预测油价泡沫：货币政策与央行信息冲击之比较

《The North American Journal of Economics and Finance》：Predicting oil price bubbles: monetary policy versus central bank information shocks

　　

•在短、中、长期内（1990年至2025年）识别出WTI石油价格的正泡沫和负泡沫。
•非参数分位数因果检验表明，货币政策和央行信息冲击能够预测泡沫分布的全貌。
•央行信息冲击的预测能力优于货币政策意外冲击，尤其是对短期负泡沫而言。
•可预测性在尾部最为显著，凸显了石油泡沫对政策新闻的非线性反应。

**引言**

石油价格在美国经济活动中所扮演的驱动作用已被历史性地广泛认可（详见Gupta和Wohar（2017年）以及Bouri等人（2024年）的详细综述）。鉴于此，理解驱动石油市场的因素成为一项重要的研究课题。虽然供需基本面因素的影响已得到充分证实（Kilian, 2009; Baumeister和Hamilton, 2019），但越来越多的文献开始关注货币政策对石油市场的因果影响。该领域的代表性研究包括Kilian和Vega（2011年）以及Chatrath等人（2012年），而Rosa（2014年）、Basistha和Kurov（2015年）、Smales（2019年）以及Marfatia等人（2021年）的近期研究进一步探讨了这些动态关系。特别是，这些研究认识到必须同时控制货币政策内生性反应所对应的经济基本面变化。在此背景下，上述研究在围绕央行公告的狭窄时间窗口内识别货币政策冲击。围绕央行公告的狭窄时间窗口有助于克服识别挑战，因为不会有其他经济新闻被定期发布。需要注意的是，现有证据显示高频货币政策冲击对石油价格的影响效果不一：Kilian和Vega（2011年）、Chatrath等人（2012年）以及Smales（2019年）认为影响有限，而Rosa（2014年）、Basistha和Kurov（2015年）以及Marfatia等人（2021年）则报告了货币政策冲击的显著负效应。1

这些研究的一个潜在缺陷是忽略了货币政策公告的信息效应，这可能导致研究结果出现偏差和异质性。其理由是，在存在信息摩擦的情况下，央行公告所披露的信息不仅涉及政策本身，还涉及央行对经济前景的评估。这一逻辑推理最近由Yang等人（2023年）基于Jarociński和Karadi（2020年）的识别策略进行了实证验证——后者提出通过分析政策公告前后狭窄时间窗口内利率与股票价格的高频共动性，来将货币政策冲击与同期信息冲击加以区分。该识别策略依赖于利率与股票市场之间的相关性。当这两个变量反向变动时，表明存在纯粹的货币政策冲击；反之，当利率与股票价格同向变动时，则表明存在央行信息冲击。基于这一识别方法，Yang等人（2023年）证明，此前文献中所使用的标准高频方法——该方法忽略了央行信息效应——可能会扭曲对石油价格对货币政策反应结果的推断，产生反直觉的结果。然而，更重要的是，这些作者表明货币政策冲击与央行信息冲击对石油价格的作用机制截然不同：紧缩性货币政策冲击会导致石油价格出现滞后的负向影响，而正向央行信息冲击则会使石油价格产生正向反应。此外，从绝对值来看，后者的效应规模几乎是前者的两倍。

我们旨在在此基础上进一步拓展这一研究方向，比较货币政策冲击与央行信息冲击对石油价格泡沫——即石油繁荣-崩溃周期——在1990年2月至2025年7月这一每日频率期间的预测作用。显而易见，我们的高频分析应当对政策制定者具有极大的价值，帮助其理解这些冲击对实时极端石油价格波动的的影响，并将其转化为超越两种冲击直接影响的未来间接效应，从而影响商业周期中缓慢变化的指标的深度和持续性（Gazzani等人, 2024年）。与此同时，鉴于石油作为一种资产的重要性日益提升（截至2025年市场规模达6.33万亿美元）2，在石油资产自本世纪初以来金融化的背景下（Tang和Xiong, 2012; Silvennoinen和Thorp, 2013; Büyük?ahin和Robe, 2014），以及石油与金融市场的紧密关联（Balcilar等人, 2015; Balcilar等人, 2017; Coronado等人, 2023），我们的研究结果对于投资者的组合决策同样具有重要价值。

从理论角度来看，Yang等人（2023年）提出，货币政策通过四种主要机制影响石油市场：库存调整、供给反应、金融投机和市场预期。相比之下，央行信息冲击主要通过金融和预期渠道发挥作用，同时也会通过间接方式对供给和库存施加压力。关于库存渠道，较高的利率会提高储存成本，这一动态关系会抑制对实物石油的需求，从而压低价格。同时，货币紧缩会鼓励石油生产商加大产油力度，以便以更高的利率投资收入，由此带来的石油产量增加将通过供给渠道压低价格。此外，紧缩性货币政策提高了持有石油期货市场投机头寸的机会成本，导致石油价格下跌。相反，来自央行的正向信息冲击往往能提振风险偏好，推动资本流向原油等资产并推高价格。因此，金融渠道可以产生截然不同的价格结果，这取决于驱动因素是政策意外还是信息冲击。最后，虽然货币紧缩可能导致市场参与者对未来经济前景持悲观预期，进而压低石油价格，但在正向央行信息冲击的情况下情况恰好相反——投资者对经济前景变得更加乐观，从而推动石油价格上涨。鉴于这些经济和行为路径，我们假设货币政策冲击与央行信息冲击对石油价格极端波动——即石油价格偏离其基本面价值——具有预测作用，这是合理的。

为了在计量经济学上检验货币政策与央行信息冲击与西德克萨斯中质油（WTI）石油价格泡沫之间可能存在预测关系这一主要假设，我们分两步进行。首先，我们采用Demirer等人（2019年）提出的多尺度对数周期幂律奇点置信度指标（MS-LPPLS-CI）方法来检测泡沫。在我们的应用中，选择MS-LPPLS-CI框架主要是基于该模型的双重特性：它不仅能够检测正向泡沫（价格加速上涨后崩溃，这是石油价格泡沫检测文献中的传统做法，详见Balcilar等人, 2014; Floros和Galyfianakis, 2020; Khan等人, 2021; Yu和Zhang, 2021的综述），还能检测负向泡沫（价格加速下跌后反弹），并且能够将正、负泡沫分别归入不同时间尺度，涵盖短期、中期和长期。MS-LPPLS-CI模型的这些特性对于我们的分析至关重要，使我们能够考虑到正、负石油价格泡沫对货币政策和央行信息冲击反应的潜在不对称性——因为这些冲击倾向于使石油价格朝相反方向变动。它还使我们能够考虑到不同周期内崩溃和恢复的作用，这对在石油市场中以不同时间尺度运作的各类参与者而言可以传达不同的信息，正如异质市场假说（HMH；Müller等人, 1997年）所指出的那样。3其次，我们使用Jeong等人（2012年）的分位数因果检验来分析两种冲击预测六个已识别泡沫指标的能力。该检验能够捕捉基于货币政策和央行信息冲击的泡沫指标整个条件分布上的可预测性，同时有效缓解非线性依赖和制度变化带来的模型误设风险——这些非线性依赖和制度变化在宏观经济冲击与石油市场之间是已知的（Bahloul和Gupta, 2018; Marfatia等人, 2021）。在此过程中，我们的预测框架在泡沫指标的每一点上检测格兰杰因果关系，捕捉到货币政策和央行信息冲击可能为各种规模的泡沫指标带来的预测能力，从而使格兰杰因果框架在本质上具有时变特征。

我们分析的主要结果表明，基于货币政策和央行信息冲击的石油市场存在显著的泡沫可预测性证据，这两种冲击被发现能够预测石油泡沫指标的全部条件分布。然而，央行信息冲击的预测能力相对强于货币政策意外冲击。此外，这两种冲击对负泡沫的因果影响大于对正泡沫的影响，尤其是在短期。

本文其余部分组织如下：第2节概述了用于检测石油泡沫的方法以及用于捕捉预测关系的非参数分位数因果检验。第3节介绍数据集。第4节展示实证结果和稳健性分析。第5节为结论。

**方法概述**

此处，我们首先总结Demirer等人（2019年）所述的构建各类股市泡沫指标（MS-LPPLS-CIs）的程序。然后，我们描述Jeong等人（2012年）提出的非参数分位数因果检验。完整的细节和解释可参阅这两篇文献。

**数据**

首先，基于每日WTI石油价格与原油库存之比，以每日频率推导短期、中期和长期的正向和负向泡沫指标。WTI石油价格（以美元计）和原油库存（以千桶计）数据均来源于美国能源信息署（EIA）。?

**主要结果**

非参数分位数因果检验的主要结果报告在表1中，涵盖0.10至0.90的条件分位数范围。据此，我们得出以下观察：

(i) 货币政策（MP）和央行信息（CBI）冲击均以1%的显著性水平强有力地预测了六个泡沫指标的全部条件分布，这表明这两种冲击的预测能力不仅超越了Yang等人（2023年）所检测到的常规或正常石油价格波动，还延伸至原油……

**结论**

本文拓展了近期强调货币政策和央行信息冲击对WTI石油市场泡沫形成具有预测作用的研究方向——这些冲击的识别基于符号限制方法，以考虑货币政策对经济状况的内生性反应。利用1990年2月至2025年7月的每日数据，我们首先构建泡沫指标，区分短期、中期和长期内的正向与负向泡沫……

**CRediT作者贡献声明**

Onur Polat：形式分析、数据管理。Rangan Gupta：监督、软件、资源。Mariem Brahim：原创草稿撰写、验证。Elie Bouri：可视化、验证、调查研究。

**利益冲突声明**

作者声明不存在已知的可能影响本文所述工作的竞争性经济利益或个人关系。

**致谢**

我们感谢主编Marcelo Bianconi和匿名审稿人提供的有益意见和建议，这些意见大幅改进了我们的稿件。作者还感谢巴黎商学院研讨会的与会者。如有遗留错误，责任在我们。

Onur Polat | Mariem Brahim