國際能源背景下中國能源市場風(fēng)險(xiǎn)溢出效應(yīng)研究

韓光輝，張躍強(qiáng)，劉攀攀

(河北工程大學(xué) 管理工程與商學(xué)院，河北 邯鄲 056038)

在區(qū)域經(jīng)濟(jì)一體化與多邊貿(mào)易體系下，國際貿(mào)易相互影響程度加深，金融行業(yè)之間協(xié)同聯(lián)動(dòng)與風(fēng)險(xiǎn)傳導(dǎo)更加明顯，特別是原油、煤炭、天然氣等能源經(jīng)濟(jì)，其價(jià)格波動(dòng)會(huì)導(dǎo)致短期內(nèi)國際能源行業(yè)發(fā)生巨大波動(dòng)。原油作為一種大宗商品，其供需、庫存、金融市場和地緣政治等因素都會(huì)影響油價(jià)。2020年5月美國WTI原油期貨合約價(jià)格跌幅超過300%，最低跌至-37.63美元/桶，同期國內(nèi)期貨市場上，主力原油合約價(jià)格與上證能源指數(shù)分別下跌1%和1.7%。我國煤炭消費(fèi)量全球占比最高，《中國能源報(bào)告2020》數(shù)據(jù)顯示：2020年中國煤炭消費(fèi)量超過40億噸，占到能源消費(fèi)總量的一半以上。中國煤炭交易市場作為新興市場，其發(fā)展受到國際能源市場的影響。2021年隨著世界經(jīng)濟(jì)正在復(fù)蘇，國外煤炭價(jià)格飆升，中國煤炭價(jià)格漲幅也已超過60%。我國天然氣期貨發(fā)展較為緩慢，其受國際市場的影響較小?？偟膩碇v，能源市場動(dòng)蕩的原因主要包括三個(gè)方面：供需關(guān)系、能源金融化、地緣政治。

一、問題的提出

如何有效測度現(xiàn)代金融市場在持續(xù)動(dòng)蕩背景下的風(fēng)險(xiǎn)水平和溢出效應(yīng)，一直是監(jiān)管機(jī)構(gòu)與政府相關(guān)部門急需解決的問題。首先，在能源大宗商品價(jià)格劇烈變化下，許多學(xué)者對(duì)能源商品所存在的市場風(fēng)險(xiǎn)進(jìn)行了分析。為提高定量模型在風(fēng)險(xiǎn)測度方面的穩(wěn)健性和精確性，鄒曉峰等[1]結(jié)合變點(diǎn)分析和極值指標(biāo)對(duì)SV-T模型進(jìn)行了改進(jìn)。葛曉波等[2]將ARMA-EGARCH模型與極值理論相結(jié)合，對(duì)WTI原油期貨風(fēng)險(xiǎn)進(jìn)行度量，研究表明ARMA-EGARCH-POT模型能夠有效描述原始數(shù)據(jù)的尾部分布并通過了后驗(yàn)測試。鄭祖婷等[3]運(yùn)用因子分析的方法確定碳交易價(jià)格風(fēng)險(xiǎn)的警兆指標(biāo)，建立BP人工神經(jīng)網(wǎng)絡(luò)模型，對(duì)深圳市碳交易價(jià)格波動(dòng)風(fēng)險(xiǎn)進(jìn)行了有效的預(yù)測。Xu[4]采用時(shí)變GARCH-Copula模型和GAS模型分析了能源市場的最優(yōu)風(fēng)險(xiǎn)對(duì)沖策略，實(shí)證研究表明，在衡量市場風(fēng)險(xiǎn)方面GAS模型優(yōu)于GARCH族模型。

其次，當(dāng)某一金融市場陷入困境時(shí)其他市場面臨的風(fēng)險(xiǎn)，即風(fēng)險(xiǎn)溢出效應(yīng)的研究，其主要研究方法包括CoVaR、VAR族模型和溢出網(wǎng)絡(luò)方法等。國內(nèi)外研究表明CoVaR方法具有優(yōu)越性，并廣泛用于測度金融市場中的溢出效應(yīng)。CoVaR的概念由Adian和Brunnermeier(2008)在技術(shù)文件中提出，其計(jì)算方式有多種，主要集中為三種方法：第一種，分位數(shù)回歸法。如歐陽資生等[5]采用分位數(shù)CoVaR法分析了我國44家上市金融機(jī)構(gòu)的系統(tǒng)性風(fēng)險(xiǎn)溢出效應(yīng)。嚴(yán)一鋒[6]采用動(dòng)態(tài)分位數(shù)法估計(jì)CoVaR，測度了我國銀行業(yè)之間的風(fēng)險(xiǎn)溢出效應(yīng)；第二種，Copula函數(shù)法。王皓曄等[7]將極值理論與Copula-CoVaR結(jié)合，針對(duì)“一帶一路”倡議前后的國家股票市場之間的溢出效應(yīng)進(jìn)行了測度。李竹薇等[8]構(gòu)建Copula-ARMA-GARCH-CoVaR模型對(duì)互聯(lián)網(wǎng)金融與傳統(tǒng)金融之間的風(fēng)險(xiǎn)溢出進(jìn)行了實(shí)證研究；第三種，建立多元波動(dòng)模型。陳挺等[9]通過建立DCC-GARCH-▽CoVaR模型測算出中美兩國棉花期貨市場間的風(fēng)險(xiǎn)溢出值，指出兩市場之間時(shí)變的非線性相關(guān)性。戚逸康等[10]針對(duì)房地產(chǎn)板塊不同時(shí)期對(duì)于股市的風(fēng)險(xiǎn)溢出效應(yīng)，構(gòu)建了BEKK-GARCH-CoVaR模型。

最后，國內(nèi)學(xué)者對(duì)原油市場、煤炭市場等國際能源市場風(fēng)險(xiǎn)的相互影響進(jìn)行了大量的研究。張大永等[11]采用網(wǎng)絡(luò)聯(lián)接的方法量化分析了我國原油期貨與國際基準(zhǔn)原油、上證指數(shù)以及人民幣匯率之間的風(fēng)險(xiǎn)溢出與關(guān)聯(lián)關(guān)系，研究表明中國原油期貨市場處于信息的接受方，受到國際原油市場的正向沖擊。劉映琳等[12]利用多重相關(guān)性斷點(diǎn)模型研究了國際原油期貨與我國商品期貨市場中銅、橡膠和大豆的相關(guān)性，并使用VaR-EGARCH-SGED模型和VaR分位數(shù)回歸模型，研究了國際原油市場對(duì)三類商品期貨在高中低風(fēng)險(xiǎn)下的影響，指出我國商品期貨與國際原油價(jià)格之間的相關(guān)性都呈現(xiàn)正向和周期性。Sun等[13]采用GARCH-Copula-CoVaR方法分析從石油和能源領(lǐng)域向海事轉(zhuǎn)移的溢出風(fēng)險(xiǎn)，研究發(fā)現(xiàn)，大宗商品市場不僅對(duì)全球經(jīng)濟(jì)產(chǎn)生影響，同樣對(duì)中國貨運(yùn)市場產(chǎn)生沖擊。田園等[14]選取歐洲碳排放權(quán)交易系統(tǒng)中現(xiàn)貨和期貨數(shù)據(jù)，以及芝加哥氣候環(huán)境交易所的數(shù)據(jù)，構(gòu)造GARCH-EVT-VaR模型度量市場風(fēng)險(xiǎn)，并對(duì)比兩個(gè)市場正常波動(dòng)與極端情況下的市場風(fēng)險(xiǎn)，結(jié)果表明碳排放權(quán)交易市場下跌風(fēng)險(xiǎn)更大，并且負(fù)面信息對(duì)于市場的影響更顯著。

綜上所述，以往的研究偏向使用傳統(tǒng)的波動(dòng)模型度量市場風(fēng)險(xiǎn)，對(duì)GAS模型的應(yīng)用較少，此外，針對(duì)風(fēng)險(xiǎn)溢出效應(yīng)的研究主要包括原油市場與貨幣匯率或與其他現(xiàn)貨市場，對(duì)我國能源行業(yè)的研究甚少。因此本文選取國際原油交易市場、煤炭交易市場、天然氣交易市場以及中國上證能源行業(yè)指數(shù)數(shù)據(jù)，將基于得分函數(shù)的時(shí)變參數(shù)引入到廣義自回歸條件異方差模型(GARCH)中，選擇擬合最優(yōu)的殘差分布，建立GAS-SKST滾動(dòng)預(yù)測模型，并建立了傳統(tǒng)指數(shù)廣義自回歸條件異方差模型(EGARCH)模型，進(jìn)行回溯測試并比較了兩種模型在風(fēng)險(xiǎn)度量中的信度。將GAS-SKST模型與分位數(shù)CoVaR結(jié)合，分析國際市場對(duì)中國市場的影響，最后針對(duì)中國能源市場的風(fēng)險(xiǎn)預(yù)警給出一些建議。

二、模型設(shè)定與變量操作

(一)GAS模型

廣義自回歸得分(Generalized Autoregressive Score，簡稱GAS)模型也稱動(dòng)態(tài)條件分?jǐn)?shù)模型，由Creal，Koopman和Lucas(2013)提出，是一種以觀測值驅(qū)動(dòng)的時(shí)變波動(dòng)參數(shù)模型[15]。GAS模型作為一種時(shí)變參數(shù)建模的框架，在預(yù)測模型中引入得分函數(shù)，通過參數(shù)變量導(dǎo)致變量和外生變量的動(dòng)態(tài)來刻畫時(shí)間序列過程的動(dòng)態(tài)行為，為金融資產(chǎn)收益率波動(dòng)建模提供了新的選擇。

假設(shè)yt為金融時(shí)間序列觀測值，σt為時(shí)變序列yt的標(biāo)準(zhǔn)差，表示時(shí)間序列數(shù)據(jù)的波動(dòng)性，F(xiàn)t-1為t-1時(shí)刻的信息集，則觀測值yt概率密度函數(shù)為：

p(yt|σt,Ft-1)

(1)

GAS模型主要分為兩部分，一部分是一階自回歸過程，另一部分則是數(shù)據(jù)驅(qū)動(dòng)下的時(shí)變動(dòng)態(tài)過程。GAS模型表達(dá)式為：

(2)

其中，當(dāng)t=1時(shí)，σ1為無條件標(biāo)準(zhǔn)差，εt為標(biāo)準(zhǔn)化殘差序列，Ai和Bi為時(shí)變系數(shù)矩陣，i=1,2,…,p，j=1,2,…,q，分別反映波動(dòng)的時(shí)變性與波動(dòng)的聚集性和均值恢復(fù)性，通常情況下p和q取1即可。ωt為常數(shù)向量，It為信息矩陣，St為放縮矩陣，一般情況下γ取0，此時(shí)St為單位放縮矩陣。▽t是與σt相對(duì)應(yīng)的得分函數(shù)，其中時(shí)變參數(shù)σt到σt+1的更新過程采用的是牛頓-拉裴森(Newton-Raphson)法，是GAS波動(dòng)模型的核心驅(qū)動(dòng)項(xiàng)。

當(dāng)標(biāo)準(zhǔn)化殘差εt服從于不同的分布時(shí)，得分函數(shù)的表達(dá)式也會(huì)隨之改變。針對(duì)金融時(shí)間序列，經(jīng)常假設(shè)的分布分別為：高斯(正態(tài))分布(N)、正偏態(tài)分布(SN)、標(biāo)準(zhǔn)學(xué)生t分布(ST)和偏斜學(xué)生t分布(SKST)，其中偏斜學(xué)生t分布的概率密度為：

FSKST(y;μ,σ,λ,ν)=

(3)

當(dāng)標(biāo)準(zhǔn)化殘差服從偏斜t分布時(shí)，其得分函數(shù)為：

(4)

由得分函數(shù)可知，偏度參數(shù)v與峰度參數(shù)λ決定了得分函數(shù)的取值。由于 GAS 模型是基于得分的，它利用了完整的密度結(jié)構(gòu)，并且具有均值和高階矩。隨著v取值的增大，得分函數(shù)對(duì)極端值越敏感。偏度參數(shù)λ反映了得分函數(shù)對(duì)偏側(cè)沖擊的敏感性，當(dāng)左偏分布時(shí)，得分對(duì)右側(cè)沖擊相對(duì)更敏感，當(dāng)右偏分布時(shí)，得分對(duì)左側(cè)沖擊相對(duì)更敏感，當(dāng)對(duì)稱分布時(shí)，得分對(duì)兩側(cè)沖擊的反應(yīng)是對(duì)稱的。

根據(jù)標(biāo)準(zhǔn)殘差的條件分布，利用GAS的動(dòng)態(tài)性，我們考慮以下參數(shù)動(dòng)態(tài)更新機(jī)制：

(5)

(二)在險(xiǎn)價(jià)值、期望損失和條件風(fēng)險(xiǎn)價(jià)值

在險(xiǎn)價(jià)值(Value at Risk，簡稱VaR)。在險(xiǎn)價(jià)值是投資銀行JP摩根公司(1996)提出的一種量化評(píng)估風(fēng)險(xiǎn)的手段[16]。表示在一定置信水平q與持有期的條件下，投資者所擁有資產(chǎn)或者投資組合可能遭受的最大損失，其公式表達(dá)如下：

VaRq(X)=-inf{x|f(X≤x)>(1-q)}

(6)

其中q為置信水平，一般取0.99或0.95。x為收益率，f(x)為收益率的概率分布函數(shù)。VaR的本質(zhì)是計(jì)算收益率隨機(jī)分布的尾部分位數(shù)。

期望損失(Expected Shortfall，簡稱ES)。由于VaR無法捕獲尾部風(fēng)險(xiǎn)，采用VaR確定監(jiān)管資本要求時(shí)，不能準(zhǔn)確地進(jìn)行市場風(fēng)險(xiǎn)管理，低估了實(shí)際的市場風(fēng)險(xiǎn)，并且VaR不滿足一致性風(fēng)險(xiǎn)測度性質(zhì)中的次可加性。為了完善和提升市場風(fēng)險(xiǎn)度量方法，國外學(xué)者Artzner等(1999)提出了期望損失的概念[17]。ES的含義為當(dāng)投資組合的損失超過VaR閾值時(shí)所遭受的平均損失程度。其公式表達(dá)如下：

ESq(X)=E[X|X≥VaRq(X)]

(7)

ES計(jì)算的是大于VaR的極端值的條件期望值，在VaR的基礎(chǔ)上考慮了極端情況的均值水平。ES較之VaR更適合表達(dá)尾部風(fēng)險(xiǎn)，由于ES針對(duì)所有大于VaR的損失值進(jìn)行度量，ES滿足此可加性，是一致性風(fēng)險(xiǎn)度量。巴塞爾銀行委員會(huì)于2016年重新搭建了Basel Ⅲ下的市場風(fēng)險(xiǎn)管理框架，提出了一系列新的計(jì)算標(biāo)準(zhǔn)，將市場風(fēng)險(xiǎn)內(nèi)部模型計(jì)量測度從VaR轉(zhuǎn)變ES，并規(guī)定這一轉(zhuǎn)變于2019年起實(shí)施。

(8)

溢出風(fēng)險(xiǎn)貢獻(xiàn)度。本文估計(jì)VaR所采用的為動(dòng)態(tài)滾動(dòng)估計(jì)，計(jì)算CoVaR的方式采取Adrian(2016)文章中的分位數(shù)回歸法[19]，即：

(9)

則規(guī)定系統(tǒng)y對(duì)系統(tǒng)x的溢出風(fēng)險(xiǎn)價(jià)值為：

(10)

(11)

三、統(tǒng)計(jì)結(jié)果分析

(一)數(shù)據(jù)及描述性統(tǒng)計(jì)分析

為分析國際能源市場對(duì)中國能源市場的風(fēng)險(xiǎn)溢出效應(yīng)，本文實(shí)證部分采用具有代表性的國內(nèi)能源行業(yè)指數(shù)，即上證能源行業(yè)指數(shù)(SSEEN)。國際能源市場選取具有代表性的能源市場期貨合約，分別為：WTI原油期貨(USCL)、鹿特丹煤炭期貨(AP12)、亨利港天然氣期貨(NGF2)，數(shù)據(jù)主要來源為英為財(cái)情。樣本區(qū)間為2015年1月至2021年7月，剔除不匹配的交易日，選定樣本容量一致為1600個(gè)。為方便處理，以收盤價(jià)對(duì)數(shù)的一階差分作為對(duì)數(shù)收益率，即Rt=LnPt-LnPt-1，其中Pt表示第t日的收盤價(jià)，Pt-1表示第t-1日的收盤價(jià)。圖1為價(jià)格歷史趨勢圖與對(duì)數(shù)收益率序列圖。

圖1 價(jià)格歷史趨勢圖與對(duì)數(shù)收益率序列圖

根據(jù)價(jià)格歷史趨勢圖，可以觀察出國際能源市場上三種期貨合約價(jià)格在走勢上具有一定的同步性，特別地，在全球經(jīng)濟(jì)復(fù)蘇形勢下，國內(nèi)能源行業(yè)指數(shù)及國際能源期貨合約價(jià)格的走勢幾乎相同。從對(duì)數(shù)收益率圖可以看出，能源市場普遍存在波動(dòng)聚集性。對(duì)其對(duì)數(shù)收益序列進(jìn)行描述性統(tǒng)計(jì)：

如表1所示，從日對(duì)數(shù)收益率描述來看，SSEEN、USCL、AP12和NGF2對(duì)數(shù)收益率均值都在0附近。從標(biāo)準(zhǔn)差可以推斷，USCL的收益率波動(dòng)最大，NGF2的收益率波動(dòng)最小，其中USCL對(duì)數(shù)收益率上下幅度最大為0.92131。超值峰度系數(shù)均大于0，所有對(duì)數(shù)收益率序列具有尖峰性，其中USCL和AP12尖峰情況較突出。其中SSEEN與USCL偏度小于0，分布呈左偏，USCL和AP12偏度大于0，分布呈右偏。對(duì)該數(shù)據(jù)進(jìn)行Jarque-Bera(1980)檢驗(yàn)[20]，結(jié)果表明金融市場中收益率分布具有偏態(tài)并且尖峰的特征，并不服從正態(tài)分布，這與McNeil(1997)[21]對(duì)資產(chǎn)回報(bào)收益率的經(jīng)驗(yàn)分布特征的研究結(jié)果相同。對(duì)日對(duì)數(shù)收益率進(jìn)行平穩(wěn)性檢驗(yàn)，所使用的檢驗(yàn)方法為ADF檢驗(yàn)，因?yàn)轱@著性小于其顯著性水平5%所以拒絕原假設(shè) ,序列不存在單位根,是平穩(wěn)序列。對(duì)原始序列進(jìn)行自相關(guān)與ARCH效應(yīng)檢驗(yàn)，未通過檢驗(yàn)，證明對(duì)數(shù)收益率之間存在自相關(guān)，殘差之間存在自相關(guān)。

表1 對(duì)數(shù)收益率統(tǒng)計(jì)描述

(二)風(fēng)險(xiǎn)模型估計(jì)

因?yàn)镚AS模型包括一階自回歸過程，能有效消除原始序列的自相關(guān)性，所以本文直接選擇GAS(1,1)模型對(duì)各組收益率序列數(shù)據(jù)建立風(fēng)險(xiǎn)度量模型。模型參數(shù)的估計(jì)采用的方法為最大似然估計(jì)(MLE)，根據(jù)AIC準(zhǔn)則和BIC準(zhǔn)則，對(duì)比各種假設(shè)分布下模型的擬合效果。模型的AIC、BIC和對(duì)數(shù)似然值估計(jì)結(jié)果如表2：

表2 GAS(1,1)模型AIC和SC估計(jì)結(jié)果

由表3可知，具有厚尾和尖峰特征的假設(shè)分布要明顯優(yōu)于傳統(tǒng)假設(shè)的正態(tài)分布，其中擬合效果最好的為標(biāo)準(zhǔn)學(xué)生t分布，因?yàn)镾KST分布變形包括標(biāo)準(zhǔn)學(xué)生t分布，所以選擇假設(shè)分布為SKST。其參數(shù)估計(jì)結(jié)果如下：

表3 GAS(1,1)-SKST模型參數(shù)估計(jì)結(jié)果

為展示GAS模型的時(shí)變性，將時(shí)變波動(dòng)即條件驅(qū)動(dòng)下的波動(dòng)參數(shù)通過圖像展示：

由時(shí)變條件波動(dòng)圖2可知SSEEN、AP12和NGF2在2015-2021年期間中間都存在斷斷續(xù)續(xù)的波動(dòng)，AP12和NGF2時(shí)變條件波動(dòng)趨勢較為相似，說明兩者存在較強(qiáng)的波動(dòng)相關(guān)。USCL價(jià)格在2020年暴跌引起較強(qiáng)的一次波動(dòng)，其他時(shí)間波動(dòng)幅度較小，反觀國際煤炭交易市場、天然氣交易市場與中國能源市場，存在較強(qiáng)的波動(dòng)聚集性，中國能源市場較之其他三者波動(dòng)幅度較小。

圖2 時(shí)變條件波動(dòng)圖

(三)風(fēng)險(xiǎn)水平與溢出效應(yīng)分析

1.我們利用GAS-SKST模型選擇原始數(shù)據(jù)的前800天數(shù)據(jù)作為樣本內(nèi)數(shù)據(jù)，進(jìn)行樣本外預(yù)測。樣本外預(yù)測數(shù)據(jù)為800天，滾動(dòng)預(yù)測的固定窗寬為5天，每次向前一步重新對(duì)模型中的參數(shù)進(jìn)行重新估計(jì)，參數(shù)不斷更新，并計(jì)算q為0.95和0.99的VaR和ES。

預(yù)測結(jié)果如圖3所示，以q=0.95為例，其動(dòng)態(tài)VaR和ES描述統(tǒng)計(jì)如表4：

圖3 滾動(dòng)VaR和ES估計(jì) 注：圖中1為VaR，2為ES

表4 動(dòng)態(tài)VaR和ES描述統(tǒng)計(jì)

從動(dòng)態(tài)VaR和ES描述統(tǒng)計(jì)看，根據(jù)VaR和ES均值大小可以看出，USCL風(fēng)險(xiǎn)最高，其次為NGF2、AP12和SSEEN。根據(jù)VaR和ES標(biāo)準(zhǔn)差大小可以看出，國際金融市場風(fēng)險(xiǎn)分布更加離散化，很明顯國際金融市場下金融背景復(fù)雜，并且規(guī)模較大，當(dāng)處于極端危險(xiǎn)時(shí)，對(duì)于外界的抵抗較弱，易引起更大的損失。特別地，在風(fēng)險(xiǎn)管控、風(fēng)險(xiǎn)資本評(píng)估、投資組合收益風(fēng)險(xiǎn)評(píng)估及制定期貨保證金應(yīng)用上，ES較之VaR更具有優(yōu)勢。

為驗(yàn)證GAS模型的穩(wěn)健性，建立同樣具有一階自回歸的EGARCH(1991)模型[22]進(jìn)行滾動(dòng)預(yù)測并與之對(duì)比，設(shè)定殘差分布為SKST，多項(xiàng)式中的滯后階數(shù)為1。其表達(dá)式為：

(12)

對(duì)風(fēng)險(xiǎn)度量模型的檢驗(yàn)采取Engle和Manganelli(2004)提出的動(dòng)態(tài)分位數(shù)檢驗(yàn)(Dynamic Quantile Test，簡稱DQ)[23]，此檢驗(yàn)可以評(píng)估模型所計(jì)算的VaR的準(zhǔn)確度，反映模型的穩(wěn)健性，相比之下，DQ檢驗(yàn)比LRuc和LRcc檢驗(yàn)更有力。DQ檢驗(yàn)本質(zhì)上為解釋變量矩陣W的線性回歸模型，與W相獨(dú)立的原假設(shè)定義為H0:Ht=I(yt<-VaRt)-θ。DQ檢驗(yàn)統(tǒng)計(jì)量為：

(13)

其中，解釋變量矩陣包括常數(shù)項(xiàng)、滯后項(xiàng)以及VaR序列,其他隨著時(shí)間推移的相關(guān)的回歸變量等，DQ統(tǒng)計(jì)量服從卡方分布。

通過DQ檢驗(yàn)分別對(duì)兩種模型下VaR值的有效性進(jìn)行診斷，當(dāng)q=0.95，即理論風(fēng)險(xiǎn)比率為5%，檢驗(yàn)結(jié)果如下：

其中AD為觀測值與分位數(shù)之間的最大絕對(duì)偏差。由表5可得95%置信水平下，USCL的AD值較大，證明原油期貨存在較為極端的市場風(fēng)險(xiǎn)。EGARCH-SKST模型下USCL未通過檢驗(yàn)，可知EGARCH模型并不傾向于度量存在極端情況下市場的風(fēng)險(xiǎn)，其他品種下模型表現(xiàn)穩(wěn)健。采用GAS-SKST模型整體表現(xiàn)較好，DQ檢驗(yàn)P值大于0.05，即通過檢驗(yàn)，實(shí)際風(fēng)險(xiǎn)比率均處于5%附近，證明GAS模型在風(fēng)險(xiǎn)度量上的穩(wěn)健性。

表5 DQ檢驗(yàn)

為刻畫SSEEN、USCL、AP12和NGF2收益率之間的相依關(guān)系，利用Kendall秩相關(guān)系數(shù)法來估計(jì)相互之間的相關(guān)系數(shù)。估計(jì)結(jié)果如表6：

表6 Kendall秩相關(guān)系數(shù)

以SSEEN為例，由相關(guān)系數(shù)正負(fù)可以看出除了SSEEN與AP12，NGF2的收益率呈正相關(guān)，與USCL的收益率呈負(fù)相關(guān)性。從數(shù)值大小看，與SSEEN正向相依性最顯著的為AP12。在經(jīng)濟(jì)全球化背景下，國際能源市場劇烈變動(dòng)易對(duì)中國能源市場產(chǎn)生沖擊。國際市場方面USCL、AP12和NGF2三個(gè)品種之間，USCL與AP12之間負(fù)相關(guān)性較強(qiáng)。

2.為度量國際市場下中國能源市場的風(fēng)險(xiǎn)溢出效應(yīng)，并進(jìn)行對(duì)比分析，利用分位數(shù)回歸計(jì)算▽CoVaR與%CoVaR。當(dāng)q=0.95時(shí)其描述統(tǒng)計(jì)如下：

表7 分位數(shù)▽CoVaR與%CoVaR

從表中數(shù)據(jù)看，國際原油市場對(duì)中國能源市場的▽CoVaR0.95為正值，證明原油市場對(duì)中國能源市場有雙向的風(fēng)險(xiǎn)溢出，從%CoVaR0.95可以看出其風(fēng)險(xiǎn)溢出貢獻(xiàn)度較小。中國作為全球最大的原油進(jìn)口國，處于需求端，原油價(jià)格的波動(dòng)增加了原油價(jià)格給中國經(jīng)濟(jì)帶來的不確定性。但隨著上海原油期貨的上市交易，其功能逐漸完全，定價(jià)體系與風(fēng)險(xiǎn)控制能力逐步完善。值得注意的是，國際煤炭交易市場與天然氣交易市場對(duì)中國能源市場的▽CoVaR0.95為負(fù)值，證明國際煤炭交易市場與天然氣對(duì)中國能源市場有正向的風(fēng)險(xiǎn)溢出，其中煤炭交易市場風(fēng)險(xiǎn)溢出程度與貢獻(xiàn)度較大。其主要原因可能是：煤炭仍是我國賴以生存的傳統(tǒng)能源，煤炭生產(chǎn)量與消耗量居世界前列，其價(jià)格受國際市場與需求層面影響較大。而國際與國內(nèi)天然氣市場價(jià)格相對(duì)獨(dú)立性較強(qiáng)，其風(fēng)險(xiǎn)溢出程度與貢獻(xiàn)度較小。

四、研究結(jié)論與建議

研究表明：國際原油市場對(duì)中國能源市場有雙向的風(fēng)險(xiǎn)溢出；國際煤炭市場與天然氣市場對(duì)中國能源市場有正向的風(fēng)險(xiǎn)溢出；國際煤炭市場對(duì)中國能源市場的風(fēng)險(xiǎn)溢出貢獻(xiàn)度遠(yuǎn)大于其他市場。此項(xiàng)研究有助于國內(nèi)市場針對(duì)國際能源市場變動(dòng)進(jìn)行預(yù)警。

基于以上分析，能源始終是世界經(jīng)濟(jì)變化的主要風(fēng)險(xiǎn)源，提出以下建議：

(一)大數(shù)據(jù)技術(shù)及度量工具

現(xiàn)代金融經(jīng)濟(jì)信息公開化、透明化，金融行業(yè)更應(yīng)注重利用大數(shù)據(jù)技術(shù)，使決策更加具有前瞻性。依托數(shù)據(jù)分析投資者的投資偏好，充分利用數(shù)據(jù)的信息價(jià)值，采用定性分析與定量分析下的多種工具，深度挖掘能源市場價(jià)格波動(dòng)的影響因素，從而降低風(fēng)險(xiǎn)異常事件對(duì)自身潛在造成的威脅。以政府和銀行為主導(dǎo)的監(jiān)管部門應(yīng)對(duì)數(shù)據(jù)進(jìn)行挖掘和分析，建立數(shù)據(jù)平臺(tái)，并將多種金融大數(shù)據(jù)分析的度量工具并用，深入研究風(fēng)險(xiǎn)源，對(duì)風(fēng)險(xiǎn)進(jìn)行早期預(yù)警。

(二)實(shí)施動(dòng)態(tài)風(fēng)險(xiǎn)監(jiān)管

由于全球經(jīng)濟(jì)復(fù)蘇，各國工業(yè)生產(chǎn)活動(dòng)及社會(huì)經(jīng)濟(jì)活動(dòng)往往需要能源支持，致使能源市場反復(fù)動(dòng)蕩。在經(jīng)濟(jì)的動(dòng)態(tài)相關(guān)性下，風(fēng)險(xiǎn)沖擊在每個(gè)階段表現(xiàn)出不同的溢出效應(yīng)與傳染效應(yīng)，所以要建立高效率能夠迅速反應(yīng)的監(jiān)管平臺(tái)，實(shí)時(shí)、動(dòng)態(tài)地對(duì)風(fēng)險(xiǎn)進(jìn)行監(jiān)管。通過對(duì)能源市場信息以及其他市場信息、政策變動(dòng)等異常事件的監(jiān)測和實(shí)時(shí)分析，并進(jìn)行反饋，達(dá)到對(duì)風(fēng)險(xiǎn)事件的實(shí)時(shí)監(jiān)管，繼而可以在風(fēng)險(xiǎn)可能爆發(fā)前及時(shí)預(yù)警，在風(fēng)險(xiǎn)產(chǎn)生后及時(shí)應(yīng)對(duì)。

(三)增強(qiáng)能源市場協(xié)同性

在我國現(xiàn)有的能源期貨中，原油期貨在上海期貨交易所掛牌交易，而煤炭期貨在鄭州商品交易所、大連商品交易所和上海煤炭交易所掛牌交易。相比之下煤炭交易平臺(tái)較多，跨交易所的交易方式不利于煤炭交易信息的分享，對(duì)風(fēng)險(xiǎn)溢出監(jiān)管和防控較為不利，易導(dǎo)致各交易所對(duì)于風(fēng)險(xiǎn)預(yù)警的滯后。宏觀方面，不便于綜合和統(tǒng)一監(jiān)管整個(gè)能源期貨市場，我國原油期貨市場處于發(fā)展初階段，需要政府、交易所、能源產(chǎn)業(yè)鏈等相關(guān)主體增強(qiáng)其針對(duì)市場反應(yīng)的聯(lián)動(dòng)性，共同監(jiān)督市場的運(yùn)行狀況。能源市場應(yīng)針對(duì)行業(yè)間周期性風(fēng)險(xiǎn)進(jìn)行調(diào)控，充分發(fā)揮了其價(jià)格發(fā)現(xiàn)和風(fēng)險(xiǎn)管控功能，進(jìn)一步加強(qiáng)相關(guān)品種之間的協(xié)同性，從而規(guī)避風(fēng)險(xiǎn)。