国际主要碳排放权交易市场风险度量
2022-06-08
摘要：欧洲碳排放交易系统与芝加哥气候环境交易所的碳交易市场都有正的风险溢价，且下跌的信息对于市场的影响更明显。强制性交易市场更有效率且风险相对较低，现有的风险度量模型难以度量政策风险和经济环境风险。中国应颁布二氧化碳强制减排政策以及总量控制政策，建立全国性的碳交易监管机构，在试点初期不要引入碳信用的期货交易，以保证市场稳健发展。
关键词：碳交易；GARCH模型；极值理论；在险值；风险
中图分类号：F832.5 文献标识码：A 文章编号：1005-2674（2014）06-069-06
碳排放权交易市场在国际上已经有十多年的历史，目前全球最大的也是最成功的欧洲碳排放交易系统（EU ETS）在经历了第一阶段的探索实验和金融危机的考验后已经越发成熟。世界最大自愿性交易市场芝加哥气候交易所（CCX）运行时所处的政策环境和交易方式与目前中国试点的碳交易市场有一些相似之处。国际上的碳排放权交易市场价格都存在一定的波动，体现出了金融市场具有风险的特性，通过选取两个市场的现货价格和具有代表性的期货价格进行风险的测算，可以对比强制性交易市场与自愿性交易市场在风险上的差异，发现其各自的市场规律。目前，中国的碳排放权交易市场处于试点阶段，七个试点均在实践中探索着自己的政策和管理模式，为建立真正的全国性碳排放权交易市场做准备。研究国际主要碳交易市场风险，寻找合适的市场风险预测模型，可以为中国碳排放权交易市场的建立提供更多的借鉴，从而为未来构建全国范围内的碳排放权交易市场提供更多的理论支撑。
一、文献综述
随着碳交易市场的发展，碳排放权交易的研究内容逐渐从市场构建延伸到了市场价格波动以及对风险的把控上。Alberrola认为，由于碳排放权交易市场不仅受到市场机制作用，还受到外界的诸如气候谈判、全球温度变化、排放配额分配等特殊事件的影响，使得碳价会出现较大浮动的波动。Chevallier将碳交易看作是一种新型的商品资产，引入金融市场中常用的GARCH族模型分析了EU ETS碳信用的收益率在宏观经济条件中的变化，发现收益率波动与配额分配和电力需求相关。魏一鸣等根据投资组合理论测算了EU ETS的系统性风险。Zhenhua Feng又通过构建GARCH-EVT-VaR模型有效地拟合了EU ETS碳收益序列的残差，验证了极值理论是评估EU ETS风险的有效方法。这些研究都是针对强制性碳排放市场开展的，而中国目前所建立的碳排放权交易市场因为没有总量控制政策出台，可以看作是自愿性市场。因此，本文尝试同时测度EU ETS和CCX两个市场的风险，通过对比分析，为中国碳交易市场发展提供经验借鉴。
在金融市场中，常利用在险值和期望损失值测度市场风险。VaR表示在给定的置信水平和时间问隔下，由市场变化引起的高于目标水平的最大损失，Es表示当损失超过风险价值VaR时的期望值。在计算在险值中引入极值理论能够较好地解决收益率序列的厚尾现象，常用的有POT模型和BMM模型，但后者更多地用于季节性特征明显的序列。在极值理论的应用中，最关键的一点是阈值的选取，且方法有多种，其中Hill图法，平均超限图法都是以观察函数图变化为基准，主观因素可能会造成误差。DuMouchel提出了一种相对容易的量化方法，认为在μ允许的情况下选取令Nμ=90%n左右的数据为阈值μ。另外，Pierre Patie曾提出过可利用峰度逐步剔除变量来确定阈值，Lu在研究中国商业银行的操作风险中运用过该方法，花拥军等在测算沪深股市极端风险的时候也曾用过该方法确定POT模型中的阈值。但是该方法在研究中应用较少，并没有被学术界所完全接受。因此，为保证研究的科学性及严谨性，本文将结合Hill图、平均超限图两种方法以及相应的量化方法确定阈值μ，以提高Vail测算的精度。
二、数据处理与分析
本文用于研究EUETS的数据是从其第二阶段，即2008年之后截止到2013年6月28日的日序列，其中期货交易的序列由于交易开始的日期不同而造成样本量不同。如EU ETS DEC2016从2011年12月24日开始，截止2013年6月28日，数据样本仅为133个。用于分析CCX的数据从市场建立之初的2003年12月22日开始，截止2011年1月31日关停，样本数共1800个。
1.GARCH分析
对各价格序列进行一阶差分得到收益率序列，r1对应ETS现货收益率，r2对应ETS DEC2012，表示2012年12月交割的期货收益率，r3对应ETS DEC2013，r4对应ETS DEC2014，r5对应ETS DEC2015，r6对应ETSDEC2016，r7对应CCX中2003年生效的CFI价格收益率。各峰度均大于3，且J-B统计量非常显著，表明七组收益率的分布均呈现出尖峰厚尾状。各序列ADF检验T值均显著大于置信度99%的临界值，全部平稳。对七组收益率序列进行ARCH效应检验，结果表明除了r6，r7以外，其余收益率序列都可以拒绝异方差ARCH的原假设，即表明这五组收益率序列存在明显的ARCH效应。将r6的残差进行ARCH-LM检验，Obs*l=R-squared值为12.788，p值为0.001，表明r6实际上也存在ARCH效应。而对r7的残差进行ARCH-LM检验，结果并不显著，这表明r，存在一定的ARCH效应，只是并不明显。
在完成GARCH检验之后，本文对七组收益率序列分别建模，各模型中的参数估计结果如表1所示。从表1可以看到r6的模型参数不显著，表明上述的GARCH模型并不适合用来分析r6。对于r6，本文尝试引入IGARCH检验，拟合后各项系数均比原有模型显著，且ARCH—LM检验后同样不能拒绝原假设。因此，针对r6本文单独选用IGARCH模型，其参数详见表2。对表1中最后的LM检验的结果进行分析可以看出，在七组收益率序列中，除r2以外，LM的Obs*R-squared的值均不显著，不可以拒绝LM检验的原假设，即被检验序列不存在ARCH效应。这表明本文所选择的GARCH模型有效地提取了收益率序列的异方差的信息。
根据表1的数据，比较两个市场的现货和期货交易收益率的冲击衰减速度。冲击衰减速度主要由β1系数判断，系数大则表示冲击衰减慢，北大核心期刊受冲击信息相对较少，市场反应不及时。先从EU ETS和CCX的现货进行比较，即r1和r7，两者分别属于强制性市场和自愿性市场。从β1系数上看，r1为0.802，r7为0.963，即EUETS现货当前方差冲击的80.2%在下一期依然存在，而CCX现货当前方差冲击的96.3%在下一期仍会存在。β1系数r1明显小于r7，表明EU ETS受冲击信息较多，冲击衰减较快，市场反应比自愿性的CCX更及时，更有效率。另外，两个市场上不论现货交易还是期货交易，GARCH的系数β1都大于0，且z统计值都是显著的，说明收益有正的风险溢价。β1越大，表示市场上的参与者对风险的厌恶程度越高，即要求的风险回报越大。从现货收益率r1和r2的β1值上看，自愿性碳交易市场CCX的参与者更厌恶风险。
由于2012年期货的收益率序列于2012年12月截止，而本文现货的收益率序列选择到2013年6月，所以两者在市场冲击信息的比较中会存在较大误差，另外，2016年期货的数据过于短，仅半年的序列，在GARCH模型的拟合中也单独选取了模型进行拟合，所以在这里也不具有可比性。因此，选取r1、r3、r4、r5进行比较发现，期货市场受到的冲击信息越多，则市场交易者反应越快，市场交易更活跃，并且远期交易的交割时间越长，其受到的冲击信息更多，这也从另一个角度表明碳市场的期货交易波动较大，不稳定性相对更高。
关键词：碳交易；GARCH模型；极值理论；在险值；风险
中图分类号：F832.5 文献标识码：A 文章编号：1005-2674（2014）06-069-06
碳排放权交易市场在国际上已经有十多年的历史，目前全球最大的也是最成功的欧洲碳排放交易系统（EU ETS）在经历了第一阶段的探索实验和金融危机的考验后已经越发成熟。世界最大自愿性交易市场芝加哥气候交易所（CCX）运行时所处的政策环境和交易方式与目前中国试点的碳交易市场有一些相似之处。国际上的碳排放权交易市场价格都存在一定的波动，体现出了金融市场具有风险的特性，通过选取两个市场的现货价格和具有代表性的期货价格进行风险的测算，可以对比强制性交易市场与自愿性交易市场在风险上的差异，发现其各自的市场规律。目前，中国的碳排放权交易市场处于试点阶段，七个试点均在实践中探索着自己的政策和管理模式，为建立真正的全国性碳排放权交易市场做准备。研究国际主要碳交易市场风险，寻找合适的市场风险预测模型，可以为中国碳排放权交易市场的建立提供更多的借鉴，从而为未来构建全国范围内的碳排放权交易市场提供更多的理论支撑。
一、文献综述
随着碳交易市场的发展，碳排放权交易的研究内容逐渐从市场构建延伸到了市场价格波动以及对风险的把控上。Alberrola认为，由于碳排放权交易市场不仅受到市场机制作用，还受到外界的诸如气候谈判、全球温度变化、排放配额分配等特殊事件的影响，使得碳价会出现较大浮动的波动。Chevallier将碳交易看作是一种新型的商品资产，引入金融市场中常用的GARCH族模型分析了EU ETS碳信用的收益率在宏观经济条件中的变化，发现收益率波动与配额分配和电力需求相关。魏一鸣等根据投资组合理论测算了EU ETS的系统性风险。Zhenhua Feng又通过构建GARCH-EVT-VaR模型有效地拟合了EU ETS碳收益序列的残差，验证了极值理论是评估EU ETS风险的有效方法。这些研究都是针对强制性碳排放市场开展的，而中国目前所建立的碳排放权交易市场因为没有总量控制政策出台，可以看作是自愿性市场。因此，本文尝试同时测度EU ETS和CCX两个市场的风险，通过对比分析，为中国碳交易市场发展提供经验借鉴。
在金融市场中，常利用在险值和期望损失值测度市场风险。VaR表示在给定的置信水平和时间问隔下，由市场变化引起的高于目标水平的最大损失，Es表示当损失超过风险价值VaR时的期望值。在计算在险值中引入极值理论能够较好地解决收益率序列的厚尾现象，常用的有POT模型和BMM模型，但后者更多地用于季节性特征明显的序列。在极值理论的应用中，最关键的一点是阈值的选取，且方法有多种，其中Hill图法，平均超限图法都是以观察函数图变化为基准，主观因素可能会造成误差。DuMouchel提出了一种相对容易的量化方法，认为在μ允许的情况下选取令Nμ=90%n左右的数据为阈值μ。另外，Pierre Patie曾提出过可利用峰度逐步剔除变量来确定阈值，Lu在研究中国商业银行的操作风险中运用过该方法，花拥军等在测算沪深股市极端风险的时候也曾用过该方法确定POT模型中的阈值。但是该方法在研究中应用较少，并没有被学术界所完全接受。因此，为保证研究的科学性及严谨性，本文将结合Hill图、平均超限图两种方法以及相应的量化方法确定阈值μ，以提高Vail测算的精度。
二、数据处理与分析
本文用于研究EUETS的数据是从其第二阶段，即2008年之后截止到2013年6月28日的日序列，其中期货交易的序列由于交易开始的日期不同而造成样本量不同。如EU ETS DEC2016从2011年12月24日开始，截止2013年6月28日，数据样本仅为133个。用于分析CCX的数据从市场建立之初的2003年12月22日开始，截止2011年1月31日关停，样本数共1800个。
1.GARCH分析
对各价格序列进行一阶差分得到收益率序列，r1对应ETS现货收益率，r2对应ETS DEC2012，表示2012年12月交割的期货收益率，r3对应ETS DEC2013，r4对应ETS DEC2014，r5对应ETS DEC2015，r6对应ETSDEC2016，r7对应CCX中2003年生效的CFI价格收益率。各峰度均大于3，且J-B统计量非常显著，表明七组收益率的分布均呈现出尖峰厚尾状。各序列ADF检验T值均显著大于置信度99%的临界值，全部平稳。对七组收益率序列进行ARCH效应检验，结果表明除了r6，r7以外，其余收益率序列都可以拒绝异方差ARCH的原假设，即表明这五组收益率序列存在明显的ARCH效应。将r6的残差进行ARCH-LM检验，Obs*l=R-squared值为12.788，p值为0.001，表明r6实际上也存在ARCH效应。而对r7的残差进行ARCH-LM检验，结果并不显著，这表明r，存在一定的ARCH效应，只是并不明显。
在完成GARCH检验之后，本文对七组收益率序列分别建模，各模型中的参数估计结果如表1所示。从表1可以看到r6的模型参数不显著，表明上述的GARCH模型并不适合用来分析r6。对于r6，本文尝试引入IGARCH检验，拟合后各项系数均比原有模型显著，且ARCH—LM检验后同样不能拒绝原假设。因此，针对r6本文单独选用IGARCH模型，其参数详见表2。对表1中最后的LM检验的结果进行分析可以看出，在七组收益率序列中，除r2以外，LM的Obs*R-squared的值均不显著，不可以拒绝LM检验的原假设，即被检验序列不存在ARCH效应。这表明本文所选择的GARCH模型有效地提取了收益率序列的异方差的信息。
根据表1的数据，比较两个市场的现货和期货交易收益率的冲击衰减速度。冲击衰减速度主要由β1系数判断，系数大则表示冲击衰减慢，北大核心期刊受冲击信息相对较少，市场反应不及时。先从EU ETS和CCX的现货进行比较，即r1和r7，两者分别属于强制性市场和自愿性市场。从β1系数上看，r1为0.802，r7为0.963，即EUETS现货当前方差冲击的80.2%在下一期依然存在，而CCX现货当前方差冲击的96.3%在下一期仍会存在。β1系数r1明显小于r7，表明EU ETS受冲击信息较多，冲击衰减较快，市场反应比自愿性的CCX更及时，更有效率。另外，两个市场上不论现货交易还是期货交易，GARCH的系数β1都大于0，且z统计值都是显著的，说明收益有正的风险溢价。β1越大，表示市场上的参与者对风险的厌恶程度越高，即要求的风险回报越大。从现货收益率r1和r2的β1值上看，自愿性碳交易市场CCX的参与者更厌恶风险。
由于2012年期货的收益率序列于2012年12月截止，而本文现货的收益率序列选择到2013年6月，所以两者在市场冲击信息的比较中会存在较大误差，另外，2016年期货的数据过于短，仅半年的序列，在GARCH模型的拟合中也单独选取了模型进行拟合，所以在这里也不具有可比性。因此，选取r1、r3、r4、r5进行比较发现，期货市场受到的冲击信息越多，则市场交易者反应越快，市场交易更活跃，并且远期交易的交割时间越长，其受到的冲击信息更多，这也从另一个角度表明碳市场的期货交易波动较大，不稳定性相对更高。