油价上涨依据_油价上涨幅度系数怎么算

1.国内汽柴油价或再上调，每吨预计涨四五百元，该消息对股市会有什么影响？

2.实证研究结果讨论

3.实证研究方法

4.全国油价调整消息：今天5月1日，各地区92、95号汽柴油最新价格

29日收盘时纽约轻油2月期货每桶59.82美元，上涨1.66美元；布伦特原油2月期货57.64美元，上涨1.35美元。

一桶油为42加伦

体积与重量单位之间的换算必须引入密度p。原油及成品油的密度pt表示在某个温度状态下，没立方米体积的石油为p吨重。换算关系为：

一吨油的体积数=1/p立方米

一吨油相当的桶数=1/p * 6.29桶（油）

将6.29除以密度即为求1吨油等于多少桶油的换算系数公式。此换算系数的大小与油品的密度大小有关，且互为倒数关系，如：大庆原油密度为0.8602，胜利101油库原油密度为0.9082，可分别得:

大庆原油换算系数=6.29/0.8602=7.31 ，胜利原油换算系数=6.29/0.9082=6.93

而辽河的稠油密度更大，一吨不到7桶，重量上中国的吨和国际的是一样的，但由于油品问题，中国的石油在国际上油价相对低

国内汽柴油价或再上调，每吨预计涨四五百元，该消息对股市会有什么影响？

一般情况下：小型轿车高速过路费每公里0.45元，油钱大概每公里0.55元，两项1000公里就是大约1000元。

计算方式通常有几种：

1、是以车辆百公里油耗作为计算基准的。假设使用95号汽油，假设目前95号汽油价格为每公升7元，那么100公里消耗掉8L汽油，一共就是56元油费。平均到每1公里就是0.56元人民币。可以按照这个计算方式，根据当前实际油价计算出车辆每1公里需要耗费多少油钱。

2、一箱汽油完全消耗完，等到亮灯后用油耗计算软件记录里程数。然后加满一箱油之后一直跑到下一次亮灯，再记录一次里程数，按照加油量的多少，就能准确计算出实际油耗了。

汽车油耗是通过加油量除以行驶里程来计算的：

例如跑了100公里加了7.3升油，百公里油耗就是7.3升。又例如跑到附油箱加油告急灯亮时，到加油站加了30升油，看里程表是450公里；就用30升被4.5除得到6.66，而6.66就是百公里油耗。

再例如随便跑了140公里，就上同样加油站加进了9.3升油，就用9.3升被1.4除得到6.64，这个6.64就是百公里油耗。

实证研究结果讨论

在中石油、中石化提出上调油价的提议之后，发改委15日向两大集团紧急征求成品油价格的发布形式，要求在16日上报方案。金银岛市场分析师何杰英称，不排除此次公布调价文件形式或有变动。回顾历次调价，不难发现，发改委调价文件中公布的是各地区的零售吨价，各地的批发与零售到位价均由各地物价局通过吨升转换系数计算而来，因各地物价局换算系数不统一，造成在实际销售中存在差距。尤其在广东市场吨升转换较为频繁，按升价销售和按吨价销售有较大差异。因此，发改委借此次调价来进一步规范成品油调价发布形式。由此可见，此次调价不仅是价格方面的调整，或还有一些政策方面的微调。

对整个石油板块利好，所以上周石油板块整体走好。

回答来源于金斧子股票问答网

实证研究方法

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。

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。

全国油价调整消息：今天5月1日，各地区92、95号汽柴油最新价格

为了全面认识国际原油市场与美元汇率市场之间的互动关系，尤其是准确判断美元汇率变化对国际油价起伏的影响程度，进而为预测未来油价变化甚至宏观经济走势提供支持，本节将着重从价格长期变化、价格波动幅度及市场风险传递等3个角度，实证研究两个市场之间的密切关系。

4.5.1.1 石油市场与美元汇率市场之间的均值溢出效应检验

从经济含义上讲，两个市场之间的均值溢出效应指的是一个市场的价格不仅受到其前期价格的影响，还可能受到其他市场前期价格的影响。长期而言，美元汇率的变化对国际原油价格变化的影响是否显著，是否有助于预测其未来的走势，均值溢出效应检验可以较好地回答这种诉求。

均值溢出效应是从VaR模型的角度而言的，即条件一阶矩的Granger因果关系检验。因此，可以通过建立VaR模型，按照AIC值最小的原则，选择最佳的滞后阶数，然后通过普通线性Granger因果检验方法判断国际油价与美元汇率之间的均值溢出效应。具体方法是，若以X 表示美元汇率，Y表示国际油价，对双变量回归方程（式4.20）中的Sj=0（j=1,2，…，m）（原假设）进行假设检验。如果拒绝该原假设，则认为美元汇率变化是国际油价起伏的Granger原因；同理，也可以判断国际油价起伏是否是美元汇率变化的Granger原因。其中m为最大滞后阶数。

国外油气与矿产资源利用风险评价与决策支持技术

4.5.1.2 石油市场与美元汇率市场之间的波动溢出效应检验

波动溢出效应指的是不同市场的价格波动之间可能存在相互影响，某一市场价格波动程度不但受自身前期波动程度的影响，而且还可能受其他市场价格波动程度的制约，即价格波动信息会从一个市场传递到另一个市场。市场瞬息万变，石油市场与金融市场之间的密切联系早已引起各界关注，而美元汇率交易价格的波动是否会传递到国际原油市场，这是波动溢出效应检验的目的所在。

我们采用ARCH 类模型检验和度量波动溢出效应。GARCH模型是在Engle（1982）提出的ARCH模型基础上发展起来的，其基本形式为

国外油气与矿产资源利用风险评价与决策支持技术

式中：Yt为国际油价或美元汇率；Xt为由解释变量构成的列向量；θ为系数列向量；ht为残差的异方差。

同时，由于价格序列的波动通常存在杠杆效应，即价格上涨和下跌导致的序列波动程度不对称。为此，本节引入TGARCH模型来描述这种现象。TGARCH模型最先由Zakoian（1994）提出，其条件方差为

国外油气与矿产资源利用风险评价与决策支持技术

式中：dt-1为名义变量：εt-1﹤0,dt-1=1；否则，d1,t=0；其他参数的约束与GARCH模型相同。

由于引入了dt-1，因此价格上涨信息（εt-1﹥0）和下跌信息（εt-1﹤0）对条件方差的作用效果出现了差异。上涨时 其影响程度可用系数 表示；下跌时的影响程度为 。简言之，若Ψ≠0，则表示信息作用是非对称的。

按照AIC值最小的准则，我们发现分别采用TGARCH（1,1）和GARCH（1,1）模型拟合国际油价和美元汇率是最佳选择。在这种情况下考虑波动溢出效应，根据Lin和Tamvakis（2001）和Hammoudeh等（2003）在研究不同石油市场之间的互动关系时提供的波动溢出效应检验方法，可构造出以下方程：

国外油气与矿产资源利用风险评价与决策支持技术

式中：hi,t表示第i个市场（国际石油市场与美元汇率市场）第t期的条件方差；αi,0，αi,1，Ψ和βi,1均为（T）GARCH（1,1）模型的系数。

在式4.24和式4.25中，一个市场的滞后条件方差项作为回归项加入另一个市场的条件方差方程中，而γi即为第i个市场溢出项的系数。若溢出项在统计上是显著的，则认为存在相应的波动溢出效应，即一个市场的波动会显著地传递到另一个市场；反之，则不存在显著的波动溢出效应。

4.5.1.3 石油市场与美元汇率市场之间的风险溢出效应检验

两个市场之间的风险溢出效应表示一个市场极端风险的历史信息有助于预测另一个市场现期和未来的极端风险。市场风险规避和控制是市场参与者不得不审慎考虑的问题，石油贸易这样的大宗商品贸易更是如此。由于石油与美元一直相伴而行，使得石油市场与美元汇率市场之间互相渗透，市场风险传递更值得关注。

风险度量对于国际石油市场和美元汇率市场都至关重要。本节引入简便而有效的VaR方法来度量市场风险。VaR 要回答这样的问题：在给定时期内，有x%的可能性，最大的损失是多少？从统计意义上讲，VaR表示序列分布函数的分位数。

VaR 风险值的计算方法很多，但概括起来可以归结为3种，即方差－协方差方法、历史模拟方法和方法。本节采用方差－协方差方法计算国际石油市场和美元汇率市场的VaR风险。在采用方差－协方差方法过程中，考虑到油价和美元汇率序列往往具有尖峰厚尾和非标准正态分布的特征，因此通常所采用的标准正态分布假设可能会低估实际市场风险。为此，本节引入Nelson提出的广义误差分布（GED）来估计GARCH类模型的残差项（Nelson,1990）。

为了考察国际石油市场和美元汇率市场的风险溢出效应，尤其是美元汇率价格风险对石油市场的影响，我们引入Hong（2003）提出的风险－Granger因果关系检验方法。其核心思想是通过VaR建模来刻画随时间变化的极端市场风险，然后运用风险－Granger因果检验的思想来检验一个市场的风险历史信息是否有助于预测另一个市场的风险的发生。

Hong（2003）借助样本互相关函数，提出了基于核权函数的单向和双向风险－Granger因果关系检验统计量。在实际操作中，先检验双向风险－Granger因果关系，如果拒绝原假设（即至少存在一个方向的风险－Granger因果关系），则可以进一步检验单向风险－Granger关系。

今日汽油柴油价格最新动向：今天2020年的5月1号星期五。

今天是一年一度的五一国际劳动节假期第一天，相对于车主小伙伴而言五一是一个长达五天的小长假，时间推移国內环境影响日趋消退，想必许多车主小伙伴都开着汽车，哼着小曲正行驶在小长假的旅途上了吧，五一期间高速公路全部免费，让大伙儿出远门旅游的时候降低了一些费用，感谢我们的国家！

2019年大伙儿被油价上涨搞到身心疲惫得不得了，2020年的油价重磅消息频频，今天重磅消息再写给大伙儿，相对于2020年的来，油品时刻逢低，92、95号汽油曾一度靠近“地砖价”，提醒大伙儿的是，此次5月份第一阶段价格调整或许将保持乏力增涨！

数据信息表明：截止到国內下一个交易日，整体原油产品弹性系数为负4.30%，当前油价预期下降151元/吨，尽管在近2个交易日来看，原油价格升幅保持涨了201元，但能让大家发现原油价格不增涨的期待是现阶段国际石油价格尚处在19.9美元/桶下面的“地砖价”，下一次价格调整的时间为2020年的5月14日的24时开始，请多多注意了。

期待新一轮的原油价格有所突破原油价格走低趋势！

今天最新油价快讯：截止到当天收盘时，纽约商品交易所6月交付的质轻期货原油价格飞涨3.79美元，收在每桶18.85美元，上涨幅度为25.11%。6月交付的伦敦英国布伦特原油期货行情增涨2.74美元，收在每桶25.26美元，上涨幅度为12.12%。opec与俄罗斯等非opec石油输出国先前促成限产合同，将从5月1日起每日平均限产970万桶，第一轮限产期为2个月。

今天全国各个地区加油站成品油基准价明细表，各地区汽油柴油价格可参照上图。其中部分省市汽油和柴油价格：广西地区92#汽油价格为5.57元/升，95#为6.02元/升，98#为6.85元/升，0#柴油为5.17元/升；江苏地区92#汽油价格为5.49元/升，95#为5.84元/升，98#为6.72元/升，0#柴油为5.07元/升；河北地区92#汽油价格为5.49元/升，95#为5.80元/升，98#为6.62元/升，0#柴油为5.09元/升；其余各地区汽柴油价格可查阅全国各省市汽柴油价格明细表，此价格仅作参考，具体汽油价格以当地的加油站为标准。诚邀广大小伙伴车主们共享当地的加油站汽柴油价格信息。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。