影响中国燃油期货价格的因素eviews.docx

影响中国燃油期货价格的因素eviews.docx

《影响中国燃油期货价格的因素eviews.docx》由会员分享，可在线阅读，更多相关《影响中国燃油期货价格的因素eviews.docx（26页珍藏版）》请在冰豆网上搜索。

影响中国燃油期货价格的因素eviews

上期所燃料油期货1101分析

2010/1/27

1、选题原因

2、燃油期货的详细资料

3、变量的选择和分析

4、回归分析

5、结论

一、选题原因

近年来，中国对能源的需求，特别是对石油的需求增长迅猛，增长速度超过了世界其他国家，中国对石油的需求还将持续增长。

虽然中国是石油生产大国，但如此巨大的需求量使中国的石油生产不负重荷，中国需要越来越多地进口石油。

因此，中国石油市场具有非常大的发展潜力，石油贸易业也将随之成长。

2002年，中国石油石化产品进出口总额达852.37亿美元，比2001年增长16.4％，其中进口额为603.22亿美元，增长18.9％，出口额为249.15亿美元，增长10.7％。

中国已成为亚洲原油和油品主要进口国之一，其石油供需情况直接影响亚洲基准油价的确定，中国在亚洲乃至世界的石油市场中发挥着越来越重要的作用。

虽然中国已经是石油生产和消费大国，但石油价格仍存在被动接受国际油价的情况，这不但与中国的石油生产和消费大国的地位不相适应，而且不利于国内石油企业参与国际竞争。

为了规避原油价格的波动风险，1993年我国曾在上海推出石油期货交易。

在一年多的交易时间里,上海石油交易所的总交易量达2500万吨,一度成为继伦敦、纽约之后的世界第三大石油交易所，对石油价格波动风险的规避起到了一定的作用。

由于当时期货市场发展不成熟，期货市场投机过热,造成期货价格大幅度波动,从而拉动现货市场价格上涨,进而影响整个市场物价的稳定,严重干扰国民经济发展的正常秩序，在1995年国家停止了原油、成品油的期货交易。

由于近几年来，国际油价有加速波动的趋势，而我国的期货市场经过十几年来发展，市场机制逐步完善，市场需要有对原油价格波动风险规避的工具，因此，2004年8月26日在中国上海期货交易所推出了燃料油期货作为国内规避原油价格波动的工具。

目前，国际原油价格的波动给国内期货市场带来较大的冲击影响，从而给国民经济的健康稳健运行带来一定的风险。

如何规避原油价格波动风险，确保国内期货市场的健康运行显得极为迫切。

本文试图通过建立计量经济模型，从多变量的角度对中国上海燃料油的定价模型做建模研究，来预测国内燃油指数的趋势。

二、燃油期货的详细资料

燃料油也叫重油、渣油，为黑褐色粘稠状可燃液体，粘度适中，燃料性能好，发热量大。

用于锅炉燃料，雾化性良好，燃料完全，积炭及灰少，腐蚀性小。

闪点较高，存储及使用较安全。

燃料油是原油炼制出的成品油中的一种，广泛用于船舶锅炉燃料、加热炉燃料、冶金炉和其它工业炉燃料。

燃料油主要由石油的裂化残渣油和直馏残渣油制成的，其特点是粘度大，含非烃化合物、胶质、沥青质多。

燃料油主要技术指标有粘度、含硫量、闪点、水、灰分、和机械杂质。

燃油期货是上海期货交易所的燃料油标准合约：

交易品种燃料油

交易单位10吨/手

报价单位元（人民币）/吨

最小变动价位1元/吨

每日价格最大波动限制上一交易日结算价±5%

合约交割月份1-12月（春节月份除外）

交易时间上午9:

00-11:

30下午1:

30-3:

00

最后交易日合约交割月份前一月份的最后一个交易日

交割日期最后交易日后连续五个工作日

交割品级180CST燃料油（具体质量规定见附件）或质量优于该标准的其他燃料油。

交割地点交易所指定交割地点

最低交易保证金合约价值的8%

交易手续费不高于成交金额的万分之二（含风险准备金）

交割方式实物交割

交易代码FU

上市交易所上海期货交易所

燃料油期货上市，为中国争夺石油定价“话语权”提供了可能。

新加坡是亚太地区最大的燃料油中转地和交易市场，而中国作为亚太地区最大的燃料油用户，一直以来由于中国燃料油现货市场的特殊性，国外贸易商很难了解中国市场，上海燃料油期货的推出，为新加坡贸易商提供了一个了解中国市场极为有效的窗口，中国期市的走势明显影响到作为中国进口燃料油主要计价基础的新加坡普氏价格。

　　二○○三年中国消费了全球百分之七点六的石油，成为世界第二大能源消费国，仅次于美国。

石油在中国国民经济运行中的地位正日渐突出，而国际石油市场的频繁波动，又在时刻影响着中国经济。

　燃料油期货的上市首先开启了中国油品市场的“平稳”之旅，以期货价格为市场护航、降“风险”。

三、变量的选择和分析

影响燃油指数的变量有非常多，诸如:

国家的宏观调控政策；现货的供给与需求；现货的价格；成交量与持仓量；国际政治形势，产油国的政策，美国货币和外汇政策以及投机活动等因素的等国际期货市场的影响等等。

为了遵从建模简化的原则，我们仅从国内市场动向、国际经济变化的影响及国际期货市场的联动影响方面考虑，选取对燃料油期价可能产生较大影响的燃料动力类价格指数、重工业增加值的增长率、火力发电量、国内原油进口价格、利率、美元汇率、美元指数、OPEC原油价格、波罗的海综合运费指数等变量，以及两个虚拟变量OPEC宣布减产前后及飓风多发季节作为我们建模的主要变量，通过建模分析试图找到中国燃料油期价的变化规律。

被解释变量的选择：

上交所燃油1101，时间段：

2007年1月至2009年12月。

解释变量：

国内因素：

X1.工业企业原料燃料动力购进价格指数

原材料、燃料和动力购进价格指数是反映工业企业作为生产投入而从物资交易市场和能源、原材料生产企业购买原材料，燃料和动力产品时，所支付的价格水平变动趋势和程度的统计指标，是扣除工业企业物质消耗成本中的价格变动影响的重要依据。

X2.重工业增加值增长率

　燃料油是各国经济发展中的重要能源，特别是在电力行业、石化行业、交通运输行业、建材和轻工行业使用范围越来越广泛，燃料油的需求与经济发展密切相关。

在分析宏观经济时，有一个指标是很重要的，即工业生产增长率。

在经济增长时，燃料油的需求也会增长，从而带动燃料油价格的上升，在经济滑坡时，燃料油需求的萎缩会促使价格的下跌。

因此，要把握和预测好燃料油价格的未来走势，把握宏观经济的演变是相当重要的。

X3.火力发电量

利用煤、石油和天然气等化石燃料所含能量发电的方式统称为火力发电。

按发电方式，火力发电分为燃煤汽轮机发电、燃油汽轮机发电、燃气-蒸汽联合循环发电和内燃机发电。

火力发电是现在电力发展的主力军。

而燃油发电又占了其中的一大部分，因此燃油期货与火力发电量之间存在相关性。

X4.国内原油进口价格

燃料油是原油的下游产品，原油价格的走势是影响燃料油供需状况的一个重要因素，因此燃料油的价格走势与原油存在着很强的相关性。

由于分析的是国内的燃油指数，因此选取了国内原油进口价。

X5.国内原油产量

我国原油产量在俄罗斯、沙特阿拉伯、美国、伊朗之后，居全球第五位，探明原油储量在第13位。

作为基础能源，我国一直在寻求原油的自给能力，避免大幅度对外依赖。

所以，尽管我国是第二大石油需求国，也是第三大石油进口国，但产量也位居全球前列。

X6.利率

利率是政府调控经济的一个重要手段，根据利率的变化，可了解政府的经济政策，从而预测经济发展情况的演变，以及其对原油和燃料油的需求影响。

所以汇率市场和利率市场都对油价有相当的影响。

国际因素

X7.美元汇率

GDP占世界总产出接近30%的美国，其经济走势对其他国家和地区具有极大的影响力。

美元汇率的变化几乎是世界经济变化的“晴雨表”。

同时随着经济的全球化，日本、欧盟经济的迅速崛起，对美国产生了一定的制衡作用。

美元汇率的变化不可避免地传递到期货市场，引导资本的国际流动，导致期货价格的波动。

X8.美元指数

美元指数（USDollarIndex，USDX）是通过平均美元与六种国际主要外汇的汇率得出的。

美元指数显示的是美元的综合值。

一种衡量各种货币强弱的指标。

X9.OPEC原油价格

OPEC价格走势：

自80年代以来，非OPEC国家石油产量约占世界石油产量的三分之二，最近几年有所下降，但其石油剩余可采储量是有限的，并且各国的生产政策也不统一，因此其对原油价格的影响无法与OPEC组织相提并论。

OPEC组织国家控制着世界上绝大部分石油资源，为了共同的利益，各成员国之间达到的关于产量和油价的协议，能够得到多数国家的支持，所以该组织在国际石油市场中扮演着不可替代的角色，其生产政策对原油价格具有重大的影响力。

X10.波罗的海综合运费指数

该指数是由波罗的海航交所发布的.波罗的海航交所是世界第一个也是历史最悠久的航运市场.目前是设在英国伦敦的世界著名的航运交易所,全球46个国家的656家公司都是波罗的海航交所的会员.为了满足客户的需要,波罗地海航交所于1985年开始发布日运价指数――BFI,该指数是由若干条传统的干散货船航线的运价,按照各自在航运市场上的重要程度和所占比重构成的综合性指数.1999年,国际波罗的海综合运费指数（BDI）取代了BFI,成为代表国际干散货运输市场走势的晴雨表.

该指数是目前世界上衡量国际海运情况的权威指数,是反映国际间贸易情况的领先指数.假如该指数出现显著的上扬,说明各国经济情况良好,国际间的贸易火热.因此,中国和其他国家的贸易以及对于全球初级原材料的需求是导致国际海运价格上涨的主要原因.而该指数上涨的同时我们也确实可以看到海运价格的上涨和目前商品市场上几个大宗原料的价格上涨的曲线是一致的.

所以，作为很多期货市场的战略投资者来说，对于该指数的关注程度不言而喻。

虚拟变量：

D1.OPEC宣布减产

石油输出国组织（OPEC）于2008年12月17日达成协议，宣布2009年1月1日起，每日减产二百二十万桶原油，以稳定不断下跌的国际油价。

这是欧佩克历史上最大规模的一次减产行动。

由于全球经济走低，石油需求不断降低，令国际油价从08年7月中旬的每桶最高一百四十七美元，跌落至12月份的每桶仅四十多美元。

欧佩克的原油产量占全球的百分之四十，但面对油价急速下跌无能为力，只能采取被称为“断腕式”的减产行动。

减产在一定程度上将有助市场恢复供求平衡，避免价格波动。

欧派克的减产势必会对油价产生影响，并进一步对燃油期货也有作用。

所以选取改虚拟变量。

在减产前的月份取“0”,减产后的月份取“1”.

D2.飓风多发季节

飓风对油价的影响由来已久，近年来甚至已成为影响国际市场油价走势的重要因素之一。

一般来说，每年6月1日到11月30日，属于大西洋飓风季节，其中8月到10月更是飓风多发季节。

一旦大西洋飓风在美国墨西哥湾登陆，就有可能对该地区石油和天然气生产设施以及炼油厂造成影响。

因此，在每年这段时间，国际原油期货交易市场都特别关注关于飓风的天气预报，飓风走势和强弱程度往往会导致油价出现相应波动。

因此在飓风多发的月份取“1”，飓风活动不频繁的月份取“0”。

四、回归分析

各解释变量和被解释变量间的关系散点图如下：

（1）第一次回归方程：

DependentVariable:

LOGY

Method:

LeastSquares

Date:

01/27/10Time:

12:

04

Sample:

2007M012009M12

Includedobservations:

36

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X1

0.002148

0.002053

1.045997

0.3064

X2

-0.004440

0.003891

-1.141122

0.2656

LOGX3

-0.085382

0.154018

-0.554366

0.5847

LOGX4

-0.048947

0.100972

-0.484758

0.6324

LOGX5

0.082972

0.388681

0.213470

0.8328

X6

0.033673

0.030595

1.100617

0.2824

X7

0.020656

0.101880

0.202748

0.8411

X8

0.005417

0.006317

0.857502

0.4000

X9

0.006879

0.001488

4.624393

0.0001

LOGX10

0.097305

0.047822

2.034734

0.0536

D1

0.238122

0.081134

2.934928

0.0074

D2

0.033599

0.023296

1.442220

0.1627

C

5.358048

2.692353

1.990099

0.0586

R-squared

0.962262

    Meandependentvar

7.244456

AdjustedR-squared

0.942573

    S.D.dependentvar

0.174821

S.E.ofregression

0.041894

    Akaikeinfocriterion

-3.233156

Sumsquaredresid

0.040367

    Schwarzcriterion

-2.661329

Loglikelihood

71.19680

    F-statistic

48.87265

Durbin-Watsonstat

2.091611

    Prob（F-statistic）

0.000000

残差分析图：

虽然R-squared和AdjustedR-squared都较高，但是只有X9X10D1较为显著，所以可能存在多重共线性问题。

从变量间关系的逻辑上来说，X4和X9，X7和X8可能存在共线性

（2）构造X4、X9间的辅助性回归：

DependentVariable:

LOGX4

Method:

LeastSquares

Date:

01/27/10Time:

20:

46

Sample:

2007M012009M12

Includedobservations:

36

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X9

0.008750

0.001626

5.381018

0.0000

C

5.523442

0.127204

43.42201

0.0000

R-squared

0.459935

    Meandependentvar

6.176045

AdjustedR-squared

0.444050

    S.D.dependentvar

0.308764

S.E.ofregression

0.230221

    Akaikeinfocriterion

-0.045605

Sumsquaredresid

1.802052

    Schwarzcriterion

0.042368

Loglikelihood

2.820886

    F-statistic

28.95535

Durbin-Watsonstat

0.581838

    Prob（F-statistic）

0.000005

结论：

二者存在一定程度的相关性，但还不至于构成严重的共线性，故两个变量可以共存。

（3）再构造X7、X8间的辅助性回归：

DependentVariable:

X7

Method:

LeastSquares

Date:

01/27/10Time:

20:

47

Sample:

2007M012009M12

Includedobservations:

36

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X8

0.012973

0.013397

0.968384

0.3397

C

6.086011

1.063787

5.721078

0.0000

R-squared

0.026841

    Meandependentvar

7.114544

AdjustedR-squared

-0.001781

    S.D.dependentvar

0.357706

S.E.ofregression

0.358024

    Akaikeinfocriterion

0.837520

Sumsquaredresid

4.358165

    Schwarzcriterion

0.925494

Loglikelihood

-13.07537

    F-statistic

0.937768

Durbin-Watsonstat

0.018653

    Prob（F-statistic）

0.339691

结论：

二者拟合度很差，不存在共线性。

方程中有若干个变量不显著：

X3X4X5X7

对照残差图，并且从解释变量与被解释变量的关联性看，

因为我国并不是最主要的产油国，并且国内的原油产量供不应求，很大程度上还是依赖外国进口原油。

火力发电与燃油指数的拟合度不佳。

（4）故考虑剔除X3和X5：

DependentVariable:

LOGY

Method:

LeastSquares

Date:

01/27/10Time:

13:

40

Sample:

2007M012009M12

Includedobservations:

36

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X1

0.002573

0.001863

1.380995

0.1795

X2

-0.005620

0.003225

-1.742294

0.0937

LOGX4

-0.071426

0.088942

-0.803064

0.4295

X6

0.034296

0.029484

1.163208

0.2557

X7

0.035437

0.092051

0.384966

0.7035

X8

0.004218

0.005679

0.742693

0.4646

X9

0.006703

0.001333

5.026580

0.0000

LOGX10

0.092694

0.040611

2.282478

0.0312

D1

0.228468

0.076656

2.980430

0.0063

D2

0.028707

0.020580

1.394913

0.1753

C

5.446263

1.232483

4.418934

0.0002

R-squared

0.961662

    Meandependentvar

7.244456

AdjustedR-squared

0.946327

    S.D.dependentvar

0.174821

S.E.ofregression

0.040502

    Akaikeinfocriterion

-3.328482

Sumsquaredresid

0.041010

    Schwarzcriterion

-2.844629

Loglikelihood

70.91268

    F-statistic

62.70947

Durbin-Watsonstat

2.020700

    Prob（F-statistic）

0.000000

X8拟合度较差，且原有的解释变量中已经有一个逻辑上相关的X7；

X6拟合度不佳，且作为一个宏观的变量，当做解释变量有些牵强，

（5）故尝试剔除X6和X8

DependentVariable:

LOGY

Method:

LeastSquares

Date:

01/27/10Time:

14:

05

Sample:

2007M012009M12

Includedobservations:

36

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

X1

0.003681

0.001540

2.390643

0.0241

X2

-0.006752

0.002875

-2.348196

0.0264

LOGX4

-0.114953

0.057895

-1.985550

0.0573

X7

-0.004305

0.080501

-0.053480

0.9577

X9

0.006080

0.001228

4.949485

0.0000

LOGX10

0.101942

0.029663

3.436717

0.0019

D1

0.171024

0.061204

2.794315

0.0095

D2

0.038847

0.018745

2.072410

0.0479

C

6.328149

0.770164

8.216628

0.0000

R-squared

0.959213

    Meandependentvar

7.244456

AdjustedR-squared

0.947128

    S.D.dependentvar

0.174821

S.E.ofregression

0.040198

    Akaikeinfocriterion

-3.377671

Sumsquaredresid

0.043629

    Schwarzcriterion

-2.981791

Loglikelihood

69.79807

    F-statistic

79.37191

Durbin-Watsonstat

1.915601

    Prob（F-stati