中國(guó)經(jīng)濟(jì)不確定性對(duì)國(guó)際原油價(jià)格的時(shí)變效應(yīng)分析

摘要：不確定性與原油價(jià)格之間一直存在著復(fù)雜的關(guān)系，而學(xué)術(shù)界對(duì)經(jīng)濟(jì)不確定性對(duì)原油市場(chǎng)的影響尚未達(dá)成一致。本文在動(dòng)態(tài)結(jié)構(gòu)變化下基于混頻動(dòng)態(tài)因子模型構(gòu)建中國(guó)經(jīng)濟(jì)不確定性（EU）代理指標(biāo)，構(gòu)建時(shí)變參數(shù)隨機(jī)波動(dòng)向量自回歸（TVP-SV-VAR）模型，旨在研究中國(guó)經(jīng)濟(jì)不確定性對(duì)三個(gè)國(guó)際原油定價(jià)基準(zhǔn)西得克薩斯中質(zhì)原油、布倫特原油以及迪拜原油價(jià)格波動(dòng)的時(shí)變影響。研究結(jié)果表明：中國(guó)經(jīng)濟(jì)不確定性對(duì)原油價(jià)格波動(dòng)的影響是隨著時(shí)間的推移而變化的，并表現(xiàn)出短期效應(yīng)明顯強(qiáng)于長(zhǎng)期效應(yīng)，而且各個(gè)峰值點(diǎn)的出現(xiàn)均伴隨著重大經(jīng)濟(jì)事件的發(fā)生。在此基礎(chǔ)上，提出增強(qiáng)能源供應(yīng)鏈的韌性、促進(jìn)能源市場(chǎng)透明度等政策建議，以促進(jìn)國(guó)際原油市場(chǎng)穩(wěn)定發(fā)展。

關(guān)鍵詞：經(jīng)濟(jì)不確定性；國(guó)際原油；TVP-SV-VAR模型

一、引言

盡管在宏觀經(jīng)濟(jì)波動(dòng)中，經(jīng)濟(jì)不確定性扮演著至關(guān)重要的角色，但其對(duì)原油市場(chǎng)的影響，學(xué)術(shù)界尚未達(dá)成共識(shí)。近年來(lái)，圍繞經(jīng)濟(jì)不確定性與油價(jià)波動(dòng)之間的關(guān)系，涌現(xiàn)出越來(lái)越多的文獻(xiàn)，然而這些文獻(xiàn)并未形成一致的結(jié)論。例如，一些研究發(fā)現(xiàn)了支持經(jīng)濟(jì)不確定性對(duì)油價(jià)波動(dòng)影響逐漸增加的經(jīng)驗(yàn)證據(jù)（Bakas和Triantafyllou，2018；Lyu等，2021）；而另一些研究則認(rèn)為，經(jīng)濟(jì)不確定性事件與原油價(jià)格波動(dòng)之間可能存在脫節(jié)（Jots等，2017）。因此，經(jīng)濟(jì)不確定性與油價(jià)變化之間的確切關(guān)系仍需要進(jìn)一步研究。盡管已有一些學(xué)者嘗試從不同角度探索這一問(wèn)題（Aloui等，2016；Liang等，2020；Li等，2022），但由于市場(chǎng)的復(fù)雜性和多元性，這一領(lǐng)域仍存在許多未知。其中尤其缺乏從中國(guó)角度出發(fā)的深入分析。本文旨在彌補(bǔ)這一文獻(xiàn)缺口，探討并量化中國(guó)經(jīng)濟(jì)不確定性對(duì)國(guó)際原油價(jià)格波動(dòng)的影響及其具體機(jī)制，以期為理解原油價(jià)格的決定因素提供更加全面的視角，為相關(guān)決策者提供堅(jiān)實(shí)的數(shù)據(jù)支撐。

二、文獻(xiàn)綜述

對(duì)于不確定性與原油市場(chǎng)的分析，當(dāng)前的研究主要通過(guò)不同的代理變量和靜態(tài)方法考察經(jīng)濟(jì)政策不確定性（EPU）對(duì)原油價(jià)格波動(dòng)的影響。在代理變量方面，較早的文獻(xiàn)使用全球工業(yè)生產(chǎn)波動(dòng)率等幾個(gè)相關(guān)的替代指標(biāo)。但自創(chuàng)立EPU指數(shù)以來(lái)，實(shí)證研究側(cè)重將EPU指數(shù)用于解釋和預(yù)測(cè)原油價(jià)格波動(dòng)。而在實(shí)證方法上，主要采用以下四種方法：①向量自回歸（VAR）模型及其變體。IneVanRobays（2016）采用閾值VAR模型研究宏觀經(jīng)濟(jì)不確定性對(duì)原油價(jià)格波動(dòng)的影響。②非參數(shù)分位數(shù)因果檢驗(yàn)。Balcilar等（2017）使用該方法分析了EPU對(duì)油價(jià)波動(dòng)的預(yù)測(cè)能力。③結(jié)構(gòu)方程模型。Wang和Sun（2017）通過(guò)結(jié)構(gòu)方程模型研究了EPU和其他決定因素（需求、供應(yīng)和經(jīng)濟(jì)活動(dòng)）對(duì)油價(jià)的影響，發(fā)現(xiàn)經(jīng)濟(jì)活動(dòng)是解釋油價(jià)波動(dòng)的最重要因素。④混合數(shù)據(jù)抽樣廣義自回歸條件異方差（GARCH-MIDAS）模型。例如，Mei等（2019）利用這一方法，將EPU指數(shù)和幾個(gè)國(guó)家EPU指數(shù)與傳統(tǒng)決定因素（如全球石油供應(yīng)、石油需求和投機(jī)）結(jié)合起來(lái)解釋原油價(jià)格波動(dòng)。綜上所述，眾學(xué)者雖提供了足夠的證據(jù)，證明EPU是原油價(jià)格波動(dòng)的重要驅(qū)動(dòng)因素，但是他們對(duì)時(shí)變特征的關(guān)注并不多。

另外，少有文獻(xiàn)研究EPU與原油價(jià)格之間的動(dòng)態(tài)關(guān)系以及EPU對(duì)油價(jià)波動(dòng)的時(shí)變影響。例如，Yang（2019）將小波分析方法引入Diebold和Yilmaz（2012）提出的結(jié)構(gòu)向量自回歸（SVAR）框架中，分析了EPU與原油價(jià)格之間的關(guān)系。Lin和Bai（2021）通過(guò)BVAR模型進(jìn)一步證明了當(dāng)石油出口國(guó)的經(jīng)濟(jì)政策波動(dòng)對(duì)原油市場(chǎng)產(chǎn)生影響時(shí)，其負(fù)面影響往往比進(jìn)口國(guó)的經(jīng)濟(jì)政策波動(dòng)性影響嚴(yán)重得多。然而，上述研究并未將主要影響因素完全納入，例如，Yang只是把幾個(gè)國(guó)家的EPU和油價(jià)放在自己的模型中，Lin和Bai只選取了油價(jià)和EPU指數(shù)兩個(gè)變量，忽略了其他關(guān)鍵波動(dòng)源。事實(shí)上，油價(jià)有各種不確定的因素決定，而不同的決定因素是相互關(guān)聯(lián)的。在這種情況下，有必要從廣義的多因素視角研究不確定性對(duì)原油價(jià)格波動(dòng)的時(shí)變影響。

綜上所述，當(dāng)前關(guān)于不確定性對(duì)原油市場(chǎng)影響的研究尚未成熟，尤其缺乏從中國(guó)角度出發(fā)的深入分析，因此，本文從中國(guó)經(jīng)濟(jì)不確定性的視角出發(fā)，探討其對(duì)國(guó)際原油價(jià)格波動(dòng)的影響，填補(bǔ)了現(xiàn)有文獻(xiàn)中關(guān)于經(jīng)濟(jì)不確定性因素在原油市場(chǎng)研究中的空白。綜合以往文獻(xiàn)的研究可知，目前對(duì)不確定性的度量尚未達(dá)成一致，由于GDP可以反映一個(gè)國(guó)家的經(jīng)濟(jì)發(fā)展水平，其波動(dòng)可以很好地反映一國(guó)經(jīng)濟(jì)的不確定性。鑒于季度GDP數(shù)據(jù)的平滑特性可能掩蓋經(jīng)濟(jì)波動(dòng)的真實(shí)情況。因此，本文選取影響我國(guó)GDP的有關(guān)指標(biāo)，基于混頻動(dòng)態(tài)因子模型預(yù)測(cè)我國(guó)月度GDP增長(zhǎng)率，在此基礎(chǔ)上基于GARCH模型構(gòu)建我國(guó)經(jīng)濟(jì)不確定性指數(shù)。本文采用時(shí)間變化參數(shù)—隨機(jī)波動(dòng)向量自回歸（TVP-SV-VAR）模型研究我國(guó)經(jīng)濟(jì)不確定性對(duì)國(guó)際原油市場(chǎng)的影響，相較于傳統(tǒng)VAR方法，TVP-SV-VAR模型能夠動(dòng)態(tài)捕捉經(jīng)濟(jì)不確定性對(duì)原油價(jià)格的影響，揭示不同時(shí)間段的不確定性對(duì)原油市場(chǎng)的動(dòng)態(tài)影響機(jī)制，豐富關(guān)于原油價(jià)格波動(dòng)驅(qū)動(dòng)因素的文獻(xiàn)。

三、模型構(gòu)建及變量設(shè)置

（一）模型構(gòu)建

1TVP-SV-VAR模型

TVP-SV-VAR模型是一種時(shí)間可變（TVP）的隨機(jī)波動(dòng)（SV）向量自回歸（VAR）模型，可以同時(shí)考慮多個(gè)變量之間的動(dòng)態(tài)關(guān)系。這種多變量建模的方式有助于更全面地理解中國(guó)經(jīng)濟(jì)不確定性與原油價(jià)格波動(dòng)的時(shí)變影響。一般的VAR模型可以表示為：

Ayt=F1yt－1+…+Fsyt－s+εt（1）

其中，yt是m×1階觀測(cè)向量，A是m×m階系數(shù)矩陣，F(xiàn)1…FS是m×m階滯后系數(shù)矩陣，εt是m×1階結(jié)構(gòu)性沖擊。設(shè)A為下三角矩陣，原式可表示為：

yt=B1yt－1+…+Bsyt－s+A－1∑μt（2）

其中，Bi=A－1Fi，μt～N0，Im，∑為主對(duì)角線元素。

繼續(xù)將式（2）進(jìn)行改寫(xiě)：

yt=Xtβ+A－1∑μt（3）

式（3）即參數(shù)不隨時(shí)間變化的SVAR模型。

令αt=α21，t，α31，t，…，αm，m－1是下三角矩陣At的堆疊向量。假設(shè)時(shí)變參數(shù)服從隨機(jī)游走過(guò)程：

βt+1=βt+εβtαt+1=αt+εαtht+1=ht+εht（4）

μtεβtεαtεht～0，I0…00∑β∑α00…0∑h（5）

其中，ht=（h1t，…，hmt）′，且hjt=lnσjt2，βs+1～N（εβ0，∑β0），αs+1～N（εα0，∑α0）及hs+1～N（εh0，∑h0），且∑β0、∑α0和∑h0均為對(duì)角矩陣。

2混頻動(dòng)態(tài)因子模型

假設(shè)在N個(gè)經(jīng)濟(jì)指標(biāo)序列中有N1個(gè)季度變量，每隔3個(gè)月獲取一個(gè)觀測(cè)值，記為YQt，其余的N2=N-N1均為月度指標(biāo)。假設(shè)季度變量序列YQt和月度變量序列YMt存在以下關(guān)系：

YQt=13（YMt+YMt－1+YMt－2）×3（6）

由于式（6）的表達(dá)形式涉及非線性狀態(tài)空間模型的估計(jì)問(wèn)題，因此，本文參照鄭挺國(guó)和王霞（2013）的方法，用幾何平均數(shù)代替算數(shù)平均數(shù)，即

YQt=3×3YMt+YMt－1+YMt－2（7）

式（7）取對(duì)數(shù)可得：

lnYQt=ln3+13（lnYMt+lnYMt－1+lnYMt－2）（8）

對(duì)式（8）取12階差分可得同比數(shù)據(jù)模型，即

lnYQt－lnYQt－12=13（lnYMt－lnYMt－12）+

13（lnYMt－1－lnYMt－13）+

13（lnYMt－2－lnYMt－14）（9）

記yQt=△12lnYQt=lnYQt－lnYQt－12為季度同比增長(zhǎng)率，yMt=△12lnYMt=lnYMt－lnYMt－12為月度同比增長(zhǎng)率，式（7）可重新表示為：

YQt=13（YMt+YMt－1+YMt－2）（10）

構(gòu)建月度動(dòng)態(tài)因子模型：

ytyMt=ΓΓMFt+eteMt（11）

A（L）Ft=εt（12）

式（11）和式（12）即動(dòng)態(tài)因子模型（DFM）。

由于月度GDP增長(zhǎng)率不可觀測(cè)，可由季度GDP增長(zhǎng)率代替，可得以下月度混頻動(dòng)態(tài)因子模型：

ytyQt=Γ1/3ΓM01/3ΓM01/3ΓMFtFt－1Ft－2+1001/301/301/3eteMteMt－1eMt－2（13）

式（13）即混頻動(dòng)態(tài)因子模型。

（二）變量選取與數(shù)據(jù)處理

在鄭挺國(guó)和王霞（2013）以及高華川和白仲林（2016）計(jì)量月度GDP時(shí)所選擇的指標(biāo)的基礎(chǔ)上，本文選擇國(guó)內(nèi)生產(chǎn)總值GDP、工業(yè)增加值、固定資產(chǎn)投資總額、社會(huì)消費(fèi)品零售總額、進(jìn)出口總額、發(fā)電量作為初始變量，并對(duì)它們的同比增長(zhǎng)率進(jìn)行計(jì)算，從而對(duì)我國(guó)的月度GDP進(jìn)行估計(jì)。本文對(duì)缺失值采用線性插值法進(jìn)行處理，其中對(duì)于季度GDP作Census-X12季節(jié)調(diào)整并進(jìn)行HP濾波，以保證其平穩(wěn)性。數(shù)據(jù)均來(lái)源于國(guó)家統(tǒng)計(jì)局。本文構(gòu)建月度GDP的樣本區(qū)間為2003年1月至2023年12月，在構(gòu)建混頻動(dòng)態(tài)因子模型時(shí)，需要對(duì)數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，本文采用ADF單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表1所示。

由表1可知，上述變量均在5%的水平上顯著，可以用來(lái)構(gòu)建混頻動(dòng)態(tài)因子模型。

（三）月度GDP的測(cè)度

本文利用上述線性插值處理后的數(shù)據(jù)，采用EM算法預(yù)測(cè)我國(guó)月度GDP增長(zhǎng)率。月度GDP增長(zhǎng)率與季度GDP增長(zhǎng)率的統(tǒng)計(jì)特征如表2所示。

由表2可知，本文所構(gòu)建的月度GDP同比增長(zhǎng)率序列與原始的季度GDP同比增長(zhǎng)率序列在統(tǒng)計(jì)特性上呈現(xiàn)較高的一致性。這表明本模型不僅保留了季度GDP同比增長(zhǎng)率的核心統(tǒng)計(jì)屬性，而且能夠準(zhǔn)確地捕捉并反映月度GDP同比增長(zhǎng)率的基本特征。進(jìn)一步分析圖表，可以展現(xiàn)出季度GDP同比增長(zhǎng)率與月度GDP同比增長(zhǎng)率的趨勢(shì)。

如圖1所示，可以觀察到兩個(gè)GDP增長(zhǎng)率序列的整體走勢(shì)呈現(xiàn)較高的一致性。然而，通過(guò)細(xì)致分析可以發(fā)現(xiàn)，季度GDP增長(zhǎng)率的波動(dòng)相對(duì)較小，表現(xiàn)出一種更為平滑的變動(dòng)趨勢(shì)。這種平滑性在一定程度上掩蓋了經(jīng)濟(jì)活動(dòng)的實(shí)際波動(dòng)和外部沖擊對(duì)經(jīng)濟(jì)的影響。相比之下，月度GDP增長(zhǎng)率則能更加敏銳地捕捉到經(jīng)濟(jì)的即時(shí)變化，從而更為準(zhǔn)確地反映經(jīng)濟(jì)的短期波動(dòng)情況。月度數(shù)據(jù)能夠提供更為精細(xì)的經(jīng)濟(jì)變化視角，有助于我們深入理解經(jīng)濟(jì)周期性波動(dòng)背后的驅(qū)動(dòng)因素，以及評(píng)估經(jīng)濟(jì)政策對(duì)經(jīng)濟(jì)活動(dòng)的即時(shí)影響。因此，在學(xué)術(shù)研究和政策分析中，采用月度GDP增長(zhǎng)率數(shù)據(jù)可以更為嚴(yán)謹(jǐn)?shù)孛枥L和解釋經(jīng)濟(jì)動(dòng)態(tài)。

（四）中國(guó)經(jīng)濟(jì)不確定性的度量

在經(jīng)濟(jì)計(jì)量發(fā)展初期，很多學(xué)者都是用殘差的平方項(xiàng)來(lái)替代金融序列變量的收益率波動(dòng)，但是隨著理論的不斷發(fā)展，人們開(kāi)始意識(shí)到，收益率的變化不會(huì)像殘差序列一樣呈現(xiàn)過(guò)度的波動(dòng)性，而是一個(gè)更為平穩(wěn)移動(dòng)的過(guò)程，而基于GARCH模型計(jì)算的因變量波動(dòng)率更有效。因此，本文參照王義中和宋敏（2014）的做法，用GARCH（1，1）模型的條件方差衡量中國(guó)經(jīng)濟(jì)不確定性，該指標(biāo)能夠包含更多的歷史信息，能很好地衡量不確定性。數(shù)據(jù)選取本文基于混頻動(dòng)態(tài)因子模型構(gòu)建的月度GDP同比增長(zhǎng)序列，基本公式如下：

GDPt=α0+αi∑ni=1GDPt－i+ut（14）

σt=τ0+τ1u2t－1+β1σt－1（15）

四、實(shí)證分析

（一）數(shù)據(jù)選取

國(guó)際上兩個(gè)最有影響力的原油期貨市場(chǎng)分別是紐約商品交易所西得克薩斯中間基（WTI）原油市場(chǎng)和布倫特（Brent）原油市場(chǎng)，WTI原油市場(chǎng)主要反映北美地區(qū)供求，Brent原油市場(chǎng)主要反映歐洲和亞洲地區(qū)供求。此外，迪拜（Dubai）原油市場(chǎng)是含硫原油的主要定價(jià)基準(zhǔn)，用于中東出口至亞洲的原油定價(jià)。因此本文選取WTI、Brent、Dubai原油市場(chǎng)的原油期貨價(jià)格作為研究對(duì)象，選擇期貨結(jié)算價(jià)月度數(shù)據(jù)，數(shù)據(jù)來(lái)源于Wind和Bloomberg數(shù)據(jù)庫(kù)。由于OPEC發(fā)表的Dubai期貨價(jià)格數(shù)據(jù)是從2005年5月開(kāi)始，因此，本文的樣本區(qū)間為2005年5月至2023年12月。

（二）數(shù)據(jù)處理

在進(jìn)行TVP-SV-VAR建模前需要對(duì)各變量進(jìn)行平穩(wěn)性檢驗(yàn)，本文采用ADF單位根檢驗(yàn)，除EU外，本文對(duì)其余三個(gè)價(jià)格序列取對(duì)數(shù)處理，檢驗(yàn)結(jié)果如表3所示。

由表3可知，經(jīng)處理之后的變量皆在5%的顯著性水平下拒絕了“原假設(shè)不平穩(wěn)”的假設(shè)，表明取對(duì)數(shù)后的序列即平穩(wěn)序列。因次，本文以EU、lnWTI、lnBrent、lnDubai序列構(gòu)建TVP-SV-VAR模型。

（三）中國(guó)經(jīng)濟(jì)不確定對(duì)原油市場(chǎng)的時(shí)變影響

1模型滯后階數(shù)確定

在構(gòu)建TVP-SV-VAR模型前，需要對(duì)其最優(yōu)滯后階數(shù)進(jìn)行檢驗(yàn)，本文使用VAR模型檢驗(yàn)最優(yōu)滯后階數(shù)，帶*最多的數(shù)據(jù)的滯后期即最優(yōu)滯后階數(shù)，檢驗(yàn)結(jié)果如表4所示。

由表4可知，根據(jù)HQ和SC準(zhǔn)則，可確定模型的最優(yōu)滯后階數(shù)為2階。

2參數(shù)估計(jì)結(jié)果

在本研究中，采用OXMetrics60軟件構(gòu)建了一個(gè)包含EU、WTI、Brent和Dubai原油價(jià)格四個(gè)變量的時(shí)變參數(shù)隨機(jī)波動(dòng)（TVP-SV-VAR）模型，并運(yùn)用馬爾科夫鏈蒙特卡洛（MCMC）算法對(duì)模型參數(shù)進(jìn)行估計(jì)。依據(jù)時(shí)間序列分析的一般做法，將變量順序設(shè)定為EU、WTI、Brent和Dubai。通過(guò)漢南-奎因（Hannan-Quinn，HQ）準(zhǔn)則和施瓦茨（Schwarz，Criterion，SC）準(zhǔn)則，確定模型的滯后期數(shù)為2期。運(yùn)用MCMC算法并進(jìn)行了10000次模擬迭代，舍棄了前10%的樣本以消除初始值的依賴。表5的數(shù)據(jù)表明，各參數(shù)的平均后驗(yàn)分布都在95%的置信區(qū)間之內(nèi)。

Geweke的收斂性檢驗(yàn)結(jié)果沒(méi)有一個(gè)達(dá)到5%的閾值，說(shuō)明我們無(wú)法拒絕原假設(shè)下的參數(shù)估計(jì)是收斂于后驗(yàn)分布的。無(wú)效因子的測(cè)試結(jié)果表明，各因子的權(quán)重系數(shù)都偏小，最大的無(wú)效因子達(dá)12020。在此基礎(chǔ)上，可以得到至少83個(gè)不相關(guān)的樣本（10000/12020），這說(shuō)明后驗(yàn)平均能更接近實(shí)際參數(shù)。通過(guò)Geweke算法的收斂性分析，以及對(duì)無(wú)效影響因子的分析，證明了馬爾科夫鏈蒙特卡洛算法的模擬效果是比較理想的。由此，我們有充分的理由認(rèn)為，參數(shù)估計(jì)結(jié)果具有良好的收斂性和有效性，保證了本文實(shí)證結(jié)果的可靠性。

3時(shí)變影響分析

（1）等間隔脈沖響應(yīng)分析

圖2顯示了不同提前期的一個(gè)單位標(biāo)準(zhǔn)差的中國(guó)經(jīng)濟(jì)不確定性（EU）沖擊后各原油期貨價(jià)格的響應(yīng)，以3個(gè)月、6個(gè)月和12個(gè)月分別表示短期、中期和長(zhǎng)期。如圖2所示，分別表示EU對(duì)WTI、Brent以及Dubai原油期貨市場(chǎng)的脈沖響應(yīng)。

其特征如下：一方面，所有累積脈沖響應(yīng)都會(huì)隨著時(shí)間的推移而變化，這表明EU沖擊對(duì)原油市場(chǎng)的影響不是恒定的，而是根據(jù)經(jīng)濟(jì)條件而變化的。EU在不同時(shí)期影響的顯著差異一般表現(xiàn)為：EU對(duì)各時(shí)間點(diǎn)原油價(jià)格波動(dòng)的影響效應(yīng)隨著時(shí)期的延長(zhǎng)而逐漸減小，與中長(zhǎng)期影響相比，各時(shí)間點(diǎn)的EU對(duì)原油價(jià)格短期波動(dòng)的影響更為顯著。從影響程度來(lái)看，在2005年5月至2023年12月的樣本期內(nèi)，影響程度總體呈波動(dòng)上升趨勢(shì)。從影響方向來(lái)看，EU對(duì)原油價(jià)格波動(dòng)既有正向的影響也有負(fù)向的影響。經(jīng)濟(jì)不確定性沖擊可能導(dǎo)致產(chǎn)出和投資的持續(xù)下降，相應(yīng)地，經(jīng)濟(jì)基礎(chǔ)的惡化將影響原油需求，導(dǎo)致價(jià)格波動(dòng)。

另一方面，在影響原油價(jià)格波動(dòng)方面，EU對(duì)不同原油的價(jià)格波動(dòng)產(chǎn)生的影響存在差異。從研究結(jié)果來(lái)看，WTI原油和Brent原油的價(jià)格波動(dòng)對(duì)EU沖擊的累積響應(yīng)幅度在經(jīng)濟(jì)動(dòng)蕩時(shí)期（如2007—2009年的全球金融危機(jī)和2015—2017年中國(guó)經(jīng)濟(jì)增長(zhǎng)放緩期間）相對(duì)較大。而Dubai原油的價(jià)格波動(dòng)則更多地出現(xiàn)在一些特定的經(jīng)濟(jì)事件期間，如2010—2012年的歐洲主權(quán)債務(wù)危機(jī)、2015—2017年的中國(guó)經(jīng)濟(jì)增長(zhǎng)率放緩以及2018年的中美貿(mào)易摩擦。這些結(jié)果表明，在經(jīng)濟(jì)動(dòng)蕩時(shí)期，EU沖擊對(duì)原油波動(dòng)的影響可能會(huì)被放大，經(jīng)濟(jì)變量在衰退期和緩慢復(fù)蘇期對(duì)負(fù)面沖擊的反應(yīng)更大。在分析經(jīng)濟(jì)沖擊對(duì)金融變量的影響時(shí)，可以發(fā)現(xiàn)隨著時(shí)間的推移，累積響應(yīng)的變化趨勢(shì)相對(duì)平緩。然而，在經(jīng)濟(jì)動(dòng)蕩時(shí)期，如上述提到的經(jīng)濟(jì)事件期間，可以明顯看到三大原油市場(chǎng)對(duì)EU沖擊仍然比較敏感。這一結(jié)果在一定程度上說(shuō)明了在經(jīng)濟(jì)不穩(wěn)定時(shí)期，原油市場(chǎng)對(duì)于EU沖擊的反應(yīng)更為劇烈。

此外，單位標(biāo)準(zhǔn)差的EU沖擊對(duì)三大原油價(jià)格波動(dòng)性的正向影響均在2015年達(dá)到最高。2015年1月，中國(guó)月度經(jīng)濟(jì)增長(zhǎng)率放緩至約559%，經(jīng)濟(jì)增長(zhǎng)放緩致使對(duì)原油的需求下降。中國(guó)經(jīng)濟(jì)面臨不確定性時(shí)，市場(chǎng)可能預(yù)期中國(guó)原油需求將下降，從而導(dǎo)致國(guó)際原油供應(yīng)過(guò)剩的擔(dān)憂減輕。由于中國(guó)是全球最大的能源消費(fèi)國(guó)之一，其需求變化對(duì)全球原油市場(chǎng)產(chǎn)生重大影響。因此，預(yù)期供應(yīng)減少可能導(dǎo)致原油價(jià)格上漲。2007—2009年，美國(guó)股市引發(fā)了全球金融危機(jī)，以及中、美兩國(guó)之間的經(jīng)貿(mào)摩擦，更加劇了WTI原油價(jià)格在EU沖擊下的波動(dòng)。相比較之下，Brent原油價(jià)格更多地取決于歐洲的供需，因此，在歐洲主權(quán)債務(wù)危機(jī)后的2013—2014年經(jīng)濟(jì)緩慢復(fù)蘇期間，Brent原油價(jià)格往往比WTI原油價(jià)格更能應(yīng)對(duì)不確定性沖擊。與WTI和Brent原油價(jià)格相比，Dubai原油是中東地區(qū)的主要油價(jià)基準(zhǔn)，而中國(guó)的進(jìn)口石油主要來(lái)自中東地區(qū)。因此，中東地區(qū)原油市場(chǎng)的價(jià)格波動(dòng)和供應(yīng)變化對(duì)中國(guó)的石油進(jìn)口和能源安全具有重要影響，進(jìn)而影響中國(guó)經(jīng)濟(jì)和原油市場(chǎng)。這也表明原油市場(chǎng)結(jié)構(gòu)是動(dòng)態(tài)的，與經(jīng)濟(jì)不確定性沖擊的影響因經(jīng)濟(jì)條件而異的風(fēng)格化事實(shí)一致。

（2）不同時(shí)間點(diǎn)的脈沖響應(yīng)分析

由上文的分析可知，中國(guó)經(jīng)濟(jì)不確定性ADjWMby9EkW4H+x7yQgWpA==（EU）對(duì)原油價(jià)格波動(dòng)的影響不僅在時(shí)間維度和持續(xù)時(shí)間上是時(shí)變的，而且與主要經(jīng)濟(jì)事件直接相關(guān)。本文將EU對(duì)重大事件引起的原油價(jià)格波動(dòng)的影響描述為瞬時(shí)影響。為了進(jìn)一步研究事件的瞬時(shí)沖擊特征，本文選取幾個(gè)特定時(shí)間分析EU對(duì)原油價(jià)格波動(dòng)的累計(jì)脈沖響應(yīng)。由于受到2008年的金融危機(jī)影響，中國(guó)的GDP增長(zhǎng)速度降到了低點(diǎn)，只有64%，這也是選擇2009年3月作為第一個(gè)具體的沖擊時(shí)間點(diǎn)的原因。2018年7月中美貿(mào)易摩擦開(kāi)始，因此選取2018年7月為第二個(gè)特定的沖擊時(shí)間點(diǎn)。2020年1月，新冠疫情在全球范圍迅速蔓延，導(dǎo)致了全球公共衛(wèi)生處于緊急狀態(tài)，并對(duì)全球經(jīng)濟(jì)、社會(huì)和政治產(chǎn)生了深遠(yuǎn)影響，因此選取2020年1月為第三個(gè)特定的沖擊時(shí)間點(diǎn)。

如圖3所示，三個(gè)日期下EU對(duì)原油價(jià)格波動(dòng)的影響都不是恒定的，而是隨著時(shí)間變化，并取決于經(jīng)濟(jì)條件，且都呈現(xiàn)短期效應(yīng)明顯高于長(zhǎng)期效應(yīng)。具體來(lái)看，當(dāng)不同類(lèi)型的重大事件發(fā)生時(shí)，EU對(duì)原油價(jià)格波動(dòng)的瞬時(shí)影響呈現(xiàn)波動(dòng)趨勢(shì)。從瞬時(shí)影響方向來(lái)看，在不同事件的時(shí)間點(diǎn)，EU對(duì)每個(gè)時(shí)期原油價(jià)格的波動(dòng)都有正向影響，也就是說(shuō)，三個(gè)不同類(lèi)型的重大事件發(fā)生后，EU越大，原油價(jià)格的波動(dòng)就越劇烈。從瞬時(shí)影響程度的趨勢(shì)來(lái)看，任何類(lèi)型的重大事件發(fā)生后，其對(duì)原油價(jià)格波動(dòng)的影響都會(huì)先增大后減小，在接下來(lái)的兩個(gè)時(shí)期內(nèi)影響效應(yīng)將達(dá)到最大。而且，當(dāng)重大事件出現(xiàn)時(shí)，通常在本期和接下來(lái)兩期反應(yīng)過(guò)度，后逐漸趨于穩(wěn)定。

此外，在不同事件下，EU對(duì)原油價(jià)格波動(dòng)影響的持續(xù)時(shí)間、方向存在顯著差異。從EU對(duì)原油價(jià)格波動(dòng)影響的持續(xù)時(shí)間來(lái)看，對(duì)于WTI和Brent原油價(jià)格波動(dòng)而言，2018年7月中美貿(mào)易摩擦和2020年1月新冠疫情兩個(gè)時(shí)間點(diǎn)的脈沖響應(yīng)持續(xù)時(shí)間相對(duì)較短，但在2009年3月受金融危機(jī)影響經(jīng)濟(jì)緩慢復(fù)蘇期，這種影響持續(xù)時(shí)間最長(zhǎng)，而Dubai原油價(jià)格波動(dòng)對(duì)EU沖擊的脈沖響應(yīng)持續(xù)時(shí)間則剛好相反。其原因主要是WTI和Brent原油是國(guó)際原油市場(chǎng)上兩個(gè)主要的基準(zhǔn)原油，而Dubai原油主要供應(yīng)亞洲市場(chǎng)。美國(guó)和歐洲市場(chǎng)在全球原油貿(mào)易中占據(jù)較大比重，尤其是Brent原油，作為國(guó)際油價(jià)的重要基準(zhǔn)，其價(jià)格更容易受到全球經(jīng)濟(jì)和政治事件的影響。相比之下，Dubai原油主要受到亞洲，尤其是東亞市場(chǎng)需求的影響，因此，在中美貿(mào)易摩擦這類(lèi)全球性經(jīng)濟(jì)和政治事件中，WTI和Brent原油價(jià)格的波動(dòng)可能會(huì)更加顯著。此外，從EU對(duì)原油價(jià)格波動(dòng)影響的方向來(lái)看，2009年3月（金融危機(jī)）這一時(shí)點(diǎn)下，EU沖擊對(duì)三大原油價(jià)格的脈沖響應(yīng)為正向效應(yīng)。2018年7月（中美貿(mào)易摩擦）和2020年1月（新冠疫情）這兩個(gè)時(shí)點(diǎn)下，WTI和Brent原油價(jià)格對(duì)EU沖擊的響應(yīng)有正有負(fù)，而Dubai原油價(jià)格波動(dòng)則為負(fù)向效應(yīng)，其原因可能是Dubai原油主要供應(yīng)亞洲市場(chǎng)，特別是中東地區(qū)的石油是很多亞洲國(guó)家的主要供應(yīng)來(lái)源。這意味著，對(duì)于Dubai原油來(lái)說(shuō)，任何影響亞洲特別是中國(guó)經(jīng)濟(jì)增長(zhǎng)預(yù)期的事件都可能直接導(dǎo)致需求預(yù)期的負(fù)向調(diào)整。而WTI和Brent原油由于更廣泛的全球交易和不同的消費(fèi)地理位置優(yōu)勢(shì)，其價(jià)格動(dòng)態(tài)可能在初期顯示出不同的反應(yīng)模式。

五、結(jié)論與建議

本文選取影響中國(guó)宏觀經(jīng)濟(jì)的6個(gè)指標(biāo)，構(gòu)建混頻動(dòng)態(tài)因子模型預(yù)測(cè)中國(guó)月度GDP增長(zhǎng)率，后以GARCH（1，1）模型，基于構(gòu)建的月度GDP增長(zhǎng)率，構(gòu)建中國(guó)經(jīng)濟(jì)不確定代理變量?；谥袊?guó)經(jīng)濟(jì)不確定性（EU）、WTI原油價(jià)格、Brent原油價(jià)格和Dubai原油價(jià)格四個(gè)變量構(gòu)建時(shí)變參數(shù)（TVP-SV-VAR）模型，研究中國(guó)經(jīng)濟(jì)不確定性對(duì)國(guó)際原油價(jià)格波動(dòng)的時(shí)變影響。得出結(jié)論：第一，EU對(duì)原油價(jià)格波動(dòng)的沖擊效應(yīng)具有明顯的時(shí)變特性，不僅在持續(xù)時(shí)間上有所區(qū)別，而且在不同時(shí)間點(diǎn)上的表現(xiàn)也不同。具體而言，在短期內(nèi)，EU對(duì)原油價(jià)格的影響比中長(zhǎng)期更為顯著，表明短期內(nèi)原油價(jià)格對(duì)中國(guó)經(jīng)濟(jì)不確定性的敏感度更高，這反映了中國(guó)政策變動(dòng)或經(jīng)濟(jì)動(dòng)態(tài)對(duì)全球原油市場(chǎng)趨勢(shì)的影響。從沖擊的階段性峰值來(lái)看，短期內(nèi)EU對(duì)原油價(jià)格的沖擊在周期性上表現(xiàn)出明顯的峰值，這些峰值通常與重大經(jīng)濟(jì)事件緊密相關(guān)，盡管其大小各不相同。這表明在特定的歷史時(shí)期內(nèi)，中國(guó)的某些事件或政策變動(dòng)對(duì)原油價(jià)格有著顯著的即時(shí)影響，而這種影響的程度可能因事件的性質(zhì)和全球市場(chǎng)的反應(yīng)而異。第二，EU對(duì)原油價(jià)格波動(dòng)性的瞬時(shí)沖擊與重大經(jīng)濟(jì)事件直接相關(guān)。相關(guān)性的大小因經(jīng)濟(jì)事件的不同而有所差異。這些差異體現(xiàn)在沖擊的長(zhǎng)度、方向上。從時(shí)間長(zhǎng)度來(lái)看，中美貿(mào)易摩擦和新冠疫情對(duì)WTI和Brent兩種原油價(jià)格的沖擊持續(xù)時(shí)間較短，金融危機(jī)影響的持續(xù)時(shí)間最長(zhǎng)，Dubai原油價(jià)格對(duì)EU沖擊的響應(yīng)持續(xù)時(shí)間則與之相反。從影響方向來(lái)看，不同的時(shí)間點(diǎn)對(duì)三大原油價(jià)格的脈沖響應(yīng)皆有差異。

基于以上結(jié)論，為應(yīng)對(duì)中國(guó)經(jīng)濟(jì)不確定性對(duì)原油價(jià)格帶來(lái)的影響，本文提出以下政策建議：增強(qiáng)能源供應(yīng)鏈的韌性，實(shí)施靈活的能源政策?？紤]到中國(guó)經(jīng)濟(jì)不確定性對(duì)國(guó)際原油市場(chǎng)的時(shí)變影響，建議各國(guó)加強(qiáng)能源供應(yīng)鏈的韌性。這包括多元化能源進(jìn)口來(lái)源、增加戰(zhàn)略能源儲(chǔ)備、發(fā)展替代能源以及提高能源效率，以減少對(duì)單一能源供應(yīng)國(guó)或類(lèi)型的依賴。各國(guó)政府應(yīng)根據(jù)經(jīng)濟(jì)和市場(chǎng)的實(shí)時(shí)數(shù)據(jù)調(diào)整其能源政策，以應(yīng)對(duì)由中國(guó)經(jīng)濟(jì)波動(dòng)引起的原油價(jià)格變動(dòng)。這可能包括調(diào)整稅收、補(bǔ)貼政策以及進(jìn)口關(guān)稅，以穩(wěn)定國(guó)內(nèi)能源市場(chǎng)。除此之外，應(yīng)加強(qiáng)國(guó)際能源合作，促進(jìn)能源市場(chǎng)透明度。鑒于中國(guó)在全球能源市場(chǎng)中的重要地位，建議加強(qiáng)國(guó)際能源合作。通過(guò)共享市場(chǎng)信息、協(xié)調(diào)應(yīng)對(duì)策略和共同開(kāi)發(fā)能源項(xiàng)目，國(guó)際社會(huì)可以更好地應(yīng)對(duì)中國(guó)經(jīng)濟(jì)不確定性帶來(lái)的挑戰(zhàn)。提高能源市場(chǎng)的透明度，包括原油供應(yīng)、需求和庫(kù)存水平的信息，有助于市場(chǎng)參與者做出更為理性的決策。政府和國(guó)際組織可以通過(guò)發(fā)布定期報(bào)告和數(shù)據(jù)來(lái)支持這一目標(biāo)。

參考文獻(xiàn)

［1］BAKASD，TRIANTAFYLLOUATheimpactofuncertaintyshocksonthevolatilityofcommodityprices［J］JournalofInternationalMoneyandFinance，2018（87）：96-111

［2］LYUY，TUOS，WEIY，etalTime-varyingeffectsofglobaleconomicpolicyuncertaintyshocksoncrudeoilpricevolatility：Newevidence［J］ResourcesPolicy，2021（70）：101943

［3］JOTSM，MIGNONV，RAZAFINDRABETDoesthevolatilityofcommoditypricesreflectmacroeconomicuncertainty？［J］EnergyEconomics，2017（68）：313-326

［4］ALOUIR，GUPTAR，MILLERSMUncertaintyandcrudeoilreturns［J］EnergyEconomics，2016（55）：92-100

［5］LIANGC，WEIY，LIX，etalUncertaintyandcrudeoilmarketvolatility：Newevidence［J］AppliedEconomics，2020，52（27）：2945-2959

［6］LIX，LIANGC，CHENZ，etalForecastingcrudeoilvolatilitywithuncertaintyindicators：Newevidence［J］EnergyEconomics，2022（108）：105936

［7］INEVANROBAYSMacroeconomicuncertaintyandoilpricevolatility［J］OxfordBulletinofEconomicsandStatistics，2016，78（5）：671-693

［8］BALCILARM，BEKIROSS，GUPTARTheroleofnews-baseduncertaintyindicesinpredictingoilmarkets：ahybridnonparametricquantilecausalitymethod［J］EmpiricalEconomics，2017（53）：879-889

［9］WANGQ，SUNXCrudeoilprice：Demand，supply，economicactivity，economicpolicyuncertaintyandwars-Fromtheperspectiveofstructuralequationmodelling（SEM）［J］Energy，2017（133）：483-490

［10］MEID，ZENGQ，CAOX，etalUncertaintyandoilvolatility：Newevidence［J］PhysicaA：StatisticalMechanicsanditsApplications，2019（525）：155-163

［11］YANGLConnectednessofeconomicpolicyuncertaintyandoilpriceshocksinatimedomainperspective［J］EnergyEconomics，2019，80（4）：219-233

［12］DIEBOLDFX，YILMAZKBettertogivethantoreceive：Predictivedirectionalmeasurementofvolatilityspillovers［J］InternationalJournalofforecasting，2012，28（1）：57-66

［13］LINB，BAIROilpricesandeconomicpolicyuncertainty：Evidencefromglobal，oilimporters，andexporters’perspective［J］ResearchinInternationalBusinessandFinance，2021（56）：101357

［14］鄭挺國(guó)，王霞中國(guó)經(jīng)濟(jì)周期的混頻數(shù)據(jù)測(cè)度及實(shí)時(shí)分析［J］經(jīng)濟(jì)研究，2013，48（6）：58-70

［15］高華川，白仲林中國(guó)月度GDP同比增長(zhǎng)率估算與經(jīng)濟(jì)周期分析［J］統(tǒng)計(jì)研究，2016，33（11）：23-31

［16］王義中，宋敏宏觀經(jīng)濟(jì)不確定性、資金需求與公司投資［J］經(jīng)濟(jì)研究，2014，49（2）：4-17

［17］BASUS，BUNDICKBUncertaintyshocksinamodelofeffectivedemand［J］Econometrica，2017，85（3）：937-958

［18］JURADOK，LUDVIGSONSC，NGSMeasuringuncertainty［J］AmericanEconomicReview，2015，105（3）：1177-1216

AnalysisoftheTime-varyingEffectofEconomicUncertaintyonInternationalCrudeOilPrices

SIYinghuaMENGJuanxia

（LanzhouUniversityofFinanceandEconomics，Lanzhou730030，China）

Abstract：Therehasalwaysbeenacomplexrelationshipbetweenuncertaintyandcrudeoilprices，andtheacademiccommunityhasnotyetreachedaconsensusontheimpactofeconomicuncertaintyonthecrudeoilmarketThepurposeofthispaperistoconstructtheproxyindexofChinaseconomicuncertainty（EU）basedonthemixedfrequencydynamicfactormodelunderdynamicstructuralchanges，andtoconstructatime-varyingparameterstochasticvolatilityvectorautoregressive（TVP-SV-VAR）modeltostudythetime-varyingimpactofChinaseconomicuncertaintyonthepricefluctuationsofthreeinternationalcrudeoilpricingbenchmarks，WestTexasIntermediatecrudeoil，BrentcrudeoilandDubaicrudeoilTheresultsshowthattheimpactofChinaseconomicuncertaintyoncrudeoilpricefluctuationschangesovertime，andshowsthattheshort-termeffectissignificantlystrongerthanthelong-termeffect，andtheoccurrenceofeachpeakpointisaccompaniedbymajoreconomiceventsOnthisbasis，thispaperproposespolicyrecommendationssuchasenhancingtheresilienceoftheenergysupplychainandpromotingthetransparencyoftheenergymarkettopromotethestabledevelopmentoftheinternationalcrudeoilmarket

Keywords：EconomicUncertainty；InternationalCrudeOil；TVP-SV-VARModel