葉五一,張 浩,繆柏其

(中國科學(xué)技術(shù)大學(xué)管理學(xué)院統(tǒng)計(jì)與金融系,安徽 合肥230026)

1 引 言

美元在全球經(jīng)濟(jì)發(fā)展中的地位舉足輕重,常被視為世界經(jīng)濟(jì)的“晴雨表”.石油作為戰(zhàn)略能源,近年來也成為規(guī)避通貨膨脹和美元疲軟風(fēng)險(xiǎn)的“黑黃金”.研究美元與石油之間的關(guān)系,能夠幫助預(yù)測(cè)一個(gè)市場(chǎng)的金融風(fēng)險(xiǎn)對(duì)另外一個(gè)市場(chǎng)的波動(dòng)的反應(yīng)情況.準(zhǔn)確描述兩者之間的相依關(guān)系,能夠?yàn)榭刂苹驅(qū)_相應(yīng)投資組合風(fēng)險(xiǎn)提供信息.然而美元和石油之間的關(guān)系不是一成不變的,其關(guān)系受到外界政治、科技、經(jīng)濟(jì)等因素的影響,2008年發(fā)生的美國次貸危機(jī)席卷了整個(gè)金融市場(chǎng),本文將試圖分析此次金融危機(jī)是否顯著改變了石油和美元外匯之間的關(guān)系,通過對(duì)比分析,為管理或?qū)_金融危機(jī)時(shí)期有關(guān)石油和美元外匯的風(fēng)險(xiǎn)提出了建議.

已有文獻(xiàn)大多是研究危機(jī)前后股票市場(chǎng)之間的波動(dòng)率溢出效應(yīng).Caramazza等[1]研究了在上世紀(jì)90年代新興市場(chǎng)金融危機(jī)的傳染問題,檢驗(yàn)了金融關(guān)聯(lián)關(guān)系在危機(jī)傳染中所起的作用;葉五一等[2]基于動(dòng)態(tài)平滑系數(shù)分位點(diǎn)回歸模型,不僅對(duì)危機(jī)傳染問題進(jìn)行檢驗(yàn),還對(duì)金融危機(jī)傳染的發(fā)生時(shí)刻以及金融危機(jī)的緩解時(shí)刻進(jìn)行了相應(yīng)的預(yù)測(cè);侯縣平等[3]通過Granger因果檢驗(yàn),給出了金融危機(jī)顯著強(qiáng)化了中國債券市場(chǎng)與股票市場(chǎng)動(dòng)態(tài)風(fēng)險(xiǎn)傳染效應(yīng)的結(jié)論.但是上述研究主要是以國家為界限分為不同的經(jīng)濟(jì)體,研究的對(duì)象是該國主要證券市場(chǎng)的股票指數(shù).本文拋開國家的界限,從一個(gè)全新的視角,研究石油和美元匯率之間的關(guān)系,通過觀察石油和美元匯率之間風(fēng)險(xiǎn)溢出效應(yīng)的變化,來分析金融危機(jī)對(duì)這兩個(gè)市場(chǎng)之間關(guān)系的影響.

Lizardo等[4]把石油價(jià)格加入到匯率的貨幣模型中,發(fā)現(xiàn)石油價(jià)格能夠很大意義上的解釋美元相對(duì)于世界上主要貨幣的價(jià)值變化,并通過實(shí)證研究1970年～2008年的美元匯率和原油價(jià)格指出,原油出口國在油價(jià)上漲時(shí)會(huì)出現(xiàn)本國貨幣升值,美元貶值,這也與虞偉榮等[5]得到的石油價(jià)格的大幅上漲會(huì)導(dǎo)致美元實(shí)際匯率的上升的結(jié)論相符.Zhang等[6]指出美元兌歐元匯率與國際油價(jià)存在長(zhǎng)期協(xié)整關(guān)系,短期波動(dòng)性溢出效應(yīng)和即期的風(fēng)險(xiǎn)溢出效應(yīng)均不顯著.此外,還有一些研究分階段分析金融市場(chǎng)間的相關(guān)性,Akram[7]按油價(jià)上漲或下跌兩個(gè)階段分析了油價(jià)與挪威克朗兌美元匯率之間的相關(guān)性,但將油價(jià)上升或下跌作為各階段的劃分依據(jù),可能會(huì)導(dǎo)致內(nèi)生性問題.Hammoudeh等[8]加入了能夠反映經(jīng)濟(jì)周期變化的鋁價(jià)和與能源密切相關(guān)的銅價(jià)等經(jīng)濟(jì)變量以后,發(fā)現(xiàn)美元兌歐元匯率、黃金、原油等市場(chǎng)間的波動(dòng)性溢出效應(yīng)更加顯著.王楠等[9]運(yùn)用ECM模型驗(yàn)證了國際油價(jià)對(duì)人民幣匯率的單方向影響.楊修猛等[10]用Copula的方法發(fā)現(xiàn)國際油價(jià)和歐元匯率之間存在傳導(dǎo)效應(yīng)和左右對(duì)稱的相依結(jié)構(gòu).國內(nèi)外也有很多文獻(xiàn)研究了金融危機(jī)是否對(duì)金融市場(chǎng)之間的相依性產(chǎn)生影響.龔玉婷[11]通過向量自回歸及廣義多元自回歸條件異方差模型,對(duì)比分析了2008年次貸危機(jī)前后黃金、原油和美元市場(chǎng)的相互聯(lián)系,研究了次貸危機(jī)在這三個(gè)市場(chǎng)間的傳導(dǎo)機(jī)制和波動(dòng)性溢出效應(yīng).Reboredo等[12]運(yùn)用小波變換的方法,研究了石油和美元匯率之間的關(guān)系,并得出在金融危機(jī)之前兩個(gè)市場(chǎng)是相互獨(dú)立的,但是在金融危機(jī)爆發(fā)之后,兩個(gè)市場(chǎng)存在顯著地負(fù)相依的結(jié)論.

從已有文獻(xiàn)來看,幾乎所有的研究都集中在石油價(jià)格和美元匯率價(jià)格的分析上.金融危機(jī)問題歸根到底是市場(chǎng)風(fēng)險(xiǎn)問題,如果一個(gè)市場(chǎng)的風(fēng)險(xiǎn)由于受到其它市場(chǎng)的影響而變得更大,則說明存風(fēng)險(xiǎn)溢出效應(yīng).葉五一等[13]首先從市場(chǎng)風(fēng)險(xiǎn)的角度,借助于分位點(diǎn)回歸模型的變點(diǎn)檢測(cè)方法研究了金融危機(jī)的傳染問題,文中參考Duff i e等[14]應(yīng)用VaR來度量金融市場(chǎng)風(fēng)險(xiǎn).VaR是收益率的分位點(diǎn)的值,要估計(jì)VaR,常規(guī)方法是先估計(jì)出收益率分布,然后確定分位點(diǎn)值.1978年Koenker等[15]提出的分位點(diǎn)回歸模型避免了對(duì)分布的估計(jì),可以直接得到分位點(diǎn)的值.Baur等[16]應(yīng)用分位點(diǎn)回歸模型檢驗(yàn)了亞洲金融危機(jī)對(duì)美國、歐洲等地區(qū)的傳染情況;Chuang等[17]和Lee等[18]應(yīng)用分位點(diǎn)回歸模型研究了金融變量(如：交易量和收益波動(dòng)率)之間的聯(lián)動(dòng)關(guān)系.考慮到分位點(diǎn)的動(dòng)態(tài)性和聚集效應(yīng),Engle等[19]提出了條件自回歸風(fēng)險(xiǎn)值(CAViaR)模型,White等[20]擴(kuò)展了CAViaR模型到多分位點(diǎn)的情形,即Multi-Quantile(MQ)CAViaR,并且運(yùn)用MQ-CAViaR模型估計(jì)了自回歸條件峰度和偏度,之后White等[21]又?jǐn)U展了MQ-CAViaR模型到多變量的情形,即MVMQ-CAViaR模型,該模型允許同時(shí)存在多個(gè)變量和多個(gè)分位點(diǎn).

本文借鑒Ye等[22]的分析思路,運(yùn)用MV-CAViaR模型,以VaR作為市場(chǎng)風(fēng)險(xiǎn)的度量標(biāo)準(zhǔn),從風(fēng)險(xiǎn)的角度對(duì)石油和美元外匯之間的關(guān)系進(jìn)行研究.MV-CAViaR模型通過對(duì)兩個(gè)市場(chǎng)同時(shí)進(jìn)行建模,能夠捕捉兩市場(chǎng)之間相互的風(fēng)險(xiǎn)影響.本文基于該模型便可以得到石油市場(chǎng)和美元外匯市場(chǎng)的波動(dòng)對(duì)對(duì)方市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)及其變化.此外,MV-CAViaR模型能夠描述市場(chǎng)的自相關(guān)性和異方差性,進(jìn)而對(duì)市場(chǎng)的風(fēng)險(xiǎn)聚集效進(jìn)行應(yīng)分析.通過運(yùn)用MV-CAViaR模型得到的風(fēng)險(xiǎn)溢出效應(yīng)和風(fēng)險(xiǎn)聚集效應(yīng),可以為管理和對(duì)沖有關(guān)石油和美元外匯的風(fēng)險(xiǎn)提供了建議,因此,MV-CAViaR模型適合本文的研究.

2 MVMQ-CAViaR模型

首先介紹MVMQ-CAViaR模型,該模型可以認(rèn)為是向量自回歸模型向分位點(diǎn)模型的擴(kuò)展.然后,給出與分位點(diǎn)模型的參數(shù)估計(jì)相對(duì)應(yīng)的非對(duì)稱的拉普拉斯分布,詳見Yu等[23],并基于該分布,用偽極大似然方法估計(jì)模型中的參數(shù).

2.1MVMQ-CAViaR模型

記Yi,t在Ft-1上的條件分布函數(shù)(CDF)為Fi,t(y)=Pr(Yi,t≤y|Ft-1),其中i=1,2,...,n.定義θi,j∈(0,1),其中i=1,2,...,n;j=1,2,...,pi.記Yi,t在條件Ft-1上的θi,j分位數(shù)為qi,j,t,即

該模型稱為多元多分位點(diǎn)條件自回歸風(fēng)險(xiǎn)值模型(MVMQ-CAViaR),隨著i,j的變化,完整的模型共個(gè)方程.方程中變量及參數(shù)含義解釋如下：

1)qi,j,t表示第i個(gè)變量在t時(shí)刻的θj分位數(shù),也就是1-θj置信水平的VaR值,故qi,j,t代表了第i個(gè)變量在t時(shí)刻的風(fēng)險(xiǎn).

2)Ψt是Ft可測(cè)的,取值一般為Yt及其滯后值(本文中的情況),也可以是關(guān)于Xt的函數(shù),為了簡(jiǎn)便,可以認(rèn)為Ψt是n×1的列向量,k為滯后的階數(shù);系數(shù)βi,j,τ是n×1的參數(shù)向量,其中βi,j,τ,s(s=1,2,...,n)衡量的是第s個(gè)變量的τ階滯后值對(duì)第i個(gè)變量的θj分位數(shù)(風(fēng)險(xiǎn))的影響,更進(jìn)一步,當(dāng)時(shí),βi,j,τ,s衡量的即為第s個(gè)變量對(duì)第i個(gè)變量的風(fēng)險(xiǎn)溢出效應(yīng).

3)qi,t=(qi,1,t,qi,2,t,...,qi,pi,t)′指的是第i個(gè)變量在t時(shí)刻的各個(gè)水平上的分位數(shù)(風(fēng)險(xiǎn)),m為滯后的階數(shù);系數(shù)γi,j,ξ,η=(γi,j,ξ,η,1,γi,j,ξ,η,2,...,γi,j,ξ,η,pη) 是一個(gè)pη×1 的參數(shù)向量,γi,j,ξ,η,s(s=1,2,...,pη)衡量的是第η個(gè)變量ξ階滯后的θs分位數(shù)(風(fēng)險(xiǎn)),對(duì)t時(shí)刻第i個(gè)變量的θj分位數(shù)(風(fēng)險(xiǎn))的影響,更進(jìn)一步,當(dāng)η=i時(shí),該系數(shù)衡量的即為同一變量的風(fēng)險(xiǎn)聚集效應(yīng).

綜上可知,通過分析式(3)中的系數(shù),即可得到金融市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)和市場(chǎng)內(nèi)的風(fēng)險(xiǎn)聚集效應(yīng).

該模型是MQ-CAViaR模型[20]向多元情形的一個(gè)拓展,而MQ-CAViaR模型則是CAViaR模型[19]向多分位點(diǎn)的一個(gè)拓展.這里的參數(shù)有β和γ,完整模型中前者共包含個(gè)參數(shù),后者共包含個(gè)參數(shù).當(dāng)對(duì)參數(shù)施加一些限制時(shí),MVMQ-CAViaR模型可簡(jiǎn)化為以下三種特殊形式：

1)n=1且j=1時(shí),為單變量單分位點(diǎn)的CAViaR模型,此時(shí)模型中共有k+m個(gè)參數(shù);

2)n=1時(shí),為單變量多分位點(diǎn)MQ-CAViaR模型,此時(shí)模型中共有個(gè)參數(shù);

3)j=1時(shí),為多變量單分位點(diǎn)MV-CAViaR模型,此時(shí)模型中共有個(gè)參數(shù).

本文將基于MV-CAViaR模型,分析兩個(gè)經(jīng)濟(jì)變量之間的風(fēng)險(xiǎn)溢出效應(yīng)及各自的風(fēng)險(xiǎn)聚集效應(yīng).

2.2 MVMQ-CAViaR模型的QMLE估計(jì)

非對(duì)稱拉普拉斯分布是與分位點(diǎn)回歸的估計(jì)相關(guān)的一種分布,具體見Yu等[23,24],下面給出的是拉普拉斯分布中的其中一類的形式.如果隨機(jī)變量X的密度函數(shù)為如下形式

就稱隨機(jī)變量X服從參數(shù)為μ,σ和p的拉普拉斯分布,記為X～ALD(μ,σ,p).其中-∞＜μ＜+∞為位置參數(shù),0＜p＜1為偏度參數(shù),σ＞0為刻度參數(shù),I(·)為示性函數(shù).

假定分位點(diǎn)回歸模型的殘差服從非對(duì)稱的拉普拉斯分布[25],即Yi,t-qi,j,t～ALD(0,σ,θi,j),則有

其中ρθ(e)=e(θ-I(e≤0))為標(biāo)準(zhǔn)檢驗(yàn)函數(shù).那么含有T個(gè)觀測(cè)值的似然函數(shù)為

如果假設(shè)刻度參數(shù)σ是一個(gè)多余參數(shù),不予考慮,則參數(shù)向量α的極大似然估計(jì)為

鑒于式(7)中存在示性函數(shù),是不連續(xù),因此不能像一般的極大似然估計(jì)一樣直接求導(dǎo),故稱該估計(jì)為偽極大似然估計(jì),具體估計(jì)過程如下：

步驟1給出參數(shù)向量α的一組初值α0,代入式(7)中的示性函數(shù)來保證目標(biāo)函數(shù)的連續(xù)性.

步驟2對(duì)第一步中得到的目標(biāo)函數(shù)求導(dǎo),進(jìn)而得到參數(shù)向量α的估計(jì)值α1.

步驟3以α1為新的初值,重復(fù)步驟1和步驟2,當(dāng)?shù)趇步和第i-1步之間的α的每個(gè)分量差的絕對(duì)值都小于?時(shí),迭代停止.αi即為估計(jì)結(jié)果.(選取?=10-6)

因此,ALD分布是運(yùn)用極大似然的方法估計(jì)分位點(diǎn)回歸模型的前提.Koenker等[25]介紹了分位點(diǎn)回歸的擬合優(yōu)度檢驗(yàn)和相關(guān)推斷過程,他們也研究了殘差服從ALD時(shí)的似然比統(tǒng)計(jì)量;Yu等[24]介紹了估計(jì)的Bayesian方法;White等[21]證明了的一致性和漸近正態(tài)性,然后便可以進(jìn)行系數(shù)的顯著性檢驗(yàn)了.

3 實(shí)證分析

3.1 數(shù)據(jù)描述

本文選用石油價(jià)格和五種主要的美元匯率的日數(shù)據(jù)進(jìn)行實(shí)證分析,數(shù)據(jù)從2004年1月5日到2014年10月10日.為了分析美國次貸危機(jī)的影響,將數(shù)據(jù)分為危機(jī)前、危機(jī)中、危機(jī)后三個(gè)階段.根據(jù)Reboredo等[12]和Walid等[26]在文獻(xiàn)中所提出的分段方法,將數(shù)據(jù)分段如下：第一段從2004年1月5日到2008年7月14日,第二段從2008年7月15日到2011年9月29日,第三段從2011年9月30日到2014年10月10日.

選取全球具有代表性的五種美元匯率進(jìn)行實(shí)證分析,具體包括：美元指數(shù)(USDX),美元兌日元(USDJ),美元兌加元(USDC),美元兌歐元(USDE)和美元兌英鎊(USDB),每種美元匯率數(shù)值的增加都表示美元的升值,反之則表明美元貶值.石油數(shù)據(jù)選取WTI石油價(jià)格數(shù)據(jù).日收益率采用常用的對(duì)數(shù)收益率,為了方便分析,把所有收益率都擴(kuò)大了一百倍,其計(jì)算為rt=100×(ln(pt)-ln(pt-1)).

圖1給出了石油價(jià)格和五種美元匯率的收益率時(shí)間序列圖.從圖中可以看出,所有的指數(shù)在2009年前后都經(jīng)歷了劇烈的震蕩,這也是將2008年7月15日到2011年9月29日看作次貸危機(jī)爆發(fā)期的原因之一.另外所有指數(shù)均表現(xiàn)出異方差性質(zhì)和波動(dòng)率聚集效應(yīng),因此基于動(dòng)態(tài)條件自回歸模型來研究他們之間的關(guān)系便顯得更加合理和必要.再者,由于歐洲債務(wù)危機(jī)的影響,導(dǎo)致歐元的價(jià)值不穩(wěn),因此美元兌歐元(USDE)在2010年中到2013年初都有較大的波動(dòng).美元兌日元收益率的波動(dòng)率相對(duì)其他幾個(gè)來說,波動(dòng)較小,波動(dòng)率聚集效應(yīng)也比較弱.而美元指數(shù)收益率的波動(dòng)率相對(duì)較大,波動(dòng)率聚集效應(yīng)也比較明顯.

為了對(duì)石油價(jià)格收益率和五種美元匯率收益率有一個(gè)相對(duì)深入和定量的了解,下面給出了收益率的描述性統(tǒng)計(jì)量,如表1所示.

表1 石油及美元匯率收益率描述性統(tǒng)計(jì)量Table 1 Descriptive statistics on yield of oil and dollar exchange rate

從表1中的JB檢驗(yàn)可以看出,所有的收益率都拒絕正態(tài)分布的假定,表現(xiàn)出尖峰厚尾的特征.表1還給出了石油收益率和另外五種美元匯率收益率之間的Kendall Tau相關(guān)系數(shù),可以看出除了與美元兌日元之外,其他的Kendall Tau相關(guān)系數(shù)均為負(fù)值,說明石油價(jià)格和美元價(jià)值有一定的負(fù)相關(guān)性.石油收益率與美元兌日元收益率的Kendall Tau相關(guān)系數(shù)非常小,僅為0.042 4,而石油與美元兌加元的負(fù)相關(guān)性表現(xiàn)得最為強(qiáng)烈,這與日本是石油凈進(jìn)口國,而加拿大是石油凈出口國的事實(shí)是相一致的,與Lizardo等[4]得到的結(jié)論相符.

3.2 模型設(shè)定

為了同時(shí)檢驗(yàn)石油市場(chǎng)與美元市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)和風(fēng)險(xiǎn)聚集效應(yīng),本文采用了如下的分位點(diǎn)聯(lián)立MV-CAViaR模型

其中q1,t和q1,t-1是石油價(jià)格收益率的5%分位數(shù),也就是95%置信水平的VaR,代表了石油市場(chǎng)在t時(shí)刻和t-1時(shí)刻的風(fēng)險(xiǎn),r2,t-1是一階滯后的美元匯率收益率.q2,t和q2,t-1則分別是美元匯率收益率的5%分位數(shù)及其滯后一階的分位數(shù),同理代表了美元市場(chǎng)在t時(shí)刻和t-1時(shí)刻的風(fēng)險(xiǎn),r1,t-1為滯后一階的石油價(jià)格收益率.

模型(8)中,b1、b2可以衡量石油和美元外匯市場(chǎng)收益率對(duì)對(duì)方市場(chǎng)分位數(shù)(風(fēng)險(xiǎn))的影響情況,檢測(cè)風(fēng)險(xiǎn)溢出效應(yīng)：如果b1顯著不為0,則說明該美元匯率收益率對(duì)石油收益率的分位數(shù)(風(fēng)險(xiǎn))存在顯著的影響,即存在風(fēng)險(xiǎn)溢出效應(yīng),反之則不存在,b2的分析與之類似.因此,稱b1、b2為傳染系數(shù).同時(shí),從模型設(shè)定可以看出,如果傳染系數(shù)為負(fù),說明是增大了被傳染市場(chǎng)的風(fēng)險(xiǎn).c1(c2)可以用來分析石油(美元外匯)市場(chǎng)分位數(shù)(風(fēng)險(xiǎn))受前一時(shí)刻分位數(shù)(風(fēng)險(xiǎn))的影響情況,進(jìn)而檢測(cè)風(fēng)險(xiǎn)的聚集效應(yīng),如果c1(c2)顯著不為0,則說明石油(美元外匯)市場(chǎng)存在風(fēng)險(xiǎn)聚集效應(yīng),反之則不存在.

模型設(shè)定以后,采用偽極大似然方法對(duì)聯(lián)立方程(8)進(jìn)行估計(jì),具體估計(jì)步驟如下：

步驟1用QMLE方法分別估計(jì)CAViaR模型q1,t=a1+c1q1,t-1和q2,t=a2+c2q2,t-1.a1和a2的初值取對(duì)應(yīng)r1和r2的5%分位數(shù),其余待估參數(shù)的初值都取為0.

步驟2以步驟1中估計(jì)出的參數(shù)值為初值,用QMLE方法分別估計(jì)模型q1,t=a1+b1|r2,t-1|+c1q1,t-1和q2,t=a2+b2|r1,t-1|+c2q2,t-1,其余待估參數(shù)的初值都取為0.

步驟3以步驟2估計(jì)的參數(shù)值為初值,基于QMLE方法同時(shí)估計(jì)整個(gè)MV-CAViaR模型(8)的所有參數(shù).

3.3 實(shí)證結(jié)果分析

首先,對(duì)整個(gè)樣本應(yīng)用模型(8)進(jìn)行擬合和分析,表2中列出了模型(8)中的所有參數(shù)估計(jì)值.

表2 全樣本模型(8)的參數(shù)估計(jì)結(jié)果Table 2 Parameter estimation results of model(8)on whole sample

從表2中可以看出,對(duì)所有的匯率而言,c1和c2基本都是顯著的,而且顯著程度非常高,說明各個(gè)匯率收益率的分位點(diǎn)(風(fēng)險(xiǎn))都存在很強(qiáng)的條件自相關(guān).或者說,對(duì)于這幾種匯率收益率,都存在顯著的風(fēng)險(xiǎn)聚集現(xiàn)象.由傳染系數(shù)b1可以看出,五種美元匯率收益率對(duì)石油價(jià)格收益率的分位數(shù)(風(fēng)險(xiǎn))都有很強(qiáng)的影響(1%置信水平下顯著),即美元市場(chǎng)對(duì)石油市場(chǎng)存在顯著的風(fēng)險(xiǎn)溢出效應(yīng).由傳染系數(shù)b2則可以看出,石油對(duì)美元兌日元匯率和美元兌英鎊匯率收益率的分位數(shù)(風(fēng)險(xiǎn))的影響是不顯著的,對(duì)另外三種匯率收益率的分位數(shù)(風(fēng)險(xiǎn))的影響則均非常顯著,這與前邊得到的Kendall Tau相關(guān)系數(shù)是一致的,在Kendall Tau相關(guān)系數(shù)中,石油與美元兌日元、美元兌英鎊的相關(guān)性最小.同時(shí),因?yàn)閎1均為負(fù)值,這說明美元市場(chǎng)的風(fēng)險(xiǎn)將會(huì)增加石油市場(chǎng)的風(fēng)險(xiǎn).對(duì)于系數(shù)b2,除了美元兌加元的系數(shù)為負(fù)以外,其余系數(shù)均為正值,說明美元兌加元的風(fēng)險(xiǎn)會(huì)隨著石油市場(chǎng)的風(fēng)險(xiǎn)變大而變大,這與加拿大是石油凈出口國有關(guān)的,也與Lizardo等[4]的結(jié)論一致,后者是從波動(dòng)性角度進(jìn)行分析的,而本文是直接從分位數(shù)(風(fēng)險(xiǎn))的角度分析,更能體現(xiàn)金融市場(chǎng)的風(fēng)險(xiǎn)特征.同時(shí)發(fā)現(xiàn)b1整體上比b2大(絕對(duì)值),這說明美元市場(chǎng)對(duì)石油市場(chǎng)的影響大于后者對(duì)前者的影響,這與龔玉婷[11]得到的結(jié)論一致,但該文章只研究了石油和美元外匯之間的影響,沒有考慮各個(gè)市場(chǎng)內(nèi)部的風(fēng)險(xiǎn)聚集效應(yīng),相對(duì)已有的研究,本文的研究更加完善.

為了得到美國次貸危機(jī)對(duì)石油市場(chǎng)和美元匯率市場(chǎng)間風(fēng)險(xiǎn)溢出效應(yīng)的影響情況,對(duì)數(shù)據(jù)進(jìn)行分段(危機(jī)前、危機(jī)中、危機(jī)后)分析,分段的標(biāo)準(zhǔn)如前文所述.表3～表7列出的是相應(yīng)的模型(8)的參數(shù)估計(jì)值.

表3 分段數(shù)據(jù)參數(shù)估計(jì)結(jié)果(石油與美元指數(shù))Table 3 Parameter estimation results on segment data(oil vs USDX)

表4 分段數(shù)據(jù)參數(shù)估計(jì)結(jié)果(石油與美元兌日元)Table 4 Parameter estimation results on segment data(oil vs USDJ)

表5 分段數(shù)據(jù)參數(shù)估計(jì)結(jié)果(石油與美元兌加元)Table 5 Parameter estimation results on segment data(oil vs USDC)

表3、表4、表5中傳染系數(shù)b1和b2,在危機(jī)前和危機(jī)后均不顯著,但在危機(jī)期間卻在1%水平上顯著,說明危機(jī)前和危機(jī)后,石油收益率與這三種美元匯率收益率對(duì)對(duì)方的分位數(shù)(風(fēng)險(xiǎn))沒有明顯的溢出效應(yīng),相互影響較小,但在危機(jī)期間,兩個(gè)市場(chǎng)之間的聯(lián)動(dòng)性明顯增強(qiáng),風(fēng)險(xiǎn)溢出效應(yīng)顯著.并且危機(jī)期間b1和b2的均為負(fù)值,說明兩個(gè)市場(chǎng)彼此增加了對(duì)方的風(fēng)險(xiǎn).同時(shí),表5中危機(jī)期間b1和b2的大小顯著小于表4中相應(yīng)的大小(絕對(duì)值),表明危機(jī)期間,石油與美元兌日元的聯(lián)系相對(duì)美元兌加元更為緊密.總體而言,危機(jī)期間兩者存在顯著的風(fēng)險(xiǎn)溢出效應(yīng),危機(jī)后兩者之間的關(guān)系基本又回到危機(jī)前的水平,金融危機(jī)顯著地改變了兩市場(chǎng)間的關(guān)系,但這種改變是暫時(shí)的.

表6 分段數(shù)據(jù)參數(shù)估計(jì)結(jié)果(石油與美元兌歐元)Table 6 Parameter estimation results on segment data(oil vs USDE)

表7 分段數(shù)據(jù)參數(shù)估計(jì)結(jié)果(石油與美元兌英鎊)Table 7 Parameter estimation results on segment data(oil vs USDB)

表6中的傳染系數(shù)b1在危機(jī)前和危機(jī)后均不顯著,危機(jī)期間在10%水平上顯著,而b2在整個(gè)樣本期間均不顯著,說明石油收益率和美元兌歐元收益率對(duì)對(duì)方的分位數(shù)(風(fēng)險(xiǎn))沒有明顯的溢出效應(yīng),僅在危機(jī)期間,美元兌歐元匯率對(duì)石油市場(chǎng)存在比較弱的風(fēng)險(xiǎn)溢出效應(yīng).表7中傳染系數(shù)b1和b2都是僅在危機(jī)前在10%水平上顯著,也說明石油收益率和美元兌英鎊收益率對(duì)對(duì)方的分位數(shù)(風(fēng)險(xiǎn))不存在顯著的溢出效應(yīng).可以認(rèn)為,對(duì)這兩種美元外匯而言,金融危機(jī)沒有顯著改變其與石油市場(chǎng)的關(guān)系.這樣的結(jié)論也是與實(shí)際相符的,歐元作為歐盟體的綜合貨幣,很難說對(duì)應(yīng)的是石油凈進(jìn)口還是凈出口,因此美元兌歐元與石油之間風(fēng)險(xiǎn)溢出效應(yīng)的變化是不明顯的.同樣,英國作為一個(gè)石油消耗大國的同時(shí)也擁有北海油田,能夠?qū)崿F(xiàn)自給,使得美元兌英鎊與石油間的風(fēng)險(xiǎn)溢出效應(yīng)受金融危機(jī)影響較小.另一方面,危機(jī)之后石油市場(chǎng)和這兩種匯率之間的風(fēng)險(xiǎn)溢出效應(yīng)沒有完全恢復(fù)到危機(jī)前的水平,這可能與歐洲債務(wù)危機(jī)有關(guān),在這期間歐洲債務(wù)危機(jī)對(duì)歐元和英鎊價(jià)值的影響超過了美元和石油對(duì)其的影響,Michael等[27]給出了相應(yīng)的解釋.

接下來對(duì)不同階段的風(fēng)險(xiǎn)聚集效應(yīng)進(jìn)行分析,即分析參數(shù)c1和c2.從表3～表7中的結(jié)果來看,除表4中危機(jī)時(shí)期外,其余c1均顯著,說明石油市場(chǎng)存在很強(qiáng)的自相關(guān)效應(yīng),即市場(chǎng)風(fēng)險(xiǎn)具有顯著的聚集效應(yīng),這與Jose等[28]和An等[29]得到的結(jié)論相一致.而c2的估計(jì)結(jié)果則不如c1這么一致,隨著外匯幣種的不同,對(duì)應(yīng)的石油凈出口和凈進(jìn)口不一樣,因此相應(yīng)美元外匯市場(chǎng)的風(fēng)險(xiǎn)聚集效應(yīng)就有差別.美元兌歐元、美元兌英鎊均是危機(jī)期間顯著,危機(jī)前和危機(jī)后不顯著或者顯著性很弱,而這兩者所對(duì)應(yīng)的石油凈進(jìn)口和凈出口是不明顯的;美元兌日元在危機(jī)前和危機(jī)后顯著,危機(jī)期間則不顯著,而日元對(duì)應(yīng)的是石油凈進(jìn)口;美元兌加元在危機(jī)前和危機(jī)中顯著,危機(jī)后不顯著,相應(yīng)的加元對(duì)應(yīng)的石油凈出口.

所得上述實(shí)證結(jié)論對(duì)控制匯率風(fēng)險(xiǎn)和石油風(fēng)險(xiǎn)都具有一定的實(shí)際指導(dǎo)意義.對(duì)于石油凈進(jìn)口國而言,危機(jī)期間匯率市場(chǎng)的風(fēng)險(xiǎn)受石油市場(chǎng)影響顯著,而風(fēng)險(xiǎn)聚集效應(yīng)不很強(qiáng)烈,因此在控制該時(shí)期的匯率風(fēng)險(xiǎn)時(shí),可以做多或者做空石油市場(chǎng)來對(duì)沖匯率市場(chǎng)的風(fēng)險(xiǎn).對(duì)于石油凈出口國來說,危機(jī)期間匯率市場(chǎng)的風(fēng)險(xiǎn)不僅受到石油市場(chǎng)的影響,而且存在較為顯著的風(fēng)險(xiǎn)聚集效應(yīng),因此在控制匯率風(fēng)險(xiǎn)時(shí),要同時(shí)關(guān)注石油市場(chǎng)和匯率市場(chǎng),即做多或者做空石油市場(chǎng)來對(duì)沖匯率市場(chǎng)風(fēng)險(xiǎn)的同時(shí),也要及時(shí)調(diào)整兩者的份額比例.對(duì)于石油凈出口或凈進(jìn)口不明顯的國家或地區(qū)而言,危機(jī)期間匯率風(fēng)險(xiǎn)主要受自身風(fēng)險(xiǎn)聚集效應(yīng)的影響,受石油市場(chǎng)的影響相對(duì)很小,因此在控制匯率風(fēng)險(xiǎn)時(shí),應(yīng)多加關(guān)注匯率自身的條件相依關(guān)系及與其他經(jīng)濟(jì)變量的關(guān)系.

同時(shí),金融危機(jī)期間石油市場(chǎng)的風(fēng)險(xiǎn),也可以通過做多或者做空美元外匯來降低.因?yàn)榻鹑谖C(jī)期間,石油凈進(jìn)口國或者凈出口國對(duì)應(yīng)的美元匯率對(duì)石油市場(chǎng)存在很強(qiáng)的風(fēng)險(xiǎn)溢出效應(yīng),而石油凈出口或凈進(jìn)口不明顯的國家或地區(qū)對(duì)應(yīng)的美元匯率對(duì)石油市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)是不顯著的,因此在對(duì)沖石油市場(chǎng)風(fēng)險(xiǎn)時(shí),必須選取石油凈進(jìn)口或者凈出口國對(duì)應(yīng)的美元外匯才會(huì)有效.

4 結(jié)束語

本文從風(fēng)險(xiǎn)(VaR)的角度,研究了石油市場(chǎng)和美元外匯市場(chǎng)在美國次貸危機(jī)前后的風(fēng)險(xiǎn)溢出效應(yīng)及其變化,尚未發(fā)現(xiàn)有文獻(xiàn)直接從風(fēng)險(xiǎn)的角度研究石油和外匯間的關(guān)系.其次,相比于GARCH模型以及單方程CAViaR模型,MV-CAViaR模型能同時(shí)直接的捕捉到風(fēng)險(xiǎn)溢出效應(yīng)和風(fēng)險(xiǎn)聚集效應(yīng).最后,本文同時(shí)對(duì)兩個(gè)聯(lián)立方程中的參數(shù)進(jìn)行估計(jì),避免了分別單獨(dú)估計(jì)造成的信息丟失.

通過分段實(shí)證分析,結(jié)果表明：石油凈進(jìn)口國(日本)和石油凈出口國(加拿大)的美元匯率與石油之間的風(fēng)險(xiǎn)溢出效應(yīng),在金融危機(jī)的影響下發(fā)生了顯著地變化;石油凈進(jìn)口或凈出口不明顯的國家或地區(qū)(英國、歐盟)的美元匯率與石油之間的風(fēng)險(xiǎn)溢出效應(yīng),則沒有發(fā)生顯著變化.

實(shí)證研究結(jié)果也為管理或?qū)_金融危機(jī)時(shí)期外匯和石油的風(fēng)險(xiǎn)提供了依據(jù).對(duì)于石油凈進(jìn)口國的美元匯率,可以通過買進(jìn)石油收益率的跨式期權(quán)來對(duì)沖風(fēng)險(xiǎn)(石油收益率波動(dòng)變大,則美元匯率風(fēng)險(xiǎn)增大,但該期權(quán)會(huì)帶來收益予以補(bǔ)償).對(duì)于石油凈出口國的美元匯率,控制其風(fēng)險(xiǎn)不僅要考慮石油對(duì)其的風(fēng)險(xiǎn)溢出效應(yīng),還要考慮其自身的風(fēng)險(xiǎn)聚集效應(yīng).對(duì)于石油凈出口或凈進(jìn)口不明顯的國家或地區(qū)的美元匯率,控制其風(fēng)險(xiǎn)主要考慮其自身的風(fēng)險(xiǎn)聚集效應(yīng).另一方面,對(duì)沖石油市場(chǎng)的風(fēng)險(xiǎn)時(shí),必須選擇石油凈進(jìn)口或凈出口國對(duì)應(yīng)的美元外匯.當(dāng)然,影響匯率和石油風(fēng)險(xiǎn)的因素還有很多,這只是從石油和匯率相互的角度分析,實(shí)際中也要結(jié)合其他經(jīng)濟(jì)條件綜合考慮.

參考文獻(xiàn):

[1]Caramazza F,Ricci L,Salgado R.International f i nancial contagion in currency crises.Journal of International Money and Finance,2004,23(1)：51—70.

[2]葉五一,繆柏其.基于動(dòng)態(tài)分位點(diǎn)回歸模型的金融傳染分析.系統(tǒng)工程學(xué)報(bào),2012,27(2)：214—223.Ye W Y,Miao B Q.Analysis of f i nancial contagion based on dynamic quantile regression model.Journal of Systems Engineering,2012,27(2)：214—223.(in Chinese)

[3]侯縣平,黃登仕,徐 凱,等.金融危機(jī)對(duì)中國證券市場(chǎng)傳染效應(yīng)的影響研究.系統(tǒng)工程學(xué)報(bào),2015,30(3)：331—343.Hou X P,Huang D S,Xu K,et al.Study of impact of f i nancial crisis on contagion effect between China’s securities markets.Journal of Systems Engineering,2015,30(3)：331—343.(in Chinese)

[4]Lizardo R A,Mollick A V.Oil price f l uctuations and U.S.dollar exchange rates.Energy Economics,2010,32(2)：399—408.

[5]虞偉榮,胡海鷗.石油價(jià)格沖擊對(duì)美國和中國實(shí)際匯率的影響.國際金融研究,2004,212(12)：33—39.Yu W R,Hu H O.Impact of oil price shocks on the real exchange rate of the US and China.Studies of International Finance,2004,212(12)：33—39.(in Chinese)

[6]Zhang Y,Fan Y,Tsai H T,et al.Spillover effect of US dollar exchange rate on oil prices.Journal of Policy Modeling,2008,30(6)：973—991.

[7]Akram Q F.Oil prices and exchange rates：Norwegian evidence.Econometrics Journal,2004,7(2)：476—504.

[8]Hammoudeh S,Yuan Y,Mcaleer M.Shock and volatility spillovers among equity sectors of the Gulf Arab stock markets.The Quarterly Review of Economics and Finance,2009,49(3)：829—842.

[9]王 楠,張曉峒.人民幣匯率與國際石油價(jià)格協(xié)整分析.東北亞論壇,2009,18(2)：9—15.Wang N,Zhang X T.A co-integration analysis on RMB exchange rate and international oil price.Northeast Asia Forum,2009,18(2)：9—15.(in Chinese)

[10]楊修猛,程稀駿.石油價(jià)格與歐元匯率的相依性研究.中國科學(xué)技術(shù)大學(xué)學(xué)報(bào),2014,44(6)：496—501.Yang X M,Cheng X J.Dependency research of oil price and euro exchange rate.Journal of University of Science and Technology of China,2014,44(6)：496—501.(in Chinese)

[11]龔玉婷.次貸危機(jī)在黃金、原油和外匯市場(chǎng)的風(fēng)險(xiǎn)傳染和波動(dòng)溢出.經(jīng)濟(jì)經(jīng)緯,2013(2)：150—155.Gong Y T.Risk transmission and volatility spillover under subprime crisis：Evidence from gold,oil and US dollar markets.Economic Survey,2013(2)：150—155.(in Chinese)

[12]Reboredo J C,Rivera-Castro M A.A wavelet decomposition approach to crude oil price and exchange rate dependence.Economic Modelling,2013,32(1)：42—57.

[13]葉五一,繆柏其,譚常春.基于分位點(diǎn)回歸模型變點(diǎn)檢測(cè)的金融傳染分析.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2007,24(10)：151—161.Ye W Y,Miao B Q,Tan C C.Analysis of f i nancial contagion based on change Point testing of quantile regression model.The Journal of Quantitative&Technical Economics,2007,24(10)：151—161.(in Chinese)

[14]Duff i e D,Pan J.An overview of value at risk.The Journal of Derivatives,1997,4(3)：7—49.

[15]Koenker R,Bassett G.Regression quantiles.Econometrica,1978,46(1)：33—50.

[16]Baur D,Schulze N.Coexceedances in f i nancial markets：A quantile regression analysis of contagion.Emerging Markets Review,2005,16(1)：21—43.

[17]Chuang C C,Kuan C M,Lin H Y.Causality in quantiles and dynamic stock return-volume relations.Journal of Banking and Finance,2009,33(7)：1351—1360.

[18]Lee B S,Li L M.Diversif i cation and risk-adjusted performance：A quantile regression approach.Journal of Banking and Finance,2012,36(7)：2157—2173.

[19]Engle R F,Manganelli S.CAViaR：Conditional autoregressive value at risk by regression quantiles.Journal of Business&Economic Statistics,2004,22(4)：367—381.

[20]White H,Kim T H,Manganelli S.Modeling autoregressive conditional skewness and kurtosis with multi-quantile CAViaR.European Central Bank Working Paper Series 0957,2008.

[21]White H,Kim T H,Manganelli S.VAR for VaR：measuring systemic risk using multivariate regression quantiles.MPRA Paper 35372,2010.

[22]Ye W Y,Luo K B,Du S F.Measuring contagion of subprime crisis based on MVMQ-CAViaR method.Discrete Dynamics in Nature and Society,2014

[23]Yu K,Zhang J.A three-parameter asymmetric Laplace distribution and its extension communications in statistics.Theory and Methods,2005,34(9)：1867—1879.

[24]Yu K,Moyeed R A.Bayesian quantile regression.Statistics&Probability Letters,2001,54(4)：437—447

[25]Koenker R,Machado J.Goodness of f i t and related inference processes for quantile regression.Journal of the American Statistical Association,1999,94(448)：1296—1310.

[26]Mensi W,Hammoudeh S,Reboredo J C,et al.Do global factors impact BRICS stock markets：A quantile regression approach.Emerging Markets Review,2014,19(2)：1—17.

[27]Ehrmann M,Osbat C,Strásky J,et al.The Euro exchange rate during the European sovereign debt crisis：Dancing to its own tune.Journal of International Money and Finance,2014,49(B)：319—339.

[28]Alvarez-Ramirez J,Alvarez J,Solis R.Crude oil market eff i ciency and modeling：Insights from the multi scaling autocorrelation pattern.Energy Economics,2010,32(5)：993—1000.

[29]An H,Gao X,Fang W.The role of f l uctuating modes of autocorrelation in crude oil prices.Physica A,2014,393(1)：382—390.