行政院國家科學委員會專題研究計畫 成果報告
政治風險對資產價格的影響：異質性認定法的應用
研究成果報告(精簡版)
計 畫 類 別 ： 個別型 計 畫 編 號 ： NSC 96-2416-H-004-022- 執 行 期 間 ： 96 年 08 月 01 日至 97 年 12 月 31 日 執 行 單 位 ： 國立政治大學財務管理學系 計 畫 主 持 人 ： 杜化宇 處 理 方 式 ： 本計畫可公開查詢中 華 民 國 98 年 05 月 25 日
異質性認定法的應用
——探討政治風險對於油價變動的影響
杜化宇 臺灣政治大學財管系摘 要
傳統方法研究經濟變數之間的關係，較少考慮變數間同期的相互作用，且 不能消除潛在因素的影響。異方差識別法利用事件衝擊帶來的波動性差異，建 立聯立方程研究變數間同期的相互作用關係，比傳統方法更具優勢。本文以探 討油價變動對股票價格的影響為例，闡述異方差識別法的實際應用。考慮戰爭 事件和能源市場新聞對油價產生的衝擊，本文選取三個可行的樣本期間，研究 油價變動對中國和美國股票市場的影響。研究結果表明，油價與 S&P500 指數存 在同期的負相關關係，油價與上證綜指不存在顯著的相關關係。研究方法的比 較表明，異方差識別法在研究變數間同期的相關關係方面比傳統方法更具優勢。 關鍵字：異方差識別法；聯立方程；石油價格；S&P500 指數；上證綜指1 引言
研究經濟變數之間的關係，是學術界和實業界關注的一個重要課題。傳統 方法一般採用回歸分析和向量自回歸（VAR）。回歸分析法建立單方程模型，使 用 OLS 方法展開分析。但經濟變數間一般存在相互作用、相互影響的關係，回 歸分析法未考慮這種關係，可能存在偏誤。向量自回歸（VAR）、向量誤差修正 模型（VECM）等時間序列方法考慮了變數的內生性（即相互影響關係），但無法 考察變數間同期的相互作用。另外，回歸分析法、VAR 方法均需選取相關的影 響因素作為控制變數，但實際上我們無法找到所有合理的控制變數，特別是相 關因素無法觀測且難以量化時。 考慮到經濟變數的相互影響，建立聯立方程模型是一個合適的選擇。傳統 聯立方程模型的識別和估計，要求的假設較強，不易於實施。針對聯立方程模 型的識別問題，Rigobon（2003）[1] 提出了異方差識別（Identification through Heteroskedasticity）方法。這種方法利用事件衝擊帶來的波動性差異，考察 變數間同期的相互作用。異方差識別法考慮了變數的內生性和潛在因素的影 響，比傳統方法更具優勢。目前異方差識別法的應用研究還較少。Rigobon and Sack（2003）[2]
利用
異方差識別法研究了股票市場價格變動對貨幣政策的影響。Rigobon and Sack
（2004）[3] 同樣利用這種方法，從相反的角度考察了貨幣政策對資產價格的影 響，發現異方差識別方法比傳統事件研究法（Event Study）更具優勢。Rigobon and Sack（2005）[4] 採用異方差識別法研究了 2003 年伊拉克戰爭期間戰爭風險 對美國金融市場的影響。Caporale et al.（2005）[5] 則研究了亞洲金融危機期 間貨幣政策與匯率之間的關係。Bohl et al.（2007）[6] 擴展異方差識別法考察
了股票市場價格變動對歐洲中央銀行（Bundesbank）貨幣政策的影響1 。 本文從探討石油價格變動對股票市場價格影響的角度，闡述異方差識別法 的應用。石油價格與股票市場存在相互作用的關係，且油價受到諸多因素的影 響，受事件衝擊會產生波動性差異，這滿足異方差識別法的應用條件。因此， 我們可以建立油價和股價的聯立方程，選取存在波動性差異的可行樣本期間， 利用異方差識別法研究油價變動對股票市場的影響。 鑒於石油在經濟中的重要作用，近年來石油價格的不斷攀升使得油價問題 頗受關注。從油價與經濟的關係來看，經濟增長推動石油價格上漲，石油價格 攀升又進一步抑制經濟的發展。一般而言，經濟反應存在一定的滯後性，這使 油價波動對經濟的短期作用難以考察，而作為經濟的晴雨錶，股票市場能夠很 好的反映未來經濟形勢的變化，並及時傳遞和釋放資訊。因此，可以通過油價
與股票市場的關係來考察油價對經濟的影響（Jones and Kaul，1996[1]
；Jones et al.，2004[8] ）。油價與股票市場通常會存在相互作用的關係。一方面，石油 價格通過影響未來經濟狀況對股票市場產生影響，股票市場狀況又會影響投資 者對未來經濟的預期，進而影響對石油的需求，使油價產生波動；另一方面， 石油價格波動本身是一種風險來源，需要作為定價因素反映在股票價格中，從 這個意義上講，油價波動也會影響股票市場價格。 關於油價與股票市場關係的研究，大多採用回歸分析法[7, 15, 16, 18,19] 和 VAR 方 法[9, 11-13] 。這兩種傳統方法不能考察油價與股價同期的相互作用，且無法消除所 有潛在因素的影響，使得研究結果存在偏差。為了考察油價變動對股票市場價 格的影響，特別是同期的相互作用，我們需要應用異方差識別法。Rigobon and 1
Bohl et al.（2007）对异方差识别法的扩展在于：一是使用马尔科夫转换（Markov Switching）
Sack（2005）的研究發現在伊拉克戰爭期間，戰爭風險對石油價格沒有顯著的 影響。此外，尚未見應用異方差識別法分析油價與股票市場關係的研究，本文 希望填補這一空白。 本文以探討油價變動對股票市場的影響為例，闡述異方差識別法的應用。 異方差識別法要求油價受事件衝擊產生波動性差異，因此，本文分別考慮戰爭 事件和能源市場新聞對油價產生的衝擊，選取三個可行的樣本期間（海灣戰爭 期間、伊拉克戰爭期間、能源市場新聞發佈期間），採用異方差識別法研究了油 價變動對中國和美國股票市場的影響。研究結果顯示，在海灣戰爭期間和能源 市場新聞發佈期間，事件衝擊使油價產生波動性差異，可應用異方差識別法； 在伊拉克戰爭期間，事件衝擊未使油價產生波動性差異，不能應用異方差識別 法。伊拉克戰爭之前，投資者對戰爭具有強烈預期，油價反映了這種預期，波 動劇烈；伊拉克戰爭發生之後，由於戰爭結束時間不確定，油價仍然劇烈波動。 這使得伊拉克戰爭期間油價沒有波動性差異，異方差識別法不可用。這與
Rigobon and Sack（2005）得到的研究結果相符。從油價變動對股票市場的影
響來看，油價與 S&P500 指數存在同期的負相關關係，油價與上證綜指不存在顯 著的相關關係。研究方法的比較表明，異方差識別法在研究變數間同期的相關 關係方面比傳統方法更具優勢。 本文其餘內容組織如下：第二部分介紹異方差識別法，第三部分將異方差 識別法應用於探討油價變動對股票市場的影響並介紹實證資料，第四部分是實 證結果及分析，第五部分得到研究結論。
2 異方差識別法
本部分以油價和股價為例介紹異方差識別法。關於石油價格與股票市場關 係的研究，一般僅關注油價衝擊對股票市場產生的影響，建立單方程模型展開 分析。石油價格與股票市場的關係會受到相關事件的影響，一般在回歸模型中 加入虛擬變數處理。單方程模型形式如下： t t t t t S a b O cZ dD μ Δ = + Δ + + + (1) 其中，ΔSt為股票價格變動，Δ 為石油價格變動，Ot Zt為相關影響因素形成的控 制變數（包括油價變動和股價變動的滯後項），Dt為虛擬變數，用於考察相關 事件的影響。t=1, 2,...,T，T為樣本數。 這種方法研究油價對股價的衝擊，可能存在偏誤，主要表現為： ①內生性偏誤（Simultaneity Bias）：未考慮油價與股價的相互作用和交 互效應；②異方差偏誤（Heteroskedastic Volatility Bias）：未考慮由事件所引
起的波動性差異；
③遺漏變數偏誤（Omitted Variables Bias）：不能找到所有合理的控制變
數納入回歸方程，特別是當相關因素無法觀測且難以量化時。 傳統的時間序列方法，如向量自回歸（VAR）、向量誤差修正模型（VECM） 等將油價作為內生變數，消除了內生性偏誤，但其同樣存在異方差偏誤和遺漏 變 數 偏 誤 ， 且 未 考 慮 變 數 間 的 同 期 回 饋 效 應 （ feedback ） 和 交 互 作 用 （interreaction）。因此，研究油價與股票市場的關係需要消除上述三種偏誤。 本文建立油價與股價的聯立方程模型，應用 Rigobon（2003）的異方差識別法 開展研究。
異方差識別法考察了變數間回饋效應，考慮了潛在影響油價和股價的因 素，比以往模型更有優勢。將油價和股價作為內生變數，允許二者之間的回饋 效應，建立聯立方程模型。 t t t t O β S γZ ε Δ = Δ + + (2) t t t t S α O Z η Δ = Δ + + (3) 式中，ΔOt為石油價格變動，ΔSt為股票價格變動，Zt為其他潛在影響油價和股 價的變數構成的向量（包括不可量化的因素、油價變動和股價變動的滯後項）， εt為石油價格變動的隨機干擾項，ηt為股票價格變動的隨機干擾項，Zt、εt、ηt 相互獨立。t=1, 2,...,T，T為樣本數。方程 (3 中Zt的係數標準化為 11。 方程 (2 為油價方程，表示石油價格對股票價格的反應，方程 (3 為股價 方程，表示股票價格對石油價格的反應。聯立方程模型中，α 代表油價對股價 的同期影響，β代表股價對油價的同期回饋效應2 。
Rigobon and Sack（2004）指出，如果油價與股價存在回饋效應，則建立
聯立方程是合理的。若僅採用方程 (3 OLS 估計參數α，由於ΔOt和ηt存在相 關，得到的估計量αˆ將是有偏的，偏誤如下式： 2 2 ˆ E[ ] (1 ) ( ) Z η η ε βσ α α αβ β γ σ β σ σ = + − + + + (4) 式中，σx代表變數x的波動（即方差），x={ , , }ε η z ，證明見附錄。當β ≠0且ση >0 時，內生性偏誤存在；當γ ≠0且σz>0時，遺漏變數偏誤存在。 採用異方差識別法估計參數α，將油價的波動性差異作為識別條件，因此， 需要考慮一些可行的樣本期間，利用樣本期間內石油價格波動的差異提供資 1 系数标准化之后，方程 (3 才是恰好识别（exact identification）的。 2 β 表征相互影响的效果，若 0 β = ，则联立方程模型退化到单方程模型或 VAR 模型。
訊，得到參數的估計量。 石油價格會受到很多因素的影響，諸如戰爭、OPEC 政策等都會增加石油價 格波動。因此，當這些事件發生或預期會發生時，石油價格的波動較大；這些 事件未發生或不存在預期時，石油價格波動較小。這種波動的差異也是一種資 訊的來源。我們將全樣本期間分成兩個子樣本：事件期間（記為 F）和非事件 期間（記為-F）。異方差識別法要求兩個子樣本期間的油價波動存在差異，因此 本文劃分兩個子樣本的原則如下： F F F F F F z z ε ε η η σ σ σ σ σ σ − − − > = = (5) 式中， F x σ 代表 x 在事件期間的波動， F x σ 代表 x 在非事件期間的波動， { , , } x= ε η z 。式 (5 表明，事件期間的油價波動大於非事件期間油價的波動，而 股價波動和其他潛在變數的波動在兩個子樣本期間不變。 將式 (2 和 (3 組成的聯立方程模型轉化為簡化形式： 1 [( ) ] 1 1 [(1 ) ] 1 t t t t t t t t O Z S Z β γ βη ε αβ αγ η αε αβ Δ = + + + − Δ = + + + − (6) 定義事件期間變數的協方差矩陣為 ' [[ , ] [ , ] | ] F t t t t E O S O S t F Ω = Δ Δ Δ Δ ∈ ，非事件期間 變數的協方差矩陣為 ' [[ ] [ ] | ] F t t t t E O S O S t F − Ω = Δ Δ Δ Δ ∈ − 。根據前文的假設，計算可 得： 2 2 2 2 2 ( ) ( )(1 ) 1 (1 ) (1 ) F F F F F F z z F F F F z η ε η ε η ε β γ σ β σ σ β γ αγ σ βσ ασ αγ σ σ α σ αβ ⎡ + + + + + + + ⎤ Ω = ⎢ ⎥ ⋅ + + + − ⎢⎣ ⎥⎦ (7) 2 2 2 2 2 ( ) ( )(1 ) 1 (1 ) (1 ) F F F F F F z z F F F F z η ε η ε η ε β γ σ β σ σ β γ αγ σ βσ ασ αγ σ σ α σ αβ − − − − − − − − − − ⎡ + + + + + + + ⎤ Ω = − ⎢ ⋅ + + + ⎥ ⎢ ⎥ ⎣ ⎦ (8) 根據式 (5 的假設，計算兩個子樣本的協方差矩陣之差：
2 2 1 (1 ) F F F F σε σε α α α αβ − − − ⎡ ⎤ ΔΩ = Ω − Ω = ⎢ ⎥ − ⎣ ⎦ (9) 上式表明，參數α與協方差矩陣之差有關，可以根據協方差矩陣之差識別 參數α，研究油價對股價的影響。根據事件劃分子樣本，通過實際資料計算得 到協方差矩陣之差ΔΩ的樣本估計值ΔΩˆ ，就可以推導出參數α的估計量。由式 (9 可知，在事件期間的選擇上，必須確保事件期間的油價波動 F ε σ 大於非事 件期間的油價波動 F ε σ− ，否則式 (2 和 (3 構成的聯立方程模型是無法估計 的。這是應用異方差識別法的前提。Rigobon 和 Sack（2004）指出，可以使用 兩種方法估計參數：工具變數法和 GMM 法。 2.1 工具變數法 定義虛擬變數 F t D 在事件期間的樣本上取 1，其他取 0；虛擬變數 F t D− 在非 事件期間的樣本上取 1，其他取 0；將樣本劃分為兩個子樣本。記事件期間的樣 本數為 F T ，非事件期間的樣本數為T−F，則事件期間的樣本記為ΔOF和ΔSF （TF×1的向量），非事件期間的樣本為ΔO−F和ΔS−F（T−F×1的向量），將原來 的變數表示為： F F F F O O O S S S − − Δ ⎡ ⎤ Δ = ⎢Δ ⎥ ⎣ ⎦ Δ ⎡ ⎤ Δ = ⎢Δ ⎥ ⎣ ⎦ (10)1 在這種形式下，計算協方差矩陣之差的樣本估計值。 ' ' ' ' ˆF F F F F F F F F O O O S S O S S ⎡Δ Δ Δ Δ ⎤ Ω = ⎢Δ Δ Δ Δ ⎥ ⎣ ⎦ (11) 1 这里只是一种数据的表示方式，并未改变原始数据序列的顺序，子样本仍是以虚拟变量 区分的。
' ' ' ' ˆ F F F F F F F F F O O O S S O S S − − − − − − − − − ⎡Δ Δ Δ Δ ⎤ Ω = ⎢Δ Δ Δ Δ ⎥ ⎣ ⎦ (12) ' ' ' ' ' ' ' ' ˆ ˆF ˆ F F F F F F F F F F F F F F F F F O O O O O S O S S O S O S S S S − − − − − − − − − ⎡Δ Δ − Δ Δ Δ Δ − Δ Δ ⎤ ΔΩ = Ω − Ω = ⎢Δ Δ − Δ Δ Δ Δ − Δ Δ ⎥ ⎣ ⎦ (13) 根據式 (9 和式 (13，即可得到參數α的兩個估計量。 ' ' 1 ' ' ' ' 2 ' ' ˆ ˆ F F F F F F F F F F F F F F F F O S O S O O O O S S S S S O S O α α − − − − − − − − Δ Δ − Δ Δ = Δ Δ − Δ Δ Δ Δ − Δ Δ = Δ Δ − Δ Δ (14) 定義兩個新的變數： F o F F s F O W O S W S − − Δ ⎡ ⎤ = ⎢−Δ ⎥ ⎣ ⎦ Δ ⎡ ⎤ = ⎢−Δ ⎥ ⎣ ⎦ (15)1 式 (14 可以改寫成： ' 1 ' 1 ' 1 ' 2 ˆ ( ) ˆ ( ) o o s s W O W S W O W S α α − − = Δ Δ = Δ Δ (16) 這正是工具變數回歸的參數估計量。因此，異方差識別法可以用工具變數回歸 的方法得到參數α的估計量。以股價為因變數，油價為引數，根據兩種不同的 工具變數（見式 15）可得到參數α的兩個估計量（見式 16）。工具變數法可以 得到參數α的一致估計量。 2.2 GMM 法 利用“協方差矩陣之差的樣本估計量等於真實值＂作為矩條件，異方差識 別法可以用 GMM 法估計參數。 令式 (9 中的 2 (1 ) F F ε ε σ σ λ αβ − − = − ，將式 (9 改寫為： 1 这里的表示与式（8）相同，仍未改变原始序列的顺序，仅将非事件日的变量取负号。
2 1 α λ α α ⎡ ⎤ ΔΩ = ⎢ ⎥ ⎣ ⎦ (17) GMM 法用 3 個矩條件估計兩個參數α和λ。根據前文的設定， 2 2 1 1 ˆF T F t t t t F t t t t O O S D T = S O S ⎡ Δ Δ Δ ⎤ Ω = ⎢ ⎥ Δ Δ Δ ⎣ ⎦
∑
(18) 2 2 1 1 ˆ F T F t t t t F t t t t O O S D T S O S − − − = ⎡ Δ Δ Δ ⎤ Ω = ⎢ ⎥ Δ Δ Δ ⎣ ⎦∑
(19) 2 2 ˆ ˆF ˆ F ( F F) t t t t t F F t t t O O S T T D D T T S O S − − − ⎡ Δ Δ Δ ⎤ ΔΩ = Ω − Ω = − ⎢ ⎥ Δ Δ Δ ⎣ ⎦ (20) 式中T為總樣本數，其餘變數與前文相同。因此，3 個矩條件為： 2 ( TF tF TF t F) t 0 E D D O T T λ − − ⎡ − Δ − ⎤= ⎢ ⎥ ⎣ ⎦ (21) ( TF tF TF tF) t t 0 E D D O S T T λα − − ⎡ − Δ Δ − ⎤= ⎢ ⎥ ⎣ ⎦ (22) 2 2 ( TF tF TF t F) t 0 E D D S T T λα − − ⎡ − Δ − ⎤= ⎢ ⎥ ⎣ ⎦ (23) 根據 3 個矩條件，進行 GMM 估計，即可得參數估計量αˆGMM和λˆ。3 個矩條件， 估計兩個參數，存在過度識別的問題，需要進行檢驗1 。 α 表示油價對股價的影響，λ 表示油價的波動性差異2 。根據異方差識別法 的假設，只有當λ >0時，α 的估計才有意義。因此，我們需要在結果中檢驗 λ 的顯著性。GMM 法利用了更多的資訊，可同時得到αˆGMM和λˆ，而工具變數法只 能得到α ，因此當兩種方法的結果存在差異時，以 GMM 法的結果為准。 ˆ 1 GMM 使用 J 统计量检验过度识别问题， ' 1 1 1 [ ] [ ] T T t t t t J m − m = = =∑
Σ∑
，其中mt为 3 个矩条件形 成的向量，Σ为矩条件的协方差矩阵的估计值，T 为总样本数。在所有矩条件均成立的原 假设下，T×J 服从χ2(1)。 2 当αβ≠1时，λ代表事件期间油价波动与非事件期间油价波动的差异。异方差识别法不 能同时估计α β、 ，检验αβ=1需要发展新的方法，这也是我们未来研究的方向之一。3 異方差識別法的應用—探討油價對股市的影響
異方差識別法可以消除內生性偏誤、異方差偏誤和遺漏變數偏誤，在研究 經濟變數間同期的相互影響關係上比傳統回歸分析法和 VAR 方法更具優勢。我 們以探討油價對股票市場的影響為例，闡述異方差識別法。油價與股票市場存 在相互影響的關係，特別是同期的交互作用。油價受事件衝擊會產生波動性差 異，這使得異方差識別法具有可行性。我們首先回顧了研究油價與股價關係的 相關文獻，然後介紹實證研究資料。 3.1 文獻回顧Jones and Kaul（1996）指出股票市場可以反映石油價格對經濟的影響，
此後大量研究開始關注油價與股票市場的關係。從整個股票市場的角度看，
Jones and Kaul（1996）分析了油價衝擊對美國、加拿大、日本和英國 4 個國
家股票市場的影響，研究表明油價增長對股票市場具有負作用。Sadorsky（1999） [9] 使用 GARCH、向量自回歸（VAR）等時間序列方法研究了油價和油價波動對股 票市場的影響，也發現油價衝擊對股票市場的負作用。Papapetrou（2001）[10] 對希臘市場的研究表明，油價是影響股價變動的重要因素，油價上漲，股價下 跌。Huang et al.（2005）[11] 研究了油價衝擊對經濟和金融市場（特別是股票
市場）的不對稱效應。Park and Ratti（2008）[12]
對美國和 13 個歐洲國家的研 究表明，油價衝擊對當月和下個月的股價具有顯著作用。油價對股票市場的影 響取決於該國是石油進口國還是石油出口國，若為進口國，則油價增長，股價 下跌；反之，若為出口國，則油價增長。股價上漲。不同的是，Huang et al. （1996）[13] 研究發現石油期貨只會影響部分石油企業的股價，而不會對整個市
場產生顯著作用。Ciner（2001）[14]
的結論卻與之相對，發現石油期貨與股票價
格之間存在非線性關係。從行業的角度看，Faff and Brailsford（1999）[15]
對澳大利亞市場的研究發現油價衝擊對石油、天然氣行業股價具有正影響，對
其他行業（如造紙、包裝、銀行、運輸等行業）股價具有負影響。Sadorsky（2001）
[16]
、Boyer and Filion（2007）[17]
對加拿大市場的研究發現油價與石油、天然
氣行業股價之間存在正相關關係。El-Sharif et al.（2005）[18]
則發現英國市
場上油價與石油、天然氣行業股價的正相關關係。Nandha and Faff（2008）[19]
從國際視角研究了油價衝擊對股票市場的影響，利用 35 個行業指數的研究發 現，油價增長對採礦、石油、天然氣等行業具有正影響，對其他行業具有負影 響，即油價對行業的影響取決於該行業內石油是投入還是產出。此外，還有部 分研究關注相關事件對油價和股價的影響。Guidi et al.（2006）[20] 檢驗了 OPEC 政策對油價和英國、美國股票市場的影響。 以上關於油價與股價關係的研究，所關注的市場不同，所用的樣本期間和 資料頻率（日資料、月資料或季度資料）不同，多採用回歸分析和 VAR 方法1 ， 所得結論也不盡一致。由於油價與股價存在同期回饋（feedback）效應和交互 作用（interreaction），傳統方法的研究結果存在偏差。建立油價和股價的聯 立方程，應用異方差識別法研究油價變動對股票市場的影響，是一個合理的選 擇。 3.2 資料說明 本文採用原油價格指數和股票市場指數資料探討石油價格變動對股票市場 1
采用回归分析方法的文献有：Jones 和 Kaul（1996）、Faff 和 Brailsford（1999）、Sadorsky
（2001）、El-Sharif et al.（2005）、Nandha and Faff（2008）等；采用 VAR 方法的文献有：
價格的影響，關注中國和美國兩個市場。石油價格資料採用布蘭特原油價格1 ， 股票市場資料採用 S&P 500 指數和上證綜合指數。油價和 S&P500 指數資料來源 於 DataStream 資料庫，上證綜指數據來源於 CSMAR 資料庫。 異方差識別法要求油價受事件衝擊產生波動性差異，本文選取了對石油價 格具有較大影響的兩類事件：戰爭事件和能源市場新聞。戰爭事件的特徵在於 戰爭的發生時間不確定，戰爭的持續時間不確定，戰爭的結果也不確定。而能 源市場新聞屬於常規事件，僅存在新聞內容的不確定性。分別考慮戰爭事件和 能源市場新聞對油價產生的衝擊，本文選取了三個可行的樣本期間（海灣戰爭 期間、伊拉克戰爭期間、能源市場新聞發佈期間）研究油價與股價同期的交互 作用，探討油價變動對股票市場的影響。戰爭時間來源於互聯網，能源市場新 聞來源於美國能源資訊署（EIA）提供的每月能源大事記（Monthly Energy Chronology）2 。 3.3 資料描述 為描述石油價格與股價指數資料，我們描繪了二者的歷史走勢圖，圖 1 是 布蘭特原油與 S&P 500 指數的走勢圖。 1 我们也使用西德洲原油数据进行了研究，研究结果与布兰特原油的结果一致，故本文只 给出了使用布兰特原油的结果。 2 EIA 网站（http://www.eia.doe.gov/）的每月能源大事记搜集了能源市场发生的重大事件， 涵盖能源政策、能源生产、能源需求、能源进出口状况等信息，如 OPEC 会议、某个国家 的能源政策、能源企业行为等。每月能源大事记的信息来源于 Bloomberg、Dow Jones (DJ)、 Los Angeles Times (LAT)、The New York Times (NYT)、Reuters、USA Today (USA)、The Wall Street Journal (WSJ)、The Washington Post (WP)、World Markets Research Centre (WMRC)等。
0 20 40 60 80 0 400 800 1,200 1,600 90 92 94 96 98 00 02 04 06 圖 1 布蘭特原油與 S&P500 指數走勢圖 注：橫坐標為時間，左邊縱坐標為布蘭特原油價格，右邊縱坐標為 S&P500 指數。 圖 2 是布蘭特原油與上證綜指的走勢圖。 0 20 40 60 80 0 1000 2000 3000 4000 5000 1992 1994 1996 1998 2000 2002 2004 2006 圖 2 布蘭特原油與上證綜指走勢圖 注：橫坐標為時間，左邊縱坐標為布蘭特原油價格，右邊縱坐標為上證綜指。 下面對油價和股價指數的報酬率（對數報酬率）進行描述性統計，同時計 算油價與 S&P500 指數、油價與上證綜指的相關係數。 布兰特原油价格 S&P500 布兰特原油价格 上证综指
表 1 油價與股價指數的描述性統計（單位：%） 油價報酬率 S&P500 報酬率 上證綜指報酬率 均值 0.032 0.036 0.088 中位數 0.000 0.022 0.074 最大值 12.998 5.573 71.915 最小值 -15.007 -7.113 -17.905 標準差 2.168 0.994 2.688 偏度 -35.602 -10.019 589.006 峰度 694.675 773.290 14676.590 相關係數 -3.137 -0.666 注：1. 數據期間：1991 年 7 月 15 日—2007 年 5 月 31 日 2. 表中相關係數為油價報酬率與 S&P500 報酬率、油價報酬率和上證綜指 報酬率的相關係數。 從描述性統計和油價與股價的相關係數可見，油價與股價指數總體呈現上 升趨勢，油價與股價指數呈現負相關關係（相關係數分別為-3.137%、-0.666%）。
4 實證結果及分析
4.1 研究結果與分析 本文應用異方差識別法研究油價變動對股票市場的影響，要求在兩個子樣 本期間（事件期間和非事件期間）油價的波動性存在差異，利用這種差異所提 供的資訊估計參數。由於無法精確測度油價的波動水準，我們採用嘗試法來劃 分事件期間子樣本和非事件期間子樣本。戰爭事件和能源市場新聞具有不同的 特徵，需要採取不同的子樣本劃分方法。對戰爭事件，由於無法確定戰爭因素 對油價發揮作用的具體日期，我們將戰爭期間作為事件期間子樣本，其他日期 （戰爭發生之前和戰爭結束之後）為非事件期間子樣本，通過 GMM 估計中λ 的 顯著性確定合理的子樣本期間1 。對能源市場新聞，考慮到新聞資訊的提前洩漏 和市場的延遲反應，我們以新聞宣告日為基準，將日期向前或向後移動，計入 事件期間子樣本，其他日期為非事件期間子樣本，同樣利用λ 的顯著性確定合 理的子樣本期間。 三個可行樣本期間的估計結果見表 2、表 3，其中表 2 為油價變動對美國股 票市場影響的估計結果，表 3 為油價變動對中國股票市場影響的估計結果。 1 若λ是显著的，表明油价在事件期间和非事件期间的波动存在差异，从而说明子样本的 划分方法是合理的。表 2 油價變動對美國股票市場影響的估計結果 可行 樣本 期間 子樣本劃分方法 工具變數法 GMM 法 宣告日 提前 天數 宣告日 延後 天數 1 ˆ α αˆ2 αˆGMM λˆ 過度識別檢驗 估計值 P 值 估計值 P 值 估計值 P 值 估計值a P 值 統計量b P 值 海灣 戰爭期間 -0.097 *** 0.000 -0.254*** 0.000 -0.100*** 0.000 2.510** 0.022 2.139 1.000 伊拉克 戰爭期間 -0.396 *** 0.005 -0.367** 0.047 -0.379*** 0.003 0.381 0.240 0.131 1.000 能源市場 新聞發佈 期間 3 0 -0.008 0.404 -28.292 0.404 0.107 0.306 0.138* 0.070 76.321 1.000 2 0 -0.012 0.238 -18.767 0.238 -0.123* 0.064 0.157** 0.014 77.712 1.000 1 0 -0.010 0.433 -22.345 0.433 -0.028 0.672 0.149*** 0.009 35.334 1.000 0 0 -0.068 0.213 -5.045 0.211 -0.542* 0.082 0.053 0.240 14.541 1.000 0 1 -0.026** 0.050 -9.251** 0.050 -0.251*** 0.005 0.147** 0.013 50.108 1.000 0 2 -0.013 0.233 -18.477 0.233 -0.102 0.104 0.168*** 0.008 72.585 1.000 0 3 -0.010 0.304 -23.241 0.304 -0.018 0.761 0.208*** 0.002 113.226 1.000 注：1. 海灣戰爭期間為 1990 年 1 月 29 日到 1991 年 9 月 26 日，其中事件期間為 1990 年 7 月 2 日到 1991 年 4 月 30 日，其他為非事件期間； 2. 伊拉克戰爭期間為 2002 年 10 月 23 日到 2003 年 7 月 18 日，其中事件期間為 2003 年 1 月 1 日到 2003 年 5 月 9 日，其他為非事件期間； 3. 能源市場新聞發佈期間為 1995 年 12 月 15 日到 2007 年 7 月 4 日，在劃分子樣本時， 將新聞宣告日記為 0，計入事件期間子樣本；將宣告日分別提前 1、2、3 天或延後 1、 2、3 天，分別計入事件期間子樣本，其他為非事件期間； 4. αˆ1、αˆ2使用工具變數法估計，方法見式 (16；αˆGMM使用 GMM 方法估計； 5. 當αβ≠1時λ可以表示事件期間子樣本油價波動 F ε σ 與非事件期間子樣本油價波動 F ε σ− 的差異，異方差識別法要求 F ε σ 大於 F ε σ− ，故需檢驗λ的顯著性，只有λ是顯著 的，異方差識別法才是合理的。 6. 表中（a）因參數估計值偏小，此處將原數值乘以 1000 後列示； 7. GMM 的過度識別檢驗結果表明，不能拒絕矩條件成立的原假設，即不存在過度識別。 表中（b）因統計量偏小，此處將原數值乘以 1013 後列示。 8. * 代表 10%的水準下顯著，** 代表 5%的水準下顯著，*** 代表 1%水準下顯著。
表 3 油價變動對中國股票市場影響的估計結果 可行 樣本 期間 子樣本劃分方法 工具變數法 GMM 法 宣告日 提前 天數 宣告日 延後 天數 1 ˆ α αˆ2 αˆGMM λˆ 過度識別檢驗 估計值 P 值 估計值 P 值 估計值 P 值 估計值a P 值 統計量b P 值 伊拉克 戰爭期間 0.238 0.108 0.349 0.310 0.206 * 0.065 0.484 0.193 6.261 1.000 能源市場 新聞發佈 期間 3 0 -0.011 0.467 -42.834 0.467 -0.100 0.758 0.091 0.384 1298.329 1.000 2 0 -0.008 0.657 -63.859 0.657 -0.028 0.878 0.102 0.223 1.760 1.000 1 0 0.012 0.589 36.812 0.589 0.115 0.532 0.101 0.139 164.880 1.000 0 0 0.049 0.555 9.691 0.555 0.381 0.351 0.057 0.287 39.832 1.000 0 1 0.013 0.520 33.522 0.520 0.147 0.248 0.152** 0.023 11.193 1.000 0 2 0.014 0.407 33.637 0.407 0.195 0.197 0.179** 0.013 129.478 1.000 0 3 0.004 0.775 108.970 0.775 0.122 0.322 0.233*** 0.002 1222.987 1.000 注：1. 在海灣戰爭期間，我國股票市場處於初創階段，上市公司較少，缺乏市場代表性， 因此，我們未研究此期間油價對我國股票市場的影響； 2. 伊拉克戰爭期間為 2002 年 10 月 23 日到 2003 年 7 月 21 日，其中事件期間為 2003 年 1 月 1 日到 2003 年 5 月 12 日，其他為非事件期間； 3. 能源市場新聞發佈期間為 1995 年 12 月 15 日到 2007 年 5 月 31 日，在劃分子樣本時， 將新聞宣告日記為 0，計入事件期間子樣本；將宣告日分別提前 1、2、3 天或延後 1、 2、3 天，分別計入事件期間子樣本，其他為非事件期間； 4. αˆ1、αˆ2使用工具變數法估計，方法見式 (16；αˆGMM使用 GMM 方法估計； 5. 當αβ≠1時λ可以表示事件期間子樣本油價波動 F ε σ 與非事件期間子樣本油價波動 F ε σ− 的差異，異方差識別法要求 F ε σ 大於 F ε σ− ，故需檢驗λ的顯著性，只有λ是顯著 的，異方差識別法才是合理的。 6. 表中（a）因參數估計值偏小，此處將原數值乘以 1000 後列示； 7. GMM 的過度識別檢驗結果表明，不能拒絕矩條件成立的原假設，即不存在過度識別。 表中（b）因統計量偏小，此處將原數值乘以 1013後列示。 8. * 代表 10%的水準下顯著，** 代表 5%的水準下顯著，*** 代表 1%水準下顯著。 表 2、表 3 的結果顯示，在海灣戰爭期間和能源市場新聞發佈期間，λ 是顯 著的，說明事件期間的油價波動大於非事件期間的油價波動，符合異方差識別法 的適用條件；而在伊拉克戰爭期間，λ 不顯著，事件期間的油價波動並非大於非 事件期間的油價波動，此時異方差識別法是不適用的，所得的α 的估計值也是不
可信的。伊拉克戰爭期間的結果與 Rigobon and Sack（2005）的研究結果一致， 均未發現油價在兩個子樣本期間的波動性差異。這是因為在伊拉克戰爭爆發前， 諸多跡象表明戰爭可能發生但其具體時間不確定，這種預期會對石油價格產生影 響，使油價產生劇烈波動。戰爭爆發後，因戰爭持續時間和最終結果不確定，油 價仍保持劇烈波動。戰爭結束後伊拉克地區仍不穩定，油價的波動仍未減小。由 於我們需在事件期間前後選取非事件期間子樣本1 ，這樣事件期間與非事件期間 的油價波動沒有顯著差異，不能使用異方差識別法研究油價對股票市場的影響。 海灣戰爭期間和能源市場新聞發佈期間的估計結果表明，在美國股票市場上 油價變動對 S&P500 指數具有負作用，油價上漲，股票指數下跌；在中國股票市 場上油價變動對上證綜指沒有顯著影響。對美國股票市場的研究結果符合經濟理 論的預示，同時證實了以往的實證研究結論。從前文的文獻回顧可知，油價衝擊 對不同行業具有不同影響。對石油、天然氣等能源行業來說，油價增長是好消息， 股票市場會有積極反應。對其他行業則是壞消息，會導致股價下跌。從國家層面 而言，油價增長對石油出口國是好消息，對石油進口國是壞消息，股票市場必然 會有不同的反應。美國是石油進口國，故油價與股票市場之間存在負向關係。而 對中國股票市場而言，國內油價實行價格管制，不能隨國際油價自由變動，這樣 國際原油價格變動對中國股票市場的衝擊不是很明顯，因此我們未發現油價變動 對我國股票市場的顯著影響。 能源市場新聞發佈期間的研究表明，新聞資訊在宣告日的第二天對石油價格 產生影響。這與現實情況相符，休市之後的新聞只能在第二天對市場發揮作用。 1 若非事件期间与事件期间在时间上的差距较大，其他因素的波动在两个子样本期间就不能 保持一致，破坏了异方差识别法的假设。
將事件期間設置為新聞宣告日的第二天，油價在子樣本之間存在波動性差異，異 方差識別法的結果發現油價對股票市場具有負作用。 4.2 估計結果的比較 傳統方法對油價和股票市場關係的研究，可能存在內生性偏誤、異方差偏誤 和遺漏變數偏誤，使研究結果的可信度下降。公式 (4 說明了偏誤的來源並進 行了證明，得到理論結果。從實證角度，我們需要將異方差識別法的研究結果與 其他方法的研究結果相比較，以體現異方差識別法在處理此類問題上的優勢。 本文通過異方差識別法研究油價對股票市場的影響，而傳統方法一般用回歸 分析、聯立方程模型、Granger 因果關係檢驗、VAR、向量誤差修正模型（VEC） 研究。本文未考察油價與股價之間的因果關係，僅考察二者的同期相關關係，而 VAR、VEC 等方法以變數間的因果關係為基礎，不能有效識別變數間同期的相關 關係，研究結果與本文不具有可比性。因此，本文僅將研究結果與單方程模型的 OLS 回歸分析、聯立方程的兩階段最小二乘（TSLS）回歸分析相比較。單方程模 型形式如下： 0 t t t S α α O u Δ = + Δ + (24) 式中，Δ 為股票價格變動，St Δ 為石油價格變動。 Ot 對式 Δ =St α α0+ Δ +Ot ut (24 進行 OLS 回歸分析，得到 OLS 方法下的估計 值 ˆαOLS。分別使用ΔOt−1和ΔSt−1作為Δ 的工具變數，對式 Ot Δ =St α α0+ Δ +Ot ut (24 進行 TSLS 回歸分析，得到 TSLS 方法下的估計值 ˆ1 TSLS α 和 ˆ2 TSLS α 。 不同方法的估計結果見表 4、表 5。
表 4 不同方法下α 的估計結果（美國資料部分） 研究方法 海灣 戰爭期間 伊拉克 戰爭期間 能源市場 新聞發佈期間 估計值 P 值 估計值 P 值 估計值 P 值 OLS αˆOLS -0.083*** 0.000 -0.118*** 0.005 -0.010 0.300 TSLS 1 ˆTSLS α -0.150 0.177 -0.547 0.433 -0.244 0.528 2 ˆTSLS α -0.141* 0.084 -2.055 0.716 -0.208 0.510 異方差 識別法 1 ˆ α -0.097*** 0.000 -0.396*** 0.005 -0.026** 0.050 2 ˆ α -0.254*** 0.000 -0.367** 0.047 -9.251** 0.050 ˆGMM α -0.100*** 0.000 -0.379*** 0.003 -0.251*** 0.005 ˆ λ 2.510** 0.022 0.381 0.240 0.147** 0.013 注：1. 能源市場新聞發佈期間的異方差識別法估計結果為新聞宣告日延後 1 天作為事件 期間時的估計結果； 2. * 代表 10%的水準下顯著，** 代表 5%的水準下顯著，*** 代表 1%水準下顯著。 表 5 不同方法下α 的估計結果（中國資料部分） 研究方法 伊拉克 戰爭期間 能源市場 新聞發佈期間 估計值 P 值 估計值 P 值 OLS αˆOLS 0.000 0.999 -0.007 0.604 TSLS 1 ˆTSLS α -3.503 0.876 -0.443 0.714 2 ˆTSLS α -0.342 0.741 0.344 0.856 異方差 識別法 1 ˆ α 0.238 0.108 0.013 0.520 2 ˆ α 0.349 0.310 33.522 0.520 ˆGMM α 0.206* 0.065 0.147 0.248 ˆ λ 0.484 0.193 0.152** 0.023 注：1. 中國資料部分不含海灣戰爭期間的估計結果；
2. 能源市場新聞發佈期間的異方差識別法估計結果為新聞宣告日延後 1 天 作為事件期間時的估計結果； 3. *代表 10%的水準下顯著，**代表 5%的水準下顯著，***代表 1%水準下顯著。 從不同方法下α 估計結果的比較可知，在中國資料部分，三種方法均未發現 油價對股票市場的顯著影響；在美國資料部分，異方差識別法發現油價對股票市 場具有顯著的負作用，而 OLS 方法在能源市場新聞發佈期間的估計結果不顯著， TSLS 方法在三個可行樣本期間的估計結果均不顯著。結果的差異在於，OLS 方法 存在內生性偏誤1 和遺漏變數偏誤，TSLS 方法也存在遺漏變數偏誤，異方差識別 法則消除了這些偏誤，因而具有明顯優勢。 4.3 穩健性檢驗 在穩健性檢驗部分，我們主要探討事件期間子樣本和非事件期間子樣本的錯 誤設定是否對研究結果產生影響。異方差識別法要求油價的波動在事件期間子樣 本和非事件期間子樣本之間存在差異。由於無法精確測度油價的波動水準，我們 採用了嘗試法劃分子樣本，通過檢驗λ的顯著性完成子樣本的設定。本部分也在 探討這種方法是否合理。
基於 Rigobon and Sack（2005）的研究，假設事件期間子樣本和非事件期
間子樣本被正確設定時，事件期間真實的協方差矩陣為ΩF，非事件期間真實的 協方差矩陣為Ω-F，我們採用的事件期間和非事件期間的協方差矩陣分別為ΩˆF和 ˆ-F Ω 。若我們的子樣本設定有誤，事件期間子樣本中包含了ω部分的真實事件期 間和1−ω部分的真實非事件期間，ΩˆF就成為ΩF和Ω-F的線性組合，公式如下： ˆF ω F (1 ω) −F Ω = Ω + − Ω (25) 非事件期間為其餘資料，則有： 1 内生性偏误的判定需要检验β =0，但目前的异方差识别法无法同时估计α β、 ，这是我 们未来需要研究的问题。
ˆ−F (1 ω) F ω −F Ω = − Ω + Ω (26) 兩個子樣本的協方差矩陣之差為： ˆF ˆ−F (2ω 1)( F −F) Ω − Ω = − Ω − Ω (27) 在前文中我們根據公式 (17估計參數α和λ，在子樣本錯誤設定下，公式改為： 2 1 ˆF ˆ F (2ω 1)λ α α α − ⎡ ⎤ Ω − Ω = − ⎢ ⎥ ⎣ ⎦ (28) 只要ω≠0.5，在子樣本的錯誤設定下，仍可得到參數α的一致估計量。子樣本錯 誤設定引起的偏差只會發生在λ，而不會對α的估計產生影響。 當ω=0.5時，異方差識別法無法估計參數。只要我們的子樣本設定發現油價 存在波動性差異（即λ顯著），所得的α的估計就具有一致性。從這個角度講， 異方差識別法本身具有穩健性。因此，我們不需要進行資料分析就可以得出結 論，當λ顯著時，結果具有穩健性，子樣本的錯誤設定不會對結果產生影響。
5 研究結論
傳統方法研究經濟變數之間的關係，可能存在內生性偏誤、異方差偏誤和遺 漏變數偏誤，使研究結果缺乏可信度。作為識別和估計聯立方程的一種新方法， 異方差識別法基於事件衝擊帶來的波動性差異，可研究變數間同期的相互作用。 這種方法消除了上述三種偏誤，比傳統方法更具優勢。本文以探討油價變動對股 票市場價格的影響為例，闡述了異方差識別法的應用。利用戰爭事件和能源市場 新聞產生的油價波動性差異，本文考慮三個可行的樣本期間（海灣戰爭期間、伊 拉克戰爭期間、能源市場新聞發佈期間），應用異方差識別法研究了油價變動對 中國和美國股票市場的影響，主要關注油價與 S&P500 指數、油價和上證綜指之 間的交互作用。研究結果表明，在美國股票市場上，油價對 S&P500 指數具有負 影響，油價上漲，S&P500 指數下跌，這與美國的石油進口國地位有關，符合經 濟理論的預示和以往實證研究結論。在中國股票市場上，油價對上證綜指沒有顯 著影響，這與我國的石油價格管制有關。不同方法的比較及穩健性檢驗表明，異 方差識別法的結果具有一致性，且本身存在穩健性。 未來的研究需要進一步擴展異方差識別法，並應用於更多的領域。通過瑪律科夫轉換（Markov Switching）識別波動率範圍劃分子樣本、通過 Bootstrap 方
附錄
A 證明公式 (4：E[ ]ˆ (1 ) 2 2 ( ) Z η η ε βσ α α αβ β γ σ β σ σ = + − + + + 證明： 對於聯立方程模型及其簡化形式： t t t t O β S γZ ε Δ = Δ + + (29) t t t t S α O Z η Δ = Δ + + (30) 1 [( ) ] 1 1 [(1 ) ] 1 t t t t t t t t O Z S Z β γ βη ε αβ αγ η αε αβ Δ = + + + − Δ = + + + − (31) 傳統方法只針對方程 (30OLS 估計得到α的估計，可得： 2 2 2 ( ) ( ) ˆ ( ) ( ) ( ) t t t t t t t t t t t O S Z O O O O O O α η η α = Δ Δ − = Δ Δ + = +α Δ Δ Δ Δ∑
∑
∑
∑
∑
∑
根據聯立方程的簡化形式及Zt、εt、ηt相互獨立，可得： 2 2 2 2 ˆ E[ ] E ( ) 1 [( ) ] 1 E 1 ( [( ) ]) 1 (1 ) ( ) t t t t t t t t t t Z O O Z Z η η ε η α α β γ βη ε η αβ α β γ βη ε αβ βσ α αβ β γ σ β σ σ ⎡ Δ ⎤ = + ⎢ Δ ⎥ ⎢ ⎥ ⎣ ⎦ ⎡ + + + ⎤ ⎢ − ⎥ = + ⎢ ⎥ ⎢ + + + ⎥ ⎢ − ⎥ ⎣ ⎦ = + − + + +∑
∑
∑
∑
其中，σx為變數x的方差，x={ , , }ε η z 。參考文獻
[1] Rigobon R. Identification through heteroskedasticity [J]. Review of
Economics and Statistics, 2003, 85(4): 777-792
[2] Rigobon R, Sack B. Measuring the reaction of monetary policy to the
stock market [J]. Quarterly Journal of Economics, 2003, 118(2):
639-669
[3] Rigobon R, Sack B. The impact of monetary policy on asset prices [J].
Journal of Monetary Economics, 2004, 51(8): 1553-1575
[4] Rigobon R, Sack B. The effect of war risk on US financial markets [J].
Journal of Banking and Finance, 2005, 29(7): 1769-1789
[5] Caporale G M, Cipollini A, Demetriades P O. Monetary policy and the
exchange rate during the Asian Crisis: identification through
heteroskedasticity [J]. Journal of International Money and Finance,
2005, 24(1): 39-53
[6] Bohl M T, Siklos P L, Werner T. Do central banks react to the stock
market? The case of the Bundesbank [J]. Journal of Banking and Finance,
2007, 31(3): 719-733
[7] Jones C M, Kaul G. Oil and the stock markets [J]. Journal of Finance,
1996, 51(2): 463-491
[8] Jones D W, Leiby P N, Paik I K. Oil price shocks and the macroeconomy:
1-32
[9] Sadorsky P. Oil price shocks and stock market activity [J]. Energy
Economics, 1999, 21(5): 449-469
[10] Papapertrou E. Oil price shocks, stock market, economic activity
and employment in Greece [J]. Energy Economics, 2001, 23(5): 511-532
[11] Huang B N, Hwang M J, Peng H P. The asymmetry of the impact of oil
price shocks on economic activity: an application of the multivariate
threshold model [J]. Energy Economics, 2005, 27(3): 455-476
[12] Park J, Ratti R A. Oil price shocks and stock markets in the U.S.
and 13 European countries [J]. Energy Economics, 2008, forthcoming
[13] Huang R D, Masulis R W, Stoll H R. Energy shocks and financial
markets [J]. Journal of Futures Markets, 1996, 16(1): 1-27
[14] Ciner C. Energy shocks and financial markets: Nonlinear linkages
[J]. Studies in Nonlinear Dynamics and Econometrics, 2001, 5(3):
203-212
[15] Faff R, Brailsford T. Oil price risk and the Australian stock
market [J]. Journal Energy Finance and Development, 1999, 4(1): 69-87
[16] Sadorsky P. Risk factors in stock returns of Canadian oil and gas
companies [J]. Energy Economics, 2001, 23(1): 17-28
[17] Boyer M M, Filion D. Common and fundamental factors in stock
returns of Canadian oil and gas cmpanies [J]. Energy Economics, 2007,
[18] El-Sharif I, Brown D, Burton B, Nixon B, Russell A. Evidence on
the nature and extent of the relationship between oil price and equity
values in the UK [J]. Energy Economics, 2005, 27(6): 819-830
[19] Nandha M, Faff R. Does oil move equity prices? A global view [J].
Energy Economics, 2008, 30(3): 986-997
[20] Guidi M, Russell A, Tarbert H. The effect of OPEC policy decisions
