本站小編為你精心準備了國際碳排放權(quán)交易市場的風(fēng)險參考范文，愿這些范文能點燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

《當(dāng)代經(jīng)濟研究雜志》2014年第六期

一、數(shù)據(jù)處理與分析

本文用于研究EUETS的數(shù)據(jù)是從其第二階段，即2008年之后截止到2013年6月28日的日序列，其中期貨交易的序列由于交易開始的日期不同而造成樣本量不同。如EUETSDEC2016從2011年12月24日開始，截止2013年6月28日，數(shù)據(jù)樣本僅為133個。用于分析CCX的數(shù)據(jù)從市場建立之初的2003年12月22日開始，截止2011年1月31日關(guān)停，樣本數(shù)共1800個。

1．GARCH分析對各價格序列進行一階差分得到收益率序列，r1對應(yīng)ETS現(xiàn)貨收益率，r2對應(yīng)ETSDEC2012，表示2012年12月交割的期貨收益率，r3對應(yīng)ETSDEC2013，r4對應(yīng)ETSDEC2014，r5對應(yīng)ETSDEC2015，r6對應(yīng)ETSDEC2016，r7對應(yīng)CCX中2003年生效的CFI價格收益率。各峰度均大于3，且J－B統(tǒng)計量非常顯著，表明七組收益率的分布均呈現(xiàn)出尖峰厚尾狀。各序列ADF檢驗T值均顯著大于置信度99%的臨界值，全部平穩(wěn)。對七組收益率序列進行ARCH效應(yīng)檢驗，結(jié)果表明除了r6，r7以外，其余收益率序列都可以拒絕異方差A(yù)RCH的原假設(shè)，即表明這五組收益率序列存在明顯的ARCH效應(yīng)。將r6的殘差進行ARCH－LM檢驗，Obs*R－squared值為12.788，p值為0.001，表明r6實際上也存在ARCH效應(yīng)。而對r7的殘差進行ARCH－LM檢驗，結(jié)果并不顯著，這表明r7存在一定的ARCH效應(yīng)，只是并不明顯。在完成GARCH檢驗之后，本文對七組收益率序列分別建模，各模型中的參數(shù)估計結(jié)果如表1所示。從表1可以看到r6的模型參數(shù)不顯著，表明上述的GARCH模型并不適合用來分析r6。對于r6，本文嘗試引入IGARCH檢驗，擬合后各項系數(shù)均比原有模型顯著，且ARCH－LM檢驗后同樣不能拒絕原假設(shè)。因此，針對r6本文單獨選用IGARCH模型，其參數(shù)詳見表2。對表1中最后的LM檢驗的結(jié)果進行分析可以看出，在七組收益率序列中，除r2以外，LM的Obs*R－squared的值均不顯著，不可以拒絕LM檢驗的原假設(shè)，即被檢驗序列不存在ARCH效應(yīng)。這表明本文所選擇的GARCH模型有效地提取了收益率序列的異方差的信息。根據(jù)表1的數(shù)據(jù)，比較兩個市場的現(xiàn)貨和期貨交易收益率的沖擊衰減速度。沖擊衰減速度主要由β1系數(shù)判斷，系數(shù)大則表示沖擊衰減慢，受沖擊信息相對較少，市場反應(yīng)不及時。先從EUETS和CCX的現(xiàn)貨進行比較，即r1和r7，兩者分別屬于強制性市場和自愿性市場。從β1系數(shù)上看，r1為0．802，r7為0.963，即EUETS現(xiàn)貨當(dāng)前方差沖擊的80.2%在下一期依然存在，而CCX現(xiàn)貨當(dāng)前方差沖擊的96.3%在下一期仍會存在。β1系數(shù)r1明顯小于r7，表明EUETS受沖擊信息較多，沖擊衰減較快，市場反應(yīng)比自愿性的CCX更及時，更有效率。另外，兩個市場上不論現(xiàn)貨交易還是期貨交易，GARCH的系數(shù)β1都大于0，且Z統(tǒng)計值都是顯著的，說明收益有正的風(fēng)險溢價。β1越大，表示市場上的參與者對風(fēng)險的厭惡程度越高，即要求的風(fēng)險回報越大。從現(xiàn)貨收益率r1和r7的β1值上看，自愿性碳交易市場CCX的參與者更厭惡風(fēng)險。由于2012年期貨的收益率序列于2012年12月截止，而本文現(xiàn)貨的收益率序列選擇到2013年6月，所以兩者在市場沖擊信息的比較中會存在較大誤差，另外，2016年期貨的數(shù)據(jù)過于短，僅半年的序列，在GARCH模型的擬合中也單獨選取了模型進行擬合，所以在這里也不具有可比性。因此，選取r1、r3、r4、r5進行比較發(fā)現(xiàn)，期貨市場受到的沖擊信息越多，則市場交易者反應(yīng)越快，市場交易更活躍，并且遠期交易的交割時間越長，其受到的沖擊信息更多，這也從另一個角度表明碳市場的期貨交易波動較大，不穩(wěn)定性相對更高。EUETS和CCX的收益存在不對稱現(xiàn)象，上漲時殘差對于條件方差的影響程度為α1，下跌的影響程度為α1+φ。自2008年之后，在現(xiàn)貨市場上，強制性交易市場比自愿性交易市場價格的不對稱性更為明顯，且下跌的影響程度顯著地大于上升的影響程度。單獨從市場的角度看，歐洲碳市場的不穩(wěn)定主要是由于價格下跌引起的，而CCX市場上價格的下跌或上升對于市場的影響并不明顯。在EUETS期貨市場上，不對稱現(xiàn)象比現(xiàn)貨市場更為明顯，而且是遠期交易交割期越長，不對稱現(xiàn)象越明顯，并且下跌的影響比上升的影響高，這表明在期貨市場上，碳信用的期貨交易價格下跌對于市場的不穩(wěn)定有著更突出的影響。

2．在險值分析(1)靜態(tài)分析。本文先計算各收益率序列的靜態(tài)在險值，利用EVIM的matlab工具，通過繪制平均超限圖以及Hill圖，輔助以LM檢驗反推，確定閾值μ，進而估計ξ和β。對于兩個市場的七組收益率序列分別對其上漲和下跌的兩組序列估計ξ和β，計算靜態(tài)VaR和ES，最終結(jié)果如表3所示。以r1上漲的靜態(tài)VaR為例，r1上尾的靜態(tài)VaR=1.4465，其經(jīng)濟學(xué)含義是在2008～2013年，EUETS現(xiàn)貨有95%的可能由于市場價格帶來的價格上漲損失率不會超過1．4465%。r1上尾的ES值為5.0433，表示一旦r1上漲的幅度超過度量值水平時，其期望的損失應(yīng)為5.0433%，即r1上漲幅度超過了1.4465%，其超過的幅度平均值應(yīng)為5.0433%。根據(jù)測算的靜態(tài)VaR在正常的市場波動中的風(fēng)險情況，比較強制性市場和自愿性市場，r7的在險值相對較小，進一步驗證了前文對芝加哥氣候交易所的交易者更厭惡風(fēng)險的判斷。在市場正常波動的情況下，在芝加哥氣候交易所交易面臨的風(fēng)險相對較小，同時也表明自愿性交易市場的投資者對于收益的期望不高。在碳交易市場中，下跌的在險值比上漲的高，表明碳交易市場下跌的風(fēng)險更大，也進一步證實了碳交易市場的不對稱性。另外，期貨交易的在險值偏高，但遠期交易交割越長，其上漲的在險值越小(除r4以外)，其余期貨序列下跌的在險值也表現(xiàn)出這個規(guī)律，只是不如上漲的在險值表現(xiàn)的那么明顯。這可以說明在正常的市場波動中，投資期貨是可以對沖風(fēng)險的。根據(jù)測算的ES值，在極端情況下歐洲碳排放交易系統(tǒng)的下跌風(fēng)險小于芝加哥氣候環(huán)境交易所，這表明強制性的市場比自愿性市場更穩(wěn)定，出現(xiàn)極端情況時風(fēng)險損失小。在現(xiàn)貨交易和期貨交易的比較中，依然可以看出在極端情況時期貨交易的損失風(fēng)險比現(xiàn)貨交易的損失風(fēng)險大，但與正常波動情況不同的是，隨著交割期的延長，期貨在極端情況下?lián)p失風(fēng)險加大，這表明EUETS的參與者如果出現(xiàn)政策變化或者其他不可控的極端情況，投資期貨比交易現(xiàn)貨面臨的風(fēng)險損失更大。(2)動態(tài)分析。在靜態(tài)分析的基礎(chǔ)上，進一步通過GARCH－EVT－VaR模型測算各序列的動態(tài)VaR值，計算結(jié)果及LR驗證結(jié)果如表4所示。以r1為例，r1上漲的動態(tài)VaR的平均值為4.928，最小值為1.255，最大值為37.701，失效個數(shù)為62，失效率是0.049，LR值為0.040;r1下跌的動態(tài)VaR的平均值為－5.638，最小值為－43.128，最大值為－1.551，失效個數(shù)同樣為62。LR值服從χ2分布，在95%的置信水平上其臨界值為3.84。因此，在95%的置信水平上不能拒絕原假設(shè)，這表明估計碳市場的GARCH－EVT－VaR模型是有效的。根據(jù)表4對比各收益率序列，r3、r4的下跌VaR估計的LR檢驗值均偏高，下跌的檢驗值甚至超過臨界值，這表明本文選用的模型對于其下跌風(fēng)險的預(yù)測已經(jīng)失效。在EUETS中交割期為2013年和2014年的期貨下跌風(fēng)險較大，超過模型預(yù)測，結(jié)合r5的模型并未出現(xiàn)失效的現(xiàn)象，可以分析出r3、r4失效的原因是受外界因素干擾較大。首先，r3開始的日期正好是2009年底，受到全球金融危機的沖擊，歐洲經(jīng)濟發(fā)展緩慢，排放配額需求降低，造成配額存在超發(fā)，導(dǎo)致市場下跌風(fēng)險驟然增大。其次，通過對r3、r4收益率與其各自上漲VaR和下跌VaR的對比，失效點主要集中于2012年上半年，由于EUETS的第二階段在2012年結(jié)束，歐盟對于過剩配額的處理以及第三階段配額分配的方法一直沒有出臺相關(guān)規(guī)定，航空行業(yè)征收碳稅等政策并未成行，市場的不確定性凸顯，市場參與者普遍對期貨交易沒有信心，市場下行壓力也變大。而2015年交割的期貨是從2011年底開始，其主要交易集中在2012年之后，在政策逐漸穩(wěn)定之后，模型對于市場正常波動的預(yù)測依然有效。這說明GARCH－EVT－VaR盡管對于極端風(fēng)險有一定的估計能力，但是在外界因素的強力干擾下，依然會出現(xiàn)失效的情況，如金融危機和政策變革。另外，r6的LR檢驗值和失效率明顯偏高，由于r6序列樣本數(shù)明顯小于其他收益率序列，這表明GARCH－EVT－VaR模型在分析小樣本數(shù)據(jù)時效果不如分析大樣本數(shù)據(jù)時好。從分析動態(tài)VaR的結(jié)果基本上可以得到與分析靜態(tài)VaR結(jié)果類似的結(jié)論。但是從r7來看，其下跌的動態(tài)VaR在平均值和中位數(shù)的絕對值均小于上漲的動態(tài)VaR的平均值和中位數(shù)，這與靜態(tài)VaR分析時不同。這是由于r7本身波動造成的。前文已經(jīng)證明該模型在衡量成熟有效的碳市場收益風(fēng)險時是有效的，從這一角度看，芝加哥氣候環(huán)境交易所的市場自身調(diào)節(jié)難以抵御外界的極端情況，市場收益率的波動受到外界因素影響過大，運用市場模型很難對其下跌和上漲的風(fēng)險進行合理的估計和預(yù)測。

二、政策建議

通過研究及測算，并結(jié)合我國的實際情況，本文為我國的碳排放交易市場建設(shè)提出如下政策建議。第一，強制性碳排放交易對于收益波動反應(yīng)更及時，風(fēng)險相對較小。中國目前并沒有出臺控制二氧化碳排放總量的法律法規(guī)，試點交易市場的參與者是基于強制減排政策預(yù)期，提前履約以獲得碳交易的先發(fā)優(yōu)勢。從目前的市場表現(xiàn)看，各試點市場碳價格相對于國際價格偏高，具有需求潛力。我國可以嘗試出臺相應(yīng)的強制性減排政策，從試點的核心區(qū)域的核心排放行業(yè)開始，如華北地區(qū)的電力行業(yè)應(yīng)逐步擴展到核心區(qū)域的全行業(yè)，再依托試點向外輻射至全國范圍，最終建立全國統(tǒng)一的碳排放權(quán)交易市場。第二，經(jīng)濟環(huán)境和政策環(huán)境的變化會引發(fā)碳交易市場發(fā)生極端風(fēng)險。動態(tài)VaR分析證明了過短的時間序列會導(dǎo)致模型預(yù)測不準確。因此，我國碳交易試點工作的各項政策措施的實行效果需要給予穩(wěn)定的周期觀測，建議至少一年以上，切勿在短時間內(nèi)出現(xiàn)過大的政策波動，防止市場的極端情況出現(xiàn)。中國的碳交易剛剛起步，需要一個穩(wěn)定的政策環(huán)境，在制定政策的過程當(dāng)中，應(yīng)統(tǒng)籌規(guī)劃，盡快建立全國性的碳交易監(jiān)管部門，保證碳交易市場的健康發(fā)展。碳信用市場的初級階段最主要的監(jiān)管工作是建立總量控制體系，制定二氧化碳排放測算標準，為碳交易提供有關(guān)碳排放量的可靠數(shù)據(jù)。同時，對準備進入市場的碳信用進行嚴格審核，保證碳信用的稀缺性，對交易后的碳信用的使用情況進行清算，監(jiān)督管理排放主體，確保碳中和的實施，對于排放超標的排放主體要依法給予制裁，保證碳信用交易的嚴肅性。第三，從歐洲碳排放交易的經(jīng)驗看，引入期貨交易后，交易風(fēng)險相應(yīng)提高，這表明金融衍生品的引入令市場風(fēng)險加大，或者說市場參與者對風(fēng)險更難以把控。因此，建議我國現(xiàn)有的碳交易市場在試點初期盡量不要開展期貨交易，因為新興市場并不完善，其自身對抗風(fēng)險的能力較弱，暫時不引入期貨交易可以最大限度地減少投機者進入市場，有助于市場穩(wěn)步發(fā)展，等時機成熟后再引入期貨交易。

作者：陳偉宋維明田園單位：北京林業(yè)大學(xué)經(jīng)濟管理學(xué)院北京聯(lián)合大學(xué)商務(wù)學(xué)院