基于ρ-H模型的我国海外原油风险评价
朱勇 摘要：?在研究赫芬达尔指数和相关性系数原理的基础上，建立ρ-H模型评价我国海外原油风险。纵向结果显示，2007—2016年，我国海外原油风险整体稳定，为轻度风险，金融危机（2008年、2012年）对海外原油风险有一定影响;横向结果表明，世界各国海外原油风险差异巨大，体现为四个梯度：美国和加拿大为微风险，中南美洲、中国和欧洲为轻度风险，澳大拉西亚和其他亚太国家为中度风险，印度、新加坡、非洲和日本为重度风险。中国海外原油风险处于居中位置。
关键词：?ρ-H模型;赫芬达尔指数;相关性系数;海外原油;风险评价
中图分类号：F407.22
文献标识码：A
文章编号：1673-5595（2018）05-0009-07
一、引言
随着工业化的推进和人民生活水平的提升，我国工业用油与民用用油量大幅上升，根据《BP世界能源统计年鉴2017》数据，2007—2016年我国石油消耗量从2007年的3707亿吨飙升至2016年的5787亿吨，2016年进口量高达3826亿吨，对外依存度为6611%。可见海外原油进口在我国的能源战略中具有十分重要的地位。因此，对我国海外原油的风险进行评估具有实践与战略意义。
自Cranfield Management School提出供应链风险由供应风险、需求风险、环境风险、制度风险、运作过程风险、预防计划、措施失败等6大因素构成以来[1]，国内外学者对供应链风险的研究日趋完善。从风险来源来看，风险可能来自于干扰风险、预测风险、制度风险、延迟风险、系统风险、需求风险、供应风险、政治风险、经济风险、技术风险、社会风险、环境风险、法律风险、程序风险、控制风险、文化冲突风险、自然灾害风险、信息风险、道德风险、投资风险、波动性风险、知识产权风险、生命周期阶段风险、采购风险、控制风险、运营风险等。[2-9]从研究方法来看，主要有BP神经网络、模糊数学、层次分析法、ANP、模糊评价法、AdaBoost算法、熵权法、Lasso-logistic、赫芬达尔指数等或者将其中某些方法共同使用进行风险评价。[3，6，10-15]从风险评判等级来看，大多数学者将风险分为无风险、轻度风险、中度风险、重度风险，或类似阐述。[3，16-18]
截至目前，对我国原油风险评价的研究主要为：在风险类型方面，主要有在具体项目中的溢油风险、跨国并购风险、环境风险、石油管道风险、钻井风险、火灾爆炸风险等。[19-25]在模型方法方面，主要用模糊综合评价法、改良层次法（G1法）、随机数值模拟、熵值法、聚类分析、粒子群算法、灰色关联、内部基准分析等评价石油和原油风险。[25-28]综合以上研究可知，学者对我国原油风险的研究主要集中于具体项目或具体地区，对海外原油风险的研究极少。本文建立并首次利用ρ-H模型研究我国海外原油风险，对我国海外原油风险评价具有一定的指导意义。
二、我国海外进口原油概述
由《BP世界能源统计年鉴2017》可知，2016年我国原油进口量为3826亿吨，占总消耗量的6611%。海外原油进口主要来自五大区域：俄罗斯、东南亚、非洲、中东和中南美洲。具体而言，2016年进口来源主要有美国（05百万吨）、加拿大（02百万吨）、墨西哥（10百万吨）、中南美洲（510百万吨）、欧洲（58百万吨）、俄罗斯（525百万吨）、俄罗斯外的独联体国家（42百万吨）、伊拉克（362百万吨）、科威特（163百万吨）、沙特阿拉伯（510百万吨）、阿拉伯联合酋长国（122百万吨）、中东其他国家（684百万吨）、北非（17百万吨）、西非（595百万吨）、东南非（67百万吨）、澳大拉西亚（32百万吨）、新加坡（少于005百万吨）、其他亚太国家（123百万吨）等国家和地区。
我国海外原油运输方式主要有海洋运输、管道运输及铁路运输三种，这三种方式在各自的区域内发挥着重要的作用。采用海洋运输的区域主要有中东、非洲和中南美洲，该种运输方式成本较低，但由于途经马六甲等多个海峡，风险较大;采用管道运输的区域为俄罗斯和哈萨克斯坦，两国都与我国接壤，该种方式成本低、方便快捷、安全性高;在俄罗斯和哈萨克斯坦境内管道运输无法实现的地方，采用铁路运输，该种方式运输风险小、运输量大，但建设难度大，随着运输管道的扩建与使用，铁路运输将被逐渐替代。[28]
由于本文篇幅有限，为简化模型，将本文的研究对象——我国海外原油进口源——归纳为原油进口区域，而非具体的原油进口国家，即俄罗斯、东南亚、非洲、中东和中南美洲五个区域。
三、模型方法
（一）赫芬达尔指数H
赫芬达尔指数（简称H），是用于测量产业集中度的综合指数。它是指一个行业中各市场竞争主体所占行业总收入或总资产百分比的平方和，用来计量市场份额的变化，即市场中厂商规模的离散度。赫芬达尔指数广泛应用于各学科学术研究与工程风险评价实践中。张芳通过赫芬达尔指数对我国14家商业银行1999—2008年的数据进行分析后得出，银行市场的集中程度或垄断程度较高，整个银行行业处于被四大国有商业银行寡头垄断中;但从动态来看，银行行业的垄断程度正在逐渐降低。[29]迟景明等借鉴赫芬达尔指数对我国东部、中部和西部三大地區的高校创新要素资源的空间聚集进行测度，认为中西部高校没有明显的要素集聚，而东部高校创新要素资源高度集聚。[30]胡玲菲采用赫希曼-赫芬达尔指数在内的四个指标对我国通信设备计算机行业地理集中度进行研究，得出如下结论：我国通信设备计算机行业的产业地理集中程度较高，但仍有较大推进空间。[31]陈素琴等以企业财务绩效综合得分为因变量、以赫芬达尔指数为自变量进行回归实证研究，结果表明，我国家电企业经营存在多元化经营临界点，当企业多元化水平低于临界点时，企业财务绩效随多元化程度提升而提高;当企业多元化水平高于该临界点时，企业财务绩效随多元化水平提升而下降。[32]赫芬达尔指数具体计算如下：
式中：H为赫芬达尔指数，xi表示第i个企业的规模，X表示市场的总规模，n表示该产业内的企业数。[33]
显然，H值越大，表示市场集中程度越高，垄断程度越高。
H经常用于风险评估，表示一个行业（或项目）的风险离散程度，H值越大，行业（或项目）风险越大;相反，H值越小，则行业（或项目）风险越小。
（二）相关性系数ρ
相关性系数是概率论的基础知识，其定义如下：对于二元随机变量（ξ，η），如果它们的方差D（ξ）、D（η）都不为0，则二元随机变量的相关性系数ρ计算如下：
式中：cov（ξ，η）=E（ξ-E（ξ）（η-E（η））是二元随机变量（ξ，η）的协方差[34]，ρ≤1。
当ρ=1时，表示二元随机变量（ξ，η）完全正线性相关，其经济变量ξ（η）会随着经济变量η（ξ）的增加（减少）而呈正向线性增加（减少）。当ρ=-1时，表示二元随机变量（ξ，η）完全负线性相关，其经济变量ξ（η）会随着经济变量η（ξ）的增加（减少）而呈正向线性减少（增加）。当ρ=0时，表示二元随机变量（ξ，η）线性无关，其经济变量ξ（η）不会随着经济变量η（ξ）的增加（减少）而变动。
（三）ρ-H模型
通过以上阐述可知，?指数H能够较好地反映某产业（项目）的风险离散程度，相关性系数ρ可以有效地反映该产业下各企业之间的相关性。本文拟建立有关指数H和相关性系数ρ的数学模型，以测量我国海外原油风险。
1.模型类型
根据数学知识模型类型可分为高等数学和初等数学两大类：初等数学可分为加减算法和乘除算法两类，高等数学可分为极限、微积分、空间解析几何、线性代数、级数、常微分方程等。根据以上信息，构建以下三类模型。
（1）初等函数加减算法模型
初等函数加减算法模型引入赫芬达尔指数权重和相关性系数权重，采用最简单的加减算法，构建模型如下：
式中：R为风险值;A为特定系数，根据相关经验或数据拟合获得;α为赫芬达尔指数的权重，（1-α）为相关性系数的权重，α的确定，可以采用AHP、模糊数学、灰色关联、熵值法等。
（2）初等函数乘除算法模型
初等函数乘除算法模型具有很强的乘数效应，使得最终的评价结果具有很强的区分度，由于不同国家、地区的风险值数值相差较大，有利于比较。具体模型如下：
式中：R为风险值;A为风险保值系数，其目的是使R≥1，根据其最终结果的最小值确定，若Rmin=A×356×10-6，则λ=6，A=106;n为相关系数的数量。在本模型中，∏?n?i=1??ρi?的目的是使模型具有乘数效应;?∏?n?i=1??ρi??1/n是为了确保模型的科学性，即客观合理地反映各国关系对风险的影响;H×?∏?n?i=1??ρi??2/n是为了实现模型的实际性，即与相关国家的国际关系对风险的影响是赫芬达尔指数对风险影响的2倍。?
（3）高等函数模型
高等函数模型相对于初等函数较复杂，本文不作讨论。
2.构建原则
本文模型的构建原则为精简原则，即若简单模型可以解决问题，就不考虑复杂模型。因为简单模型的简单表现形式，有利于人们的理解。对于模型的构建，在初等函数加减算法模型和乘除算法模型中，选择简单的初等函数的简单表现形式，不选择指数函数、对数函数、三角函数等相对较复杂的函数，也是遵循精简原则。
3.模型确定
对于模型的确定，一方面遵循精简原则;另一方面，初等函数乘除算法模型具有很强的乘数效应，能够精确科学地反映评价结果。因此本文选取初等函数乘除算法模型作为评价模型对我国海外原油风险进行评价。三个模型特点和选择过程如表1所示。
四、我国海外原油风险的评价实施
（一）?指数H的确定
根据《BP世界能源统计年鉴2017》数据，可得到2016年全球石油贸易流动情况，见表2。将表2的数据代入式（1），可得2007—2016年世界各国/地区10年的?H值，见表3。
对于研究对象，本文有如下考虑：（1）俄罗斯是世界原油出口大国，只在2016年从独联体进口极少量原油，其海外风险可以忽略，故不作为研究对象;（2）独联体的海外原油主要来自俄罗斯，且独联体和俄罗斯政治关系较稳定，其海外风险也极低，故不作为研究对象;（3）中东是全球产油和原油出口最大的地区，该地区只有极少数国家进口原油，总体而言，其海外原油风险极低，故不作为研究对象。综合以上信息，本文的主要研究对象是原油进口较多的国家和地区。
（二）相关性系数?ρ的确定
采用式（2）对?《BP世界能源统计年鉴2008—2017》数据处理，可得2016年其他国出口到中国的原油与其他国出口到?xi國的原油的相关性系数ρi（见表4），以及2007—2016年其他国的原油进口量与中国的原油进口量的相关性系数（见表5）。
（三）风险指数?R的确定
在式（4）的计算过程中，ρi只计算原油进口源的相关性系数，即排除非原油进口源的ρ。采用式（4）对表3和表4进行计算，由于Rmin=A×51×10-3，故A=103，可得2016年世界各国/地区的风险指数，各国家/地区风险值R分别为：美国51、加拿大52、中南美洲154、中国159、欧洲221、澳大拉西亚451、其他亚太国家779、印度1109、新加坡1358、非洲1372、日本2419。
采用式（4）对表3和表5进行计算，由于?Rmin=A×54×10-3，故A=103，可得2007—2016年世界各国/地区的风险值。其中，中国2007—2016年风险值R分别为204、248、202、115、124、273、82、54、157和159。
五、结果分析
（一）标准设定
模型假定，当λ=3时，若R∈[0，5]，该国家海外原油无风险;若R∈（5，10]，该国家海外原油存在微风险;若R∈（10，25]，该国家海外原油存在轻度风险;若R∈（25，100]，该国家海外原油存在中度风险;若R∈（100，+∞]，该国家海外原油存在重度风险。
（二）纵向结果
由评价结果可知，在2007—2016年，我国海外原油风险整体稳定，存在轻度风险。具体而言，海外原油风险值在[54， 273]来回波动，其中有2年存在微风险，7年存在轻度风险，1年存在中度风险。
2007—2016年，我国政治稳定，经济稳步发展，与世界各国广泛建交，崇尚与坚持世界和平理念，且一直努力扩大原油进口源，在一定程度上降低了海外原油风险值;除此以外，我国丰富的原油资源在很大程度上降低了海外原油风险值。只有2008年（R=248）和2012年（R=273）由于金融危机使风险值接近轻度风险和中度风险的临界值25，可以说，金融危机给我国原油进口风险造成较大的影响。因为经济环境是我国海外原油贸易的基础，任何原油贸易行为都需要稳定的经济环境支持，金融危机较大地影响了我国当年经济的稳定，进而增大了我国原油进口风险。由于我国政府及时进行宏观调控，把金融危机对我国经济的影响控制在一定范围内，使得我国海外原油进口在当年的风险控制在轻度风险的边缘（R=25左右）。
2013—2014年，我国海外原油供应链风险处于微风险状态，可以从宏观环境与微观环境两方面进行分析：（1）在宏观层面上，其一，由于我国在近几年一直保持较高的?GDP增长率，对石油的需求增加，因此我国在强调加强替代能源研发的同时，也出台相应的政策保障我国海外原油的进口;其二，我国GDP长期稳定增长，形成了较好的经济累计效应，而这些累计效应对我国各行业都有一定的促进作用，当然，海外原油进口也从中受益;其三，汽车的普及和工业化的推进，在一定程度上影响着企业和消费者的行为，进而间接对社会文化产生影响;其四，我国石油产业无论是开采技术、提炼技术，还是运输技术，随着现代化的推进，一直处于稳中有升的状态。（2）在微观层面上，在国际原油市场上，虽然我国政府及石油企业没有议价能力，只能被动接受国际市场价格，但是石油公司可以把由价格波动产生的风险转移给消费者和石油使用企业，石油公司自身不受太大影响。同时由于石油的消费者和企业对石油的需求大多为刚性需求，因此在其他条件不变的前提下，国际原油价格的波动不会对我国原油供应链带来风险。
（三）横向结果
根据美国（51）、加拿大（52）、中南美洲（154）、中国（159）、欧洲（221）、澳大拉西亚（451）、其他亚太国家（779）、印度（1109）、新加坡（1358）、非洲（1372）、日本（2419）等风险指数，海外原油风险可分为四个梯度：微风险，美国和加拿大;轻度风险，中南美洲、中国和欧洲;
中度风险，澳大拉西亚和其他亚太国家;重度风险，印度、新加坡、非洲和日本。总体而言，中国海外原油风险处于居中位置。
美国和加拿大属世界发达国家，政治稳定，较其他地区和国家，GDP和人均GDP等经济指标长期领先。同时，这两个国家掌握了成熟的原油开采、加工技术，自身原油资源丰富，出口大量的原油和成品油。因此，美国和加拿大海外原油风险极低，属微风险。
中南美洲和中国都拥有较丰富的原油资源，在很大程度上使得这些地区的海外原油风险控制在较低水平。相对于中国，中南美洲各国家人口较少，工业化较中国缓慢，整体对石油需求较小，所以其海外原油风险略低于中国。中国虽然石油等资源消耗巨大，但由于其有稳定的政治、经济环境，具有成熟、先进的石油开采、储备、运输等技术，因此海外原油风险较低。欧洲虽然自身原油较少，但由于其政治经济稳定、石油技术全球领先、环保理念普及、公民素质高等，欧洲海外原油风险属轻度风险。
澳大拉西亚和其他亚太国家自身具有一定的石油资源，且向世界部分地区出口一定量的原油，经济和政治环境差异较大，该地区海外原油风险属中度风险。
印度、新加坡、日本自身原油资源极少，这在很大程度上决定了其对海外原油的依赖，致使其海外原油存在重度风险。在非洲，部分国家拥有丰富的原油资源，部分国家原油贫乏，但整体而言，非洲大部分地区落后贫困，经济发展缓慢，先进技术掌握率低，所以其海外原油属重度风险。
六、结语
目前我国海外原油属轻度风险，与加拿大、美国有一定差距，表明我国仍有一定的努力空间，相关机构及部门可从以下四方面努力：第一，加强发展同世界各国的友好关系，尤其是石油资源储量丰富的国家和地区。在原油进口的国家中，各国具有不同的政治倾向性，其中俄罗斯和中国在多个问题上具有高度的一致性，因此中国应长期保持与俄罗斯的高度合作。同时，由于中东是主要的原油输出国，所以与中东在政治与經济上的合作将是明智之举。第二，适当增加原油的进口源，将风险分散。目前，我国海外原油进口主要集中在中东、非洲、南美洲、俄罗斯和东南亚等地区，为进一步降低风险，可以考虑加大从美国等原油储量大的国家进口。第三，强化研发及技术学习，以提升原油和成品油的使用率，最大化利用资源。原油相关技术的提升是在原油资源有限的前提下最大化利用原油的有效方式。技术的提升可以降低对环境的污染。第四，加强对企业与公民的绿色教育，努力实现绿色生产与绿色人生。政府定期派专业人士入驻企业和社区进行绿色教育，在保证正常生产与生活的前提下，尽可能减少对机用设备的使用，有效降低我国对海外原油的需求，进而降低我国海外原油风险。
参考文献：
[1] ?Cranfield Management School. Supply Chain Vulnerability[R]. Cranfield University， 2002.
[2] ?Rao S，Goldsty T J. Supply Chain Risks： A Review and Typology[J]. The International Journal of Logistics Management， 2009，20（1）：97-123.
[3] ?周剛，赵艳超.基于隶属度的供应链风险评估模型研究[J].标准科学，2013（10）：80-83.
[4] ?Lome C， Schoenher R T. Supply Chain Risk Management in Financial Crises——A Multiple Case-Study Approach[J]. International Journal of Production Economics， 2011，134（1）：43-57.
[5] ?Chan F T S， Kumar N. Global Supplier Development Considering Risk Factors Using Fuzzy Extended AHP-Based Approach[J]. Oruega， 2007，35（4）：417-431.
[6] ?王新利.基于BP神经网络专家系统的供应链风险评价研究[J].中国流通经济，2010（6）：27-30.
[7] ?Singhal P， Agarwal G， Mittal M L. Supply Chain Risk Management： Review， Classification and Future Research Directions[J]. International Journal of Business Science and Applied Management， 2011，6（3）：249-271.
[8] ?Vilko J P P， Hallikas J M. Risk Assessment in Multimodal Supply Chains[J]. International Journal of Production Economics， 2012， 140（2）：586-595.
[9] ?Kamingsih P D， Kayis H， Kara S. Risk Identification in Global Manufacturing Supply Chain[C]. Aitrcle of Proceeding International Seminar on Industrial Engineering and Management Menara Peninsula， 2007.
[10] ?曾佑新，宋斯达.基于主成分与灰色关联分析的乳制品供应链风险因素评价[J].中国市场，2017（9）：156-158.
[11] ?李明，邓旭东，肖伦亚.基于ANP-模糊评价法的供应链管理风险评价研究[J].科技创业月刊，2012（5）：82-84.
[12] ?吕心洁，陈怡雯.基于AdaBoost算法与神经网络的供应链金融风险评价[J].商业文化，2012（5）：179-180.
[13] ?雷勋平.我国汽车制造业供应链风险评价实证研究——基于熵权可拓决策模型的分析[J].计算机工程与应用，2015，51（12）：264-270.
[14] ?逯宇铎，金艳玲.基于lasso-logistic模型的供应链金融信用风险实证研究[J].管理现代化，2016（2）：98-100.
[15] ?张芳.中国商业银行市场赫芬达尔指数研究[J].产业与科技论坛，2011，10（3）：125-126.
[16] ?Aqlan F， Lam S S. A Fuzzy-Based Integrated Framework for Supply Chain Risk Assessment[J]. International Journal of Production Economics， 2015，161：54-63.
[17] ?关艳萍，刘佳翔.供应链风险的系统识别与评价模型研究[J].物流技术，2014（13）：361-363.
[18] ?Rajesh R， Ravi V. Modeling Enablers of Supply Chain Risk Mitigation in Electronic Supply Chain： A Grey-Dematel Approach[J]. Computers & Industrial Engineering， 2015，87：126-139.
[19] ?刘保占，魏文普，段梦兰，等.渤海海上石油平台的溢油风险概率评估[J].海洋环境科学，2017，36（1）：15-20.
[20] ?赵俊平，侯文卓.中国石油企业跨国并购风险评价与防范[J].辽宁工程技术大学学报（社会科学版），2016，18（3）：225-230.
[21] ?刘叶.石油化工项目环境风险评价方法[J].化工管理，2017（8）：272.
[22] ?杨忠.我国石油企业输油管道风险评价及管理应用[J].化工管理，2016（28）：121.
[23] ?曹超.鉆井风险评价技术研究[J].九江学院学报（自然科学版），2015（4）：48-50.
[24] ?王亚琼，余建星，梁静，等.深水浮式结构火灾爆炸风险评价方法及软件开发[J].河北工业大学学报，2016，45（1）：95-100.
[25] ?吴志炯，董秀成，皮光林.我国石油化工合同能源管理项目风险评价[J]. 天然气工业，2017，37（2）：112-119.
[26] ?邓健，孙浩，谢澄.基于随机数值模拟的溢油对敏感资源风险评价研究[J].武汉理工大学学报（交通科学与工程版），2017，41（1）：32-36.
[27] ?吕军，王德运，魏帅.中国石油安全评价及情景预测[J].中国地质大学学报（社会科学版），2017，17（2）：86-96.
[28] ?朱勇.基于内部基准分析的中石化海外原油供应链绩效评价研究[D].哈尔滨：哈尔滨理工大学管理学院，2015.
[29] ?张芳. 中国商业银行市场集中度研究——基于14家商业银行数据的实证分析[J].哈尔滨商业大学学报（社会科学版），2012（3）：15-23.
[30] ?迟景明，任祺. 基于赫芬达尔-赫希曼指数的我国高校创新要素集聚度研究[J]. 大连理工大学学报（社会科学版），2016（4）：5-9.
[31] ?胡玲菲. 我国通信设备计算机行业的产业地理集中研究[J]. 经营与管理， 2018（2）：86-89.
[32] ?陈素琴， 郑丹凤. 家电类企业多元化经营与财务绩效相关性研究[J]. 财会通讯，2017（35）：37-42.
[33] ?赵建群.论赫芬达尔指数对市场集中状况的计量偏误[J].数量经济技术经济研究，2011（12）：132-145.
[34] ?袁荫棠.概率论与数理统计[M].第2版.北京：中国人民大学出版社，1990：84.
关键词：?ρ-H模型;赫芬达尔指数;相关性系数;海外原油;风险评价
中图分类号：F407.22
文献标识码：A
文章编号：1673-5595（2018）05-0009-07
一、引言
随着工业化的推进和人民生活水平的提升，我国工业用油与民用用油量大幅上升，根据《BP世界能源统计年鉴2017》数据，2007—2016年我国石油消耗量从2007年的3707亿吨飙升至2016年的5787亿吨，2016年进口量高达3826亿吨，对外依存度为6611%。可见海外原油进口在我国的能源战略中具有十分重要的地位。因此，对我国海外原油的风险进行评估具有实践与战略意义。
自Cranfield Management School提出供应链风险由供应风险、需求风险、环境风险、制度风险、运作过程风险、预防计划、措施失败等6大因素构成以来[1]，国内外学者对供应链风险的研究日趋完善。从风险来源来看，风险可能来自于干扰风险、预测风险、制度风险、延迟风险、系统风险、需求风险、供应风险、政治风险、经济风险、技术风险、社会风险、环境风险、法律风险、程序风险、控制风险、文化冲突风险、自然灾害风险、信息风险、道德风险、投资风险、波动性风险、知识产权风险、生命周期阶段风险、采购风险、控制风险、运营风险等。[2-9]从研究方法来看，主要有BP神经网络、模糊数学、层次分析法、ANP、模糊评价法、AdaBoost算法、熵权法、Lasso-logistic、赫芬达尔指数等或者将其中某些方法共同使用进行风险评价。[3，6，10-15]从风险评判等级来看，大多数学者将风险分为无风险、轻度风险、中度风险、重度风险，或类似阐述。[3，16-18]
截至目前，对我国原油风险评价的研究主要为：在风险类型方面，主要有在具体项目中的溢油风险、跨国并购风险、环境风险、石油管道风险、钻井风险、火灾爆炸风险等。[19-25]在模型方法方面，主要用模糊综合评价法、改良层次法（G1法）、随机数值模拟、熵值法、聚类分析、粒子群算法、灰色关联、内部基准分析等评价石油和原油风险。[25-28]综合以上研究可知，学者对我国原油风险的研究主要集中于具体项目或具体地区，对海外原油风险的研究极少。本文建立并首次利用ρ-H模型研究我国海外原油风险，对我国海外原油风险评价具有一定的指导意义。
二、我国海外进口原油概述
由《BP世界能源统计年鉴2017》可知，2016年我国原油进口量为3826亿吨，占总消耗量的6611%。海外原油进口主要来自五大区域：俄罗斯、东南亚、非洲、中东和中南美洲。具体而言，2016年进口来源主要有美国（05百万吨）、加拿大（02百万吨）、墨西哥（10百万吨）、中南美洲（510百万吨）、欧洲（58百万吨）、俄罗斯（525百万吨）、俄罗斯外的独联体国家（42百万吨）、伊拉克（362百万吨）、科威特（163百万吨）、沙特阿拉伯（510百万吨）、阿拉伯联合酋长国（122百万吨）、中东其他国家（684百万吨）、北非（17百万吨）、西非（595百万吨）、东南非（67百万吨）、澳大拉西亚（32百万吨）、新加坡（少于005百万吨）、其他亚太国家（123百万吨）等国家和地区。
我国海外原油运输方式主要有海洋运输、管道运输及铁路运输三种，这三种方式在各自的区域内发挥着重要的作用。采用海洋运输的区域主要有中东、非洲和中南美洲，该种运输方式成本较低，但由于途经马六甲等多个海峡，风险较大;采用管道运输的区域为俄罗斯和哈萨克斯坦，两国都与我国接壤，该种方式成本低、方便快捷、安全性高;在俄罗斯和哈萨克斯坦境内管道运输无法实现的地方，采用铁路运输，该种方式运输风险小、运输量大，但建设难度大，随着运输管道的扩建与使用，铁路运输将被逐渐替代。[28]
由于本文篇幅有限，为简化模型，将本文的研究对象——我国海外原油进口源——归纳为原油进口区域，而非具体的原油进口国家，即俄罗斯、东南亚、非洲、中东和中南美洲五个区域。
三、模型方法
（一）赫芬达尔指数H
赫芬达尔指数（简称H），是用于测量产业集中度的综合指数。它是指一个行业中各市场竞争主体所占行业总收入或总资产百分比的平方和，用来计量市场份额的变化，即市场中厂商规模的离散度。赫芬达尔指数广泛应用于各学科学术研究与工程风险评价实践中。张芳通过赫芬达尔指数对我国14家商业银行1999—2008年的数据进行分析后得出，银行市场的集中程度或垄断程度较高，整个银行行业处于被四大国有商业银行寡头垄断中;但从动态来看，银行行业的垄断程度正在逐渐降低。[29]迟景明等借鉴赫芬达尔指数对我国东部、中部和西部三大地區的高校创新要素资源的空间聚集进行测度，认为中西部高校没有明显的要素集聚，而东部高校创新要素资源高度集聚。[30]胡玲菲采用赫希曼-赫芬达尔指数在内的四个指标对我国通信设备计算机行业地理集中度进行研究，得出如下结论：我国通信设备计算机行业的产业地理集中程度较高，但仍有较大推进空间。[31]陈素琴等以企业财务绩效综合得分为因变量、以赫芬达尔指数为自变量进行回归实证研究，结果表明，我国家电企业经营存在多元化经营临界点，当企业多元化水平低于临界点时，企业财务绩效随多元化程度提升而提高;当企业多元化水平高于该临界点时，企业财务绩效随多元化水平提升而下降。[32]赫芬达尔指数具体计算如下：
式中：H为赫芬达尔指数，xi表示第i个企业的规模，X表示市场的总规模，n表示该产业内的企业数。[33]
显然，H值越大，表示市场集中程度越高，垄断程度越高。
H经常用于风险评估，表示一个行业（或项目）的风险离散程度，H值越大，行业（或项目）风险越大;相反，H值越小，则行业（或项目）风险越小。
（二）相关性系数ρ
相关性系数是概率论的基础知识，其定义如下：对于二元随机变量（ξ，η），如果它们的方差D（ξ）、D（η）都不为0，则二元随机变量的相关性系数ρ计算如下：
式中：cov（ξ，η）=E（ξ-E（ξ）（η-E（η））是二元随机变量（ξ，η）的协方差[34]，ρ≤1。
当ρ=1时，表示二元随机变量（ξ，η）完全正线性相关，其经济变量ξ（η）会随着经济变量η（ξ）的增加（减少）而呈正向线性增加（减少）。当ρ=-1时，表示二元随机变量（ξ，η）完全负线性相关，其经济变量ξ（η）会随着经济变量η（ξ）的增加（减少）而呈正向线性减少（增加）。当ρ=0时，表示二元随机变量（ξ，η）线性无关，其经济变量ξ（η）不会随着经济变量η（ξ）的增加（减少）而变动。
（三）ρ-H模型
通过以上阐述可知，?指数H能够较好地反映某产业（项目）的风险离散程度，相关性系数ρ可以有效地反映该产业下各企业之间的相关性。本文拟建立有关指数H和相关性系数ρ的数学模型，以测量我国海外原油风险。
1.模型类型
根据数学知识模型类型可分为高等数学和初等数学两大类：初等数学可分为加减算法和乘除算法两类，高等数学可分为极限、微积分、空间解析几何、线性代数、级数、常微分方程等。根据以上信息，构建以下三类模型。
（1）初等函数加减算法模型
初等函数加减算法模型引入赫芬达尔指数权重和相关性系数权重，采用最简单的加减算法，构建模型如下：
式中：R为风险值;A为特定系数，根据相关经验或数据拟合获得;α为赫芬达尔指数的权重，（1-α）为相关性系数的权重，α的确定，可以采用AHP、模糊数学、灰色关联、熵值法等。
（2）初等函数乘除算法模型
初等函数乘除算法模型具有很强的乘数效应，使得最终的评价结果具有很强的区分度，由于不同国家、地区的风险值数值相差较大，有利于比较。具体模型如下：
式中：R为风险值;A为风险保值系数，其目的是使R≥1，根据其最终结果的最小值确定，若Rmin=A×356×10-6，则λ=6，A=106;n为相关系数的数量。在本模型中，∏?n?i=1??ρi?的目的是使模型具有乘数效应;?∏?n?i=1??ρi??1/n是为了确保模型的科学性，即客观合理地反映各国关系对风险的影响;H×?∏?n?i=1??ρi??2/n是为了实现模型的实际性，即与相关国家的国际关系对风险的影响是赫芬达尔指数对风险影响的2倍。?
（3）高等函数模型
高等函数模型相对于初等函数较复杂，本文不作讨论。
2.构建原则
本文模型的构建原则为精简原则，即若简单模型可以解决问题，就不考虑复杂模型。因为简单模型的简单表现形式，有利于人们的理解。对于模型的构建，在初等函数加减算法模型和乘除算法模型中，选择简单的初等函数的简单表现形式，不选择指数函数、对数函数、三角函数等相对较复杂的函数，也是遵循精简原则。
3.模型确定
对于模型的确定，一方面遵循精简原则;另一方面，初等函数乘除算法模型具有很强的乘数效应，能够精确科学地反映评价结果。因此本文选取初等函数乘除算法模型作为评价模型对我国海外原油风险进行评价。三个模型特点和选择过程如表1所示。
四、我国海外原油风险的评价实施
（一）?指数H的确定
根据《BP世界能源统计年鉴2017》数据，可得到2016年全球石油贸易流动情况，见表2。将表2的数据代入式（1），可得2007—2016年世界各国/地区10年的?H值，见表3。
对于研究对象，本文有如下考虑：（1）俄罗斯是世界原油出口大国，只在2016年从独联体进口极少量原油，其海外风险可以忽略，故不作为研究对象;（2）独联体的海外原油主要来自俄罗斯，且独联体和俄罗斯政治关系较稳定，其海外风险也极低，故不作为研究对象;（3）中东是全球产油和原油出口最大的地区，该地区只有极少数国家进口原油，总体而言，其海外原油风险极低，故不作为研究对象。综合以上信息，本文的主要研究对象是原油进口较多的国家和地区。
（二）相关性系数?ρ的确定
采用式（2）对?《BP世界能源统计年鉴2008—2017》数据处理，可得2016年其他国出口到中国的原油与其他国出口到?xi國的原油的相关性系数ρi（见表4），以及2007—2016年其他国的原油进口量与中国的原油进口量的相关性系数（见表5）。
（三）风险指数?R的确定
在式（4）的计算过程中，ρi只计算原油进口源的相关性系数，即排除非原油进口源的ρ。采用式（4）对表3和表4进行计算，由于Rmin=A×51×10-3，故A=103，可得2016年世界各国/地区的风险指数，各国家/地区风险值R分别为：美国51、加拿大52、中南美洲154、中国159、欧洲221、澳大拉西亚451、其他亚太国家779、印度1109、新加坡1358、非洲1372、日本2419。
采用式（4）对表3和表5进行计算，由于?Rmin=A×54×10-3，故A=103，可得2007—2016年世界各国/地区的风险值。其中，中国2007—2016年风险值R分别为204、248、202、115、124、273、82、54、157和159。
五、结果分析
（一）标准设定
模型假定，当λ=3时，若R∈[0，5]，该国家海外原油无风险;若R∈（5，10]，该国家海外原油存在微风险;若R∈（10，25]，该国家海外原油存在轻度风险;若R∈（25，100]，该国家海外原油存在中度风险;若R∈（100，+∞]，该国家海外原油存在重度风险。
（二）纵向结果
由评价结果可知，在2007—2016年，我国海外原油风险整体稳定，存在轻度风险。具体而言，海外原油风险值在[54， 273]来回波动，其中有2年存在微风险，7年存在轻度风险，1年存在中度风险。
2007—2016年，我国政治稳定，经济稳步发展，与世界各国广泛建交，崇尚与坚持世界和平理念，且一直努力扩大原油进口源，在一定程度上降低了海外原油风险值;除此以外，我国丰富的原油资源在很大程度上降低了海外原油风险值。只有2008年（R=248）和2012年（R=273）由于金融危机使风险值接近轻度风险和中度风险的临界值25，可以说，金融危机给我国原油进口风险造成较大的影响。因为经济环境是我国海外原油贸易的基础，任何原油贸易行为都需要稳定的经济环境支持，金融危机较大地影响了我国当年经济的稳定，进而增大了我国原油进口风险。由于我国政府及时进行宏观调控，把金融危机对我国经济的影响控制在一定范围内，使得我国海外原油进口在当年的风险控制在轻度风险的边缘（R=25左右）。
2013—2014年，我国海外原油供应链风险处于微风险状态，可以从宏观环境与微观环境两方面进行分析：（1）在宏观层面上，其一，由于我国在近几年一直保持较高的?GDP增长率，对石油的需求增加，因此我国在强调加强替代能源研发的同时，也出台相应的政策保障我国海外原油的进口;其二，我国GDP长期稳定增长，形成了较好的经济累计效应，而这些累计效应对我国各行业都有一定的促进作用，当然，海外原油进口也从中受益;其三，汽车的普及和工业化的推进，在一定程度上影响着企业和消费者的行为，进而间接对社会文化产生影响;其四，我国石油产业无论是开采技术、提炼技术，还是运输技术，随着现代化的推进，一直处于稳中有升的状态。（2）在微观层面上，在国际原油市场上，虽然我国政府及石油企业没有议价能力，只能被动接受国际市场价格，但是石油公司可以把由价格波动产生的风险转移给消费者和石油使用企业，石油公司自身不受太大影响。同时由于石油的消费者和企业对石油的需求大多为刚性需求，因此在其他条件不变的前提下，国际原油价格的波动不会对我国原油供应链带来风险。
（三）横向结果
根据美国（51）、加拿大（52）、中南美洲（154）、中国（159）、欧洲（221）、澳大拉西亚（451）、其他亚太国家（779）、印度（1109）、新加坡（1358）、非洲（1372）、日本（2419）等风险指数，海外原油风险可分为四个梯度：微风险，美国和加拿大;轻度风险，中南美洲、中国和欧洲;
中度风险，澳大拉西亚和其他亚太国家;重度风险，印度、新加坡、非洲和日本。总体而言，中国海外原油风险处于居中位置。
美国和加拿大属世界发达国家，政治稳定，较其他地区和国家，GDP和人均GDP等经济指标长期领先。同时，这两个国家掌握了成熟的原油开采、加工技术，自身原油资源丰富，出口大量的原油和成品油。因此，美国和加拿大海外原油风险极低，属微风险。
中南美洲和中国都拥有较丰富的原油资源，在很大程度上使得这些地区的海外原油风险控制在较低水平。相对于中国，中南美洲各国家人口较少，工业化较中国缓慢，整体对石油需求较小，所以其海外原油风险略低于中国。中国虽然石油等资源消耗巨大，但由于其有稳定的政治、经济环境，具有成熟、先进的石油开采、储备、运输等技术，因此海外原油风险较低。欧洲虽然自身原油较少，但由于其政治经济稳定、石油技术全球领先、环保理念普及、公民素质高等，欧洲海外原油风险属轻度风险。
澳大拉西亚和其他亚太国家自身具有一定的石油资源，且向世界部分地区出口一定量的原油，经济和政治环境差异较大，该地区海外原油风险属中度风险。
印度、新加坡、日本自身原油资源极少，这在很大程度上决定了其对海外原油的依赖，致使其海外原油存在重度风险。在非洲，部分国家拥有丰富的原油资源，部分国家原油贫乏，但整体而言，非洲大部分地区落后贫困，经济发展缓慢，先进技术掌握率低，所以其海外原油属重度风险。
六、结语
目前我国海外原油属轻度风险，与加拿大、美国有一定差距，表明我国仍有一定的努力空间，相关机构及部门可从以下四方面努力：第一，加强发展同世界各国的友好关系，尤其是石油资源储量丰富的国家和地区。在原油进口的国家中，各国具有不同的政治倾向性，其中俄罗斯和中国在多个问题上具有高度的一致性，因此中国应长期保持与俄罗斯的高度合作。同时，由于中东是主要的原油输出国，所以与中东在政治与經济上的合作将是明智之举。第二，适当增加原油的进口源，将风险分散。目前，我国海外原油进口主要集中在中东、非洲、南美洲、俄罗斯和东南亚等地区，为进一步降低风险，可以考虑加大从美国等原油储量大的国家进口。第三，强化研发及技术学习，以提升原油和成品油的使用率，最大化利用资源。原油相关技术的提升是在原油资源有限的前提下最大化利用原油的有效方式。技术的提升可以降低对环境的污染。第四，加强对企业与公民的绿色教育，努力实现绿色生产与绿色人生。政府定期派专业人士入驻企业和社区进行绿色教育，在保证正常生产与生活的前提下，尽可能减少对机用设备的使用，有效降低我国对海外原油的需求，进而降低我国海外原油风险。
参考文献：
[1] ?Cranfield Management School. Supply Chain Vulnerability[R]. Cranfield University， 2002.
[2] ?Rao S，Goldsty T J. Supply Chain Risks： A Review and Typology[J]. The International Journal of Logistics Management， 2009，20（1）：97-123.
[3] ?周剛，赵艳超.基于隶属度的供应链风险评估模型研究[J].标准科学，2013（10）：80-83.
[4] ?Lome C， Schoenher R T. Supply Chain Risk Management in Financial Crises——A Multiple Case-Study Approach[J]. International Journal of Production Economics， 2011，134（1）：43-57.
[5] ?Chan F T S， Kumar N. Global Supplier Development Considering Risk Factors Using Fuzzy Extended AHP-Based Approach[J]. Oruega， 2007，35（4）：417-431.
[6] ?王新利.基于BP神经网络专家系统的供应链风险评价研究[J].中国流通经济，2010（6）：27-30.
[7] ?Singhal P， Agarwal G， Mittal M L. Supply Chain Risk Management： Review， Classification and Future Research Directions[J]. International Journal of Business Science and Applied Management， 2011，6（3）：249-271.
[8] ?Vilko J P P， Hallikas J M. Risk Assessment in Multimodal Supply Chains[J]. International Journal of Production Economics， 2012， 140（2）：586-595.
[9] ?Kamingsih P D， Kayis H， Kara S. Risk Identification in Global Manufacturing Supply Chain[C]. Aitrcle of Proceeding International Seminar on Industrial Engineering and Management Menara Peninsula， 2007.
[10] ?曾佑新，宋斯达.基于主成分与灰色关联分析的乳制品供应链风险因素评价[J].中国市场，2017（9）：156-158.
[11] ?李明，邓旭东，肖伦亚.基于ANP-模糊评价法的供应链管理风险评价研究[J].科技创业月刊，2012（5）：82-84.
[12] ?吕心洁，陈怡雯.基于AdaBoost算法与神经网络的供应链金融风险评价[J].商业文化，2012（5）：179-180.
[13] ?雷勋平.我国汽车制造业供应链风险评价实证研究——基于熵权可拓决策模型的分析[J].计算机工程与应用，2015，51（12）：264-270.
[14] ?逯宇铎，金艳玲.基于lasso-logistic模型的供应链金融信用风险实证研究[J].管理现代化，2016（2）：98-100.
[15] ?张芳.中国商业银行市场赫芬达尔指数研究[J].产业与科技论坛，2011，10（3）：125-126.
[16] ?Aqlan F， Lam S S. A Fuzzy-Based Integrated Framework for Supply Chain Risk Assessment[J]. International Journal of Production Economics， 2015，161：54-63.
[17] ?关艳萍，刘佳翔.供应链风险的系统识别与评价模型研究[J].物流技术，2014（13）：361-363.
[18] ?Rajesh R， Ravi V. Modeling Enablers of Supply Chain Risk Mitigation in Electronic Supply Chain： A Grey-Dematel Approach[J]. Computers & Industrial Engineering， 2015，87：126-139.
[19] ?刘保占，魏文普，段梦兰，等.渤海海上石油平台的溢油风险概率评估[J].海洋环境科学，2017，36（1）：15-20.
[20] ?赵俊平，侯文卓.中国石油企业跨国并购风险评价与防范[J].辽宁工程技术大学学报（社会科学版），2016，18（3）：225-230.
[21] ?刘叶.石油化工项目环境风险评价方法[J].化工管理，2017（8）：272.
[22] ?杨忠.我国石油企业输油管道风险评价及管理应用[J].化工管理，2016（28）：121.
[23] ?曹超.鉆井风险评价技术研究[J].九江学院学报（自然科学版），2015（4）：48-50.
[24] ?王亚琼，余建星，梁静，等.深水浮式结构火灾爆炸风险评价方法及软件开发[J].河北工业大学学报，2016，45（1）：95-100.
[25] ?吴志炯，董秀成，皮光林.我国石油化工合同能源管理项目风险评价[J]. 天然气工业，2017，37（2）：112-119.
[26] ?邓健，孙浩，谢澄.基于随机数值模拟的溢油对敏感资源风险评价研究[J].武汉理工大学学报（交通科学与工程版），2017，41（1）：32-36.
[27] ?吕军，王德运，魏帅.中国石油安全评价及情景预测[J].中国地质大学学报（社会科学版），2017，17（2）：86-96.
[28] ?朱勇.基于内部基准分析的中石化海外原油供应链绩效评价研究[D].哈尔滨：哈尔滨理工大学管理学院，2015.
[29] ?张芳. 中国商业银行市场集中度研究——基于14家商业银行数据的实证分析[J].哈尔滨商业大学学报（社会科学版），2012（3）：15-23.
[30] ?迟景明，任祺. 基于赫芬达尔-赫希曼指数的我国高校创新要素集聚度研究[J]. 大连理工大学学报（社会科学版），2016（4）：5-9.
[31] ?胡玲菲. 我国通信设备计算机行业的产业地理集中研究[J]. 经营与管理， 2018（2）：86-89.
[32] ?陈素琴， 郑丹凤. 家电类企业多元化经营与财务绩效相关性研究[J]. 财会通讯，2017（35）：37-42.
[33] ?赵建群.论赫芬达尔指数对市场集中状况的计量偏误[J].数量经济技术经济研究，2011（12）：132-145.
[34] ?袁荫棠.概率论与数理统计[M].第2版.北京：中国人民大学出版社，1990：84.
