(成都理工大學(xué)商學(xué)院，四川 成都 610059)

結(jié)構(gòu)突變下我國(guó)碳交易市場(chǎng)價(jià)格波動(dòng)分析

王洪芳饒晟光

(成都理工大學(xué)商學(xué)院，四川 成都 610059)

文章選取國(guó)內(nèi)六大碳交易所成交均價(jià)日數(shù)據(jù)，將其對(duì)數(shù)化為日收益率，通過(guò)修正的ICSS方法檢測(cè)出各序列的方差結(jié)構(gòu)突變點(diǎn)，將結(jié)果化作虛擬變量帶入EGARCH模型，分析加入突變點(diǎn)前后EGARCH模型的各參數(shù)變化情況。實(shí)證發(fā)現(xiàn)加入突變點(diǎn)前后的EGARCH模型，各區(qū)域碳交易所收益率序列中α+β值較加入突變點(diǎn)之前均有小幅的降低，極大似然值均增大，AIC值均減小。實(shí)證結(jié)果表明加入方差結(jié)構(gòu)突變點(diǎn)之后，可以有效降低收益率序列波動(dòng)的偽持續(xù)性。

碳價(jià)波動(dòng)；結(jié)構(gòu)突變；修正ICSS算法；EGARCH模型

1.引言

以氣候變暖為主的全球氣候變化已成為21世紀(jì)各國(guó)共同面臨的環(huán)境與發(fā)展挑戰(zhàn)，而溫室氣體如CO2的排放是當(dāng)前氣候變化的首要原因。為了更好地實(shí)現(xiàn)節(jié)能減排目標(biāo)，通過(guò)實(shí)施碳減排權(quán)提高能源效率并獲得相應(yīng)收益，全球碳市場(chǎng)和碳金融交易體系開(kāi)始逐步建立。如今世界上主要的碳排放交易市場(chǎng)體系包括：歐盟碳排放權(quán)交易體系(EU ETS)，美國(guó)酸雨計(jì)劃的二氧化硫(SO2)排放交易體系等。中國(guó)作為負(fù)責(zé)任大國(guó)，主動(dòng)參與到全球遏制氣候變暖活動(dòng)中，積極進(jìn)行碳交易市場(chǎng)活動(dòng)。2011年10月，國(guó)家批準(zhǔn)以北京、上海、天津、重慶、湖北、廣東和深圳七省市為試點(diǎn)建立區(qū)域碳交易市場(chǎng)進(jìn)行碳配額交易，七省市碳市場(chǎng)于2013年6月至2014年6月間相繼開(kāi)市進(jìn)行交易。這七家試點(diǎn)碳交易所自成立后，碳配額成交量與成交金額穩(wěn)步持續(xù)上升，從開(kāi)始進(jìn)行碳配額交易到2016年12月，總碳配額交易成交量已超過(guò)8670萬(wàn)噸，總碳交易成交額突破30億元。

目前，我國(guó)碳排放交易市場(chǎng)正在啟動(dòng)階段，碳市場(chǎng)發(fā)展還不夠成熟、預(yù)期壽命不確定，與傳統(tǒng)金融市場(chǎng)相比，受到配額分配制度、信息泄露等諸多外界因素的沖擊，碳市場(chǎng)價(jià)格波動(dòng)更為劇烈，出現(xiàn)結(jié)構(gòu)突變。因此，科學(xué)判斷碳價(jià)的結(jié)構(gòu)變化特征，將結(jié)構(gòu)突變納入到對(duì)整個(gè)碳市場(chǎng)價(jià)格波動(dòng)的研究中，對(duì)全面認(rèn)識(shí)碳價(jià)波動(dòng)的內(nèi)在規(guī)律，建立與我國(guó)低碳經(jīng)濟(jì)發(fā)展相符的全國(guó)性碳交易市場(chǎng)，使我國(guó)更好地進(jìn)行國(guó)際碳市場(chǎng)交易具有重要意義。而，目前，國(guó)內(nèi)外關(guān)于結(jié)構(gòu)突變點(diǎn)的研究多數(shù)都只針對(duì)均值或者方差某一方面來(lái)進(jìn)行的，而關(guān)于碳排放權(quán)交易價(jià)格的結(jié)構(gòu)突變點(diǎn)的檢測(cè)方法，主要是用Bai-Perron方法進(jìn)行均值結(jié)構(gòu)突變點(diǎn)檢測(cè)，且研究對(duì)象主要是針對(duì)國(guó)際上較大的碳排放體系的交易價(jià)格。

2.模型構(gòu)建

2.1 方差結(jié)構(gòu)突變點(diǎn)檢測(cè)

對(duì)方差結(jié)構(gòu)突變點(diǎn)的檢測(cè)，目前應(yīng)用最廣泛的是修正的ICSS算法，其是在ICSS算法基礎(chǔ)上進(jìn)行改進(jìn)的，克服了ICSS算法中的不足。文章將構(gòu)建修正的ICSS算法來(lái)檢測(cè)國(guó)內(nèi)六大試點(diǎn)碳交易市場(chǎng)的方差結(jié)構(gòu)突變點(diǎn)。

(1)ICSS算法

ICSS算法用于識(shí)別方差離散變點(diǎn)，該算法定義統(tǒng)計(jì)量IT為：

IT=sup|(T/2)0.5Dk|

(1)

ICSS算法的原假設(shè)：非條件方差是一個(gè)k為任意時(shí)刻的常數(shù)，備擇假設(shè)：非條件方差在樣本的某一個(gè)點(diǎn)發(fā)生結(jié)構(gòu)突變。定義統(tǒng)計(jì)量Dk為：

(2)

當(dāng)接受原假設(shè)時(shí)，Dk的值會(huì)在0上下震蕩；反之，其值會(huì)顯著背離0值，此時(shí)|(T/2)0.5Dk|的最大值超過(guò)臨界值的那一時(shí)刻即為結(jié)構(gòu)突變點(diǎn)發(fā)生時(shí)刻。在原假設(shè)的條件下，方差zt服從獨(dú)立同分布時(shí)，Dk的漸進(jìn)分布服從布朗運(yùn)動(dòng)(Brownian Bridge)。Inclan & Tiao通過(guò)模擬方法，計(jì)算出了不同置信水平下IT的臨界值。

(2)修正的ICSS算法

Sansó et al.(2003)研究證實(shí)，當(dāng)無(wú)條件方差屬于一個(gè)非獨(dú)立過(guò)程時(shí)，由于此時(shí)IT統(tǒng)計(jì)量也被假設(shè)為服從獨(dú)立同分布，故ICSS算法中的IT統(tǒng)計(jì)量就可能被高估。為了彌補(bǔ)這種缺陷，學(xué)者們提出修正的ICSS算法，修正后的AIT統(tǒng)計(jì)量表示為：

AIT=sup|(T/2)0.5GK|

(3)

其中，有：

Gk=λ-0.5[Ck-(k/T)CT]

(4)

(5)

(6)

(7)

其中，1-l(m+1)-1是Bartlett窗口。AIT的漸進(jìn)分布也是一般條件下的sup|W*(r)|，其臨界值通過(guò)模擬方法獲得。通過(guò)模擬方法得到在95%的顯著性水平下，臨界值為1.36。

2.2 方差結(jié)構(gòu)突變下的EGARCH模型

加入方差結(jié)構(gòu)突變點(diǎn)之后，修正的EGARCH模型表示為：

均值方程：rt=β0+β1rmt+ut

(8)

方差方程：

(9)

其中，VE1=1，…，VEn=1為虛擬變量。當(dāng)t>t1m時(shí)，VE1=1，否則為零。t1m表示第1個(gè)方差突變點(diǎn)時(shí)間；…；當(dāng)t>tnm時(shí)，VEn=1，否則為零。tnm表示第n個(gè)方差突變點(diǎn)時(shí)間。

3.實(shí)證分析

3.1 樣本選取

我國(guó)七大試點(diǎn)碳交易所披露的數(shù)據(jù)類型各異，考慮到數(shù)據(jù)選取的一致性，樣本內(nèi)的數(shù)據(jù)表示為當(dāng)日交易額/成交量的日成交均價(jià)。重慶碳交易市場(chǎng)由于披露信息太少，可獲得數(shù)據(jù)量過(guò)少，缺乏統(tǒng)計(jì)意義，因此文章選取北京、上海、廣州、湖北、深圳及天津六碳交易所的數(shù)據(jù)進(jìn)行研究。選取的樣本區(qū)間分別為：北京市場(chǎng)2013年11月29日至2017年3月30日共562個(gè)數(shù)據(jù)、上海市場(chǎng)2013年12月3日至2017年3月29日共438個(gè)數(shù)據(jù)、廣州市場(chǎng)2014年3月11日至2017年3月30日共551個(gè)數(shù)據(jù)、湖北市場(chǎng)2014年4月28日至2017年3月30日共699個(gè)數(shù)據(jù)、深圳市場(chǎng)2013年8月5日至2017年3月30日共839個(gè)數(shù)據(jù)、天津市場(chǎng)2013年12月26日至2016年9月29日共451個(gè)數(shù)據(jù)。數(shù)據(jù)來(lái)源于WIND咨詢。

為了使樣本數(shù)據(jù)更具平穩(wěn)性及適用性，文章處理各試點(diǎn)交易所成交均價(jià)為其對(duì)數(shù)收益率來(lái)進(jìn)行研究：

(10)

3.2 基本統(tǒng)計(jì)分析

文章對(duì)六組收益率時(shí)間序列進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表1。表中LNBEA、LNHBEA序列偏度均小于0，為左偏態(tài)，LNSHEA、LNGDEA、LNSZA及LNTJEA四組序列偏度均大于0，呈現(xiàn)出右偏態(tài)，這些數(shù)據(jù)表明六組收益率序列均不服從正態(tài)分布；六組收益率序列的峰度均大于3，表明其分布均具有尖峰肥尾的特征；J-B統(tǒng)計(jì)量及伴隨概率的值進(jìn)一步說(shuō)明了六組收益率序列都不服從正態(tài)分布的特征。

進(jìn)行GARCH操作前，對(duì)序列進(jìn)行平穩(wěn)性檢驗(yàn)(ADF檢驗(yàn))、相關(guān)性檢驗(yàn)及ARCH效應(yīng)檢驗(yàn)(ARCH-LM檢驗(yàn))。

表1 描述性統(tǒng)計(jì)

注：LNBEA代表北京市場(chǎng)價(jià)格收益率、LNSHEA代表上海市場(chǎng)價(jià)格收益率、LNGDEA代表廣州市場(chǎng)價(jià)格收益率、LNHBEA代表湖北市場(chǎng)價(jià)格收益率、LNSZA代表深圳市場(chǎng)價(jià)格收益率、LNTJEA天津市場(chǎng)價(jià)格收益率

采用ADF方法對(duì)六組收益率序列進(jìn)行相應(yīng)的平穩(wěn)性檢驗(yàn)。ADF檢驗(yàn)結(jié)果證明在1%的顯著性水平下，拒絕原假設(shè)，六組序列表現(xiàn)出平穩(wěn)的特性；采用LM統(tǒng)計(jì)量(p=2)檢驗(yàn)對(duì)六組收益率各殘差序列進(jìn)行自相關(guān)性檢驗(yàn)，結(jié)果表明在5%的顯著性水平下，殘差序列拒絕原假設(shè)，殘差序列存在序列相關(guān)性，進(jìn)一步用相關(guān)圖法進(jìn)行檢驗(yàn)(滯后期選擇36)，也得出相應(yīng)結(jié)論，因此在后續(xù)實(shí)證過(guò)程中需引入ARMA模型；對(duì)六組收益率序列采用ARCH-LM檢驗(yàn)ARCH效應(yīng)，結(jié)果表明在滯后階數(shù)p=1時(shí)，ARCH-LM檢驗(yàn)結(jié)果中F和LM統(tǒng)計(jì)量的P值都是0，表明在5%的顯著性水平下殘差序列拒絕原假設(shè)，存在ARCH效應(yīng)。

3.3 修正的ICSS方差結(jié)構(gòu)突變點(diǎn)檢驗(yàn)

文章采用修正的ICSS算法，通過(guò)MATLAB編程，分別檢測(cè)六組收益率序列的方差結(jié)構(gòu)突變點(diǎn)。實(shí)證結(jié)果：北京市場(chǎng)存在12個(gè)突變點(diǎn)；上海市場(chǎng)存在9個(gè)突變點(diǎn)；廣東市場(chǎng)存在5個(gè)突變點(diǎn)；湖北市場(chǎng)存在11個(gè)突變點(diǎn)；實(shí)證市場(chǎng)存在8個(gè)突變點(diǎn)；天津市場(chǎng)存在6個(gè)突變點(diǎn)。其各市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差情況如圖1-圖6。

圖1 北京市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差

圖2 上海市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差

圖3 廣東市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差

圖4 湖北市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差

圖5 深圳市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差

圖6 天津市場(chǎng)碳收益率及突變點(diǎn)間標(biāo)準(zhǔn)差

在收集了2013-2017年間的中國(guó)經(jīng)濟(jì)大事件后發(fā)現(xiàn)，每一個(gè)結(jié)構(gòu)突變點(diǎn)都對(duì)應(yīng)著相應(yīng)的經(jīng)濟(jì)事件。并且由于中國(guó)碳交易市場(chǎng)處于起步階段，各種經(jīng)濟(jì)活動(dòng)及相關(guān)政策都易引起碳交易價(jià)格發(fā)生劇烈波動(dòng)，產(chǎn)生結(jié)構(gòu)突變。

4.方差結(jié)構(gòu)突變的EGARCH模型分析

表6列舉出了六組收益率序列加入突變點(diǎn)前后的EGARCH模型相關(guān)參數(shù)情況。可知考慮突變點(diǎn)后，六組收益率時(shí)間序列的波動(dòng)率均較未考慮前有所降低。其中，北京市場(chǎng)收益率波動(dòng)持續(xù)性降低最明顯，由1.573下降為0.947，下降幅度約39.8%；而天津市場(chǎng)收益率波動(dòng)持續(xù)性降低幅度最小，由2.176降低為2.098，下降幅度約3.6%；同時(shí)，對(duì)比似然值及AIC值的變化發(fā)現(xiàn)，加入突變點(diǎn)后的似然值較未加入時(shí)均有所上升，AIC值均有所下降，說(shuō)明考慮突變點(diǎn)后的EGARCH模型能降低收益率序列的偽持續(xù)性，提高模型的擬合效果，更真實(shí)地反映我國(guó)碳交易市場(chǎng)的情況。

表6 各收益率方差結(jié)構(gòu)突變的EGARCH模型波動(dòng)分析

注：V-GARCH(1，1)為考慮方差結(jié)構(gòu)突變點(diǎn)的GARCH(1，1)模型

5.結(jié)論

文章以國(guó)內(nèi)六大試點(diǎn)碳交易所交易價(jià)格為研究對(duì)象，通過(guò)修正的ICSS方法檢測(cè)出六組日收益率序列的方差結(jié)構(gòu)突變點(diǎn)，利用虛擬變量將檢測(cè)結(jié)果帶入EGARCH模型，比較加入突變點(diǎn)前后的EGARCH模型的各參數(shù)變化情況，分析波動(dòng)的持續(xù)性。得出主要結(jié)論：

通過(guò)修正的ICSS算法檢測(cè)出六組日收益率序列均存在方差結(jié)構(gòu)突變點(diǎn)。針對(duì)不同地區(qū)存在的結(jié)構(gòu)突變點(diǎn)附近都能找到相關(guān)的重大經(jīng)濟(jì)或政策事件來(lái)對(duì)應(yīng)，這與外界沖擊可能引起價(jià)格波動(dòng)序列發(fā)生結(jié)構(gòu)突變性的預(yù)期相吻合。

通過(guò)把各收益率序列的突變點(diǎn)作為虛擬變量引入EGARCH模型的方差方程中，并與標(biāo)準(zhǔn)的EGARCH模型進(jìn)行比較。實(shí)證發(fā)現(xiàn)加入突變點(diǎn)后，反應(yīng)波動(dòng)持續(xù)性的各參數(shù)值均較標(biāo)準(zhǔn)的EGARCH有所降低，證實(shí)了加入突變點(diǎn)后，確實(shí)降低了各收益率序列的偽持續(xù)性，能更加正確認(rèn)識(shí)收益率序列的波動(dòng)特征。

[1] Chevallier J，Ielpo F，Mercier L.Risk aversion and institutional information disclosure on the European carbon market：a case-study of the 2006 compliance event[J].Energy Policy，2009，37(1)：15-28.

[2] Sansó，A.，V.Arragó and J.L.Carrion，Testing for Change in the Unconditional Variance of Financial Time Series，Revista de Economia Financiera，2003，(4)：pp.32-53.

[3] 楊繼平，陳曉暄，張春會(huì).中國(guó)滬深股市結(jié)構(gòu)性波動(dòng)的政策性影響因素[J].中國(guó)管理科學(xué)，2012，(6)：43-51.