油价预测模型代码_油价涨跌预测
1.研究结果分析与讨论
2.体系结构与开发平台选择
3.实证结果分析与讨论
4.功能设计
5.国际油价波动分析与预测的目录
油价重回5元时代，是因为受到全球油价暴跌引起的，国家发改委也表示柴油汽油分别下调零售价，由于沙特和俄罗斯减产协议没有谈妥，导致油价大幅下跌，年内应该不会有涨幅。在本轮成品油降价实现后，零售价格下限将降低。预计零售利润将在后期下降，据了解，2008年的时候油价进入了5元时代，此外，国内油价“底价”机制首次实施，并在四年后重新启用，此次价格调整是2020年国内成品油价格调整窗口的第三次下调，同时，这也是过去12年中最大的一次降幅，这次油价下调后，国内油价重返5元时代，油价跌至近七年来的历史新低。
2020年中国大陆成品油调价窗口已出现第三次下调，为最近12年来最大单次降幅。此次油价下调后，油价重回5元时代，油价降至近7年来的新低。对消费者特别是开车族来说，无疑是重大的利好消息。重回5元油价时代曾经是一种奢望，但疫情全球蔓延导致世界经济普遍陷入低谷，加上沙特等欧佩克国家与俄罗斯进行油价大战，使5元油价重现在人们面前。
高成本的美国石油在国际油价大战中损失最大，但美国毕竟经济实力强大，美联储和美国财政部最近接连宣布大规模量化宽松和斥资支持企业，油气行业是重点扶持对象。美国取的策略是暂时关停油气企业，以减少亏损。同时，特朗普已下令美国乘机大量增加石油的战略储备，要求“把储备油库加得足足的”，因此美国从长期看也不亏。
石油作为国际政治经济武器的时代正在逐渐淡去，不光是因为美国的页岩气革命正在带来更大冲击，还由于全球各地的可再生能源革命风起云涌。世界各地风能和太阳能发电已成为比以往更为廉价的选择。新能源发电等的存储成本一直在下降，联网使用得到普遍推广，网络化管理不断改善。
即便在美国，可再生能源也在取代煤炭和天然气，汽车电气化在进一步抑制需求，世界主要汽车生产厂商已纷纷宣布将淘汰传统燃油车型，开发电动汽车等新能源车型。特斯拉的股票狂涨，在很大程度上反映了全球对新能源汽车的期盼与需求。
由此可见，全球石油市场的再度兴旺也不过是过渡性剧情，油价的下跌和保持低价位将是大趋势。各种新能源车型的推出与品质改善，实际上已经在压缩传统燃油汽车的市场。以后即便再返油价5元时代，人们所能购买和开动的化石燃料汽车也将日渐减少。
研究结果分析与讨论
合理油价的经济分析
1998年的油价暴跌和1999年的油价暴涨，完全冲破人们的预期，动摇了原来油价预测的基础模型。当油价跌至10美元/桶 中国油价与美国影响 大幅度降低 目前约为6.2美元一桶。
人们却有种种理由认为油价还会下降，而当油价高达34美元/桶时，人们又在讨论油价的上升空间。在油价突破人们一道又一道心理防线的时候，大家不由得需要反思油价能不能够预测，这就是所谓有没有“合理油价”的问题。
税收比例约为三分之一
我是千辛万苦找的资料 帮我 纳
体系结构与开发平台选择
4.7.3.1 期权带来更佳的投资机会
油气投资项目的大部分投资发生在项目启动初期，具有不可逆转性，一旦启动，全部或部分投资将转化为沉没成本。通常，期权可以给油气项目投资者带来以下权利：在较长的一段时间内，油价低于盈亏平衡点，则放弃开发，从而避免了前期大量投资带来的损失；同时，在油价持续上涨的情况下，寻找一个合理的价位和时机启动投资。
油气田开发过程类似于美式期权，当油价上涨到盈亏平衡点以上时，行使这个期权在现金流上是可行的。例如，本节中小规模开发方案为18美元/桶，大规模开发方案为21美元/桶，在19年启动投资方案就可以盈利。但是，从机会的角度来看，不一定要马上进行投资。根据资产价值波动规律，利用二叉树期权定价模型评估未来一段时间内持有价值和执行价值，当持有价值大于执行价值时，项目宜延迟开发；当执行价值高于持有价值时，马上启动投资项目。
4.7.3.2 期权期限、油价波动率与项目价值有着正相关关系
近年来，油价波动呈现上升趋势。投资者所获得的期权期限越长，油价波动率σ越大，则油价波动的幅度就越大，见表4.34。2003年，油价最高可能达到54.85美元/桶；2004年，油价最高可能达到64.36美元/桶。投资者可以选择在油价高位时启动项目，则更有可能获得高额的投资回报，见表4.32和表4.33。
4.7.3.3 期权定价具有动态变化性
二叉树期权定价模型给出的油价预测是一个可能值，而不是真实值。在决策所在年，应该根据新的国际原油价格数据和更新的油价波动率，得到新的项目价值。例如，在2003年，国际油价达到31.08美元/桶，1991～2002年油价波动率为0.22，据此得到2004年油价预测和两种方案的项目价值，见表4.35。
表4.35 油价预测和项目价值
4.7.3.4 延长期权期限有利于风险控制
在海外油气田开发过程中，投资者将面临多种风险，而这些风险不仅仅来自油价的波动。国际上，国出现了石油国有化趋势，一些拥有无限期开发权的油气项目面临着被国回收的风险。中国的海外油气田投资项目主要分布在政治不稳定地区，如非洲、中亚和南美，在投资开发之前，需要有一个较长的时期等待局势的明朗。
因此，在不同国，不确定性越大，就越应该使用期权定价方法，延长期权的期限。
4.7.3.5 经营策略
投资者的损失最多不会超过其拥有期权所付出的投资，却能从标的资产价值的剧烈变动中获得显著收益。启动开发之后，也可能出现油价急跌的情况，只要高于可变成本即可继续生产。从前文我们可以发现，汇率波动与投资收益有着直接的正相关。人民币对美元汇率呈上升趋势，投资者应关注美元贬值对投资收益的影响。另外，应该积极运用金融衍生产品，进行长期期货交易，以及和当地的炼油厂谈判，协商长期供应合同（Chorn et al.,2006）。我国的大型国企具有较强的市场运作能力，当油价在低位时，可以加大商业石油储备；在高位时抛出，抵消对外投资中的损失。
实证结果分析与讨论
原型系统架构分硬件架构、软件架构和部署方式3个方面。硬件部分描述了系统在部署的时候会涉及的服务器角色、不同角色之间的关联关系和网络连接方式；软件架构描述了系统各软件组件之间的层次关系；部署方式说明系统在不同用户环境下的配置形式。
5.2.5.1 硬件体系结构
按照原型系统的功能要求，根据数据处理流程，从多种数据源输入开始，到数据存储和处理，再到面向最终用户的不同形式展现，分来源/控制、存储/处理，以及运算/发布3个层次来设计系统硬件体系结构。硬件体系结构的设计需要根据系统对多数据源、多种数据处理方式、多种展现方式和多用户等功能要求，将不同的功能模块独立部署于不同的硬件平台，以满足系统的多种功能要求，支持负载均衡控制，提高系统的可扩展性（左美云等，2006）。系统的硬件体系结构见图5.24。
图5.24 系统硬件体系结构
（1）第一层次：来源/控制
系统的数据来源有Internet自动抓取、人工输入、模型运算输入等。数据下载服务器（Data Download Server）负责从Internet自动抓取数据，其中抓取的数据类型包括不同网站来源的石油价格数据以及影响石油价格的等；模型运算服务器（Model Server）负责模型的运算执行，并生成模型运算的结果数据。数据下载和模型运算的数据将存储到中心数据库服务器（Center Database Server）中，由中心数据库来完成数据归一、合并、错误数据检测等任务。
（2）第二层次：存储/处理
第二层次包含的中心数据库是整个系统的核心。通过设置中心数据服务器，完成存储在中心数据库中的数据增加、修正、计算、展现等任务。中心数据库除了由第一层次的数据下载服务器和模型运算服务器获取数据之外，还需要提供数据的人工输入，并为模型运算服务器提供中间数据接口任务。
除此之外，考虑到数据量规模，中心数据库服务器可以兼备数据仓库服务器（Data Warehouse Server）的角色。中心数据库服务器对数据仓库数据的生成、转换进行控制，提供具有星型架构的多维数据源。
（3）第三层次：发布/展现
第三层次负责完成对中心数据库中的数据进行提取，按照不同的应用进行展现。第三层次包括GIS展现服务器（GIS Server）、数据发布服务器（Data Deployment Server）等，这些服务器由独立的W eb服务器（Web Server）向网络用户提供单一的用户访问接口。GIS展现服务器负责对系统的GIS展现部分提供支持，包括国家风险、运输风险等。数据发布服务器则包含了所有二次开发的系统数据处理内容，包括各个风险模块中的指标体系定义和评价、基本数据的维护和展现等。此外，第三层次还提供对系统中心数据库的多维数据的展现功能，提供数据的切片、旋转、上钻、下卷等多维操作，并可以对结果数据进行导出。
GIS展现服务器从中心数据库服务器处获得的数据包括展现对象的基本信息、风险值等；数据发布服务器从中心数据库服务器处获得的数据包括石油价格、汇率、影响油价的等，另外数据发布服务器还从数据仓库服务器（中心数据库服务器）读取多维数据源。
5.2.5.2 软件体系结构
在软件体系结构设计方面，通过对系统关于国家风险、运输风险、市场风险、需求风险和供应风险的功能需求进行分析，抽象出共性的功能，依照三层设计的原则进行系统软件体系结构的设计，如图5.25所示，包括数据层、中间层和用户层。
图5.25 系统软件体系结构
在系统的软件体系结构中，系统运行管理模块具有贯穿全局的作用，负责对系统各个层次功能的运行参数进行配置，控制系统的权限等（左美云等，2006）。此外，系统的主体可以划分为数据层、中间层和用户层3个相互作用的软件层次结构。
（1）数据层
系统的数据层以中心数据库为核心。图5.26展示了处于数据层中的中心数据库里面的相关数据信息类别。可见，中心数据库是整个系统的基础，提供了所有数据的存储空间。在中心数据库层和程序代码之间设置了数据访问中间层，用来抽象程序对数据库的访问，提供统一的数据访问接口，提高程序代码对数据库平台的独立性。
图5.26 中心数据库内容
（2）中间层
系统的中间层包括数据抓起模块、图库管理模块、指标管理模块、模型运算模块和基础信息维护模块。
数据抓取模块负责对Internet数据进行抓取和更新。数据抓取模块自动连接不同的数据源网站，将网站上的数据经过下载、转换和过滤等处理，更新到中心数据库中，其中还要求留有处理各个阶段的详细日志。在数据抓取到本地的中心数据库之后，多个数据源的数据需要合并到一起，向数据使用者提供单一的数据出口。
图库管理模块为系统中国家、港口等模块中涉及的进行集中管理，完成的更新控制等。
指标管理模块将多个功能中所包含的指标归类形成一个共享模块。指标管理模块主要包括评价对象定义、评价指标维护、评价方法审核、评价值录入、评价指标存储、评价指标体系展现等功能。指标管理模块按照树形方式提供评价指标的定义功能，并可以提供按照时间版本进行管理的历史评价指标，同时为展现模块提供指标的查询和显示接口。
模型运算模块主要处理系统要求的数据计算模型，模型数据来源和数据输出需要经过数据访问中间层连接到中心数据库。在这个过程中，模型运算模块调用数据处理模块获得数据输入，并将模型运算结果依据模型本身的要求输入到中心数据库中。如油价预测模型以及石油市场风险预测模型就是模型运算模块中非常重要的组成部分。油价预测模型读取数据抓取模块获得的原始油价数据，在客户端进行计算预测，并显示预测结果；石油市场风险预测模型读取进行结构转换后的中间油价数据，接受用户输入的参数，计算并输出结果和报告。模型运算模块需要定义统一的模型结构，为多单位联合开发提供一致的接口，便于集成。
基础信息维护模块主要负责完成系统内实体对象相关属息的修改维护功能，主要包括国家、港口和航线等对象。
（3）用户层
用户层负责用户和系统接口的交互，包括GIS、价格数据、数据仓库、指标等多种展现形式完成交互。GIS展现和指标展现是最终用户界面的主要显示内容，主要功能包括多个风险的GIS展现、风险对象详细信息的查询显示和风险评价指标的显示等以及模型运输结果的展示等；价格展现模块则主要提供石油价格数据和影响油价的查询显示和导出；数据仓库展现模块从数据仓库读入数据，按照用户的要求进行国际石油价格的多维展现，包括价格按照市场、油品、价格类型和时间等多个维度的分析。
5.2.5.3 系统部署方式
在海外油气利用的风险管理系统中，系统的用户分为普通用户和管理员用户，这些用户的分布位置分散，特别是最终用户，包括了不同单位、不同地理位置，以及不同的访问终端等。为了最大程度地提高系统的灵活性和兼容性，在部署上主要取了B/S（浏览器/服务器）的结构形式，以降低系统对客户端的要求，提高系统的可维护性。考虑到部分功能模块的特殊需求，用了C/S（客户机/服务器）结构，这些主要是数据抓取和部分需要独立运行的模型程序。
5.2.5.4 开发平台选择
开发平台取具有较高开发效率的.net平台为主体。Microsoft.net是一种全新的运算平台，其核心内容之一就是要搭建第三代互联网平台，以最大限度保护用户的现有投资和适应未来发展的需要。Microsoft为促进.net应用程序的开发而推出的Visual Studio.net集成开发环境中包含了许多强大的工具，并且支持多种编程语言，如 C＃,Visual Basic.net,ASP.net等，这些编程语言可以实现代码级的无缝链接。
整个开发平台的选型如下：
1）服务器操作系统：Microsoft Windows Server 2003;
2）数据库管理系统：Microsoft SQL Server 2008;
3）内容管理系统：Microsoft Sharepoint Service 3.0,Microsoft Office Sharepoint Design 2007;
4）工作站操作系统：IE/FireFox/Opera等主流浏览器，Windows/Linux平台；
5）应用系统开发环境：Microsoft Visual Studio 2008;
6）应用系统开发语言：C＃,ASP.NET,VB.net，框架为.net Framework 2.0;
7）GIS开发软件：MapInfo MapXtreme 2008;
8）数据仓库软件：QlikTech QlikView 9.0。
功能设计
4.4.3.1 WTI和Brent市场收益率的统计特征
令WTI和Brent市场第t日的石油价格分别为P1,t和P2,t，则WTI和Brent市场第t日的对数收益率分别为Y1,t=ln（P1,t/P1,t-1）和Y2,t=ln（P2,t/P2,t-1），从而各得到4943个收益率样本。图4.20是两个市场所有样本收益率的走势图，不难发现，两个收益率序列均存在明显的波动集聚性。
图4.20 WTI和Brent市场原油现货收益率走势
WTI和Brent两个市场样本内收益率的基本统计特征如表4.17所示。总体而言，两个市场的收益率的平均水平和波动水平都非常接近，这也可以从图4.20上得到印证。同时，与标准正态分布的偏度为0、峰度为3相比，本节两个市场收益率的偏度为负（即呈现左偏现象），峰度远大于3，因此它们均具有尖峰厚尾的特征，而且从JB检验的结果也能看到收益率序列显著不服从正态分布。而对收益率序列进行自相关性LB 检验时，根据样本容量，选择滞后阶数为 ，检验结果表明它们均具有显著的自相关性。另外，通过AD F单位根检验，发现它们都是平稳序列。
表4.17 WTI和Brent市场收益率的基本统计特征
4.4.3.2 WTI和Brent市场收益率的GARCH模型估计
（1）WTI市场收益率的GARCH模型估计
为了滤掉收益率序列的自相关性，本节引入ARMA模型对收益率序列建模。根据自相关和偏自相关函数的截尾情况，并按照AIC值最小原则，经过多次尝试，发现ARMA（1,1）模型比较合适。对ARMA（1,1）模型的残差序列进行自相关性Ljung-Box检验，从自相关分析图上看到，残差序列的自相关系数都落入了随机区间，自相关系数的绝对值都小于0.1，与0没有明显差异，表明该残差序列是纯随机的，换言之，ARMA（1,1）模型很好地拟合了原有收益率序列。
鉴于WTI市场收益率序列存在明显的波动集聚性，因此，本节对ARMA（1,1）模型的残差进行ARCH效应检验，结果发现存在高阶ARCH效应，因此考虑用GARCH模型。由于收益率序列存在厚尾现象，因此本节在GARCH 模型中引入GED 分布来描述模型的残差。根据AIC 值最小的原则以及模型系数要显著和不能为负的要求，通过比较GARCH（1,1）,GARCH（1,2），GARCH（2,1）和GARCH（2,2）模型，本节选择GARCH（1,1）模型来拟合原有收益率序列。
为了进一步研究WTI收益率序列的波动特征，本节检验了TGARCH（1,1）和GARCH-M（1,1）模型。结果发现，收益率序列存在显著的TGARCH效应和GARCH-M 效应，即收益率的波动不但具有显著的不对称特征，而且还受到预期风险的显著影响。考虑到模型的AIC值要最小，以及为了描述收益率波动的不对称性，本节选择TGARCH（1,1）模型对WTI市场收益率的波动集聚性建模，模型形式如式4.16。另外，我们看到模型的GED分布参数为1.260823，小于2，从而验证了该收益率序列的尾部比正态分布要厚的特征，也为本节接下来进一步准确计算WTI市场的风险铺垫了良好的基础。
WTI市场收益率的TGARCH（1,1）模型为
国外油气与矿产利用风险评价与决策支持技术
式中：ε1,t-1﹤0,d1,t-1=1；否则，d1,t-1=0;
Log likelihood=11474.52,AIC=-4.898557,GED参数＝1.260823
从模型的方差方程看到，油价收益率下跌时， 对h1,t的影响程度为α1＋Ψ，即0.057202；而油价上涨时，该影响程度为α1，即0.083559，约为前者的1.5倍。h1,t-1前的系数为0.920539，接近1，表明当前方差冲击的92.0539%在下一期仍然存在，因此波动冲击衰减速度较慢，波动集聚现象比较严重。而检验TGARCH（1,1）模型的残差时发现，其自相关函数都在随机区间内，取阶数为68时，残差的Q统计量的显著性概率大于20%，而Q2统计量的显著性概率大于30%，因此经TGARCH（1,1）建模后的序列不再存在自相关现象和波动集聚性。另外，残差的ARCH-LM检验结果也表明，它不再存在波动集聚性，因此TGARCH（1,1）模型对WTI市场收益率序列的拟合效果较好。
（2）Brent市场收益率的GARCH模型估计
基于Brent市场收益率的波动特征，按照与WTI市场GARCH 模型类似的建模思路，建立了MA（1）模型。而利用ARCH-LM检验方法发现模型的残差存在显著的高阶ARCH效应，因此用基于GED分布的GARCH模型。比较GARCH（1,1）,GARCH（1,2）,GARCH（2,1）和GARCH（2,2）模型的AIC值，以及有关系数的显著性，发现选择GARCH（1,1）模型是最合适的，具体形式如（式4.17）。进一步，对收益率序列建立TGARCH（1,1）模型和GARCH-M（1,1）模型，结果表明，有关系数并不显著，因此说明Brent市场收益率的波动并不存在显著的不对称杠杆效应，也不存在显著的GARCH-M效应。而且，我们也发现GED分布的参数小于2，因此验证了Brent市场收益率同样具有厚尾特征。
Brent市场收益率的GARCH（1,1）模型为
国外油气与矿产利用风险评价与决策支持技术
Log likelihood=116.19,AIC=-4.993462,GED参数＝1.324630
在模型的方差方程中，h2,t-1前的系数为0.912673，表示当前方差冲击的91.2673%在下一期仍然存在。可见，与WTI市场类似，Brent市场同样存在波动冲击衰减速度较慢的现象。检验模型的残差，发现其自相关函数都在随机区间内，取阶数为68时，标准残差的Q统计量的显著性概率大于50%，而Q2统计量的显著性概率大于20%，因此经GARCH（1,1）建模后的序列不再存在自相关现象和波动集聚性。另外，残差的ARCH-LM检验结果也表明，它不再存在波动集聚性，因此GARCH（1,1）模型对Brent市场收益率序列的拟合效果也较好。
图4.21给出了两个市场的条件异方差的走势，分别代表着它们的波动水平。从图中看到，一方面，两个市场收益率的波动水平基本相当，只是在某些区间WTI市场的波动会更大一些。当然，在海湾战争期间，Brent市场的波动程度相比而言更剧烈一点；另一方面，两个市场都存在一个明显的现象，那就是在波动比较剧烈的时期，其条件方差最高可达一般水平的20倍以上，这种波动的大规模震荡不但说明了国际石油市场存在显著的极端风险，而且对于市场波动和风险的预测具有重要的现实意义。
图4.21 WTI和Brent市场的条件异方差比较
4.4.3.3 WTI和Brent市场收益率的VaR模型估计和检验
正如前文所述，石油市场需要同时度量收益率下跌和上涨的风险，从而为石油生产者和购者提供决策支持。为此，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WTI和Brent市场在收益率上涨和下跌时的VaR 风险值。
（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，如表4.18所示。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，这也表明了国际油价收益率具有严重的厚尾特征。
表4.18 WTI和Brent市场收益率的GED分布参数及分位数
（2）基于GED-GARCH模型的VaR风险值计算
根据VaR风险的定义，我们得到以下两个计算VaR风险的公式。其中上涨风险的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；zm,α﹥0，表示第m个市场中（T）GARCH（1,1）模型的残差所服从的GED分布的分位数；hm,t为第m个市场的收益率的异方差。
同理，得到下跌风险的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
根据上述两个VaR风险计算公式，本节计算了在95%和99%的置信度下，WTI和Brent市场的上涨风险和下跌风险（表4.19，表4.20）。
表4.19 WTI市场收益率的VaR计算结果
表4.20 Brent市场收益率的VaR计算结果
从表4.19和表4.20的实证结果看到，第一，除95%的置信度下市场收益率上涨风险的LR值略大于临界值外，其他所有LR统计量的值均小于相应的临界值，因此按照Kupiec的返回检验方法，可以认为基于GED分布的TGARCH模型和GARCH模型基本上能够充分估计出两个市场收益率的VaR风险值。从市场收益率与VaR风险值的走势也可以看到这一点（图4.22）。第二，在99%的置信度下，两个市场的VaR 模型对收益率的上涨风险比对收益率的下跌风险的估计精度都更高，这可能是由于收益率分布的左尾比较长，GED分布尚未完全捕捉到所有的厚尾现象。而在95%的置信度下，对下跌风险的估计精度更高。第三，从VaR的均值来看，在相同的置信度下，不管收益率是上涨还是下跌，WTI市场的VaR值都要比Brent市场对应的VaR 风险值大，因此需要更多的风险准备金。当然，从图4.23的VaR 风险走势可以发现，事实上，两个市场的VaR风险基本上相差不大，只是在某些样本区间内，WTI市场的风险会超过Brent市场。
图4.22 99%的置信度下Brent市场的收益率及其VaR风险值
图4.23 99%的置信度下WTI和Brent市场收益率上涨和下跌时的VaR风险值
（3）VaR模型比较
在用GARCH模型计算市场收益率的VaR 风险值时，一般都设模型的残差服从正态分布，从而直接令zm,α等于标准正态分布的分位数。但实际上，石油市场的收益率及其模型残差一般都是非正态分布的，因此得到的VaR 模型往往不够充分。为此，本节以99%的置信度为例，建立了基于正态分布分位数的VaR 模型，计算结果如表4.21所示，并与表4.19和表4.20中VaR模型的有关结果进行比较。
表4.21 基于正态分布分位数的VaR模型计算结果
结果表明，从VaR均值上看，基于正态分布的VaR模型在两个市场、两个方向（即上涨和下跌）上计算得到的VaR风险值均比基于GED分布的VaR 模型的相应结果要靠近零点，这从模型失效次数的比较上也能得到验证。再者，由于表4.21中的失效次数均超过了99%的置信度下临界处的失效次数（约为47），因此此时的计算结果低估了市场的实际风险。
而按照Kupiec的返回检验方法，可看出与99%置信度下的临界值6.64相比，不管是WTI市场还是Brent市场，不管是上涨还是下跌方向，用基于正态分布分位数的VaR模型计算市场风险基本上都不够合理。其中，尽管WTI市场的上涨风险计算结果基本上可以接受，但与表4.19中对应的LR值相比，发现后者更加充分而准确。因此，总体而言，用基于GED分布的VaR模型要比基于正态分布的VaR模型更充分而合适，得到的结果更可取。
当然，在95%的置信度下，基于正态分布和GED分布的VaR模型的LR值几乎一样，都是比较充分的。这是由于它们的分位数几乎是一样的，均为1.645左右。
另外，本节通过计算还发现，如果在建立GARCH模型时设残差服从正态分布，而计算VaR时又选择一般所用的正态分布分位数，则得到的VaR模型不管是哪个市场、哪个方向的风险都将很不充分，而先前很多研究往往就是这么做的。
（4）VaR模型的预测能力
从上述分析中可以看到，基于GED-GARCH的VaR模型能够较好地估计和预测样本内数据。为了更加全面检验这种VaR模型的预测能力，接下来本节以95%的置信度为例，用它来预测样本外数据的VaR风险值，并与样本外的实际收益率数据进行比较。结果发现，在WTI和Brent市场上，落在预测得到的正向VaR和负向VaR之间的实际收益率占整个样本外预测区间所有收益率的比例均为95.76%，接近95%；相应的LR值为0.3409，小于95%置信度下的临界值3.84，因此是可以接受的（图4.24，图4.25）。换言之，根据样本内数据建立的VaR 模型用于预测样本外数据的VaR风险时，其预测能力是可以接受的。另外，为了比较，本节也用了广受好评的H SAF方法建立模型，并预测了样本外数据的VaR风险，但检验却发现其在此处的预测结果并不理想。因为不管是WTI市场还是Brent市场，落在预测得到的正向VaR和负向VaR之间的收益率占整个预测区间所有收益率的比例均为91.92%，离95%较远；相应的LR统计量为4.40，大于临界值，因此应该拒绝原设，即认为在此处用HSAF方法预测市场VaR风险并不妥当。
图4.24 95%的置信度下WTI市场的样本外实际收益率与预测VaR值
图4.25 95%的置信度下Brent市场的样本外实际收益率与预测VaR值
4.4.3.4 WTI与Brent市场风险溢出效应检验
得到WTI和Brent两个市场的收益率上涨和下跌时的VaR风险值之后，本节根据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MATLAB编程求出统计量的值及其显著性概率，从而检验两个石油市场之间的单向和双向风险溢出效应。计算结果如表4.22所示，其中M分别取10,20和30。
表4.22 WTI与Brent市场风险溢出效应检验结果
从表4.22看到，一方面，在95%和99%的置信度下，不管是上涨风险还是下跌风险，WTI和Brent市场都具有显著的双向Granger因果关系，即两个石油市场之间存在强烈的风险溢出效应；另一方面，为了进一步确定风险溢出的方向，我们从利用单向风险－Granger因果检验的统计量Q1（M）计算得到的结果看到，不管置信度是95%还是99%，不管是上涨风险还是下跌风险，都存在从WTI到Brent市场的风险溢出效应。而若Brent到WTI市场的风险溢出情况稍微复杂，在95%的置信度下，只存在收益率下跌方向的风险溢出，而收益率上涨时并不存在；在99%的置信度下，情况则相反，只存在收益率上涨方向的风险溢出，而不存在下跌方向的风险溢出效应。前者可能是由于95%的置信度下收益率上涨方向的VaR 模型不够充分导致，而99%的置信度下VaR模型是非常充分的，因此后者更为可信。换言之，可以认为在99%的置信度下，不存在从Brent市场到WTI市场的风险溢出效应。
这表示，当市场出现利空消息从而导致油价收益率下跌时，WTI市场的风险状况有助于预测Brent市场的风险，而反之不然。当市场出现利好消息从而导致油价收益率上涨时，两个市场的风险的历史信息均有助于预测彼此未来的市场风险。这对有关和企业的科学决策具有一定的借鉴意义。
国际油价波动分析与预测的目录
5.2.1.1 系统总体功能结构
本系统以海外油气与固体矿产开发利用过程中涉及的各种风险为研究对象，在各种风险评估模型与评价体系的基础上，实现开发利用过程中的风险评价、可视化展示，国家与企业实现“走出去”战略，为进行海外油气与固体矿产开发利用提供战略决策依据。系统结合W ebGIS技术、风险评价技术、数据库与数据仓库技术，构建基于.net框架下B/S模式的国外油气与固体矿产开发利用风险管理系统。
整个国外油气与固体矿产开发利用风险管理系统包括6大功能模块，分别是国家风险、运输风险、市场风险、供应风险、需求风险和系统维护（图5.1）。其中国家风险、运输风险、市场风险、供应风险、需求风险5个模块提供前台展示功能，系统维护模块主要提供系统管理功能。
图5.1 系统功能结构图
系统前台展示功能面向普通公共用户。针对5个风险模块，通过可视化技术，以多种方式展示相关的风险评估等级以及评价对象基本信息，可为用户提供直观、全面的风险评估信息，进而支持用户进行更有效的风险决策。
系统管理功能面向管理员用户，提供指标数据、基础数据、界面属性等数据的相关维护，用户权限、口令等系统参数的修改，以及数据备份和恢复管理等功能的实现（左美云等，2006），为国外油气与固体矿产开发利用风险管理系统提供比较稳定的后台支持。
整个系统基于B/S架构，根据WebGIS系统的特点与需求（周秋平，2003），上述6大功能模块在逻辑结构上按用户服务层、业务服务层、数据库服务层的3层结构构建（图5.2）。
图5.2 系统总体逻辑结构图
其中，用户服务层是用户在终端浏览器浏览的用户界面，主要提供国家风险、运输风险、市场风险、供应风险、需求风险的相关风险可视化展示功能，以及评价对象的基本信息展示功能；业务服务层是在服务器端用基于ASP.net框架构建的各种Web服务程序，如地图服务器、模型请求服务器等，用以处理用户终端的请求；数据库服务层存储并管理空间数据、属性数据、评价指标数据、模型和图形等基础数据，挖掘有用信息，响应服务层的连接交互请求等。
5.2.1.2 国家风险模块
作为世界第二大石油消费国，我国石油进口的50%左右来自政治经济不稳定的中东、海湾地区，因此必须考虑获得可靠石油和与油气输出国密切相关的各种风险因素。本模块旨在通过全面分析世界各地区特别是油气输出国家敏感的政治、经济和地缘等的风险信息，构建国家风险评价指标体系，建立评价模型，并将最终结果一目了然地呈现在用户面前，为用户是否选择其作为石油进口来源提供科学依据（毛小苓等，2003）。
国家风险模块分国家风险可视化和国家风险基本信息两个子模块，其结构如图5.3所示。
（1）国家风险可视化
该模块包括能源安全视角、企业投资视角和恐怖袭击的风险可视化3个部分，除显示世界各地区特别是油气输出敏感地区的国家综合风险外，还以GIS专题图来直观地展示国家地区的政治、经济、地缘风险等级。
（2）国家风险基本信息
该模块包括国家基本信息、评价指标体系、风险因素分析和风险评价结果，它们之间以逐层深入、递进的方式为用户呈现国家风险基本信息。
图5.3 国家风险功能结构图
5.2.1.3 市场风险模块
石油市场风险模块旨在评价国际石油市场综合风险，分析国际石油市场风险的趋势；同时，实时动态地进行国际油价趋势以及油价风险分析；然后，进行石油市场风险的预测，从宏观角度为石油企业和提供决策支持。
市场风险模块包括5个子模块（图5.4）：石油市场系统风险评价、国际石油市场价格抓取、国际石油价格预测、石油市场风险预测与石油价格多维分析。石油市场系统风险评价将全球石油市场视为一个整体，评价石油市场的整体风险，并对析历次评价的风险；国际石油市场价格抓取模型选择美国能源部、华尔街日报、中国石油集团等网站定期公布的石油价格数据为对象，取在线自动抓取的形式获得实时的国际石油价格数据，供其他风险模块调用分析；国际石油价格预测结合国际石油价格数据和国际石油价格等，构建相应的预测模型来预测其价格的趋势；石油市场风险预测取VaR方法，对不同时间间隔的油气价格风险进行预测；石油价格多维分析模块则根据石油市场、油品、价格类型等多个维度对石油价格进行分析，并将石油价格数据导出供进一步分析使用。
图5.4 市场风险模块功能结构图
市场风险模块涉及大量的基础数据的收集和应用，包括汇率、石油价格、油价时间等；并具有和多个模块的接口，包括国际石油价格预测、石油市场风险预测、石油价格多维分析等模型程序。市场风险模块的数据获取和应用具有多种不同的方式，并具有多种模型接口处理方式，从而导致了市场风险模块的复杂性和重要性。
（1）石油市场系统风险评价
石油市场系统风险评价功能包括石油市场基础数据、石油市场系统风险评价方案及石油市场评价结果等管理（图5.5）。其中，石油市场基础数据管理包括国际石油、石油市场链接、国际油价和市场数据的信息收集、分类、整理及展示。
图5.5 石油市场系统风险评价功能结构图
1）基础数据管理。
A.国际石油。国际石油提供全球主要的5个石油信息，包括简介和地理分布。主要包括美国纽约商品、伦敦国际石油、东京工业品、新加坡和上海期货。
B.石油市场链接。石油市场链接提供了互联网上和石油市场研究相关的丰富链接，这些如表5.1所示。
表5.1 石油市场链接
C.国际油价。国际油价提供国际已经发生过的对油价有重大影响的，包含消息来源、时间、类型及概况。这些一方面供系统用户直接查询；另一方面可以在国际石油价格预测中作为油价的影响因素直接供油价预测模型调用。表5.2列出油价的典型来源，表5.3列出系统中所提供的油价类型。
表5.2 油价的来源
表5.3 油价类型
D.市场数据。市场数据提供包括外汇汇率、国际石油价格和油价的多维分析等在内的市场基础数据。
外汇汇率包括下面几种汇率数据：美元综合指数、欧元对美元现货交易汇率数据和美元对卢布汇率数据。
石油价格包括多个石油交易市场、多个石油品种、多种现货和期货价格类型和价格单位，各项数据属性的范围见表5.4。
表5.4 石油市场相关数据
除此之外，还有来自美国期货管理委员会（CFTC）的交易数据，用于评价纽约商品（NYMEX）的油气交易系统风险状况。
2）评价方案管理。
评价方案管理主要对影响石油市场系统风险的评价体系和评价方法进行管理，其评价体系包括国际石油期货市场投机程度、典型石油价格结算货币的汇率波动程度、石油市场需求风险、石油供应风险。
3）风险评价结果管理。
风险评价结果管理是基于指标方案对整个石油市场系统风险评价结果的管理。为了对析历史评价结果，当用户进入评价结果显示页面的时候，系统自动将历史评价结果以曲线图的形式显示出来，方便用户对国际石油市场系统风险的走势进行判断，用户进行系统风险评价。
（2）国际石油价格数据在线抓取
国际石油价格数据在线抓取是市场风险模块的一个重要组成部分。国际石油价格数据来源主要以美国能源部和华尔街日报为主，以中石油网站的数据为补充。对国际石油价格数据的抓取选择任务设定的方式来实现，每次任务执行的时候程序自动链接相应网站，下载油价数据，经过清洗转换后上载到中心数据库，并记录详细的抓取日志记录。
（3）石油市场价格预测
石油市场价格预测基于油价基础数据和数据，对不同市场、不同油品和不同价格类型，选择不同的时间长度及频度进行预测，并取直观的走势图形式进行展现，要求内嵌到市场风险模块中，取ActiveX 插件形式完成。
（4）石油市场风险预测
石油市场风险预测旨在基于一系列油品价格，设定不同的参数，通过取VaR计算方法来预测不同周期内的油价风险值。
石油市场风险预测模型属于单独开发的程序模块。与油价预测不同，由于风险计算过程的复杂性，不取嵌入ActiveX的方式来集成该模型。对石油市场风险模型程序，取独立运行的方式，但模型输入和输出的数据与系统其他模型具有交互。模型输入来源于在线抓取模块获得的数据进行转换之后形成规范化的数据，模型运行结果存储到中心数据库，保存模型运算结果。
（5）石油价格多维分析
石油价格作为多维型数据，具有良好的按维度归并特征，可以取多维分析的形式对石油价格进行分析。分析所取的维度有油品、交易市场、价格类型（现货、多种期货合约）、单位类型等，对油价进行包括两维表、级联表、线图、比例图、雷达图等在内的表达，并且可以将分析结果直接导出为Excel等格式，方便用户进行进一步的分析。
5.2.1.4 供应风险模块
供应风险模块功能结构如图5.6所示，包括基本信息管理、供应风险指标体系管理、供应风险可视化和供应风险评价结果管理四大功能。
（1）基本信息管理
基本信息管理主要对供应风险展示所需的基本数据信息进行管理。
（2）供应风险指标体系管理
供应风险指标体系管理模块从全球油气储量、勘探开发、生产和库存风险，以及其他影响海外油气供应的不确定性因素这几方面，对供应风险的指标体系进行管理。供应风险指标体系管理又包括国家供应风险指标管理和区块供应风险指标管理，分别从国家层面和区块层面对供应风险的指标进行管理。
图5.6 供应风险模块功能结构图
国家供应风险指标管理包括储量不确定性评价模块、勘探开发风险评价模块、生产和库存不确定性评价模块和影响海外油气的其他不确定性评价模块。
区块供应风险指标管理包括储量不确定性评价、勘探开发风险评价、影响海外油气的其他不确定性评价3个小模块。
（3）供应风险可视化
供应风险可视化可以将不同地区的供应风险通过GIS技术直观展示。
（4）供应风险评价结果管理
供应风险评价结果管理可以对供应风险的评价结果进行一系列的操作，主要实现供应风险评价结果的输入、查询和维护。
5.2.1.5 需求风险模块
需求风险模块功能结构如图5.7所示，包括需求风险可视化、需求风险指标体系管理、基本信息管理和需求风险评价结果管理。
图5.7 需求风险模块功能结构图
（1）需求风险可视化
需求风险的可视化对要分析的数据和情况用GIS系统直观展示，例如说能源需求、石油需求、天然气需求，以及需求结构等。
（2）需求风险指标体系管理
需求风险指标体系管理，需要对影响需求风险的各个因素指标进行管理。需求风险指标体系管理包括经济指标评价、人口指标评价、政策指标评价和技术指标评价4个方面。
经济指标评价根据经济总量、经济增长速度、产业结构和产业结构变化率来考虑经济对需求风险的影响。
人口指标评价从人口数和人口自然增长率两方面来评价人口对需求风险的影响。
政策指标评价从气候政策、财税政策和技术政策三方面来评价不同国家的不同政策的影响。
技术指标评价从能源利用效率、能源利用效率变化率、能源结构、能源价格、能源价格变化率和能源替代技术这几个方面对技术进行评价。
（3）基本信息管理
基本信息管理主要对需求风险展示所需的基本数据信息进行管理。
（4）需求风险评价结果管理
需求风险评价结果管理是对需求风险的评价结果进行一系列的操作，主要实现需求风险评价结果的输入、查询和维护。
5.2.1.6 运输风险模块
运输风险模块功能结构如图5.8所示，包括港口风险管理、航线风险管理、承运风险管理及海盗袭击风险管理4个子模块。
图5.8 运输风险功能结构图
（1）港口风险管理
港口风险管理包括港口指标选择、港口方案评价及风险评价结果的管理。
港口指标选择管理从港口所属国家、港口吞吐量、港口仓储能力、港口安保能力及输油管最大直径等方面考虑，建立相关指标体系，并对其进行增加、修改和删除。
港口方案评价管理是通过建立的风险指标体系，选择评价方法，将港口风险进行分级管理。
风险评价结果管理是对港口风险评价指标及评价方案所得结果的管理。一方面，通过GIS技术对港口风险评价结果进行可视化，其中港口图标的不同颜色代表港口的风险值，不同大小代表港口的吞吐量；另一方面，可以对评价结果进行导出，提供风险分析报告。
（2）航线风险管理
航线风险管理包括航线指标选择、航线方案评价及风险评价结果的管理。
航线指标选择管理从航线事故率、穿越风险节点数及航程海里等方面考虑，建立相关评价体系，并对其进行增加、修改和删除。
航线方案评价管理是通过建立的风险指标体系，选择评价方法，将航线风险进行分级管理。
风险评价结果是对航线风险评价指标及评价方案所得结果的管理。一方面，通过GIS技术对航线风险评价结果进行可视化，其中航线图标的不同颜色代表航线的风险值，不同粗细代表航线的运力；另一方面，可以对评价结果进行导出，提供风险分析报告。
（3）承运风险管理
承运风险管理包括承运指标选择、承运方案评价及风险评价结果的管理。
承运指标选择管理从油轮归属、油轮平均吨位、本国油轮承运份额及船运公司安全系数等方面考虑，建立相关评价体系，并对其进行增加、修改和删除。
承运方案评价管理是通过建立的风险指标体系，选择评价方法，将承运风险进行分级管理。
风险评价结果是对航线风险评价指标及评价方案所得结果的管理。一方面，通过GIS技术对承运风险评价结果进行可视化；另一方面，对评价结果进行导出，提供风险分析报告。
（4）海盗袭击风险管理
海盗袭击风险管理包括海盗袭击数据及风险结果的管理。
海盗袭击数据管理是收集国际海事局各年各海盗区域的海盗袭击次数，并对其进行增加、修改和删除。
风险结果管理是基于海盗袭击数据来源，通过GIS技术实现海盗袭击分布的可视化管理。
5.2.1.7 系统维护模块
系统维护模块主要包括风险评价和系统管理两个子模块。
（1）风险评价子模块
风险评价子模块针对国家风险、运输风险、市场风险、供应风险和需求风险，对评价过程中涉及的评价方案、评价方法和评价结果进行管理（图5.9）。
其中，评价方案管理实现对不同风险评价方案的指标数据进行管理，主要包括已有评价方案的修改维护和新评价方案的增加。而评价方法管理实现对已有的评价指标进行权重审核和权重维护。此外，评价结果管理包括评价结果的维护和评价结果的展示。
（2）系统管理子模块
系统管理子模块包括数据和模型的管理以及系统运行管理两大功能（图5.10）。数据和模型的管理，利用计算机和各种开发工具对系统的数据进行抓取、抽取、存储、处理和应用，以及对数据模型的设计、数据的导人、数据的运算和数据的导出。系统运行的管理负责系统的正常运行与维护，包括操作日志、系统参数和权限设置等管理。
图5.9 风险评价功能结构图
图5.10 系统管理功能结构图
1）数据和模型的管理。
数据和模型的管理模块包括基础数据管理、油价数据管理和图库管理，每个管理模块又包括若干细分子功能（图5.11）。
图5.11 数据和模型的管理
基础数据管理实现对风险查询中所涉及各种对象基本属性值进行维护，包括基础数据录入和基础数据维护。油价数据管理模块实现对美国能源部、中石油、《华尔街日报》三大来源数据的动态抓取，并对它们进行数据清洗、数据转换，然后再上载到中心数据库，同时实现对油价的网页抽取。图库管理主要是实现对系统所有的集中式管理，主要包含已有的维护和新增的维护。
2）系统运行的管理。
系统运行的管理功能包括系统参数管理、系统权限管理、日志的管理和系统负载统计管理。其中，系统日志的管理又包括操作日志的管理、油价处理日志的管理和模型运行日志的管理（图5.12）。
系统参数管理对系统相关参数进行设置，包括数据抓取失败次数阈值的设置，数据抓取间隔时间的设置，以及数据保存路径的设置等。
图5.12 系统运行的管理
系统权限的管理是对登录系统前，后台用户权限的管理（徐启等，2005）。
系统日志管理的目的，是便于今后相关问题的查错，包括操作日志的管理、油价处理日志的管理和模型运行日志管理。
系统的负载统计管理负责统计在一定时间内，用户对某个或某些模块的访问量。
总序
序言
第一部分 国际油价波动分析
第一章 全球石油市场信息溢出研究
1.1 引言
1.2 信息溢出检验文献综述
1.3 实证研究
1.4 本章小结
1.5 参考文献
第二章 国际油价短期波动研究
2.1 引言
2.2 以前的相关研究
2.3 实证数据和方法
2.4 实证结果
2.5 本章小结
2.6 参考文献
第三章 基于粗糙集和小波神经网络的油价影响因素分析
3.1 引言
3.2 基于粗糙集和小波神经网络的混合方法
3.3 混合方法的应用
3.4 本章小结
3.5 参考文献
第四章 国际油价影响因素的综合分析
4.1 引言
4.2 影响原油供给的因素
4.3 影响原油需求的因素
4.4 影响原油价格的短期因素
4.5 本章小结
4.6 参考文献
第五章 突发对油价的影响分析
5.1 引言
5.2 突发类型
5.3 油价波动特点
5.4 案例分析：突发对油价的影响
5.5 本章小结
第六章 基于经验模态分解的国际原油价格波动分析
6.1 引言
6.2 经验模态分解
6.3 分解
6.4 合成
6.5 本章小结
6.6 参考文献
第七章 基于LSI的文本聚类在影响油价分类中的应用
7.1 引言
7.2 文本预处理
7.3 基于LSI的文本聚类
7.4 聚类结果分析
7.5 本章小结
7.6 参考文献
第二部分 国际油价预测
第八章 动态因子方法预测原油价格
8.1 引言
8.2 动态因子方法
8.3 数据
8.4 回归和预测结果
8.5 本章小结
8.6 参考文献
第九章 基于基金持仓的国际原油期货价格预测
9.1 引言
9.2 影响国际原油期货市场的因素分析
9.3 国际原油期货价格预测
9.4 本章小结
9.5 参考文献
第十章 小波变换在油价分析预测中的应用
10.1 引言
10.2 小波变换
10.3 基于小波变换的油价序列多尺度分解
10.4 基于多尺度分解的油价预测
10.5 本章小结
10.6 参考文献
第十一章 基于小波神经网络的油价预测
11.1 引言
11.2 小波神经网络介绍
11.3 实证分析
11.4 本章小结
11.5 参考文献
第十二章 基于供求理论的石油季度价格预测
12.1 石油价格影响机制简介
12.2 石油季度价格影响因素分析
12.3 石油季度价格预测模型的建立
12.4 本章小结
12.5 参考文献
第十三章 勘探开发与国际石油供求间关系分析
13.1 引言
13.2 石油供给的影响因素分析与情景预测
13.3 石油需求的影响因素分析与情景预测
13.4 本章小结
13.5 参考文献
第十四章 基于VARX与VECM模型的年度国际原油价格预测
14.1 引言
14.2 模型理论与方法
14.3 变量选取与数据说明
14.4 模型预测与结论
14.5 本章小结
14.6 参考文献
附录一 国际油价预测系列报告（摘选）
附录二 报刊文章和观点精选
声明：本站所有文章资源内容，如无特殊说明或标注，均为采集网络资源。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
