董加加

〔摘要〕本文繼承Hotelling-Solow法則，將貨幣與資本市場表現(xiàn)作為機(jī)會成本納入產(chǎn)油國行為分析，在全球主要經(jīng)濟(jì)體運(yùn)行狀況出現(xiàn)分化的背景下，借助GVAR模型系統(tǒng)分析了原油供給的金融化特征，并比較了主要經(jīng)濟(jì)體對原油產(chǎn)量的影響。經(jīng)驗(yàn)結(jié)果表明：中美歐日四經(jīng)濟(jì)體的短期利率對原油產(chǎn)量影響方向不盡一致；美歐日股票價格和長期利率能夠顯著影響原油產(chǎn)量，表明“石油美元”的投資收益作為機(jī)會成本對原油生產(chǎn)積極性的影響；美元升值在長期對原油產(chǎn)量有正向刺激；全球貨幣與資本市場等虛擬經(jīng)濟(jì)對原油產(chǎn)量波動的方差貢獻(xiàn)超過50%，體現(xiàn)了原油供給的金融化特征。

〔關(guān)鍵詞〕原油供給；Hotelling-Solow法則；金融化；GVAR模型

中圖分類號：F416.22文獻(xiàn)標(biāo)識碼：A文

章編號：1008-4096（2015）03-0056-07

2014年6—11月，國際原油現(xiàn)貨價格從108美元/桶跌至76美元/桶。

此處是迪拜原油現(xiàn)貨價格，同期的布倫特、WTI原油現(xiàn)貨價格分別從109、101美元/桶跌至62、59美元/桶。

油價劇跌引發(fā)了俄羅斯和委內(nèi)瑞拉等產(chǎn)油國的財(cái)政危機(jī)，本幣大幅貶值，主權(quán)債務(wù)風(fēng)險增大或已經(jīng)發(fā)生違約事實(shí)。然而，油價的頹勢并未使石油輸出國組織（OPEC）和俄羅斯等原油出口國就縮減產(chǎn)量達(dá)成一致。相反，OPEC特別部長會議于2014年11月末宣布在2015年將維持3 000萬桶/日的產(chǎn)出水平，無意通過降低產(chǎn)量刺激油價。此后，國際油價進(jìn)一步下挫至60美元/桶，半年內(nèi)跌幅達(dá)45%。而引起普遍關(guān)注的不僅是油價大跌的事實(shí)，更在于OPEC等產(chǎn)油國不同于2008年末一邊倒大幅減產(chǎn)的產(chǎn)量決策。對于此差異，比較流行的解釋有地緣政治說、財(cái)政赤字說以及中東產(chǎn)油國試圖通過增產(chǎn)擠垮新興的頁巖油產(chǎn)業(yè)三種觀點(diǎn)，但對作為 “石油美元”增值端的金融市場卻鮮有關(guān)注。事實(shí)上，自2013年以來美國股市的快速反彈與油價震蕩下跌形成了鮮明對比，且這一態(tài)勢與2008年末油價、股票價格齊跌的狀態(tài)截然不同，這一反差啟發(fā)本文將“石油美元”的投資收益作為機(jī)會成本來思考主要產(chǎn)油國的生產(chǎn)決策。

一、文獻(xiàn)綜述

油價波動的金融化特征在2011年已經(jīng)得到一定的關(guān)注，但關(guān)于原油供給行為金融化特征的文獻(xiàn)卻并不多。Tokic[1]認(rèn)為機(jī)構(gòu)投資者將原油作為規(guī)避通脹風(fēng)險的金融資產(chǎn)納入其投資組合，助長了2008年油價泡沫。Büyüksahin和Robe[2]以及Zhu等[3]注意到了原油等大宗商品價格回報率和股票回報率的相關(guān)性。Frankel[4]發(fā)現(xiàn)實(shí)際利率和實(shí)際油價具有負(fù)向超調(diào)關(guān)系；Reboredo等[5]研究了油價和美元匯率的相關(guān)性；Arezkia等[6]對油價的金融化趨勢做了總結(jié)。事實(shí)上，原油生產(chǎn)金融化的研究可追溯至Hotelling的開創(chuàng)性成果，并經(jīng)過Solow發(fā)展為Hotelling-Solow法則[7-8]。根據(jù)Hotelling “可耗盡資源經(jīng)濟(jì)學(xué)”的觀點(diǎn)，投資收益率是保有石油儲備的機(jī)會成本，因而投資收益率的變化會影響最優(yōu)石油開采速度進(jìn)而影響產(chǎn)油國的供給行為。但由于技術(shù)進(jìn)步、競爭和供求關(guān)系變動等復(fù)雜因素的影響，這一理論法則并未得到廣泛證實(shí)和認(rèn)可。Blas[9]、Aleksandrov等[10]和Frankel[4]依然繼承了這一思路：Blas認(rèn)為金融市場的低回報降低了產(chǎn)油國的生產(chǎn)積極性，導(dǎo)致原油產(chǎn)量劇減成為2011年油價快速反彈的原因之一；Aleksandrov等發(fā)現(xiàn)2008年油價大跌后那些處于更低利率水平的產(chǎn)油國減產(chǎn)更多；

該文獻(xiàn)發(fā)現(xiàn)產(chǎn)油國對石油收入依賴越強(qiáng)，油價大跌時減產(chǎn)越少。Frankel發(fā)現(xiàn)高利率降低了產(chǎn)油國將石油藏于地下的動機(jī)，進(jìn)而提高開采率，增加石油供給。此外，李卓和張茜[11]亦從Hotelling視角提到了利率變量對原油市場波動的影響。2012年4月至2014年12月，“石油美元”投資于美國股市和貨幣市場的累計(jì)收益率對油價下跌損失有對沖作用。由于這種對沖作用的存在，產(chǎn)油國生產(chǎn)石油的損失遠(yuǎn)遠(yuǎn)小于油價下跌的幅度。即使在油價跌破50.61%的2014年末，“石油美元”投資于貨幣市場和美國股市的總累計(jì)收益率也達(dá)到47.93%，這可能是2014年11月OPEC在油價劇跌時依然決定不減產(chǎn)的重要誘因之一。

此外，Scherer[12]基于石油主權(quán)財(cái)富基金進(jìn)行的研究認(rèn)為，產(chǎn)油國需要購買發(fā)達(dá)國家的金融資產(chǎn)以對沖石油價格風(fēng)險，且美國國債對油價下跌具有顯著的對沖作用，股票不具有對沖作用但可以增加產(chǎn)油國收益。

不難發(fā)現(xiàn)，雖然上述文獻(xiàn)發(fā)展了Hotelling-Solow法則，從貨幣與資本市場對原油生產(chǎn)的影響等角度探討了原油供給的金融化特征，但尚未在全球經(jīng)濟(jì)金融系統(tǒng)中闡述原油供給波動背后的國別影響、金融變量影響及其動態(tài)特征，而這正是本文嘗試探討的方面。張延群[13]對GVAR模型的介紹以及 Smith和Galesi[14]提供的計(jì)算工具包為實(shí)現(xiàn)這些目的提供了借鑒。本文的創(chuàng)新表現(xiàn)：將貨幣與資本市場表現(xiàn)作為機(jī)會成本納入產(chǎn)油國行為分析，發(fā)現(xiàn)美國金融市場回暖對油價下跌具有對沖作用，且能夠刺激原油生產(chǎn)；定量刻畫原油產(chǎn)量波動背后的國別因素和金融變量因素及其動態(tài)特征；在直接標(biāo)價法下采取間接方式分析美元升值對原油產(chǎn)量的影響。

二、模型與數(shù)據(jù)

1.GVAR模型

GVAR 模型提供了分析經(jīng)濟(jì)變量在復(fù)雜系統(tǒng)中相互作用及其動態(tài)特征的有效方法。它通過貿(mào)易權(quán)重矩陣集結(jié)經(jīng)濟(jì)體外部變量，直接地呈現(xiàn)全局變量和某些重要變量的變動原因及其帶來的影響。同時，GVAR方法還避免了模型過大時參數(shù)過多的問題，因而成為分析國際經(jīng)濟(jì)問題的前沿方法。

GVAR模型是基于VARX模型發(fā)展起來的，與后者不同的是它將某國方程中包含的變量區(qū)分為國內(nèi)變量（Xit）、外國變量（X*it）和全球變量（dt）。其中國內(nèi)變量作為因變量受到自身滯后、外國變量和全球變量的共同影響，表示如下：

GVAR模型的其他細(xì)節(jié)亦不在文中贅述，可參見GVAR Toolbox 2.0 User Guide。進(jìn)而本文可以嘗試構(gòu)建一個包含全球主要經(jīng)濟(jì)體實(shí)體經(jīng)濟(jì)和虛擬經(jīng)濟(jì)變量的GVAR模型，在全球經(jīng)濟(jì)金融震蕩的環(huán)境中全面地分析原油供給的金融化特征。

2.變量與數(shù)據(jù)

本文建立的GVAR 模型包含25個國家和1個歐元區(qū)經(jīng)濟(jì)體。其中，德國、法國、意大利、西班牙、荷蘭、比利時、奧地利和芬蘭8個國家為歐元區(qū)主要成員國，按照GDP加權(quán)的方式集結(jié)為歐元區(qū)。因此，本文的模型共包含33個國家。根據(jù) 2006—2008 年的平均值測算，這33個國家的GDP之和占世界GDP總量的80%以上，其經(jīng)濟(jì)、金融變量的運(yùn)行狀態(tài)對世界經(jīng)濟(jì)的整體狀態(tài)具有很強(qiáng)的代表性。

由于主要經(jīng)濟(jì)體經(jīng)濟(jì)走勢表現(xiàn)出不一致的傾向，本文嘗試甄別出影響原油產(chǎn)量波動的國別因素，將主要國家的變量沖擊對原油市場影響的不同動態(tài)特征做出比較。由于利率水平和金融市場表現(xiàn)是影響“石油美元”投資收益的重要因素，亦即其是否積極采油的機(jī)會成本，因而選取長短期利率水平、股票價格指數(shù)和匯率等金融變量；實(shí)體經(jīng)濟(jì)層面則考慮實(shí)際產(chǎn)出指數(shù)和通脹指數(shù)兩個指標(biāo)。此外，將沙特阿拉伯（沙特）的原油產(chǎn)量作為石油供給的代理變量，將布倫特原油現(xiàn)貨價格作為國際油價的代理變量。本文采用季度數(shù)據(jù)，樣本區(qū)間為1979年第二季度至2014年第三季度。數(shù)據(jù)來源主要包括IMF、OECD和Wind數(shù)據(jù)庫、OPEC石油市場月報以及各國央行和統(tǒng)計(jì)局網(wǎng)站。

各國模型所包含的變量為國內(nèi)實(shí)際生產(chǎn)總值指數(shù)（GDP）、CPI通脹率（π）、實(shí)際股票價格指數(shù)（eq）、實(shí)際匯率（ep）、名義長期利率（rL）和名義短期利率（rS）6個變量，全球變量為國際油價（poil）和原油供給量（qoil）。各變量定義如下：

三、統(tǒng)計(jì)描述與檢驗(yàn)

1.變量滯后階數(shù)

在正式求解GVAR模型以前，要對各國模型中的滯后階數(shù)進(jìn)行設(shè)定。按照AIC準(zhǔn)則，本文對各國模型中的國內(nèi)變量和外國變量的滯后階數(shù)進(jìn)行設(shè)定。 根據(jù)AIC準(zhǔn)則的結(jié)果可知，所有國家的外國變量的最優(yōu)滯后階數(shù)均為1，國內(nèi)變量的最優(yōu)滯后階數(shù)絕大多數(shù)為2，體現(xiàn)了國內(nèi)變量的影響更為持久。各國模型的協(xié)整關(guān)系以2個最多，中美歐日四經(jīng)濟(jì)體模型的協(xié)整關(guān)系數(shù)均為2。限于篇幅，具體結(jié)果不在文中列出。

2.弱外生性檢驗(yàn)

在GVAR模型中，外國變量要滿足弱外生性要求。本文匯率變量在除美國以外的國家模型中均被視為內(nèi)生變量，無需檢驗(yàn)。在美國模型中，外國匯率的F統(tǒng)計(jì)量為1.83，小于臨界值3.07，滿足弱外生性要求。沙特原油產(chǎn)量對美國模型而言，其弱外生性檢驗(yàn)的F統(tǒng)計(jì)量為3.83，臨界值為3.07，不滿足5%置信水平上的弱外生性要求，但已很接近，本文依然視其為美國模型中的外生變量。其他國家的外國變量絕大多數(shù)符合弱外生性要求，具體如表2所示。

表2各國模型中外國變量的弱外生性檢驗(yàn)（5%顯著性水平）

3.協(xié)整關(guān)系對系統(tǒng)沖擊的持續(xù)反應(yīng)

持續(xù)反應(yīng)趨向于零的速度，反映了變量在系統(tǒng)沖擊下向均衡關(guān)系收斂的速度。從圖1可以看出，中美歐日四經(jīng)濟(jì)體協(xié)整向量（CV1和CV2）均表現(xiàn)出向零收斂的趨勢，表明兩個協(xié)整關(guān)系以及系統(tǒng)是平穩(wěn)的。但收斂的速度具有明顯的差異：美國和日本向均衡關(guān)系收斂的速度較快，而中國和歐元區(qū)向均衡關(guān)系收斂的速度相對較慢。

圖1中美歐日四經(jīng)濟(jì)體協(xié)整關(guān)系對系統(tǒng)沖擊的持續(xù)反應(yīng)

四、實(shí)證結(jié)果

在對原油市場供給端波動的分析中，本文選取有“石油央行”之稱的沙特季度原油產(chǎn)量

由于缺乏連續(xù)性的季度數(shù)據(jù)，本文用OPEC官網(wǎng)公布的1938—1994年各年平均日產(chǎn)數(shù)據(jù)（百萬噸）與Wind數(shù)據(jù)庫中1994—2014年季均日產(chǎn)數(shù)據(jù)（千桶）進(jìn)行了統(tǒng)一單位，按照7.28桶/噸進(jìn)行換算。之后將1979—1993年的日均產(chǎn)量通過季度天數(shù)換算為季度產(chǎn)量。這種處理可能會影響到數(shù)據(jù)的質(zhì)量。作為原油供給的代理變量。雖然俄羅斯近年來的石油產(chǎn)量一度與沙特并駕齊驅(qū)，但本文沒有將俄羅斯納入模型主要有三點(diǎn)考慮：俄羅斯數(shù)據(jù)的可得性和連續(xù)性較差；俄羅斯不是OPEC成員國，無法通過主導(dǎo)OPEC的產(chǎn)油協(xié)議放大對石油供給端的影響；俄羅斯面臨較大的財(cái)政壓力，財(cái)政收入對石油出口依賴較強(qiáng)，導(dǎo)致其原油產(chǎn)量無法正常反映市場條件。

本文借助于GVAR模型，在多維條件下探討多國、多金融變量如何影響原油供給波動及其動態(tài)效果。運(yùn)用Bootstrap方法，構(gòu)造了2 000次數(shù)值模擬，得到了95%置信帶的區(qū)間估計(jì)脈沖響應(yīng)結(jié)果，限于篇幅，具體結(jié)果不在文中列出。

1.全球股票價格、油價和美元兌主要國家貨幣匯率

主要國家的貨幣包括歐元、英鎊、人民幣、日元、加元和澳元。（美元匯率）對原油產(chǎn)量的影響

對于1個單位標(biāo)準(zhǔn)差的全球股票價格負(fù)沖擊，沙特原油產(chǎn)量有持續(xù)的負(fù)響應(yīng)，最終的累積負(fù)響應(yīng)接近-10百萬噸；對于1個單位標(biāo)準(zhǔn)差的油價正沖擊，沙特原油產(chǎn)量有持續(xù)的正響應(yīng)，累積響應(yīng)收斂至5百萬噸；給定美元匯率一個標(biāo)準(zhǔn)差的正沖擊，在直接標(biāo)價法下相當(dāng)于美元升值，原油產(chǎn)量只在一年內(nèi)有微弱的負(fù)響應(yīng)，一年后轉(zhuǎn)正，并最終收斂至2百萬噸。原油產(chǎn)量對全球股票價格的響應(yīng)符合Hotelling-Solow法則的要求，而對油價正沖擊的響應(yīng)則顯示了油價上漲對產(chǎn)油國增產(chǎn)的吸引力。事實(shí)上，此輪石油生產(chǎn)過剩與2011年油價快速反彈有直接關(guān)系。美元升值，在以往的文獻(xiàn)中往往被當(dāng)作打壓油價的因素，而對原油產(chǎn)量的影響則少有論述。而美元匯率走強(qiáng)，雖然在短期內(nèi)打壓油價，抑制石油生產(chǎn)，但長期刺激原油生產(chǎn)，主要是由于美元更加值錢。

2.美歐日股票價格沖擊對原油產(chǎn)量的影響

給定美國股市1個單位標(biāo)準(zhǔn)差的正沖擊，原油產(chǎn)量產(chǎn)生持續(xù)的正響應(yīng)，累積最大正響應(yīng)收斂至7百萬噸；原油產(chǎn)量對歐元區(qū)股市正沖擊有微弱但不顯著的負(fù)響應(yīng)；原油產(chǎn)量對日本股市1個單位標(biāo)準(zhǔn)差的正沖擊有正響應(yīng)，但持續(xù)的期限較短，幅度亦遠(yuǎn)不及美國股市的影響；中國股市1990年后才逐漸形成，在本文的樣本期內(nèi)暫無法考察。美國股市對原油產(chǎn)量的刺激和支撐表明“石油美元”投資收益的增加對產(chǎn)油國增產(chǎn)的吸引力，能夠體現(xiàn)原油供給的金融化特征。原油產(chǎn)量對日本股市的響應(yīng)也能夠微弱地體現(xiàn)這一點(diǎn)，對歐元區(qū)的響應(yīng)無法合理解釋可能是由于歐元區(qū)股市是由8個國家加權(quán)集結(jié)得到，由于各國的經(jīng)濟(jì)金融狀況差別較大，故集結(jié)后的歐元區(qū)股市不像美國和日本等由單一國家構(gòu)成的經(jīng)濟(jì)體的股市波動比較一致。

3.中美歐日短期利率沖擊對原油產(chǎn)量的影響

給定1個單位標(biāo)準(zhǔn)差的負(fù)沖擊，原油產(chǎn)量在1年內(nèi)有微弱的負(fù)響應(yīng)，隨后轉(zhuǎn)正并收斂至2百萬噸；給定1個單位標(biāo)準(zhǔn)差的負(fù)沖擊，原油產(chǎn)量在短期內(nèi)有微弱正響應(yīng)，但最終收斂為負(fù)響應(yīng)；原油產(chǎn)量對日本短期利率的負(fù)沖擊則表現(xiàn)出持續(xù)的負(fù)響應(yīng)，累積響應(yīng)收斂至-4百萬噸；而中國利率的負(fù)沖擊則會造成原油產(chǎn)量的持續(xù)正響應(yīng)，累積響應(yīng)收斂至3百萬噸。原油產(chǎn)量對美國、歐元區(qū)和日本“意外降息”的不同最終響應(yīng)一定程度上體現(xiàn)了美元、歐元和日元在原油貿(mào)易中的不同地位：美元是原油貿(mào)易的結(jié)算貨幣，美國寬松的貨幣政策導(dǎo)致美元貶值，以美元標(biāo)價的原油就會在“通脹效應(yīng)”影響下不斷走高，因而刺激原油生產(chǎn)；寬松的貨幣政策導(dǎo)致歐元區(qū)和日本利率走低，沒有美元的“通脹效應(yīng)”，卻降低了產(chǎn)油國將新增收入購買上述兩個經(jīng)濟(jì)體債券資產(chǎn)的積極性，進(jìn)而降低石油增產(chǎn)的積極性。

此外，中國短期利率的負(fù)沖擊造成原油產(chǎn)量持續(xù)的正響應(yīng)。由于人民幣也不是原油貿(mào)易的標(biāo)價貨幣，所以中國寬松的貨幣政策導(dǎo)致原油增產(chǎn)的內(nèi)在機(jī)制與美國不同。本文認(rèn)為一個可能的解釋是：中國寬松的貨幣政策實(shí)施后往往伴隨向?qū)嶓w經(jīng)濟(jì)的信貸投放，從而實(shí)體面需求迅速擴(kuò)張，對原油產(chǎn)量產(chǎn)生正向影響；美歐日寬松的貨幣政策首先是要修復(fù)金融機(jī)構(gòu)的資產(chǎn)負(fù)債表，然后才會緩慢流向?qū)嶓w經(jīng)濟(jì)刺激總需求。

4.中美歐日長期利率沖擊對原油產(chǎn)量的影響

與對短期利率的響應(yīng)相比，原油產(chǎn)量對美歐日長期利率的負(fù)沖擊均表現(xiàn)出一致的負(fù)響應(yīng)：給定美歐日三國長期利率1個單位標(biāo)準(zhǔn)差的負(fù)沖擊，原油產(chǎn)量的累積響應(yīng)分別收斂至-2.5、-3.5、-1.5百萬噸。按照經(jīng)典的利率期限結(jié)構(gòu)理論，長期利率的下調(diào)對未來經(jīng)濟(jì)衰退有更強(qiáng)的暗示性，自然能夠?qū)е略彤a(chǎn)量下挫。而受到忽略的一點(diǎn)是，“石油美元”所投資的債權(quán)資產(chǎn)中，絕大部分為長期國債，因而長期利率下降使新增的“石油美元”投資受益減少，減弱了產(chǎn)油國增產(chǎn)的動機(jī)。原油產(chǎn)量對美歐日長期利率負(fù)沖擊的響應(yīng)，與對美國股市正沖擊的呼應(yīng)有著相似的內(nèi)在機(jī)理，在一定程度上體現(xiàn)了Hotelling-Solow法則對可耗盡資源開采特征的描述。

5.原油產(chǎn)量波動的方差貢獻(xiàn)

對原油產(chǎn)量的方差貢獻(xiàn)按國別統(tǒng)計(jì)的結(jié)果如圖2所示，沙特因素的貢獻(xiàn)為24.08%，位列第一。這既說明沙特自身因素對其原油產(chǎn)量決策有最大的影響，也應(yīng)該看到這種影響并不能起主導(dǎo)性的作用。美國因素對沙特原油產(chǎn)量的方差貢獻(xiàn)為12.49%，體現(xiàn)了美國發(fā)達(dá)的經(jīng)濟(jì)和金融條件對產(chǎn)油國的重要影響，這種影響的原因可歸結(jié)為：美國經(jīng)濟(jì)增速體現(xiàn)的實(shí)體需求面對產(chǎn)油國的刺激，美國股市和國債市場的收益率體現(xiàn)的虛擬層面對“石油美元”投資收益的影響，美國匯率變化所影響到的原油名義價格的影響，還有美國通脹水平改變了投資者對石油庫存的需求水平。中國的方差貢獻(xiàn)為11.44%，僅次于美國，顯示了中國三十多年經(jīng)濟(jì)強(qiáng)勁增長背景下原油進(jìn)口需求的急劇增加。歐元區(qū)和日本的方差貢獻(xiàn)較小，與其經(jīng)濟(jì)規(guī)模不相配，主要是由于其經(jīng)濟(jì)增長速度緩慢所致。

圖2主要經(jīng)濟(jì)體對原油產(chǎn)量的方差貢獻(xiàn)

圖3顯示了GVAR模型中四個金融變量對原油產(chǎn)量的方差貢獻(xiàn)動態(tài)：短期利率的方差貢獻(xiàn)收斂至18.56%，匯率的方差貢獻(xiàn)收斂至14.93%，股票價格的方差貢獻(xiàn)收斂至11.41%，長期利率的方差貢獻(xiàn)收斂至5.94%。虛擬經(jīng)濟(jì)層面指標(biāo)的方差總貢獻(xiàn)超過50%，體現(xiàn)了原油供給波動的金融化特征。

各國GDP和通脹等實(shí)體經(jīng)濟(jì)所解釋的方差總貢獻(xiàn)為41%。而原油市場的供給和價格機(jī)制的方差貢獻(xiàn)只占8%。

圖3金融變量對原油產(chǎn)量的方差貢獻(xiàn)

五、結(jié)語

本文繼承Hotelling-Solow法則，將貨幣與資本市場表現(xiàn)作為機(jī)會成本納入產(chǎn)油國行為分析，在全球主要經(jīng)濟(jì)體運(yùn)行狀況出現(xiàn)分化的背景下，借助GVAR模型從機(jī)會成本視角分析了原油供給波動的金融化特征，并比較了主要經(jīng)濟(jì)體對原油產(chǎn)量的影響。經(jīng)驗(yàn)結(jié)果表明：中美歐日四經(jīng)濟(jì)體的短期利率對原油產(chǎn)量的影響方向不盡一致；美歐日股票價格和長期利率能夠顯著影響原油產(chǎn)量，體現(xiàn)“石油美元”的投資收益作為機(jī)會成本對原油生產(chǎn)積極性的影響；美元升值在長期對原油生產(chǎn)有正向刺激；全球貨幣與資本市場等虛擬經(jīng)濟(jì)對原油產(chǎn)量波動的方差貢獻(xiàn)超過50%，體現(xiàn)了原油供給的金融化特征。

在全球經(jīng)濟(jì)和金融在國家之間出現(xiàn)明顯分化，建立全球視野的分析框架，為中國能源政策和貿(mào)易決策提供參考。其中美國金融市場的良好表現(xiàn)不僅能夠增加“石油美元”的收益從而對沖油價下跌給產(chǎn)油國帶來的損失，而且增加了OPEC對未來石油需求反彈的樂觀預(yù)期。

2014年末OPEC部長會議預(yù)計(jì)2015年末油價可反彈至80美元/桶。

如何恰當(dāng)?shù)貙⒍砹_斯納入分析模型，構(gòu)造更具代表性的高頻原油供給指標(biāo)以及建立合適的理論分析模型為實(shí)證結(jié)論提供更嚴(yán)謹(jǐn)?shù)慕忉尶蚣艿?，這些都是未來有意義的研究方向。

參考文獻(xiàn)：

[1]Tokic， D. Rational Destabilizing Speculation， Positive Feedback Trading， and the Oil Bubble of 2008[J]. Energy Policy， 2011， 39（1）： 2051-2061.

[2]Büyüksahin， B.， Robe， M.A. Speculators， Commodities and Cross-Market Linkages[J]. Journal of International Money and Finance， 2014， 42（3）： 38-70.

[3]Zhu， H.M.， Li， R.， Li， S. F. Modeling Dynamic Dependence between Crude Oil Prices and Asia-Pacific Stock Market Returns[J].International Review of Economics and Finance， 2014， 29（1）： 208-223.

[4]Frankel， J.A. Effects of Speculation and Interest Rates in a “Carry Trade” Model of Commodity Prices[J].Journal of International Money and Finance， 2014， 42（3）： 88-112.

[5]Reboredo， J.C.， Rivera-Castro， M.A.， Zebende， G.F. Oil and US Dollar Exchange Rate Dependence： A Detrended Cross-Correlation Approach [J]. Energy Economics， 2014， 42（2）： 132-139.

[6]Arezkia， R.， Loungani， P.， Ploeg， R.， Venables， A.J. Understanding International Commodity Price Fluctuations[J].Journal of International Money and Finance， 2014， 42（3）： 1-8.

[7]Hotelling， H. The Economics of Exhaustible Resources[J].The Journal of Political Economy， 1931， 39（2）： 137-175.

[8]Solow， R.M. The Economics of Resources or the Resources of Economics[J]. The American Economic Review， 1974， 64（2）： 1-14.

[9]Blas， J. The Fed Quantitative Easing and Oil Prices[EB/OL].www.ft.com/cms/s/0/83e1a96E-08c3-11e2-b37E-00144feabdc0.html， 2012.

[10]Aleksandrov， N.， Espinoza， R.， Gyurko， L. Optimal Oil Production and World Supply of Oil[R].IMF Working Paper，No. 12/294， 2012.

[11]李卓，張茜.國際油價波動與石油沖擊——基于符號約束VAR模型實(shí)證分析[J].世界經(jīng)濟(jì)研究，2012，（8）：10-16.

[12]Scherer， B. Portfolio Choice for Oil-Based Sovereign Wealth Funds[R].EDHEC Working Paper，No.1539， 2009.

[13]張延群.全球向量自回歸模型的理論、方法及其應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2012， （4）：136-148.

[14]Smith， L.V.， Galesi， A. GVAR Toolbox 2.0[EB/OL]. https：//sites.google.com/site/gvarmodelling/gvar-toolbox， 2014.

（責(zé)任編輯：孫艷）