新冠肺炎疫情下国际油价风险的汇率传导效应研究——基于“一带一路”主要国家的实证检验

姚登宝，王静怡

一、引 言

原油素有“工业血液”之称，是重要的基础能源与战略资源，兼具商品和金融的双重属性。国际原油结算一般以美元为主，原油价格波动可以通过以美元为中心的国际外汇清算支付体系向全球传递，对各国金融市场和国际贸易产生重要影响。近年来，国际金融市场唱空言论盛行，投资者进行资金转移，种种因素都使得原油价格出现大幅波动和难以预测的特征(张礼卿，2019)。2014年油价暴跌，导致俄罗斯卢布币值剧烈波动，对俄罗斯经济产生了较大冲击(马理 等，2016)。随后，克罗地亚、马来西亚、波兰、土耳其等国家汇率也随之下跌20%以上。可见，国际油价波动往往会导致相关国家汇率发生变化，国际油价风险可通过汇率渠道向各国传导，引发较为严重的风险传导问题。“一带一路”沿线国家大多是发展中国家，基础设施建设、石油贸易等对原油需求量巨大。据国际能源署(IEA)统计(图1)，2019年“一带一路”国家油品消耗量增加了39%，远高于全球油品消耗量的平均增长率13%，尤其是中国、新加坡和俄罗斯等国增长明显，分别达到48%、25%和19%。随着“一带一路”沿线国家对石油的依存度逐年提高，国际油价波动更容易对这些国家经济发展和金融市场产生影响，尤其是对股市(朱小能 等，2019；王超 等，2021)、汇市(宋清华 等，2021)、实体经济(程冬 等，2019)等均具有显著的风险溢出效应。

2020年年初突如其来的新冠肺炎疫情在全球蔓延，导致世界原油需求大幅降低，国际油价再次暴跌近83%，紧随其后的是多国外汇储备大幅下降，美元紧缺现象突显，汇率面临较大压力。据国际清算银行统计，以2020年1月2日为基期，多国名义汇率在2020年出现暴跌，其中俄罗斯汇率下跌23.2%，泰国汇率下跌8.71%，马来西亚汇率下跌8.02%。随着疫情在全球非同步扩散和演化，国际油价触底反弹并屡破新高，2021年10月25日WTI原油期货价格报收86.96美元/桶，创下近7年最高点，给世界经济复苏带来巨大压力。因此，在新冠肺炎疫情的叠加下，国际油价风险持续上升，并通过汇率渠道传导到其他国家，尤其是原油依存度较高的“一带一路”沿线国家，影响着各国金融市场稳定和经济复苏。在当前新冠肺炎疫情给全球经济复苏带来诸多不确定性的背景下，研究国际油价风险对“一带一路”沿线主要国家的汇率传导效应，对于这些国家采取积极、科学的风险防范措施，稳定金融市场和尽快恢复经济具有重要意义。

图1 全球部分国家油品消耗量增长率

目前，关于国际原油价格风险与汇率关系的研究主要集中在以下两个方面：第一，影响机理方面，可以从国际收支平衡和原油贸易条件两个维度加以解析。对于国际收支平衡维度，Krugman(1983)认为国际原油主要通过国际收支和国内物价两种路径影响汇率，油价上涨会使外汇市场供求发生变化，引发供给通货膨胀，从而影响汇率；Golub(1983)指出油价上涨会使各国产生财富转移，国际投资组合的决策和对贸易平衡的追求使得汇率产生波动。对于原油贸易条件维度，Amano等(1998)提出了“贸易条件渠道”概念，将原油作为生产过程中的贸易投入，将劳动力作为非贸易投入；Bénassy-Quéré等(2007)在Amano等(1998)模型基础上引入原油价格、价格水平和实际汇率等因素，认为石油价格对汇率的影响在很大程度上取决于贸易部门和非贸易部门之间的能源密集度。第二，风险传导效应方面，Rautava(2004)较早使用VaR模型和协整方法分析国际油价和实际汇率对俄罗斯经济及财政政策的影响。此后，国内学者也采用类似线性方法分析国际油价与人民币汇率的关系。例如，刘建等(2009)、唐海仕等(2010)和张渝等(2010)分别使用VAR模型、SVAR模型和格兰杰因果检验等方法证明了石油价格变动对人民币汇率具有传导作用。为了更加全面地刻画国际油价与汇率之间的深层次关系，国内外学者开始对线性方法进行拓展。李志斌等(2014)运用广义方差分解和广义脉冲响应方法，证明石油价格波动会引起人民币汇率和贵金属价格波动；赵茜(2017)建立动态局部均衡资产选择模型和多时间尺度分析框架，证实原油价格冲击对汇率具有持续性影响；王盼盼等(2020)使用DCC-GARCH模型和门限回归方法，指出石油与美元之间具有负向联动关系；Reboredo等(2013)和Das(2021)均采用小波分析方法，验证了原油价格与汇率之间存在强联动性；Bangura等(2021)通过构建EGARCH模型，发现原油价格变动与汇率波动之间存在不对称性关系。另外，部分学者从非线性视角探讨国际原油、汇率和股市等之间的内在联系。例如，Roubaud等(2018)通过构建MS-VAR模型研究国际原油、美元汇率与股市之间的内在联系，发现这三者之间存在非线性关系；朱松平等(2019)通过构建SGVAR模型，发现国际原油价格对人民币汇率具有非线性影响；Baek等(2020)、Jung等(2020)和Chekouri等(2021)使用非线性自回归分布滞后(NARDL)方法，研究油价变动对汇率波动产生的不对称的影响关系。

综上所述，当前文献大多关注国际原油与美国、欧盟等发达国家或个别单一发展中国家汇率市场之间的动态关联，缺乏对不同发展中国家进行对比分析。“一带一路”沿线国家大多是发展中国家，不乏重要的产油国或原油进口依赖国，金融体系相对不够完善，其汇率自主权和控制力相对较弱，容易受到国际油价风险的输入性传导，但针对国际原油价格与“一带一路”沿线国家汇率之间风险传导关系的研究较为少见。同时，新冠肺炎疫情作为一个全球性重大突发事件，现有文献较多分析疫情对股市、汇市等金融市场的影响，极少探究疫情冲击如何影响国际油价风险的汇率传导效应。基于此，本文以“一带一路”沿线15个主要国家为例，分析“一带一路”倡议提出和新冠肺炎疫情暴发前后国际原油市场与各国汇率市场之间的动态关联，并构建TGARCH-Copula-CoVaR模型分别从时间维度和空间维度分析新冠肺炎疫情冲击下国际油价风险的汇率传导效应，为有效应对疫情冲击、维护国际原油市场和全球汇率市场稳定提供参考。

二、研究设计

本文将TGARCH模型、Copula函数和CoVaR模型进行有机融合，利用TGARCH模型进行边缘分布拟合，结合Copula函数刻画原油与汇率间的时变相关结构，再采用CoVaR模型计算风险传导值。

(一)TGARCH模型

由于金融收益率序列常常呈现“尖峰厚尾”的特征，且对负面消息产生的波动经常比对正面消息产生的波动更为剧烈，因此，本文选用偏t分布的TGARCH模型来描述金融收益率非对称性特征，建立ARMA(0,0)-TGARCH(1,1)-偏t模型对各指数收益率序列ri,t进行边缘分布拟合，模型表达式为：

(1)

其中，ωi>0，σi≥0，βi≥0，εi,t-1<0时，dt-1=1，否则dt-1=0，且σi+βi<1，同时标准化残差ei,t独立同分布于峰度参数为ηi、非对称参数为λi的偏t分布，偏t分布的密度函数为：

(2)

(二)时变Copula函数

(3)

(三)CoVaR模型

与传统VaR方法相比，CoVaR方法不仅可以弥补VaR易低估损失的缺点，还可以测度其他市场发生风险时所带来的影响。因此，本文选择CoVaR模型分析国际原油市场发生极端风险时，“一带一路”沿线主要国家外汇市场的风险传导变化。一般地，CoVaR模型的表达式如下：

(4)

(5)

三、实证检验与结果分析

(一)变量说明

依据刘映琳等(2019)的思路，原油价格选取WTI原油现货离岸价格作为国际原油价格的代表。在兼顾数据可得性、耗油量占比和地理覆盖性等因素情况下，选取“一带一路”沿线15个代表性国家货币实际汇率日度数据，采取间接标价法，以美元为基准货币，数据跨度为2011年1月3日至2021年5月28日，删去非同时交易数据，实际汇率的换算参考刘凌(2010)对汇率数据的处理方式，利用如下公式得出：

(6)

其中，RER为实际汇率，NER为名义汇率，CPI和CPI*分别为各国居民消费价格指数和美国居民消费价格指数。为保证数据的平稳性和消除极端值的不利影响，对样本数据进行一阶对数差分，得到其日收益率，并对每组日收益率均乘以100，以减少计算误差。数据来源于国际清算银行和美国能源信息署。

表1 变量说明

(二)描述性统计

各变量的描述性统计如表2所示，从均值来看，只有中国人民币和菲律宾比索的汇率收益率均值为正，而其他国家的汇率收益率均为负值，这说明中国和菲律宾的货币对美元汇率总体升值，国际油价及其他货币对美元汇率总体贬值；从标准差来看，WTI油价收益率标准差最大，波动幅度较大，表明国际原油市场具有较高的价格风险；从偏度和峰度来看，各变量偏度异于零，大部分左偏，且峰度均大于3，具有较显著的非对称性和“尖峰厚尾”特征。另外，从JB检验来看，所有变量序列均不具有正态分布特征，ADF检验和ARCH检验结果表明各变量序列平稳，且均具有条件异方差性，可以进行GARCH类模型建模。

表2 描述性统计

续表2

(三)边缘分布拟合

由于各变量序列波动具有非对称性，即市场对利空消息的反应常常大于利好信息，因此，本文采用TGARCH模型来拟合各变量序列的边缘分布，结果如表3所示。可以看出，方差方程中的残差项[RESID(-1)^2]和波动项[GARCH(-1)]参数估计值均大于0，且两项参数之和接近于1，这表明变量波动具有一定的持续性和异方差性。针对残差分布，采用偏t分布进行拟合，对残差序列进行标准化及概率积分转换，得到非对称参数为λ和峰度参数为η的累积分布函数。对转换后的序列进行K-S检验，发现序列服从均匀分布，说明skew-t分布较好地拟合了残差的分布特征。因此，采用残差项服从skew-t分布的TGARCH(1,1)模型对各变量序列的边缘分布进行拟合具有合理性。

表3 TGARCH(1,1)模型参数估计结果

续表3

(四)动态相关性分析

讨论国际油价与各国汇率之间的动态相关性是分析国际油价风险的汇率传导效应的前提。在国际油价和各国汇率的边缘分布拟合后，选择合适的Copula函数来刻画国际油价与各国汇率之间的动态相关结构。本文通过对比Gaussian-Copula、T-Copula、Clayton-Copula、SJC-Copula等4种模型的估计结果，最终选择T-DCC-Copula模型来分析国际油价与“一带一路”沿线各国汇率之间的动态相关性。

根据方意等(2021)的观点，选取2011年1月3日—2021年5月28日期间样本数据，并分别以2013年9月7日和2020年1月20日作为分界点，将所有样本分为三个时期，其中2013年9月7日是“一带一路”倡议提出时间，2020年1月20日作为新冠肺炎疫情的起点。“一带一路”倡议提出和新冠肺炎疫情这两个关键事件发生前后国际油价与各国汇率之间的动态相关性变化情况如表4所示。可以看出，“一带一路”倡议提出后，国际油价与各国汇率之间的动态相关性均有所减弱，表明该倡议提出在一定程度上有助于各国抵御国际油价风险通过汇率市场进行传导。然而，新冠疫情冲击使得这种局面发生较大改变，疫情冲击强化了国际油价与中国、俄罗斯、印度、印尼、以色列、土耳其和新加坡等国家汇率之间的动态关联性，这些国家都是主要的产油国或原油消耗量较大国家，疫情一定程度上增加了这些国家风险传导的可能性，由“一带一路”倡议而增强的风险抵御能力再次因新冠疫情冲击而减弱。

表4 T-DCC-Copula的动态相关系数

续表4

(五)国际油价风险对“一带一路”沿线国家的汇率传导效应

表5给出了国际油价风险对“一带一路”沿线主要国家的汇率传导效应情况，可以看出：第一，从VaR值来看，国际原油市场中WTI原油价格的在险价值为-3.91，大于沿线各国汇市在险价值，说明国际原油市场的价格波动幅度及风险程度要明显高于各国汇率市场。第二，从CoVaR值来看，中国和菲律宾的CoVaR值较小，而俄罗斯、土耳其、马来西亚和印度尼西亚较大，这表明国际原油市场对中国和菲律宾的汇率市场具有较低的风险协同作用，而由于俄罗斯、马来西亚和印度尼西亚都是石油输出国，土耳其因其独特的地理位置是重要的石油转运国，这四个国家汇率与国际油价关系较为密切，导致国际原油市场对它们的汇率市场具有较高的风险协同效应。第三，从%CoVaR值来看，国际原油市场对“一带一路”沿线各国汇率市场具有显著且较强的单向风险传导效应，而国际油价风险受到各国汇率波动的影响较弱。同时，国际油价风险对各国汇率波动具有“同涨同跌”正向传导作用，当国际油价暴涨或暴跌时也会导致各国汇率产生同向波动，这也与王楠等(2009)认为国际油价对人民币汇率具有单向因果关系的观点相吻合，而本文将该结论拓展到“一带一路”沿线的15个国家，使得结论更具普遍性。

表5 国际油价风险对“一带一路”沿线国家的汇率传导效应

续表5

为了更加清晰地分析新冠肺炎疫情冲击对国际油价风险汇率传导效应的影响，以2020年1月20日作为新冠肺炎疫情的分界点，将研究样本区分为非疫情时期和疫情时期，并以%CoVaR值为评价标准，分别从时间维度和空间维度对这两个时期国际油价风险的汇率传导效应进行研究。

1.国际油价风险的汇率传导：时间维度

图2从时间维度给出了国际油价风险对“一带一路”沿线主要国家的汇率传导变化趋势。

图2 国际油价风险的汇率传导效应(时间维度)

总体来看，国际油价风险对各国汇率的正向传导要明显高于各国汇率对国际油价风险的逆向传导，具有显著的单向传导效应。从变化趋势来看，国际油价风险的汇率传导效应具有较显著的时间阶段性，尤其是疫情前后各国风险传导效应具有较明显的结构性差异。具体来说：

首先，对于非疫情时期，传导效应变化大体经历了欧债危机时期(2011—2013年)、地缘政治冲击时期(2015—2016年)、原油管道污染时期(2019年)三个较为显著的集聚阶段。在欧债危机时期，国际油价大幅波动，油价风险对各国汇率市场的传导作用呈现先增强、后减弱的特征。在地缘政治冲击时期，全球经济放缓，频繁爆发的地缘政治风波(例如，ISIS扩张威胁伊拉克、沙特等国安全，美联储加息，沙特等产油国在2015年OPEC会议宣布石油增产等)导致国际油价暴跌，使得国际油价风险对各国汇率的传导作用逐渐增强。在原油管道污染时期，德鲁日巴线管道污染问题导致原油供应一度中断，伴随OPEC减产使得国际油价呈现先上涨后下跌的震荡现象，加剧了国际油价风险对各国汇率的传导效应。

图3 疫情前后风险传导网络图

其次，对于疫情时期，新冠肺炎疫情冲击大幅增强了国际油价风险对“一带一路”沿线主要国家的汇率传导效应，传导强度在2020年4月达到峰值。图3直观地描述了疫情前后国际油价风险汇率传导效应所具有的差异性，图中线条粗细表示风险传导的强弱，箭头表示传导方向。可以看出，随着新冠肺炎疫情在全球不断蔓延，国际油价风险通过汇率渠道在“一带一路”沿线国家的风险传导强度明显加强，疫情因素已经成为推动国际油价风险通过汇率市场向各国传导的重要力量。其原因可能是：第一，新冠肺炎疫情属于突发性公共卫生事件，该事件容易导致全球经济不同程度地下滑，尤其是对国际原油市场产生较大冲击，而“一带一路”沿线国家大多属于发展中国家，其经济发展对原油依赖程度高，而金融体系不够完善容易导致国际油价风险通过汇率渠道传导至本国市场；第二，新冠肺炎疫情在全球范围内扩散和大量的新闻报道会催生人们的消极心理和悲观预期，导致国际油价的市场预期和投资决策发生显著变化，疫情中的隔离措施大幅降低消费行为和原油需求，导致国际油价大幅震荡，而投资者购买美元的避险行为也会促使各国汇市进一步走低，形成“油价波动—汇率震荡”的恶性循环，进一步增强国际油价风险的汇率传导强度。

2.国际油价风险的汇率传导：空间维度

一些重大突发事件冲击会导致国际油价暴涨暴跌，并通过支付结算体系和汇率市场向各国进行风险传导。从图2分析可知，欧债危机、地缘政治冲击、原油管道污染和新冠肺炎疫情等重大事件均会对国际油价风险的汇率传导过程产生较大影响。因此，本文参考隋建利等(2020)的做法，依据地理位置将上文涉及的“一带一路”沿线15个国家分为东盟国家、亚洲非东盟国家、欧盟和独联体国家、南美国家，以%CoVaR绝对值为评价标准，从空间维度绘制重大突发事件冲击时期与正常时期各国风险传导散点图(图4)和风险传导表(表6)。同时，为了反映国际油价风险对“一带一路”沿线国家汇率市场的传导效应与其在国际原油市场中地位、原油对外依存度之间的关系(见表7)，分别构建原油市场相对重要性和原油对外依存度两个指标。其中，原油市场相对重要性指标选择2011—2021年共11年各国的原油进出口均值与15个国家原油进出口均值总和的比值，当该比值越大时，说明该国的原油市场相对重要性越强，其在国际原油市场地位也越高；原油对外依存度指标选择2011—2021年共11年各国原油进口均值与油品消耗量均值的比值，当该比值越大时，说明该国的原油对外依存度越高。

图4 国际油价风险的汇率传导效应(空间维度)

表6 “一带一路”沿线主要国家的风险传导效应

表7 “一带一路”沿线主要国家的风险传导与原油依存度、相对重要性之间的关系

续表7

从图3和表6～7可以看出，同一重大突发事件冲击下国际油价风险对“一带一路”沿线主要国家的汇率传导效应存在较大差异，具有明显的国家异质性，风险传导强度往往与该国在国际原油市场中的地位及原油对外依存度密切相关。

首先，国际油价风险对同一个区域内国家的汇率传导强度具有较强的同质性。除印尼外，东盟国家风险传导分布比较集中，基本都在图形的右上方，属于高风险传导国家。欧盟和独联体国家以及亚洲非东盟国家基本靠近图形的中间区域，属于中风险传导国家。而智利始终处于图形左下角，且接近45°线，属于低风险传导国家。结合表7可知，形成这种空间分布格局的主要原因与各汇率市场的原油对外依存度密切相关，汇率市场的整体对外依存度越高，受到的风险传导强度越大。从划分的四大区域来看，区域整体的原油对外依存度越高，其油价风险的汇率传导强度越大，风险传导强度呈现“东盟>亚洲非东盟>欧盟和独联体>南美”排序，其原油对外依存度也呈现相同排序，而相对重要性则大体呈现类似排序。从各个区域内国家来看，东盟国家中，新加坡和泰国的风险传导强度最高，其原油对外依存度和相对重要性也最高；菲律宾和马来西亚的原油依存度较高且实行浮动汇率制度，其相对重要性较低，风险传导强度处于中等水平；印尼的原油对外依存度和相对重要性均较低，其风险传导强度也较低。亚洲非东盟国家中，原油对外依存度呈现“以色列>印度>土耳其”排序，而三国的相对重要性均较低，对国际油价缺乏一定控制力，容易受到国际油价的风险传导。中国虽然对外依存度在亚洲非东盟国家中并不是最高，但由于原油进出口量远远超过其他国家，相对重要性较高，所以所受风险传导强度也最大。欧盟和独联体国家中，除俄罗斯外，其余四国的原油对外依存度较高且较为接近，其相对重要性也较低，导致其风险传导强度也比较接近；俄罗斯作为全球第二大原油出口国，具有较高的相对重要性且较低的原油对外依存度，使得其较容易受到国际油价风险的冲击，风险传导强度在欧盟和独联体国家中具有较高水平。对于南美地区的智利来说，原油进出口量和对外依存度均不高，且智利经济政策灵活高效，宏观经济运行平稳，外部冲击对其影响较小，受到国际油价的风险传导强度较低。

其次，相比正常时期，在欧债危机时期大多数国家处于在45°线周围，且偏离的程度较小，其风险传导强度略低于正常时期。在地缘政治冲击、原油管道污染和新冠疫情时期，大多数国家处于45°线上方，且偏离的程度较大，其风险传导强度高于正常时期。此外，对比四次重大事件冲击，国际油价风险的汇率传导强度为新冠疫情时期>地缘政治冲击时期>原油管道污染时期>欧债危机时期。

最后，对比四次重大突发事件时期国际油价风险对不同类型国家汇率市场的传导效应，可以看出，欧债危机和地缘政治冲突对亚洲非东盟国家影响更大，原油管道污染事件对欧盟和独联体国家的影响更大，新冠疫情对东盟国家的影响更大。但是，所有国家均对新冠疫情的敏感度更高，在新冠肺炎疫情时期在上方偏离45°线的程度更高。在非疫情时期，东盟国家、亚洲非东盟国家、南美国家汇率市场对地缘政治冲突的敏感度更高，这些国家在地缘政治冲击时期更加偏离45°线。欧盟和独联体国家对原油管道污染事件的敏感度更高，在原油管道污染时期在上方偏离45°线的程度更高，而在面对其他事件冲击时，基本接近45°线。亚洲东盟国家随时间逐步向45°线上移动，这可能是因为在2015年之后，东盟诸国的能源治理结构发生较大改变，伴随着东盟共同体的建成，全球能源发展理念进一步得以确认，东盟与全球能源发展趋势日益融合，导致国际油价风险更容易通过东盟汇率市场进行传导。

四、结论与启示

新冠肺炎疫情作为近年最为严重的全球突发事件，对国际原油市场和全球汇率市场都造成了极大冲击。本文以新冠肺炎疫情为背景，选取“一带一路”沿线15个国家，通过构建TGARCH-Copula-CoVaR模型从时间维度和空间维度分析了国际油价风险的汇率传导效应。主要结论包括：(1)新冠肺炎疫情的全球蔓延增强了国际油价与各国汇率之间的动态关联，成为国际油价风险通过汇率渠道向“一带一路”沿线国家进行单向传导的重要原因。(2)从时间维度上，国际油价风险的汇率传导存在较显著的时间阶段性，新冠肺炎疫情前后各国风险传导具有较明显的结构性差异，疫情冲击大幅增强了国际油价风险的汇率传导效应。(3)空间维度上，国际原油风险对同一区域内国家的汇率传导强度具有较强的同质性，且传导强度和各区域国家在国际油价市场中地位及原油对外依存度密切相关，其中东盟国家属于高风险传导国家，欧盟和独联体国家、亚洲非东盟国家大多属于中风险传导国家，智利属于低风险传导国家；同时，新冠肺炎疫情冲击下国际油价风险对不同区域内国家汇率的传导效应存在较大差异，尤其是对东盟国家的影响最大。

根据以上研究结论，可以得出如下启示：第一，“一带一路”沿线国家需要关注国际油价风险通过汇率渠道进行输入性传导，增强汇率市场自主权和控制力，防范国际原油价格暴涨暴跌带来的汇率升值贬值压力，做好资产管理的多元化配置和风险控制。第二，国际机构和组织应为“一带一路”沿线国家提供必要的抗击新冠肺炎疫情的帮助，持续加强全球疫情防控和金融治理的国际合作，稳定国际原油市场和全球汇率市场，最大限度地减少新冠肺炎疫情在风险传导中的强化作用。第三，中国应在科学有效防控新冠肺炎疫情的同时，以金融供给侧结构性改革为契机，深化汇率市场改革和调整金融开放政策，密切关注国际原油市场动态，将新冠肺炎疫情因素纳入金融风险预警体系之中，预防国际油价风险向中国汇率市场传导，切实维护中国金融安全与稳定。