國際原油與黃金價格的風(fēng)險傳染關(guān)系研究

張清朵+楊坤+熊學(xué)文

摘要：以WTI原油期貨價格和倫敦黃金定盤價作為研究對象，通過構(gòu)建Copula模型明確市場間的風(fēng)險相依強度，并結(jié)合使用向量自回歸（VAR）模型對其風(fēng)險傳染方向進行研究。研究結(jié)果表明：國際原油價格和國際黃金價格之間存在著明顯的動態(tài)風(fēng)險相依關(guān)系與雙向風(fēng)險溢出效應(yīng)。相對而言，國際原油價格波動傳染到黃金市場的用時較短，對黃金價格變化影響較大；而國際黃金價格的變動傳染到原油市場則用時稍長，且對原油價格波動的影響相對較小。

中圖分類號：F830.93

文獻標(biāo)志碼：A文章編號：1009-4474（2016）02-0103-08

關(guān)鍵詞：國際原油；國際黃金；大宗商品市場；風(fēng)險依存度；風(fēng)險傳染；溢出效應(yīng)；金融風(fēng)險

Abstract： We took WTI and London gold price as the research objects， constructed copula model to get the riskdependent intensity between them， and used the VAR model to discuss direction of the risk contagion. The results show that there exists obvious dynamic dependency relationship and bidirectional risk spillover effects between international crude oil and gold prices. The influence of the change of international crude oil price on the gold market is relatively shorter and the fluctuation of gold price is greater， while effects of international gold price changes on the oil market are slightly longer， and the fluctuation of crude oil prices is relatively small.

Key words： international crude oil； international gold； commodity markets； risk dependence； risk contagion； spillover effect； financial risk

作為一種基礎(chǔ)性能源，原油對經(jīng)濟增長和社會發(fā)展起到至關(guān)重要的作用。而黃金作為貴金屬中最受推崇的硬通貨，它具有極強的保值增值功能，同時還被廣泛地運用于高新技術(shù)產(chǎn)業(yè)之中。原油和黃金同屬于大宗商品，是宏觀經(jīng)濟的重要指標(biāo)。因此，對于原油市場和貴金屬市場之間的關(guān)系進行深入研究，有助于明確大宗商品市場的整體走勢，把握重要戰(zhàn)略資源的市場走向。

相關(guān)文獻表明，原油與黃金的價格具有明顯的同向運動趨勢，并且這種趨勢是長期存在的。如董杰等通過對WTI原油期現(xiàn)貨、標(biāo)準(zhǔn)普爾500指數(shù)與黃金市場之間的關(guān)系進行實證研究，發(fā)現(xiàn)WTI原油與黃金市場之間的相關(guān)系數(shù)具有顯著的時變特征，即兩市場間呈現(xiàn)出了明顯的動態(tài)相依關(guān)系〔1〕。李紅霞等也得出了類似結(jié)論，他們利用2005年7月至2011年3月的交易數(shù)據(jù)，在一個框架下考察我國能源和金融市場的動態(tài)相關(guān)性，結(jié)果顯示：黃金與原油之間呈現(xiàn)出正向關(guān)聯(lián)關(guān)系，但只存在著從黃金對原油方面的單向均值溢出效應(yīng)〔2〕。而林征等人的結(jié)論則更進一步，他們通過對原油、黃金和美元關(guān)系的研究發(fā)現(xiàn)，原油市場與黃金市場間存在著雙向的波動溢出效應(yīng)，價格波動信息可以互相傳導(dǎo)〔3〕。

早期學(xué)者對原油和黃金價格關(guān)系的研究，通常是嵌套在多資產(chǎn)研究中，得出的結(jié)論也不全一致。在此基礎(chǔ)上，我們還需要進一步對原油和黃金之間的風(fēng)險傳染關(guān)系進行深入研究，從強度和方向兩個方面得出更全面的結(jié)論。在現(xiàn)代社會紛繁復(fù)雜的金融關(guān)系中，研究原油和黃金之間的風(fēng)險傳染關(guān)系，對掌握大宗商品價格走向關(guān)系，規(guī)避相應(yīng)的價格風(fēng)險具有重要意義。

而在以往的金融風(fēng)險關(guān)系研究中，多數(shù)文獻側(cè)重基于EMH理論而展開，但在現(xiàn)實生活中，金融類資產(chǎn)收益率常常呈現(xiàn)出較明顯的“尖峰、有偏、胖尾”等典型事實特征，基于EMH理論建立的模型一般難以有效地將這些特征捕捉，已有眾多學(xué)者對此問題進行了闡述，如王久勝等、于文華等〔4～5〕，而Copula模型自身具備的特點卻可以很好地解決此類問題。張凱等提出，Copula函數(shù)可以對金融類資產(chǎn)收益序列進行良好的非線性分布捕捉，為反映金融類資產(chǎn)之間的相依關(guān)系提供了一種新的思路，使對金融類資產(chǎn)組合之間的研究達到了一個新的高度，為研究不同市場間相依性關(guān)系的傳遞、影響和感染提供了一種新的研究方法〔6〕。

對于金融資產(chǎn)之間的風(fēng)險傳染關(guān)系的測度，如果僅是得到它們之間具有相關(guān)性，即風(fēng)險依存關(guān)系并不全面，還可以進一步研究風(fēng)險傳染的方向，以及一個資產(chǎn)價格變化對另一個資產(chǎn)價格變化的貢獻程度，向量自回歸（Vector Auto Regression，VAR）模型可以解決這一問題。

現(xiàn)有文獻表明，VAR模型不僅可以得到金融資產(chǎn)之間風(fēng)險傳染關(guān)系的方向，還可以得到在固定傳染方向下，一種資產(chǎn)對另一種資產(chǎn)產(chǎn)生影響的持續(xù)時間和貢獻度，如Cologni等以及Kilian等都得出了此類結(jié)論〔7～8〕。而且根據(jù)吳振信等的研究，VAR模型的設(shè)立是基本不依賴經(jīng)濟原理的，它主要依據(jù)變量自有的動態(tài)規(guī)律對其本身進行研究，以聯(lián)立方程的形式，將系統(tǒng)中每一個內(nèi)生變量作為所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，以反映這些變量間的動態(tài)聯(lián)系〔9〕。馬軼群等也認(rèn)為VAR模型是分析和預(yù)測多個具有相關(guān)性的經(jīng)濟指標(biāo)的容易操作的模型之一，它也經(jīng)常用于預(yù)測相互聯(lián)系的時間序列系統(tǒng)，以及分析隨機擾動對于整個變量系統(tǒng)的動態(tài)沖擊〔10〕。

基于以上分析，本文選擇WTI原油價格和倫敦黃金定盤價作為研究對象，同時運用Copula模型和VAR模型進行實證研究。相對于目前一些學(xué)者單一的使用Copula模型或VAR模型對國際原油和國際黃金價格的風(fēng)險傳染關(guān)系進行研究，同時使用這兩種方法進行研究不僅能得到國際原油和國際黃金價格之間的風(fēng)險依存強度，還能得到風(fēng)險傳染的方向，即可以同時得到定量和定性兩個方面的結(jié)論。

脈沖響應(yīng)函數(shù)描述的是，VAR模型中的一個內(nèi)生變量在受到?jīng)_擊之后，給其它內(nèi)生變量所帶來的影響，而每一個結(jié)構(gòu)沖擊對內(nèi)生變量產(chǎn)生影響的貢獻度則需要方差分解來實現(xiàn)的。方差分解把系統(tǒng)中每一個內(nèi)生變量的波動按其成因分解成各隨機擾動項影響的總和，從而通過方差貢獻度的大小，來衡量隨機擾動項對變量的相對重要程度。在本文中，通過方差分解，可以確定國際油價變動及國際黃金價格變動在對方價格變化中的作用大小。

二、實證研究

（一）樣本選擇

本文選擇美國西德克薩斯原油期貨連續(xù)價格（WTI）作為國際原油價格的代表，選取英國倫敦黃金定盤價作為國際黃金價格的代表，對國際原油和黃金價格的關(guān)系進行研究，樣本時間段為2000年1月4日到2013年6月6日，兩組數(shù)據(jù)同為3218個，數(shù)據(jù)來源于美國能源信息署（EIA）和倫敦金銀協(xié)會市場。為了方便進行分析說明，本文將西德克薩斯原油期貨連續(xù)價格的收盤價簡稱為WTI，而將倫敦黃金定盤價簡稱為LDHJ。本文所用的軟件主要是MATLAB R2009b和EViews 7.11，將WTI和LDHJ的每日價格記為Pt，并定義每個資產(chǎn)的每日收益率為Yt，Yt=Ln（Pt）-Ln（Pt-1），t=2，3，…，N，并將WTI價格序列的收益率序列簡記為RWTI，LDHJ價格序列的收益率序列簡記為RLDHJ。

（二）收益序列描述統(tǒng)計分析

表1是RWTI序列和RLDHJ序列的描述統(tǒng)計結(jié)果，從中可以看出：兩個收益序列的偏度系數(shù)都在1%的顯著性水平下顯著，即兩個收益序列的分布具有明顯的有偏、尖峰特征；兩個收益序列的J-B統(tǒng)計量也均在1%的顯著性水平下拒絕了正態(tài)分布；運用ADF檢驗收益序列的平穩(wěn)性，結(jié)果都明顯拒絕了非平穩(wěn)性假設(shè)；運用BDS檢驗收益序列是否

服從獨立同分布（I.I.D），結(jié)果表明它們明顯拒絕I.I.D特征；運用LjungBox Q統(tǒng)計量對收益序列進行自相關(guān)性檢驗，結(jié)果表明在滯后期為25時，兩個收益序列都明顯拒絕無自相關(guān)性；運用no ARCH檢驗收益序列是否存在ARCH效應(yīng)，結(jié)果均拒絕無ARCH效應(yīng)而表現(xiàn)出明顯的異方差特征。

波動分布與正態(tài)分布相比較的QQ圖。從圖1～圖4中可以看出：收益序列波動圖表明兩個收益序列都明顯存在波動聚集現(xiàn)象，即大波動之后是大波動，小波動之后是小波動的特征；QQ圖表明兩個收益序列的分布比正態(tài)分布有更長的尾部，也就是說如果假定收益序列服從正態(tài)分布進行研究并不能真正反映能源和貴金屬市場的典型事實特征，也就無法對兩個市場間的風(fēng)險相依關(guān)系進行有效刻畫。

在對數(shù)據(jù)進行基本的分析梳理后，針對收益序列具有的有偏、尖峰、自相關(guān)性、異方差性、厚尾、波動聚集等典型事實特征，可以選用AR（1）-GARCH（1，1）模型建立波動率模型，并獲取它們的標(biāo)準(zhǔn)殘差序列。ARCH模型一直被運用于金融經(jīng)濟時間序列的波動性研究，但該模型只適用于異方差函數(shù)短期自相關(guān)過程，而GARCH模型正好在此基礎(chǔ)上又增加考慮了異方差函數(shù)的p階自相關(guān)性，它對時間序列數(shù)據(jù)進行處理考慮的方面更周到。

（三）風(fēng)險依存關(guān)系的測度

在對WTI和LDHJ收益序列經(jīng)過AR（1）-GARCH（1，l）-t模型擬合后，本文對其標(biāo)準(zhǔn)殘差序列進行了相應(yīng)的概率積分變換，并得到了它們各自的邊緣分布，在此處上了構(gòu)建了二元時變tCopula模型，并得到了WTI和LDHJ的動態(tài)相依系數(shù)。圖5顯示了二元時變tCopula模型擬合的WTI和LDHJ的動態(tài)相依系數(shù)的變化趨勢圖，由長期歷史價格走勢而得出的WTI和LDHJ的風(fēng)險相依關(guān)系的強度均值為0.18。

圖5RWTI和RLDHJ序列的動態(tài)相依系數(shù)

從圖5可以看出，WTI和LDHJ具有明顯的風(fēng)險相依關(guān)系，并且兩者的相依性還表現(xiàn)出明顯的時變特征，它比一般的線性相關(guān)系數(shù)更能反映在瞬息萬變的金融、經(jīng)濟環(huán)境下，能源和貴金屬的市場價格受到的多種因素的影響而表現(xiàn)出的動態(tài)風(fēng)險相依關(guān)系。即在長期均衡中，可能先是WTI的價格波動后，傳染帶動了LDHJ的價格波動，也可能是LDHJ的價格先波動，后傳染帶動了WTI的價格波動，即風(fēng)險傳染在兩者之中是明確存在的，還不能確定傳染方向，需要通過進一步研究證明傳染方向。

（四）風(fēng)險傳染方向的測度

在建立VAR模型的基礎(chǔ)上，由格蘭杰因果檢驗、脈沖響應(yīng)函數(shù)和方差分解方法來得到WTI和LDHJ在自己產(chǎn)生變化后對另一變量的影響方向、強度和時間。

1.VAR和格蘭杰因果關(guān)系檢驗

從表2可以看出，WTI和LDHJ價格的收益序列均已通過ADF單位根檢驗，說明兩者都是平穩(wěn)序列，本文根據(jù)LogL，LR，F(xiàn)PE，AIC，SC和HQ六大準(zhǔn)的多數(shù)原則建立了WTI和LDHJ的VAR（6）模型，且此VAR（6）模型的所有根模均小于1并且都位于單位圓內(nèi)，說明此模型滿足穩(wěn)定性條件，結(jié)果如表2所示。在WTI收益率方程中，LDHJ收益率滯后2階的系數(shù)在1%的顯著性水平下是顯著的；在LDHJ收益率方程中，WTI收益率滯后1階的系數(shù)在1%的顯著性水平下是顯著的，說明WTI原油市場和倫敦黃金市場之間不僅具有明顯的風(fēng)險依存的相關(guān)關(guān)系，還存在著經(jīng)由價格進行傳導(dǎo)的雙向風(fēng)險溢出效應(yīng)，即WTI的價格變化會引致LDHJ的價格變化、LDHJ的價格變化也會引致WTI的價格變化，此結(jié)果與表3的格蘭杰因果檢驗結(jié)果一致。

2.脈沖響應(yīng)函數(shù)

脈沖響應(yīng)函數(shù)可以根據(jù)假設(shè)情景的需要來設(shè)定相應(yīng)的沖擊的強度與方向，它不但可以分析一個變量受到另一個變量的影響的大小、方向，而且還可以得到影響的時間框架。圖6和圖7是RWTI和RLDHJ的相互脈沖響應(yīng)函數(shù)結(jié)果，圖中實線表示脈沖響應(yīng)函數(shù)，虛線表示正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶。

從圖6和圖7中可以看出，在本期給WTI原油期貨市場一個正沖擊之后，倫敦黃金市場會在當(dāng)期就直接達到最高點，然后會持續(xù)下降并在第3期達到最低點，之后會出現(xiàn)較小的波動上升和下降狀態(tài)。還可以看出，在本期給倫敦黃金市場一個正沖擊之后，WTI原油期貨市場會波動上升，在第3期出現(xiàn)最高峰，之后會出現(xiàn)較大的波動下降和上升狀態(tài)。由此表明，無論先是WTI原油期貨市場先受到風(fēng)險沖擊，還是倫敦黃金市場先受到風(fēng)險沖擊，風(fēng)險都會由它傳染到另一個市場。

不同的是，WTI先受到風(fēng)險沖擊后，傳染到倫敦黃金市場的用時較短，而倫敦黃金市場先受到風(fēng)險沖擊后，風(fēng)險會延時傳染到WTI原油期貨市場。在原油市場與黃金期貨市場交易信息的聯(lián)動上，兩個市場間的波動信息是可以相互反饋的，兩市場的聯(lián)系是異常緊密的。當(dāng)原油價格變化的時候，比如價格下降，產(chǎn)油國為平衡國際收支逆差，會選擇拋售大量的黃金儲備，從而造成黃金價格的迅速下降。反之，當(dāng)黃金價格變化的時候，比如價格上漲，就會吸引大量資金流入黃金市場，作為國際結(jié)算貨幣的美元的需求量就會增加，就會促使產(chǎn)油國為獲取更多的美元而提高原油價格，此過程需要時間進行消化。

3.方差分解

通過方差分解可以看出，VAR模型的方差分解能夠給出隨機新息項的重要信息，表4和表5給出了利用蒙特卡洛模擬1000次方差分解的結(jié)果。

由表4和表5可以看出，WTI原油市場的沖擊變化對倫敦黃金市場的變化的貢獻度是高于倫敦黃金市場的沖擊變化度對WTI原油市場的貢獻度的，這與脈沖響應(yīng)函數(shù)的結(jié)果是相對應(yīng)的。相對于黃金在世界經(jīng)濟發(fā)展中起到的作用來說，原油資源作為工業(yè)生產(chǎn)領(lǐng)域最為基本的能源原材料，在世界經(jīng)濟發(fā)展中起著更為重要的作用，它的變化給其他行業(yè)、領(lǐng)域帶來的影響都比較大。當(dāng)原油價格變動幅度較大，會給實體經(jīng)濟帶來巨大壓力，進而影響到經(jīng)濟穩(wěn)定和金融資產(chǎn)的價值，此時大多數(shù)人就會對價值比較穩(wěn)定的黃金資產(chǎn)進行對應(yīng)的操作，進而促使其價格變動。而黃金作為價值一直都比較穩(wěn)定的投資品，它的價格變動更多地會影響到人們對金融資產(chǎn)的估值，而對于社會經(jīng)濟的影響相對較小，自然黃金對于原油價格的影響也就不及原油價格變動對黃金的影響。

經(jīng)過VAR模型的系列結(jié)果來看，風(fēng)險傳染在WTI原油市場和倫敦黃金市場之間是雙向存在的，相對來說，WTI原油市場先受到一定風(fēng)險的沖擊之后，對于倫敦黃金市場的影響持續(xù)的時間比較長，而且對其影響也比較大。

三、結(jié)論及政策建議

本文選擇美國西德克薩斯原油期貨（WTI）價格和倫敦黃金定盤價（LDHJ）作為國際原油和國際黃金市場的代表進行了研究，研究結(jié)論如下：

第一，本文選擇能夠顯著捕捉金融資產(chǎn)收益率典型事實特征的二元時變tCopula模型對WTI和和LDHJ的風(fēng)險相依關(guān)系進行分析。通過研究，發(fā)現(xiàn)WTI和LDHJ之間確實存在著風(fēng)險相依關(guān)系，并且是具有跟隨市場變化而起伏的時變風(fēng)險相依關(guān)系，比較具體形象地對兩者之間的風(fēng)險相依關(guān)系進行了描述，更能反映出能源和貴金屬價格受到多種因素影響而表現(xiàn)出的動態(tài)風(fēng)險相依關(guān)系。

第二，為了得到WTI和LDHJ的風(fēng)險傳染方向，本文又建立了VAR（6）模型，還在此基礎(chǔ)上建立了脈沖響應(yīng)函數(shù)和方差分解方程，并得到了雙方風(fēng)險溢出關(guān)系的持續(xù)時間和貢獻度。相關(guān)結(jié)果表明，風(fēng)險由原油市場再傳染到黃金市場的時間較短，對于黃金市場價格波動的貢獻度較大；而風(fēng)險由黃金市場傳染到原油市場的時間則稍長，而且對原油市場價格波動的貢獻度較小。

基于實證研究的結(jié)論，本文提出以下建議：

第一，原油價格變動會給一國經(jīng)濟帶來重要影響。油價上漲雖有利于國內(nèi)石油化工企業(yè)發(fā)展，但會增加我國經(jīng)濟建設(shè)成本，增大居民生活壓力，不利于我國經(jīng)濟穩(wěn)定發(fā)展；油價下降會降低我國經(jīng)濟建設(shè)成本，降低居民生活壓力，但是卻有損于油化工企業(yè)的發(fā)展。因此，對于國際油價的變化，我們要時刻關(guān)注，以防油價大幅變動影響到國家經(jīng)濟建設(shè)。

第二，黃金作為升值空間巨大的稀有資源，越來越受到投資者的青睞，流通于黃金市場的資金也日益增加。但是，如果黃金價格變動浮動過大，會引起成投資者過度恐慌，不利于黃金市場的穩(wěn)定發(fā)展。所以，我們必須關(guān)注國際黃金價格的變化，規(guī)避價格風(fēng)險。

第三，原油和黃金作為對一國經(jīng)濟具有重要作用的大宗商品資源，一旦一方出現(xiàn)劇烈的價格波動，另一方就會連帶發(fā)生類似現(xiàn)象，從而不利于一國社會穩(wěn)定和經(jīng)濟發(fā)展。有關(guān)部門在監(jiān)測石油和黃金價格會產(chǎn)生的風(fēng)險時，要注意將兩者結(jié)合起來，以達到全面預(yù)防、控制的目的。

第四，投資者在進行投資時，可以選擇黃金或原油與其他類金融資產(chǎn)組合來規(guī)避風(fēng)險。因為，投資者若同時投資這兩類資產(chǎn)，雖然可以有機會得到兩者同時暴漲而帶來豐厚的收益，但是卻更可能會遇到兩者同時暴跌，給自己帶來巨大損失。

目前我國還有沒有原油期貨，但是國內(nèi)有關(guān)部門正在逐步落實原油期貨的推出工作。在政府推出原油期貨后，要注意防范原油期貨和黃金期貨會產(chǎn)生的風(fēng)險傳染關(guān)系，做到未雨綢繆。

參考文獻：

〔1〕董杰，潘和平，姚一永，李成剛.基于DCCMVGARCH模型的石油、股票和黃金市場相關(guān)性實證研究〔J〕.預(yù)測，2012，31（4）：53-57.

〔2〕李紅霞，傅強.我國實物資產(chǎn)與金融資產(chǎn)市場的動態(tài)相關(guān)性研究——基于五元VARDCCMVGARCH模型的系統(tǒng)檢驗〔J〕.預(yù)測，2012，31（2）：7-17.

〔3〕林征，林雅娜，黃曉玲.黃金、美元、石油市場間溢出效應(yīng)研究——基于3元 BEKKGARCH模型的實證分析〔J〕.經(jīng)濟研究導(dǎo)刊，2015，（11）：196-199.

〔4〕王久勝，包衛(wèi)軍，胡杰.基于多維Gumbel Copula函數(shù)的投資組合VaR分析〔J〕.數(shù)理統(tǒng)計與管理，2010，29（1）：137-143.

〔5〕于文華，魏宇，岳焱.次貸危機對亞洲股市尾部極值風(fēng)險傳導(dǎo)的影響研究〔J〕.預(yù)測，2013，32（3）：3-18.

〔6〕張凱，魏子凱.基于Copula函數(shù)尾部相關(guān)性的股票交易策略〔J〕.統(tǒng)計與決策，2014，（16）：56-58.

〔7〕Cologni A，Manera M.Oil Prices，Inflation and Interest Rates in a Structural Cointegrated VAR Model for the G7 Countries〔J〕.Energy Economics，2008，30（3）：856-888.

〔8〕Kilian L，Park C.The Impact of Oil Price Shocks On the US Stock Market〔J〕.International Economic Review，2009，50（4）：1267-1287.

〔9〕吳振信，薛冰，王書平.基于VAR模型的油價波動對我國經(jīng)濟影響分析〔J〕.中國管理科學(xué)，2011，19（1）：21-28.

〔10〕馬軼群，史安娜.金融發(fā)展對中國經(jīng)濟增長質(zhì)量的影響研究——基于VAR模型的實證分析〔J〕.國際金融研究，2012，（11）：30-39.

〔11〕Nelsen R B.An Introduction to Copulas〔M〕.Springer，NewYork，1999：18，90-95，125-137.

〔12〕李秀敏，史道濟.金融市場組合風(fēng)險的相關(guān)性研究〔J〕.系統(tǒng)工程理論與實踐，2007，（2）：112-117.

〔13〕魏平，劉海生.Copula模型在滬深股市相關(guān)性研究中的應(yīng)用〔J〕.數(shù)理統(tǒng)計與管理，2010，29（5）：890-898.

〔14〕于文華，魏宇，康明惠.不同時變CopulaEVTES模型精度比較研究〔J〕.管理科學(xué)學(xué)報，2015，18（15）：32-45.

〔15〕Engle R.Dynamic Conditional CorrelationA Simple Class of Multivariate GARCH Models〔J〕.Journal of Business and Economic Statistics，2002，20（3）：339-350.

〔16〕呂光明，徐曼.中國的短期國際資本流動——基于月度VAR模型的三重動因解析〔J〕.國際金融研究，2012，（4）：61-68.

〔17〕汪昌云，戴穩(wěn)勝，張成思.基于EVIEWS的計量經(jīng)濟學(xué)〔M〕.中國人民大學(xué)出版社，2011：72-124.

（責(zé)任編輯：葉光雄）