上海原油期货与现货市场价格发现及波动溢出的研究

孙凤兰

[摘要]：本文运用VAR模型，选取2018年3月-2021年7月的上海原油期货及阿曼、迪拜、我国大庆、胜利原油现货价格为样本，分析上海原油期货对现货市场的价格发现和波动溢出效应。研究结果表明：上海原油期货对国内、国际原油现货价格具有一定的价格发现功能，期货价格波动可以溢出传导至现货市场，且对我国大庆、胜利原油的价格发现功能更为显著。另外上海原油期货对国际原油市场定价的影响力有限，且国外原油价格波动不能及时反映在上海原油期货和现货价格中。

[关键词]：上海原油期货 原油现货 价格发现 VAR模型

中图分类号：F830.91

引言

2018年3月26日上海原油期货正式推出，作为我国期货市场第一个对外开放的品种，上海原油期货发展迅猛。2020年期货业协会（FIA）公布的全球能源类商品期货期权交易量排名中据16位，在原油期货市场中规模仅次于WTI和Brent原油期货。截止2021年3月，上海原油期货3年累计成交量达11319.66万手，累计成交金额44.10万亿元，境外客户分布在23个国家和地区，且已有68家境外经纪机构在上期能源备案。

上海原油期货是亚太地区原油定价和规避风险的工具之一，也是我国参与国际原油定价重要里程碑。经过3年多的交易运行，上海原油期货日趋成熟，也经历了2020年国际原油市场大幅波动的考验。那么，日趋成熟的上海原油期货是否提高了原油现货市场的信息流动性，是否实现了其价格发现及规避风险的职能？这些问题值得研究。

1.文献综述

期货市场作为现货市场的补充，对现货市场具有价格发现、规避风险等功能，众多学者在原油期货和现货价格方面研究取得了较多成果，下面就国内外学者的研究进行综述。

1.1国外文献综述

Schwarz & Szakmary（1994）通过对美国原油期货和现货市场的研究发现，美国原油期货对现货市场具有一定的价格发行作用；Silvapulle & Moosa（1999）的研究也支持这一结论。

Maslyuk、Smyth（2009）选取1991年到2008年的WTI和Brent原油期货与现货的日频数据，通过实证研究发现这两大国际原油交易市场原油价格存在协整关系。Elder等（2014）也采用WIT和Brent的市场交易数据，研究发现WIT原油的价格发现功能强于Brent原油。

1.2国内文献综述

余炜彬、范英、魏一鸣（2004）对WTI、Brent原油现货市场进行实证研究，发现原油现货价格短期内存在相关性，且WTI市场的相关性更强，该市场的过去价格对未来价格影响的持续时间更长。

马超群 、佘升翔等（2009）对上海燃料油期货市场信息溢出进行研究，发现上海燃料油期货市场与国际石油市场之间存在双向的均值溢出和国际到国内市场的单向波动溢出现象。

董莹、李素梅（2017）对我国燃料油和石油沥青两种成品油期货和现货价格进行实证分析，发现我国成品油期货市场价格发现功能较现货市场更弱。

张大永、姬强（2018）对上海原油期货、WTI、Brent原油、人民币兑美元汇率和上证指数进行实证分析，发现国际原油与我国原油期货信息联系密切，并且国际油价波动信息对我国原油期货存在正向冲击。

戴文群、段江桥（2019）对上海原油期货和WIT、Brent两大国际原油期货进行实证分析，发现上海原油期货对国际原油期货价格具有一定影响，且上海原油价格的收益率有较强的本地特色。

之前学者对上海原油期货和WIT、Brent两大原油期货间的价格影响研究较多，而针对上海原油期货可交割的油种，如迪拜、阿曼及胜利原油，及我国国内较主要的原油供给，即大庆原油产量的研究较少。因此，本文选取上海原油期货及阿曼、迪拜、我国大庆、胜利原油现货价格为样本，就上海原油期货对国际、国内原油现货的价格发现功能进行分析。

2.研究方法与数据说明

2.1研究方法

向量自回归模型，即VAR模型是向量自回归移动平均（VARMA）模型的简化。向量自回归模型最早在1980年被美国学者克里斯托弗.西姆斯（Christopher Slims）提出来。这个模型的主要原理是用每一个当期变量对每一个变量的一阶滞后、二阶滞后以及多阶滞后变量组成的一个集合进行回归。

向量自回归模型是对分析和预测几个经济变量操作最方便实现的模型之一，比较适合用于较少变量的研究。其一般表达式如下：

（1）

在（1）这个表达式中，Y表示列向量，t表示时期，p表示内生变量的滞后阶数，A表示相关系数矩阵， 表示随机扰动项。

向量自回归模型要求时序数据为平稳序列，因此在建模之前将对数据的平稳性进行检验。

2.2数据说明

本文数据主要包括上海原油期货、迪拜和阿曼原油现货、我国大庆和胜利油田现货价格，数据区间为2018年3月26到2021年7月19日，剔除交易日期不一致的 数据，共3915个样本，783组数据，数据来源于Wind金融数据库。

此外，本文选取的4组现货价格，主要是因为迪拜、阿曼及胜利原油是上海原油期货可交割的油种，而大庆原油产量是我国国内较主要的原油供给，故对此进行价格发现分析更具有代表性。同时，因现货价格以美元计价，本文均利用当日汇率折算成人民币。

为了消除数据可能存在的自相关性和异方差性，本文对数据取自然对数，取自然对数后并不影响数据得平稳性。

本文运用Eviews10软件进行数据处理，数据处理中具体看变量定义如表1：

表1 变量定义

变量定义	变量名称	变量定义	变量名称
lnclosing	上海原油期货价格的对数	dlnclosing	lnclosing的一阶差分
lndq	大庆原油现货价格的对数	dlndq	lndq的一阶差分
lndubai	迪拜原油现货价格的对数	dlndubai	lndubai的一阶差分
lnoman	阿曼原油现货价格的对数	dlnoman	lnoman的一阶差分
lnsl	胜利原油现货价格的对数	dlnsl	lnsl的一阶差分

3.实证研究

3.1 ADF检验

本文运用ADF检验验证数据是否为平稳序列，从检验结果表2可知，5组数据的取对数序列均为非平稳序列，但其一阶差分序列为平稳序列，即5组数据为一阶单整序列。

表2 ADF检验结果

原序列	T值	临界值1%	临界值5%	临界值10%	P值	结论
lnclosing	-1.508719	-3.96983	-3.415573	-3.130024	0.8262	不平稳
lndq	-1.66408	-3.96983	-3.415573	-3.130024	0.7663	不平稳
lndubai	-1.66495	-3.96983	-3.415573	-3.130024	0.7659	不平稳
lnoman	-1.627145	-3.96983	-3.415573	-3.130024	0.7816	不平稳
lnsl	-1.784994	-3.96983	-3.415573	-3.130024	0.7114	不平稳
一阶差分序列	T值	临界值1%	临界值5%	临界值10%	P值	结论
dlnclosing	-27.24354	-3.969845	-3.41558	-3.130028	0	平稳
dlndq	-27.34692	-3.969845	-3.41558	-3.130028	0	平稳
dlndubai	-10.70864	-3.969906	-3.41561	-3.130046	0	平稳
dlnoman	-10.64723	-3.969906	-3.41561	-3.130046	0	平稳
dlnsl	-27.78855	-3.969845	-3.41558	-3.130028	0	平稳

3.2 Johansen协整检验

协整检验可以判断两个变量间是否存在一个长期稳定的比例关系，该检验要求序列为平稳序列，因此对数据的一阶差分序列进行Johansen协整检验。通过检验可知存在4组以上协整关系，即4组以上的两个变量间存在长期稳定比例关系，检验结果如表3。

表3 Johansen协整检验结果

原假设	迹统计量	0.05临界值	P值	最大特征值 统计量	0.05临界值	P值
无	801.1970	69.81889	0.0001	289.0134	33.87687	0.0001
至多一个	512.1837	47.85613	0.0001	158.8231	27.58434	0.0001
至多两个	353.3606	29.79707	0.0001	141.7272	21.13162	0.0001
至多三个	211.6334	15.49471	0.0001	116.5046	14.26460	0.0001
至多四个	95.12880	3.841466	0.0000	95.12880	3.841466	0.0000

3.3 最优滞后阶数选择

最优滞后阶数会影响VAR模型的准确性，滞后阶数太小会出现随机干扰项，使得干扰项存在自相关进而影响到模型的经济意义，而滞后阶数偏大会影响模型的自由度从而出现很多待估参数。一般可以根据AIC、SC和HQ最小准则确定滞后阶数。由检验结果如图1，可知，AIC检验、SC检验、HQ检验均显示滞后二阶为最优滞后阶数。因此，选择滞后二阶作为模型的最优滞后阶数。

图1 VAR模型最优滞后阶数

3.4 建模及稳定性检验

只有平稳的VAR模型才是收敛的，分析才有意义。因此，在确定了VAR模型最优滞后阶数后，本文将采用AR根估计法对模型的稳定性进行验证。检验结果如图2，输出结果圆内包括了所有点，即表明构建的VAR模型是稳定的。

图2 VAR模型稳定性检验

3.5 格兰杰因果检验

在确定最优滞后阶数为2阶基础上，进一步通过格兰杰因果检验判断数据间是否存在因果关系。由检验结果图3可知，上海期货价格是中国大庆现货价格的格兰杰因果原因；迪拜现货价格和上海期货互为格兰杰因果原因；阿曼现货价格和上海期货互为格兰杰因果原因；上海期货价格是中国胜利现货价格的格兰杰因果原因。

图3 格兰杰因果检验

3.6 脉冲响应分析

脉冲响应分析可以检验一个标准差信息大小的冲击下上海原油期货价格对现货价格的影响。由检验结果图4，可知，第一，整体来看，4幅脉冲响应函数图1-4期波动明显，从第5期趋于平稳收敛状态，说明VAR模型较为稳定。第二，上海期货价格对大庆现货价格冲击后, 有正向上升趋势，且在第一期达到峰值之后在波动中趋于平稳，即对大庆现货价格的影响逐渐减弱；同理，上海期货对迪拜、阿曼、胜利原油现货价格也是正向影响。

图4 脉冲响应分析结果

4.结论

综合实证研究可知，第一，我国上海原油期货对国内、国际原油现货价格具有一定的价格发现功能，且期货价格波动可以溢出传导至现货市场。第二，上海原油期货对我国大庆、胜利原油的价格发现功能更为显著，说明上海原油期货未完全融入国际原油市场，与国际原油市场接轨程度有待提高。第三，与国际市场上迪拜、阿曼原油互为格兰杰因果关系，说明了上海原油期货对国际原油市场定价的影响力有限，另外国外原油价格波动不能及时反映在上海原油期货和现货价格中。

因此，应进一步提高我国原油市场与国际市场的接轨程度，具体看，完善市场交易制度，吸引多元化投资主体，结合人民币国际化，完善我国跨市场投资交易制度，减少跨市场投资交易成本，提高投资便利性，实现我国在国际原油市场定价的影响力。

参考文献：

[1]张大永、姬强.中国原油期货动态风险溢出研究.[J].中国管理科学.2018.(11)：42—49

[2] Maslyuk S , Smyth R. Cointegration between oil spot and future prices of the same and different grades in the presence of structural change. [J].Energy Policy,2009,37(5):1687-1693.

[3]Silvapulle P,Moosa I A. The Relationship between Spot and Futures Prices:Evidence from the Crude Oil market. [J].Journal of Futures Markets,1999,19(2):175-193.

[4]Schwarz T V,Szakmary A C.Price Discovery in Petroleum Markets: Arbitrage, Cointegration and the Time Interval of Analysis.[J].Journal of Futures Markets, 1994,14(2):147-167.

[5]余炜彬、范英、魏一鸣等.Brent原油期货市场的协整性分析[J].数量统计与管理，2004，（5）：26—32

[6]戴文群、段江桥.中国原油期货融入国际市场了吗？—基于国内外原油期货价格联动实证研究.[j].浙江金融.2019.(7):49-55

[7]马超群、佘升翔、陈彦玲.中国上海燃料油期货市场信息溢出研究[J].管理科学学报.2009.12（3）:93—100

[8]董莹、李素梅.我国石油期货市场价格发现功能及波动溢出效应研究.[ J].价格月刊.2017.482(7):19-24

[9]高明杰、鲁洪威、李婷婷等.基于VAR模型的中国马铃薯产量波动影响因素分析.[ J].华中农业大学学报.2021.（4）：44-52

[10] Elder J Miao H, Ramchander S. Price Discovery in Crude Oil Futures [J]. Energy Economics, 2014(46):18-27

[11]高原、黄诗曼.基于VAR模型的广东省经济可持续发展路径探究.[ J].科技和产业.2021.（5）：204-209

[12]马郑玮、李韫雯.中国原油期货与沥青期货价格关联性研究.[ J].价格理论与实践.2020.（7）：109-112

基金项目：泰山学院青年教师科研基金项目（QN-02-201921）：上海原油期货与现货市场价格发现和波动溢出效应的实证研究。

作者简介: 孙凤兰（1986—），女，山东省淄博市，助教，经济学硕士，研究方向：证券投资