王喜平,王雪萍

(華北電力大學(xué)經(jīng)濟(jì)管理系,河北省 保定市 071003)

0 引言

為應(yīng)對(duì)能源與環(huán)境挑戰(zhàn)、實(shí)現(xiàn)2050年前2℃溫升控制目標(biāo),國際社會(huì)做出了不懈努力?！陡窭垢鐨夂蚬s》進(jìn)一步強(qiáng)調(diào)了市場(chǎng)機(jī)制在碳減排中的作用。碳交易作為有效控制溫室氣體排放的市場(chǎng)手段,已成為國際社會(huì)應(yīng)對(duì)碳中和氣候目標(biāo)的重要政策工具。繼2005年歐盟碳交易體系建立以來,全球范圍內(nèi)已建立了40多個(gè)碳交易體系,其中歐盟碳交易體系最具代表性。我國從2011年起相繼在深圳、上海、廣東、北京等“兩省五市”開展碳排放權(quán)交易試點(diǎn),并在此基礎(chǔ)上,以電力行業(yè)為突破口開啟了全國碳排放權(quán)的在線交易。在經(jīng)濟(jì)一體化背景下,國內(nèi)外碳交易市場(chǎng)是否存在風(fēng)險(xiǎn)溢出效應(yīng),成為學(xué)界和業(yè)界共同關(guān)注的熱點(diǎn)問題。研究這一問題對(duì)投資決策、風(fēng)險(xiǎn)管理以及碳市場(chǎng)健康發(fā)展均具有重要意義。

近年,碳市場(chǎng)的相關(guān)研究成為學(xué)界關(guān)注的焦點(diǎn)。早期主要研究碳價(jià)格的影響因素;近來有關(guān)碳市場(chǎng)與能源、股票等關(guān)聯(lián)資產(chǎn)市場(chǎng)之間的聯(lián)動(dòng)備受關(guān)注。杜軍等[1]運(yùn)用向量自回歸模型分析了碳市場(chǎng)與原油市場(chǎng)的相關(guān)性;陶春華[2]檢驗(yàn)了我國碳排放權(quán)交易市場(chǎng)與股票市場(chǎng)之間的聯(lián)動(dòng)性;許悅等[3]分析了歐盟碳配額和核證減排量(certified emission reductions,CER)期貨市場(chǎng)間的聯(lián)動(dòng)效應(yīng);FENG等[4]用多重分形互相關(guān)分析方法分析歐中碳市場(chǎng)、原油市場(chǎng)和新能源市場(chǎng)間的動(dòng)態(tài)相關(guān)關(guān)系;LU等[5]分析了碳市場(chǎng)與中國股市的動(dòng)態(tài)相關(guān)性,發(fā)現(xiàn)上證綜指與金融資產(chǎn)有“重尾”和“波動(dòng)集聚”特征,且與上證綜指的相關(guān)性較弱;李剛等[6]研究了歐盟和美國碳市場(chǎng)、石油市場(chǎng)及股票市場(chǎng)間的相關(guān)性,發(fā)現(xiàn)碳交易市場(chǎng)獨(dú)立于證券市場(chǎng)和能源市場(chǎng),且不具有完備的金融功能;高清霞等[7]探究了我國碳市場(chǎng)與化石能源市場(chǎng)間的動(dòng)態(tài)相關(guān)性,發(fā)現(xiàn)碳市場(chǎng)與煤炭市場(chǎng)、石油市場(chǎng)之間收益率的波動(dòng)存在明顯的時(shí)變性;海小輝等[8]分析EU ETS歐盟排放權(quán)交易市場(chǎng)與能源市場(chǎng)的動(dòng)態(tài)相關(guān)性,發(fā)現(xiàn)碳市場(chǎng)與各能源市場(chǎng)之間的動(dòng)態(tài)條件相關(guān)系數(shù)相似,波動(dòng)頻率較大,幅度較小。

上述研究主要圍繞碳市場(chǎng)與能源、股票等市場(chǎng)間的相關(guān)性展開研究,而針對(duì)國內(nèi)外碳交易市場(chǎng)相關(guān)性的研究則相對(duì)較少,僅有王曉宇等[9]針對(duì)國內(nèi)外碳市場(chǎng)間的相關(guān)強(qiáng)度進(jìn)行了研究,并未考慮市場(chǎng)間的相依結(jié)構(gòu)特征。王喜平等[10]分析了歐盟和國內(nèi)碳市場(chǎng)的尾部相依結(jié)構(gòu),然而該研究主要基于常系數(shù)Copula函數(shù),只能捕捉市場(chǎng)間的靜態(tài)相依結(jié)構(gòu)特征,不能刻畫市場(chǎng)相依結(jié)構(gòu)隨時(shí)間變化的動(dòng)態(tài)趨勢(shì)。為彌補(bǔ)常系數(shù)Copula函數(shù)的不足,Patton提出了時(shí)變Copula函數(shù),其將參數(shù)定義為隨著時(shí)間而發(fā)生相應(yīng)演化的方程,以描述金融時(shí)間序列之間的動(dòng)態(tài)變化,時(shí)變Copula函數(shù)的擬合效果優(yōu)于所有常系數(shù)Copula函數(shù),這為有效研究歐盟與國內(nèi)碳市場(chǎng)動(dòng)態(tài)相依結(jié)構(gòu)提供了參考借鑒。

另一方面,有關(guān)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)研究,早期研究大多集中于對(duì)單一碳市場(chǎng)的風(fēng)險(xiǎn)測(cè)度,研究方法主要基于傳統(tǒng)的風(fēng)險(xiǎn)價(jià)值及其擴(kuò)展模型,為克服風(fēng)險(xiǎn)價(jià)值模型低估損失的不足并有效測(cè)度風(fēng)險(xiǎn)溢出效應(yīng),ADIAN 和BRUNNERMEIER(2008)提出的條件風(fēng)險(xiǎn)價(jià)值(conditional value at risk,CoVaR)方法廣受青睞,并逐漸形成了3種測(cè)度方法:一是基于分位數(shù)回歸估計(jì)的CoVaR[11-13];二是基于廣義自回歸條件異方差(generalized auto-regressive conditional heteroscedasticity,GARCH)模型的CoVaR[14-16];三是基于Copula函數(shù)計(jì)算CoVaR?；诜治粩?shù)回歸計(jì)算CoVaR 的方法,僅在刻畫線性風(fēng)險(xiǎn)溢出時(shí)表現(xiàn)突出,而多元GARCH 模型不能刻畫市場(chǎng)間的尾部相依結(jié)構(gòu)特征?？紤]到碳金融市場(chǎng)具有尖峰、厚尾的非正態(tài)特征,且市場(chǎng)間可能存在著非線性相關(guān)及風(fēng)險(xiǎn)溢出,基于Copula函數(shù)計(jì)算CoVaR 的方法應(yīng)運(yùn)而生。YUAN 等[17]結(jié)合Copula 函數(shù)和CoVaR 模型研究金融市場(chǎng)與碳市場(chǎng)的非對(duì)稱風(fēng)險(xiǎn)溢出效應(yīng),發(fā)現(xiàn)金融市場(chǎng)對(duì)碳市場(chǎng)存在相當(dāng)大的非對(duì)稱風(fēng)險(xiǎn)溢出,且上尾風(fēng)險(xiǎn)溢出效應(yīng)大于下尾風(fēng)險(xiǎn)溢出效應(yīng);XU[18]通過類似方法研究了國內(nèi)外能源市場(chǎng)不確定性對(duì)中國湖北碳市場(chǎng)和深圳碳市場(chǎng)的非對(duì)稱風(fēng)險(xiǎn)溢出,發(fā)現(xiàn)深圳市場(chǎng)受能源市場(chǎng)不確定性的影響比湖北市場(chǎng)更大;TING 等[19]結(jié)合Copula-GARCH-EVT(extreme value theory)模型和蒙特卡羅方法估算碳期貨的風(fēng)險(xiǎn)價(jià)值;XU[20]用Copula函數(shù)和CoVaR 模型研究國內(nèi)外能源市場(chǎng)不確定性和中國湖北、深圳市碳排放市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。上述研究充分利用了Copula函數(shù)在描述相關(guān)性時(shí)的靈活性。因此,基于Copula 函數(shù)計(jì)算CoVaR 的方法為測(cè)度國內(nèi)外碳市場(chǎng)風(fēng)險(xiǎn)溢出效應(yīng)提供了有效的選擇。

綜上所述,從現(xiàn)有國內(nèi)外研究文獻(xiàn)來看,學(xué)者們大都聚焦于對(duì)歐盟碳市場(chǎng)或國內(nèi)碳市場(chǎng)與其關(guān)聯(lián)資產(chǎn)市場(chǎng)的相依結(jié)構(gòu)進(jìn)行研究,具體針對(duì)歐盟和國內(nèi)碳市場(chǎng)之間相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng)的研究較少;在研究方法上,大多基于分位數(shù)回歸計(jì)算CoVaR 的方法研究風(fēng)險(xiǎn)溢出,盡管少數(shù)基于Copula函數(shù)計(jì)算CoVaR 進(jìn)行風(fēng)險(xiǎn)溢出效應(yīng)的研究,考慮了市場(chǎng)間非線性風(fēng)險(xiǎn)溢出,但大多采用常系數(shù)Copula函數(shù),不能準(zhǔn)確刻畫動(dòng)態(tài)風(fēng)險(xiǎn)溢出效應(yīng)。為彌補(bǔ)現(xiàn)有研究的不足,本文具體研究歐盟和國內(nèi)碳市場(chǎng)的動(dòng)態(tài)相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng),先結(jié)合時(shí)變Copula函數(shù)和GARCH 類模型研究歐盟和國內(nèi)碳市場(chǎng)的動(dòng)態(tài)相依結(jié)構(gòu),在此基礎(chǔ)上,基于Copula-CoVaR 模型進(jìn)一步度量歐盟和國內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。

1 基于時(shí)變Copula 函數(shù)的相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出效應(yīng)建模

1.1 時(shí)變Copula 函數(shù)

時(shí)變Copula函數(shù)和常系數(shù)Copula函數(shù)的主要區(qū)別是Copula函數(shù)的參數(shù),時(shí)變Copula函數(shù)的參數(shù)是動(dòng)態(tài)變化的,而常系數(shù)Copula函數(shù)的相關(guān)參數(shù)是固定不變的。

(1) 時(shí)變Normal Copula函數(shù)中,相關(guān)系數(shù)ρ的動(dòng)態(tài)方程為:

式中:Λ(x)表示logistic函數(shù),即Λ(x)=(1-e-x)/(1+e-x);為了保證ρ(t)始終位于(-1,1)內(nèi),ω、β、α 均是需要估計(jì)的參數(shù);Φ-1(·)是標(biāo)準(zhǔn)正態(tài)分布下累計(jì)分布函數(shù)的逆,Φ-1(u(t-j))和Φ-1(v(t-j))是滯后10階觀測(cè)值的轉(zhuǎn)換量,兩者乘積的均值可以刻畫相關(guān)性的變化情況。時(shí)變正態(tài)Copula函數(shù)具有對(duì)稱性和尾部漸近獨(dú)立性,所以不能捕捉市場(chǎng)間的非對(duì)稱以及尾部相關(guān)性。

(2) 時(shí)變Rotated Gumbel Copula 函數(shù)是由Gumbel Copula的密度函數(shù)以u(píng) 和v 均為0.5的對(duì)稱軸,經(jīng)對(duì)角旋轉(zhuǎn)演變得到,其只對(duì)下尾相關(guān)較為敏感,其函數(shù)表達(dá)式為:

相關(guān)系數(shù)ρRG 的動(dòng)態(tài)方程為:

式中:Λ′(x)表示修正的logistic函數(shù),且Λ′(x)=1+x2使得相關(guān)系數(shù)的取值范圍為ρRG∈[1,+∞]。時(shí)變Rotated Gumbel Copula函數(shù)相關(guān)系數(shù)和尾部相關(guān)系數(shù)可以表示為:

(3) 時(shí)變SJC Copula函數(shù)中τup、τlow分別為上下尾部相關(guān)參數(shù),其演變方程式分別為:

式中:Λ″(x)為修正logistics變換,即Λ″(x)=1/(1+e-x),目的是為了確保τup、τlow在(0,1)之間。滯后10階的u(t)和v(t)差的絕對(duì)值作為外生變量,由于時(shí)變SJC Copula函數(shù)的相關(guān)參數(shù)對(duì)尾部較為敏感,因此得到的時(shí)變相關(guān)參數(shù)就是尾部相關(guān)系數(shù)。

1.2 邊緣分布模型

(1)GARCH 模型。

由于GARCH 模型可以反映出金融時(shí)間序列具有的波動(dòng)聚集性和異方差性。本文選擇建立GARCH 類模型擬合碳市場(chǎng)時(shí)間序列的特征。GARCH(m,n)模型的一般表達(dá)式為:

式中:u2(t-h)是GARCH 模型中的殘差滯后項(xiàng);m 是對(duì)應(yīng)的殘差滯后項(xiàng)的階數(shù);δ2(t-k)是GARCH 模型條件方差項(xiàng);n 是對(duì)應(yīng)的條件方差滯后項(xiàng)的階數(shù)。

(2)EGARCH 模型。

NELOSN(1991)[21]在基于GARCH 模型的基礎(chǔ)上,提出了可以挖掘隨機(jī)擾動(dòng)項(xiàng)尾部特征的EGARCH(m,n)(exponential GARCH)模型,該模型的條件方差方程的一般形式可表示為:

式中:ω 為常數(shù);一般假設(shè)u(t)服從正態(tài)分布、t分布、廣義誤差分布,該模型只有一個(gè)非對(duì)稱項(xiàng)且在γ不等于0 時(shí),外部沖擊存在著非對(duì)稱性的特點(diǎn)。EGARCH 模型不同于GARCH 模型要求其系數(shù)必須滿足是正值的條件,使得EGARCH 模型在擬合時(shí)間序列更加靈活。

1.3 CoVaR 測(cè)度方法

CoVaR 指在概率水平一定的情況下,若某市場(chǎng)在將來一個(gè)時(shí)間段遭遇困境,其他市場(chǎng)所遭受的最大損失。CoVaR 方法可以用來計(jì)算歐盟和國內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng),具體公式為:

式中:Xi、Xj分別為歐盟和國內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)損失;C(Xi)表示歐盟碳市場(chǎng)的風(fēng)險(xiǎn)水平;F(Xi)表示當(dāng)歐盟碳市場(chǎng)發(fā)生風(fēng)險(xiǎn)時(shí),國內(nèi)碳市場(chǎng)所面臨的風(fēng)險(xiǎn)價(jià)值。假設(shè)Xi、Xj服從二元正態(tài)分布,則:

式中:δi(t)、δj(t)是通過GARCH 模型得到的歐盟和國內(nèi)碳交易市場(chǎng)的條件方差;ρij(t)則是根據(jù)Copula模型得到的碳市場(chǎng)間的相關(guān)系數(shù),根據(jù)多元正態(tài)分布的性質(zhì),可以得到:

結(jié)合公式(9),可得:

已知aij(t)～N(0,1)分布,且歐盟碳市場(chǎng)的在險(xiǎn)價(jià)值為BVaR=Φ-1(α),則國內(nèi)碳市場(chǎng)在歐盟碳市場(chǎng)發(fā)生風(fēng)險(xiǎn)時(shí),條件在險(xiǎn)價(jià)值可以表示為:

當(dāng)歐盟碳市場(chǎng)i處于風(fēng)險(xiǎn)情況下,國內(nèi)碳市場(chǎng)j 的在險(xiǎn)價(jià)值,而ΔBCoVaR(i,j,α,t)和(i,j,α,t)可用來表示歐盟碳市場(chǎng)i對(duì)國內(nèi)碳市場(chǎng)j 的風(fēng)險(xiǎn)溢出效應(yīng):

2 實(shí)證分析

2.1 樣本數(shù)據(jù)預(yù)處理及分析

本文分別選取2014年4月2日到2022年3月2日期間的歐盟碳市場(chǎng)排放配額期貨連續(xù)結(jié)算價(jià)和我國具有代表性的北京、上海、湖北及深圳這4個(gè)碳試點(diǎn)市場(chǎng)每日成交均價(jià)作為研究樣本。由于歐盟和我國碳市場(chǎng)的交易時(shí)間存在節(jié)假日不同,導(dǎo)致碳市場(chǎng)交易時(shí)間存在差異性,為有效研究歐盟碳市場(chǎng)和我國碳市場(chǎng)間的關(guān)系,需剔除多個(gè)碳市場(chǎng)不在同一天交易的日期和連續(xù)交易量為0的無效數(shù)據(jù),為保證有足夠的原始數(shù)據(jù)探究碳市場(chǎng)間的關(guān)系,對(duì)于非連續(xù)交易日為0的則用收盤價(jià)作為當(dāng)日碳市場(chǎng)的價(jià)格,共得到1 000組有效數(shù)據(jù)(數(shù)據(jù)來源于Wind數(shù)據(jù)庫)。

式中pk(t)(t=1,2,…,5)分別為歐盟碳市場(chǎng)期貨價(jià)格和我國北京、上海、湖北及深圳4個(gè)碳排放權(quán)交易試點(diǎn)的第t日碳成交均價(jià)。

2.1.1 碳價(jià)格收益率序列統(tǒng)計(jì)特征

本文使用Eviews對(duì)歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北及深圳碳市場(chǎng)的對(duì)數(shù)收益率序列進(jìn)行描述性統(tǒng)計(jì)分析,具體結(jié)果見表1。

表1 歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)收益率序列的基本統(tǒng)計(jì)量Table 1 Basic statistics of return series in EU and China's carbon market

由表1可以得到歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北以及深圳碳市場(chǎng)的收益率序列的基本統(tǒng)計(jì)特征:

(1) 歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北以及深圳各碳交易市場(chǎng)的收益率序列的基本統(tǒng)計(jì)中均值都相對(duì)較小,歐盟碳排放配額期貨市場(chǎng)收益率序列是左偏分布,而我國碳市場(chǎng)收益率序列則是右偏分布,均呈非對(duì)稱分布特征。而且碳市場(chǎng)收益率序列的峰度值都大于3,說明碳市場(chǎng)收益率序列均具有尖峰特征。

(2) 由于歐盟碳排放配額期貨市場(chǎng)和我國4個(gè)碳市場(chǎng)的收益率序列的J-B統(tǒng)計(jì)量和ADF 對(duì)應(yīng)的P 值均為0,說明碳市場(chǎng)收益率序列不服從正態(tài)分布且收益率序列均具有平穩(wěn)性。根據(jù)Q(10)的伴隨概率值,發(fā)現(xiàn)歐盟碳排放配額期貨市場(chǎng)的收益序列不具有自相關(guān)性,而我國北京、上海、湖北以及深圳碳市場(chǎng)間均存在自相關(guān)性。

進(jìn)一步對(duì)碳市場(chǎng)對(duì)數(shù)收益率序列異方差性進(jìn)行檢驗(yàn),由于歐盟碳排放配額期貨市場(chǎng)的對(duì)數(shù)收益率序列不具有自相關(guān)性,因此需要對(duì)其進(jìn)行去均值化序列的平方進(jìn)行自相關(guān)性檢驗(yàn),若其具有自相關(guān)性,則說明歐盟碳排放配額期貨市場(chǎng)具有異方差性。對(duì)我國4個(gè)碳市場(chǎng)異方差性的檢驗(yàn)選擇常用的ARCH 效應(yīng)檢驗(yàn)。繪出歐盟碳排放配額期貨市場(chǎng)去均值化序列的自相關(guān)圖和我國碳市場(chǎng)收益率序列的異方差性檢驗(yàn)結(jié)果。具體見圖1和表2。

由圖1和表2可知,歐盟碳排放配額期貨市場(chǎng)的收益率去均值化平方序列具有自相關(guān)性,說明歐盟碳排放配額期貨市場(chǎng)收益率序列具有異方差性。而對(duì)于我國4個(gè)碳市場(chǎng)對(duì)數(shù)收益率建立的擬合模型進(jìn)行異方差檢驗(yàn),發(fā)現(xiàn)擬合每個(gè)碳市場(chǎng)模型檢驗(yàn)的2個(gè)檢驗(yàn)統(tǒng)計(jì)量,對(duì)應(yīng)概率P 值都是小于0.05,說明我國4個(gè)碳市場(chǎng)對(duì)數(shù)收益率序列都具有ARCH效應(yīng)。因此,選擇建立GARCH 類模型擬合碳市場(chǎng)的收益率序列具有合理性。

表2 碳市場(chǎng)收益率序列的異方差性檢驗(yàn)Table 2 Heteroscedasticity test of return series in carbon market

圖1 歐盟碳排放配額期貨市場(chǎng)收益率去均值化平方序列自相關(guān)和偏自相關(guān)特性Fig.1 Autocorrelation and partial autocorrelation of yield demean square sequence in EU carbon emission quota futures market

2.2 邊緣分布模型的擬合和檢驗(yàn)

基于歐盟碳排放配額期貨市場(chǎng)和我國4個(gè)不同區(qū)域碳市場(chǎng)的收益率的殘差序列服從Normal分布、t分布、GED 這3個(gè)不同假設(shè)分布的前提下,選擇在2階以內(nèi)的GARCH 模型、EGARCH 模型對(duì)碳市場(chǎng)收益率序列進(jìn)行擬合。具體結(jié)果見表3。

表3 碳市場(chǎng)各收益率最優(yōu)擬合模型結(jié)果Table 3 Results of the optimal fitting model for each rate of return in carbon markets

由表3可知,GARCH(1,1)-t模型可以較好地?cái)M合歐盟碳排放配額期貨市場(chǎng)對(duì)數(shù)收益率序列,而擬合我國北京、上海、湖北以及深圳碳市場(chǎng)的對(duì)數(shù)收益率序列的最優(yōu)GARCH 類模型分別是EGARCH(2,1)-t、EGARCH(2,1)-t、EGARCH(1,1)-Normal、EGARCH(2,1)-t模型,發(fā)現(xiàn)我國4 個(gè)碳市場(chǎng)對(duì)數(shù)收益率序列擬合效果相對(duì)較好的GARCH類模型均是具有非對(duì)稱性的EGARCH 類模型。所以本文選擇GARCH 類模型擬合歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)的收益率序列。基于已經(jīng)選擇的擬合歐盟碳排放配額期貨市場(chǎng)和我國上述4個(gè)碳市場(chǎng)對(duì)數(shù)收益率序列最優(yōu)的邊緣分布模型,用Eviews分別估計(jì)擬合歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)邊緣分布模型的參數(shù)值。

表4具體列出了歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北以及深圳碳市場(chǎng)對(duì)數(shù)收益率序列邊緣分布模型的參數(shù)估計(jì)和模型異方差性檢驗(yàn)的結(jié)果,具體可以得到以下結(jié)論:(1)歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)的收益率序列的邊緣分布模型參數(shù)估計(jì)均通過顯著性檢驗(yàn),這說明建立的GARCH 類模型擬合歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)對(duì)數(shù)收益率序列的邊緣分布是合理的。(2)擬合歐盟碳排放期貨市場(chǎng)的邊緣分布模型,對(duì)應(yīng)的ARCH 項(xiàng)和GARCH 項(xiàng)參數(shù)估計(jì)值都是大于0的,并且兩項(xiàng)之和小于1,滿足建立條件異方差模型的條件,證實(shí)了建立GARCH 模型擬合歐盟碳排放配額期貨市場(chǎng)的有效性。且由于歐盟碳排放配額期貨市場(chǎng)ARCH 和GARCH 兩項(xiàng)系數(shù)之和接近于1,說明歐盟碳排放配額期貨波動(dòng)性會(huì)持續(xù)相對(duì)較長(zhǎng)的時(shí)間。(3)擬合我國北京、上海、湖北以及深圳碳市場(chǎng)的邊緣分布均是非對(duì)稱性γ≠0的EGARCH模型,說明我國碳市場(chǎng)受到外部沖擊時(shí),外部沖擊的波動(dòng)影響就存在著非對(duì)稱的效應(yīng)。(4)對(duì)擬合歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)邊緣分布模型進(jìn)行滯后5階的ARCH-LM 檢驗(yàn),發(fā)現(xiàn)檢驗(yàn)參數(shù)統(tǒng)計(jì)量對(duì)應(yīng)的P值均大于0.05,說明碳市場(chǎng)的殘差序列消除了異方差性,并對(duì)得到的標(biāo)準(zhǔn)化殘差序列進(jìn)行概率積分轉(zhuǎn)換得到新序列,對(duì)新序列進(jìn)行K-S檢驗(yàn)發(fā)現(xiàn)對(duì)應(yīng)的P值都大于0.05,說明新序列滿足在(0,1)上服從均勻分布。因此,可以引入Copula函數(shù)研究碳市場(chǎng)間的相依結(jié)構(gòu)特征。

表4 碳市場(chǎng)邊緣分布模型的參數(shù)估計(jì)和檢驗(yàn)Table 4 Parameter estimation and test of carbon market marginal distribution model

2.3 歐盟和國內(nèi)碳交易市場(chǎng)的動(dòng)態(tài)相依結(jié)構(gòu)分析

選擇3 種時(shí)變Copula 函數(shù)即Time-varying Normal、Time-varying Rotated Gumbel 和Timevarying SJC Copula函數(shù)研究碳市場(chǎng)間的動(dòng)態(tài)相依結(jié)構(gòu)特征。運(yùn)用Matlab對(duì)得到刻畫歐盟碳排放配額期貨市場(chǎng)和我國碳市場(chǎng)的時(shí)變Copula函數(shù)的赤池信息準(zhǔn)則(akaike information criterion,AIC)和貝葉斯信息準(zhǔn)則(bayesian information criterion,BIC)的值,再根據(jù)其值越小越優(yōu)的原則選擇最優(yōu)時(shí)變Copula函數(shù)。具體結(jié)果見表5。

由表5可知:(1)時(shí)變Rotated Gumbel函數(shù)可以較好地捕捉到歐盟碳排放配額期貨市場(chǎng)和北京、上海碳市場(chǎng)之間的動(dòng)態(tài)相依結(jié)構(gòu)特征,說明歐盟碳排放配額期貨市場(chǎng)和我國北京、上海碳交易市場(chǎng)之間存在非對(duì)稱的尾部相依性,且呈現(xiàn)下尾相依。(2)時(shí)變SJC Copula函數(shù)可以較好地捕捉到歐盟和湖北碳交易市場(chǎng)的動(dòng)態(tài)相依結(jié)構(gòu),呈現(xiàn)對(duì)稱或非對(duì)稱的動(dòng)態(tài)相依結(jié)構(gòu)特征。(3)時(shí)變Normal Copula函數(shù)可以較準(zhǔn)確地捕捉到歐盟碳排放配額期貨市場(chǎng)和深圳碳交易市場(chǎng)間的動(dòng)態(tài)相依結(jié)構(gòu),呈現(xiàn)對(duì)稱且尾部漸進(jìn)獨(dú)立的動(dòng)態(tài)相依結(jié)構(gòu)特征。

表5 歐盟和國內(nèi)碳市場(chǎng)Copula函數(shù)的擬合結(jié)果Table 5 Fitting results of Copula function in EU and domestic carbon market

由此可見,刻畫歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北以及深圳碳市場(chǎng)動(dòng)態(tài)相依結(jié)構(gòu)的最優(yōu)時(shí)變Copula函數(shù)各不相同,反映了我國區(qū)域碳市場(chǎng)的異質(zhì)性特征。圖2直觀描述了這一動(dòng)態(tài)相依結(jié)構(gòu)特征。

由圖2可知:歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北碳市場(chǎng)的尾部相關(guān)系數(shù)是正值,說明歐盟碳市場(chǎng)和我國上述3個(gè)碳市場(chǎng)間存在正相關(guān)關(guān)系,且歐盟碳市場(chǎng)和我國上述3個(gè)碳市場(chǎng)間相依性強(qiáng)度從大到小依次為上海、北京、湖北碳市場(chǎng);歐盟碳市場(chǎng)和我國湖北碳市場(chǎng)間明顯地呈現(xiàn)出上尾的動(dòng)態(tài)相關(guān)系數(shù)明顯高于下尾,說明歐盟碳市場(chǎng)和我國湖北碳市場(chǎng)間存在非對(duì)稱的相依結(jié)構(gòu)特征;而歐盟碳市場(chǎng)和我國深圳碳市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)則均小于0,說明歐盟碳市場(chǎng)和我國深圳碳市場(chǎng)間存在負(fù)相關(guān)性。

圖2 歐盟和國內(nèi)碳市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)Fig.2 Dynamic correlation coefficient diagram of EU and domestic carbon market

2.4 歐盟和國內(nèi)碳交易市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)

基于刻畫歐盟碳排放配額期貨市場(chǎng)和我國北京、上海、湖北以及深圳碳市場(chǎng)動(dòng)態(tài)相依的最優(yōu)Copula函數(shù),將得到的碳市場(chǎng)間的尾部相關(guān)系數(shù)以及建立邊緣分布模型得到的條件方差序列代入式(15),得到歐盟和我國不同區(qū)域碳市場(chǎng)間的風(fēng)險(xiǎn)溢出時(shí)間序列值,用其均值表示碳市場(chǎng)間的風(fēng)險(xiǎn)溢出結(jié)果,其中歐盟和我國湖北碳市場(chǎng)的風(fēng)險(xiǎn)溢出為上下尾部風(fēng)險(xiǎn)溢出的均值。歐盟碳排放配額期貨市場(chǎng)和我國試點(diǎn)碳交易市場(chǎng)在95%置信水平的風(fēng)險(xiǎn)溢出均值結(jié)果見表6。

表6 歐盟碳排放配額期貨市場(chǎng)對(duì)國內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出Table 6 Risk spillover from EU carbon emission quota futures market to domestic carbon market

觀察表6,可以得到如下結(jié)論:

(1) 從風(fēng)險(xiǎn)溢出的方向看,歐盟碳排放配額期貨市場(chǎng)和我國北京、上海以及湖北碳市場(chǎng)間存在正向風(fēng)險(xiǎn)溢出,即當(dāng)歐盟碳市場(chǎng)發(fā)生外來沖擊發(fā)生風(fēng)險(xiǎn)時(shí),會(huì)對(duì)我國碳市場(chǎng)產(chǎn)生風(fēng)險(xiǎn)溢出的現(xiàn)象,說明歐盟碳排放配額期貨市場(chǎng)和我國上述3個(gè)碳市場(chǎng)間聯(lián)系較為緊密。但是與我國深圳碳市場(chǎng)間卻不存在風(fēng)險(xiǎn)溢出效應(yīng),這一結(jié)論與基于分位數(shù)得到的歐盟和深圳碳市場(chǎng)間存在風(fēng)險(xiǎn)溢出的結(jié)論不一致[10],可能的原因:一是本文研究時(shí)間段相對(duì)較長(zhǎng),且用成交均價(jià)研究碳市場(chǎng)間數(shù)據(jù),刪除了多個(gè)碳市場(chǎng)非同一天交易日的數(shù)據(jù),得到的碳市場(chǎng)研究樣本存在一定的差異性;二是基于動(dòng)態(tài)相依結(jié)構(gòu)研究歐盟碳市場(chǎng)和我國深圳碳市場(chǎng)間的風(fēng)險(xiǎn)溢出時(shí),運(yùn)用時(shí)變Copula和CoVaR 模型計(jì)算風(fēng)險(xiǎn)溢出時(shí),能夠捕捉到碳市場(chǎng)間的時(shí)變相關(guān)性,進(jìn)而得到碳市場(chǎng)間復(fù)雜的風(fēng)險(xiǎn)溢出效應(yīng);三是因?yàn)樯钲谔际袌?chǎng)作為我國建立的首個(gè)試點(diǎn)碳市場(chǎng),具有市場(chǎng)先行以及產(chǎn)品創(chuàng)新等優(yōu)勢(shì),特別是2020年10月29日通過的全球首部規(guī)范綠色金融的綜合性法案《深圳經(jīng)濟(jì)特區(qū)綠色金融條例》,旨在開創(chuàng)綠色金融產(chǎn)業(yè)的新型產(chǎn)品服務(wù)類型,并且積極開展綠色金融國際合作,豐富了深圳碳市場(chǎng)交易產(chǎn)品的類型。這些優(yōu)勢(shì)推動(dòng)深圳碳市場(chǎng)健康穩(wěn)定的發(fā)展,并且在面對(duì)外來沖擊時(shí),可以迅速地做出預(yù)防措施并規(guī)避風(fēng)險(xiǎn)。

(2) 從風(fēng)險(xiǎn)溢出強(qiáng)度的角度看,觀察ΔB′CoVaR值,可以發(fā)現(xiàn)歐盟碳排放配額期貨市場(chǎng)和我國不同試點(diǎn)碳市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度存在明顯的差異性,且得到的碳市場(chǎng)間風(fēng)險(xiǎn)溢出的結(jié)論與根據(jù)ΔBCoVaR值得到的結(jié)論相同。其中,歐盟碳市場(chǎng)和上海碳市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度最大,之后依次是北京、湖北碳市場(chǎng),歐盟碳排放配額期貨市場(chǎng)和我國上海、北京碳市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)于湖北碳市場(chǎng),可能是因?yàn)楸本?、上海碳市?chǎng)的成交均價(jià)波動(dòng)相對(duì)較大,且在2021年都呈現(xiàn)一定的上升趨勢(shì),使得上述2個(gè)碳市場(chǎng)的活躍度相對(duì)較強(qiáng),而湖北碳市場(chǎng)的成交均價(jià)自2019年出現(xiàn)峰值后,就呈下降的趨勢(shì),并且其成交均價(jià)的波動(dòng)范圍相對(duì)較小,說明湖北碳市場(chǎng)價(jià)格穩(wěn)定機(jī)制逐漸成熟,從而使得歐盟對(duì)湖北碳市場(chǎng)間的風(fēng)險(xiǎn)溢出強(qiáng)度小于對(duì)上海、北京2個(gè)碳市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度。而歐盟碳排放配額期貨市場(chǎng)和我國深圳碳市場(chǎng)基于尾部相關(guān)系數(shù)的ΔBCoVaR和均為0,說明歐盟碳排放配額期貨市場(chǎng)和我國深圳碳市場(chǎng)間不存在風(fēng)險(xiǎn)溢出現(xiàn)象,且歐盟碳排放配額期貨市場(chǎng)和我國深圳碳市場(chǎng)間的動(dòng)態(tài)相關(guān)系數(shù)為負(fù),也印證了這一結(jié)論。

3 結(jié)論與建議

本文基于時(shí)變Copula函數(shù)和GARCH 類模型對(duì)歐盟碳排放配額期貨市場(chǎng)和國內(nèi)碳交易市場(chǎng)的動(dòng)態(tài)相依結(jié)構(gòu)進(jìn)行分析,在此基礎(chǔ)上,進(jìn)一步基于Copula-CoVaR 模型探究歐盟和國內(nèi)碳交易市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)。得到以下結(jié)論:

(1)時(shí)變Rotated Gumbel Copula函數(shù)可以較準(zhǔn)確地捕捉到歐盟和我國北京、上海碳市場(chǎng)間的動(dòng)態(tài)相依性,呈下尾相依的結(jié)構(gòu);時(shí)變SJC Copula函數(shù)刻畫了歐盟和我國湖北碳市場(chǎng)的動(dòng)態(tài)相依性,呈非對(duì)稱的相依結(jié)構(gòu)特征;而時(shí)變Normal Copula函數(shù)則刻畫了歐盟和我國深圳碳市場(chǎng)動(dòng)態(tài)相依結(jié)構(gòu),即歐盟和我國深圳碳市場(chǎng)間呈現(xiàn)對(duì)稱性且尾部漸近獨(dú)立的動(dòng)態(tài)相依結(jié)構(gòu)特征。(2)根據(jù)建立的Copula-CoVaR 模型得到歐盟和國內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng),發(fā)現(xiàn)歐盟碳排放配額期貨市場(chǎng)與北京、上海及湖北碳市場(chǎng)都存在風(fēng)險(xiǎn)溢出效應(yīng),與深圳碳市場(chǎng)不存在風(fēng)險(xiǎn)溢出。整體上可以將歐盟碳排放配額期貨市場(chǎng)與國內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出強(qiáng)度從大到小排序?yàn)?上海、北京、湖北、深圳。

基于上述結(jié)論,可以得到如下啟示和政策建議,為避免碳市場(chǎng)價(jià)格劇烈波動(dòng)給碳市場(chǎng)發(fā)展帶來的潛在風(fēng)險(xiǎn),需要加強(qiáng)碳市場(chǎng)交易的價(jià)格穩(wěn)定機(jī)制,積極開發(fā)新型碳市場(chǎng)交易衍生品,提高碳市場(chǎng)交易的效率,促進(jìn)碳市場(chǎng)健康穩(wěn)定的發(fā)展。