论文部分内容阅读
摘 要：石油在经济生产中发挥着重要作用，作为石油进口大国，通过建立石油期货以提高石油定价权和规避油价格波动风险，是我国期货市场一直努力的方向。其中，期货与现货之间的关系是期货定价、风险管理、套利等问题的基础，期货市场与现货市场之间的关系主要包括长期均衡关系、价格发现、波动溢出、条件相关性等方面，本文对石油期现货市场间的价格关系和波动关系等研究进行了总结和评述，以期对期现货之间关系提供较全面的了解。
关键词： 石油期货；价格发现；波动溢出；条件相关
中图分类号：F426.22 文献标识码：A〓 文章编号：1003-9031（2015）05-0032-06 DOI：10.3969/j.issn.1003-9031.2015.05.07
一、引言
20世纪70年代的石油危机，使得人们充分认识到了石油在经济中的重要性，作为一种战略能源，石油定价直接影响一国的经济实力。2004年8月25日，我国在上海期货交易所上市燃料油期货，在此之前我国参照海外的石油定价。2013年10月9日，在上海期货交易所的石油沥青期货合约上市，被认为是给原油期货上市提前铺路。2013年11月22日，上海国际能源交易中心正式揭牌成立，标志着我国原油期货的上市迈出了关键一步。顺势推出中国原油期货，有利于增强中国在国际原油市场定价中的话语权，有利于优化石油资源配置，保障我国的能源安全。因此，本文对原油及相关产品期货市场的研究进行回顾，对期现货之间的理论关系和实证方法及结果进行总结，以期对期货现货之间的关系提供较全面的了解。
二、期现货价格关系及价格发现
（一）理论支撑
Fama & French（1987）关于期、现货价格关系的理论有两种：一是使用风险溢价来模型化期货与现货的价格关系；二是在无套利条件下利用存货持有成本（cost-of-carry）模型来考察期现货价格的关系。Svetlana Maslyuk & Russell Smyth（2009）在期现货之间不存在持续的套利机会。从以上理论上说，期现货价格存在相互关系，两者之间存在一种长期均衡状态。
价格发现是期货市场的两大基本功能之一，Hoffman
（1932）认为期货市场价格发现功能的本质是市场对新信息的吸收快慢，新信息首先通过期货价格而不是现货价格的变化反应出来。Param Silvapulle、Imad A.Moosa（1999）指出期货市场具有价格发现功能的原因之一是由于期货市场较低交易成本和卖空操作便利使得期货价格相对现货能够更快的对新信息作出反应，因此期货具有价格发现能力。
（二）实证研究
从实证上讲，价格发现是期现货价格时间序列之间的引导关系或因果关系。为进行价格发现的实证检验，首先要明确期现货价格过程的性质，进行平稳性检验和协整分析，如果序列平稳可直接使用格兰杰因果关系检验（GC）、向量自回归（VAR）检验，否则，对非平稳序列若存在协整关系，即价格间存在长期均衡关系，则分析二者间价格的领先与落后关系需在向量误差修正模型（VECM）下进行。然而，鉴于价格时间序列的不同时期、不同市场、不同频率等而具有的不同特征、不同关系，在实际检验中实证方法不局限于此。
1.协整检验期现货价格的长期均衡关系
在进行因果检验前，先要进行单位根检验和协整检验，协整检验反映期现货价格之间的长期均衡关系。传统的检验方法是Engle、Granger （1987）基于残差的单位根检验和Johansen（1988）的迹检验和最大特征值检验。考虑到时间序列的变化，检验方法进行了改进和更新。Engle、Granger （1987）的协整检验假设时序不存在结构变化、协整向量不随时间改变，可通过线性组合消除时序之间的长期共同趋势，如果存在结构变化，检验结果会出现错误。Gregory & Hansen（1996）考虑了在截距或系数或趋势项中存在机制转变的情况，构建针对存在机制转换的协整检验方法。Svetlana Maslyuk & Russell Smyth （2009） 使用Gregory-Hansen方法对US WTI & UK Brent的原油期现货关系进行检验，发现存在协整关系。Chen Lei、Zeng Yong（2011）考虑到金融危机导致的石油价格过度波动（excess volatility），使用2002.1.1-2009.12.31期间的Brent原油期现货价格数据，发现危机期间的期现货价格过程都具有随机单位根，而且期现货价格是随机协整（stochastic co-integration）的[1] 。Chien-Chiang Lee & Jhih-Hong Zeng （2011）使用肖志杰（2009）提出的分位数协整方法和Diks & Panchenko （2006）的非参数检验对1986—2009期间的WTI原油期现货价格关系进行研究，发现现货与短期期货间在各分位数下都存在双向因果关系，而现货与长期（2-，3-，and 4-months）期货合约只在某些分位数下存在单向因果关系，说明短期期货市场中有效市场假说成立，并使用前景理论对结果进行了解释。Yu-Shao Liu et al. （2011）认为由于较低的交易成本和较少的卖空限制，对两时间序列长期均衡关系的短期偏离在正或负基差下的调整是不对称的，使用J■rg Breitung（2001）秩检验和二元非对称门限VECM检验WTI石油期现货价格的协整关系，发现存在非线性协整关系，且现货价格对正基差的调整更迅速。可见，在国外研究中，采用不同的协整检验方法，都发现石油期现货市场之间存在协整关系，这种协整关系可能是线性或非线性的、确定的或随机的。
2.因果关系检验期现货价格的领先-滞后关系
协整分析说明的是两个时间序列之间的长期均衡关系，为判断两者之间的引导关系需要进一步的使用格兰杰因果检验方法，在协整基础上采用VEC模型。根据Kahneman & Tversky（1979）前景理论，人类行为存在反射效应（reflection effect），即风险规避行为，从而在面对来自经济金融市场对石油的不同冲击时，效果是不对称的，导致价格过程是非线性的，考察价格关系时不能用传统线性方法。传统的格兰杰因果检验基于线性关系，而由于非线性交易成本函数、噪音交易者、市场微观结构的影响，期现货价格之间的关系可能是非线性的。由此，Baek、Brock（1992）提出了一种非参数检验来检验非线性因果关系，Hiemstra & Jones（1994）对此进行了修正，Param Silvapulle & Imad Moosa（1999）用这种非线性方法来检验石油期现货之间的因果关系，发现是一种双向效应，而采用萧政（1981）的线性检验方法得到单向的期货价格发现功能。Cees Diks（2005） & Valentyn Panchenko（2006）对Baek & Brock （1992）进行了修正，Bekiros & Diks （2008）应用他们的方法考察石油期现货价格间的关系，发现考虑到非线性的影响两个市场间的因果关系在不同时间区间结果不同，而线性检验结果在两个时间区间都是单向[2]。石油价格时间序列受到外部冲击的影响，会发生结构变化，如果在样本观测期间有大的外部冲击时，使用结构变动模型，W很多文献考虑了结构变点问题。对确定的结构变点，可进行分时间区间检验，Bwo-Nung Huang & Yang & Hwang（2009）以1990年海湾战争和2001年911事件为分界时间，鉴于期现货的基差大小形成一种套利机会，以交易成本作为基差的门限值，构建包含三种情形的VECM模型，使用蔡瑞胸（1998）的MVTAR（multivariate threshold auto-regression）方法进行估计，检验结果因结构变化和套利机会变化而不同，且发现非线性模型优于线性模型[3]。以上可见国外的研究中，石油期现货的引导关系可以是单向的也可能是双向的，一般两个市场都具有价格发现的功能，但是引导的方向不明确。 3.模型法度量价格发现功能的大小
因果关系检验只能告诉我们期现货两者之间谁在价格发现中具有引导作用，不能量化在价格发现中作用程度，而且有的文献发现两者之间互相具有引导作用，这时无法对两者的价格发现功能进行对比，为此，一些学者建立模型量化价格发现的大小。通过构建模型量化分析不同市场的价格发现功能，大致有3种方法：Garbade & Silber（1983），Joel Hasbrouck（1995），Gonzalo和Granger （1995） 。
Kenneth D. Garbade & William L. Silber （1979）对相同商品或金融资产在不同市场上的价格间的调整方式进行分类，将单向调整时的两个市场之间的关系称为主-卫星市场（dominant-satellite market relationship），卫星市场的价格向主市场调整，调整过程存在由通讯速度决定的时间延迟，并实证说明了区域性交易所是纽约证券交易所（NYSE）的卫星市场，但不是纯的卫星市场（not pure satellites）。Garbade & Silber（1983）建立期现货价格关系的局部均衡模型（G-S模型），用模型系数占比度量期现货在价格发现中的重要性，分析信息传递和价格发现过程中期货市场是否起到主导作用。针对没有直接对G-S模型构造的价格发现度量指标进行显著性检验的检验统计量这一问题，Schwarz & Szakmary（1994）构造了一个堆叠（stacked）模型对比率显著性进行检验。Linghubo Yang & Dongxiang Zhang （2013）同时使用格兰杰因果检验、J■rg Breitung & Bertrand Candelon （2006）的频域分析法、G-S模型分析中国的6种商品期货市场的价格发现功能，不同方法得到结果有差异[4]。Moosa A.Imad（2002）使用G-S模型，对1985-1996年间的WTI原油期现货进行分析，60%的价格发现功能来自期货市场。Yue-Jun Zhang、Zi-Yi Wang （2013） 使用Garbade-Silber模型研究美国市场上原油期现货间、汽油期现货间、原油期货与汽油期货间的价格发现功能，原油、汽油市场上分别有95.71% 、59.41%的价格发现由期货提供，期货价格发现功能更大；原油与汽油期货间85.71%的价格发现功能由汽油贡献。
Joel Hasbrouck（1995）将一个市场对价格发现过程的贡献程度的测度量称为信息份额（information shares，IS），假设在资产交易的所有市场上存在一个共同隐含有效均衡价格，认为价格发现是共有因子（隐含有效价格）新息的方差，把某个市场对价格发现的贡献即IS定义为有效价格新息的方差中由该市场贡献的部分；Lien & Shrestha（2009）对此法进行修正，2014年提出一般化信息份额（GIS）的概念。Jesus Gonzalo & Clive Granger （1995）对价格进行“持久-暂时”（PT）成分分解，根据持久部分的系数构建价格发现测度CFW（Common factor weights），在VECM框架下，一个市场的CFW等于调整向量系数的相对大小。
Hasbrouck（1995）的信息份额（IS）模型和Gonzalo-Granger（1995）的长-短期（P-T）模型都属于共有因子模型，前者是对共有因子的方差进行分解，后者是将共有因子分解。IS与CFW反映的是一种长期的价格发现过程，对这两种方法的比较引出了一系列的研究。Richard T.Baillie & G.Geoffrey Booth（2002） 比较Hasbrouck（1995）与Gonzalo & Granger（1995）认为，在市场间的VECM残差的无关时IS和CFW的结果相似，而相关时结果不同；Bruce N.Lehmann（2002） 分析了在价格发现研究中IS与CEW的不同点；Frank de Jong （2002）认为虽然只有IS考虑到了新息的易变性，这两种测度还是密切相关的；Joel Hasbrouck （2002）认为 IS和CFW两种方法都不能精确进行结构测定；考虑到外部冲击带来的结构变化，Bingcheng Yan & Eric Zivot （2010）使用结构化协整模型建立IS和CS（component share），说明IS主要解释市场价格对新信息的反应，CS解释对流动性冲击的反应。
Daniel Rittler（2012）使用IS和CFW 衡量长期价格发现，使用granger因果检验短期价格发现；期现货的日内数据有协整关系，而日度数据没有，期货更快获得信息然后再传递到现货中；日度数据显示期货对现货的单向格兰杰因果关系，而日内高频数据显示双向关系；由此说明不同数据频率会导致结果不同。Keshab Shrestha （2014） 使用Gonzalo & Granger（1995）和Lien & Shrestha （2014）两种方法研究石油、燃料油、天然气市场上的期现货的价格发现，对燃料油和天然气几乎所有价格发现发生在期货市场，而在石油市场期现货都具有价格发现功能。陈明华、陈蔚（2010）对WTI期现货价格数据，使用Johansen协整检验发现期现货价格存在长期均衡关系，使用VECM、方差分解、G-S模型检验期现货价格的因果
关系，期货价格对现货价格具有更强的引导关系，在石油价格发现过程中，期货市场价格起主导作用[5]。
4.对中国燃料油期货价格发现的实证研究
对我国燃料油期、现货市场的研究方面，李海英等（2007）对2004.08.25—2006.03.28间上海燃料油期货市场价格发现功能发挥和价格引导情况进行分析，两种价格存在协整关系，燃料油期货价格发现功能得到一定程度发挥，但仅存在现货价格对期货价格的单向引导关系，且在价格发现功能中，现货价格起着决定性的作用[6]；王蕊和王新宇（2010）对我国2004.10.08—2008.04.30间的燃料油期现货价格进行研究，期现货市场之间存在长期均衡关系，期货市场在价格发现中处于主导地位[7]。以上两次研究使用的方法相同结果却不大相同，应该是样本区间差异造成的，上海燃料油期货产生于2004年8月25日，随着时间推移，期货价格发现功能逐步显现，这也提醒我们在检验时要考虑时间变化带来的时间序列结构变化。陈志英（2013）使用VECM和Granger检验我国燃料油的期现货之间的关系，存在长期均衡和双向引导关系，期货在价格发现中起主导作用[8]。 在我国燃料油期货与其他国际石油市场间的关系研究方面。李海英（2007）采用协整理论、基于VAR的Granger因果关系检验以及VECM，从多变量的角度对燃料油期货上市前后国内外燃料油价格的相关性进行实证分析；协整检验结果显示，燃料油期货上市后，新加坡燃料油价格波动对国内燃料油价格波动的影响显著减小。何莹（2012）使用上交所燃料油期货价格和新加坡PLATTS（普氏公司）的现货数据研究发现不存在引导关系，并认为原因可能是国内燃料油市场相对比较封闭，新加坡市场的交易情况并不能体现我国燃料油市场的供求状况[9]。这方面研究较少而且并没有得到关于我国燃料油与世界石油市场关系的明确结论，我国石油在世界市场上的价格发现功能是对我国石油定价权的反映，关于我国石油市场在世界市场中的地位需进一步研究。
（三）总结
除了普遍用到的上述几种方法，还有诸如Mohammed Alzahrani & Mansur Masih & Omar Al-Titi （2014）小波分析，Brietung & Candelon （2006）频域分析法等。由上可见，价格的领先-滞后关系的实证结果并不总是一致的，不同市场、不同数据频率、不同方法、不同样本区间，都可能导致实证结果的差异。在实证中，应考虑到价格时间序列的特征，采用相适应的检验方法以及不同方法的结果进行对比，以提高检验的稳健性。
三、条件相关性与波动溢出
波动溢出是指一个市场的价格或收益率的波动变化对其他市场波动的滞后影响。从实证角度，波动溢出是不同市场的价格（或收益率）时间序列之间的二阶矩之间的因果关系。期货市场的另一大基本功能是风险规避，在构造资产组合时要考虑到资产与期货间的波动率和条件相关关系，计算组合风险价值度、套期保值比率和投资组合系数，将风险进行测度与转移。
（一）多元GARCH（Multivariate GARCH，MGARCH）模型
作为最常用的考察时间序列联动关系的方法，多元GARCH模型是通过对多个时间序列的方差-协方差矩阵进行模型设定而实现的，当然同时要考虑到所用GARCH模型对所研究市场特征的描述设定相应的收益率的条件分布形式。设yt是包含N种资产的收益率向量yt=E（yt|Ft-1）+εt，εt=Dtηt，Var（εt|Ft-1）=Ωt=DtГDt，Ωt是N×N维的协方差矩阵，是对协方差矩阵分解得到的由标准差构成的对角矩阵，一般的多元GARCH是把协方差矩阵的下对角元素进行堆叠成向量，然后将其设定为矩阵过去值和过去信息的函数，eg：MVGARCH（1，1）vech（Ωt）=A+Bvech（εt-1ε■t-1）+Cvech（Ωt-1），其中vech是把矩阵下对角元素堆叠成向量的运算子，Ωt、A是■×1维向量，B、C是■×■维向量。但是其中包含过多的待估参数，造成估计的困难，为此需要对模型进行一些限制。
Luc Bauwens & Sébastien Laurent & Jeroen V. K. Rombouts （2006）把多元GARCH分成三类[10]：第一类，直接对单变量GARCH进行一般化，比如VEC、BEKK、Factor-ARCH（Engle et al 1988，Engle1987）等；第二类，将单变量ARCH进行线性组合，比如Latent-Factor-ARCH、（generalized）orthogonal-ARCH（van der weide2002）等；第三类，将单变量ARCH进行非线性组合，比如CCC-ARCH、DCC-ARCH、Copula-GARCH等。在对期、现货市场的波动溢出和相关性进行研究时已用到的多元GARCH模型主要有VEC、CCC、TVC、DCC、vector ARMA-GARCH。其中，VEC作为最早的多元GARCH模型，设定条件方差-协方差矩阵的每个元素都是所有滞后条件方差、协方差以及滞后收益率（或扰动项）平方、交叉项的函数（GARCH形式）；Bollerslev et.al.（1988）提出当条件方差-协方差矩阵的每个元素只依赖自身滞后和与其相应的扰动项的对角VEC，相当于将矩阵的非对角元素全部设定为0，减少了参数；VEC模型存在的问题之一是协方差矩阵的正定性，BEKK是直接对多维扰动项的条件协方差矩阵进行GARCH形式的设定，把常数项分解成下三角矩阵的乘积以保证正定性，把滞后扰动项和协方差矩阵表示成类似二次型的形式，是VEC的一个特例。CCC是一种衡量时间序列间的条件相关性的建模方法，不存在波动间的相关性，先将协方差矩阵分解为标准差矩阵和常条件相关系数矩阵，先估计每种资产的单变量GARCH得到标准差，再对相关系数矩阵进行模型设定并用MLE进行估计；Tse（2000）建立拉格朗日乘子检验对CCC的常相关系数假设进行检验；DCC和TVC设定相关系数矩阵是时变的，DCC认为相关系数矩阵随时间变化，当前的条件相关系数受到过去相关系数、标准化残差的相关系数和过去冲击的影响；TVC是将相关系数矩阵与其过去值和过去样本相关系数矩阵建立GARCH模型。VARMA-GARCH是设定VGARCH，每种资产的波动同时也受其他资产的波动和过去扰动的影响；考虑到冲击的非对称效应，McAleer et al（2009）把扰动项的示性函数加入GARCH中，提出VARMA-AGARCH（asymmetric-GARCH）；参照Ludger Hentschel （1995）对单变量GARCH模型的嵌套方法，Kenneth F. Kroner和Victor K. Ng（1998）提出包含非对称性的一般化多元ARCH模型（General Dynamic Covariance model，GDC），该模型能够嵌套以上几个模型。
Daniel Rittler （2012）使用VECM的残差估计Christian Conrad、Karanasos （2010）提出的二元非对称无约束的扩展DCC-GARCH（bivariate asymmetric unrestricted extended DCC-GARCH）模型，调查市场的波动溢出，发现期货到现货市场的波动溢出。Mohamed El Hedi Arouriaet al（2011）使用VAR、CCC、DCC、BEKK研究石油与股市之间的波动溢出效应，发现在欧洲市场上石油向股市溢出，在美国市场上是双向溢出，VAR模型估计的市场波动溢出相比其它模型在分散化收益和对冲效果上更好。Maosen Zhong & et al（2004）使用EC-EGARCH对方差-协方差矩阵建模，发现墨西哥期货市场对现货市场有溢出效应。Olga Efimova、Apostolos Serletis （2014）使用三元BEKK、DCC模型研究发现石油、天然气、电力市场之间存在波动溢出。Chia-Lin Changet al（2013）使用CCC、DCC、VARMA-GARCH、VARMA-AGARCH研究石油市场与金融市场之间的条件相关关系和波动溢出，CCC显示条件冲击只在市场内显著，DCC表明相关系数是时变的，并未从VARMA-GARCH、VARMA-AGARCH的检验中找到显著的波动溢出[11]。Sanjay Sehgal、et al（2013）使用二元EGARCH研究8种商品、3种市场指数的期现货之间的波动溢出，只有3种商品的期现货间有 波动溢出效应，指数期现货之间没有。
国内研究中，马超群等（2009）发现从主要国际石油市场至上海燃料油期货市场存在显著的波动溢出[12]；陈志英（2013）使用DCC模型研究我国燃料油期现货市场的波动溢出，表现为现货市场向期货市场的正向溢出，DCC模型表明信息在两个市场间是流动的，两市的整合程度较高，但两市的相关系数还不是很高。
（二）随机波动（stochastic volatility，SV）模型
随机波动模型也是描述时变波动率的一种建模方法，可以表示成与资产定价模型类似的连续时间模型形式，也可以通过Euler或Milstein离散化转换成离散时间模型进行估计。SV是把波动过程也表示成扩散随机过程，Taylor（1982）首次把随机波动模型用于处理金融时间序列的波动集聚问题。此后，对SV模型的估计方法和扩展有一系列研究。Jacquier ，Polson & Rossi（1994）首次用MCMC估计SV，并与伪似然法比较；鉴于价格变化的非连续性，Bates（1996）提出收益率带跳的SV模型；Duffie，Pan & Singleton（2000）提出仿射跳跃扩散模型类，能够嵌套跳跃相关和跳跃不相关两种形式的SV模型；对扰动项的不同设定形式描述了不同的收益率特征，Meyer、Yu（2000）对5种形式下的SV模型使用winbugs软件进行了模拟；Eraker，Johannes & Polson （2003）使用MCMC对收益率和波动都带跳的SV模型进行估计；Asgharian & Bengtsson（2006）使用MCMC分别估计国际市场上10个股指的SVCJ（SV with correlated jumps）模型，使用得到的
跳跃数据构建指标衡量市场间的跳跃溢出情况。
为了解不同时间序列间的关系，也建立了多元随机
波动模型（multivariate SV，MSV）。Harvey，Ruiz & Shephard（1994）首次提出MSV，通过建立矩阵方程并对收益率和波动方程中的扰动项进行多元概率密度分布设定实现，波动方程中波动矩阵的系数对应了波动间的关系。MSV的一大缺点是参数过多，不容易进行估计和预测，为此，进行一些必要的模型限制。Asai et al. （2006，2007）介绍了四种对MSV进行简化的方法。Asai，McAleer & Yu（2006）和Maasoumi & McAleer（2006）对多元随机波动模型进行了综述，Asai等人将MSV分成四个类型，并分别介绍相应的建模形式[13]。
Xiao dong Duet al（2011）使用Jun Yu & Renate Meyer（2006）提出的二元SV模型研究发现石油和农产品市场之间具有显著波动溢出效应[14]。考虑到扰动项多元分布中相关系数的时变性，构建常相关和时变相关的MSV模型，Minh T.Vo（2011）分别使用这两种模型进行检验，股市和石油期货波动之间存在溢出效应[15]。
（三）其他方法
经济突发事件的发生会导致经济状态的转变，价格发生跳跃，此时，可以考虑将马尔科夫机制转换（Markov Switching，MS）加入到常见的时间序列建模方式中。Minh T. Vo（2009）把机制转换加入随机波动模型，并比较三种建模方式下对石油价格的预测能力。考虑到时间序列的跳跃现象，其中存在低波动状态和高波动状态之间的转换，Ahmed A.A. Khalifaet al （2014）使用Multi-Chain MS（MCMS）模型分析海湾合作委员会（GCC）的6个股市与三个世界市场（WTI轻质原油、S&P500、MSCI世界指数）之间的波动溢出关系；S & P500对科威特和阿曼股市，MSCI对沙特阿拉伯和科威特股市，原油对迪拜股市有显著溢出效应。
滚动窗口相关（Rolling Windows Correlation，RWC）方法和指数加权移动平均（Exponentially Weighted Moving Averages，EWMA）也常用于刻画时序间的动态相关性，Li Liu & Jieqiu Wan（2011）用滚动抽样方法对石油期现货的动态关系进行研究。
（四）总结
考虑到待估参数的数量，估计方法的便利性等，多元GARCH类模型是最常用的一种分析波动溢出的方法，SV模型由于Bayesian MCMC估计方法的使用，得到一定的应用；Ahmed A.A. Khalifaet al（2014）认为Regime Switch模型的优势在于能够区分市场间的相依、溢出、联动关系三种波动传递机制。
波动溢出效应存在于多种类型的市场之间，并非所有市场间的波动溢出效应都是显著的。对于溢出的方向也存在多种情形，一般那些大型市场在溢出中占主导地位。文献中对于石油产品市场的波动溢出效应的研究集中于它与其他市场之间，而石油类期货与现货市场间的波动溢出的研究较少。
四、总结与展望
本文梳理了近年来在期货市场与现货市场以及其他市场关系的相关研究，主要集中于原油及其相关产品的期现货之间的关系，发现在两者关系的实证研究中出现很多新的方法和研究视角。对于期现货之间的价格关系，受制于研究时间、方法、数据、市场等，并无一致的结论，但多数情景下期货市场具有价格发现功能。对于期、现货之间的波动关系，研究集中于股市、商品市场等与原油市场间的关系，对原油期现货之间波动关系的研究较少。
随着计算机技术的发展和金融数据质量的提升，小波分析、神经网络、遗传算法、Copula方法等将逐步应用到对市场间关系的研究之中，提高研究的质量。■
（责任编辑：于明）
参考文献：
[1]Chen L.， Zeng Y.. The properties and cointegration of oil spot and futures prices during financial crisis[J].Energy Procedia，2011（5）. [2]Stelios D. Bekiros & Cees G.H. Diks，The relationship between crude oil spot and futures price： cointegration，linear and nonlinear causality[J].Energy Economics，2008（30）：2673-2685.
[3]Huang B.N.， Yang C.W.， Hwang M.J.. The dynamics of a nonlinear relationship between crude oil spot and futures prices： A multivariate threshold regression approach[J].Energy Economics， 2009.
[4]Yang L.， Zhang D.X.. Can futures price be a powerful predictor？ Frequency domain analysis on Chinese commodity market[J].Economic Modelling，2013，35：264-271.
[5]陈明华，陈蔚.国际石油期货市场价格发现功能研究—基于WTI的实证分析[J].世界经济与政治论坛，2010（4）.
[6]李海英.上海燃料油期货价格发现功能研究—基于GS模型的实证分析，财贸研究，2007（2）.
[7]王蕊，王新宇.我国燃料油期货价格与现货价格关系的实证研究[J].浙江金融，2010（2）.
[8]陈志英.我国燃料油期货与现货市场价格发现和波动溢出效应研究[J].金融理论与实践，2013（10）.
[9]何莹.中国燃料油期货市场有效性及价格发现功能研究[J].当代经济，2012（9）.
[10]Bauwens L.， Laurent L.，Rombouts Jeroen V. K..Multivariate GARCH models： A survey[J].Journal of Applied Econometrics， 2006（21）：79-109.
[11]Chang C.L.， McAleer M.， Tansuchat R.. Conditional correlations and volatility spillovers between crude oil and stock index returns[J].North American Journal of Economics and Finance， 2013，25：116-138.
[12]马超群，余升翔，陈彦玲，王振全.中国上海燃料油期货市场信息溢出研究[J].管理科学学报，2009（6）.
[13]Asai M.， McAleer M.，Jun Yu.Multivariate Stochastic Volatility： A Review[J].Econometric Reviews，2006（25）.
[14]Du X.d.， Yu C.L.， Hayes D.J..Speculation and volatility spillover in the crude oil and agricultural commodity markets： A Bayesian analysis[J].Energy Economics，2011（33）： 497-503.
[15]Minh Vo.Oil and stock market volatility：A multivariate stochastic volatility perspective[J].Energy Economics，2011（33）：956-965.
关键词： 石油期货；价格发现；波动溢出；条件相关
中图分类号：F426.22 文献标识码：A〓 文章编号：1003-9031（2015）05-0032-06 DOI：10.3969/j.issn.1003-9031.2015.05.07
一、引言
20世纪70年代的石油危机，使得人们充分认识到了石油在经济中的重要性，作为一种战略能源，石油定价直接影响一国的经济实力。2004年8月25日，我国在上海期货交易所上市燃料油期货，在此之前我国参照海外的石油定价。2013年10月9日，在上海期货交易所的石油沥青期货合约上市，被认为是给原油期货上市提前铺路。2013年11月22日，上海国际能源交易中心正式揭牌成立，标志着我国原油期货的上市迈出了关键一步。顺势推出中国原油期货，有利于增强中国在国际原油市场定价中的话语权，有利于优化石油资源配置，保障我国的能源安全。因此，本文对原油及相关产品期货市场的研究进行回顾，对期现货之间的理论关系和实证方法及结果进行总结，以期对期货现货之间的关系提供较全面的了解。
二、期现货价格关系及价格发现
（一）理论支撑
Fama & French（1987）关于期、现货价格关系的理论有两种：一是使用风险溢价来模型化期货与现货的价格关系；二是在无套利条件下利用存货持有成本（cost-of-carry）模型来考察期现货价格的关系。Svetlana Maslyuk & Russell Smyth（2009）在期现货之间不存在持续的套利机会。从以上理论上说，期现货价格存在相互关系，两者之间存在一种长期均衡状态。
价格发现是期货市场的两大基本功能之一，Hoffman
（1932）认为期货市场价格发现功能的本质是市场对新信息的吸收快慢，新信息首先通过期货价格而不是现货价格的变化反应出来。Param Silvapulle、Imad A.Moosa（1999）指出期货市场具有价格发现功能的原因之一是由于期货市场较低交易成本和卖空操作便利使得期货价格相对现货能够更快的对新信息作出反应，因此期货具有价格发现能力。
（二）实证研究
从实证上讲，价格发现是期现货价格时间序列之间的引导关系或因果关系。为进行价格发现的实证检验，首先要明确期现货价格过程的性质，进行平稳性检验和协整分析，如果序列平稳可直接使用格兰杰因果关系检验（GC）、向量自回归（VAR）检验，否则，对非平稳序列若存在协整关系，即价格间存在长期均衡关系，则分析二者间价格的领先与落后关系需在向量误差修正模型（VECM）下进行。然而，鉴于价格时间序列的不同时期、不同市场、不同频率等而具有的不同特征、不同关系，在实际检验中实证方法不局限于此。
1.协整检验期现货价格的长期均衡关系
在进行因果检验前，先要进行单位根检验和协整检验，协整检验反映期现货价格之间的长期均衡关系。传统的检验方法是Engle、Granger （1987）基于残差的单位根检验和Johansen（1988）的迹检验和最大特征值检验。考虑到时间序列的变化，检验方法进行了改进和更新。Engle、Granger （1987）的协整检验假设时序不存在结构变化、协整向量不随时间改变，可通过线性组合消除时序之间的长期共同趋势，如果存在结构变化，检验结果会出现错误。Gregory & Hansen（1996）考虑了在截距或系数或趋势项中存在机制转变的情况，构建针对存在机制转换的协整检验方法。Svetlana Maslyuk & Russell Smyth （2009） 使用Gregory-Hansen方法对US WTI & UK Brent的原油期现货关系进行检验，发现存在协整关系。Chen Lei、Zeng Yong（2011）考虑到金融危机导致的石油价格过度波动（excess volatility），使用2002.1.1-2009.12.31期间的Brent原油期现货价格数据，发现危机期间的期现货价格过程都具有随机单位根，而且期现货价格是随机协整（stochastic co-integration）的[1] 。Chien-Chiang Lee & Jhih-Hong Zeng （2011）使用肖志杰（2009）提出的分位数协整方法和Diks & Panchenko （2006）的非参数检验对1986—2009期间的WTI原油期现货价格关系进行研究，发现现货与短期期货间在各分位数下都存在双向因果关系，而现货与长期（2-，3-，and 4-months）期货合约只在某些分位数下存在单向因果关系，说明短期期货市场中有效市场假说成立，并使用前景理论对结果进行了解释。Yu-Shao Liu et al. （2011）认为由于较低的交易成本和较少的卖空限制，对两时间序列长期均衡关系的短期偏离在正或负基差下的调整是不对称的，使用J■rg Breitung（2001）秩检验和二元非对称门限VECM检验WTI石油期现货价格的协整关系，发现存在非线性协整关系，且现货价格对正基差的调整更迅速。可见，在国外研究中，采用不同的协整检验方法，都发现石油期现货市场之间存在协整关系，这种协整关系可能是线性或非线性的、确定的或随机的。
2.因果关系检验期现货价格的领先-滞后关系
协整分析说明的是两个时间序列之间的长期均衡关系，为判断两者之间的引导关系需要进一步的使用格兰杰因果检验方法，在协整基础上采用VEC模型。根据Kahneman & Tversky（1979）前景理论，人类行为存在反射效应（reflection effect），即风险规避行为，从而在面对来自经济金融市场对石油的不同冲击时，效果是不对称的，导致价格过程是非线性的，考察价格关系时不能用传统线性方法。传统的格兰杰因果检验基于线性关系，而由于非线性交易成本函数、噪音交易者、市场微观结构的影响，期现货价格之间的关系可能是非线性的。由此，Baek、Brock（1992）提出了一种非参数检验来检验非线性因果关系，Hiemstra & Jones（1994）对此进行了修正，Param Silvapulle & Imad Moosa（1999）用这种非线性方法来检验石油期现货之间的因果关系，发现是一种双向效应，而采用萧政（1981）的线性检验方法得到单向的期货价格发现功能。Cees Diks（2005） & Valentyn Panchenko（2006）对Baek & Brock （1992）进行了修正，Bekiros & Diks （2008）应用他们的方法考察石油期现货价格间的关系，发现考虑到非线性的影响两个市场间的因果关系在不同时间区间结果不同，而线性检验结果在两个时间区间都是单向[2]。石油价格时间序列受到外部冲击的影响，会发生结构变化，如果在样本观测期间有大的外部冲击时，使用结构变动模型，W很多文献考虑了结构变点问题。对确定的结构变点，可进行分时间区间检验，Bwo-Nung Huang & Yang & Hwang（2009）以1990年海湾战争和2001年911事件为分界时间，鉴于期现货的基差大小形成一种套利机会，以交易成本作为基差的门限值，构建包含三种情形的VECM模型，使用蔡瑞胸（1998）的MVTAR（multivariate threshold auto-regression）方法进行估计，检验结果因结构变化和套利机会变化而不同，且发现非线性模型优于线性模型[3]。以上可见国外的研究中，石油期现货的引导关系可以是单向的也可能是双向的，一般两个市场都具有价格发现的功能，但是引导的方向不明确。 3.模型法度量价格发现功能的大小
因果关系检验只能告诉我们期现货两者之间谁在价格发现中具有引导作用，不能量化在价格发现中作用程度，而且有的文献发现两者之间互相具有引导作用，这时无法对两者的价格发现功能进行对比，为此，一些学者建立模型量化价格发现的大小。通过构建模型量化分析不同市场的价格发现功能，大致有3种方法：Garbade & Silber（1983），Joel Hasbrouck（1995），Gonzalo和Granger （1995） 。
Kenneth D. Garbade & William L. Silber （1979）对相同商品或金融资产在不同市场上的价格间的调整方式进行分类，将单向调整时的两个市场之间的关系称为主-卫星市场（dominant-satellite market relationship），卫星市场的价格向主市场调整，调整过程存在由通讯速度决定的时间延迟，并实证说明了区域性交易所是纽约证券交易所（NYSE）的卫星市场，但不是纯的卫星市场（not pure satellites）。Garbade & Silber（1983）建立期现货价格关系的局部均衡模型（G-S模型），用模型系数占比度量期现货在价格发现中的重要性，分析信息传递和价格发现过程中期货市场是否起到主导作用。针对没有直接对G-S模型构造的价格发现度量指标进行显著性检验的检验统计量这一问题，Schwarz & Szakmary（1994）构造了一个堆叠（stacked）模型对比率显著性进行检验。Linghubo Yang & Dongxiang Zhang （2013）同时使用格兰杰因果检验、J■rg Breitung & Bertrand Candelon （2006）的频域分析法、G-S模型分析中国的6种商品期货市场的价格发现功能，不同方法得到结果有差异[4]。Moosa A.Imad（2002）使用G-S模型，对1985-1996年间的WTI原油期现货进行分析，60%的价格发现功能来自期货市场。Yue-Jun Zhang、Zi-Yi Wang （2013） 使用Garbade-Silber模型研究美国市场上原油期现货间、汽油期现货间、原油期货与汽油期货间的价格发现功能，原油、汽油市场上分别有95.71% 、59.41%的价格发现由期货提供，期货价格发现功能更大；原油与汽油期货间85.71%的价格发现功能由汽油贡献。
Joel Hasbrouck（1995）将一个市场对价格发现过程的贡献程度的测度量称为信息份额（information shares，IS），假设在资产交易的所有市场上存在一个共同隐含有效均衡价格，认为价格发现是共有因子（隐含有效价格）新息的方差，把某个市场对价格发现的贡献即IS定义为有效价格新息的方差中由该市场贡献的部分；Lien & Shrestha（2009）对此法进行修正，2014年提出一般化信息份额（GIS）的概念。Jesus Gonzalo & Clive Granger （1995）对价格进行“持久-暂时”（PT）成分分解，根据持久部分的系数构建价格发现测度CFW（Common factor weights），在VECM框架下，一个市场的CFW等于调整向量系数的相对大小。
Hasbrouck（1995）的信息份额（IS）模型和Gonzalo-Granger（1995）的长-短期（P-T）模型都属于共有因子模型，前者是对共有因子的方差进行分解，后者是将共有因子分解。IS与CFW反映的是一种长期的价格发现过程，对这两种方法的比较引出了一系列的研究。Richard T.Baillie & G.Geoffrey Booth（2002） 比较Hasbrouck（1995）与Gonzalo & Granger（1995）认为，在市场间的VECM残差的无关时IS和CFW的结果相似，而相关时结果不同；Bruce N.Lehmann（2002） 分析了在价格发现研究中IS与CEW的不同点；Frank de Jong （2002）认为虽然只有IS考虑到了新息的易变性，这两种测度还是密切相关的；Joel Hasbrouck （2002）认为 IS和CFW两种方法都不能精确进行结构测定；考虑到外部冲击带来的结构变化，Bingcheng Yan & Eric Zivot （2010）使用结构化协整模型建立IS和CS（component share），说明IS主要解释市场价格对新信息的反应，CS解释对流动性冲击的反应。
Daniel Rittler（2012）使用IS和CFW 衡量长期价格发现，使用granger因果检验短期价格发现；期现货的日内数据有协整关系，而日度数据没有，期货更快获得信息然后再传递到现货中；日度数据显示期货对现货的单向格兰杰因果关系，而日内高频数据显示双向关系；由此说明不同数据频率会导致结果不同。Keshab Shrestha （2014） 使用Gonzalo & Granger（1995）和Lien & Shrestha （2014）两种方法研究石油、燃料油、天然气市场上的期现货的价格发现，对燃料油和天然气几乎所有价格发现发生在期货市场，而在石油市场期现货都具有价格发现功能。陈明华、陈蔚（2010）对WTI期现货价格数据，使用Johansen协整检验发现期现货价格存在长期均衡关系，使用VECM、方差分解、G-S模型检验期现货价格的因果
关系，期货价格对现货价格具有更强的引导关系，在石油价格发现过程中，期货市场价格起主导作用[5]。
4.对中国燃料油期货价格发现的实证研究
对我国燃料油期、现货市场的研究方面，李海英等（2007）对2004.08.25—2006.03.28间上海燃料油期货市场价格发现功能发挥和价格引导情况进行分析，两种价格存在协整关系，燃料油期货价格发现功能得到一定程度发挥，但仅存在现货价格对期货价格的单向引导关系，且在价格发现功能中，现货价格起着决定性的作用[6]；王蕊和王新宇（2010）对我国2004.10.08—2008.04.30间的燃料油期现货价格进行研究，期现货市场之间存在长期均衡关系，期货市场在价格发现中处于主导地位[7]。以上两次研究使用的方法相同结果却不大相同，应该是样本区间差异造成的，上海燃料油期货产生于2004年8月25日，随着时间推移，期货价格发现功能逐步显现，这也提醒我们在检验时要考虑时间变化带来的时间序列结构变化。陈志英（2013）使用VECM和Granger检验我国燃料油的期现货之间的关系，存在长期均衡和双向引导关系，期货在价格发现中起主导作用[8]。 在我国燃料油期货与其他国际石油市场间的关系研究方面。李海英（2007）采用协整理论、基于VAR的Granger因果关系检验以及VECM，从多变量的角度对燃料油期货上市前后国内外燃料油价格的相关性进行实证分析；协整检验结果显示，燃料油期货上市后，新加坡燃料油价格波动对国内燃料油价格波动的影响显著减小。何莹（2012）使用上交所燃料油期货价格和新加坡PLATTS（普氏公司）的现货数据研究发现不存在引导关系，并认为原因可能是国内燃料油市场相对比较封闭，新加坡市场的交易情况并不能体现我国燃料油市场的供求状况[9]。这方面研究较少而且并没有得到关于我国燃料油与世界石油市场关系的明确结论，我国石油在世界市场上的价格发现功能是对我国石油定价权的反映，关于我国石油市场在世界市场中的地位需进一步研究。
（三）总结
除了普遍用到的上述几种方法，还有诸如Mohammed Alzahrani & Mansur Masih & Omar Al-Titi （2014）小波分析，Brietung & Candelon （2006）频域分析法等。由上可见，价格的领先-滞后关系的实证结果并不总是一致的，不同市场、不同数据频率、不同方法、不同样本区间，都可能导致实证结果的差异。在实证中，应考虑到价格时间序列的特征，采用相适应的检验方法以及不同方法的结果进行对比，以提高检验的稳健性。
三、条件相关性与波动溢出
波动溢出是指一个市场的价格或收益率的波动变化对其他市场波动的滞后影响。从实证角度，波动溢出是不同市场的价格（或收益率）时间序列之间的二阶矩之间的因果关系。期货市场的另一大基本功能是风险规避，在构造资产组合时要考虑到资产与期货间的波动率和条件相关关系，计算组合风险价值度、套期保值比率和投资组合系数，将风险进行测度与转移。
（一）多元GARCH（Multivariate GARCH，MGARCH）模型
作为最常用的考察时间序列联动关系的方法，多元GARCH模型是通过对多个时间序列的方差-协方差矩阵进行模型设定而实现的，当然同时要考虑到所用GARCH模型对所研究市场特征的描述设定相应的收益率的条件分布形式。设yt是包含N种资产的收益率向量yt=E（yt|Ft-1）+εt，εt=Dtηt，Var（εt|Ft-1）=Ωt=DtГDt，Ωt是N×N维的协方差矩阵，是对协方差矩阵分解得到的由标准差构成的对角矩阵，一般的多元GARCH是把协方差矩阵的下对角元素进行堆叠成向量，然后将其设定为矩阵过去值和过去信息的函数，eg：MVGARCH（1，1）vech（Ωt）=A+Bvech（εt-1ε■t-1）+Cvech（Ωt-1），其中vech是把矩阵下对角元素堆叠成向量的运算子，Ωt、A是■×1维向量，B、C是■×■维向量。但是其中包含过多的待估参数，造成估计的困难，为此需要对模型进行一些限制。
Luc Bauwens & Sébastien Laurent & Jeroen V. K. Rombouts （2006）把多元GARCH分成三类[10]：第一类，直接对单变量GARCH进行一般化，比如VEC、BEKK、Factor-ARCH（Engle et al 1988，Engle1987）等；第二类，将单变量ARCH进行线性组合，比如Latent-Factor-ARCH、（generalized）orthogonal-ARCH（van der weide2002）等；第三类，将单变量ARCH进行非线性组合，比如CCC-ARCH、DCC-ARCH、Copula-GARCH等。在对期、现货市场的波动溢出和相关性进行研究时已用到的多元GARCH模型主要有VEC、CCC、TVC、DCC、vector ARMA-GARCH。其中，VEC作为最早的多元GARCH模型，设定条件方差-协方差矩阵的每个元素都是所有滞后条件方差、协方差以及滞后收益率（或扰动项）平方、交叉项的函数（GARCH形式）；Bollerslev et.al.（1988）提出当条件方差-协方差矩阵的每个元素只依赖自身滞后和与其相应的扰动项的对角VEC，相当于将矩阵的非对角元素全部设定为0，减少了参数；VEC模型存在的问题之一是协方差矩阵的正定性，BEKK是直接对多维扰动项的条件协方差矩阵进行GARCH形式的设定，把常数项分解成下三角矩阵的乘积以保证正定性，把滞后扰动项和协方差矩阵表示成类似二次型的形式，是VEC的一个特例。CCC是一种衡量时间序列间的条件相关性的建模方法，不存在波动间的相关性，先将协方差矩阵分解为标准差矩阵和常条件相关系数矩阵，先估计每种资产的单变量GARCH得到标准差，再对相关系数矩阵进行模型设定并用MLE进行估计；Tse（2000）建立拉格朗日乘子检验对CCC的常相关系数假设进行检验；DCC和TVC设定相关系数矩阵是时变的，DCC认为相关系数矩阵随时间变化，当前的条件相关系数受到过去相关系数、标准化残差的相关系数和过去冲击的影响；TVC是将相关系数矩阵与其过去值和过去样本相关系数矩阵建立GARCH模型。VARMA-GARCH是设定VGARCH，每种资产的波动同时也受其他资产的波动和过去扰动的影响；考虑到冲击的非对称效应，McAleer et al（2009）把扰动项的示性函数加入GARCH中，提出VARMA-AGARCH（asymmetric-GARCH）；参照Ludger Hentschel （1995）对单变量GARCH模型的嵌套方法，Kenneth F. Kroner和Victor K. Ng（1998）提出包含非对称性的一般化多元ARCH模型（General Dynamic Covariance model，GDC），该模型能够嵌套以上几个模型。
Daniel Rittler （2012）使用VECM的残差估计Christian Conrad、Karanasos （2010）提出的二元非对称无约束的扩展DCC-GARCH（bivariate asymmetric unrestricted extended DCC-GARCH）模型，调查市场的波动溢出，发现期货到现货市场的波动溢出。Mohamed El Hedi Arouriaet al（2011）使用VAR、CCC、DCC、BEKK研究石油与股市之间的波动溢出效应，发现在欧洲市场上石油向股市溢出，在美国市场上是双向溢出，VAR模型估计的市场波动溢出相比其它模型在分散化收益和对冲效果上更好。Maosen Zhong & et al（2004）使用EC-EGARCH对方差-协方差矩阵建模，发现墨西哥期货市场对现货市场有溢出效应。Olga Efimova、Apostolos Serletis （2014）使用三元BEKK、DCC模型研究发现石油、天然气、电力市场之间存在波动溢出。Chia-Lin Changet al（2013）使用CCC、DCC、VARMA-GARCH、VARMA-AGARCH研究石油市场与金融市场之间的条件相关关系和波动溢出，CCC显示条件冲击只在市场内显著，DCC表明相关系数是时变的，并未从VARMA-GARCH、VARMA-AGARCH的检验中找到显著的波动溢出[11]。Sanjay Sehgal、et al（2013）使用二元EGARCH研究8种商品、3种市场指数的期现货之间的波动溢出，只有3种商品的期现货间有 波动溢出效应，指数期现货之间没有。
国内研究中，马超群等（2009）发现从主要国际石油市场至上海燃料油期货市场存在显著的波动溢出[12]；陈志英（2013）使用DCC模型研究我国燃料油期现货市场的波动溢出，表现为现货市场向期货市场的正向溢出，DCC模型表明信息在两个市场间是流动的，两市的整合程度较高，但两市的相关系数还不是很高。
（二）随机波动（stochastic volatility，SV）模型
随机波动模型也是描述时变波动率的一种建模方法，可以表示成与资产定价模型类似的连续时间模型形式，也可以通过Euler或Milstein离散化转换成离散时间模型进行估计。SV是把波动过程也表示成扩散随机过程，Taylor（1982）首次把随机波动模型用于处理金融时间序列的波动集聚问题。此后，对SV模型的估计方法和扩展有一系列研究。Jacquier ，Polson & Rossi（1994）首次用MCMC估计SV，并与伪似然法比较；鉴于价格变化的非连续性，Bates（1996）提出收益率带跳的SV模型；Duffie，Pan & Singleton（2000）提出仿射跳跃扩散模型类，能够嵌套跳跃相关和跳跃不相关两种形式的SV模型；对扰动项的不同设定形式描述了不同的收益率特征，Meyer、Yu（2000）对5种形式下的SV模型使用winbugs软件进行了模拟；Eraker，Johannes & Polson （2003）使用MCMC对收益率和波动都带跳的SV模型进行估计；Asgharian & Bengtsson（2006）使用MCMC分别估计国际市场上10个股指的SVCJ（SV with correlated jumps）模型，使用得到的
跳跃数据构建指标衡量市场间的跳跃溢出情况。
为了解不同时间序列间的关系，也建立了多元随机
波动模型（multivariate SV，MSV）。Harvey，Ruiz & Shephard（1994）首次提出MSV，通过建立矩阵方程并对收益率和波动方程中的扰动项进行多元概率密度分布设定实现，波动方程中波动矩阵的系数对应了波动间的关系。MSV的一大缺点是参数过多，不容易进行估计和预测，为此，进行一些必要的模型限制。Asai et al. （2006，2007）介绍了四种对MSV进行简化的方法。Asai，McAleer & Yu（2006）和Maasoumi & McAleer（2006）对多元随机波动模型进行了综述，Asai等人将MSV分成四个类型，并分别介绍相应的建模形式[13]。
Xiao dong Duet al（2011）使用Jun Yu & Renate Meyer（2006）提出的二元SV模型研究发现石油和农产品市场之间具有显著波动溢出效应[14]。考虑到扰动项多元分布中相关系数的时变性，构建常相关和时变相关的MSV模型，Minh T.Vo（2011）分别使用这两种模型进行检验，股市和石油期货波动之间存在溢出效应[15]。
（三）其他方法
经济突发事件的发生会导致经济状态的转变，价格发生跳跃，此时，可以考虑将马尔科夫机制转换（Markov Switching，MS）加入到常见的时间序列建模方式中。Minh T. Vo（2009）把机制转换加入随机波动模型，并比较三种建模方式下对石油价格的预测能力。考虑到时间序列的跳跃现象，其中存在低波动状态和高波动状态之间的转换，Ahmed A.A. Khalifaet al （2014）使用Multi-Chain MS（MCMS）模型分析海湾合作委员会（GCC）的6个股市与三个世界市场（WTI轻质原油、S&P500、MSCI世界指数）之间的波动溢出关系；S & P500对科威特和阿曼股市，MSCI对沙特阿拉伯和科威特股市，原油对迪拜股市有显著溢出效应。
滚动窗口相关（Rolling Windows Correlation，RWC）方法和指数加权移动平均（Exponentially Weighted Moving Averages，EWMA）也常用于刻画时序间的动态相关性，Li Liu & Jieqiu Wan（2011）用滚动抽样方法对石油期现货的动态关系进行研究。
（四）总结
考虑到待估参数的数量，估计方法的便利性等，多元GARCH类模型是最常用的一种分析波动溢出的方法，SV模型由于Bayesian MCMC估计方法的使用，得到一定的应用；Ahmed A.A. Khalifaet al（2014）认为Regime Switch模型的优势在于能够区分市场间的相依、溢出、联动关系三种波动传递机制。
波动溢出效应存在于多种类型的市场之间，并非所有市场间的波动溢出效应都是显著的。对于溢出的方向也存在多种情形，一般那些大型市场在溢出中占主导地位。文献中对于石油产品市场的波动溢出效应的研究集中于它与其他市场之间，而石油类期货与现货市场间的波动溢出的研究较少。
四、总结与展望
本文梳理了近年来在期货市场与现货市场以及其他市场关系的相关研究，主要集中于原油及其相关产品的期现货之间的关系，发现在两者关系的实证研究中出现很多新的方法和研究视角。对于期现货之间的价格关系，受制于研究时间、方法、数据、市场等，并无一致的结论，但多数情景下期货市场具有价格发现功能。对于期、现货之间的波动关系，研究集中于股市、商品市场等与原油市场间的关系，对原油期现货之间波动关系的研究较少。
随着计算机技术的发展和金融数据质量的提升，小波分析、神经网络、遗传算法、Copula方法等将逐步应用到对市场间关系的研究之中，提高研究的质量。■
（责任编辑：于明）
参考文献：
[1]Chen L.， Zeng Y.. The properties and cointegration of oil spot and futures prices during financial crisis[J].Energy Procedia，2011（5）. [2]Stelios D. Bekiros & Cees G.H. Diks，The relationship between crude oil spot and futures price： cointegration，linear and nonlinear causality[J].Energy Economics，2008（30）：2673-2685.
[3]Huang B.N.， Yang C.W.， Hwang M.J.. The dynamics of a nonlinear relationship between crude oil spot and futures prices： A multivariate threshold regression approach[J].Energy Economics， 2009.
[4]Yang L.， Zhang D.X.. Can futures price be a powerful predictor？ Frequency domain analysis on Chinese commodity market[J].Economic Modelling，2013，35：264-271.
[5]陈明华，陈蔚.国际石油期货市场价格发现功能研究—基于WTI的实证分析[J].世界经济与政治论坛，2010（4）.
[6]李海英.上海燃料油期货价格发现功能研究—基于GS模型的实证分析，财贸研究，2007（2）.
[7]王蕊，王新宇.我国燃料油期货价格与现货价格关系的实证研究[J].浙江金融，2010（2）.
[8]陈志英.我国燃料油期货与现货市场价格发现和波动溢出效应研究[J].金融理论与实践，2013（10）.
[9]何莹.中国燃料油期货市场有效性及价格发现功能研究[J].当代经济，2012（9）.
[10]Bauwens L.， Laurent L.，Rombouts Jeroen V. K..Multivariate GARCH models： A survey[J].Journal of Applied Econometrics， 2006（21）：79-109.
[11]Chang C.L.， McAleer M.， Tansuchat R.. Conditional correlations and volatility spillovers between crude oil and stock index returns[J].North American Journal of Economics and Finance， 2013，25：116-138.
[12]马超群，余升翔，陈彦玲，王振全.中国上海燃料油期货市场信息溢出研究[J].管理科学学报，2009（6）.
[13]Asai M.， McAleer M.，Jun Yu.Multivariate Stochastic Volatility： A Review[J].Econometric Reviews，2006（25）.
[14]Du X.d.， Yu C.L.， Hayes D.J..Speculation and volatility spillover in the crude oil and agricultural commodity markets： A Bayesian analysis[J].Energy Economics，2011（33）： 497-503.
[15]Minh Vo.Oil and stock market volatility：A multivariate stochastic volatility perspective[J].Energy Economics，2011（33）：956-965.