论文总字数：20227字

目 录

摘要 I

Abstract II

1 引言 1

1.1研究背景及意义 1

1.2文献综述 1

1.3研究方法 2

1.4文章结构安排 3

2 模型原理 3

2.1 ARIMA模型 3

2.2 ARCH模型 4

2.3 GARCH模型 4

2.4 TARCH模型 4

2.5 EGARCH模型 4

2.6 VaR模型 5

3 数据及实证分析 5

3.1 样本数据简要说明 6

3.2 序列统计量特征描述 6

3.3 平稳性检验 6

3.4 相关性检验 6

3.5 建立GARCH模型 7

3.6 建立其他ARCH类模型 7

3.7 构建VaR模型 9

4 结论及对策 11

4.1结论 11

4.2对策 12

参考文献 12

致谢 14

基于GARCH族模型的Brent国际原油投资风险度量研究

王岩

, China

Abstract: The risk of international crude oil market has a great impact on the development of Chinese economy, and the oil market risk is often showed as the frequent fluctuation of oil prices and the difficulty in predicting, so the paper studied on Brent, and used GARCH, TARCH and RGARCH models respectively to simulate and compare the characteristics of the volatility of the international crude oil price. Besides, these models are used to study VaR value of the return rate under the t distribution and GED distribution, and used the kupeic criterion to test the historical failure rate of VaR value. The result shows that VaR-EGARCH or VaR-TARCH model can simulate the volatility of the international crude oil price better. Besides, the actual loss is within the VaR value. In the actual investment decision, when the VaR value is relatively large, the company faces a greater risk of oil investment and should invest cautiously. When the VaR value is small, it should be clear that the oil risk is not underestimated before investing. In addition to building a corresponding model, another viable safe haven is oil futures, which reduce the risk of oil price volatility through hedging transactions.

Key words: Brent；GARCH model；volatility；VaR model

引言

1.1研究背景及意义

人类在1867年正式进入石油时代，在这一年石油在一次能源消费结构中的比例已经达到了40.4%，而煤炭所占比例下降到38.8%，一出世就成为了能源中的“明星”资源。此后，石油作为全球消费量最大的战略能源和化工原料，几乎控制着所有产业链的顶端，是全世界都赖以生存和发展的基础经济资源。即使在全球提倡发展绿色能源的今天，石油仍然以其轻便，效能高等特点牢牢占据着能源时代的核心地位。因此，石油价格的动荡有着多米诺骨牌效应，牵一发而动全身，左右着全球经济发展的总趋势。

经济与金融的全球化趋势日益强烈，原油的稀缺性和不可再生性导致各国的抢夺愈演愈烈，随之而来的战争和各国的政治摩擦对国际原油价格的波动产生了强烈的影响。

20世纪下半叶爆发了三次较大规模的石油危机。20世纪70年代爆发了第一次石油危机，原油价格从每桶3.011美元提高到10.651美元，石油价格飙升两次以上，导致全球经济危机，对世界各国造成严重影响；1978年末，世界第二大石油出口国伊朗发生剧烈政变，爆发了第二次石油危机。随着产量大幅下降，1980年初油价从每桶13美元飙升至每桶34美元。此次石油危机也导致了20世纪70年代西方经济的全面衰退；20世纪80年代以后，随着石油供给国的增多，石油价格开始持续下降，国际石油市场混乱，爆发了第三次石油危机。油价暴跌也导致苏联财政状况恶化，间接导致苏联解体。进入21世纪之后，像伊拉克入侵科威特、海湾战争、伊拉克战争、巴以冲突，中东战争频发，包括最近的叙利亚战争，其背后都存在着深刻的资源因素。随着石油资源日益紧缺，石油能源对世界经济发展的制约作用将更加突出，各种形式的全球能源之争也将加剧，石油对全球经济的影响力已经不容忽视，不可小觑。

建国以来，我国社会由农业经济向工业经济迅速迈进，对能源的需求节节攀升。石油的消费量从建国初的100多万吨突增到2015年的5.5亿吨。我国国内原油产量有限，我国不得不进口更多的石油资源来满足经济的发展。据数据统计，2008年我国原油国内产量1.89亿吨，进口量为2.038亿吨，原油对外依存度超过50%；2015年我国原油进口量达到3.28亿吨，对外依存度达到了60%；2017年，中国超过美国成为全球第一大原油进口国，原油对外依存度超过68%。对外依存度的提高导致了我国经济对国际原油价格的波动越来越敏感。因此，对国际原油价格波动的分析和监控，关系着国家经济的稳定和社会的和谐，能否准确地对原油价格进行波动建模和预测就显得尤为重要。

1.2文献综述

早在1984年，Gately(1984)就引进各类相关参数来分析油价波动的原因和未来的走势。Sharma(1998)运用原油期货市场的价格日数据，构建不同预测模型，并互相比较，预测未来原油市场价格。检验发现基于GED分布的GARCH模型在描述原油价格收益率的“尖峰厚尾”特性方面更加出色。Yang(2002)使用误差修正模型和情景分析等方法，采用GARCH模型研究了美国原油市场石油价格的波动性。

此外，Giot和 Laurent(2003)创新地将VaR模型引入到石油波动的风险的研究中，采用了历史模拟法计算了VaR值。采用t分布的假定处理厚尾性，文章用GARCH模型处理石油价格波动的时变性。这既考虑了石油价格波动的时变性，也考虑了石油收益分布的厚尾性。刘存柱(2004)考虑了原油市场的“准财务属性”，将用于衡量市场风险的VaR（风险价值）方法引入原油市场，这种方法现在在金融市场中比较常用，以布伦特原油价格为样本数据建立了GARCH-M VaR模型定量分析石油市场风险的基础。同时，由于原油价格大幅波动，不时出现极大波动，这是第一次使用极值理论来计算VaR。Fan和Jiao(2006)使用改进的历史模拟法来度量Brent原油市场现价的VaR，研究结果表明指数降频法在风险度量中更为有效。Narayan (2007)利用EGARCH模型证明原油价格地剧烈震荡会对油价波动产生持续、不对称的影响。潘慧峰等(2007)利用GED分布对国际原油WTI和我国大庆石油市场风险建立GARCH模型，得出油价上涨和油价下跌的VaR风险值，结果显示，石油价格波动呈现非对称性的特征，即石油上涨的风险要高于石油下跌的风险。Fan等(2008)发现WTI原油收益存在不对称性，而Brent原油收益不存在不对称杠杆效应。

周孝华等(2012)利用EGARCH-EVT-t Copula模型度量了国际原油在不同持有期的VaR值。结果表明，置信度越高，持有期越长，VaR的值越大。Nguye(2016)用不同GARCH模型在不同分布下原油价格的波动，研究结果表明t分布下的EGARCH(1,1)模型能够更好地预测石油价格地变化和波动。Tony, Thomas (2016)用MMGARCH（Mixture Memory GARCH）和其他GARCH模型(EGARCH,APARCH,HYGARCH,FIAPARCH)等的比较，最后得出MMGARCH模型是最适合用于原油价格的风险管理。

周丽(2017)在《当代经济》周刊中提到，选择三种主要的Archimedean Copula函数来描述随机变量之间的相关关系，运用GARCH对边际分布建模，运用蒙特卡洛方法计算VaR值，最后得出结论Clayton Copula-GARCH模型的估计效果较好。邵哲(2017)另辟蹊径，构建了广义自回归条件异方差混频数据抽样模型(GARCH-MIDAS)。研究结果表明从长期来看，供求因素是原油价格波动的基本因素；从水平层面和波动层面的因素对原油价格波动造成的影响是不同的；引入高频外生变量有助于刻画的长期成分更好地识别原油价格的波动。

刘小瑜等(2018)基于EVT-CAViaR模型度量原油价格的极端风险，分析结果表明WTI原油市场的杠杆性和尖峰厚尾特征，同时该模型具有很好的预测风险能力。耿倪(2018)通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。彭倩(2018)在《时代金融》中指出油价波动的外部因素美元汇率对油价的影响很大，人民币汇率的变动对油价的影响仍然较小。

由上述文献分析，虽然有很多文献研究了国际原油价格的波动，但是由于时代变化发展，以前构建的模型很难适应新的石油价格变动。原因一是先前学者搜集的数据太少，大概只有十年的价格数据；二是因为大多模型都是在08年金融危机之前，08年之后对国际原油价格波动的研究甚微，没有将经济危机纳入研究范围，构建的模型也很难有说服力。因此，本文的创新之处就在于数据充分，将08年金融危机和15年经济危机两次重要节点考虑进模型之中，构建VaR模型在经济危机期间的有效性，充分考虑国际原油市场记忆特征，并着手验证先前学者的结论有效性，最后找出一种最优模型用以度量原油市场风险。

1.3研究方法

首先，选取2000年至2018年Brent国际原油每日价格数据，进行平稳性检验，结果显示不平稳；下一步将数据进行对数化处理，再进行一阶差分并用ADF和自相关图检验平稳性和自相关性，结果显示平稳且不存在自相关；由于存在异方差性，运用GARCH模型和其他衍生模型来拟合序列的波动；最后用VaR模型判断每日的价值损失及历史失败率，最后选择出VaR-TARCH和VaR-EGARCH模型为最佳模型。

1.4文章结构安排

图1 文章结构图

剩余内容已隐藏，请支付后下载全文，论文总字数：20227字