原油價格波動與避險策略之研究

Crude-Oil Price volatility and Hedging Strategy

李應勳(Ying-Hsun Lee)

指導教授 ： 林允永

共同指導教授 ： 林景春

淡江大學/商學院/財務金融學系碩士班/碩士(2005年)

https://doi.org/10.6846/TKU.2005.00717

摘要

原油產品在經濟發展與工業化上扮演一個極重要的角色，原油除了作為能源的用途外，亦是工業的最上游原料(乙烯/丙烯類)的主要原料。而這些化工原料的下游衍生加工產品提供人類日常生活、衣、住、行、育、樂使用的產品，故可知原油及衍生物對台灣經濟發展上的重要性。價格波動是能源市場的特性之一，波動幅度可能非常大而且頻繁。這些特性意味國內經濟發展及個別石化廠商無法長期獲得穩定發展成果與經營績效。以目前國內煉油產業為例，以往為國營事業型態，透過預算法定盈餘達成的手段，來達到反映成本增加(原油價格上漲)的事實。現在，雖然已經有民營業者加入競爭，成本波動風險管理成為一個相當重要的營運策略，若能有效控制購油成本波動的不利衝擊，進而提升競爭力，必能於長期產業競爭中，佔得有利的位置。

原油價格波動的特性，尤其是原油市場，也是測試波動模型的最佳場所。自從Engel (1982) 提出自我迴歸條件異質變異數 (ARCH) 模型後，以此基本模型或其轉化模型GARCH (Bollerslev 1986) 來測試和預測價格波動，探討此一主題的論文不斷地增加，遂成為一股風潮。這種模型對於外匯和商品價格的動態行為，提供了令人滿意的表達方式。

本研究將以紐約商品交易所(NYMEX)交易的西德州原油為標的，其2000年1月4日至2004年8月18日之期貨及現貨價格資料進行研究實證。先檢驗原油報酬統計分配特性，再次檢驗出資產報酬的厚尾及聚集現象。此外，由於風險報酬隨機模型與GARCH模型在決定避險比例與避險時機不盡相同。所以，本研究接著評估一般化及總合誤差分配的隨機模型與GARCH兩種方法的動態避險效果，利用移動視窗法作為動態避險之程序後，發現GARCH模型動態避險效果優於隨機模型。

關鍵字

原油期貨 ； 價格波動 ； 避險比例 ； 避險績效 ； GARCH動態預測模型

並列摘要

Crude oil products play an important role in economic development and industrialization. Not only for energy purpose, has the crude oil also supplied important raw material for the chemical industry. The price volatility and hedging strategy is emphasis by oil and chemical companies.

The characteristic of oil price volatility is the best target to test volatility measurement model. Engle (1982) proposes the ARCH model and Bollerslev (1986) revises the model (GARCH) to estimate and predict price volatility. More and more researches are suggested to discuss and describe the price volatility.

The paper use the price of WTI traded on the NYMEX from January 4, 2000 to August 18, 2004 to test the hedging efficiency of different model. The empirical shows that GARCH can catch the price volatility of WTI oil price. The explanation power of GARCH model is superior to the OLS model. Overall the GARCH-GED has the best performance of hedging efficiency among all the model.

並列關鍵字

Crude-Oil Futures ； Price Volatility ； Hedge Ratio ； Hedge Performance ； GARCH-GED

參考文獻

Baillie, R. T., & Myers, R. J. (1991)., Bivariate GARCH estimation of the optimal commodity futures hedge. Journal of Applied Econometrics, 6, 109–124.

Bollerslev, T. (1986), Generalized Autoregressive Conditional Heteroscedasticity, Journal of Econometrics, Vol. 31, pp. 307-327.

Bollerslev, T. (1990), Modelling the Coherence in Short-Run Nominal Exchange Rates: A Multivariate Generalized ARCH Approach, Review of Economics and Statistics, Vol. 72, pp. 498-505.

Ederington, L.H. (1979), “The Hedging Performances of the New Futures Markets,” Journal of Finance, Vol. 34, No. 1, pp. 157-170.

Engle, R.F. (1982), Autoregressive Conditional Heteroskedasticity with Estimates of the Variance of United Kingdom Inflation , Econometrica, Vol. 50, No. 4, pp. 987-1007.