石油價(jià)格與股票市場的動(dòng)態(tài)相關(guān)性分析

酈 博 文，巴 曙 松,2，韋 偉

(1.中國科學(xué)技術(shù)大學(xué) 管理學(xué)院，安徽 合肥 230026; 2.中國銀行業(yè)協(xié)會(huì)，北京 100033； 3.上海證券交易所，上海 200120)

石油價(jià)格與股票市場的動(dòng)態(tài)相關(guān)性分析

酈 博 文1，巴 曙 松1,2，韋 偉3

(1.中國科學(xué)技術(shù)大學(xué) 管理學(xué)院，安徽 合肥 230026; 2.中國銀行業(yè)協(xié)會(huì)，北京 100033； 3.上海證券交易所，上海 200120)

能源信息變量和金融信息變量的關(guān)系是能源經(jīng)濟(jì)學(xué)的重要課題。文章試圖應(yīng)用非參數(shù)時(shí)變Copula方法來檢驗(yàn)石油價(jià)格與股票市場間的相關(guān)關(guān)系，發(fā)現(xiàn)石油價(jià)格和全球股票市場間的相關(guān)性隨著時(shí)間變化而發(fā)生變化。通過度量尾部相依系數(shù)的變化趨勢，兩者之間的相關(guān)性在經(jīng)濟(jì)動(dòng)蕩或金融危機(jī)期間顯著增強(qiáng)。

石油價(jià)格；股票市場；時(shí)變Copula；非參數(shù)方法；尾部相關(guān)性

一、引 言

隨著全球經(jīng)濟(jì)的高速發(fā)展以及工業(yè)化進(jìn)程不斷深入，能源市場和金融市場的聯(lián)系越來越密切，能源經(jīng)濟(jì)學(xué)成為了重要的研究課題。石油作為一種戰(zhàn)略資源，近年來成為規(guī)避通貨膨脹和美元疲軟風(fēng)險(xiǎn)的“黑黃金”，各國對石油的需求也不斷攀升。石油成為名符其實(shí)的“經(jīng)濟(jì)血液”，其價(jià)格直接反映一個(gè)國家的經(jīng)濟(jì)變動(dòng)狀況與趨勢。在經(jīng)濟(jì)金融領(lǐng)域，股票素有市場經(jīng)濟(jì)發(fā)展的“晴雨表”之稱，即在市場有效的前提下，股市發(fā)揮著市場經(jīng)濟(jì)預(yù)測的功能。股票價(jià)格也是經(jīng)濟(jì)金融研究中重要的信息變量。所以，石油價(jià)格與股票市場之間應(yīng)存在密切的關(guān)聯(lián)性。

目前，學(xué)術(shù)界關(guān)于油價(jià)變化對股票市場的影響，并沒有得出一致的結(jié)論。Apergis和Miller使用8個(gè)發(fā)展中國家作為研究樣本，得出石油價(jià)格變動(dòng)對于股票市場并沒有顯著影響[1]。相反，Park和Ratti以美國與13個(gè)歐洲國家為樣本，結(jié)果顯示石油價(jià)格的波動(dòng)對股票的收益率有顯著的影響，且對于石油進(jìn)口國和石油出口國的影響有所不同[2]。Cong和Wei使用VAR模型分析石油價(jià)格對中國股市的影響，發(fā)現(xiàn)其影響并不十分顯著[3]。Miller和Ratti利用VECM模型對石油價(jià)格和股票市場之間的長期相關(guān)性進(jìn)行研究，得出在不同時(shí)期石油價(jià)格和股票之間相關(guān)性的大小是不同的結(jié)論[4]。Reboredo和Ugolini等應(yīng)用分位點(diǎn)回歸方法研究石油和股票市場相關(guān)性，發(fā)現(xiàn)在金融危機(jī)期間的相關(guān)性更加顯著[5]。國內(nèi)學(xué)者也做過相關(guān)研究，金洪飛和金犖采用VAR-GARCH模型研究發(fā)現(xiàn)中國股票市場與國際石油價(jià)格之間不存在相關(guān)關(guān)系[6]。孫晨輝和李富有應(yīng)用Logistic模型也進(jìn)行了相關(guān)研究[7]。李素芳和朱慧明應(yīng)用石油與股市之間的非對稱效應(yīng)，指出石油和研究對象中的各國股市存在著格蘭杰因果關(guān)系[8]。但是正是運(yùn)用這些研究方法，他們往往假設(shè)資產(chǎn)收益率服從正態(tài)分布，那么這些方法就存在著不可避免的局限性。而金融數(shù)據(jù)往往是非線性的，具有非對稱相依關(guān)系，存在著尖峰厚尾、時(shí)變偏斜和波動(dòng)聚類等特點(diǎn)。此外，他們也無法捕捉到數(shù)據(jù)的非線性相關(guān)性或尾部收益率曲線的變化。

與上述的方法比較，Copula方法更為適合研究二者之間的動(dòng)態(tài)相關(guān)性。Copula函數(shù)既不要求資產(chǎn)收益是否符合正態(tài)分布這個(gè)前提假設(shè)條件，也不拘泥于聯(lián)合分布函數(shù)是否符合橢圓分布，可以建立一個(gè)更有效的聯(lián)合分布。Schweizer和Sklar提出了Copula函數(shù)方法[9]，Embreehts和McNeil較早地將Copula理論應(yīng)用到金融數(shù)據(jù)的分析上[10]。Riadh等運(yùn)用Copula-GARCH的方法研究石油和匯率間的相關(guān)關(guān)系[11]。但這些Copula方法都基于常系數(shù)方法，假定相依結(jié)構(gòu)不隨時(shí)間變化而發(fā)生變化[11]。Patton最先研究時(shí)變Copula模型，使用條件Copula對研究匯率之間的相關(guān)性建模，并發(fā)現(xiàn)它們的相關(guān)性是隨時(shí)間變化且呈現(xiàn)非對稱的[12]。Chen和Fan提出半?yún)?shù)Copula函數(shù)理論，使用經(jīng)驗(yàn)分布代替假設(shè)的邊緣分布以減少估計(jì)計(jì)算產(chǎn)生的誤差[13]。Riadh等使用時(shí)變Copula來測量石油價(jià)格沖擊對東歐六國的影響[14]。以上研究主要是檢測相關(guān)系數(shù)是否逐漸增大，依此來說明兩個(gè)市場之間的關(guān)系，忽視對相關(guān)程度以及變化趨勢的分析。

還有一些研究引入時(shí)變Copula方法，通常假設(shè)參數(shù)演變方程或固定數(shù)據(jù)窗口，但金融市場之間的相依結(jié)構(gòu)具有相當(dāng)?shù)牟淮_定性以及復(fù)雜性，因此，估計(jì)時(shí)變系數(shù)時(shí)會(huì)帶來較大的偏差。Hafner和Reznikova提出用非參數(shù)時(shí)變Copula方法來研究石油市場與股票市場之間的動(dòng)態(tài)相關(guān)性和變化趨勢[15]。龔金國和時(shí)代敏進(jìn)一步給出了非參數(shù)時(shí)變Copula模型的非參數(shù)估計(jì)算法[16]。這些償試給本研究提供了借鑒和啟示。本文應(yīng)用非參數(shù)時(shí)變Copula方法，研究了布倫特原油FOB現(xiàn)貨價(jià)格與全球6個(gè)股票市場的相關(guān)關(guān)系，發(fā)現(xiàn)原油價(jià)格和股指的收益率間的尾部相關(guān)系數(shù)隨著時(shí)間變化而變化，在經(jīng)濟(jì)動(dòng)蕩時(shí)期或金融危機(jī)期間，其相關(guān)性顯著增強(qiáng)。研究能源信息變量和金融信息變量的關(guān)系，有利于規(guī)避能源金融風(fēng)險(xiǎn)，幫助投資者優(yōu)化全球資產(chǎn)配置，提高風(fēng)險(xiǎn)管理水平。

二、理論方法

1.Copula函數(shù)與Sklar定理

Copula函數(shù)也稱連接函數(shù)，是利用邊緣分布來確定其聯(lián)合分布的數(shù)學(xué)方法，可用來描述隨機(jī)變量的非線性關(guān)系以及度量隨機(jī)變量之間的相關(guān)程度和相依機(jī)制。

定理1(Sklar定理)：設(shè)隨機(jī)向量(X1,…,Xp)的聯(lián)合分布函數(shù)為具有邊緣分布F1,…,Fp的聯(lián)合分布，則存在CouplaC：[0,1]p→[0,1],使得對所有隨機(jī)變量Xi，滿足F(X1,…,Xp)=C(F1(x1),…,Fp(xp))。

2.時(shí)變Copula函數(shù)

假定隨機(jī)變量(X,Y)的聯(lián)合分布函數(shù)為H(x,y)，其邊緣分布分別是F(x)和G(x)，樣本觀察值為(xt,yt)。根據(jù)Sklar定理，那么有H(x,y)=C(F(x),G(y))成立，其聯(lián)合密度函數(shù)為H(x,y)=C12[F(x),G(y)]f(x)g(x)。

作為一種重要的阿基米德Copula函數(shù)，Gumbel Copula能夠準(zhǔn)確地描述收益率之間的相依結(jié)構(gòu)。二元Gumbel Copula的函數(shù)形式如(1)所示：

(1)

3.時(shí)變Copula的非參數(shù)估計(jì)

本文采用非參數(shù)建模方法對時(shí)變Copula函數(shù)的參數(shù)進(jìn)行估計(jì)。我們直接將時(shí)變參數(shù)看作時(shí)間t的一個(gè)非參數(shù)函數(shù)，這樣就不需要對時(shí)變尾部相關(guān)系數(shù)做出任何假設(shè)，避免了演化方程中的繁瑣計(jì)算，從而達(dá)到對時(shí)變Copula模型的時(shí)變參數(shù)進(jìn)行建模的目的。文中我們直接采用經(jīng)驗(yàn)分布函數(shù)將(xi,yi)轉(zhuǎn)化為(F(xi),G(yi))來對Copula參數(shù)進(jìn)行估計(jì)。假設(shè)Copula的參數(shù)α是時(shí)間的函數(shù)，且至少二階可導(dǎo)，α(t)是時(shí)間t的線性函數(shù)。因此，局部似然函數(shù)就可以表示為：

(2)

(3)

4.光滑參數(shù)h的選擇

在非參數(shù)的估計(jì)過程中，光滑參數(shù)h的選擇是非常重要的，光滑參數(shù)的選擇直接關(guān)系到參數(shù)估計(jì)的確定性與穩(wěn)定性。在通常情況下，利用核函數(shù)時(shí)都應(yīng)用最小積分均方誤差(MISE)來確定最優(yōu)窗寬，而由于本文所研究的局部極大似然估計(jì)中此方法不能得出確切結(jié)果，因此，我們采用的龔金國等所給出最大似然函數(shù)法[13]。給定光滑參數(shù)h的取值集合Ωh，然后使每一個(gè)集合點(diǎn)hi且hi∈Ωh，在樣本觀測值的經(jīng)驗(yàn)分布函數(shù)(F(xi),G(xi))條件下根據(jù)(3)式計(jì)算時(shí)變參數(shù)α(τ,hi)得到hi時(shí)對數(shù)似然函數(shù)值：

(4)

因此，每一個(gè)可能的hi都得到了相應(yīng)的L(hi)，那么找到最優(yōu)的窗hopt方法，可以通過極大化(4)式所得到，即：

(5)

5.尾部相關(guān)系數(shù)

尾部相關(guān)系數(shù)是Copula理論當(dāng)中的重要內(nèi)容，它表示一個(gè)觀測變量出現(xiàn)極值情況下，另一個(gè)變量也出現(xiàn)極值的概率。尾部相關(guān)系數(shù)可以較好地測度極端事件發(fā)生時(shí)金融市場的關(guān)聯(lián)性。

定義2(上尾和下尾相依)：設(shè)隨機(jī)變量X和Y的分布分別為F和G，

(6)

若(6)存在，λu稱為X和Y的上尾相依系數(shù)。若λu∈[0,1]，稱X和Y上尾漸相依；若λu=0，稱X和Y上尾漸近獨(dú)立。類似的，

(7)

若(7)存在，則稱λl為X和Y的上尾相依系數(shù)。

三 、數(shù)據(jù)描述

本文選用布倫特原油FOB現(xiàn)貨價(jià)格(Brent Spot Price FOB)代表國際石油價(jià)格。這是因?yàn)榕c國際WTI原油價(jià)格相比，全球有超過60%的石油貿(mào)易是參照布倫特原油進(jìn)行定價(jià)的，且布倫特原油的供應(yīng)相對穩(wěn)定，受當(dāng)?shù)赜绊懸蛩貥O小。為了盡可能全面反映股市的波動(dòng)情況，本文選取全球6個(gè)具有代表性的國家(或地區(qū))的股票價(jià)格指數(shù)，分別為：美國S&P500指數(shù)、滬深300指數(shù)、日經(jīng)指數(shù)、KOSPI指數(shù)、FTSE100指數(shù)、滬深300指數(shù)和DAX指數(shù)，以此分別代表美國、中國、日本、韓國、英國和德國的股票市場狀況。考慮到2008年美國次貸危機(jī)引發(fā)的全球金融危機(jī)和后續(xù)發(fā)生的歐債危機(jī)，本文選取樣本的區(qū)間為2006年1月1日至2016年1月1日，包括了石油價(jià)格及股票指數(shù)的大幅動(dòng)蕩期。采用各股指的對數(shù)收益率反映股價(jià)變化，計(jì)算方法為：Rt=ln(pt)-ln(pt-1)。其中，Rt表示指數(shù)對數(shù)收益率，pt表示t時(shí)期的市場指數(shù)。由于不同國家在節(jié)假日上的差異，剔除了交易日不匹配的數(shù)據(jù)，以得到在時(shí)間上一致的序列數(shù)據(jù)。

表1顯示了石油價(jià)格和各國指數(shù)對數(shù)收益率的描述性統(tǒng)計(jì)量?？芍?，除日本外，石油價(jià)格和各國股指序列的平均收益率序列都是呈正的，均值都非常接近于0。標(biāo)準(zhǔn)差反映著收益率序列的離散程度，都在1.5左右。S&P500指數(shù)、滬深300指數(shù)、日經(jīng)225指數(shù)、KOSPI指數(shù)、FTSE100指數(shù)和DAX指數(shù)的偏度系數(shù)明顯小于0，表明它們的收益率都是左偏的。另外，所有的股指收益率的峰度系數(shù)都不顯著為0，可見收益率序列都呈尖峰厚尾的特征，收益率序列不能很好地由正態(tài)分布擬合。J-B統(tǒng)計(jì)量也在至少99%的置信水平上拒絕了序列為正態(tài)分布的假設(shè)。

表1 Brent價(jià)格與各國指數(shù)對數(shù)收益率描述性統(tǒng)計(jì)

注：石油價(jià)格和各國股指數(shù)據(jù)均來源于Wind數(shù)據(jù)庫，使用R軟件數(shù)據(jù)處理，下同。

四、實(shí)證分析

1.Copula函數(shù)的擬合

本節(jié)使用Gumbel Copula函數(shù)模型擬合布倫特原油價(jià)格與各國股指收益率。Gumbel Copula并不要求收益率序列具有對稱的上下尾相依結(jié)構(gòu)，它能夠準(zhǔn)確地描述上尾相依結(jié)構(gòu)，且其參數(shù)與尾部相關(guān)系數(shù)具有對應(yīng)的函數(shù)關(guān)系，因而更適合對尾部相關(guān)結(jié)構(gòu)的建模。經(jīng)過實(shí)證結(jié)果發(fā)現(xiàn)，收益率之間的相依結(jié)構(gòu)可以被Gumbel Copula很好地?cái)M合，擬合效果優(yōu)勝于其他阿基米德Copula類。在許多研究中也都被證實(shí)Gumbel Copula能夠最好地用來擬合收益率之間的相依結(jié)構(gòu)。之后對Copula擬合優(yōu)度進(jìn)行了檢驗(yàn)，具體結(jié)果見表2。

表2 Brent價(jià)格與各國指數(shù)收益率Gumbel Copula擬合結(jié)果

2.擬合結(jié)果分析

在此，將使用式(2)、(3)給出的局部極大似然估計(jì)方法來對布倫特原油價(jià)格與各國指數(shù)收益率之間的時(shí)變Copula參數(shù)進(jìn)行估計(jì)。由于過于精細(xì)的時(shí)間刻度τ沒有實(shí)際經(jīng)濟(jì)意義，所以本文基于每個(gè)交易日計(jì)算一個(gè)Copula參數(shù)值，這樣也可以近似將Copula參數(shù)看作是關(guān)于時(shí)間的平滑函數(shù)。估計(jì)時(shí)需要選擇適合的窗寬hopt，通過程序計(jì)算最優(yōu)窗寬為100個(gè)交易日。在計(jì)算出每個(gè)時(shí)間點(diǎn)的Gumbel Copula參數(shù)值α(τ)后，計(jì)算出每個(gè)交易日的上尾相依系數(shù)λ(u)(t)。本文將此時(shí)間區(qū)間內(nèi)尾部相關(guān)系數(shù)的平均值大小作為衡量相關(guān)性大小的方法。根據(jù)度量上尾相依系數(shù)λ(u)(t)的大小及變化趨勢來進(jìn)行石油價(jià)格和股票市場的相關(guān)性分析。因?yàn)镚umbel Copula度量的是上尾相關(guān)系數(shù)，所以將對數(shù)收益率取負(fù)號進(jìn)行建模，從而可以研究股票指數(shù)收益率的下尾相關(guān)系數(shù)的變化。

圖1 各國指數(shù)與Brent原油收益率之間尾部相關(guān)系數(shù)

圖1顯示了使用Gumbel Copula模型擬合的布倫特原油價(jià)格與各指數(shù)收益率之間的尾部相關(guān)系數(shù)的變化趨勢?？梢钥吹?，石油價(jià)格和指數(shù)之間的尾部相關(guān)系數(shù)是隨著時(shí)間變化而變化的，且石油與各國指數(shù)間的Copula尾部相關(guān)系數(shù)的變化具有相似的特征。在2007年7月次貸危機(jī)爆發(fā)之前，原油價(jià)格與各國指數(shù)收益率尾部相關(guān)系數(shù)都在0.1左右，這表明在金融危機(jī)發(fā)生之前二者之間的尾部相依程度很弱，可以認(rèn)為兩者間幾乎沒有相關(guān)性。隨著金融危機(jī)的蔓延，全球經(jīng)濟(jì)的持續(xù)下滑抑制了經(jīng)濟(jì)的增長，也減少了潛在的和現(xiàn)有的消費(fèi)者對石油的需求。經(jīng)濟(jì)基本面的危機(jī)也導(dǎo)致原油生產(chǎn)資金方面的壓力，隨之原油價(jià)格短時(shí)間內(nèi)急劇下跌。在2008年9月15日，美國第五大投資銀行雷曼兄弟公司陷入嚴(yán)重財(cái)務(wù)危機(jī)并宣布申請破產(chǎn)，由此標(biāo)志著次貸危機(jī)達(dá)到了最高潮。次貸危機(jī)發(fā)生后，石油價(jià)格和各國股指收益率間的尾部相關(guān)系數(shù)急劇增加，并且相對于之前的時(shí)間都到達(dá)了一個(gè)高點(diǎn)。例如，原油價(jià)格和美國標(biāo)普500指數(shù)的尾部相關(guān)系數(shù)增長顯著，從0上升到了0.5，之后保持在了一個(gè)相對較高的水平；原油價(jià)格和滬深300指數(shù)的尾部相關(guān)系數(shù)也從0上升至0.25。從圖1可以看出，石油價(jià)格和美國標(biāo)普500指數(shù)的尾部相依系數(shù)增長幅度最大，而亞洲國家股指的上尾相依系數(shù)增長幅度相對較小，石油價(jià)格與其他歐洲國家股指間的尾部相關(guān)系數(shù)漲幅則介于美國標(biāo)普500指數(shù)與滬深300指數(shù)之間。隨著次貸危機(jī)影響的逐漸消退，世界經(jīng)濟(jì)面逐漸向好，石油和各國股指的收益率間尾部相關(guān)系數(shù)都有著一定幅度的下降，但隨著2012年歐債危機(jī)逐漸激化，上尾相關(guān)系數(shù)又逐漸增加形成一個(gè)新的峰值，并且這樣的趨勢在美國、英國、德國指數(shù)的走勢圖中顯示的更加明顯。在2014年最后一季度至2016年，石油價(jià)格持續(xù)下跌，從100美元跌至40美元，幅度較大。2015年6月開始，中國股市發(fā)生了持續(xù)性暴跌的股災(zāi)，進(jìn)而影響了全球股市。在此期間，石油價(jià)格與各國股指間的尾部相關(guān)系數(shù)也迅速增加，但整體增長幅度小于金融危機(jī)期間的增幅。

這也與實(shí)際情況相一致，金融危機(jī)對美國的經(jīng)濟(jì)影響最大，歐洲的國家影響次之，亞洲國家特別是中國所受影響相對最小。IEA(國際能源機(jī)構(gòu))認(rèn)為，2009年世界石油價(jià)格是對需求預(yù)期的響應(yīng)，無論作為生產(chǎn)者、消費(fèi)者，還是經(jīng)營者都在尋找世界經(jīng)濟(jì)何時(shí)恢復(fù)，將以什么樣的形態(tài)恢復(fù)，以及對石油的需求會(huì)如何上漲。金融危機(jī)爆發(fā)之后的2009年，布倫特石油價(jià)格從1月的每桶45美元上升至12月的每桶78美元，原油價(jià)格的上漲，帶來了一些經(jīng)濟(jì)復(fù)蘇的明確信號。之后隨著次貸危機(jī)影響的減弱和經(jīng)濟(jì)的復(fù)蘇，原油價(jià)格和股指收益率之間的尾部相關(guān)系數(shù)有下降的趨勢，甚至一些國家出現(xiàn)了不小幅度的回落。以2009年10月19日三大評級公司下調(diào)對希臘的主權(quán)債務(wù)評級為標(biāo)志，歐債危機(jī)呈逐漸蔓延之勢。隨著歐債危機(jī)的爆發(fā)，石油價(jià)格和指數(shù)的收益率之間的尾部相關(guān)系數(shù)也再度上升至前期高點(diǎn)，幾乎超越次貸危機(jī)時(shí)期水平且在2010年達(dá)到了一個(gè)新的高度。之后的一段時(shí)間內(nèi)，原油價(jià)格和股指的收益率的上尾相依系數(shù)起起伏伏，總體呈下降趨勢。這可以解釋為，歐債危機(jī)對石油市場和金融市場的沖擊是長期性的，影響至今也未完全消除?？傮w來說，原油價(jià)格和股指的收益率尾部相關(guān)系數(shù)是隨著時(shí)間變化而變化的，并且隨著全球金融危機(jī)蔓延，它們會(huì)持續(xù)增長，這說明它們在經(jīng)濟(jì)動(dòng)蕩時(shí)期收益率相關(guān)性更強(qiáng)。

五、結(jié) 論

從上述實(shí)證結(jié)果可以看出本文運(yùn)用的方法是比較有效的，應(yīng)用非參數(shù)時(shí)變Copula方法并且以時(shí)變尾部系數(shù)作為相關(guān)性大小變化趨勢的度量方法，很好地捕捉到了原油和股指的收益率間的非線性和非對稱關(guān)系?，F(xiàn)有的很多文獻(xiàn)均研究了石油價(jià)格與股票市場的相關(guān)關(guān)系，但它們往往局限于相依結(jié)構(gòu)是靜態(tài)常系數(shù)或者是線性的，從而導(dǎo)致對市場相依結(jié)構(gòu)的測度結(jié)果存在著或多或少的偏差。

實(shí)證分析結(jié)果顯示，原油價(jià)格和股指的收益率尾部相關(guān)系數(shù)隨著時(shí)間變化而變化，并且在經(jīng)濟(jì)動(dòng)蕩時(shí)期或危機(jī)期間相關(guān)性顯著增強(qiáng)。升高的尾部相關(guān)系數(shù)也表明，石油價(jià)格和股指收益率同時(shí)出現(xiàn)負(fù)收益的概率在危機(jī)期間也會(huì)顯著增加。此外，在兩次金融危機(jī)期間石油市場和股票市場間還存在著Forbes和Rigobon所定義的傳染效應(yīng)[17]，這也與Wen的實(shí)證研究結(jié)果相符合[15]。與次貸危機(jī)期間相比，石油和股票市場間的傳染效應(yīng)在歐債危機(jī)期間有所增強(qiáng)，并呈現(xiàn)長期化和復(fù)雜化的特征。通過研究危機(jī)期間石油和金融市場間的尾部相關(guān)系數(shù)，可以度量它們之間的相關(guān)程度及變化趨勢。在能源經(jīng)濟(jì)學(xué)的研究中，研究能源信息變量與金融信息變量之間的關(guān)系是促進(jìn)兩大產(chǎn)業(yè)共同發(fā)展的前提，此舉有助于對市場做出預(yù)測，并有效地規(guī)避潛在的金融風(fēng)險(xiǎn)。通過研究金融危機(jī)期間石油和金融市場間的尾部相關(guān)系數(shù)，可以度量它們之間的相關(guān)程度及變化趨勢。這可以幫助投資者關(guān)注到不同市場間的聯(lián)動(dòng)風(fēng)險(xiǎn)，重視投資的風(fēng)險(xiǎn)管理，優(yōu)化投資組合投資，并且也會(huì)得出一些有益于監(jiān)管層的政策建議。對投資者而言，一是傳染效應(yīng)的存在意味著石油和金融多元化的相關(guān)投資組合利益將減少；二是忽略時(shí)變的尾部相關(guān)性可能導(dǎo)致對投資風(fēng)險(xiǎn)的低估。對監(jiān)管層而言，一是監(jiān)管機(jī)構(gòu)應(yīng)減緩金融化進(jìn)程的步驟，減少不良波動(dòng)溢出效應(yīng)的出現(xiàn)；二是石油進(jìn)口國應(yīng)合理地進(jìn)行石油儲存，減少對石油進(jìn)口的過度依賴，并注重采用創(chuàng)新節(jié)能技術(shù)。本文通過應(yīng)用非參數(shù)時(shí)變Copula的尾部相關(guān)系數(shù)對石油價(jià)格與股票市場的相關(guān)性進(jìn)行研究，但這方面目前所做的工作還是遠(yuǎn)遠(yuǎn)不夠的，樣本的選取還應(yīng)該更多，且應(yīng)該償試使用多種度量方法進(jìn)行比較研究，在今后的研究中會(huì)加以改進(jìn)與提升。

[1] APERGIS N，MILLER S M.Do structural oil-market shocks affect stock prices?[J].Energy Economics，2009，31(4)：569-575.

[2] PARK J，RATTI R A.Oil price shocks and stock markets in the US and 13 European countries[J].Energy Economics，2008，30(5)：2587-2608.

[3] CONG R G，WEI Y M，JIAO J L，etal.Relationships between oil price shocks and stock market：an empirical analysis from China[J].Energy Policy，2008，36(9)：3544-3553.

[4] MILLER J I，RATTI R A.Crude oil and stock markets：stability，instability，and bubbles[J].Energy Economics，2009，31(4)：559-568.

[5] REBOREDO J C，UGOLINI A.Quantile dependence of oil price movements and stock returns[J].Energy Economics，2016，54(5)：33-49.

[6] 金洪飛，金犖.石油價(jià)格與股票市場的溢出效應(yīng)——基于中美數(shù)據(jù)的比較分析[J].金融研究，2008,30(2):83-97.

[7] 孫晨輝，李富有.民間金融與正規(guī)金融的比較優(yōu)勢與均衡發(fā)展——基于 Logistic模型的研究[J].大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)，2014，(1):81-85.

[8] 李素芳，朱慧明，李榮.基于貝葉斯機(jī)制轉(zhuǎn)換協(xié)整模型的石油——股市非對稱效應(yīng)研究[J].中國管理科學(xué)，2015，23(9):46-54.

[9] SCHWEIZER B，SKLAR A.Probabilistic Metric Spaces[M].New York：Courier Corporation，2011.

[10] EMBRECHTS P,MCNEILA,STRAUMANN D.Correlation and Dependence in Risk Management：Properties and Pitfalls[A].DEMPSTERA H.Risk Management Value at Risk & Beyond[C].New York：Cambridge University Press，2001:176-223.

[12] PATTON A J.Modelling asymmetric exchange rate dependence[J].International Economic Review，2006，47(2):527-556.

[13] CHEN X，F(xiàn)AN Y.Estimation and model selection of semiparametric copula-based multivariate dynamic models under copulamisspecification[J].Journal of Econometrics，2006，135(1):125-154.

[14] ALOUI R，HAMMOUDEH S，NGUYEN D K.A time-varying copula approach to oil and stock market dependence：the case of transition economies[J].Energy Economics，2013，39(12):208-221.

[15] HAFNER C M，REZNIKOVA O.Efficient estimation of a semiparametric dynamic copula model[J].Computational Statistics & Data Analysis，2010，54(11):2609-2627.

[16] 龔金國，史代敏.時(shí)變 Copula 模型的非參數(shù)推斷[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011，28(7)：137-150.

[17] FORBES K J，RIGOBON R.No contagion，only interdependence：measuring stock market comovements[J].The journal of Finance，2002，57(5):2223-2261.

AnalysisoftheDynamicCorrelationbetweenCrudeOilandStockMarkets

LIBowen1，BAShusong1,2，WEIWei3

(1.SchoolofManagement，UniversityofScienceandTechnologyofChina，Hefei230026，China；2.ChinaBankingAssociation，Beijing100033，China；3.ShanghaiStockExchange，Shanghai200120，China)

The correlation between energy variables and financial variables is a key issue in energy economics.In this paper,we employ the non-parametric Time-varying Copula approach to investigate the dynamic between the Brent crude oil price and stock markets,and have found the relationship between oil and stock markets is time-varying.By measuring the tail dependence coefficient,its increase shows that the dynamic relation between the two variables became strong in the economic turmoil and financial crisis.The empirical results have important implications for portfolio diversification and risk management.

Oil price； Stock market； Time-varying Copula； Non-parametric method； Tail dependence

10.19525/j.issn1008-407x.2017.04.006

F830.9

A

1008-407X(2017)04-0040-06

2016-03-10;

2016-05-22

國家自然科學(xué)基金重點(diǎn)項(xiàng)目：“復(fù)雜縱向數(shù)據(jù)的統(tǒng)計(jì)推斷”(11231010)

酈博文(1992-)男，陜西西安人，中國科學(xué)技術(shù)大學(xué)管理學(xué)院博士研究生，主要從事金融風(fēng)險(xiǎn)管理與非參數(shù)統(tǒng)計(jì)研究，E-mail：leefeng92@163.com；巴曙松(1969-)，男，湖北新洲人，教授，博士生導(dǎo)師，主要從事金融機(jī)構(gòu)風(fēng)險(xiǎn)監(jiān)管研究；韋偉(1989-)，男，安徽合肥人，碩士，研究方向?yàn)榻鹑诠こ獭?/p>