油价下跌我不跌-油价下跌不变叫什么效应
1.什么是经济溢出效应
2.庇古效应的解释
3.为什么油价下跌会导致输入性通缩?
4.石油价格下调对中国有那么不利的影响?
5.国际石油市场风险度量及其溢出效应检验方法
什么是经济溢出效应
所谓溢出效应(Spillover Effect),是指一个组织在进行某项活动时,不仅会产生活动所预期的效果,而且会对组织之外的人或社会产生的影响。简而言之,就是某项活动要有外部收益,而且是活动的主体得不到的收益。溢出效应分为经济益处效应和技术溢出效应等。
它在经济学里标准的叫法应该是“外部性”,而且是“正外部性”。
庇古效应的解释
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。
为什么油价下跌会导致输入性通缩?
输入性通货紧缩 :指进口大于出口导致的,当市场上流通的货币减少,人民的货币所得减少,购买力下降,影响物价之下跌,造成通货紧缩。长期的货币紧缩会抑制投资与生产,导致失业率升高及经济衰退。
通货紧缩效应———企业利润减少;个人预期收入降低;宏观经济悲观衰退;价格下降;币值上升;金融秩序混乱等。
通货紧缩出现的原因,主要包括下述一些方面:
一是生产过剩。产品供给大于需求,大量产品销不出去,造成通货紧缩的发生。一些国家的经济尚未从根本上摆脱生产过剩的制约,以至于一旦出现问题,就会面临通货紧缩的风险。
二是有效需求不足。因受到股市低迷、投资减少的制约等负面因素影响,消费物价指数与以往相比有所下降,这也是通货紧缩产生的一个重要因素。有效需求不足和生产过剩互为因果。正如一个胃病患者,说自己“消化不良”(需求不足)或“吃得太胀”(供给过剩)是一回事一样。三是作为全球经济火车头的美国,经济一直复苏不力,这对依赖美国经济带动的全球不少国家和地区来说,无疑是雪上加霜。同时,也促使这些国家的通货呈现下降之势。
首先,中国是全球主要的原油净进口国,2013年中国原油产量为2.0813亿吨,消费量为5.0738亿吨,出口量仅为92万吨,进口量达到2.8259亿吨,进口依赖程度达到55.7%,国内人均原油消费大概仅为全球人均消费水平的50%左右,随着今后我国原油消费规模的持续增长,对外依存度也将显著提高。
国际国内原油市场具有较强的联动效应,且国际原油价格下跌直接导致国内原油价格及下游能源化工产品价格联动走低,国内成品油市场将可能在本月底迎来新定价机制执行以来的首次七连跌,国际原油价格下跌还对国内物价指数产生较重利空压制作用。
原油价格与国内的居民消费价格指数CPI和生产资料价格指数具有密切的关系。CPI构成中,交通、通讯类消费价格位居第4位,并占据9.95%的权重,而交通消费价格又与原油存在密切的关系。PPI构成中,根据在国民经济中的重要性和影响力,选取矿产、能源、黑色金属、有色金属、机械产品、化工产品、橡胶产品、建材产品、轻工原料、农资产品作为生产资料市场价格指数的构成大类。样本的选取充分考虑整体性和代表性,使样本形成的数据能有效代表全国的价格走势。显然PPI与以原油为代表的能源价格也存在密切的关系。国际原油价格下跌对国内CPI和PPI指数走势产生较强的助跌作用。
其次,原油不但自身是重要的能源品种,而且还是工农业、交通运输业的重要原材料,另外还是中下游较多能源化工品种的主要母产品。因此,原油在国内生产和生活资料价格中占据极为重要的地位。原油价格持续大幅下跌,势必拉低国内整个物价水平,并对国内通货波动产生较重利空作用,使通货形势由膨胀向紧缩转换。
国际原油价格与国内能源上游生产、供应产业的景气程度呈现密切的正相关关系,原油价格上涨和下跌分别导致能源供应产业的利润的增长和缩减。同时,原油价格还与国内中下游能源化工行业的景气程度呈正相关关系,原油价格适度上涨,则能源化工产品的成本和价格联动走强,甚至由于终端消费需求旺盛,导致能源化工价格涨幅更大;原油价格持续大幅下跌,则能源化工产品的成本和价格联动走弱,甚至由于终端消费需求疲软,导致能源化工价格跌幅更大。
在此背景下,央行货币政策取向也将逐渐过渡至中性偏宽松,以适度增强资金流动性,降低能源化工企业的资金成本,缓解由于国际原油价格下跌带来的国内通货紧缩预期。
石油价格下调对中国有那么不利的影响?
若您指的是油价下调对中国石油股票的不利影响,油价与石油股票成正相关,即油价上涨,石油股票也会上涨,油价下跌,石油股票也会跟着下跌,因此,油价下调在一定程度上推动石油股票下跌。
因此,投资者可以在油价上涨的时候,配置一些与石油相关的股票,在油价下跌的时候,卖出,或者减少石油相关股票的配置。
影响油价涨跌的因素有:
1、供求关系
供求关系是影响石油价格上涨的直接因素,即当市场上的石油供不应求的时候,会推动石油价格上涨,反之,供过于求,则会导致油价下跌。
2、美元影响
长期以来石油交易价格主要以美元来计价,美元贬值说明了美元的实际价值在下降,所以要想买到同等的石油,那就需要支付更多的美元,表面上看就直接导致石油了价格的上涨,反之,则会导致油价下跌。
温馨提示:以上解释仅供参考。
应答时间:2021-10-28,最新业务变化请以平安银行官网公布为准。
国际石油市场风险度量及其溢出效应检验方法
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)提出采用广义的ARCH 模型即GARCH 模型来描述波动集聚性。
GARCH模型的形式为
国外油气与矿产资源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。
国外油气与矿产资源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
国外油气与矿产资源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。本节采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;而采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采购者的额外支出。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。本节采用方差-协方差方法计算国际石油市场的VaR 风险。在采用方差-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。由于后者假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,因此直接采用正态分布的假设往往会低估风险。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
国外油气与矿产资源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,本节将采用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:假设计算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提出了对原假设f=а的最合适的似然比率检验:在原假设下,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,就拒绝原假设,即认为估计的VaR模型是不充分的。
国外油气与矿产资源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
本节将采用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,则原假设为H0:E(Z1,t∣I1,t-1)=E(Z1,t∣It-1),而备择假设为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
国外油气与矿产资源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
国外油气与矿产资源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:
国外油气与矿产资源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
国外油气与矿产资源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,其原假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。为了检验该原假设,Hong(2003)提出了如下的统计量:
国外油气与矿产资源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
国外油气与矿产资源利用风险评价与决策支持技术
原假设成立时,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。
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。