油价调整模型公式_油价调整幅度是怎么算出来的

1.实证结果分析与讨论

2.调整井经济界限

3.国内油价今晚0点或迎年内第七涨

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＋Ψ，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Q统计量的显著性概率大于20%，而Q2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杠杆效应，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Q统计量的显著性概率大于50%，而Q2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Q1（M）和Q2（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Q1（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。

调整井经济界限

经济界限是指现有油田开发技术和财税制度下，新钻调整井所获得的收益能弥补全部投资、采油操作费，并获得最低收益时所达到的产量或可采储量最小值。当新钻井初期产量和单井增加可采储量大于这一值时，则新钻井经济上是可行的。行业基准参数：投资回收期6年，内部收益率12%。

（一）数学模型

1.调整井初期产量界限

深层高压低渗透油田开发：以东濮凹陷文东油田沙三段油藏为例

式中：Qc为新井初期产量界限，t/d;It为新钻井投资，104元.Soft为单井年固定操作费用，104元/（井·年）；Pb为油井经济生产年限，年；Pt为原油价格，元/t;T为原油销售税率，%;Tr2为城市维护建设费，%;Tr3为教育附加费，%;Tr4为资源税，元/t;Covt，为吨油变动成本，元/t;Rc为增值税实交比例。

2.单井增加可采储量界限

单井增加可采储量界限可由式（8-2-1）计算。

（二）参数取值方法

1.新井投资

单井投资主要由钻井投资和地面建设投资两部分组成。

（1）钻井投资

钻井投资的计算有两种方法，分别是钻井成本预测法和单井钻井成本统计推算法。

钻井成本预测法是根据开发部署的钻井任务及实物工作量结合近期钻井成本实际资料的分析，用货币形式对实现钻井任务的成本目标做出定量化的估算。在以上工作基础上编出按地质分区、层系、井深、钻井类型的单井钻井成本预测结果。

单井钻井成本统计推算法是依据开发区域内近2～3年实钻开发井的实际钻井成本资料求得钻井投资的统计关系，常用钻井投资与井深的统计关系。

在实际工作中，钻井成本预测法往往难以提前编制出系统的各类井的钻井成本。采用较多的是单井钻井成本统计推算法。

（2）地面建设投资

地面建设的内容包括集输工程和辅助工程两大部分。根据实际资料情况，可选择统计分析法和逐项计算法。

统计分析法

单井地面建设投资（万元/井）＝地面建设总投资（万元）/基建井数（口）。

近几年地面建设总投资除以它所服务的总井数即为单井地面建设投资。其单位是104元/井，用近期实际资料确定。考虑到区块不同，建立不同区块的单井地面建设投资。

逐项计算法

井口装置投资：包括井口设备、井口房、井口电气及安装等。

输油管线投资：输油管线系指从井口到计量站或集（转）站的输油管线。其投资与输油管线长度直接相关，计算公式为：

输油管线投资（万元）＝单位输油管线投资定额（元/m）×管线长度（m）

其他工程投资：根据新井地面建设情况具体确定。

2.采油成本

采油成本包括全部操作成本，可根据区块具体情况采用类比法取值。

从上述分析可以看出，在产量趋势一定的情况下，影响调整井经济界限的主要因素是单井投资、采油成本。在投资、成本，油价确定的情况下，产量递减率大的油田所要求的初期产量界限高，产量递减率小的油田所要求的初期产量界限较低。在投资、成本和产量变化模式确定的情况下，油价的高低与初期产量界限的高低成反比。

理论上讲，油井在经济上是可行的。由于油田认识程度、油价及物价水平一直处于动态变化中，一旦认识程度、油价及物价水平发生变化，由上式所确定的经济界限就不一定是经济的，而且存在连投资都无法回收的风险。对抗这种风险的最佳办法是尽快回收调整井投资，回收期越短，油价及物价水平在短期内的变化幅度就越小，由油价及物价导致的风险就越小。只有投资得到回收，才能谈及取得的最大效益问题。这种能尽快回收投资究竟快到什么程度为“合理”与油田经营者的决策有关。借鉴国外石油公司做法，一般认为5～8年内能收回投资、收益率在12%～15%之间、回收投资后的剩余可采储量为40%～60%比较合适。实际应用中，回收期，产量变化系数及剩余可采储量百分比究竟取哪个界限，应根据油藏的流体性质及地质特征来确定。一般来说，由于复杂断块油田初期产量一般较高，产量递减快、回收期取下限，剩余可采储量取下限。

（三）计算结果

应用上述方法，对新钻调整井单井初期产油经济界限（图8-4-1）、单井增加可采储量经济界限进行计算，结果如图8-4-2所示。

图8-4-1 新井初期产量经济界限

图8-4-2 新井新增可采储量经济界限

国内油价今晚0点或迎年内第七涨

国内油价今晚0点或迎年内第七涨

　国内油价今晚0点或迎年内第七涨，从年初开始，目前国内的油价经历了七轮调整，其中六次上涨，一次下跌，新一轮油价调整窗口将于周四(4月28日24:00)开启。国内油价今晚0点或迎年内第七涨。

　国内油价今晚0点或迎年内第七涨1

　在2022年经历“六涨一跌”的局面后，油价又要涨了？

　4月28日24时，新一轮成品油调价窗口将开启，在经历了上轮“大幅下跌”后，本轮成品油价格或将“回涨”。

　据金联创测算，截至4月27日，参考原油品种均价为108.1美元/桶，变化率为4.10%，对应的国内汽柴油零售价应上调220元/吨。

　本轮计价周期内，美联储大幅加息预期升温，市场对能源需求增长前景的担忧导致油价承压，原油期价走势震荡回落。受原油走势震荡回落影响，原油价格变化率正值区间不断收窄。

　4月26日，原油期货价格收盘上涨。金联创原油分析师韩政己表示，投资者正在分析中国经济与疫情防控措施对能源市场的影响，需求前景担忧稍有缓解。

　从整体趋势上看，自2022年以来，国际油价持续飙升，国内成品油价格经历“六涨一跌”。据机构预测，在本轮调价后，95号汽油或将重返“9元时代”。

　上周，国际货币基金组织下调了全年的经济预期，同时在美原油期货移仓换月的过程中出现持仓降低和流动性不足。在双重利空影响下，国际原油价格从高位盘整后下跌。但美国原油库存下降，同时市场对供应紧缺担忧加剧使得国际原油价格获得底部支撑，再度回涨，其对应的原油变化率始终在正值范围内波动。

　截至4月26日收盘，纽约商品交易所6月交货的轻质原油期货价格上涨3.16美元，收于每桶101.70美元，涨幅为3.21%；6月交货的伦敦布伦特原油期货价格上涨2.67美元，收于每桶104.99美元，涨幅为2.61%。

　按照《石油价格管理办法》有关规定，国内汽、柴油最高零售价格根据国际市场原油价格变化情况，每10个工作日调整一次，主要看调价前10个工作日国际油价平均值与再之前10个工作日平均值的比较情况。如果测算的原油变化率对应的汽、柴油价格调价幅度高于每吨50元，则进行调整。反之，如果低于每吨50元，则不作调整，纳入下次调价时累加或冲抵。

　据卓创资讯数据监测模型显示，截至4月26日收盘，国内第9个工作日参考的原油变化率为3.49%，预计汽柴油上调幅度为145元/吨，折算为升价，92号汽油上调0.11元/升，95号汽油及0号柴油均上调0.12元/升。

　“后期来看，短期原油价格有望维持震荡行情，但目前距离本次调价窗口开启时间仅剩1个工作日，预计4月28日24时，国内成品油零售限价上调窗口或开启。”卓创资讯分析师王雪琴表示，如果上涨，这将是今年国内成品油零售限价第七次上调。

　金联创成品油分析师估测，本轮调价最终上调幅度预计在160-180元/吨。若按170元/吨的上调幅度估测，折合升价约在89号汽油0.13元、92号汽油0.14元、0号柴油0.15元。

　终端用户汽油方面，按油箱容量为50L的小型车计算，加满一箱油将大约要多花7元左右，柴油方面，按油箱容量为160L的大货车计算，加满一箱油将大约要多花24元左右，因此下游用户可在调价前加油，以节约用车成本。

　国内油价今晚0点或迎年内第七涨2

　开油车的朋友们要注意了！4月28日24时，油价将迎来再次调整。

　近年来，受到疫情的影响，许多人的收入都出现了缩水的情况。同时在疫情影响下，物价也多次出现了上涨的情况。这一减一加之下，人们的生活成本确实高了很多。最为明显的就是成品油的价格，今年已经出现了连续上涨。汽油是燃油汽车行驶的动力，燃油车离不开汽油，就如同动物离不开血液一样。虽然这种说法有些夸张，但还是显现出了汽油和汽车的关系。

　众所周知，我国油价的涨跌是根据国际油价的走势来调整的，并不是我们所能决定的，原因也很简单，就是我们70%以上的石油都要依赖进口，所以油价是涨是跌取决于国际油价。自2021年以来，国际油价就在持续上涨，受此影响国内油价也开始不断上涨。据资料显示，2021年国内汽油累计涨幅已达1485 /吨(约合1.18元/升)。

　如今，每升油价已然超过8元，“油贷”也成为了有车一族间口口相传的热词，现在的油价又是什么情况呢？

　自三月份开始，汽油的价格便开始了持续上涨，在经过了七轮的`价格变动后，车主们终于迎来了加满一箱油要多花至少一百元的结果，这让不少车主都感到苦不堪言，更多的也是希望能够等到汽油价格回落的那天。

　然而百日连阴雨，总有一朝晴，4月15日24时，油价降了四毛多让很多人都欣喜不已。从年初开始，目前国内的油价经历了七轮调整，其中六次上涨，一次下跌，可能在大家看来现在油价应该算是稳定了，甚至未来还会继续下调，但事实却并非如此。

　新一轮油价调整窗口将于周四(4月28日24:00)开启。今天是4月27日，距离本轮国内成品油调价窗口开启还剩下最后一个工作日。数据显示，截至国内第八个工作日，当前原油价变化率为3.41%，油价预测上调约145元/吨，换算成每升上涨约0.11元每升。

　以此计算，车主们加满一箱50升的92号汽油大约需要多花5-6元。因此，五一假期要出行的车要抓紧了，不然等到28号后，加油又要多花钱了。

　有人预计，此次油价调整后，多地95号汽油价格将重回“9元时代”，希望在未来一段时间国际油价能出现“变动”，能让上涨幅度降低一些，这对于车主来说就是非常不错的了。

　第八次油价调整将会4月28日在迎来，很大概率油价会大幅度上涨，有车一族可以提前规划好加油时间。

　国内油价今晚0点或迎年内第七涨3

　2022年开始，国内油价已经经历七轮调整。其中，六次上涨，一次下跌。如果本轮上涨实现，将是年内第七次油价上涨。2022年汽油价格已涨1440元/吨；柴油价格已涨1385元/吨。据机构预测，在本轮调价后，95号汽油或将重返“9元时代”。

　国际原油期货价格近来“先抑后扬”，国内成品油零售限价将再度迎来上调，调价时间为4月28日24时。五一假期临近，消费者出行成本将增加。

　按照《石油价格管理办法》有关规定，国内汽、柴油最高零售价格根据国际市场原油价格变化情况，每10个工作日调整一次。市场资讯机构卓创资讯成品油分析师王雪琴表示，本计价周期初始，国际货币基金组织下调了全年的经济预期，同时在美原油移仓换月的过程中，持仓降低和流动性不足。

　在双重利空影响下，原油价格从高位盘整后下跌。但美国原油库存下降，同时对供应紧缺担忧加剧使得原油价格获得底部支撑，原油价格低位再度回涨，其对应的原油变化率始终在正值范围内波动。

　据卓创资讯数据监测模型显示，截至4月26日收盘，国内第9个工作日参考的原油变化率为3.49%，预计汽柴油上调幅度为145元/吨，折算为升价，92#汽油上调0.11元/升，95#汽油及0#柴油均上调0.12元/升。

　据金联创测算，截至4月27日第九个工作日，参考原油品种均价为108.1美元/桶，变化率为4.10%，对应的国内汽柴油零售价应上调220元/吨。

　受国际原油价格高位震荡影响，今年以来国内成品油价持续走高。此次调价落实后，将成为国内成品油零售限价年内第7次上调，届时，2022年成品油调价将呈现“ 七涨一跌零搁浅”格局。