摘要：不確定性與原油價格之間一直存在著復(fù)雜的關(guān)系，而學(xué)術(shù)界對經(jīng)濟不確定性對原油市場的影響尚未達成一致。本文在動態(tài)結(jié)構(gòu)變化下基于混頻動態(tài)因子模型構(gòu)建中國經(jīng)濟不確定性（EU）代理指標，構(gòu)建時變參數(shù)隨機波動向量自回歸（TVP-SV-VAR）模型，旨在研究中國經(jīng)濟不確定性對三個國際原油定價基準西得克薩斯中質(zhì)原油、布倫特原油以及迪拜原油價格波動的時變影響。研究結(jié)果表明：中國經(jīng)濟不確定性對原油價格波動的影響是隨著時間的推移而變化的，并表現(xiàn)出短期效應(yīng)明顯強于長期效應(yīng)，而且各個峰值點的出現(xiàn)均伴隨著重大經(jīng)濟事件的發(fā)生。在此基礎(chǔ)上，提出增強能源供應(yīng)鏈的韌性、促進能源市場透明度等政策建議，以促進國際原油市場穩(wěn)定發(fā)展。

關(guān)鍵詞：經(jīng)濟不確定性；國際原油；TVP-SV-VAR模型

一、引言

盡管在宏觀經(jīng)濟波動中，經(jīng)濟不確定性扮演著至關(guān)重要的角色，但其對原油市場的影響，學(xué)術(shù)界尚未達成共識。近年來，圍繞經(jīng)濟不確定性與油價波動之間的關(guān)系，涌現(xiàn)出越來越多的文獻，然而這些文獻并未形成一致的結(jié)論。例如，一些研究發(fā)現(xiàn)了支持經(jīng)濟不確定性對油價波動影響逐漸增加的經(jīng)驗證據(jù)（Bakas和Triantafyllou，2018；Lyu等，2021）；而另一些研究則認為，經(jīng)濟不確定性事件與原油價格波動之間可能存在脫節(jié)（Jots等，2017）。因此，經(jīng)濟不確定性與油價變化之間的確切關(guān)系仍需要進一步研究。盡管已有一些學(xué)者嘗試從不同角度探索這一問題（Aloui等，2016；Liang等，2020；Li等，2022），但由于市場的復(fù)雜性和多元性，這一領(lǐng)域仍存在許多未知。其中尤其缺乏從中國角度出發(fā)的深入分析。本文旨在彌補這一文獻缺口，探討并量化中國經(jīng)濟不確定性對國際原油價格波動的影響及其具體機制，以期為理解原油價格的決定因素提供更加全面的視角，為相關(guān)決策者提供堅實的數(shù)據(jù)支撐。

二、文獻綜述

對于不確定性與原油市場的分析，當(dāng)前的研究主要通過不同的代理變量和靜態(tài)方法考察經(jīng)濟政策不確定性（EPU）對原油價格波動的影響。在代理變量方面，較早的文獻使用全球工業(yè)生產(chǎn)波動率等幾個相關(guān)的替代指標。但自創(chuàng)立EPU指數(shù)以來，實證研究側(cè)重將EPU指數(shù)用于解釋和預(yù)測原油價格波動。而在實證方法上，主要采用以下四種方法：①向量自回歸（VAR）模型及其變體。IneVanRobays（2016）采用閾值VAR模型研究宏觀經(jīng)濟不確定性對原油價格波動的影響。②非參數(shù)分位數(shù)因果檢驗。Balcilar等（2017）使用該方法分析了EPU對油價波動的預(yù)測能力。③結(jié)構(gòu)方程模型。Wang和Sun（2017）通過結(jié)構(gòu)方程模型研究了EPU和其他決定因素（需求、供應(yīng)和經(jīng)濟活動）對油價的影響，發(fā)現(xiàn)經(jīng)濟活動是解釋油價波動的最重要因素。④混合數(shù)據(jù)抽樣廣義自回歸條件異方差（GARCH-MIDAS）模型。例如，Mei等（2019）利用這一方法，將EPU指數(shù)和幾個國家EPU指數(shù)與傳統(tǒng)決定因素（如全球石油供應(yīng)、石油需求和投機）結(jié)合起來解釋原油價格波動。綜上所述，眾學(xué)者雖提供了足夠的證據(jù)，證明EPU是原油價格波動的重要驅(qū)動因素，但是他們對時變特征的關(guān)注并不多。

另外，少有文獻研究EPU與原油價格之間的動態(tài)關(guān)系以及EPU對油價波動的時變影響。例如，Yang（2019）將小波分析方法引入Diebold和Yilmaz（2012）提出的結(jié)構(gòu)向量自回歸（SVAR）框架中，分析了EPU與原油價格之間的關(guān)系。Lin和Bai（2021）通過BVAR模型進一步證明了當(dāng)石油出口國的經(jīng)濟政策波動對原油市場產(chǎn)生影響時，其負面影響往往比進口國的經(jīng)濟政策波動性影響嚴重得多。然而，上述研究并未將主要影響因素完全納入，例如，Yang只是把幾個國家的EPU和油價放在自己的模型中，Lin和Bai只選取了油價和EPU指數(shù)兩個變量，忽略了其他關(guān)鍵波動源。事實上，油價有各種不確定的因素決定，而不同的決定因素是相互關(guān)聯(lián)的。在這種情況下，有必要從廣義的多因素視角研究不確定性對原油價格波動的時變影響。

綜上所述，當(dāng)前關(guān)于不確定性對原油市場影響的研究尚未成熟，尤其缺乏從中國角度出發(fā)的深入分析，因此，本文從中國經(jīng)濟不確定性的視角出發(fā)，探討其對國際原油價格波動的影響，填補了現(xiàn)有文獻中關(guān)于經(jīng)濟不確定性因素在原油市場研究中的空白。綜合以往文獻的研究可知，目前對不確定性的度量尚未達成一致，由于GDP可以反映一個國家的經(jīng)濟發(fā)展水平，其波動可以很好地反映一國經(jīng)濟的不確定性。鑒于季度GDP數(shù)據(jù)的平滑特性可能掩蓋經(jīng)濟波動的真實情況。因此，本文選取影響我國GDP的有關(guān)指標，基于混頻動態(tài)因子模型預(yù)測我國月度GDP增長率，在此基礎(chǔ)上基于GARCH模型構(gòu)建我國經(jīng)濟不確定性指數(shù)。本文采用時間變化參數(shù)—隨機波動向量自回歸（TVP-SV-VAR）模型研究我國經(jīng)濟不確定性對國際原油市場的影響，相較于傳統(tǒng)VAR方法，TVP-SV-VAR模型能夠動態(tài)捕捉經(jīng)濟不確定性對原油價格的影響，揭示不同時間段的不確定性對原油市場的動態(tài)影響機制，豐富關(guān)于原油價格波動驅(qū)動因素的文獻。

三、模型構(gòu)建及變量設(shè)置

（一）模型構(gòu)建

1TVP-SV-VAR模型

TVP-SV-VAR模型是一種時間可變（TVP）的隨機波動（SV）向量自回歸（VAR）模型，可以同時考慮多個變量之間的動態(tài)關(guān)系。這種多變量建模的方式有助于更全面地理解中國經(jīng)濟不確定性與原油價格波動的時變影響。一般的VAR模型可以表示為：

Ayt=F1yt－1+…+Fsyt－s+εt（1）

其中，yt是m×1階觀測向量，A是m×m階系數(shù)矩陣，F(xiàn)1…FS是m×m階滯后系數(shù)矩陣，εt是m×1階結(jié)構(gòu)性沖擊。設(shè)A為下三角矩陣，原式可表示為：

yt=B1yt－1+…+Bsyt－s+A－1∑μt（2）

其中，Bi=A－1Fi，μt～N0，Im，∑為主對角線元素。

繼續(xù)將式（2）進行改寫：

yt=Xtβ+A－1∑μt（3）

式（3）即參數(shù)不隨時間變化的SVAR模型。

令αt=α21，t，α31，t，…，αm，m－1是下三角矩陣At的堆疊向量。假設(shè)時變參數(shù)服從隨機游走過程：

βt+1=βt+εβtαt+1=αt+εαtht+1=ht+εht（4）

μtεβtεαtεht～0，I0…00∑β∑α00…0∑h（5）

其中，ht=（h1t，…，hmt）′，且hjt=lnσjt2，βs+1～N（εβ0，∑β0），αs+1～N（εα0，∑α0）及hs+1～N（εh0，∑h0），且∑β0、∑α0和∑h0均為對角矩陣。

2混頻動態(tài)因子模型

假設(shè)在N個經(jīng)濟指標序列中有N1個季度變量，每隔3個月獲取一個觀測值，記為YQt，其余的N2=N-N1均為月度指標。假設(shè)季度變量序列YQt和月度變量序列YMt存在以下關(guān)系：

YQt=13（YMt+YMt－1+YMt－2）×3（6）

由于式（6）的表達形式涉及非線性狀態(tài)空間模型的估計問題，因此，本文參照鄭挺國和王霞（2013）的方法，用幾何平均數(shù)代替算數(shù)平均數(shù)，即

YQt=3×3YMt+YMt－1+YMt－2（7）

式（7）取對數(shù)可得：

lnYQt=ln3+13（lnYMt+lnYMt－1+lnYMt－2）（8）

對式（8）取12階差分可得同比數(shù)據(jù)模型，即

lnYQt－lnYQt－12=13（lnYMt－lnYMt－12）+

13（lnYMt－1－lnYMt－13）+

13（lnYMt－2－lnYMt－14）（9）

記yQt=△12lnYQt=lnYQt－lnYQt－12為季度同比增長率，yMt=△12lnYMt=lnYMt－lnYMt－12為月度同比增長率，式（7）可重新表示為：

YQt=13（YMt+YMt－1+YMt－2）（10）

構(gòu)建月度動態(tài)因子模型：

ytyMt=ΓΓMFt+eteMt（11）

A（L）Ft=εt（12）

式（11）和式（12）即動態(tài)因子模型（DFM）。

由于月度GDP增長率不可觀測，可由季度GDP增長率代替，可得以下月度混頻動態(tài)因子模型：

ytyQt=Γ1/3ΓM01/3ΓM01/3ΓMFtFt－1Ft－2+1001/301/301/3eteMteMt－1eMt－2（13）

式（13）即混頻動態(tài)因子模型。

（二）變量選取與數(shù)據(jù)處理

在鄭挺國和王霞（2013）以及高華川和白仲林（2016）計量月度GDP時所選擇的指標的基礎(chǔ)上，本文選擇國內(nèi)生產(chǎn)總值GDP、工業(yè)增加值、固定資產(chǎn)投資總額、社會消費品零售總額、進出口總額、發(fā)電量作為初始變量，并對它們的同比增長率進行計算，從而對我國的月度GDP進行估計。本文對缺失值采用線性插值法進行處理，其中對于季度GDP作Census-X12季節(jié)調(diào)整并進行HP濾波，以保證其平穩(wěn)性。數(shù)據(jù)均來源于國家統(tǒng)計局。本文構(gòu)建月度GDP的樣本區(qū)間為2003年1月至2023年12月，在構(gòu)建混頻動態(tài)因子模型時，需要對數(shù)據(jù)進行平穩(wěn)性檢驗，本文采用ADF單位根檢驗，檢驗結(jié)果如表1所示。

由表1可知，上述變量均在5%的水平上顯著，可以用來構(gòu)建混頻動態(tài)因子模型。

（三）月度GDP的測度

本文利用上述線性插值處理后的數(shù)據(jù)，采用EM算法預(yù)測我國月度GDP增長率。月度GDP增長率與季度GDP增長率的統(tǒng)計特征如表2所示。

由表2可知，本文所構(gòu)建的月度GDP同比增長率序列與原始的季度GDP同比增長率序列在統(tǒng)計特性上呈現(xiàn)較高的一致性。這表明本模型不僅保留了季度GDP同比增長率的核心統(tǒng)計屬性，而且能夠準確地捕捉并反映月度GDP同比增長率的基本特征。進一步分析圖表，可以展現(xiàn)出季度GDP同比增長率與月度GDP同比增長率的趨勢。

如圖1所示，可以觀察到兩個GDP增長率序列的整體走勢呈現(xiàn)較高的一致性。然而，通過細致分析可以發(fā)現(xiàn)，季度GDP增長率的波動相對較小，表現(xiàn)出一種更為平滑的變動趨勢。這種平滑性在一定程度上掩蓋了經(jīng)濟活動的實際波動和外部沖擊對經(jīng)濟的影響。相比之下，月度GDP增長率則能更加敏銳地捕捉到經(jīng)濟的即時變化，從而更為準確地反映經(jīng)濟的短期波動情況。月度數(shù)據(jù)能夠提供更為精細的經(jīng)濟變化視角，有助于我們深入理解經(jīng)濟周期性波動背后的驅(qū)動因素，以及評估經(jīng)濟政策對經(jīng)濟活動的即時影響。因此，在學(xué)術(shù)研究和政策分析中，采用月度GDP增長率數(shù)據(jù)可以更為嚴謹?shù)孛枥L和解釋經(jīng)濟動態(tài)。

（四）中國經(jīng)濟不確定性的度量

在經(jīng)濟計量發(fā)展初期，很多學(xué)者都是用殘差的平方項來替代金融序列變量的收益率波動，但是隨著理論的不斷發(fā)展，人們開始意識到，收益率的變化不會像殘差序列一樣呈現(xiàn)過度的波動性，而是一個更為平穩(wěn)移動的過程，而基于GARCH模型計算的因變量波動率更有效。因此，本文參照王義中和宋敏（2014）的做法，用GARCH（1，1）模型的條件方差衡量中國經(jīng)濟不確定性，該指標能夠包含更多的歷史信息，能很好地衡量不確定性。數(shù)據(jù)選取本文基于混頻動態(tài)因子模型構(gòu)建的月度GDP同比增長序列，基本公式如下：

GDPt=α0+αi∑ni=1GDPt－i+ut（14）

σt=τ0+τ1u2t－1+β1σt－1（15）

四、實證分析

（一）數(shù)據(jù)選取

國際上兩個最有影響力的原油期貨市場分別是紐約商品交易所西得克薩斯中間基（WTI）原油市場和布倫特（Brent）原油市場，WTI原油市場主要反映北美地區(qū)供求，Brent原油市場主要反映歐洲和亞洲地區(qū)供求。此外，迪拜（Dubai）原油市場是含硫原油的主要定價基準，用于中東出口至亞洲的原油定價。因此本文選取WTI、Brent、Dubai原油市場的原油期貨價格作為研究對象，選擇期貨結(jié)算價月度數(shù)據(jù)，數(shù)據(jù)來源于Wind和Bloomberg數(shù)據(jù)庫。由于OPEC發(fā)表的Dubai期貨價格數(shù)據(jù)是從2005年5月開始，因此，本文的樣本區(qū)間為2005年5月至2023年12月。

（二）數(shù)據(jù)處理

在進行TVP-SV-VAR建模前需要對各變量進行平穩(wěn)性檢驗，本文采用ADF單位根檢驗，除EU外，本文對其余三個價格序列取對數(shù)處理，檢驗結(jié)果如表3所示。

由表3可知，經(jīng)處理之后的變量皆在5%的顯著性水平下拒絕了“原假設(shè)不平穩(wěn)”的假設(shè)，表明取對數(shù)后的序列即平穩(wěn)序列。因次，本文以EU、lnWTI、lnBrent、lnDubai序列構(gòu)建TVP-SV-VAR模型。

（三）中國經(jīng)濟不確定對原油市場的時變影響

1模型滯后階數(shù)確定

在構(gòu)建TVP-SV-VAR模型前，需要對其最優(yōu)滯后階數(shù)進行檢驗，本文使用VAR模型檢驗最優(yōu)滯后階數(shù)，帶*最多的數(shù)據(jù)的滯后期即最優(yōu)滯后階數(shù)，檢驗結(jié)果如表4所示。

由表4可知，根據(jù)HQ和SC準則，可確定模型的最優(yōu)滯后階數(shù)為2階。

2參數(shù)估計結(jié)果

在本研究中，采用OXMetrics60軟件構(gòu)建了一個包含EU、WTI、Brent和Dubai原油價格四個變量的時變參數(shù)隨機波動（TVP-SV-VAR）模型，并運用馬爾科夫鏈蒙特卡洛（MCMC）算法對模型參數(shù)進行估計。依據(jù)時間序列分析的一般做法，將變量順序設(shè)定為EU、WTI、Brent和Dubai。通過漢南-奎因（Hannan-Quinn，HQ）準則和施瓦茨（Schwarz，Criterion，SC）準則，確定模型的滯后期數(shù)為2期。運用MCMC算法并進行了10000次模擬迭代，舍棄了前10%的樣本以消除初始值的依賴。表5的數(shù)據(jù)表明，各參數(shù)的平均后驗分布都在95%的置信區(qū)間之內(nèi)。

Geweke的收斂性檢驗結(jié)果沒有一個達到5%的閾值，說明我們無法拒絕原假設(shè)下的參數(shù)估計是收斂于后驗分布的。無效因子的測試結(jié)果表明，各因子的權(quán)重系數(shù)都偏小，最大的無效因子達12020。在此基礎(chǔ)上，可以得到至少83個不相關(guān)的樣本（10000/12020），這說明后驗平均能更接近實際參數(shù)。通過Geweke算法的收斂性分析，以及對無效影響因子的分析，證明了馬爾科夫鏈蒙特卡洛算法的模擬效果是比較理想的。由此，我們有充分的理由認為，參數(shù)估計結(jié)果具有良好的收斂性和有效性，保證了本文實證結(jié)果的可靠性。

3時變影響分析

（1）等間隔脈沖響應(yīng)分析

圖2顯示了不同提前期的一個單位標準差的中國經(jīng)濟不確定性（EU）沖擊后各原油期貨價格的響應(yīng)，以3個月、6個月和12個月分別表示短期、中期和長期。如圖2所示，分別表示EU對WTI、Brent以及Dubai原油期貨市場的脈沖響應(yīng)。

其特征如下：一方面，所有累積脈沖響應(yīng)都會隨著時間的推移而變化，這表明EU沖擊對原油市場的影響不是恒定的，而是根據(jù)經(jīng)濟條件而變化的。EU在不同時期影響的顯著差異一般表現(xiàn)為：EU對各時間點原油價格波動的影響效應(yīng)隨著時期的延長而逐漸減小，與中長期影響相比，各時間點的EU對原油價格短期波動的影響更為顯著。從影響程度來看，在2005年5月至2023年12月的樣本期內(nèi)，影響程度總體呈波動上升趨勢。從影響方向來看，EU對原油價格波動既有正向的影響也有負向的影響。經(jīng)濟不確定性沖擊可能導(dǎo)致產(chǎn)出和投資的持續(xù)下降，相應(yīng)地，經(jīng)濟基礎(chǔ)的惡化將影響原油需求，導(dǎo)致價格波動。

另一方面，在影響原油價格波動方面，EU對不同原油的價格波動產(chǎn)生的影響存在差異。從研究結(jié)果來看，WTI原油和Brent原油的價格波動對EU沖擊的累積響應(yīng)幅度在經(jīng)濟動蕩時期（如2007—2009年的全球金融危機和2015—2017年中國經(jīng)濟增長放緩期間）相對較大。而Dubai原油的價格波動則更多地出現(xiàn)在一些特定的經(jīng)濟事件期間，如2010—2012年的歐洲主權(quán)債務(wù)危機、2015—2017年的中國經(jīng)濟增長率放緩以及2018年的中美貿(mào)易摩擦。這些結(jié)果表明，在經(jīng)濟動蕩時期，EU沖擊對原油波動的影響可能會被放大，經(jīng)濟變量在衰退期和緩慢復(fù)蘇期對負面沖擊的反應(yīng)更大。在分析經(jīng)濟沖擊對金融變量的影響時，可以發(fā)現(xiàn)隨著時間的推移，累積響應(yīng)的變化趨勢相對平緩。然而，在經(jīng)濟動蕩時期，如上述提到的經(jīng)濟事件期間，可以明顯看到三大原油市場對EU沖擊仍然比較敏感。這一結(jié)果在一定程度上說明了在經(jīng)濟不穩(wěn)定時期，原油市場對于EU沖擊的反應(yīng)更為劇烈。

此外，單位標準差的EU沖擊對三大原油價格波動性的正向影響均在2015年達到最高。2015年1月，中國月度經(jīng)濟增長率放緩至約559%，經(jīng)濟增長放緩致使對原油的需求下降。中國經(jīng)濟面臨不確定性時，市場可能預(yù)期中國原油需求將下降，從而導(dǎo)致國際原油供應(yīng)過剩的擔(dān)憂減輕。由于中國是全球最大的能源消費國之一，其需求變化對全球原油市場產(chǎn)生重大影響。因此，預(yù)期供應(yīng)減少可能導(dǎo)致原油價格上漲。2007—2009年，美國股市引發(fā)了全球金融危機，以及中、美兩國之間的經(jīng)貿(mào)摩擦，更加劇了WTI原油價格在EU沖擊下的波動。相比較之下，Brent原油價格更多地取決于歐洲的供需，因此，在歐洲主權(quán)債務(wù)危機后的2013—2014年經(jīng)濟緩慢復(fù)蘇期間，Brent原油價格往往比WTI原油價格更能應(yīng)對不確定性沖擊。與WTI和Brent原油價格相比，Dubai原油是中東地區(qū)的主要油價基準，而中國的進口石油主要來自中東地區(qū)。因此，中東地區(qū)原油市場的價格波動和供應(yīng)變化對中國的石油進口和能源安全具有重要影響，進而影響中國經(jīng)濟和原油市場。這也表明原油市場結(jié)構(gòu)是動態(tài)的，與經(jīng)濟不確定性沖擊的影響因經(jīng)濟條件而異的風(fēng)格化事實一致。

（2）不同時間點的脈沖響應(yīng)分析

由上文的分析可知，中國經(jīng)濟不確定性ADjWMby9EkW4H+x7yQgWpA==（EU）對原油價格波動的影響不僅在時間維度和持續(xù)時間上是時變的，而且與主要經(jīng)濟事件直接相關(guān)。本文將EU對重大事件引起的原油價格波動的影響描述為瞬時影響。為了進一步研究事件的瞬時沖擊特征，本文選取幾個特定時間分析EU對原油價格波動的累計脈沖響應(yīng)。由于受到2008年的金融危機影響，中國的GDP增長速度降到了低點，只有64%，這也是選擇2009年3月作為第一個具體的沖擊時間點的原因。2018年7月中美貿(mào)易摩擦開始，因此選取2018年7月為第二個特定的沖擊時間點。2020年1月，新冠疫情在全球范圍迅速蔓延，導(dǎo)致了全球公共衛(wèi)生處于緊急狀態(tài)，并對全球經(jīng)濟、社會和政治產(chǎn)生了深遠影響，因此選取2020年1月為第三個特定的沖擊時間點。

如圖3所示，三個日期下EU對原油價格波動的影響都不是恒定的，而是隨著時間變化，并取決于經(jīng)濟條件，且都呈現(xiàn)短期效應(yīng)明顯高于長期效應(yīng)。具體來看，當(dāng)不同類型的重大事件發(fā)生時，EU對原油價格波動的瞬時影響呈現(xiàn)波動趨勢。從瞬時影響方向來看，在不同事件的時間點，EU對每個時期原油價格的波動都有正向影響，也就是說，三個不同類型的重大事件發(fā)生后，EU越大，原油價格的波動就越劇烈。從瞬時影響程度的趨勢來看，任何類型的重大事件發(fā)生后，其對原油價格波動的影響都會先增大后減小，在接下來的兩個時期內(nèi)影響效應(yīng)將達到最大。而且，當(dāng)重大事件出現(xiàn)時，通常在本期和接下來兩期反應(yīng)過度，后逐漸趨于穩(wěn)定。

此外，在不同事件下，EU對原油價格波動影響的持續(xù)時間、方向存在顯著差異。從EU對原油價格波動影響的持續(xù)時間來看，對于WTI和Brent原油價格波動而言，2018年7月中美貿(mào)易摩擦和2020年1月新冠疫情兩個時間點的脈沖響應(yīng)持續(xù)時間相對較短，但在2009年3月受金融危機影響經(jīng)濟緩慢復(fù)蘇期，這種影響持續(xù)時間最長，而Dubai原油價格波動對EU沖擊的脈沖響應(yīng)持續(xù)時間則剛好相反。其原因主要是WTI和Brent原油是國際原油市場上兩個主要的基準原油，而Dubai原油主要供應(yīng)亞洲市場。美國和歐洲市場在全球原油貿(mào)易中占據(jù)較大比重，尤其是Brent原油，作為國際油價的重要基準，其價格更容易受到全球經(jīng)濟和政治事件的影響。相比之下，Dubai原油主要受到亞洲，尤其是東亞市場需求的影響，因此，在中美貿(mào)易摩擦這類全球性經(jīng)濟和政治事件中，WTI和Brent原油價格的波動可能會更加顯著。此外，從EU對原油價格波動影響的方向來看，2009年3月（金融危機）這一時點下，EU沖擊對三大原油價格的脈沖響應(yīng)為正向效應(yīng)。2018年7月（中美貿(mào)易摩擦）和2020年1月（新冠疫情）這兩個時點下，WTI和Brent原油價格對EU沖擊的響應(yīng)有正有負，而Dubai原油價格波動則為負向效應(yīng)，其原因可能是Dubai原油主要供應(yīng)亞洲市場，特別是中東地區(qū)的石油是很多亞洲國家的主要供應(yīng)來源。這意味著，對于Dubai原油來說，任何影響亞洲特別是中國經(jīng)濟增長預(yù)期的事件都可能直接導(dǎo)致需求預(yù)期的負向調(diào)整。而WTI和Brent原油由于更廣泛的全球交易和不同的消費地理位置優(yōu)勢，其價格動態(tài)可能在初期顯示出不同的反應(yīng)模式。

五、結(jié)論與建議

本文選取影響中國宏觀經(jīng)濟的6個指標，構(gòu)建混頻動態(tài)因子模型預(yù)測中國月度GDP增長率，后以GARCH（1，1）模型，基于構(gòu)建的月度GDP增長率，構(gòu)建中國經(jīng)濟不確定代理變量?；谥袊?jīng)濟不確定性（EU）、WTI原油價格、Brent原油價格和Dubai原油價格四個變量構(gòu)建時變參數(shù)（TVP-SV-VAR）模型，研究中國經(jīng)濟不確定性對國際原油價格波動的時變影響。得出結(jié)論：第一，EU對原油價格波動的沖擊效應(yīng)具有明顯的時變特性，不僅在持續(xù)時間上有所區(qū)別，而且在不同時間點上的表現(xiàn)也不同。具體而言，在短期內(nèi)，EU對原油價格的影響比中長期更為顯著，表明短期內(nèi)原油價格對中國經(jīng)濟不確定性的敏感度更高，這反映了中國政策變動或經(jīng)濟動態(tài)對全球原油市場趨勢的影響。從沖擊的階段性峰值來看，短期內(nèi)EU對原油價格的沖擊在周期性上表現(xiàn)出明顯的峰值，這些峰值通常與重大經(jīng)濟事件緊密相關(guān)，盡管其大小各不相同。這表明在特定的歷史時期內(nèi)，中國的某些事件或政策變動對原油價格有著顯著的即時影響，而這種影響的程度可能因事件的性質(zhì)和全球市場的反應(yīng)而異。第二，EU對原油價格波動性的瞬時沖擊與重大經(jīng)濟事件直接相關(guān)。相關(guān)性的大小因經(jīng)濟事件的不同而有所差異。這些差異體現(xiàn)在沖擊的長度、方向上。從時間長度來看，中美貿(mào)易摩擦和新冠疫情對WTI和Brent兩種原油價格的沖擊持續(xù)時間較短，金融危機影響的持續(xù)時間最長，Dubai原油價格對EU沖擊的響應(yīng)持續(xù)時間則與之相反。從影響方向來看，不同的時間點對三大原油價格的脈沖響應(yīng)皆有差異。

基于以上結(jié)論，為應(yīng)對中國經(jīng)濟不確定性對原油價格帶來的影響，本文提出以下政策建議：增強能源供應(yīng)鏈的韌性，實施靈活的能源政策?？紤]到中國經(jīng)濟不確定性對國際原油市場的時變影響，建議各國加強能源供應(yīng)鏈的韌性。這包括多元化能源進口來源、增加戰(zhàn)略能源儲備、發(fā)展替代能源以及提高能源效率，以減少對單一能源供應(yīng)國或類型的依賴。各國政府應(yīng)根據(jù)經(jīng)濟和市場的實時數(shù)據(jù)調(diào)整其能源政策，以應(yīng)對由中國經(jīng)濟波動引起的原油價格變動。這可能包括調(diào)整稅收、補貼政策以及進口關(guān)稅，以穩(wěn)定國內(nèi)能源市場。除此之外，應(yīng)加強國際能源合作，促進能源市場透明度。鑒于中國在全球能源市場中的重要地位，建議加強國際能源合作。通過共享市場信息、協(xié)調(diào)應(yīng)對策略和共同開發(fā)能源項目，國際社會可以更好地應(yīng)對中國經(jīng)濟不確定性帶來的挑戰(zhàn)。提高能源市場的透明度，包括原油供應(yīng)、需求和庫存水平的信息，有助于市場參與者做出更為理性的決策。政府和國際組織可以通過發(fā)布定期報告和數(shù)據(jù)來支持這一目標。

參考文獻

［1］BAKASD，TRIANTAFYLLOUATheimpactofuncertaintyshocksonthevolatilityofcommodityprices［J］JournalofInternationalMoneyandFinance，2018（87）：96-111

［2］LYUY，TUOS，WEIY，etalTime-varyingeffectsofglobaleconomicpolicyuncertaintyshocksoncrudeoilpricevolatility：Newevidence［J］ResourcesPolicy，2021（70）：101943

［3］JOTSM，MIGNONV，RAZAFINDRABETDoesthevolatilityofcommoditypricesreflectmacroeconomicuncertainty？［J］EnergyEconomics，2017（68）：313-326

［4］ALOUIR，GUPTAR，MILLERSMUncertaintyandcrudeoilreturns［J］EnergyEconomics，2016（55）：92-100

［5］LIANGC，WEIY，LIX，etalUncertaintyandcrudeoilmarketvolatility：Newevidence［J］AppliedEconomics，2020，52（27）：2945-2959

［6］LIX，LIANGC，CHENZ，etalForecastingcrudeoilvolatilitywithuncertaintyindicators：Newevidence［J］EnergyEconomics，2022（108）：105936

［7］INEVANROBAYSMacroeconomicuncertaintyandoilpricevolatility［J］OxfordBulletinofEconomicsandStatistics，2016，78（5）：671-693

［8］BALCILARM，BEKIROSS，GUPTARTheroleofnews-baseduncertaintyindicesinpredictingoilmarkets：ahybridnonparametricquantilecausalitymethod［J］EmpiricalEconomics，2017（53）：879-889

［9］WANGQ，SUNXCrudeoilprice：Demand，supply，economicactivity，economicpolicyuncertaintyandwars-Fromtheperspectiveofstructuralequationmodelling（SEM）［J］Energy，2017（133）：483-490

［10］MEID，ZENGQ，CAOX，etalUncertaintyandoilvolatility：Newevidence［J］PhysicaA：StatisticalMechanicsanditsApplications，2019（525）：155-163

［11］YANGLConnectednessofeconomicpolicyuncertaintyandoilpriceshocksinatimedomainperspective［J］EnergyEconomics，2019，80（4）：219-233

［12］DIEBOLDFX，YILMAZKBettertogivethantoreceive：Predictivedirectionalmeasurementofvolatilityspillovers［J］InternationalJournalofforecasting，2012，28（1）：57-66

［13］LINB，BAIROilpricesandeconomicpolicyuncertainty：Evidencefromglobal，oilimporters，andexporters’perspective［J］ResearchinInternationalBusinessandFinance，2021（56）：101357

［14］鄭挺國，王霞中國經(jīng)濟周期的混頻數(shù)據(jù)測度及實時分析［J］經(jīng)濟研究，2013，48（6）：58-70

［15］高華川，白仲林中國月度GDP同比增長率估算與經(jīng)濟周期分析［J］統(tǒng)計研究，2016，33（11）：23-31

［16］王義中，宋敏宏觀經(jīng)濟不確定性、資金需求與公司投資［J］經(jīng)濟研究，2014，49（2）：4-17

［17］BASUS，BUNDICKBUncertaintyshocksinamodelofeffectivedemand［J］Econometrica，2017，85（3）：937-958

［18］JURADOK，LUDVIGSONSC，NGSMeasuringuncertainty［J］AmericanEconomicReview，2015，105（3）：1177-1216

AnalysisoftheTime-varyingEffectofEconomicUncertaintyonInternationalCrudeOilPrices

SIYinghuaMENGJuanxia

（LanzhouUniversityofFinanceandEconomics，Lanzhou730030，China）

Abstract：Therehasalwaysbeenacomplexrelationshipbetweenuncertaintyandcrudeoilprices，andtheacademiccommunityhasnotyetreachedaconsensusontheimpactofeconomicuncertaintyonthecrudeoilmarketThepurposeofthispaperistoconstructtheproxyindexofChinaseconomicuncertainty（EU）basedonthemixedfrequencydynamicfactormodelunderdynamicstructuralchanges，andtoconstructatime-varyingparameterstochasticvolatilityvectorautoregressive（TVP-SV-VAR）modeltostudythetime-varyingimpactofChinaseconomicuncertaintyonthepricefluctuationsofthreeinternationalcrudeoilpricingbenchmarks，WestTexasIntermediatecrudeoil，BrentcrudeoilandDubaicrudeoilTheresultsshowthattheimpactofChinaseconomicuncertaintyoncrudeoilpricefluctuationschangesovertime，andshowsthattheshort-termeffectissignificantlystrongerthanthelong-termeffect，andtheoccurrenceofeachpeakpointisaccompaniedbymajoreconomiceventsOnthisbasis，thispaperproposespolicyrecommendationssuchasenhancingtheresilienceoftheenergysupplychainandpromotingthetransparencyoftheenergymarkettopromotethestabledevelopmentoftheinternationalcrudeoilmarket

Keywords：EconomicUncertainty；InternationalCrudeOil；TVP-SV-VARModel