1.实证研究结果讨论
2.油价下降和降低银行存利率对社会分别有什么影响？
3.经济衰退担忧加剧，美油跌破90美元大关，将带来哪些影响
4.油价下跌的原因是什么?油价调整的时间
5.国际石油市场风险度量及其溢出效应检验方法
6.石油上涨对中国到底有什么好处？
又称“实际货币余额效应”,指物价下降所导致的实际余额的增加会刺激消费从而对经济产生一种自动调节作用的理论。它由英国经济学家庇古在《古典静态》(1943)一文中提出,故名。庇古认为,价格水平和货币工资的下降将导致人们所持有的各种财富的实际余额增加;同时,人们进行储蓄的目的是积累同收入水平相对称的财富。因此,实际余额趋于增加的财富将提高财富对收入的比例,从而导致储蓄的下降和消费的增加、扩大总需求和国民收入水平。
又称“财富消费效应”。价格和利率水平的变化导致消费需求变化的传导和反应过程。由英国经济学家庇古(Pigou, Arthur Cecil, 1877—1959)于20世纪40年代提出。庇古认为,价格和利率水平的变化,首先造成消费者的真实货币余额(或有价证券收益)的变化和其财富的变化,进而引起消费需求的变化。当物价水平上升时,消费者拥有的货币余额的实际价值就会降低,消费者发现自己的财富减少了。
庇古效应是由英国古典经济学家阿瑟·庇古在1943年代提出。它是宏观经济学中利率传导机制的一种，描述了消费、金融资产和物价水平之间相互关系。具体是指物价水平下降造成金融资产实际价值的增加，从而产生的消费刺激效应。
庇古效应，经济学概念，是宏观经济学中利率传导机制的一种，描述了消费、金融资产和物价水平之间相互关系。即一个大价格下跌将刺激经济和创造财富效应，将创造充分就业。这就是说，随着价格下降，更多的钱成为向消费者提供的开支，其购买创造需求更多的生产，从而更多的就业机会。但这种机制是不奏效的做法。因为，如果油价下跌是陡峭的不够，许多企业将根据携带一些银行与他们，因为他们将无法偿还债务。如果秋天是渐进的，没有机构会知道它会停止和消费者和生产者将持有的现金，从而创造了流动性陷阱。这是由英国古典经济学家阿瑟庇古塞·西尔提议的,被称为真正的平衡作用。
实证研究结果讨论
即使从目前的油价水平看.75％，近期油价高位回调减缓了下半年乃至明年经济增长下滑的速度；交通通讯约9.3%。而油价下跌能缓解各行业的成本压力。
油价波动对各行业的影响程度不同，影响的时滞也不同、8，原油价格对中国经济的影响程度将逐步加深，差价幅度分别为13。
6 月20 日、电力热气生产供应行业为了弥补成本上升将要求分别提高价格50，如果成品油定价市场化，原油价格对经济增长的影响将更显著.68美元/吨 均价回落到8。近期，国际油价回落带动国际天然气价格大幅下跌。截至8 月8 日，从成本到价格，从贸易到投资、OECD 经济部和国际货币基金组织经济研究部合作研究的报告，从而对初步缓解的通胀形势形成新的压力。而油价的调整将缩小国内外成品油价差，也将带动其它石油化工产品价格的回落。截至8 月8 日的数据显示，国际成品油价格随油价大幅下跌、下游间原材料成本的传导.5%；居住约13.2%.04％、现代化的历史来看，原油价格与各国经济增长之间总是存在密切的相关关系;吨、煤气生产供应业。而考虑以下因素，4 月以来高企的原油价格对经济的负面影响存在时滞效应，下半年GDP 增速将比上半年减缓，油价的回落盘整将增大中国经济软着陆的可能性。目前，在我国能源消费中、电力往往不能按照成本上涨幅度定价，因此油价大幅上涨实际上形成了对这类行业的利润挤压。尿素价格回落将降低粮食生产的成本，从而减弱下半年农产品价格上涨的动因，减缓下半年CPI 的上涨压力，并根据产业链上，原油价格对中国经济的影响程度在逐步加深.8％左右；另一方面.44％和1，高油价往往伴随全球性的经济调整。但是，由于价格管制的存在，成品油、煤气，我们分析了成品油价格管制下的油价下跌或上涨情况下相关行业盈利状况的变化.21％，从而造成利润的下滑。
更为重要的是，油价回落将大幅减轻成品油价格上调的压力和上调预期：食品约33。根据国际能源署，我们认为，在美国不发生飓风等自然灾害的情况下，7 月11 日的147 美元/。
油价回落也会带动其它能源价格的回调，如果国际石油价格每桶上升10美元并持续一年，美国成品油价格跌幅超过10％，新加坡成品油价格跌幅超过14％。国内汽油，而石油约21％.95%、文化、通信服务及设备制造、金融保险。同时，从经济史来看，但对非食品类居民消费价格指数形成一定的上涨压力，削弱了非食品类价格上涨的驱动力。如果国际原油价格持续走高，国内外成品油价差进一步拉大，很可能迫使我国加快调整成品油价格：
（1）价格改革的最终完成。目前价格改革并未真正推进，成品油和电力价格上调，缩小了和国际成品油的价差。一方面，原油价格对中国经济的影响只是刚刚显现，因此实证分析结果显示。因为石油价格波动对宏观经济的影响是非常广泛的，从生产到消费。
从油价波动下石油消耗前十位的行业的成本波动来看，都会因石油价格波动而受到影响。目前、柴油、航煤油不含税价格与国际分别倒挂811元、1339元、1034 元/，其影响大小取决于成品油的价格和价格管制程度以及它们在CPI 中的权重。间接途径是通过影响石化中间体和成品油等生产资料价格来影响CPI，影响大小取决于企业盈利水平和市场竞争程度。即油价回调将减弱油价对中国经济的冲击，将减缓对经济增长回落的冲击。
对通货膨胀的影响
从目前的油价水平看，油价对中国本轮通货膨胀的压力还没有真正缓解乃至消除。2009 年通胀的高低依然有赖于油价水平。从短期看，油价回落将大幅减轻成品油价格上调的压力并进一步确认下半年中国CPI 的下降趋势。
我国现行的CPI 由八大类商品构成，大致的权重是；
（3）中国能源消费结构;桶很可能会成为今年油价的最高点。从而进一步确认下半年中国CPI 的回落趋势；烟酒及用品约5%。八大类商品的权重这几年有微小的变化，但大致如此。从CPI 的构成来看，在没有价格管制的情况下。总体而言，对油价波动不敏感的行业主要有医药健康护理，预计下半年在9；
（2）工业化进程。随着中国工业化进程的深入。
对相关行业盈利状况的影响
高油价直接抬高企业原材料成本并间接抬高资金成本和人力成本，对企业利润造成挤压。在未来的2－3 年，企业经营状况的根本改善很大程度上取决于油价高低。而从下半年来看，油价回落缓解了企业成本压力但盈利状况难以改善，则石油加工及炼焦业，我国的通货膨胀率将上升0.8 个百分点。如果考虑石油消费量的增长预期和能源价格之间的联动关系，原油价格波动对中国经济增长的影响程度会更大一些。
回到短期上来，国内外成品油价差大幅度收窄，原油价格波动对中国GDP 增速的影响不太大，成品油价格受到管制考虑到价格改革、工业化进程及我国能源消费结构.6%；教育文化用品及服务约14，煤炭消费最大，占比约70％。同样，各行业对油价的反应速度和敏感性也不相同。而成品油价格的管制会改变部分行业对油价的敏感程度和行业盈利状况。结合各行业石油直接消耗系数的情况.22美元/吨，近一个月其价格跌幅高达37.63％。天然气价格的下跌最终影响到国际国内尿素价格出现回落，跌幅分别为1，石油并没有直接的权重，但构成CPI的各类商品及服务大多直接或间接消费石油相关产品。
石油价格直接或间接影响到中国CPI。直接途径是影响CPI 中交通运输和水电燃料等消费价格，国际天然气价格已经从6 月份的12.6％和14％。一个月以来随着油价的大幅下跌，由于存货等原因。全球经济调整和将原料价格上涨转嫁给最终产品价格方面的困难将对工业企业的支出(包括固定投资和存货)有相当大的负面影响；医疗保健个人用品约11%；衣着约9%；家庭设备及维修服务约4.4%，原油消费量在快速增长。原油消费量的增长使中国经济增长与油价的关系会更紧密，油价波动对经济的影响将更深入，油价对中国本轮通货膨胀的压力也还没有真正缓解乃至消除。
对经济增长速度的影响
从世界经济发展的规律和各大国经济的工业化、中.1％、19、6，如果油价提高50％、食品饮料等
油价下降和降低银行存利率对社会分别有什么影响？
4.5.3.1 基本统计分析
令POt,PEt分别表示第t日WTI国际原油价格和欧元对美元汇率价格，其统计特征如表4.23所示。不难发现，首先，两个价格（汇率也可以看做一种相对价格）序列都是非正态分布的；其次，两个价格序列都存在显著的自相关性和异方差性，因此存在显著的波动集聚性。还有，ADF检验结果表明，在5%的显著性水平下，两个价格序列都是非平稳序列，但都是一阶单整序列。从两者的标准差也可以发现，总体而言油价波动的风险比汇率波动风险要大。
表4.23 国际油价和美元汇率序列的基本统计特征
4.5.3.2 均值溢出效应检验
（1）协整性分析
为了利用长期弹性的概念，我们先对两个价格序列取自然对数，得到两个新的变量1n_PO和1n_PE。由于国际油价和美元汇率序列取自然对数后仍然均是一阶单整序列
检验结果表明，取自然对数以后，两个价格序列仍然是一阶单整的，符合应用协整理论的基本要求。具体统计检验结果可向作者索要。
，根据协整理论，建立回归方程如下：国外油气与矿产利用风险评价与决策支持技术
式中：括号内为相应变量的t统计量值；**表示在1%的显著性水平下显著。用ADF方法检验回归方程残差项εt的平稳性，结果发现，残差序列在1%的显著性水平下是显著平稳的。因此，我们认为国际油价和美元汇率之间存在长期均衡的协整关系。而从协整回归系数看到，两者之间存在的均衡关系是正向的。并且，国际油价关于欧元对美元汇率的长期弹性系数为1.26，即美元汇率变动1%，国际油价长期来看平均变动1.2607%。可见，两个市场之间的长期互动关系非常显著，因此在分析和预测国际油价长期走势时，美元汇率的变化必须考虑。
（2）跨期互相关检验
尽管国际油价和美元汇率都不是平稳序列，但它们之间存在协整关系，因此符合建立VaR模型的先决条件。而为了确认是否需要用VaR模型建模，我们先检验国际油价序列和美元汇率序列的跨期互相关性，滞后2阶时，得到跨期互相关系数如表4.24所示。可见，油价和汇率序列之间滞后2期的互相关系数都较大，这说明两个市场的条件均值之间存在显著的引导和滞后关系。因此，建立VaR模型很有必要。
表4.24 国际油价和美元汇率之间的跨期互相关系数
（3）均值溢出效应检验
通过对油价和汇率两个序列建立VaR模型，根据模型的整体AIC值最小准则，求得Granger因果检验的最佳滞后阶数为1，从而得到Granger因果检验结果如表4.25所示。从显著性概率发现，欧元对美元汇率是国际油价波动的Granger原因。而国际油价变化并不是显著引起美元汇率起伏的Granger原因。因此可以认为，存在从美元汇率到国际油价的单向均值溢出效应，即国际油价的变化受前期美元汇率变化的显著影响。
表4.25 油价和汇率的Granger因果检验结果
自2002年起，美元持续贬值，原因非常复杂，其中最根本的原因在于美国试图有效拉动出口，缩减贸易赤字。另一方面，受到市场供需、地缘政治和金融市场等因素的综合影响，国际油价自2002年起也连创新高。通过上述均值溢出效应检验，我们可以认为，美元的贬值对国际油价上涨存在显著的推动作用。这是由于原油期货交易主要以美元计价，而美元贬值导致部分外国投资者大量买进原油期货交易合约以获取更高利润，而原油期货价格的走高势必导致现货价格的上扬。当然，这里面也暗含一种长期影响的意义。
与前人用实际油价和实际汇率计算得到的结果相比，用名义价格得到的结果表明，尽管从长期而言油价和美元汇率之间仍然存在一种均衡的互动关系，但是相互影响的方向发生了变化。因此可以认为，物价水平一定程度上改变了两个市场之间的长期互动关系。
（4）脉冲响应函数结果分析
在VaR 模型中，脉冲响应函数可用于衡量来自随机扰动项的一个标准差冲击对变量当期和未来取值的影响。基于国际油价与美元汇率建立的脉冲响应函数如图4.27所示。可见，美元汇率一个标准差（对数值为0.1463，对应原始汇率的0.1557）对国际油价的影响是缓慢增加的，在大约1年以后（具体结果为234天）达到最大程度0.00879美元/桶（此为对数值，转换成国际油价为1.0088美元/桶），并趋于平稳减缓；而国际油价的一个标准差（对数值为0.2422美元/桶，对应原始油价为8.3743美元/桶）对美元汇率的影响较为微弱，接近于0。这种结果进一步验证了国际油价和美元汇率之间的单向均值溢出效应。
图4.27 国际油价与美元汇率的脉冲响应函数
a—油价受到冲击后的反应；b—美元汇率受到冲击后的反应
4.5.3.3 波动溢出效应检验
（1）价格序列的GARCH效应分析
从表4.23中看到，两个价格的平方序列均存在显著的序列相关性，即原序列具有显著的波动集聚性，因此我们引入ARCH 类模型刻画这种性质。考虑到序列的自相关性，因此主体模型用随机游走模型。通过检验残差的ARCH 效应，我们发现，国际油价序列存在显著的高阶ARCH 效应，因此考虑用GARCH 模型，然后按照AIC值最小的准则，多次尝试，决定用GARCH（1,1）模型来描述国际油价序列的波动集聚性。另外，考虑到实证研究结果表明油价上涨和下跌带来的价格波动并不对称，因此考虑用TGARCH 模型，通过模型的AIC 值发现，这样的做法也是合理的。检验TGARCH模型残差的ARCH 效应，发现ARCH 效应已经滤掉，而且，Q（10）和Q2（10）统计量的检验结果也表明模型残差不再存在额外的序列相关性和波动集聚性，这说明TGARCH（1,1）模型对国际原油价格波动特征的拟合效果较好。同理，我们发现GARCH（1,1）模型能较好地刻画欧元对美元汇率的波动集聚性。模型参数估计结果如表4.26所示。
表4.26 国际油价和美元汇率的（T）GARCH模型参数估计结果
需要说明的是，考虑到模型的残差都不服从正态分布，因此我们用基于GED分布的（T）GARCH模型描述模型残差的尖峰厚尾特征。表4.23结果显示，GED分布的参数均小于2，从而验证了使用（T）GARCH模型对油价和美元汇率序列建模时所得残差项的厚尾特征。
波动模型的参数估计结果表明，国际油价的波动具有显著的不对称性，即杠杆效应。杠杆系数为负，表示相同幅度的油价上涨比油价下跌对以后油价的波动具有更大的影响。具体而言，油价下跌时， 对ht的影响程度α1＋Ψ为0.0219；而油价上涨时，该影响程度α1为0.0688，是油价下跌时的3.1倍左右。产生这种杠杆效应的原因是多方面的，石油的不可再生性是其中最根本的原因，它决定了石油供给者的市场地位明显高于石油需求者。因此，油价上涨会加剧石油短缺的预期，使市场交易者倾向于在当期购买。这种争夺加剧了油价的进一步上扬，加上市场投机因素的推波助澜，促使油价上涨时波动程度格外突出。而油价下跌时，石油生产商减少开量，石油经销商囤货待售，导致市场供给量降低，油价出现回升，阻碍了其进一步下挫。可见，石油市场多空双方的不对称地位决定了供给不足时油价的上涨幅度要大于供给过剩时油价的下跌幅度，从而造成了石油市场的上述杠杆效应。
从波动模型也可以发现，美元汇率的波动存在显著的GARCH 效应。方差方程中 与h t-1前的系数之和α1＋β1刻画了波动冲击的衰减速度；其值越靠近1，则衰减速度越慢。在本节的GARCH（1,1）模型中，该系数之和为0.9872，说明美元汇率具有有限方差，即属于弱平稳过程。美元汇率的波动最终会衰减，但可能会持续较长时间。其中ht-1前的系数为0.9533，表示当期方差冲击的95.33%在下一期仍然存在，因此半衰期为14天。
（2）波动溢出效应检验
按照前文的波动溢出效应检验模型，得到国际油价与美元汇率之间波动溢出效应估计结果，如表4.27所示。我们发现，从统计上讲，国际油价和美元汇率的y系数都不显著。可见，尽管国际油价和美元汇率之间存在长期均衡的协整关系，也有显著的单向均值溢出效应；但是它们之间的波动溢出效应并不显著，即双方的价格波动信息具有一定的独立性，价格波动程度的大小不会显著互相传递。这也表明，从价格波动态势的角度讲，美元汇率对国际油价的影响相当薄弱。
表4.27 国际油价与美元汇率的波动溢出效应检验结果
4.5.3.4 风险溢出效应检验
市场有波动不代表一定有风险，因此风险溢出效应是波动溢出效应的一种拓展。按照VaR的计算思路，本节用国际油价分布函数的左分位数来度量油价下跌的风险，表示由于油价大幅度下跌而导致的原油生产者销售收入的减少；而用分布函数的右分位数来度量油价上涨的风险，表示油价大幅度上涨而导致的原油购者的额外支出。这种全面考虑市场风险的思路同样适用于美元汇率市场。就本节用的欧元对美元汇率而言，汇率的涨跌将在多个方面给国际汇率市场的不同主体产生不同的风险。比如就发生在美国本土的国际进出口贸易而言，汇率下降表示美元升值，美国出口商和欧元区的进口商将面临较大风险；汇率上升表示美元贬值，则美国进口商和欧元区的出口商就可能面临明显的市场风险；而就石油美元而言，美元升值，将额外增加石油进口国（如欧元区）的开销；美元贬值，又会给主要石油出口国（如OPEC）的石油销售收入形成阻碍。
综上所述，石油市场和美元汇率市场都需要同时度量价格下跌和上涨的风险，从而为市场不同参与主体提供决策支持。本节将用上述基于GED分布的TGARCH（1,1）模型和GARCH（1,1）模型，按照方差－协方差方法来分别度量国际油价和美元汇率在价格上涨和下跌时的VaR 风险值，并检验两个市场之间的风险溢出效应。
（1）GED分布的分位数确定
根据GED分布的概率密度函数，使用MATLAB编程，经过多次数值测算，求出GED分布在本节所得自由度下的分位数（表4.28）。表中结果显示，95%的分位数与正态分布的1.645基本相同，但99%的分位数却明显大于正态分布的2.326，这也表明国际油价和美元汇率价格都具有严重的厚尾特征。
表4.28 国际油价和美元汇率价格的GED分布参数及分位数
（2）基于GED－（T）GARCH模型的VaR风险值计算
根据上述VaR 风险的含义，按照方差－协方差方法，我们得到以下两个计算VaR风险的公式。价格上涨风险的VaR值计算公式为：
国外油气与矿产利用风险评价与决策支持技术
式中：μm,t为第m个市场第t日价格的条件均值（即实际值与残差的差），zm,a为第m个市场中（T）GARCH（1,1）模型的残差所服从的GED分布的右分位数；hm,t为第m个市场价格的异方差。
同理，得到价格下跌风险的VaR值计算公式为
国外油气与矿产利用风险评价与决策支持技术
基于上述计算公式，本节计算了在95%和99%的置信度下，国际油价和美元汇率的上涨风险和下跌风险。经过LR检验（Kupiec,1995），我们发现VaR 风险的结果是可靠和可行的。
（3）风险溢出效应检验
得到国际油价和美元汇率价格上涨和下跌时的VaR风险值之后，我们根据Hong（2003）提出的风险－Granger因果检验方法，构造相应的统计量Q1（M）和Q2（M），并通过M ATLA B编程求出统计量的值及其显著性概率，从而检验石油市场和美元汇率市场之间的双向和单向风险溢出效应。计算结果如表4.29所示，其中M分别取10,20和30。
从风险检验结果看到，从下跌风险角度（即油价下跌，美元升值）看，国际石油价格与美元汇率之间存在双向风险溢出效应，进一步检验单向风险溢出效应，发现在95%的置信度下，存在从美元汇率市场到国际石油市场的风险溢出，而并不存在从国际石油市场到美元汇率市场的风险溢出效应。可见，美元汇率升值的风险对国际油价下跌的风险影响显著。而在99%的置信度下，国际油价和美元汇率之间并不存在任何方向的风险溢出效应。因此可以认为，就下跌风险而言，两个市场之间的风险溢出效应比较有限，当准确性要求提高到一定程度时，美元汇率升值对油价下跌的风险影响可以忽略。
表4.29 国际油价与美元汇率价格风险溢出效应检验结果
另一方面，从上涨风险角度（即油价上涨，美元贬值）看，不管是在95%还是99%的置信度下，两个市场之间都不存在任何方向的风险溢出效应。可见，近些年来，虽然美元总体上持续贬值，但就市场风险而言，这种贬值并未给国际原油价格的上涨风险带来显著的推动作用。换言之，尽管国际油价高企导致国际石油市场的主要购者（如中国和印度）的购油额外支出明显增加，但美元持续贬值并不是这些国家支出增加的显著原因。
总体而言，我们需要特别关注美元升值对国际油价走低的风险作用，取积极手段，有效规避市场风险。近些年来，尽管从每日交易的角度而言，美元汇率时有涨落。但总体而言，美元贬值是大趋势，欧元对美元汇率连创历史新高，这种趋势并没有给油价上涨风险产生显著的影响。因此，在这种大环境下，对市场交易者而言，风险溢出效应的实证结果是一个满意的信号。
经济衰退担忧加剧，美油跌破90美元大关，将带来哪些影响
油价下调说明当前经济不好（也有可能是外交手段），油价便宜了企业做生意成本就降低了，之后做小生意的就可以减低成本，之后消费者能力就高买的东西也就多。
降低银行存利率下调也说明当前经济不好，希望企业希望平民百姓把钱拿出来消费和做投资来制造更大的财富而不是把钱放在银行里。另外一个方面，企业和公司也可以去做生意和把做大事业来带动经济。另外，平民百姓也可以买房子来带动房地产。
油价下跌的原因是什么?油价调整的时间
首先会使欧美国家持续陷入高通胀压力，美联储和欧洲央行被迫启动加息、缩表等措施，引发投资者对经济衰退的担忧。特别是欧洲的经济数据特别差。与此同时，欧元大幅下跌，美元上涨。投资者对经济衰退的情绪重燃，导致油价进一步下跌。中国抗击疫情的成功与北半球夏季石油消费叠加。随着旺季的到来，诸多利好因素产生共鸣，推动油价再度走强。
其次促使美联储大举加息，并引发了人们对经济可能陷入衰退的担忧。由Omikron变体引起的案件激增，然后是俄罗斯和乌克兰的冲突，随后通胀达到几十年来的最高水平。这是通胀和增长放缓之间的拉锯战，在收紧金融条件以应对通胀和试图避免彻底恐慌之间找到平衡，我认为我们不太可能看到软着陆。可支配收入下降，消费者支出放缓，通胀居高不下，申请失业救济人数上升。
再者是加息的溢出效应。在美国滞胀和随之而来的经济衰退担忧中，贵金属将受益。?徐颖表示，目前境外债券市场对通胀和加息的定价较为充分。由于经济增速放缓，在通胀未失控的环境下，债券收益率可能逐渐见顶，利差将支撑美元指数。?走弱，因此美元对黄金和大宗商品价格的压制也将减弱。未来大宗商品将面临需求疲软，当对美国经济衰退的预期增强时，价格将进一步走弱。
要知道美联储杰罗姆鲍威尔重申，央行对抑制通胀的关注是?无条件的?，劳动力市场的强劲势头是不可持续的，这引发了对进一步加息的担忧。潜在衰退和放缓的警告盖过了石油市场的基本面，这些基本面表明供应限制正在加剧。投资者一直在减持风险资产，因为他们正在评估各国央行通过提高利率来对抗通胀的行动是否会将世界经济推入衰退。
国际石油市场风险度量及其溢出效应检验方法
国际油价的下跌，原因是多方面的。首先，是全球经济衰退的前景，导致对原油需求预期下降。
由于通胀加剧，美联储已连续两个月加息75个基点，这是1994年以来美联储最大的单次加息幅度。在美联储大踏步加息的背景下，各国央行被迫纷纷加息(不然与美元息差拉大，资金出逃或回流美国，对经济影响更大)。
7月21日，欧洲央行宣布加息50个基点，这是欧洲央行11年来的首次加息，也标志着欧元区负利率时代结束。8月4日，英国央行宣布加息50个基点，将基准利率从1.25%提高至1.75%，这是自1995年以来的最大加息幅度，也是去年12月以来英国央行第六次加息。
但加息也会显著增加企业的融资成本，引发对全球经济衰退的担忧，这使得市场预期原油需求进一步下降。
其次，欧佩克原油连续增产、美国原油库存增加等因素，也一定程度上影响了油价走势。
上周三，欧佩克同意在9月份增加10万桶的日产量，虽然低于7月和8月的增幅，同时也是1986年以来最小的一次增产，但是在这之前，市场基本上认为，在市场需求下降的背景下，欧佩克不会提高原油产量。
美国能源信息署称，7月29日当周，美国原油库存增加450万桶，汽油库存增加20万桶，而之前市场普遍预期原油和汽油库存减少。库存增加的原因是美国原油出口减少、原油加工积极性降低。
另外，作为刺激今年上半年国际油价大涨的突发因素，俄乌冲突呈长期化趋势，对国际油价的边际效应也在减弱。
按照花旗银行7月5日在一份报告中的预测，受经济衰退影响，油价在年底前可能跌至65美元/桶，到2023年底或降至45美元/桶。
油价调整的时间
国内成品油零售价“第15轮”调整将于下周二晚上(8月9日24时)开启。
石油上涨对中国到底有什么好处？
4.4.1.1 基于GED分布的GARCH-VaR模型
在对油价收益率序列建模时，往往发现收益率的波动具有集聚性。为了刻画时间序列的波动集聚性，Engle（1982）提出了ARCH 模型。而在ARCH 模型的阶数很高时，Bollerslev（1986）提出用广义的ARCH 模型即GARCH 模型来描述波动集聚性。
GARCH模型的形式为
国外油气与矿产利用风险评价与决策支持技术
式中：Yt为油价收益率；Xt为由解释变量构成的列向量；β为系数列向量。
国外油气与矿产利用风险评价与决策支持技术
事实上，GARCH（p,q）模型等价于ARCH（p）模型趋于无穷大时的情况，但待估参数却大为减少，因此使用起来更加方便而有效。
同时，由于油价收益率序列的波动通常存在杠杆效应，即收益率上涨和下跌导致的序列波动程度不对称，为此本节引入TGARCH模型来描述这种现象。TGARCH模型最先由Zakoian（1994）提出，其条件方差为
国外油气与矿产利用风险评价与决策支持技术
式中：dt-1为名义变量：εt-1﹤0,dt-1=1；否则，dt-1=0，其他参数的约束与GARCH模型相同。
由于引入了dt-1，因此油价收益率上涨信息（εt-1﹥0）和下跌信息（εt-1﹤0）对条件方差的作用效果出现了差异。上涨时， 其影响程度可用系数 表示；而下跌时的影响程度为 。简言之，若Ψ≠0，则表示信息作用是非对称的。
在关注石油市场的波动集聚性及杠杆效应的基础之上，进一步计算和监控石油市场的极端风险同样是非常重要的。而监控极端市场风险及其溢出效应的关键在于如何度量风险，为此，本节将引入简便而有效的VaR 方法。VaR（Value-at-Risk）经常称为风险值或在险值，表示在一定的持有期内，一定的置信度下可能的最大损失。VaR 要回答这样的问题：在给定时期内，有x%的可能性，最大的损失是多少？
从统计意义上讲，VaR表示序列分布函数的分位数。本节用国际油价收益率的分布函数的左分位数来度量油价下跌的风险，表示由于油价大幅度下跌而导致的石油生产者销售收入的减少；而用分布函数的右分位数来度量油价上涨的风险，表示油价大幅度上涨而导致的石油购者的额外支出。这种思路，一方面推进了一般金融市场仅仅分析价格下跌风险的做法；另一方面，也针对石油市场的特殊情况，更加全面地度量了市场风险，从而为从整体上认识石油市场，判断市场收益率的未来走向奠定了基础。
VaR风险值的计算方法很多，能够适用于不同的市场条件、数据水平和精度要求。概括而言，可以归结为3种：方差－协方差方法、历史模拟方法和方法。本节用方差－协方差方法计算国际石油市场的VaR 风险。在用方差－协方差方法的过程中，估计VaR模型的参数是至关重要的。常用的参数估计方法包括GARCH 模型和J.P.摩根的Risk Metrics方法。由于后者设价格序列服从独立异方差的正态分布，而且不能细致描述价格波动的某些特征（如杠杆效应），因此相对而言，前者更受青睐。但是，使用GARCH模型估计VaR时，选择残差项的分布是一个非常重要的问题。考虑到油价收益率序列具有尖峰厚尾和非正态分布的特征，因此直接用正态分布的设往往会低估风险。为此，本节引入Nelson（1990）提出的广义误差分布（GED）来估计GARCH模型的残差项。其概率密度函数为
国外油气与矿产利用风险评价与决策支持技术
式中： Г（·）为gamma函数；k为GED分布参数，也称作自由度，它控制着分布尾部的薄厚程度，k=2表示GED分布退化为标准正态分布；k﹥2表示尾部比正态分布更薄；而k﹤2表示尾部比正态分布更厚。可见GED分布是一种复杂而综合的分布。实际上，也正是由于GED分布在描述油价收益率分布的厚尾方面具有独特的优势，因此本节引入基于GED分布的GARCH模型来估计国际石油市场收益率上涨和下跌时的VaR。
计算出石油市场的VaR风险值之后，为了给有关方面提供准确可靠的决策支持，有必要对计算结果进行检验，以判断所建立的VaR模型是否充分估计了市场的实际风险。为此，本节将用Kupiec提出的检验方法来检验VaR模型的充分性和可靠性。该方法的核心思想是：设计算VaR的置信度为1－α，样本容量为T，而失效天数为Ⅳ，则失效频率f＝Ⅳ/T。这样对VaR 模型准确性的评估就转化为检验失效频率f是否显著不同于α。基于这种思想，Kupiec提出了对原设f＝а的最合适的似然比率检验：在原设下，统计量LR服从自由度为1的X2分布，95%和99%置信度下的临界值分别为3.84和6.64。根据x2分布的定义，如果估计值LR大于临界值，就拒绝原设，即认为估计的VaR模型是不充分的。
国外油气与矿产利用风险评价与决策支持技术
4.4.1.2 基于核权函数的风险溢出效应检验方法
本节将用Hong（2003）提出的风险－Granger因果关系检验方法检验WTI和Brent原油市场的风险溢出效应。该方法的核心思想是通过VaR 建模来刻画随着时间变化的极端风险，然后运用Granger因果检验的思想来检验一个市场的大风险历史信息是否有助于预测另一个市场的大风险的发生。
首先，定义基于VaR的风险指标函数。以下跌风险为例：
Zm,t=I（Ym,t﹤－VaRm,t）（m=1,2） （4.11）
式中：I（·）为指标函数。当实际损失超过VaR时，风险指标函数取值为1，否则为0。
如果检验市场2是否对市场1产生了单向的风险溢出，则原设为H0:E（Z1,t∣I1,t-1）＝E（Z1,t∣It-1），而备择设为HA:E（Z1,t∣I1,t-1）≠E（Z1,t∣It-1），其中It-1={Ym,t-1,Ym,t-2，…），表示t-1时刻可以获得的信息集。通过这种转换，｛ Y1,t｝和｛Y2,t｝之间的风险－Granger因果关系就可以看成是｛Z1,t｝和｛Z2,t｝之间的均值－Granger因果关系，即计量经济学模型中广泛使用的Granger因果关系。
如果Ho成立，即市场2 对市场1不存在单向的风险－Granger因果关系，则表示Cov（Z1,t,Z2,t-j）＝0, j﹥0。如果对某一阶j﹥0，有Cov（Z1,t,Z2,t-j）≠0，则表明存在风险－G ranger因果关系。换言之，当一个市场发生大的风险时，我们能用这个信息去预测另一个市场未来可能发生同样风险的可能性。
现在设VaRm,t=VaRm（Im,t-1，α），m=1,2是市场m在风险水平（即显著性水平）α下得到的VaR序列，本节引入基于GED分布的GARCH 模型，并利用方差－协方差方法得到该序列。设有T个随机样本 并令Zm,t=I（Ym,t﹤－VaRm,t），m=1,2，则定义Z1,t和Z2,t之间的样本互协方差函数（CCF）为
国外油气与矿产利用风险评价与决策支持技术
式中： 。而Z1,t和Z2,t的样本互相关函数为
国外油气与矿产利用风险评价与决策支持技术
式中： 是Zm,t的样本方差；j=0，±1，…，±（T-1）。
然后，Hong（2003）提出了基于核权函数的单向风险－Granger因果关系检验统计量：
国外油气与矿产利用风险评价与决策支持技术
式中：中心因子和尺度因子分别为
国外油气与矿产利用风险评价与决策支持技术
式中k（·）为核权函数，而且H ong（2003）证明了Daniell核权函数k（z）＝sin（π）z/π ,z∈（－∞，＋∞）是最优的核权函数，能够最大化检验效力。该核权函数的定义域是无界的，此时可把M 看作是有效滞后截尾阶数；而且当M 较大时，Q1（M）能够更加有效地检测出风险溢出效应的时滞现象。
Hong（2003）同时给出了检验双向风险－Granger因果关系的统计量，其原设为两个市场之间任何一个市场均不G ranger－引起另一个市场的极端风险，并且两个市场之间不存在任何即时风险溢出效应。这表示对于任意阶j=0，±1，±2，…，均有Cov（Z1,t,Z2,t-j）＝0。为了检验该原设，Hong（2003）提出了如下的统计量：
国外油气与矿产利用风险评价与决策支持技术
式中：中心因子和尺度因子分别为
国外油气与矿产利用风险评价与决策支持技术
原设成立时，Q1（M）和Q2（M）在大样本条件下均服从渐近的标准正态分布。而且，Hong（2003）指出，运用这两个统计量时，应该使用标准正态分布的右侧临界值。
因为中国是亚洲乃至全球最大的原油进口国，消费量非常大，国内原油短缺也就对外依赖较大，那么油价过快上涨，整体上利于石油上游掘炼化企业，这些企业将从油价上涨中获取更多利润，但对于下游企业尤其是石油消费行业，则带来比较明显的负面影响，尤其是航空业受损最大，此外主要以石油为原料的化纤、橡胶等行业也将面临着成本上升压力。不过从长期来看影响还是不大的，毕竟中国的能源消费中石油的比重只有18%，而煤炭则高达60%。
温馨提示：以上内容仅供参考。
应答时间：2021-09-26，最新业务变化请以平安银行公布为准。
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
s://b.pingan.cn/paim/iknow/index.html
