胡根華 吳恒煜

摘要：采用EUA現(xiàn)貨與期貨價格、CER期貨價格日數(shù)據(jù)，結(jié)合AR-GARCH與Markov機制轉(zhuǎn)換模型，研究碳排放市場的波動聚集與結(jié)構(gòu)轉(zhuǎn)換特征。結(jié)果發(fā)現(xiàn)：（1）市場存在尖峰厚尾與波動聚集，且存在較大的尾部風(fēng)險；（2）市場呈現(xiàn)明顯的狀態(tài)轉(zhuǎn)換結(jié)構(gòu)特征，其中EUA現(xiàn)貨與期貨市場的結(jié)構(gòu)變化較大且在較長時期內(nèi)處于下跌狀態(tài)；（3）市場在上漲、盤整和下跌狀態(tài)下的期望持續(xù)期均大約為5天。此外，從盤整狀態(tài)和下跌狀態(tài)到上漲狀態(tài)的轉(zhuǎn)換概率比較小，市場將會在較長時間內(nèi)處于某一狀態(tài)下。

關(guān)鍵詞：碳排放配額；核證減排量；狀態(tài)轉(zhuǎn)換；Markov機制轉(zhuǎn)換模型

DOI：10.13956/j.ss.1001-8409.2017.02.29

中圖分類號：F1133；F8309 文獻標(biāo)識碼：A 文章編號：1001-8409（2017）02-0136-05

State Switching Structure of European Union

Carbon Emission Trading Market Based on

ThreeState Markov Model

HU Genhua1， WU Hengyu2

（1. School of Business； Research Center of Anhui InnovationDriven and IndustrialTransformation and Upgrading Development， Anhui University of Technology， Maanshan 243032；

2. School of Management， Jinan University，Guangzhou 510632）

Abstract：This paper applied ARGARCH model to study volatility clustering and proposed a Markov regime switching model to capture structural switches， based on the data of EUA spot prices， EUA futures prices and CER futures prices. Result showed that： Firstly， lepkurtosis， heavy tails and volatility clustering existed in the carbon emission trading markets， indicated that the tailed risks happened in the markets with a large probability. Secondly， the Markov regime switching model captured the threshold of different stages of the carbon emission trading markets， and identified a large change of the structures of EUA spot and futures markets and being the fall state in a long time. Besides， the expected durations of the states of the rise， the consolidation and the fall were five days. Additionally， the transition probabilities were small from the states of the consolidation and the fall to the rise， and the markets were in one of the three states for a long time.

Key words：carbon emission allowance； certified emission reduction； state switching； Markov regimeswitching model

引言

碳排放交易市場的建立是嘗試采用經(jīng)濟學(xué)手段解決氣候變暖問題的重要途徑。目前，碳排放交易市場已經(jīng)成為重要的新興貿(mào)易市場。碳排放交易市場的不斷發(fā)展且日趨成熟，使得該市場的資本化程度逐漸深化，其金融屬性也日益顯著，并出現(xiàn)了多種碳金融產(chǎn)品及其衍生品。然而，該市場仍然不十分完善，市場結(jié)構(gòu)容易受到外界信息的沖擊而發(fā)生變化，并產(chǎn)生很大的市場不確定性風(fēng)險。因而，研究碳排放交易市場的結(jié)構(gòu)特征，不僅有助于完善市場制度，也有利于對該市場進行風(fēng)險管理。

1相關(guān)文獻綜述

目前，針對碳排放配額和核證減排量的研究，許多國內(nèi)外學(xué)者都是基于計量經(jīng)濟學(xué)方法，如Paolella和Taschini [1]，王軍鋒等 [2]。近幾年來，國內(nèi)外學(xué)者研究了碳排放現(xiàn)貨交易市場的動態(tài)特征（如Conrad等[3]，吳恒煜和胡根華[4]）、期貨市場的動態(tài)變化特征（如Rittler[5]，王玉和郇志堅[6]）、現(xiàn)貨與期貨市場之間的關(guān)系（如Nazifi[7]，王丹和程玲[8]）、碳排放交易產(chǎn)品的定價與價格預(yù)測（如Chen等[9]，高楊和李健[10]）等。上述研究都是從碳排放市場自身的角度展開，并未研究其他資本市場與碳排放市場之間的關(guān)系。

實際上，碳排放交易市場與其他市場之間的聯(lián)系越來越緊密且復(fù)雜，市場之間的風(fēng)險傳染日益顯現(xiàn)。正是由于這一特征，碳排放交易市場容易受到其他資本市場的沖擊。同時，自2005年正式引入碳排放交易制度以來，碳排放交易市場得到了快速發(fā)展，但市場的不成熟、不完善使市場在面臨內(nèi)部因素的沖擊而發(fā)生市場結(jié)構(gòu)的變化。采用Markov機制轉(zhuǎn)換模型可以較好地研究這類特征，參見Benz和Trück[11]、劉維泉[12]、吳恒煜等[13]，這些研究往往從某一個方面進行研究。與上述研究不同，本文從收益率、殘差和波動率等三個角度來展開研究。

本研究主要存在兩方面不同。（1）主要研究碳排放交易市場EUA現(xiàn)貨與期貨市場、CER期貨市場的結(jié)構(gòu)特征，這是由于市場相對較為成熟，而采用具有代表性的市場能夠得到較為準(zhǔn)確的結(jié)論。（2）選擇2010年1月4日至2014年6月30日的交易數(shù)據(jù)，主要是探討碳排放交易市場在相對平穩(wěn)的階段所可能呈現(xiàn)的狀態(tài)轉(zhuǎn)換結(jié)構(gòu)特征。

2基

32ARGARCH模型參數(shù)估計

采用GARCH族模型來擬合三個市場收益率序列，并假設(shè)殘差服從Students t分布，同時運用極大似然參數(shù)估計方法估計參數(shù)，而AIC和BIC準(zhǔn)則用來選擇最優(yōu)模型。根據(jù)這一準(zhǔn)則，AR（1）GARCH（1，1）模型為最優(yōu)模型。于是，表2直接描述了AR（1）-GARCH（1，1）模型的估計結(jié)果。

根據(jù)表2，GARCH（1）項的系數(shù)都比較大，表明EUA現(xiàn)貨和期貨市場、CER期貨市場等三個市場均出現(xiàn)顯著的波動聚集現(xiàn)象，且尖峰厚尾的特征也很顯著。此外，GARCH（1）項和ARCH（1）項的系數(shù)之和均非常接近于1表2中，GARCH（1）項和ARCH（1）項的系數(shù)之和出現(xiàn)等于或者大于1，是由于數(shù)值的四舍五入的結(jié)果。實際上，兩者的系數(shù)之和均小于1，但非常接近于1。

， 這說明在已知的約束條件下，AR（1）-GARCH（1，1）模型比較穩(wěn)定，也表明模型的選擇存在一定的合理性。根據(jù)自由度參數(shù)的值，EUA現(xiàn)貨和期貨市場、CER期貨市場都存在較大可能性的尾部風(fēng)險，市場發(fā)生極端事件的概率比較大。

33機制轉(zhuǎn)換模型參數(shù)估計

在碳排放交易市場上，產(chǎn)品價格序列的變化常常呈現(xiàn)三種波動狀態(tài)，即上漲狀態(tài)（狀態(tài)1）、盤整狀態(tài)（狀態(tài)2）和下跌狀態(tài)（狀態(tài)3）。因此，本文采用三狀態(tài)Markov機制轉(zhuǎn)換模型，分別在t分布和GED分布的假設(shè)下，從收益率和殘差的角度來研究碳排放交易市場的結(jié)構(gòu)轉(zhuǎn)換特征。根據(jù)結(jié)果顯示，在t分布假設(shè)下的對數(shù)極大似然值均要大于GED分布假設(shè)下的對數(shù)極大似然值。因此，主要分析t分布假設(shè)下的結(jié)果。

從收益率的狀態(tài)轉(zhuǎn)換特征看，EUA現(xiàn)貨與期貨市場、CER期貨市場在三種狀態(tài)下的轉(zhuǎn)換概率均為080，表明三個市場處于三種狀態(tài)的期望持續(xù)期均為5天。從殘差的狀態(tài)轉(zhuǎn)換特征看，EUA現(xiàn)貨與期貨市場、CER期貨市場在狀態(tài)1下的轉(zhuǎn)換概率均較大，即三個市場在上漲狀態(tài)下的期望持續(xù)期均較長，而狀態(tài)2和狀態(tài)3的期望持續(xù)期相對非常短。另外，EUA期貨市場與CER期貨市場在三種狀態(tài)下的轉(zhuǎn)換概率均相等，說明兩個市場的狀態(tài)轉(zhuǎn)換特征趨同。

資本市場的波動變化特征，其外在表現(xiàn)就是體現(xiàn)在價格或者收益率的波動上，而其內(nèi)在根本原因是由波動率驅(qū)動。盡管波動率無法觀測，但運用AR（1）GARCH（1，1）模型可以得到波動率序列。根據(jù)表3，EUA現(xiàn)貨與期貨市場、CER期貨市場在三種狀態(tài)下的轉(zhuǎn)換概率均相等，且碳排放市場從市場盤整狀態(tài)和下跌狀態(tài)到上漲狀態(tài)的轉(zhuǎn)換概率比較小，說明當(dāng)市場處于某一狀態(tài)時，可以預(yù)計該市場將會在較長時間內(nèi)處于該狀態(tài)下。

34狀態(tài)的識別與平滑概率分析

如圖2所示，描述了碳排放市場在三種狀態(tài)上的平滑狀態(tài)概率。如果簡單地以05的概率作為臨界點，當(dāng)市場處于某一狀態(tài)的概率大于05時，就認(rèn)為該市場處于這一狀態(tài)。于是，基本上可以粗略地判定，EUA現(xiàn)貨市場基本上在2012年之前、2012年2月至2012年12月、2013年7月至2014年2月、2014年4月之后都處于上漲狀態(tài)，而2012年1月、2013年1月至6月、2014年3月處于下跌狀態(tài)。

根據(jù)EUA期貨市場的平滑狀態(tài)概率圖，其狀態(tài)走勢基本與EUA現(xiàn)貨市場相似。主要原因是因為EUA現(xiàn)貨市場發(fā)展的歷史較長、制度較完善等，其在碳排放交易市場上起著市場主導(dǎo)的作用，且已經(jīng)具有較為明顯的價格發(fā)現(xiàn)功能。因此，EUA期貨市場的發(fā)展受到EUA現(xiàn)貨市場很強的影響，其市場結(jié)構(gòu)的狀態(tài)變化大體上趨同于EUA現(xiàn)貨市場。對于CER期貨市場而言，也受到EUA現(xiàn)貨與期貨市場的影響，但其市場結(jié)構(gòu)特征仍然有別于另外兩個市場。相比于其他兩個市場，CER期貨市場經(jīng)歷了更多次數(shù)的上漲狀態(tài)與下跌狀態(tài)之間的轉(zhuǎn)換，但每次處于下跌狀態(tài)的時間都不長，這在很大程度上說明CER期貨市場的結(jié)構(gòu)出現(xiàn)較為頻繁的改變。另外，只有CER期貨市場在某些時間段上短暫地表現(xiàn)出市場盤整的狀態(tài)。

4結(jié)論與啟示

本文結(jié)合ARGARCH與Markov機制轉(zhuǎn)換模型，研究EUA現(xiàn)貨市場與期貨市場、CER期貨市場的波動聚集現(xiàn)象與結(jié)構(gòu)轉(zhuǎn)換特征。主要研究結(jié)果如下：（1）碳排放交易市場存在尖峰厚尾與波動聚集現(xiàn)象。（2）在不同的發(fā)展階段，碳排放交易市場呈現(xiàn)明顯不同的狀態(tài)轉(zhuǎn)換結(jié)構(gòu)特征，其中EUA現(xiàn)貨市場與期貨市場的結(jié)構(gòu)變化較大，且在較長時期內(nèi)處于下跌狀態(tài)。另外，碳排放交易市場在上漲狀態(tài)、盤整狀態(tài)和下跌狀態(tài)下的期望持續(xù)期均大約為5天。（3）碳排放市場從市場盤整狀態(tài)和下跌狀態(tài)到上漲狀態(tài)的轉(zhuǎn)換概率均比較小。

通過研究發(fā)現(xiàn)，碳排放交易市場在不同發(fā)展階段上發(fā)生了明顯的狀態(tài)轉(zhuǎn)換結(jié)構(gòu)特征。同時，新的減排政策的出臺也會給碳排放交易市場帶來很大的沖擊。因此，對于我國碳排放交易市場建立初期而言，由于市場不成熟、制度不完善而需要調(diào)整或者改變相關(guān)政策，但并不宜追求“重拳出擊”的大舉措，而只能是循序漸進地調(diào)整，這將對我國碳排放交易市場的穩(wěn)定運行至關(guān)重要。自2013年6月18日我國首個碳排放權(quán)交易所在深圳掛牌交易以來，已經(jīng)有多個城市試點碳排放權(quán)交易，這有利于促進我國碳排放權(quán)資源的有效配置。但目前，我國還沒有建立全國統(tǒng)一的碳排放權(quán)交易市場，且碳排放權(quán)交易產(chǎn)品相對單一，無法使我國碳金融市場同國外碳交易市場相接軌。在未來，需要在相關(guān)政策的支持下穩(wěn)步推進CDM項目，不斷開發(fā)更多的減排項目產(chǎn)品，這對于進一步完善我國碳排放權(quán)交易市場具有很重要的意義。

參考文獻：

[1]Paolella M S， Taschini L. An Econometric Analysis of Emission Allowance Prices[J]. Journal of Banking & Finance， 2008， 32：2022-2032.

[2]王軍鋒，張靜雯，劉鑫.碳排放權(quán)交易市場碳配額價格關(guān)聯(lián)機制研究——基于計量模型的關(guān)聯(lián)分析[J].中國人口·資源與環(huán)境， 2014， 24（1）：64-69.

[3]Conrad C， Rittler D， Rotfu W. Modeling and Explaining the Dynamics of European Union Allowance Prices at Highfrequency [J]. Energy Economics， 2012， 34：316-326.

[4]吳恒煜，胡根華. 國際碳排放權(quán)市場動態(tài)相依性分析及風(fēng)險測度：基于Copula-GARCH模型[J].數(shù)理統(tǒng)計與管理， 2014， 33（5）：892-909.

[5]Rittler D. Price Discovery and Volatility Spillovers in the European Union Emissions Trading Scheme： A Highfrequency Analysis [J]. Journal of Banking & Finance， 2012， 36： 774-785.

[6]王玉，郇志堅.歐盟碳排放權(quán)交易市場的價格發(fā)現(xiàn)和波動溢出研究[J].中國人口·資源與環(huán)境， 2012， 22（5）： 244-249.

[7]Nazifi， F. Modeling the Price Spread between the EUA and the CER Carbon Prices [J]. Energy Policy， 2013， 56：434-445.

[8]王丹，程玲.歐盟碳配額現(xiàn)貨與期貨價格關(guān)系及對中國的借鑒[J]. 中國人口·資源與環(huán)境， 2016， 26（7）：85-92.

[9]Chen S， Lin S， Li C. Pricing Derivatives with Modeling CO2 Emission Allowance Using a Regime Switching Jump Diffusion Model： With Regimeswitching Risk Premium[R]. Working Paper， 2014.

[10]高楊，李健.基于EMD-PSO-SVM誤差校正模型的國際碳金融市場價格預(yù)測[J]. 中國人口·資源與環(huán)境， 2014， 24（6）：163-170.

[11]Benz E， Trück S. Modeling the Price Dynamics of CO2 Emission Allowances [J]. Energy Economics， 2009， 31（1）：4-15.

[12]劉維泉.歐盟碳排放配額價格的區(qū)制轉(zhuǎn)換特征研究[J].軟科學(xué)， 2014， 28（1）：95-100.

[13]吳恒煜，胡根華，秦嗣毅，劉紀(jì)顯.國際碳排市場動態(tài)效應(yīng)研究：基于ECX CER市場[J].山西財經(jīng)大學(xué)學(xué)報， 2011， 33（9）：18-24.

（責(zé)任編輯：石琳娜）