国内原油期货价格影响力及定价模型研究

高辉 高天辰

摘 要：研究采用协整及相关理论，通过影响国内原油期货价格的宏观经济金融、中观基本面、微观市场层面的38个因素对国内原油期货价格发现功能、国际定价能力及定价模型进行实证研究，研究显示国内原油期货对国内外原油现货均具有较强的价格发现功能，具备一定的国际定价影响力;构建的长期协整模型、短期动态误差修正模型对国内原油期货价格预测及交易风险控制具有较好的参考作用;研究结果可以为原油期货市场建设提供理论与实践的支持。

关键词：原油期货价格 价格发现 Granger因果关系检验 协整 误差修正模型

一、引言

早在1993年，我国在上海推出原油期货交易。但由于当时期货市场发展不成熟、期货价格大幅波动对国内市场物价的稳定及国内经济发展产生严重影响，政府在1995年停止了原油及相关成品油的期货交易。后来，期货市场经过近十年的发展，直到2004年上海期货交易所（以下简称上期所）燃料油期货重新挂牌，我国能源期货市场才重新启动。燃料油期货上市早期运行较为成功，但几年后，由于多重因素影响，市场成交大幅萎缩，到 2017 年几乎停止运转，上期所在2018 年重新推出了不同交割品种的燃料油期货。为了应对国际油价的波动风险，上期所一直积极开发原油期货品种，经过多年努力，获批成立上期所子公司上海国际能源交易中心，并于2014年批准开展原油期货交易，经过前期相关准备工作后于 2018 年3月26日正式挂牌了原油期货合约。作为国内第一个国际化期货品种，原油期货的推出意义重大。

目前，国际原油价格的波动给国内期货市场带来较大的冲击，也势必影响经济运行。如何评价国内原油期货定价影响力及功能发挥情况，如何利用原油期货规避市场价格波动风险、确保国内期货市场及宏观经济稳健运行，十分迫切。本文试图采用协整及相关理论探求国内原油期货价格的影响因素的定量影响，研究其价格发现功能、价格的形成机制、国际定价影响力，建立长短期定价模型，以期对期货市场建设及宏观经济调控提供理论指导。

二、相关研究文献综述

国内外学术界从定性及定量的角度对原油期货进行的研究，取得了不少成果。

国内针对原油研究较早的相关文献主要集中在对国外原油期货运行规律及影响因素、国内原油现货及影响因素，还有国外原油期货与国内原油现货之间的关系等相关的市场规律研究，如李优树、杨志华、杜慧滨等、余炜彬等、韩冬炎等、高辉等，其中大多采用定性与定量的研究方法。

近几年来，国内研究原油市场规律的多采用多种时间序列及多种计量模型，比如，部分学者研究国内外原油现货价格与宏观因素之间关系，如于天娇、田洪志;有些学者研究了国内外原油市场与金融市场关系，如张志敏和周工、李建峰等;还有的学者采用时间序列模型研究国内外原油期现货价格关系，如贾晓亮、崔良媚;也有学者采用多种计量方法进行原油价格影响因素分析与预测，如詹旭、张庆豪、张支南、程方正、马郑玮等。

由于国内原油期货推出时间较短，针对国内原油期货的研究文献相对比较少，如王金成选取我国原油期货上市后的日数据，建立三元 VAR-GARCH-BEKK 模型，研究我国原油在国际市场和亚太市场的均值溢出效应和方差溢出效应。闻少博采用小波相干模型、GARCH-BEKK 模型研究边际基本面与原油价格的传导关系。曹剑涛对中国上海和美国纽约原油期货、美元汇率、人民币汇率之间的关系变化进行了计量分析。卜林等对上海原油期货与阿曼原油期货和 WTI、Brent 原油期货进行比较，采用长期弱外生检验等模型对原油期货的价格引领关系以及价格发现做了实证检验。

国外关于油价运行规律的研究较早，比如，Hotelling提出可耗竭资源模型; Granger提出的因果关系方法;Engle提出的条件异方差模型;Engle和Granger提出的协整理论等，以及后来发展VAR理论及多种计量模型得到很好的应用。

国外关于油价波动对宏观经济活动影响的问题，研究主要采用时间序列理论及多种计量经济学模型对原油期现货价格与宏观经济、金融市场关系以及中观层面原油价格与基本面因素关系、微观层面原油价格与原油市场因素关系进行研究。比如，部分研究集中在国际原油价格与宏观层面的宏观经济的相互影响关系方面，如Hamilton、Cologni和Manera;部分研究集中在国际原油期货现货价格与金融市场相互影响方面，如Alessandro等、Noureddine、Basher等、Dreger等、Yang等、Mo等。部分研究集中在国际原油价格与中观基本面因素关系方面，如Ratti和Vespignani、Kaufmann、Pierru等。部分研究集中在微观层面，如对原油与商品市场联动关系做研究，这部分学者有：Wang等、Jain和Biswal;还有对国际原油期货价格影响因素的研究，如Drachal主要从宏观金融股市、债市、汇率及中观进出口影响因素角度进行研究。

近年来，在宏观层面上，国外关于油价波动与资本市场关系的研究多采用多种时间序列模型及资产定价模型，如研究国际油价与股市的关联关系，有Cong 等、Elyasiani等、Angelidiss等;Basher和Sadorsky、Raza等、Boubaker和Raza、Bouri等、Mensi等、Antonakakis等;还有研究国际油价与中国股市和相关股指及股票关系方面的学者，如Broadstock和Filis、Zhu等、Fang和Egan等。

以上国外文献近年来研究原油市场相关规律，从研究方法的角度来看，采用了多种理论及多种计量模型及方法，比如，运用协整相关理论方法的学者如Cologni、 Manera、Alessandro、Mo等、Kaufmann、Cong等、Raza 等、Bouri等;運用VAR理论及方法的学者如Noureddine、Basher、Dreger 等、 Ratti、Vespignani、Wang 等、Mensi等、Antonakakis等;运用小波及分形理论模型方法的学者如Yang 等、Boubaker和Raza;运用随机过程理论及方法的学者如Pierru等;运用贝叶斯理论与方法的学者如Drachal、Zhu等。其他的还有采用多种时间序列及计量模型的学者，如运用GARCH模型及相关理论的学者如Jain和Biswal、Elyasiani等、Basher和Sadorsky等;运用机制转换模型方法的学者如Hamilton、Angelidis等;运用多项 Logit 模型方法的学者如Fang和Egan。

综上，从已有的文献看，对原油运行规律的研究基本是从定性和定量的角度研究，其中定量研究基本是基于简单线性回归模型及以时间序列的多种经济计量模型进行研究，基于国外原油期货价格与宏观经济及金融和基本面或者微观市场的单方面的关系研究，已有的文献对国内原油期货市场研究极少，主要原因是国内原油期货推出的时间比较短，仅有的部分文献也多集中在研究国内原油与宏观、基本面、微观的单方面关系的研究，因而对国内原油价格从宏观、中观、微观全方位影响因素研究的角度来看还是极少的。因此，本文利用协整及相关理论，从多变量的角度对国内原油期货价格的影响因素和价格发现功能及国际定价能力等方面进行模型实证研究，从而为国内宏观调控，原油期货市场建设及有关部门规避交易风险提供理论支持。

三、变量的选取与数据说明

（一）变量的选取说明

影响原油期货价格的因素有很多，从宏观经济层面来说，经济增长、通货膨胀、金融货币及相关资本市场波动等因素对原油期货价格均会产生一定的影响;从中观基本面来说，原油的生产与供给因素决定了原油期货价格波动方向;从微观市场来说，原油的现货价格、国外原油期货价格、国内原油期货市场交易情况及原油的库存因素对原油期货价格的走势具有一定的影响作用。

因此，宏观经济方面的变量可以选择经济增长、货币供应量、通胀指数、汇率、利率、股票指数及美元指数;中观基本面可以选择原油生产量、消费量、进口量;微观市场变量可以选择国内原油期货成交量、持仓量、库存及国内外现货价格和期货价格。

1.宏观经济变量的选取

宏观经济增长一般采用GDP作为研究变量，由于GDP仅有季度及年度统计数据，没有月度统计数据，我们的研究总体是基于月度统计数据进行模型研究。而工业增加值能有效地从月度数据上反映当前经济的变动情况，对GDP变量有很好的替代性。因此，我们采用工业增加值作为GDP的替代变量，选择国内工业增加值定基指数（2010年为100）月度数据。

我国现行货币统计制度将货币供应量划分为M0、M1、M2三个层次。因此，我们选取货币供应量M0、M1、M2作为货币供应量指标。

一般来说，消费者价格指数（CPI）与商品零售价格指数（RPI） 均可以衡量国内通货膨胀率，由于RPI剔除了服务价格影响，而CPI包含了服务，可以更全面地反映国内物价的变化情况。因此，我们选用CPI作为衡量通货膨胀率的指标。

随着经济的发展，国内外经济依存度日趋加强，汇率对宏观经济的影响越来越大，因此，选取汇率作为原油期货价格影响因素的宏观金融变量，并选取人民币兑美元汇率作为汇率指标。

国债利率一般在发达市场国家是金融市场的基础利率。然而我国国债市场总体规模还小，不足以引导市场利率。随着国内利率市场化建设的发展，虽然存贷款利率还没有完全放开，而银行同业拆借市场发展迅速，能够反映货币市场的资金供求状况，因此，我们选择银行同业拆借利率（1天、7天、1月、3月、6月、1年期）作为市场利率变量。

证券市场作为国家重要的资本市场在国民经济中的作用越来越大，证券市场的快速发展对整个社会发展有着巨大的影响。国内有上海证券交易所、深圳证券交易所，截至完稿日，暂不考虑北京证券交易所。两个交易所推出了多种股价指数，由于上海证券交易所推出的上证综指代表了整体国内主板上市公司，对中国股市具有代表作用，因此，我们选取上证综合指数作为股价指数指标。

美元指数是综合反映美元在国际外汇市场汇率情况的指标，用来衡量美元强弱程度。由于国际上主要的商品都是以美元计价，美元的波动对商品价格有较大的影响，因此，我们选取美元指数作为影响国内原油的宏观金融因素变量。

2.中观基本面变量的选取

从商品的基本面角度，商品的供给与需求对商品价格的影响起到决定作用，因此对原油期货价格来说，原油的供给量与消费量对原油价格有一定的影响。本文的研究中我们选择全球原油的生产量及我国原油生产量作为原油供给因素的主要变量。由于国内原油消费直接数据原油消费量月度数据不可得，我们采用国内原油制成品产量代替国内原油消费变量。

对国内来说，原油的供给很大程度上依赖进口，近年来中国原油需求的对外依存度超过60%，而国内基本没有出口，因此，原油进口量对原油需求的影响较大，从而影响原油的价格，因此我们选择国内原油的进口量作为原油进口变量。

3.微观市场变量的选取

国内第一个国际化交易的品种原油期货于2018年上市交易，经过几年的发展，影响力逐步扩大，因此，我们选择上海国际能源交易中心的原油期货价格作为国内原油期货价格变量。

对国外原油期货市场来说，国际上的原油交易以WTI 、Brent和Dubai三大原油为基础，目前来看， Brent原油市场是全球原油贸易的核心，但是从成交量、持仓量来看WTI比Brent的规模要大得多，由于Dubai原油期货市场无论从成交量、持仓量及价格影响来看均弱于WTI 、Brent原油期货市场，因此，国外原油期货价格我们选择具有代表性的WTI 、Brent原油期货价格作为原油期货价格变量。

从理论上来说，期货价格到期日将会与现货价格收敛，因此，现货价格对期货价格有较大的影响。国内原油现货价格选择国内影响力较大的中国南海原油现货价格与胜利油田原油现货价格;国外原油现货主要集中在中东、美国、亚非等地，為了研究不同区域的现货原油与国内原油的影响关系，我们选择全球主要区域的原油现货价格，包括英国Brent原油、美国西得克萨斯中级轻质原油、阿联酋迪拜原油、环太平洋阿曼原油、阿尔及利亚撒哈纳原油、利比亚锡德尔原油、阿联酋穆尔班原油、科威特出口原油、安哥拉吉拉索原油、尼日利亚博尼轻质原油、伊拉克巴士拉轻质原油、沙特阿拉伯轻质原油、委内瑞拉原油。

从期货市场微观角度来看，对某一个期货品种来说，期货成交量与持仓量最大的合约均是该品种期货的主力合约，期货成交量、持仓量的大小对期货价格具有直接影响。另外期货品种的库存仓单代表了期货套期保值一方对该品种市场的一种判断，库存量的大小对期货价格的走势具有直接影响。因此，我们选择国内原油期货成交量、持仓量及库存变量作为国内原油期货价格影响的微观市场变量。

（二）数据处理说明

1.数据期限及月度数据的确定

由于国内原油期货是2018年3月26日上市交易，所有的变量数据选择的时间起点均为统一起始时间2018年3月26日。而所选择变量时间序列数据截止时间不统一，我们选取研究变量数据截止时间为2020年12月。

从数据的可获得性来看，宏观、中观层面的均为季度、月度数据，没有周、日数据;微观市场方面除了季度、月度数据还有周、日数据，由于研究时间跨度较短，对所有变量数据均统一选取月度数据进行研究。

2.期货连续价格数据的确定及不匹配数据的处理

每一个期货品种有多个期货合约，每一个期货合约到期日、对应的期货价格都不同，为了处理期货价格的不连续性，我们选取成交量最大的期货合约每天的收盘价格序列形成期货连续价格合约。

因为国内外存在不同的节假日，我们删除某些具体时间不匹配的价格数据，产生国内外期货价格的时间序列数据。最后选取国内原油、WTI、Brent原油期货连续价格每月的月末价格数据作为国内外期货连续价格的月度数据。

3.对缺失数据的处理

以上各变量数据序列部分存在缺失数据，其中全球原油生产量及中国原油生产量2020年12月数据缺失，缺失数据均采用三项移动平均的方法补充;其中现货价格包括：阿曼原油、撒哈纳原油、锡德尔原油、穆尔班原油、科威特出口原油、吉拉索原油、博尼轻质原油、巴士拉轻质原油、阿拉伯轻质原油、委内瑞拉原油均是2020年3月数据缺失，我们采用对应的各个变量数据序列2月与4月现货原油现货价格平均值代替;国内原油制成品月度数据2019年与2020年1月月度数据缺失，仅有2月累计数据，因此我们采用2月累计数据平均数作为1月、2月月度数据。

为了处理分析过程中可能出现的异方差情况，以上数据均作对数处理。数据来源为Wind数据库、巨灵数据库、国家统计局网站以及中国人民银行网站。使用的统计分析软件Eviws 10.0。

四、国内原油期货价格影响因素实证分析

（一）数据平稳性检验

我们采用数据平稳性检验常用的方法：图示法与单位根检验法。首先，通过图示法检验，对选取变量的时间序列及一阶差分序列作时序图进行判断（时序图略）。从各个变量数据的时序图可以看到，数据序列均表现出非平稳性;从一阶差分后变量数据的时序图可以看到差分后的序列均表现出平稳性的特征。

我们再对数据的平稳性做ADF单位根检验，通过检验确定变量的单整阶数

单位根检验方法很多，一般有DF、ADF检验和Philips的非参数检验（PP检验）。本文采用Engle-Granger的基于残差的ADF检验是最常用的检验方法。在检验中选取标准我们在保证残差项不相关的前提下，同时采用AIC 准则与SC准则，作为最佳时滞的标准，在二者值同时为最小时的滞后长度即为最佳长度。另外对是否包含趋势等问题，本文选择标准为通过变量的时序图观察，如果序列好像包含有趋势（确定的或随机的），序列回归中应既有常数又有趋势。如果序列没有表现任何趋势且有非零均值，回归中应仅有常数。如果序列在零均值波动，检验回归中应则不含有常数和趋势。（检验结果参见附表1、附表2）。检验结果表明：選取的各变量数据在1%、5%、10%三种显著性水平下均为非平稳序列;各个变量取对数后的时间序列一阶差分后的数据在1%、5%、10%显著性水平下均为平稳的序列。因此，在分析的样本期内，我们选取的影响原油价格的宏观因素、中观基本面因素及微观市场因素变量月度数据均为非平稳性的，而且均含有一个单位根的非平稳序列。

（二）因果关系的Granger检验

我们对影响国内原油期货价格的宏观经济、中观基本面、微观市场方面的变量与国内期货价格做Granger因果关系检验，通过因果关系检验找到影响国内原油期货价格的主要影响变量、探究国内原油期货的价格发现功能以及定价影响力

由于因果关系检验对滞后阶数较为敏感，在实际检验中，根据AIC和SC准则，当二者值最小时为最佳滞后阶数。。

1.宏观变量对国内原油期货价格的Granger因果关系检验

我们对影响国内原油期货价格的宏观因素变量与国内原油期货价格做Granger因果关系检验（检验结果参见附表3），因果关系检验结果表明：工业增加值、货币供应量（M0、M2）、国内银行同业拆借利率（1天期、7天期）在5%的显著性水平下对国内原油期货价格具有引导作用，其中货币供应量M0比M2的引导作用略强，国内银行同业拆借利率7天期比1天期的引导作用更强;在5%的显著性水平下，国内原油期货价格对国内通胀、上证综指、货币供应量M1、美元指数有较强的引导作用，说明国内原油期货对国内通胀有较大的影响，原油期货的稳健运行对控制国内通胀具有较大的意义。国内原油期货价格的波动对国内股市具有较大的影响作用，因此原油市场的健康运行对国内股市运行具有重要意义。美元指数对国内原油期货价格影响较弱，反过来国内原油期货价格对美元指数有较强的引导作用，说明国内原油期货国际化程度有了较好的发展，国际影响力进一步提升。

最后，在5%的显著性水平下，国内银行同业拆借利率（1月期、3月期、6月期、1年期）、人民币汇率与国内原油期货价格不具有相互的引导作用。这说明期限长的同业拆借利率对国内原油期货价格影响比较弱，人民币汇率也不具有较强的影响作用。

2.中观基本面变量对国内原油期货价格的Granger因果关系检验

我们对影响国内原油期货价格的中观基本面因素变量与国内原油期货价格做Granger因果关系检验（具体检验结果参见附表4）。检验结果显示：在5%的显著性水平下，原油生产、原油消费、原油进口量均不是国内原油期货价格的Granger原因，只有在10%的显著性水平下，国内原油进口量是国内原油期货价格的Granger原因;除此之外，在5%的显著性水平下，国内原油期货价格是全球原油生产量、国内原油消费量的Granger原因，说明国际、国内原油供给及国内消费量对国内原油期货价格影响较小，仅有国内原油进口量对国内原油期货价格有一定的影响，这主要是因为国内原油匮乏，60%以上的原油需要从国外进口。国内原油期货价格对国际原油供给、国内原油消费有较大的影响，对国内原油生产影响较小，这表明国内原油期货国际影响力较大，国内原油期货价格变化不仅引导国内原油消费，而且引导国际原油供给。

3.微观市场变量对国内原油期货价格的Granger因果关系检验

我们对影响国内原油期货价格的微观市场因素变量与国内原油期货价格做Granger因果关系检验（具体检验结果参见附表5）。检验结果显示具体如下。

（1）在影响国内原油期货价格的微观市场因素方面，只有国内原油期货的成交量对其有较大引导作用，其他因素，如期货持仓量、库存、国内外原油的现货价格、国外Brent及WTI原油期货价格对国内原油期货价格均不具有明显的引导作用;此外，国内原油期货价格对国内原油期货持仓量、国内原油现货价格（中国南海原油现货价格、中国胜利原油现货价格）具有较强的引导作用，说明国内原油期货对国内现货具有较强的价格发现功能;国内原油库存与国内原油期货价格之间不存在相互引导的作用，说明国内原油市场建设未来应该加强交割库的建设，力争在全球主要市场建立交割库，改进库存对价格的影响力，进一步提升国际化。

（2）国内原油期货价格对国外原油现货价格（如阿尔及利亚撒哈纳原油、利比亚锡德尔原油、阿联酋穆尔班原油、科威特原油、安哥拉吉拉索原油、尼日利亚博尼轻质原油、伊拉克巴士拉轻质原油、沙特阿拉伯轻质原油、委内瑞拉原油、英国Brent原油、美国西得克萨斯原油）具有较强的引导作用，相反国外原油现货价格对国内原油期货价格不具有引导作用。另外，国内原油期货价格与阿联酋迪拜原油、阿曼原油现货价格之间不具有相互引导的作用，国内原油期货价格对这两个市场不具有明显的影响作用。说明国内原油期货对国外原油部分区域的现货具有一定的价格发现功能。

（3）从期货市场角度来看，国内原油期货价格对Brent原油期货价格不具有引导作用，但是对纽交所的WTI原油期货价格具有明显的引导作用;国外WTI期货价格与Brent原油期货价格对国内原油期货价格不具有明显的引导作用，说明国内原油期货市场具有相对独立的地位，具有一定的国际定价功能同时具有一定的国际影响力。随着国际化的推进，需要进一步加强国内原油期货市场建设，进一步提升国内原油期货价格的发现功能，进一步提升国际定价功能及国际化的影响力。

（三）国内原油期货价格与相关变量间的长期均衡关系的协整检验

对于变量间长期均衡关系的协整检验方法有几种，比较常用的有Engle、Granger两步法和Johansen极大似然法（MLE）。我们采用对多变量的协整检验常用的Johansen的极大似然检验法，对上述各个变量序列与国内原油期货价格之间的协整关系做检验。

由上述Granger因果关系检验可知：国内工业增加值、货币供应量（M0、M2）、同业拆借利率（1天期、7天期）、国内原油进口量、国内原油期货成交量是国内原油期货价格的Granger原因，我们将其视为内生变量，因此对国内原油期货价格与各个内生变量的长期关系做检验。我们根据Hsiao 提出的一个分步选择模型的程序思想逐步进行检验，因此，分别考虑以下系统的协整检验：

1.對A系统（lnSHFP、lnZ、lnM0、lnM2、lnI、lnI1、lnQ2、lnSHQ）做检验

我们采用Johansen的MLE检验

根据Johansen特征根最大值统计量与迹统计量来判断是否存在协整关系，根据SC、AIC准则确定最佳滞后阶数的方程形式，余同。，通过检验选取滞后阶数为1到1，最终选取的最大化特征根对应的协整方程如下：

lnSHFP=-2.5474lnZ-2.6366lnM0-42.9032lnM2+0.4376lnI-4.0571lnI1+0.2004

（0.28210） （0.56764） （3.19433） （0.10898）（0.36526）

lnQ2+0.1104lnSHQ+0.2970@TREND（18M04）

（0.21756） （0.02577） （0.01937）

从上述协整方程看出（括号内为标准差，余同）：货币供应量（lnM0、 lnM2）中lnM0对国内原油期货价格影响较小;同业拆借利率（1天期lnI、7天期lnI1）中lnI对国内原油期货价格影响较小。另外在协整方程中lnI与lnI1之间、lnM0与lnM2之间复共线性较强，因此，从建模简化方面来说，剔除lnM0与lnI再作协整检验。

2.对B系统（lnSHFP、lnZ、lnM2、lnI1、lnQ2、lnSHQ）做检验

我们再对B系统做Johansen的MLE检验，通过检验选取滞后阶数的结果为1到1，最终选取的最大化特征根对应的协整方程如下：

lnSHFP=-2.6858lnZ-0.0180lnM2+1.7028lnI1-1.7958lnQ2-0.2312lnSHQ （0.55969）（1.75709） （0.91401） （0.90088） （0.10268）——标准差

考虑到货币供应量（lnM2）与国内银行同业拆借利率（lnI1）之间存在相关性，货币供应量的变化会影响到利率的变化，同样利率的波动同样会影响到货币供应量的变化，并且从协整方程也可以看出其系数本身不显著。另外，国内银行同业拆借7天期利率（lnI1）比货币供应量（lnM2）对国内原油期货价格（lnSHFP）影响大，因此，我们剔除lnM2再进行协整检验。

3.对C系统（lnSHFP、lnZ、lnI1、lnQ2、lnSHQ）做协整检验

用Johansen特征根最大值统计量与迹统计量来判断是否存在协整关系，根据SC、AIC准则确定最佳滞后阶数的方程形式，最终我们选取滞后阶数1到3，最大化特征根对应的国内原油期货的协整方程为

lnSHFP=0.3469lnZ+1.1881lnI1-1.2324lnQ2+0.0580lnSHQ+12.6010

（0.07591）（0.07176） （0.09388） （0.01108）（0.85754）——标准差

从上述方程看到：长期来说，工业增加值增长1%时，国内原油期货价格上涨约0.35%;国内银行同业拆借7天期利率上涨1%时，国内原油期货价格上涨约1.19%;国内原油进口量增加1%时，国内原油期货价格下跌约1.23%;国内原油期货成交量增长1%时，国内原油期货价格上涨约0.06%。

（四）国内原油期货价格的短期动态误差修正模型（ECM）建立

我们根据Engle和Granger的研究，认为误差修正模型（Error Correction Model， ECM）能够直接刻画短期动态与长期均衡，实践中应用最普遍。因此，本文采用Engle和Granger的研究成果，对协整变量建立误差修正模型。

我们通过对上述C系统建立的协整检验，建立误差修正模型，结果显示基于C系统建立的误差修正模型为较佳模型。有长期的国内原油期货价格协整方程为

lnSHFP=0.3469lnZ+1.1881lnI1-1.2324lnQ2+0.0580lnSHQ+12.6010

根据上述协整关系，建立误差修正模型如下：

D（lnSHFP）t=∑ni=1D（lnSHFP）t-i+∑ni=0D（lnZ）t-i+∑ni=0D（lnI1）t-i+∑ni=0D（lnQ2）t-i+

∑ni=0D（lnSHQ）t-i+c

我们最终选取滞后阶数3阶，通过逐步去掉不显著及可以忽略的变量，得到短期动态误差修正模型，其回归结果如表1所示。

此外对上述模型的残差也通过了一阶自相关DW检验、残差q阶自相关LM（q）检验、残差q阶自回归条件异方差的AR- CH（q）检验、残差异方差的White检验、函数形式是否正确的RESET（q）检验等。通过检验可知，模型可以通过各种检验，模型有令人满意的统计性质，方程的标准差SE很小、拟合优度较大、不存在条件异方差及序列自相关、残差分布正态、模型形式正确，括号内的数值是接受零假设的概率。

我们对以上短期动态模型的实际值与预测值作时序图。从实际值与预测值走势来看，图形几乎重合（见图1）;从预测性能评价指标与预测值走势来看，建立的模型的预测性能较好（见图2）。

从上述短期误差修正模型中可以看到：从长期来看，长期误差修正项对短期波动影响较大，具有较强的负向纠正机制;国内原油期货价格受自身滞后2月、3月累积影响且影响均较小;受国内工业增加值滞后1月影响且较小，受国内同业拆借7天期利率滞后1月到3月的累积影响且影响均较大，受国内原油进口量滞后1月至3月的累积影响且影响较大，受国内原油期货成交量滞后1月至3月累积影响且影响均较小。由误差修正模型可知，从短期看，国内工业增加值、国内银行同业拆借7天期利率、国内原油期货成交量的变动与国内原油期货价格的变动呈现负相关关系，即国内工业增加值、国内银行同业拆借7天期利率、国内原油期货成交量短期内增长1个百分点，国内原油期货价格在短期内将分别减少0.3076个、1.8637个、0.1163个百分点;短期内国内原油进口量变动与国内原油期货价格变动呈现正相关关系，即国内原油进口量在短期内增长1个百分点，国内原油期货价格在短期内将增加1.6204个百分点。

（五）脉冲响应函数冲击反应与方差分解

一般来说，为了对经济变量的动态特性有一个清楚的了解，应用VECM模型，可以对经济变量进行冲击响应分析（Impulse Response）

冲击响应分析具体的做法：计算1个单位的各种冲击对经济变量的影响，相应地作出冲击响应曲线。。我们在上述建立的误差修正模型的基础上，进行冲击反应分析

采用Eviews 10.0软件进行数据图形处理，具体采用Cholesky法计算响应函数的标准差，再做冲击反应图形。：分析国内原油期货价格lnSHFP 對工业增加值lnZ、同业拆借7天期利率lnI1、国内原油进口量lnQ2、国内原油期货成交量lnSHQ的冲击的反应，具体结果如图3所示（纵轴代表冲击反应的程度、横轴表示滞后期数）。

从图3可以看到，在lnSHFP受到lnZ的1个标准差的冲击后，开始lnSHFP对lnZ的反应呈现正向趋势，从第1期后上升，在2.5期达到最大值，之后持续减小，到4.5期达到最小值，之后缓慢增加，直到8.5期达到高点后持续减弱;在lnSHFP受到lnI1的一个标准差的冲击后，开始lnSHFP对lnI1的反应呈现负向趋势，从第1期后下降，在1.5期达到最小值，之后持续上升，在3.5期后持续正向冲击，到6.5期达到正的峰值，之后逐渐减弱;在lnSHFP受到lnQ2的一个标准差的冲击后，开始lnSHFP对lnQ2的反应呈现负向趋势，从第1期后下降，到4.5期达到负的峰值，之后持续减弱;在lnSHFP受到lnSHQ的一个标准差的冲击后，开始lnSHFP对lnSHQ的反应呈现负向趋势，从第1期后下降，之后缓慢上升，到4.5期后达到正的峰值，之后持续减弱。由此可见国内原油期货价格受国内工业增加值、国内银行同业7天期利率、国内原油进口量影响较大，受国内原油期货成交量影响较小。从短期来看，国内原油期货价格受国内银行同业7天期利率、工业增加值、国内原油期货成交量冲击产生正向影响，受国内原油进口量冲击产生负向影响。

下面我们通过方差分解的方法，评价不同结构冲击的重要性

由于误差修正模型的系数在对各个变量间的经济意义解释上存在一定的困难，研究模型的动态特征通过方差分解的方法可以比较直观地理解。。我们可以根据Sim提出的定量把握变量间影响关系的方差分解方法评价各个内生变量对预测方差贡献度的方法，我们根据上述建立的VECM模型，对各个变量lnSHFP、lnZ、lnI1、lnQ2、lnSHQ进行方差分解，具体结果如表2所示。

由上述表格可知，对国内原油期货价格向前1期预测，预测方差完全来自自身，即使向前10期预测仍有64.43%的预测方差来自自身，其余20.69%、8.26%、5.49%、1.13%分别来自国内同业拆借7天期利率、国内原油进口量、国内工业增加值、国内原油期货成交量，这表明国内原油期货价格短期内主要受其自身影响，具有较强的路径依赖;国内同业拆借7天期利率对国内原油期货价格影响逐渐加大，至第10期已经达到20.69%，其次国内原油进口量、国内工业增加值影响占比较大，国内原油期货成交量影响较小。因此，国内原油期货价格的变异性（Variability）的显著性百分比主要归因于国内同业拆借7天期利率、国内原油进口量、国内工业增加值波动的革新冲击。

五、主要结论

我们采用协整及相关理论对影响国内原油期货价格的宏观、中观及微观层面的影响因素进行了模型实证研究，包括国内原油期货价格的价格发现功能、国际定价功能及国际影响力;通过影响因素的研究，确立了国内原油期货价格的长期协整模型及短期动态误差修正模型，通过实证研究得到一系列重要结论。

（1）宏观、中观及微观38个影响变量中，仅有工业增加值、货币供应量（M0、M2）、国内银行同业拆借利率（1天期、7天期）、国内原油进口量、国内原油期货的成交量对国内原油期货价格具有较强引导作用。

（2）国内原油期货价格对宏观经济金融、中观基本面及微观市场层面因素均具有不同强弱的影响作用，表明原油期货功能发挥良好，具有一定的国际影响力;国内原油期货对国内原油现货具有较好的价格发现功能，对国外大部分区域原油现货具有较好的价格发现功能，仅对迪拜与阿曼两个地区现货不具有价格发现功能，这说明国内原油期货具有一定的国际定价能力，但是定价能力需要进一步提升。

（3）国内原油期货价格对国内通胀与股市有较大的影响，原油期货的稳健运行对控制国内通胀及保持国内股市稳健运行均具有重要意义。

（4）从期货市场角度来看，国内原油期货价格对WTI原油期货价格具有明显的引导作用，对Brent原油期货价格不具有引导作用。相反，国外WTI期货价格与Brent原油价格对国内原油期货价格不具有明显的引导作用，说明国内原油期货市场具有相对独立的特点（由于国内原油期货与 WTI、Brent 原油期货在交割标的、挂牌合约与计价货币三方面具有较大的差异性），具有一定的国际定价影响力。另外，国内原油期货价格与国内原油库存之间不存在相互引导的作用，说明国内原油市场建设时间短，原油市场交割库建设还存在差距。随着国际化的推进，需要进一步加强国内原油期货市场建设，力争在全球主要市场建立交割库，不断优化交易所的交易机制，加强期货市场国际化建设，进一步提升国内原油期货价格的国际定价能力，提升国际化的影响力。

（5）建立的长期协整模型显示：工业增加值、国内银行同业拆借7天期利率、国内原油进口量、国内原油期货成交量与国内原油期货价格构成长期均衡的协整关系;建立的动态误差修正模型可以通过各种检验，模型有令人满意的统计性质。因此，该模型对国内原油期货价格交易风险控制具有较好的参考作用，我们通过国内工业增加值、国内银行同业拆借7天期利率、国内原油进口量、国内原油期货成交量就可以准确、及时预测出中国原油期货价格的变动及趋势，从而及时规避原油交易风险，为宏观经济调控及原油市场建设提供理论与实践的支持。

参考文献

[1] 李优树.国际石油价格波动分析[J].财经科学，2000（6）：1-6.

[2]杨志华.国际原油价格走势对中国经济的影响及对策分析[J]. 财经理论与实践（双月刊），2003，24（126）：96-99.

[3]杜慧滨，顾培亮，张保银.国际石油价格分析与预测[J]. 价格理论与实践，2004（4）：48-49.

[4]余炜彬，范英，魏一鸣，等. Brent原油期货市场的协整性分析[J]. 數理统计与管理，2004（5）：26-32.

[5]韩冬炎，陈蕊，崔立瑶.对石油价格走势预测的数理研究——基于分形方法的应用[J]. 价格理论与实践，2004（5）：51-52.

[6]高辉.国内外燃料油价格关联性及动态预测的模型研究——基于日数据的实证分析[J].国际石油经济，2005 （12）：24 - 30，66.

[7]于天娇. 国际石油价格波动对我国对外贸易的影响研究[D].哈尔滨： 哈尔滨商业大学，2015.

[8]田洪志.国际原油价格下跌的深层次因素研究——基于2008—2019年和2014—2015年两次国际油价下跌比较[J].价格理论与实践，2016（1）：112-115.

[9]张志敏，周工.货币政策对我国能源价格波动冲击效应研究[J]. 现代管理科学，2016（3）：12-14.

[10]李建峰， 卢新生， 蒋伟. 货币政策、人民币汇率与国际原油市场关系的实证分析[J].统计与决策， 2018， 34（18）： 154-157.

[11]贾晓亮. 基于时间序列关联网络模型的原油市场联动关系研究[D].北京：中国地质大学，2016.

[12]崔良媚.基于 VAR 模型对国际化背景下中国原油价格影响力研究[D].广州：暨南大学，2017.

[13]詹旭.国际原油价格波动的原因分析及对策建议[D].兰州：兰州财经大学，2016.

[14]张庆豪.商品金融化背景下对原油价格波动的影响因素研究[D].广州：广东财经大学，2016.

[15]张支南.金融市场因素对全球石油价格波动的影响研究[D].武汉：华中科技大学， 2017.

[16]程方正. 石油价格预测方法研究[D].上海：华东理工大学，2018.

[17]馬郑玮，张家玮，曹高航.国际原油期货价格波动及其影响因素研究[J].价格理论与实践，2019（4）：87-91.

[18]王金成. 我国原油期货国际定价权研究[D].成都：西南财经大学，2019.

[19]闻少博. 基于价差的原油市场基本面与原油价格传导关系研究[D].北京：中国地质大学，2019.

[20]曹剑涛.上海原油期货价格变动传导效应研究[J].价格理论与实践，2019（6）：107-111.

[21]卜林，李晓艳，朱明皓. 上海原油期货的价格发现功能及其国际比较研究[J].国际贸易问题，2020（9）：160-174.

[22] HOTELLING  H. The economics of exhaustible resources [J]. Bulletin of Mathematical Biology，1991，53（1-2）：281-312.

[23] GRANGER  C W J. Investigating causal relations by econometric models and cross-spectral methods [J].Econometrica， 1969，37（3）： 424–438.

[24] ENGLE  R F， GRANGER C  W J. Co-integration and error correction：representation estimation and testing [J]. Econometrica， 1987， 55（2）：251-276.

[25] ENGLE  R  F. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom Inflation [J]. Econometrica， 1982，50 （4）：987-1007.

[26] HAMILTON J D. Oil and the Macroeconomy since World War Ⅱ [J].   The Journal of Political Economy， 1983， 91（2）：228-248.

[27] COLOGNI  A， MANERA  M. Oil prices， inflation and interest rates in a structural cointegrated VAR model for the G-7 countries[J]. Energy Economics， 2006， 30（3）： 856-888.

[28] ALESSANDRO L， MATTEO M，MARGHERITA G， et al. Long-run models of oil stock prices [J]. Environmental Modelling & Software，2004，20（11）：1423-1430.

[29]NOUREDDINE K. A simultaneous equations model for world crude oil and natural gas markets[J]. IMF Working Paper，2005，5（32）：1-24.

[30]BASHER S A， HAUG A A，SADORSKY P. Oil prices exchange rates and emerging stock markets[J] .Energy Economics，2011，34（1）：227-240.

[31]DREGER C，KHOLODILIN K A， ULBRICHT D， et al. Between the hammer and the anvil： The impact of economic sanctions and oil prices on Russias ruble[J]. Journal of Comparative Economics ，2016，44（2）：295-308.

[32] YANG L， CAI X J， HAMORI S. Does the crude oil price influence the exchange rates of oil importing and oil-exporting countries differently？ A wavelet coherence analysis[J] . International Review of Economics and Finance，2017（49）：536-547.

[33] MO B， NIE H， JIANG Y H. Dynamic linkages among the gold market， US dollar and crudeoil market[J]. Physica A： Statistical Mechanics and its Applications， 2018（491）： 984-994.

[34] RATTI R A， VESPIGNANI J L. OPEC and non- OPEC oil production and the global economy[J]. Energy Economics，2015，（50）：364-378.

[35]KAUFMANN R K. Price differences among crude oils： The private costs of supply disruptions[J] Energy Economics，2016（56）：1-8.

[36] PIERRU A， SMITH J L， ZAMRIK T. OPECs impact on oil price volatility： The role of spare capacity[J]. The Energy Journal， 2018， 39（2）： 173-196.

[37] WANG Y D，WU C F，YANG L. Oil price shocks and agricultural commodity prices[J].Energy Economics，2014（44）：22-35.

[38] JAIN A，BISWAL P C. Dynamic linkages among oil price，gold price， exchange rate，and stock market in India[J]. Resources Policy，2016（49）：179-185.

[39]DRACHAL K.Forecasting spot oil price in a dynamic model averaging framework—Have the determinants changed over time？[J] .Energy Economics，2016（60）：35-46.

[40]CONG R  G， WEI  Y  M， JIAO  J  L， et al.Relationships between oil price shocks and stock market： An empirical analysis from China[J]. Energy Policy， 2008， 36（9）：3544-3553.

[41]ELYASIANI E， MANSUR I， ODUSAMI B. Oil price shocks and industry stock returns[J]. Energy Economics， 2011， 33（5）：966-974.

[42]ANGELIDIS T， DEGIANNAKIS S， FILIS G. US stock market regimes and oil price shocks[J]. Global Finance Journal， 2015 （28）： 132-146.

[43]BASHER S A，SADORSKY P. Hedging emerging market stock prices with oil，gold，VIX， and bonds：A comparison beween DCC，ADCC and GO-GARCH[J].Energy Economics，2015（54）：235-247.

[44]RAZA N，SHAHZAD S J H，TIWARI A K，et al. Asymmetric impact of gold，oil prices and their volatilities on stock prices of emerging markets[J].Resources Policy，2016（49）：290-301.

[45]BOUBAKER H，RAZA S A. A wavelet analysis of mean and volatility spillovers between oil and BRICS stock markets[J]. Energy Economics ， 2015（64）：105-117.

[46]BOURI E，JAIN A，BISWAL P C，et al. Cointegration and nonlinear causality amongst gold，oil ，and the Indian stock market：Evidence from implied volatility indices[J].Resources Policy，2017（52）：201-206.

[47]MENSI W， HAMMOUDEH S，SHAHZAD S J H，et al. Modeling systemic risk and dependence structure between oil and stock markets using a variational mode decomposition-based copula method[J]. Journal of Banking and Finance，2017（75）：258-279.

[48]ANTONAKAKIS  N，CHATZIANTONIOU I，FILIS G. Oil shocks and stock markets：Dynamic connectedness uander the prism of recent geopolitical and economic unrest[J].International Review of Financial Aalysis ，2017（50）：1-26.

[49]BROADSTOCK  D  C， FILIS G. Oil price shocks and stock market returns： New evidence from the United States and China[J]. Journal of International Financial Markets Institutions & Money， 2014（33）：417-433.

[50]ZHU H M， GUO Y W， YOU W H， et al.The heterogeneity dependence between crude oil price changes and industry stock market returns in China： Evidence froma quantile regression approach[J]. Energy Economics， 2016（55）：30-41.

[51]FANG S， EGAN P. Measuring contagion effects between crude oil and Chinese stock market sectors[J].The Quarterly Review of Economics and Finance， 2018（68）：31-38.

[52]JOHANSEN S. Statistical analysis of cointergration vectors [J].Journal of Economic Dynamics and Control1， 1988（12）： 231-254.

[53] HSIAO C.Autoregressive model ling and money-income causality detection [J].Journal of Monetary Economics， 1981， 7（1）： 85-106.

[54]SIMS  C  A.Macroeconomics and reality [J]. Econometrica， 1980，48（1）： 1-48.

1 高輝，博士，上海期货交易所，研究方向为宏观货币政策、资本市场和期货衍生品市场研究及定量分析、经济建模与预测。

2 高天辰，上海商学院，研究方向为资本市场统计分析。