基于VAR模型的原油運價波動的風險預測研究

石毅 周利粒 于夢露,2 楊興澤,2 黃應邦 馬勝偉 吳洽兒

1.中國水產科學研究院南海水產研究所；2.大連海洋大學航海與船舶工程學院

基于油輪運輸受到國際政治、經濟市場、自然條件、產油國戰爭、船貨供需關系等多方面影響，原油運價會受到劇烈而頻繁的波動。為規避因原油運價劇烈波動帶來的巨大風險，運用VAR模型進行風險預測具有重要意義。本文運用VAR模型對CTFI指數與其影響因素進行定量分析，得出CTFI指數內生原因以及走勢預測，為航運市場參與者制定套期保值策略提供理論支撐。

1.遠期運費協議

遠期運費協議簡稱FFA，是一種海運費的金融衍生品，以波交所發布的運費指數為標的的遠期運費協議。這份協議規定了交易數量，價格，航線等交易要素，并于未來的某一個特定時點，依據波交所發布的即期運費指數進行現金差額結算。目前FFA已廣泛運用到各大航運交易所，市場參與者主要有航運企業、進口貿易企業、生產商及金融公司。交易方式分別有場內交易和場外交易，其中場外交易占據主流地位。FFA通常被用于套期保值，對沖市場上運價的劇烈波動。

2.VAR模型分析

2.1 數據選取處理

本文選取2018 年1 月-2022年1月期間，中國進口原油運價指數（CTFI）、布倫特原油價格（日數據）、中國高級海員薪酬指數（日數據）以及中國原油市場需求（月數據）。通過分析樣本數據周期性變化，探究與CTFI指數的相關性。中國進口原油運價指數（CTFI）為被解釋變量（y），中國航運市場運力指數（x1），中國原油進口數量（x2），國際原油價格（x3）為解釋變量（x）。由于CTFI的數據獲取的是日數據，x1，x2，x3的數據是月度數據，為使樣本數據更平滑，轉化CTFI指數日數據為月度數據，并對數據進行對數轉換，分別轉換為lny，lnx1，lnx2，lnx3。

2.2 自相關性分析

經對數據進行相關系數分析得出，航運市場運力lnx1與CTFI綜合指數（日）（lny）的相關關系為0.4681，正向相關關系較為明顯，分析可以得出lnx3與lny的關聯性最高，相關關系是0.5053，而lnx2與lny的相關性最低，只有0.1225，初步說明原油進口數量（lnx2）與CTFI綜合指數（日）（lny）的相關關系不明顯。

2.3 單位根檢驗

為規避偽回歸現象，應對各變量進行單位根檢驗。本文采用ADF檢驗方式，經檢驗，lny、lnx1、lnx2、lnx3的檢驗p值分別為0.0058、0.0114、0.0062、0.0321，分別在1%、5%、1%、5%的水平上顯著拒絕原假設，驗證四組數據為平穩序列（不存在單位根）。結合自相關性分析結論，lnx2與lny的關聯程度偏低，為針對性研究主要因素對lny影響，剔除lnx2。

2.4 格蘭杰因果檢驗

根據自相關性分析結果，航運市場運力（lnx1）和國際原油價格（lnx3）與CTFI綜合指數（日）（lny）的存在正向的相關關系，lnx1和lnx3已驗證為平穩序列。為探究因果關系，此處引入格蘭杰（Granger）因果關系檢驗，檢驗結果見表1。

表1 格蘭杰因果檢驗結果

研究假設：

假設一：lnx1不是lny的格蘭杰原因；假設二：lnx3不是lny的格蘭杰原因；假設三：lny不是lnx1的格蘭杰原因；假設四：lny不是lnx3的格蘭杰原因。

根據Granger結果，驗證了lnx1和lnx3對y有預測能力，即lnx1，lnx3，lny互為內生變量，說明航運市場運力設為（lnx1）和國際原油價格（lnx3）與CTFI綜合指數（日）（lny）之間具有相互的影響關系，CTFI綜合指數（日）（lny）會隨著航運市場運力（lnx1）和國際原油價格（lnx3）上漲而上漲，反之，則下降。

2.5 脈沖響應分析

脈沖響應函數代表VAR模型中，一個內生變量的沖擊給其他內生變量帶來的變化。圖1和圖2的縱軸表示響應值，橫軸表示沖擊影響的滯后期數。

圖1 （lnx1）對（lny）的脈沖響應結果圖

圖2 （lnx3）對（lny）的脈沖響應分析結果

經分析，當給lnx1一個負向沖擊后，對lny沖擊在短期內向下波動，在第4 期達到最大負響應后逐漸上升轉變為正向響應，并在第6期達到最大正響應。從長期來看，這種帶動作用越來越弱，最終作用力會趨于零。即當航運市場運力下降，需求不變時，會促使CTFI指數上漲，但隨著時間的推移，沖擊逐漸演變為CTFI指數下漲動力，最后航運市場運力對CTFI指數的響應趨于零。

當給lnx3一個負向沖擊后，對lny帶來的沖擊一開始為負向的影響值，在第1期與第4期期間呈現負向響應，且在第3期達到最大負響應值后，在第4期后變為正向響應，接著在第6期左右達到最大正向響應，之后響應值趨于零。即當油價下跌時，全球原油消耗量會增加，進而導致原油運輸量增加，如果運力供給不變，運輸量增加導致運價上漲。

3.FFA套期保值示例

買方：假設A原油進口企業對未來一年內的走勢進行建模分析，結合咨詢FFA經紀人后，預判運費費率在1年內仍會上升，為提前鎖定經營利潤，希望未來1年內的運費費率鎖定在9.25美元/噸，故用9.25美元/噸買入未來一年內該航線的FFA合約。

賣方：B海運公司判斷未來一年運費費率會上升，但為了維持穩定的利潤，愿意用9.3美元/噸賣出未來1年內該航線的FFA合約。

經紀人：FFA經紀人自收到買賣雙方的報盤后，協助雙方協商。經撮合，合同價格為9.25美元/噸，由C航運交易所進行結算。報盤信息和盈利結果見表2。

表2 報盤信息

買家買入FFA合約的盈利結果如表3所示。

表3 盈利結果

通過計算分析，A原油進口企業在成功買進FFA合約之后，以9.25美元/噸為價格標的，企業每進口30萬噸原油，在FFA的合約中，A進口企業可以賺取150000美元，而在現貨市場上，虧損150000美元。如此，FFA市場上賺取的利潤對沖掉了現貨市場上的虧損。因此企業成功規避了運費費率上漲所帶來的經營風險。而對于B 海運企業，其在簽訂FFA合約之后，每運輸30萬噸原油，則在現貨市場上可以賺取150000美元的利潤，但在FFA合約中，卻虧損150000，故兩個市場的利潤和虧損相互對沖。

4.結束語

本文分別使用自相關性分析、單位根檢驗、Granger因果檢驗及脈沖響應分析對近四年的CTFI指數、布倫特原油價格、中國原油進口數量及中國高級海員薪酬指數進行數據分析。結果表明，航運市場運力和國際原油價格兩者與CTFI指數之間互為Granger因果關系，通過脈沖響應分析可以得到國際原油價格對CTFI指數沖擊影響較大，而航運市場運力都對CTFI指數沖擊較小。近期沖擊影響顯著，長期沖擊影響平緩。根據CTFI指數走勢和FFA合約，為航運市場參與者制定套期保值策略提供理論支撐。由于VAR模型局限性，無法精準預測指數走勢。因此，未來將考慮引入EGARCH模型分析各影響因素與CTFI指數波動性的特征，提取指數走勢的波動率，最后運用VAR模型分析CTFI指數走勢和各影響因素的相關性。