今天小编给大家找来了《农产品日历效应价格波动论文(精选3篇)》仅供参考，希望能够帮助到大家。摘要：中国股票市场是否存在月份效应尚无定论，本文选取了2000年1月至2018年6月之间上证综指、深证综指和申银万国行业指数为研究样本，引入基于广义误差分布的EGARCH-M模型，从不同市场和不同行业两个方面对月份效应进行研究，最后运用滚动回归的方法对回归结果的稳健性进行检验。实证结果表明，中国股票市场存在显著的二月效应与六月效应。
农产品日历效应价格波动论文 篇1：
螺纹钢期货是否存在萨缪尔森效应？
摘要：期货价格的波动性是投资者衡量投资风险的重要指标，也是期货交易所设置保证金水平的重要参考。萨缪尔森指出期货价格的波动性会随着期货合约到期日的来临而增大。但这种到期效应在我国螺纹钢期货市场是否存在，目前学者并无定论。论文对我国螺纹钢期货的到期效应进行研究，发现螺纹钢期货的月度波动率不存在明显萨缪尔森效应，而日波动率则存在逆萨缪尔森效应，这对不同期限的投资方式具有一定的参考意义。
关键词：期货价格；波动性；到期效应
一、引言
螺纹钢是钢材的主要加工产品之一，主要用于基础设施建设。随着我国城镇化进程的加快，大量基建项目的开工将有效拉动螺纹钢的需求。螺纹钢期货作为相关实体企业套期保值的主要工具，研究其波动性不仅有利于企业锁定未来价格，也有利于投机者采取相应的交易策略。尽管我国钢铁产业一直存在产能过剩问题，但我国每年仍需进口一定批量的螺纹钢。本文对螺纹钢期货萨缪尔森效应存在性分析，一方面有助于钢铁企业规避价格风险；另一方面可以使需求者控制成本。对于期货投资者和监管者也都有重要意义。
Samuelson（1965）首次提出萨缪尔森效应。该理论表述：当期货合约临近交割日时的价格波动大于远离交割日时的价格波动。其具体原因为：期货合约距交割日较远时，不同信息对价格的冲击影响可能相互抵消；而邻近交割日时，相关信息冲击对期货价格的影响很难被其他冲击所抵消。并且，期货价格是交割日时现货价格的贴现，也将是增大期货合约价格波动的因素。但是Bessembinder，Coughenour，Seguin以及Smoller提出的BCSS模型认为只有现货价格和持有成本负相关，才存在到期效应。因此到期效应的存在不具有必然性，商品本身的特征和现货价格的波动性也会对期货价格的波动性产生影响。然而螺纹钢期货的萨谬尔森效应究竟存不存在？目前研究并无定论，本文通过对螺纹钢期货的到期效应进行探讨，希望对交易双方和监管层有所贡献。
许多学者在Samuelson提出的理论推导基础上做出了很多实证研究以检验萨缪尔森效应是否成立。Castelino和Francis（1982）对1960至1971年间小麦、大豆、大豆油和豆粕期货进行考察，发现了较强的萨缪尔森效应。Fama和French（1988）以储存理论的角度，对1972至1983年间铝、铜、铅、锡、锌等五种有色金属进行回归。发现在库存低时，五种有色金属均存在萨缪尔森效应。Streeter和 Tomek（1992）采用似乎不相关回归分析法，将芝加哥商品交易所11月和3月大豆合约进行回归，发现了较强的季节效应和非线性的萨缪尔森效应。Kalev和Duong（2008）采用 JT 检验和SUR法，对1996至2003年间的14种农产品、黄金和金融期货的日数据进行考察，发现仅农产品存在萨缪尔森效应，而黄金和金融期货均不存在萨缪尔森效应。
关于中国期货市场的缪尔森效应的实证分析较少。胡畏（2000）对1999年7月至11月间铜、铝、绿豆、小麦和天然橡胶的10个合约进行回归，认为农产品体现出了一定程度的萨缪尔森效应，而工业金属和天然橡胶则不存在该效应。王云清（2007）通过对上海铜、铝、天然橡胶期货，大连豆质期货和郑州小麦期货进行分析，得出结论：考察对象的部分合约存在萨缪尔森效应。张启文和邢圆圆（2007）对2002年10月到2006年5月中国小麦期货市场进行实证分析，证明了大多数小麦期货合约存在萨缪尔森效应。但是该文中Kalev和Duong（2008）通过 SUR 框架，对1996年至2006年豆粕日数据进行实证分析，未发现萨缪尔森效应。
二、数据说明及实证研究
螺纹钢期货自2009年3月27日开始上市交易，合约在每年1-12月都有交割，最后交易日为合约交割月份的15日（遇法定假日顺延）。合约命名由交易代码（RB）和交割日期组成，例如2014年5月交割的螺纹钢期货合约命名为RB1405。合约期限最长为一年，具体为2014年5月16日可以交易的最远合约为RB1505。合约最后交易日前第i个月称为合约的连续第i个月。例如RB1405的连续第1个月为2014年4月16日至2014年5月15日。
由于连续第i（i>=5）个月的期货合约交割非常不频繁，本文将其剔除。本文的原始数据为2009年3月27日——2014年4月18日每个期货合约的收盘价，数据来自CSMAR系列研究数据库，如表2-1。
（一）方差齐性检验
根据萨缪尔森的假设，随着到期日临近，信息披露逐渐充分，波动率增加。根据这个假设，在样本期内连续第四个月的波动应该最小，连续第一个月的波动率最大，因此我们用F分布进行方差齐性检验来检验这个假设。连续第一个月和连续第四个月的方差齐性检验结果如下（表2-2）：
检验结果表明，螺纹钢期货存在一定程度的萨缪尔森效应。但是这个结论并不明确，因为方差齐性检验只是给出粗略的统计分析结果。接下来，我们将建立面板数据回归模型，对萨缪尔森效应的存在性进行更深入的探讨。
（二）月度萨缪尔森效应存在的面板数据分析
本节加入了i作为控制变量，i表示合约的连续第i个月。建立模型
σ2i，t=β0+β1*i+ui，t 其中σ2i，t为 t时期合约连续第i个月的波动率，i=1，2，3，4另外，计算合约在到期前四个月的波动率σ2t，作为控制日历效应的变量。
为保证回归的稳健性，在面板回归之前先对数据进行单位根检验，Choi（2001）提出了“费舍尔型”统计量。检验结果显示，论文选取数据在5%的显著性水平上拒绝了单位根假设。并且，通过豪斯曼检验，得到p值为0.53，不能拒绝残差项与自变量相关的原假设，因此使用随机效应模型（FE），回归结果如表2-7
通过对以上各种回归的结果进行对比我们发现：螺纹钢期货合约存在微弱的萨缪尔森效应，但并不显著异于0；日历效应all的p值为0.09，因此在10%的显著性水平上是显著的，且其绝对值较大，对期货价格波动性有较大的影响。这并不意外，因为如果某个合约在到期前四个月的波动性整体上很大，那么每个月的波动也会较大；最后我们注意到所有回归模型的常数项在统计上都很显著，但实际值并不大。我们可以据此推测现货价格的波动对期货价格波动有着统计上十分显著的影响，虽然这种影响并不大。
（三）日萨缪尔森效应的实证分析
考虑到交易活跃的因素，本节仍然选取连续第i个月（i=1，2，3，4）的收盘价作为原始数据。并对数据按照上节所述方法进行调整后，加入了距离最后交易日天数这一变量。
为计算期货价格的日波动率，我们采用Garman & class的最高/最低价估计量方法，公式为v=ln（high-low）2/4ln2，其中v为期货价格的日波动率；high为日最高价；low为日最低价。在得到期货价格的日波动率序列后，我们建立模型
v=β0+β1*tl+ε，v为日波动率，tl为合约剩余天数（距离最后交易日的天数）。
本节分别进行固定效应分析和随机效应分析，结果如下表2-9：
观察回归结果我们发现，常数项很显著，且绝对值很大，这说明期货价格的日波动率受到现货价格波动的影响很大；tl的系数为正，但绝对值小，说明存在微弱的逆萨缪尔森效应。
三、结论
萨缪尔森效应基于的逻辑：影响远期期货价格的信息较少或抵消，而随着期货到期日的来临，信息量的增加，从而增加期货价格波动性的幅度。但是Bessembinder，Coughenour，Seguin以及Smoller提出的BCSS模型认为只有现货价格和持有成本负相关，才存在到期效应。因此到期效应的存在不具有必然性，商品本身的特征和现货价格的波动性也会对期货价格的波动性产生影响。本文在对螺纹钢期货的波动性进行研究后，得到如下结论：
1、月度波动率存在萨缪尔森效应。本文通过对期货的收盘价连续四个月和连续一个月波动率进行简单对比和方差齐性检验，发现连续一个月的波动率要明显大于连续四个月的波动率。
2、本文以月度波动率为响应变量，以i为控制变量建立回归模型，通过混合回归、固定效应分析和随机效应分析发现，连续i个月（i=1，2，3，4）的波动率确实存在萨缪尔森效应，但是较为微弱，在统计上也不显著。在加入交割前4个月的总方差作为控制变量后，该结论并没有产生显著改变。
3、本文采用Garman & Class的最高/最低价估计量方法建立日波动率序列后，以日波动率为响应变量，距离合约到期天数为控制变量进行回归分析，发现日波动率存在显著的逆萨缪尔森效应。虽然绝对值较小，但统计上显著。
4、在进行的所有回归中，常数项较为显著且绝对值很大。这说明期货价格本身存在较大的波动性。
到期效应是套保者和投机者都需要考虑的重要变量，因为他们交易成功的关键是对期货价格走势及波动性的正确把握。本文实证表明了螺纹钢期货的日度波动率和月度波动率存在相反的到期效应，因此长线操作和短线操作的策略应有所不同。对于持有期较短的投机者来说，远期期货合约的波动性大于临近到期日的期货合约；对于持有期较长的套保者来说，远期期货合约的波动性要小于临近到期日的期货合约。根据其风险偏好的不同，理应采取不同的投资策略。
参考文献：
[1] 胡畏.中国期货市场价格波动率的到期效应[J].预测， 2000，1：45-46.
[2] 王洋子.中国有色金属期货市场中的逆萨缪尔森效应[D].中国优秀硕士学位论文全文数据库，2011.
[3] 王云清.中国期货市场存在到期效应吗？—基于三大期货交易所的实证研究 [J].金融经济，2007，10：124-135.
[4] 张菡.有色金属价格的动态因子分析[D].中国优秀硕士学位论文全文数据库，2011.
[5] Anderson，R.W..“Some Determinants of the Volatility of Futures Prices”[J].The Journal ofFutures Markets，1985，5：331-348.
[6] Castelino，M.G.，and Francis，J.C..“Basis Speculation in Commodity Futures：the Maturity Effect”[J].Journal of Futures Markets，1982，2：195-206.
[7] Fama，E.F.，and French，K.R..“Commodity Futures Prices：Some Evidence on Forecast.Power，Premiums，and the Theory of Storage”[J].The Journal of Finance，1988，60（1）：55-73.
作者：殷金成 刘亚辉 王泳淇
农产品日历效应价格波动论文 篇2：
中国股票市场月份效应研究
摘 要：中国股票市场是否存在月份效应尚无定论，本文选取了2000年1月至2018年6月之间上证综指、深证综指和申银万国行业指数为研究样本，引入基于广义误差分布的EGARCH-M模型，从不同市场和不同行业两个方面对月份效应进行研究，最后运用滚动回归的方法对回归结果的稳健性进行检验。实证结果表明，中国股票市场存在显著的二月效应与六月效应。受行业因素的影响，不同行业股票的月份效应往往表现出一些行业特点。
关键词：月份效应;行业分类;GED-EGARCH-M模型
DOI：10.19647/j.cnki.37-1462/f.2019.06.007
一、引言
在传统金融学理论背景下，假设市场上所有参与者都是完全理性的，能够洞悉所有信息并做出最为合理的投资行为，长期来看这种投资行为消除了市场中所有的套利机会，这就是有效市场假说。市场有效假说理论要求上市公司做到完全信息披露，使得证券价格是所有信息的综合反映，在促进证券市场有效性方面有突出贡献。但是有效市场假说在现实世界中却并非那么有效。在信息极度丰富的环境中，投资者很难时刻保持绝对理性，并且这种非理性的偏离不是偶然的，而往往是以同样的方式发生偏离。
月份效应对于广大投资者来说并不陌生，其具体是指一年当中某些月份的平均收益率比其他月份高或者低，并在统计上表现显著的现象。月份效应最早被美国学者Wachtel（1942）发现并证实，后又推广到其他证券市场。中国学者张仁良和胡斌（1997）最早注意到中国股票市场月份效应的存在，开启了国内月份效应研究的先河，随后越来越多的学者和证券分析师不断加入研究的行列中来。
月份效应是一个极具生命力的理论，无论是在市场分析还是在投资策略的选择中应用都非常广泛。通过查阅国内所有证券分析师研报发现，明确提及月份效应的有272份，这些报告集中出现在2008年之后，也就是说这一概念引入之初并没有引起分析师们的广泛关注。但是这种现象并没有持续很长时间，由图1可知，2008年后证券分析师出具的报告中频繁提及月份效应，仅2014年一年就多达65份，说明月份效应已经成为证券市场分析的重要参考。
图2对雪球网月份效应讨论热度和272份分析师研报按照一月效应到十二月效应的顺序分别进行了汇总。通过观察与比较可以发现以下几个特点：第一，一月、二月、五月、六月、九月和十二月是分析师较为关注的月份，例如，国信证券在2018年1月2日策略周报中表示，A股市场存在显著的二月效应;中信建投2018年12月11日投资策略报告中指出，每年最后一个月份，净资产收益率因子表现出显著的十二月效应;申万宏源2017年9月25日在休闲服务行业周报中提示，九月份行业整体关注度提升，推荐持有旅游酒店类股票等等。第二，普通投资者聚集的雪球论坛几乎对每个月份都提出相应的月份效应，论坛上经常可以看到例如“四月魔咒效应”“红五月”“九月厄运”等说法，在这些言论和观点往往缺乏理论依据和数据支撑，令人眼花缭乱，干扰投资者分析判断。
[雪球网关键词检索结果][月份效应的相关研报]
图2：分析师研报和股吧股民对月份效应的关注度
在股票市场中，特定月份能够取得超常正向收益的现象早有发现，并被一些机构所披露，但在当时并没有引起普遍重視。Kelly（1930）著作中首次发现了股票市场中周一收益率普遍偏低的现象。之后Wachtel（1942）通过美国道琼斯工业平均指数的观察，发现每年一月份普遍会有显著的正向收益。Rozeff和Kinney（1976）通过对1904—1974年纽约证券交易所月回报率进行研究，发现每年的一月份平均收益率要高于其他月份。Agrawal和Tandon（1994）对全球范围内20个国家的股票市场进行了研究，发现英国、法国、西班牙等18个国家的股票市场均存在一月效应和“周内效应”。Schaub等（2008）对东亚地区几个发达的股票市场进行研究后发现，韩国、日本和中国香港股市具有很强的季节性。Wang和Ojiako（2013）研究发现中国股票市场存在二月效应，类似于美国市场中的一月效应。Raghuram（2017）发现印度市场存在一月效应、四月效应和十一月效应。由此可见多年来月份效应一直是各国学者关注的焦点，该效应广泛存在于全球各国股票市场之中。
国内关于月份效应的研究起步较晚，尽管已有丰富的国外研究成果作为铺垫，但是由于中国股市前期发展相对不够完善、样本量较小等原因，导致国内学者对这一问题持有不同的观点，得出的结论也莫衷一是。吴世农（1996）选取了沪深股市1992年6月到1993年12月间18个月 20种股票对市场有效性进行了研究，结果表明20只股票收益率变化与系统性变动没有显著关系，但是从实际投资活动来看，农历新年前购入股票、节后售出可以获得较高收益。徐国栋等（2004）将1993—2003年间上证综指和深证综指分为月度、季度和半年度三个时段进行月份效应检验，发现沪深两市均存在显著的十二月效应，且上证综指的季度效应较深证综指更为明显。李凌波等（2004）验证了中国基金市场同样存在月份效应，样本期内每年的三月份和八月份是收益的高点和低点。张兵（2005）采用了基于广义误差分布的GARCH模型，提取了上海证券交易所和深圳证券交易所1991—2004年间综合指数总计6572个交易数据进行实证研究，结果表明小市值公司一月效应较为显著，沪深股市总体上不具有明显的月份效应。陈文俊和胡婷（2012）在对上海证券交易所农业板块月份效应研究中同样发现，规模较小上市公司一月份存在超额收益率。郑集（2016）认为中国股票市场存在显著的四月效应、五月效应和十二月效应，投资者在四五月份表现得更不理性，而在十二月份却表现得更为谨慎。周美花和刘志伟（2016）基于GARCH模型证明上证指数二月份和十二月份的收益率明显高于其他月份。李嘉怡（2017）用2009—2017年沪深综合指数证明了中国股市存在微弱的“红十月效应”。
通过对文献的归纳整理，可以发现月份效应广泛存在于全球各大股票市场之中，但特点各不相同。国内关于月份效应的早期研究囿于样本量有限和回归模型拟合度差，加之中国股票市场仍处在快速发展阶段，随着政策法规不断修改完善，市场环境也发生了很大变化，导致过去的结论不再适用于今天的股票市场。
月份效应虽然在全球各大金融市场中已经得到证实，但是由于中国市场的特殊性，这一异象在中国股市是否成立仍然存在争议，并未形成一致结论。随着现代金融理论的不断发展，再结合前沿的、更为合理的统计方法，本文着眼于细节，从不同市场、不同行业和不同时期多角度重新审视这一问题，得出更为稳健的结论，进一步完善相关理论。
二、研究方法
在经典的经济计量假设中，变量一般服从正态分布，便于计算与建模。然而通过研究发现，很多金融数据并不服从正态分布。例如，在一定时间内，股票价格波动往往受到前期价格的影响，表现出持续的偏高或偏低的情况，呈现出波动的集聚性，在收益率上表现出“尖峰厚尾”的特点。相较于正态分布，股票回报率是一种重尾分布，其偏度或峰度值极端地大。为了找到更好的拟合算法，本文选用了基于广义误差分布的EGARCH-M模型，该模型较好地解决了金融数据波动集聚性的问题。指数日收益率计算表達式为：
（1）式中[Rt]为日期t的指数日收益率，[indext]为t日的指数收盘价。
考虑到股票价格对负面消息的反应往往比正面消息更为强烈，同时兼顾到投资者对于高风险资产期望获得高回报的心理，本文在EGARCH模型的基础上，在均值方程中加入标准差项来反映投资风险，形成EGARCH（1，1）-M模型。表达式为：
（2）式中[Dit]为虚拟变量，[i=1，2，3，…，12]，例如当[Rt]属于6月份时，[D6t=1]，i为其他月份时则为零。[σt]为方差，用于测度投资者承担风险后对回报的期望，在波动越大情况下投资者承担的风险也越大，期望得到的回报也越高。[μt]为残差。
在采用最大似然方法对 ARCH 族模型进行估计时，需要对噪声项[μt]的分布作进一步假设，Nelson在EGARCH模型中假设[μt]的条件分布服从广义误差分布（GED）。与其他分布形式相比广义误差分布可以通过调节参数[v]的变化来拟合不同的分布形式，能够较好地描述金融时间序列中误差分布显现出的尖峰厚尾的特性。其密度函数形式如下：
上面式子中[Γ·]为Gamma函数，[v]为自由度，当[v=2]时，广义误差分布退化为标准正态分布;当[v<2]时，随着[v]值的减小，其分布的尾部越来越厚，峰度越来越大;[v>2]时其分布的尾部比正态分布更薄。因此采用广义误差分布来描述证券收益的波动性，比以往假设误差项服从正态分布更加符合实际情况，提高了模型的拟合效果。根据上述分析，基于广义误差分布的EGARCH-M模型在考虑指数收益率残差序列通常具有厚尾特征的同时，能够在定量化分析股票价格波动的集聚性、股票价格预期风险对收益率的影响以及股票价格波动的不对称程度等方面发挥积极的作用。
三、样本选择
在以往月份效应的研究中，学者们多着眼于综合指数的探讨，对具体行业研究还很不充分。行业之说介于宏观经济与微观经济之间，广泛的行业分类可以有效地将从事同一种经济活动的公司进行分类，掌握不同行业所具有的不同特点，便于公司的经营与管理，投资者亦可以根据这些特点做出投资决策。
目前市场上提供行业分类数据的服务商有很多，最为常见的有证监会行业分类数据、万得行业分类数据、申万行业分类数据等。通过比较发现，相较于证监会行业分类方法，申万一级行业分类方法兼顾了中国经济发展和证券市场发展的现状和趋势，克服了成分公司调整不及时、更新速度慢等问题。因此，在中国市场上，申万行业分类标准的可操作性更强，能够较好地反映出证券市场中各行业的实际情况。因此本文选取了申万一级行业指数从2000年1月4日发布到2018年6月29日间28个不同行业的125692条数据作为研究样本。为了与行业指数样本区间保持一致，本文截取了与前两者区间一致的上证综指与深证综指来验证两市中是否存在月份效应。
四、实证分析与稳健性检验
（一）描述性统计
由于样本众多，此处选取了较有代表性的4组指数日回报率数据，以时间序列图的形式呈现出来。这4组指数分别是上证综指（见图1）、深证综指（见图2）、农林牧渔指数（见图3）和电气设备指数（见图4）。从时间序列图中可以看出，指数日收益率分布普遍具有波动集聚的特点，波动在某一段时间内非常剧烈，在有的时间段较为平缓，说明波动之间关联性较强，收益率序列存在相关性。
（二）样本检验
经济时间序列不同于一般的横截面数据，它是一组随机序列，不存在重复抽样的情况。因此横截面数据中的随机变量可以直接通过均值、方差和概率分布对其进行描述，但是在时间序列中需要首先对均值和方差作出明确定义。
其中t为样本区间上的一个时刻，s为两个观测值之间的时间间隔。如果样本中时间序列[Rt]是弱平稳的，则[Rt]与[Rt-s]之间的协方差与时刻t无关而与s有关。
采用ADF方法对指数日收益率序列是否具有平稳性加以检验。Eviews软件中默认使用赤池信息准则和贝叶斯信息准则来确定消除序列相关所需滞后阶数，但是赤池信息准则对误差分布要求与本文收益序列误差分布类型不符，所以本文选用贝叶斯信息准则。
检验结果显示，30种指数t统计量远远小于1%显著性水平下的临界值，P值小于0.01，则拒绝原假设，30种指数日收益率序列均不存在单位根，均为平稳序列。
在前文描述性统计部分我们得出了指数日收益率系列存在相关性，使用普通最小二乘法进行回归会导致回归结果不是无偏最优的结论。下面我们对样本是否存在ARCH效应进行检验。ARCH效应表现为残差的大小受附近残差值大小影响，其本身不能使最小二乘法估计失效，但是忽视ARCH效应的存在将会导致有效性降低。检验月份效应是否存在表达式为：
其中[Rt]为t日的指数日收益率，[Dit]为虚拟变量，[i=1，2，3，…，12]，例如当[Rt]属于6月份时，[D6t=1]，i为其他月份时则为零，[μt]为残差，[βi]为系数，当[βi≠0]时说明存在月份效应。
对（9）式进行条件异方差的ARCH LM检验，滞后阶数由Eviews软件根据BIC准则自行确定，检验结果如表1所示。可以看出30种指数日收益率序列P值均为0，拒绝原假设，说明（9）式的残差序列存在ARCH效应。因此本文在进行模型设定时引入GARCH族模型来解决残差中存在ARCH效应的问题。
（三）实证分析
沪深综指是对整个股票市场的综合反映，能够从整体上把握中国股市走势与特点。所以以往在关于月份效应的研究中，学者们大多关注于沪深综指。由表2可知，上证综指在一月份回归系数为0.10700，P值为0.05280，说明一月份在10%的显著水平下表现出正的收益率。六月份回归系数为-0.10700，P值为0.03630，说明在5%的显著性水平下六月份存在负的收率。深证综指方面，六月份回归系数为-0.11380，P值为0.07660，说明深证综指六月份在10%的显著性水平下表现为负的收益率，也就是负六月效应。上海证券交易所与深圳证券交易所流通的公司股票规模与公司性质等因素存在较大差异，这些都可能导致回归结果不同。
仔细观察表2中28种不同行业月份效应回归结果可以发现以下几个特点：第一，月份效应在中国股票市场中是显著存在的，从整体上看表现为正的二月效应、负的六月效应和负的十月效应;第二，虽然存在月份效应，但是不同行业所表现出来的月份效应不尽相同，具有行业自身特色;第三，从28个不同行业回归结果来看，在10%显著性水平下，系数为正的月份与系数为负的月份比例为41：17，说明投资者在投资股票时，时机选择很重要。
由于行业众多，此处选取了空调、农产品加工和景点3个有代表性的行业进行详细探讨。
家电行业中空调行业受季节性影响最为显著，空调的销售与生产主要受到季节变化与下游销售预期的影响。盛夏来临之前是空调生产销售的旺季，厂商集中在三月到六月备货，其中四月份是经销商拿货的高峰期，上游市场最为火热。经销商要赶在五月份天气炎热之前抓紧时间联系上游厂商备货，一方面为了响应市场上消费者对空调的需求，另一方面也是為了防止上游厂家订单在销售旺季涨价，提前入手降低成本。空调市场春季躁动直接反映到股市当中。随着中国经济快速发展，老百姓生活逐年改善，家庭购买空调的需求也在逐年增长。投资者敏锐地捕捉到季节变化对于空调厂商业绩的影响，预见到利好消息的爆发，所以纷纷提前布局空调相关上市公司。通过表3可知，空调类上市公司二月份和三月份月收益系数显著为正。二月效应是中国股票市场普遍现象，主要是受到岁末年终资金流动性和春节假期等因素的影响。空调行业极强的季节性使得投资者对相关上市公司形成向上预期，形成三月效应。
农业相关产业具有很强的季节性，行业淡季旺季有明显的月份差异，这种差异往往能够直接反映到股票价格上来。此处以农产品加工类上市公司为例。农产品是价格敏感性行业，对于这类行业的投资始终围绕着一个关键指标，那就是食品价格。由表4可知，二月回归系数显著为正，四月、六月和九月回归系数显著为负。从近年来农产品加工企业股价走势来看，二月份跑赢大盘的概率超过90%，除了受到上文提到的二月效应的影响外，食品价格的上升也是重要因素之一。由于农历新年春节的需求和农产品生产淡季的双重影响，每年二月份是食品价格和CPI的环比高点，通胀预期强烈。这一信号极大地刺激了投资者投资农产品的愿望。九月是收获的季节，农产品数量和种类极大丰富，市场对供求关系重新进行调整，食品原料价格向下调整，带动股价出现下行趋势。四、六月指数收益大概率为负很大程度上是受到市场整体带动，春季行情刚过上市公司面临证伪压力，气温升高和假期因素叠加致使行情走弱。
一年当中旅游业最活跃时间段往往伴随着节假日出现，春节小长假、国庆小长假还有假日改革之前的五一小长假都是中国游客出行的高峰。观察表5可知，景点类上市公司在四月份与十月份虚拟变量回归系数显著为负，十月份平均月收益在一年当中更是排名靠后。但是九月份与四月份月平均日换手率却名列前茅。这说明相当部分投资者赶在“五一”“十一”之前纷纷购入景点类上市公司股票，而在“小长假”旅游高峰前后将手中的景点股票抛售，造成节前交易活跃而节日前后价格走低的现象。此外，较长的假期往往存在不确定风险，节前部分投资者为了规避风险将资金从波动较大的旅游股中撤出也是造成节日前后旅游股价走低的原因之一。
综合沪深两市和不同行业月份效应的回归结果来看，在中国市场中二月份和六月份有显著异于其他月份的表现。二月效应和六月效应的出现可以归结于以下几个原因：
二月效应。在中国传统文化中，农历新年一般出现在每年二月份。春节是消费旺季，居民纷纷抽资置办年货，各行业普遍准备进入歇业状态。一时间市场上资金流动性收紧，散户注意力分散，往往选择将部分资金从股市撤出以备过年消费之用。春节期间将会经历交易的空窗期，为了规避不确定性风险，投资者选择年前离场，年后寻找投资机会。农历新年之后，股市休市结束，离场资金纷纷返场，大量资金进入股市寻找投资机会，推动股价上升。除去七天假期，二月份节后交易日少之又少，股价非理性冲高后来不及调整，月末时股价依然处于高位。在上述因素的作用下，投资者在二月份往往可以获得超额收益。
六月效应。梳理中国学者关于月份效应的研究可以发现，鲜有人关注中国股市六月份行情走势，本文研究发现中国股市表现出负六月效应，即股票市场中六月份收益显著为负，收益率明显低于其他月份。夏季天气炎热，投资者情绪低迷导致风险偏好降低，市场走弱的可能性增大。中国股市六月份行情走弱背后存在其独特逻辑。从盈利角度看，A股市场历来就有“春季行情”，春季市场资金面整体宽裕、政策亮点集中，经济数据处在空窗期，投资者热情较高，出现春季躁动行情。随着年报和一季度报的公布，五、六月份的市场进入基本面验证期，前期春季躁动被抑制，市场考验增大。从风险偏好看，每年的六到九月份是政策发布的淡季，一般为政策落实贯彻时期，缺乏政策利好刺激。六月份气温炎热导致投资者情绪低迷，加之利好释放之后市场基本面验证，导致股票市场收益率滑入低谷。
综上所述，中国股票市场整体上表现出正的二月效应和负的六月效应。这样的行情久而久之在投資者当中形成一种投资经验，加之客观市场行情的约束，形成了当前较为稳定的二月效应和六月效应。
（四）稳健性检验
按照时间序列，本文选取上证综指、深证综指19年间交易数据，以十年为一个样本区间[Ti]，下一个样本区间向后顺延一年，例如：[T1]包含2000年1月1日至2010年12月31日内所有交易日数据，[T2]包含2001年1月1日至2011年12月31日内所有交易日数据，以此类推形成9个滚动实验样本，最后一个滚动样本区间[T9]即为2008年1月1日至2018年6月31日内所有交易日数据。综合沪深两市和28个行业的月份效应回归结果，此处对一月、二月、六月、九月和十月是否具有稳定月份效应再次加以验证。表6为上证综指和深证综指一月效应稳健性检验结果。
上文在全样本条件下对上证综指月份效应进行研究时发现其在10%置信水平下表现出正的一月效应。从表7中可以发现在9个滚动样本区间内，只有[T2、T4]和[T9]区间回归显著为正，而且[P3=0.0875]，[P9=0.0918]，显著性水平很低，所以上证综指存在正的一月效应这一结论不具有稳健性。深证综指在全样本回归中一月份回归系数并不显著，上表中稳健性检验回归结果再次验证了这一结论。
由表7可知，在滚动回归中上证综指二月效应是逐渐增强的，由一开始2000年到2010年间P值为0.8110回归系数不显著到2004年到2014年P值为0.0486在5%显著性水平下显著，Z值经历了由小变大的过程，即从2000年至今上证综指二月效应经历了由不显著到显著的过程，证明上证综指存在正的二月效应这一结论是稳健的。接下来看深证综指稳健性检验结果，[T1、T2]样本回归结果不显著，但[P2<P1]，[T3、T4、T5、T6、T8]均显著，而[T7、T9]区间样本回归结果不显著，其中[P9=0.1010]。从整体上看深证综指在总样本内出现正二月效应的概率较大，说明深证综指存在正的二月效应这一结果较为稳健。
由表3可知，沪深两市均存在显著的负六月效应。本文在表8中对两市是否存在六月效应进行进一步检验。上证综指方面，[T1、T2]区间内回归系数不显著，[T3、T4、T5、T6、T7]系数显著为负，且从[T4]开始P值逐渐增大，[T8、T9]区间内回归系数不再显著。深证综指方面，[T1]到[T6]6个样本期内回归系数均显著为负，但是从[T4]期开始P值逐渐增大，[T7]到[T9]期回归系数不再显著。结合两市全样本回归结果可知，负六月效应存在于沪深两市之中，但是近年来该效应呈现出逐渐减弱的趋势。
在对沪深两市九月效应进行检验时，我们发现一个明显的趋势，在过去的19年中九月效应逐渐衰减，直至消失。表10中上证综指在[T1、T2]和[T5]区间回归系数显著为负，其他区间回归结果均不显著;深证综指在[T1]到[T3]区间表现出负六月效应，但是从[T4]起九月效应不复存在。通过滚动回归结果可以证明沪深两市不存在稳健的九月效应，随着股票市场不断发展，市场有效性得到了提高。还有一点需要特别指出，表7中两市二月效应回归系数均为正数，表8中两市六月效应回归系数均为负数，但是由于九月效应在两市的不稳健性，回归系数出现负正交替，从侧面证明了九月效应的不稳健性。
沪深两市指数收益率在十月份表现做了滚动回归，发现上证综指并没有表现出十月效应，各样本期回归结果均不显著;深证综指T1期在10%显著性水平上表现出负的十月效应，随后8个样本期内回归系数均不显著，证明不存在稳定的十月效应。综上所述，沪深两市不存在稳定的十月效应。
通过滚动样本检验可以发现，中国股票市场的月份效应不是一成不变的，是不断发展变化的。不同样本期内月份效应的表现并不完全相同，说明随着市场环境和法规政策的变化，月份效应也随之发生了改变。从整体上看，中国股市存在较为显著的二月效应和六月效应，二月份主要受到春节前投资者避险情绪高涨和节后市场资金面宽松的影响，使得投资组合大概率能够获得超额收益;在季节因素、假期因素和政策因素的多重作用下，六月份股票市场下行趋势明显，较其他月份更容易出现投资亏损。
四、结论与建议
本文通过实证研究发现，中国股票市场中的月份效应不是经久不变的，而是随着市场发展不断变化的。月份效应会随着时间的变化而有所不同，也会因市场不同、规模不同和行业不同而有所差别。虽然不同行业间月份效应的回归结果有所不同，但是从中国市场整体上来看，二月份和六月份显著不同于其他月份。
月份效应的存在说明现阶段中国股市依然存在低风险套利的机会，股票市场的有效性还有待提高。提高中国股票市场有效性对于完善信息披露制度、规范市场行为、降低投资成本以及提高市场运行效率等方面都有积极意义。基于此，本文提出以下建议：
第一，开展理论宣讲，普及金融常识。进一步向广大投资者明确月份效应不宜作为一种投资策略。通过滚动样本检验结果可以发现，任何一种月份效应的存在都不是完全稳定的，这使得从理论上来讲获取超额收益也是一种概率事件，并非稳赚不赔。从收益的角度来看，除了一些股票在二月份有可能获得一定的超额收益外，其他异常月份回归系数显著为负，说明该种策略风险较大，投资者需谨慎参考。
第二，加强市场管控，严格信息披露。密切关注行业股票季节性炒作行为，谨防某些股票受到不法分子操纵，损害股民利益。将月份效应作为一种投资策略有一定的局限性，但是这一概念很容易被一些组织或个人以套利机会的名义进行夸大宣传，误导普通投资者，破坏市场交易环境。有关各方要加强监管，严厉打击虚假宣传。
第三，优化投资者结构，转变投资理念。长期以来在中国股票市场之中，个人投资者所占比例要远远大于机构投资者。个人投资者的精力和能力是有限的，在进行投资决策时难免会被误导。而机构投资者拥有丰富的信息资源、强大的硬件设备和专业的分析人员，不容易受到错误信息的干扰。鉴于此，个人投资者可以考虑将手中的资金交给专业的机构投资者来管理，避免反复承担被“割韭菜”的风险。
参考文献：
[1]Wachtel S B. 1942. Certain Observations on Seasonal Movements in Stock Prices[J].Journal of Business of the University of Chicago，15（2）.
[2]Kelly F C. 1930. Why You Win or Lose：the Psychology of Speculation[M].Dover Publications.
[3]Rozeff M S， Kinney W. 1976. Capital Market Seasonality： The Case of Stock Returns[J].Journal of Financial Economics，3（4）.
[4]Agrawal A， Tandon K. 1994. Anomalies or Illusions？ Evidence from Stock Markets in Eighteen Countries[J].Journal of International Money & Finance，13（1）.
[5]Schaub M， Lee B S，Chun S E. 2008. Overreaction and Seasonality in Asian Stock Indices：Evidence from Korea， Hong Kong and Japan[J].Research in Finance，24.
[6]Wang J K，Ojiako U，Wang L. 2013. Calendar Effects of the Chinese Stock Markets[J].Business and Emerging Markets，5（1）.
[7]Raghuram G. 2017. Investigating the‘Month of the Year’Effect in India[J].Social Science Electronic Publishing，11（1）.
[8]Engle R F，VICTOR K N G. 1993. Measuring and Testing the Impact of News on Volatility[J].Journal of Finance，48（5）.
[9]Nelson D B. 1996. Conditional Heteroskedasticity in Asset Returns： A New Approach[J].Modelling Stock Market Volatility，59（2）.
[10]张仁良，胡斌.香港股市中的小盘股效应及季节效应分析[J].系统管理学报，1997，（3）.
[11]吴世农.我国证券市场效率的分析[J].经济研究， 1996，（4）.
[12]徐国栋，田祥新，林丙红.中国股市季节效应实证分析[J].财经理论研究，2004，17（1）.
[13]李凌波，吴启芳，汪寿阳.周内效应和月度效应：中国证券投资基金市场的实证研究[J].管理学报，2004，1（1）.
[14]张兵.中国股市日历效应研究：基于滚动样本检验的方法[J].金融研究，2005，（7）.
[15]陈文俊，胡婷.沪市农业板块规模效应和月效应的实证研究[J].中央财经大学学报，2012，（10）.
[16]郑集.中国股票市场是否存在日历效应？——基于滚动样本检验的实证研究[J].经济资料译丛，2016，（4）.
[17]周美花，刘志伟.基于GARCH模型的我国股市异象月份效应研究[J].中国物价，2016，（8）.
[18]范龙振，王海涛.中国股票市场行业与地区效应分析[J].管理工程学报，2004，18（1）.
[19]郭鹏飞，孫培源.资本结构的行业特征：基于中国上市公司的实证研究[J].经济研究，2003，（5）.
（责任编辑 孙 军;校对 GY，GX）
作者：张信东 马光宇
农产品日历效应价格波动论文 篇3：
中国能源金融发展路径研究
摘 要：在国际能源金融市场，中国没有制定规则权和话语权，是被动的价格接受者，只有“中国需求”，没有“中国价格”。能源金融在国内尚未展开深入研究，严重制约能源实体经济发展。我国应从加强能源金融市场、实施能源金融政策支撑、建立能源—人民币体系、推进新能源金融开发和建立能源金融预警机制等方面加强路径研究，这对提高中国能源安全领域的国际话语权具有重要的现实意义。
关键词：能源金融 概念内涵 发展历程 路径选择
文献标识码：A
在2008年国际金融危机中，美国娴熟应用金融操作手段让我国遭受巨大损失，表明中国在国际金融领域被动挨打。能源是经济发展的物质基础和驱动力，金融是虚拟经济的核心，能源金融已成为全球关注的热点话题，在世界金融、能源战略和国家安全中的影响日渐突出。同时，中航油石油投机巨亏事件{1}告诉我们，与中国金融水平一样，中国能源金融发展水平还比较落后。因此，我国在发展能源实体经济的同时，一定要重视能源金融研究，避免落后的虚拟经济制约实体经济发展，也有利于摆脱中国在国际能源金融市场的落后困境，为未来中国能源安全提供强有力的金融保障。
一、概念和内涵
“能源金融”是一个泛意的概念，目前，学术界对于能源金融的概念和内涵还没有形成统一认识。林伯强等认为能源金融的核心是能源的市场化定价机制，把能源金融体系分为能源金融市场、能源金融创新、能源货币体系、能源产业资本运作四个层面；贺永强、马超群、余升翔等从形态上将能源金融分为能源虚拟金融与能源实际金融；刘传哲等从产业共生发展角度展开系统性研究，认为能源金融的系统性研究应涵盖四个方面的内容：一是研究金融支持能源以及能源产业作为金融产业利润来源而构成的机制中，金融信息通过能源产业向实体经济的传导，以及能源产业信息对金融产业的影响机理；二是基于两大产业的正向关联性研究金融支持能源的路径；三是基于两大产业的负向关联性，研究能源金融安全，包括能源金融的产业风险传染性及风险的预警和控制体系；四是研究促进两大产业共生的金融生态和能源战略以及其它能源金融政策。
从现有研究来看，人们更多地从能源产业与金融资本相关联的市场、价格、形态、系统性等不同角度认识其概念与内涵，能源金融的理论研究薄弱，特别是缺乏学科建设方面的研究。从学科研究角度上来说，笔者认为，能源金融（EnergyFinance）是一门新兴学科，是研究能源生产、交换、分配、消费过程中，公司、个人、政府与其他机构如何融资和运用资金。能源金融是能源和金融两大体系相互耦合组成的新的金融系统，本质是金融活动，遵循金融的自然属性，但服务对象和归宿是能源体系，具有一定的特殊性。也即以能源体系为特定出发点，借助股票、债券、基金等金融资产和期货、期权、可转换证券、互换等衍生工具的金融体系，最终服务能源产业发展以及能源效率提升、节能减排、碳交易市场构建。能源金融是保障国家能源安全的重要组成部分，对于完善能源价格信号的产生与传递、开发能源资源、规避能源市场风险有着重要意义。
二、中国能源金融发展严重滞后
能源金融形成于1886年，是国际能源和金融市场的重要组成部分。国内能源金融的研究处于起步阶段，尚未展开系统性的深入研究。研究滞后是中国在金融市场实践中经常被动挨打的一个重要因素。
能源金融最早产生于国外，早在19世纪80年代就开始运用远期合约等金融资产对能源商品进行运作。1886年，煤炭交易所在威尔士卡迪夫建立，这是世界上最早的能源交易所，开启了运用金融交易模式对煤炭交易进行风险管理和市场运作的模式。20世纪中叶，随着石油逐渐替代煤炭成为世界最主要能源，为了规避石油价格剧烈而频繁波动产生的价格风险，伴随20世纪70年代初石油危机的爆发，石油期货产生；80年代初，伦敦国际石油交易所（IPE）和纽约商品交易所（NYMEX）引入原油期货，把石油从现货、实体经济演变成了期货、虚拟经济和赤裸裸的金融产品，这是目前世界上最具影响力的两个石油产品交易所。此后，石油期货迅猛发展。随着远期、期权、互换等金融衍生品的推出、交易，以及私募基金、对冲基金、商业银行、保险公司、投资银行等金融机构的涉足，石油交易大部分都通过金融市场完成，石油的“金融属性”日趋明显。经过30多年的发展，石油期货已经成为世界上最大的货物期货产品，国际石油市场也成为了全球金融市场的重要组成部分。
不同于国际原油期货价格是国际石油价格的参照基准，目前对全球煤炭贸易价格最具影响力的是各类国际煤炭价格指数，产生于20世纪80年代，亚太、欧洲和北美都有各自的煤炭价格指数体系。真正的煤炭期货起步时间较晚，从21世纪以后才开始。美国纽约商品交易所于2001年推出中部阿巴拉契煤炭（CAAP）期货合约；英国伦敦洲际交易所于2006年7月推出以荷兰鹿特丹和南非理查德湾动力煤为标的物的两种煤炭期货合约，参照Argus/McCloskey煤炭价格指数以现金方式进行结算，美国纽约商品交易所和英国伦敦洲际交易所（ICE）是国际上最具代表性的煤炭期货交易所。煤炭期货在全球流动性差，主要是反映和影响当地煤炭市场供求关系。美国天然气金融发达，拥有世界第二大能源期货品种——Henry Hub天然气期货合约，其价格走势是国际天然气价格的标杆。美国于1990年后连续推出Henry Hub、Waha Hub等天然气期货合约、期货期权合约、日历价差期权合约等。伦敦国际石油交易所于1997年引入天然气期货合约。随着应对气候变化成为全球关注的热点，碳排放额度的金融属性正日益凸显，服务于旨在减少温室气体排放的各种金融制度安排和金融交易活动的碳金融将为国际金融带来巨大变革。
与国外娴熟地把金融资产及金融衍生工具运用到能源产业相比，我国的能源金融发展非常稚嫩，能源金融化程度严重不足。中国是世界上第二大石油消费国、最大的原油进口国，2015年石油对外依存度首次超过60%{2}。见图1但是遗憾的是，中国缺乏原油和成品油方面的期货产品，在国际能源金融市场上，没有制定规则权和话语权，是被动的价格接受者，只有“中国需求”，没有“中国价格”。1993年，我国曾在上海石油交易所推出石油期货交易，但由于当时市场体系不完善，交易所最终关闭；2004年8月，上海期货交易所（SHFE）推出燃料油（180CST）期货，这为中国争取国际石油市场定价权迈出重要的一步，但并没有改变中国在国际原油定价体系没有话语权的局面。近年来我国一直在筹备推出原油期货，预计原油期货将在不久后上市，中国的原油期货有利于人民币国际化运作、提升中国在国际原油市场上的定价话语权。中国是全球煤炭生产与消费大国，曾于1992年建立上海煤炭交易所，大胆创新尝试采用公开喊价和计算机自动撮合等交易方式，开展煤炭的现货合约以及中、远期合约等，但终未能推出煤炭标准化期货合约和期货、期权交易，并在一年半后被迫关闭交易所；中国大连商品交易所（DCE）{3}于2011年4月、2013年3月分别推出焦炭期货、焦煤期货合约，这是世界上第一个同类期货品种，合约规则极具中国特色；2013年9月，郑州商品交易所推出动力煤期货。为了提升市场效率，推动市场化改革进程，中国正在积极探索建设天然气、碳金融等能源期货产品。
2003年以来，在全球流动性宽松背景和能源经济的高速发展下，能源产品价格严重偏离供需基本面，石油价格在2008年最高飙升到每桶147.27美元、后来又跌至每桶28美元。近年来，随着美元的大幅波动和国际金融巨头的操纵，国际能源价格异常变动，国际能源金融形势复杂。为了改变中国在国际能源博弈中的不利地位，我国一定要把能源金融提升到国家战略高度，加强能源金融研究。
三、能源金融发展路径选择
中国能源对外依存度越来越大，已成为能源消费大国，但能源金融化程度极为低下，是能源金融化小国。为了保障能源经济的稳定运行和金融安全，需从加强市场建设、实施政策支持、推进新能源开发、控制能源金融风险等方面展开研究。
（一）加强能源金融市场建设
中国能源金融市场起步晚，发展落后。能源金融产品尚处于起步阶段，融资渠道单一，创新能力弱，能源安全问题突出。为此，要加快推进石油、煤炭、电力、天然气、新能源等能源金融市场建设，培育金融产品交易主体。鼓励中海油、中石油等能源企业参与到国际能源市场建设中，鼓励金融机构参与国际能源金融交易和能源市场的深度发展。加强国内能源金融市场建设，充分利用金融衍生工具促进能源金融可持续发展。
（二）实施能源金融政策支持
设立能源发展基金。近年来能源发展基金越来越受到重视，目前，国家层面设立了部分行业的发展基金，如可再生能源发展基金、中国绿色能源发展基金等。吉林、上海、江西、山东、浙江等也设立了可再生能源或新能源发展基金。为了维护中国在复杂的国际能源环境中的能源安全，政府层面应设立以国家能源专项发展基金为基础的能源金融体系，除鼓励发展可再生能源或新能源外，更要通过财政补贴、贴息贷款、价格补贴、研发投入等手段，大力支持石油、煤炭、天然气等大宗能源的科技进步和创新改造、能源行业资源综合利用和节能减排等发展。同时，设立能源产业发展基金，以灵活的海外融资权限和定价权参与期货市场交易，通过基金支持国际间资源型企业兼并和收购，进行风险勘探，收购探矿权、采矿权，投资新能源产业技术研发，投资精细化工项目建设等等④。
建立专业性能源发展金融机构。建立能源储备银行，支持构建国家能源战略储备体系，特别是石油战略储备体系。打破石油行业的高度垄断，扶持非国有企业在市场上的占有份额，提高市场化程度，为石油期货市场提供充足的现货，避免现货和期货市场脱节问题的产生。建立能源开发投资银行，能源资源的勘探和开发以及能源项目建设具有周期长、风险大、资金额度大的特点，通过能源开发投资银行，建立能源及资本融通和增值的长效机制，为企业提供规避风险的治理方案，为本土能源企业向海外拓展提供贷款担保。逐步引入产业投资基金、风险投资资金、能源信托等金融产品，改变以银行贷款和企业自筹为主的单一融资模式，推进能源资产证券化进程。
建立能源效率金融制度。与发达国家相比，我国能耗强度至少落后20年，是美国的3倍、日本的7倍。创新能源效率金融市场，提高能源利用率，促进节能降耗是中国经济社会发展中的紧迫问题，需从三个方面做起，一是深化和完善能源价格体系，真实反映环保成本和能源资源稀缺性；二是建立生命全周期能源金融模式，从能源资源上游到能源终端利用下游，利用先进技术、管理节能以及结构调整，促使能源效率成为吸引投资并具有良好经济效益和环境效益的优质资产，实现节能放大效益{4}；三是促进能源效率市场化运作，利用合同能源管理等方式，用商业化模式将节能服务商的资金和能源终端客户的能源效率收益联系在一起，风险共摊同时获利，实现双赢，共同促进节能降耗先进适用技术的大力推广和使用。
（三）建立能源—人民币体系
石油、煤炭、天然气等矿产资源的可耗竭性和资源禀赋布局上的地域性，导致能源的稀缺性和战略属性，因此，各国都在积极争取对能源金融主导权的把控。目前，人民币国际化已取得重要成果，为建立能源—人民币体系创造了条件。中俄天然气协议{5}全部采用人民币结算，中东卡塔尔{6}建立了人民币清算中心等，这些都将削弱美元在能源贸易结算体系中的地位，提升人民币作为国际能源货币的使用程度。但毋容置疑，美元在国际能源金融领域仍占据霸权地位，全球贸易量近70%以美元为结算货币。随着中国经济社会的持续发展，2020中国将成为世界最大石油进口国{7}，2030年将取代美国成为最大石油消费国{8}，能源安全将面临严重挑战。为此，中国应加快组建和完善石油储备和原油期货市场，摆脱中国缺乏原油等期货产品的困境，从而有效应对石油价格的波动。鼓励国内能源企业更多参与国际能源金融市场，推动能源交易中人民币结算份额，逐步拓宽人民币国际支付范围，扩大“能源—人民币”国际认可度，改变能源金融中以美元作为全球货币结算机制的历史。
（四）快速推进新能源金融开发
新能源是未来国际能源开发的重点，国际上的新能源金融也日趋成熟。如日本推出洁净能源金融体系，企业通过向日本一般家庭租借屋顶安装太阳能电池面板，获得日本政策投资银行的低利融资。中国应把握新能源金融发展机遇，积极开发新能源或洁净能源金融，探索恰当路径深化新能源和金融结合。银行的信贷政策应向新能源倾斜，政府在加大财政支持的同时，积极给予市场准入等方面的支持。建立让公众参与的新能源金融体系，加强新能源与互联网金融之间的深度融合。参与国际规则制定，抢占新能源金融发展的战略制高点，争取在新一轮能源金融化浪潮中获得主动。
（五）建立能源金融预警机制
能源金融化不足制约能源行业实体经济的健康发展，能源过度金融化又容易加剧能源价格波动，加大能源市场风险，为此，要建立能源金融预警机制和风险控制体系，保障能源宏观经济的可持续运行和安全发展。一是建立与能源产业发展匹配的金融风险预警体系，能源、金融两大产业的相互渗透耦合有巨大的发展潜力和利润空间，也潜藏着巨大的风险，并通过产业关联机制导致风险传染。部分能源信贷资金流向低水平重复建设领域，贷款行业集中度过高，能源产业政策与信贷政策不协调。因此，金融机构应切实了解能源产业政策和准入门槛，严把能源企业贷款资金的审批关；建立能源工业前景分析机制，并纳入能源金融风险控制框架；建立能源金融风险预警机制，加强警源监测、分析和警兆识别。二是防范能源过度金融化风险，鼓励国内能源企业和金融机构参与国际金融市场时，在提高我国能源金融水平时，加强国际合作，完善国际能源金融的交易规则，降低杠杆率，警惕能源过度金融化，共同维护全球能源市场的健康发展和金融安全。
注释：
{1}中航油石油投机巨亏事件：中航油成立于1993年，2001年在新加坡交易所主板上市，是中国首家利用海外自有资产在国外上市的中资企业。2003-2004年，因从事投机性石油衍生品交易，导致亏损5.5亿美元（合人民币45亿元），成为继巴林银行破产以来国际上最大的投机丑闻之一
{2}数据来源：中石油经济技术研究院发布的2016年度《国内外油气行业发展报告》：2015年石油对外依存度60.6%
{3}大连商品交易所（Dalian Commodity Exchange，DCE）成立于1993年2月28日，是经国务院批准的私家商品期货交易所之一，是目前中国最大的农产品期货交易所，全球第二大大豆期货市场
{4}以倪维斗院士在《关于广义节能的思考》中“汽车能效”为例：从石油开采到车轮推进力只剩下不足1/5的能量，若再考虑推动有效载荷（乘客），只有近1/50的能量可被最终利用，因此，对于车辆来说，减少各种摩擦力、阻力、车重，提高有效载荷比例是节能关键，其放大效应可达几倍、几十倍
{5}2014年5月21日签署，将通过东线，从2018年到2048年，俄罗斯每年向中国输送380亿立方米天然气，总价值约4000亿美元
{6}中国在卡塔尔的石油进口中占比非常小，但卡塔尔是中国最大的液化天然气供应国
{7}海关总署数据显示，2016年4月中国原油进口量约为737万桶/日，超过美国同期的720万桶/日，暂时成为全球第一大原油进口国
{8}数据来源：国际能源署IEA发布《世界能源展望2013》报告
参考文献：
①林伯强，黄光晓编著.能源金融，2版.北京：清华大学出版社，2014年2月出版，P15
②何永强，马超群，佘升翔.能源金融的发展趋势.金融经济，2007（24）：15-16
③刘传哲，何凌云，王艳丽，何丽娜.能源金融：内涵及需要研究的问题.中国矿业大学学报（社会科学版），2008（3）：59-62
④陈柳钦.能源金融的深化与发展，中国能源报
⑤Pindyck，R.S（1987），”on monopoly power in extractive resounce markets”，Enviormental Economics and Management 14（2）：128-142
⑥Claessens & Ying Qian（1995），”Bootstrapping options”，Economics Letters 47：377-384
（作者单位：山西省社会科学院 山西太原 030006）
[作者简介：陈新风（1968—），山西洪洞人，山西省社会科学院研究员，主要研究循环经济、能源经济等；赵平利（1970—），陕西泾阳人，山西省社会科学院国际学术交流中心副主任。]
（责编：李雪）
作者：陈新风 赵平利