朱明陽蘇志偉

(青島大學經(jīng)濟學院,青島 266071)

對傳統(tǒng)化石燃料的依賴,特別是對原油的依賴,造成了能源匱乏、價格波動和碳排放增加等問題[1]。自1973年以來,劇烈波動的國際原油價格對國內(nèi)生產(chǎn)總值(Gross Domestic Product,GDP)、通貨膨脹等宏觀經(jīng)濟變量產(chǎn)生了重大影響[2]。為減緩原油帶來的經(jīng)濟、環(huán)境問題,減少原油在經(jīng)濟活動中的應(yīng)用和逐步以新能源替代化石燃料是最重要的途徑[3]。研究表明,新能源是傳統(tǒng)化石能源的替代品,高油價將迫使以家庭為單位的消費者減少原油消費,進而轉(zhuǎn)向相關(guān)替代能源,并且高油價也會增加企業(yè)對替代能源的研究和投資[4];但原油價格下降也會使其重新替代新能源[5],進而影響能源結(jié)構(gòu)向新能源轉(zhuǎn)型的過程[6]。許多學者通過不同的角度和方法分析了原油與新能源之間的關(guān)系,如,格蘭杰因果關(guān)系檢驗研究結(jié)果表明,新能源公司的股價對國際油價的反應(yīng)并不大[7],原油價格和新能源指數(shù)的走勢同一方向耦合[8],而在重大金融危機和原油革命期間,原油價格與新能源的市場聯(lián)系將增強[9];在中國市場,原油價格和中國新能源消耗量之間存在長期關(guān)系,并且對中國新能源消耗量存在正面影響[10],應(yīng)用非對稱GARCH 模型的研究表明,原油價格與中國新能源行業(yè)股票之間的動態(tài)相關(guān)性和溢出效應(yīng)[11]。然而大多數(shù)研究集中在原油價格對新能源的影響上,忽略了新能源對原油的影響。特別是隨著新能源汽車成本的降低,高油價時,購買傳統(tǒng)燃油汽車的成本上升導致消費者更傾向于選擇購買新能源汽車,從而促進新能源汽車的普及[12],因此新能源汽車與原油價格之間關(guān)系會更加直接。以往的研究將所有新能源行業(yè)作為一個整體來看待,但實際情況是各國所具有的新能源資源不同,研究樣本不同,且各新能源行業(yè)可能處于不同的發(fā)展階段,在受到原油價格沖擊時,各新能源行業(yè)股票市場受到的影響也會不同,研究結(jié)果的可靠性就要大打折扣。因此,為避免此類影響,本文使用中國數(shù)據(jù)分別探討國際原油價格與水電、風電、太陽能、新能源汽車等四個新能源行業(yè)股票市場之間的因果關(guān)系。

1 研究方法

1.1 全樣本因果檢驗

本文使用基于RB(residual-based bootstrap,RB)修正的LR 統(tǒng)計量來檢測相關(guān)變量[13],構(gòu)建二元VAR(p)模型

其中,OIL1t代表國際原油價格,RENEW2t表示各新能源行業(yè)指數(shù),選取上海證券交易所股票價格綜合指數(shù)(Shanghai Stock Exchange Composite Index,SSEC)作為控制變量。據(jù)式(1),通過檢驗φ12,k ＝0(k＝1,2,…,p)是否成立來檢驗OIL1t不是RENEW2t的格蘭杰原因的原假設(shè)。同樣,用φ21,k ＝0(k＝1,2,…,p)的約束來檢驗RENEW2t不是OIL1t的格蘭杰原因的原假設(shè)。如果上述原假設(shè)被拒絕,則證明兩變量之間存在顯著的格蘭杰因果關(guān)系。

1.2 參數(shù)穩(wěn)定性檢驗

全樣本因果關(guān)系檢驗要求VAR 模型參數(shù)穩(wěn)定,然而當時間序列存在結(jié)構(gòu)性變化時,模型參數(shù)并不具備穩(wěn)定性[14]。本文使用Sup-F檢驗、Mean-F檢驗和Exp-F檢驗驗證短期參數(shù)穩(wěn)定性,使用Lc檢驗驗證長期參數(shù)穩(wěn)定性,Lc檢驗亦可用于一階單整時間序列的協(xié)整檢驗。

1.3 拔靴滾動窗口因果關(guān)系檢驗

時間序列存在結(jié)構(gòu)性變化時,可以通過拆分樣本估計變量間的因果關(guān)系。拔靴滾動窗口因果關(guān)系檢驗以固定大小的子樣本為檢測對象,對各子樣本采用基于RB修正的LR 統(tǒng)計量進行因果檢驗。該方法更適應(yīng)變量間因果關(guān)系隨時間變化的情況,并可觀察不同樣本中由結(jié)構(gòu)性突變引起的參數(shù)不穩(wěn)定?；跈z驗得到的拔靴p值可顯示因果關(guān)系的可能變化,原油價格對各新能源行業(yè)指數(shù)的影響定義為N b表示重復次數(shù);同樣,各新能源行業(yè)指數(shù)對油價的影響由表示,是式(1)中VAR 模型的對應(yīng)拔靴估計量。在90%的置信區(qū)間下,影響系數(shù)的上、下限分別為的95%和5%。滾動窗口檢驗的準確性取決于每次回歸間隔和窗口大小,增加窗口大小能提高估計參數(shù)的準確性,但會降低參數(shù)代表性,尤其是樣本存在異質(zhì)性時。依據(jù)蒙特卡洛模擬結(jié)果,當存在頻繁中斷時,窗口大小低至20,自回歸(AR)參數(shù)的偏差最小,因此,窗口大小選取為24[15]。

1.4 數(shù)據(jù)說明

本文選擇中信水電行業(yè)指數(shù)(hydropower index,HPI)、中信風電行業(yè)指數(shù)(wind power index,WPI)、太陽能指數(shù)(solar power index,SPI)和新能源汽車指數(shù)(new energy vehicles index,EVI)對應(yīng)各新能源行業(yè)的股票市場表現(xiàn),選定上證綜合指數(shù)(SSEC)作為控制變量。所有數(shù)據(jù)均來自Wind數(shù)據(jù)庫。根據(jù)中國國家統(tǒng)計局的數(shù)據(jù),原油輸出國組織(歐佩克)是中國原油進口的主要來源,占2019 年中國原油進口總量的47%。因此,選用由歐佩克發(fā)布的歐佩克一攬子價格(OPEC Basket Price,OBP)代表國際原油價格,數(shù)據(jù)源自來自原油輸出國組織的官方網(wǎng)站。選取2010年1月至2020年9月間月度數(shù)據(jù)作為研究對象。

2 實證結(jié)果與分析

2.1 單位根檢驗

首先,應(yīng)用ADF檢驗、PP檢驗和KPSS檢驗驗證一階差分序列的平穩(wěn)性,結(jié)果見表1。各變量的一階差分序列平穩(wěn),即均為一階單整序列。

表1 單位根檢驗結(jié)果

2.2 全樣本因果檢驗

用各新能源行業(yè)指數(shù)(HPI、WPI、SPI和EVI)替換式(1)中的RENEW2t,用OBP替代式(1)中的OIL1t構(gòu)建用于全樣本因果關(guān)系檢驗的VAR 模型,即有4個VAR 模型用于檢測?；赟IC準則,各模型的最佳滯后期分別為2、2、2和1。表2展示了各VAR 模型的全樣本格蘭杰因果檢驗結(jié)果。根據(jù)p值,在10%的置信水平下,OBP是HPI、WPI、SPI和EVI的格蘭杰原因,但HPI、WPI、SPI和EVI不是OBP的格蘭杰原因。

表2 全樣本因果檢驗結(jié)果

2.3 參數(shù)穩(wěn)定性檢驗

表3為參數(shù)穩(wěn)定性檢驗結(jié)果。在面板A 和面板B中,HPI方程和WPI方程存在一次性急劇變化,HPI方程、WPI方程及相應(yīng)的VAR 系統(tǒng)方程隨著時間逐漸演變。面板C中的結(jié)果表明SPI方程中不存在一次性急劇變化,對應(yīng)的VAR 系統(tǒng)方程會隨著時間逐漸演變。在面板D 中,OBP方程和EVI方程均存在一次性急劇變化,并隨著時間逐漸演變。所有的統(tǒng)計檢驗結(jié)果表明,VAR 系統(tǒng)中的參數(shù)均不穩(wěn)定。

表3 參數(shù)穩(wěn)定性檢驗結(jié)果

2.4 拔靴滾動因果檢驗結(jié)果分析

基于參數(shù)穩(wěn)定性檢驗結(jié)果,全樣本因果檢驗結(jié)論存在偏差,因此,有必要檢驗子樣本因果關(guān)系。統(tǒng)計量結(jié)果表明OBP與HPI、WPI、SPI、EVI之間不存在協(xié)整關(guān)系,因此,式(1)中的VAR 模型可用于執(zhí)行滾動窗口因果關(guān)系檢驗。從完整樣本中修剪24個月的觀測值,拔靴滾動因果滾動檢驗區(qū)間變?yōu)?012年1月至2020年9月。圖1～圖4分別對應(yīng)OBP&HPI、OBP&WPI、OBP&SPI、OBP&EVI的拔靴滾動窗口因果關(guān)系檢測結(jié)果。

圖1 OBP和HPI的拔靴滾動窗口因果關(guān)系測試結(jié)果

圖2 OBP和WPI的拔靴滾動窗口因果關(guān)系測試結(jié)果

圖3 OBP和SPI的拔靴滾動窗口因果關(guān)系測試結(jié)果

圖4 OBP和EVI的拔靴滾動窗口因果關(guān)系測試結(jié)果

圖1(a)、(c)對應(yīng)原假設(shè)OBP不是HPI格蘭杰原因的檢驗結(jié)果。根據(jù)圖1(a)中的拔靴p值,在10%的置信水平下,原假設(shè)在2017年4月到2017年12月期間被拒絕,期間內(nèi)OBP是HPI的格蘭杰原因;圖1(c)表明,在此期間,OBP對HPI有正向影響。由于中東局勢動蕩以及歐佩克延長原油減產(chǎn)協(xié)議,2017年4月之后,國際油價一直上漲,傳導到中國國內(nèi)引發(fā)傳統(tǒng)能源價格持續(xù)上漲,煤價高企降低燃煤發(fā)電意愿。而隨著下半年天氣轉(zhuǎn)冷,電力需求大幅增加,帶動國內(nèi)電價上漲。同時2017年下半年,國內(nèi)主要流域來水同比相對充裕,水電發(fā)電能力得到提升,疊加中國政府對水電企業(yè)施行減稅政策以減少棄水問題,水電充分發(fā)揮其在能源供應(yīng)中季節(jié)性調(diào)節(jié)的作用,填補了由原油價格上漲引起的國內(nèi)電力短缺。

同理,根據(jù)圖1(b)、(d),在2014年10月至2014年11月、2015年2月至2015年4月和2018年4月至2018年6月三個時間段內(nèi),HPI不是OBP格蘭杰原因的原假設(shè)被拒絕,HPI在2014年10月至2014年11月和2015年2月至2015年4月期間對OBP 有負面影響,但在2018年4月至2018年6月期間,HPI對OBP的影響并不顯著。對于負面影響,2014年前中國水電主要起季節(jié)性調(diào)節(jié)作用,但2014年后,水電裝機容量持續(xù)保持高速增加,水力發(fā)電能力不斷增強,但由于經(jīng)濟增速放緩,用電需求增速也逐步放緩,同時,隨著中國水電技術(shù)進步,水力發(fā)電成本不斷降低。2015年4月,“西電東送”工程投入運營,大大緩解中國東部地區(qū)用電緊張的局面,在水力發(fā)電能力和發(fā)電效率大幅提升下,水電在一定程度擠壓了傳統(tǒng)能源的發(fā)電需求,在2014年10月、11月和2015年2月、4月期間對國際原油價格造成負面影響。

根據(jù)圖2結(jié)果,在10%的置信水平下,OBP在2015年6月至2016年5月和2016年11月至2017年2月期間內(nèi)是WPI的格蘭杰原因。2014年風電裝機容量保持持續(xù)高增長擠壓了傳統(tǒng)能源的發(fā)電需求,導致2014年10月至2014年11月期間WPI對OBP產(chǎn)生負面影響。2015年下半年以來,由于歐佩克原油產(chǎn)量持續(xù)增加,油價下跌至28.72美元/桶的低位,導致中國傳統(tǒng)能源發(fā)電企業(yè)的成本更低,利潤更高,新能源發(fā)電企業(yè)受到傳統(tǒng)能源的擠壓,但受到政府即將下調(diào)陸上風電入網(wǎng)電價的影響,風電企業(yè)為了追求高電價和高利潤,引發(fā)風電“搶裝潮”,在2015年6月至2016年5月之間OBP對WPI產(chǎn)生積極影響。2016年底,主要產(chǎn)油國達成減產(chǎn)協(xié)議后,原油價格開始回升,推動傳統(tǒng)能源發(fā)電成本上升,隨著經(jīng)濟復蘇,世界各國能源需求不斷增加,風電入網(wǎng)電價有所下降,且技術(shù)發(fā)展使風力發(fā)電成本進一步下降,促使2016年11月至2017年2月期間,OBP對WPI產(chǎn)生積極影響。根據(jù)圖2(b)、(d),在2014年10月至2014年11月、2017年8月至2017年11月和2018年3月至2019年11月三個時間段內(nèi),WPI是OBP的格蘭杰原因。

為了降低由“搶裝潮”導致的高棄風率,中國政府在棄風率高的六個省份發(fā)布限建令,而這六個省份是適合風力發(fā)電建設(shè)的主要省份,風電投資和裝機容量大幅下降,風力發(fā)電能力受到限制,對傳統(tǒng)能源的依賴增加,2017年8月至2017年11月期間,原油價格從46.93美元/桶上漲到60.74美元/桶,WPI對OBP形成負面影響。作為全球最大的原油進口國和美國原油的第二大買家,鑒于水電發(fā)展受到水資源制約,中國政府將風電作為重要的發(fā)展方向,以擺脫原油的對外依賴,中美雙方因此發(fā)生的貿(mào)易沖突是造成2018年3月到2019年11月期間WPI對OBP存在正向影響的主要因素。

根據(jù)圖3,僅在2017年11月期間內(nèi)OBP是SPI的格蘭杰原因。SPI在2014年10月至2014年11月、2017年7月至2017年11月和2018年07月至2018年12月這三個時間段內(nèi)是OBP的格蘭杰原因。與風電相同,2017年三季度,中國政府出臺一系列政府加強對太陽能行業(yè)的監(jiān)管,如加強太陽能企業(yè)用地監(jiān)管、太陽能發(fā)電入網(wǎng)電價下調(diào)和整治高棄光率問題,導致太陽能發(fā)電投資和裝機容量大幅下降,太陽能發(fā)電能力受到限制,增加對傳統(tǒng)能源的依賴,2017年7月至2017年11月期間,導致SPI對OBP的負面影響。同樣,2018年07月至2018年12月期間,SPI對OBP的積極影響主要受中美對抗政策的影響,但太陽能對原油價格影響的持續(xù)時間要小于風電。

根據(jù)圖4,OBP不是EVI格蘭杰原因的原假設(shè)在2012年1月至2012年3月、2013年3月至2013年6月和2015年5月至2015年12月三個時間段內(nèi)被拒絕。僅2013年3月至2013年6月內(nèi),檢驗結(jié)果與預(yù)期相符,OBP對EVI的影響顯著為正。2015年5月至2015年12月期間,OBP對EVI的影響比較弱,主要因為期間內(nèi)國際油價處于低位并持續(xù)下跌,最低至33.64美元/桶,而中國國內(nèi)原油價格并未同時向下調(diào)整,導致國內(nèi)原油市場和國際原油市場在一定程度上被分割開來。同時,政府調(diào)整了消費者購買新能源汽車時享受的稅收減免優(yōu)惠,導致OBP對EVI的影響并不強烈。在2012年12月至2013年5月期間,中國政府提出要為新能源汽車產(chǎn)業(yè)化提供條件和支撐,同時由于經(jīng)濟增長緩慢,對原油需求不足,消費者和投資者紛紛看好新能源汽車產(chǎn)業(yè),EVI對OBP產(chǎn)生了負面影響,此后并沒有發(fā)現(xiàn)新能源汽車的普及影響國際油價的支持證據(jù)。

3 結(jié)論

通過檢驗國際原油價格與各新能源行業(yè)股票市場指數(shù)之間的因果關(guān)系,探討了各新能源行業(yè)的特點對其股票市場與原油價格之間關(guān)系的影響。全樣本因果關(guān)系檢驗結(jié)果不支持國際原油價格與各新能源行業(yè)之間存在雙向關(guān)系。然而在考慮結(jié)構(gòu)性變化后,參數(shù)穩(wěn)定性檢驗結(jié)果表明,全樣本因果關(guān)系檢驗結(jié)果并不完全準確。使用滾動窗口檢驗,發(fā)現(xiàn)原油價格與各種新能源行業(yè)股票市場指數(shù)在某些時期存在雙向因果關(guān)系。根據(jù)檢驗結(jié)果,水電、風電、太陽能、新能源汽車行業(yè)的股票市場指數(shù)和原油價格存在因果關(guān)系的時間區(qū)間和影響系數(shù)大小并不相同,意味著上述各新能源行業(yè)指數(shù)與原油價格之間的因果關(guān)系并非整體一致。其次,水電、風電、太陽能和原油之間存在替代效應(yīng),在中美貿(mào)易沖突時期,風電行業(yè)指數(shù)對原油價格正面影響的持續(xù)時間大于太陽能。最后,新能源汽車行業(yè)指數(shù)與原油價格存在因果關(guān)系的時間區(qū)間內(nèi),兩者之間滾動窗口系數(shù)和大于水電、風電和太陽能的對應(yīng)檢驗結(jié)果,說明新能源汽車與原油之間的影響更加直接、顯著。但在2013年后,并沒有發(fā)現(xiàn)新能源汽車的普及影響國際油價的支持證據(jù)。