姚鼎

摘? ?要：改革開放以來，我國(guó)經(jīng)濟(jì)高速發(fā)展，在人們購(gòu)物越來越便利的同時(shí)，也帶動(dòng)了以快遞行業(yè)為代表的物流行業(yè)的興起。因此，利用VAR模型和DCC-GARCH模型，以INE、WTI原油期貨以及國(guó)證物流指數(shù)的每日收盤價(jià)為樣本數(shù)據(jù)，對(duì)原油期貨價(jià)格對(duì)物流行業(yè)股價(jià)的溢出效應(yīng)展開實(shí)證研究。結(jié)果表明，INE與WTI原油期貨價(jià)格波動(dòng)對(duì)物流股票價(jià)格波動(dòng)皆具有單向顯著的影響；原油期貨市場(chǎng)與物流股票市場(chǎng)受前期動(dòng)態(tài)相關(guān)系數(shù)的影響較大，變動(dòng)持續(xù)性也較強(qiáng)；INE與WTI原油期貨市場(chǎng)與物流股票市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)都較低，新冠疫情爆發(fā)雖然提高了動(dòng)態(tài)相關(guān)系數(shù)，但不久后又回落，只有INE與物流股票市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)較之前稍高，INE與物流股票市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)則回落至最初水平。

關(guān)鍵詞：VAR；DCC-GARCH；原油期貨價(jià)格；物流行業(yè)；溢出效應(yīng)

中圖分類號(hào)：F74；F41? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ?文章編號(hào)：1673-291X（2023）06-0072-06

引言

改革開放以來，我國(guó)經(jīng)濟(jì)高速發(fā)展，科技突飛猛進(jìn)，商品供應(yīng)從票證經(jīng)濟(jì)到市場(chǎng)經(jīng)濟(jì)再到網(wǎng)絡(luò)經(jīng)濟(jì)、數(shù)字經(jīng)濟(jì)，人民生活水平日益提高。人民購(gòu)買商品的方式也從當(dāng)初到供銷社“憑票購(gòu)物”變?yōu)榈匠羞x購(gòu)，再到足不出戶網(wǎng)絡(luò)“淘寶”。截至2021年12月，我國(guó)網(wǎng)絡(luò)購(gòu)物用戶規(guī)模達(dá)8.42億，較2020年12月增長(zhǎng)5 968 萬，占網(wǎng)民整體的81.6%。在人們購(gòu)物越來越便利的同時(shí)，也帶動(dòng)了以快遞行業(yè)為代表的物流行業(yè)的興起。

物流是指為了滿足客戶的需要，以最低的成本，通過運(yùn)輸、保管、配送等方式，實(shí)現(xiàn)原材料、半成品、成品及相關(guān)信息由商品的產(chǎn)地到商品消費(fèi)地所進(jìn)行的計(jì)劃、實(shí)施和管理的全過程。交通運(yùn)輸在物流上是重要的一環(huán)，其可以通過影響物流運(yùn)輸成本等方式間接影響物流公司的股價(jià)。提到交通運(yùn)輸，主要就是汽車運(yùn)輸、船運(yùn)、空運(yùn)等方式，這些都離不開能源的利用。在能源領(lǐng)域中，原油作為能源的主要供應(yīng)者，由其所煉制成的汽油、煤油、柴油和液化氣，已經(jīng)成為民生中不可缺少的必需品。原油一直是材料產(chǎn)業(yè)的重要基石，因?yàn)槌撕铣刹牧?，原油還提供了大量的有機(jī)材料，所以原油在化工產(chǎn)業(yè)內(nèi)可以說是血液一般的存在。2017年以來，中國(guó)一直是當(dāng)今世界上較大的石油進(jìn)口國(guó)，同時(shí)也是全球石油消耗大國(guó)。而根據(jù)2021年全球能源統(tǒng)計(jì)年鑒數(shù)據(jù)表明，我國(guó)2020年石油進(jìn)口依存度為73%，體現(xiàn)了原油對(duì)于我國(guó)的重要性。

原油作為如今主要使用的能源之一，其價(jià)格的變化理論上是對(duì)物流行業(yè)股票價(jià)格有一定影響的，所以研究?jī)烧叩膬r(jià)格關(guān)系是有必要的。中國(guó)原油期貨INE于2018年3月26日在上海市能源交易中心正式掛牌上市。因此，我們以INE原油、國(guó)際上基準(zhǔn)價(jià)格之一的WTI原油期貨與國(guó)內(nèi)物流行業(yè)股價(jià)為研究對(duì)象，通過實(shí)證分析來探討原油期貨價(jià)格對(duì)物流行業(yè)股價(jià)的溢出效應(yīng)。

一、文獻(xiàn)綜述

關(guān)于原油與物流行業(yè)的研究文獻(xiàn)較多，大致分為兩個(gè)方向。一是研究原油價(jià)格變動(dòng)對(duì)股票市場(chǎng)的影響。例如，張曦等（2013）通過VAR模型分析了國(guó)際原油價(jià)格對(duì)美國(guó)等7個(gè)國(guó)家和地區(qū)股票指數(shù)的影響，發(fā)現(xiàn)國(guó)際油價(jià)波動(dòng)對(duì)美國(guó)與英國(guó)股市影響時(shí)間較長(zhǎng)，對(duì)我國(guó)股票市場(chǎng)影響較短。張金鳳等（2016）利用Vine Copula模型對(duì)世界三大現(xiàn)貨原油市場(chǎng)迪拜、布倫特和WTI與我國(guó)大慶原油市場(chǎng)、石油類股票進(jìn)行了研究，認(rèn)為大慶原油與迪拜現(xiàn)貨原油市場(chǎng)具有較強(qiáng)的正相關(guān)性，且石油類股票與國(guó)內(nèi)外原油市場(chǎng)中的迪拜、大慶的相關(guān)程度更高。Anand等（2021）利用TVP-SVAR-SV模型分析了石油沖擊對(duì)股票收益波動(dòng)率的影響，發(fā)現(xiàn)股票收益波動(dòng)率在供應(yīng)特定的石油沖擊的情況下沒有影響。同樣，對(duì)政策不確定性下的沖擊會(huì)導(dǎo)致負(fù)回報(bào)，并增加其波動(dòng)性。

二是研究能源價(jià)格變化對(duì)物流行業(yè)股價(jià)的影響。例如，文啟湘等（2011）通過VAR模型與格蘭杰檢驗(yàn)對(duì)能源價(jià)格、我國(guó)GDP以及物流周轉(zhuǎn)量進(jìn)行研究，發(fā)現(xiàn)三者存在顯著性的長(zhǎng)期均衡關(guān)系，且能源價(jià)格與DGP變動(dòng)對(duì)物流產(chǎn)業(yè)發(fā)展具有重要影響。陳帆（2019）等結(jié)合理論與實(shí)證研究了能源價(jià)格、能源替代和低碳物流的發(fā)展關(guān)系，發(fā)現(xiàn)電力和天然氣作為低碳能源，在物流業(yè)能源消費(fèi)中的占比仍較低。

然而，到目前為止，對(duì)于原油價(jià)格沖擊與物流產(chǎn)業(yè)之間相互關(guān)系的研究還較少。因此，本文以INE原油、WTI原油期貨與國(guó)內(nèi)物流行業(yè)股價(jià)為研究對(duì)象，通過實(shí)證分析來研究原油期貨價(jià)格對(duì)物流行業(yè)股價(jià)的溢出效應(yīng)。

二、研究方法

（一）研究方法

本文基于多元GARCH模型來研究原油期貨價(jià)格對(duì)物流行業(yè)股價(jià)的溢出效應(yīng)。GARCH模型包括兩部分，即條件均值方程與條件方差方程。本文將以VAR模型來描述均值方程，以Engle在2001提出的DCC-GARCH模型來建立條件方差方程。

1.VAR模型

該模型由Sims在1980年提出，并不以經(jīng)濟(jì)理論為依據(jù)，而是采取將多個(gè)過程聯(lián)立的方式，在模擬的每一個(gè)過程中，內(nèi)生變量都對(duì)原模型的所有內(nèi)生自變量的滯后部分進(jìn)行了回歸，從而可以預(yù)測(cè)所有內(nèi)生變量的動(dòng)態(tài)關(guān)系，特別適用于預(yù)測(cè)互相關(guān)聯(lián)的時(shí)間順序過程，和預(yù)測(cè)隨機(jī)擾動(dòng)對(duì)變量過程的主動(dòng)影響。其一般方程如下：

上述公式里，Yt表示k維內(nèi)生變量的列向量，Yt-i，i=1，2，…，p為滯后的內(nèi)生變量，Xt表示d維外生變量列向量，它可以是常數(shù)變量、線性趨勢(shì)項(xiàng)或者其他非隨機(jī)變量，p是滯后階數(shù)，n為樣本數(shù)目，Φi為k×k維的待估矩陣，B為k×d維的待估矩陣，εt為k維白噪聲向量。

2.DCC-GARCH模型

動(dòng)態(tài)相關(guān)系數(shù)多元自回歸條件異方差模型（DCC-GARCH模型）由Engle在2002年提出，是其對(duì)常相關(guān)系數(shù)廣義自回歸條件異方差模型（CCC-GARCH）進(jìn)行的擴(kuò)充，其一般方程如下：

（二）數(shù)據(jù)來源與處理

1.數(shù)據(jù)來源

由于我國(guó)上海原油期貨市場(chǎng)建立時(shí)間較晚，為保持時(shí)間跨度的同一性，本文選取2018年3月26日至2022年3月30日上海原油期貨主力合約（INE），WTI原油期貨以及國(guó)證物流指數(shù)（399 353.SZ）每日的收盤價(jià)作為指標(biāo)變量（所有數(shù)據(jù)下載自東方財(cái)富choice金融數(shù)據(jù)庫(kù)）。

2.數(shù)據(jù)處理

首先除去在節(jié)日、周末和特殊交易時(shí)段產(chǎn)生的數(shù)據(jù)缺少后的955份樣本，然后將以美元為單位的WTI原油期貨按當(dāng)日我國(guó)人民幣中間價(jià)換算成以人民幣為單位，最后取其對(duì)數(shù)收益率，方程為：

上式中，Ri，t代表i市場(chǎng)t日的收益率，pi，t代表i市場(chǎng)t日的價(jià)格，i取INE，WTI，LOG分別代表上海原油期貨市場(chǎng)、WTI原油期貨以及證物流指數(shù)。

三、實(shí)證研究

（一）描述性統(tǒng)計(jì)

序列RINE、RWTI與RLOG描述性統(tǒng)計(jì)如表1所示。從表1我們可以發(fā)現(xiàn)，兩個(gè)原油期貨市場(chǎng)收益率序列都為正值，而物流指數(shù)收益率序列為負(fù)值；三個(gè)市場(chǎng)中WTI原油期貨市場(chǎng)波動(dòng)最大，物流指數(shù)市場(chǎng)波動(dòng)最小，且三種市場(chǎng)收益率數(shù)列都存在尖峰厚尾的特點(diǎn)，并不適用于正態(tài)分布。

（二）ADF檢驗(yàn)

為了提高回歸結(jié)果的精確度，在構(gòu)建VAR模型之前必須先對(duì)三個(gè)收益率序列進(jìn)行ADF的平穩(wěn)性試驗(yàn)，結(jié)果如表2所示。

由表2我們可以看出，在10%、5%和1%的顯著水平下收益序列（Ri）均為平穩(wěn)序列，可以參與后續(xù)研究。

（三）VAR模型滯后階數(shù)的確定與建立

對(duì)于VAR模型的最佳滯后期的選取結(jié)果如表3

建立后的VAR（3）模型如下所示：

我們采用單位根的方式對(duì)VAR（3）方程進(jìn)行穩(wěn)定所示，結(jié)合四個(gè)準(zhǔn)則我們選擇建立VAR（3）模型。

性檢驗(yàn)，結(jié)果如圖1所示：?jiǎn)挝桓嘉挥趫A內(nèi)部，說明建立的VAR模型是合適的，可以參與后續(xù)研究。

（四）格蘭杰因果檢驗(yàn)

對(duì)兩個(gè)收益率序列進(jìn)行格蘭杰因果檢驗(yàn)，結(jié)果如表4所示。

從表4我們可以看出，在10%顯著水平下，兩個(gè)原油期貨市場(chǎng)價(jià)格波動(dòng)對(duì)物流指數(shù)波動(dòng)都具有單向顯著的影響，并且原油期貨市場(chǎng)間互為格蘭杰因果關(guān)系。

（五）原油期貨價(jià)格對(duì)物流行業(yè)股價(jià)的溢出效應(yīng)研究

1.ARCH檢驗(yàn)

在進(jìn)行DCC-GARCH模式構(gòu)建之前，首先必須對(duì)已構(gòu)建完成的VAR（3）模型殘差值進(jìn)行ARCH-LM測(cè)試，結(jié)果如表5所示。

由表5我們可以看到，收益率序列RINE、RWTI與RLOG在1—5的滯后階均在10%下顯著，說明均拒絕不存在ARCH效應(yīng)的原假設(shè)，即序列存在ARCH效應(yīng)。

2.DCC-GARCH模型建立

根據(jù)前文的描述性統(tǒng)計(jì)分析，三個(gè)收益率序列均存在尖峰厚尾的特征，且均不滿足傳統(tǒng)正態(tài)分布假定。因此本文以更為準(zhǔn)確描述此特征的分布來建立DCC-GARCH模型，結(jié)果如表6所示。

在表6中，α1為新信息對(duì)市場(chǎng)波動(dòng)的影響程度，β1為市場(chǎng)波動(dòng)的持續(xù)程度。α1值較小、β1值較大，說明兩個(gè)市場(chǎng)均存在較大的波動(dòng)集群性，α1+β1接近1，表明條件波動(dòng)的持續(xù)性。a1為新信息對(duì)當(dāng)前波動(dòng)相關(guān)性的影響程度，b1為市場(chǎng)波動(dòng)相關(guān)性的持續(xù)程度。a1與b1系數(shù)表明條件相關(guān)并不具有平穩(wěn)性。圖2與圖3分別為INE與LOG、WTI與LOG的相關(guān)系數(shù)圖。

結(jié)合圖2與圖3我們可以發(fā)現(xiàn)，兩個(gè)原油期貨市場(chǎng)對(duì)國(guó)證物流指數(shù)的動(dòng)態(tài)相關(guān)系數(shù)都是較低的，分別為0.18、0.135。自2018年3月INE上市至2019年底，INE與國(guó)證物流指數(shù)的動(dòng)態(tài)系數(shù)一直在0.176—0.182間波動(dòng)，WTI與國(guó)證物流指數(shù)的動(dòng)態(tài)系數(shù)則在0.134—0.138間波動(dòng)。而在2020年初，兩種動(dòng)態(tài)相關(guān)系數(shù)都開始上升，在2020年三四月達(dá)到最高值，然后開始回落。不同的是，INE與國(guó)證物流指數(shù)的動(dòng)態(tài)系數(shù)較之前波動(dòng)幅度變小，而WTI與國(guó)證物流指數(shù)的動(dòng)態(tài)系數(shù)則與之前波動(dòng)水平無異。

2020年初動(dòng)態(tài)系數(shù)波動(dòng)劇烈的原因可能是因?yàn)榇藭r(shí)新冠疫情開始在全世界范圍爆發(fā)，全球經(jīng)濟(jì)下滑，并且受到OPEC+價(jià)格戰(zhàn)的影響，造成原油供應(yīng)過剩，引起國(guó)際原油價(jià)格下跌，劇烈波動(dòng)，甚至發(fā)生了WTI原油跌至負(fù)值的現(xiàn)象，我國(guó)INE原油不免也受其影響導(dǎo)致價(jià)格下滑。此時(shí)，物流市場(chǎng)也受到新冠疫情影響導(dǎo)致市場(chǎng)低迷，因此兩個(gè)原油期貨市場(chǎng)間與物流股票市場(chǎng)相關(guān)性在這段時(shí)間處于較高的水平。隨著疫情緩解，全球經(jīng)濟(jì)回暖，WTI與國(guó)證物流指數(shù)的動(dòng)態(tài)相關(guān)系數(shù)又回到初期的相關(guān)水平，而國(guó)內(nèi)INE與國(guó)證物流指數(shù)的動(dòng)態(tài)系數(shù)則較之前有所提高。

四、結(jié)論

本文通過VAR模型與DCC-GARCH模型研究國(guó)內(nèi)原油期貨市場(chǎng)與新能源股票市場(chǎng)的溢出效應(yīng)，并得出以下結(jié)論。

1.INE與WTI原油期貨價(jià)格波動(dòng)對(duì)物流股票價(jià)格波動(dòng)皆具有單向顯著的影響，而物流股票價(jià)格波動(dòng)并不具有對(duì)原油期貨市場(chǎng)價(jià)格波動(dòng)的影響。

2.原油期貨市場(chǎng)與物流股票市場(chǎng)受前期動(dòng)態(tài)相關(guān)系數(shù)的影響較大，變動(dòng)持續(xù)性也較強(qiáng)。

3.INE與WTI原油期貨市場(chǎng)與物流股票市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)都較低。新冠疫情爆發(fā)雖然提高了動(dòng)態(tài)相關(guān)系數(shù)，但不久后又回落，只有INE與物流股票市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)較之前稍高，INE與物流股票市場(chǎng)間動(dòng)態(tài)相關(guān)系數(shù)則回落至最初水平。

參考文獻(xiàn)：

[1]? ?張曦，王劍雨.原油價(jià)格對(duì)股票市場(chǎng)影響的國(guó)際比較[J].價(jià)格理論與實(shí)踐，2013，36（1）：75-76.

[2]? ?張金鳳，馬薇.石油價(jià)格波動(dòng)與股票市場(chǎng)波動(dòng)的相關(guān)性研究[J].統(tǒng)計(jì)與決策，2016，39（9）：153-156.

[3]? ?Anand，B.，Paul，S. Oil shocks and stock market： Revisiting the dynamics[J].Energy Economics，2021，（96）：105111.

[4]? ?文啟湘，趙杰.基于能源價(jià)格的我國(guó)物流業(yè)發(fā)展策略研究[J].現(xiàn)代物流，2011，（9）：28-32.

[5]? ?陳帆，王富忠，李崇巖.能源價(jià)格、能源替代與低碳物流發(fā)展研究——以浙江省為例[J].現(xiàn)價(jià)格理論與實(shí)踐，2019，（2）：145-148.

[6]? ?Maitra，D.，Rehman，M.U.，Dash，S.R. and Kang，S.H. Oil price volatility and the logistics industry：Dynamic connectedness with portfolio implications[J].Energy Economics，2021，（102）：105499.

[7]? ?Aggarwal，R. and Akhigbe，A. and Mohanty，S.K. Oil price shocks and transportation firm asset prices[J].Energy Economics，2012，（34）：1370-1379.

[8]? ?Balakumar，S.，Dash，S.R.，Maitra，D. and Kang，S.H. Do oil price shocks have any implications for stock return momentum？[J].Economic Analysis and Policy，2022，（75）：637-663.

[9]? ?張大永，姬強(qiáng).中國(guó)原油期貨動(dòng)態(tài)風(fēng)險(xiǎn)溢出研究[J].中國(guó)管理科學(xué)，2018，26（11）：42-49.

[10]? ?王富忠.物流業(yè)碳強(qiáng)度的影響因素研究——基于能源價(jià)格和貨物周轉(zhuǎn)量的分析[J].價(jià)格理論與實(shí)踐，2018，（11）：132-134.

Research on Spillover Effect of Crude Oil Futures Price on Stock Price of Logistics Industry

Yao Ding

（College of Economics and Management， Nanjing Forestry University， Nanjing 210037， China）

Abstract： Since the reform and opening up， China’s economy has developed rapidly， and people’s shopping has become more and more convenient. At the same time， it has also driven the rise of the logistics industry represented by the express industry. Using VAR model and DCC-GARCH model， taking the daily closing prices of INE and WTI crude oil futures and China Securities logistics index as sample data， this paper conducts an empirical study on the spillover effect of crude oil futures prices on the stock prices of logistics industry. The results show that the price fluctuations of INE and WTI crude oil futures have a significant one-way impact on the price fluctuations of logistics stocks; the crude oil futures market and the logistics stock market are greatly affected by the dynamic correlation coefficient in the early stage， and the change persistence is also strong; the dynamic correlation coefficient between INE and WTI crude oil futures market and logistics stock market is relatively low. Although the outbreak of COVID-19 increased the dynamic correlation coefficient， it soon fell back. Only the dynamic correlation coefficient between INE and logistics stock market was slightly higher than before， and the dynamic correlation coefficient between INE and logistics stock market fell back to the initial level.

Key words： VAR; DCC-GARCH; crude oil futures; logistics industry; spillover effect

[責(zé)任編輯? ?彥? ?文]