EN中文

Resources Science >

2025 , Vol. 47 >Issue 11: 2508 - 2522

DOI: https://doi.org/10.18402/resci.2025.11.14

Energy and Carbon Emissions

Impact of geopolitical risks on energy price volatility

  • QIN Yun , 1 ,
  • ZHANG Zitao , 2, 3
Expand
  • 1. School of Marxism, Central South University, Changsha 410083, China
  • 2. College of Physical Education, Hunan Normal University, Changsha 410017, China
  • 3. Business School, Central South University, Changsha 410083, China

Received date: 2024-08-23

  Revised date: 2025-10-13

  Online published: 2025-12-02

Fold

Abstract

[Objective] Geopolitical risks are considered extreme risks that can cause dramatic fluctuations in energy prices. This study aims to explore the impact of global geopolitical risks on energy price volatility (crude oil, natural gas, and heating oil), thereby providing theoretical support and policy references for maintaining energy price stability under the influence of geopolitical risks and safeguarding China’s energy security. [Methods] From a theoretical perspective, this study systematically explored the underlying mechanisms of energy price volatility by considering both energy returns and volatility. Based on this, the quantile-on-quantile approach and the causality-in-quantiles test were used to examine the asymmetric effects of geopolitical risks on energy returns and volatility across different risk levels and market conditions from June 28, 1990, to January 6, 2020. Moreover, the heterogeneous effects of different types of geopolitical risks （geopolitical threats and geopolitical acts) on energy returns and volatility were further explored. [Results] (1) In both high-risk and low-risk phases, geopolitical risks could cause extreme values in energy returns across different market environments. (2) In a bull market, lower geopolitical risks levels had a suppressive effect on energy volatility, while higher geopolitical risks levels amplified energy volatility, leading to extreme values within a specific range. (3) Geopolitical risks could predict energy returns and partial energy volatility under different market conditions. (4) The impact of different types of geopolitical risks on energy returns and volatility demonstrated significant differences, with geopolitical threats exerting a more pronounced impact. [Conclusion] Through empirical research, this study reveals the asymmetry and heterogeneity of the impacts of geopolitical risks on energy price volatility across different risk levels and market conditions. This provides a scientific basis for mitigating the adverse impacts of such risks, stabilizing energy market prices, and safeguarding China’s energy security.

Key words： geopolitical risks; energy price volatility; energy returns; energy volatility; quantile-on-quantile approach; causality-in-quantiles test

Cite this article

QIN Yun , ZHANG Zitao . Impact of geopolitical risks on energy price volatility[J]. Resources Science, 2025 , 47(11) : 2508 -2522 . DOI: 10.18402/resci.2025.11.14

1 引言

能源作为国家（地区）经济命脉中不可或缺的战略性资源，其重要性不仅体现在推动工业化、城市化以及科技进步的过程中，更深刻地影响着国家（地区）的政治、外交与安全格局。能源问题早已超越单纯的经济范畴，成为关系国家（地区）长远发展和全球权力格局演变的重要战略议题。在当今国际体系中，能源被广泛视作一种兼具经济属性与政治属性的“战略政治商品”，其供需关系和价格波动牵动着世界主要经济体的政策取向与国际关系的博弈方向[1-3]。根据国际能源署的统计数据，2021年全球能源总产量达到614318.52 PJ（1015焦耳），而最终能源消费量也高达422117.52 PJ[4]。从2010—2021年的数据来看，全球能源生产与消费均呈现稳步增长态势[5]。随着各国（地区）工业体系的升级和居民生活水平的提升，全球能源需求持续扩张，能源安全问题的复杂性也愈发凸显。
由于能源本身具有战略重要性、稀缺性、需求弹性小以及生产与消费空间分离等特征，各国（地区）围绕能源资源的竞争愈演愈烈，导致地缘政治摩擦频发，甚至引发地区冲突与战争[6,7]。回顾历史，三次石油危机的爆发以及伊拉克战争、俄乌冲突、巴以对抗等突发性地缘政治风险事件，直接或间接动摇了全球能源市场的稳定基础，引发了油价的剧烈波动[8,9]。学界普遍认为，地缘政治风险是由战争威胁、国际关系紧张及恐怖活动等因素引起的一类极端风险[10]，其对能源价格的影响主要体现在改变市场主体对未来能源供需的预期结构上[11]。当风险事件爆发时，能源生产国（地区）的供给能力骤降，而能源消费国（地区）的需求预期却难以在短期内调整，供需失衡导致价格大幅攀升，市场不确定性急剧增加。同时，能源不仅是一种基础生产要素，更是一类具有强烈金融属性的特殊商品[12]。当地缘政治风险突然加剧时，投资者往往难以及时判断市场走向，容易产生恐慌情绪[13,14]。出于避险动机，资本会迅速流向安全资产，从而引发能源市场资金外流与价格震荡，市场情绪的连锁反应严重影响能源价格收益，并引发市场异常波动[15]。因此，系统分析地缘政治风险对能源价格波动的作用机制，不仅有助于揭示能源市场运行的复杂性，也为企业优化投资决策、政府制定应对策略、国家（地区）构建风险防御体系提供了重要的理论依据与实践参考。
虽然地缘政治风险难以被精准度量，但仍有部分学者从不同角度和不同层面评估了地缘政治风险[16-18]。其中，Caldara等[19,20]提出了地缘政治风险指数的构建方法，并掀起了对地缘政治风险的研究热潮。基于该指数，学者探究了地缘政治风险对能源价格收益的影响，并且主要集中在对原油价格收益的分析上[21-23]。至于地缘政治风险与其他能源资源（如矿产资源、可再生能源等）价格收益的关系，部分学者也进行了相应研究[24,25]。为了更好地解析能源价格收益，一些学者进一步分析了地缘政治风险对能源收益率的影响。如Smales[26]指出地缘政治风险在原油价格的波动过程中扮演着关键性角色，并发现当地缘政治风险水平上升时，原油收益率呈现出正向变化。
众多学者也对地缘政治风险影响能源市场波动进行了研究与探讨，并且主要探究了原油市场的波动情况[27-29]。同时，一些专家基于煤炭[30,31]、新能源等[32]，解析了地缘政治风险对不同类别能源市场的影响。就能源市场整体而言，学者将原油、天然气和取暖油作为代表进行系统性分析。如Jin等[9]分析了地缘政治风险与原油、天然气和取暖油市场间的动态溢出，发现地缘政治冲突对能源市场具有直接影响。此外，为了深入探析地缘政治风险对能源市场波动的影响，部分学者就能源波动率展开研究[33]。如Ha等[34]采用分位数向量自回归（QVAR）模型，探究地缘政治风险与能源市场波动率的动态关系，发现这两者的动态关联度在短期内为29%，而长期下降至6%。
就研究方法而言，学者将普通最小二乘法（OLS）、向量自回归（VAR）模型、线性Granger因果关系检验等方法广泛应用于地缘政治风险影响能源价格波动的研究之中[35,36]。然而，仅依靠线性分析方法难以充分揭示地缘政治风险与能源价格波动之间存在的复杂非线性关系[15]。因此，一些研究者尝试将线性模型与非线性模型相结合，系统探讨二者之间的作用机制。如Chen等[37]基于分位数对分位数（QQ）模型和时变参数向量自回归（TVP-VAR）模型，对地缘政治风险影响能源市场的强度与特征进行了深入研究。同时，基于非线性模型框架，部分学者进一步考察了地缘政治风险在不同市场环境下对能源价格波动所产生的非对称效应[38-41]。如Chen等[42]结合动态条件相关与混合数据采样（DCC-MIDAS）模型及马尔可夫区制转移模型，分析了地缘政治风险对原油和清洁能源之间相关性的影响，特别是在不同的市场条件下。然而，这些研究仅划分了不同能源市场，并未对不同地缘政治风险水平进行区分，进而忽略了地缘政治风险在不同风险阶段对能源价格波动所产生的影响。
综合梳理现有研究成果可以看出，当前的研究仍存在一定的局限性。①现有文献多集中于探析原油市场与地缘政治风险之间的关联，而在能源期货交易中，除原油外，天然气与取暖油同样占据重要地位，但相关研究相对匮乏，难以全面反映能源市场的整体波动特征。②虽然已有研究已发觉地缘政治风险会深刻影响能源价格收益与市场波动，但多数文献仅针对其中单一维度展开分析，缺乏对能源收益率与波动率的同步考察。③目前研究较多采用非线性模型分析地缘政治风险在不同市场情境下对能源价格波动的非对称性影响，但对于风险水平差异的考量仍显不足。
鉴于此，本文从能源收益率与波动率两个维度出发，将风险水平和市场状态进行划分，采用分位数对分位数方法以及分位数因果关系检验法，构建地缘政治风险影响能源（原油、天然气、取暖油）价格波动的非线性分析框架，从而揭示其作用过程中的非对称性特征。并且，本文进一步考察不同类型风险即地缘政治威胁与地缘政治行动所带来的异质性影响。此研究对于缓解风险冲击的不利影响，稳定能源市场价格具有现实意义，并为提升中国能源安全韧性及风险抵御能力，进一步制定合理政策措施提供了参考依据。

2 理论分析

2.1 能源价格波动理论模型

能源价格波动的理论模型主要包括能源收益率模型与波动率模型。能源收益率体现了能源期货价格在一定时期内的变动幅度，是衡量市场价格变化的重要指标[43]。能源收益率的计算方式如下：
E R t = P t - P t - 1 P t - 1
式中： E R t表示第 t期能源收益率； P t和 P t - 1分别为第 t期和第 t - 1期的能源价格。
在能源市场研究中，通常采用对数收益率进行分析，令 p t = l n P t，则对数能源收益率可表示为：
          r t = l n ( 1 + E R t ) = l n P t P t - 1 = l n P t - l n P t - 1 = p t - p t - 1
由此可见，能源收益率属于能源价格的一阶矩，能够用于刻画能源价格收益的变化情况。实际数据表明，能源收益率往往呈现出非正态特征，表现出一定的非对称性。
能源波动率反映了能源市场在特定时期内的波动强度，是衡量市场不确定性的重要指标。根据Barndorff-Nielsen等[44]的研究，将公式（3）代入，能源波动率的计算式如下：
E V = ∑ t = 1 n [ l n P t - l n P t - 1 ] 2
式中： E V表示能源波动率，由收益率平方项的累积求和得到。通过该模型可知，能源波动率代表能源价格的二阶矩，用于分析市场波动的幅度与强度。与能源收益率类似，能源波动率在统计特征上也体现出明显的非对称性。
综上所述，能源收益率和波动率相互补充，从不同维度刻画了能源价格波动的整体特征。值得注意的是，地缘政治风险是造成能源价格波动的主要原因之一，探究地缘政治风险对能源价格波动的影响机制，对进一步揭示能源价格波动的运行规律具有重要意义。

2.2 地缘政治风险影响能源价格波动的理论分析

地缘政治风险通过供应链中断、基础设施破坏、投资者非理性行为等影响能源价格波动，如图1所示。从供应链的角度来看，地缘政治冲突对能源供给产生了直接干扰[17]。能源供应国（地区）主要集中在中东、里海、东欧以及非洲地区，而能源需求国（地区）主要位于北美、亚太和欧洲地区，能源的供给与需求在空间上显著分离。由此可见，能源出口国（地区）逐渐成为中国、美国、欧盟等主要国家（地区）战略竞争的核心区域，也是地缘政治摩擦频发的敏感地带。这些地区一旦爆发地缘政治冲突，往往会对全球能源供给体系造成直接冲击[18]，引发能源供应链断裂，能源进口国（地区）面临供应短缺风险，出现供应危机，进而推动能源价格持续攀升，导致能源市场出现剧烈波动。
图1 地缘政治风险影响能源价格波动的理论框架

Figure 1 Theoretical framework of impact of geopolitical risks on energy price volatility

在基础设施方面，地缘政治风险的爆发会对与能源相关的基础设施产生摧毁性打击。特别是在能源丰富地区，地缘政治冲突事件的爆发会导致能源生产设施遭受严重破坏，进一步增加能源企业的风险与成本，影响整个能源产业的正常运行，致使能源产量减少甚至停滞，进而造成能源价格的异常变化，并引起能源市场的波动。此外，油气管道是能源运输的重要基础设施，深受地缘政治风险的影响。地缘政治冲突事件的爆发很可能会破坏油气管道等运输设施，影响能源运输安全，阻碍运输的顺利进行。能源运输过程中的潜在安全隐患加剧了供给风险，从而对能源市场的稳定性造成了巨大冲击。
对于投资者而言，地缘政治风险的出现会削弱其对未来能源市场的信心，从而改变原有的投资预期与行为模式，进而影响能源价格的波动走势[45,46]。当地缘政治事件爆发时，国际局势趋于紧张，投资者在恐慌情绪的驱使下形成消极预期，风险厌恶情绪显著上升，往往采取缩减甚至中断能源市场投资的非理性操作，导致价格波动加剧[47]。此外，由于对地缘政治不确定性的恐惧，部分投资者会盲目模仿他人决策，从而引发典型的“羊群效应”。然而，这种基于经验与情绪判断的主观决策往往偏离理性选择，表现为抛售能源资产或减少市场投资，进一步扩大了能源市场的波动性与不稳定性。
此外，地缘政治风险可以被分为地缘政治行动和地缘政治威胁两种不同类别[10]。地缘政治行动主要指的是战争发起、战争升级、恐怖行动等；地缘政治威胁主要与战争威胁、核威胁、军事威胁、恐怖主义威胁相关[19,20]。不同类别地缘政治风险之间存在显著差异，对能源价格波动的影响各不相同[48]。

3 研究方法和数据来源

3.1 研究方法

3.1.1 分位数对分位数方法

分位数对分位数方法能够有效揭示因变量在不同分布区间下的非对称响应特征，对数据中存在的非正态分布与极端值具有较强的稳健性，能够更全面地反映变量之间在不同状态下的关系[49]。根据Sim等[50]的研究，首先将能源收益率及波动率 r t的分位数视为地缘政治风险 G P R t - 1函数，并采用非参数分位数回归方法对这一关系进行建模分析，具体如下：
r t = β θ ( G P R t - 1 ) + α θ r t - 1 + ε t θ
式中： r t为时间 t内的能源收益率或波动率；在第 t - 1期的实证分析中， θ表示分位数； β θ （ ∙ ）描述地缘政治风险的非对称性影响； G P R t - 1表示地缘政治风险； α θ衡量上一期收益 r t - 1在 θ分位数上对当前收益的动态传导效应； ε t θ为剩余项，服从以 θ为分位水平的条件分布。由于缺乏先验信息， β θ （ ∙ ）被假设为未知函数。
本文进一步将 G P R τ的一阶滞后项展开，并以扩展形式表示其对应的函数项 β θ （ ∙ ），进而体现地缘政治风险随分位数变化而产生的非对称影响。此外， τ用以表征地缘政治风险处的分位数，反映风险水平对能源市场反应强度的差异。
β θ （ G P R t - 1 ) = β θ ( G P R τ ) + β θ ( G P R t - 1 - G P R τ ) = b 0 ( θ ,   τ ) + b 1 ' ( θ ,   τ ) ∙ ( G P R t - 1 - G P R τ )
在传统分位数回归模型中，其回归参数仅用 θ表征，能被通过带有 τ的平均QQ参数生成，可用于稳健性检验。
在采用非参数方法进行估计时，带宽参数的设定起着核心作用，它可以简化目标点与四分之一背景范围的大小，其取值会对估计结果的变化速度产生显著影响[51]。根据Sim等[50]以及熊鸿军等[52]的研究，使用带宽参数 h = 0.05。
参考Dogan等[53]的研究思路，本文在模型设定中选取19个分位点，即 θ=（0.05, 0.15, …, 0.95）和 τ=（0.05, 0.15, …, 0.95），以刻画能源市场在不同风险水平和市场状态下的表现特征。其中，低分位点（0.05~0.35）被视为熊市阶段，对应较低风险情形；中分位点（0.40~0.60）代表市场处于相对正常状态，反映中等风险水平；高分位点（0.65~0.95）则用于表征牛市情境及较高风险程度。

3.1.2 分位数因果关系检验法

作为超越QQ估计的连续分析，分位数因果关系检验法能够揭示变量之间潜在的非线性关系及非对称性因果关系，进而检验了市场的预测能力[54]。因此，本文进一步使用分位数因果关系检验方法分析地缘政治风险对不同能源市场的预测作用。定义如下：对于 y t - 1 , .   . . ,   y t - p ,   x t - 1 n ,   . . . ,   x t - p n的滞后向量， x t n使分位点的 y t产生，若：
Q θ ( y t | y t - 1 ,   . . . ,   y t - p ,   x t - 1 n ,   . . . ,   x t - p n ) ≠ Q θ ( y t | y t - 1 ,   . . . ,   y t - p )
式中： Q θ ( y t | )表示 y t的第 θ分位点，并取决于 t和 0 < θ < 1。进一步定义向量 Y t - 1 = ( y t - 1 ,   . . . ,   y t - p )， X t - 1 n = ( x n - 1 ,   . . . ,   x n - p )， Z = ( X t n ,   Y t )，并且 y t的条件分布函数 F y t | Z t - 1 ( y t | Z t - 1 )和 F y t | Y t - 1 ( y t | Y t - 1 )由向量 Z t - 1和 Y t - 1分别得出，假设如下：
H 0 = P F y t | Z t - 1 Q θ ( Y t - 1 ) | Z t - 1 = θ = 1
H 1 = P F y t | Z t - 1 Q θ ( Y t - 1 ) | Z t - 1 = θ < 1

3.2 数据来源

随着能源金融化程度的不断提升，期货市场在能源定价体系中的地位愈发突出，其合约交易量已远超实体商品的实际交易量。因此，本文所研究的能源价格特指能源期货价格（单位：美元）。在全球期货市场中，交易最为活跃的能源品种包括原油、取暖油与天然气[9]。从国际视角出发，本文选取这3类能源期货作为研究对象。借鉴Reboredo等[55]的研究思路，本文以纽约商品交易所（NYMEX）的期货价格为基础，对取暖油（Heating Oil）、天然气（Natural Gas）以及原油（Crude Oil）3类能源品种的收益率进行计算，其中取暖油收益率（HOR）与天然气收益率（NGR）由其期货价格对数值的一阶差分获得，而原油收益率（COR）则依据西德克萨斯中质原油（WTI）期货价格的对数一阶差分得出。相关的能源期货数据均来自WIND数据库（https://www.wind.com.cn）。与此同时，原油波动率（COV）、取暖油波动率（HOV）以及天然气波动率（NGV）被定义为每日收益率平方项的累积值，以此反映能源市场的波动程度。至于地缘政治风险（GPR），本文采用Caldara等[10,19,20]提出的地缘政治风险指数的对数值作为衡量指标，该指数基于11份主要国际报刊电子版资料的自动文本分析构建，其内容覆盖了多类地缘政治相关主题，能够较为全面地捕捉全球政治事件对能源市场潜在的不确定性影响。进一步将地缘政治风险划分为两大类别，即地缘政治威胁（GPT）和地缘政治行动（GPA），其中地缘政治威胁、恐怖威胁、核武器威胁与战争威胁归为GPT，战争行动与恐怖行动则属于GPA。地缘政治风险指数的数据取自Caldara等[10]所提供的官方网站（https://www.matteoiacoviello.com/gpr.htm）。
本文选取的样本期为1990年6月28日—2020年1月6日，该时段发生的地缘政治风险重大事件包括1999年的海湾战争、2003年的伊拉克战争和2014年的乌克兰危机等。这些地缘政治风险事件基本发生在能源丰富的中东、东欧等地区，涉及各国（地区）对能源的激烈争夺。每一次风险事件的发生都引起了能源价格的震荡，并导致了能源市场的剧烈波动。因此，本文选择该时段来分析地缘政治风险是如何影响能源价格波动的。
为了避免模型中出现伪回归现象，本文对所有研究变量进行了单位根检验，所采用的方法包括ADF（Augmented Dickey-Fuller）检验与PP（Phillips-Perron）检验。根据表1的检验结果，在1%的显著性水平下，原油、取暖油与天然气的收益率，以及它们各自的波动率均表现出平稳特性，同时，地缘政治风险、地缘政治威胁与地缘政治行动也满足平稳性要求，说明所选数据序列不存在非平稳问题。基于此，本文直接选取这些变量的原始序列作为研究样本进行建模与检验。
表1 单位根检验结果

Table 1 Results of unit root test

变量 ADF检验 变量 PP检验
t值 P值 t值 P值
COR -63.8001 0.0000 COR -87.95709 0.0001
NGR -88.7938 0.0001 NGR -88.99792 0.0001
HOR -59.4365 0.0000 HOR -125.6284 0.0001
COV -23.6027 0.0000 COV -94.9080 0.0001
NGV -11.4360 0.0000 NGV -93.6970 0.0001
HOV -17.5848 0.0000 HOV -98.4897 0.0001
GPR -9.1013 0.0000 GPR -103.4029 0.0001
GPT -11.8301 0.0000 GPT -106.7697 0.0001
GPA -14.6586 0.0000 GPA -109.2388 0.0001

注：所有变量的检验方程包括截距项和趋势项；检验结论都为平稳。

4 结果与分析

4.1 地缘政治风险对能源价格波动影响的非对称性

4.1.1 地缘政治风险对能源收益率的非对称性影响

（1）对能源收益率非对称性影响的QQ分析结果
低和高分位点的地缘政治风险对能源（原油、天然气、取暖油）收益率具有较大影响，特别是在牛市和熊市，甚至出现极大或极小值，表明不同分位点的影响存在差异，具有非对称性特征（图2）。首先，当地缘政治风险位于较低分位点（0.05）时，原油收益率的低分位也表现出显著的正向作用，说明在风险较低的情形下，熊市环境中原油价格存在一定的上升潜力。当地缘政治风险处于高分位点（0.95）时，其对原油收益率各个分位点的影响普遍为正，尤其是在收益率的低分位点（0.10~0.25）与高分位点（0.70~0.95）区间表现最为突出，并在低分位点附近达到峰值。这一结果揭示出，在高风险情境下，地缘政治事件会显著推高原油收益率，并使其在不同市场阶段中产生更强烈的波动反应。相较之下，当风险处于中等水平时，地缘政治风险对原油收益率的影响接近于零，表明中等水平的地缘政治风险不会引起正常市场的原油价格收益的变化。
图2 地缘政治风险影响能源收益率的分位数对分位数估计结果

Figure 2 Quantile-on-quantile estimation results of impact of geopolitical risks on energy returns

其次，地缘政治风险处于低分位点（0.05~0.15）时，对天然气收益率低分位点（0.05~0.10）的影响较大，并且在该区域出现极大值，这表明在风险较低的条件下，熊市期间天然气价格收益会出现明显增长。当风险水平升至高分位点（0.80~0.95）时，其对天然气收益率低分位点（0.05~0.10）的正向影响依旧突出，说明较高的风险同样会刺激熊市中天然气收益率的上升。然而，当风险处于低分位点（0.05~0.10）时，其对天然气收益率高分位点（0.90~0.95）的作用则转为负向，下降趋势明显，并在该区间出现极小值，意味着在低风险环境下，牛市阶段的天然气收益率将出现明显下滑，且下降幅度较为显著。除上述区间外，其余分位点上的影响结果接近零。
最后，地缘政治风险低分位点（0.10）对取暖油收益率的低分位点（0.05~0.40）具有较强的正向作用，说明低水平风险在熊市时期会推动取暖油价格收益上升。地缘政治风险处于较低分位点（0.05~0.10）时，对取暖油收益率的高分位点（0.80~0.95）也表现出显著正向影响，表明当风险较低时，牛市阶段取暖油价格收益会快速增长。相反，当地缘政治风险处于高分位点（0.90~0.95）时，对取暖油收益率的低分位点（0.05~0.10）表现出负向影响，说明高风险情境下熊市阶段的取暖油价格收益会下降。在高分位点（0.90~0.95）内，地缘政治风险对取暖油收益率的高分位水平（0.80~0.95）表现出明显的正向影响，并在这一范围达到最大值，这表明当地缘政治风险处于较高水平时，牛市阶段的取暖油收益率将显著提升，且上升幅度较为突出。在其余分位点上，地缘政治风险的作用相对微弱。
（2）对能源收益率非对称性影响的分位数因果关系检验结果
地缘政治风险对能源收益率具有预测作用（图3）。①除在0.95分位点未拒绝零假设外，原油收益率的其余分位点均表现出显著的统计意义，说明无论市场处于何种状态，地缘政治风险都具备较强的预测能力，能够反映原油收益率的波动趋势。与此同时，曲线的走势起伏较大，显示出两者关系具有明显的非线性与不对称性。②除了最低（0.05）与最高（0.95）两个分位点外，天然气收益率的其余分位点均拒绝了零假设，这表明除极端市场情境外，地缘政治风险在天然气收益率收益中发挥着较为稳定的预测作用。从整体趋势上看，曲线呈现出倒U型分布形态，说明二者之间存在明显的非对称性因果关系。③在小于0.20的低分位区域以及（0.70~0.85）高分位区域内，地缘政治风险与取暖油收益率的格兰杰因果关系显著，而其他分位点未通过显著性检验，这表明地缘政治风险在熊市与牛市阶段具有显著的预测能力。此外，图形在低分位与高分位点均出现尖峰，验证了二者关系的非对称性。分位数因果关系检验的分析结果从另一个角度印证了基于QQ方法所得出的研究结论。
图3 地缘政治风险对能源收益率的分位数因果关系检验

注：图中黑色水平实线表示5%临界值，若曲线大于临界值，变量间则存在显著的分位数因果关系，反之则不存在。

Figure 3 Causality-in-quantiles test of geopolitical risks on energy returns<br

4.1.2 地缘政治风险对能源波动率的非对称性影响

（1）对能源波动率非对称性影响的QQ分析结果
在牛市中，低分位点的地缘政治风险负向影响能源（原油、天然气、取暖油）波动率，高分位点的地缘政治风险对能源波动率则产生正向影响，且这些区域内出现了极大或极小值，各分位点的影响差异较大，存在非对称性（图4）。首先，当地缘政治风险处于低分位点（0.05~0.20）时，对原油波动率的高分位点（0.90~0.95）具有负向作用，并在该范围内出现极小值，说明在风险水平较低的情况下，牛市阶段原油市场的波动幅度反而会减弱，且下降趋势明显。当地缘政治风险位于高分位点（0.80~0.95）时，对同区间原油波动率的影响转为正向，并在该区域达到极大值，表明高风险水平会推动牛市阶段的原油市场波动急剧上升，表现出明显的陡增特征。此外，地缘政治风险对中等及低分位的原油波动率的影响较弱，可基本忽略。
图4 地缘政治风险影响能源波动率的分位数对分位数估计结果

Figure 4 Quantile-on-quantile estimation results of impact of geopolitical risks on energy volatility

其次，不同分位风险对高分位天然气波动率的作用显著，而在其他分位点中，这种影响较为微弱。当地缘政治风险处于低分位点（0.05~0.20）时，对天然气波动率的高分位点（0.85~0.95）表现出负向作用，并在该区间出现极小值。当地缘政治风险位于（0.20~0.25）区间时，则对同一高分位点（0.85~0.95）的天然气波动率产生显著的正向影响，并在该范围内形成极大值。这说明在牛市情境下，低水平地缘政治风险会引发天然气波动率较大幅度的变化。
最后，当地缘政治风险位于较低分位点（0.05~0.10）时，其对取暖油波动率的高分位点（0.90~0.95）产生明显的负向影响，并在该区间形成极小值，表明在低风险水平下，牛市阶段的取暖油市场波动会出现明显下降，且下滑幅度较大。当地缘政治风险处在较高分位水平（0.90~0.95）时，其对取暖油波动率的高分位点（0.80~0.95）产生了显著的正向效应，并在邻近区间达到最大值。这一结果意味着，在地缘政治紧张程度较高的时期，取暖油市场在牛市阶段的价格波动会被明显放大。随着分位点的不断变化，地缘政治风险对高分位区域波动率的影响呈现出起伏交替走势，反映出两者关系中存在显著的非对称结构，而在其他分位点内，这种影响较弱，几乎可以忽略。
（2）对能源波动率非对称性影响的分位数因果关系检验结果
地缘政治风险对原油和取暖油波动率均具有预测作用（图5）。①在较高分位水平下，地缘政治风险与原油波动率之间呈现出显著的格兰杰因果关系，而在中低分位范围内，这种因果关系并未体现出统计显著性。结果说明地缘政治风险在牛市阶段对原油波动率具有预测作用，但在平稳或下行市场中则预测能力有限。此外，曲线在高分位点出现明显尖峰，反映出两者关系的非线性与非对称特征。②地缘政治风险在各个分位点上与天然气波动率之间的格兰杰因果关系均不显著，这意味着地缘政治风险缺乏对不同市场阶段天然气波动率的有效预测能力。③在分位点（0.15~0.90）内，地缘政治风险与取暖油波动率格兰杰因果关系的零假设被拒绝，并且曲线呈现出倒U型走势，这表明在多数市场状态下，地缘政治风险对取暖油市场波动具有显著预测作用，且二者的关系同时具有非线性与非对称性特征。
图5 地缘政治风险对能源波动率的分位数因果关系检验

Figure 5 Causality-in-quantiles test of geopolitical risks on energy volatility

4.2 不同类别地缘政治风险对能源价格波动影响的异质性

4.2.1 不同类别地缘政治风险对能源收益率的异质性影响

（1）对能源收益率异质性影响的分位数对分位数分析结果
不同分位点的地缘政治威胁和高分位点的地缘政治行动对能源收益率的影响呈现出上下波动特征，而低分位点的地缘政治行动影响较弱（图6）。①在极端风险分位点下，地缘政治威胁对原油收益率的影响程度较深；而中等及偏高分位点的地缘政治行动对原油收益率的影响波动明显，并在中等分位点内出现极端值。②地缘政治威胁的影响持续波动，并在低分位点处对低分位点天然气收益率的影响由负向快速转为正向，形成峰值；而地缘政治行动的影响在高分位点最为突出，对收益率具有正向影响效应。③地缘政治威胁在不同分位点对取暖油收益率的作用呈现出上下波动的变化模式，且波动幅度较大；而在中高分位点，地缘政治行动对不同分位点的取暖油收益率的影响具有不稳定性。通过对比发现，不同风险阶段的地缘政治威胁以及中高风险阶段的地缘政治行动都会对能源收益率造成显著影响，且地缘政治威胁与行动的影响存在异质性，其中地缘政治威胁的影响力度更为突出。
图6 地缘政治威胁与行动影响能源收益率的分位数对分位数估计结果

Figure 6 Quantile-on-quantile estimation results of impact of geopolitical threats and acts on energy returns

（2）对能源收益率异质性影响的分位数因果关系检验结果
地缘政治威胁和行动对多数分位点的能源收益率的格兰杰因果关系结果显著，证明这两者均具有预测能力（图7）。①地缘政治威胁与除0.95分位点以外的原油收益率的分位数因果关系是显著的，这也证明地缘政治威胁对所有市场条件下的原油收益率都具有预测作用。从地缘政治行动的影响结果来看，地缘政治行动在原油收益率的低分位与高分位点具有明显的分位数因果关系效应，表明其在熊市和牛市阶段更具预测能力。②除了部分极低或极高分位点外，天然气收益率的格兰杰因果关系零假设均被拒绝，说明无论市场处于何种状态，地缘政治威胁都具有一定的预测能力。至于地缘政治行动，其在部分中高分位点的因果关系结果不显著，说明其预测能力主要集中于市场处于熊市与牛市阶段时。③地缘政治威胁与地缘政治行动在部分高分位与低分位点拒绝了取暖油收益率格兰杰因果关系的零假设，表明两类风险因素均能够预测取暖油收益率在熊市与牛市中的变化。此外，所有曲线都随分位点的变化呈现出明显的波动趋势，整体特征体现出非对称性与非线性。
图7 地缘政治威胁与行动对能源收益率的分位数因果关系检验

Figure 7 Causality-in-quantiles test of geopolitical threats and acts on energy returns

4.2.2 不同类别地缘政治风险对能源波动率的异质性影响

（1）对能源波动率异质性影响的分位数对分位数分析结果
地缘政治威胁以及高分位点的地缘政治行动对高分位点能源波动率的影响呈现出上下交替的波动趋势，其中地缘政治威胁的作用更为强烈（图8）。①不同分位点的地缘政治威胁会导致高分位点的原油波动率剧烈震荡，并在地缘政治威胁的低分位点出现从极高峰值向极低峰值反转的陡降趋势；而高分位点地缘政治行动对高分位点原油波动率的影响波动剧烈，并出现从低峰值到高峰值的陡增态势。②当地缘政治威胁处于低分位点时，其对高分位点的天然气波动率产生负向影响，但随着地缘政治威胁分位点的上升，其影响逐渐转为正向；而在地缘政治行动分位点较高的情况下，高分位点的波动率会由极小值攀升至极大值，呈现出明显的陡增特征。③高分位点的地缘政治威胁负向影响低分位点的取暖油波动率，存在极小值，并正向影响高分位点的波动率；而地缘政治行动则在高分位点引发波动率迅速上升，出现极大值。由此可见，地缘政治威胁与行动的影响具有显著的异质性，且主要集中于牛市阶段。
图8 地缘政治威胁与行动影响能源波动率的分位数对分位数估计结果

Figure 8 Quantile-on-quantile estimation results of impact of geopolitical threats and acts on energy volatility

（2）对能源波动率异质性影响的分位数因果关系检验结果
地缘政治威胁与行动对能源波动率的预测作用主要体现在取暖油波动率上（图9）。①对于原油波动率而言，地缘政治威胁与地缘政治行动的格兰杰因果关系零假设均未被拒绝，这说明二者对原油波动率不具备显著的预测作用。②在天然气波动率的结果中，地缘政治威胁与行动在所有分位点上同样未拒绝零假设，表明在任何市场环境下，这二者对天然气波动率均无预测能力。③在取暖油波动率方面，除部分极低或极高分位点外，地缘政治威胁的分位数因果关系均达到显著水平；而地缘政治行动除了部分极低分位点外，对其他分位点的因果关系均显著。结果表明地缘政治威胁与行动均能对不同市场状态下的取暖油波动率进行预测。同时，所有曲线均呈现倒U型走势，揭示出地缘政治风险与能源波动率之间存在明显的非线性与非对称特征。
图9 地缘政治威胁与行动对能源波动率的分位数因果关系检验

Figure 9 Causality-in-quantiles test of geopolitical threats and acts on energy volatility

4.3 稳健性检验

为了验证模型的稳健性，进一步在斜率参数方面对QQ方法和传统分位数回归（QR）方法进行比较。检验结果表明，QQ与QR方法在不同分位点上的参数估计值几乎重合，二者的变化趋势保持一致，说明模型具有较高的可靠性 ① 。

5 结论与政策建议

5.1 结论

本文梳理了地缘政治风险影响能源价格波动的理论框架，并基于1990年6月28日—2020年1月6日的日度数据，分析了全球地缘政治风险影响能源收益率及波动率的非对称性，以及不同类别地缘政治风险影响的异质性。主要结论如下：
（1）地缘政治风险对能源收益率非对称性影响的结果表明，地缘政治风险在高低分位点均具有显著影响，特别是极高或极低风险水平下。其中，在牛市阶段，天然气收益率出现极小值，而取暖油收益率出现极大值；在熊市阶段，原油收益率存在极大或极小值，天然气收益率存在极大值，且取暖油收益率出现极小值。结果表明高风险会导致投资者恐慌情绪上升，而低风险往往被忽视，都引发了能源价格收益的剧烈波动。
（2）地缘政治风险对能源波动率非对称性影响的结果发现，在牛市条件下，低分位点的地缘政治风险对原油、天然气和取暖油波动率具有负向影响，而高分位点的地缘政治风险则会正向影响原油和取暖油波动率，并在部分分位点处出现极端值，说明极端风险环境下，能源市场波动更为剧烈。
（3）对比不同能源种类的结果可知，地缘政治风险对取暖油价格波动的影响最为显著，其次为天然气，原油受影响相对较小。
（4）地缘政治风险与能源（原油、天然气、取暖油）收益率及部分波动率在多个分位水平上均存在显著的格兰杰因果关系，这表明地缘政治风险在不同市场阶段对能源价格波动具有一定的前瞻性和预测力。
（5）进一步对比地缘政治威胁与行动的异质性发现，两类地缘政治风险在不同分位点上对原油、天然气和取暖油收益率及波动率的作用并不稳定，整体呈现出正负交替的波动模式。其中，地缘政治威胁在各风险水平下的作用更为显著，而地缘政治行动在低风险阶段的影响有限，因为此时战争或冲突尚未完全爆发，对市场价格的冲击相对较弱。总体来看，地缘政治威胁对能源价格波动的影响更为深远。

5.2 政策建议

中国在国际能源市场中缺乏定价权，能源价格高度依赖国际市场。因此，要维护中国能源安全，必须从源头上减少地缘政治风险的不利影响，稳定国际能源价格体系。基于此，本文提出以下政策建议：
（1）政府部门提前构建风险预警体系。我国政府部门需要加强对全球地缘政治风险指数的动态监测，深入分析其变化规律与潜在传导机制，构建系统化、信息化的风险预警平台，全面评估地缘政治风险对国际能源价格的影响路径与波动趋势，从而实现对能源市场风险的前瞻性防控。
（2）基于非对称性影响采取不同应对措施。当地缘政治风险处于极高或极低水平时，能源价格收益往往出现剧烈波动，尤其在熊市与牛市阶段。中国需重点监测地缘政治风险在高低水平下的动态变化，密切关注其对熊市和牛市能源价格收益的影响机制，建立分层次、分情境的风险应对机制。
（3）针对风险与能源不同类别采取差异化策略。在面对地缘政治威胁时，中国相关部门应强化对风险指数的持续监测与动态评估，提前识别潜在冲突迹象，完善预警机制。在应对地缘政治行动时，政府部门需提前采取措施，避免战争波及中国，并预先进入战备状态。此外，地缘政治风险对取暖油价格波动的影响程度最深，中国需更多关注取暖油市场，但也不能忽略天然气和原油市场。
（4）基于中国具体国情采取有针对性的应对措施。中国作为全球第二大能源生产国与消费国，是国际能源市场不可或缺的重要组成部分。然而，能源资源禀赋“富煤、贫油、少气”的特征，使得中国能源的对外依存度长期居于高位。因此，在全球地缘政治风险加剧的背景下，中国需进一步维护能源丰富地区的局势稳定，推动能源出口国、消费国之间的交流与合作，完善国际能源市场监测和应急机制，避免地缘政治风险干扰全球能源供应，进而维护能源价格的稳定，并保障中国的能源安全。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张晓晶, 曲永义, 林桂军, 等. 中国统筹发展和安全的战略选择[J]. 国际经济评论, 2023, (4): 9-43, 4.

[Zhang X J, Qu Y Y, Lin G J, et al. China’s strategic choice for coordinating development and security[J]. International Economic Review, 2023, (4): 9-43, 4.]

[2]
Slakaityte V, Surwillo I, Berling T V. A new cooperation agenda for European energy security[J]. Nature Energy, 2023, 8: 1051-1053.

DOI

[3]
杨宇, 郭越, 樊杰, 等. 能源地理研究的发展与展望[J]. 地理学报, 2024, 79(1): 147-170.

DOI

[Yang Y, Guo Y, Fan J, et al. The development and prospects of the study of energy geographies[J]. Acta Geographica Sinica, 2024, 79(1): 147-170.]

DOI

[4]
International Energy Agency. World Energy Balances 2023[EB/OL]. (2024-07-25) [2025-07-30]. https://www.iea.org/data-and-statistics/data-product/world-energy-balances.

[5]
British Petroleum BP. Statistical Review of World Energy 2022[EB/OL]. (2022-06-20) [2025-07-30]. https://www.bp.com/en/global/corporate/energy-economics.html.

[6]
徐妍, 宋怡瑾, 沈悦. 地缘政治风险对世界各国低碳转型的影响[J]. 资源科学, 2023, 45(7): 1297-1309.

DOI

[Xu Y, Song Y J, Shen Y. Impact of geopolitical risks on low-carbon transition in various countries[J]. Resources Science, 2023, 45(7): 1297-1309.]

DOI

[7]
马天宇, 赵鹏军, 张梦竹. 地缘政治风险对中国战略性矿产资源供应安全影响的研究进展与展望[J]. 资源科学, 2024, 46(11): 2108-2123.

DOI

[Ma T Y, Zhao P J, Zhang M Z. A review of research on geopolitical risks and security of China’s critical mineral supply[J]. Resources Science, 2024, 46(11): 2108-2123.]

[8]
杨宇, 何则. 中国海外油气依存的现状、地缘风险与应对策略[J]. 资源科学, 2020, 42(8): 1614-1629.

DOI

[Yang Y, He Z. China’s overseas oil and gas dependence: Situation, geographical risks, and countermeasures[J]. Resources Science, 2020, 42(8): 1614-1629.]

DOI

[9]
Jin Y, Zhao H, Bu L, et al. Geopolitical risk, climate risk and energy markets: A dynamic spillover analysis[J]. International Review of Financial Analysis, 2023, DOI: 10.1016/j.irfa.2023.102597.

[10]
Caldara D, Iacoviello M. Measuring geopolitical risk[J]. American Economic Review, 2022, 112(4): 1194-1225.

DOI

[11]
马嫣然, 吴菲, 张大永, 等. 谁是驱动中国原油期货价格波动的关键信息?[J]. 管理科学学报, 2024, 27(1): 113-125.

[Ma Y R, Wu F, Zhang D Y, et al. What is the key factor driving price volatility of China’s crude oil futures?[J]. Journal of Management Sciences in China, 2024, 27(1): 113-125.]

[12]
龚旭, 姬强, 林伯强. 能源金融研究回顾与前沿方向探索[J]. 系统工程理论与实践, 2021, 41(12): 3349-3365.

DOI

[Gong X, Ji Q, Lin B Q. Literature review and frontier direction exploration of energy finance[J]. Systems Engineering-Theory & Practice, 2021, 41(12): 3349-3365.]

[13]
Bossman A, Gubareva M, Teplova T. EU sectoral stocks amid geopolitical risk, market sentiment, and crude oil implied volatility: An asymmetric analysis of the Russia-Ukraine tensions[J]. Resources Policy, 2023, DOI: 10.1016/j.resourpol.2023.103515.

[14]
张亿军, 白文博, 宋益, 等. 地缘政治风险对锂资源贸易网络韧性的影响: 基于复杂网络和面板回归分析[J]. 资源科学, 2025, 47(7): 1517-1532.

DOI

[Zhang Y J, Bai W B, Song Y, et al. Impact of geopolitical risks on resilience of lithium resource trade network: Based on complex network and panel regression analysis[J]. Resources Science, 2025, 47(7): 1517-1532.]

DOI

[15]
杨坤, 魏宇, 李守伟, 等. 地缘政治风险是中国原油期货市场的驱动因素吗? 基于小波多分辨的非参数分位数因果检验方法[J]. 中国管理科学, 2023, 31(2): 51-62.

[Yang K, Wei Y, Li S W, et al. Does geopolitical risk drive China’s crude oil futures market? A wavelet-based nonparametric causality-in-quantiles test[J]. Chinese Journal of Management Science, 2023, 31(2): 51-62.]

[16]
Munoz B, Garcia-verdugo J, San-martin E. Quantifying the geopolitical dimension of energy risks: A tool for energy modelling and planning[J]. Energy, 2015, 82: 479-500.

DOI

[17]
熊琛然, 王礼茂, 屈秋实, 等. 地缘政治风险研究进展与展望[J]. 地理科学进展, 2020, 39(4): 695-706.

DOI

[Xiong C R, Wang L M, Qu Q S, et al. Progress and prospect of geopolitical risk research[J]. Progress in Geography, 2020, 39(4): 695-706.]

DOI

[18]
Santillan-Saldivar J, Cimprich A, Shaikh N, et al. How recycling mitigates supply risks of critical raw materials? Extension of the geopolitical supply risk methodology applied to information and communication technologies in the European Union[J]. Resources, Conservation & Recycling, 2021, DOI: 10.1016/j.resconrec.2020.105108.

[19]
Caldara D, Iacoviello M. Measuring Geopolitical Risk[R]. Washington, DC: Board of Governors of the Federal Reserve System, 2016.

[20]
Caldara D, Iacoviello M. Measuring Geopolitical Risk[R]. FRB International Finance Discussion Paper, 2018, DOI: 10.1257/aer.20191823.

[21]
严复雷, 张语桐, 崔钟月, 等. 基于非参多元Expectile模型的原油价格风险测度研究: 宏观不确定性视角[J]. 中国管理科学, 2022, 30(12): 222-233.

[Yan F L, Zhang Y T, Cui Z Y, et al. Macro uncertainty and crude oil price risk based on nonparametric multiple expectile[J]. Chinese Journal of Management Science, 2022, 30(12): 222-233.]

[22]
刘畅, 申怡然, 孙晓蕾, 等. 融合多源混频不确定性信息的油价波动驱动因素研究[J]. 系统管理学报, 2025, 34(2): 296-311.

[Liu C, Shen Y R, Sun X L, et al. Investigating the drivers of oil price volatility by integrating multi-source, mixed-frequency uncertainty information[J]. Journal of Systems & Management, 2025, 34(2): 296-311.]

[23]
Mignon V, Saadaoui J. How do political tensions and geopolitical risks impact oil prices?[J]. Energy Economics, 2024, DOI: 10.1016/j.eneco.2023.107219.

[24]
Chen S, Zhang Z Y, Cao Y. Can precious metals hedge geopolitical risk? Fresh sight using wavelet coherence analysis[J]. Resources Policy, 2022, DOI: 10.1016/j.resourpol.2022.102972.

[25]
Zhao D, E-Ali M S, Chaudhry M O, et al. Modeling the nexus between geopolitical risk, oil price volatility and renewable energy investment: Evidence from Chinese listed firms[J]. Renewable Energy, 2024, DOI: 10.1016/j.renene.2024.120309.

[26]
Smales L A. Geopolitical risk and volatility spillovers in oil and stock markets[J]. The Quarterly Review of Economics and Finance, 2021, 80: 358-366.

DOI

[27]
冯钰瑶, 刘畅, 孙晓蕾. 不确定性与原油市场的交互影响测度: 基于综合集成的多尺度方法论[J]. 管理评论, 2020, 32(7): 29-40.

[Feng Y Y, Liu C, Sun X L. Measuring the interaction between uncertainty and crude oil market: A multiscale methodology based on synthetic integration[J]. Management Review, 2020, 32(7): 29-40.]

[28]
杨坤, 魏宇, 李守伟, 等. 地缘政治风险与中国原油市场波动预测研究[J]. 管理评论, 2023, 35(1): 16-31.

[Yang K, Wei Y, Li S W, et al. Forecasting the volatility of Chinese crude oil market based on geopolitical risk[J]. Management Review, 2023, 35(1): 16-31.]

[29]
Qian L H, Zeng Q, Li T. Geopolitical risk and oil price volatility: Evidence from Markov-switching model[J]. International Review of Economics and Finance, 2022, 81: 29-38.

DOI

[30]
Zhou B, Huang Y, Gao K, et al. How geopolitical risk and economic policy uncertainty impact coal, natural gas, and oil rent? Evidence from China[J]. Resources Policy, 2024, DOI: 10.1016/j.resourpol.2023.104393.

[31]
Jiang W, Zhang Y Y, Wang K H. Analyzing the connectedness among geopolitical risk, traditional energy and carbon markets[J]. Energy, 2024, DOI: 10.1016/j.energy.2024.131411.

[32]
Helmi M H, Elsayed A H, Khalfaoui R. The impact of geopolitical risk on sustainable markets: A quantile-time-frequency analysis[J]. Finance Research Letters, 2024, DOI: 10.1016/j.frl.2024.105380.

[33]
Liu Y, Han L, Xu Y. The impact of geopolitical uncertainty on energy volatility[J]. International Review of Financial Analysis, 2021, DOI: 10.1016/j.irfa.2021.101743.

[34]
Ha L T. An application of QVAR dynamic connectedness between geopolitical risk and renewable energy volatility during the COVID-19 pandemic and Russia-Ukraine conflicts[J]. Journal of Environmental Management, 2023, DOI: 10.1016/j.jenvman.2023.118290.

[35]
Li B, Chang C, Chu Y, et al. Oil prices and geopolitical risks: What implications are offered via multi-domain investigations?[J]. Energy & Environment, 2020, 31(3): 492-516.

[36]
Li X F, Yang S P, Luo K Y, et al. Spillover relationships between international crude oil markets and global energy stock markets under the influence of geopolitical risks: New evidence[J]. International Review of Financial Analysis, 2024, DOI: 10.1016/j.irfa.2024.103547.

[37]
Chen S Y, Kuang H B, Mneg B. The dependence structures between geopolitical risks and energy prices: New evidence from regional heterogeneity and quantile-on-quantile perspective[J]. Energy, 2024, DOI: 10.1016/j.energy.2024.133325.

[38]
Khan N, Saleem A, Ozkan O. Do geopolitical oil price risk influence stock market returns and volatility of Pakistan? Evidence from novel non-parametric quantile causality approach[J]. Resources Policy, 2023, DOI: 10.1016/j.resourpol.2023.103355.

[39]
邓翔, 贾文博, 杨瑞清. 不确定性、地缘政治与原油价格尾部风险[J]. 财经科学, 2024, 2: 46-60.

[Deng X, Jia W B, Yang R Q. Uncertainty, geopolitical and tail risk in crude oil price[J]. Finance & Economics, 2024, 2: 46-60.]

[40]
覃韵. 地缘政治风险对能源价格波动的影响研究[D]. 长沙: 中南大学, 2022.

[Qin Y. Research on the Impacts of Geopolitical Risks on Energy Price Volatility[D]. Changsha: Central South University, 2022.]

[41]
Mo B, Nie H, Zhao R. Dynamic nonlinear effects of geopolitical risks on commodities: Fresh evidence from quantile methods[J]. Energy, 2024, DOI: 10.1016/j.energy.2023.129759.

[42]
Chen Z, Liu Y, Zhang H. Can geopolitical risks impact the long-run correlation between crude oil and clean energy markets? Evidence from a regime-switching analysis[J]. Renewable Energy, 2024, DOI: 10.1016/j.renene.2024.120774.

[43]
Ma F, Lu F, Tao Y. Geopolitical risk and excess stock returns predictability: New evidence from a century of data[J]. Finance Research Letters, 2022, DOI: 10.1016/j.frl.2022.103211.

[44]
Barndorff-Nielsen O E, Shephard N. Econometric analysis of realized volatility and its use in estimating stochastic volatility models[J]. Journal of the Royal Statistical Society, 2002, 64(2): 253-280.

[45]
卜林, 孙丽玲, 李政. 地缘政治风险、经济政策不确定性与股票市场波动[J]. 南开经济研究, 2020, 5: 185-205.

[Bu L, Sun L L, Li Z. Geopolitical risk, economic policy uncertainty and stock market volatility[J]. Nankai Economic Studies, 2020, 5: 185-205.]

[46]
董锋, 李志成, 汪寿阳, 等. 地缘政治风险与能源、外汇和黄金市场之间的风险溢出效应研究[J/OL]. 系统工程理论与实践, (2025-02-18) [2025-10-13]. https://link.cnki.net/urlid/11.2267.N.20250217.1117.009.

[Dong F, Li Z C, Wang S Y, et al. Geopolitical risks and risk spillover between energy, foreign exchange and gold markets[J/OL]. Systems Engineering-Theory & Practice, (2025-02-18) [2025-10-13]. https://link.cnki.net/urlid/11.2267.N.20250217.1117.009.]

[47]
陈学彬, 龙磊. 地缘政治风险与中国短期跨境资本流动: 理论机制与实证分析[J]. 国际金融研究, 2024, (3): 39-50.

[Chen X B, Long L. Geopolitical risk and China’s short-term cross-border capital flows: Theoretical mechanism and empirical analysis[J]. Studies of International Finance, 2024, (3): 39-50.]

[48]
Wang Q, Zhang C, Li R. Impact of different geopolitical factors on the energy transition: The role of geopolitical threats, geopolitical acts, and geopolitical risks[J]. Journal of Environmental Management, 2024, DOI: 10.1016/j.jenvman.2023.119962.

[49]
魏宇, 孙应玥, 王瑶, 等. 原油市场与全球绿色经济发展的交互影响研究[J]. 系统工程理论与实践, 2022, 42(7): 1843-1858.

DOI

[Wei Y, Sun Y Y, Wang Y, et al. The interactions between crude oil market and development of global green economy[J]. Systems Engineering-Theory & Practice, 2022, 42(7): 1843-1858.]

[50]
Sim N, Zhou H. Oil prices, US stock return, and the dependence between their quantiles[J]. Journal of Banking & Finance, 2015, DOI: 10.1016/j.jbankfin.2015.01.013.

[51]
Shahzad F, Shahzad U, Fareed Z, et al. Asymmetric nexus between temperature and COVID-19 in the top ten affected provinces of China: A current application of quantile-on-quantile approach[J]. Science of the Total Environment, 2020, DOI: 10.1016/j.scitotenv.2020.139115.

[52]
熊鸿军, 石峰, 周家贤. 金砖国家人口城市化对碳排放的影响: 分位数对分位数回归的新证据[J]. 复旦学报(自然科学版), 2023, 62(6): 714-740.

[Xiong H J, Shi F, Zhou J X. Impact of BRICS urbanization on carbon emissions: New evidence from quantile-on-quantile regression[J]. Journal of Fudan University (Natural Science), 2023, 62(6): 714-740.]

[53]
Dogan M, Saadaoui H, Omri E, et al. Do renewable energy and geopolitical risk affect industrial productivity in Turkey? Evidence from quantile on quantile and causality in quantiles approach[J]. Sustainable Futures, 2025, DOI: 10.1016/j.sftr.2025.101319.

[54]
任仙玲, 吕玉卓, 邓磊. 投资者高频情绪对股市成交量的异质性影响研究: 基于分位数向量自回归模型[J]. 运筹与管理, 2023, 32(5): 197-203.

DOI

[Ren X L, Lv Y Z, Deng L. Research on the heterogeneous influence of investors’ high-frequency sentiment on stock market trading volume: Based on quantile vector autoregressive model[J]. Operations Research and Management Science, 2023, 32(5): 197-203.]

[55]
Reboredo J C, Uddin G S. Do financial stress and policy uncertainty have an impact on the energy and metals markets? A quantile regression approach[J]. International Review of Economics & Finance, 2016, 43(3): 284-298.

Options
Outlines

/

〈 〉