基于三狀態Markov模型的歐盟碳排放交易市場的狀態轉換結構研究

胡根華 吳恒煜

摘要：采用EUA現貨與期貨價格、CER期貨價格日數據，結合AR-GARCH與Markov機制轉換模型，研究碳排放市場的波動聚集與結構轉換特征。結果發現：（1）市場存在尖峰厚尾與波動聚集，且存在較大的尾部風險；（2）市場呈現明顯的狀態轉換結構特征，其中EUA現貨與期貨市場的結構變化較大且在較長時期內處于下跌狀態；（3）市場在上漲、盤整和下跌狀態下的期望持續期均大約為5天。此外，從盤整狀態和下跌狀態到上漲狀態的轉換概率比較小，市場將會在較長時間內處于某一狀態下。

關鍵詞：碳排放配額；核證減排量；狀態轉換；Markov機制轉換模型

DOI：10.13956/j.ss.1001-8409.2017.02.29

中圖分類號：F1133；F8309 文獻標識碼：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濟學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成為重要的新興貿易市場。碳排放交易市場的不斷發展且日趨成熟，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，并出現了多種碳金融產品及其衍生品。然而，該市場仍然不十分完善，市場結構容易受到外界信息的沖擊而發生變化，并產生很大的市場不確定性風險。因而，研究碳排放交易市場的結構特征，不僅有助于完善市場制度，也有利于對該市場進行風險管理。

1相關文獻綜述

目前，針對碳排放配額和核證減排量的研究，許多國內外學者都是基于計量經濟學方法，如Paolella和Taschini [1]，王軍鋒等 [2]。近幾年來，國內外學者研究了碳排放現貨交易市場的動態特征（如Conrad等[3]，吳恒煜和胡根華[4]）、期貨市場的動態變化特征（如Rittler[5]，王玉和郇志堅[6]）、現貨與期貨市場之間的關系（如Nazifi[7]，王丹和程玲[8]）、碳排放交易產品的定價與價格預測（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系。

實際上，碳排放交易市場與其他市場之間的聯系越來越緊密且復雜，市場之間的風險傳染日益顯現。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展，但市場的不成熟、不完善使市場在面臨內部因素的沖擊而發生市場結構的變化。采用Markov機制轉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現貨與期貨市場、CER期貨市場的結構特征，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確的結論。（2）選擇2010年1月4日至2014年6月30日的交易數據，主要是探討碳排放交易市場在相對平穩的階段所可能呈現的狀態轉換結構特征。

2基

32ARGARCH模型參數估計

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

根據表2，GARCH（1）項的系數都比較大，表明EUA現貨和期貨市場、CER期貨市場等三個市場均出現顯著的波動聚集現象，且尖峰厚尾的特征也很顯著。此外，GARCH（1）項和ARCH（1）項的系數之和均非常接近于1表2中，GARCH（1）項和ARCH（1）項的系數之和出現等于或者大于1，是由于數值的四舍五入的結果。實際上，兩者的系數之和均小于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）模型比較穩定，也表明模型的選擇存在一定的合理性。根據自由度參數的值，EUA現貨和期貨市場、CER期貨市場都存在較大可能性的尾部風險，市場發生極端事件的概率比較大。

33機制轉換模型參數估計

在碳排放交易市場上，產品價格序列的變化常常呈現三種波動狀態，即上漲狀態（狀態1）、盤整狀態（狀態2）和下跌狀態（狀態3）。因此，本文采用三狀態Markov機制轉換模型，分別在t分布和GED分布的假設下，從收益率和殘差的角度來研究碳排放交易市場的結構轉換特征。根據結果顯示，在t分布假設下的對數極大似然值均要大于GED分布假設下的對數極大似然值。因此，主要分析t分布假設下的結果。

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

資本市場的波動變化特征，其外在表現就是體現在價格或者收益率的波動上，而其內在根本原因是由波動率驅動。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。根據表3，EUA現貨與期貨市場、CER期貨市場在三種狀態下的轉換概率均相等，且碳排放市場從市場盤整狀態和下跌狀態到上漲狀態的轉換概率比較小，說明當市場處于某一狀態時，可以預計該市場將會在較長時間內處于該狀態下。

34狀態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上的平滑狀態概率。如果簡單地以05的概率作為臨界點，當市場處于某一狀態的概率大于05時，就認為該市場處于這一狀態。于是，基本上可以粗略地判定，EUA現貨市場基本上在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，而2012年1月、2013年1月至6月、2014年3月處于下跌狀態。

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

4結論與啟示

本文結合ARGARCH與Markov機制轉換模型，研究EUA現貨市場與期貨市場、CER期貨市場的波動聚集現象與結構轉換特征。主要研究結果如下：（1）碳排放交易市場存在尖峰厚尾與波動聚集現象。（2）在不同的發展階段，碳排放交易市場呈現明顯不同的狀態轉換結構特征，其中EUA現貨市場與期貨市場的結構變化較大，且在較長時期內處于下跌狀態。另外，碳排放交易市場在上漲狀態、盤整狀態和下跌狀態下的期望持續期均大約為5天。（3）碳排放市場從市場盤整狀態和下跌狀態到上漲狀態的轉換概率均比較小。

通過研究發現，碳排放交易市場在不同發展階段上發生了明顯的狀態轉換結構特征。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整或者改變相關政策，但并不宜追求“重拳出擊”的大舉措，而只能是循序漸進地調整，這將對我國碳排放交易市場的穩定運行至關重要。自2013年6月18日我國首個碳排放權交易所在深圳掛牌交易以來，已經有多個城市試點碳排放權交易，這有利于促進我國碳排放權資源的有效配置。但目前，我國還沒有建立全國統一的碳排放權交易市場，且碳排放權交易產品相對單一，無法使我國碳金融市場同國外碳交易市場相接軌。在未來，需要在相關政策的支持下穩步推進CDM項目，不斷開發更多的減排項目產品，這對于進一步完善我國碳排放權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.碳排放權交易市場碳配額價格關聯機制研究——基于計量模型的關聯分析[J].中國人口·資源與環境， 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. 國際碳排放權市場動態相依性分析及風險測度：基于Copula-GARCH模型[J].數理統計與管理， 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.歐盟碳排放權交易市場的價格發現和波動溢出研究[J].中國人口·資源與環境， 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.歐盟碳配額現貨與期貨價格關系及對中國的借鑒[J]. 中國人口·資源與環境， 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測[J]. 中國人口·資源與環境， 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制轉換特征研究[J].軟科學， 2014， 28（1）：95-100.

[13]吳恒煜，胡根華，秦嗣毅，劉紀顯.國際碳排市場動態效應研究：基于ECX CER市場[J].山西財經大學學報， 2011， 33（9）：18-24.

（責任編輯：石琳娜）