1：分析与讨论

　　从我们的研究中,主要得出以下一些认识:

　　1)根据重力异常和航磁异常特征,研究区可划分为4个构造区:阿尔泰、准噶尔、天山和塔里木北缘。 这些构造区中的每一个又可进一步分为几个单元。 各单元有不同的重磁异常特征。 沿地学断面从北向南,我们划分出的构造单元为阿尔泰构造区的北阿尔泰,南阿尔泰和乌伦古3个构造单元;准噶尔构造区的准噶尔北缘、准噶尔中央地块、西准噶尔和准噶尔南缘4个构造单元;天山分为北天山,伊宁-新源山间盆地和南天山3个构造单元;最南面是塔里木盆地北源。 根据重磁异常划分的构造单元与地质调查结果不完全一致,这是因为重磁异常特征只能反映地下物质性质的一个方面,也不能直接显示地下物质的成分,因而这种划分是不严格的。 但是,由于重磁异常具有一定的“透视性”,能够综合反映地下不同深度物质的性质,因而在地质-地球物理综合研究中还是有一定的参考价值。

　　2)利用重磁异常水平梯度处理结果,我们从重磁异常图中识别出一些重要的断裂带。有额尔齐斯断裂带,准噶尔北缘断裂带,达尔布特断裂带,准噶尔盆地西缘断裂带(克拉玛依-乌尔禾断裂带),准噶尔盆地南缘断裂带,博罗科努-阿其克库都克断裂,尼勒克断裂,哈尔克山断裂带,天山中央断裂带和库尔勒断裂带。 这些断裂带都是重要的地质构造单元的边界。但它们在重磁异常图中有不同的表现,说明它们有不同的深部构造意义。

　　额尔齐斯断裂带在地质上很重要,但在重磁异常图中并不突出。 哈尔克山断裂也有类似的情况,重磁异常显示哈尔克山断裂只与浅部磁性体分布有关,而不是深部物性的分界线。 准噶尔北缘断裂则相反,重磁异常特征表明它是一条重要的物性分界线,断裂两侧重磁异常场的差异如此明显,以至任何人都不能忽视。 而且可能延伸到较大的深度。 达尔布特断裂和准噶尔盆地西缘断裂带也有重要的深部地质意义。

　　3)莫霍面深度的反演结果给出南天山地壳厚度最大,为56km,北天山为53km。但北天山莫霍面最深处不在山体最高的地方,而是在天山与准噶尔盆地交界处。 准噶尔盆地是莫霍面缓坡区,从南部的50 km向北缓慢升高到42km。西准噶尔是地壳减薄区。 莫霍面深度为42km。 在阿尔泰地区,莫霍面被加深。 莫霍面深度分布还显示天山山脉沿走向方向深部构造有明显差异。

　　地壳磁性层底界面深度反演结果表明在新疆北部地区为32～38km。 天山地区较浅,准噶尔盆地区略深。 这个反演结果应表明新疆北部地壳内温度较低。

　　4)重力和航磁异常的综合模拟反演给出了地学断面的密度和磁性分布模型。 密度和磁性模型都显示出天山地区的地壳结构可以用南北双向挤压模式表示。 地壳结构的特征包括中天山的裂谷构造,地壳内的网状构造,下地壳内的壳幔混合层,莫霍面以下的外来地壳,天山两侧的逆冲断裂和北侧的滑脱构造等。 虽然重磁异常反演结果有不唯一性,但这个结果至少说明双向挤压模式的地壳结构是一种可以接受的模式。

　　剖面北段的地壳模型表明准噶尔北部地壳的横向不均匀性很强烈。 额尔齐斯断裂与准噶尔盆地北缘断裂之间有强烈的岩浆活动和深部高密度高磁性物质的上涌。

　　5)根据对均衡重力异常和重力均衡响应函数的分析,我们认为在很大范围平均意义下,新疆北部基本处于重力均衡状态。 但在稍小一些的尺度上(数百千米)则偏离均衡状态很远。 天山是正均衡异常区,准噶尔盆地南缘和塔里木盆地北缘都是负均衡异常区。 由于现代地壳垂直运动方向与重力均衡调整作用力方向正好相反,可以认为天山地区的现代造山作用很强烈,与重力均衡作用相比占明显优势。

　　在西准噶尔和准噶尔盆地中部重力均衡异常的差异还表明两处的地壳性质有很大不同。在挤压作用下,两者有不同的响应,西准噶尔地壳拱起,盆地中部地壳下弯。

　　均衡响应函数的反演结果告诉我们新疆北部地区的等效密度补偿深度为10km,说明均衡补偿作用发生在中上地壳内。 等效弹性板厚度为28 km,比一般地区的略厚,可能与这里动力构造作用强烈有关。

　　6)卫星重力资料表明在新疆及周围地区有一个大尺度的大地水准面坳陷区。 坳陷区的中心在库尔勒附近。 这个坳陷区是地幔对流的汇集沉降作用形成的。 地幔对流在岩石圈底部形成的黏滞应力分布以南北向不对称挤压作用为主,是天山造山带形成的主要构造作用力。 在挤压作用下,天山造山带快速隆生,造山带下岩石圈加厚。 而在造山带南北两侧形成坳陷带。

　　以天山为汇集中心的地幔对流应力分布在南北方向和东西方向都是不对称的。 南部、西部应力较强,北部、东部应力较弱。 这种应力分布与谢新生(1999)用弹性稳定理论和流变学理论估计的天山地区应力分布是一致的。

　　我们用卫星重力资料计算地幔对流应力分布是以Runcorn的理论为基础的。 这种理论只考虑地幔对流中与密度分布有关的极型运动,而未考虑环型流动。 计算出的地幔对流应力分布只是地幔对流的一种模式。 与其他学者的结果(傅容珊,1994)不完全一致。 不过,我们的结果在总体上与地质调查和力学分析的结果是相容的。

　　2：管理层讨论与分析披露的主要内容有哪些

　　根据中国证监会制定的年报批准，上市公司管理层讨论与分析主要包含以下几个方面的内容：
（一） 报告期内公司经营情况的回顾
（1）概述公司报告期内总体经营情况，列示公司营业收入、营业利润、净利润的同比变动情况，说明引起变动的主要影响因素。若公司利润构成或利润来源发生重大变动，公司应当详细说明具体变动情况。公司应当对前期已披露的公司发展战略和经营计划的实现或实施情况、调整情况进行总结，若公司实际经营业绩较曾公开披露过的本年度盈利预测或经营计划低20%以上或高20%以上，应详细说明造成差异的原因。 公司可以结合公司业务发展规模、经营区域、产品等情况，介绍与公司业务相关的宏观经济层面或外部环境的发展现状和变化趋势，公司的行业地位或区域市场地位，分析公司存在的主要优势和困难，分析公司经营和盈利能力的连续性和稳定性。
（2）分析公司主营业务及其经营状况。公司应当根据自身实际情况，分别按行业、产品或地区说明报告期内公司主营业务收入、主营业务利润的构成情况。对于占公司营业收入或营业利润总额10%以上的业务经营活动及其所属行业，以及占营业收入或营业利润总额10%以上的主要产品，应分项列示其营业收入、营业成本、营业利润率，并分析其变动情况。同时，公司可以披露主要业务的市场变化情况、营业成本构成的变化情况、各种主要产品的产销数量和市场占有率情况，若相关数据与以前报告期间相比出现显著变化，应说明原因。 若报告期内产品或服务发生重大变化或调整，公司应介绍已推出或宣布推出的新产品及服务，并说明对公司经营及业绩的影响。公司还应当披露主要供应商、客户情况： 介绍公司向前5名供应商合计的采购金额占年度采购总额的比例，前5名客户销售额合计占公司销售总额的比例。
（3）若报告期公司资产构成（应收款项、存货、投资性房地产、长期股权投资、固定资产、在建工程、短期借款、长期借款等占总资产的比重）同比发生重大变动的，应当说明产生变化的主要影响因素。 公司应说明报告期内其主要资产采用的计量属性，对采用公允价值的主要报表项目如金融资产、投资性房地产、与股份支付相关的成本或费用、企业合并涉及的公允价值损益，应当说明公允价值的取得方式或所采用的估值技术。在说明所采用的估值技术时，应当说明相关的假设、模型及参数设置等情况。如主要资产计量属性在报告期内发生重大变化，应当说明原因及对其公司财务状况和经营成果的影响。 若报告期公司销售费用、管理费用、财务费用、所得税等财务数据同比发生重大变动的，应当说明产生变化的主要影响因素。
（4）结合公司现金流量表相关数据，说明公司经营活动、投资活动和筹资活动产生的现金流量的构成情况，若相关数据同比发生重大变动，公司应当分析主要影响因素。若报告期公司经营活动产生的现金流量与报告期净利润产生重大差异，公司应当解释原因。
（5）公司可以根据实际情况对公司设备利用情况、订单的获取情况、产品的销售或积压情况、主要技术人员变动情况等与公司经营相关的重要信息进行讨论与分析。
（6）公司主要子公司、参股公司的经营情况及业绩分析。公司应详细介绍主要子公司的业务性质、主要产品或服务、注册资本、总资产、净资产、净利润，本年取得和处置子公司的情况，包括取得和处置的目的、方式以及对公司整体生产经营和业绩的影响。如来源于单个子公司的净利润或单个参股公司的投资收益对公司净利润影响达到10%以上，还应介绍该公司主营业务收入、主营业务利润和净利润等数据。若单个子公司或参股公司的经营业绩同比出现大幅波动，且对公司合并经营业绩造成重大影响的，公司应当对其业绩波动情况及其变动原因进行分析。 主要子公司或参股公司的经营情况的披露，应参照上市公司董事会报告的要求。 若主要子公司或参股公司的经营业绩未出现大幅波动，但其资产方面或其他主要财务指标出现显著变化，并可能在将来对公司业绩造成影响，也应对变化情况和原因予以说明。
（7）公司控制的特殊目的主体情况。
公司存在其控制下的特殊目的主体时，应介绍公司对其控制权方式和控制权内容，并说明公司从中可以获取的利益和对其所承担的风险。另外，公司还应介绍特殊目的主体对其提供融资、商品或劳务以支持自身主要经营活动的相关情况。公司控制的特殊目的主体为《企业会计准则第33号—合并财务报表》应用指南中所规定的特殊目的主体。
（二）对公司未来发展的展望
（1）公司应当结合回顾的情况，分析所处行业的发展趋势及公司面临的市场竞争格局。若分析说明相关变化趋势已经、正在或将要对公司的财务状况和经营成果产生重大影响，公司应当提供管理层对相关变化的基本判断，详细分析对公司可能的影响程度。
（2）当公司应当向投资者提示管理层所关注的未来公司发展机遇和挑战，披露公司发展战略，以及拟开展的新业务、拟开发的新产品、拟投资的新项目等。若公司存在多种业务，还应当说明各项业务的发展规划。同时，公司应当披露新年度的经营计划，包括（但不限于）收入、费用成本计划，以及新年度的经营目标，如销售额的提升、市场份额的扩大、成本升降、研发计划等，为达到上述经营目标拟采取的策略和行动。公司可以编制并披露新年度的盈利预测，该盈利预测必须经过具有证券期货相关业务资格的会计师事务所审核并发表意见。
（3）公司应当披露为实现未来发展战略所需的资金需求及使用计划，以及资金来源情况，说明维持公司当前业务并完成在建投资项目的资金需要，未来重大的资本的资本支出计划等，包括未来已知的资本支出承诺、合同安排、时间安排等。同时，对公司资金来源的安排、资金成本及使用情况进行说明。公司应当区分债务融资、表外融资、股权融资、衍生产品融资等项目，对公司未来资金来源进行披露。
（4）公司应当遵循重要性原则披露可能对公司未来发展战略和经营目标的实现产生不利影响的所有风险因素，包括宏观政策风险、市场或业务经营风险、财务风险、技术风险等。公司应当针对自身特点进行风险揭示，披露的内容应当充分、准确、具体。同时，公司可以根据实际情况，介绍已（或拟）采取的对策和措施，对策和措施应当内容具体，具备可操作性。

　　3：实证结果分析与讨论

　　4.4.3.1 WTI和Brent市场收益率的统计特征

　　令WTI和Brent市场第t日的石油价格分别为P1,t和P2,t，则WTI和Brent市场第t日的对数收益率分别为Y1,t=ln（P1,t/P1,t-1）和Y2,t=ln（P2,t/P2,t-1），从而各得到4943个收益率样本。图4.20是两个市场所有样本收益率的走势图，不难发现，两个收益率序列均存在明显的波动集聚性。

　　图4.20 WTI和Brent市场原油现货收益率走势

　　WTI和Brent两个市场样本内收益率的基本统计特征如表4.17所示。总体而言，两个市场的收益率的平均水平和波动水平都非常接近，这也可以从图4.20上得到印证。同时，与标准正态分布的偏度为0、峰度为3相比，本节两个市场收益率的偏度为负（即呈现左偏现象），峰度远大于3，因此它们均具有尖峰厚尾的特征，而且从JB检验的结果也能看到收益率序列显著不服从正态分布。而对收益率序列进行自相关性LB 检验时，根据样本容量，选择滞后阶数为

　　 ，检验结果表明它们均具有显著的自相关性。另外，通过AD F单位根检验，发现它们都是平稳序列。

　　表4.17 WTI和Brent市场收益率的基本统计特征

　　4.4.3.2 WTI和Brent市场收益率的GARCH模型估计

　　（1）WTI市场收益率的GARCH模型估计

　　为了滤掉收益率序列的自相关性，本节引入ARMA模型对收益率序列建模。根据自相关和偏自相关函数的截尾情况，并按照AIC值最小原则，经过多次尝试，发现ARMA（1,1）模型比较合适。对ARMA（1,1）模型的残差序列进行自相关性Ljung-Box检验，从自相关分析图上看到，残差序列的自相关系数都落入了随机区间，自相关系数的绝对值都小于0.1，与0没有明显差异，表明该残差序列是纯随机的，换言之，ARMA（1,1）模型很好地拟合了原有收益率序列。

　　鉴于WTI市场收益率序列存在明显的波动集聚性，因此，本节对ARMA（1,1）模型的残差进行ARCH效应检验，结果发现存在高阶ARCH效应，因此考虑采用GARCH模型。由于收益率序列存在厚尾现象，因此本节在GARCH 模型中引入GED 分布来描述模型的残差。根据AIC 值最小的原则以及模型系数要显著和不能为负的要求，通过比较GARCH（1,1）,GARCH（1,2），GARCH（2,1）和GARCH（2,2）模型，本节选择GARCH（1,1）模型来拟合原有收益率序列。

　　为了进一步研究WTI收益率序列的波动特征，本节检验了TGARCH（1,1）和GARCH-M（1,1）模型。结果发现，收益率序列存在显著的TGARCH效应和GARCH-M 效应，即收益率的波动不但具有显著的不对称特征，而且还受到预期风险的显著影响。考虑到模型的AIC值要最小，以及为了描述收益率波动的不对称性，本节选择TGARCH（1,1）模型对WTI市场收益率的波动集聚性建模，模型形式如式4.16。另外，我们看到模型的GED分布参数为1.260823，小于2，从而验证了该收益率序列的尾部比正态分布要厚的特征，也为本节接下来进一步准确计算WTI市场的风险铺垫了良好的基础。

　　WTI市场收益率的TGARCH（1,1）模型为

　　国外油气与矿产资源利用风险评价与决策支持技术

　　式中：ε1,t-1﹤0,d1,t-1=1；否则，d1,t-1=0;

　　Log likelihood=11474.52,AIC=-4.898557,GED参数＝1.260823

　　从模型的方差方程看到，油价收益率下跌时，

　　 对h1,t的影响程度为α1＋，即0.057202；而油价上涨时，该影响程度为α1，即0.083559，约为前者的1.5倍。h1,t-1前的系数为0.920539，接近1，表明当前方差冲击的92.0539%在下一期仍然存在，因此波动冲击衰减速度较慢，波动集聚现象比较严重。而检验TGARCH（1,1）模型的残差时发现，其自相关函数都在随机区间内，取阶数为68时，残差的统计量的显著性概率大于20%，而2统计量的显著性概率大于30%，因此经TGARCH（1,1）建模后的序列不再存在自相关现象和波动集聚性。另外，残差的ARCH-LM检验结果也表明，它不再存在波动集聚性，因此TGARCH（1,1）模型对WTI市场收益率序列的拟合效果较好。

　　（2）Brent市场收益率的GARCH模型估计

　　基于Brent市场收益率的波动特征，按照与WTI市场GARCH 模型类似的建模思路，建立了MA（1）模型。而利用ARCH-LM检验方法发现模型的残差存在显著的高阶ARCH效应，因此采用基于GED分布的GARCH模型。比较GARCH（1,1）,GARCH（1,2）,GARCH（2,1）和GARCH（2,2）模型的AIC值，以及有关系数的显著性，发现选择GARCH（1,1）模型是最合适的，具体形式如（式4.17）。进一步，对收益率序列建立TGARCH（1,1）模型和GARCH-M（1,1）模型，结果表明，有关系数并不显著，因此说明Brent市场收益率的波动并不存在显著的不对称效应，也不存在显著的GARCH-M效应。而且，我们也发现GED分布的参数小于2，因此验证了Brent市场收益率同样具有厚尾特征。

　　Brent市场收益率的GARCH（1,1）模型为

　　国外油气与矿产资源利用风险评价与决策支持技术

　　Log likelihood=11697.19,AIC=-4.993462,GED参数＝1.324630

　　在模型的方差方程中，h2,t-1前的系数为0.912673，表示当前方差冲击的91.2673%在下一期仍然存在。可见，与WTI市场类似，Brent市场同样存在波动冲击衰减速度较慢的现象。检验模型的残差，发现其自相关函数都在随机区间内，取阶数为68时，标准残差的统计量的显著性概率大于50%，而2统计量的显著性概率大于20%，因此经GARCH（1,1）建模后的序列不再存在自相关现象和波动集聚性。另外，残差的ARCH-LM检验结果也表明，它不再存在波动集聚性，因此GARCH（1,1）模型对Brent市场收益率序列的拟合效果也较好。

　　图4.21给出了两个市场的条件异方差的走势，分别代表着它们的波动水平。从图中看到，一方面，两个市场收益率的波动水平基本相当，只是在某些区间WTI市场的波动会更大一些。当然，在海湾战争期间，Brent市场的波动程度相比而言更剧烈一点；另一方面，两个市场都存在一个明显的现象，那就是在波动比较剧烈的时期，其条件方差最高可达一般水平的20倍以上，这种波动的大规模震荡不但说明了国际石油市场存在显著的极端风险，而且对于市场波动和风险的预测具有重要的现实意义。

　　图4.21 WTI和Brent市场的条件异方差比较

　　4.4.3.3 WTI和Brent市场收益率的VaR模型估计和检验

　　正如前文所述，石油市场需要同时度量收益率下跌和上涨的风险，从而为石油生产者和采购者提供决策支持。为此，本节将采用上述基于GED分布的TGARCH（1,1）模型和GARCH（1,1）模型，按照方差－协方差方法来分别度量WTI和Brent市场在收益率上涨和下跌时的VaR 风险值。

　　（1）GED分布的分位数确定

　　根据GED分布的概率密度函数，使用MATLAB编程，经过多次数值测算，求出GED分布在本节所得自由度下的分位数，如表4.18所示。表中结果显示，95%的分位数与正态分布的1.645基本相同；但99%的分位数却明显大于正态分布的2.326，这也表明了国际油价收益率具有严重的厚尾特征。

　　表4.18 WTI和Brent市场收益率的GED分布参数及分位数

　　（2）基于GED-GARCH模型的VaR风险值计算

　　根据VaR风险的定义，我们得到以下两个计算VaR风险的公式。其中上涨风险的VaR值计算公式为

　　国外油气与矿产资源利用风险评价与决策支持技术

　　式中；zm,α﹥0，表示第m个市场中（T）GARCH（1,1）模型的残差所服从的GED分布的分位数；hm,t为第m个市场的收益率的异方差。

　　同理，得到下跌风险的VaR值计算公式为

　　国外油气与矿产资源利用风险评价与决策支持技术

　　根据上述两个VaR风险计算公式，本节计算了在95%和99%的置信度下，WTI和Brent市场的上涨风险和下跌风险（表4.19，表4.20）。

　　表4.19 WTI市场收益率的VaR计算结果

　　表4.20 Brent市场收益率的VaR计算结果

　　从表4.19和表4.20的实证结果看到，第一，除95%的置信度下市场收益率上涨风险的LR值略大于临界值外，其他所有LR统计量的值均小于相应的临界值，因此按照Kupiec的返回检验方法，可以认为基于GED分布的TGARCH模型和GARCH模型基本上能够充分估计出两个市场收益率的VaR风险值。从市场收益率与VaR风险值的走势也可以看到这一点（图4.22）。第二，在99%的置信度下，两个市场的VaR 模型对收益率的上涨风险比对收益率的下跌风险的估计精度都更高，这可能是由于收益率分布的左尾比较长，GED分布尚未完全捕捉到所有的厚尾现象。而在95%的置信度下，对下跌风险的估计精度更高。第三，从VaR的均值来看，在相同的置信度下，不管收益率是上涨还是下跌，WTI市场的VaR值都要比Brent市场对应的VaR 风险值大，因此需要更多的风险准备金。当然，从图4.23的VaR 风险走势可以发现，事实上，两个市场的VaR风险基本上相差不大，只是在某些样本区间内，WTI市场的风险会超过Brent市场。

　　图4.22 99%的置信度下Brent市场的收益率及其VaR风险值

　　图4.23 99%的置信度下WTI和Brent市场收益率上涨和下跌时的VaR风险值

　　（3）VaR模型比较

　　在采用GARCH模型计算市场收益率的VaR 风险值时，一般都假设模型的残差服从正态分布，从而直接令zm,α等于标准正态分布的分位数。但实际上，石油市场的收益率及其模型残差一般都是非正态分布的，因此得到的VaR 模型往往不够充分。为此，本节以99%的置信度为例，建立了基于正态分布分位数的VaR 模型，计算结果如表4.21所示，并与表4.19和表4.20中VaR模型的有关结果进行比较。

　　表4.21 基于正态分布分位数的VaR模型计算结果

　　结果表明，从VaR均值上看，基于正态分布的VaR模型在两个市场、两个方向（即上涨和下跌）上计算得到的VaR风险值均比基于GED分布的VaR 模型的相应结果要靠近零点，这从模型失效次数的比较上也能得到验证。再者，由于表4.21中的失效次数均超过了99%的置信度下临界处的失效次数（约为47），因此此时的计算结果低估了市场的实际风险。

　　而按照Kupiec的返回检验方法，可看出与99%置信度下的临界值6.64相比，不管是WTI市场还是Brent市场，不管是上涨还是下跌方向，采用基于正态分布分位数的VaR模型计算市场风险基本上都不够合理。其中，尽管WTI市场的上涨风险计算结果基本上可以接受，但与表4.19中对应的LR值相比，发现后者更加充分而准确。因此，总体而言，采用基于GED分布的VaR模型要比基于正态分布的VaR模型更充分而合适，得到的结果更可取。

　　当然，在95%的置信度下，基于正态分布和GED分布的VaR模型的LR值几乎一样，都是比较充分的。这是由于它们的分位数几乎是一样的，均为1.645左右。

　　另外，本节通过计算还发现，如果在建立GARCH模型时假设残差服从正态分布，而计算VaR时又选择一般所采用的正态分布分位数，则得到的VaR模型不管是哪个市场、哪个方向的风险都将很不充分，而先前很多研究往往就是这么做的。

　　（4）VaR模型的预测能力

　　从上述分析中可以看到，基于GED-GARCH的VaR模型能够较好地估计和预测样本内数据。为了更加全面检验这种VaR模型的预测能力，接下来本节以95%的置信度为例，采用它来预测样本外数据的VaR风险值，并与样本外的实际收益率数据进行比较。结果发现，在WTI和Brent市场上，落在预测得到的正向VaR和负向VaR之间的实际收益率占整个样本外预测区间所有收益率的比例均为95.76%，接近95%；相应的LR值为0.3409，小于95%置信度下的临界值3.84，因此是可以接受的（图4.24，图4.25）。换言之，根据样本内数据建立的VaR 模型用于预测样本外数据的VaR风险时，其预测能力是可以接受的。另外，为了比较，本节也采用了广受好评的H SAF方法建立模型，并预测了样本外数据的VaR风险，但检验却发现其在此处的预测结果并不理想。因为不管是WTI市场还是Brent市场，落在预测得到的正向VaR和负向VaR之间的收益率占整个预测区间所有收益率的比例均为91.92%，离95%较远；相应的LR统计量为4.40，大于临界值，因此应该拒绝原假设，即认为在此处采用HSAF方法预测市场VaR风险并不妥当。

　　图4.24 95%的置信度下WTI市场的样本外实际收益率与预测VaR值

　　图4.25 95%的置信度下Brent市场的样本外实际收益率与预测VaR值

　　4.4.3.4 WTI与Brent市场风险溢出效应检验

　　得到WTI和Brent两个市场的收益率上涨和下跌时的VaR风险值之后，本节根据Hong（2003）提出的风险－Granger因果检验方法，构造相应的统计量1（M）和2（M），并通过MATLAB编程求出统计量的值及其显著性概率，从而检验两个石油市场之间的单向和双向风险溢出效应。计算结果如表4.22所示，其中M分别取10,20和30。

　　表4.22 WTI与Brent市场风险溢出效应检验结果

　　从表4.22看到，一方面，在95%和99%的置信度下，不管是上涨风险还是下跌风险，WTI和Brent市场都具有显著的双向Granger因果关系，即两个石油市场之间存在强烈的风险溢出效应；另一方面，为了进一步确定风险溢出的方向，我们从利用单向风险－Granger因果检验的统计量1（M）计算得到的结果看到，不管置信度是95%还是99%，不管是上涨风险还是下跌风险，都存在从WTI到Brent市场的风险溢出效应。而若Brent到WTI市场的风险溢出情况稍微复杂，在95%的置信度下，只存在收益率下跌方向的风险溢出，而收益率上涨时并不存在；在99%的置信度下，情况则相反，只存在收益率上涨方向的风险溢出，而不存在下跌方向的风险溢出效应。前者可能是由于95%的置信度下收益率上涨方向的VaR 模型不够充分导致，而99%的置信度下VaR模型是非常充分的，因此后者更为可信。换言之，可以认为在99%的置信度下，不存在从Brent市场到WTI市场的风险溢出效应。

　　这表示，当市场出现利空消息从而导致油价收益率下跌时，WTI市场的风险状况有助于预测Brent市场的风险，而反之不然。当市场出现利好消息从而导致油价收益率上涨时，两个市场的风险的历史信息均有助于预测彼此未来的市场风险。这对有关政府和企业的科学决策具有一定的借鉴意义。

　　4：课题研究报告中的分析和讨论部分怎么写

　　立题、解题、方法、实施、成果。
立题：
准确界定研究内容是课题研究的前提和关键，一个有待研究的问题不管大小，一般都是可以也应当进一步具体化的。
研究内容的界定不但将课题分解为一个个可以直接着手的具体的问题，也规定了一定的范围，任何一项研究不可能也不必要将课题所能涉及的所有问题进行全面研究。中小学教师开展课题研究首先必须明了研究的内容，否则，研究工作将无从着手。
解题：
使课题具体化、明朗化，问题结构有层次也比较清晰，各科教师都可以选定其中的任一问题，作为课题研究的切入点、聚焦点和突破点，任何一个问题在解决的过程中，必然会引申新问题，从而成为研究课题的派生问题。
方法：
要了解已有研究成果，学习相关理论。任何课题研究都不是从“零”开始，有效的研究都是以原有成果为起点的。
提出自己的研究假设，这是研究方案中最富有个性化和创造性的部分。任何假设都具有假定性、科学性和预见性。
实施：
教育性是课题研究的灵魂。行动研究不仅需要行动，而且也要求“写作”，教师应将行动过程中发现的新问题、激发出的新思考、新创意忠实而全面地记录下来，并形成改进自己教学行为的方案，在以后的教学实践中作新的尝试，在尝试过程中再记录新发现，形成新思路，从而使自己的教学行为处于不断的重新建构之中。
成果：
整理和描述，即对已经观察和感受到的，与研究问题有关的各种现象进行回顾、归纳和整理，其中要特别注重对有意义的“细节”及其“情节”的描述和勾画，使其成为教师自己的教育故事或教学案例。

　　5：证券公司为什么不能做股票业务

　　股票本身就是违规的
受到国家的大家
想要增加的话，可以选择到证券公司开通融资融券功能
更多资料发给你 私信

　　6：股市是什么意思

　　股票是指利用保证金信用交易而购买的股票。
在投资中，所谓的作用，就是指在资本结构中，利用一部分固定利率的资金来提高普通股的投资报酬率。购买者本人投资额较少，但由此可能获得高额利润或者较大的亏损，其作用较大。
通俗说法说是借钱炒股。