1.国际原油价格主要影响因素的定性分析
2.国际石油市场风险度量及其溢出效应检验方法
3.油价重回5元时代，年内油价是否会出现涨幅？
4.国际油价波动分析与预测的目录
5.研究结果分析与讨论
6.如果国际石油价格跌至10美元/桶的情况下，中国油价会降到什么程度？从中看出税收占比是多少。
7.实证研究方法
为了实现系统的可扩展性要求，一个完整的系统需预留和其他模块的接口。由于本系统在实施过程中涉及多个数据和程序接口，因此需要取一定的策略来完成系统之间的综合集成。这些集成方式包括以下几种。
1）类库级模型集成。在源代码级别实现模型的集成，这种方式对模型的代码编写有一定的要求，在系统中将模型的代码集成起来进行编译。
2）D LL级模型集成。最方便的方式就是同样取.net Framework开发出模型的动态链接库，并开放外部调用入口。这种方式在模型开发上比较方便，集成也比较容易，但需要综合考虑接口的详细设计和数据访问标准。如国际油价预测程序是对市场油价进行预测的桌面程序，通过取ActiveX 插件的形式将C/S形式的油价预测程序集成到B/S架构的整个系统中。
3）数据级模型集成。模型和系统不发生直接关系，只是通过访问同一个中心数据库进行数据交换，如石油市场VaR风险预测模型的实现原理和国际油价预测程序具有很大的差异性，在集成上不取封装为ActiveX插件的形式，而取数据级集成。模型从共享中心数据库中读取数据，在用户参与的情况下配置模型运行参数，模型执行的结果将直接输入到系统的共享中心数据库中去，并提供模型执行的报告供最终用户访问查看。
5.3.7.1 国际油价预测模型程序接口
国际油价预测模型是取.net技术开发出来的模型程序，为了在系统中嵌入该程序，在研究了多种可能的实现方式之后，最终取将模型程序封装为ActiveX插件的形式在浏览器中执行。在这种方式下，模型依据预先获得的价格数据，在系统用户的浏览器中以类似桌面程序的形式启动执行。
为达到设计目的，完成网页自动下载并安装控件的功能，首先创制一个ActiveX控件，然后将该控件置于安装程序中，在打开油价预测主页面的时候自动提示下载、安装并注册该ActiveX控件，并在点击启动按钮之后开始运行。
为了对该油价预测模型程序进行封装，需要对程序的结构进行分析。该程序的类结构如图5.52所示。
图5.52 油价预测模型程序类结构图
经过对程序类之间的关系的分析可知，类FormOPFor是整个程序入口执行的时候首先调用的类。程序启动的时候由Main（）静态方法开始执行，在该方法中，最后调用Application.Run（new FormOPFor（））来调用FormOPFor的默认构造方法，并在此方法中完成预测程序界面的搭搭建。下面就是就整个是模型程序开始的程序代码。
国外油气与矿产利用风险评价与决策支持技术
为了达到对预测模型程序封装的目的，新建一个C＃项目PriceForecast来完成将预测模型封装为ActiveX 控件的功能。在该项目中，增加对油价预测模型程序类OPFor以及其他相关类的引用，并创建一个实现了 UserControl和IObjectSafety接口的类，名称为UCRunForcast。
在UCRunForcast类中，利用Visual Studio中的功能得到一个新的GUID，并在类中增加一个方法showOilPRiceForecast（）来跳开原始模型程序的main方法入口，直接调用预测模型的执行入口OPFor.FormOPFor（）方法。
国外油气与矿产利用风险评价与决策支持技术
国外油气与矿产利用风险评价与决策支持技术
执行生成命令，对油价预测模型程序进行封装的ActiveX控件。但是ActiveX控件的运行由于需要远程调用，必须在客户端机器上注册该ActiveX控件。所以，必须制作安装程序将该ActiveX封装，以便客户端下载安装后进行注册。
在下载安装ActiveX的封装安装包之后，在网页中可通过下面的代码来调用封装好的模型方法，执行油价预测。图5.53就是用户所看到的油价预测模型程序调用界面。
﹤object id＝“OPFor”
classid＝“clsid:BB44928D-2394-4?7C-8D?E-A4627550516B”Width＝“0”Height＝“0”
codebase＝“://192.168.100.186:86/model/PriceForecast/setup/Debug/Setup.msi”﹥
＜/object＞
﹤input type＝‘button'on click=OPFor.showOilPRiceForecast（）′value＝′启动油价预测程序′﹥
5.3.7.2 石油市场风险预测模型接口
对石油市场风险预测模型接口的处理，取共享数据的方式进行。系统中设置数条存储过程完成数据从原始格式向中间格式的转换，预测模型接口从中间格式的数据表中读取更新的数据来完成预测，包括油价数据、市场数据、油品分类等。而对中间数据的更新可以通过转换频率的控制来进行，从而实现预测模型的数据可控性，如图5.54所示。
图5.53 油价预测模型程序调用界面
图5.54 油价预测模型数据接口示意图
对于油价预测模型数据接口的处理，原始数据来自对网络数据的实时抓取。油价风险预测模型程序所需要读取的中间表主要有4张，分别为市场表MiddleTable_dd_Market、油品价格单位表 MiddleTable_dd_Unit、油品综合编码表MiddleTable_dd_ProductCom binedCode和油价表MiddleTable_PriceData。中间数据表中关键的字段及其所属表见表5.6，这些表之间的关系见图5.55。
表5.6 油价预测模型数据接口中间数据关键字段
图5.55 市场VaR风险预测数据接口结构图
国际原油价格主要影响因素的定性分析
本系统风险查询包括国家风险、运输风险、市场风险、需求风险和供应风险等风险查询，以及案例研究。
5.4.3.1 国家风险
对应国家风险的功能模块，基于WebGIS技术和对象嵌入技术的国家风险查询相关界面的开发。
（1）国家风险查询
用户可以在菜单的国家风险下面选择“企业投资”“能源安全”“恐怖袭击”中的任意一个来查看相应视角下的国家风险大小。当用户选择“恐怖袭击”后，显示的国家风险如图5.58所示，色系变化从**变到红色，颜色越深，代表风险越大；图例的显示将风险分为5级，风险级数越大，风险越大。
（2）国家风险基本信息展示
国家风险基本信息展示将对用户指定的某一国家信息进行综合展示，包括油气概况等基本信息查询、风险指标查询和风险报告生成。
通过国家列表选择阿曼（图5.59），展现该国的油气概况、油气储量等基本信息；同时，可以选择浏览该国的地理概况、历史简述、政体简介和民族宗教等信息。
如图5.60所示，在风险指标查询界面，选择浏览国家风险相关指标、风险因素分析和该国的风险评价结果。其中指标以树的形式分为3级，在页面左边折叠菜单中显示。
图5.58 恐怖袭击视角下的国家风险
图5.59 国家风险详细信息展示首页（以阿曼为例）
图5.60 风险分析评价指标以及评价结果展示页面（以阿曼为例）
因素分析页面与指标评价结果页面布局类似（图5.61）。
图5.61 风险分析下因素分析展示页面（以阿曼为例）
5.4.3.2 市场风险
根据系统功能设计，选择“市场风险”模块，其主页面如图5.62所示。左侧的菜单分别为石油市场系统风险、石油价格预测和市场风险预测等子模块的链接，页面的主题区域显示新闻和的列表信息，方便用户获取最及时的石油市场风险的动态新闻。
图5.62 市场风险模块主页面
（1）市场数据分类整理
石油市场数据分类整理包括下面4个方面的内容：国际石油、链接、国际油价和市场数据（图5.63）。
国外油气与矿产利用风险评价与决策支持技术
国外油气与矿产利用风险评价与决策支持技术
图5.63 市场数据分类整理内容
（2）国际石油价格在线抓取
国际石油价格在线抓取模块的实现是链接多个在线数据网页，下载数据进行格式转换后存储到中心数据库中。其中数据的来源包括：①美国能源部公布的多种石油品种的日、周、月、年的价格数据；②《华尔街日报》公布的石油交易信息，包括开盘价，收盘价最高价、最低价，交易量等；③中国石油集团公布的大庆油田、胜利油田等我国主要石油产地的价格数据。系统按照数据来源设定不同的抓取任务，并实现自动化的石油价格抓取算法，记录石油价格抓取过程日志，监控任务执行情况，并用动画的形式直观地对任务状态进行表示。国际石油价格在线抓取模块的实现如图5.64所示。
图5.64 国际石油价格在线抓取模块
（3）石油市场价格预测
已开发的油价预测模块在市场风险的5块功能中起着非常重要的作用。在石油市场价格预测的主界面中，启动“油价预测程序”对油价数据进行不同时间长度、频度的预测。
（4）石油市场VaR风险预测
和市场油价预测模型程序的处理方式不同，对VaR风险预测模型程序的处理取不嵌入独立运行的形式进行。需要系统用户在桌面上运行风险预测模型程序，然后程序会从系统中读入市场油品的配置数据，并根据选择的时间段读入历史油价，按照设定的日周月年的参数执行预测，并将结果保存在数据库中；而预测的结果，可以石油市场风险报告的形式导出为Excel表格。
（5）国际石油价格多维分析
国际石油价格多维分析模块按照功能要求，设定油品分析、市场分析、交易类型分析、综合分析与数据导出和钻去分析等功能项，分别为不同的分析主题服务。在各项功能中，均提供按照油品、交易市场、价格类型、年、月、日等预先定义的维度交叉选择能力，从国际油品详细交易价格、各石油市场不同油品交易对比、各油品不同价格类型比较、综合化的多维选择和钻取分析等角度来进行石油价格的多维分析。对多维分析的过程参见5.3关键技术一节，国际石油价格多维分析系统的界面见图5.65。
图5.65 国际油价多维分析
5.4.3.3 运输风险
对应运输风险的功能模块，基于WebGIS技术、风险评价技术以及Flash技术的运输风险的开发，实现如下。
（1）运输风险查询
用户选择运输风险下面的“港口风险”“航线风险”“承运风险”“海盗袭击”中的任意一个来查看相应风险大小。其中港口风险的可视化，即用表示港口的图标颜色表示不同的港口综合风险，图标的大小表示港口的吞吐能力。航线风险的可视化，即用表示航线的线条颜色表示不同的综合航线风险，航线的粗细表示航线的运力。海盗袭击分布的可视化，则是通过展示不同年份的海盗袭击分布，以比较分布的变化趋势，从而提供分析依据（图5.66至图5.69）。
图5.66 港口风险
图5.67 航线风险
图5.68 承运公司风险
图5.69 海盗袭击分布
（2）港口信息展示
为了进一步满足用户的需求，为用户提供更多的相关信息，本系统利用Flash技术动态展现港口风险、航线风险、承运风险，以及海盗袭击分布等主要信息。图5.70为海盗袭击分布图，同时能够对析不同年份海盗袭击分布的变化趋势。
图5.70 海盗袭击信息的动态展示
（3）港口界面开发
本系统为重要港口等风险查询对象开发了详细界面，以便用户了解港口等风险对象的地理位置，具体指标信息以及所经航线等。以苏丹港为例，如图5.71所示。
国际石油市场风险度量及其溢出效应检验方法
影响国际原油价格的因素很多，既包括产量、消费需求量、世界经济的发展状况、世界石油储备量这些市场因素，又包括战争、意外等非市场性因素。由于非市场因素的随机性太大，本节打算从市场因素出发，建立相应的计量经济学模型，研究和分析这些市场因素在国际原油价格形成中所起的作用。
4.3.1.1 石油输出国组织（OPEC）及其产量、价格政策
为反击国际大石油公司、维护石油收入，统一和协调石油输出国的石油政策，1960年9月在伊拉克的邀请下，沙特阿拉伯、委内瑞拉、科威特、伊朗和伊拉克与会代表在巴格达聚会，会议决定成立一个永久性的组织，即石油输出国组织，最初成立时只有上述5个成员国，后来又加入了6个，欧佩克现有11个成员国，它们分别是：阿尔及利亚、印度尼西亚、伊朗、伊拉克、科威特、利比亚、尼加拉瓜、卡塔尔、沙特、阿联酋和委内瑞拉。
目前，OPEC已探明储量占世界石油储量的78%，但产量只占世界总产量的40%左右，图4.12为OPEC在1960～2002年期间石油产量占世界石油产量的份额变化。OPEC市场份额的高峰出现在13年，占世界石油产量的55%。此后由于石油危机引起的高油价导致世界经济萧条，石油消费量锐减，以及替代能源和节能技术的开发利用、能源使用效率的不断提高，墨西哥、英国北海油田、北阿拉斯加等许多大油田的相继发现，加上其他非OPEC国家受高油价诱使增加产量等原因的综合影响，OPEC的市场份额不断下降。20世纪80年代中期跌到最低时只有30%左右，但1986年后的低油价刺激了世界石油消费的增长，抑制了对高成本油田的投资和石油勘探投资，加上20世纪90年代初苏联解体，使得对OPEC的石油需求量增大，世界新增石油需求主要由欧佩克来满足，OPEC的石油市场份额开始缓慢上升。近年来由于非OPEC，特别是俄罗斯等国不断增产，OPEC的市场份额略有下降，但基本上稳定在40%左右。虽然目前只有40%左右的产量份额，但由于OPEC还留有约600万桶/日（或3亿/t年）的机动生产能力，这是其他石油生产国所无能为力的。世界上有50多个非OPEC产油国，他们以不足1/4的已探明储量，生产着占世界60%的年产量。因此，这些非OPEC石油生产大国，如俄罗斯等，基本上都已开足马力在生产。
凭借巨大的剩余生产能力，OPEC可以在国际原油价格超过市场承受能力、对主要石油进口国的经济生产产生不利影响时增加产量，缓解供不应求的局面，以此阻止油价的上涨并进一步降低油价；反之，当油价过低对石油出口国收入和经济生产产生不利影响时减少产量，缓解供过于求的局面，阻止油价的继续下滑，促使油价进一步回升。OPEC根据市场状况，通过剩余生产能力对世界石油市场的供给进行调节，力争将世界石油价格稳定在一个合理的范围内。所以从目前阶段看，虽然有很多不确定因素限制和制约了OPEC对国际石油价格的影响和控制能力，但它对国际石油市场的影响力仍然是不容忽视的，有时甚至能够操纵国际油价的涨落。尽管非欧佩克国家的石油总产量占世界石油总产量的60%，但各国均按自己的行为方式生产，没有统一的组织和行动，所以单一非O PEC国家的产量通常无法对国际原油价格产生实质性的影响。
图4.12 OPEC石油产量份额
（据h tp://.eia.doe.gov/emeu/aer/pdf/pages/sec11_10.pdf）
此外，由于OPEC有大量的已探明石油储量，许多长期预测都表明将来世界对OPEC的依赖性会越来越大，从长期来看OPEC的石油份额有增大的趋势。因此，OPEC对国际石油价格的影响不仅不会降低，还可能会进一步增大。所以如果OPEC能够协调好各国的利益，做到行动一致，将油价控制在给定的范围内，应当是一件较有把握的事情。
OPEC原油价格指的是沙特阿拉伯轻油（Arab Light）、阿尔及利亚撒哈拉混合油（Sahara Blend）、印度尼西亚米纳斯（Mlnas）、尼日利亚邦尼轻油（Bonny Light）、阿联酋迪拜油（Dubai）、委内瑞拉蒂朱纳轻油（TiaJuana Light）、墨西哥依斯莫斯轻油（Isthmus）,7种原油市场监督价格的平均价格，O PEC利用这个价格监督国际石油市场的原油价格。OPEC从1999年9月以后开始研究价格带机制，并从2000年3月起开始正式实施这一机制。所谓价格带机制就是事先设定一个价格幅度，如果实际价格超过或低于这个幅度一定时间，就通过调整产量使价格回到设定的幅度内。欧佩克进行的尝试和各国货币当局为回避外汇大幅度变动而介入外汇市场的做法相似。
2000年10月开始，0PEC启用石油产量调整机制，使油价在2001年9月之前都维持在OPEC设定的价格机制带中。但到2001年9月美国爆发“9.11”，虽使油价一度上涨，但随后因国际石油市场担心美国经济将受重挫，带来石油需求大幅减少，加上产油国为了维持国际稳定而暂停启用石油产量调整机制，未在需求降低时进行减产，使油价在2001年10月跌至低于每桶20美元，甚至到2001年11月接近16美元/桶。截止到2001年12月底，因为冬季需求增加，且OPEC和非OPEC产油国也确定进行减产，油价才重新回到价格机制带中。2002年底和2003年初由于美伊战争和国际投机力量的双重影响，国际油价一度冲高到33美元/桶。但战争开始后油价迅速回落，此后的半年左右时间里油价基本上控制在OPEC的价格机制带中。
伊拉克战争结束后，伊拉克安全形势日趋紧张，重建问题又困难重重，人们担心中东地区动荡局势将进一步加剧，从而导致石油供应紧张，加上世界经济的复苏和O PEC 在2003年9月和2004年4月两次减产，在这些因素的综合作用下，2003年油价不断振荡上行，2004年4月以后更是一路上涨，完全脱离了OPEC设定的价格机制带。图4.13为2001～2004年11月OPEC一揽子油价走势。应该说在平稳时期OPEC的产量政策效果还是比较有效的。
图4.13 OPEC一揽子价格走势
（据EIA/OPEC通讯社）
4.3.1.2 OPEC原油产量与国际原油价格
原油产量作为供给的一个最主要的因素，对国际原油价格的形成具有重要的作用。世界原油产量由OPEC和非OPEC原油产量两大块构成，OPEC和非OPEC的产量波动引起世界原油总产量的波动，进而影响国际原油价格。图4.14和图4.15 分别反映了1960～2002年期间OPEC、非OPEC和世界总的原油产量变化趋势和波动状况。
图4.14 原油产量波动
图4.15 石油产量波动
可以看出，自1960年以来的30多年里，除在20世纪90年代初期由于苏联的解体，非OPEC国家原油产量出现微弱的下降外，其余时间里非OPEC原油产量基本上呈稳步上升的趋势。世界原油产量的波动主要来自OPEC原油产量的波动（表4.2，表4.3）。OPEC组织在第一次石油危机前的原油产量稳步上升，波动较小，但随后的10多年时间里产量波动较大。其中20世纪70年代发生了两次大的石油危机，OPEC原油产量处于较大的变动之中；80年代初期O PEC原油产量大幅下降，从而导致世界原油产量发生相似的波动。
表4.2 欧佩克、非欧佩克和世界原油产量波动性统计量
表4.3 欧佩克、非欧佩克和世界原油产量波动之间的相关系数
从图4.16明显地看出，20世纪70年代初至80年代中期和90年代末，世界原油产量的剧烈波动与OPEC原油产量的波动几乎完全一致。统计分析显示，OPEC原油产量变化与世界原油产量变化之间的相关系数高达0.941，在1%的显著性水平上是显著的；而非OPEC产量变化与世界原油产量变化的相关系数只有0.278，在5%的显著性水平上不显著。由于OPEC和非OPEC共同提供世界所需的原油产量，所以两者之间具有此消彼长的关系，两者的相关系数为负（－0.062）也说明了这一点。但由于世界所需的原油产量是随着供需、经济发展等情况而不断变化的，所以两者的这种反向关系很微弱，是不显著的。因此，OPEC原油产量波动是造成世界原油产量波动的一个最主要和最直接的原因，进而也是造成国际原油价格变化的原因。
既然OPEC原油产量变动是世界原油产量波动的主要原因，因此OPEC产量变动对国际原油价格的形成和波动起了一定的作用。图4.16反映了10～1998年期间OPEC原油产量与世界原油价格的变化趋势。
图4.16 OPEC原油产量与国际原油价格
在OPEC原油产量波动的同时，国际原油价格也从10年初的每桶3～4美元上涨到每桶30多美元。第一次石油危机之前原油产量稳步上升，原油价格基本上保持稳定，中东石油禁运打乱了石油产量的稳定走势，造成恐慌，使得原油价格迅速上涨。但随后OPEC组织进一步减产，原油价格仍然下滑，显然这就不是供给方面的原因，而主要是由于前一阶段高昂的原油价格造成世界经济的萧条导致需求减少所造成的。所以OPEC原油产量与国际原油价格的变动趋势并不呈完全反向变动关系，这也可以简单地说明O PEC组织可以通过调整产量对国际原油价格的走势产生一定的影响，但并不能完全反映或左右国际原油价格的走势。
4.3.1.3 世界经济活动水平（GDP）与世界石油需求
一般来说，世界经济稳步增长时，由于各行各业扩大生产，需求的能源量相应增加，随着生产规模的扩大，企业需要更多的工人或更长的工作时间或劳动强度，从而增加了居民的收入，居民收入的增加有可能导致居民对生活能源使用的增多；相反，世界经济发展不景气时，各行业相对缩小生产规模，导致作为原材料的石油需求量减少，由于各部门生产规模缩小，或减少了雇佣劳动力或缩短了工作时间或降低了工作强度，使得居民收入也随之减少，这又进一步减少了居民对生活能源的使用。所以，能源消费量与世界经济活动水平（GDP）之间存在着正向变动关系。一些文献从实证角度也证实了这种关系的存在性。
4.3.1.4 OECD石油储备与国际原油价格
石油储备在将各种市场波动传送到油价中起了很重要的作用。石油战略储备和商业库存在国际石油市场这个大系统中处于调节总供需量的地位。其数量变化直接关系到世界石油市场进出口量的变化（抛出库存可使进口量减少，购进库存则使进口量增加）。库存的作用相当于一个调节进出口量的“水库”。库存（物流）变化（即库存油在市场上的流量大小与方向）主要受供求差额、库存目标量、经营决策等信息流的制约与调节。它是一个累积性数量，与油价走势有相当密切的关系（图4.17）。
图4.17 OECD石油储备与国际原油价格
（1）20世纪80到90年代，油价基本处于经库存调节后的相对平稳的收敛阶段
从20世纪80年代中期起，一直到20世纪90年代后期的10多年里，除了1990年伊拉克入侵科威特后的海湾危机中有很短的一段时期出现了每桶原油价格超过30美元的情况外，油价一般都在每桶15～25美元的较小范围内波动。鉴于石油是中短期需求价格弹性极低的商品，而在20世纪80年代初开始到90年代末的近20年的时间里，国际石油市场是处于OPEC组织和西方石油大公司都无法完全控制局面的条件之下，石油价格应该有相当大的波动空间。而这种大波动没有频繁发生的原因之一，可以说是与主要石油进口国的巨大石油库存储备的存在和合理使用有相当大的关系。
（2）19年起的油价动荡与同期储备量较大的变化有关
从19年初开始，由于亚洲金融风暴等因素的影响，世界石油需求锐减，OECD国家的石油库存储备量开始持续上升，彻底改变了长期以来库存储备总量在460Mt到480Mt之间窄幅波动的局面。1998年1月一举突破500Mt大关后继续扶摇直上，1998年8月份达到526Mt的高峰。库存量不断刷新历史纪录，反映了当时国际石油市场供过于求的严重情况。虽然库存的迅速增加有助于大量吸收过剩的石油，在一定程度上缓解了石油价格暴跌的压力，但是油价的急落还是几乎同步而来。到1999年2月，油价跌破了每桶10美元的心理线。这说明在19年以后制约世界石油市场的大环境条件方面与以前有了很大变化。
（3）如果没有库存调节，油价波动幅度明显增大
有研究表明，即使原来市场处于平衡状态，也会由于经济增长的变化、节能、替代能源的发展等因素的影响而使消费行为发生变化，也可能破坏原有的平衡，使油价波动不可避免，并且由于产、消双方调节不能合拍，使得油价有暴涨的趋势，甚至很长时间内不能达到相对稳定状态。且油价波动幅度明显增大，而没有像在可调节库存的条件下出现的油价波动渐趋平缓收敛的迹象。
因此，无论是在过去的相对稳定时期，还是在剧烈变动时期，库存的存在都有助于抑制或缓解油价的过激变化。
因此从长期来看，OPEC原油产量、世界经济活动水平（GDP）和OECD石油储备量是影响国际原油价格最主要、最基本的因素。
油价重回5元时代，年内油价是否会出现涨幅？
4.4.1.1 基于GED分布的GARCH-VaR模型
在对油价收益率序列建模时，往往发现收益率的波动具有集聚性。为了刻画时间序列的波动集聚性，Engle（1982）提出了ARCH 模型。而在ARCH 模型的阶数很高时，Bollerslev（1986）提出用广义的ARCH 模型即GARCH 模型来描述波动集聚性。
GARCH模型的形式为
国外油气与矿产利用风险评价与决策支持技术
式中：Yt为油价收益率；Xt为由解释变量构成的列向量；β为系数列向量。
国外油气与矿产利用风险评价与决策支持技术
事实上，GARCH（p,q）模型等价于ARCH（p）模型趋于无穷大时的情况，但待估参数却大为减少，因此使用起来更加方便而有效。
同时，由于油价收益率序列的波动通常存在杠杆效应，即收益率上涨和下跌导致的序列波动程度不对称，为此本节引入TGARCH模型来描述这种现象。TGARCH模型最先由Zakoian（1994）提出，其条件方差为
国外油气与矿产利用风险评价与决策支持技术
式中：dt-1为名义变量：εt-1﹤0,dt-1=1；否则，dt-1=0，其他参数的约束与GARCH模型相同。
由于引入了dt-1，因此油价收益率上涨信息（εt-1﹥0）和下跌信息（εt-1﹤0）对条件方差的作用效果出现了差异。上涨时， 其影响程度可用系数 表示；而下跌时的影响程度为 。简言之，若Ψ≠0，则表示信息作用是非对称的。
在关注石油市场的波动集聚性及杠杆效应的基础之上，进一步计算和监控石油市场的极端风险同样是非常重要的。而监控极端市场风险及其溢出效应的关键在于如何度量风险，为此，本节将引入简便而有效的VaR 方法。VaR（Value-at-Risk）经常称为风险值或在险值，表示在一定的持有期内，一定的置信度下可能的最大损失。VaR 要回答这样的问题：在给定时期内，有x%的可能性，最大的损失是多少？
从统计意义上讲，VaR表示序列分布函数的分位数。本节用国际油价收益率的分布函数的左分位数来度量油价下跌的风险，表示由于油价大幅度下跌而导致的石油生产者销售收入的减少；而用分布函数的右分位数来度量油价上涨的风险，表示油价大幅度上涨而导致的石油购者的额外支出。这种思路，一方面推进了一般金融市场仅仅分析价格下跌风险的做法；另一方面，也针对石油市场的特殊情况，更加全面地度量了市场风险，从而为从整体上认识石油市场，判断市场收益率的未来走向奠定了基础。
VaR风险值的计算方法很多，能够适用于不同的市场条件、数据水平和精度要求。概括而言，可以归结为3种：方差－协方差方法、历史模拟方法和方法。本节用方差－协方差方法计算国际石油市场的VaR 风险。在用方差－协方差方法的过程中，估计VaR模型的参数是至关重要的。常用的参数估计方法包括GARCH 模型和J.P.摩根的Risk Metrics方法。由于后者设价格序列服从独立异方差的正态分布，而且不能细致描述价格波动的某些特征（如杠杆效应），因此相对而言，前者更受青睐。但是，使用GARCH模型估计VaR时，选择残差项的分布是一个非常重要的问题。考虑到油价收益率序列具有尖峰厚尾和非正态分布的特征，因此直接用正态分布的设往往会低估风险。为此，本节引入Nelson（1990）提出的广义误差分布（GED）来估计GARCH模型的残差项。其概率密度函数为
国外油气与矿产利用风险评价与决策支持技术
式中： Г（·）为gamma函数；k为GED分布参数，也称作自由度，它控制着分布尾部的薄厚程度，k=2表示GED分布退化为标准正态分布；k﹥2表示尾部比正态分布更薄；而k﹤2表示尾部比正态分布更厚。可见GED分布是一种复杂而综合的分布。实际上，也正是由于GED分布在描述油价收益率分布的厚尾方面具有独特的优势，因此本节引入基于GED分布的GARCH模型来估计国际石油市场收益率上涨和下跌时的VaR。
计算出石油市场的VaR风险值之后，为了给有关方面提供准确可靠的决策支持，有必要对计算结果进行检验，以判断所建立的VaR模型是否充分估计了市场的实际风险。为此，本节将用Kupiec提出的检验方法来检验VaR模型的充分性和可靠性。该方法的核心思想是：设计算VaR的置信度为1－α，样本容量为T，而失效天数为Ⅳ，则失效频率f＝Ⅳ/T。这样对VaR 模型准确性的评估就转化为检验失效频率f是否显著不同于α。基于这种思想，Kupiec提出了对原设f＝а的最合适的似然比率检验：在原设下，统计量LR服从自由度为1的X2分布，95%和99%置信度下的临界值分别为3.84和6.64。根据x2分布的定义，如果估计值LR大于临界值，就拒绝原设，即认为估计的VaR模型是不充分的。
国外油气与矿产利用风险评价与决策支持技术
4.4.1.2 基于核权函数的风险溢出效应检验方法
本节将用Hong（2003）提出的风险－Granger因果关系检验方法检验WTI和Brent原油市场的风险溢出效应。该方法的核心思想是通过VaR 建模来刻画随着时间变化的极端风险，然后运用Granger因果检验的思想来检验一个市场的大风险历史信息是否有助于预测另一个市场的大风险的发生。
首先，定义基于VaR的风险指标函数。以下跌风险为例：
Zm,t=I（Ym,t﹤－VaRm,t）（m=1,2） （4.11）
式中：I（·）为指标函数。当实际损失超过VaR时，风险指标函数取值为1，否则为0。
如果检验市场2是否对市场1产生了单向的风险溢出，则原设为H0:E（Z1,t∣I1,t-1）＝E（Z1,t∣It-1），而备择设为HA:E（Z1,t∣I1,t-1）≠E（Z1,t∣It-1），其中It-1={Ym,t-1,Ym,t-2，…），表示t-1时刻可以获得的信息集。通过这种转换，｛ Y1,t｝和｛Y2,t｝之间的风险－Granger因果关系就可以看成是｛Z1,t｝和｛Z2,t｝之间的均值－Granger因果关系，即计量经济学模型中广泛使用的Granger因果关系。
如果Ho成立，即市场2 对市场1不存在单向的风险－Granger因果关系，则表示Cov（Z1,t,Z2,t-j）＝0, j﹥0。如果对某一阶j﹥0，有Cov（Z1,t,Z2,t-j）≠0，则表明存在风险－G ranger因果关系。换言之，当一个市场发生大的风险时，我们能用这个信息去预测另一个市场未来可能发生同样风险的可能性。
现在设VaRm,t=VaRm（Im,t-1，α），m=1,2是市场m在风险水平（即显著性水平）α下得到的VaR序列，本节引入基于GED分布的GARCH 模型，并利用方差－协方差方法得到该序列。设有T个随机样本 并令Zm,t=I（Ym,t﹤－VaRm,t），m=1,2，则定义Z1,t和Z2,t之间的样本互协方差函数（CCF）为
国外油气与矿产利用风险评价与决策支持技术
式中： 。而Z1,t和Z2,t的样本互相关函数为
国外油气与矿产利用风险评价与决策支持技术
式中： 是Zm,t的样本方差；j=0，±1，…，±（T-1）。
然后，Hong（2003）提出了基于核权函数的单向风险－Granger因果关系检验统计量：
国外油气与矿产利用风险评价与决策支持技术
式中：中心因子和尺度因子分别为
国外油气与矿产利用风险评价与决策支持技术
式中k（·）为核权函数，而且H ong（2003）证明了Daniell核权函数k（z）＝sin（π）z/π ,z∈（－∞，＋∞）是最优的核权函数，能够最大化检验效力。该核权函数的定义域是无界的，此时可把M 看作是有效滞后截尾阶数；而且当M 较大时，Q1（M）能够更加有效地检测出风险溢出效应的时滞现象。
Hong（2003）同时给出了检验双向风险－Granger因果关系的统计量，其原设为两个市场之间任何一个市场均不G ranger－引起另一个市场的极端风险，并且两个市场之间不存在任何即时风险溢出效应。这表示对于任意阶j=0，±1，±2，…，均有Cov（Z1,t,Z2,t-j）＝0。为了检验该原设，Hong（2003）提出了如下的统计量：
国外油气与矿产利用风险评价与决策支持技术
式中：中心因子和尺度因子分别为
国外油气与矿产利用风险评价与决策支持技术
原设成立时，Q1（M）和Q2（M）在大样本条件下均服从渐近的标准正态分布。而且，Hong（2003）指出，运用这两个统计量时，应该使用标准正态分布的右侧临界值。
国际油价波动分析与预测的目录
油价重回5元时代，是因为受到全球油价暴跌引起的，国家发改委也表示柴油汽油分别下调零售价，由于沙特和俄罗斯减产协议没有谈妥，导致油价大幅下跌，年内应该不会有涨幅。在本轮成品油降价实现后，零售价格下限将降低。预计零售利润将在后期下降，据了解，2008年的时候油价进入了5元时代，此外，国内油价“底价”机制首次实施，并在四年后重新启用，此次价格调整是2020年国内成品油价格调整窗口的第三次下调，同时，这也是过去12年中最大的一次降幅，这次油价下调后，国内油价重返5元时代，油价跌至近七年来的历史新低。
2020年中国大陆成品油调价窗口已出现第三次下调，为最近12年来最大单次降幅。此次油价下调后，油价重回5元时代，油价降至近7年来的新低。对消费者特别是开车族来说，无疑是重大的利好消息。重回5元油价时代曾经是一种奢望，但疫情全球蔓延导致世界经济普遍陷入低谷，加上沙特等欧佩克国家与俄罗斯进行油价大战，使5元油价重现在人们面前。
高成本的美国石油在国际油价大战中损失最大，但美国毕竟经济实力强大，美联储和美国财政部最近接连宣布大规模量化宽松和斥资支持企业，油气行业是重点扶持对象。美国取的策略是暂时关停油气企业，以减少亏损。同时，特朗普已下令美国乘机大量增加石油的战略储备，要求“把储备油库加得足足的”，因此美国从长期看也不亏。
石油作为国际政治经济武器的时代正在逐渐淡去，不光是因为美国的页岩气革命正在带来更大冲击，还由于全球各地的可再生能源革命风起云涌。世界各地风能和太阳能发电已成为比以往更为廉价的选择。新能源发电等的存储成本一直在下降，联网使用得到普遍推广，网络化管理不断改善。
即便在美国，可再生能源也在取代煤炭和天然气，汽车电气化在进一步抑制需求，世界主要汽车生产厂商已纷纷宣布将淘汰传统燃油车型，开发电动汽车等新能源车型。特斯拉的股票狂涨，在很大程度上反映了全球对新能源汽车的期盼与需求。
由此可见，全球石油市场的再度兴旺也不过是过渡性剧情，油价的下跌和保持低价位将是大趋势。各种新能源车型的推出与品质改善，实际上已经在压缩传统燃油汽车的市场。以后即便再返油价5元时代，人们所能购买和开动的化石燃料汽车也将日渐减少。
研究结果分析与讨论
总序
序言
第一部分 国际油价波动分析
第一章 全球石油市场信息溢出研究
1.1 引言
1.2 信息溢出检验文献综述
1.3 实证研究
1.4 本章小结
1.5 参考文献
第二章 国际油价短期波动研究
2.1 引言
2.2 以前的相关研究
2.3 实证数据和方法
2.4 实证结果
2.5 本章小结
2.6 参考文献
第三章 基于粗糙集和小波神经网络的油价影响因素分析
3.1 引言
3.2 基于粗糙集和小波神经网络的混合方法
3.3 混合方法的应用
3.4 本章小结
3.5 参考文献
第四章 国际油价影响因素的综合分析
4.1 引言
4.2 影响原油供给的因素
4.3 影响原油需求的因素
4.4 影响原油价格的短期因素
4.5 本章小结
4.6 参考文献
第五章 突发对油价的影响分析
5.1 引言
5.2 突发类型
5.3 油价波动特点
5.4 案例分析：突发对油价的影响
5.5 本章小结
第六章 基于经验模态分解的国际原油价格波动分析
6.1 引言
6.2 经验模态分解
6.3 分解
6.4 合成
6.5 本章小结
6.6 参考文献
第七章 基于LSI的文本聚类在影响油价分类中的应用
7.1 引言
7.2 文本预处理
7.3 基于LSI的文本聚类
7.4 聚类结果分析
7.5 本章小结
7.6 参考文献
第二部分 国际油价预测
第八章 动态因子方法预测原油价格
8.1 引言
8.2 动态因子方法
8.3 数据
8.4 回归和预测结果
8.5 本章小结
8.6 参考文献
第九章 基于基金持仓的国际原油期货价格预测
9.1 引言
9.2 影响国际原油期货市场的因素分析
9.3 国际原油期货价格预测
9.4 本章小结
9.5 参考文献
第十章 小波变换在油价分析预测中的应用
10.1 引言
10.2 小波变换
10.3 基于小波变换的油价序列多尺度分解
10.4 基于多尺度分解的油价预测
10.5 本章小结
10.6 参考文献
第十一章 基于小波神经网络的油价预测
11.1 引言
11.2 小波神经网络介绍
11.3 实证分析
11.4 本章小结
11.5 参考文献
第十二章 基于供求理论的石油季度价格预测
12.1 石油价格影响机制简介
12.2 石油季度价格影响因素分析
12.3 石油季度价格预测模型的建立
12.4 本章小结
12.5 参考文献
第十三章 勘探开发与国际石油供求间关系分析
13.1 引言
13.2 石油供给的影响因素分析与情景预测
13.3 石油需求的影响因素分析与情景预测
13.4 本章小结
13.5 参考文献
第十四章 基于VARX与VECM模型的年度国际原油价格预测
14.1 引言
14.2 模型理论与方法
14.3 变量选取与数据说明
14.4 模型预测与结论
14.5 本章小结
14.6 参考文献
附录一 国际油价预测系列报告（摘选）
附录二 报刊文章和观点精选
如果国际石油价格跌至10美元/桶的情况下，中国油价会降到什么程度？从中看出税收占比是多少。
4.7.3.1 期权带来更佳的投资机会
油气投资项目的大部分投资发生在项目启动初期，具有不可逆转性，一旦启动，全部或部分投资将转化为沉没成本。通常，期权可以给油气项目投资者带来以下权利：在较长的一段时间内，油价低于盈亏平衡点，则放弃开发，从而避免了前期大量投资带来的损失；同时，在油价持续上涨的情况下，寻找一个合理的价位和时机启动投资。
油气田开发过程类似于美式期权，当油价上涨到盈亏平衡点以上时，行使这个期权在现金流上是可行的。例如，本节中小规模开发方案为18美元/桶，大规模开发方案为21美元/桶，在19年启动投资方案就可以盈利。但是，从机会的角度来看，不一定要马上进行投资。根据资产价值波动规律，利用二叉树期权定价模型评估未来一段时间内持有价值和执行价值，当持有价值大于执行价值时，项目宜延迟开发；当执行价值高于持有价值时，马上启动投资项目。
4.7.3.2 期权期限、油价波动率与项目价值有着正相关关系
近年来，油价波动呈现上升趋势。投资者所获得的期权期限越长，油价波动率σ越大，则油价波动的幅度就越大，见表4.34。2003年，油价最高可能达到54.85美元/桶；2004年，油价最高可能达到64.36美元/桶。投资者可以选择在油价高位时启动项目，则更有可能获得高额的投资回报，见表4.32和表4.33。
4.7.3.3 期权定价具有动态变化性
二叉树期权定价模型给出的油价预测是一个可能值，而不是真实值。在决策所在年，应该根据新的国际原油价格数据和更新的油价波动率，得到新的项目价值。例如，在2003年，国际油价达到31.08美元/桶，1991～2002年油价波动率为0.22，据此得到2004年油价预测和两种方案的项目价值，见表4.35。
表4.35 油价预测和项目价值
4.7.3.4 延长期权期限有利于风险控制
在海外油气田开发过程中，投资者将面临多种风险，而这些风险不仅仅来自油价的波动。国际上，国出现了石油国有化趋势，一些拥有无限期开发权的油气项目面临着被国回收的风险。中国的海外油气田投资项目主要分布在政治不稳定地区，如非洲、中亚和南美，在投资开发之前，需要有一个较长的时期等待局势的明朗。
因此，在不同国，不确定性越大，就越应该使用期权定价方法，延长期权的期限。
4.7.3.5 经营策略
投资者的损失最多不会超过其拥有期权所付出的投资，却能从标的资产价值的剧烈变动中获得显著收益。启动开发之后，也可能出现油价急跌的情况，只要高于可变成本即可继续生产。从前文我们可以发现，汇率波动与投资收益有着直接的正相关。人民币对美元汇率呈上升趋势，投资者应关注美元贬值对投资收益的影响。另外，应该积极运用金融衍生产品，进行长期期货交易，以及和当地的炼油厂谈判，协商长期供应合同（Chorn et al.,2006）。我国的大型国企具有较强的市场运作能力，当油价在低位时，可以加大商业石油储备；在高位时抛出，抵消对外投资中的损失。
实证研究方法
合理油价的经济分析
1998年的油价暴跌和1999年的油价暴涨，完全冲破人们的预期，动摇了原来油价预测的基础模型。当油价跌至10美元/桶 中国油价与美国影响 大幅度降低 目前约为6.2美元一桶。
人们却有种种理由认为油价还会下降，而当油价高达34美元/桶时，人们又在讨论油价的上升空间。在油价突破人们一道又一道心理防线的时候，大家不由得需要反思油价能不能够预测，这就是所谓有没有“合理油价”的问题。
税收比例约为三分之一
我是千辛万苦找的资料 帮我 纳
为了全面认识国际原油市场与美元汇率市场之间的互动关系，尤其是准确判断美元汇率变化对国际油价起伏的影响程度，进而为预测未来油价变化甚至宏观经济走势提供支持，本节将着重从价格长期变化、价格波动幅度及市场风险传递等3个角度，实证研究两个市场之间的密切关系。
4.5.1.1 石油市场与美元汇率市场之间的均值溢出效应检验
从经济含义上讲，两个市场之间的均值溢出效应指的是一个市场的价格不仅受到其前期价格的影响，还可能受到其他市场前期价格的影响。长期而言，美元汇率的变化对国际原油价格变化的影响是否显著，是否有助于预测其未来的走势，均值溢出效应检验可以较好地回答这种诉求。
均值溢出效应是从VaR模型的角度而言的，即条件一阶矩的Granger因果关系检验。因此，可以通过建立VaR模型，按照AIC值最小的原则，选择最佳的滞后阶数，然后通过普通线性Granger因果检验方法判断国际油价与美元汇率之间的均值溢出效应。具体方法是，若以X 表示美元汇率，Y表示国际油价，对双变量回归方程（式4.20）中的Sj=0（j=1,2，…，m）（原设）进行设检验。如果拒绝该原设，则认为美元汇率变化是国际油价起伏的Granger原因；同理，也可以判断国际油价起伏是否是美元汇率变化的Granger原因。其中m为最大滞后阶数。
国外油气与矿产利用风险评价与决策支持技术
4.5.1.2 石油市场与美元汇率市场之间的波动溢出效应检验
波动溢出效应指的是不同市场的价格波动之间可能存在相互影响，某一市场价格波动程度不但受自身前期波动程度的影响，而且还可能受其他市场价格波动程度的制约，即价格波动信息会从一个市场传递到另一个市场。市场瞬息万变，石油市场与金融市场之间的密切联系早已引起各界关注，而美元汇率交易价格的波动是否会传递到国际原油市场，这是波动溢出效应检验的目的所在。
我们用ARCH 类模型检验和度量波动溢出效应。GARCH模型是在Engle（1982）提出的ARCH模型基础上发展起来的，其基本形式为
国外油气与矿产利用风险评价与决策支持技术
式中：Yt为国际油价或美元汇率；Xt为由解释变量构成的列向量；θ为系数列向量；ht为残差的异方差。
同时，由于价格序列的波动通常存在杠杆效应，即价格上涨和下跌导致的序列波动程度不对称。为此，本节引入TGARCH模型来描述这种现象。TGARCH模型最先由Zakoian（1994）提出，其条件方差为
国外油气与矿产利用风险评价与决策支持技术
式中：dt-1为名义变量：εt-1﹤0,dt-1=1；否则，d1,t=0；其他参数的约束与GARCH模型相同。
由于引入了dt-1，因此价格上涨信息（εt-1﹥0）和下跌信息（εt-1﹤0）对条件方差的作用效果出现了差异。上涨时 其影响程度可用系数 表示；下跌时的影响程度为 。简言之，若Ψ≠0，则表示信息作用是非对称的。
按照AIC值最小的准则，我们发现分别用TGARCH（1,1）和GARCH（1,1）模型拟合国际油价和美元汇率是最佳选择。在这种情况下考虑波动溢出效应，根据Lin和Tamvakis（2001）和Hammoudeh等（2003）在研究不同石油市场之间的互动关系时提供的波动溢出效应检验方法，可构造出以下方程：
国外油气与矿产利用风险评价与决策支持技术
式中：hi,t表示第i个市场（国际石油市场与美元汇率市场）第t期的条件方差；αi,0，αi,1，Ψ和βi,1均为（T）GARCH（1,1）模型的系数。
在式4.24和式4.25中，一个市场的滞后条件方差项作为回归项加入另一个市场的条件方差方程中，而γi即为第i个市场溢出项的系数。若溢出项在统计上是显著的，则认为存在相应的波动溢出效应，即一个市场的波动会显著地传递到另一个市场；反之，则不存在显著的波动溢出效应。
4.5.1.3 石油市场与美元汇率市场之间的风险溢出效应检验
两个市场之间的风险溢出效应表示一个市场极端风险的历史信息有助于预测另一个市场现期和未来的极端风险。市场风险规避和控制是市场参与者不得不审慎考虑的问题，石油贸易这样的大宗商品贸易更是如此。由于石油与美元一直相伴而行，使得石油市场与美元汇率市场之间互相渗透，市场风险传递更值得关注。
风险度量对于国际石油市场和美元汇率市场都至关重要。本节引入简便而有效的VaR方法来度量市场风险。VaR 要回答这样的问题：在给定时期内，有x%的可能性，最大的损失是多少？从统计意义上讲，VaR表示序列分布函数的分位数。
VaR 风险值的计算方法很多，但概括起来可以归结为3种，即方差－协方差方法、历史模拟方法和方法。本节用方差－协方差方法计算国际石油市场和美元汇率市场的VaR风险。在用方差－协方差方法过程中，考虑到油价和美元汇率序列往往具有尖峰厚尾和非标准正态分布的特征，因此通常所用的标准正态分布设可能会低估实际市场风险。为此，本节引入Nelson提出的广义误差分布（GED）来估计GARCH类模型的残差项（Nelson,1990）。
为了考察国际石油市场和美元汇率市场的风险溢出效应，尤其是美元汇率价格风险对石油市场的影响，我们引入Hong（2003）提出的风险－Granger因果关系检验方法。其核心思想是通过VaR建模来刻画随时间变化的极端市场风险，然后运用风险－Granger因果检验的思想来检验一个市场的风险历史信息是否有助于预测另一个市场的风险的发生。
Hong（2003）借助样本互相关函数，提出了基于核权函数的单向和双向风险－Granger因果关系检验统计量。在实际操作中，先检验双向风险－Granger因果关系，如果拒绝原设（即至少存在一个方向的风险－Granger因果关系），则可以进一步检验单向风险－Granger关系。
