油价预估-油价预测模型代码

由于网站上的石油市场价格历史数据的时间粒度从年一直精确到日，所有的下载靠人工完成是很困难的，而且由于下载到本地之后的表格字段并不规范，所以必须要根据数据库字段的要求对字符串和Excel表格操作，使之规范化后再入库。其难点在于实现石油市场价格的自动抓取完成对数据源的自动下载，数据源的自动更新，与管理平台的无缝链接，以及ActiveX 插件的制作。

5.3.1.1 数据源的自动下载

石油市场价格数据有3个数据源，包括美国能源部能源信息署（EIA）、《华尔街日报》（WJS）和中石油（CNPC）的数据。这些数据源皆为互联网上的资源。针对3个不同的数据源的特点，采用远程自动下载及规范化，以及基于正则表达式的网页数据自动抓取两种不同的技术完成。

（1）远程自动下载及规范化

对于美国能源部网站的油价历史数据，通过设计自动下载引擎，完成对其历史油价数据的自动远程下载，按照指定路径保存到本地，并将每次下载的结果保存到数据库下载日志表；将下载下来的数据进行清洗、转换并上载到中心数据库。

（2）基于正则表达式的网页数据自动抓取技术

由于大部分网页数据并没有提供下载的通道，而且油价数据同股价数据一样更新频率很高。因此需要对网站上的数据进行基于正则表达式网页数据自动抓取。华尔街油价数据、美国能源部上的油价事件、中石油网页上的油价数据，均需要通过正则表达式的网页自动抓取功能来实现。

网页抓取需要解决的问题：

1）得到需要抓取的网页的地址列表（URL）;

2）根据网页的地址去请求，得到网页的内容；

3）分析网页（HTM L）的结构，并提取出需要的内容，即使用网页结构化信息抽取技术或元数据采集技术。可以使用基于字符串查找定位和基于DOM（Document Object Model）结构的分析；数据抓取结构体系，如图5.27所示。

图5.27 B/S网页事件抓取结构体系

正则表达式的网页数据自动抓取技术涉及网页源码数据的本地化操作，装载源码数据控件的选择，相关信息源码的抓取，源代码的去行操作，数据中含有超链接和字体变换的HTML标签元素的去除，应用零款断言和截取子字符串等字符串函数的方法来抓取数据以及数据入库这些操作（图5.28）。

图5.28 基于正则表达式的网页信息抓取过程

5.3.1.2 数据源的自动更新

当完成对历史数据的初始化之后，需要设计监控引擎，监控网站数据源的更新情况，以决策是否执行增量下载任务。其监控引擎采用实时监控技术以及周期性检测技术。当执行增量下载任务之后，需要对下载数据的有效性和完整性进行检查，指定的数据源要定格式、定期进行更新。数据源的自动更新，主要依据站点在对数据更新之后系统能及时发现并自动快速地获取更新。从站点上获取更新的手段，涉及数据更新后的更新超链接、按钮变化后的触发网址的变动，分析网址来获得更新等，如：《华尔街日报》的期货油价就是按照将日期写进网址来制作更新的；若是周末或是节假日期间网址同样存在只是网页上无相关内容，于是便要考虑此次更新获得的数据是否有效和存在；另外在处理如AJAX 等网址不变的网络站点或者站点的更新不能从网址上得到解释时，使用针对网页的高级字符串操作来获取更新，前述的正则表达式便是最有效的方法之一。

5.3.1.3 与管理平台的无缝链接

管理平台的功能是要使下载、更新的多个任务按照程式的设计，分配到计算机的几个线程中，通过对线程的调度，达到自动下载和更新的有效管理。为此需要设计审核功能、日志功能、重试次数的阈值，以及开启多个Excel进程的功能。通过审核功能，可以查明自动下载过程中的异常，便于进行人工干预；通过日志功能，可以帮助我们依据日志对任务执行中的错误进行追踪和对出错原因进行判断；通过设置重试次数阈值，可以实现任务执行失败后重试；通过开启多个Excel进程的功能，可以实现EIA的Excel数据自动读取和转换。

5.3.1.4 预测程序ActiveX插件的制作

由于油价预测程序是基于C/S架构开发，要将程序发布到B/S架构必须使用插件技术从服务器端向客户端安装预测程序的核心部件，以达到对油价模型更新而不用再单独编写程序的目的，这样就保证了程序的完整性和解决方案之间的良好衔接。

创建ActiveX插件的过程，必须让系统提供一个接口使得插件能够完整地从后台链接到前台。因为工程无法生成tlb文件，没有tlb文件也就意味着注册失败，以及dll文件或ActiveX 控件在客户端无法使用。创建的类就是通过代码的方式将dll文件在客户端注册，生成tlb文件，使得.exe程序能够在B/S体系下进行操作。

海外油气田投资案例分析

本系统风险查询包括国家风险、运输风险、市场风险、需求风险和供应风险等风险查询，以及案例研究。

5.4.3.1 国家风险

对应国家风险的功能模块，基于WebGIS技术和对象嵌入技术的国家风险查询相关界面的开发。

（1）国家风险查询

用户可以在菜单的国家风险下面选择“企业投资”“能源安全”“恐怖袭击”中的任意一个来查看相应视角下的国家风险大小。当用户选择“恐怖袭击”后，显示的国家风险如图5.58所示，色系变化从**变到红色，颜色越深，代表风险越大；图例的显示将风险分为5级，风险级数越大，风险越大。

（2）国家风险基本信息展示

国家风险基本信息展示将对用户指定的某一国家信息进行综合展示，包括油气资源概况等基本信息查询、风险指标查询和风险报告生成。

通过国家列表选择阿曼（图5.59），展现该国的油气资源概况、油气储量等基本信息；同时，可以选择浏览该国的地理概况、历史简述、政体简介和民族宗教等信息。

如图5.60所示，在风险指标查询界面，选择浏览国家风险相关指标、风险因素分析和该国的风险评价结果。其中指标以树的形式分为3级，在页面左边折叠菜单中显示。

图5.58 恐怖袭击视角下的国家风险

图5.59 国家风险详细信息展示首页（以阿曼为例）

图5.60 风险分析评价指标以及评价结果展示页面（以阿曼为例）

因素分析页面与指标评价结果页面布局类似（图5.61）。

图5.61 风险分析下因素分析展示页面（以阿曼为例）

5.4.3.2 市场风险

根据系统功能设计，选择“市场风险”模块，其主页面如图5.62所示。左侧的菜单分别为石油市场系统风险、石油价格预测和市场风险预测等子模块的链接，页面的主题区域显示新闻和交易所的列表信息，方便用户获取最及时的石油市场风险的动态新闻。

图5.62 市场风险模块主页面

（1）市场数据分类整理

石油市场数据分类整理包括下面4个方面的内容：国际石油交易所、资源链接、国际油价事件和市场数据（图5.63）。

国外油气与矿产资源利用风险评价与决策支持技术

国外油气与矿产资源利用风险评价与决策支持技术

图5.63 市场数据分类整理内容

（2）国际石油价格在线抓取

国际石油价格在线抓取模块的实现是链接多个在线数据网页，下载数据进行格式转换后存储到中心数据库中。其中数据的来源包括：①美国能源部公布的多种石油品种的日、周、月、年的价格数据；②《华尔街日报》公布的石油交易所交易信息，包括开盘价，收盘价最高价、最低价，交易量等；③中国石油集团公布的大庆油田、胜利油田等我国主要石油产地的价格数据。系统按照数据来源设定不同的抓取任务，并实现自动化的石油价格抓取算法，记录石油价格抓取过程日志，监控任务执行情况，并用动画的形式直观地对任务状态进行表示。国际石油价格在线抓取模块的实现如图5.64所示。

图5.64 国际石油价格在线抓取模块

（3）石油市场价格预测

已开发的油价预测模块在市场风险的5块功能中起着非常重要的作用。在石油市场价格预测的主界面中，启动“油价预测程序”对油价数据进行不同时间长度、频度的预测。

（4）石油市场VaR风险预测

和市场油价预测模型程序的处理方式不同，对VaR风险预测模型程序的处理采取不嵌入独立运行的形式进行。需要系统用户在桌面上运行风险预测模型程序，然后程序会从系统中读入市场油品的配置数据，并根据选择的时间段读入历史油价，按照设定的日周月年的参数执行预测，并将结果保存在数据库中；而预测的结果，可以石油市场风险报告的形式导出为Excel表格。

（5）国际石油价格多维分析

国际石油价格多维分析模块按照功能要求，设定油品分析、市场分析、交易类型分析、综合分析与数据导出和钻去分析等功能项，分别为不同的分析主题服务。在各项功能中，均提供按照油品、交易市场、价格类型、年、月、日等预先定义的维度交叉选择能力，从国际油品详细交易价格、各石油市场不同油品交易对比、各油品不同价格类型比较、综合化的多维选择和钻取分析等角度来进行石油价格的多维分析。对多维分析的过程参见5.3关键技术一节，国际石油价格多维分析系统的界面见图5.65。

图5.65 国际油价多维分析

5.4.3.3 运输风险

对应运输风险的功能模块，基于WebGIS技术、风险评价技术以及Flash技术的运输风险的开发，实现如下。

（1）运输风险查询

用户选择运输风险下面的“港口风险”“航线风险”“承运风险”“海盗袭击”中的任意一个来查看相应风险大小。其中港口风险的可视化，即用表示港口的图标颜色表示不同的港口综合风险，图标的大小表示港口的吞吐能力。航线风险的可视化，即用表示航线的线条颜色表示不同的综合航线风险，航线的粗细表示航线的运力。海盗袭击分布的可视化，则是通过展示不同年份的海盗袭击分布，以比较分布的变化趋势，从而提供分析依据（图5.66至图5.69）。

图5.66 港口风险

图5.67 航线风险

图5.68 承运公司风险

图5.69 海盗袭击分布

（2）港口信息展示

为了进一步满足用户的需求，为用户提供更多的相关信息，本系统利用Flash技术动态展现港口风险、航线风险、承运风险，以及海盗袭击分布等主要信息。图5.70为海盗袭击分布图，同时能够对比分析不同年份海盗袭击分布的变化趋势。

图5.70 海盗袭击信息的动态展示

（3）港口界面开发

本系统为重要港口等风险查询对象开发了详细界面，以便用户了解港口等风险对象的地理位置，具体指标信息以及所经航线等。以苏丹港为例，如图5.71所示。

国际油价波动分析与预测的目录

此项目是中石油在某国陆上一个新开发油田的建设项目，位于该国东北部的热带雨林区，油区与外界沟通的地面公路网络缺乏，从油田外输站到港口的距离为500km，外输石油时需缴纳管输费用。经过几年的勘探已发现石油地质探明储量1580万t。1997年，经过与当地政府谈判，可以有8年的延迟开发权利，并开发油区12年，同时，中石油可以根据未来油价的高低，选择小规模开发还是大规模开发，本研究的投资决策点见图4.28。

图4.28 油气开发投资决策点

矿费税收制合同收入分配公式如下：

石油销售收入＝矿区使用费＋油气生产总成本＋应纳税所得＋税后利润分配。

当地政府所得＝矿区使用费＋应纳税所得。

承包商所得＝税后利润分配。

税收参数。所得税Ts=30%，当地综合税率Tdx=3%，其中具体包括：①超额利润税：根据当地税法规定缴纳；②土地税：根据土地面积和土地等级交纳；③财产税：资产总值的1%；④交通工具税：根据交通工具的种类和功率计算；⑤其他地方税。

该项目的建设期为2年，生产期为10年，合计评价期为12年。开发方案有两种：

1）小规模：油田的设计年生产能力31.2万t，建设期投资额为7780万美元，共部署开发井50口（均为生产井），生产期年运营成本为900万美元。

2）大规模：油田的设计年生产能力达50万t，建设期需投资14780万美元，部署开发井80口，生产期年运营成本为1500万美元。

两种方案的预测年产油量Q（t）见图4.29。

图4.29 评价期内预测年产油量

各参数如下：n=1,T=8,Tq=3%,fs=100%，无风险利率if=8%，净便利收益δ＝3%。1986～2006年WTI原油现货价格，如图4.30所示。

图4.30 1986～2006年WTI原油现货价格

（据EIA）

由于油气项目的期权期限为2004年，本节对于油价数据的选取截至2004年。以WTI原油现货价格作为海外原油基准价格，以12年为一个时间段，根据前文的公式，求得各个滑动时间段内的油价波动率（图4.31）。

图4.31 1986～2004年不同时间段内原油价格波动率

其中，1986～1997年间，油价的波动率为0.16。

1997年，国际油价为21美元/桶。利用二叉树期权定价模型，得到油价的预测走势（表4.34）；以及小规模、大规模开发投资的项目价值，如表4.32和表4.33所示。

表4.32 小规模开发投资的项目价值　单位：百万美元

1997年，原油价格为21美元，小规模开发方案NPV为19.36百万美元。尽管此时投资在经济上是可行的，却不是最佳的，因为此时的期权价值为45.02百万美元，投资者宜持有此期权，等待更佳的投资时机。第一个可能的最佳时刻出现在2003年，原油价格为54.85美元/桶，油田的开发价值为236.37百万美元；如果低于此价格，则继续持有期权。2004年，油气田期权价值为零，将面临要么投资，要么放弃的决策。理论上，当原油价格在盈亏平衡点18美元/桶（概率极小）以上即可进行投资，当然也包括几个离散的可能出现的油价情况，如64.36美元/桶，46.74美元/桶，33.94美元/桶，24.64美元/桶等。大规模开发投资方案的项目价值，见表4.33。

表4.33 大规模开发投资的项目价值　单位：百万美元

表4.34 油气田开发投资的最佳时机和油价临界值　单位：美元/桶

在表4.33中，大规模开发方案的价值要高于小规模开发方案，如2003年可行开发价值为353.27百万美元，要高于小规模开发的236.37百万美元。根据表4.32，表4.33中的结果，可以发现两种方案具有相同的投资最佳时机和油价临界点，见表4.34。大规模开发方案的盈亏平衡点更高，为21美元/桶。根据两种方案的投资收益，2003年，如果油价达到54.85美元/桶，应选择大规模开发方案。2004年，当油价在21美元/桶之上，应选择大规模开发方案；油价在18～21美元/桶之间，应选择小规模开发方案；当油价在18美元/桶以下，则应放弃开发。

影响国际油价因素有哪些

总序

序言

第一部分 国际油价波动分析

第一章 全球石油市场信息溢出研究

1.1 引言

1.2 信息溢出检验文献综述

1.3 实证研究

1.4 本章小结

1.5 参考文献

第二章 国际油价短期波动研究

2.1 引言

2.2 以前的相关研究

2.3 实证数据和方法

2.4 实证结果

2.5 本章小结

2.6 参考文献

第三章 基于粗糙集和小波神经网络的油价影响因素分析

3.1 引言

3.2 基于粗糙集和小波神经网络的混合方法

3.3 混合方法的应用

3.4 本章小结

3.5 参考文献

第四章 国际油价影响因素的综合分析

4.1 引言

4.2 影响原油供给的因素

4.3 影响原油需求的因素

4.4 影响原油价格的短期因素

4.5 本章小结

4.6 参考文献

第五章 突发事件对油价的影响分析

5.1 引言

5.2 突发事件类型

5.3 油价波动特点

5.4 案例分析：突发事件对油价的影响

5.5 本章小结

第六章 基于经验模态分解的国际原油价格波动分析

6.1 引言

6.2 经验模态分解

6.3 分解

6.4 合成

6.5 本章小结

6.6 参考文献

第七章 基于LSI的文本聚类在影响油价事件分类中的应用

7.1 引言

7.2 文本预处理

7.3 基于LSI的文本聚类

7.4 聚类结果分析

7.5 本章小结

7.6 参考文献

第二部分 国际油价预测

第八章 动态因子方法预测原油价格

8.1 引言

8.2 动态因子方法

8.3 数据

8.4 回归和预测结果

8.5 本章小结

8.6 参考文献

第九章 基于基金持仓的国际原油期货价格预测

9.1 引言

9.2 影响国际原油期货市场的因素分析

9.3 国际原油期货价格预测

9.4 本章小结

9.5 参考文献

第十章 小波变换在油价分析预测中的应用

10.1 引言

10.2 小波变换

10.3 基于小波变换的油价序列多尺度分解

10.4 基于多尺度分解的油价预测

10.5 本章小结

10.6 参考文献

第十一章 基于小波神经网络的油价预测

11.1 引言

11.2 小波神经网络介绍

11.3 实证分析

11.4 本章小结

11.5 参考文献

第十二章 基于供求理论的石油季度价格预测

12.1 石油价格影响机制简介

12.2 石油季度价格影响因素分析

12.3 石油季度价格预测模型的建立

12.4 本章小结

12.5 参考文献

第十三章 勘探开发与国际石油供求间关系分析

13.1 引言

13.2 石油供给的影响因素分析与情景预测

13.3 石油需求的影响因素分析与情景预测

13.4 本章小结

13.5 参考文献

第十四章 基于VARX与VECM模型的年度国际原油价格预测

14.1 引言

14.2 模型理论与方法

14.3 变量选取与数据说明

14.4 模型预测与结论

14.5 本章小结

14.6 参考文献

附录一 国际油价预测系列报告（摘选）

附录二 报刊文章和观点精选

实证结果分析与讨论

家世比家居www.homebi.com为您解答：

原油价格影响因素分析：

（一）原油的商品属性——供求关系决定油价方向

决定原油价格长期走势的主要是原油供需基本面因素。由于原油是不可再生性资源，因此原油短期供给弹性较小，所以在没有新的大型油田被发现以及重大技术创新出现时，影响原油价格的最主要因素是决定原油需求的世界经济发展状况。

（二）原油库存——影响油价波动预期

1.何为原油库存

原油库存分为商业库存和战略储备，商业库存的主要目的是保证在原油需求出现季节性波动的情况下企业能够高效运作，同时防止潜在的原油供给不足；国家战略储备的主要目的是应付原油危机。

各个国家的原油库存在国际原油市场中起到调节供需平衡的作用，其数量的变化直接关系到世界原油市场供求差额的变化。在国际原油市场上，美国原油协会(API)、美国能源部能源信息署（EIA)每周公布的原油库存和需求数据己经成为许多原油商判断短期国际原油市场供需状况和进行实际操作的依据。

2.原油库存与油价

原油库存和需求数据公布后，WTI油价选择向上或向下波动的方向，从而直接影响伦敦和新加坡布伦特油的走向，带动油品价格向上或向下波动。原油库存对油价的影响是复杂的，当期货价格远高于现货价格时，原油公司倾向于增加商业库存，减少当期供应，从而刺激现货价格上涨，期货现货价差减小；当期货价格低于现货价格时，原油公司倾向于减少商业库存，增加当期供应，从而导致现货价格下降，与期货价格形成合理价差。

截至2009年11月末，经合组织国家商业原油库存达到27.38亿桶，高出上年同期5100万桶，可供满足OECD国家60天的原油需求，超过过去五年平均水平的上限。据美国能源情报署预计，2010年OECD国家商业原油库存仍将比较充裕，较高的库存将会在一定程度上抑制油价上涨。

（三）美元汇率因素——影响油价的实际高低

由于国际原油交易主要以美元为标价，因此美元汇率也是影响原油价格涨跌的重要因素之一。当美元升值时，国际上黄金、原油、铜等大宗商品原料价格有下跌的压力；反之，当美元贬值时，此类大宗商品的价格将上涨。

自2002年到2010年7月，由于美元对世界主要货币的大幅贬值，导致原油价格节节攀升。美国为了缓解次贷危机所采取的利率调整和汇率政策，直接带来了流动性泛滥，引起了全球通货膨胀和美元持续贬值，导致包括原油在内的大宗商品价格暴涨，油价在美国宽松的货币政策的推动下叠创新高，2008 年7月达到历史最高点147美元。在金融危机冲击实体经济的背景下，油价迅速一路下跌至35美元。因而，美元与油价之间存在典型负相关关系，美元疲软将会支撑油价上涨。

但是，美元汇率因素对油价的影响只是暂时的，而且不够显著。统计分析显示，WTI原油期价与美元指数的相关系数为-0.22，这说明在油价波动中，美元汇率相对于原油的供求关系来说所起的作用非常微小。

（四）世界经济发展状况——促进油价阶段性调整

全球经济的增长会通过改变原油市场的需求量影响原油价格，经济增长和石油需求的增长有较强的正相关关系，它们之间的比例关系一般用原油消费对GDP的弹性系数来表示。

然而，经济增长率的变化不只可以用来解释中长期的油价上升，短暂经济衰退导致的油价回落也可在经济数据的变化中显现出来。图4-2显示，1999—2008这十年中总体油价趋势是上涨，其间至少有三次明显的阶段性回调，一次是2000年美国NASDAQ泡沫破裂后美国经济短暂下滑导致的需求下降，由全球经济增长率与国际油价的对比变化情况，可以清楚地看到全球经济下滑对油价的影响。第二次则是2006 年中空闲产能的短暂回升在短时间缓解了市场压力所致。第三次始于2008年中以来的油价深度回调更是与经济危机密不可分。

2010年，世界经济将曲折缓慢复苏，国际油价将呈稳步上行趋势。如果世界经济复苏前景好于预期，经济金融市场信心得到恢复，通货膨胀压力加大，美元继续大幅走软，那么，国际油价上行趋势将更加明显。如果爆发新的金融冲击，世界经济复苏遇阻，出现第二次经济衰退，为防止滞胀美元在政策主导下转为强势，那么，国际油价运行平台存在下移的可能。

（五）突发事件与气候状况——使油价波动更加不确定

原油除了具有一般商品属性外，还具有战略物资的属性，其价格和供应很大程度上受政治势力和势的影响。近年来，随着政治多极化、经济全球化、生产国际化的发展，争夺原油资源和控制原油市场已成为油市动荡和油价飙涨的重要原因。紧张的地缘政治强化了国际原油市场对供给收缩的预期。针对原油设施的恐怖袭击、原油工人罢工、产油国政局动荡等地缘政治因素都会对国际油价带来冲击。目前，伊拉克恐怖袭击事件频发，原油设施经常遭受破坏。美国领导的阿富汗反恐活动“越反越恐”，阿富汗的局势不但至今未得到有效控制，反而不断升级，并逐步蔓延到巴基斯坦、伊朗等地。伊朗是世界重要的产油大国，在其核问题悬而未决，再加上“恐怖活动”添乱，国际原油的“恐怖溢价”也将日益高涨，并通过投机活动而进一步放大。局部的政治动荡或战争都会刺激油价的上涨。

气候状况会影响到原油的供给和需求，比如异常的天气可能会对原油生产设施造成破坏，导致供给中断，从而影响国际油价，但它对整个国际油价的影响作用是短期的。此外欧美许多国家用原油作为取暖燃料，因此当气候变化异常时，会引起燃料油需求的短期变动，从而带动原油和其他油品价格发生变化。

（六）国际原油投机因素——加剧油价的短期波动

目前在国际原油期货市场上，国际投机资本的操作是影响国际油价不可忽略的因素。原油市场的投机与市场预期往往加大了原油价格的波动，国际原油市场中投机因素对原油价格有着10%-20%的影响力。尤其是某些突发性事件发生的时候，大量的投机资本便在国际原油期货市场上进行操作，加剧了国际原油价格的动荡。

在低油价时期， 投机基金的规模比较小， 对国际事件在原油期货价格形成中的作用放大能力有限。随着原油价格的逐步上升， 原油期货市场吸引了越来越多的投机基金， 投机基金的规模变得越来越庞大，“羊群效应”也越来越明显，任何敏感数据的出炉和事件的发生， 如原油库存变化、油田爆炸、地缘政治关系、工人罢工以及气候变化等，在大规模投机基金的作用下，其影响都会骤然放大，加剧油价的波动。

（七）地缘政治因素

石油是一种稀缺的不可再生资源，是国家生存和发展不可或缺的战略资源，其对国家的经济、军事、安全等有着重大的影响。国际原油的市场价格的变化往往会受到地缘政治和产油国政局因素的影响。

地缘政治和产油国政局因素对油价的影响主要从两个方面发挥作用。其一是地缘政治冲突导致原油供给量真实下降；其二是地缘政治冲突导致国际原油市场对未来供给减少的担忧，但实际供给量没有减少。从目前地缘政治形势来看，未来一段时间内地缘政治的焦点地区主要还是在中东地区的伊拉克和伊朗。2006年，伊朗核问题危机引起国际石油市场对伊朗原油供给中断的担忧，并导致2006年国际油价不断上升。

作为世界上最重要的石油输出国组织——OPEC，在世界上具有很强的石油定价权。该组织为了维护各成员国的利益，对各成员国实施严格的生产上限制度，并且每当国际油价下跌的时候，该组织各成员国将施行减产的政策，以达到维护高油价，获取高额利润的目的。

（八）人们的预期——心理因素助长油价波动

近几年，对美元贬值以及通货膨胀的预期使得大量的投资基金选择长期投资原油以规避通胀风险。短期内又有大量的投机资本进入原油市场利用各种预期或题材炒作，放大了油价上涨的趋势。投机资金借助于经济波动或一些突发事件，引导和利用人们的预期，在现货和期货市场上大肆炒作。预期的变化和投机行为互相影响，现货价格和期货价格互相推动，使得油价向上或向下突破关键价位后出现了类似于“超调”的特征，加剧了原油价格的波动。

（九）利率因素

在标准不可再生资源模型中，利率的上升会导致未来开采价值相对现在开采价值减少，因此会使得开采路径凸向现在而远离未来。高利率会减少资本投资，导致较小的初始开采规模；高利率也会提高替代技术的资本成本，导致开采速度下降，进而导致原油价格上涨。

影响油价的各种因素交织在一起共同作用，增加了人们准确预测油价的难度。除了供求这一主要因素外，其他因素是随机的、不确定的，而且在不同时期所呈现的强度也不尽相同。这些因素单个或者多个发生变化都会影响国际油价。从国际石油供需结构格局的变化中可以预见油价将长期在高位波动，而一些随机因素的变动则会引起油价短期的剧烈波动。

体系结构与开发平台选择

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，因此考虑采用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

国外油气与矿产资源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，因此采用基于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

国外油气与矿产资源利用风险评价与决策支持技术

Log likelihood=11697.19,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采购者提供决策支持。为此，本节将采用上述基于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

国外油气与矿产资源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

国外油气与矿产资源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

在采用GARCH模型计算市场收益率的VaR 风险值时，一般都假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，采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，采用基于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模型时假设残差服从正态分布，而计算VaR时又选择一般所采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，采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，本节也采用了广受好评的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，因此应该拒绝原假设，即认为在此处采用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。这对有关政府和企业的科学决策具有一定的借鉴意义。

原型系统架构分硬件架构、软件架构和部署方式3个方面。硬件部分描述了系统在部署的时候会涉及的服务器角色、不同角色之间的关联关系和网络连接方式；软件架构描述了系统各软件组件之间的层次关系；部署方式说明系统在不同用户环境下的配置形式。

5.2.5.1 硬件体系结构

按照原型系统的功能要求，根据数据处理流程，从多种数据源输入开始，到数据存储和处理，再到面向最终用户的不同形式展现，分来源/控制、存储/处理，以及运算/发布3个层次来设计系统硬件体系结构。硬件体系结构的设计需要根据系统对多数据源、多种数据处理方式、多种展现方式和多用户等功能要求，将不同的功能模块独立部署于不同的硬件平台，以满足系统的多种功能要求，支持负载均衡控制，提高系统的可扩展性（左美云等，2006）。系统的硬件体系结构见图5.24。

图5.24 系统硬件体系结构

（1）第一层次：来源/控制

系统的数据来源有Internet自动抓取、人工输入、模型运算输入等。数据下载服务器（Data Download Server）负责从Internet自动抓取数据，其中抓取的数据类型包括不同网站来源的石油价格数据以及影响石油价格的事件等；模型运算服务器（Model Server）负责模型的运算执行，并生成模型运算的结果数据。数据下载和模型运算的数据将存储到中心数据库服务器（Center Database Server）中，由中心数据库来完成数据归一、合并、错误数据检测等任务。

（2）第二层次：存储/处理

第二层次包含的中心数据库是整个系统的核心。通过设置中心数据服务器，完成存储在中心数据库中的数据增加、修正、计算、展现等任务。中心数据库除了由第一层次的数据下载服务器和模型运算服务器获取数据之外，还需要提供数据的人工输入，并为模型运算服务器提供中间数据接口任务。

除此之外，考虑到数据量规模，中心数据库服务器可以兼备数据仓库服务器（Data Warehouse Server）的角色。中心数据库服务器对数据仓库数据的生成、转换进行控制，提供具有星型架构的多维数据源。

（3）第三层次：发布/展现

第三层次负责完成对中心数据库中的数据进行提取，按照不同的应用进行展现。第三层次包括GIS展现服务器（GIS Server）、数据发布服务器（Data Deployment Server）等，这些服务器由独立的W eb服务器（Web Server）向网络用户提供单一的用户访问接口。GIS展现服务器负责对系统的GIS展现部分提供支持，包括国家风险、运输风险等。数据发布服务器则包含了所有二次开发的系统数据处理内容，包括各个风险模块中的指标体系定义和评价、基本数据的维护和展现等。此外，第三层次还提供对系统中心数据库的多维数据的展现功能，提供数据的切片、旋转、上钻、下卷等多维操作，并可以对结果数据进行导出。

GIS展现服务器从中心数据库服务器处获得的数据包括展现对象的基本信息、风险值等；数据发布服务器从中心数据库服务器处获得的数据包括石油价格、汇率、影响油价的事件等，另外数据发布服务器还从数据仓库服务器（中心数据库服务器）读取多维数据源。

5.2.5.2 软件体系结构

在软件体系结构设计方面，通过对系统关于国家风险、运输风险、市场风险、需求风险和供应风险的功能需求进行分析，抽象出共性的功能，依照三层设计的原则进行系统软件体系结构的设计，如图5.25所示，包括数据层、中间层和用户层。

图5.25 系统软件体系结构

在系统的软件体系结构中，系统运行管理模块具有贯穿全局的作用，负责对系统各个层次功能的运行参数进行配置，控制系统的权限等（左美云等，2006）。此外，系统的主体可以划分为数据层、中间层和用户层3个相互作用的软件层次结构。

（1）数据层

系统的数据层以中心数据库为核心。图5.26展示了处于数据层中的中心数据库里面的相关数据信息类别。可见，中心数据库是整个系统的基础，提供了所有数据的存储空间。在中心数据库层和程序代码之间设置了数据访问中间层，用来抽象程序对数据库的访问，提供统一的数据访问接口，提高程序代码对数据库平台的独立性。

图5.26 中心数据库内容

（2）中间层

系统的中间层包括数据抓起模块、图库管理模块、指标管理模块、模型运算模块和基础信息维护模块。

数据抓取模块负责对Internet数据进行抓取和更新。数据抓取模块自动连接不同的数据源网站，将网站上的数据经过下载、转换和过滤等处理，更新到中心数据库中，其中还要求留有处理各个阶段的详细日志。在数据抓取到本地的中心数据库之后，多个数据源的数据需要合并到一起，向数据使用者提供单一的数据出口。

图库管理模块为系统中国家、港口等模块中涉及的进行集中管理，完成的更新控制等。

指标管理模块将多个功能中所包含的指标归类形成一个共享模块。指标管理模块主要包括评价对象定义、评价指标维护、评价方法审核、评价值录入、评价指标存储、评价指标体系展现等功能。指标管理模块按照树形方式提供评价指标的定义功能，并可以提供按照时间版本进行管理的历史评价指标，同时为展现模块提供指标的查询和显示接口。

模型运算模块主要处理系统要求的数据计算模型，模型数据来源和数据输出需要经过数据访问中间层连接到中心数据库。在这个过程中，模型运算模块调用数据处理模块获得数据输入，并将模型运算结果依据模型本身的要求输入到中心数据库中。如油价预测模型以及石油市场风险预测模型就是模型运算模块中非常重要的组成部分。油价预测模型读取数据抓取模块获得的原始油价数据，在客户端进行计算预测，并显示预测结果；石油市场风险预测模型读取进行结构转换后的中间油价数据，接受用户输入的参数，计算并输出结果和报告。模型运算模块需要定义统一的模型结构，为多单位联合开发提供一致的接口，便于集成。

基础信息维护模块主要负责完成系统内实体对象相关属性信息的修改维护功能，主要包括国家、港口和航线等对象。

（3）用户层

用户层负责用户和系统接口的交互，包括GIS、价格数据、数据仓库、指标等多种展现形式完成交互。GIS展现和指标展现是最终用户界面的主要显示内容，主要功能包括多个风险的GIS展现、风险对象详细信息的查询显示和风险评价指标的显示等以及模型运输结果的展示等；价格展现模块则主要提供石油价格数据和影响油价事件的查询显示和导出；数据仓库展现模块从数据仓库读入数据，按照用户的要求进行国际石油价格的多维展现，包括价格按照市场、油品、价格类型和时间等多个维度的分析。

5.2.5.3 系统部署方式

在海外油气资源利用的风险管理系统中，系统的用户分为普通用户和管理员用户，这些用户的分布位置分散，特别是最终用户，包括了不同单位、不同地理位置，以及不同的访问终端等。为了最大程度地提高系统的灵活性和兼容性，在部署上主要采取了B/S（浏览器/服务器）的结构形式，以降低系统对客户端的要求，提高系统的可维护性。考虑到部分功能模块的特殊需求，采用了C/S（客户机/服务器）结构，这些主要是数据抓取和部分需要独立运行的模型程序。

5.2.5.4 开发平台选择

开发平台采取具有较高开发效率的.net平台为主体。Microsoft.net是一种全新的运算平台，其核心内容之一就是要搭建第三代互联网平台，以最大限度保护用户的现有投资和适应未来发展的需要。Microsoft为促进.net应用程序的开发而推出的Visual Studio.net集成开发环境中包含了许多强大的工具，并且支持多种编程语言，如 C＃,Visual Basic.net,ASP.net等，这些编程语言可以实现代码级的无缝链接。

整个开发平台的选型如下：

1）服务器操作系统：Microsoft Windows Server 2003;

2）数据库管理系统：Microsoft SQL Server 2008;

3）内容管理系统：Microsoft Sharepoint Service 3.0,Microsoft Office Sharepoint Design 2007;

4）工作站操作系统：IE/FireFox/Opera等主流浏览器，Windows/Linux平台；

5）应用系统开发环境：Microsoft Visual Studio 2008;

6）应用系统开发语言：C＃,ASP.NET,VB.net，框架为.net Framework 2.0;

7）GIS开发软件：MapInfo MapXtreme 2008;

8）数据仓库软件：QlikTech QlikView 9.0。