人们通常把没有经过加工处理的石油称为原油。原油价格的巨大波动使我国原油进口面临着巨大挑战，同时原油价格的上升带来的巨大成本会阻碍我国经济的健康发展。甚至由于联动效应，国际大宗商品价格也会随着原油价格的上涨而大幅上涨，这将增加通胀预期，影响实体经济和金融体系。作为原油进口大国，在第一时间了解原油价格的走势变化尤为关键，这样也有利于我国在面对其价格波动时及时采取措施。学者们通常从油价的波动和分布方面着手开始寻找描述油价风险的途径。拉米雷斯发现投机者和消费者的推动力量是油价变动的根本原因所在[1]。平代克运用ARCH模型研究了二十世纪以来美国的原油市场，发现了美国油价波动的半衰期[2]。国内学者张跃军建立了GED-GARCH模型，发现大庆的油价存在GARCH效应，但我国原油市场尚未实现完全市场化[3]。张哲林等人研究了Dubai，WTI和Brent的衍生品市场与原油现货波动性之间的关系，得出GARCH效应在原油市场上是普遍存在的[4]。

（2） 试剂。乳酸链球菌素、海藻酸钠、柠檬酸、魔芋葡甘聚糖、甘氨酸，以上试剂均为食品级、生物试剂；生姜，购自学校附近集贸市场。

本文将对原油期货价格波动率进行建模分析，通过建立 GARCH（1，1）模型，分析原油期货收益率的相关的统计特征，研究国际原油期货价格和波动情况，为原油期货的投资者提供一些策略，为我国油气相关行业的发展提出建设性意见。

1 模型简介

对于不是正态分布，但存在集群性和厚尾性，不独立或有条件的异方差等特征的数据，GARCH模型能够有效地去除条件异方差性，所以此类数据多用GARCH模型来拟合研究。因为基于正态分布的传统模型无法很好地描述市场波动特征[5]，所以Bollerslev提出广义自回归条件异方差模型（GARCH模型）[6]，它属于ARCH模型中的一种特殊形式，这类模型有效地捕捉了金融领域中的时序数据的特性，大量的研究显示，如果在市场价格波动率估计的动态模型中运用GARCH类模型，能提高对收益率高阶矩的解释力度，预测也比其他模型更为准确。在实践中，估计市场的波动性通常使用GARCH（1，1）模型，其形式为：

 

其中（1）式被称之为均值方程，εt是方程中的随机扰动项。（2）式被称之为条件方差方程。式（2）表明t期的条件方差与t-1期均值方差的残差平方和t-1期的条件方差都存在着密切的关系，通过公式可以看出若的值大或的值较大就会导致的值变大，从而出现波动集聚。式（2）中的α代表的是外部冲击对价格波动的影响，α＞0，说明市场产生波动受到了外部的冲击。式（2）中的系数β代表的是市场波动的长期记忆能力，它的值越大，说明对条件方差的冲击会对未来的趋势存在较长时间的影响。α+β＜1则说明GARCH（1，1）模型是平稳的。并且，若α+β之和趋近于1，则表明该市场的波动性存在着很高的持续性，也就是说当前的风险对未来有着长时间的影响。与ARCH模型相比，GARCH模型更符合参数精简的原则，高阶ARCH效应通常可以用低阶GARCH模型表现，如此使得模型的估计与识别更加容易。

2 实证分析

2.1 数据选取

首先，对上述确定的AR（1）模型的ARCH效应进行检验，检验的结果如表3所示：

  

图1 国际原油期货价格变动

  

图2 国际原油期货收益率序列

2.2 国际原油期货价格波动特征描述

均值方程：

  

图3 WTI原油期货价格收益率序列的统计特征

图3显示了WTI原油期货收益率序列的统计特征，其偏度（Skewness）＜0，说明收益率序列存在左偏态，同时其峰度（Kurtosis）＞3，说明序列存在“尖峰厚尾”的现象。概率（Probability）值很小（小于0.05），说明拒绝序列服从正态分布的零假设，换句话说，WTI原油期货收益率序列不服从正态分布，J-B统计量值较大，更加表明收益率序列的分布不是正态分布，由于GARCH模型能较好地反映此类不服从正态分布的数据的条件异方差以及尖峰厚尾特性，因此本文采用GARCH模型进行拟合。

2.3 建立模型

2.3.1 ADF检验和序列相关性分析

爱丁堡是最能体现苏格兰风情的城市，是英国仅次于伦敦的第二大旅游城市。1995年，爱丁堡的旧城和新城一起被联合国教科文组织列为世界文化遗产。

 

表1 收益率序列的ADF检验

  

变量Rt ADF值-14.895 83 1%level-2.570 587 5%level-1.941 594伴随概率0.000 0

由表1可以看出：WTI收益率序列是拒绝存在单位根的假设（在1%level下），说明该收益率序列是平稳的。根据自相关（ACF）和偏相关（PACF）拖尾或截尾的情况，进行模型的筛选，在AR（1）、MA（1）、MA（2）、ARMA（2，1）中选择。据AIC的值和SC标准（见表2）可以看出AR（1）、ARMA（2，1）的 AIC值及SC值均相对较小，但考虑到样本为大样本数据，注重观察SC较小的模型，最终确定模型为AR（1）。

结果表明AR（1）的残差序列存在ARCH效应，利用AIC或SC准则建立GARCH模型，选择最优的 p 和 q，经过对比，选择 GARCH（1，1）进行建模，即

 

表2 备选模型AIC、SC值比较

  

AR（1）MA（1）MA（2）ARMA（2，1）AIC-2.197 467-2.194 991-2.196 371-2.201 870 SC-2.187 707-2.185 249-2.176 88-2.172 53

2.3.2 GARCH模型分析

在国际原油期货贸易中，世界上最有影响力的期货市场之一是纽约商业交易所（NYMEX），其原油期货交易价格很具有代表性，本文选取了纽约商业交易所自1983年4月至2017年9月414个美国西德克萨斯中质原油（WTI）的期货交易价格的月度数据作为国际原油期货价格的样本。

本文选用单位根检验(ADF)方法对WTI原油期货收益率序列进行平稳性检验，从上文的统计分析可以看到，WTI的收益率序列是围绕均值上下波动的，不存在任何的趋势。因此不含趋势项和截距项，由ADF进行单位根检验，结果如表1所示：

 

表3 关于AR（1）的ARCH效应检验

  

F-statistic Obs*R-squared 11.478 97 11.220 20 Pro.Pro.0.000 8 0.000 8

1.2.3连续顺序追踪超声检查 在行常规扫描基础上，对胎儿的四肢进行有针对性的扫描检查，观察胎儿是否存在肢体异常等情况。由胎儿肢体长轴从远端开始逐渐扫描，连续追踪扫描至胎儿肢体末端，排查胎儿肢体和长骨的形态、姿势、数量、位置关系以及结构是否存在异常状况，同时应用短轴切面对肢体受压情况进行追踪扫描。在扫描过程中，如发现任何异常及时进行记录并上传至超声工作站进行分析处理。

本文对选取的414个WTI原油期货价格时间序列样本数据进行处理，令WIT第t日的石油期货价格为pt，为了进一步研究，由Eviews8.0统计软件分析得到原油价格波动趋势如图1所示，从图1可以看出，在2003年3月伊拉克战争爆发之前，原油期货价格基本维持在30美元/桶左右（1吨约7.33桶），而战争爆发之后，价格一路飙升至2008年6月的134.02美元/桶，2009年2月跌至39.26美元/桶，此后又不断上升，2014年9月之前价格还在90美元至110.04美元之间波动，此后就进入了缓慢下跌的状态，价格一路跌到了2016年2月的30.62美元。再之后慢慢有回升的迹象，截至2017年9月，价格为49.88美元。从WTI原油期货价格走势图可以看出，WTI原油价格波动性很大，也就是说WTI原油价格是不平稳的。为避免在分析过程中出现价格数据出现异方差的情况，使数据趋势平稳化、线性化，且不改变数据原来的关系，本文对时序数据做对数化处理，WTI第t日对数收益率可以用Rt=lnPt-lnPt-1表示，共有413个数据，图2显示了WTI原油期货价格的对数收益率趋势。

 

方差方程（4）中的系数α、β的值在各显著性水平下都表现为显著。对（4）式的残差项εt进行ARCH-LM检验，结果见表4。

 

方差方程:

 

表4 对AR（1）-GARCH（1，1）模型残差序列的LM检验结果

  

F-statistic Obs*R-squared 0.017 246 0.017 330 Pro.Pro.0.895 6 0.895 3

表4知，方差方程是不存在ARCH效应的，说明此时GARCH（1，1）模型已经将序列的条件异方差消除了，因此（4）式能很好地描述WTI原油期货收益率的波动性。此外（4）式的ARCH项系数反映了外部冲击对其价格波动的影响，由于α=0.267 693大于0小于1，表明外部冲击会对原油价格的波动产生加剧的效果。ARCH项的系数β代表的是当期的价格波动受前期波动的影响程度，反映了波动具有的长记忆性的现象；两系数之和(α+β=0.937 575)小于 1，表明市场波动较为平稳。但两个系数相加接近1，说明WTI原油期货价格波动的平稳性较弱，也就是说，虽然其波动性最终会下降，但它以缓慢的速度衰退，这也表明外部冲击对WTI原油期货市场有较强的持续性影响。出现这种情况的主要原因是WTI原油具有商品属性和金融属性[7]的双重属性。商品属性是指价格波动的方向，它是根据原油的供求因素、地缘政治、原油储备等因素的变化而变化的。金融属性是指价格波动的幅度大小，其波动幅度会根据利率、投机或汇率等变量的影响而变化。因此与一般商品相比，诸多因素都将对WTI原油价格波动产生影响，其价格波动的持续性是由这些不确定性的因素一起决定的。

3 结论和建议

本文选取GARCH模型对WTI原油期货价格波动的特点进行了研究探讨，实证结果表明：WTI原油期货价格的波动有持续时间较长的特点，并且它的价格波动容易受到负面消息的影响。此外，由于收益率风险比率较高，所以WTI原油期货市场存在较大的风险。

2018年，医景网的调查最后，美国医生特别给同行提出了一些建议：常怀感恩，少看新闻，6点前下班，享受家庭，医学很难，过程可控，开心工作！

PInvit=b0+b1Epuit+b2Ffriit+b3Epuit×Irrit×Ffriit×I(Epuit×Irrit×Ffriit≤ϑ)

国际油价的剧烈波动给我国带来巨大的经济损失和风险，这对我国的石油公司管理油价风险的能力来说是一个严峻的考验。中国的石油、天然气行业要积极适应形势，紧跟经济变化，用定性和定量的方法研究波动风险和预测油价，重视油气行业层面以及宏观经济形势的研究，为构建一套完整的体系并用于价格风险管理，应该建立风险模型来研究国际原油市场，并且对国际石油市场价格风险进行量化和监测。在上述基础上，中国企业应采用有效的风险管理措施，不应忽视国际市场，将自身的风险努力降低的同时提高收益水平。

参考文献：

[1]JOSE A-R，MYRIAM C，CARLOS I-V，et al.Multifractal hurst analysis of crude oil prices[J].Pisica A，2002，313（3）：651-670.

[2]PINDYCK R S.Volatility in natural gas and oil markets[J].The Journal of Energy and Development，2004，30（1）：1-20.

[3]张跃军，范英，魏一鸣.基于GED-GARCH模型的中国原油价格波动特征分析[J].数理统计与管理，2007，26（3）：398-406.

[4]CHANG C L，MCAL EER M，TANSUCHAT R.Model-ling conditional correlations for risk diversification in crude oil markets[EB/OL].http://www.ssrn.com/abstract=1401331，2009-05-08.

[5]RUEY S.TSAY.金融时间序列分析[M].北京:人民邮电出版社 2009：86．

[6]BOLLERSLEV T.Generalized autoregressive conditional heteroskedasticity[J].Journal of Econometrics，1986（31）：307-327．

[7]姚小剑，扈文秀，国际原油实物属性与金融实证检验[J].价格理论与实践，2011（12）：65-70．