石油价格波动对我国GDP的影响研究.doc

石油价格波动对我国GDP的影响研究童光荣作者简介：童光荣（1950-），男，武汉大学经济与管理学院，教授，博士生导师。 姜松姜松（1980-），男，武汉大学经济与管理学院，博士研究生。摘要：本文通过分析我国石油价格的时间序列数据，发现石油价格存在杠杆效应，并采用非线性高斯随机场动态模型，考察石油价格波动对GDP增长的影响。我们的研究结果表明，不断上涨的石油价格对GDP波动影响存在不对称性，对产出存在明显的滞后冲击。关键词：杠杆效应、非对称成分ARCH模型、高斯随机场中图分类号: F426 文献标识码: AThe Research of the Effect of Fluctuation of Oil Prices for GDPAbstract: This paper considers that oil prices of China have lever effect by analyzing time data, finds that oil prices have lever effect, and uses the nonlinear Gauss Random Field dynamic model, examining the effect of fluctuation of oil prices for economic growth. The research indicates that the growing oil prices has the asymmetry effect to GDP, and has evident lag strike.Key Words：Lever Effect, Unsymmetrical Component ARCH Model, Gauss Random Field一、 引言石油是一种稀缺的生产资料和战略储备资源，价格变动不仅受商品供求规律的制约，同时还受政治、军事以及人们预期等多方面因素的影响。在短暂的石油开采及利用的时间里，价格经历了多次的涨跌，并且上世纪七十年代爆发了两次大危机，直接导致了对全球经济的冲击。进入新千年以后，美国在阿富汗的反恐战争、伊战，欧佩克对原油产量的限制，世界对石油需求量的激增等诸多政治、经济和军事因素，无不形成了拉动石油价格波动的重要力量。我国目前的石油价格机制形成于2001年，根据 “国家计委关于完善石油价格接轨办法及调整成品油价格的通知”，国内石油价格从只与新加坡市场单一挂钩，改为与新加坡、鹿特丹和纽约三地市场价格挂钩；以三地市场离岸价格为基础，计算进口到岸并完税后的成本作为接轨价格。当新加坡、鹿特丹和纽约市场石油价格的月加权平均价格变动超过一定幅度时，相应调整国内价格。随着近年来我国经济的高速增长，到2002年我国的石油进口量已经超过日本，成为仅次于美国的世界第二大石油消费国。石油作为工业生产、交通运输等行业必不可少的资源，需求量迅速增加，未来20年，石油将占我国总体能源结构的30%左右。因此，研究石油价格波动对宏观经济的影响，具有十分重要的意义。石油工业开采与利用只有不到200年的时间，直到1931年Hotelling1才提出了一个关于石油价格波动的可耗尽资源模型，他把石油看作是一种埋藏在地下的资产，模型研究的目的是找到一种最优的定价方法，使得所有者的收益最大。Hotelling模型一直作为学者们研究的重点，直到二十世纪七十年代爆发的两次石油危机直接导致了西方主要工业国家出现了不同程度的经济萧条，石油价格波动对宏观经济的影响重新引起了学者们的重视。人们一般认为作为工业生产不可或缺的生产资料，石油价格上涨必然导致成本推动型的通货膨胀，进而抑制消费需求，阻碍经济增长。进入八十年代后，实证研究的数据表明，石油价格波动不再适用线性模型来解释，学者的研究更多的采用非线性模型，并且对石油价格波动的非对称性进行研究。Hooker2（1996）认为石油价格在1985年后与美国经济活动之间的相关性较弱，他的研究显示1973年以后石油价格不再是导致美国宏观经济指标变量的因。石油价格变量是内生的，线性方程不能解释石油价格和宏观经济变量之间的关系。石油价格的上涨看起来并没有带来显著影响，而且石油价格下降的影响越来越小，难以用计量模型描述。Monk3（1989）认为石油价格波动和美国产出增长之间有很强的关系。他分别对石油价格上涨和石油价格下跌建立回归方程，结果显示石油价格下跌方程的参数明显小于上涨方程，对产出的影响也更小。Davis & Haltiwanger（2001）研究了1972-1988年石油价格波动对美国制造业就业的影响。他们认为石油价格波动对就业的影响大约为货币政策作用的两倍。石油价格大幅上涨会对就业率造成巨大冲击，但是石油价格大幅下跌对就业影响却很小。他们通过分析宏观经济数据认为，石油价格波动和产出、就业、实际工资之间存在显著相关性。石油价格对就业的促进和阻碍都显示出强烈的短期敏感性。油价上涨和下跌对就业增加的影响是不对称的，石油价格波动会在很大程度上引起就业的重新分配。Cunado4（2003）通过1960-1999年的数据分析了欧洲十几个国家的石油价格波动，他认为石油价格上涨对工业生产指数的增长率产生负的影响，油价下跌则影响并不显著。石油价格对通货膨胀的影响是持久的，对产出的影响是短期不对称的。为了研究石油价格冲击的不对称性对GDP的影响，我们引入了一个新的参数检验方法分析石油价格时间序列数据，并建立非线性的高斯随机场动态模型研究石油价格波动与GDP增长之间的内在关系。本文的具体内容安排如下：第二部分是理论模型和参数的非线性检验方法；第三部分是模型的实证研究；第四部分是结论及建议。二、 理论模型及参数非线性检验方法上世纪七十年代以来，国际石油价格已经由西方主要工业国家石油公司定价，转为OPEC组织定价，近年来正逐步转为石油期货价格作为定价基准的自由市场机制。一般来说，简单的自回归模型描述的是经济活动中存在的线性关系，无法度量石油价格波动中存在的不确定因素和非线性关系。2.1 石油价格波动的条件异方差性为了研究石油价格冲击与国民经济增长之间的关系，我们首先考察石油价格时间序列是否稳定。 选取EIA大庆石油价格的周数据样本，1997年5至2006年12月之间的数据作为研究样本，样本数据中1999年12月和2000年9月的数据存在缺失，本文选取缺失数据日期前后的两期数据之和的平均值，作为这两个日期的数据样本值。为了便于模型分析，对研究样本的数据取自然对数。 首先对研究样本进行回归分析，得到 R2=0.993，R2统计量显著，但是根据观察方程残差序列的折线图（图2.1），可以看出2001年，2004年期间波动非常显著，其他时间波动较缓，因此判断石油价格序列可能存在条件异方差，需要对残差进行进一步分析。对于条件异方差是否存在的实证检验，可以采用ARCH LM检验方法。图2.1检验回归方程的统计量有两个，F统计量和2统计量。F统计量检验残差平方的滞后项是否显著，2统计量是由回归方程中样本的个数和拟合度检验的统计量R2的乘积构成，并且ARCH LM检验近似服从2（p）分布。样本的ARCH LM检验（表2.1所示），统计量的相伴概率为0，拒绝残差序列不存在ARCH效应的假设，说明石油价格存在ARCH效应，说明石油价格波动不适用简单的线性模型进行描述。表2.1F统计量28.304概率值0.00002统计量51.096概率值0.00002.2 杠杆效应我们认为石油价格波动不适用简单的线性模型,这是因为石油价格自身波动的杠杆效应产生的影响，石油价格上升带来的冲击比石油价格下降影响更大。根据非对称成分ARCH模型来研究大庆油田石油价格每周数据，得到回归方程如下：均值方程： ln（Pt） = 1.00057 ln（Pt（-1）+ S.E.=(0.0000773)方差方程：=0.0017 + 0.877 ( - 0.0017) + 0.1( - )S.E.=（0.00018） (0.0786） （0.0569）t=（9.06） （11.16） （1.767） = 0.142（- ） + 0.017 (- ) + 0.067( - )S.E.=（0.0919） （0.10223） （0.412）t=（1.54） （0.17） （0.163）R2=0.99，对数似然值为910，赤池信息量准则（AIC准则）检验值为-3.62。=0.142，=0.017，=0.067根据回归方程得到的结果，=0.017>0，说明石油价格存在杠杆效应，这种非对称效应只是对石油价格产生暂时的冲击，并且这种非对称效应会使得长期波动率较快的收敛到稳态。当石油价格上涨时，0，虚变量=0，那么此时会对石油价格产生一个=0.142倍的冲击；当石油价格下降时，<0，=1，那么此时会对石油价格产生一个+=0.159倍的冲击。由此可以看出只要>0，那么+一定大于，也就是石油价格上升带来的冲击比石油价格下降影响更大。2.3 理论模型在上面分析的基础上，我们对石油价格波动影响的研究，主要是建立一个由线性部分和非线性部分组成的高斯随机场动态模型，考察石油价格波动对GDP增长的影响。模型结构如下：，t=1,2,T（1）其中，分别为k维和j维解释变量，分别代表石油价格波动和GDP增长，随机误差项，条件均值函数被看作为一个随机过程，视为随机场， Vanmarcke（1983）在随机场：分析与合成一书中进一步完善了随机场理论，奠定了随机场局部平均的理论基础。局部平均理论是用随机场函数在离散单元上的随机变量来代替该单元统计量的近似理论，通过这一理论，可以根据随机场局部平均后形成的变量，对原有随机场函数具有不显著相关性的特点，减少需要录入的相关随机信息，只需要给出原随机场函数的均值、方差以及其他一些相关要求，使得随机场模型更接近实际应用。随机场这个概念是随机过程在空间上的推广，不同之处是，随机过程的基本参数一般是时间变量，而对于随机场而言，除了依赖于时间变量外，还要依赖空间坐标u=x,y,z,定义为X(u,t); uU, URn, tT，其中U为空间定义域，为Rn欧氏空间，T为时间定义域。与随机过程类似，随机场的概率结构可以用有限维分布函数来描述。 其中表示随机变量在，上的取值范围。随机场X(u, t)的数学期望为 。随机场如果沿某个空间方向任意平移，它的有限维概率密度分布函数保持不变，称为随机场沿该方向是均匀的，进一步说，一个随机场可以沿某一直线、某一平面、或者整个空间均匀移动。高斯随机场是高斯随机函数在空间变量上的延伸，令X(x)为高斯随机场，用H表示积分，与H相对应的特征泛函为 。根据高斯随机函数的性质，它的积分依然为高斯随机变量，于是可以将H的分布密度表示为而 （2） （3）由此进一步计算，得到 （4）将公式（1）与（2）代入（3）得到高斯随机场的特征泛函： （5）其中为X(x)空间上两点的协方差函数。随机场模型的优点是可以建立一个多维空间的概率模型，把要求解的问题与概率模型紧密联系起来，然后通过随机抽样的方法得到统计量的估计结果，并将其作为模型的近似解，我们采用了特征正交化的方法，将随机变量进行特征正交化变换，把满秩矩阵变换为对角矩阵，可以减少计算量。我们用随机场表示石油价格波动的滞后项函数，非线性模型的目的是得到这个未知的随机过程。模型说明当期的GDP增长变化要依赖于前期的GDP变化和石油价格波动。其中随机场函数由两个部分组成，一个是常见的线性成分，另一个是由随机过程函数组成的非线性成分，这部分是不可观测的，这两个部分都包含有模型待估计的参数。条件均值函数可如下表示：（6） =g （7）这里，与g为k×1阶向量，且E（）=0，表示Hadamard变换。如果=0，那么（1）就是一个线性方程。这里我们引入Hamilton5提出的一个新的Lagrange乘数检验方法，用来判定线性与否，设x= ，定义r为k维球面空间的半径，Ak（r）=，设Vk（r）表示Ak（r）容量，于是有Vk（r）= rk·Vk（1），进一步可知V1（r）= 2r = r·V1（1），得到V1（1）=2那么Vk（r）= = 2 Vk-1（1）· Pk-1（0，r）= 2 Vk-1（1）· rk · Pk-1（0，1） （8）考虑du=uv- du，令，dv=dz，由此得到Pk（h，r）= dz = （9） = （10）(8) ×K + (9)得到Pk（h，r）= Pk -2（h，r） （11）于是有P0（h，r）= r - h设Ak（1）为k维空间单位球面体，中心在原点，Bk（h，1）为中心在空间（0,0,0,2h）的k维空间单位球面体，h0，1，那么Ak（1）=Bk（h，1）=设Ck（h）为Ak（1）与Bk（h，1）的空间交集，那么 = = 2 Vk-1（1）· Pk-1（h，1）如果h = (1/2)|x-z|(1/2) ，那么Em(x) m(z)恰好由Ak（1）和Bk（h，1）的空间重叠部分与Vk（1）的比率决定，则Em(x) m(z) = Hk（hts）= Pk-1（hts，1）/ Pk-1（0，1） t,s=1,2,T （12） 从空间上看，目标矩阵Hk（h）表示T×T维方差函数矩阵。Pk(hts，r)= （13） （14） gi为随机场函数中参数（，）之前的系数。 （15） 如果趋近于0，那么说明对应的在模型的非线性关系上的影响不大。由公式（1）可知，如果随机误差项，为严格外生的回归参数，那么有：其中，X是一个（T×（1+k+j）阶矩阵，它的第t行是由(1,)给定，表示（1+k+j）维向量，IT为（T×T）维单位矩阵，H为（T×T）维矩阵，它的元素由公式（12）给定。令矩阵，为普通最小二乘估计（OLS）的残差，原假设H0：LM =0，存在线性关系，于是得到Hamilton5参数的Lagrange乘数检验方法：LM(Hk)= （16）根据残差检验的结果用来判断模型是否存在非线性关系。三、 实证研究石油价格冲击是否与国民经济增长之间存在着相互依赖的关系，是国内外学者都一直很重视的问题，但是学者们的观点却不尽相同。一种观点认为，石油价格波动与国民经济增长之间存在着正相关关系，持久的经济增长需要持久的能源消费增长；另有一种看法认为，自70年代世界石油危机以后，石油价格波动与国民经济增长之间不再密切相关。为了进一步分析石油价格冲击对GDP增长的影响，我们选取1997年第一季度到2006年第四季度的宏观数据 数据来源于中经网统计数据库和EIA。，对实际产出和石油价格取对数，并计算增长率.。为了考虑模型研究的是关于石油价格冲击对GDP增长的影响的季度变化数据，因此我们选取滞后三期的解释变量。根据公式（1）和（15）建立动态模型： （17）LM检验值为2.242，概率为0.024，故拒绝原假设，我们认为石油价格冲击与GDP波动之间存在非线性关系，对动态模型进行10000次模拟，得到 = 0.0299 - 0.0011 - 0.0004 0.0024 - 0.7753 - 0.8071 - S.E.= (0.0114) (0.0019) (0.0017) (0.0017) (0.1241) (0.124)0.7864 + 0.02 1.59 m ( 0.1735, 0.1245, 0.145) + (0.1109) (0.0037) (0.62) (0.1688) (0.155) (0.1377)根据因变量的二阶导数，可以得到中括号之中的函数估计值，表示极大似然估计（MLE）渐进的标准差。其中，N(0,1)，m(·)表示在（，）处的随机场函数的非线性函数部分，m(·)前面的系数=1.59，表示随机场函数对模型的非线性关系带来的影响。参数（，）之前的系数，用来反映是否存在非线性影响，=0.1735，= 0.1245，=0.145，可以看出 显著不为0，那么说明对应的在模型中存在显著的非线性影响。参数=0.02，表示非线性函数m(·)对于随机场函数(·)存在弱影响。从随机场函数的线性部分中我们可以看出，虽然石油价格的滞后变量，前的系数并不十分显著，但是它们对GDP总体上存在负的影响。随机场动态模型说明石油价格冲击对GDP增长存在显著的非线性的滞后影响，石油价格上升10%，对GDP带来的冲击大约为0.39%。随机场动态模型滞后三期的石油价格的系数，大约为线性模型 线性模型方程= 0.0205-0.0002- 0.0003-0.0003 - 0.7992 - 0.8005 - 0.8837的十倍，我们认为造成这种显著差别的原因在于石油价格波动的杠杆效应，石油价格上涨期的冲击要远大于下跌期，随机场动态模型更好的刻画了石油价格波动对GDP增长的影响。 四、 结论及建议本文研究结果表明，石油价格波动存在杠杆效应，对GDP增长影响不能用简单的线性模型来刻画，存在不对称性，石油价格对产出存在明显的滞后冲击，并且这种冲击是持久的。使用非线性高斯随机场动态模型描述石油价格波动对我国GDP的影响，比简单的线性模型更为有效，模型的结果说明不断上涨的石油价格对我国GDP的影响更为显著，而石油价格下跌对我国GDP的影响较小，这对于明确我国未来的石油价格调控机制和制定石油发展战略有重要的意义。我国的人口占世界人口的五分之一强，但石油储量只占世界石油总储量的2%，我国石油生产正经过鼎盛时期，国内石油产量的一半以上都来自大庆油田和胜利油田，而这两大油田产量正呈现下降趋势，未来我国的石油消费要更多的依赖进口，石油价格波动对我国经济的影响更不能忽视。因此，为了规避石油价格波动风险，需要采取相应措施：一、面对我国石油资源相对匮乏的状况，石油进口主要依赖中东地区供给，随着国际政治经济因素的影响，国际油价一路攀升，自2001年后，我国石油价格逐步和国际接轨，研究表明我国油价受国际油价的影响日益明显6，高涨的国际油价将会增加我国的外汇支出，减少贸易盈余。适应加入WTO后市场逐步开放的要求，逐步与国际石油市场接轨，以企业为市场主体，政府进性宏观调控，向市场化方向转变，以增强抵御石油价格冲击的能力。二、开发石油能源替代品。国内石油价格上涨，必然带动石油行业相关衍生品等工业产品成本上升，引发国内物价指数上升，最终会转化到零售消费品，对通货膨胀产生加速作用。因此，需要逐步加大可再生能源的比重，解决我国长期存在的能耗大，能源利用率低的问题，建设节约型社会，向可持续发展的经济增长方式转变。三、需要建立一个完善的石油战略储备体系和石油进口多元化。实际上，我国在“十五”计划纲要中就提出尽快建立石油战略资源储备体系。最近30年国际石油价格的几次大的波动都对我国经济增长产生巨大影响，全球石油资源产能分布正在发生变化，包括中国在内的一些主要石油消费国的本国石油产量不断下降，更多的依赖于进口，而东南亚和非洲等非主要石油消费国的石油产量却不断增加，这意味着我国要在21世纪根据不断变化的国际形势，建立多元化的石油进口策略。参考文献：1. Harold Hotelling, The Economics of Exhaustible ResourcesJ, The Journal of Political Economy, Vol. 39, No. 2: 137-175.2. Mark A. Hooker, What happened to the oil price-macroeconomy relationshipJ, Journal of Monetary Economics, 1996, Vol.38: 195-213.3. Mork, Oil and the Macroeconomy When Prices Go Up and Down: An Extension of Hamilton's ResultsJ, The Journal of Political Economy, 1989, Vol.97: 740-744.4. Davis & Haltiwanger, Sectoral job creation and destruction responses to oil price changesJ, Journal of Monetary Economics,2001, Vol.48: 465512.5. Cunado & Gracia, Do oil price shocks matter? Evidence for some European countriesJ, energy economics, 2003, vol 25: 137-154.6. Hamilton, J.D, A parametric approach to flexible nonlinear inferenceJ, Econometrica, 2001, Vol.69: 537573.7. Vailnlareke E, Random Field: Analysis and Synthesis，MITPress，1983.8. 邹艳芬、陆宇海，基于GARCH 模型的石油价格变动模拟J，数理统计与管理，2006 .11: 640-644.