基于SVAR-DCC-GARCH模型的经济政策不确定性与原油价格相关性研究

朱德忠 王茜

（安徽财经大学，安徽蚌埠 233030）

基于SVAR-DCC-GARCH模型的经济政策不确定性与原油价格相关性研究

朱德忠 王茜

（安徽财经大学，安徽蚌埠 233030）

文章以2000年1月到2016年9月的经济政策不确定性指数、大庆原油月均价、布伦特期货价格为研究对象，基于SVAR-DCC-GARCH模型展开相关性研究。研究结果表明，原油收益率变化是经济政策不确定性的单向格兰杰原因；原油收益率水平与经济政策不确定性两者之间具有动态相关关系；原油现价对经济政策不确定性影响高于原油期货。提出不断完善经济政策不确定性指数指标体系，构建有中国特色的衡量指标；优化成品油的定价机制；优化能源结构，发展清洁能源，推进绿色金融发展的建议。

大庆原油现价；经济政策不确定性指数；SVAR-DCC-GARCH模型

一、引言及文献综述

随着我国市场化改革的不断深化，期货市场和股票市场交易主体不断丰富，交易机制更加完善，交易手段更加灵活，然而我国金融市场尤其是原油期货和大宗商品交易市场仍然发展不够充分。我国金融市场受货币政策和财政政策影响显著，具有明显的“政策市”特点，国家经济政策稳定性与金融市场发展密切相关。

学术界对于国际原油价格的形成机制观点各异，有以Adelman、史丹、管清友为代表的市场竞争论；以Krugman和Hotelling为代表的资源稀缺论、地缘政治论以及对金融投机活动是否会影响国际原油价格展开激烈讨论的金融市场投机论。油价影响宏观和微观经济研究最早可以追溯到20世纪70年代中期。早期经济学家关于石油价格对经济影响的研究模型主要为静态模型，研究重点为油价变动对于宏观经济发展的作用机制。Pierce和Enzler通过构建静态经济模型，剖析原油价格变动对经济产出及物价等经济变量均衡水平影响，得出由于生产要素在不同部门之间的重新配置可能发生高额的成本调整，出现油价上涨或下降对总产出具有非对称影响的结论[1]；20世纪80年代开始，有研究通过构建更加符合经济规律的动态模型并提出预期假说等相关理论对油价变动作用机制进行模型推导。Hamilton通过建立动态模型研究1946—1981年间美国十次经济衰退与国际原油价格波动之间的相关性，得出原油价格上涨在一定程度上影响美国经济发展，推动经济衰退提前到来，油价波动对美国经济衰退无显著相关关系。这一研究结果在很大程度上证实了国际原油价格波动是影响美国宏观经济产出的重要因素[2]；此后Gisser、Goodwin、Hickman、Burbidge和Harrison、Bruno、Sachs等学者分别利用不同的数据和方法，进一步验证国际油价与各国经济增长之间存在负向相关关系，且达成共识；20世纪90年代后期，西方学者对于油价和经济之间相关关系研究强调原油价格波动性对于宏观经济的作用机制。Boyd和Caporale通过建立GARCH模型对油价的波动特征进行分析，估计能源价格波动性变化对宏观经济的影响。通过研究发现宏观经济发展势态良好时期能源价格波动较为平稳，相反经济衰退期间能源价格剧烈波动[3]；国内学者林伯强、牟敦国研究石油与煤炭价格上涨对中国经济的影响，得出能源价格跌涨显著影响经济增长与产业结构变化的结论[4]；张斌、徐建炜将石油价格和货币政策、物价以及产出水平结合，研究认为石油价格上涨会带来过度的货币政策反应，而货币政策作用机制对于国际原油价格影响并不显著[5]；赵懿、李熠运用条件风险值验证得出我国经济具有菲利普斯曲线特征并且原油价格波动与通货膨胀水平具有显著相关关系的结论[6]。

经济政策不确定性主要指经济政策对于宏观及微观经济影响机制以及后果的不确定性。经济政策不确定性有很多衡量指标，目前国内外较常使用的衡量指标是经济政策不确定性指数（EPU指数）。欧洲和中国使用的经济政策不确定性指标为新闻指数（News Index）。所谓新闻指数主要是指在中国十大关注度较高的报纸中关于“不确定”“动荡”等词语的使用频率。国内外关于经济政策不确定性的研究大多着眼于对于宏观经济和微观主体的作用机制[6]。Baker提出经济政策不确定性指数（EPU）并且编制和构建12国经济政策不确定性指数[7]。金雪军，钟意，王义中通过建立FASVAR模型研究GDP、投资、消费、出口和价格变动等宏观经济变量与经济政策不确定指数之间的相关关系，得出经济政策不确定指数与宏观经济变量之间负相关的结论[8]；黄宁、郭平运用PSVAR模型研究我国省级面板数据，得出经济政策的不确定性会对我国经济、投资、消费及价格水平等产生短期负向影响结论[9]；李浩举、程小可、郑立东将经济政策不确定性指数与企业营运资本管理和企业价值结合，研究结果表明经济政策不确定性指数高的情况下，企业资本管理发挥的作用更大，企业价值增加更加迅速[10]。

将原油价格与经济政策不确定性结合研究的相关文献较为匮乏，且关于原油价格的研究着眼点大多为国际原油价格，涉及我国国内原油价格和期货价格的研究鲜见。笔者将原油现货价格、原油期货价格与经济政策不确定性指数结合，探寻三者之间的相关关系。

二、研究方法与理论框架

本文主要研究国内原油价格波动与经济政策不确定性之间的关系，选择常用的结构向量自回归模型和多元动态条件相关GARCH模型（DCCGARCH模型）结合进行数据分析与建模处理。

（一）结构向量自回归模型（SVAR模型）

结构向量自回归模型（SVAR模型）是反映经济序列之间的相关关系以及波动溢出效应的最常用工具之一，通过将模型内所有变量的滞后期作为被解释变量的解释变量，构筑变量间的相关关系，由于金融变量滞后期往往对于当期具有重大影响，将变量滞后期纳入模型对于研究金融变量之间相关关系具有显著作用。本文使用SVAR模型研究经济政策不确定性和石油价格之间关联强度与持续时间。SVAR（p）模型表示为：

其中，C0、α是k×k阶矩阵。

其中，Dt表示t时的大庆石油现价，Et表示t时的经济政策不确定性指数。∂t表示2×2阶滞后变量的参数矩阵，εt=[ε1,tε2,t]E（εt）=0E（εtεt'）=σ2

（二）多元动态条件相关GARCH模型（DCCGARCH）

动态条件相关GARCH模型由Engle[11]于2002年引入，是VC-GARCH模型的推广，主要方程为：

Rt是动态条件相关矩阵，其中，Qt为对称正定矩阵，-Q是ωt的N×N维无条件方差矩阵，可以估计。Dt=diag{hi,t}，α为多元动态相关模型中的上一期残差平方系数；β为多元GARCH模型中前一期条件异方差系数，均为DCC模型的系数，α和β是非负的，且满足α+β≺1。

根据SVAR-DCC-GARCH模型设定可以得到极大似然估计函数为：

三、模型构建与实证分析

（一）数据选取与分析

选取2000年1月—2016年9月布伦特月平均价作为国际原油期货价格衡量指标，同时选取大庆原油月平均价格作为国内油价现价的衡量指标，数据来源于WIND数据库；经济政策不确定性指数数据来源于芝加哥大学发布的统计公报。数据定义表见表1。

（二）描述性统计分析

建立向量自回归模型（SVAR模型）和多元GARCH模型需要保证数据的平稳性，由于经济数据有可能会受到诸如季节因素的影响，本文首先使用CensusX12消除数据的季节性影响。

表1 变量定义

对经过季节调整后的原始数据进行描述性统计分析。建立多元GARCH模型需要检验数据是否服从正态分布，见表2。根据表2的描述性统计结果峰度、偏度以及JB统计值统计结果发现，三个变量均不服从正态分布。可以建立GARCH类模型。

表2 数据描述性统计结果

（三）平稳性检验以及协整检验

1.ADF检验。建立SVAR-DCC-GARCH模型的前提条件是时间序列平稳。首先检验模型数据的平稳性。由于数据已经剔除季节性因素的影响，目前最为常用且检验效果最好的时间序列平稳性检验方法是单位根检验（ADF检验）。ADF检验的原理是：如果检验值低于给定的显著性水平下临界值，代表数据平稳，可直接建立SVAR模型，反之说明数据不平稳，则需对数据调整，较为常规的调整方法是将指标对数化。大庆原油现货价格（DQ）及收益率数据（RQ）、特伦特期货价格（BLT）布伦特期货收益率（RBL）和经济政策不确定性指数（EPU）单位根检验结果见表3。

从表3可以看出，大庆原油现货价格和布伦特期货价格在5%和10%水平下不显著，不能拒绝存在单位根假设，即不平稳。收益率序列水平下显著，收益率序列平稳。单位根检验结果证明通过指数化显著提升了原始数据的稳定性。经济政策不确定性指数（EPU）在1%、5%和10%水平下显著。说明收益率数据与经济政策不确定指数数据均通过单位根检验，可以建立向量自回归模型。

2.滞后阶数选择。为更好地反映经济变量之间的相关关系，增强模型拟合效果，需要判断模型滞后期间。常用判断滞后期间准则包括赤池准则（AIC准则）和施瓦茨准则（SC准则）。当这两个数值最小时，其对应的阶数为最优滞后阶数，检验结果见表4。在滞后4阶时LR、FPE、AIC、SC、HQ的值均达到最小值，所以结构向量自回归模型的最优滞后阶数为4阶。

3J.ohansen协整检验。验证收益率数据与经济政策不确定性指数之间存在单整关系，为检验数据间是否存在长期均衡关系，本文进行Johansen协整检验。检验结果见表5。通过检验发现变量间均存在协整关系。

表3 单位根检验

表4 滞后阶数检验结果

表5 Johansen协整检验结果

（四）模型稳定性检验

研究数据稳定后，需要进一步检验结构向量自回归模型（SVAR）模型稳定性。使用AR根估计方法。其结果见图1。通过AR根检测结果发现，所有点均位于单位圆内，可判断模型稳定。

（五）Granger因果检验和脉冲响应分析

1.Granger因果检验。检验模型稳定性后，需要检验变量之间是否具有因果关系。使用Granger因果检验验证，检验结果见表6。从表6的结果可以发现，在5%的显著性水平上接受新闻指数不是大庆原油收益率的Grange原因，拒绝原油收益率不是经济政策不确定性Granger原因的假设；接受经济政策不确定性不是布伦特期货收益率格兰杰原因的假设，拒绝布伦特期货收益率是经济政策不确定性变化Granger原因的假设。原油价格变化是经济政策不确定性指数变动的单向Granger原因。

2.脉冲响应函数分析。为研究变量间相关关系，进行脉冲响应分析，模型脉冲响应函数见图2、图3。从图2中发现，当对EPU施加一个正向冲击后，RQ开始正向运动，到第三期达到最高点，随后逐步下降并在第7期后反映消失。说明油价对经济政策不确定性仅仅存在短期冲击，在中长期油价波动率对于经济发展的作用并不显著；从EPU对RQ的冲击来看，在第2期EPU对RQ正向冲击后，RQ逐步上升，在第3期达到最高点，可能由于这一期间受到国际金融危机波动影响，原油价格波动剧烈，对于经济稳定的信心不足。在三期后波动效应逐步下降，从第6期开始随机效应慢慢消失。

从图3中看，RBL在第二期对EPU开始出现一个正向冲击，冲击效应在第3期达到最高锋，然后开始下降，第4期消失；EPU在第1期到第2期对RBL有一个负向冲击，在第2期到第3期出现正向冲击，第3期开始冲击下降，4期消失。从图2和图3中发现，相对于经济政策不确定性指数对原油收益率的作用机制而言，原油收益率对经济政策不确定性的影响更加显著，并且冲击方向不确定，存在短期冲击。

图1 模型的稳定性检测结果

表6 EPU与原油收益率的Granger因果关系检验

图2 RQ与EPU的冲击响应

图3 RBL与EPU的冲击响应

由此得到原油价格与经济政策不确定性指数的结构向量自回归模型（SVAR模型）表达式为：

（六）DCC-GARCH模型分析

在建立结构向量自回归模型检验数据之间相关关系和因果关系后，通过建立多元GARCH模型研究变量间动态相关关系。首先，研究单变量GARCH模型的估计参数估计，具体结果见表7。从表中检验结果可见，单变量GARCH模型稳定，参数在1%的显著性水平下显著，可建立多元GARCH模型。

表7 单变量GARCH模型估计结果

表8为DCC-GARCH模型的参数估计结果。在DCC-GARCH模型的参数估计中，所有ARCH项和GARCH项均在1%水平上显著，说明条件方差可有效接收当期外部信息，且具有很高的持续性。而所有α+β≺1说明DCC-GARCH模型是均值回溯的。动态条件相关性的估计参数αDCC和βDCC均非常显著，并且βDCC数值远大于αDCC，表明原油收益率与经济政策不确定性指数动态相关性在当期并不显著，但持续影响程度非常高，可见原油收益率与中国经济政策不确定性指数之间存在联动性，但是动态相关性在反应时间上存在滞后性；同时，原油现价收益率的α+β值远大于布伦特期货收益率值，表明原油现价对于经济政策确定性的作用机制更加显著。

表8 DCC-GARCH模型的参数估计结果

四、结论

通过研究经济政策不确定性与大庆原油价格之间相关关系，得出三点结论：第一，原油价格波动是经济政策不确定性变化的单向Granger原因；第二，建模研究发现，经济政策不确定与原油价格之间动态相关关系，在当期并不显著，但持续影响程度非常高，可见原油收益率与中国经济政策不确定性指数之间存在联动性，但是动态相关性在反应时间上存在滞后性；第三，原油现价较原油期货价格而言与经济政策不确定性之间相关性更加显著。

五、相关建议

（一）不断完善经济政策不确定性指数指标体系，构建中国特色的衡量指标

经济稳定关系到国计民生以及政权稳定，对于经济健康有序发展具有重要意义。我国目前使用的经济政策不确定指数主要是新闻指数（News-Based EPU）。虽然研究表明新闻指数具有一定的代表性，但是指标体系构建很大程度上是基于西方金融体系，所以单一的指标体系难以反映转轨期复杂的中国经济社会情况。建议在政策不确定指数构建中加入中国债市发展指标和股市发展指标等特色指标[12]，通过设计更具中国特色的指标不断完善经济政策不确定性指标体系，以更准确衡量经济稳定性，有利于政府机构监管并及时做出调整。

（二）进一步完善成品油定价机制，推进竞争性、市场化定价

石油现价是经济政策不确定性的影响因素之一，为了维护经济稳定，成品油价格不能完全由市场调节，必须发挥政府宏观调控职能。我国石油定价体系以布伦特等三地原油价格的平均值为标准，由于定价标准主要依赖国外，油价调整时间要相对国际市场滞后一个月左右，导致市场套利空间大，造成市场不稳定。政府要不断加强政策引导与监督，提高要素配置效率；进一步健全和完善市场法律法规，加强监管能力建设，增强监管执行力和权威性，建设能源市场监测体系并做好能源信息统计与发布；石油企业要拥有独立开发的能源开采体系，借助市场机制和价格机制的快速调节，淘汰落后产能，完成“供给侧改革”。

（三）优化能源结构，发展清洁能源，推进绿色金融发展

石油资源以及煤炭资源均是不可再生资源，我国目前经济发展对石油和煤炭资源的依存度高达80%，而石油资源和煤炭资源有效使用度不足40%。因此我国石油和煤炭企业要不断研发新技术，提高石油、煤炭的开采量和有效使用率；推进洁净煤技术发展，提高资源使用效率，优化资源配置；加大对民间开发使用核能的支持力度，鼓励和采取可行措施推动风能、太阳能资源的应用与推广，对使用新能源设备提供财政补贴、税收优惠，提高其竞争力；严格控制能源和高耗能产品出口，减轻我国资源对外依赖度。

［1］Pierce J L,Enzler J J.The Effects of External Inflationary Shocks [C].Brookings Papers on Economic Activity,1974(1).

［2］Hamilton J D.Oil and the Macroeconomy Since World War II[J]. Journal of Political Economy,1983(91).

［3］Boyd R,Caporale T.Scarcity,Resource Price Uncertainty,and Economic Growth[J].Land Economics,1996(8).

［4］林伯强,牟敦国.能源价格对宏观经济的影响——基于可计算一般均衡（CGE）的分析[J].经济研究,2008(11).

［5］张斌,徐建炜.石油价格冲击与中国的宏观经济:机制、影响与对策[J].管理世界,2010(11).

［6］赵懿,李熠.原油价格、流动性与我国的通货膨胀[J].统计研究, 2011(8).

［7］S Baker,N Bloom,S Davis.Measuring Economic Policy Uncertainty[J].Chicago Booth Research Paper,2013(3).

［8］金雪军,钟意,王义中.政策不确定性的宏观经济后果[J].经济理论与经济管理,2014(2).

［9］黄宁,郭平.经济政策不确定性对宏观经济的影响及其区域差异——基于省级面板数据的PSVAR模型分析[J].财经科学, 2015(6).

［10］李浩举,程小可,郑立东.经济政策不确定性、营运资本管理与企业价值[J].中央财经大学学报,2016(3).

［11］Engle R.Dynamic Conditional Correlation—A Simple Class of Multivariate GARCH Models[J].Journal of Business&Economic Statistics,2002(3).

［12］董德志,柯聪伟.EPU指数在经济判断和市场预测中的应用[J].债券,2015(5).

F822

A

1672-3805(2017)02-0009-07

2017-02-20