我國能源金融市場風(fēng)險評價及影響因素分析
——基于主成分分析法的月度實證結(jié)果

張克欽

（中國石油大學(xué)（華東）經(jīng)濟(jì)管理學(xué)院 山東青島 266580）

引言

2020年4月發(fā)生的“原油寶”事件引起全國關(guān)注，大量投資者蒙受巨額損失。雖然該事件中銀行的風(fēng)控措施失靈可能是損失產(chǎn)生的直接原因，但這次事件也使得能源金融的高風(fēng)險特性成為人們關(guān)注的重點。我國已經(jīng)成為世界第一大能源消費(fèi)國和第一大原油、天然氣進(jìn)口國，巨量的能源進(jìn)口在推動我國經(jīng)濟(jì)發(fā)展的同時也帶來了一定的潛在風(fēng)險。不斷加深的對外依存度、不完善的能源市場、不夠合理的能源資源配置、不夠有效的定價機(jī)制都是我國能源領(lǐng)域目前存在的問題（林伯強(qiáng)，2014）。能源金融的發(fā)展在為能源市場參與方提供了新的規(guī)避風(fēng)險工具的同時，也讓能源金融市場風(fēng)險的影響更加多元復(fù)雜。目前，對于能源金融市場風(fēng)險研究成果比較少，尤其是對我國能源金融市場風(fēng)險的時序特征分析、影響因素分析、指標(biāo)選取和數(shù)據(jù)處理方面還有進(jìn)一步完善的空間。因此，在我國經(jīng)濟(jì)深度融入世界經(jīng)濟(jì)的今天，準(zhǔn)確評價我國能源金融市場風(fēng)險和研究其影響因素，在理論和實踐上都具有非常重要的意義。

本文梳理過往研究成果，從宏觀經(jīng)濟(jì)和市場波動兩方面選取評價指標(biāo)，運(yùn)用主成分分析法和日度極差方差法構(gòu)建我國能源金融市場風(fēng)險評價模型，得到2002年1月-2020年12月每月我國能源金融市場風(fēng)險指數(shù)，旨在分析加入世界貿(mào)易組織以來我國能源金融市場風(fēng)險的時間序列波動特征以及影響因素，為我國防范能源金融風(fēng)險提供一定的參考。本文研究結(jié)果表明：與過往部分研究結(jié)果有所不同，本文發(fā)現(xiàn)我國能源金融市場風(fēng)險總體呈現(xiàn)出易受重大事件影響的平穩(wěn)時間序列狀態(tài)，我國能源金融市場風(fēng)險的預(yù)警應(yīng)當(dāng)注重對國際重大事件的研判而非對過往數(shù)據(jù)的純粹計量預(yù)測結(jié)果；金融市場類指標(biāo)代表的價格波動風(fēng)險對于我國能源金融市場風(fēng)險指數(shù)影響最大，且在不同時期各市場指標(biāo)貢獻(xiàn)程度排名并不相同，而我國能源供需規(guī)模增長的影響則較小。本文為研究我國能源金融市場風(fēng)險提供了新的方法和視角，對提高我國能源金融市場風(fēng)險防范能力、保障我國能源安全具有一定的參考價值。

本文具體結(jié)構(gòu)安排如下：第一部分為引言；第二部分為文獻(xiàn)回顧及本文創(chuàng)新點；第三部分為指標(biāo)選擇與研究方法；第四部分為模型構(gòu)建與樣本數(shù)據(jù)描述；第五部分為實證結(jié)果與分析，主要包括靜態(tài)影響因素及風(fēng)險指數(shù)時間序列分析、平穩(wěn)性檢驗、動態(tài)影響因素分析和穩(wěn)健性檢驗；最后在第六部分本文基于分析結(jié)果進(jìn)行總結(jié)并提出政策建議。

一、文獻(xiàn)回顧與研究創(chuàng)新

近年來，金融風(fēng)險成為金融領(lǐng)域的研究重點。金融風(fēng)險的研究內(nèi)容很廣泛，主要的研究熱點包括金融風(fēng)險度量及預(yù)警、金融風(fēng)險傳染等。Hart和Zingales （2011）將金融風(fēng)險定義為極端事件如金融機(jī)構(gòu)倒閉或者金融市場崩潰在金融體系內(nèi)不斷擴(kuò)散并沖擊相應(yīng)的實體經(jīng)濟(jì)。目前主要的研究方法有網(wǎng)絡(luò)分析方法（李政，2016）、條件風(fēng)險價值CoVaR（Adrian和Brunnermeier，2016）、Copula模型（劉曉星等，2011；李叢文和閆世軍，2015）等。此外，還有一些學(xué)者通過研究各金融機(jī)構(gòu)之間風(fēng)險傳染的路徑、范圍及影響大小進(jìn)而度量金融系統(tǒng)性風(fēng)險（隋聰?shù)龋?016；Gofman，2017；胡宗義等，2018）?？偟膩碚f，金融風(fēng)險研究的主體大多仍為股票市場等傳統(tǒng)金融市場以及銀行等傳統(tǒng)金融行業(yè)，對于能源金融市場風(fēng)險的關(guān)注較少。

能源金融領(lǐng)域中，目前大部分研究集中在特定行業(yè)的能源金融風(fēng)險。李凱風(fēng)等（2013）通過BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測我國2011年各季度煤炭行業(yè)金融安全形勢得分；李凱風(fēng)等（2014）采用AHP層次分析法和BP神經(jīng)網(wǎng)絡(luò)方法比較太陽能、核能、地?zé)崮?、風(fēng)能及生物能的金融運(yùn)行狀況；王新霞等（2016）使用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)（GABP）對2015年我國油氣、煤炭和電力行業(yè)金融風(fēng)險進(jìn)行預(yù)測。在目前研究中對我國整體能源金融風(fēng)險的評價和預(yù)警的研究較少。王淑貞等（2011）運(yùn)用模糊綜合評價法度量我國1995-2008年每年能源風(fēng)險預(yù)警系數(shù)并進(jìn)行預(yù)測；李麗紅（2015）運(yùn)用主成分分析法分析了2002-2013年我國各年度能源金融市場風(fēng)險強(qiáng)度并通過ARMA預(yù)測了下一年風(fēng)險強(qiáng)度。綜上可以發(fā)現(xiàn)，目前相關(guān)研究主要存在以下問題：第一，對整體能源金融市場風(fēng)險的關(guān)注比較少；第二，大多考察未來風(fēng)險的預(yù)測，但對于風(fēng)險形成的影響因素并沒有深入分析；第三，分析結(jié)果主要以年為時間單位且時間跨度較短，對風(fēng)險變化缺乏比較完整的梳理；第四，部分文獻(xiàn)的指標(biāo)選取簡單化，測度市場價格風(fēng)險方面忽視了對波動性的度量。

基于此，本文的創(chuàng)新點主要在以下幾個方面：第一，創(chuàng)新性地從宏觀經(jīng)濟(jì)風(fēng)險與市場波動風(fēng)險兩方面選取能源金融市場風(fēng)險評價模型的各項指標(biāo)，一方面強(qiáng)調(diào)了金融市場價格波動造成的風(fēng)險，另一方面也將宏觀經(jīng)濟(jì)、市場規(guī)模情況等因素納入分析范疇，使得評價模型更加客觀全面；第二，在能源金融市場風(fēng)險研究中率先引入日度極差方差法計算價格波動，強(qiáng)調(diào)將價格波動作為市場風(fēng)險的衡量指標(biāo)；第三，采用較長時間跨度（2002-2020年）的月度數(shù)據(jù)作為樣本，得到我國能源金融市場風(fēng)險指數(shù)月度時間序列，對我國能源金融市場風(fēng)險進(jìn)行更精準(zhǔn)的刻畫和梳理，發(fā)現(xiàn)我國能源金融市場風(fēng)險呈現(xiàn)出易受重大事件影響的平穩(wěn)時間序列狀態(tài)，并提出一個新的觀點：對我國能源金融市場風(fēng)險的預(yù)測應(yīng)當(dāng)強(qiáng)調(diào)對國際重大事件的研判而非對過往數(shù)據(jù)的純粹計量預(yù)測結(jié)果；第四，基于主成分分析視角和時間序列視角，從靜態(tài)和動態(tài)兩方面分析我國能源金融市場風(fēng)險的影響因素，對于分析能源金融風(fēng)險來源、提高我國能源金融風(fēng)險防范能力、完善我國能源金融風(fēng)險防范體系具有一定參考價值。

二、指標(biāo)選擇與研究方法

（一）評價模型與指標(biāo)選取

目前國內(nèi)關(guān)于能源金融市場風(fēng)險評價方面的文獻(xiàn)較少，部分研究是針對特定能源領(lǐng)域進(jìn)行風(fēng)險度量。李凱風(fēng)（2013）基于專家調(diào)查法，從宏觀經(jīng)濟(jì)環(huán)境、煤炭金融融資、煤炭金融投資三方面選取指標(biāo)分析我國煤炭行業(yè)金融安全預(yù)警管理；李凱風(fēng)（2014）基于宏觀、中觀、微觀三個層面分別選取政策、技術(shù)、投融資作為風(fēng)險因素對我國新能源金融安全狀況進(jìn)行評價；李麗紅（2015）指出，能源金融市場風(fēng)險屬于中觀層面的能源金融風(fēng)險，但對于能源金融市場風(fēng)險的分析同樣需要考慮宏觀因素；何凌云（2014）指出，能源金融風(fēng)險主要包括能源實體金融和能源虛擬金融兩部分。綜上可知，對于能源金融市場風(fēng)險評價的指標(biāo)選取尚未形成統(tǒng)一的認(rèn)識和標(biāo)準(zhǔn)，但都強(qiáng)調(diào)將宏觀經(jīng)濟(jì)情況與具體領(lǐng)域情況相結(jié)合。

綜合各類文獻(xiàn)中的指標(biāo)分析，本文認(rèn)為指標(biāo)選取要考慮市場變化和宏觀經(jīng)濟(jì)形勢變化兩方面帶來的風(fēng)險。與部分文獻(xiàn)中將價格絕對值作為市場類指標(biāo)的做法不同，本文認(rèn)為以市場波動程度衡量金融市場的影響更符合現(xiàn)實情況，故以市場收益波動率度量市場類指標(biāo)。因此，本文從宏觀經(jīng)濟(jì)與市場波動角度出發(fā)選取能源供需類和金融市場類兩類指標(biāo)構(gòu)成指標(biāo)體系。除此之外，本文所選取的指標(biāo)還有以下特點：一是更大的時間跨度。2001年11月我國正式加入世界貿(mào)易組織，我國的經(jīng)濟(jì)發(fā)展與世界的聯(lián)系愈發(fā)緊密，因此將2002年作為樣本數(shù)據(jù)時間起點，而2020年的新冠肺炎疫情對于全球經(jīng)濟(jì)造成了巨大沖擊，故本文選擇2002年1月—2020年12月作為樣本數(shù)據(jù)時間范圍；二是高頻數(shù)據(jù)刻畫更加精準(zhǔn)。過往研究多采用年度數(shù)據(jù)，本文為更準(zhǔn)確描述我國能源金融市場風(fēng)險的變化情況，選擇構(gòu)建月度風(fēng)險指數(shù)。

宏觀經(jīng)濟(jì)方面，本文從我國能源供需兩方面選取相關(guān)指標(biāo)。由于過往文獻(xiàn)所采用的指標(biāo)如我國能源消費(fèi)量、能源生產(chǎn)量以及GDP均為年度或季度數(shù)據(jù)，考慮到月度數(shù)據(jù)的可獲得性與代表性，本文選擇將我國每月石油原油與成品油進(jìn)口總和作為我國能源供給指標(biāo)，將我國每月固定資產(chǎn)投資作為能源需求指標(biāo)，并將二者歸類為能源供需類指標(biāo)。相關(guān)指標(biāo)選取的穩(wěn)健性將在下文中加以論證。

市場波動方面，本文選取多個市場波動情況將其并歸類為金融市場類指標(biāo)。首先，能源市場價格波動風(fēng)險，這對能源金融安全具有直接的影響；其次，金融全球化與金融自由化的發(fā)展導(dǎo)致各金融市場間的聯(lián)系更加緊密，因此其他金融市場的價格波動對于能源金融安全也會產(chǎn)生影響。鑒于劉程程等（2020）指出股票市場的交易活躍且信息相對完備，可有效代表金融市場當(dāng)前的運(yùn)行狀態(tài)，因此本文將股票指數(shù)波動作為其他金融市場影響的代理指標(biāo)；最后，美元作為主要國際能源交易貨幣，其匯率變動對于我國能源交易具有巨大影響，因此匯率波動風(fēng)險也應(yīng)加以考慮。具體指標(biāo)選取方面，本文選取布倫特原油期貨市場收益波動率作為能源市場風(fēng)險指標(biāo)；標(biāo)普500指數(shù)收益波動率作為國際金融市場風(fēng)險指標(biāo)；美元指數(shù)收益波動率作為匯率市場風(fēng)險指標(biāo)。

綜上，本文構(gòu)建的能源金融市場風(fēng)險評價模型指標(biāo)體系如表1所示。

表1 我國能源金融市場風(fēng)險評價模型指標(biāo)體系

（二）研究方法

1． 主成分分析法

本文基于主成分分析法（principal components analysis）對指標(biāo)進(jìn)行降維處理，得到我國能源金融市場風(fēng)險評價指數(shù)。主成分分析法由Hotelling（1933）首先提出，是一種基于降維思想、在損失較少信息的前提下把多個指標(biāo)轉(zhuǎn)化為少數(shù)幾個綜合指標(biāo)的多元統(tǒng)計方法。通常將轉(zhuǎn)化后的綜合指標(biāo)稱為主成分，并且每個主成分都是互不相關(guān)的原始變量的線性組合，這樣就可以對較少的主成分進(jìn)行分析，簡化問題，提高效率。許傳華等（2012）指出主成分分析法在數(shù)據(jù)本身的基礎(chǔ)上構(gòu)造權(quán)重，具有較高的客觀性，可以避免層次分析法、評分系統(tǒng)法中出現(xiàn)的主觀性。

2． 日度極差方差法

本文借鑒Diebold和Yilmaz（2012）的方法，采用日度極差方差法計算各金融市場的收益波動率作為各金融市場類指標(biāo)的取值。日度極差方差法在使用較少數(shù)據(jù)的同時較高效率地估計市場收益波動率（Parkinson，1980），是大量經(jīng)濟(jì)學(xué)文獻(xiàn)采用的衡量市場價格波動情況的方法（Diebold和Yilmaz，2012）。具體計算方法如下：

對于t時刻的金融市場i，其日度極差方差為：

相應(yīng)的t時刻金融市場i的年化收益波動率為：

其中，Pitmax、Pitmin分別為t時刻金融市場i的最高價和最低價。

三、模型構(gòu)建與數(shù)據(jù)描述

（一）風(fēng)險評價模型構(gòu)建

我國能源金融市場風(fēng)險評價模型構(gòu)建步驟如下：第一，獲得各指標(biāo)月度原始數(shù)據(jù)。運(yùn)用日度極差方差法得到各金融市場每月平均年化收益波動率，與能源供需類指標(biāo)月度數(shù)據(jù)共同構(gòu)成指標(biāo)原始數(shù)據(jù)；第二，對所有指標(biāo)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；第三，通過主成分分析法得到各成分特征值、貢獻(xiàn)率及其各指標(biāo)的初始載荷，貢獻(xiàn)率的值表征著其對應(yīng)的成分所包含的信息量的多少，選取累計貢獻(xiàn)率超過80%的成分作為主成分；第四，將各主成分中指標(biāo)的初始載荷除以其對應(yīng)主成分特征值的平方根，再將其乘以其主成分特征值占全部主成分特征值之和的比重，得到各主成分中指標(biāo)系數(shù)后將同一指標(biāo)的系數(shù)累計求和，即得到綜合后的各指標(biāo)系數(shù)。對綜合后的各指標(biāo)系數(shù)進(jìn)行歸一化，得到最終我國能源金融市場風(fēng)險指數(shù)公式；第五，計算我國能源金融風(fēng)險指數(shù)。基于所選取的各指標(biāo)權(quán)重代入標(biāo)準(zhǔn)化處理后的各月度數(shù)據(jù)，得到2002年1月—2020年12月我國能源金融市場風(fēng)險月度指數(shù)值。

（二）統(tǒng)計描述

本文選擇2002年1月—2020年12月我國每月原油與成品油進(jìn)口總額、每月固定資產(chǎn)投資、每日布倫特原油期貨價格、每日標(biāo)普500指數(shù)、每日美元指數(shù)作為初始數(shù)據(jù)，其中每月固定資產(chǎn)投資由于每年1—2月份僅公布合計值，故采用合計值的算數(shù)平均值作為1、2月固定資產(chǎn)投資額。原油與成品油進(jìn)口總額數(shù)據(jù)來自國家海關(guān)總署；固定資產(chǎn)投資數(shù)據(jù)來自國泰安數(shù)據(jù)庫；布倫特原油期貨價格數(shù)據(jù)來自英為財情網(wǎng)站；標(biāo)普500指數(shù)、美元指數(shù)數(shù)據(jù)來自東方財富Choice金融終端，美元指數(shù)數(shù)據(jù)個別缺失值通過新浪財經(jīng)網(wǎng)站補(bǔ)充。

經(jīng)過本章前述建模步驟得到5個指標(biāo)的每月標(biāo)準(zhǔn)化數(shù)據(jù)，每個指標(biāo)有228個樣本數(shù)據(jù)，具體描述性統(tǒng)計結(jié)果如下：

1．?dāng)?shù)理統(tǒng)計信息

標(biāo)準(zhǔn)化處理后，數(shù)據(jù)樣本均值均為0，樣本方差均為1，故主要統(tǒng)計指標(biāo)最小值、最大值的結(jié)果如表2所示。

表2 各項指標(biāo)基本信息

由表2可以發(fā)現(xiàn)，金融市場類指標(biāo)（油價波動、股指波動、匯率波動）的最大值普遍較高，這說明在特定情況下金融市場價格震蕩會出現(xiàn)更高的極端情況，相較于宏觀因素指標(biāo)（石油進(jìn)口、能源消費(fèi)），金融市場相關(guān)指標(biāo)對于市場事件的反應(yīng)可能會更激烈。

2．各指標(biāo)時間序列

圖1展示的是各指標(biāo)在2002年1月—2020年12月之間每月數(shù)據(jù)時間序列，反映了數(shù)據(jù)隨時間變化的波動情況。

圖1 能源金融市場風(fēng)險評價模型各指標(biāo)時間序列圖

能源供需類指標(biāo)即石油進(jìn)口以及能源消費(fèi)都呈現(xiàn)明顯的趨勢性。2002—2019年石油進(jìn)口及能源消費(fèi)逐年增長，而2020年由于新冠肺炎疫情的影響，二者都出現(xiàn)了輕微的下降，但總體仍表現(xiàn)出增長態(tài)勢。這一方面說明隨著我國經(jīng)濟(jì)的高速發(fā)展，我國能源進(jìn)口與能源需求所呈現(xiàn)的上升趨勢使得能源金融安全的重要性愈發(fā)凸顯；另一方面也說明由于能源領(lǐng)域的產(chǎn)業(yè)鏈較長，我國能源產(chǎn)業(yè)的增長具有相當(dāng)?shù)姆€(wěn)定性，不易受到外界因素影響。另外，我國能源需求也呈現(xiàn)出規(guī)律性波動，具有較強(qiáng)的季節(jié)效應(yīng)，即夏秋季節(jié)較高、冬春季節(jié)較低。通過線性趨勢線可以看出，去除時間趨勢后，兩個指標(biāo)數(shù)據(jù)的波動并不大。

金融市場類指標(biāo)的數(shù)據(jù)則沒有明顯的趨勢性，且表現(xiàn)出較大的起伏，但并未出現(xiàn)長期偏離。這同樣說明，市場波動風(fēng)險相對來說更易受到市場環(huán)境、國際重大事件等各類因素影響。

四、實證結(jié)果與分析

（一）能源金融市場風(fēng)險靜態(tài)影響因素及風(fēng)險指數(shù)時間序列

對所得到的指標(biāo)數(shù)據(jù)進(jìn)行主成分分析，得到的結(jié)果如表3所示。根據(jù)表3，第1、2個成分的特征值均大于1，而其余成分的特征值均小于0．5，且第1、2個成分累計方差貢獻(xiàn)率為80．73%，超過80%的經(jīng)驗值標(biāo)準(zhǔn)，具有較好的信息解釋效果，故選擇第1、2個成分作為主成分。主成分的初始載荷系數(shù)如表4所示。

表3 主成分分析的結(jié)果

表4 初始載荷系數(shù)矩陣

根據(jù)模型構(gòu)建的第4步，得到綜合后的各指標(biāo)系數(shù)，結(jié)果如表5所示。由表5可以看出：橫向比較時，成分1中影響程度較高的主要是油價波動、股指波動和匯率波動，代表國際因素，而成分2中影響程度較高的為石油進(jìn)口和能源消費(fèi)，代表國內(nèi)因素；縱向比較時，油價波動具有最高權(quán)重，其次依次是股指波動、匯率波動、石油進(jìn)口、能源消費(fèi)。綜上可知，我國能源金融市場風(fēng)險受國際因素影響較大，國內(nèi)因素影響較小，且受國際油價波動影響最大。但此處各指標(biāo)的權(quán)重為靜態(tài)影響水平，而各個指標(biāo)對風(fēng)險指數(shù)的動態(tài)影響將在本章節(jié)第（三）部分作具體分析。

表5 綜合后各指標(biāo)系數(shù)

對綜合后的各指標(biāo)權(quán)重值進(jìn)行歸一化處理，得到我國能源金融市場風(fēng)險指數(shù)函數(shù)：

其中，RIi為i時刻我國能源金融風(fēng)險指數(shù)，X1i、X2i、X3i、X4i、X5i分別為i時刻的石油進(jìn)口、能源消費(fèi)、油價波動、股指波動、匯率波動指標(biāo)值。

將指標(biāo)數(shù)據(jù)帶入函數(shù)中，得到2002年1月—2020年12月我國能源金融市場風(fēng)險月度指數(shù)，其時間序列結(jié)果如圖2所示。從圖2中可以發(fā)現(xiàn)：一方面，2002—2020年我國能源金融市場風(fēng)險總體較為平穩(wěn)（時間序列的平穩(wěn)性將在本章節(jié)第二部分進(jìn)行更嚴(yán)密的論證），并未呈現(xiàn)明顯的趨勢性；另一方面，我國能源金融市場風(fēng)險在特定時期會出現(xiàn)明顯波動，可能與同時期國際能源形勢變化有關(guān)。

圖2 我國能源金融市場風(fēng)險指數(shù)時間序列圖

對我國能源金融市場風(fēng)險指數(shù)時間序列進(jìn)行具體分析：2002—2003年，由于美國發(fā)動伊拉克戰(zhàn)爭，對于國際能源格局造成較大影響，導(dǎo)致我國能源金融市場風(fēng)險上升；2004年1月—2008年5月期間，我國能源金融市場風(fēng)險穩(wěn)定在較低水平；2008年6月份開始，由于金融危機(jī)的爆發(fā)，我國能源金融市場風(fēng)險進(jìn)入上升通道， 10月達(dá)到峰值，保持高位直至2009年8月回落；2010—2012年，受歐債危機(jī)的影響，我國能源金融市場風(fēng)險出現(xiàn)了數(shù)次上升；2012—2015年，由于全球經(jīng)濟(jì)緩慢復(fù)蘇，風(fēng)險指數(shù)保持在低位水平；2016年1—2月，由于美國等西方國家解禁伊朗的原油出口以及美聯(lián)儲近十年來首次加息，國際能源及金融市場出現(xiàn)動蕩，能源金融市場風(fēng)險上升；2017—2019年，風(fēng)險指數(shù)基本保持穩(wěn)定，中美貿(mào)易摩擦導(dǎo)致國際金融市場風(fēng)險上升，但由于其涉及能源領(lǐng)域較少，故對我國能源金融市場風(fēng)險影響較??；2020年3—6月，由于新冠肺炎疫情在全球范圍的暴發(fā)，全世界經(jīng)濟(jì)陷入動蕩，導(dǎo)致能源價格波動大幅加劇，我國能源金融市場風(fēng)險急劇升高；2020年7—12月，由于全球防控新冠肺炎疫情進(jìn)入常態(tài)化，市場波動逐漸趨緩，能源金融市場風(fēng)險穩(wěn)定在較低水平。

綜上可以看出，我國能源金融市場風(fēng)險基本保持在較為平穩(wěn)的階段，但能源商品特有的戰(zhàn)略屬性讓其更易受到經(jīng)濟(jì)、政治等多方面的影響，重大國際事件尤其是2008年金融危機(jī)以及2020年新冠肺炎疫情對于我國能源金融市場安全具有明顯的沖擊。

（二）平穩(wěn)性檢驗

對風(fēng)險指數(shù)的時間序列數(shù)據(jù)進(jìn)行穩(wěn)健性檢驗，判斷其是否平穩(wěn)。圖3為風(fēng)險指數(shù)的12階自回歸和偏自回歸關(guān)系圖，由其可知風(fēng)險指數(shù)的時間序列數(shù)據(jù)的自回歸函數(shù)隨著時間的推移逐漸減小，且Q統(tǒng)計量在1%水平上顯著，初步判斷為平穩(wěn)時間序列。

圖3 風(fēng)險指數(shù)的12階自回歸和偏自回歸關(guān)系圖

為進(jìn)一步檢驗風(fēng)險指數(shù)的時間序列是否平穩(wěn)，需要對數(shù)據(jù)進(jìn)行單位根檢驗。本文采用DF檢驗、ADF檢驗、PP檢驗、DF-GLS檢驗、KPSS檢驗進(jìn)行單位根檢驗。首先進(jìn)行含趨勢項和不含趨勢項的DF檢驗，檢驗結(jié)果如表6所示，風(fēng)險指數(shù)在1%水平上拒絕“存在單位根”的原假設(shè)。

表6 DF檢驗結(jié)果

由于DF檢驗中的擾動項可能存在自相關(guān)，故考慮更高階的ADF檢驗。本文選擇使用由大到小的序貫t規(guī)則（general-to-specific sequential t rule）來確定滯后階數(shù)。首先需要確定最大滯后階數(shù)，Schwert（1989）建議取值為pmax=[12×（T/100）1/4]，其中T為樣本容量，[·]表示取整數(shù)部分。本文中風(fēng)險指數(shù)樣本容量為228，則pmax=14．745685，故取整數(shù)14作為最大滯后階數(shù)。經(jīng)過由大到小的序貫t規(guī)則最后得到滯后期p=5，含趨勢項與不含趨勢項的ADF檢驗結(jié)果如表7所示。由表7可知，不含趨勢項和含趨勢項的ADF檢驗結(jié)果表明風(fēng)險指數(shù)分別在1%和5%水平上拒絕“存在單位根”的原假設(shè)且趨勢項系數(shù)并不顯著。

表7 ADF檢驗結(jié)果

表8、表9、表10分別表示PP檢驗、DF-GLS檢驗、KPSS檢驗的檢驗結(jié)果。PP檢驗表明，風(fēng)險指數(shù)數(shù)據(jù)在1%水平上拒絕“存在單位根”的原假設(shè)；DF-GLS檢驗表明，從1-13階滯后在5%水平上拒絕“存在單位根”的原假設(shè)，大多數(shù)在1%水平上拒絕“存在單位根”的原假設(shè)；KPSS檢驗表明，大多數(shù)滯后均不顯著，由于KPSS檢驗的原假設(shè)為“平穩(wěn)序列”，故不可拒絕“平穩(wěn)序列”的原假設(shè)。

表8 PP檢驗結(jié)果

表9 DF-GLS檢驗結(jié)果

表10 KPSS檢驗結(jié)果

綜上可知，我國能源金融市場風(fēng)險的時間序列數(shù)據(jù)為平穩(wěn)時間序列，且不具有明顯的時間趨勢，但同時特定時間區(qū)間中出現(xiàn)的大幅度波動同樣值得關(guān)注。對于我國能源金融市場風(fēng)險的動態(tài)影響因素，將在下一部分進(jìn)行分析。

（三）動態(tài)影響因素分析

在本章節(jié)（一）中，基于主成分分析的結(jié)果可知，在能源金融市場風(fēng)險影響因素的靜態(tài)分析中，油價波動的權(quán)重最高，其次依次是股指波動、匯率波動、石油進(jìn)口、能源消費(fèi)，但由于在不同時期各指標(biāo)的取值并不相同，因此各指標(biāo)對風(fēng)險指數(shù)的動態(tài)貢獻(xiàn)排名可能與指標(biāo)權(quán)重并不完全相同。本文采用堆積面積圖來表現(xiàn)各指標(biāo)在不同階段對于風(fēng)險指數(shù)的貢獻(xiàn)度，以此來分析我國能源金融市場風(fēng)險指數(shù)的動態(tài)影響因素，結(jié)構(gòu)如圖4所示。

圖4 各指標(biāo)影響程度堆積面積圖

由圖4可以發(fā)現(xiàn)，對于能源金融市場風(fēng)險的主要貢獻(xiàn)來源于金融市場類的三個指標(biāo)，即油價波動、股指波動和匯率波動。雖然油價波動在風(fēng)險指數(shù)函數(shù)中的權(quán)重最高，但并不是每次風(fēng)險指數(shù)上升的主要原因都是國際油價波動的上升。例如，在伊拉克戰(zhàn)爭期間，第一次風(fēng)險大幅上升主要是因為股指波動上升，第二次則是美股指數(shù)波動和國際油價波動同時上升引起；在金融危機(jī)期間，油價波動、股指波動和匯率波動共同起作用，且美元指數(shù)在金融危機(jī)后期波動更大；在歐債危機(jī)期間，美股指數(shù)和美元指數(shù)的大幅度波動助推了風(fēng)險上升；2012—2015年期間風(fēng)險下行，主要原因也是三個金融市場類指標(biāo)的下行；而在2015—2016年的風(fēng)險峰值則主要是因為能源價格的波動上升；2017—2019年的風(fēng)險下行主要是美股指數(shù)波動較小，這與美國2017—2019年經(jīng)濟(jì)平穩(wěn)增長有一定關(guān)系；2020年3、4月份的風(fēng)險指數(shù)飆升則主要是國際油價劇烈波動引起的。另外，石油進(jìn)口與能源消費(fèi)引起的風(fēng)險對于總體風(fēng)險指數(shù)的影響很小。

綜上可以看出，無論是靜態(tài)還是動態(tài)影響因素分析，我國能源金融市場風(fēng)險的主要影響因素為能源市場價格波動、股票市場價格波動、匯率市場價格波動，且在不同時期的影響大小各不相同。這個發(fā)現(xiàn)對于第六部分的結(jié)論與政策建議提供了重要依據(jù)。

（四）穩(wěn)健性檢驗

本文通過對將其他指標(biāo)替換原本選取的指標(biāo)來進(jìn)行穩(wěn)健性檢驗。李麗紅（2015）在研究中選用年度GDP數(shù)據(jù)作為描述能源供需的指標(biāo)之一，認(rèn)為能源需求會隨著GDP的增長而上升。本文選擇將GDP作為能源需求指標(biāo)替換原來的固定資產(chǎn)投資，通過比較替換前后風(fēng)險指數(shù)時間序列的差別來驗證穩(wěn)健性?；跀?shù)據(jù)的可得性和結(jié)果的可比較性，本文選擇季度數(shù)據(jù)進(jìn)行穩(wěn)健性檢驗。

將原來數(shù)據(jù)取季度算數(shù)平均值得到第一組季度指標(biāo)數(shù)據(jù)，并用2002-2020年各季度GDP的標(biāo)準(zhǔn)化數(shù)據(jù)替換固定資產(chǎn)投資的數(shù)據(jù)得到第二組季度指標(biāo)數(shù)據(jù)，重復(fù)之前的步驟得到兩組季度風(fēng)險指數(shù)的時間序列圖，二者對比如圖5所示。

圖5 不同指標(biāo)體系下的季度能源金融市場風(fēng)險指數(shù)對比圖

由圖5可知，將季度GDP指標(biāo)替換固定資產(chǎn)投資指標(biāo)后，風(fēng)險指數(shù)的波動并未出現(xiàn)明顯的區(qū)別，證明本文所選取的指標(biāo)具有較高的穩(wěn)健性。

與此同時，本文注意到季度風(fēng)險指數(shù)與月度風(fēng)險指數(shù)的時間序列結(jié)果有所差異，故將二者進(jìn)行對比，結(jié)果如圖6所示。由圖6可知，月度數(shù)據(jù)與季度數(shù)據(jù)在總體上趨勢相近，但相較于季度數(shù)據(jù)，月度數(shù)據(jù)有兩方面優(yōu)勢：一方面，月度數(shù)據(jù)的波動性更大，而季度數(shù)據(jù)則“熨平”月度數(shù)據(jù)的起伏。在市場活動瞬息萬變的今天，波動性更強(qiáng)的數(shù)據(jù)能夠更加準(zhǔn)確地刻畫風(fēng)險的變化，有利于對風(fēng)險進(jìn)行評價和預(yù)測。另一方面，月度數(shù)據(jù)更加及時，由圖6可以看出，對于伊拉克戰(zhàn)爭（2002—2003年）、金融危機(jī)（2008—2009年）、歐債危機(jī)（2010—2011年）和新冠肺炎疫情期間（2020年）的風(fēng)險上升情況，月度數(shù)據(jù)都比季度數(shù)據(jù)更早地反應(yīng)出來，有利于風(fēng)險防范。綜上，能源金融市場風(fēng)險月度數(shù)據(jù)具有明顯的理論和實踐優(yōu)勢。

圖6 基于季度數(shù)據(jù)和月度數(shù)據(jù)的我國能源金融市場風(fēng)險指數(shù)對比圖

五、結(jié)論與政策建議

（一）結(jié)論

第一，我國能源金融市場風(fēng)險總體呈現(xiàn)為易受重大事件影響的平穩(wěn)時間序列狀態(tài)，即長期來看并沒有明顯的上升或下降趨勢，但同時對重大事件比較敏感，短時間內(nèi)會有較大起伏。這說明總體而言我國能源金融市場風(fēng)險還處于平穩(wěn)可控范圍，同時也要注意如果我國能源對外依存度進(jìn)一步升高，能源供給可能會受到市場波動的更大影響。進(jìn)一步地，本文對于我國2019年來各月能源金融市場風(fēng)險指數(shù)的梳理表明，我國能源金融市場風(fēng)險受國際重大事件的影響比較大，因此本文認(rèn)為我國能源金融市場風(fēng)險的預(yù)警，應(yīng)當(dāng)更加注重對國際重大事件的研判、預(yù)測，而非單純依據(jù)對以往經(jīng)濟(jì)數(shù)據(jù)的計量預(yù)測結(jié)果。本文風(fēng)險指數(shù)長期平穩(wěn)的結(jié)論以及對風(fēng)險預(yù)警的分析與過往的研究結(jié)果有所不同，對于我國能源金融市場風(fēng)險研究提供了一些新的實證方法和思路。

第二，在我國能源金融市場風(fēng)險的影響因素方面，靜態(tài)分析下油價波動、股指波動、匯率波動等金融市場類指標(biāo)的權(quán)重明顯高于石油進(jìn)口、能源消費(fèi)等石油供需類指標(biāo)，其中油價波動指標(biāo)的權(quán)重最高；而通過時間序列進(jìn)行動態(tài)分析可以看出，在不同時期油價波動、股指波動、匯率波動三個指標(biāo)的影響比重各有不同，而石油進(jìn)口、能源消費(fèi)兩個指標(biāo)的影響則始終十分微弱。這說明雖然我國能源產(chǎn)業(yè)規(guī)模逐年增長，但是規(guī)模的增長對于風(fēng)險的影響并不明顯，而三個市場指標(biāo)的變動始終具有較大的影響。

（二）政策建議

第一，強(qiáng)化對能源安全的日常監(jiān)管和對國際重大事件的研判。我國能源金融市場風(fēng)險長期總體平穩(wěn)、短期易受重大事件影響的特征表明，相較于基于過往數(shù)據(jù)進(jìn)行單純的計量分析預(yù)測，更重要的是加強(qiáng)對可能影響能源金融市場波動的國際重大事件的研判和分析。因此，我國應(yīng)加強(qiáng)對能源安全的日常監(jiān)管，長期保持對于全球能源市場以及國際形勢的關(guān)注，特別要防范“黑天鵝”“灰犀?！钡戎卮箫L(fēng)險事件，同時積極創(chuàng)新能源金融工具，對潛在風(fēng)險提前進(jìn)行防范與化解。

第二，推動國內(nèi)能源金融市場建設(shè)，積極參與全球能源治理，構(gòu)建能源領(lǐng)域“雙循環(huán)”新發(fā)展格局。我國能源需求雖然規(guī)模巨大，但在國際市場中的話語權(quán)仍然較低，受國際市場形成價格影響較大。本文經(jīng)過分析發(fā)現(xiàn)，規(guī)模因素在能源金融市場風(fēng)險中的作用比較弱，因此我們不應(yīng)過度高估自身體量所形成的影響力而忽視風(fēng)險因素，但同時也不應(yīng)低估我國能源需求規(guī)模在降低能源金融風(fēng)險中可能起到的作用。當(dāng)前國際形勢日趨錯綜復(fù)雜，我國巨大的能源需求是發(fā)展國內(nèi)能源金融市場、提升國際能源金融話語權(quán)的有利條件，應(yīng)抓緊構(gòu)建能源領(lǐng)域的“雙循環(huán)”新發(fā)展格局機(jī)遇。一方面，依托現(xiàn)有的巨大能源產(chǎn)業(yè)規(guī)模，抓緊推動本土能源金融市場建設(shè)，完善能源定價機(jī)制和能源資源配置機(jī)制，同時提高我國能源戰(zhàn)略儲備；另一方面，積極參與全球能源治理，提高在能源領(lǐng)域的話語權(quán)，全方位提高我國能源金融風(fēng)險防范能力。