国内外能源价格非线性特征研究.docVIP

国内外能源价格非线性特征研究 　　[摘要] 基于BDS法和替代数据法，对布伦特原油现货价、大庆原油现货价以及NYMEX天然气期货价和亨利中心天然气现货价的日数据进行了非线性特征检验。研究表明，上述能源价格收益率不服从正态分布，存在长相关特征并具有一定的非线性结构。在替代数据法检验时发现，嵌入维数小于6时，上述能源价格的原始数据和替代数据没有显著性差异，表明在维数低于6时，可以用少于6个经济变量进行线性模拟，以对相关能源价格进行短期预测，以便为中国能源政策制定及能源行业的科学发展提供有益启示。 　　[关键词] 石油价格；天然气价格；BDS检验；替代数据法；随机游走；独立同分布假设 　　[中图分类号]F407.22[文献标识码]A[文章编号] 1673-5595（2014）04-0001-05 　　能源价格一直是经济研究者关注的重要课题，由于能源市场参与主体的多元化，不同理性的参与主体的影响会在能源价格上有所体现，因此，能源价格影响因素的复杂性和综合性表明能源价格是一个多维的非线性系统，如果只是通过线性多元回归模型进行预测往往预测精度难以保证，因此必须对能源价格进行非线性特征研究以便探寻能源价格的一般性内在规律和非线性特征。目前对石油价格和天然气价格非线性特征的研究并不多，主要集中在石油价格的分形特征和混沌特征的研究方面。比如，孟刚等利用1976―2004年的世界平均石油价格进行了研究，认为石油价格市场是一个分形市场。[1]王洲等在非线性系统及复杂性理论框架内，采用相空间重构技术定量地研究了石油价格的混沌特性，并且对石油价格进行了预测。[2]魏学薛等以美国市场西德州轻质原油（WTI）价格和北海布伦特（Brent）原油价格为研究对象进行了研究，得出结论：国际石油价格收益率序列不是独立同分布序列，有一定的非线性结构并且价格波动呈现群聚性特点。[3]何凌云、李君臣等以Brent和WTI原油价格为研究对象，应用R/S分析法研究了上述原油价格的分形特征，得到了相应的Hurst指数，并且发现了价格系统对信息的长期记忆性。[45] 　　可以看出，近年来关于能源价格非线性特征的研究不多。目前BDS（Brock Dechert Scheinkman）法和替代数据法是应用比较广泛的非线性特征研究方法。鉴于此，本文利用BDS法和替代数据法，以布伦特原油现货价（BrentOil）、大庆原油现货价（DaqingOil）以及NYMEX天然气期货价（NYMEXGas）和亨利中心天然气现货价（HenryGas）为研究对象，研究上述能源价格的非线性特征，为进一步寻找石油和天然气价格的内在的规律性以及今后的能源价格的非线性预测提供一些有益的启示。 　　一、方法论 　　（一）BDS法 　　能源价格时间序列往往是自相关的，要消除其自相关的影响，通常拟合p阶自回归模型，在选择合适的阶数p后，计算自回归模型的残差序列，判断该残差序列的BDS统计量是否为独立同分布。如果检验结论不是独立同分布，则意味着能源价格序列在某个显著水平下是内在非线性的。 　　（二）替代数据法 　　替代数据法主要由检验统计量和零假设构成。其基本逻辑是根据原始时间序列的均值和方差等线性性质，构建零假设，即构建相应的高斯线性随机过程，该随机过程产生相应的替代数据。通过对比原始数据与替代数据的检验统计量来说明原始数据中是否存在确定性的非线性特征。 　　1. 零假设 　　零假设1： 原始数据由独立同分布（IID）的随机变量产生。 　　该假设根据高斯型的随机变量分布产生替代数据，并且替代数据和原始数据的均值、方差和幅值分布等特性一致，但是替代数据不具有原始数据之间的关联性。该零假设用于分析原始时间序列是否存在确定性成分。 　　零假设2： 原始数据是由均值、方差和频谱线性相关高斯过程所产生。 　　该零假设的目的在于检验原始数据是否存在非线性成分，替代数据的生成有两种方式：一种是用自回归模型产生替代数据，另一种是用随机化相位方法来生成该假设的替代数据。其思想是通过重构原始数据的功率谱以保证替代数据同原始数据的线性相关性。本文采用Lei M给出的改进算法产生相应的替代数据[7]，重构原始数据的Fourier频谱。首先对原始数据进行Fourier变换： 　　该零假设产生的替代数据和原始数据的幅值分布一致，而且替代数据也具有原始数据的静态、单调非线性性质。所产生的替代数据是非线性的，而这种非线性不是由动力系统产生的。[8] 　　2. 检验统计量 　　如果原始数据与基于零假设所产生的替代数据的检验统计值显著不同，则该零假设被拒绝，说明两者有本质不同。否则，该零假设不被拒绝，说明原始数据与零假设基本一致。检验统计量有两种形式，即中枢性和非中枢性检验统计量。Theiler等建议采用中枢的、与