国际原油期货市场与中国股票市场联动关系探究

张维，庞圆圆，熊熊

（天津大学管理与经济学部，天津300072）

引言

原油期货显著的金融属性使得探究其与现货市场，特别是股票市场的联系具有重要的经济价值。因此，原油期货的供需情况成为原油现货定价的基础。美国纽约商业交易所的西德克萨斯轻质原油期货（WTI）交易量最大，影响范围最广。WTI原油期货具有流动性强和市场化定价程度高的特点，因此，WTI成为了原油领域普遍接受的基准价之一。

而沪深300指数是有中国上海证券交易所与深圳证券交易所联合编制的市场指数，该指数成分股涵盖国内上市的兼具高流动性和大体量这两个特点的股票，其合理的选股机制、与时俱进的更新换代方法使得CSI300成为国内股票市场的“晴雨表”，其价格水平的波动对于我国股票市场整体情况具有极强的代表性。

学者们对于原油及其衍生品市场和证券市场关联性的研究也丰富多彩。2001年，Lin和Tamvakis通过对纽约商业交易所与伦敦国际石油交易所交易的原油期货合约的价格进行对比和相关性研究，研究结果证实两证券市场的原油期货价格存在显著相关性；进而，Covrig等（2004）就期货市场的价格发现作用进行了深入分析，并就日经225股指期货在东京、大阪、新加坡三地交易所的交易价格进行实证检验，证实了期货产品在价格预测方面的有效性，而股指期货的价格也成为价格发现的主导因素，其贡献率高于75%；Xu和Fung检验了美国市场和日本市场贵金属合约的价格信息传导效果，发现两期货市场间信息溢出情况的确存在，且信息溢出的方向是双向的。就近期研究而言，Narayan和Sharma（2011）利用GARCH（1，1）模型对在纽约证券交易所上市的各行业公司股票的相关性进行了研究，发现原油价格对于能源板块与交通运输板块的股票价格呈现同方向变化而与其余16个行业的股票价格呈现反向变化。Diaz et al（2016）探讨了G7集团经济体（美、日、德、英、法、意、加）中原油价格波动性与各国股票收益率的相关性问题，研究表明，原油市场的强烈波动将会对削弱股票市场收益水平。除对发达国家进行研究之外，对新兴金融市场之间的理论研究也百花齐放。对于金融市场间价格发现与联动关系的研究，学术文献中通常在VECM模型参数估计基础上，采用信息份额模型（Hasbrouck，1995）来衡量两个市场间的长期价格发现能力；或采用格兰杰检验，考察股票与期货市场的短期动态领先滞后关系。Hammoudeh等人（2014）研究了原油市场价格波动性分别对于股票市场原油相关单元与非相关单元波动性的影响，研究发现，原油市场对这两个细分市场的波动冲击是一致的。随着我国经济实力的增强以及原油需求量的激增，推出原油期货以增强在国际原油市场上的话语权成为我国经济发展迫在眉睫的需求，而建立服务于本土的原油期货市场是我国在获得定价话语权尝试中的第一步。因而，在政策设计之前，了解国外主流原油期货与我国股票市场的联动机制，对于我国设计出具有中国特色的期货合约具有重要的作用，这也是本文研究的期望所在。

一、数据选取与清洗

本文选取了WTI原油期货与中国沪深300股票指数的2007年1月1日至2017年10月31日全部交易日数据作为研究对象。在进行WTI原油期货连续指数合成时，为了避免交割日效应，本文将每一时段交易量最大的WTI主力合约作为研究对象，用来构建连续的价格指数。在一般情况下，在本月到期日前，交易最活跃的主力合约在当月合约到期的前1—5天，会自动转换为下个月到期的合约。通过交易量大小的比较筛选，我们得以获得一个连续的原油期货价格指数。同时考虑到美国WTI原油期货交易时间与中国股票市场交易时间的不同以及两国家时区的不同（西四区&东八区），在单向测度美国对中国市场影响时，特将美国原油期货市场前移一天的数据来与中国市场进行联动性测试，以保证被研究数据的同期性。在研究中国市场对期货市场的信息传递时，则选取同天数据，特此说明。其中，对WTI期货收益率与CSI300收益率均进行了对数化处理。

对数据进行平稳性检验结果表明原油期货市场和股票市场收益率为平稳序列，而原油期货市场与股票市场价格序列为一阶单整序列。因此，本文将对样本数据建立VAR模型，并在此基础上，通过对其使用格兰杰因果检验来判定两市场收益率的领先滞后关系，同时采用脉冲响应和方差分解的手段来具体探究国际原油期货市场和股票市场的联动关系。

二、实证检验

1.VAR模型建立。本文首先对被研究变量建立VAR模型，根据国际通用的SIC、AIC信息准则来确定模型的滞后阶数。在综合考虑模型准确性和样本容量的基础上，选取2阶滞后。VAR模型运用结果（如表1所示）。

表1 VAR参数估计结果

由表1可知，WTI期货收益率与其自身二阶滞后量的检验系数显著，而CSI300并没有表现出与国际原油期货市场的滞后项和自身滞后项之间的显著关联。由此，我们可以看出，原油期货价格中包含着其前期交易价格的信息，而我国股票市场的价格则并未受到前期交易价格的影响，呈现出了一定的独立性和随机性。

2.格兰杰因果检验。进一步通过格兰杰因果检验来考察原油期货市场与股票市场的领滞后关系。由表2的结果可知，就收益率而言，国际原油期货市场交易要领先于国内股票市场，且两者之间不存在双向的格兰杰因果关系。

表2 格兰杰因果检验

3.序列的脉冲响应分析。为了更详细地反映两市场间的联动关系，我们采用脉冲响应和方差分解的分析方法来考察沪深300指数与WTI原油期货指数相互影响作用。由下页图可知，首先，原油期货市场对中国股票市场的一个单位标准差的新信息冲击的脉冲响应显著大于中国股票市场对美国原油期货市场的脉冲响应，表明相比而言，我国证券市场受到更多来自原油期货市场的信息冲击，这与格兰杰因果检验的结果一致。其次，两市场的脉冲响应在第三期后便不再显著，从第四期开始就基本趋近于0。再次，原油期货市场受到其自身滞后期标准差的新信息冲击脉冲响应相较于股票市场较大，表明原油期货市场包含更多的过去交易信息，这也与VAR检验结果一致。

脉冲响应结果图

4.序列方差分解。本文进一步对原油期货以及CSI300的收益率的预测误差进行方差分解，结果（如表3所示）。

表3 方差分解

由方差分解结果可知，原油期货市场和中国股票市场的当前时期和前期的预测误差均主要来自自身，来自另一方市场的影响很小。就来自不同市场的影响相比，虽然两者的影响均很微弱，但原油期货市场受到来自中国股票市场的影响相对更大。

结语

本文通过对2007—2017年间WTI原油期货和CSI300指数日收益率之间的相互关系进行研究，探究国际原油期货市场与我国股票市场的信息传导机制以及关联性。研究表明，二者之间的确存在着长期关系。具体来说，就收益率而言，国际原油期货市场受到其自身滞后期信息的影响，而受到来自国内股票市场的影响较小；我国股票市场较多地受到来自国际原油期货市场的影响，原油期货收益率变动是中国股票市场收益率变动的单向格兰杰因，而我国市场并未受自身滞后期的显著影响。对国际原油市场具体运作机制以及对我国股市信息传导的方式和情况的研究，将对我国推出期货合约时平衡国内金融市场之间的相互关系提供一定的理论指引。

参考文献：

[1] Chevallier J.，Sévi B.On the volatility-volume relationship in energy futures markets using intraday data[J].Energy Economics，2012，(6)：1896-1909.

[2] Covrig V.，Ding D.K.，Low B.S.The contribution of a satellite market to price discovery：Evidence from the Singapore exchange[J].Journal of Futures Markets，2004，(10)：981-1004.

[3] Xu X.E.，Fung H.G.Cross-market linkages between U.S.and Japanese precious metals futures trading[J].Journal of International Financial Markets Institutions&Money，2005，(2)：107-124.

[4] Narayan P.K.，Sharma S S.New evidence on oil price and firm returns[J].Journal of Banking&Finance，2011，（12)：3253-3262.

[5] Diaz E.M.，Molero J.C.，Gracia F.P.D.Oil price volatility and stock returns in the G7 economies[J].Energy Economics，2016，(54)：417-430.

[6] Hamao Y.，Hasbrouck J.Securities Trading in the Absence of Dealers：Trades and Quotes on the Tokyo Stock Exchange[J].Review of Financial Studies，1995，(3)：849-878.

[7] Hammoudeh，Shawkat，Sel Dibooglu，and Eisa Aleisa.Relationships Among U.S.Oil Prices and Oil Industry Equity Indices[J].International Review of Economics and Finance，2004，(4)：427.

[8] 何枫，张维，熊熊，等.沪深300股指期货与标的指数联动关系研究[C]//中国系统工程学会学术年会，2016.

[9] 陈蓉，方昆明.波动率风险溢酬：时变特征及影响因素[J].系统工程理论与实践，2011，(4)：761-770.

[10] 王群勇，王国忠.沪市A、B股市场间信息传递模式研究[J].现代财经—天津财经大学学报，2005，(6)：25-29.

[11] 楚尔鸣，鲁旭.基于VECM-BEKK二元GARCH模型的沪市A、B股市场信息传导关系研究[J].经济评论，2009，(2)：50-56.