第31卷第4期
2011年4月
系统工程理论与实践
SystemsEngineering—Theory&Practice
Vbl.31‘NO.4
Apr.,2011
文章编号:1000-6788(2011)04-0691.11中图分类号:F831.5;F113.3;F064.1文献标志码:A
考虑投机活动和库存信息冲击的国际原油期货价格短期波动
部慧-,何亚男z
(1.北京航空航天大学经济管理学院,北京100191;2.厦门大学王亚南经济研究院,厦门361005)
摘要通过分析原油价格波动,探讨库存信息对市场预期的冲击以及非商业交易商的头寸变化是
否对原油价格及其波动具有显著的影响,这些因素以及其它影响因素如何影响原油期货的价格和
波动;同时探讨原油期货收益率是否与风险相关,金融危机的发生是否增加了原油期货价格的波动
等问题.构建了一个刻画库存信息对市场预期冲击的新指标,并试图将原油期货市场的投机因素纳
入到模型中来度量其影响程度.实证结果揭示了市场未预期到的库存变化、非商业交易商的交易活
动、美元汇率的变动对原油价格水平有显著影响;但所考察因素对原油收益率的条件方差无显著影
响,条件方差存在波动聚集现象;原油期货在下跌趋势下的波动率要远大于上升趋势.
关键词原油期货;价格波动;库存信息冲击;非商业交易商持仓
Pricedynamicsandvolatilityofcrudeoilfuturesmarket:
Inventoryinformationshocksandtradingactivitiesof
non.commercialtraders
BUHuil,HEYa-nan2
(1.SchoolofEconomicsandManagement,BeihangUniversity,Beijing100191,China;
2.TheWangYananInstituteforStudiesinEconomics,XiamenUniversity,Xiamen361005,China)
AbstractThispaperexaminesthebehaviorofcrudeoilfuturespricevolatilityandinvestigateswhether
informationshockstomarketexpectationsaboutinventoryandnon-commercialtraders’positionschange
haveasignificanteffectoncrudeoilpriceanditsvolatility.Italsostudieshowthesefactors,aswellas
otherdeterminants,influencecrudeoilreturnsandvolatility,whetherreturnsarerelatedtorisks,and
whetherfinancialcrisesincreasevolatilityincrudeoilfuturesmarkets.Thispaperconstructsanewproxy
indicatorofinformationshocktomarketexpectationsofinventorychangesinanewway,andincorporates
thefactoroftradingactivitiesofnon.commercialtradersintoamodeltomeasuretheextentofitsimpact.
Theempiricalresultsrevealthatunexpectedinventorychangesofcrudeoil,tradingactivitiesofnon-
commercialtraders.andtheexchangerateindexoftheUSdollarcanimpacttheconditionalmeanof
crudeoilreturnssignificantly.Theresultsalsosuggestthatthesefactorsdonotsignificantlyimpactthe
conditionalvariance,andcrudeoilreturnsaremorevolatileindownwardtrendthaninuptrend.
Keywordscrudeoilfutures;pricefluctuate;inventoryinformationshock;non—commercialpositions
1引言
近几年伴随原油价格的高位运行,其波动也变得频繁和剧烈.自从20世纪90年代以来,期货市场在国
际原油定价中的作用越来越重要,在纽约商品交易所交易的WTI原油期货和在伦敦的国际石油交易所交易
的布伦特原油期货的价格均成为石油国际贸易的重要参考价格.影响原油期货价格的因素会通过期货市场
传向现货市场,并最终影响国际市场的原油现货价格.许多理论涉及对价格决定的探讨.从经济学理论可知,
收稿日期:2010-05-31
资助项目:国家自然科学基金(71003004,70831001);北京航空航天大学基本科研业务费项目(YVv'F-10-06-002)
作者简介:部慧(1981一),女,河北人,博士,讲师,主要研究方向:金融市场,期货定价,大宗商品价格预测,风险管理等,通讯作
者,E-mail:buhui@buaa.edu.cn;何亚男,博士后,主要研究方向:能源经济学、计量经济学.
万方数据
692 系统工程理论与实践 第3l卷
决定商品价格的重要因素是供给和需求的相互关系,然而由于期货市场自身的特点以及它在国际原油定价中
的重要作用,除了供求关系,仍存在很多其它因素影响着原油价格走势和波动.特别是当近几年商品尤其是
原油成为相对于传统投资工具的备选投资工具时,原油市场的投资和投机活动均较以前大大增加,这可能使
得期货市场的定价机制发生些许变化.一个可能的结果就是,原油期货的价格和波动特性对市场信息更为敏
感.除了基本面信息,可能会存在其它因素能影响价格的短期波动.因此,研究原油期货价格形成过程中基本
面信息的作用以及与其它相关因素的相互作用,对理解短期原油价格行为非常重要.本文尝试探讨这个问题.
学术界对价格波动有大量的研究,这是因为波动性对衍生品定价、套保策略、生产与消费的决策、风险
管理等都十分重要.研究发现原油价格的变化和波动对经济活动具有显著影响(Lee[1】;Jones等【2】;Cologni
和Manera[3]).有关可储存商品价格理论的研究
明对能源的供给和需求的冲击可以导致价格水平的改变
或使期货和现货价格均围绕均值震荡(Deaton和Laroque[4];Chambcrs和Bailey[5】;Routledge等【6J).除
了理论研究外,许多研究经常围绕对波动性建模和预测,对事件的影响分析,以及各种商品价格关系的研究
上.Sadorsky[7J对石油期货的波动性建立了各种模型,并提供了对于石油期货日度收益率波动的预测.他的
研究发现,TGARCH模型适合于取暖油和天然气的波动研究,而GARCH模型适合原油和无铅汽油的波动
性研究.Routledge等【6】提供了不同期限的远期价格波动性的预测模型,研究显示波动性中存在萨缪尔森效
应.Pindyck[8】检验了价格波动中是否存在显著的趋势,以及安然事件是否增大了天然气和原油市场的波动
性.他的研究发现,尽管天然气市场中时间趋势对波动有显著的正向影响,但这些影响很小以至于没有任何
经济上的重要性;而安然事件对下天然气的价格波动没有显著影响.另外,许多研究都涉及宏观经济信息对
金融市场波动性的研究(Anderson等【9j;Linn和Zhu[10】;Kalev[11l;等).Linn和Zhu[10】利用日内的交易数
据研究发现,库存信息的发布对波动性的影响会在30分钟之内消失,换言之,价格会在库存报告发布后30
分钟的交易过程中建立新的均衡.Kalev[11】利用澳大利亚股票交易所的高频数据研究了信息流和波动性之
间的关系.Mu[12J利用美国的天然气期货研究了天气冲击对于价格动态的影响,该研究结果表明,天气对于
天然气收益率的水平和波动性都有显著的影响.该研究也支持周一和美国天然气库存报告发布日天然气价
格波动性更高的结论.
我们经常看到各种}平
章讨论诸如投机活动和信息发布对原油价格和波动的影响,但是提供数量化的
分析并度量了这些因素影响程度的很少.例如,尽管在学术界有很多对于投资基金活动的探讨[13-16I,但大
多集中在讨论期货市场上投机的水平和充足程度、资金的流动,以及交易商的预测能力等方面,将期货市场
的投机因素纳入到原油的价格动态和波动性研究中的文献很少.相对的是,大量的新闻I乎论越来越关注基金
的作用,认为能源市场上正是基金的投机活动推高了近期的原油价格并增大了波动性.再如,我们之前推断能
源市场投机活动增加的一个可能结果就是期货价格对市场信息尤其是影响基本面的信息会更加敏感.根据市
场有效性的理论,市场价格应包含投资者的预期,因此市场预期将是价格的重要决定因素;而且如果金融市场
是信息有效的,当新的信息进入市场,价格会迅速变化以反映该信息.那么,如果某些信息显示市场预期出现
偏差,市场价格应立即变动以反映这种变化.但是,对预期冲击的影响进行度量的研究目前还很有限.尽管
Mu[12】提出基本面信息特别是库存信息是天然气价格波动的重要决定因素,但是该研究使用一种间接的方法
来度量市场预期.本文将会关注库存信息发布的影响,并且使用一个新的指标来度量原油库存的市场预期,用
此来研究信息冲击的影响效果.本文在考虑了投机活动和库存信息冲击因素的情况下,研究国际原油期货价
格的短期波动,并探讨这些因素以及其它价格决定因素对原油价格及其波动的影响.本文提出了一个新的指
标来研究库存信息冲击,并利用模型来分析和度量不同因素的影响程度.
2实证方法和模型
2.1数据和初步分析
本文以NYMEX的wTI期货为研究对象,利用近月合约的日度收盘价格作为该期货的价格序列,原油
期货价格数据来源于EIA.观察原油期货价格的历史走势,最近一次的价格低点出现在1999年的1月,这是
由于伊拉克石油增产以及亚洲金融危机的爆发降低了需求.1999年之后价格开始快速攀升,到2000年9月
价格早已翻倍,此后价格逐步回落,直到2001年底.从2002年开始原油价格再次上涨,并于2007年冲破90
美元每桶,F2008年突破100美元每桶,曾达到145.29美元每桶的高价位.此后,由于本轮国际金融危机的
影响,原油价格开始下跌.为了研究原油价格的短期影响因素以及波动性,我们期望建立基F日度数据的模
万方数据
第4期 部慧,等:考虑投机活动和库存信息冲击的国际原油期货价格短期波动 693
型.我们的研究样本选取了从2006年5月2日到2009年5月5日的数据,总共756个样本点.样本的开始
时间受限于某些数据的可得性,例如由路透发布的反映市场预期的美国原油库存的预测报告.样本不仅包含
了价格上涨阶段的数据,也包含了从2008年7月之后价格开始下跌阶段的数据.由于价格上涨和下跌阶段
的油价波动机制可能不同,为了识别这种差异性,定义一个虚拟变量来区分上涨趋势和下跌趋势:
DUM=I,2008年7月3日以后;否则,DUM=0
由于这次油价下跌主要是金融危机的影响,因此该虚拟变量也在一定程度上解释了此次金融危机对油价的影
响程度.
收益率定义为原油期货日度对数价格的变化,即Rt=ln(Pt/只一1).通过ADF检验我们发现,原油价格
收益率序列是平稳序列.表1提供了不同时间段原油期货价格和收益率的描述统计量.对比这些数据,我们
发现2002年至2008年间价格的波动在逐渐增加,因此我们研究的样本期正是价格波动较高的阶段.我们检
验了收益率是否服从正态分布.Jarque—Bera统计量的P值说明统计检验拒绝了样本收益率序列服从正态分
布的假设,即收益率存在一定的厚尾性.从图1我们可以看出一些波动聚集的现象.为了验证是否存在波动
聚集,我们对样本进行了一些统计检验.如表2和图2所示,样本的日收益率的自相关系数显示序列没有明
显的自相关性,但收益率平方序列的自相关系数却表明日度收益率序列不是独立的.表2提供了自相关系数
的Ljung-Box统计量(Q一统计量),检验结果显示序列存在条件异方差性.因此条件异方差模型可以用来拟
合这些数据.
return
ooooooooooooooooooooooooooo
nnnnnnnnnmnnnnnnnnnnnnnnnnn
nnnnnnnnnmnf.、nnnnnnnnnnnnnnn
n寸”∞卜o。口oHNm寸”心r'-∞aoHNn寸.n∞t"-o。口
。。∞o。∞∞∞。。a昏西西凸岔西小西aoooooooooo
小西岔小心西岔口小西西岔昏西西口aoooooooooo⋯⋯⋯一-一⋯⋯Nt"qNNNf-qc_-qNc-q一
图1wTI期货近月合约的价格和收益率序列
表1 wTI期货近月合约的价格和收益率序列的描述统计
I
2
3
4
5
6眈¨o珈讪珈珈珈哪
0
O
O
O
O
O
O
O
O
O
O
加掩M
M屹m
8
6
4
2
万方数据
694 系统工程理论与实践 第31卷
表2收益率和收益率平方序列的Q一统计量
注:AC是自相关系数,PAC是偏自相关系数,Q统计量是自相关系数的Ljung-Box统计量,
它服从于卡方分布,Prob是Q统计量的P值.
1
O.8
0.6
0.4
0.2
0
-0.2
-0.4
-0.6
-0.8
—1
l
0.8
0.6
0.4
0.2
O
-0.2
-0.4
-0.6
-0.8
—1
0 2 4 6 8 1012141618202224262830
(a)收益宰的自柏冀系数
L‰^~~
1
O.8
0.6
0.4
0.2
0
—0.2
-0.4
O.6
—0.8
一l
l
0.8
0.6
0.4
O.2
0
-0.2
—0.4
一O.6
-0.8
一l
O2 46 8 1012141618202224262830
(b)收益率的臼相关系数
乙J||..4。
一,
0 2 4 6 8 1012141618202224262830 024681012141618202224262830
(c)收益率甲方序列的臼相芙系数 (d)收益率平方序列的偏自相关系数
图2分图A.D:收益率和收益率平方序列的自相关系数和偏自相关系数
万方数据
第4期 都慧,等:考虑投机活动和库存信息冲击的国际原油期货价格短期波动 695
2.2带外生变量的GARCH模型 .
从前面的分析,我们可以判断原油期货收益率存在条件异方差特性.正如Sadorsky[7]的研究所指出的,
GARCH模型适合拟合原油价格波动性.Bollerslev{17l提出了GARCH模型,而GARCH(I,1)模型在对金融
资产收益率序列建模上有广泛的应用.GARCH(1,1)模型形式如下:
尺t=p+£t,其中E£l仃t一1一N(0,盯。) (1)
砖=u+al£乙1+p1(TtLl《=u+al£01+1
昆表示在时间t的收益率,p是常数项,Et是收益率的误差项(新息),它的均值为零,而砰是Et的条件方
差.模型的系数a,和p1反映了当前的波动性对于以前波动性水平的依赖程度,而Q-+pl反映了波动的持
续性.
本文建模时除了要刻画原油期货收益率的波动聚集外,还试图探讨我们在引言中提到的几个问题.为了
达到这样的目的,我们使用带外生变量的GARCH模型.假设短期内基本的供给和需求都不变,而基本面信
息通过其它市场变量来传递.我们所考虑的外生变量包括:非商业交易商持仓、库存信息冲击、汇率、利率、
股票市场收益率等.我们将在下一节讨论这些影响因素如何度量.对于不同的研究问题,选择不同的外生变
量进入模型.通过比较含有不同外生变量模型的估计结果,我们可以确认这些影响因素是如何影响原油期货
的价格和波动性.
为了确保GARCH模型设定正确,在建模之前,我们会分析样本数据的各种统计量.通过这样的检验,可
以判断GARCH模型是否合适.例如,首先使用ADF单位根检验来检验数据是否平稳;接着研究收益率序
列和收益率平方序列的自相关系数和Q统计量来判断是否存在波动聚集效应;同时,我们也检验收益率方程
的残差的Q统计量,来判断是否存在条件异方差.如果条件异方差存在,那么我们就使用GARCH模型.我
们会研究数据尤其收益率方程的残差的分布情况,利用Jarque.Bera统计量检验其是否服从正态分布.如果
残差服从正态分布,那么我们将采用如式(2)所示的GARCH模型:
Rt=肛+>:ctE+Et,其中岛f亿一1一N(O,盯2) (2)
盯;=u+叩乙1+p,盯五1+∑钆见
其中,只和忍分别表示外生解释变量.如果残差Et不服从正态分布,那么在GARCH模型中我们将采用t
分布来刻画新息,即模型形式如下式所示:
忍=p+>:ci只+岛,其中氏I亿一1一Student一£(n) (3)
盯;=u+Q1E乙1+卢1盯乙1+∑8kFk
GARCH模型利用极大似然法来进行
估计,其中ARCH项和GARCH项阶数的选择通过最小化
AIC
来确定.在GARCH模型建立并进行估计后,我们对模型的系数、残差、拟合优度等都会进行相应
的统计检验此过程将在模型估计部分详细讨论.
2.3影响因素的设定和度量
2.3.1基金的投机活动
首先,讨论如何度量能源期货市场上投资基金的投机活动.在近几年石油价格的大幅上涨中,国际资本
市场资金的流入和炒作被认为是一个重要因素.我们看到,wTI原油期货的总持仓从2002年初约44万手,
已经大幅上涨到2007年平均约147万手的水平.巨额的资金流入石油期货市场,往往对石油价格会产生较
大影响,而基金的投机活动对短期油价波动也起到了推波助澜的作用.由于跟踪基金的活动存在一定困难,因
此研究基金对油价波动的影响也具有一定的难度.但幸运的是,美国商品期货交易委员会(CFTC)收集整理
了所有期货合约的持仓构成数据,并对外公布交易商持仓报告(COT).基金持仓是反映基金交易行为的重要
指标.CFTC发布的COT报告是市场交易商和分析人士进行市场分析的重要依据,尤其是非商业持仓数据,
被普遍认为是跟踪基金交易动向的重要信息来源.在COT报告中,持仓由可报告持仓和非报告持仓组成.交
易头寸超过CFTC持仓限制的是可报告持仓,它可以进一步分为商业和非商业持仓.其中,商业持仓被普遍
认为是以生产商、贸易商和消费商为主的套期保值商的持仓;而非商业持仓指投机性持仓,主要来自管理期
货或一些商品基金,因此,非商业持仓常常被称为基金持仓.非报告持仓一般指较小的交易商持仓.学术界已
有很多研究探讨交易商的持仓头寸和期货价格之间的关系,但是这些研究通常着眼于交易商的预测能力,并
且大多利用Granger因果检验来分析这个问题.利用COT报告中的非商业持仓的数据,采用持仓的净多比
万方数据
696 系统工程理论与实践 第31卷
例(PNL)来度量非商业持仓的净多头寸【18|.持仓的净多比例定义为某类交易商的多头减空头的差除以总
持仓,因此非商业持仓的净多比例为:
NPNLt=丽订N丽CL两t-西NC丽St (4)
其中,NCL,NCS,NCSP分别是非商业多头、空头和套利头寸.DeRoon等【191计算了商业持仓的PNL指
标,并将它称之为“对冲压力”.Sanders等【161用这个指标研究了能源期货市场交易商头寸0价格之间的关
系.这里,我们沿用这些文献提到的非商业PNL(简记为NPNL)指标来描述和度量基金的投机活动.
我们采用Granger因果检验方法,利用周度数据研究了非商业持仓净多比例(NPNL)与原油收益率之间
的关系.研究结果发现,存在从收益率到非商业持仓的单向Granger因果关系,但是二者之间存在双向的瞬
时Granger因果关系,并且收益率和非商业净多头寸之间的相关系数为正1.这些结果告诉我们,尽管交易商
的净多头寸并不引导市场收益率,但是在原油期货市场中它确实对价格和收益率存在短期影响.Wen、Gong
和Bu等【2(J】利用该指标做油价的预测,得到了很好的预测效果.这正是我们要引入这个因素的原因.
2.3.2库存信息冲击
接下来,我们将讨论另外一个非常重要的影响因素,库存.鉴于原油的工业需求和全球的供给能力短期
内均不会有较大变化,Ye等⋯的研究指出短期内美国原油市场的需求弹性很小,而供给弹性也接近于零,因
此库存代表了短期内的供给条件,并且反映了短期内市场基本面变化对原油价格的压力与影响.Pindyck[22J
的研究揭示商品的价格与库存水甲负相关.库存是供给和需求之间的一个缓冲,对稳定油价有积极作用,低
油价时增加石油库存,会推动石油价格上涨;高油价时抛出库存石油,会引起价格下跌.由于美国占有40%
左右的石油库存,美国经济发展状况对世界经济起着举足轻重的作用,且美国既是石油生产大国又是石油消
费大国,所以美国石油协会(API)和美国能源情报局(EIA)每周公布的石油库存和需求数据,已经成为许多
石油交易商用以判断短期国际石油市场供需状况和进行实际操作的依据.现在,库存对油价的影响越来越明
显,尤其是当库存变化与市场预期不符时,会引起石油等油品期货的大幅波动.正如我们在前面所说的,当真
实信息发布时,如果真实数据较之前的市场预期有较大偏差,那么价格必然会波动以反映最新的信息.EIA
每周三公布美国原油和石油产品的库存报告,这份报告发布截至上周五的总库存水平.在EIA报告发布之
前,路透(Reutcrs)每周对原油和石油产品的库存变化进行市场调查,并提供市场预测值,这份调查结果会以
路透新闻的形式于周一或周二发布.路透的调查值是通过对能源市场的参与者、交易商、分析师等进行广泛
调查得到,而路透发布的库存调查报告是这些分析师们的预测中值.路透的库存调查报告被机构和传媒广泛
采用,能反映市场的普遍预期.我们对路透调查报告预测值的分析表明,路透对原油和汽油的库存变化预测值
是实际库存变化值的无偏估计2.因此,我们利用路透市场调查提供的市场预测值来代表市场对于库存变化的
预期.当库存的实际变化信息发布后,市场预期和实际值之间可能会存在较大差异,这种差异会对市场价格波
动产生剧烈影响.价格变动以反映市场上新的信息.我们采用库存预期偏差(记为INVERR)来反映新息对
f{了场预期的冲击,该指标被定义为EIA的库存报告公布的库存变化实际值减去路透调查公布的市场预测值,
即
INVERR,=Alnventory,一1一E(Alnventory,一1)(5)
其中,,ⅣyERB表示第7.周库存预期偏差.其实,将式(5)变形后,也就意味着原油的实际库存变化可以
被分解为两部分,一部分是市场预期到的库存变化,另一部分就是市场的预期偏差,这两部分分别代表着市
场预期到的和未预期到的库存变化.我们将这两部分都纳入到模型中,以讨论库存信息对市场的影响.为下
文的标记说明方便,将库存实际变化记为DINV,库存预期变化记为EINV,市场未预期到的库存变化,即库
存预期偏差记为INVERR.此外,为了研究信息的发布效应,我frill入一个虚拟变量,EIADAY,来反映EIA
发布库存报告的日期效应,即:
EIADAY=1,如果该日EIA发布库存报告;否则,EIADAY=0 (6)
同时我们假定在一份报告发布后到下一份库存报告发布之前库存变化这个变量的值保持不变.这个假定也
同样适用于上面讨论的基金投机因素,NPNL.
库存反映了短期供给条件,而价格与库存水平负相关.所以当市场对库存水平形成某种预期,价格就会
包含这种预期;当阶段性库存信息的发布对市场预期产生了冲击,即发现市场预期有偏差,那么收益率水平
1.由于篇幅所限,该结果并未给出,如需要可向作者索取
2.由于篇幅所限,该结果并未给出,如需要可向作者索取
万方数据
第4期 部慧,等:考虑投机活动和库存信息冲击的国际原油期货价格短期波动 697
将波动以反映市场的惊讶程度.因此,库存信息对市场预期的冲击应与收益率负相关,即当原油和其它石油
产品的实际库存水平高于(低于)预期时,表示供给状况比预期的宽松(紧张),这会对价格产生压力(支撑).
2.3.3其它因素
模型中还引入了其他文献中经常采用的油价影响因素,如美元汇率、美元利率、美国股票市场收益率等.
在国际贸易中,原油以美元定价,美元汇率的波动必然会对油价的波动产生一定影响.有人研究了1986—2004
年布伦特石油价格,研究结果表明石油价格变动和美元与国际主要货币之间的汇率变动存在弱相关关系.从
过去几年国际市场石油价格变化看,美元贬值是导致高油价的重要因素之一.我们利用美元对主要货币的日
度指数(DTWEXM)来反映美元价值的变化,如果美元指数下跌,则说明美元对其它主要货币贬值.该指数
是美元对主要货币汇率的加权平均指数,这些货币包括欧元、加拿大元、日元、英镑、瑞士法郎、澳元、瑞
典克朗.该数据来源于美国联邦储备管理系统.我们看到,截至2007年11月底美元指数为73.07点,较
2007年初的81.09点下跌9.89%,而较2002年初的110.04点下跌达到33.6%.为考虑金融市场的交互影
响,我们考虑的利率和股票市场收益率.我们采用美国的3月期国库券的利率(TB3),该数据来源于美国联
邦储备管理系统;股票市场我们选用了美国股市S&P500指数的收益率(记为R—sp500),收益率的计算采用
Rt=In(R/R一1).
3实证分析和模型估计结果
3.1模型估计
为了探讨投机活动和库存信息冲击等因素对原油期货价格短期波动如何影响,我们采用带外生变量的
GARCH模型进行分析.外生变量包括2.3节提到的一些因素,除了文献中经常使用的因素外,我们在模
型中加入了非商业持仓和库存信息冲击,通过引入新的因素,我们也可以改进原有模型对原油价格波动的解
释力.为了区别上涨趋势与下跌趋势的不同,在模型中引入虚拟变量DUM.为了讨论非商业持仓是否导致
了价格更大程度的波动,我们将这个因素引入到GARCH模型的均值方程和条件方差方程中.为了探讨原油
期货价格是对库存更敏感,还是只是对市场未预期到的库存信息即库存信息冲击更敏感,我们首先将实际库
存变化DINV放入模型,模型如表3的第1列所示;然后,我们将库存变化的两部分——预期变化和未预
期变化,分别放入模型,如表3的第2列所示.通过比较这两个模型的结果,我们可以看到,实际上只有未
预期到的库存变化才是真正影响油价波动的原因.这说明应该使用库存信息冲击来研究原油价格的短期波
动.因此,选择采用库存信息冲击INVERR进入模型,如表3第3列所示.为了检验原油期货收益率是否是
对风险的补偿,我们在均值方程中引入条件方差或者条件
差,如表3的4-6列所示.为了检验投机活动
和库存信息两个因素对价格波动的影响,我们也将这两个因素分别引入了GARCH模型的条件方差方程中,
模型如表3的列5和列6所示.为了对模型进行稳健性检验,我们对比了包含不同解释变量的模型估计结
果.每个样本模型设定过程和估计方法如2.2节所述.对所选数据样本而言,若我们只估计均值的单方程模
型,就会发现模型残差平方的Q统计量在滞后1阶以后是显著的,这说明残差中存在ARCH效应;而残差
的Jarque—Bera统计量检验说明残差不服从正态分布.因此,选择新息为t分布的GARCH模型来拟合样本
数据.概括来讲,对模型的设定如下:
Rt=Co+咖1A兄(1)+clD(NPNLt)+c2D(DTWEXMt)+c3,ⅣVERRt
+c4,ⅣyERR£×EIADAY+e5TB3+c6R—SP500t+C7Grt+C8DUM+Et(7)
其中 玩I亿一1一Student—t(n)
盯;=u+OtlE;一】+p1盯乙】+p1ABS(D(NPNLt))+p2ABS(INVERRt)03DUM
模型估计方法如2.2节所述,模型估计结果如表3所示.
万方数据
6
9
8
系
统
工
程
理
论
与
实
践
蚤薹;}
耋星星
量
荟
i
耋謇塞
第
3
1
卷
牙鳃壬妒她仅堪哩鼠
蛊咖+t螺甜辑.鑫_【也疑荟哥饼魈窆rI雹Q篮《岳球.魏辖掣怕目冥锑翅兰rI墨。篮《最.哪+t蟋斟辅刹1窖删镁剥辎卜攀璐【J}帮.遥靛鳃S姻斟船嗽一x)∞∞《二上文。。Ki一。%一Q
旨.求稍鑫i星p试嘲制憔琳一≮一Q一郴嘲卜斗繁掣椰嘲g一醒。.[.冰兮)吠-【博长懈幂求一,.羹一羹。一掣辩嚼g较垛憔秣。一卿+t螺N嗽岛订繇手巾船一籁垛g鲫制鼯琏卜丑媒累坩一燃
o-【寸ooo.0
石卜oo.oJ80∞o.6
一吲⑦卜田.o一-【o吲卜o∞.o
ou囊一b∞≯≮IIo;一呵口oo口≥
3I苫一苗苗碍g∞也j叮奢,
o一茜一苗苗.函o∞∞p霉。篮《
辞秘制鼷
***曲.【£.卜
卜卜o.田田卜.【
门。寸N.【-【.0
羹*∞o节卜
可甘代.o∞卜-【
∞卜∞∞.[.【_o
***oo∞‘
∞卜∞.甘∞卜J【
∞门o∞_【'[-0
荽*∞∞∞.∞
oo∞.甘田卜.【
“∞∞∞_【_【.0
。I葛;砖苗√山
口ooIIIo茸II
MorI
可∞鲁T1bsi篮≈∞苗j亏《
一∞旧.-【~卜oo^K.甘_【
*一∞卜._【一N甘西卜.吲_【
*一。卜._【一。卜。卜曲.∞_【
*一o∞.'【一口∞卜呻'【.∞.【
*一吲∞.H~∞∞∞o∞.∞'[
**一o∞._【一卜卜_【∞∞.∞_【
‰oQ.}∞H口-l■
一甘∞.o一卜o.∞o曲.钠
盐o∞.1【一曲o.∞∞o.∞
#盐o∞_9.【)90寸.【N∞.o
***一曲吲.∞一⑦∞o∞o_【.o
冒oo)兮。曲吲1【.门
一心甘.1【一寸甘∞∞oo.o
萎盐oo.H)兮o-【ooo-0
***一。吲.甘'【一寸口oo∞卜.o
羹兰口屿.∞寻。田甘N.【.0
兰∞to田o.∞∞叩一
盐o∞._【)兮o。∞“∞.∞
#欠吲'【.9_【)£o_【田.【∞.0
***一_【∞.∞一田卜烈吲_【_【.o
**一心∞.一一曲。凸卜∞.N
盐门t'【)90.∞口烈o
***一曲N.卜-【一可∞∞田∞∞.o
***一卜∞.∞一卜∞寸田o.【.o
羹【9_【.“苗o.∞∞节一
心o.∞∞■卜
o∞心∞∞∞.o
∞田∞旧o.【.0
田o.固曲■一
*【It.【一田o.回曲o.9
***一@.卜.【一可∞∞o甘∞.o
**卓(.【∞.£)£∞曲釉o_【.0
*盖吲_【.一)兮o,∞o∞.心
一篮篮∞>ZH一∞∞《
【(rIZ山Z—Q一∞∞《
《、I≥o
T譬
下譬
。
醛牝涮牝章妊
***一∞o.“I—o∞-【-【o.o.
一-【o.o一西N⑦o一.o
*羹一-【田.∞J60∞_【o门.o
*一卜■_【I—ooooo.0I
**一o∞.N1一叮.【ooo.0.
一一曲..[)90.囝No订
***一卜o.∞I—No∞.【o.o.
***一_【.【.甘一∞卜∞o∞∞.o
***一田∞.NI一∞.【卜o_【.0.
一釉节。寻∞∞_【oo.0
***一oo.“I—o_【.【.【o.o.
一对卜.o一∞卜o∞一.o
***一曲卜.∞一可∞西∞-【∞.o
**一甘o.NI)I-【oo.oI
**一心可.门|一甘'【ooo.ol
【6曲._【I)兮o.∞oo.£
***一∞o.∞I一∞o卜Ho.o。
**盐o㈥.£)9∞∞'【.【∞.0
**一。曲.“I一∞-【可o_【.ol
—N■o)Ioo∞oo.o
***一心一一I一∞曲-【'【o.0.
一∞④.o一∞田烈。卜-【.o
***一oo.∞一。一∞寸oN.o
*一No..[1一甘o-【oo.oI
羹一H∞.门I一=ooo.o.
一甘o..【一∞o。∞N卜.∞
***一曲H.∞I一卜_【∞.【o.o.
羹盖∞o.oo∞_【01【∞.o
羹盐田o.NIJIo卜o■o.
一。节oi∞oNoo.0
***一卜o.∞l一∞o∞oo.oI
***一∞o.门f~一∞∞∞oo.0I***一∞o.∞I~田可o∞oo.o
羹复o∞.£)IH∞oo心.0
**一oo.NI一-【_【.【oo.o.
**一卜可.∞I一甘-【ooo.ol
*一'【卜._【一曲。函卜∞.∞
***一N㈧.∞I一甘∞∞Ho.0.
#盐oo.£)90田'【'【∞.0
***一卜o.Nl—o∞卜o_【.o.
**一卜碍.“~田曲田曲oo.o
***一甘∞.∞一卜卜o∞oN.o
■∞∞o
**一。曲.Nl一“甘_【ooo.o.
kNt-【)兮o.回∞∞.£
一时∞.0冒o.【ooo.0
一.【.【.oI一∞o.∞卜鼬田I
***一。一.∞l—o∞∞.【o.o.
***一碍o.∞一甘∞吩④o∞.o
***一卜∞.代I一甘∞⑦卜o_【.o
羹(上N.门i门∞Doo.0
***一。畸.∞一N-【∞寸o'【.o
*木(ooo..【I)£卜o-【oo.o
*一⑦∞.-【I一田。曲∞∞.⑦.
一甘西._[)兮。凸H-【.£
***一o■∞1一。卜“∞.【o.o
***一∞o.∞.)—≮Ho_【∞.o
***一oo.门I~∞卜。卜o_【.0
**一∞甘.一一甘'【甘田oo.o
_茜≥口
帕b
oo田山咋篮
∞∞日
。宅Q《H∞×窿田固>ZH
醇2∞>ZH
净《Q《H∞×>ZH∞
>ZH∞
人、q口
ZHo
>ZHQ
一窆×阻乏、.臼Q—o
—dz山z—o
—H一旧《
o
隧牝避霹
眯姆+t妲剥擎雹0田q0∞僻万方
数
据
第4期 部慧,等:考虑投机活动和库存信息冲击的国际原油期货价格短期波动 699
从表3的模型估计结果可以发现:包括不同外生变量的模型的均值方程均包含一个1阶自回归项,而条
件方差方程则均包含1阶自回归项和1阶滑动平均项.所有这些模型残差的ARCHLM检验的F统计量说
明残差中不再有ARCH效应.这说明模型的设定是合理的.这些模型的残差的Jarque—Bera统计量均显示
残差不服从正态分布,这说明设定新息为£分布而非正态分布式是比较合适的.除了对全部样本进行了分析
和建模外,还对价格趋势为上升阶段的子样本(如2006年5月2日至2007年11月27日的样本,或者2006
年5月2日至2008年7月3日的样本)进行了如上类似的分析和建模过程.稍有不同的是,新息为正态分
布的GARCH模型来拟合2006年5月2日至2007年11月27日的样本数据更为合适;新息为t分布的
GARCH模型来拟合2006年5月2日至2008年7月3日的样本数据更为合适.由于子样本得到的模型估
计结果与表3的结果比较相似,这里因篇幅所限,并未提供这些估计结果.
3.2实证结果解释
从上述结果我们容易发现非商业交易商的交易活动对原油价格短期波动有显著影响,而另外一个显著影
响油价短期波动的因素是未预期库存变化.非商业交易商,其中主要是管理期货和商品基金等机构交易者的
持仓变化可以推动价格走高或下跌.当这些基金增加多头头寸,那么期货价格会上涨;当他们减少多头增加
空头头寸时,期货价格会下跌.从这个因素的估计结果,我们可以看到商品市场上的基金交易活动对原油价
格波动造成的影响.对于库存信息冲击,当库存新信息发布后如果信息显示库存水平与市场预期不同,价格
会波动以反映新的信息.库存反映了短期的供需关系,因此它反映了短期市场基本面的变化对原油价格波动
的影响.由供给和价格的关系,我们知道价格与库存水平负相关,因此库存信息的冲击同样与价格应该呈负
相关关系.我们模型的结果符合这种关系.变量INVERR×EIADAY的系数为负,在5%的显著性水平下
显著,这反映了当EIA公布的库存信息当天,如果库存水平低于(高于)市场预期值,那么价格会上涨(下跌).
我们这个结果与Mu[12】对天然气市场库存信息影响的分析结果相似.另外,我们同时发现,库存信息发布当
天价格的波动很大程度上是因为信息的冲击,当市场逐渐吸收了新信息,在随后的几天内,价格会逐渐恢复,
即价格因为信息冲击造成的上涨(下跌)的程度会降低,这正是变量INVERR系数为正所揭示的.这说明在
原油期货市场上,市场存在对库存信息冲击的过度反应,但这种过度反应会被市场迅速调整.
美元汇率对原油价格的影响为负,通常在1%的水平下显著.美元贬值将使原油价格上涨,而美元升值会
使原油价格下跌.我们的实证结果与之前的一些研究结果是一致的,如Bloomberg和Harris[2引,Sadorsky[24】
以及Serlitis[2引,等等.对于2006年5月2日至2009年5月5日的样本,美元3个月期国库券利率这个变
量的系数在模型中是显著的,且影响为负;但是我们还尝试过其它时间段的样本,如果使用2006年5月2日
至2007年11月27日的样本进行分析,那么利率这个变量的系数并不显著.同样,对于2006年5月2日至
2009年5月5日的样本,S&P500指数收益率在模型中是显著的,但如果使用2006年5月2日至2007年
11月27日的样本,或者2006年5月2日至2008年7月3日的样本进行分析,S&P500指数收益率在模型
中均不显著.利率、股票市场收益率两个影响因素的系数符号与我们预期的并不一致,同文献中的已有结果
也不一致(如Gorton和Rouwenhorst[26】.Sadorsky[27】;Mu[121).从商品库存理论,原油收益率应该与利率正
相关,而我们发现利率对收益率是负向影响,尽管这个变量并不是始终显著.Pindyck[8】的结果显示对天然气
和原油,利率在收益率的均值方程中是不显著的,利率在原油收益率均值方程中系数为正,而在天然气的收
益率均值方程中系数为负.我们结果与该研究结论类似.利率对原油收益率影响为负可以从另外一个途径进
行解释.如果我们将利率看作债券市场的收益率,那么这反映了债券市场与原油市场的交互影响.依据金融
资产定价原理,预期收益率应该是风险补偿,即风险越高,预期收益率应该越高.Pindyck[8】发现原油期货的
收益率与波动率有很强的正向关系.我们的研究结果同样验证了这一点,£t的标准差的系数为正,只是该变
量在模型中并不显著.
对于原油收益率的条件方差方程,估计结果显示条件方差主要是一个GARCH(1,1)过程,无论是非商业
交易商的交易活动还是未预期到的库存变化都对条件方差没有显著影响.尽管我们期望这两个变量对条件
方差有显著的正向影响,但并未从实证结果获得支持.Mu[12】发现天然气市场的条件方差在库存信息发布后
增大,但我们在原油期货市场没有得到类似结果.此外,我们发现通常市场下跌时条件方差大于市场上升阶
段,由于我们定义这个虚拟变量主要源于金融危机,因此看出金融危机对原油期货价格波动有显著影响,危
机发生后,市场价格波动性增大.
从表3列3的模型结果可知:条件方差方程的ARCH项和GARCH项系数分别为o.105和o.835,这
万方数据
700 系统工程理论与实践 第31卷
说明波动集聚现象的存在.利用该模型得到条件方差序列如图3所示.对GARCH(I,1)模型,对波动率的
多步预测趋近于的无条件方差,丁=赫.我们利用表3列3所j--⋯。一。。.。,,.结,⋯⋯,一t。。,IJ的无条件方差为
o.000416,无条件标准差为0.020396.
图3条件方差估计值(利用表3列3所示模型估计得到)
4结论
尽管波动率不能直接被观测,但是资产的波动率通常存在几个陛质.首先,存在波动聚集效应;其次,波
动随时间的变化呈现一种连续状态,即波动的大幅跳跃很少;最后,波动率不会趋向于无穷,即波动率经常在
某个区间内变化.我们对原油期货收益率的研究发现,原油期货的收益率的波动就有这样的特点.
研究价格的波动具有重要的作用.首先,理解波动性对金融衍生产品的定价至关重要;其次,对于制定套
期保值的策略以及与生产和消费相关的固定资产的投资决策密切相关.正如Pindyck[81指出的,波动率是确
定基于商品的或有权益的关键因素,波动率的持续改变会影响生产商和工业消费者的风险水平,改变他们投
资存货和工厂的动机;最后,波动性在风险管理中也很重要,波动性研究模型能为度量金融资产头寸的风险
值(valueatrisk,VaR)提供简便的方法.
我们利用wTI原油期货,考察了原油价格的走势,探讨了原油价格短期波动的影响因素,并利用模型来
分析和度量这些因素的影响.并且,我们将讨论的重点放在基金的投机活动、库存信息对市场预期冲击的影
响上.结果发现:基金的投机活动、库存信息对于市场预期的冲击、美元汇率均对收益率的短期变化有显著
影响.若固定其它条件不变,而讨论一个因素的变化时,我们发现有如下关系:基金持仓变化与收益率正相
关,如果基金增加(减少)多头头寸的比例,那么基金的这种操作可以推高(压低)原油的价格.库存信息对
市场预期的冲击应与收益率负相关,当库存信息发布日原油的实际库存水平高于(低于)预期时,表示供给状
况比预期的宽松(紧张),会对原油价格产生压力(支撑).但是这种冲击在接下来的日子里会逐步恢复.这说
明市场对库存信息冲击存在一定的过度反应,但是市场会迅速从过度反应中恢复过来.美元汇率与原油价格
负相关,美元贬值(升值)时,原油价格会上涨(下跌).而条件方差主要服从GARCH(1,1)过程,诸如基金持
仓、库存预期偏差等因素对原油价格收益率的条件方差影响均不显著,但原油期货在下跌过程中的波动更为
剧烈.这些结果揭示,短期中原油价格的决定主要通过基金持仓调整来传达市场预期的变化,而库存信息尤
其是富含新信息的库存预期偏差成为传导短期基本面信息的有效变量,当然由于原油是美元计价的,所以美
元汇率的波动会体现在油价的变化中.此外,我们利用GARCH方程还可以提供的无条件方差估计以及对条
件方差的估计,这为我们预测波动率提供了一些指引.
参考文献
[1】LeeK,NiS,RattiRA.Oilshocksandthemacroeconomy:Theroleofpricevolatility[J].TheEnergyJournal
万方数据
第4期 部慧,等:考虑投机活动和库存信息冲击的国际原油期货价格短期波动 701
1995.16:39—56.
f21JonesDW,LeibyPN,PaikIK.Oilpriceshocksandthemacroeconomy:Whathasbeenlearnedsince1996[J].
EnergyJournal,2004,25(2):1.32.
f313CologniA,ManeraM.Oilprices,inflationandinterestratesinastructuralcointegratedVARmodelfortheG一7
countries[R].WorkingPaper,2005.
[4】DeatonA,LaroqueG.Competitivestorageandcommoditypricedynamics[J].JournalofPoliticalEconomy,
1996,104(5):896-923.
[5】ChambersM,BaileyR.Atheoryofcommoditypricefluctuations[J].JournalofPoliticalEconomy,1996,104(5):
924—957.
【6】6 RoutledgeB,SeppiD,SpattC.Equilibriumforwardcurvesforcommodities[J].JournalofFinance,2000,4(3):
1297-1338.
[7】SadorskyP.Modelingandforecastingpetroleumfuturesvolatility[J].EnergyEconomics,2006,28:467-488.
【8】PindyckR.Volatilityinnaturalgasandoilmarkets[J].JournalofEnergyandDevelopment,2004,30(1):1-19.
f91AndersonT,BollerslevT,DieboldF,eta1.Microeffectsofmacroannouncements:Real-timepricediscoveryin
foreignexchange[J].AmericanEconomicReview,AmericanEconomicAssociation,2003,93(1):38—62.
【10】LinnSC,ZhuZ.Naturalgaspricesandthegasstoragereport:Publicnewsandvolatilityinenergyfutures
markets[J].TheJournalofFuturesMarkets,2004,24(3):283—313.
f111KalevPS,LiuWM,PhamPK,eta1.Publicinformationarrivalandvolatilityofintradaystockreturns[J].
JournalofBankingandFinance,2004,28:1441—1467.
【12jMuXY.Weather,storage,andnaturalgaspricedynamics:Fundamentalsandvolatility[J].EnergyEconomics,
2007,29:46-63.
[13】BuchananWK,HodgesP,TheisJ.Whichwaythenaturalgasprice:Anattempttopredictthedirectionof
naturalgasspotpricemovementsusingtraderpositions[J].EnergyEconomics,2001,23(3):279—293.
[14】HartzmarkM.Luckandforecastability:Determinantsoftraderperformanceinfuturesmarkets[J].Journalof
Business,1991,64:49_74.
[15]LeutholdRM,GarciaP,LuR.Thereturnsandforecastingabilityoflargetradersinthefrozenporkbellies
futuresmarket[J].JournalofBusiness,1994,67:459-473.
[16】SandersDR,BorisK,ManfredoM.Hedgers,funds,andsmallspeculatorsintheenergyfuturesmarkets:An
analysisofth