韓曉月

（南京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，南京210037）

隨著《京都議定書》的生效，國際碳排放權(quán)交易市場逐漸建立起來，碳排放交易市場已經(jīng)成為控制溫室氣體排放的有效途徑。碳排放權(quán)交易市場作為新興的金融市場，市場具有很大的不確定性，碳價(jià)極其不穩(wěn)定，震蕩激烈，對于碳排放權(quán)市場風(fēng)險(xiǎn)的評估非常有必要性。

同時(shí)，中國也是全世界最大的核證減排量供應(yīng)國，全國性碳排放權(quán)交易市場已經(jīng)正在建設(shè)中。本文通過梳理國際碳排放市場風(fēng)險(xiǎn)的研究文獻(xiàn)，總結(jié)歸納關(guān)于國際碳排放權(quán)交易市場風(fēng)險(xiǎn)評估的方法經(jīng)驗(yàn)，以期能夠?yàn)槲磥韲H碳排放權(quán)交易市場風(fēng)險(xiǎn)評估提供一些建議，以及為我國碳排放市場的風(fēng)險(xiǎn)評估提供一些借鑒。

1 國內(nèi)外研究現(xiàn)狀

1.1 風(fēng)險(xiǎn)度量方法研究綜述

隨著金融市場的不斷發(fā)展，傳統(tǒng)的金融風(fēng)險(xiǎn)度量方法已經(jīng)不能夠適用于越來越復(fù)雜的金融工具。在這個(gè)背景下，經(jīng)過不斷地探索研究，在20世紀(jì)80年代學(xué)者們提出了在險(xiǎn)價(jià)值（VaR）方法，由于其表達(dá)直觀計(jì)算簡便，各金融機(jī)構(gòu)把VaR 方法用于測量證券等金融產(chǎn)品的風(fēng)險(xiǎn)，隨后VaR 方法普遍應(yīng)用于整個(gè)金融市場。

碳排放市場的風(fēng)險(xiǎn)度量也多采用VaR 方法。其 中，Jiang 等（2015） 以VaR 為 標(biāo) 準(zhǔn)，運(yùn) 用GARCH-EVT-VaR 模型來測量EUA 現(xiàn)貨市場的風(fēng)險(xiǎn)[1]；陳偉等（2014）對歐洲碳排放交易系統(tǒng)與芝加哥氣候環(huán)境交易所的現(xiàn)貨期貨收益率序列的VaR進(jìn)行比較[2]；楊晨等（2015）運(yùn)用蒙特卡羅模擬方法，對2009—2012 年美國洲際交易所的核證減排量（CER）期貨價(jià)格及歐元兌人民幣匯率整合估計(jì)了其VaR 值發(fā)現(xiàn)潛在的碳期貨價(jià)格波動(dòng)風(fēng)險(xiǎn)比匯率風(fēng)險(xiǎn)更高[3]。

1.2 資產(chǎn)收益率分布研究綜述

風(fēng)險(xiǎn)度量的一個(gè)重要前提就是研究收益率的概率分布。實(shí)證研究表明金融資產(chǎn)序列同時(shí)存在有偏性和厚尾性，而t分布僅解決厚尾沒有解決偏度問題。學(xué)者們基于偏t 分布（Skew-Student-t，SKST）分布對金融市進(jìn)行了大量實(shí)證研究。Bauwens 等（2002）將SKST 分布引入GARCH 模型實(shí)證研究證明了其對股市收益率分布模擬效果良好[4]；Wu（2007）的實(shí)證研究表明，SKST 分布能提高VaR 的預(yù)測精度[5]；林宇等（2009）基于正態(tài)、t、GED、SKST 分布下的進(jìn)行對比預(yù)測發(fā)現(xiàn)SKST 分布能顯著改善VaR 的預(yù)測精度[6]；Watanabe（2012）發(fā)現(xiàn)，相比正態(tài)分布、t 分布，基于SKST 分布的realized GARCH 模型能給出更準(zhǔn)確的分位數(shù)預(yù)測[7];黃友珀等（2015）基于SKST 分布對中國股市高頻數(shù)據(jù)進(jìn)行實(shí)證分析，取得良好的擬合效果[8]；王天一和黃卓（2015）研究也表明，使用SKST分布可以得到更好的VaR預(yù)測效果[9]。

碳排放交易市場也越來越具有金融市場的屬性。Paolella 等（2008）對碳排放權(quán)現(xiàn)貨收益率系列進(jìn)行研究，認(rèn)為碳價(jià)具有普通金融商品的波動(dòng)特征[10]；Daskalakis 等（2009）的研究發(fā)現(xiàn)碳排放權(quán)收益率呈現(xiàn)顯著的尖峰厚尾現(xiàn)象[11]；Montagnoli等（2010）發(fā)現(xiàn)EUA 價(jià)格收益率序列具有有偏的尖峰厚尾分布特征[12]；荊克迪等（2014）對Bluenext 碳交易市場進(jìn)行研究，發(fā)現(xiàn)EUA 現(xiàn)貨和股票市場一樣，收益率也為尖峰厚尾[13]；楊星等（2017）運(yùn)用Bluenext 交易所和歐洲氣候交易所的數(shù)據(jù)進(jìn)行實(shí)證研究也表明碳收益率序列具有明顯的有偏、尖峰、肥尾特征[14]。因此，對碳排放交易市場風(fēng)險(xiǎn)的測量，基于SKST 分布可能取得更好的效果。

1.3 資產(chǎn)收益波動(dòng)率刻畫研究綜述

風(fēng)險(xiǎn)度量中一個(gè)重要前提是對收益率進(jìn)行建模。常見波動(dòng)模型分為廣義自回歸條件異方差（GARCH）模型和隨機(jī)波動(dòng)（SV）模型。GARCH族模型具體包括ARCH 模型、GARCH 模型、EGARCH 模 型、GJR-GARCH 模 型等。SV 族模 型具體包括Taylor、Tauchen 和Pitts、Melino 和Turnbull的SV模型、Harvey和Shephard的ASV模型等。

部分文獻(xiàn)將極值理論引入GARCH模型測量碳排放權(quán)市場風(fēng)險(xiǎn)。Zhang（2011）采用極值理論來衡量EUA 期貨價(jià)格的VaR，研究結(jié)果表明，EVT方法可以可靠地測量歐盟排放交易體系的第一階段和第二階段碳期貨市場的極端風(fēng)險(xiǎn)[15]；Feng（2012）基于極值理論，應(yīng)用GARCH 模型對歐盟碳排放現(xiàn)貨及期貨市場建立價(jià)格波動(dòng)模型，并計(jì)算動(dòng)態(tài)VaR，認(rèn)為EVT-VaR 比傳統(tǒng)方法更有效，可以降低市場參與者的風(fēng)險(xiǎn)[16]。Jiang 等（2015）認(rèn)為基于極值理論構(gòu)建的GARCH-EVT 模型能彌補(bǔ)GARCH模型通過忽略過高的價(jià)格沖擊使風(fēng)險(xiǎn)被低估的缺點(diǎn)[1]。

一些學(xué)者將馬爾科夫鏈引入模型進(jìn)行風(fēng)險(xiǎn)評估。Benz 和Trück（2009）認(rèn)為使用馬爾科夫轉(zhuǎn)換和AR-GARCH模型對EU ETS短期現(xiàn)貨價(jià)格進(jìn)行建模，更能夠反應(yīng)價(jià)格波動(dòng)的偏度與峰度[17]；楊超等（2011）將Markov波動(dòng)轉(zhuǎn)移引入VaR的計(jì)算，度量歐洲氣候交易所公布的CERs期貨報(bào)價(jià)的系統(tǒng)風(fēng)險(xiǎn)[18]。

2 結(jié)論與展望

通過對以往文獻(xiàn)的梳理可以看出對碳排放權(quán)市場風(fēng)險(xiǎn)的評估大多基于t 分布或GED 分布構(gòu)建GARCH族模型計(jì)算其VaR。但是存在以下不足：

①國外文獻(xiàn)關(guān)于碳排放交易市場風(fēng)險(xiǎn)的研究主要集中在比較成熟的歐盟排放權(quán)交易體系中的配額交易，對核證減排量市場風(fēng)險(xiǎn)評估較少。

②對碳排放市場的研究落后于其他金融市場，其研究方法是在股票或者其他市場研究過后才開始，幾乎沒有直接先對碳排放權(quán)交易市場進(jìn)行研究的模型。這可能導(dǎo)致對碳排放市場風(fēng)險(xiǎn)的評估不夠精確。例如在股票市場中已經(jīng)引入偏t分布對風(fēng)險(xiǎn)進(jìn)行評估，而同樣具有偏鋒厚尾特征的碳排放權(quán)市場還未得到研究。

③目前對碳排放權(quán)市場大多采用GARCH族模型，但也有學(xué)者認(rèn)為GARCH族模型可能在處理具有尖峰厚尾特性、杠桿效應(yīng)以及弱自相關(guān)且具有長趨勢的時(shí)間序列時(shí)，估計(jì)結(jié)果可能并不十分理想[19-29]，因而期待將來出現(xiàn)更適合評估碳排放權(quán)市場風(fēng)險(xiǎn)的模型。