡量市場價格波動情況的方法（Diebold和Yilmaz，2012）。具體計算方法如下：

對于t時刻的金融市場i，其日度極差方差為：

相應的t時刻金融市場i的年化收益波動率為：

其中，Pitmax、Pitmin分別為t時刻金融市場i的最高價和最低價。

三、模型構建與數據描述

（一）風險評價模型構建

我國能源金融市場風險評價模型構建步驟如下：第一，獲得各指標月度原始數據。運用日度極差方差法得到各金融市場每月平均年化收益波動率，與能源供需類指標月度數據共同構成指標原始數據；第二，對所有指標原始數據進行標準化處理；第三，通過主成分分析法得到各成分特征值、貢獻率及其各指標的初始載荷，貢獻率的值表征著其對應的成分所包含的信息量的多少，選取累計貢獻率超過80%的成分作為主成分；第四，將各主成分中指標的初始載荷除以其對應主成分特征值的平方根，再將其乘以其主成分特征值占全部主成分特征值之和的比重，得到各主成分中指標系數后將同一指標的系數累計求和，即得到綜合后的各指標系數。對綜合后的各指標系數進行歸一化，得到最終我國能源金融市場風險指數公式；第五，計算我國能源金融風險指數。基于所選取的各指標權重代入標準化處理后的各月度數據，得到2002年1月—2020年12月我國能源金融市場風險月度指數值。

（二）統計描述

本文選擇2002年1月—2020年12月我國每月原油與成品油進口總額、每月固定資產投資、每日布倫特原油期貨價格、每日標普500指數、每日美元指數作為初始數據，其中每月固定資產投資由于每年1—2月份僅公布合計值，故采用合計值的算數平均值作為1、2月固定資產投資額。原油與成品油進口總額數據來自國家海關總署；固定資產投資數據來自國泰安數據庫；布倫特原油期貨價格數據來自英為財情網站；標普500指數、美元指數數據來自東方財富Choice金融終端，美元指數數據個別缺失值通過新浪財經網站補充。

經過本章前述建模步驟得到5個指標的每月標準化數據，每個指標有228個樣本數據，具體描述性統計結果如下：

1．數理統計信息

標準化處理后，數據樣本均值均為0，樣本方差均為1，故主要統計指標最小值、最大值的結果如表2所示。

表2 各項指標基本信息

由表2可以發現，金融市場類指標（油價波動、股指波動、匯率波動）的最大值普遍較高，這說明在特定情況下金融市場價格震蕩會出現更高的極端情況，相較于宏觀因素指標（石油進口、能源消費），金融市場相關指標對于市場事件的反應可能會更激烈。

2．各指標時間序列

圖1展示的是各指標在2002年1月—2020年12月之間每月數據時間序列，反映了數據隨時間變化的波動情況。

圖1 能源金融市場風險評價模型各指標時間序列圖

能源供需類指標即石油進口以及能源消費都呈現明顯的趨勢性。2002—2019年石油進口及能源消費逐年增長，而2020年由于新冠肺炎疫情的影響，二者都出現了輕微的下降，但總體仍表現出增長態勢。這一方面說明隨著我國經濟的高速發展，我國能源進口與能源需求所呈現的上升趨勢使得能源金融安全的重要性愈發凸顯；另一方面也說明由于能源領域的產業鏈較長，我國能源產業的增長具有相當的穩定性，不易受到外界因素影響。另外，我國能源需求也呈現出規律性波動，具有較強的季節效應，即夏秋季節較高、冬春季節較低。通過線性趨勢線可以看出，去除時間趨勢后，兩個指標數據的波動并不大。

金融市場類指標的數據則沒有明顯的趨勢性，且表現出較大的起伏，但并未出現長期偏離。這同樣說明，市場波動風險相對來說更易受到市場環境、國際重大事件等各類因素影響。

四、實證結果與分析

（一）能源金融市場風險靜態影響因素及風險指數時間序列

對所得到的指標數據進行主成分分析，得到的結果如表3所示。根據表3，第1、2個成分的特征值均大于1，而其余成分的特征值均小于0．5，且第1、2個成分累計方差貢獻率為80．73%，超過80%的經驗值標準，具有較好的信息解釋效果，故選擇第1、2個成分作為主成分。主成分的初始載荷系數如表4所示。

表3 主成分分析的結果

表4 初始載荷系數矩陣

根據模型構建的第4步，得到綜合后的各指標系數，結果如表5所示。由表5可以看出：橫向比較時，成分1中影響程度較高的主要是油價波動、股指波動和匯率波動，代表國際因素，而成分2中影響程度較高的為石油進口和能源消費，代表國內因素；縱向比較時，油價波動具有最高權重，其次依次是股指波動、匯率波動、石油進口、能源消費。綜上可知，我國能源金融市場風險受國際因素影響較大，國內因素影響較小，且受國際油價波動影響最大。但此處各指標的權重為靜態影響水平，而各個指標對風險指數的動態影響將在本章節第（三）部分作具體分析。

表5 綜合后各指標系數

對綜合后的各指標權重值進行歸一化處理，得到我國能源金融市場風險指數函數：

其中，RIi為i時刻我國能源金融風險指數，X1i、X2i、X3i、X4i、X5i分別為i時刻的石油進口、能源消費、油價波動、股指波動、匯率波動指標值。

將指標數據帶入函數中，得到2002年1月—2020年12月我國能源金融市場風險月度指數，其時間序列結果如圖2所示。從圖2中可以發現：一方面，2002—2020年我國能源金融市場風險總體較為平穩（時間序列的平穩性將在本章節第二部分進行更嚴密的論證），并未呈現明顯的趨勢性；另一方面，我國能源金融市場風險在特定時期會出現明顯波動，可能與同時期國際能源形勢變化有關。

圖2 我國能源金融市場風險指數時間序列圖

對我國能源金融市場風險指數時間序列進行具體分析：2002—2003年，由于美國發動伊拉克戰爭，對于國際能源格局造成較大影響，導致我國能源金融市場風險上升；2004年1月—2008年5月期間，我國能源金融市場風險穩定在較低水平；2008年6月份開始，由于金融危機的爆發，我國能源金融市場風險進入上升通道， 10月達到峰值，保持高位直至2009年8月回落；2010—2012年，受歐債危機的影響，我國能源金融市場風險出現了數次上升；2012—2015年，由于全球經濟緩慢復蘇，風險指數保持在低位水平；2016年1—2月，由于美國等西方國家解禁伊朗的原油出口以及美聯儲近十年來首次加息，國際能源及金融市場出現動蕩，能源金融市場風險上升；2017—2019年，風險指數基本保持穩定，中美貿易摩擦導致國際金融市場風險上升，但由于其涉及能源領域較少，故對我國能源金融市場風險影響較小；2020年3—6月，由于新冠肺炎疫情在全球范圍的暴發，全世界經濟陷入動蕩，導致能源價格波動大幅加劇，我國能源金融市場風險急劇升高；2020年7—12月，由于全球防控新冠肺炎疫情進入常態化，市場波動逐漸趨緩，能源金融市場風險穩定在較低水平。

綜上可以看出，我國能源金融市場風險基本保持在較為平穩的階段，但能源商品特有的戰略屬性讓其更易受到經濟、政治等多方面的影響，重大國際事件尤其是2008年金融危機以及2020年新冠肺炎疫情對于我國能源金融市場安全具有明顯的沖擊。

（二）平穩性檢驗

對風險指數的時間序列數據進行穩健性檢驗，判斷其是否平穩。圖3為風險指數的12階自回歸和偏自回歸關系圖，由其可知風險指數的時間序列數據的自回歸函數隨著時間的推移逐漸減小，且Q統計量在1%水平上顯著，初步判斷為平穩時間序列。

圖3 風險指數的12階自回歸和偏自回歸關系圖

為進一步檢驗風險指數的時間序列是否平穩，需要對數據進行單位根檢驗。本文采用DF檢驗、ADF檢驗、PP檢驗、DF-GLS檢驗、KPSS檢驗進行單位根檢驗。首先進行含趨勢項和不含趨勢項的DF檢驗，檢驗結果如表6所示，風險指數在1%水平上拒絕“存在單位根”的原假設。

表6 DF檢驗結果

由于DF檢驗中的擾動項可能存在自相關，故考慮更高階的ADF檢驗。本文選擇使用由大到小的序貫t規則（general-to-specific sequential t rule）來確定滯后階數。首先需要確定最大滯后階數，Schwert（1989）建議取值為pmax=[12×（T/100）1/4]，其中T為樣本容量，[·]表示取整數部分。本文中風險指數樣本容量為228，則pmax=14．745685，故取整數14作為最大滯后階數。經過由大到小的序貫t規則最后得到滯后期p=5，含趨勢項與不含趨勢項的ADF檢驗結果如表7所示。由表7可知，不含趨勢項和含趨勢項的ADF檢驗結果表明風險指數分別在1%和5%水平上拒絕“存在單位根”的原假設且趨勢項系數并不顯著。

表7 ADF檢驗結果

表8、表9、表10分別表示PP檢驗、DF-GLS檢驗、KPSS檢驗的檢驗結果。PP檢驗表明，風險指數數據在1%水平上拒絕“存在單位根”的原假設；DF-GLS檢驗表明，從1-13階滯后在5%水平上拒絕“存在單位根”的原假設，大多數在1%水平上拒絕“存在單位根”的原假設；KPSS檢驗表明，大多數滯后均不顯著，由于KPSS檢驗的原假設為“平穩序列”，故不可拒絕“平穩序列”的原假設。

表8 PP檢驗結果

表9 DF-GLS檢驗結果

表10 KPSS檢驗結果

綜上可知，我國能源金融市場風險的時間序列數據為平穩時間序列，且不具有明顯的時間趨勢，但同時特定時間區間中出現的大幅度波動同樣值得關注。對于我國能源金融市場風險的動態影響因素，將在下一部分進行分析。

（三）動態影響因素分析

在本章節（一）中，基于主成分分析的結果可知，在能源金融市場風險影響因素的靜態分析中，油價波動的權重最高，其次依次是股指波動、匯率波動、石油進口、能源消費，但由于在不同時期各指標的取值并不相同，因此各指標對風險指數的動態貢獻排名可能與指標權重并不完全相同。本文采用堆積面積圖來表現各指標在不同階段對于風險指數的貢獻度，以此來分析我國能源金融市場風險指數的動態影響因素，結構如圖4所示。

圖4 各指標影響程度堆積面積圖

由圖4可以發現，對于能源金融市場風險的主要貢獻來源于金融市場類的三個指標，即油價波動、股指波動和匯率波動。雖然油價波動在風險指數函數中的權重最高，但并不是每次風險指數上升的主要原因都是國際油價波動的上升。例如，在伊拉克戰爭期間，第一次風險大幅上升主要是因為股指波動上升，第二次則是美股指數波動和國際油價波動同時上升引起；在金融危機期間，油價波動、股指波動和匯率波動共同起作用，且美元指數在金融危機后期波動更大；在歐債危機期間，美股指數和美元指數的大幅度波動助推了風險上升；2012—2015年期間風險下行，主要原因也是三個金融市場類指標的下行；而在2015—2016年的風險峰值則主要是因為能源價格的波動上升；2017—2019年的風險下行主要是美股指數波動較小，這與美國2017—2019年經濟平穩增長有一定關系；2020年3、4月份的風險指數飆升則主要是國際油價劇烈波動引起的。另外，石油進口與能源消費引起的風險對于總體風險指數的影響很小。

綜上可以看出，無論是靜態還是動態影響因素分析，我國能源金融市場風險的主要影響因素為能源市場價格波動、股票市場價格波動、匯率市場價格波動，且在不同時期的影響大小各不相同。這個發現對于第六部分的結論與政策建議提供了重要依據。

（四）穩健性檢驗

本文通過對將其他指標替換原本選取的指標來進行穩健性檢驗。李麗紅（2015）在研究中選用年度GDP數據作為描述能源供需的指標之一，認為能源需求會隨著GDP的增長而上升。本文選擇將GDP作為能源需求指標替換原來的固定資產投資，通過比較替換前后風險指數時間序列的差別來驗證穩健性。基于數據的可得性和結果的可比較性，本文選擇季度數據進行穩健性檢驗。

將原來數據取季度算數平均值得到第一組季度指標數據，并用2002-2020年各季度GDP的標準化數據替換固定資產投資的數據得到第二組季度指標數據，重復之前的步驟得到兩組季度風險指數的時間序列圖，二者對比如圖5所示。

圖5 不同指標體系下的季度能源金融市場風險指數對比圖

由圖5可知，將季度GDP指標替換固定資產投資指標后，風險指數的波動并未出現明顯的區別，證明本文所選取的指標具有較高的穩健性。

與此同時，本文注意到季度風險指數與月度風險指數的時間序列結果有所差異，故將二者進行對比，結果如圖6所示。由圖6可知，月度數據與季度數據在總體上趨勢相近，但相較于季度數據，月度數據有兩方面優勢：一方面，月度數據的波動性更大，而季度數據則“熨平”月度數據的起伏。在市場活動瞬息萬變的今天，波動性更強的數據能夠更加準確地刻畫風險的變化，有利于對風險進行評價和預測。另一方面，月度數據更加及時，由圖6可以看出，對于伊拉克戰爭（2002—2003年）、金融危機（2008—2009年）、歐債危機（2010—2011年）和新冠肺炎疫情期間（2020年）的風險上升情況，月度數據都比季度數據更早地反應出來，有利于風險防范。綜上，能源金融市場風險月度數據具有明顯的理論和實踐優勢。

圖6 基于季度數據和月度數據的我國能源金融市場風險指數對比圖

五、結論與政策建議

（一）結論

第一，我國能源金融市場風險總體呈現為易受重大事件影響的平穩時間序列狀態，即長期來看并沒有明顯的上升或下降趨勢，但同時對重大事件比較敏感，短時間內會有較大起伏。這說明總體而言我國能源金融市場風險還處于平穩可控范圍，同時也要注意如果我國能源對外依存度進一步升高，能源供給可能會受到市場波動的更大影響。進一步地，本文對于我國2019年來各月能源金融市場風險指數的梳理表明，我國能源金融市場風險受國際重大事件的影響比較大，因此本文認為我國能源金融市場風險的預警，應當更加注重對國際重大事件的研判、預測，而非單純依據對以往經濟數據的計量預測結果。本文風險指數長期平穩的結論以及對風險預警的分析與過往的研究結果有所不同，對于我國能源金融市場風險研究提供了一些新的實證方法和思路。

第二，在我國能源金融市場風險的影響因素方面，靜態分析下油價波動、股指波動、匯率波動等金融市場類指標的權重明顯高于石油進口、能源消費等石油供需類指標，其中油價波動指標的權重最高；而通過時間序列進行動態分析可以看出，在不同時期油價波動、股指波動、匯率波動三個指標的影響比重各有不同，而石油進口、能源消費兩個指標的影響則始終十分微弱。這說明雖然我國能源產業規模逐年增長，但是規模的增長對于風險的影響并不明顯，而三個市場指標的變動始終具有較大的影響。

（二）政策建議

第一，強化對能源安全的日常監管和對國際重大事件的研判。我國能源金融市場風險長期總體平穩、短期易受重大事件影響的特征表明，相較于基于過往數據進行單純的計量分析預測，更重要的是加強對可能影響能源金融市場波動的國際重大事件的研判和分析。因此，我國應加強對能源安全的日常監管，長期保持對于全球能源市場以及國際形勢的關注，特別要防范“黑天鵝”“灰犀牛”等重大風險事件，同時積極創新能源金融工具，對潛在風險提前進行防范與化解。

第二，推動國內能源金融市場建設，積極參與全球能源治理，構建能源領域“雙循環”新發展格局。我國能源需求雖然規模巨大，但在國際市場中的話語權仍然較低，受國際市場形成價格影響較大。本文經過分析發現，規模因素在能源金融市場風險中的作用比較弱，因此我們不應過度高估自身體量所形成的影響力而忽視風險因素，但同時也不應低估我國能源需求規模在降低能源金融風險中可能起到的作用。當前國際形勢日趨錯綜復雜，我國巨大的能源需求是發展國內能源金融市場、提升國際能源金融話語權的有利條件，應抓緊構建能源領域的“雙循環”新發展格局機遇。一方面，依托現有的巨大能源產業規模，抓緊推動本土能源金融市場建設，完善能源定價機制和能源資源配置機制，同時提高我國能源戰略儲備；另一方面，積極參與全球能源治理，提高在能源領域的話語權，全方位提高我國能源金融風險防范能力。