国内外原油期货市场的动态相关性研究

李英良

摘 要：2018年3月26日我国于上海国际能源交易中心正式推出本土原油期货，自此我国作为原油贸易的重要参与国，拥有了以人民币结算的原油期货合约。本文聚焦于研究国内外原油期货市场间的动态相关性，选取上海国际能源交易中心（INE）的原油期货、英国伦敦洲际交易所（ICE）的布伦特原油期货和美国纽约商品交易所的WTI原油期货代表各国原油期货市场进行研究。选择2018年7月1日—2020年6月30日的原油期货结算价的日收益率时间序列作为样本，时间区间内包含因全球新冠疫情WTI原油期货价格突破零值以负值交割的历史性事件。研究结果表明我国原油期货在2018年3月上市以来，与国际主要原油期货INE与WTI相关性逐步增强，但相较于ICE与WTI，日收益率的波动幅度明显较大。国内原油期货与国际主要两大原油期货有明显相关性且相关性变化的总体趋势相同，且在价格下降的行情中表现出上升的相关性。但是相关性水平同成熟原油期货INE与WTI之间的相关性比较仍处于较低水平，我国应不断完善原油期货市场相关制度建设以提高国际原油市场中的影响力。

关键词：原油期货;动态相关性;DCC-GARCH模型;模型构建;实证分析

中图分类号：F724.5 文献标識码：A 文章编号：2096-0298（2021）04（a）--05

原油期货是商品期货的重要交易品种，石油输出国组织（OPEC）在早期掌握了国际原油的定价权，两次石油危机中原油价格的显著涨跌对全球经济造成了较大的影响。为削弱OPEC产油国对原油价格的控制力，以美国和英国为首的发达国家利用发达的金融市场，陆续推出原油期货品种。美国纽约商品交易所（NYMEX）于1983年上市了轻质低硫原油期货合约（WTI），英国伦敦洲际交易所（ICE）于1988年推出了布伦特（Brent）原油期货合约。自推出以来，WTI原油期货与布伦特原油期货分别扮演了美国和欧洲基准原油合约的角色。

我国的原油期货，在经历早期不完善交易体制和监管下的发展又叫停之后，于2018年3月26日在上海国际能源交易中心（INE）重新上市交易。其不仅丰富完善了我国能源金融体系，同时也提升了我国在国际原油市场中的话语权和影响力，为国内企业提供了更多套期保值交易品种的选择。

学术界内对于金属期货市场、农产品期货市场与金融期货市场之间的价格相关性研究较丰富。因我国原油期货发展处于初期阶段，国内现有关原油期货市场间的相关性分析主要聚焦在我国原油现货与国际原油期货。本文运用DCC-GARCH模型对INE原油期货与国际两大基准原油（WTI和Brent）期货之间的动态相关性进行研究，选取2018年7月1日—2020年6月30日的数据，时间区间内包含2020年4月20日首次以负值交割的历史性事件，研究此种极端情况下国内外原油期货市场的动态相关性，可以此补充对我国原油期货的相关量化研究，为相关政策制定者提供数据依据，助力我国原油期货市场的不断建设。

1 国内外原油期货市场发展现状分析

1.1 国际原油期货市场

国际原油期货市场主要包括：NYMEX的WTI原油期货市场、ICE的布伦特（Brent）原油期货市场、迪拜商品交易所（DME）的阿曼（Oman）原油期货市场和东京交易所的中东原油期货市场。其中，WTI原油期货与Brent原油期货在全球最具影响力，分别对应北美地区与欧洲地区基准原油合约。本文将选取这两者代表国外原油期货市场。

1.1.1 NYMEX：WTI原油期货

West Texas Intermediate（WTI），WTI原油标的为美国西得克萨斯州轻质原油，该原油期货是目前交投最活跃的原油期货品种。受制于管道运输与实物交割的限制带来的需求限制与页岩油技术突破带来的产量增加的不匹配，WTI与Brent原油期货存在长期性价差。

1.1.2 ICE：Brent原油期货

Brent原油产自北海布伦特地区，是欧洲市场的基准油价。作为第二大原油期货交易品种，不同于WTI原油供大于求的经济现状，Brent原油的减产使其供给能力使原油市场担忧，这也促使Brent原油期货上涨。但Brent原油陆续引入三个原油品种，以保证原油供给并稳定市场价格。

1.2 国内原油期货市场

我国原南京石油交易所最早在1992年就推出了石油期货品种，之后国内其他多家期货交易所相继推出各自石油期货合约，而监管措施的缺乏、交易制度与组织管理都存在缺陷，使得市场风险敞口过大，“327国债事件”之后国家关闭了石油期货品种的交易。

随着我国经济的发展，巨大的原油进口需求促使相关企业与投资者对国际原油价格中“中国影响力”的期盼。在此背景下，INE原油期货于2018年3月26日在上海国际能源交易中心上市，这是自我国关闭石油期货品种后，第一个以人民币结算的原油期货，其合约标的为中质含硫原油。我国原油期货的推出不仅补充了国际原油期货品种体系，而且填补了我国原油期货品种的空白，以期为我国主要进口的中质含硫油提供有效的油价基准，从而进一步提高我国在国际原油市场中的话语权与影响力。

2 数据选取与处理

2.1 数据来源与预处理

本文研究的对象是我国原油期货、英国布伦特原油期货、纽约原油期货的日收益率数据，数据区间为2018年7月1日—2020年6月30日。为避免国内与国际法定节假日不同带来的交易日期不对称的情况，仅保留共有交易日共计483个数据 （所有数据下载自Wind金融数据库）。由于ICE原油期货与WTI原油期货以美元/桶作为计价单位，INE原油期货以人民币作为计价单位。为避免汇率波动对研究结果造成的影响，本文中将所有价格计量单位按照对应日汇率统一为人民币/桶。

日收益率数据由式（1）计算所得，其中Pt为第t期的期货结算价， rt为扩大100倍后的对数收益率，如式（1）所示。

2.2 数据描述性统计

本文首先对三大原油期货市场的价格时序进行分析以了解样本的基本特征，结果如表1所示。

由表1可知，WTI原油期货价格的均值、中位数、最大值、最小值皆明显低于INE及ICE原油期货的相应统计值，这与美国的西得克萨斯中间基原油（WTI）供大于求导致的经济现象相匹配。WTI的最小值更是达到了-266人民币/桶（-37.63美元/桶），这一历史性的负值原油期货结算价发生在2020年4月20日。ICE的标准差相较于INE与WTI最高。三组数据都是左偏，且峰度均呈现“尖峰”特点，其中WTI左偏态相对较大且峰度明显高于INE与ICE。这些数据形态与全球新冠疫情爆发初期，WTI由于严重供需不平衡导致油价暴跌的事实相匹配。

以下对三种原油期货市场的日收益率时序的基本统计值进行计算，收益率的基本特征如表2所示。

从标准差来看，WTI的标准差最大。三个收益率序列偏度与峰度相较于正态分布都有明显偏移，“尖峰肥尾”属性明显。其中INE与ICE收益率序列偏度为负，属于左拖尾，而WTI偏度为正，属于右拖尾。收益率序列的峰度与价格序列的峰度结论类似，WTI>ICE>INE。三个收益率序列的Jarque-Bera統计量在1%的水平内都显著，进一步说明三个收益率不是服从正态分布。

2.3 相关性分析

图1描绘出了三组价格与收益率的时序图，可以直接看到三大原油期货的特点。虽然三组数据整体走势类似，但WTI在2018年7月—2020年3月起价波动较前两者明显较小，而且2020年4月出现一波急骤的暴跌，跌破零值交割之后，迅速的回到零值上方且处于与IN与ICE相同的价格区间。总体来说，ICE与INE整体走势更加一致。

而就日收益率的时序图而言，我们可以看到，三个市场收益率都有显著波动率聚集的现象，且INE的波动率较ICE与WTI较高。

运用R计算各市场原油期货价格时序的相关系数以进项相关性分析的结果，如表3所示。

INE与ICE的相关性系数最大，ICE与WTI的相关系数次之，INE与WTI的相关系数最小。可见三者之间存在显著相关关系，笔者也曾使用2018年3月—2018年10月相关数据进行相同测算，发现结果截然不尽相同，INE与ICE的相关系数仅为0.817，INE与WTI的相关系数仅为0.759。综合以上数据分析可知，INE原油期货自上市来由于不断发展与国际其他主要原油期货市场相关性已逐步增强。

3 DCC-GARCH模型的实证分析

3.1 平稳性、ARCH检验

由于DCC-GARCH模型只适用于平稳性数据，本文采用ADF对收益率序列进行平稳性检验。同时，具有ARCH效应是金融资产收益率的特征之一，也是运用GARCH模型的前提。三大期货交易所原油期货收益率时序的平稳性检验与ARCH效应检验结果，如表4所示。

ADF检验表明三大期货交易所原油期货收益率时序都是平稳的，并且收益率存在ARCH效应，说明适合采用DCC-GARCH模型研究INE、ICE与WTI原油期货市场之间的动态相关性。

3.2 模型构建

本文运用DCC-GARCH模型对国内原油期货市场的动态相关性进行实证分析。现有文献中有两类DCC模型：第一种是由Engle（2002）提出的;第二种是由Tse与Tsui（2002）提出。动态条件相关广义自回归条件异方差（DCC-GARCH）模型的提出为研究资产间动态相关性提供了研究方法和计量工具。本文运用Engle（2002）提出的DCC-GARCH模型。ARMA（m， n）和GARCH（p， q）叠加使用的基础公式为式（2）和式（3）：

是的波动率矩阵。其中是标准化后的新信息量;为的无条件协方差矩阵; a1和b1为非负实数且0

3.3 动态相关关系检验

DCC-GARCH模型估计分为两步：第一步是分别估计出每个期货市场原油期货收益率GARCH参数，包括均值方差和波动率方差中的参数;第二步是估计出动态相关系数的参数。

首先进行单变量GARCH（1，1）模型检验，我们设定估值的均值方程为ARMA（1， 1），不包含均值，且根据表2中J-B统计量远大于0说明数据不具有正态分布。故本文中选择多元联合T分布，我们将三列数据分为两组，分别对比研究INE与ICE、INE与WTI，以此探究国内外原油期货市场价格的动态相关性。

表5给出了DCC-GARCH模型中各参数的估计结果。其中、和是收益率中均值方程中的估计系数，、、是波动率方程中的参数。 a1和b1是ICE/WTI与INE动态相关参数。

两组a1+b1结果小于1，说明模型可信。从估计结果可以看出：对于INE与ICE， a1在5%的基础上显著，说明两者日收益率序列当期的异方差受前期均值残差平方的影响;而INE与ICE和WTI的b1都显著异于0且接近于1，说明这三组收益率之间的动态相关系数受前期动态相关系数的影响较大，变化持续性较强。

根据以下输出的动态条件相关系数图（图2、图3）可知，ICE与INE相关性在[-0.05， 0.65]之间，除了2018年与2019年交替之际出现短暂的负值之外，其余时段均大于0。WTI与INE相关性在[0，0.55]之间，虽然较前者相比未出现负值，但系数波动性明显较大，波动率系数均值回归大于在0.2附近。结合图中各市场价格走势图，可以发现当市场价格在出现下跌行情时，相关性会上升。与此作为对照，由图4可知，WTI与ICE动态相关性则一直维持在0.9附近的位置，只是在经历WTI原油期货负值交割时，出现一段骤降至0.5，并迅速恢复至正常水平。

4 结论与建议

本文采用DCC-GARCH模型对上海原油期货与国际两大基准原油（WTI和Brent）期货之间在2018年7月—2020年6月时间段内的动态相关性进行研究，结果发现：就价格走势与收益率情况而言，我国原油期货在2018年3月上市以来，与国际主要原油期货INE与WTI相关性逐步增强，其中与ICE价格走势更加一致且相关系数更大。相较于ICE与WTI，日收益率的波动幅度明显较大。基于模型稳健且可信的参数估计，国内原油期货与国际主要两大原油期货有明显相关性，且相关性变化的总体趋势相同，其中INE与ICE较INE与WTI动态相关性波动幅度较低，且整体动态相关性在价格的下降行情中表现出上升的相关性。但是相关性水平同成熟原油期货INE与WTI之间的相关性比较仍处于较低水平。

本文的研究结论为我国与国际原油期货相关性的实证研究进行了补充，同时对于监管层与原油投资者也具有一定的实践价值。为进一步推进我国原油期货国际化的进程，本文提出以下建议：第一，建立相关行业数据库和信息发布机制。为境内外原油期货参与者提供更多信息支持以作为交易参考，吸引包括原油产业链企业、金融机构，以及合格个人投资者在内的多方丰富参与者参与原油期货交易，以提高INE原油期货的交易量与交易金额，提升市场活跃度;第二，不断丰富原油金融市场可交易种类和期限，我国原油期货目前仍以近期合约交易为主，中、远期合约交易较少，不断丰富原油期货品种可吸引更多不同目的交易者参与原油期货市场，有助于市场价格向均衡价格收敛，促进市场功能充分发挥。“国际平台、净价交易、保税交割、人民币计价”是我国原油期货合约的设计特点和独有特征，应顺应此思路，不断完善我国原油期货配套制度和交易品种，为境内外原油期货参与者提供更快捷安全的交易制度，配合人民币国际化战略，提高我国原油期货的国际影响力。

参考文献

Boldanov R，Degianmakis S， Filis G. Time-varying correlation between oil and stock market volatilities： Evidence from oil-importing and oil-exporting counties[J].International Review of Financial Analysis，2016，48（12）：209-220.

Lu Feng bin，Li Yi，Wang Shou yang， Information Spillobers among International Crude Oil Markets — An Empirical Analysis Based on CCF Method and EECM[J].SystemsEngineering-Theory&Practice，2008，28，28（03）：25-34.

Robert K Kaufmann，Ben Ullman Oil Prices， Speculation， and Fundamentals：Inter preting Causal Relations Among Spot and Futures Prices[J].Energy Economics， 2009（01）：550-558.

陳晓春，黄媛.国际原油市场与股票市场的联动关系研究———基于分位数回归的经验证据[J].财经理论与实践，2017，38（05）：53-58.

纪汉霖，许蒙.金融板块与上证指数的动态相关性研究——基于VAR-DCC-GARCH模型[J].中国物价，2020（01）：83-85.

李丽红.国际石油期货市场与现货市场的价格波动关系研究[J]. 生产力研究， 2015，272（03）： 14-17+29.

谭章禄，袁慧.金融机构风险的联动性及传染性研究——基于DCC-GARCH-Guass模型的分析[J].武汉金融，2020（05）：22-29.

王群勇，张晓峒.原油期货市场的价格发现功能——基于信息份额模型的分析[J].统计与决策，2005（12）：77-79.

王云龙，孙伯驰.基于SVAR模型得上海于伦敦铜期货价格互动关系分析[J]. 商业时代，2014（22）：88-89.

张金凤， 马薇.石油价格波动与股票市场波动的相关性研究[J]统计与决策， 2016，32（09）：153-156.