成熟股市风险对石油市场收益的动态影响
实证研究#
张跃军1,2*
基金项目：国家自然科学基金（71001008、70733005）、高等学校博士学科点专项科研基金（20101101120041）、
教育部人文社会科学研究基金（09YJC630011）、北京市优秀人才培养资助计划（2011D009011000008）、
北京理工大学优秀青年教师资助计划（2010Y1317）
作者简介：张跃军，（1980-），男，副教授，主要研究方向：石油金融风险管理、碳金融. E-mail: zyjmis@126.com
5 （1. 北京理工大学管理与经济学院，北京 100081；
2. 北京理工大学能源与环境政策研究中心，北京 100081）
摘要：基于1997-2007 年的历史数据，引入状况空间模型获得了全球典型成熟股市（以美国、
英国和日本为代表）对石油市场的时变风险冲击，然后考察了股市风险对油价收益的动态影
响。结果发现，首先，股市风险对石油市场的冲击具有明显的时变特征，其中美国股市的风
10 险相对较大；其次，股市风险对石油市场的影响呈现明显的线性特征，非线性影响较弱；股
市下挫时，股市风险对石油市场的冲击为负，但股市上行时，其影响未必为正；第三，股市
上行时，需要着重关注美国和英国股市的影响；股市下挫时，需要关注日本股市和英国股市
的冲击；最后，不论是股市上行和下挫，还是石油市场走强和疲软，股市风险对石油市场的
冲击都不对称。
15 关键词：管理工程；国际原油价格；股市风险；状态空间模型
  0 引言
受世界经济形势、美元汇率走向、政治动荡和自然灾害等一系列风险因素综合影响，石
 45 油价格波动剧烈和极端风险涌现的格局将长期存在。在这些因素中，金融市场尤其是股票市
场的冲击最近几年格外突出，这主要是由于国际游资受资本逐利性影响在股市和石油市场之
间频繁游走，大肆投机，成为油价剧烈震荡的重要推力。
此外，虽然近些年新兴股市得到了长足发展，但发达国家（如美国、英国、日本等）的
成熟股市仍在全球股票市场中占主导地位，而且过去几年对国际石油市场产生了重要冲击。
50 而且，新兴股市所在国家消费的石油一般占全球总量的份额很低，因此，新兴股市对国际石
油市场的冲击程度有限，本文暂不考虑。
本文关注成熟股市风险对油价的动态冲击，实际上，研究股票市场与石油市场互动关系
的文献不少，主要是探讨油价对股市的作用，而且聚焦于美国、澳大利亚、加拿大、英国等
发达国家[1-4]。另外，有少量文献讨论油价与新兴股票市场的互动关系，例如希腊[5]、海湾
55 合作委员会国家[6]、中国[7]等。也有从全球的角度考察油价变化冲击股票市场的研究[8,9]。相
比而言，研究股票市场影响油价的文献较少[10-13]。近几年来，由于国际游资大量进出石油市
场和股票市场，实施套利和避险，我们发现股票市场对油价的冲击逐渐突出。更为重要的是，
股市对油价存在显著的、时变的影响，但是这方面的考虑并不多[14]。
综合起来可见，一方面，采用时变CAPM 模型分析股票市场与石油市场互动关系的文
60 献很少，现有方法也值得商榷。另一方面，研究股票市场风险对国际石油市场冲击的文献并
不多见，但这对于投资者和政策制定者都非常重要。
本文拟解决的关键问题包括：成熟股市会给国际石油市场带来什么风险冲击？风险冲击
呈现更多的线性还是非线性特征？股票市场上行或下挫时，石油市场上行或下挫时，股市风
险冲击是否对称？
65 1 研究方法
我们借鉴因素模型和APT 模型的思路，引入状态空间模型，建立具有动态时变Beta 参
数的因素模型。
基于状态空间模型的动态因素模型如下：
t j jt j(t1) jt R c β S ε − = + + , ( ) 0 jt E ε = , var( ) jt t ε = H ,
jt 0 1 j(t1) jt β a aβ υ − = + + , ( ) 0 jt E υ = , var( ) jt t 70 υ = Q , （1）
其中， t R 表示t 时刻国际油价的超额收益率1； j(t 1) S − 表示t −1时刻第j 种股票的市场
超额收益率2。通过Kalman 滤波方法计算得到时变的Beta 系数序列jt β ，3即石油市场收益
率对第j 种股市风险因素的敏感程度，换言之，即第j 种股市对石油市场的风险大小。根据
Huang 和Hueng（2008）[15]，Beta 系数序列采用带漂移的AR(1)模型，g 和b 均是残差序列。
1 即油价收益率与无风险收益率的差。
2 由于原油是工业生产的原材料，油价变化会引起企业生产成本和利润的变化，从而引起企业股市价值和
价格的波动，因此，大量基于CAPM/APT 理论的论文在考察油价与股票价格关系时，往往使用油价作为自
变量。但是，为了度量股市风险对石油市场收益的冲击，特别是尽可能规避回归过程中的内生性和有偏参
数估计问题，我们采用t-1 时刻的股市超额收益作为自变量，同时将t 时刻的石油市场超额收益作为因变量。
应该指出的是，采用滞后阶数的股市收益并不是问题的关键部分，它只是为了克服统计上的内生性问题而
采取的一种做法。
 根据Welch和75 Bishop（2004）[16]，Kalman 滤波方法是一系列数学方程，它能够通过递归
的方法有效估计随机过程的状态，并且最小化均方误差。Kalman 滤波的强大优势主要体现
为它能够估计过去、现在甚至未来的状态，而且在模型系统的特征并一定完全了解的情况下
也能够估计出来，实现全局动态的优化。
获得动态Beta 序列以后，我们进一步考察成熟股市的收益风险对石油市场收益率的影
80 响，而且区分线性影响和非线性影响。如前所述，股市走高和下挫时，股市风险对石油市场
的影响可能并不一样，因此我们采用条件式的回归模型，考察股票市场超额收益率为正（股
市收益率大于无风险收益率）和为负（即股市收益率小于无风险收益率）两种市场情况下，
股市风险对石油市场收益的线性和非线性动态影响。再通过研究正负股市风险对石油市场影
响是否对称，以及股市风险对正负石油市场的影响是否对称，全面考察股市风险对石油市场
85 的冲击方式和程度。
首先考察股市风险对石油市场的线性影响，根据Basher 和Sadorsky（2006）[14]，建立
基于上述动态Beta 值的线性条件式回归模型如下：
t 10 11 jt 1t R =r +rβ + +η ,
t 20 21 jt 2t R =r +r β − +η , （2）
其中， jt β + （ jt 90 β − ）代表成熟股市上行（下挫）时的Beta 系数。同时，为了考证正负向
股市风险对石油市场的线性动态影响是否对称，我们需要验证是否有11 12 r +r =0 成立，如
果原假设被拒绝，则影响是不对称的；否则可以认为是对称的。为此，将引入Wald 检验方
法。
此外，过去的研究成果表明，在很多情况下，股票市场与石油市场之间的联动关系可能
95 并不是线性的[14]，为此，我们引入二次函数考察正负向股市风险对石油市场的非线性动态
影响。在方程（2）的基础上，建立新的条件式回归方程如下：
2
t 30 31 jt 32 jt 3t R =r +rβ + +r β+ +η ,
2
t 40 41 jt 42 jt 4t R =r +r β − +r β− +η . （3）
方程中字母的含义与（2）相同。而为了检验在非线性影响的情况下，正向和负向股市
风险对石油市场的影响是否对称，我们将检验31 41 r +r = 0 和32 42 100 r +r = 0 是否同时成立。
另外，为了检测石油市场上行或下挫时，股市风险对石油市场收益的动态冲击是否具有
对称性，我们建立联立方程组（4）4，并检验51 61 r +r = 0是否成立。
t 50 51 jt 5t R+ =r +rβ +η
,
t 60 61 jt 6t R− =r +rβ +η
, （4）
其中， t R+ 表示0 t R > 时石油市场的超额收益； t R− 表示0 t 105 R ≤ 时石油市场的超额收益。
4 考虑到股票市场与石油市场的互动关系呈现更多的线性特征，此处仅检验线性影响的对称性。
 2 实证结果讨论分析
2.1 数据说明
考虑到成熟股市在全球股票市场的代表性，尤其是成熟股市所在国家对国际石油市场的
重要影响，我们从市场成交量、市场价值等方面的代表性影响出发，选取美国S&P 500 指
数、日本110 Nikkei 225 指数和英国金融时报100 指数作为成熟股市的代表，如表1 所示。我们
还选取WTI 最近月份交割的原油期货价格作为国际油价的代表，它是全球最重要的基准油
价之一，单位为美元/桶。
表1 股指和无风险收益率变量及其含义
115 Tab. 1 Variables and their definitions.
国家 股市指数的含义 无风险收益率
USA 美国标准普尔500 指数 3 month US T-bills
UK 英国金融时报100 指数 1 month inter-bank offered rate
Japan 日本Nikkei 225 指数 1 month inter-bank offered rate
由于因素CAPM 模型要求采用收益率，因此我们分别使用股价和油价的自然对数差作
为它们的收益率（再乘以100 以便于计算），然后，分别减去各国家的无风险收益率得到超
额收益率。各市场超额收益率的统计特征如表2 所示。
120
表2 股票市场和石油市场超额收益率的基本特征
Tab. 2 Summary statistics of excess returns of the stock markets and oil market
USA UK Japan WTI
Mean -3.4968 -5.1800 -0.2727 -3.4276
Std. Dev. 2.5174 2.1495 2.4587 4.5054
CV -0.7199 -0.4150 -9.0161 -1.3144
Skewness 0.0771 -0.2624 -0.0433 -0.2898
Kurtosis 4.0637 4.9702 3.5666 3.8619
Jarque-Bera 26.5218
(0.0000)
95.4399
(0.0000)
7.5419
(0.0000)
24.7684
(0.0000)
ADF test -2.3085
(0.1696)
-16.6300
(0.0000)
-19.3890
(0.0000)
-9.7529
(0.0000)
注：小括号内为相应的显著性概率。CV表示变异系数，即标准差除以均值。
125 各种股市和无风险收益率数据来自Datastream 软件，国际油价数据来自美国能源部能源
信息署（EIA）。数据区间是从1997 年初到2007 年7 月底（包含了一些重要的市场事件，
如1997 年亚洲金融危机，2000 年美国技术股票泡沫破裂，2001 年美国911 恐怖袭击，2007
年美国次贷危机等），考虑到日数据容易受到某些偶然事件干扰，而且各股市和油市之间还
存在一定的时差，为尽量减少误差，因此本文所有数据采用周数据，共549 个收益率观察值。
130 从表2 中的统计结果我们发现，各股票市场和油价的超额收益率具有以下几个特点：
（1）各超额收益率序列基本上是平稳序列，但不服从正态分布。ADF 检验结果表明，
学术论文网Tag：代写论文 代写代发论文 代发论文 职称论文发表