任仙玲 肖毓琨 孙文岳

(中国海洋大学 经济学院，山东 青岛 266100)

国际能源市场与中国股市之间的波动溢出效应研究*

任仙玲 肖毓琨 孙文岳

(中国海洋大学 经济学院，山东 青岛 266100)

随着中国能源需求量的不断增加，国际能源价格的波动必然会对中国经济的发展产生影响，因此，研究国际能源市场和中国股票市场之间的波动溢出关系具有重要意义。本文分别从中国整体股市以及沪、深分市场两个角度，借助VAR-BEKK模型，利用波动序列的Granger因果关系检验，不仅研究了国际能源市场与中国股票市场之间的波动溢出方向，同时也研究了两个市场之间波动溢出的滞后效应。实证结果表明，能源市场与中国股市之间存在双向波动溢出，但是国际能源市场的波动在滞后两期后传染给中国股票市场；从分市场角度来看，沪市和深市对国际能源市场的溢出是当期的，反之，国际能源市场对沪市和深市的影响存在滞后效应。

国际能源市场；中国股市；波动溢出；VAR-BEKK模型；Granger因果检验

一、前言

随着经济的发展，中国对能源的需求量不断增长，中国日益增长的能源需求总量和国际能源供给现状决定了其能源消费对外依存度上升，从而导致国际能源价格波动对中国经济产生越来越显著的影响。股市作为实体经济的晴雨表，国际能源价格的波动对股市的冲击也是对实体经济冲击的一种反映。因而，本文就国际能源价格与中国股市之间的波动溢出效应进行研究。

国内外学者围绕国际能源价格波动，特别是原油价格波动与经济的关系进行了诸多研究。之前的研究主要分为以下两类。

一些学者主要集中于对国际能源价格，特别是原油价格与一国经济之间的波动溢出进行建模。在这些围绕波动溢出本身进行建模的研究中，金洪飞、金荦通过建立VAR和二元GARCH模型，研究了国际原油价格与中美股市价格之间的波动溢出效应，并得到中国股市价格国际原油价格之间不存在波动溢出效应，而美国股市价格与国际原油价格之间存在波动溢出效应的结论。[1]Diaz et al.运用VAR模型并结合脉冲响应，就原油价格波动与G7国家股票市场的波动溢出效应进行研究，发现G7国家股票市场与原油价格之间的存在负相关关系。[2]薛永刚通过计算变异系数、检验因果关系并结合聚类分析，研究了包括中国在内的28个国家和地区的统计数据，发现除个别市场外，国际原油价格与股票收益率之间存在长期均衡关系。[3]Jammazi运用三元BEKK-GARCH模型，选取了五个发达国家市场——美国、英国、日本、德国和加拿大，就原油市场的冲击是否能够传送到股票市场进行研究，发现除了日本和英国外，原油对股市的波动溢出效应取决于地理因素。[4]Bouri采用ARMA模型、单变量GARCH模型和GJR-GARCH模型，对国际原油价格与原油供给地股市价格的波动溢出效应进行研究，结果显示，国际原油价格对约旦股市的溢出效应显著，然而国际油价的波动对黎巴嫩股市的溢出效应并不显著。[5]

另一些学者则致力于从不同角度对原油价格与经济之间的波动溢出效应进行研究。Faff and Brailsford就国际原油价格波动对澳大利亚各行业股票价格的影响进行研究，认为原油价格波动对不同行业的股票价格影响各异。[6]郭国峰、郑召锋从中国整体股市-沪深分市场-分行业三个层次着手，认为国际能源价格波动对中国整体股市、沪深分市场，以及各行业股票价格的影响各异。[7]李春红、齐中英和孙薇从股票市场整体和股票市场行业板块两个维度研究了国际油价波动对中国股市的影响。研究发现，国际油价对中国股市各行业均存在波动溢出效应，但表现却有所不同。[8]Jamel and Jouini使用VAR-GARCH研究国际原油价格波动与沙特阿拉伯王国股票市场板块之间的联系，结果表明，原油价格波动与其股票市场中的大部分行业板块存在波动溢出效应，但也有少部分不存在直接的波动溢出效应。[9]Wensheng et al.研究发现，原油价格积极和消极的冲击会对美国股票市场产生不同的影响。[10]同样，Perry and Sadorsky通过研究新兴市场股票价格、铜价、原油价格和小麦价格之间的关系，也得到了原油价格消极的冲击会给股票市场带来更大程度波动的结论。[11]成博、杨胜刚从经济基础、市场传染和资金跨市流动三个传导路径研究了石油市场与股票市场之间的互动机制，发现中国股市与石油市场的关联性较低。[12]Bastianin et al.运用VAR模型，从供给和需求两个角度研究原油价格波动对G7国家股票价格的影响，认为原油价格影响可以用来作为制定经济和财政政策的参考。[13]

综上所述，已有文献对国际能源市场与股票市场之间的波动溢出效应研究，主要集中在利用波动方程的系数显著性来刻画波动溢出，该方法确定了波动溢出的方向，但无法刻画波动的滞后效应。本文在已有研究的基础上，尝试利用波动序列的Granger因果检验来描述两个市场间的波动溢出。该方法既可以描述市场间的波动溢出方向，同时刻画市场间波动溢出的滞后效应，并将该方法与波动方程的系数显著性检验作了实证比较

二、模型与方法

本文研究国际能源市场与中国股票市场之间的波动溢出效应，因此，可以采用VAR-BEKK模型对上述两个市场之间的波动溢出效应进行描述。[14]利用VAR-BEKK模型，本文提取出市场的波动序列，从而刻画市场间的波动溢出效应。该部分首先对VAR-BEKK模型进行描述，然后在此基础上介绍市场间波动溢出的检验。

(一)VAR-BEKK模型

1980年，Sims提出能够估计全部内生变量的动态关系的向量自回归模型VAR(q)，具体模型为：[15]

r1t=μ1+β1r1t-1+φ1r2t-1+ε1t

r2t=μ2+β2r2t-1+φ2r2t-1+ε2t

(1)

其中，r1t和r2t分别表示市场1和市场2的收益率，ε1t和ε2t为此均值方程估计的残差项。并且假定残差项ε1t、ε2t序列不相关，协方差E(ε1t,ε2t)不为0。在本模型中，β1和β2表示市场自身的均值溢出，φ1和φ2则表示两个市场之间的均值溢出。[14]

利用全信息的BEKK模型来刻画两个市场的协方差矩阵，进而刻画两个市场之间的波动。BEKK模型是由Engle和Kroner于1995年在已有研究的基础上所建立的一个描述二阶矩波动的模型，[15]其优点是可以在很弱的条件下保证方差矩阵的正定性且需要估计的参数个数较少。假设有1、2两个市场，其二元BEKK(1,1)的设定形式为：

(2)

(3)

其中，εt是由VAR模型得到的残差项，为一个(2×1)的矩阵。Ωt-1为包含t-1时期全部可得信息的信息集，Ht为t时刻的收益率协方差矩阵，其主对角线元素为方差，非主对角线元素为协方差。在式(3)中，C为一个上三角的常数矩阵，A、B中主对角线元素分别是ARCH和GARCH项的系数，其分别表示市场之间的冲击(Shock)效应与波动(Volatility)效应。

通过极大似然估计对BEKK进行估计。在假定残差向量服从二元正态分布的前提下，BEKK模型对应的对数似然函数为：

(4)

其中，N为市场个数，T为样本容量。

(二)市场间波动溢出效应的检验

1、Wald检验

基于BEKK模型的波动方程为：

(5)

假设1：不存在市场2向市场1的波动溢出，即原假设设定为H0∶b12=0

假设2：不存在市场1向市场2的波动溢出，即原假设设定为H0∶b21=0

2、波动序列的Granger因果检验

(6)

(7)

三、样本选择与描述性统计

本文选取道琼斯—瑞银商品群分指数中的能源指数(Dow Jones Commodity Index Energy)作为国际能源价格波动的度量指标。采用道琼斯中国指数来衡量中国股票市场整体情况，并分别采用上证综指和深证成指来代表上海、深圳交易市场。样本期为2010年12月31日到2016年7月29日，剔除无效数据，最终调整后的有效数据容量为1309。其中，道琼斯能源指数和道琼斯中国指数来源于道琼斯系列指数网站，上证指数和深证成指数据来源于新浪财经。收益率定义为：

rt=(Log(Pt)-Log(Pt-1))×100

(8)

其中，Pt为t时期的价格，rt表示t时期调整后的收益率。各市场的收益率走势如图1所示。从图1中可以看出，2011年至今，各市场均出现不同程度的波动，2014年年底之前，各市场波动整体较小。自2014年年底开始，各市场的波动程度开始加剧，并且各市场的波动在图中都出现了不规则的峰值。

图1 各市场的收益率走势图

表1给出了国际能源价格指数、道中指数、上证综指和深证成指的描述性统计量及检验结果。表1结果显示，除国际能源价格指数的日收益率外，道中指数、上证综指和深证成指的日收益率均为正，四个市场收益率序列的标准差较小且比较接近。检验正态分布的Jarque-Bera统计量均在1%的显著性水平下拒绝了服从正态分布的假设，即各指数的指数收益率均不服从正态分布。从偏度系数和峰度系数来看，各指数的收益率均具有明显的尖峰厚尾特征。正态分布峰度系数为3，表中四个市场收益率序列的峰度值都高于3。四组数据偏度系数都小于0，说明各指数收益率呈现了左偏特征。从Ljung-Box的检验结果中可以看出，能源价格指数和上证综指收益率在1%的显著性水平下显著，道中指数和深证成指收益率在5%的显著性水平下显著，总体来看，各指数收益率均存在自相关性。ARCH(6)与ARCH(10)分别为对四个市场收益率进行的滞后6阶和滞后10阶的ARCH效应检验，从表1中给出的结果可以看出，收益率序列在1%的显著性水平下具有ARCH效应。国际能源价格指数、道中指数、上证综指和深证成指的ADF值均在1%的显著性水平下显著，表明能源价格指数、道中指数、上证综指和深证成指的收益率序列均为平稳序列，可以直接建立自回归模型来描述价格波动率和收益率序列的均值变化。

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著。

四、实证结果分析

表2 分别给出了道琼斯国际能源价格指数与道中指数、上证综指和深证成指之间的VAR模型估计结果。根据AIC信息准则，国际能源价格指数与道中指数、深证成指的VAR模型选择的最优滞后阶数为1阶，而国际能源价格指数与上证综指的VAR模型最优滞后阶数为4阶。从单位根检测图中可以看出，VAR模型的根都散落在单位圆之内，因此判定此VAR模型是平稳的，因此模型得出的检验结果是有意义的。对三组VAR模型估计之后得到的残差序列分别作ARCH效应检验，表2给出了其检验结果。从该结果中可以看出，三组残差序列在1%的显著性水平下均具有ARCH效应，符合构建GARCH模型的条件，因此可以通过构造多元GARCH模型对国际能源价格与中国股市之间的关系作进一步的研究。

表3 BEKK模型估计结果

表3给出了在t分布下，国际能源价格指数与道中指数、上证综指和深证成指收益率的VAR-BEKK模型估计结果，从该表中可以看出，ARCH项系数矩阵A和GARCH项系数矩阵B的四个对角元素均在1%的显著性水平下显著，说明两个市场的波动均受到来自自身前期波动的约束，波动聚集性和持续性比较显著。表4 给出了标准化残差的ARCH检验结果，其结果显示，三组VAR-BEKK模型的残差均已不存在ARCH效应，消除了异方差性，证明了该模型设定的合理性。

表4 BEKK模型残差的ARCH检验结果

注：eE_CH1、eE_CH2表示国际能源价格与道中指数估计得出的残差；eE_SH1、eE_SH2表示国际能源价格和上证指数估计得出的残差；eE_SZ1、eE_SZ2表示国际能源价格与深证指数估计得出的残差。括号内给出的为p值。

对于国际能源指数与道中指数，系数b12在5%的显著性水平下显著，说明中国股市对国际能源市场存在单向波动溢出效应。由于b21在1%的显著性水平下显著，国际能源市场对中国股市也存在单向波动溢出效应。

本文对表3给出的估计结果进行了进一步的Wald检验。检验结果如表5所示。通过对估计结果进行双向和单项参数检验，可以发现，国际能源价格对中国整体股市价格和沪深分股市价格均存在双向的波动溢出效应。

提取VAR-BEKK估计结果的波动序列，对其进行Granger因果检验，结果如表6所示。从该表中我们可以看出，Granger因果检验结果与Wald检验结果大体一致，但是Granger检验对国际能源市场与中国股票市场之间的波动溢出效应进行了进一步研究。该检验结果显示，国际能源价格的波动对中国股市价格的影响存在滞后效应。国际能源市场的波动不会立即传导到中国股市中，这可能是由于影响股市的因素较多，除通胀、货币政策和财政政策等宏观因素外，还受公司所处行业和经营状况等微观因素的影响。除此之外，股票市场和非市场因素也会对股票价格产生影响。国际能源价格的波动可能会通过宏观或微观途径传导到股市，但是无论通过何种方式，从能源价格自身开始波动到其波动对中国股市产生影响都需要一段反应时间，从而决定了其溢出存在滞后效应。其中，能源价格对沪分市场股市的影响会较深分市场股市更快地表现出来。目前，上海证券交易所上市的公司达到1600多家，而深圳交易所只有600家左右。上海证券交易所巨大的基数使得其自身更容易捕捉到股市上的信息从而能够快速作出反应。然而，中国股市价格的变动对国际能源价格的影响会即刻反映出来。与股市的影响因素不同，引起能源价格变动的直接原因是供求关系的变化。股市价格对其供求关系的变化会直接显示出来，因此中国股市价格对国际能源价格的变动并不存在滞后效应。

综上所述，国际能源市场与中国股市之间存在波动溢出效应，中国股市会对国际能源价格波动的冲击作出反应。本文通过深入分析，认为主要存在以下因素。

第一，中国的能源消费结构与对外依存程度。目前在中国，利用较广的几种能源包含煤炭、石油、天然气、核能和水电。根据《中国统计年鉴》(2016)，在2005—2015年我国能源消费中，煤炭占有主要地位，平均消费总量为总消费量的69.6%，石油占17.2%，天然气占4.1%，水电、核电、风电等占9.1%。其中，我国油气消费量增速高于全球水平。自1990 年至2012 年，我国原油消费量由1.13亿吨增至4.84 亿吨，期间复合增速6.84%；天然气消费量由152 亿立方米增至1438亿立方米，期间复合增速10.74%。我国原油、天然气消费量增速均显著高于全球平均水平。

在能源供给方面，自2010年开始，煤炭出口量逐年减少，进口量逐年增加，由2010年的1.8亿吨增至2014年的近3亿吨，煤炭的对外依存度逐年增加。油气保持了较快增长，2015年，原油进口3.3亿吨，比2012年增长22.9%;天然气进口584亿立方米，比2012年增长48.8%，油气均表现出较高的对外依存性。因此，国际能源价格波动时，会对中国经济和中国股市产生影响。

第二，中国股市的成熟程度。尽管中国股市起步时间较晚，在技术、规则、信息等多方面还需完善。但是随着中国股市近年来的不断改革、中国股票市场机制的进一步完善，中国股市将会在更大程度上受到国际能源市场的影响。

第三，中国的能源价格形成机制。随着我国改革开放的推进，能源价格改革也在逐步向市场化方向迈进。目前，煤炭价格基本上是由市场决定的。2016年，国家发展改革委员会对成品油的定价机制作了进一步完善，允许其在调控上下限范围内自行定价。定价机制的完善和健全，使能源价格机制能够进一步反映市场的供需变化，从而导致中国能源价格将会受到国际能源价格的影响。

表5 Wald 检验结果

表6 波动序列的Granger因果检验结果

五、结论

本文利用VAR-BEKK模型，提取其波动序列，在Wald检验的基础上，借助Granger因果关系的思想，从中国整体股市及沪、深股市两个层次，研究了国际能源价格波动与中国股票市场的波动溢出效应。结果表明，国际能源市场对中国股市整体和对沪、深分市场均存在双向的波动溢出效应。其中，中国股票市场的波动会在当期就传染给国际能源市场。但是，国际能源市场对中国股票市场却存在滞后效应。在能源市场的波动当期，这种波动并不会对中国股票市场产生影响，滞后两期后，能源市场的波动会溢出到中国整体股票市场。对于沪、深分市场而言，也存在着类似的实证结果。沪市和深市的波动会在当期即对国际能源市场产生影响。反过来，国际能源市场的波动会在滞后一期后分别传染给沪市和深市。由于中国能源消费对外依存度上升，导致国际能源价格波动对中国经济产生越来越显著的影响，因此研究国际能源价格与中国股市之间的波动溢出效应具有重要意义。同时，基于实证结果，在今后对股市走向的预期中，可以将国际能源价格指数的变动作为其参考指标之一，为投资者提供有价值的参考信息。

[1] 金洪飞, 金荦. 石油价格与股票市场的溢出效应-基于中美数据的比较分析[J]. 金融研究, 2008, (2): 83-97.

[2] Diaz EM, et al. Oil price volatility and stock returns in the G7 economies[J]. Energy Economics, 2016, 54(1):417-430.

[3] 薛永刚. 国际石油价格波动的股票市场溢出效应研究——来自28个国家和地区样本数据的经验分析[J]. 中央财经大学学报, 2011,(9): 30-36.

[4] Rania Jammazi. Oil shock transmission to stock market returns: Wavelet-multivariate Markov switching GARCH approach[J]. Energy, 2012, 37(1): 430-454.

[5] Elie Bouri. Oil volatility shocks and the stock markets of oil-importing MENA economies: A tale from the financial crisis[J]. Energy Economics, 2015, 51(9): 590-598.

[6] Faff RW, Brailsford TJ. Oil price risk and the Australian stock market[J]. Journal of Energy Finance & Development, 1999, 4(1):69-87.

[7] 郭国峰, 郑召锋. 国际能源价格波动对中国股市的影响——基于计量模型的实证检验[J]. 中国工业经济, 2011，(6): 26-35.

[8] 李春红, 齐中英, 孙薇. 国际油价波动对中国股市影响及分析[J]. 运筹与管理, 2012，(6): 161-170.

[9] Jamel, Jouini. Return and volatility interaction between oil prices and stock markets in Saudi Arabia[J]. ScienceDirect, 2013, 35(6): 1124-1144.

[10] Wensheng K, Ratti RA, Yoon KH. The impact of oil price shocks on the stock market return and volatility relationship[J]. Journal of International Financial Markets, Institutions & Money, 2015, 34(1): 41-54.

[11] Perry, Sadorsky. Modeling volatility and correlations between emerging market stock prices and the prices of copper, oil and wheat[J]. Energy Economics, 2014, 43(5): 72-81.

[12] 成博, 杨胜刚. 石油市场与股票市场的互动机制比较研究[J]. 求索, 2014,(1): 60-65.

[13] Bastianin A, Conti F and Manera M. The impacts of oil price shocks on stock market volatility: Evidence from the G7 countries[J]. Energy Policy, 2016, 98(11):160-169.

[14] Engle RF and Kroner KF. Multivariate Simultaneous Generalised ARCH[J]. Econometric Theory, 1995, 11: 122-150.

[15] Sims CA. Macroeconomics and Reality[J]. Econometrica, 1980, 48: 1-48.

[16] Mensi W, Hammoudeh S, Nguyen DK, et al. Dynamic spillovers among major energy and cereal commodity prices[J]. Energy Economics, 2014,43:225-243.

[17] 董秀良, 曹凤岐. 国内外股市波动溢出效应——基于多元GARCH模型的实证研究[J]. 数理统计与管理, 2009, 28(6):1091-1099.

[18] 周璞, 李自然. 基于非线性Granger因果检验的中国大陆和世界其他主要股票市场之间的信息溢出[J]. 系统工程理论与实践, 2012, 32(3):466-475.

VolatilitySpilloverEffectBetweenInternationalEnergyMarketandChineseStockMarket

Ren Xianling Xiao Yukun Sun Wenyue

(College of Economics, Ocean University of China, Qingdao 266100, China)

With the increasing demand for energy in China, the fluctuation of international energy prices will inevitably affect the development of China's economy. Therefore, it is of great significance to study the relationship of volatility spillover between international energy market and Chinese stock market. From two perspectives of Chinese overall stock market, and Shanghai and Shenzhen stock markets, based on VAR-BEKK model and the Granger causality test of the volatility series, this paper not only studies the volatility spillover between the international energy market and the Chinese stock market, but also studies the lag effect of volatility spillover between the two markets. The empirical results show that there is a bi-directional volatility spillover between the energy market and the Chinese stock market, but the volatility of the international energy market has spread to China's stock market with a two-period lag. From the perspective of the market, Shanghai and Shenzhen markets have spillover effects on the international energy market in the current period; on the contrary, the impact of the international energy market on Shanghai and Shenzhen markets has a lag effect.

international energy markets; Chinese stock market; volatility spillover; VAR-BEKK model; Granger causality test

王明舜

2017-05-08

任仙玲(1979- )，女，山西朔州人，中国海洋大学经济学院副教授，主要从事金融计量学、非参数统计学、金融风险管理及时间序列分析研究。

F830.91

A

1672-335X(2017)06-0065-07