自2004年以來，國際原油價格因為受到市場供需緊張、戰爭及外匯市場不穩定等因素之影響而不斷上揚，直至2008年時已經突破每桶110美元大關。就短期而言，石油市場波動活絡了國際間石油期貨的交易，更加劇了國際油價短期的波動和不穩定；然而從長期角度觀察，未來國際油價將因戰爭、市場供需失衡及美元持續貶值等因素之存在而於高檔保持震盪。
我國原油需求大多仰賴進口，國際油價之上漲趨勢必會對我國內油品格價產生重大的影響，國軍之購油成本亦因此而已較過去大幅成長三倍之多。眾所皆知，通常公共預算編列與預算執行間存在有時間落差，加上近年來國際油價上升趨勢之確立，使得國軍面臨購油風險控管問題，如何能充分掌控與利用市場訊息進行適當的購油決策與風險控管，已為國軍當務之急。
本研究擬以西德州原油、布蘭特原油、杜拜原油、國內92無鉛汽油批售價格，新加坡高硫燃料油等市場為研究對象，透過向量自我迴歸模型進行變數間短期互動測試、Granger因果關係檢驗、衝擊反應函數及預測誤差變異分解，以探求不同原油市場彼此間的價格波動之領先落後關係。進一步透過GARCH模型模擬新的原油價格，使用變異數-共變異數法、歷史模擬法及蒙地卡羅法，採用移動視窗的方式計算風險值，嘗試結合GARCH模型與風險值模型兩種模型來對原油價格之波動進行模擬估計與比較，選擇較能捕捉油價波動性之評估模型，期使增加原油商品風險值評估模型之估計能力，如此方能確實達到發揮國軍購油風險控管之效益。

Crude oil prices have been on a run-up spree in recent years. Their dynamics were characterized by high volatility, high intensity jumps, and strong upward drift, indicating that oil markets were constantly out-of-equilibrium. An explanation of the oil price process in terms of the underlying fundamentals of oil markets and world economy was provided, viewing pressure on oil prices mainly as a result of rigid crude oil supply and an expanding world demand for crude oil. Markets expected oil prices to remain volatile and jumpy, and with higher probabilities, to rise, rather than fall, above the expected mean.
In this paper we will investigate the dynamic relationship among West Texas Intermediate, Brent crude , Dubai oil, 92 unleaded gasoline to criticize the selling price space, HSFO of Singapore by employing VAR-GARCH model. The empirical result shows that there exists a uni-directional causal relationship among these five oil prices. Meanwhile various evaluation methods of VaR are considered in this paper to estimate the maximum oil price change associated with a likelihood level, which could be treated as a risk control limit for decision-makers. We find that the variance–covariance method based on autoregressive conditional heteroskedasticity model provides a flexible VaR quantification, which could capture the price movements of crude oil well and provide an efficient risk quantification.

摘要 I
ABSTRACT I
誌 謝 II
目錄 III
圖目錄 VI
表目錄 VII
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究目的 6
第三節 研究限制 7
第四節 研究範圍 7
第五節 研究流程 8
第二章、文獻探討 10
第一節、能源不可再生理論 10
第二節、從成本角度進行分析 10
第三節、從市場結構出發 11
第四節、油價波動的定量分析 12
第三章、研究設計 19
第一節 向量自我迴歸模型與檢驗 21
第二節 ARIMA-GARCH模型 26
第三節 風險值 28
第四章、實證分析 35
第一節 向量自我迴歸模型 35
第二節 GARCH模型 40
第三節 風險值 42
第五章、結論與建議 50

中文部份
向蓉美（2007），油價系統模擬石油企業最優策略，中國成都西南財經大學博士學位論文。
李紅軍（2003），「用帶時序子模塊的系統動力學模型預測Brent原油價格」，應用基礎與工程科學學報，第11卷，第2期，頁216-222。
杜慧濱（2004），「國際石油價格分析與預測」，價格理論與實踐，頁48-49。
李命志、李彥賢、張智超（2005），「原油價格風險值的估計-拔靴法的應用」，金融風險管理季刊，第1卷，第2期，頁57-75。
林惠娜、鄭婉秀、陳坤宏（2007），「三大原油市場之動態關聯性探討」，真理財經學報，第16卷，頁71-92。
洪儒瑤、古永嘉、康健廷（2006），「ARMA-GARCH 風險值模型預測績效實證」，Journal of China Institute of Technology，第34卷，頁13-35。
馬超群、李科（2004），「基于協整和GRACH模型分析——中國油價波動特征」，求索，第12期，頁8-10。
胡蓉、呂宁（2002），「國際原油價格預測因素探討」，石油化工技術經濟，第18卷，第6期，頁9-30。
胡政、李輝（2002），「新加坡燃料油市場對我國的影響」，國際石油經濟 ，第10卷，第10期，頁15-18。
高輝（2006），「中國上海燃料油期貨定價模型研究」，石油化工技術經濟 ，第13卷，第12期，頁24-30。
馮春山、吳家春、蔣馥（2003），「國際石油市場的ARCH效應分析」，石油大學學報(社會科學版)，第19卷，第2期，頁18-20。
陳佩玲（2002），「匯率條件風險值之估計與比較」，中原大學國際貿易學系未出版碩士學位論文。
焦建玲、范英、張九天、魏一鳴（2004），「中國原油價格與國際原油價格的互動關系研究」，管理評論，第16卷，第7期，頁48-53。
鄭愷、谷耀（2006），「國內油價高漲的主因-基於VAR的實證分析」，南方經濟，第5期，頁83-94.
潘慧峰、張金水（2005），「基於ARCH類模型的國內油價波動分析」，統計研究，第4期，頁16-20。
潘慧峰、張金水（2007），「國內外石油市場的極端風險溢出檢驗」，中國管理科學，第15卷，第3期，頁25-30。
劉立倫著（2005），國防財務資源管理，揚智文化事業股份有限公司。
鄒艷芬、 陸宇海（2006），「基于GARCH模型的石油價格變動模擬」，數理統計與管理，第25卷，第6期，頁640-644。
韓冬炎（2007），中國石油價格形成機理及調調控機制的研究，中國哈爾濱大學博士學位論文。
龐曉華（2007），「國際能源署預測到2003年全球油價將接近100美元/桶」，石化技術與用，第1期，頁47。
英文部份
Angelidis, T., Benos, A., & Degiannakis, S. (2004). The use of GARCH models in VaR estimation,Statistical Methodology, 1(1-2), 105-128.
Bollerslev, T. (1986). Generalised autoregressive conditional heteroskedasticy, Journal of Econometrics, 31, 307-327.
Beder, T. S. (1995). VAR：Seductive but Dangerous. Financial Analysts Journal, 51, 12-24.
Berg, E. & Kverndokk, S. (1997). Market Power, International CO2 Taxation and Petroleum Wealth. The Energy Journal, 18(4), 33-71.
Box, G. E. P. & Jenkins. G. M. (1970). Time Series Analysis: Forecasting and Control. Holden-Day.
Cabedo, J. D. & Moya, I. (2003). Estimating Oil Price｀Value at Risk＇Using theHistorical Simulation Approach. Energy Economics, 25, 239-253.
Dickey, D. A. & Fuller, W. A. (1981). Likelihood Ratio Statistics for Autoregressive Time Series with Unit Root. Econometrica, 49(4), 1057-1072.
Elam, E. & Dixon, B. L. (1988). Examining the Validity of a Test of Futures Market Efficiency. Journal of Futures Markets, 8(3), 365-372.
Engle, R. F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50(4), 987-1007.
Engle, R. F. & Granger, C. W. J. (1987). Co-integration and Error Correction Representation, Estimation, and Testing. Econometrica, 55(2), 251-276.
Engle, R. F. & Yoo, B. S. (1987). Forecasting and testing in co-integrated systems. Journal of Econometrics, 35(1), 143-159.
Gençay, R. & Selçuk, F. (2004). Extreme value theory and Value-at-Risk: Relative performance in emerging markets. International Journal of Forecasting, 20(2), 287-303.
Ghouri, S. S. (2006). Assessment of the relationship between oil prices and US oil stocks. Energy Policy, 34(17), 3327-3333.
Giot, P. & Laurent, S. (2003). Value-at-risk for long and short trading positions. Journal of Applied Econometrics, 18, 641-664.
Granger, C. W. J. (1969). Investigating Causal Relations by Econometric Models and Cross-spectral Methods. Econometrica, 37(3), 424-438.
Griffin, J. M. (1985). OPEC Behavior:a test of alternative hypotheses. American Economic Review, 75(5), 954-963.
Hotelling, H. (1931). The Economics of Exhaustible Resources. The Journal of Political Economy, 39(2), 137-175.
Hull, J. & White, A. (1998). Incorporating Volatility Updating into the HistoricalSimulation Method for Value-at-Risk. Journal of Risk , 1, 5-19.
Jacobson, T. & Roszbach, K. (2003). Bank lending policy, credit scoring and value-at-risk. Journal of Banking and Finance, 27(4), 615-633.
Jones, C. T. (1990). OPEC behavior under falling prices: implications for cartel stability. The Energy Journal, 11(3), 117-129.
Jorion. (2000). Value at Risk：The New Benchmark for Controlling Market Risk. New York: McGraw-Hill.
Maberly, E. D. (1985). Testing Futures Market Efficiency—A Restatement. Journal of Futures Markets, 5(3), 425-432.
Phillips, P. C. B. & Perron, P. (1988). Test for Unit in time Series Regression.Biometrila,75,335-346.
Pindyck, R. S. (1978). The Optimal Exploration and Production of Nonrenewable Resources. Journal of Political Economy, 86(5), 841-861.
Ramcharran, H. (2002). Oil Production Responses to Price Changes: an Empirical Application of the Competitive Model to OPEC Countries. Energy Economics, 24, 97-106.
Salant, W. S. (1982). Imperfect Competition in the International Energy Market: A Computerized Nash-Cournot Model. Operations Research, 30(2), 252-280.
Salameh , M. G. (2003). Quest for Middle East oil: the US versus the Asia-Pacific region. Energy Policy, 31(11), 1085-1091.
Shawkat, H., Huimin, L., & Bang, J. (2003). Causality and volatility spillovers among petroleum prices of WTI, gasoline and heating oil in different locations. The North American Journal of Economics and Finance, 14( 1), 89-114.
Shen, C. H. & Wang, L. R. (1990). Examining the Validity of a test of Futures Market Efficiency A Commen. Journal of Futures Markets, 10(2), 195-196.
Sims, C. A. (1972). Money, Income, and Causality. American Economic Review, 62(4), 540-552.
Sims, C. A. (1980). Comparison of Interwar and Postwar Business Cycles: Monetarism Reconsidered. American Economic Review, 70(2), 250-257.
Wai, H. F. & Kim, H. S. (2002). A Markov Switching Model of the Conditional Volatility of Crude Oil Futures Prices. Energy Economics, 24, 71-95.