国际原油市场与中国股票市场的波动溢出效应——基于滚窗VAR模型的测度

刘剑锋

（浙江财经大学，浙江 杭州 310018）

2009—2018年，中国石油探明储量不断增长，但增速自2011年起明显下滑，后续多年均保持在低位。根据《中国矿产资源报告（2020）》数据，按一桶石油重0.137 吨计算，2020 年中国石油探明储量约为35.57亿吨。虽然中国在原油、天然气生产方面投入巨大，但是随着经济的不断增长，中国对国际原油市场的依存度仍保持上升态势。中国石油集团经济技术研究院发布的《2021 年国内外油气行业发展报告》显示，2021年中国原油产量为1.99亿吨，增幅为2%，扭转了连续几年的下降态势，天然气产量突破2000亿立方米，但与此同时，中国油气对外依存度仅有小幅下降，依存度依然高达72.2%。

原油作为经济发展的重要战略资源之一，不但在生产领域中居于举足轻重的地位，而且在投资市场中也备受青睐。无论是出于资产分散化的需求，还是出于资产组合风险对冲的需求，市场上始终会有大量的投资者、投资机构把原油相关资产加入自己的资产组合中［1］。同时，投资者的资产组合中一般都会持有较多的股权类资产，作为经济体“晴雨表”的股票市场往往会随着经济的繁荣或衰退而产生波动。从资产组合的角度来看，国际原油市场与中国股票市场的相关性对投资者资产组合的收益和风险都会产生重要影响。从理论上来讲，企业的投资决策会受到经济不确定性的冲击，而经济不确定性的重要来源之一就是油价波动。国际原油价格的波动不仅关系着企业的正常生产，还间接考验着一个国家工业体系的强健性和宏观经济运行的稳定性，同时国际原油价格波动的冲击还会进一步通过上市公司的渠道进入股票市场。这种冲击会严重影响股票市场的正常交易环境，带来股票价格的暴涨或暴跌，从而破坏资本市场的稳定［2］。因此，从理论层面来看，国际原油市场与中国股票市场之间存在相互影响的经济逻辑。

一、文献综述

鉴于原油在现代经济体系和金融体系中的重要性，不少学者持续关注并从事原油与股票市场相关性的研究。Batten［3］研究认为在投资组合中加入原油相关资产可以帮助投资者更好地管理市场风险。Khalfaoui［4］利用发达国家和发展中国家的相关数据，研究认为原油价格是影响各种经济变量的主要决定因素。当越来越多的学者在研究原油市场与股票市场的时候，也有一部分学者开始把研究主题引向一个新的角度，即市场间的波动溢出。早期的研究大多关注资产收益率在不同市场之间的相互影响，当前已有不少学者开始讨论市场波动在市场间的溢出效应，从风险溢出的角度来认识国际原油市场对于投资实践来说是非常重要的［4-5］。Cappiello［6］利用DCC-GARCH 模型研究了市场方差、协方差和相关性的非对称性特征，认为在市场危机时期市场波动性会显著增强。该模型还可以进一步应用到发达国家股票市场与发展中国家资本市场的风险对冲管理中，从而提高资产组合的投资效率、管理资产组合的风险［7］。但是基于GARCH 模型的波动溢出效应测度的有效性不高，相关指标不能很好地刻画市场间的波动溢出效应。相较于GARCH 模型，VAR 模型在刻画市场间波动溢出效应方面更具优势。Soydemir［8］利用VAR 模型，通过平方收益率、已实现波动率、极差波动率、波动率指数等代理变量来研究市场间的波动溢出。随着基于预测误差方差分解的广义VAR 模型的发展，Diebold［9］在VAR 模型方差分解的基础上构建波动溢出指数，计算了2007—2008年美国次贷危机期间主要市场之间总体以及方向性的溢出效应和溢入效应。但是这种方法的测度结果依赖模型中变量之间的排序，不同的排序得到的结果并不相同。为解决这个问题，Diebold［10］进一步将溢出指数的测算扩展到广义方差分解领域。该方法克服了前述问题，使研究结果不再依赖于变量进入模型的顺序，同时还进一步提高了时变特性，即通过滚动窗口方法来捕捉市场间联动关系的动态变化。基于上述优点，该方法被广泛运用于相关市场的波动溢出效应研究中，如货币市场间的波动溢出效应、大宗商品市场间的波动溢出效应、期货市场间的波动溢出效应等。国内也有不少学者采用Diebold［10］提出的波动溢出指数进行相关的市场波动溢出效应研究。郑挺国［11］采用波动溢出指数研究了8个主要股票市场之间的波动溢出效应，张小婉［12］采用波动溢出指数测度了沪港通波动溢出效应，谭小芬［13］采用波动溢出指数研究了商品市场与金融市场之间的双向溢出效应。

国内关于国际原油市场与中国股票市场之间波动溢出效应的研究，大多采用了GARCH 模型和COPULA 模型。从研究结论来看，有部分学者认为国际原油市场与中国股票市场之间不存在显著的波动溢出效应，如金洪飞［14］利用二元GARCH 模型研究了国际石油价格对中国股票市场的影响，认为从整体来看，国际石油价格与中国股票市场之间不存在任何方向的波动溢出效应。具体到行业层面，既有研究认为国际石油价格与中国的石油、天然气行业有显著的正相关关系，而与汽车和零件行业、建筑和建材行业等7 个行业存在负相关关系。刘湘云［15］利用GARCH 族模型研究了国际石油价格对中国股票市场的风险溢出效应，认为这种效应是非常微弱且不稳定的。郭国峰［16］重点考察了国际能源价格波动对中国股票市场整体以及分行业指数的影响，发现国际能源价格波动对中国股票市场的整体影响并不显著，但对沪深两个股票市场的影响却是显著的。刘剑锋［17］通过COPULA 模型对原油价格指数与中国11 个行业指数之间的相关性进行了分析，实证结果表明国际原油市场与中国行业指数之间的静态相关性很低。

同时，也有部分国内学者研究认为两个市场之间存在显著的波动溢出效应。如丁绪辉［18］利用VAR 模型研究发现，国际原油价格对中国股票市场有负向影响。周东海［19］利用时变参数向量自回归模型研究了中国股市、利率、汇率与国际原油价格之间的动态传导机制，发现2018年之前国际原油市场与中国股票市场之间有脆弱的“共热”现象，此后国际原油价格的溢出效应呈现不断增强之势，因此国际原油价格风险应成为中国股票定价的重要影响因素。李强［20］基于DCC-TGARCH-CoVaR 模型分析了国际原油市场对中国金融市场的冲击，认为国际原油市场与中国股市等金融市场之间存在显著的波动溢出关系。本文主要借鉴Diebold［10］的方法对国际原油市场与中国股票市场之间的波动溢出效应进行研究，该方法具有以下优点：首先是克服了传统VAR 体系下波动溢出效应测度依赖于Cholesky分解顺序的问题，使研究结果不受变量排序的影响；其次是可以描述溢出效应的大小和方向性特征；最后是该方法包含了滚动窗口技术，可以考察不同时间节点下市场之间的波动溢出效应，即可以捕捉波动溢出效应的时间变化趋势。

本文的边际贡献在于：首先，运用滚窗VAR 方法对波动溢出效应的方向进行了测度。已有文献主要关注市场间溢出效应的大小，而本文不仅用新方法测算了市场间溢出效应的大小，还分析了市场间溢出效应的方向性特征。其次，基于滚窗VAR 方法，在时间轴上观察不同时间发生的重大经济事件、政治事件等突发因素对市场间溢出效应的影响。最后，把中国股票市场的11 个行业指数纳入研究，对市场间波动溢出效应的行业差异进行分析，并在此基础上讨论波动溢出效应的行业差异性对资产组合及资产行业多元化的启示。本研究有助于进一步认识中国股票市场的风险来源，更好地防范输入型风险，特别是源于国际原油市场波动的输入型风险。

二、理论分析与样本数据

（一）理论机制与模型设定

考虑到简单VAR 模型中波动溢出指数只关注了总体溢出，同时存在在Cholesky 因子正交化的驱动下结果会根据变量排序的不同而改变的情形，本文按照Diebold［10］的思路，定义广义VAR 框架来消除对变量排序的依赖性，研究国际原油市场与中国股票市场之间的波动溢出效应。具体包括以下内容：一是测算1000 个交易日的国际原油市场与中国股票市场之间的波动溢出指数；二是分析国际原油市场与中国股票市场之间波动效应传导方向的变化。

滚窗VAR方法是在固定窗宽内估计VAR模型并计算响应波动溢出指数，然后逐期移动窗口分别估计每个窗口下的VAR 模型和波动溢出指数。对于窗宽的选择：如果窗宽选择过小则整体波动溢出趋势短期跳跃性过强，会使估计结果有效性不足；如果窗宽选择过大，则会影响波动溢出效应的时变性。因此，本文在进行滚窗VAR 估计之前分别对50 日、100 日、150 日、200 日窗宽下的总体波动溢出效应进行检验，发现逐步增加到200日时总体波动溢出趋势更强，估计结果也更加稳定。因此本文选择200日作为窗宽进行模型估计和测度。首先，设定VAR（P）模型，形式如下：

式（1）中，ε～(0,Σ)为独立同分布的随机扰动项。移动平均xt可表示如下：

式（2）中，N×N系数矩阵Ai服从递归序列：

式（3）中，Ai为一个N×N的单位矩阵，i＜0时，Ai= 0。

其次，通过方差分解可以在预测xi对xj(∀j≠i)的冲击时评估H 步向前预测的误差变量。广义方差分解不尝试对冲击进行正交化，而是利用观察到的误差历史数据来解释这些冲击，因为对每个变量的冲击不是正交化的，所以对于预测误差的贡献总和不一定等于1。考虑H 步向前预测，误差方差分解矩阵元素(H)计算公式如下：

最后，基于变换后的误差方差分解矩阵͂，可以计算出各种波动溢出指数。利用KPPS方差分解的波动性贡献，构建总波动溢出指数Sg(H)，计算公式如下：

由于广义脉冲响应和方差分解对变量排序是不变的，本文利用广义方差分解矩阵来计算方向溢出，用(H)表示溢入指数，即市场i受到的其他所有市场的定向溢出作用，计算公式如下：

用(H)表示溢出指数，即市场i对其他所有市场的总溢出作用，计算公式如下：

由此可以得到市场i对其他所有市场的净波动溢出指数(H)，计算公式如下：

市场i和市场j之间的净两两波动溢出指数即为从市场i传递到市场j的总波动溢出和从市场j传递到市场i的总波动溢出的差值，计算公式如下：

（二）数据来源与描述性统计

本文选取国际原油市场的代表性指数布伦特原油指数与中国股票市场的代表性指数沪深300指数，同时选取万得一级行业指数作为中国各股票板块的代表。万得一级行业指数包括11 个行业指数，即医疗保健指数、工业指数、能源指数、房地产指数、金融指数、材料指数、公用事业指数、信息技术指数、可选消费指数、日常消费指数、电信指数。本文同时选取沪深300 指数和11 个一级行业指数的原因在于：一是考虑到沪深300 指数能同时覆盖上海、深圳两个股票交易所且以大型企业为主，可以反映国际原油价格波动对中国整体股票市场的波动溢出效应，特别是对大企业股票价格的波动溢出效应；二是考虑到在整体的波动溢出中，不同行业的波动溢出效应可能存在差异，而且如果溢出方向不一致则会存在相互抵消的情况，因此本文引入11 个一级行业指数，研究国际原油价格波动对中国主要行业股票价格的波动溢出效应。样本选取的时间跨度为2011 年1 月4 日—2021 年12 月1 日，共得到2824个有效观测样本，每组数据都包含了最低价L和最高价H。数据来自万得数据库。

本文采用日内最高价和日内最低价来计算市场在t时刻的日内收益率波动，计算公式如下：

图1 布伦特原油指数、沪深300指数、医疗保健指数、房地产指数的波动率时序图

表1 对数波动率描述性统计结果

由表1可知对数波动率的JB 检验结果表明数据并不符合正态分布，对数波动率的JADF检验结果表明对数波动率序列是平稳的，可直接用于建模和实证分析。图1 中y轴为指数的年化波动率，年化波动率的取值区间主要在0～100 之间，只有少数时间的年化波动率超过了100。整体来看，代表国际原油市场的布伦特原油指数的波动率明显大于代表中国股票市场的沪深300指数、医疗保健指数、房地产指数的波动率。限于篇幅，这里只选取了两个行业的对数波动率时序图进行对比，但是这不会改变上述结论。总体来看，国际原油市场的波动要大于中国股票市场的波动。

从时间维度来看，样本期内共经历了3次市场危机时期。一次是主要发生在中国的市场危机，即2015 年“股灾”，这一时期沪深300 指数、医疗保健指数、房地产指数波动率都出现了明显上升。还有两次是国际性的市场危机，即2010年开始的欧洲债务危机和2020年的国际原油市场暴跌。国际原油价格在2020 年严重下跌，特别是原油期货市场首次出现负油价现象，因而布伦特原油指数波动率在2020 年明显上升。从图形来看，沪深300 指数、医疗保健指数、房地产指数之间波动率的时间特征比较接近，三者与布伦特原油指数波动率的时间特征存在一定差异。

三、滚窗波动溢出效应的测度与分析

（一）全样本波动溢出指数

基于式（1）～（10）可计算得到如表2所示的沪深300指数、11个一级行业指数与布伦特原油指数在2011年1月4日—2021年12月1日期间的全样本波动溢出指数。由表2可以看出，代表中国股票市场的沪深300 指数与代表国际原油市场的布伦特原油指数之间的溢入指数为1.667、溢出指数为1.415、净溢出指数为-0.252，数据显示这两个市场之间的波动溢出效应并不大，相对来说布伦特原油指数对沪深300指数的溢出效应较大，而反方向的溢出效应相对较小，即国际原油市场对中国股票市场输出的波动要大于中国股票市场对国际原油市场输出的波动。

表2 国际原油市场与中国股票市场的波动溢出指数

从各行业的溢入指数来看，医疗保健指数、工业指数、信息技术指数的溢入指数较大，即受布伦特原油市场波动影响较大的行业分别是医疗保健行业、工业行业、信息技术行业。从溢出指数来看，工业指数、材料指数、信息技术指数的溢出指数较大，即这3个行业指数波动对布伦特原油指数波动的影响较大。从净溢出指数来看，11 个行业中有10 个行业的净溢出指数都是负值，只有房地产指数的净溢出指数是一个接近于0的正值。这说明从行业来看，中国股票市场与国际原油市场之间波动溢出效应的最大特点就是波动输入，其中工业行业、材料行业、信息技术行业受国际原油市场波动溢出的影响较大。

表2 为整个样本期间总体的平均波动溢出效应的测度结果，对股市周期性波动和金融危机等特殊条件下的波动溢出表现不能进行准确的刻画。为进一步研究动态条件下国际原油市场与中国股票市场之间的波动溢出效应，下文采用滚动窗口来计算动态波动溢出指数。

（二）滚动窗口波动溢出指数

样本期间包括了2010年开始的欧债危机、2015年中国“股灾”以及2020年国际原油市场暴跌3次市场危机时期。由于市场危机会对经济正常运行和社会民众心理产生冲击，危机时期国际原油市场与中国股票市场之间的联动性也可能会与非危机时期有所不同。即国际原油市场与中国股票市场的波动溢出效应会在市场危机时期发生改变，这也是经济、金融市场全球一体化的必然结果。

本文采用滚动窗口方法来计算时变的波动溢出指数，然后逐期移动窗口分别计算不同窗口下各市场间的波动溢出指数。参考Diebold［10］的做法，将窗口宽度设置为200天，估计滚动样本的波动溢出指数。将沪深300 指数和11 个一级行业指数分别与布伦特原油指数构建VAR 模型，可得到如图2 所示的时变总波动溢出指数图。图2 中左上第一幅图反映了代表中国股票市场的沪深300 指数与代表国际原油市场的布伦特原油指数之间的总波动溢出指数，可以看出在两次国际性的市场危机和一次中国国内市场危机时期，沪深300 指数与布伦特原油指数之间的总波动溢出指数都显著升高。具体来看，危机期间的总波动溢出指数从平时的不到5，迅速升高到了10 以上，甚至达到15 以上。结果显示无论是国际性市场危机还是国内市场危机，都会导致中国股票市场与国际原油市场之间的波动溢出效应显著增强，也就是说市场危机会导致两个市场之间的风险传染加剧。

图2 沪深300指数、11个一级行业指数与布伦特原油指数的总波动溢出指数

中国11 个一级行业指数与国际原油市场之间的总波动溢出效应的整体表现与中国股票市场与国际原油市场的总波动溢出情况比较类似，各行业指数与国际原油市场之间的总体波动率在市场危机时期也会出现大幅升高。在非市场危机时期即正常的市场环境下，各市场之间的总波动溢出指数较低，说明各市场之间的波动溢出效应在市场危机时期会得到放大。具体到行业差异，在市场危机时期不同行业指数的总波动溢出情况也有区别：日常消费指数、材料指数、信息技术指数的总波动溢出指数相对较低，即波动溢出效应相对较弱；能源指数、房地产指数、公用事业指数的总波动溢出指数相对较高，即波动溢出效应相对较强。

综合波动溢出指数和滚动窗口波动溢出指数的结果可知，各市场间的波动溢出效应整体来看是比较小的，也就是说国际原油市场与中国股票市场之间的溢出效应是比较小的。一个可能的原因就是中国股票市场还不是一个完全开放的市场，目前国际资本进入中国股票市场的渠道比较少，所以中国股票市场的投资者仍然以本土投资者为主，而中国的资本也是受政府严格管制的，因此中国投资者的资产组合必然是以中国的资产为主。中国股票市场中的国际投资者较少且以本地投资者为主是国际原油市场与中国股票市场波动溢出效应较小的主要原因。

（三）净波动溢出指数

图2 仅反映了中国股票市场与国际原油市场之间的总溢出效应，未对溢出的方向进行区分。为更好地认识溢出效应，下文继续进行净波动溢出效应研究。根据式（10）可计算得出时变净波动溢出指数，并进一步得到如图3所示的净波动溢出指数图。

图3 沪深300指数、11个一级行业指数与布伦特原油指数的净波动溢出指数

由图3 可知，2015—2016 年间各市场的净波动溢出指数出现了一个显著的负的峰值，在2000—2001年间也出现了不少负的峰值。具体到行业指数，国际原油市场与11个一级行业指数都有相同的负的峰值出现，但是峰值的大小因行业不同而存在差异。同时，在非市场危机时期各市场净波动溢出指数基本都在0 左右波动。这说明在正常市场状况下市场之间的波动溢出不存在方向性，而在市场危机时期波动溢出存在比较明显的方向性，主要是从布伦特原油指数向沪深300指数、11个一级行业指数输出市场波动。只有个别行业在部分时期出现了净溢出指数为正的峰值，如电信指数在2017年，能源指数、可选消费指数、日常消费指数在2018年都存在一段明显为正的净波动溢出图形。这说明中国股票市场向国际原油市场输出波动的情形非常少，对国际原油市场波动的影响很小。

从滚动窗口看总波动溢出指数和净波动溢出指数的变化可以发现，各市场间的波动溢出效应会随着时间变化出现剧烈波动。如2015 年中国“股灾”期间，总波动溢出指数大幅度升高，而净波动溢出指数出现负的峰值。2020 年国际原油市场暴跌期间，总波动溢出指数也出现了显著升高。但是与2015年中国“股灾”期间不同的是，2020年国际原油市场暴跌期间净波动溢出指数并没有出现显著的峰值，这是因为这期间虽然波动溢出效应有所增强但是波动溢出是双向的，从而导致净效应没有出现显著变化。2011年欧债危机期间，总波动溢出指数也出现了一定幅度的升高，但是净波动溢出指数保持平稳，和正常市场状况下相比没有特别大的变化。对比之下，国内市场危机时期国际原油市场与中国股票市场的波动溢出效应显著增强，且以从国际原油市场向中国股票市场输出波动为主；国际市场危机时期国际原油市场与中国股票市场的波动溢出效应也会显著增强，但是溢出的方向是双向的，即国际原油市场向中国股票市场输出波动，中国股票市场也向国际原油市场输出波动。

四、结论与建议

本文运用滚窗VAR 方法测算了国际原油市场与中国股票市场之间的总波动溢出指数和净波动溢出指数，研究两个市场间波动溢出效应的大小及其时变特征。研究发现：

一是从波动溢出效应本身来看，国际原油市场与中国股票市场之间的波动溢出效应比较小，两个市场之间的波动溢出程度是比较低的。这里的中国股票市场既包括整体股票市场，又包括11个一级行业的股票市场。二是从波动溢出效应的时间特性来看，市场危机会在很大程度上影响市场间的波动溢出。具体而言，国内市场危机或国际市场危机期间，国际原油市场与中国股票市场之间的波动溢出效应会增强：国内市场危机时期主要以从国际原油市场向中国股票市场输出波动为主；国际市场危机时期，国际原油市场与中国股票市场之间虽然总体波动性会增强，但是波动溢出效应没有明显的方向性，国际原油市场与中国股票市场之间相互输出波动，净效应接近于0。三是国际原油市场对沪深300 指数和11 个一级行业指数的总波动溢出效应和净波动溢出效应无显著差异，即国际原油市场对中国股票市场的影响不存在显著的行业效应。

基于上述研究结论，本文提出以下建议：

第一，国际原油市场与中国股票市场之间的波动溢出效应比较小，国内的机构投资者可以通过配置国际原油资产来增强资产组合的多元性，从而降低投资风险。第二，国内监管部门应时刻关注国际原油市场波动，特别是一些重大事件对国际原油市场的冲击；同时应强化市场参与者的风险意识教育，充分提示潜在市场风险。随着金融市场一体化程度的不断加深，可以预期会有更多的国际投资机构选择持有中国股票资产，同样也会有更多的中国投资机构持有国际原油资产。交叉持有资产的增加会改变目前市场间波动溢出的结论，因而需要政府和研究机构保持对此方向的跟踪研究，这对中国金融安全特别是中国股票市场的平稳运行具有较强的现实意义。随着中国在全球经济体系中地位的不断提升，中国资本市场的开放程度不断提高，政府和社会需要时刻注意防范国际主要金融市场、国际原油市场对中国股票市场的输入型金融风险，保护中国股票市场和居民资产的安全。第三，国内投资机构和投资者利用投资行业多元化来实现资产组合多元化，从而规避国际原油市场波动风险的做法是不必要的。因为国际原油市场波动对中国股票市场的影响不存在显著的行业差异，所以持有多个行业的资产并不能对冲国际原油市场波动带来的影响。