天然氣市場波動對下游企業資本市場的影響

柴 建, 李曉芬

(西安電子科技大學經濟與管理學院,陜西西安 710126)

1 引 言

作為一種清潔、高效、便利的能源,天然氣在世界能源系統中占據了重要位置.中國要實現能源節能與環保,提高能效的措施是盡快增加天然氣在一次能源構成中的比率,天然氣承擔了我國能源轉型的重要任務[1]. 此外,推進能源結構轉型也是實現中國2030 年CO2減排雙重目標的重要保障[2].

天然氣供應和需求波動較大,供需平衡多次被打破. 在多重因素交互作用下,我國出現了“氣荒”與“荒氣”交替的現象.另一方面,天然氣消費結構不斷優化. 液化天然氣已經開始被大量地應用于城市燃氣和以替代燃油、燃煤為功能的工業燃料. 就城市燃氣用途劃分,包括居民用氣和交通用氣. 天然氣作為城市燃氣,具有清潔干凈、低污染排放、燃燒效率高的優勢. 保持天然氣的有效供給和合理需求,是保障城市居民日常用氣,促進下游城市燃氣企業原料供應穩定的有效途徑. 國內外學者對天然氣市場、天然氣產業鏈以及與資金市場關系進行了大量研究.結合本文研究問題,本文從天然氣市場、能源與資本市場的關系兩個方面對相關文獻進行歸納整理.

從天然氣市場來看,姜子昂等[3]、史立軍等[4]和陳正惠[5]提出為了緩解資源趨緊、環境污染等各方面的壓力,就要加快天然氣的開發和利用;Wang 等[6]、李潤生等[7]和Shi 等[8]發現,由于國內天然氣生產能力、消費需求以及進口依存度上升等因素的影響,天然氣市場具有很大的不確定性;劉毅軍[9]、王震等[10]和董秀成等[11]提出解決天然氣氣荒的方式就是優化天然氣產業鏈. 綜合分析相關文獻,優化天然氣產業鏈與解決天然氣不確定性,緩解環境污染緊密相連.

能源市場的波動不僅受到經濟基本面的影響, 能源市場與金融市場的關系也不可忽視[12-14]. Tang等[15]指出商品價格不再僅僅由其供求關系決定,也取決于金融市場的總體風險偏好與多元化投資行為.學者們開始把能源市場與資本市場結合研究.Hamilton[16]采用格蘭杰因果檢驗考察國際油價上漲對于企業投資的影響;韓立巖等[17]建立因素增強型向量自回歸模型體系,就美國與中國實體經濟、國際投機因素、商品期貨市場供需與庫存狀態進行研究,發現長期商品價格仍然是受到基本面的影響,在短期金融市場的投資因素會影響商品市場; Ratti 等[18]使用估計動態投資模型,發現實際油價上漲會導致制造業企業投資下降,所以穩定能源的相對價格可以穩定企業投資;王勇等[19]通過GARCH 模型研究,發現國際油價不確定性對國內微觀企業投資具有顯著的負向影響;俞劍等[20]采用SVAR 和TVAR 模型,從微觀和宏觀兩方面研究油價與企業投資之間的關系;Zhang 等[21]通過GARCH 提取歷史波動率的方法,研究天然氣、原油市場與股票市場之間的波動溢出關系;Ji 等[22]用VAR 模型,將金融市場與能源市場聯系起來,結果表明金融市場尤其是股票市場會影響中國的能源市場,金融的發展對中國清潔能源的發展有重要的作用.

關于區制轉換模型, Almansour[23]運用Markov 機制轉換模型分區制研究原油與天然氣的期貨期限結構;柴建等[24]建立基于Bayes 理論的原油價格系統MSBVAR 模型識別原油價格系統,發現原油價格波動的首要因素為中國原油凈進口,同時對影響原油價格系統進行了結構性分析,發現原油市場狀態轉換的漸變性;鐘美瑞等[25]提出供需因素與金融因素影響有色金屬價格波動的作用機理,構建MSVAR 模型研究銅價格影響機制,發現銅價格波動存在顯著的區制轉換特征;諶金宇等[26]構建MSVAR 模型實證分析我國貨幣政策對大宗商品市場的非線性影響,我國大宗商品價格波動存在顯著的區制轉換特征,即上行期、平穩期、下行期三種狀態;劉超等[27]采用馬爾科夫區制轉移模型與主成分分析法相結合,對我國金融系統性風險預警進行實證分析.

在總結以前學者研究的基礎上,本文從天然氣供需和結構變化出發,在天然氣供給不足、對外依存度攀升以及城市燃氣用戶增加的背景下,研究我國的天然氣市場波動對天然氣下游城市燃氣企業資本市場的影響效應.同時,對學者的方法進行總結,研究影響天然氣市場與下游企業資本市場的關系.探討這些問題,有利于解決我國天然氣市場供應不確定性的問題、規范我國天然氣市場、滿足居民城市用氣和交通用氣、優化產業結構具有現實意義.

2 影響效應分析模型

2.1 基于季節趨勢分解

基于Loess 的季節趨勢分解方法(seasonal-trend decomposition procedure based on Loess)是一種對時間序列進行分解的方法,簡稱為STL 分解[28]. STL 分解將時間序列分解成季節項、趨勢項及殘余項.比起傳統的時間序列分解模型,STL 分解可以適用于任何季節周期的數據,季節性成分隨時間的變化率可以被控.STL分解如下.

其中Tt,St和Rt分別是趨勢成分、周期成分和殘差成分.

2.2 結構向量自回歸模型

VAR 模型是西姆斯引入經濟學[29],并推動了經濟系統動態分析.但是,VAR 模型并沒有給出變量之間的當期相關關系.為了彌補這一缺點,Blanchard 等[30]提出了結構向量自回歸模型,在模型中包含變量之間的當期關系.本文采用了SVAR 模型

其中yt= (I,Q,P,U),I為液化天然氣進口量對數值的一階差分,即液化天然氣進口量增長率;Q為液化天然氣產量對數值的一階差分,即液化天然氣產量增長率;P為液化天然氣價格對數值的一階差分,即液化天然氣價格變化率;U為下游企業價格指數的收益率,

其中εt和ut分別代表的是結構性擾動項及簡化式擾動項.

2.3 基于傳導機制的識別約束設定

1)考慮城市燃氣企業資本市場對天然氣市場的影響具有時滯性,假設下游天然氣企業價格指數不對當期任何變量產生影響,因此約束矩陣第4 列除第4 個元素外,其余元素均為0,即C14=C24=C34=0.

2)根據液化天然氣進口量的影響機制,液化天然氣進口量增加→液化天然氣總供給增加→液化天然氣的價格下降→液化天然氣產量增加. 進口量改變不會立即反映在產量上來,進口量的改變不能影響即期產量,即C21=0.

3)根據供需原理,產量的改變首先影響的是價格,然后才影響需求,當需求不能被滿足時,需要增加進口. 因此當期液化天然氣產量缺口不能立即影響當期的液化天然氣進口量,假設產量不對即期進口量產生影響,即C12=0.

4)液化天然氣生產商在受到液化天然氣價格的沖擊時,需要很長時間才能調整液化天然氣產量,液化天然氣產量的變化依賴于即期需求量,假設液化天然氣價格不對即期液化天然氣產量產生影響,因此C23=0.

2.4 馬爾可夫區制轉換模型

由于經濟具有周期性,天然氣市場有季節性的特征,所以僅僅研究天然氣市場對下游城市燃氣的影響效應,是不能全面分析整個天然氣市場對下游企業資本市場的影響.因此,在建立SVAR 模型的基礎上,通過區制轉換,來研究整個天然氣市場. 馬爾科夫區制轉移向量自回歸模型(MSVAR 模型)就是在向量自回歸模型的基礎上加上馬爾科夫鏈特性的模型. Hamilton[31]提出的馬爾可夫區制轉換模型,是在基本轉換回歸的基礎上,將各變量在各區制間的轉換概率.將樣本分成不可觀測的若干區間,分析不同區制下變量間的相互關系,MSVAR 模型為

3 指標體系構建與數據

3.1 指標體系構建

在信息論中,熵權法是一種客觀賦權重的方法,通過這種方式,可以使數據避免了主觀性. 包含的信息越少,在系統中所占的比重越小,相應所占的比重越小,通過這種方法構建15 家下游企業價格指數[32,33],具體構建步驟如下.

步驟1 給定了k個指標,其中各指標數據的值為X1,X2,...,Xk.

3.2 數據選取與處理

液化天然氣是下游城市燃氣企業的原材料,因此天然氣市場數據選擇了液化天然氣的產量、液化天然氣進口量和液化天然氣現貨價格.下游企業價格指數包括下游企業15 家公司收盤價(后復權). 根據數據的可得性,這里選取了2012 年1 月～2019 年7 月的月度數據作為研究區間,共455 個數據. 數據來源于Wind數據庫,論文所涉及數據如下:

1)天然氣供需存在著生產的相對均衡性和用氣量波動之間的矛盾,天然氣市場具有區域性和季節性,因此收集了液化天然氣產量數據. 原始數據單位為104t,為了統一數據單位,轉換為t. 2)受多種因素影響,LNG 價格快速上漲和下跌,因此選擇液化天然氣現貨價作為代表天然氣市場波動的變量之一.這里用的是丙烷(冷凍貨):CFR 華東的現貨價來代替LNG 市場價,單位: 萬元/t. 3)目前,我國的天然氣供應是國產氣與進口氣并存. 由于天然氣進口量增加,對外依存度上升,所以這里選取了液化天然氣進口量作為研究天然氣市場的變量之一.原始數據單位為104t,轉換為t. 4)中國內地有15 家上市城市燃氣企業,這里用的是中國內地城市燃氣企業15 家上市企業的收盤價(后復權),通過熵權法構建中國內地城市燃氣企業15 家上市企業價格指數.

做了三方面的數據預處理. 統一數據頻率,液化天然氣價格選擇的是每個月最后一個交易日的數據,其它液化天然氣產量和進口量的數據均為月度數據;填補缺漏數據,通過使用SPSS 軟件,通過分析點處的線性趨勢,填補了液化天然氣產量的缺失數據. 為了去除時間序列的季節性,采取了X-12 方法對各變量進行了季節性調整.

采取對數差分的方式對數據進行處理,將液化天然氣進口量,液化天然氣產量,液化天然氣價格和下游價格指數進行對數差分,即

由于許多數據是非平穩的, 直接建模容易導致“偽回歸”. 本文對原始數據取自然對數和一階差分, 采用ADF 檢驗的方法,各序列的單位根如下表1 所示.

表1 單位根檢驗結果Table 1 unit root test results

穩定性檢驗可以作為檢驗理論合理性的標準.根據ADF 檢驗,對數后的數據顯著性水平P大于0.05,所以對原數據進行了差分處理,處理后的數據均在1%顯著性水平下滿足一階差分平穩.

4 影響效應分析

4.1 變化率分析

為了研究天然氣市場的波動性,對2012 年1 月～2019 年7 月天然氣進口量的變動率、天然氣產量的變動率、天然氣價格的變動率,以及下游企業收益率以時間序列圖的形式表現出來,可以更好的探索其波動性.

圖1 描繪了下游企業價格指數和液化天然氣價格,進口量,產量在2012 年1 月～2019 年7 月變化率圖.除了液化天然氣產量變化率比較穩定外,其他都呈現波動趨勢. 其中液化天然氣進口量變化率波動最為頻繁,下游企業價格指數收益率變動次之,液化天然氣價格變化率最小.

圖1 天然氣市場波動與下游企業價格指數收益率圖Fig.1 Natural gas market volatility and downstream enterprise price index yield chart

圖2 描繪了液化天然氣進口量變化率與下游企業價格指數收益率的變動圖. 液化天然氣進口量的變化率與下游企業價格指數的收益率幾乎呈現相同的變化趨勢,但是液化天然氣進口量的變化率比下游企業價格指數的收益率的波動幅度更大、更頻繁.

圖2 天然氣進口量變化率與下游企業價格指數Fig.2 Change rate of natural gas import and price index of downstream enterprises

圖3 表明,液化天然氣產量的變化率趨勢呈現周期性. 下游天然氣企業原料供給主要來源于國內供給和國外的進口,液化天然氣產量變化率趨于穩定,有利于下游城市燃氣企業液化天然氣的有效供給,保證天然氣產業鏈的有效運轉.

圖3 天然氣產量變化率與下游企業價格指數Fig.3 Change rate of natural gas production and price index of downstream enterprises

天然氣價格變化率與下游企業價格指數見圖4.根據圖4,2014 年10 月,液化天然氣價格的變化率下降,但是下游企業價格指數的收益率卻上升. 這說明,液化天然氣的價格雖然與下游企業價格指數的變化不完全呈現相同的趨勢,但是液化天然氣價格變動會直接或者間接影響天然氣下游企業的資本市場.

圖4 天然氣價格變化率與下游企業價格指數Fig.4 Natural gas price change rate and downstream enterprise price index

綜上,根據液化天然氣進口量、產量、價格與下游城市燃氣企業的變化率圖,可以發現,液化天然氣市場的變化與下游企業的資本市場有著趨勢關系.對液化天然氣進口量、產量、價格變化率及下游企業價格指數進行STL 分解,研究其季節性與趨勢性.

4.2 基于季節趨勢分解的分析

將液化天然氣進口量變化率、液化天然氣產量變化率、液化天然氣價格變化率和下游企業價格指數進行STL 分解. 結果見圖5.

圖5 STL 分解Fig.5 STL breakdown

對于四組時間序列,季節性特征明顯. 趨勢項來看,天然氣產量呈線性下降趨勢,供給變化率下降. 液化天然氣進口量與下游企業價格指數幾乎呈現相同趨勢,在2016 年,液化天然氣進口量的趨勢達到最大,在2015 年底,下游企業價格指數的趨勢達到最大.但是STL 分解只能看出液化天然氣市場與下游企業價格指數之間的趨勢,為了進一步分析天然氣市場與下游企業價格指數之間的動態關系,下一步構建了SVAR模型.

4.3 基于SVAR模型的分析

根據AIC 信息標準、SC標準、HQ 信息標和FPE 準則的不同滯后值選擇模型,不同信息準則的具體結果如表2. 根據少數服從多數原則,選擇3 階.

表2 VAR 模型的滯后期選擇Table 2 Late stage selection of VAR model

在SVAR 滿足可識別條件的情況下,可以用完全信息極大似然方法估計得到SVAR 模型的所有未知參數,得到的估計結果見表3.

表3 即期影響矩陣估計結果Table 3 Estimation results of immediate impact matrix

C32表示液化天然氣產量沖擊對液化天然氣價格沖擊的即期影響系數,估計符號為負,這表明液化天然氣產量的增加會使得液化天然氣價格的下降,符合理論預期.從估計系數來看,C32為-0.099,當其他變量保持不變時,液化天然氣產量每增加1 個單位,則會影響當期價格下降0.099 個單位. 液化天然氣產量過剩的話,會引起價格的下降.C31表示液化天然氣進口量沖擊對液化天然氣價格沖擊的即期影響系數,估計符號為正,液化天然氣進口量的增加會使得當期液化天然氣總供給量增加,促使當期液化天然氣價格上升. 當液化天然氣進口量變動1 個單位時,會使得液化天然氣價格變動0.076 個單位.

C41,C42和C43分別表示液化天然氣進口量、產量和價格對下游企業價格指數的影響,無論是哪個因素的正向沖擊,都會對即期下游企業價格指數產生反向的沖擊.從系數上來看,液化天然氣進口量的沖擊對于即期企業價格指數的影響最大,液化天然氣價格沖擊次之,液化天然氣產量最小. 進一步證明了液化天然進口量沖擊對于下游企業價格指數影響最大.

圖6 的第一行為液化天然氣進口量、產量、價格和下游企業價格指數對液化天然氣進口量沖擊的脈沖圖. 可以看到,當產生一個正向的沖擊后,除了下游企業價格指數的沖擊外,液化天然氣產量和液化天然氣價格在當月都會對液化天然氣進口量產生上升的壓力. 由于液化天然氣具有季節性,液化天然產量增加的時候,往往需求也比較大,當產量的增加無法滿足消費需求時,就需要進口液化天然氣,所以產量的增加會給進口量帶來上升的壓力,符合經濟學基本面的原理;而液化天然氣價格的上升在短期內會促進進口量的增加;下游企業價格指數會對液化天然氣進口量有一個下降的壓力,在第5 期(第5 個月)這種沖擊效應基本就消失了. 綜上,從影響時間來看,液化天然價格沖擊對液化天然氣進口量影響時間最長,液化天然氣產量次之,下游企業價格指數的影響時間最短;從影響系數來看,下游企業價格指數影響最大,液化天然氣價格的影響次之,液化天然氣產量的影響最小.

圖6 的第二行為液化天然氣進口量、液化天然氣產量、液化天然氣價格和下游企業價格指數對一個單位液化天然氣產量結構沖擊的響應圖. 但是它們對于液化天然氣產量的沖擊程度都比較小,影響微弱,但是持續期比較長,到第10 期,這種沖擊趨于穩定. 我國液化天然氣產量較為穩定,受其他影響較小.

圖6 的第三行液化天然氣進口量、產量、價格和下游企業價格指數沖擊對液化天然氣價格的影響.產生一個單位正向沖擊后,除了液化天然氣進口量對于液化天然氣的價格產生的是負向的沖擊以外,液化天然氣產量、下游企業價格指數對液化天然氣價格都是正向沖擊.液化天然氣進口量的增加會使得其價格的下降,這是符合經濟學的規律.產量產生正向的沖擊后,在短期會給價格一個向上的壓力,隨后沖擊效應由正變負,影響效應減弱. 下游企業價格指數對價格沖擊變化頻繁,說明液化天然氣價格與下游企業的關系密切.

圖6 的第四行液化天然氣進口量、液化天然氣產量、液化天然氣價格和下游企業價格指數對一個單位下游企業價格指數結構沖擊的響應圖. 隨著我國天然氣對外依存度的增加,液化天然氣的進口量對于我國下游企業價格指數有著顯著的影響.我國的液化天然氣進口量逐年增加,對外依存度上升,會對我國下游企業價格指數產生影響.液化天然氣價格在短期會對下游企業價格指數沖擊效應為負,這種沖擊效應逐漸減弱,在第20 期完全消失.液化天然氣產量、進口量、價格與下游企業價格指數的影響日益密切,液化天然氣市場與下游企業資本市場的關系增強.

圖6 脈沖響應圖Fig.6 Pulse response diagram

脈沖響應分析能夠對變量之間的動態影響過程進行分析,但是要進一步了解不同變量之間的相互影響程度還需進一步進行方差分解分析.這里著重對下游企業價格指數沖擊預測的方差分解進行分析.由表4可知,對于下游企業價格指數沖擊的預測方差,液化天然氣產量在第一個月的解釋能力為1.43%,液化天然氣價格的解釋能力為5.40%,下游企業價格指數自身的解釋能力為91.04%,液化天然氣進口量的解釋能力為2.13%. 但是從第2 個月開始,下游企業價格指數自身的解釋能力開始下降,液化天然氣產量、價格、進口量的解釋能力增強. 到第5 個月就開始穩定,液化天然氣產量的解釋能力上升到1.69%,液化天然氣價格的解釋能力上升到5.89%,液化天然氣進口量的解釋能力上升到5.14%,下游企業價格指數的解釋能力下降到87.28%. 從預測方差結果看,除了自身的影響外,在短期內液化天然氣價格對下游企業價格指數有著較大影響.從長期來看,液化天然氣價格和進口量對下游企業價格指數影響比較大.結果見表4.

表4 下游企業價格指數預測誤差方差分解Table 4 Variance decomposition of price index prediction error of downstream enterprises company

綜上分析,可以看到,液化天然氣進口量沖擊對下游企業價格指數影響最大,液化天然氣進口量的變化關系著我國能源的安全. 而液化天然氣價格對下游企業資本市場的影響次之,液化天然氣產量比較穩定,對下游企業影響比較小.

4.4 MSVAR 模型分析

表5 展示了區制轉換下滯后變量的系數.

表5 MSVAR 模型回歸系數值Table 5 Regression coefficient value of MSVAR model

從液化天然氣價格來看,在區制1 的狀態下,液化天然氣進口量對當期液化天然氣價格的影響為負,且滯后期越長,影響系數越大;區制2 下,滯后一期的液化天然氣進口量和滯后二期的液化天然氣進口量對當期液化天然氣價格的影響為正,但是滯后三期的液化天然氣進口量對當期液化天然氣價格的影響反向是負向的,影響系數隨著滯后階數變小. 滯后一期的下游企業價格指數在區制1 和區制2 下都不對當期液化天然氣價格產生影響,在區制1 狀態下,滯后二期和滯后三期的下游企業價格指數對當期的液化天然氣價格產生負向影響,區制2 下,滯后二期和滯后三期下游企業價格指數對當期液化天然氣價格產生正向影響.從液化天然氣進口量來看,區制一和區制二液化天然氣價格對液化天然氣進口量的影響方向相反.液化天然氣價格對液化天然氣進口量影響在不同區制的影響系數是不同的,區制一下影響系數更大.從下游企業價格指數來看,液化天然氣價格和液化天然氣進口量在滯后三期對下游企業價格指數的影響大.而且液化天然氣進口量對下游企業價格指數影響更大.

綜上分區制研究,可以看到,區制1 下的影響系數比區制2 的狀態下的影響系數更大.同時,進一步證明了無論處于怎樣的狀態下,液化天然氣進口量對下游企業價格指數的影響最大.

圖7 給出MSVAR 模型在兩種狀態下的平滑概率值. 由圖7 可知, 模型主要處在狀態1. 2012 年1月～2012 年4 月區制1 占總體,但從2012 年5 月開始, 從區制1 向區制2 轉換;2012 年6 月完全處在區制2,到了2012 年8 月又轉換至區制1. 2015 年2 月、2016 年9 月和2019 年1 月分別經歷了三次狀態轉換主要分析如下.

圖7 MSVAR 模型二區制平滑概率圖Fig.7 Two zone smoothing probability of MSVAR model

2012 年1 月～2015 年2 月這段時間,模型主要處在狀態1,概率約等于1,模型處在狀態2 的概率很小,幾乎為零. 2012 年5 月和2015 年2 月有兩次狀態的轉換.這一結果表明,西氣東輸二線、三線以及川氣東送等開通,我國天然氣產量穩定性和國內供給能力增強,使得天然氣市場打破了之前的平衡,出現了狀態轉換.2016 年9 月以后,出現了頻繁的區制轉移的多變時期,一直到2017 年8 月才穩定下來.

受全球經濟環境低迷、國際油價大跌的影響,國內天然氣消費量增速已降至10%以內,與油價掛鉤的中國LNG 進口價格上漲,2018 年1 月～12 月LNG 到岸均價同比上漲42%,同時液化天然氣消費量的上升以及液化天然氣進口量的增加,液化天然氣市場的波動導致整個系統出現了區制的轉換.

MSVAR 模型各個狀態間的轉移概率, 處于區制1 的概率更高, 為0.91, 由區制1 向區制2 轉換的由0.09,處于區制2 的概率為0.60,由區制2 向區制1 轉換的概率為0.40,同時模型由區制2 轉向區制1 的概率要比相反方向的轉換概率高很多. 區制1 平均持續期為11.38 月,而區制2 平均持續期為1.67 個月. 總體而言,區制1 的持續概率最大,平均持續期最長,穩定性最強. 結果見表6.

表6 狀態轉移概率矩陣和持續期Table 6 Probability matrix and duration of state transition

5 結束語

本文研究天然氣市場波動對城市燃氣企業資本市場的影響效應.通過熵權法,構建了下游企業城市燃氣價格指數. 利用STL 分解,對數據進行基于Loess 的季節趨勢的分解. 采用結構向量自回歸模型,通過脈沖響應和方差分解研究天然氣市場波動的影響效應,并以此為基礎建立二區制的馬爾科夫區制轉移向量自回歸模型. 結果發現,液化天然氣進口量對天然氣下游企業資本市場影響最大.各種有關天然氣的突發事件,使得天然氣市場存在波動性.

隨著天然氣市場與下游企業資本市場關系的日益密切,天然氣市場的波動,無論是價格波動、產量波動還是進口量的波動會通過兩種方式傳導到下游企業,既有成本傳導機制,也有金融傳導機制.所以穩定天然氣市場,不僅僅保證了下游企業城市燃氣的有效供給,為居民城市用氣和交通用氣提供了方便,同時,也保證了下游天然氣產業鏈的穩定.