油价计算模型是什么软件_油价计算模型是什么

2024-09-13 18:48:00

1.功能设计

2.全球石油价格多维分析

3.实证研究结果讨论

4.中心数据库设计

5.胜利油区经济产量计算方法

功能设计

油价计算模型是什么软件_油价计算模型是什么

5.2.1.1 系统总体功能结构

本系统以海外油气与固体矿产资源开发利用过程中涉及的各种风险为研究对象，在各种风险评估模型与评价体系的基础上，实现开发利用过程中的风险评价、可视化展示，辅助国家与企业实现“走出去”战略，为进行海外油气与固体矿产资源开发利用提供战略决策依据。系统结合W ebGIS技术、风险评价技术、数据库与数据仓库技术，构建基于.net框架下B/S模式的国外油气与固体矿产资源开发利用风险管理系统。

整个国外油气与固体矿产资源开发利用风险管理系统包括6大功能模块，分别是国家风险、运输风险、市场风险、供应风险、需求风险和系统维护（图5.1）。其中国家风险、运输风险、市场风险、供应风险、需求风险5个模块提供前台展示功能，系统维护模块主要提供系统管理功能。

图5.1 系统功能结构图

系统前台展示功能面向普通公共用户。针对5个风险模块，通过可视化技术，以多种方式展示相关的风险评估等级以及评价对象基本信息，可为用户提供直观、全面的风险评估信息，进而支持用户进行更有效的风险决策。

系统管理功能面向管理员用户，提供指标数据、基础数据、界面属性等数据的相关维护，用户权限、口令等系统参数的修改，以及数据备份和恢复管理等功能的实现（左美云等，2006），为国外油气与固体矿产开发利用风险管理系统提供比较稳定的后台支持。

整个系统基于B/S架构，根据WebGIS系统的特点与需求（周秋平，2003），上述6大功能模块在逻辑结构上按用户服务层、业务服务层、数据库服务层的3层结构构建（图5.2）。

图5.2 系统总体逻辑结构图

其中，用户服务层是用户在终端浏览器浏览的用户界面，主要提供国家风险、运输风险、市场风险、供应风险、需求风险的相关风险可视化展示功能，以及评价对象的基本信息展示功能；业务服务层是在服务器端采用基于ASP.net框架构建的各种Web服务程序，如地图服务器、模型请求服务器等，用以处理用户终端的请求；数据库服务层存储并管理空间数据、属性数据、评价指标数据、模型和图形等基础数据，挖掘有用信息，响应服务层的连接交互请求等。

5.2.1.2 国家风险模块

作为世界第二大石油消费国，我国石油进口的50%左右来自政治经济不稳定的中东、海湾地区，因此必须考虑获得可靠石油资源和与油气输出国密切相关的各种风险因素。本模块旨在通过全面分析世界各地区特别是油气输出国家敏感的政治、经济和地缘等的风险信息，构建国家风险评价指标体系，建立评价模型，并将最终结果一目了然地呈现在用户面前，为用户是否选择其作为石油进口来源提供科学依据（毛小苓等，2003）。

国家风险模块分国家风险可视化和国家风险基本信息两个子模块，其结构如图5.3所示。

（1）国家风险可视化

该模块包括能源安全视角、企业投资视角和恐怖袭击的风险可视化3个部分，除显示世界各地区特别是油气输出敏感地区的国家综合风险外，还以GIS专题图来直观地展示国家地区的政治、经济、地缘风险等级。

（2）国家风险基本信息

该模块包括国家基本信息、评价指标体系、风险因素分析和风险评价结果，它们之间以逐层深入、递进的方式为用户呈现国家风险基本信息。

图5.3 国家风险功能结构图

5.2.1.3 市场风险模块

石油市场风险模块旨在评价国际石油市场综合风险，分析国际石油市场风险的趋势；同时，实时动态地进行国际油价趋势以及油价风险分析；然后，进行石油市场风险的预测，从宏观角度为石油企业和政府提供决策支持。

市场风险模块包括5个子模块（图5.4）：石油市场系统风险评价、国际石油市场价格抓取、国际石油价格预测、石油市场风险预测与石油价格多维分析。石油市场系统风险评价将全球石油市场视为一个整体，评价石油市场的整体风险，并对比分析历次评价的风险；国际石油市场价格抓取模型选择美国能源部、华尔街日报、中国石油集团等网站定期公布的石油价格数据为对象，采取在线自动抓取的形式获得实时的国际石油价格数据，供其他风险模块调用分析；国际石油价格预测结合国际石油价格数据和国际石油价格事件等，构建相应的预测模型来预测其价格的趋势；石油市场风险预测采取VaR方法，对不同时间间隔的油气价格风险进行预测；石油价格多维分析模块则根据石油市场、油品、价格类型等多个维度对石油价格进行分析，并将石油价格数据导出供进一步分析使用。

图5.4 市场风险模块功能结构图

市场风险模块涉及大量的基础数据的收集和应用，包括汇率、石油价格、油价时间等；并具有和多个模块的接口，包括国际石油价格预测、石油市场风险预测、石油价格多维分析等模型程序。市场风险模块的数据获取和应用具有多种不同的方式，并具有多种模型接口处理方式，从而导致了市场风险模块的复杂性和重要性。

（1）石油市场系统风险评价

石油市场系统风险评价功能包括石油市场基础数据、石油市场系统风险评价方案及石油市场评价结果等管理（图5.5）。其中，石油市场基础数据管理包括国际石油交易所、石油市场资源链接、国际油价事件和市场数据的信息收集、分类、整理及展示。

图5.5 石油市场系统风险评价功能结构图

1）基础数据管理。

A.国际石油交易所。国际石油交易所提供全球主要的5个石油交易所信息，包括交易所简介和地理分布。主要交易所包括美国纽约商品交易所、伦敦国际石油交易所、东京工业品交易所、新加坡交易所和上海期货交易所。

B.石油市场资源链接。石油市场资源链接提供了互联网上和石油市场研究相关的丰富资源链接，这些资源如表5.1所示。

表5.1 石油市场资源链接

C.国际油价事件。国际油价事件提供国际已经发生过的对油价有重大影响的事件，包含消息来源、事件时间、事件类型及事件概况。这些事件一方面供系统用户直接查询；另一方面可以在国际石油价格预测中作为油价的影响因素直接供油价预测模型调用。表5.2列出油价事件的典型来源，表5.3列出系统中所提供的油价事件类型。

表5.2 油价事件的来源

表5.3 油价事件类型

D.市场数据。市场数据提供包括外汇汇率、国际石油价格和油价的多维分析等在内的市场基础数据。

外汇汇率包括下面几种汇率数据：美元综合指数、欧元对美元现货交易汇率数据和美元对卢布汇率数据。

石油价格包括多个石油交易市场、多个石油品种、多种现货和期货价格类型和价格单位，各项数据属性的范围见表5.4。

表5.4 石油市场相关数据

除此之外，还有来自美国期货管理委员会（CFTC）的交易数据，用于评价纽约商品交易所（NYMEX）的油气交易系统风险状况。

2）评价方案管理。

评价方案管理主要对影响石油市场系统风险的评价体系和评价方法进行管理，其评价体系包括国际石油期货市场投机程度、典型石油价格结算货币的汇率波动程度、石油市场需求风险、石油供应风险。

3）风险评价结果管理。

风险评价结果管理是基于指标方案对整个石油市场系统风险评价结果的管理。为了对比分析历史评价结果，当用户进入评价结果显示页面的时候，系统自动将历史评价结果以曲线图的形式显示出来，方便用户对国际石油市场系统风险的走势进行判断，辅助用户进行系统风险评价。

（2）国际石油价格数据在线抓取

国际石油价格数据在线抓取是市场风险模块的一个重要组成部分。国际石油价格数据来源主要以美国能源部和华尔街日报为主，以中石油网站的数据为补充。对国际石油价格数据的抓取选择任务设定的方式来实现，每次任务执行的时候程序自动链接相应网站，下载油价数据，经过清洗转换后上载到中心数据库，并记录详细的抓取日志记录。

（3）石油市场价格预测

石油市场价格预测基于油价基础数据和事件数据，对不同市场、不同油品和不同价格类型，选择不同的时间长度及频度进行预测，并采取直观的走势图形式进行展现，要求内嵌到市场风险模块中，采取ActiveX 插件形式完成。

（4）石油市场风险预测

石油市场风险预测旨在基于一系列油品价格，设定不同的参数，通过采取VaR计算方法来预测不同周期内的油价风险值。

石油市场风险预测模型属于单独开发的程序模块。与油价预测不同，由于风险计算过程的复杂性，不采取嵌入ActiveX的方式来集成该模型。对石油市场风险模型程序，采取独立运行的方式，但模型输入和输出的数据与系统其他模型具有交互。模型输入来源于在线抓取模块获得的数据进行转换之后形成规范化的数据，模型运行结果存储到中心数据库，保存模型运算结果。

（5）石油价格多维分析

石油价格作为多维型数据，具有良好的按维度归并特征，可以采取多维分析的形式对石油价格进行分析。分析所采取的维度有油品、交易市场、价格类型（现货、多种期货合约）、单位类型等，对油价进行包括两维表、级联表、线图、比例图、雷达图等在内的表达，并且可以将分析结果直接导出为Excel等格式，方便用户进行进一步的分析。

5.2.1.4 供应风险模块

供应风险模块功能结构如图5.6所示，包括基本信息管理、供应风险指标体系管理、供应风险可视化和供应风险评价结果管理四大功能。

（1）基本信息管理

基本信息管理主要对供应风险展示所需的基本数据信息进行管理。

（2）供应风险指标体系管理

供应风险指标体系管理模块从全球油气资源储量、勘探开发、生产和库存风险，以及其他影响海外油气供应的不确定性因素这几方面，对供应风险的指标体系进行管理。供应风险指标体系管理又包括国家供应风险指标管理和区块供应风险指标管理，分别从国家层面和区块层面对供应风险的指标进行管理。

图5.6 供应风险模块功能结构图

国家供应风险指标管理包括资源储量不确定性评价模块、勘探开发风险评价模块、生产和库存不确定性评价模块和影响海外油气的其他不确定性评价模块。

区块供应风险指标管理包括资源储量不确定性评价、勘探开发风险评价、影响海外油气的其他不确定性评价3个小模块。

（3）供应风险可视化

供应风险可视化可以将不同地区的供应风险通过GIS技术直观展示。

（4）供应风险评价结果管理

供应风险评价结果管理可以对供应风险的评价结果进行一系列的操作，主要实现供应风险评价结果的输入、查询和维护。

5.2.1.5 需求风险模块

需求风险模块功能结构如图5.7所示，包括需求风险可视化、需求风险指标体系管理、基本信息管理和需求风险评价结果管理。

图5.7 需求风险模块功能结构图

（1）需求风险可视化

需求风险的可视化对要分析的数据和情况用GIS系统直观展示，例如说能源需求、石油需求、天然气需求，以及需求结构等。

（2）需求风险指标体系管理

需求风险指标体系管理，需要对影响需求风险的各个因素指标进行管理。需求风险指标体系管理包括经济指标评价、人口指标评价、政策指标评价和技术指标评价4个方面。

经济指标评价根据经济总量、经济增长速度、产业结构和产业结构变化率来考虑经济对需求风险的影响。

人口指标评价从人口数和人口自然增长率两方面来评价人口对需求风险的影响。

政策指标评价从气候政策、财税政策和技术政策三方面来评价不同国家的不同政策的影响。

技术指标评价从能源利用效率、能源利用效率变化率、能源结构、能源价格、能源价格变化率和能源替代技术这几个方面对技术进行评价。

（3）基本信息管理

基本信息管理主要对需求风险展示所需的基本数据信息进行管理。

（4）需求风险评价结果管理

需求风险评价结果管理是对需求风险的评价结果进行一系列的操作，主要实现需求风险评价结果的输入、查询和维护。

5.2.1.6 运输风险模块

运输风险模块功能结构如图5.8所示，包括港口风险管理、航线风险管理、承运风险管理及海盗袭击风险管理4个子模块。

图5.8 运输风险功能结构图

（1）港口风险管理

港口风险管理包括港口指标选择、港口方案评价及风险评价结果的管理。

港口指标选择管理从港口所属国家、港口吞吐量、港口仓储能力、港口安保能力及输油管最大直径等方面考虑，建立相关指标体系，并对其进行增加、修改和删除。

港口方案评价管理是通过建立的风险指标体系，选择评价方法，将港口风险进行分级管理。

风险评价结果管理是对港口风险评价指标及评价方案所得结果的管理。一方面，通过GIS技术对港口风险评价结果进行可视化，其中港口图标的不同颜色代表港口的风险值，不同大小代表港口的吞吐量；另一方面，可以对评价结果进行导出，提供风险分析报告。

（2）航线风险管理

航线风险管理包括航线指标选择、航线方案评价及风险评价结果的管理。

航线指标选择管理从航线事故率、穿越风险节点数及航程海里等方面考虑，建立相关评价体系，并对其进行增加、修改和删除。

航线方案评价管理是通过建立的风险指标体系，选择评价方法，将航线风险进行分级管理。

风险评价结果是对航线风险评价指标及评价方案所得结果的管理。一方面，通过GIS技术对航线风险评价结果进行可视化，其中航线图标的不同颜色代表航线的风险值，不同粗细代表航线的运力；另一方面，可以对评价结果进行导出，提供风险分析报告。

（3）承运风险管理

承运风险管理包括承运指标选择、承运方案评价及风险评价结果的管理。

承运指标选择管理从油轮归属、油轮平均吨位、本国油轮承运份额及船运公司安全系数等方面考虑，建立相关评价体系，并对其进行增加、修改和删除。

承运方案评价管理是通过建立的风险指标体系，选择评价方法，将承运风险进行分级管理。

风险评价结果是对航线风险评价指标及评价方案所得结果的管理。一方面，通过GIS技术对承运风险评价结果进行可视化；另一方面，对评价结果进行导出，提供风险分析报告。

（4）海盗袭击风险管理

海盗袭击风险管理包括海盗袭击数据及风险结果的管理。

海盗袭击数据管理是收集国际海事局各年各海盗区域的海盗袭击事件次数，并对其进行增加、修改和删除。

风险结果管理是基于海盗袭击数据来源，通过GIS技术实现海盗袭击分布的可视化管理。

5.2.1.7 系统维护模块

系统维护模块主要包括风险评价和系统管理两个子模块。

（1）风险评价子模块

风险评价子模块针对国家风险、运输风险、市场风险、供应风险和需求风险，对评价过程中涉及的评价方案、评价方法和评价结果进行管理（图5.9）。

其中，评价方案管理实现对不同风险评价方案的指标数据进行管理，主要包括已有评价方案的修改维护和新评价方案的增加。而评价方法管理实现对已有的评价指标进行权重审核和权重维护。此外，评价结果管理包括评价结果的维护和评价结果的展示。

（2）系统管理子模块

系统管理子模块包括数据和模型的管理以及系统运行管理两大功能（图5.10）。数据和模型的管理，利用计算机和各种开发工具对系统的数据进行抓取、抽取、存储、处理和应用，以及对数据模型的设计、数据的导人、数据的运算和数据的导出。系统运行的管理负责系统的正常运行与维护，包括操作日志、系统参数和权限设置等管理。

图5.9 风险评价功能结构图

图5.10 系统管理功能结构图

1）数据和模型的管理。

数据和模型的管理模块包括基础数据管理、油价数据管理和图库管理，每个管理模块又包括若干细分子功能（图5.11）。

图5.11 数据和模型的管理

基础数据管理实现对风险查询中所涉及各种对象基本属性值进行维护，包括基础数据录入和基础数据维护。油价数据管理模块实现对美国能源部、中石油、《华尔街日报》三大来源数据的动态抓取，并对它们进行数据清洗、数据转换，然后再上载到中心数据库，同时实现对油价事件的网页抽取。图库管理主要是实现对系统所有的集中式管理，主要包含已有的维护和新增的维护。

2）系统运行的管理。

系统运行的管理功能包括系统参数管理、系统权限管理、日志的管理和系统负载统计管理。其中，系统日志的管理又包括操作日志的管理、油价处理日志的管理和模型运行日志的管理（图5.12）。

系统参数管理对系统相关参数进行设置，包括数据抓取失败次数阈值的设置，数据抓取间隔时间的设置，以及数据保存路径的设置等。

图5.12 系统运行的管理

系统权限的管理是对登录系统前，后台用户权限的管理（徐启等，2005）。

系统日志管理的目的，是便于今后相关问题的查错，包括操作日志的管理、油价处理日志的管理和模型运行日志管理。

系统的负载统计管理负责统计在一定时间内，用户对某个或某些模块的访问量。

全球石油价格多维分析

传统的数据仓库展现，一般是通过建立数据仓库、设定维度、预先计算，然后向客户端展现多维分析的结果。在本系统中，则采取了与之不同的另一种数据仓库构建的思路，即在系统的数据仓库展现中尝试利用多维数据表之间的关联性来实现实时的多维分析功能。

在多维数据结构中，事实表和维度表之间是通过直接或间接的关系联系在一起的。对于某张表中某条记录的选取，可以在其他相关联表之间查询到与之相关联的数据记录，并可以对选取的数据和相关联的数据进行统计分析，得到这些数据的分布、趋势等分析结果，并且可以在设定了多维分析的维度之后，按照维度之间的层次关系对数据从各个不同的组合角度进行分析，形成实时的多维分析。

数据仓库展现的开发内容一般可以分为数据仓库的设计和多维分析的实现两部分。数据仓库的设计包括星型模式的搭建、数据抽取方式的确定、数据转换净化的实现，以及多维数据的存储等内容。多维分析的实现则包括多维分析维度的选取、度量值的定义、维度变换方式、钻取路径的定义、钻取数据显示方式的确定等内容。

本系统在开发过程中，由于原型系统带来的需求不确定性和数据齐备性等因素的制约，如何设计出良好的结构来更好地进行多维数据展现以及采取何种形式进行展现是一个重点问题。前文已经讨论过系统中数据仓库的架构模式、多维数据结构的定义等内容，讨论了系统原始数据源中存在的复杂性、数据完整性和数据有效性等方面存在的问题及解决办法。多维分析的设计包括维度之间的关联、事实数据展现的内容和形式、数据钻取等内容。

5.3.2.1 维度表关联性分析

数据源表结构中包括一张事实表和数张维度表。针对这些维度表可以设计用于多维分析的维度，分别为油品、交易市场、交易类型、价格单位和价格日期维度。维度数据和中间事实表之间存在直接关联，维度数据之间通过中间事实表而产生简洁的关联关系。从而可以在既有事实数据的基础上，对维度之间的关联关系进行可视化展现。

图5.29中显示了4个维度的内容数据，并列出了各维度中所具有的字段取值，这些字段通过事实表产生关联。在选择了Crude Oil油品之后，其他3个维度中的字段取值背景出现变化。白色背景表示在事实表中存在与Crude Oil相关联的交易市场，分别为Cushing,OK和Europe Brent，这表明事实表中存在有Crude Oil在这两个市场中的价格数据，没有在其他市场上的价格数据。

图5.29 多维分析维度列表

在默认情况下，维度列表显示了全部可能的维度取值。而在选择了某一维度之后，比如选择产品名称中的Crude Oil值，则在其他维度中高亮显示与此维度选中值通过油价数据关联起来的维度值。通过维度之间的关联显示，可以分析出源数据中隐藏的一些分布模式。在本示例中就可以看出系统中具有Crude Oil在Cushing,OK和Europe Brent两个市场的Spot Price FOB价格，而价格时间则从1986年到2008年都存在，油价的单位名称只存在Dollar per Barrel一种形式。多维分析的维度关联性分析，还允许在一次分析基础之上继续缩小选择值的范围。

5.3.2.2 维度表和事实表的关联性分析及展现

在实时多维分析中，除了可以进行维度表之间的关联性分析，也可将维度表和事实表关联起来进行分析。在此类分析中，除了可以在界面左侧展示维度表之间的关联之外，还可以在界面主体部分显示出事实表数据以及以事实表数据为基础的一些统计分析。图5.30中展现的是全球石油价格不同交易类型的对比分析，反映出对各石油品种在现货交易、期货交易等方式下的价格对比情况，分析的结果可以随左侧维度选择的变化实时变动。

图5.30 交易价格比较分析

对于事实表的展现，除了按照默认的维度顺序进行统计分析，维度之间的顺序也可以直接通过在界面中拖动维度的位置来完成维度的变换，实现多维分析旋转功能，在此不再赘述。

5.3.2.3 事实表数据钻取

多维分析另外一个很重要的内容就是数据钻取。在实时多维分析中，数据钻取的功能可以更为丰富。出于分析的目的，我们预先定义了钻取路径：

市场→价格类型→价格年份→产品名称。

这样就可以按照这样的路径对油价进行钻取分析。第一次默认按照市场名称来统计历史油价，在选择了一个市场之后就向下钻取两层，就可以得到按照价格年份来统计的历史油价。这里的钻取分析可以和维度关联性分析结合起来使用，从而更灵活地实现数据钻取（图5.31，图5.32）。

图5.31 数据钻取分析一

图5.32 数据钻取分析二

5.3.2.4 价格趋势分析

价格趋势分析可以作为价格预测的一种补充，它的功能展现过去时间的不同油品、不同交易类型及价格单位等相关信息，以此来直观表达油品的未来走向与趋势。这一块已经有了单独的模型程序模块来完成（图5.33）。

图5.33 多维价格趋势分析

通过在数据仓库展现中利用实时多维分析中的维度表关联性以及维度表和事实表之间的关联性，可以更好地拓展多维分析的功能。而对多维分析的需求确定可以考虑采取原型法来进行，利用数据仓库的实时多维展现来发现数据的内涵和数据之间的关联性，逐步帮助确定需要分析的维度、度量值、展现方式等内容，并反向影响到数据源表结构的设计。

实证研究结果讨论

4.5.3.1 基本统计分析

令POt,PEt分别表示第t日WTI国际原油价格和欧元对美元汇率价格，其统计特征如表4.23所示。不难发现，首先，两个价格（汇率也可以看做一种相对价格）序列都是非正态分布的；其次，两个价格序列都存在显著的自相关性和异方差性，因此存在显著的波动集聚性。还有，ADF检验结果表明，在5%的显著性水平下，两个价格序列都是非平稳序列，但都是一阶单整序列。从两者的标准差也可以发现，总体而言油价波动的风险比汇率波动风险要大。

表4.23 国际油价和美元汇率序列的基本统计特征

4.5.3.2 均值溢出效应检验

（1）协整性分析

为了利用长期弹性的概念，我们先对两个价格序列取自然对数，得到两个新的变量1n_PO和1n_PE。由于国际油价和美元汇率序列取自然对数后仍然均是一阶单整序列

检验结果表明，取自然对数以后，两个价格序列仍然是一阶单整的，符合应用协整理论的基本要求。具体统计检验结果可向作者索要。

，根据协整理论，建立回归方程如下：

国外油气与矿产资源利用风险评价与决策支持技术

式中：括号内为相应变量的t统计量值；**表示在1%的显著性水平下显著。采用ADF方法检验回归方程残差项εt的平稳性，结果发现，残差序列在1%的显著性水平下是显著平稳的。因此，我们认为国际油价和美元汇率之间存在长期均衡的协整关系。而从协整回归系数看到，两者之间存在的均衡关系是正向的。并且，国际油价关于欧元对美元汇率的长期弹性系数为1.26，即美元汇率变动1%，国际油价长期来看平均变动1.2607%。可见，两个市场之间的长期互动关系非常显著，因此在分析和预测国际油价长期走势时，美元汇率的变化必须考虑。

（2）跨期互相关检验

尽管国际油价和美元汇率都不是平稳序列，但它们之间存在协整关系，因此符合建立VaR模型的先决条件。而为了确认是否需要采用VaR模型建模，我们先检验国际油价序列和美元汇率序列的跨期互相关性，滞后2阶时，得到跨期互相关系数如表4.24所示。可见，油价和汇率序列之间滞后2期的互相关系数都较大，这说明两个市场的条件均值之间存在显著的引导和滞后关系。因此，建立VaR模型很有必要。

表4.24 国际油价和美元汇率之间的跨期互相关系数

（3）均值溢出效应检验

通过对油价和汇率两个序列建立VaR模型，根据模型的整体AIC值最小准则，求得Granger因果检验的最佳滞后阶数为1，从而得到Granger因果检验结果如表4.25所示。从显著性概率发现，欧元对美元汇率是国际油价波动的Granger原因。而国际油价变化并不是显著引起美元汇率起伏的Granger原因。因此可以认为，存在从美元汇率到国际油价的单向均值溢出效应，即国际油价的变化受前期美元汇率变化的显著影响。

表4.25 油价和汇率的Granger因果检验结果

自2002年起，美元持续贬值，原因非常复杂，其中最根本的原因在于美国政府试图有效拉动出口，缩减贸易赤字。另一方面，受到市场供需、地缘政治和金融市场等因素的综合影响，国际油价自2002年起也连创新高。通过上述均值溢出效应检验，我们可以认为，美元的贬值对国际油价上涨存在显著的推动作用。这是由于原油期货交易主要以美元计价，而美元贬值导致部分外国投资者大量买进原油期货交易合约以获取更高利润，而原油期货价格的走高势必导致现货价格的上扬。当然，这里面也暗含一种长期影响的意义。

与前人采用实际油价和实际汇率计算得到的结果相比，采用名义价格得到的结果表明，尽管从长期而言油价和美元汇率之间仍然存在一种均衡的互动关系，但是相互影响的方向发生了变化。因此可以认为，物价水平一定程度上改变了两个市场之间的长期互动关系。

（4）脉冲响应函数结果分析

在VaR 模型中，脉冲响应函数可用于衡量来自随机扰动项的一个标准差冲击对变量当期和未来取值的影响。基于国际油价与美元汇率建立的脉冲响应函数如图4.27所示。可见，美元汇率一个标准差（对数值为0.1463，对应原始汇率的0.1557）对国际油价的影响是缓慢增加的，在大约1年以后（具体结果为234天）达到最大程度0.00879美元/桶（此为对数值，转换成国际油价为1.0088美元/桶），并趋于平稳减缓；而国际油价的一个标准差（对数值为0.2422美元/桶，对应原始油价为8.3743美元/桶）对美元汇率的影响较为微弱，接近于0。这种结果进一步验证了国际油价和美元汇率之间的单向均值溢出效应。

图4.27 国际油价与美元汇率的脉冲响应函数

a—油价受到冲击后的反应；b—美元汇率受到冲击后的反应

4.5.3.3 波动溢出效应检验

（1）价格序列的GARCH效应分析

从表4.23中看到，两个价格的平方序列均存在显著的序列相关性，即原序列具有显著的波动集聚性，因此我们引入ARCH 类模型刻画这种性质。考虑到序列的自相关性，因此主体模型采用随机游走模型。通过检验残差的ARCH 效应，我们发现，国际油价序列存在显著的高阶ARCH 效应，因此考虑采用GARCH 模型，然后按照AIC值最小的准则，多次尝试，决定采用GARCH（1,1）模型来描述国际油价序列的波动集聚性。另外，考虑到实证研究结果表明油价上涨和下跌带来的价格波动并不对称，因此考虑采用TGARCH 模型，通过模型的AIC 值发现，这样的做法也是合理的。检验TGARCH模型残差的ARCH 效应，发现ARCH 效应已经滤掉，而且，Q（10）和Q2（10）统计量的检验结果也表明模型残差不再存在额外的序列相关性和波动集聚性，这说明TGARCH（1,1）模型对国际原油价格波动特征的拟合效果较好。同理，我们发现GARCH（1,1）模型能较好地刻画欧元对美元汇率的波动集聚性。模型参数估计结果如表4.26所示。

表4.26 国际油价和美元汇率的（T）GARCH模型参数估计结果

需要说明的是，考虑到模型的残差都不服从正态分布，因此我们采用基于GED分布的（T）GARCH模型描述模型残差的尖峰厚尾特征。表4.23结果显示，GED分布的参数均小于2，从而验证了使用（T）GARCH模型对油价和美元汇率序列建模时所得残差项的厚尾特征。

波动模型的参数估计结果表明，国际油价的波动具有显著的不对称性，即杠杆效应。杠杆系数为负，表示相同幅度的油价上涨比油价下跌对以后油价的波动具有更大的影响。具体而言，油价下跌时，对ht的影响程度α1＋Ψ为0.0219；而油价上涨时，该影响程度α1为0.0688，是油价下跌时的3.1倍左右。产生这种杠杆效应的原因是多方面的，石油的不可再生性是其中最根本的原因，它决定了石油供给者的市场地位明显高于石油需求者。因此，油价上涨会加剧石油短缺的预期，使市场交易者倾向于在当期购买。这种争夺加剧了油价的进一步上扬，加上市场投机因素的推波助澜，促使油价上涨时波动程度格外突出。而油价下跌时，石油生产商减少开采量，石油经销商囤货待售，导致市场供给量降低，油价出现回升，阻碍了其进一步下挫。可见，石油市场多空双方的不对称地位决定了供给不足时油价的上涨幅度要大于供给过剩时油价的下跌幅度，从而造成了石油市场的上述杠杆效应。

从波动模型也可以发现，美元汇率的波动存在显著的GARCH 效应。方差方程中与h t-1前的系数之和α1＋β1刻画了波动冲击的衰减速度；其值越靠近1，则衰减速度越慢。在本节的GARCH（1,1）模型中，该系数之和为0.9872，说明美元汇率具有有限方差，即属于弱平稳过程。美元汇率的波动最终会衰减，但可能会持续较长时间。其中ht-1前的系数为0.9533，表示当期方差冲击的95.33%在下一期仍然存在，因此半衰期为14天。

（2）波动溢出效应检验

按照前文的波动溢出效应检验模型，得到国际油价与美元汇率之间波动溢出效应估计结果，如表4.27所示。我们发现，从统计上讲，国际油价和美元汇率的y系数都不显著。可见，尽管国际油价和美元汇率之间存在长期均衡的协整关系，也有显著的单向均值溢出效应；但是它们之间的波动溢出效应并不显著，即双方的价格波动信息具有一定的独立性，价格波动程度的大小不会显著互相传递。这也表明，从价格波动态势的角度讲，美元汇率对国际油价的影响相当薄弱。

表4.27 国际油价与美元汇率的波动溢出效应检验结果

4.5.3.4 风险溢出效应检验

市场有波动不代表一定有风险，因此风险溢出效应是波动溢出效应的一种拓展。按照VaR的计算思路，本节采用国际油价分布函数的左分位数来度量油价下跌的风险，表示由于油价大幅度下跌而导致的原油生产者销售收入的减少；而采用分布函数的右分位数来度量油价上涨的风险，表示油价大幅度上涨而导致的原油采购者的额外支出。这种全面考虑市场风险的思路同样适用于美元汇率市场。就本节采用的欧元对美元汇率而言，汇率的涨跌将在多个方面给国际汇率市场的不同主体产生不同的风险。比如就发生在美国本土的国际进出口贸易而言，汇率下降表示美元升值，美国出口商和欧元区的进口商将面临较大风险；汇率上升表示美元贬值，则美国进口商和欧元区的出口商就可能面临明显的市场风险；而就石油美元而言，美元升值，将额外增加石油进口国（如欧元区）的开销；美元贬值，又会给主要石油出口国（如OPEC）的石油销售收入形成阻碍。

综上所述，石油市场和美元汇率市场都需要同时度量价格下跌和上涨的风险，从而为市场不同参与主体提供决策支持。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国际油价和美元汇率在价格上涨和下跌时的VaR 风险值，并检验两个市场之间的风险溢出效应。

（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（表4.28）。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，这也表明国际油价和美元汇率价格都具有严重的厚尾特征。

表4.28 国际油价和美元汇率价格的GED分布参数及分位数

（2）基于GED－（T）GARCH模型的VaR风险值计算

根据上述VaR 风险的含义，按照方差－协方差方法，我们得到以下两个计算VaR风险的公式。价格上涨风险的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：μm,t为第m个市场第t日价格的条件均值（即实际值与残差的差），zm,a为第m个市场中（T）GARCH（1,1）模型的残差所服从的GED分布的右分位数；hm,t为第m个市场价格的异方差。

同理，得到价格下跌风险的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

基于上述计算公式，本节计算了在95%和99%的置信度下，国际油价和美元汇率的上涨风险和下跌风险。经过LR检验（Kupiec,1995），我们发现VaR 风险的结果是可靠和可行的。

（3）风险溢出效应检验

得到国际油价和美元汇率价格上涨和下跌时的VaR风险值之后，我们根据Hong（2003）提出的风险－Granger因果检验方法，构造相应的统计量Q1（M）和Q2（M），并通过M ATLA B编程求出统计量的值及其显著性概率，从而检验石油市场和美元汇率市场之间的双向和单向风险溢出效应。计算结果如表4.29所示，其中M分别取10,20和30。

从风险检验结果看到，从下跌风险角度（即油价下跌，美元升值）看，国际石油价格与美元汇率之间存在双向风险溢出效应，进一步检验单向风险溢出效应，发现在95%的置信度下，存在从美元汇率市场到国际石油市场的风险溢出，而并不存在从国际石油市场到美元汇率市场的风险溢出效应。可见，美元汇率升值的风险对国际油价下跌的风险影响显著。而在99%的置信度下，国际油价和美元汇率之间并不存在任何方向的风险溢出效应。因此可以认为，就下跌风险而言，两个市场之间的风险溢出效应比较有限，当准确性要求提高到一定程度时，美元汇率升值对油价下跌的风险影响可以忽略。

表4.29 国际油价与美元汇率价格风险溢出效应检验结果

另一方面，从上涨风险角度（即油价上涨，美元贬值）看，不管是在95%还是99%的置信度下，两个市场之间都不存在任何方向的风险溢出效应。可见，近些年来，虽然美元总体上持续贬值，但就市场风险而言，这种贬值并未给国际原油价格的上涨风险带来显著的推动作用。换言之，尽管国际油价高企导致国际石油市场的主要采购者（如中国和印度）的购油额外支出明显增加，但美元持续贬值并不是这些国家支出增加的显著原因。

总体而言，我们需要特别关注美元升值对国际油价走低的风险作用，采取积极手段，有效规避市场风险。近些年来，尽管从每日交易的角度而言，美元汇率时有涨落。但总体而言，美元贬值是大趋势，欧元对美元汇率连创历史新高，这种趋势并没有给油价上涨风险产生显著的影响。因此，在这种大环境下，对市场交易者而言，风险溢出效应的实证结果是一个满意的信号。

中心数据库设计

5.2.2.1 数据库

根据该系统的开发需求，按照数据库的功能和作用将其分为风险查询类、风险评价类、系统管理类三大类（萨师煊等，2000）。主要数据见表5.5。

表5.5 海外油气与金属矿产资源开发风险管理系统的主要数据表

续表

5.2.2.2 数据仓库

油价数据来源于美国能源部（DOE）下属的能源信息署（EIA）网站、中石油（CNPC）网站和《华尔街日报》（WSJ）网站提供的油价数据，油价序列本身就是一个不规则的时间序列，油价数据具有以下几个特点。

（1）数据的一致性差

油价数据格式多样，存在数据冗余，主要体现在：使用的数据格式均不相同，并且各个子系统相对独立。在网站单独作用的情况下，一般都没有问题，但要将这些不同系统或不同时期的数据集中起来综合利用，就可能出现数据不齐全、不一致或重复的现象。

（2）数据存放的分散

油价数据来源多，缺乏统一管理，没有一种相应的网页数据自动化抓取操作实现数据的本地化操作过程。

（3）数据资源开发不充分

大容量数据导致对数据资源的开发利用不充分，缺乏对获取的数据如各分析机构制定的期货合约元数据进行各种深层次分析、综合、提炼、挖掘和展现的应用，因此很难对丰富的统计数据资源进行二次开发利用。

根据油价数据中所包含的油气产品种类、油气产品合约制定日期、油气产品的价格类型、不同市场下油气产品价格的差异等，能够加深对油价走势的了解。油价的这种与时间相关性、不可修改性，以及集成的性质，使得我们采用多种角度对原始数据进行理解，并真实反映其特性，也让我们发现使用一种整合的技术对油价进行精确预测十分必要。

数据仓库的构建流程如图5.13所示由下至上逐步实现。

图5.13 数据仓库构建流程

1）数据源。

A.数据源的复杂性。数据分散在数据库管理系统、电子表格、电子邮件系统、电子文档甚至纸上。系统中要求采集的3个数据源中，EIA 网站存储在网页上的油价相关事件更新较慢，虽然提供了各市场日、周、月、年的油价数据下载，但是下载完成之后的表格字段格式时常发生变化，这为实现自动获取数据并下载到本地自动入库的要求增加了难度；中石油网站数据除上述只显示3条数据之外，网站上会将访问流量过大的IP地址列入黑名单使其不能继续下载到本地进行保存，为这些数据建立统一的模型将会耗费很大精力。

B.数据的有效性。由于存在经验局限，如何处理数据的空值、不同时间间隔时间字段格式，入库时应注意的问题等，如果应用程序没有检验数据的有效性，会对数据多维显示产生极大影响，因此也归结为数据源数据质量问题。

C.数据的完整性。数据源上的数据并不那么明显或者容易获得。油价是高度敏感的数据，因此各个网站虽然提供了各个油品交易市场的日、月或年数据，但是完整性并不能充分保证，根据企业政策的不同，有时对要获得的数据，需花费大量精力。为此，要对不同的数据源进行建库，以保证所获数据的完整性。

2）数据处理。

高效的多维数据集展示离不开底层数据源数据的精确获取，或者叫做数据理解和数据清洗。于是系统在基于元数据获取、加工、入库和多维数据集展示上实现预期的要求。

A.ETL。该功能是整个油价数据仓库的核心之一，主要功能是按照事先定义的数据表对应关系从相关系统表中抽取数据（Extraction），经过数据清洗和转换（Transform）,最终把正确的数据装载到数据仓库的源数据中（Load），作为以后应用的基础。

B.数据转换。该功能是在数据抽取过程中按照定义的规则转换数据，避免了数据在分析时的多样性，保证数据一致性。

C.数据集成。该功能主要是把油价信息数据仓库系统的源数据，按照事先定义的计算逻辑以主题的方式重新整合数据，并以新的数据结构形式存储。

3）数据存储。

星型模型（星型架构）是数据仓库开发中多维展现重要的逻辑结构，构成星型模型的几个重要特征是：维、度和属性，在实际应用中表示为事实表和维度表。在油价数据中，各市场的期现货价格表为数据仓库的事实表，油品类型、合约规定日期等为维度表。

油价数据仓库星型模型的设计方案如下：

A.事实表。数据库表中EIA的期现货价格表（包括日、周、月、年表）作为数据仓库中的事实表，根据不同时间维度构成多个星型模型，即星座模型。这些价格表中以市场编号、油气产品类型、期货合约日期、价格单位度量衡编号作为主键和外键与其他维度表相连，形成多维展示联动的基础，以油价数据和其他事实数据为记录数据，作为主要输出结果。

B.维度表。根据市场、油品、价格数据、度量衡和事件类型作为油气数据仓库中多维分析的角度和目标。

图5.14以EIA的日期货数据表作事实表为例，构建星型模型，其他不同时间维度的模型结构图与此图基本相同。

图5.14 以EIA数据为例的日期货价格星型模型

以星型模型设计为基础，完善数据存储中操作型数据存储（ODS）的原型设计，提供DB-DW之间中间层的数据环境，可实现操作型数据整合和各个系统之间的数据交换。

胜利油区经济产量计算方法

苏映宏　尚明忠　王兴科　赵小军　侯春华

摘要　从油田开发的基本规律和目前的开发经济效益状况出发，运用油藏工程的基本原理和经济学的基本原理，建立了新井经济极限初产油量、老井经济极限含水量和经济极限产油量的计算模型。在此基础上，研究了油田非经济产量的变化规律，并应用此规律预测了未来一定时期油田非经济产量百分比及油田的年度经济产量。该方法的研究与应用对提高油田开发经济效益具有重要意义。

关键词　经济产量　效益产量　低效产量　低效井　经济极限含水量

一、引言

在市场经济条件下，企业追求经济效益的重要特征之一就是力争使利润最大化和合理化。石油企业追求利润最大化的基本形式应该是最经济地开发出全部的可采储量，或者说使可采储量的开发利润最大化。因此，油田开发应尽可能避免不经济的成分存在。

从胜利油区近几年的生产情况看，平均单井日产油小于1t的井数从1992年的417口井上升到1999年的1222口，井数比例由4.4%上升到10.3%，井数及其比例均成倍上升。这些井中必然有部分处于低效状态下生产，因此，分析低效井及其产量的变化规律对提高油田的开发经济效益具有重要的意义。

国内外经济产量的研究方法比较复杂，所需预测的参数较多，实际操作困难[1]。为适应市场经济的需要，同时也为提高油田开发经济效益，有必要研究一种合理的、易于操作的经济产量计算方法。

二、经济产量计算模型

油田年度经济产油量定义为在经济开发期内能够获得利润的年产油量。在商品经济的条件下，一个油田年度经济产油量的高低和油价及成本水平密切相关，油价提高、成本降低将有利于经济产油量的提高；反之，油价下跌、成本上涨，将导致经济产油量的降低。因此，研究油田经济产油量的问题，其实质是在研究油田产油量客观变化规律（油藏内在的）的基础上，深入研究油价、成本的变动对经济产油量的影响，并建立起相关的数学模型，预测油田未来时期经济产油量的变化。

从平均的、客观的角度来讲，对于一个油田，只要目前的平均吨油成本低于税后油价，油田经营就可以获得利润。油田的年度产油量也可以说是经济产油量，定义为年度宏观经济产油量。但油田总体上的获利状况并不等于油田中的每口油井的产油量都是经济的。事实上，在油田年度宏观经济产油量中，往往包括一些低产低效井的非经济产油量。因此，对于一个油田，年度经济产油量的预测应该是在油田年度宏观经济产油量预测的基础上，剔除其中低产低效油井的非经济产油量，计算模型如下：

胜利油区勘探开发论文集

式中：Qi——已开发油田年度经济产油量，104t；

Qh——油田年度宏观经济产油量，104t；

Qe——油田年度低效产油量，104t；

e——低效产量百分数，%。

三、年度宏观经济产油量预测方法

年度宏观经济产油量就是在经济可采期内的年产油量。经济可采储量及剩余经济可采储量可以由水驱系列法结合经济极限含水量求得。

胜利油区勘探开发论文集

式中：Npj——剩余经济可采储量，104t；

Npo——累积产油量，104t；

a、b——水驱系列甲型水驱曲线系数；

fw,min——经济极限含水，小数（本文后面有推导）；

CL——吨液成本，元/t；

P——原油价格，元/t；

Rt——吨油税金，元/t；

W——原油商品率，小数；

qL——平均单井产液量，t/d。

年产油量预测通常采用Arps递减法。Arps递减曲线的3种类型中[2]，双曲递减方程是通式，而指数递减和调和递减方程可以认为是双曲递减方程分别在递减指数n→∞和n=1时的两种特例。因此，可以通过最佳拟合计算双曲递减方程递减指数n，来判断递减类型。

由双曲递减方程

胜利油区勘探开发论文集

可得

胜利油区勘探开发论文集

再改写为

胜利油区勘探开发论文集

式中：Qt——递减t时间的产量，104t；

Qi——初始递减时的产量，104t；

Di——初始递减率，小数；

n——递减指数，小数；

t——以选定的递减起点为零点计算的时间，a。

A=lg(QiCn）；

B=n；

C=n/Di。

首先作lgQt-lg(t+C）曲线，改变 C值，使所选规律段数据的直线回归相关系数最大；由最佳直线拟合斜率值，即可求出递减指数 n。n→∞，为指数递减；1＜n＜∞，为双曲递减；n=1，为调和递减。

当递减阶段的累计产油量在剩余经济可采储量范围之内时，就可求得递减阶段任一时刻的年度宏观经济产油量。

Arps递减法并不是预测油田年度宏观经济产量的惟一方法。在实际工作中，往往根据油田具体情况筛选出一些适用于本油田的产量变化规律的预测方法

尚明忠等.油田开发趋势预测技术研究.1997.

，比如定液求产法、产量构成法、灰色模型法、AR模型等。

四、年度经济产量计算

1.油井生产成本与费用分析

油井生产成本与费用是油气田企业在生产经营活动中按规定发生的一切消耗和费用的总和。包括油气产品开采成本、勘探费用、管理费用、销售费用和财务费用，后三项费用为油气勘探开采过程发生的费用，不计入油气产品开采成本，而当作损益直接从销售收入中扣除。在成本分析中，根据新、老井的具体情况将成本分为最低成本和完全成本两类。其中，最低成本是指在油井生产过程中发生的，只与本井产油量紧密相关的最低费用，主要是动力费、材料费、油气处理费、驱油物注入费；完全成本除了包括简单再生产的成本以外，还包括扩大再生产的成本，如油水井的更新、补充、滚动勘探开发、寻找新储量、增加新产能等。

从分析低效井的角度来看，老井的投资已经收回，只要油井能正常生产，并且所产油的税后产值能大于油井的最低成本，就表示该油井的生产有效。因此，判断老井是否低效采用油井开采的最低成本计算；对新井的判断采用完全成本计算。

2.低效井判别模型的建立

（1）新井低效井判别模型

新井低效井判别模型就是新井经济极限初产油量计算模型。新井经济极限初产油量是指在一定的技术、经济条件下，当油井在投资回收期内的累积产值等于同期总投资、累积年经营费用和必要的税金之和时，该井所对应的初期产油量称为油井的经济极限初产油量。为提高油田整体效益，必须尽量避免新井的产量低于经济极限初产油量。

在投资回收期内，单井经济效益[3]：

胜利油区勘探开发论文集

当在投资回收期内累计经济效益为0时，即Pp=0时，得出经济极限初产油量的计算公式：

胜利油区勘探开发论文集

式中：Pp——单井经济效益，104元；Cm——每米钻井投资，元/m；

Sp——单井产值，104元；H——平均井深，m；

K——投资，104元；Ib——单井地面建设投资，104元/井；

CD——经营成本，104元；β——油水井系数，小数；

τo——油井开井时率，小数；Co——单井年操作费成本，104元/井；

T——投资回收期，a；i——操作费年上涨率，小数；

qo——油井平均单井初产油量，t/d；qmin——经济极限初产油量，t/d。

B——平均年综合递减余率，小数；

图1　胜利油区吨液成本与平均单井日产液量的关系图

（2）老井低效井判别模型

老井低效井判别模型采用经济极限含水量的计算模型。经济极限含水量是指油田（油井）开发到一定的阶段，其含水量上升到某一数值或产油量下降到某一数值时，投入与产出相抵，含水量如再升高、产油量如再下降，油田开发就没有利润了，油田（油井）此时的含水量称为经济极限含水量，此含水量相对应的产量称为经济极限产量。老井经济极限含水量及经济极限产油量的计算与新井经济极限初产油量的计算都是采用盈亏平衡原理，但不同的是，新井经济极限初产油量的计算是指一定阶段（投资回收期）的投入产出平衡，而老井经济极限含水量及经济极限产油量的计算是指瞬时（一般取一年）的投入产出平衡。

吨液成本是原油开采过程中成本的一种表现形式。在研究老井的成本变化规律时，通过研究胜利油区40多个油田的成本，发现吨液成本

方开璞.已开发油田储量资产化新方法研究.1998.

与平均单井产液量有较好的关系（图1）。

其回归关系式为：

胜利油区勘探开发论文集

单井经济效益：

胜利油区勘探开发论文集

当经济效益为0时，得出经济极限含水量的计算公式：

胜利油区勘探开发论文集

将吨液成本与单井产液量的关系式代入可得

胜利油区勘探开发论文集

3.低效产量计算与预测