【053】油价波动与股票收益

本文是另类因子专题的第 007 篇，也是因子动物园的第 053 篇独立原创研究。

【未经授权，禁止转载！】

欢迎私信公众号后台或动物园园长获取转载授权。

【30 秒速览】油价波动对股市整体、行业的未来表现和波动率都有显著影响，不同油价波动暴露的股票也有着显著不同的表现。此外，油价波动对股票市场异象的表现也有显著影响。所有这些都表明，我们不应仅仅跟踪自己交易的市场，而是要广泛跟踪各类资产的表现，充分利用跨资产的信息。

目录

01. 简介

02. 估计波动率

03. 对股市/行业的影响

04. 对个股的影响

05. 对异象的影响

06. 结语

---

1. 简介

本周国际原油以暴跌近 30% 开盘，一周累计跌幅也近 20% ，相对 1 月的近期高点，最大跌幅更是近六成（与此同时，最新价格相对周内低点反弹也超过了 20%，进一步表明波动之剧烈）。相应的，原油波动率急剧上升，1 月期波动率已匪夷所思地超过年化 110% 。全球金融市场也随之陷入动荡，美股一周之内两次触发熔断（连巴菲特老爷子都直呼活久见）。

如此剧烈波动的推手包括上周末 OPEC 减产谈判失败（原油供给冲击），本周全球疫情的显著恶化（全球需求冲击），以及金融市场在持续上涨后积蓄的调整需要等等。当然，事后诸葛般地找解释显然并不是重要的。关键事实是，油价波动对股票收益有着显著的影响。

但这一影响到底是怎样的呢？又有什么样的理论基础和实证证据呢？本文便旨在对相关研究进行一个梳理和介绍。

2. 估计波动率

要分析波动率的影响，首先自然需要知道如何估计波动率。典型的方法包括 3 种：

• 已实现波动率；
• GARCH 族模型；
• （期权）隐含波动率。

其中，已实现波动率最为简单，直接依据历史收益数据计算标准差即可。若考虑较为高频的数据，往往在计算时用 0 替代收益率均值。

当然，在此基础上，还可以建立回归预测模型，通过引入已实现波动率的滞后项和其他预测变量，来估计已波动率，这比单纯依据历史数据进行计算的结果表现往往会更好，详细内容可参见 Wang et al. (2018)。

而 GARCH 族模型是一类非常常用的波动率计量模型，有非常多的变种方法。但无论细节多么复杂，它仍然是利用历史数据来进行估计的。

原油期权隐含波动率（OVX）的原理类似 VIX ，反映的是期权投资者的预期波动率。虽然 CBOE 交易所从 2007 年才开始发布 OVX 数据，但遵循类似的原理，可以自行利用期权数据计算隐含波动率，Christofferson and Pan (2018) 便做了这样的工作，其结果与 OVX 非常接近。

3. 对股市/行业的影响

有了对原油波动率的估计，便可以进一步考察其对股票收益的影响了。

首先来看油价波动对整体股票市场表现的影响。Diaz, Molero, and Gracia (2016) 首先定义了原油的国际价格（以美元计价）和本币名义价格及实际价格（经通胀调整），然后利用 GARCH(1, 1) 模型估计原油波动率，最后构建了一个向量自回归模型（VAR）来估计油价波动率对 G7 国家股票收益的总体影响。

基于长达 40 多年的样本数据，他们发现以 1986 年为断点，油价波动对这些国家股市的影响存在显著的结构性变化，在 1986 年之后，油价波动对这些国家股票的表现普遍都有负面影响，但影响程度不一。

其中，加拿大由于高度依赖原油出口，对原油波动率的敏感度最高。日本非常依赖原油进口，对原油波动也较为敏感。这显示原油波动对股市的总体影响，可能与该国在原油市场的地位（是否是重要的净出口国/进口国）有一定关系。

而英国和美国市场的表现也比较有趣。英国股市对布伦特原油波动率的负面反应非常强烈，但对 WTI 原油波动的反应则要弱不少。美国股市则由于其上市公司的业务非常分散，使得其对原油波动的反应不如日本那么剧烈，但其负面效应仍然是显著的。

欧洲的德国、法国和意大利三国的反应则又有所不同，它们的股票市场表现同原油波动甚至呈现一定正相关性。

作者们的研究结论，总体上与此前的类似研究一致，更多相关研究可参见 Park and Ratti (2008) 和 Jo (2014) 等。

至于油价波动为何会对股票表现有负面影响，已有研究认为，一个可能的解释认为原油市场更高的不确定性会导致一系列经济活动（及数据）的恶化。特别地，由于油价与通胀（及通胀预期）密切相关，油价的高波动可能使得投资者对通胀和经济前景的预期变得高度不确定，从而要求更高的风险溢价，并竞相抛售股票（risk off），导致股票表现变差。

Christofferson and Pan (2018) 通过回归考察了 OVX 和 股票市场波动率（VIX） 的变化对股票市场收益和波动率的影响。他们发现 VIX 对股票市场收益没有显著影响，而对股票市场波动率有显著的正影响，这表明波动率聚集效应的确是存在的。

而 OVX 的影响比较有趣。在 2004 年之前，OVX 对股票市场收益和波动都没有显著影响，而在 2005 年之后，OVX 对股票市场收益有显著负影响，而对股票市场波动有显著的正影响。作者们将此归因于 21 世纪初以来原油等大宗商品的高度金融化。

不管如何解释，油价波动比股市自身的波动更能预测股票市场的未来表现，这一点确实更令人称奇，同时也为投资者提供了可利用的机会。那在中国市场，油价波动是否也有显著影响呢？

Xiao et al. (2018) 基于 2007 至 2017 年间的数据，并利用分位数回归方法研究了 OVX 的变化对中国 A 股的影响，并对上述稳态给出了肯定的回答。他们发现油价波动率的上升对 A 股整体（以上证综指为代表）和 10 个主要行业（依据中证指数的分类）都有显著的负面影响，且这种影响存在明显的不对称性。

一方面，油价波动率的影响主要体现在熊市中。另一方面，通过进一步将 OVX 的变化分解为正和负的两类，他们发现对股票收益有显著影响的主要是油价波动率的上涨，而油价波动率下降的影响，总体并不显著。

而 Xiao et al. (2019) 进一步讨论了油价波动对股市波动的影响，他们发现股市波动随油价波动的上升而上升，且这一影响同样在熊市中更加显著。

4. 对个股的影响

当然，油价波动对个股收益也有着不同的影响。Christofferson and Pan (2018) 在这方面做出了较为重要的工作。他们利用自行编制的隐含波动率指标（第 2 小节有简要介绍），研究了油价波动对个股收益的影响，以及个股对油价波动的暴露，是否有助于选股。

他们的方法与 Ang et al. (2006) 研究 VIX 对股票表现影响的方法是非常类似的。具体而言，首先在每月末利用当月的日数据，为每支股票估计一个两因子模型，其中包括一个市场因子和一个油价波动率因子，得到该股票的市场 beta 和油价波动 beta 。然后依据油价波动 beta 排序，将全部股票分为 5 组，并做多低 beta 组合，做空高 beta 组合，据此构建一个多空组合。而加权方式则为市值加权。

他们发现，组合表现在 2004 年前后有着显著的差异。在 1990 至 2004 年间，该因子没有显著的超额收益或 alpha ，但在 2005 至 2012 年间，因子月均超额收益达到了 0.66% ，Carhart 四因子模型 alpha 更是高达每月 0.75% ，且都是显著的。

他们还进一步考察了基于市场 beta 和油价波动 beta 的双重分组，基本结果是一致的：油价波动在 2004 年之前对股票收益没有显著影响，而在 2005 年后对股票收益有显著的负影响。同时，他们还发现，市场 beta 对股票收益没有显著影响，这与低 beta 异象相关研究大体一致。

表 1 ：油价波动 beta 组合分析.

数据来源：Christofferson and Pan (2018), Table 2.

他们关于油价波动对个股收益的影响的结论，与前一节介绍的他们关于油价波动对整体市场收益/波动的影响的结论有相似之处，即在 2004 年前后，影响是显著不同的。而他们认为这都是由于原油在过去十多年的金融化所致。

特别地，他们进一步指出，油价波动之所以能对股票收益产生显著影响，是因为随着原油的金融化，油价波动与金融机构的融资约束紧密相关。作者们为此检验了油价波动的变化对 8 个不同的融资约束代理指标（包括信用利差，BAB 因子，融资流动性，经纪商的杠杆率等）的变化的预测能力。

他们发现对油价波动在大宗商品金融化前后的确表现出不同的预测力。在金融化之前，油价波动对所有指标都没有预测能力，但在此之后，却对其中 4 个指标有非常显著的预测能力。

5. 对异象的影响

既然油价波动对个股表现有显著影响，我们自然会猜想，它可能对异象的表现也有显著影响。

Chen, Cheng, and Demirer (2017) 基于 1996 至 2015 年间的数据研究了油价波动对 A 股行业动量表现的预测能力。其核心结果如下表 2 所示。

他们发现，股票市场波动对行业动量表现有显著的负面影响，但在控制市场组合收益后，影响大幅降低，且其影响主要来自市场下行期间（即表 2 中的 VOL^{-}，表示过去 3 年市场收益下行时的波动率）。

而油价波动的影响则不同，其影响总是显著为负的，系数（经济意义上）也要大很多，且无论是价格上行还是下行期间的波动率，都有类似的显著影响。这表明油价波动对行业动量的影响，要远比股市波动来得显著。

表 2 ：市场波动、油价波动与行业动量.

数据来源：Chen, Cheng, and Demirer (2017), Table 3.

Cheema and Scrimgeour (2019) 也研究了油价对 A 股市场中异象表现的影响。但与前文不同的是，他们侧重关注的是油价变化的影响。

他们借鉴 Stambaugh et al. (2012, 2014, 2015) 等一系列关于错误定价的研究，考察了油价变化对 12 个异象及综合错误定价因子表现的影响。

首先，他们在每月末，依据布伦特原油在过去 12 个月的涨跌，将市场分为油价上涨和下跌两个状态，进而比较了两个状态下的异象表现。他们发现动量、应计异象、净营运资产（NOA）、毛利率等异象在油价上涨后的收益要明显高很多，而其他大部分因子在两种状态下的表现则没有显著差异。错误定价因子也在油价上涨后有显著更好的表现。

表 3 ：油价状态与异象表现.

数据来源：Cheema and Scrimgeour (2019), Table 4.

此外，他们也用异象收益对油价过去 12 个月的收益及其平方项进行回归。结果发现 12 个异象中，有 10 个的表现与油价涨跌幅正相关，且 6 个关系非常显著。

综合上述组合分析与回归分析结果，表明油价上涨更有利于异象的表现。此外，考虑到综合错误定价因子也在油价上涨后有显著更好的表现，作者们认为油价上涨后异象表现更好是因为与之伴随的更大程度的错误定价。

6. 结语

总体而言，已有研究表明，油价波动对股票市场整体、行业以及个股的表现都有显著影响。特别地，至少自 2004 年大宗商品的金融化程度加深以来，油价波动同股票市场未来收益显著负相关，而同股市波动高度正相关。这看起来符合逻辑，但有趣的是，股票市场的波动率本身对股票未来表现却没有显著的预测能力。

这使得那些会同时跟踪并利用油价波动信息的投资者，有机会获取额外的超额收益。这对我们而言可能是一个启发：不能只关注自己投资的市场，而要充分利用不同市场间的关联和互动。

进一步，油价波动对不同行业的表现，总体也有负面的影响。有趣的是，不管对股市整体还是各行业，油价波动的影响呈现出相当的不对称性，其影响主要体现在熊市中，且波动率上升的影响很大，而波动率下降的影响则较小。

而对于个股而言，与 VIX 类似，股票对油价波动的暴露（beta）越小，股票的未来收益平均而言就更高，这一现象同样发生在原油金融化程度加深的近十多年期间。

最后，油价波动对行业动量也有着与对整体市场和行业类似的预测能力，即同行业动量显著负相关，且程度明显高于股市波动。此外，油价过去一段时间的涨跌幅也对异象表现有所影响。总体而言，在油价上涨后，异象的表现更好，这可能与此时期市场错误定价程度更高有关。

事实上，过去数年间，关于油价波动和涨跌对股市的影响已有非常多的研究，本文仅梳理了近年的一些较为重要的研究。但需要注意的是，已有研究其实并不算太成功，因为大多数研究只关注计量方法和结果，而不太关注驱动现象的逻辑。而我们若要深入理解相关现象，以及在实践中加以应用，对逻辑进行深入挖掘和理解是很有必要的。希望本文能抛砖引玉，为您提供一个基本的思考方向。

全文完。

本文仅为分享，不代表任何投资建议。文章图表直接或间接来自于相应论文，仅为介绍之用，版权归原作者和期刊所有。

历史推荐

文章索引：因子投资小册子

研究方法论：【027】追寻因子的足迹：分类、构造与检验

因子选择：【045】Which Characteristics?

机器学习：【041】机器学习驱动的基本面量化投资

搞事情小组：搞事情深度研究| 异质波动率之谜

故事分享：真实故事| 艰难的 2019，我是如何赚到 1000 万和 200% 的

实证研究：【043】基本面动量在 A 股

另类因子：【034】外部融资越多，股票收益就越低吗？

投资因子：【031】投资效应：Factor War 前传

低风险因子：【018】低风险异象靠谱吗？解释与批判

动量因子：【010】横截面动量那些事

---

参考文献：

• Ang, Andrew, Robert J. Hodrick, Yuhang Xing, and Xiaoyan Zhang. "The Cross‐section of Volatility and Expected Returns." Journal of Finance 61.1 (2006): 259-299.
• Bali, Turan G., Robert F. Engle, and Scott Murray. "Empirical Asset Pricing: The Cross-Section of Stock Returns." John Wiley & Sons, 2016.
• Cheema, Muhammad A., and Frank Scrimgeour. "Oil Prices and Stock Market Anomalies." Energy Economics 83 (2019): 578-587.
• Chen, Chun-Da, Chiao-Ming Cheng, and Rıza Demirer. "Oil and Stock Market Momentum." Energy Economics 68 (2017): 151-159.
• Christoffersen, Peter, and Xuhui Nick Pan. "Oil Volatility Risk and Expected Stock Returns." Journal of Banking & Finance 95 (2018): 5-26.
• Diaz, Elena Maria, Juan Carlos Molero, and Fernando Perez de Gracia. "Oil Price Volatility and Stock Returns in the G7 Economies." Energy Economics 54 (2016): 417-430.
• Jo, Soojin. "The Effects of Oil Price Uncertainty on Global Real Economic Activity." Journal of Money, Credit and Banking 46.6 (2014): 1113-1135.
• Park, Jungwook, and Ronald A. Ratti. "Oil Price Shocks and Stock Markets in the US and 13 European Countries." Energy Economics 30.5 (2008): 2587-2608.
• Wang, Yudong, Yu Wei, Chongfeng Wu, and Libo Yin. "Oil and the Short-term Predictability of Stock Return Volatility." Journal of Empirical Finance 47 (2018): 90-104.
• Xiao, Jihong, Min Zhou, Fengming Wen, and Fenghua Wen. "Asymmetric Impacts of Oil Price Uncertainty on Chinese Stock Returns Under Different Market Conditions: Evidence from Oil Volatility Index." Energy Economics 74 (2018): 777-786.
• Xiao, Jihong, Chunyan Hu, Guangda Ouyang, and Fenghua Wen. "Impacts of Oil Implied Volatility Shocks on Stock Implied Volatility in China: Empirical Evidence from a Quantile Regression Approach." Energy Economics 80 (2019): 297-309.

题图：Lightning and Clouds, from pexels.com.