国际原油价格对国内原油价格的非线性冲击及其政策启示——基于STR模型的实证研究

李文星

(厦门理工学院 经济与管理学院，福建 厦门 361024)

一、引 言

从1998年6月开始实行与国际原油价格接轨的定价机制以来，国内原油价格逐步实现了与国际原油价格的接轨；同时随着我国经济的快速发展，对石油资源的需求量越来越大，2015年中国石油对外依存度超过60%,而且该比例有不断提高的趋势，国内原油价格受到国际原油价格的影响越来越大。国际原油价格的剧烈波动极易传递到国内原油市场，并对中国经济社会发展和人民生活产生重要影响。鉴于此，定量分析国际原油价格对国内原油价格的冲击效应及其非线性特征具有重要的现实意义。

近年来，石油价格大幅波动对经济生活的各个领域造成了巨大影响，这引起了大量学者的关注。相关研究主要围绕油价波动的原因、特征以及对经济的影响等方面展开。Lynch (2002)[1]梳理了国际油价波动的历史,并从供给的视角分析了国际油价波动的诱因；Sadorsky (1999)[2]构建GARCH模型刻画了国际原油价格波动的特征, 并分析了石油价格波动对宏观经济的影响；Cologni和Manera( 2008)[3]基于七国集团的样本数据，利用VAR模型研究了石油价格和通货膨胀的动态互动关系，研究结果表明石油价格变动对物价影响较为显著。国内学者对油价波动的研究，首先，定性研究方面，梁永乐(2006)[4]、赫丛喜等(2006)[5]和谢洪燕等(2011)[6]重点关注目前中国石油价格定价机制的效果、存在的问题，并提出了相应的解决措施。定量研究方面,主要分析油价水平对宏观经济造成的不同影响(如“中国2007年投入产出表分析应用”课题组，2010；陈宇峰、陈启清,2011;陈建宝、李坤明，2011)[7-9]；还有一部分着重刻画油价波动的特征、影响因素及重大供给冲击对油价的影响，如魏巍贤和林伯强(2007)[10]、潘慧峰(2011)[11]、潘慧峰等(2012 )[12]、李治国和郭景刚(2013)[13]及田利辉和谭德凯(2015)[14], 结果表明大部分事件会导致事件窗内石油价格的波动加剧。随着我国石油对外依存度不断提高，部分学者开始关注国内外原油价格的互动关系 (魏巍贤、林伯强, 2007；张意翔等,2007;林伯强、李江龙，2012)[10，15，16],研究结果总体表明国内外原油价格互动关系有增强的趋势。从现有的文献来看,目前对国内外原油价格互动关系的研究并不多见，且相关实证研究均假设二者之间的关系是线性的。鉴于此，本文拟尝试运用平滑转换回归模型研究国际原油价格对国内原油价格冲击的非线性效应，以揭示两者间微妙而复杂的关系。

二、平滑转换回归(STR)模型简介

本文采用非线性平滑转换回归模型来刻画国际原油价格对国内原油价格的非线性影响。原因在于，传统的最小二乘法通过估计单一回归方程来揭示国内外原油价格之间可能存在的关系,但二者之间可能并非仅为单一的回归模式 ,而可能是当国际原油价格超过一定界限时 ,回归模型的截距或斜率系数将发生变化，即国际原油价格对国内原油价格有多种不同的影响模式(即非线性回归)，而平滑转换回归模型(STR)则为解决非线性回归中最简洁的方法之一。其优势在于可以以国际原油价格的一定界限值作为门槛值，充分揭示国际原油价格处于不同的区间时，其变动对国内原油价格的不同影响模型。与用传统的方法相比，平滑转换回归模型有助于获得一个更佳的解释效果。

STR模型的一般形式为[17- 20]：

(1)

其中，yt为目标变量，zt是由目标变量yt的滞后期从1到m的m个滞后变量和g个其它的解释变量构成的向量，即有：zt=(1,z1t,…,zkt)′=(1,yt-1,…,yt-m;x1t,…,xgt)′且有k=m+g。β=(β0,β1,…,βk)′和ρ=(ρ0,ρ1,…,ρk)′分别为线性和非线性部分的参数向量，{εt}是满足零均值、同方差的随机扰动项，转换函数G(γ,c,st)是关于转换变量st的有界函数，值域为 [0，1]。参数γ为取值大于0的平滑参数，用于刻画转换函数从0状态到1状态变化的速度。参数c为门槛参数，用以刻画转换函数状态发生变化的门槛值。

三、实证研究

(一) 数据来源与处理

本文选取2000年1月至2016年5月大庆原油价格(DQ)和布伦特原油价格(BR)月度数据作为国内外原油价格的代表，数据来源于美国能源信息管理部门的官方网站和凤凰财经官方网站。考虑到季节因素的影响，本文采用X12 方法进行调整。同时，本文对季节调整后的数据取自然对数以避免异方差性，两变量分别记为lnDQ和lnBR。

从图1可见, 国内外原油价格变化趋势基本一致, 尤其是当国际原油价格上升或下降时, 两者变化特征基本相同。总的来看,2000年1月至2015年11月期间, 国内外原油价格都经历了3个比较明显的上升下降的波动过程。分阶段来看, 2000年1月至2006年8月, 全球经济的快速发展对石油产生巨大需求助推原油价格的快速上涨，之后略微下降，直到2007年1月份达到最低点。2007年2月开始，由于世界大国的石油战略需求增加、石油库存不足和美元汇率走低等因素的影响，国内外原油价格大幅飙升，并于2008年7月达到历史最高点。此后，美国次贷危机引发的世界金融危机导致全球实体经济增长乏力，进而引起国内外油价快速下滑，至2009年2月份达到最低点。2009年3月以来，伴随着世界经济的缓慢复苏，国内外石油价格逐渐上涨，这种势头一直持续到2011年4月，此后基本保持在每桶100美元的高位以上。2014年7月至2016年5月期间，由于受到世界经济增长乏力，尤其是中国经济增速明显放缓的影响，国际油价下跌超过50%。从图1我们可以看出, 在原油价格高涨时期，国内外原油价格之间的缺口较小, 而在原油价格较缓和时期该缺口则呈现出扩大的态势。综合来看，国内外原油变动轨迹非常相似, 但是两者变动趋势的同步性在不同时期具有显著的差异性。那么，国内外原油价格之间到底存在怎样微妙而复杂的关系，在不同的时期，国际原油价格对国内原油价格的冲击效应如何，是否存在非线性，需要实证分析予以解答。

图1 国内外原油价格走势图

(二) 单位根检验结果

赵进文(2009)[21]研究表明，当存在异常值数据时，PP检验与ADF 检验相比更具稳健性，因此，为了避免原油价格异常值数据的影响，本文采用PP检验。结果见表1。

表1 PP检验结果

注： (1)“***”表示在1%的显著性水平，PP检验的带宽标准依据Newey-West using Bartlett Kernel。

(2)(C，T)表示检验方程既包含截距项也包含趋势项，(C,0)表示包含截距项而无趋势项。

首先,在1%的显著性水平下，变量lnBR与lnDQ的水平序列,PP检验的统计值均不显著, 因此二者均是非平稳的。而对于二者的一阶差分序列ΔlnBR 和ΔlnDQ,在1%的显著性水平下, 均拒绝原假设, 即ΔlnBR 和ΔlnDQ为平稳序列。因此，在本文下面的分析中将采用平稳序列ΔlnBR 和ΔlnDQ进行建模，而这两个序列分别表示国际原油价格增长率和国内原油价格增长率。

(三) STR模型的估计结果及分析

本文遵循非线性STR模型构建的步骤[22]，首先，确定模型的线性部分，按照AIC最优滞后期选择标准，确定线性部分的滞后期为5，再根据变量的显著性，最后得到线性模型的具体形式如下:

ΔlnDQ(t)= -0.2636(-3.4789)ΔlnDQ(t-1)-0.3914(-5.1497)ΔlnDQ(t-2)-0.2389(-3.0141)ΔlnDQ(t-3)

-0.3223(-4.2472) ΔlnDQ(t-4)-0.2754(-3.6417)ΔlnDQ(t-5)+0.9673(32.3702)ΔlnBR(t)+0.3598(4.5727)ΔlnBR(t-1)

+0.4391(5.4750)ΔlnBR(t-2)+0.2582(3.1026)ΔlnBR(t-3)+0.3176(4.0342)ΔlnBR(t-4)+0.2785(3.5688)ΔlnBR(t-5)

(2)

其次，在模型线性部分的基础上，选择不同转换变量进行线性假设检验，并根据显著性水平的大小确定合适的转换函数形式和转换变量，结果如表2。

表2 线性假设检验及转换函数形式选择结果

注：表中数值为相应统计量的P值。

可以看出，当转换变量为ΔlnDQ(t-1)、ΔlnBR(t)和ΔlnBR(t-1)时，模型均存在非线性的函数关系，这在一定程度上反映了国内外原油价格的非线性依从关系。当以ΔlnBR(t)为转换变量时，接受线性假设的伴随概率最低，且根据F3的P值非最小，因此本文最终选择ΔlnBR(t)作为转换变量，相应的STR模型形式为LSTR1。

接下来估计模型参数。首先必须确定转换函数中的参数C和γ的初始值。本文采用二维网格点搜索法对参数初始值进行估计，门限参数最大值为0.2041，最小值为-0.3805，而平滑参数γ最大值为10，最小值为0.5，分别在最小值与最大值中间等间隔取50个值，从而获得2500组(c，γ)参数组合，计算每一参数组合下的残差平方和，以其中的最小值对应的参数为初始值,然后利用牛顿—拉夫森迭代算法，将条件似然函数对参数求偏导，即可获得LSTR1模型参数的最终估计值，结果见表3。

表3 LSTR1模型估计结果

注：括号内的数值表示t统计量,***、**、*分别表示在1%、5%和10%的水平上显著。

根据表3的结果整理得到非线性模型LSTR1的具体形式为：

ΔlnDQ(t)= -0.00312-1.12502ΔlnDQ(t-2)(-1.3987)(-5.4371) -0.35040ΔlnDQ(t-3)(-4.9550) +0.94955(35.0310)ΔlnBR(t)

+1.32036(5.5490)ΔlnBR(t-2)+0.38509ΔlnBR(t-3)+(5.2155) G(γ,c,ΔlnBR(t))×(0.45109)(5.4756)ΔlnDQ(t-1)

(3)

+0.78512(3.6059)ΔlnDQ(t-2)-0.30103ΔlnDQ(t-4)(-3.6658) -0.37974ΔlnDQ(t-5)(-5.0915) +0.55891(6.7633)ΔlnBR(t-1)

+0.93929(3.7701)ΔlnBR(t-2)+0.29846(3.5736)ΔlnBR(t-4)+0.38982(5.1724)ΔlnBR(t-5)

其中，括号中的数值为相应的t统计值，转换函数G(γ,c,ΔlnBR(t))=[1+exp(-25.9256(ΔlnBR(t)+0.05247)]-1。

(四)模型稳健性检验

为了保证所估计的国内外原油价格之间的非线性动态模型(LSTR1)具有良好的统计性质，接下来对上述模型估计结果进行稳健性检验。

主要检验统计值为：

ARCH-LM =9.5210(p-值为0.3003),J-B=2.3984(p-值为0.3014)

异方差性ARCH-LM检验和正态性J-B检验表明,1%水平下，本文构建的LSTR1模型误差项不存在异方差问题并且服从正态分布。为了考察上述LSTR1模型能否充分提取变量关系中的非线性成分，本文进行残差的非线性检验，见表4。在1% 的显著性水平下模型并不存在残余的非线性，上述LSTR1模型能够较好地提取国内外原油价格互动关系中的非线性成分。图2为实际值和拟合值时间序列图。

表4 残余非线性检验

图2 实际值和拟合值时间序列图

(五)实证结果解释

由上式(3)的线性部分可以看出，ΔlnDQ(t-2)和ΔlnDQ(t-3)每变动一个单位分别使ΔlnDQ(t)反向变动1.12502和0.35040个单位，这说明2个月和3个月前的国内原油价格上涨，则当前月份的国内原油价格会有一个反向的调整。具体原因可能是当意识到原油价格上涨时，政府部门将会采取相应政策对原油价格进行调控，缓和原油价格的上涨趋势。这反映出决策部门对原油价格变动的敏感性，能够适时制定政策进行调控。尤其值得关注的是，各期国际原油价格对国内原油价格均有正向的推动作用，且强度较大；具体来看，ΔlnBR(t)、ΔlnBR(t-2)和ΔlnBR(t-3)变动一个单位能使国内ΔlnDQ(t)分别同向变动0.94955、1.32036和0.38509个单位，即当月、2个月前和3个月前的国际原油价格变化对当月国内原油价格变化具有较大影响。LSTR1模型的线性部分表明，国内原油价格受到近期国际原油价格变动的影响较大。

LSTR1 模型的非线性部分由转换函数和回归项构成。首先分析转换函数G。G是关于转换变量ΔlnBR(t)的增函数, 转换变量ΔlnBR(t)代表当期国际原油价格增长率，即转换函数值随着当期国际原油价格增长率的增大而增大，进而引起非线性部分的影响变大。这说明当期国际原油价格增长率是当期国内原油价格的一个重要影响因素。转换变量的门限参数C=-0.05247，表明当(转换变量)国际原油价格增长率大于-0.05247时，转换函数值较大，此时，模型的非线性部分影响变大，这说明国际原油价格增长率快速上涨会使国际油价对国内油价的冲击程度明显增强。这种冲击的非线性特征可能有三个方面的原因：其一,原油价格定价机制方面。我国自2000年6月以来对原油价格进行了进一步的改革, 实现国内外油价的逐月联动,此后国内外油价波动的动态特征基本一致, 即国内与国际油价充分接轨，因此会出现国内原油价格跟随国际原油价格剧烈上涨或下跌。其二，原油市场投机方面。当期国际原油价格快速增长或急剧下跌时，将使国内外原油价格差增大，造成原油现货市场和期货市场投机加剧，这将推动国内原油价格快速上涨或快速下跌。其三，原油市场预期机制方面。当国际原油价格快速上涨或下跌时，将使国内市场油价产生同向变动的预期，在市场预期为理性的情况下，将使国内原油市场供需出现失衡，进而推动国内原油价格的快速上涨或下跌。而当ΔlnBR(t)小于门限参数-0.05247时，即国际原油价格增长较小时，转换变量的变化对模型非线性部分影响相对有限，此时，国内原油价格主要受线性影响。平滑参数γ数值较大，表明模型在线性与非线性之间的转换速度较快，这也预示着国内原油价格受到国际原油价格冲击后的反应可能是跳跃式的。当国际原油价格快速上涨时，国内原油价格容易从低水平快速攀升或从高水平快速下降，这与图1中国内原油价格与国际原油价格走势保持高度一致相吻合。

其次，LSTR1模型非线性部分的回归项部分体现了各期国内原油价格对国内原油价格的非线性影响。其中，滞后各期的国际原油价格对国内原油价格都有正向的推动作用，且各变量前的系数估计值较大，即ΔlnBR(t-1)、ΔlnBR(t-2)、ΔlnBR(t-4)和ΔlnBR(t-5)每变动一个单位分别能使ΔlnDQ(t)产生0.55891、0.93929、0.29846和0.38982个单位的同向变化；同样表明国际原油价格的变化能较快地对国内原油价格产生影响，且国内原油价格对国际原油价格各期变化的反应更大，国内原油价格已基本实现与国际原油价格的接轨。此外，ΔlnDQ(t-1)和ΔlnDQ(t-2)每变动一个单位分别能使ΔlnDQ(t)产生0.45109和0.78512个单位的同向变化，这说明我国原油价格具有一定的惯性，原油价格具有自我强化的作用，前两个月油价变动对当月油价有较大的影响，表明国内原油价格变化受到市场预期的显著影响。而ΔlnDQ(t-4)和ΔlnDQ(t-5)变动一个单位则分别能使ΔlnDQ(t)反向调整0.30103和0.37974个单位。

综合LSTR1模型非线性部分的转换函数和回归项的结果，我们可以看出，当国际原油价格增长率超过一定的门限值时，模型非线性部分中转换函数和回归项乘积项的值变大，即国际原油价格对国内原油价格的影响程度明显增强。结合图3中转换函数和转换变量变动轨迹，在从2000年7月以后的整个时期内，转换变量大部分时间内超过了门限值，因此，转换函数的值大部分时间趋向于1，此时，国际原油价格对国内原油价格的非线性影响将不断显现，且作用强度很大。此外，我们也看到，转换函数的取值在0与1之间的转换速度很快，这与平滑参数估计值较大的结果相一致。图3表明LSTR1模型能够较好地反映国内外原油价格之间的动态关系，通过本文所构建的非线性LSTR1模型所产生的拟合数据的动态特征能够较好地模拟原始数据的动态特征。模型估计的线性部分和非线性部分结果见图4。

图3 转换函数和转换变量变动轨迹图

图4 线性部分和非线性部分变动轨迹图

四、结论与政策启示

综合来看，本文的结论为: 第一，国际原油价格对国内原油价格的冲击具有非线性特征，且在大部分时段该非线性特征相当显著。当期的国际原油价格增长率是决定国际油价对国内油价非线性冲击程度的关键因素，当期国际原油价格增长过快会加剧国际油价对国内油价的影响力度。第二，各滞后期国际原油价格的系数估计值较大且都为正，可见我国原油价格的变动主要由国际原油价格推动，而且对国内原油价格的影响体现为非线性影响。第三，国内原油价格变动的惯性特征明显，说明国内原油价格的变动部分原因在于市场的主观惯性行为。最后，国内原油价格滞后期对当期有逆向调整作用，这表明决策部门能够密切监测原油价格的走势，油价调控措施效果明显。

本文的实证研究表明，国内原油价格能够迅速地反应国际原油价格的变化。 说明随着国内油价改革的推进，从价格水平上来看，国内原油价格已经与国际原油价格充分接轨。 但我们也必须清醒地认识到，国内原油价格形成机制并没有与国际真正接轨。原因在于，我国石油市场长期被三家主要石油企业垄断, 还远未真正完全市场化；我国原油价格还无法真实准确反映国内石油市场的供需关系的变化，面对国际油价波动，只能被动地跟踪。再者, 我国作为世界第二大经济体和石油消费大国，一直以来都没有自己独立的石油价格报价系统,这导致我国石油市场的供求关系状况不能得到快速准确的反映, 进而也无法将国内石油价格信息反馈到国际市场上,从而没有真正参与到国际原油价格的形成过程中, 只能被动遭受国际油价高企的困境。同时，必须指出的是，在国内成品油市场被几家大型油企垄断的局面下, 国内原油价格与国际接轨将导致国内原油价格与成品油价格供需脱节,导致当前原油市场上国内油价跟随国际油价出现剧烈下跌，而成品油市场上则仍然维持较高的价格，这极大地破坏了市场经济的运行机制并使得石油这种稀缺资源无法得到最优配置。如何理顺我国原油价格与成品油价格的关系将是国内成品油价格机制改革的关键一环。

针对当前国内原油市场的现状,本文得出的政策启示为：

首先, 政策制定者应关注国际原油价格对国内原油价格冲击效应的门槛值, 把握主动权。实证分析发现, 当期国际原油价格增长超过门槛值或者下降超过门槛值后, 当期国际原油价格对国内原油价格的影响明显增大。这给决策部门一种预示, 当国际原油价格快速上涨或下降时，应迅速调研国内原油价格变动情况,分析国内油价突破门槛值的支撑点在哪里, 弄清究竟是原油供给不足或某些中间商炒作引起，还是由于国际市场外部冲击因素的影响, 并迅速制定相应的宏观调控政策进行调节, 以免原油价格上涨对其他相关领域造成不利影响。

其次，随着我国石油进口不断增加,应尽快调整石油价格定价机制,以增大我国在原油价格定价中的发言权, 避免国际原油价格波动对我国经济产生大的冲击。

再次，开发新能源尤其是清洁能源，减少石油进口。考虑到我国近年来石油消费方式现状,石油消费仍将快速增加，通过“开源节流”来改变石油供应日益紧张的趋势将难以实现,因此，我国必须尽快建立充足的石油战略储备或者对新能源开发进行大量投资。

最后，考虑到各滞后期的国际原油价格变化对国内原油价格的作用强度都较大，即国际原油价格的变化有滞后影响效应，决策部门应关注以前各期油价对当期油价的累积影响，防微杜渐。因此，需要尽快建立有效的油价预警和评估系统，避免油价大幅波动。

[1]Lynch,M.C..Forecasting Oil Supply:Theory and Practice[J].The Quarterly Review of Economics and Finance,2002,42:373-389.

[2]Sadorsky,P..Oil Price Shocks and Stock Market Activity[J].Energy Economics,1999,21：449-469.

[3]Cologni,A.,Manera,M..Oil Prices,Inflation and Interest Rates in A Structural Cointegrated VAR Model for the G7 Countries[J].Energy Economics,2008,30 (3):75-89．

[4]梁永乐.我国石油价格机制改革的思路及建议[J].改革与战略，2006，(10)：94-95.

[5]赫丛喜, 等.国际化石油价格形成机制研究[J].辽宁工程技术大学学报：社会科学版,2006，(2):145-147.

[6]谢洪燕,罗宁.国际原油价格的阶段特征与趋势分析及对我国的启示[J].宏观经济研究，2011，(6)：90-95.

[7]中国2007 年投入产出表分析应用课题组.原油价格波动对我国物价的影响[J].统计研究.2010，(12):23-29 .

[8]陈宇峰,陈启清.国际油价冲击与中国宏观经济波动的非对称时段效应:1978-2007[J].金融研究，2011，(5)：86-99.

[9]陈建宝，李坤明.国际油价对我国物价水平的非线性冲击——基于STR 模型的研究[J].厦门大学学报：哲学社会科学版,2011，(5)：43-50.

[10]魏巍贤，林伯强.国内外石油价格波动性及其互动关系[J].经济研究，2007，(12):130-141.

[11]潘慧峰.全球主要石油市场间的信息溢出效应分析[J].科学决策,2011，(2):9-37.

[12]潘慧峰,等.重大供给冲击对石油市场的影响分析[J].管理科学，2012，(4):111-120.

[13]李治国，郭景刚.中国原油和成品油价格的非对称实证研究——基于2006-2011年数据的非对称误差修正模型分析[J].资源科学，2013，(1)：66-73.

[14]田利辉，谭德凯.原油价格的影响因素分析:金融投机还是中国需求?[J].经济学：季刊，2015，(3)：961-982.

[15]张意翔，等.国内外原油价格关系的动态分析[J].管理学报，2007，(4)：453-459.

[16]林伯强，李江龙.原油价格波动性及国内外传染效应[J].金融研究，2012，(11)：:1-15.

[17]Granger,C.W.J.,Terasvirta,T..ModelingNonliner Economic Relationships[M].Oxford University Press,1993.

[18]Lundbergh,R.Terasvirta,T.，Van Dijk,.Time-varying Smooth Transition Auto-regressive Models[J].Journal of Business and Economic Statistics,2003, 21:104-121.

[19]Terasvirta,T..Modeling Economic Relationships with Smooth Transition Regressions[M]//Handbook of Applied Economic Statistics. New York: Marcel Dekker,1998.

[20]Saikkonen,P.,Luukkonen,R..Lagrange Multiplier Tests for Testing Nonlinearities in Time Series Models[J].Scandinavian Journal of Statistics, 1998,15:55-68.

[21]赵进文.异常值点对单位根检验的致命影响[J].商业经济与管理，2009，(1):76-83.

[22]Luukkonen,R.,Saikkonen,P.,Terasvirta,T..Testing Linearity against Smooth Transition Auto-regression[J].Biometrika ,1988a, 75:491-499