油价上涨怎么计算_油价上涨幅度系数怎么算

1.运价油价联动机制

2.什么是MEGA利润公式？

3.油田开发经济政策界限计算方法与应用

4.实证研究结果讨论

4.4.3.1 WTI和Brent市场收益率的统计特征

令WTI和Brent市场第t日的石油价格分别为P1,t和P2,t，则WTI和Brent市场第t日的对数收益率分别为Y1,t=ln（P1,t/P1,t-1）和Y2,t=ln（P2,t/P2,t-1），从而各得到4943个收益率样本。图4.20是两个市场所有样本收益率的走势图，不难发现，两个收益率序列均存在明显的波动集聚性。

图4.20 WTI和Brent市场原油现货收益率走势

WTI和Brent两个市场样本内收益率的基本统计特征如表4.17所示。总体而言，两个市场的收益率的平均水平和波动水平都非常接近，这也可以从图4.20上得到印证。同时，与标准正态分布的偏度为0、峰度为3相比，本节两个市场收益率的偏度为负（即呈现左偏现象），峰度远大于3，因此它们均具有尖峰厚尾的特征，而且从JB检验的结果也能看到收益率序列显著不服从正态分布。而对收益率序列进行自相关性LB 检验时，根据样本容量，选择滞后阶数为 ，检验结果表明它们均具有显著的自相关性。另外，通过AD F单位根检验，发现它们都是平稳序列。

表4.17 WTI和Brent市场收益率的基本统计特征

4.4.3.2 WTI和Brent市场收益率的GARCH模型估计

（1）WTI市场收益率的GARCH模型估计

为了滤掉收益率序列的自相关性，本节引入ARMA模型对收益率序列建模。根据自相关和偏自相关函数的截尾情况，并按照AIC值最小原则，经过多次尝试，发现ARMA（1,1）模型比较合适。对ARMA（1,1）模型的残差序列进行自相关性Ljung-Box检验，从自相关分析图上看到，残差序列的自相关系数都落入了随机区间，自相关系数的绝对值都小于0.1，与0没有明显差异，表明该残差序列是纯随机的，换言之，ARMA（1,1）模型很好地拟合了原有收益率序列。

鉴于WTI市场收益率序列存在明显的波动集聚性，因此，本节对ARMA（1,1）模型的残差进行ARCH效应检验，结果发现存在高阶ARCH效应，因此考虑用GARCH模型。由于收益率序列存在厚尾现象，因此本节在GARCH 模型中引入GED 分布来描述模型的残差。根据AIC 值最小的原则以及模型系数要显著和不能为负的要求，通过比较GARCH（1,1）,GARCH（1,2），GARCH（2,1）和GARCH（2,2）模型，本节选择GARCH（1,1）模型来拟合原有收益率序列。

为了进一步研究WTI收益率序列的波动特征，本节检验了TGARCH（1,1）和GARCH-M（1,1）模型。结果发现，收益率序列存在显著的TGARCH效应和GARCH-M 效应，即收益率的波动不但具有显著的不对称特征，而且还受到预期风险的显著影响。考虑到模型的AIC值要最小，以及为了描述收益率波动的不对称性，本节选择TGARCH（1,1）模型对WTI市场收益率的波动集聚性建模，模型形式如式4.16。另外，我们看到模型的GED分布参数为1.260823，小于2，从而验证了该收益率序列的尾部比正态分布要厚的特征，也为本节接下来进一步准确计算WTI市场的风险铺垫了良好的基础。

WTI市场收益率的TGARCH（1,1）模型为

国外油气与矿产利用风险评价与决策支持技术

式中：ε1,t-1﹤0,d1,t-1=1；否则，d1,t-1=0;

Log likelihood=11474.52,AIC=-4.898557,GED参数＝1.260823

从模型的方差方程看到，油价收益率下跌时， 对h1,t的影响程度为α1＋Ψ，即0.057202；而油价上涨时，该影响程度为α1，即0.083559，约为前者的1.5倍。h1,t-1前的系数为0.920539，接近1，表明当前方差冲击的92.0539%在下一期仍然存在，因此波动冲击衰减速度较慢，波动集聚现象比较严重。而检验TGARCH（1,1）模型的残差时发现，其自相关函数都在随机区间内，取阶数为68时，残差的Q统计量的显著性概率大于20%，而Q2统计量的显著性概率大于30%，因此经TGARCH（1,1）建模后的序列不再存在自相关现象和波动集聚性。另外，残差的ARCH-LM检验结果也表明，它不再存在波动集聚性，因此TGARCH（1,1）模型对WTI市场收益率序列的拟合效果较好。

（2）Brent市场收益率的GARCH模型估计

基于Brent市场收益率的波动特征，按照与WTI市场GARCH 模型类似的建模思路，建立了MA（1）模型。而利用ARCH-LM检验方法发现模型的残差存在显著的高阶ARCH效应，因此用基于GED分布的GARCH模型。比较GARCH（1,1）,GARCH（1,2）,GARCH（2,1）和GARCH（2,2）模型的AIC值，以及有关系数的显著性，发现选择GARCH（1,1）模型是最合适的，具体形式如（式4.17）。进一步，对收益率序列建立TGARCH（1,1）模型和GARCH-M（1,1）模型，结果表明，有关系数并不显著，因此说明Brent市场收益率的波动并不存在显著的不对称杠杆效应，也不存在显著的GARCH-M效应。而且，我们也发现GED分布的参数小于2，因此验证了Brent市场收益率同样具有厚尾特征。

Brent市场收益率的GARCH（1,1）模型为

国外油气与矿产利用风险评价与决策支持技术

Log likelihood=116.19,AIC=-4.993462,GED参数＝1.324630

在模型的方差方程中，h2,t-1前的系数为0.912673，表示当前方差冲击的91.2673%在下一期仍然存在。可见，与WTI市场类似，Brent市场同样存在波动冲击衰减速度较慢的现象。检验模型的残差，发现其自相关函数都在随机区间内，取阶数为68时，标准残差的Q统计量的显著性概率大于50%，而Q2统计量的显著性概率大于20%，因此经GARCH（1,1）建模后的序列不再存在自相关现象和波动集聚性。另外，残差的ARCH-LM检验结果也表明，它不再存在波动集聚性，因此GARCH（1,1）模型对Brent市场收益率序列的拟合效果也较好。

图4.21给出了两个市场的条件异方差的走势，分别代表着它们的波动水平。从图中看到，一方面，两个市场收益率的波动水平基本相当，只是在某些区间WTI市场的波动会更大一些。当然，在海湾战争期间，Brent市场的波动程度相比而言更剧烈一点；另一方面，两个市场都存在一个明显的现象，那就是在波动比较剧烈的时期，其条件方差最高可达一般水平的20倍以上，这种波动的大规模震荡不但说明了国际石油市场存在显著的极端风险，而且对于市场波动和风险的预测具有重要的现实意义。

图4.21 WTI和Brent市场的条件异方差比较

4.4.3.3 WTI和Brent市场收益率的VaR模型估计和检验

正如前文所述，石油市场需要同时度量收益率下跌和上涨的风险，从而为石油生产者和购者提供决策支持。为此，本节将用上述基于GED分布的TGARCH（1,1）模型和GARCH（1,1）模型，按照方差－协方差方法来分别度量WTI和Brent市场在收益率上涨和下跌时的VaR 风险值。

（1）GED分布的分位数确定

根据GED分布的概率密度函数，使用MATLAB编程，经过多次数值测算，求出GED分布在本节所得自由度下的分位数，如表4.18所示。表中结果显示，95%的分位数与正态分布的1.645基本相同；但99%的分位数却明显大于正态分布的2.326，这也表明了国际油价收益率具有严重的厚尾特征。

表4.18 WTI和Brent市场收益率的GED分布参数及分位数

（2）基于GED-GARCH模型的VaR风险值计算

根据VaR风险的定义，我们得到以下两个计算VaR风险的公式。其中上涨风险的VaR值计算公式为

国外油气与矿产利用风险评价与决策支持技术

式中；zm,α﹥0，表示第m个市场中（T）GARCH（1,1）模型的残差所服从的GED分布的分位数；hm,t为第m个市场的收益率的异方差。

同理，得到下跌风险的VaR值计算公式为

国外油气与矿产利用风险评价与决策支持技术

根据上述两个VaR风险计算公式，本节计算了在95%和99%的置信度下，WTI和Brent市场的上涨风险和下跌风险（表4.19，表4.20）。

表4.19 WTI市场收益率的VaR计算结果

表4.20 Brent市场收益率的VaR计算结果

从表4.19和表4.20的实证结果看到，第一，除95%的置信度下市场收益率上涨风险的LR值略大于临界值外，其他所有LR统计量的值均小于相应的临界值，因此按照Kupiec的返回检验方法，可以认为基于GED分布的TGARCH模型和GARCH模型基本上能够充分估计出两个市场收益率的VaR风险值。从市场收益率与VaR风险值的走势也可以看到这一点（图4.22）。第二，在99%的置信度下，两个市场的VaR 模型对收益率的上涨风险比对收益率的下跌风险的估计精度都更高，这可能是由于收益率分布的左尾比较长，GED分布尚未完全捕捉到所有的厚尾现象。而在95%的置信度下，对下跌风险的估计精度更高。第三，从VaR的均值来看，在相同的置信度下，不管收益率是上涨还是下跌，WTI市场的VaR值都要比Brent市场对应的VaR 风险值大，因此需要更多的风险准备金。当然，从图4.23的VaR 风险走势可以发现，事实上，两个市场的VaR风险基本上相差不大，只是在某些样本区间内，WTI市场的风险会超过Brent市场。

图4.22 99%的置信度下Brent市场的收益率及其VaR风险值

图4.23 99%的置信度下WTI和Brent市场收益率上涨和下跌时的VaR风险值

（3）VaR模型比较

在用GARCH模型计算市场收益率的VaR 风险值时，一般都设模型的残差服从正态分布，从而直接令zm,α等于标准正态分布的分位数。但实际上，石油市场的收益率及其模型残差一般都是非正态分布的，因此得到的VaR 模型往往不够充分。为此，本节以99%的置信度为例，建立了基于正态分布分位数的VaR 模型，计算结果如表4.21所示，并与表4.19和表4.20中VaR模型的有关结果进行比较。

表4.21 基于正态分布分位数的VaR模型计算结果

结果表明，从VaR均值上看，基于正态分布的VaR模型在两个市场、两个方向（即上涨和下跌）上计算得到的VaR风险值均比基于GED分布的VaR 模型的相应结果要靠近零点，这从模型失效次数的比较上也能得到验证。再者，由于表4.21中的失效次数均超过了99%的置信度下临界处的失效次数（约为47），因此此时的计算结果低估了市场的实际风险。

而按照Kupiec的返回检验方法，可看出与99%置信度下的临界值6.64相比，不管是WTI市场还是Brent市场，不管是上涨还是下跌方向，用基于正态分布分位数的VaR模型计算市场风险基本上都不够合理。其中，尽管WTI市场的上涨风险计算结果基本上可以接受，但与表4.19中对应的LR值相比，发现后者更加充分而准确。因此，总体而言，用基于GED分布的VaR模型要比基于正态分布的VaR模型更充分而合适，得到的结果更可取。

当然，在95%的置信度下，基于正态分布和GED分布的VaR模型的LR值几乎一样，都是比较充分的。这是由于它们的分位数几乎是一样的，均为1.645左右。

另外，本节通过计算还发现，如果在建立GARCH模型时设残差服从正态分布，而计算VaR时又选择一般所用的正态分布分位数，则得到的VaR模型不管是哪个市场、哪个方向的风险都将很不充分，而先前很多研究往往就是这么做的。

（4）VaR模型的预测能力

从上述分析中可以看到，基于GED-GARCH的VaR模型能够较好地估计和预测样本内数据。为了更加全面检验这种VaR模型的预测能力，接下来本节以95%的置信度为例，用它来预测样本外数据的VaR风险值，并与样本外的实际收益率数据进行比较。结果发现，在WTI和Brent市场上，落在预测得到的正向VaR和负向VaR之间的实际收益率占整个样本外预测区间所有收益率的比例均为95.76%，接近95%；相应的LR值为0.3409，小于95%置信度下的临界值3.84，因此是可以接受的（图4.24，图4.25）。换言之，根据样本内数据建立的VaR 模型用于预测样本外数据的VaR风险时，其预测能力是可以接受的。另外，为了比较，本节也用了广受好评的H SAF方法建立模型，并预测了样本外数据的VaR风险，但检验却发现其在此处的预测结果并不理想。因为不管是WTI市场还是Brent市场，落在预测得到的正向VaR和负向VaR之间的收益率占整个预测区间所有收益率的比例均为91.92%，离95%较远；相应的LR统计量为4.40，大于临界值，因此应该拒绝原设，即认为在此处用HSAF方法预测市场VaR风险并不妥当。

图4.24 95%的置信度下WTI市场的样本外实际收益率与预测VaR值

图4.25 95%的置信度下Brent市场的样本外实际收益率与预测VaR值

4.4.3.4 WTI与Brent市场风险溢出效应检验

得到WTI和Brent两个市场的收益率上涨和下跌时的VaR风险值之后，本节根据Hong（2003）提出的风险－Granger因果检验方法，构造相应的统计量Q1（M）和Q2（M），并通过MATLAB编程求出统计量的值及其显著性概率，从而检验两个石油市场之间的单向和双向风险溢出效应。计算结果如表4.22所示，其中M分别取10,20和30。

表4.22 WTI与Brent市场风险溢出效应检验结果

从表4.22看到，一方面，在95%和99%的置信度下，不管是上涨风险还是下跌风险，WTI和Brent市场都具有显著的双向Granger因果关系，即两个石油市场之间存在强烈的风险溢出效应；另一方面，为了进一步确定风险溢出的方向，我们从利用单向风险－Granger因果检验的统计量Q1（M）计算得到的结果看到，不管置信度是95%还是99%，不管是上涨风险还是下跌风险，都存在从WTI到Brent市场的风险溢出效应。而若Brent到WTI市场的风险溢出情况稍微复杂，在95%的置信度下，只存在收益率下跌方向的风险溢出，而收益率上涨时并不存在；在99%的置信度下，情况则相反，只存在收益率上涨方向的风险溢出，而不存在下跌方向的风险溢出效应。前者可能是由于95%的置信度下收益率上涨方向的VaR 模型不够充分导致，而99%的置信度下VaR模型是非常充分的，因此后者更为可信。换言之，可以认为在99%的置信度下，不存在从Brent市场到WTI市场的风险溢出效应。

这表示，当市场出现利空消息从而导致油价收益率下跌时，WTI市场的风险状况有助于预测Brent市场的风险，而反之不然。当市场出现利好消息从而导致油价收益率上涨时，两个市场的风险的历史信息均有助于预测彼此未来的市场风险。这对有关和企业的科学决策具有一定的借鉴意义。

运价油价联动机制

燃油附加费的计算方式是每吨燃料价格乘以船上消耗的燃料种类和价格，高硫油、0.5%低硫油、0.1%低硫油，然后再除以该航线所载集装箱数量。

计算公式为每UNIT费率标准燃油附加费=(船用油价—起征点油价)*系数+低硫油附加费。

起征点油价：RMB2000元/吨。

系数：0.177。

低硫油附加费：RMB12/UNIT上。

燃油附加费的含义

燃油附加费是由于油价上涨，航运公司营运成本增加，为转嫁额外负担而加收的费用，该费用以每运输多少金额或者以运费的百分比表示。

常见的燃油附加费包括航空燃油附加费以及出租车燃油附加费，航空燃油附加费是航空公司收取的反映燃料价格变化的附加费，根据国家标准征收，主要用于缓解油价大幅上涨给航空公司带来的成本增压力，出租车燃油附加费是出租车公司收取的反映燃料价格变化的附加费，主要用于有效疏导油价上涨对出租车行业影响。

至2012年开始，国内航线的燃油附加费将下调各航段的下调幅度均为10元人民币。

什么是MEGA利润公式？

报导很清楚啊！

上海建出租车运价油价联动机制:通过两公式操作

中国网 | 时间：2006 年4 月18 日 | 文章来源：东方网

东方网4月17日消息：在今天的听证会上，公布了两个公式，运价油价联动机制今后将通过两个公式来操作。

第一个公式用于调整出租车起步费。按照这个公式，如果油价平均提高一元，根据前期调研，单车每天消耗汽油43.75升，日均载客34次，代入公式，每车起步价需要提高1.29元。

第二个公式用于调整超过起步价后的出租车公里单价。按照这个公式，如果油价每升平均提高1元，每车每天行驶350公里、载客率61%、起步价外公里占总公里数的64%，与公里油耗无关的加价计时等营运附加收入系数0.15，计算后可以发现每公里运价需要提高0.27元。

今后，这两个公式将配合使用，调整起步价和单价，体现多乘多支出，少乘少支出的原则。按照这两个联动公式，在目前的市场营运状况下，如果起步费从10元调整为11元，公里单价从2元调整为2.1元，调价幅度大约在6.7%左右，对乘客来说，每次用车平均多支出多1.43元。行业管理部门表示，将建立计算公式中有关营运数据统计分析和定期公布的制度。并检测油价波动幅度，考量一定时期内油价上涨对行业影响程度，跟踪运价调整后市场供求等主要运营指标变化动态，以保证联动机制的有序运行。

上海现行的出租车运价是1993年制定的，1998年做过微调，起步费为3公里10元，超起步里程后每公里2元，超过10公里以上的部分加收50%空驶补贴费。出租汽车因路堵及因乘客要求临时停车，每5分钟按2元计算。近几年来，燃油成本上升迅速，90号汽油价格已经从98年每升2.13元上升到了目前的4.13元，是98年的1.95倍。此外，维修成本、车辆保险费等也有不同程度上涨。

油田开发经济政策界限计算方法与应用

该公式是根据2003—2008年石油信息解具有变量的公式的关键公式。

考虑到石油公司所获得的巨大利润以及由石油公司生产国获得的意外之财，油矿开权以及世界最具活力的组织所获得的基金对于反映MEGA利润理论应用就显得十分重要。欧佩克指出，世界石油生产国在2003年至2008年间生产的石油已经获得了1.9万亿美元的利润，这是根据布伦特原油价格估算出来的，那里的原油价格从2003年的29美元／桶涨到了2008年的145美元／桶。为了更好地理解这一观念，下面的MEGA利润公式就可以反映各个变量的意义：

(P08-P03) Q08=M08

式中，P08为2008年的原油平均价格；P03为2003年的原油平均价格；Q08为2008年生产的石油总产量（开到地面的石油桶数）；M08为从2008年生产的石油所获得的巨大利润，代表着在2008年的每桶石油中获得的超级利润（或者是矿藏开权，或是庞大的资金）。

MEGA公式中的变量一个变量通常由一个或多个词或符号来表示，如“时间”或“>X>”。在巨额利润公式中，变量为：2003—2008年间的平均石油产量（以桶计）以及2008年7月的石油价格（以美元计）。：2008年以美元表示的每桶石油价格（平均值）称之为t08。虽然在英国伦敦的股票市场上标出了重要的原油价格，但我们还是选择布伦特原油价格作为参照物，因为布伦特原油价格是全球皆知的原油价格的表征。在选择这种原油价格来确定石油公司所获利润时，可能会遇到一些问题。鉴于不同国家的勘探开发作业的成本会导致每桶原油的价格出现4～6美元的偏差，以1998年的情况为例，当年的平均原油价格为10美元／桶。若用2003年的每桶原油价格，则为每桶29美元，这样就可使我们得出一个清晰而稳当的设。利用该公式的计算对于石油公司与作业者来说，二者的结果将是公平对等的。选择29美元／桶的油价进行计算的第二个正当理由是在该年之后，原油价格开始上涨。在2003年6月到2006年7月间，每桶原油的价格上涨了一倍有余，见下表。

这种油价大幅度上涨是难以用全球经济增长的原理来解释的。我们有理由认为，这种油价飙升的主要原因是欧佩克热切地希望一手遮天地垄断全球日益增加的能源需求，而石油市场上又充斥着投机倒把行为所造成的。

因此，这一公式依然以29美元作为原油价格，并没有产生MEGA利润，但也并不意味着没有获利，用此价格公式来计算利息、开支、风险以及石油工业的作业情况等。因此，MEGA利润公式表明了三个重要因素利润、矿藏开权、资金。。

MEGA公司表征着石油公司的利润与开权或酬金之间的区别。石油公司的“超级利润”是由石油公司与石油生产国欧佩克成员之间分享的。顺理成章地，欧佩克成员就拥有了产量（QOPEC）份额以及常常相当于石油公司的 MEGA利润的开权。石油公司拥有一定数量的QOC，这可以使其不必在研发方面过多地投入资金并可弥补生产的费用。因此：

QOPEC+ QOC=Q

该公式可用于三个主要的石油作业公司。

（1）用于石油公司的Theo利润公式

该公式可用于那些在极度困难的条件下获得MEGA利润的石油公司，而这些石油公司又会将自己的所获利润与负担社会责任有机地结合起来，而这也是社期望的。

因此，Mt代表着MEGA利润（MPt）：

（P08-29）×QOC，r= MPt(2)

（2）用于石油生产国／或州的MEGA利润公式

该公式也可用于欧佩克的石油生产国。但是与石油公司为非石油生产国（NOPEC）所获得的开权不同，后者要进行投资而且会根据自由市场的规则去获得利润。欧佩克不进行投资，它们仅仅以被称为环境酬金或开权作为自己的收入来源，道理很简单——它们拥有可供油气勘探的土地。在一个平均分配情况中的MEGA利润公式系数为：

（P08-29）×QOPEC，t= SRt　(3)

SRt代表着酬金或开权。

（3）用于非石油生产国石油进口国。的MEGA利润公式

石油价格的波动上涨使那些依靠进口石油的非石油生产国不得不依法支付高额费用。这些款额已经使的效益大大缩水并使经济与社会的发展动力大打折扣。该公式有助于确定非石油生产国最终必须为高涨的油价所支付的高额能源账单。Qt应该被超过正常支付水平的MCt取代：

（PC-29）×QM，t= MCt　(4)

MEGA利润公式应用实例：

根据MEGA公式，欧佩克成员国从2003年29美元／桶到2007年的145美元／桶的油价获得巨大的利润，其中MEGA利润可达1.9万亿～2.1万亿美元以上2008年，欧佩克从石油大约获利1.5万亿美元。根据美国的顶级能源预测机构的预计，由于破纪录的高油价，欧佩克成员有望在2008年获利1万亿美元。石油输出国组织的纯石油出口收入预计在2007年会飞涨45%，达到6760亿美元；到2008年将会达到9800亿美元；到2009年将会回落到8800亿美元，因为2009年的油价可能会有所下降。在人均计算的基础上，欧佩克的石油出口利润将在2008年的基础上增长43%，达到人均获利1636美元。欧佩克的成员们正在因全球强有力的石油需求和一路飙升的油价（达到创纪录的145美元／桶）而赚得盆满钵满。2008年，有些欧佩克成员（指6个最大的欧佩克成员）因石油出口的获利预计为：沙特阿拉伯—2550亿美元，阿拉伯联合酋长国—740亿美元，伊朗—650亿美元，尼日利亚—650亿美元，科威特—670亿美元，阿尔及利亚—600亿美元。。

据研究，我们发现了主要的石油生产者们的收支平衡的价格，它能够抵消所有花费在石油与天然气方面的投资。沙特阿拉伯是世界上最大的石油生产国，它需要将原油价格稳定在47美元／桶的水准，以避免国家收入的亏损。沙特阿拉伯是中东地区最大的经济体，它的出口收入中90%来自石油与天然气销售。沙特阿拉伯的收支平衡价格是海湾合作委员会之间最高的，因为它们在油气勘探开发项目方面进行了大量的投资，石油资金被大量用于这些项目。在油价进一步下跌的情况下，如果继续对基本建设项目大力投资的话，就可能将当地的经济引导到危险的边缘。阿拉伯联合酋长国能够在油价涨到24美元／桶时就使自己的国家财政盈利。阿拉伯联合酋长国将在油价达到24美元／桶时获得国家收入的平衡，但若跌破这一水准，它们就会亏损。卡塔尔的收支平衡价格为32美元／桶。伊拉克拥有本地区最高的收支平衡价格。这个饱受战火之痛的国家所产的石油应达109美元／桶以上，方可使它的收支达到平衡。当收支平衡价达到57美元／桶以上时，阿尔及利亚就将实现财政的收支平衡。

由Theodore博士研发的MEGA公式颇具优势，而且可用于对石油生产者和油气作业者进行更多的产量分析与研究。

实证研究结果讨论

尚明忠　孙伟　孟新华　王兴科　苏映宏

摘要　介绍了新井经济极限初产油量、老井经济极限含水量及经济极限产油量、措施增产油量经济政策界限的研究方法，制作了胜利油区不同类型油田的开发经济政策界限图版，为避免油田开发中的低效工作量和提高油田开发的整体经济效益提供了依据。

关键词　经济政策界限　经济极限含水量　措施　经济极限产油量　经济效益　胜利油区

一、引言

在油田开发过程中，随着油田含水量的上升和开发难度的加大，其产量也会不断下降。当产量降低到一定界限，其产值不能平衡必要的投资和成本时，油田或油井的开就会没有效益，甚至亏本。因此，研究油田开发经济政策界限，对于提高油田开发经济效益具有非常重要的意义。

1.计算原理及方法

二、新井经济极限初产油量

新井经济极限初产油量是指在一定的技术、经济条件下，当油井在投资回收期内的累积产值等于同期总投资、累积年经营费用和必要的税金之和，即单井投资回收期内的经济效益为零时井对应的产油量，称为新井经济极限初产油量。

单井投资回收期内经济效益表达式为

胜利油区勘探开发论文集

当投资回收期内累计经济效益为0，即Pp=0时，得出新井经济极限初产油量的计算公式为

胜利油区勘探开发论文集

式中：Pp——投资回收期内生产井单井累计效益，104元；

Sp——投资回收期内生产井单井累计总产值，104元；

K——投资回收期内生产井单井累计总投资，104元；

Cp——投资回收期内生产井单井累计年经营成本，104元；

τ0——油井开井时率，小数；

qmin——新井单井经济极限初产油量，t/d；

w——原油商品率，小数；

P——原油价格，元/t；

Rt——吨油税金，元/t；

T——投资回收期，a；

B——油井在投资回收期内产量平均年递减余率，小数；

Ib——单井地面建设投资，104元/井；

Id——单井钻井投资，104元/井；

β——油水井系数，小数；

i——经营成本年上涨率，小数；

C0——单井经营成本，104元/井。

2.参数的确定[1]

(1）投资

投资可分为钻井投资和地面建设投资两部分。

钻井投资是指油气田开发建设期所钻的开发井投资，包括钻前准备工程、钻井工程、测井和完井工程投资。其投资定额主要和井深有关。胜利油区每米钻井投资CM与井深H有如下回归公式（不包括海上油田）

胜利油区勘探开发论文集

油田地面建设投资主要包括油气集输、注水、供排水、供电、通讯、道路等。根据“九五”期间实际发生的油田地面建设投资，可以确定陆上老区新井、陆上新区新井、海上油井的平均单井地面建设投资。

（2）经营成本及费用

经营成本和费用是油气田企业在生产经营活动中按规定发生的一切消耗和费用的总和，包括油气开成本、管理费用、销售费用和财务费用。原油开成本包括生产过程中实际消耗的直接材料、直接工资、其他直接支出等。油气勘探开过程发生的管理、销售和财务等三项费用作为当期损益，直接从当期销售收入中扣除。

按现行会计报表，油气开成本由15项构成，包括动力费、材料费、燃料费、生产人员工资、费、驱油物注入费、热费、油气处理费、轻烃回收费、井下作业费、测井试井费、修理费、制造费用、折耗及摊销、勘探费用。

（3）税金

主要税金包括增值税、城建税、教育费附加税和税。为简化步骤，计算了不同油价下的吨油综合税金。在原油价格为800～1800元/t时，吨油综合税金为99～220元/t。

（4）递减率

为了确定新井产量递减率，统计分析了胜利油区1990～1995年新井的变化规律，按日产油水平分为小于4t、4～6t、6～8t、8～10t和大于10t五个级别进行跟踪分析。统计结果表明，递减率的大小与单井初产油量的高低有关，单井初产油量越高，递减率越大。单井初产油大于10t/d的井递减率约为15%，单井初产油量为8～10t/d、6～8t/d、4～6t/d的井递减率分别为12%、10%、5%左右，小于4t/d的井基本不递减。

3.新井经济极限初产油量计算

通过分析“九五”以来胜利油区的投资、成本，结合单井日产油量的变化规律，分别计算了不同井深、不同油价条件下陆上老区、陆 上新区和海 上新区新井的经济极限初产油量。

根据计算的经济极限初产油量，对胜利油区“九五”以来的新区进行了评价，在综合分析的基础上得出了不同地区不同油价下的低效产量比例。

（1）陆上新区新井经济极限初产油量计算

以井深为1000～3500m，原油价格取900～1700元/t为条件，测算了陆上新区低渗透油田和高渗透油田新井经济极限初产油量，并制作了图件（图1、图2）。从图中可看出，井深相同时，油价越高，新井经济极限初产油量越低；在相同油价情况下，井越浅，对新井初产油量要求越低。

图1　陆上新区低渗透油田新井经济极限初产油量图

图2　陆上新区高渗透油田新井经济极限初产油量图

高渗透油田对新井的初产要求低于低渗透油田。油价为1000元/t，井深为2000m时，高渗透油田新井经济极限初产为5.65t/d，低渗透油田为6.12t/d。

根据陆上新区新井经济极限初产油量图，对胜利油区1996～1998年所钻陆上新区新井进行了跟踪分析。1996年共钻新区新井317口，平均单井产量11.43t/d，其中低效井78口，平均单井产量3.35t/d，低效井井数占24.6%，但产量仅占4.1%；19、1998年低效井井数分别占当年钻新井的25.6%、20.2%，产量分别占6.1%、3.5%。

（2）陆上老区新井经济极限初产油量计算

陆上老区井深取1000～3500m，原油价格取900～1700元/t，其低渗透、高渗透油田新井经济极限初产油量计算结果分别见于图3、图4。由于低渗透油田钻井投资、地面建设投资及经营成本等均高于高渗透油田，其新井经济极限初产油量要高于高渗透油田。油价为1000元/t，井深为2000m时，高渗透油田新井经济极限初产为5.3t/d，低渗透油田为5.5t/d。

图3　陆上老区低渗透油田新井经济极限初产油量图

图4　陆上老区高渗透油田新井经济极限初产油量图

根据陆上老区新井经济极限初产油量图，对胜利油区1990年以来的陆上老区新井进行了跟踪分析，得出了不同油价下其新井低效产量的比例。油价为1000元/t时，1990～1995年陆上老区新井低效产量比例从4.5%上升到13.4%，高于陆上新区新井低效产量的比例，且低效产量的比例上升较快。1995年以后，通过应用精细油藏描述等新技术，不断优化新井井位设计，使得低效产量比例上升的趋势得到控制，基本保持在13%左右。

（3）海上油田新井经济极限初产油量计算

依据海上油田经济参数分析结果，计算了不同油价、井深情况下海上油田新井经济极限初产油量，并制作了图件（图5）。在原油价格为1000元/t时，海上油田新井经济极限初产油量为35.7t/d（井深2200m）。1999年，胜利油区的平均原油销售价格为931元/t，所对应的海上新井经济极限初产油量为36t/d。

图5　海上油田新井经济极限初产油量图

根据上述经济极限初产，统计了海上油田近几年新井低效产量的比例。当油价为1000元/t时，1995～1998年低效产量比例分别为11.08%、7.87%、4.36%、7.36%。海卜油田自1995～1996年馆陶组油藏全面投入开发以来，不断应用地震约束反演、油层保护等新技术，优化方案设计，钻井成功率高，新井低效产量的比例明显降低。随着动用储量难度加大，1998年以后低效产量比例上升。

三、老井经济极限含水及经济极限产油量

研究油田的经济极限含水量及经济极限产油量，可以及时判别低效井，并对之取关闭或转注、改层等措施，以提高经济效益。

1.计算原理及方法

经济极限含水量及经济极限产油量，是指油田（油井）开发到一定的阶段，其含水量上升到某一数值或产油量下降到某一数值，投入与产出达到平衡，含水如再升高、产油量如再下降，油田开发就没有利润了，油田（油井）此时的含水量称为经济极限含水量，其对应的产量称为经济极限产量。

老井经济极限含水量、新井经济极限初产油量的计算都是用盈亏平衡原理，但不同的是，新井经济极限初产油量的计算是指一定阶段（投资回收期）的投入产出平衡，而老井经济极限含水量的计算是指瞬时（一般取一年）的投入产出平衡。

由于老井一般都认为经历了8年以上的开时间，在计算老井经济极限含水量及经济极限产油量时，可以不考虑其投资，仅计算它的经营成本。对原油经营成本不同的考虑方法，可以得出不同概念的经济极限含水量及经济极限产油量。常规成本分析法是考虑老井开时所需的全部经营成本；而最低成本分析法，则是按油井主要的维持生产的费用来计算的。

计算老井经济极限含水量及经济极限产油量的投入产出平衡式为：

胜利油区勘探开发论文集

由（4）式可导出求老井经济极限含水量及经济极限产油量的表达式：

胜利油区勘探开发论文集

式中：qo,min——经济极限产油量，t/d；

fw,min——经济极限含水，小数；

qL——单井产液量，t/d；

Cv——吨液可变成本，元/t；

Cg——固定成本，104元/井；

t——预测年相距基础年的年数，a。

2.吨液成本与平均单井产液量关系

单井生产成本分固定成本和可变成本。（5）、（6）式中准确求取单井生产成本非常关键。为提高该方法的可操作性和实用性，经研究可简化成本分析项目，直接通过平均单井产液量、吨液成本求取单井生产成本。

按最低成本统计分析了1998年胜利油区40个陆上水驱开发油田的吨液成本 CL和油田的平均单井产液量qL有很好的相关关系，其回归关系式为：

胜利油区勘探开发论文集

将（7）式代入（5）、（6）式，可得新的经济极限产油量和经济极限含水量的表达式：

胜利油区勘探开发论文集

3.老井经济极限产油量及经济极限含水量计算

（1）陆上老井经济极限产油量及经济极限含水量计算

油价选800～2400元/t，单井产液量取10～160t/d，利用式（8）、（9）计算了老井的经济极限产油量和经济极限含水量（图6，图7）。从图中可以看出，在相同单井产液量条件下，油价越高，单井经济极限产油量越低；相同油价下，单井产液量越高，单井经济极限产油量越高。油价为1000元/t，单井产液量为10t/d时，单井经济极限产油量为1.15t/d，经济极限含水量为88.5%；单井产液量为160t/d时，单井经济极限产油量为1.68t/d，经济极限含水量为98.9%。

（2）海上老井经济极限含水量及经济极限产油量计算

由于资料所限，海上油田未建立起吨液成本与单井产液量的关系，其原油成本通过分项统计获得。利用公式（5）、（6），油价为1000元/t，单井产液量为30t/d时，计算得老井经济极限含水量为87.2%，经济极限产油量为3.8t/d；单井产液量为80t/d时，计算得老井经济极限含水量为89.1%，经济极限产油量为8.7t/d。从计算结果看，海上油田由于原油生产成本高，其经济极限含水大大低于陆上油田，而经济极限产量大大高于陆上油田。

（3）胜利油区老井低效井情况

依据绘制的老井经济极限产油量及经济极限含水量判别图，对2000年6月开井的13028口老井进行了分析，其中低效井有1293口，占总井数的9.9%；月产油1.94×104t，占全部老井产量的0.83%；平均单井日产油0.5t；综合含水量98.2%。这批低效井2000年6月的最低生产成本为3365×104元，同比产值为1982×104元，亏损1383×104元，建议该部分井进行关停并转。

图6　陆上老井经济极限产油量图

图7　老井经济极限含水量图

四、措施增产油量经济界限[2]

1.计算原理及方法

措施增产油量经济界限是当油井在措施有效期内的投入与产出平衡时，措施后比措施前累积增产的油量，其计算公式为：

胜利油区勘探开发论文集

式中：Ic——措施新增投入，104元；

Tc——措施有效期，a；

Cc——措施成本，元/t；

qc——措施增油量经济界限，t/d。

2.计算实例

利用公式（10）测算了埕东油田下电泵、防砂、补孔改层、下大泵、卡堵五项措施的日增油量经济界限值。其下电泵措施的有效期为半年至两年，单井日增油界限值为2.29～0.57t，累计增油量经济界限值364t；防砂、补孔改层、下大泵、卡堵的累计增油量经济界限值分别为111t、158t、95t、142t。

五、稠油蒸汽吞吐热井经济极限油汽比

1.计算原理及方法

对于稠油注蒸汽开来说，设备工艺的要求要比稀油开高，设备投资额较大，原油成本也较高。因此，应特别注意蒸汽吞吐热井开中的经济界限问题。当油汽比达到某一数值，使总成本高于总销售收入时，注蒸汽开便无经济意义了，收入与支出平衡时的油汽比即为经济极限油汽比。

测算经济极限油汽比的公式为：

胜利油区勘探开发论文集

式中：OSRmin——经济极限油汽比，小数；

Cig——平均每注1m3蒸汽的成本，元/m3；

Cwdf——单井平均分摊的固定成本，元/d；

Cg——吨油可变成本，元/t；

qo——平均单井产油量，t/d。

2.计算实例

据1998年孤岛油田稠油成本实际发生值，与注汽量有关的费用按注汽费和部分热费计算，按照公式（11）测算的孤岛稠油油田单井日产分别为4t、5.2t、6t、7t、8t、10t情况下，当油价为948元/t时，经济极限油汽别为0.71、0.25、0.19、0.16、0.14、0.12。

六、结论

本文分析研究了不同类型油藏成本、投资分类，建立了老井吨液成本与单井产液量的函数关系，简化了老井经济极限含水量的计算方法和步骤，提高了方法的实用性。

全面而系统地研究了新井、老井、热井及措施井的经济界限值，并制作了胜利油区不同类型油田开发的经济界限图件，为关停并转低效和无效井提供了依据。

致谢　本文集中了地质科学研究院开发综合规划室最近几年在经济政策界限方面的主要成果，是集体智慧的结晶。胜利有限公司副总地质师、地质院院长孙焕泉和开发管理部总地质师方开璞给予了悉心指导。参加本文工作的还有凡哲元、杨勇、邴绍献、吴作舟、侯春华、王道祯、王星等，在此一并致谢。

主要参考文献

[1]中国石油天然气总公司局，中国石油天然气总公司规划总院编.石油工业建设项目经济评价方法与参数（第二版）.北京：石油工业出版社，1994.

[2]岳立，岳登台.老油田高含水期可储量及增产措施经济评价方法.石油学报，2000,21(5).

4.5.3.1 基本统计分析

令POt,PEt分别表示第t日WTI国际原油价格和欧元对美元汇率价格，其统计特征如表4.23所示。不难发现，首先，两个价格（汇率也可以看做一种相对价格）序列都是非正态分布的；其次，两个价格序列都存在显著的自相关性和异方差性，因此存在显著的波动集聚性。还有，ADF检验结果表明，在5%的显著性水平下，两个价格序列都是非平稳序列，但都是一阶单整序列。从两者的标准差也可以发现，总体而言油价波动的风险比汇率波动风险要大。

表4.23 国际油价和美元汇率序列的基本统计特征

4.5.3.2 均值溢出效应检验

（1）协整性分析

为了利用长期弹性的概念，我们先对两个价格序列取自然对数，得到两个新的变量1n_PO和1n_PE。由于国际油价和美元汇率序列取自然对数后仍然均是一阶单整序列

检验结果表明，取自然对数以后，两个价格序列仍然是一阶单整的，符合应用协整理论的基本要求。具体统计检验结果可向作者索要。

国外油气与矿产利用风险评价与决策支持技术

式中：括号内为相应变量的t统计量值；**表示在1%的显著性水平下显著。用ADF方法检验回归方程残差项εt的平稳性，结果发现，残差序列在1%的显著性水平下是显著平稳的。因此，我们认为国际油价和美元汇率之间存在长期均衡的协整关系。而从协整回归系数看到，两者之间存在的均衡关系是正向的。并且，国际油价关于欧元对美元汇率的长期弹性系数为1.26，即美元汇率变动1%，国际油价长期来看平均变动1.2607%。可见，两个市场之间的长期互动关系非常显著，因此在分析和预测国际油价长期走势时，美元汇率的变化必须考虑。

（2）跨期互相关检验

尽管国际油价和美元汇率都不是平稳序列，但它们之间存在协整关系，因此符合建立VaR模型的先决条件。而为了确认是否需要用VaR模型建模，我们先检验国际油价序列和美元汇率序列的跨期互相关性，滞后2阶时，得到跨期互相关系数如表4.24所示。可见，油价和汇率序列之间滞后2期的互相关系数都较大，这说明两个市场的条件均值之间存在显著的引导和滞后关系。因此，建立VaR模型很有必要。

表4.24 国际油价和美元汇率之间的跨期互相关系数

（3）均值溢出效应检验

通过对油价和汇率两个序列建立VaR模型，根据模型的整体AIC值最小准则，求得Granger因果检验的最佳滞后阶数为1，从而得到Granger因果检验结果如表4.25所示。从显著性概率发现，欧元对美元汇率是国际油价波动的Granger原因。而国际油价变化并不是显著引起美元汇率起伏的Granger原因。因此可以认为，存在从美元汇率到国际油价的单向均值溢出效应，即国际油价的变化受前期美元汇率变化的显著影响。

表4.25 油价和汇率的Granger因果检验结果

自2002年起，美元持续贬值，原因非常复杂，其中最根本的原因在于美国试图有效拉动出口，缩减贸易赤字。另一方面，受到市场供需、地缘政治和金融市场等因素的综合影响，国际油价自2002年起也连创新高。通过上述均值溢出效应检验，我们可以认为，美元的贬值对国际油价上涨存在显著的推动作用。这是由于原油期货交易主要以美元计价，而美元贬值导致部分外国投资者大量买进原油期货交易合约以获取更高利润，而原油期货价格的走高势必导致现货价格的上扬。当然，这里面也暗含一种长期影响的意义。

与前人用实际油价和实际汇率计算得到的结果相比，用名义价格得到的结果表明，尽管从长期而言油价和美元汇率之间仍然存在一种均衡的互动关系，但是相互影响的方向发生了变化。因此可以认为，物价水平一定程度上改变了两个市场之间的长期互动关系。

（4）脉冲响应函数结果分析

在VaR 模型中，脉冲响应函数可用于衡量来自随机扰动项的一个标准差冲击对变量当期和未来取值的影响。基于国际油价与美元汇率建立的脉冲响应函数如图4.27所示。可见，美元汇率一个标准差（对数值为0.1463，对应原始汇率的0.1557）对国际油价的影响是缓慢增加的，在大约1年以后（具体结果为234天）达到最大程度0.00879美元/桶（此为对数值，转换成国际油价为1.0088美元/桶），并趋于平稳减缓；而国际油价的一个标准差（对数值为0.2422美元/桶，对应原始油价为8.3743美元/桶）对美元汇率的影响较为微弱，接近于0。这种结果进一步验证了国际油价和美元汇率之间的单向均值溢出效应。

图4.27 国际油价与美元汇率的脉冲响应函数

a—油价受到冲击后的反应；b—美元汇率受到冲击后的反应

4.5.3.3 波动溢出效应检验

（1）价格序列的GARCH效应分析

从表4.23中看到，两个价格的平方序列均存在显著的序列相关性，即原序列具有显著的波动集聚性，因此我们引入ARCH 类模型刻画这种性质。考虑到序列的自相关性，因此主体模型用随机游走模型。通过检验残差的ARCH 效应，我们发现，国际油价序列存在显著的高阶ARCH 效应，因此考虑用GARCH 模型，然后按照AIC值最小的准则，多次尝试，决定用GARCH（1,1）模型来描述国际油价序列的波动集聚性。另外，考虑到实证研究结果表明油价上涨和下跌带来的价格波动并不对称，因此考虑用TGARCH 模型，通过模型的AIC 值发现，这样的做法也是合理的。检验TGARCH模型残差的ARCH 效应，发现ARCH 效应已经滤掉，而且，Q（10）和Q2（10）统计量的检验结果也表明模型残差不再存在额外的序列相关性和波动集聚性，这说明TGARCH（1,1）模型对国际原油价格波动特征的拟合效果较好。同理，我们发现GARCH（1,1）模型能较好地刻画欧元对美元汇率的波动集聚性。模型参数估计结果如表4.26所示。

表4.26 国际油价和美元汇率的（T）GARCH模型参数估计结果

需要说明的是，考虑到模型的残差都不服从正态分布，因此我们用基于GED分布的（T）GARCH模型描述模型残差的尖峰厚尾特征。表4.23结果显示，GED分布的参数均小于2，从而验证了使用（T）GARCH模型对油价和美元汇率序列建模时所得残差项的厚尾特征。

波动模型的参数估计结果表明，国际油价的波动具有显著的不对称性，即杠杆效应。杠杆系数为负，表示相同幅度的油价上涨比油价下跌对以后油价的波动具有更大的影响。具体而言，油价下跌时， 对ht的影响程度α1＋Ψ为0.0219；而油价上涨时，该影响程度α1为0.0688，是油价下跌时的3.1倍左右。产生这种杠杆效应的原因是多方面的，石油的不可再生性是其中最根本的原因，它决定了石油供给者的市场地位明显高于石油需求者。因此，油价上涨会加剧石油短缺的预期，使市场交易者倾向于在当期购买。这种争夺加剧了油价的进一步上扬，加上市场投机因素的推波助澜，促使油价上涨时波动程度格外突出。而油价下跌时，石油生产商减少开量，石油经销商囤货待售，导致市场供给量降低，油价出现回升，阻碍了其进一步下挫。可见，石油市场多空双方的不对称地位决定了供给不足时油价的上涨幅度要大于供给过剩时油价的下跌幅度，从而造成了石油市场的上述杠杆效应。

从波动模型也可以发现，美元汇率的波动存在显著的GARCH 效应。方差方程中 与h t-1前的系数之和α1＋β1刻画了波动冲击的衰减速度；其值越靠近1，则衰减速度越慢。在本节的GARCH（1,1）模型中，该系数之和为0.9872，说明美元汇率具有有限方差，即属于弱平稳过程。美元汇率的波动最终会衰减，但可能会持续较长时间。其中ht-1前的系数为0.9533，表示当期方差冲击的95.33%在下一期仍然存在，因此半衰期为14天。

（2）波动溢出效应检验

按照前文的波动溢出效应检验模型，得到国际油价与美元汇率之间波动溢出效应估计结果，如表4.27所示。我们发现，从统计上讲，国际油价和美元汇率的y系数都不显著。可见，尽管国际油价和美元汇率之间存在长期均衡的协整关系，也有显著的单向均值溢出效应；但是它们之间的波动溢出效应并不显著，即双方的价格波动信息具有一定的独立性，价格波动程度的大小不会显著互相传递。这也表明，从价格波动态势的角度讲，美元汇率对国际油价的影响相当薄弱。

表4.27 国际油价与美元汇率的波动溢出效应检验结果

4.5.3.4 风险溢出效应检验

市场有波动不代表一定有风险，因此风险溢出效应是波动溢出效应的一种拓展。按照VaR的计算思路，本节用国际油价分布函数的左分位数来度量油价下跌的风险，表示由于油价大幅度下跌而导致的原油生产者销售收入的减少；而用分布函数的右分位数来度量油价上涨的风险，表示油价大幅度上涨而导致的原油购者的额外支出。这种全面考虑市场风险的思路同样适用于美元汇率市场。就本节用的欧元对美元汇率而言，汇率的涨跌将在多个方面给国际汇率市场的不同主体产生不同的风险。比如就发生在美国本土的国际进出口贸易而言，汇率下降表示美元升值，美国出口商和欧元区的进口商将面临较大风险；汇率上升表示美元贬值，则美国进口商和欧元区的出口商就可能面临明显的市场风险；而就石油美元而言，美元升值，将额外增加石油进口国（如欧元区）的开销；美元贬值，又会给主要石油出口国（如OPEC）的石油销售收入形成阻碍。

综上所述，石油市场和美元汇率市场都需要同时度量价格下跌和上涨的风险，从而为市场不同参与主体提供决策支持。本节将用上述基于GED分布的TGARCH（1,1）模型和GARCH（1,1）模型，按照方差－协方差方法来分别度量国际油价和美元汇率在价格上涨和下跌时的VaR 风险值，并检验两个市场之间的风险溢出效应。

（1）GED分布的分位数确定

根据GED分布的概率密度函数，使用MATLAB编程，经过多次数值测算，求出GED分布在本节所得自由度下的分位数（表4.28）。表中结果显示，95%的分位数与正态分布的1.645基本相同，但99%的分位数却明显大于正态分布的2.326，这也表明国际油价和美元汇率价格都具有严重的厚尾特征。

表4.28 国际油价和美元汇率价格的GED分布参数及分位数

（2）基于GED－（T）GARCH模型的VaR风险值计算

根据上述VaR 风险的含义，按照方差－协方差方法，我们得到以下两个计算VaR风险的公式。价格上涨风险的VaR值计算公式为：

国外油气与矿产利用风险评价与决策支持技术

式中：μm,t为第m个市场第t日价格的条件均值（即实际值与残差的差），zm,a为第m个市场中（T）GARCH（1,1）模型的残差所服从的GED分布的右分位数；hm,t为第m个市场价格的异方差。

同理，得到价格下跌风险的VaR值计算公式为

国外油气与矿产利用风险评价与决策支持技术

基于上述计算公式，本节计算了在95%和99%的置信度下，国际油价和美元汇率的上涨风险和下跌风险。经过LR检验（Kupiec,1995），我们发现VaR 风险的结果是可靠和可行的。

（3）风险溢出效应检验

得到国际油价和美元汇率价格上涨和下跌时的VaR风险值之后，我们根据Hong（2003）提出的风险－Granger因果检验方法，构造相应的统计量Q1（M）和Q2（M），并通过M ATLA B编程求出统计量的值及其显著性概率，从而检验石油市场和美元汇率市场之间的双向和单向风险溢出效应。计算结果如表4.29所示，其中M分别取10,20和30。

从风险检验结果看到，从下跌风险角度（即油价下跌，美元升值）看，国际石油价格与美元汇率之间存在双向风险溢出效应，进一步检验单向风险溢出效应，发现在95%的置信度下，存在从美元汇率市场到国际石油市场的风险溢出，而并不存在从国际石油市场到美元汇率市场的风险溢出效应。可见，美元汇率升值的风险对国际油价下跌的风险影响显著。而在99%的置信度下，国际油价和美元汇率之间并不存在任何方向的风险溢出效应。因此可以认为，就下跌风险而言，两个市场之间的风险溢出效应比较有限，当准确性要求提高到一定程度时，美元汇率升值对油价下跌的风险影响可以忽略。

表4.29 国际油价与美元汇率价格风险溢出效应检验结果

另一方面，从上涨风险角度（即油价上涨，美元贬值）看，不管是在95%还是99%的置信度下，两个市场之间都不存在任何方向的风险溢出效应。可见，近些年来，虽然美元总体上持续贬值，但就市场风险而言，这种贬值并未给国际原油价格的上涨风险带来显著的推动作用。换言之，尽管国际油价高企导致国际石油市场的主要购者（如中国和印度）的购油额外支出明显增加，但美元持续贬值并不是这些国家支出增加的显著原因。

总体而言，我们需要特别关注美元升值对国际油价走低的风险作用，取积极手段，有效规避市场风险。近些年来，尽管从每日交易的角度而言，美元汇率时有涨落。但总体而言，美元贬值是大趋势，欧元对美元汇率连创历史新高，这种趋势并没有给油价上涨风险产生显著的影响。因此，在这种大环境下，对市场交易者而言，风险溢出效应的实证结果是一个满意的信号。