郭利寧，黃運成

(同濟大學(xué) 經(jīng)濟與管理學(xué)院，上海 201804)

內(nèi)容提要：近些年國際石油市場間價格走勢表現(xiàn)出了非一致性現(xiàn)象，引發(fā)了對市場間關(guān)聯(lián)一致性傳統(tǒng)論斷的質(zhì)疑。借助小波變換與互譜分析方法，選取2006-2016年三個國際石油市場WTI-LLS-Brent價格日數(shù)據(jù)進行關(guān)聯(lián)性研究，實證結(jié)果顯示不同頻率視角下市場關(guān)聯(lián)呈現(xiàn)非一致特征：各高頻分量的關(guān)聯(lián)性隨頻率降低而增強，低頻趨勢序列和原價格序列的格蘭杰因果檢驗結(jié)果相差較大；高頻信號所蘊含的信息有助于預(yù)測市場短期走勢，而石油市場價格長期走勢難以預(yù)測。研究表明金融因素對高頻聯(lián)動性有短期的影響，而供求關(guān)系的改變對市場聯(lián)動性的影響較為深遠，政策變動對市場聯(lián)動性影響不明顯。由于市場性質(zhì)和區(qū)位因素不同，各市場對不同類型沖擊反應(yīng)不一造成了關(guān)聯(lián)非一致現(xiàn)象。研究提示，應(yīng)在甄別影響關(guān)聯(lián)性因素的基礎(chǔ)上有針對性的采用不同的市場調(diào)節(jié)手段，同時應(yīng)推進現(xiàn)貨市場建設(shè)注重完善石油市場體系，使得抵御外部沖擊的市場風(fēng)險管理手段多樣化。

一、問題提出與研究背景

國際主要石油期、現(xiàn)貨市場長期保持著穩(wěn)定的聯(lián)動關(guān)系與相互作用機制，體現(xiàn)了較為一致的價格走勢。然而金融危機以來，全球經(jīng)濟形勢變化和石油產(chǎn)量劇增等因素導(dǎo)致全球石油市場價格走勢跌宕起伏。特別是2011年以后頁巖油革命的興起，國際石油市場間價格走勢發(fā)生顯著分化，出現(xiàn)了關(guān)聯(lián)非一致的特殊現(xiàn)象，挑戰(zhàn)了慣常思維與傳統(tǒng)論斷。在全球代表性石油市場中，西德克薩斯期貨市場(WTI)位于美國中西部地區(qū)，是全球交易量最大的期貨合約；布倫特市場(Brent)是一個涵蓋現(xiàn)貨、遠期和期貨三個層次的市場體系，其價格是全球石油貿(mào)易定價體系的核心。作為二者連接“橋梁”的路易斯安現(xiàn)貨市場(LLS)位于美國石油煉化產(chǎn)能最大的墨西哥灣地區(qū)，與二者均有衍生品合約交易聯(lián)系。由于美國原油出口禁令的存在，LLS和Brent市場是一種單向的實物聯(lián)系，Brent石油可以自由流向LLS，但LLS石油無法出口流向Brent；另一方面，輸油管道又將其和包括WTI在內(nèi)的美國其他市場聯(lián)系在一起。LLS在市場價差異常波動的過程中走勢較為獨特，WTI與LLS價差縮小的同時Brent和LLS價差則呈現(xiàn)擴大趨勢，表明LLS在WTI和Brent間起到了一定程度上的緩沖作用(見圖1)。由于LLS具有獨特的市場性質(zhì)并在市場關(guān)聯(lián)性異常波動期間體現(xiàn)了特殊作用。因而，選取國際石油市場WTI-LLS-Brent合并研究，或能實現(xiàn)對市場間關(guān)聯(lián)非一致性現(xiàn)象作出合理解釋。

市場價差的波動顯示了市場聯(lián)動關(guān)系的復(fù)雜性，需要借助可以同時在時域和頻率兩個角度進行分析的研究方法。以往對市場關(guān)聯(lián)性的研究多采用回歸模型對均值和波動溢出現(xiàn)象檢驗，例如VAR和多元GARCH等，然而上述方法均難以從多層次角度細(xì)致反映關(guān)聯(lián)性現(xiàn)象。主要由于一方面石油價格的波動情況復(fù)雜、走勢呈現(xiàn)高度非線性，而傳統(tǒng)的定量分析技術(shù)難以全面細(xì)致刻畫市場相關(guān)性表現(xiàn)；另一方面石油價格的波動受到多種不同周期因素的影響，宏觀經(jīng)濟形勢發(fā)生變化的周期較長，而供求關(guān)系改變和突發(fā)事件發(fā)生的頻率較高，導(dǎo)致在不同頻率視角下市場相關(guān)性也呈現(xiàn)不同的特征。以往的研究多從時間域的角度分析時間序列的動態(tài)相關(guān)性，缺少從頻域方面的實證分析。

圖1 WTI-LLS-Brent市場價差的走勢

小波分析在考察經(jīng)濟變量之間的時域、頻域相關(guān)性方面具有顯著優(yōu)勢。小波分析法作為一種信號處理技術(shù)，能夠通過伸縮和平移等運算將信號分解到不同頻率通道上，得到的分解信號對應(yīng)著從原始信號中提取到的不同頻率的信息。Morlet(1982)[1]首先提出了小波變換的概念，隨后該技術(shù)被廣泛應(yīng)用于信號和圖像處理等工程學(xué)領(lǐng)域。Ramsey和Zhang(1997)[2]較早采用該方法對外匯市場進行研究，發(fā)現(xiàn)通過小波變換可以把過去不能觀察到的細(xì)節(jié)內(nèi)容分解出來進行分析。在時域維度上，能捕捉時間序列的動態(tài)變化；在頻域維度上，能反映時間序列之間的短期、中期和長期關(guān)系。采用該方法將金融時間序列依據(jù)交易頻率進行分解，能夠從時域、頻域兩方面更加全面的探究市場關(guān)聯(lián)性問題。采用小波技術(shù)進行關(guān)聯(lián)性研究的主要技術(shù)路線有兩條：

一是采用交叉小波變換進行時間序列間的互譜分析。該方法可以體現(xiàn)關(guān)聯(lián)性的時變情況，并且可以依據(jù)相位譜分析兩序列的先行滯后情況。Hudgins和Friehe(1993)[3]提出了交叉變換小波的概念，并研究了兩個時間序列在不同頻率下的相關(guān)性，Bloomfield等(2004)[4]進一步提出了小波相位差工具從頻域上分析兩個序列間的互相影響。Grinsted和Moore(2004)[5]將這種能提供相位差分析的關(guān)聯(lián)性研究方法稱為互譜分析(Wavelet Coherence)，包括相干譜和相位譜分析，用于研究不同周期尺度下的相關(guān)性的時變情況。Conraria和Soares(2011、2011a)[6-7]采用互譜分析技術(shù)分別對石油價格和宏觀經(jīng)濟的相關(guān)性以及歐洲國家間的經(jīng)濟周期相關(guān)性進行了研究。Dewandaru等(2017)[8]采用互譜分析對亞洲區(qū)域內(nèi)的新興股票市場進行了波動溢出研究，發(fā)現(xiàn)次貸危機后亞洲新興市場間的波動溢出效應(yīng)明顯加強。國內(nèi)代表性文獻有：董直慶和王林輝(2008)[9]對證券市場和宏觀經(jīng)濟波動的關(guān)聯(lián)進行了研究；蘇治和陳楊龍(2012)[10]對滬深300指數(shù)和股指期貨的相關(guān)性研究；張宗新和張雪嬌(2012)[11]對基金重倉股對市場波動影響的分析；江春等(2013)[12]采用小波互譜分析研究了中國貨幣供給和物價變動間的相關(guān)性。

二是采用離散小波變換將時間序列分解，結(jié)合計量模型研究不同分量間的關(guān)聯(lián)性。Fernandez(2008)[13]利用Copula和小波技術(shù)建立了選擇最優(yōu)套期保值比的模型，并通過對LME市場金屬類期貨的實證研究證明了該模型優(yōu)于MGARCH模型。Hamrite和Trifit (2011)[14]將格蘭杰因果檢驗和MODWT小波變換結(jié)合使用，在對美國市場利率、匯率及股市相關(guān)性的研究中發(fā)現(xiàn)股市和匯市在低頻趨勢信號上存在雙向波動溢出。Berger(2015)[15]發(fā)現(xiàn)使用小波分解的高頻信號部分Copula-VaR模型的對風(fēng)險的估計效果優(yōu)于傳統(tǒng)的VaR模型。國內(nèi)代表性文獻有：宿成建等(2004)[16]采用回歸分析研究滬深股市各分量間的關(guān)聯(lián)性；侯守國和張世英(2006)[17]采用類似的方法研究了滬深股市間的波動關(guān)聯(lián)性；龐貞燕和劉磊(2013)[18]與熊正德等(2015)[19]采用波動模型和小波分析相結(jié)合的方法研究了市場間波動溢出效應(yīng)；隋新等(2015)[20]采用格蘭杰因果檢驗和Copula對股指期貨、現(xiàn)貨間的溢出效應(yīng)研究。

然而已有研究仍有一定局限性：第一，有些僅針對低頻趨勢部分進行建模分析，有些僅分析了高頻信號部分的波動溢出情況。由于高頻信號波動性較強，與低頻趨勢信號相比具有不同的數(shù)據(jù)特征，蘊含了不同頻率的信息，應(yīng)有針對所有的分解信號進行分析才能得到合理結(jié)論。第二，采用小波分析進行關(guān)聯(lián)性研究的兩條路線各有優(yōu)點：針對離散小波變換得到的各分量，可以靈活采用多種計量模型分析之間的關(guān)聯(lián)性；交叉小波變換一方面可以在一個框架下從不同頻率角度統(tǒng)籌研究關(guān)聯(lián)關(guān)系，另一方面可以體現(xiàn)關(guān)聯(lián)的時變性和互相引導(dǎo)關(guān)系。

有別于以往研究，本文：(1)從不同頻率視角探尋國際石油市場間價格關(guān)聯(lián)性的異同點，有助于更好地理解與應(yīng)對外部沖擊的影響。具體對高頻部分的分解信號采用Copula方法分析其尾部相關(guān)性；低頻趨勢信號由于去除了高頻信號的干擾，較為符合傳統(tǒng)時間序列研究方法的要求，采用格蘭杰因果分析對市場間的相關(guān)性進行檢驗。(2)采用交叉小波變換進行互譜分析，并在不同頻率視角下驗證金融因素和供求關(guān)系對市場關(guān)聯(lián)性的影響，兩種方法可以互為對照進行歸納總結(jié)。對石油價格時間序列的高頻部分的尾部相關(guān)性研究有助于理解市場極端風(fēng)險導(dǎo)致的投資收益波動情況，低頻趨勢部分的研究有助于增進對市場基本面情況的理解，互譜分析可以更全面認(rèn)識市場相關(guān)性的動態(tài)變化趨勢。在多頻視角下全面解構(gòu)國際石油市場間的關(guān)聯(lián)關(guān)系，從而為我國石油市場體系的發(fā)展與完善理論依據(jù)與經(jīng)驗參考。

二、實證模型與方法

(一)信號分解技術(shù)基本原理

小波變換是一種用于分析非穩(wěn)定信號的工具，將石油價格時間序列看成價格在時間域上的信號，采用小波分析技術(shù)對其進行分解。

對于一個時間序列x(t)，可以分解為多個信號函數(shù)的組合：

(1)

其中，an是展開系數(shù)，Φn是尺度函數(shù)。則：

(2)

將尺度函數(shù)進行平移和伸縮處理可以更好地擬合原時間序列：

(3)

在頻率上對尺度函數(shù)進行壓縮：

(4)

小波變換將原始時間序列分解為一系列由某個特定的母小波函數(shù)經(jīng)過位置平移和尺度伸縮后得到的基小波函數(shù)的疊加，從而將原始時間序列中更多的信息在時域和頻域上進行顯示。母小波函數(shù)和基小波函數(shù)就是特定的尺度函數(shù)：

(5)

其中，s被稱為尺度參數(shù)，用于衡量母小波的壓縮程度；τ被稱為平移參數(shù)，反映母小波的平移位置。若(1)中函數(shù)Φn(t)為小波函數(shù)Ψτ,s(t)，則原時間序列的小波展開式：

(6)

其中ds,τ是小波展開系數(shù)。

(二)連續(xù)小波變換和互譜分析

對于母小波，要求其均值須為零且平方積分和須等于1。即：

(7)

連續(xù)小波變換的逆變換存在的條件是：

(8)

(9)

給定原始時間序列x(t)，那么其連續(xù)小波變換即：

(10)

其中，Ψτ,s(t)是基小波函數(shù)，符號*表示復(fù)共軛。小波自功率譜被定義為連續(xù)小波變換函數(shù)的模的平方，即：∣Wx,y(τ,s)∣2。

連續(xù)小波變換是針對一維的序列進行變換，當(dāng)需要對兩個序列進行關(guān)聯(lián)性研究時，首先對每個序列進行小波變換，然后用已有的相關(guān)性分析模型做進一步研究。類似于小波連續(xù)變換和小波自功率譜，Hudgins等(1993)[3]提出了交叉小波變換來直接分析兩序列在不同頻率下的關(guān)聯(lián)性。兩個時間序列x(t)和y(t)的交叉小波變換和交叉小波功率譜定義為：

(11)

(12)

小波相關(guān)系數(shù)定義為交叉小波功率譜與二者的小波自功率譜之間的比值，在實際研究中多用到小波相關(guān)系數(shù)的平方形式：

R2τ,s=

(13)

其中，S是進行時頻正態(tài)化處理的平滑因子[6]。R2(τ,s)取值(0,1)，值越大表明兩序列相關(guān)性越強。

為在特定頻率上分析兩序列的領(lǐng)先滯后關(guān)系，Bloomfield(2005)[4]提出了相位差的概念，定義為交叉小波功率虛數(shù)部分和實數(shù)部分的比值(見式9):

(14)

其中，φx,y(τ,s)在取值范圍(-π,π)所表示的含義見表1。

表1 相位差角度與序列相關(guān)性

(三)離散小波變換和Copula

連續(xù)小波變換的變換系數(shù)是高度冗余的，為滿足價格時間序列數(shù)據(jù)離散化的處理要求，多采用離散小波變換對序列進行分解。極大重疊離散小波變換(MODWT)是對離散小波變換的一種改良。采用Mallat(1989)[21]算法將原始時間序列信號分解到不同尺度的子空間中，形成具有不同頻率的高頻分量及剩余的低頻部分信號：

Vj+1=Vj⊕Wj=Vj-1⊕Wj-1⊕Wj=Vj-2⊕Wj-2⊕Wj-1⊕Wj…

(15)

采用尺度函數(shù)擬合低頻部分V，將尺度函數(shù)處理后形成小波函數(shù)擬合高頻部分W。給定原始時間序列x(t)：

(16)

其中，λ和γ分別代表尺度函數(shù)系數(shù)和小波函數(shù)系數(shù)。

對高頻各個分量采用Copula模型做進一步關(guān)聯(lián)性分析。根據(jù)Sklar定理，存在一個連接函數(shù)：

F(x1,…,xd)=C(F1(x1),…,Fd(xd))

(17)

其中，F(xiàn)是d維(x1,…,xd)的聯(lián)合分布，F(xiàn)i(xi)是各自的邊緣分布，連接函數(shù)C為Copula函數(shù)。在此理論基礎(chǔ)上，發(fā)展了多種形式的Copula函數(shù)。Gumbel Copula的函數(shù)形式為：

(18)

其中，u和v分別表示兩個序列的邊緣分布。

生存函數(shù)和其原函數(shù)互為鏡像，即：

(19)

(20)

描述尾部相關(guān)性的Copula函數(shù)參數(shù)設(shè)置形式各不相同而難以進行比較，所以采用描述尾部關(guān)聯(lián)性的Copula函數(shù)和其對應(yīng)的鏡像Copula函數(shù)，二者互為鏡像，參數(shù)易于比較。

三、實證部分及分析

選取近月合約Contract1收盤價作為WTI市場價格的代表，Brent選取活躍期貨合約收盤價，LLS市場采用其現(xiàn)貨FOB價格。所有數(shù)據(jù)頻率為2006/1/6-2016/5/20日數(shù)據(jù)，共計2732個交易日數(shù)據(jù)。WTI價格數(shù)據(jù)來自EIA，Brent和LLS價格數(shù)據(jù)來自Wind資訊數(shù)據(jù)庫。

(一)極大重疊離散小波變換分解信號

為從不同頻域角度解讀價格時間序列，采用db5小波對三個市場的價格時間序列進行MODWT分解，分解層數(shù)為6層。第一層尺度對應(yīng)的期限為2-4天，第二層尺度對應(yīng)的期限為4-8天，第三層尺度對應(yīng)的期限為8-16天，以此類推。6個分解尺度依次代表了不同頻率信號所蘊含的信息。高頻信號體現(xiàn)了短周期市場的波動情況，可以看到高頻率信號的波動性較強但各市場高頻視角下波動情況有分歧。低頻信號反應(yīng)的是市場價格的長期走勢，三個市場的長期走勢較為一致，金融危機后油價的下跌和能源出口禁令解除后全球油價探底在長期趨勢部分都得以體現(xiàn)(見圖2)。

(二)高頻部分信號的Copula

由于高頻信號都存在波動積聚現(xiàn)象，具有典型的非線性特征。第四層分解信號對應(yīng)的尺度為16-32天，對應(yīng)信號體現(xiàn)了月內(nèi)市場價格波動。為研究市場短期波動的關(guān)聯(lián)性并更好的分析高頻信號所顯示的市場短期極端風(fēng)險概率，采用Copula對尺度1-4的分解信號做進一步的關(guān)聯(lián)性分析(見圖3)。

由圖3，市場間的高頻信號聯(lián)合分布較為分散，隨著頻率變低分布趨向集中，價格時間序列存在明顯的尾部相關(guān)性，采用Gumbel Copula和其鏡像函數(shù)來進行波動關(guān)聯(lián)性分析(見表2)。

圖2 MODWT分解信號

圖3 價格序列聯(lián)合分布直方圖

表2 Copula相關(guān)系數(shù)

由表2，不同尺度下相關(guān)系數(shù)不同，原序列關(guān)聯(lián)性和不同頻率分解信號關(guān)聯(lián)性差別較大，各尺度分解信號上下尾關(guān)聯(lián)性基本對稱。Brent和LLS在最高頻尺度上關(guān)聯(lián)性最低，另外兩對都是在次高頻尺度上關(guān)聯(lián)性最低。隨著尺度增加，信號間關(guān)聯(lián)性趨同于原序列。

從Copula對高頻信號關(guān)聯(lián)性的結(jié)果來看，不同頻率下市場關(guān)聯(lián)性受市場性質(zhì)和市場間地理區(qū)位因素影響較大。投機者多進行短線交易，行為易受短期因素影響；套期保值者的交易頻率較低，他們的行為更多受市場長期走勢的影響。在較為成熟的市場上，偏好較長交易周期的套期保值者較多，市場更易受長期因素影響，所以在較大時間尺度上相關(guān)性較強[20]。在投機因素較強的市場上，交易者受短期因素影響較大且交易頻繁，所以在較小的時間尺度上市場的相關(guān)性較強。Brent和LLS關(guān)聯(lián)性隨尺度增大而增強，市場參與者偏好長周期交易。市場參與主體多為以套期保值為目的的石化生產(chǎn)企業(yè)，所以市場呈現(xiàn)低頻相關(guān)性較強。Brent和LLS之間的跨大西洋海運連接也是造成市場短期相關(guān)性較低的主要原因。WTI和Brent兩個期貨市場上最高頻信號關(guān)聯(lián)性較強，現(xiàn)了期貨市場信息反應(yīng)速度較快且高頻交易量大的特點，兩個市場上投機交易較多也是造成高頻關(guān)聯(lián)性較強的主要原因。LLS和WTI的地理位置更為接近，所以二者在尺度1下的高頻相關(guān)性也較強。

(三)低頻趨勢部分的格蘭杰因果檢驗

由圖3初步判斷低頻趨勢序列符合經(jīng)典線性回歸分析的要求，對其進行單位根檢驗并采用格蘭杰因果檢驗分析市場間長期的價格引導(dǎo)關(guān)系(見表3)。

表3 低頻趨勢序列的格蘭杰因果檢驗

由表3，原始序列都是一階單整，而低頻趨勢序列都是平穩(wěn)的。原序列一階單整表明高頻信號所蘊含的信息對下一期價格的走勢有一定預(yù)測作用。低頻趨勢序列展現(xiàn)的是在去掉高頻信號后市場的長期走勢，不存在單位根表明石油市場的長期走勢難以預(yù)測。Brent和LLS在兩個檢驗中都存在雙向因果關(guān)系，而另外兩對的因果檢驗都發(fā)生了改變。對于Brent-WTI，去除高頻信號后的趨勢序列互相預(yù)測效果更好。WTI-LLS的原始序列存在單向格蘭杰因果關(guān)系，而低頻趨勢序列不存在格蘭杰因果關(guān)系?？梢姼哳l部分對序列間互相預(yù)測的影響較大：(1)LLS和Brent之間有較為穩(wěn)定的實物聯(lián)系，原序列和長期趨勢較為一致體現(xiàn)市場關(guān)聯(lián)性較為平穩(wěn)；(2)WTI和Brent是期貨市場，投機者交易量大且頻繁，產(chǎn)生的高頻信號除需要考慮石油市場因素外還蘊含了很多金融因素的信息，原序列因果檢驗中WTI對Brent的單向因果關(guān)系更多體現(xiàn)了金融層面上WTI占據(jù)信息傳導(dǎo)優(yōu)勢；(3)連通WTI和LLS的Seaway管道長期處于LLS至WTI的單向石油輸送狀態(tài)，所以原序列因果檢驗中LLS對WTI具有單向格蘭杰因果關(guān)系。WTI和LLS之間主要靠實物聯(lián)系，相互作用沒有期貨市場迅速，且格蘭杰因果檢驗只針對滯后兩期，所以低頻趨勢序列間沒有發(fā)現(xiàn)兩者存在格蘭杰因果關(guān)系。

(四)互譜分析

采用Morlet小波對原始價格序列進行交叉小波變換并做互譜分析。顏色越淺表示相關(guān)性越強，顏色越深表示相關(guān)性越低。相關(guān)系數(shù)低于0.6的部分認(rèn)為不存在較強的相關(guān)性，沒有相位譜的箭頭指示。

圖4 小波相關(guān)系數(shù)及相位差

由圖4，高頻尺度下市場關(guān)聯(lián)性波動較大，32天以上的尺度下市場保持平穩(wěn)的強相關(guān)性，表明長期來看市場關(guān)聯(lián)性較強，該結(jié)論和Copula分析的結(jié)果一致。相位譜的箭頭指向在高頻部分會發(fā)生變化，表明在高頻領(lǐng)域市場間存在交替引導(dǎo)的情況。

金融危機前石油價格經(jīng)歷了一個快速上漲的過程，高頻部分的相關(guān)性出現(xiàn)了較為明顯的波動，顯然金融因素對高頻相關(guān)性影響較大。金融危機后2008-2010年高頻信號卻保持了較平穩(wěn)且較強的相關(guān)性，表明隨著金融因素的褪去高頻視角下的相關(guān)性保持穩(wěn)定。低頻趨勢部分相關(guān)性較強也較為穩(wěn)定，體現(xiàn)了全球石油市場的一體化程度較深。值得注意的是金融危機期間僅僅是Brent和LLS在64-128天的尺度上相關(guān)性出現(xiàn)微弱降低，但在頁巖油革命期間市場的中長周期相關(guān)性保持較低水平，在時間上對應(yīng)了WTI和其他兩市場價差增大這一反?，F(xiàn)象。實證結(jié)果顯示相位譜大多情況下箭頭水平向右表明市場多數(shù)時間走勢同步，但是2014年期間引導(dǎo)關(guān)系發(fā)生轉(zhuǎn)變，表明頁巖油革命對石油市場的沖擊比金融危機造成的影響更廣泛，持續(xù)時間也更久。

格蘭杰因果檢驗的研究對象是低頻趨勢部分信號，對應(yīng)的周期是128-256天。圖4中可以看到只有WTI和LLS在128天這個尺度上相位譜存在兩個值(約-π/4和0)，意味著WTI和LLS在該尺度上引導(dǎo)關(guān)系發(fā)生了偏轉(zhuǎn)。發(fā)生時間在2011年前后，也正是該時間段WTI和LLS之間價差迅速增長到25美金。這個結(jié)果既印證了格蘭杰因果檢驗，低頻趨勢部分不存在因果關(guān)系的原因是2011年二者在中長期尺度上引導(dǎo)關(guān)系的轉(zhuǎn)變。

四、結(jié)論

本文采用小波分析結(jié)合計量模型的研究方法對三個具有代表性的石油市場進行了關(guān)聯(lián)性分析。從不同的頻率尺度對研究對象進行分析，發(fā)現(xiàn)不同頻率視角下市場關(guān)聯(lián)呈現(xiàn)非一致特征。主要包括：(1)高頻尺度信號的波動性較強，且關(guān)聯(lián)性隨頻率降低而增強。微觀視角下石油市場的關(guān)聯(lián)性呈現(xiàn)波動變化，市場存在交替引導(dǎo)的情況。(2)小波分解后的低頻趨勢部分關(guān)聯(lián)性和原序列相比變化較大，高頻部分對序列間互相預(yù)測的影響較大，但是整體來看石油市場一體化程度較深。上述特征表現(xiàn)究其原因：第一，影響石油市場的因素周期不同。宏觀經(jīng)濟形勢及供求關(guān)系等因素變化緩慢且影響周期較長，所以低頻趨勢的關(guān)聯(lián)性較強。市場參與者交易行為頻率較高，某些突發(fā)事件也會極為迅速的改變市場原有的關(guān)聯(lián)性，所以高頻部分體現(xiàn)出了關(guān)聯(lián)性的波動。第二，市場性質(zhì)不同且建立關(guān)聯(lián)的方式不同。期貨市場關(guān)聯(lián)性主要靠交易帶來的信息傳遞來維持，所以高頻關(guān)聯(lián)性較強?，F(xiàn)貨市場間主要靠實物聯(lián)系，所以區(qū)位因素和實物運輸決定了不同頻率視角下市場關(guān)聯(lián)的不一致性。

雖然石油價格跌宕起伏，但市場長期關(guān)聯(lián)性保持相對穩(wěn)定。對高度一體化的石油市場要防范風(fēng)險蔓延。研究結(jié)論有以下三點提示：第一，高頻短期相關(guān)性有一定波動，顯示市場在面對變化時存在較為短暫的猶豫和觀望，但是市場情緒傳染很快。期貨市場高頻相關(guān)性明顯較強，金融危機對期貨市場的影響很快恢復(fù)，而且期貨市場相關(guān)性對頁巖油革命的影響反應(yīng)也很迅速。實物因素對期貨市場難以產(chǎn)生深遠的影響，防范期貨市場風(fēng)險的蔓延要靠市場制度的設(shè)計和金融手段的調(diào)控，采取調(diào)控措施務(wù)必迅速有效。第二，市場風(fēng)險的傳遞除了市場性質(zhì)起決定性因素外，區(qū)域因素也很重要。WTI和LLS之間高頻信號相關(guān)性略低于兩個期貨市場相關(guān)性，遠遠高與Brent和LLS，盡管LLS和Brent走勢長期保持一致，但是關(guān)聯(lián)性的強弱還是明顯受到了地理位置的影響。所以在設(shè)計市場體系時，要在充分考慮區(qū)域因素的基礎(chǔ)上盡可能做出最優(yōu)計劃。第三，頁巖油革命對石油市場產(chǎn)生了深遠的影響，帶來的沖擊遠遠大于2008年金融危機。全球石油市場正處于劇烈的變革中，風(fēng)險與機遇并存。因而應(yīng)把握機會，積極建設(shè)現(xiàn)貨市場作為期貨市場的有效補充，形成科學(xué)合理的石油定價機制，有效抵御外部沖擊對市場造成的不利后果。