我國區(qū)域碳金融交易市場的風險研究

(華南理工大學 經濟與貿易學院,廣東 廣州 510006)

我國區(qū)域碳金融交易市場的風險研究

邱 謙,郭守前
(華南理工大學 經濟與貿易學院,廣東 廣州 510006)

碳金融市場風險是碳金融市場發(fā)展的核心問題。在我國即將建立全國統(tǒng)一碳市的關鍵時期,探究區(qū)域碳金融的市場風險狀況和風險量化方法,旨在為監(jiān)管當局監(jiān)測與防控風險提供有益參考。利用三種分布下的ARCH和GARCH模型探究區(qū)域碳金融交易市場的價格波動特征,采用VaR模型度量交易市場的風險。結果表明：使用t分布下的ARCH族模型度量市場風險的效果最理想,不同碳交易所對價格的沖擊存在不同的衰減程度,且碳市場外部環(huán)境的異質性作用比市場內在機制的作用更能對碳價波動造成影響。

ARCH族;市場風險;區(qū)域碳金融;VaR

1 國內外文獻綜述

碳金融可界定為溫室氣體排放權的交易,并且與這種交易相關的各種金融活動與交易的系統(tǒng)也屬于這個范疇[1]。國外學者對碳金融風險的研究更加全面。Larson D F、Parks指出，碳金融的交易風險存在于項目準備、實施、評估、認可、二級市場、目標市場等諸多環(huán)節(jié)當中,分析了交易風險的類型,依照影響因素把碳金融的交易風險分為履約風險、價格風險和政策風險三類[2]。一部分學者從碳價波動著手對其風險進行了分析[3-5]:Mansanet、Bataller研究發(fā)現,碳價的波動受能源市場(油、汽、煤)價格和極端天氣事件的驅動[3];Alberola認為,碳價的波動取決于制度事件,且對排放上限的信息尤其敏感[4]；Kijima M、 Maeda A、Nishide K通過建立二氧化碳排放權交易模型發(fā)現,交易價格可能突增,并且根據EU-ETS表現出的價格波動狀況,認為碳排放交易價格變化呈現出復雜性,從而加劇投資風險[5]。關于風險的量化,Julien Checallier發(fā)現,碳期貨價格與宏觀環(huán)境的風險直接相關,并運用GARCH模型對眾多參量與金融數據進行分析,為量化碳金融風險提供了重要的計量分析思路[6]。

我國碳交易市場起步較晚,大多數學者對碳金融市場的風險研究集中在定性分析方面。王留之、宋陽將碳金融風險分為三類,分別是碳金融衍生工具的操作風險、碳金融的政治風險和宏觀經濟的經濟風險[7];孫兆東認為,碳金融市場的主要風險結構由不確定政策性風險、流動性風險和政治風險構成,風險成因主要有:相關配套政策及法律有待完善、國際局勢前景不明、主體認識不足、專業(yè)人才缺失、碳金融組織服務體系目前尚不健全[8]。在定量分析上,杜莉、孫兆東用正態(tài)分布下的ARCH族模型與VaR模型對碳金融市場的風險進行了刻畫與度量[9]。關于碳金融風險的防控,國內一部分學者從法律層面對碳交易的市場風險進行了研究[10,11]:劉美超分析了碳交易合同的風險,提出應從當事人主體資格與碳排放權交易合同本身兩個方面進行風險防范[10];王國飛提到規(guī)避碳交易的市場風險重在監(jiān)管,并從政府、第三方機構、交易所和社會這四個層面分析了如何解決碳交易市場風險監(jiān)管中遇到的問題[11];杜莉、孫兆東認為,市場風險是區(qū)域碳金融交易的突出風險,提出應當構建全國統(tǒng)一的碳交易市場并且統(tǒng)一監(jiān)管、統(tǒng)一定價、統(tǒng)一配額，以防控碳交易市場的風險[9]。

綜上所述,目前對碳金融市場風險的研究主要集中在定性分析上,缺乏定量分析。在國內外碳金融市場迅速發(fā)展的形勢下,市場風險評估與防控問題亟待解決。因此,本文使用三種分布(正態(tài)分布、t分布、廣義誤差分布(GED)分布)下的ARCH族模型對我國6個試點地區(qū)(深圳、北京、廣州、上海、湖北、重慶)的價格波動進行刻畫,用VaR模型度量市場風險,再用Kupiec檢驗法對VaR模型結果進行檢驗,以定量研究碳金融市場的風險狀況。

2 數據來源、研究方法

2.1 數據來源

本文使用的數據來源于各個試點碳交易所的官網和官方微信,見表1。由于重慶試點的數據量過少,缺乏統(tǒng)計意義,因此本文沒有對重慶進行建模分析。本文采用EVIEW8.0軟件對數據進行分析。

表1 數據來源

2.2 研究方法

我國碳金融產品的價格特征分析:價格波動風險是碳交易市場運行中面臨的主要風險。在碳市場這個復雜系統(tǒng)中,影響碳金融產品價格的因素紛繁復雜。碳價的波動不僅受到排放政策的影響,還受到減排技術等多方面的影響,而這些影響最終都會表現在碳價的波動上,所以本文研究了碳金融產品的價格特性。樣本數據成交均價Pt用當日成交額與當日成交量之比表示;考慮到數據的平穩(wěn)性,收益率R(t)用交易所成交均價的對數收益率來表示:

R(t)=lnPt-lnP(t-1)

(1)

收益率時間序列分析:我們用EVIEWS 8.0軟件繪制出收益率時間趨勢圖(圖1)。由圖1可知,六個試點價格的對數收益率都在0值上下波動。當波動大時,連續(xù)幾期波動大;當波動小時,連續(xù)幾期波動小,呈現出明顯的“波動聚集”效應。

正態(tài)性檢驗:使用Jurque-Bera統(tǒng)計量是常用的正態(tài)分布檢驗方法,計算公式見式(2)。式中，n為樣本容量,S為偏度,K為峰度。若在正態(tài)性假設下,JB服從χ2(2)的分布,在5%的顯著性水平下臨界值為5.99147;若JB統(tǒng)計量的值超過臨界值,則將拒絕正態(tài)分布的零假設。表2是用EVIEWS 8.0軟件計算出的JB統(tǒng)計值,六個試點JB統(tǒng)計值均遠大于臨界值,因此六個試點的收益率體現出明顯的非正態(tài)性。由表2可知,六個試點的峰度均大于3,偏度異于0,收益率曲線具有“尖峰厚尾”的分布特征。

(2)

表2 JB檢驗

對數收益率的平穩(wěn)性檢驗:使用ADF檢驗法進行平穩(wěn)性檢驗。由表3可見,六個試點的收益率序列均在1%顯著性水平下拒絕“至少存在一個單位根”的原假設,說明六個試點的對數收益率是平穩(wěn)序列。

表3 1%顯著性水平下ADF檢驗

異方差檢驗:通過對收益率進行ARCH-LM異方差檢驗,得出F統(tǒng)計量與Obs*R-squared統(tǒng)計量的p值都接近0,結果均拒絕原假設,說明各個試點的收益率具有異方差性。異方差可以反映各區(qū)域碳交易所的極端價格波動情況和極端風險。

VaR模型:在險價值(Value at Risk)是市場風險測量和管理的重要工具。傳統(tǒng)的波動性方法是借助方差或者標準差來度量風險,反映出由于市場風險因子變化而導致的收益波動程度,這種波動并沒有指明是收益或損失[13]。VaR模型可反映出給定置信水平和時間間隔下最大的可能損失值。數學表達式為:

prob(ΔPgt;VaR)=1-c

(3)

式中,ΔP為金融資產在時間間隔Δt內的損失,VaR為置信水平c下可能損失的最大值。由于金融時間序列誤差項的條件方差往往隨時間變化且依賴于過去誤差的大小,所以選擇ARCH方法更合適。

圖1 區(qū)域碳交易市場的對數收益率趨勢

(4)

(5)

ARCH(1)模型的主要思想是擾動項的條件方差依賴于它的前期值的大小。而普通的ARCH模型是GARCH模型的一個特例。

yt=γ0+γ1χ1t+…+γkχkt+ut(均值方程)

(6)

(7)

ARCH族模型建模的一個關鍵問題是誤差項分布的選擇。在研究中通常以正態(tài)分布作為假定條件,然而實際上金融時間序列無條件分布的尾部比正態(tài)分布往往更寬,因此正態(tài)分布并不能很精確地反映分布的尾部特征[12]。由于t分布與廣義誤差分布能更好地捕捉收益率分布的厚尾現象,故本文不僅使用了正態(tài)分布,還對比使用了t分布、廣義誤差分布作為誤差項ut的分布假設。以下分別為這三種分布,其中θ代表參數向量。

對擾動項服從正態(tài)分布的GARCH(1,1)模型,其對數似然函數為:

(8)

如果擾動項服從t分布,GARCH(1,1)模型的對數似然函數的形式為:

(9)

這樣,參數估計就變成了在自由度kgt;2的約束下對數似然函數(9)最大化的問題。

擾動項的分布為廣義誤差分布(GED)時,GARCH(1,1)模型的對數似然函數的形式為:

(10)

式中,參數rgt;0[12]。

Kupiec-失敗頻率檢驗法:失敗頻率檢驗法的過程為:假設置信水平為c,把考察天數記為T,失敗天數記為N,失敗頻率則記為P=N/T。其中,當損失超過VaR值時認為“失敗”。在置信水平為c的情況下,失敗概率期望為E(P)=P*=1-c。用“似然比檢驗”法進行檢驗,其數學表達式為:

LR=-2ln[(1-p*)T-N(p*)N]+2ln[(1-N/T)T-N(N/T)N]

(11)

式中，LR統(tǒng)計量服從χ2(1)的分布,在95%的置信水平下,臨界值為3.84,若LR值大于3.84,認為VaR模型失效。LR值越小,說明模型效果越好，越能通過檢驗。

3 實證結果與分析

本文采用成交均價的對數收益率作為基本量,使用Eviews 8.0軟件確定ARCH(p)的滯后階數,運用AIC最小的準則判斷模型參數的合理性。其中,深圳、北京和天津采用GARCH(1,1)模型,廣州、上海和湖北采用ARCH(1)模型。

3.1 試點GARCH(1,1)、ARCH(1)模型參數估計

對數收益率的ARCH模型與GARCH模型的參數估計結果見表4。其中,n代表正態(tài)分布，t代表t分布、GED代表廣義誤差分布，括號中的數為相應的概率值;最后兩行分別是AIC、SC。

表4 ARCH、GARCH模型參數估計結果

結果顯示,方差結果顯著,以AIC最小標準來衡量,t分布下的模型結果最好,GED分布次之,正態(tài)分布最差。α值為市場外部環(huán)境因素對收益率的影響;β值為收益率波動對其自身的影響,β值越大表明收益率波動對其自身的影響長遠,即具有長期記憶性。在t分布下,深圳的β值最大,為0.826362,表明當期方差沖擊的82.6362%將在下期繼續(xù)存在,說明沖擊的衰減速度最慢,北京、天津次之。廣州、上海和湖北沒有GARCH項,表明波動只有市場外部因素的影響。其中,天津的α、β之和大于1并接近于1,說明價格波動對外部反應以較快速度遞增,且外部沖擊超過其自身的記憶性。深圳的α、β之和大于1并接近于1,但β值大于α值,說明沖擊對方差的影響持久,主要是受到自身波動的影響。北京的α、β之和小于1并接近于1,說明沖擊會緩慢消失。上海與湖北的β值為0,α值大于1,說明波動性主要是受外部沖擊的影響,且這種影響非常強。廣州的β值為0,α值小于1,說明波動性主要受外部沖擊影響,但這種影響相對較小。

碳市場的價格波動特性既具有一般市場的特點,又有其自身的復雜性。一般的金融市場外部環(huán)境較成熟,不確定性因素較少,外部環(huán)境是同質的,異質性主要表現在交易者方面。但由于碳金融市場的交易者少且更為被動,需求相對穩(wěn)定,故異質性更多的表現在外部環(huán)境上。所以,碳金融市場外部環(huán)境的異質性對碳價波動的影響很大,甚至超過市場內在機制的作用。在以上ARCH族模型下,除深圳、北京外,其余試點α值均大于β值,證明了市場外部環(huán)境的異質性作用比市場內在機制的作用更能對碳價波動造成影響。這些市場外部環(huán)境的作用主要表現在政策制度、配額分配與特殊事件對碳價的影響。β值主要體現在影響價格波動的內生市場機制和造成碳價持續(xù)波動的價格反饋機制。此外,外部環(huán)境的干擾也會作用于碳價的持續(xù)波動,甚至沖擊整個價格機制,使碳價發(fā)生劇烈變化。因此,監(jiān)管當局應在制度設計上注重各個區(qū)域價格波動對沖擊的衰減反應狀況,保證政策的平穩(wěn)性,并在建設全國統(tǒng)一碳市的過程中加強配額政策在各個區(qū)域的有效鏈接,以保證整個碳市場的穩(wěn)定發(fā)展。

根據實證結果得出各區(qū)域試點成交均價的收益率曲線具有不同的波動。其原因主要有以下幾點:一是不同區(qū)域碳交易所對政策的依賴程度不同;二是影響碳交易所產品價格因子的種類、數量、作用方式與作用程度不同;三是各區(qū)域碳交易所交易者的信息掌握程度與交易經驗不同,不同的波動特征隱藏著不同的風險程度與不同的風險結構。基于以上分析,在建設全國統(tǒng)一碳市的過程中,監(jiān)管者應站在全局的高度對碳市進行統(tǒng)一管理。

3.2 各個交易所收益率的日VaR值

利用以上模型的條件方差計算出置信水平為95%的日VaR值,統(tǒng)計結果見表5。我們可通過日VaR值的標準差來判斷交易所的市場波動情況,標準差越大說明市場的波動程度越大。就t分布而言,波動程度為湖北gt;北京gt;廣州gt;深圳gt;上海gt;天津,湖北的波動程度最大、而天津的波動程度最小。湖北省的成交量與成交額在六大試點中占比最大,湖北省VaR的均值僅小于天津與上海,但由于個別成交均價異常大,導致標準差異常大。

表5 日VaR的統(tǒng)計結果

表6 Kupiec檢驗的檢驗結果

3.3 失敗頻率檢驗法的檢驗結果

實際損失△P=Pt-Pt-1。當△Plt;-VaR,則認為失敗,由此計算出失敗天數及實際失敗頻率P=N/T,檢驗結果見表6。從表6可見,在95%的置信水平下,三種分布的Kupiec失敗頻率檢驗法得出的結果都不盡相同,但所有試點都能通過檢驗,其中t分布的檢驗結果最好,GED次之,正態(tài)分布最差。就t分布而言,檢驗效果理想程度依次為：天津gt;深圳gt;上海gt;北京gt;湖北gt;廣州,而對廣州GED分布下的檢驗結果很理想。可以得出,t分布是三種分布中最適合ARCH-VaR模型的分布,更符合實際金融時間序列“尖峰厚尾”的統(tǒng)計特征,也能使VaR模型的結果更加準確。

4 結論與政策建議

4.1 結論

本文的結論為:①通過ARCH(1)與GARCH(1,1)模型描述了不同試點收益率的波動特征,發(fā)現不同試點對波動沖擊的衰減程度不一樣，除北京、廣州外,其余試點沖擊對條件方差的影響是長遠的。②除深圳、北京外,其余試點的α值均大于β值,證明碳市場外部環(huán)境的異質性作用比市場內在機制的作用更能對碳價波動造成影響。③使用VaR模型對六個交易所的市場風險進行了量化,各區(qū)域碳交易所的市場風險程度表現不一。在t分布下,波動程度由大到小依次為湖北、北京、廣州、深圳、上海、天津。④對比使用正態(tài)分布、t分布和GED分布三種假設分布下的ARCH族模型,發(fā)現t分布下ARCH族模型效果最好,能更好捕捉收益率分布“尖峰厚尾”的特征。實際中,為市場監(jiān)管者進行市場風險管控提供了一個更為準確的模型作為參考。⑤使用Kupiec-失敗頻率檢驗法對VaR模型進行檢驗,結果發(fā)現t分布下的檢驗結果是最理想的,這與結論(4)相互印證。

4.2 政策建議

提高政策科學性,逐步整合碳市場:由于我國七大碳排放權交易試點先行積累了經驗,可考慮將七大試點均覆蓋或覆蓋較多的行業(yè)先行整合,如電力、水泥行業(yè)。同時,對這些行業(yè)的控排企業(yè)實行統(tǒng)一的配額分配制度、排放信息指南、方法學和相關的政策法規(guī),充分考慮配額的有效鏈接。配額分配機制設計是碳市運行的核心,如何解決已有試點的配額分配制度與全國配額分配制度的鏈接問題自然是過渡階段的核心問題。為了避免打擊各個試點控排企業(yè)的積極性,可嘗試按照合理比例向全國配額進行兌換,從而解決試點配額與全國配額的矛盾。同時，可借鑒廣東試點的經驗,在配額分配機制的設計上采用競拍機制,最終在一級市場上取代各個試點,實現整個市場配額機制的統(tǒng)一。明確政府與市場邊界,雖然碳金融是政治與政策的產物,但只有明確政府與市場邊界才能發(fā)揮市場機制的作用。政府須負責制定政策與規(guī)則并使其公開、透明,保證政策的平穩(wěn)性避免政策風險,做好市場風險監(jiān)控，使市場得到可持續(xù)發(fā)展。

提高風險管理水平,監(jiān)測防范風險:①完善法律框架,規(guī)范碳交易市場體系。對碳金融市場的監(jiān)管難題,必須要運用法律來解決。通過將碳交易市場建設的相關規(guī)定立法化,讓碳市場的建設有法可依,才能讓碳金融市場的發(fā)展穩(wěn)定有序。碳金融本身具有強烈的政策依賴性,決定了需要法律來明確碳交易市場的制度安排,并將風險問題納入法律范圍以調整利益關系、規(guī)制碳市場、防控風險。②嚴格監(jiān)測碳價波動,建立風險度量體系。本文建立了三種分布下的ARCH-VaR模型,結果表明t分布下的ARCH-VaR模型在度量市場風險上具有一定的實際參考意義。因此,監(jiān)管部門應建立與該指標相關的風險度量體系,對各個市場設立日VaR監(jiān)控值,作為“風險預警線”,提高風險預警能力；建立配套服務機構,培育專業(yè)人才隊伍；建立碳資產管理公司、碳信用評級機構、碳金融信息服務機構等配套服務機構,通過專業(yè)的服務機構使碳資產得到有效管理,讓信息更加公開透明。碳信用評級機構是防范風險的重要屏障,可揭示市場參與主體的信用狀況使市場參與者擁有更透明的市場環(huán)境,規(guī)避交易風險。在人才培育上積極開展專業(yè)知識培訓與工作經驗交流活動,并將專業(yè)能力考核納入行業(yè)人才管理,提高相關人員的專業(yè)水平。

[1]韓國文，陸菊香.碳金融研究及其評價[J].武漢大學學報(哲學社會科學版),2014,67(2)∶87-93.

[2]Donald F,Larson,Paul Parks.Risks,Lessons Learned,and Secondary Markets for Greenhouse Gas Reductions[R].Washington DC：The World Bank,1999.

[3]Mansanet-Bataller,Alanon-Pardo Angel,Valor Enric.CO2Prices,Energy and Weather[J].The Energy Journal,2007,28(3)∶73-92.

[4]Alberola E,Chevallier J,Cheze B.Price Drivers and Structural Breaks in European Carbon Prices[J].Energy Policy,2008,36(2)∶787-797.

[5]Kijima M,Maeda A,Nishide K,etal.Equilibrium Pricing of Contingent Claims in Tradable Permit Markets[J].Journal of Futures Markets,2010,30(6)∶559-589.

[6]Julien Checallier.Carbon Futures and Macroeconomic Risk Factors：A View from the EU ETS[J].Energy Economics,2009,31(4)∶614-625.

[7]王留之,宋陽.略論我國碳交易的金融創(chuàng)新及其風險防范[J].現代財經,2009,(6)∶30-34.

[8]孫兆東.中國碳金融交易市場的風險及防控[D].吉林：吉林大學碩士學位論文,2015.

[9]杜莉,孫兆東.中國區(qū)域碳金融交易價格及市場風險分析[J].武漢大學學報(哲學社會科學版),2015,68(2)∶86-93.

[10]劉美超.中國碳交易合同風險防范[D].北京：中國政法大學碩士學位論文,2014.

[11]王國飛.怎樣規(guī)避碳交易風險[J].環(huán)境經濟,2015,(Z3)∶32-33.

[12]高鐵梅.計量經濟分析方法與建模[M].北京：清華大學出版社,2009.

[13]黃佳蕾.基于GARCH類模型的VaR計算在我國金融市場中的實證研究[D].廣州：暨南大學碩士學位論文,2014.

AnalysisofRegionalTradingMarketRisksinCarbonFinance

QIU Qian,GUO Shou-qian
(School of Economics and Commerce,South China University of Technology,Guangzhou 510006,China)

Carbon financial market risk was the core problem in the development of carbon financial markets.Probing into the risks of regional trading market was aimed at providing useful reference for supervision authority in the critical period to establish a nationwide unified carbon market.According to logarithmic rate of yield under the hypothesis of normal distribution,t-distribution and GED distribution,it employed ARCH and GARCH(1,1) model to study the price volatility in regional carbon markets.This paper introduced the VaR(value at risk) model,on behalf of the carbon market risks.Kupiec failure test was used to test the VaR(value at risk) model and the result was that ARCH model under the t-distribution assumption was the optimal model.The result also indicated that,the rate of decay to price shocks and daily VaR were different in different regional carbon markets,the heterogeneity of external environment made more effects on the price volatility than inherent mechanism of the carbon market.The government should pay attention to the risk differences among these trading pilots and make sure the policy were stable to establish a healthy nationwide carbon market.

ARCH model;market risks;regional carbon finance;VaR

10.3969/j.issn.1005-8141.2017.02.013

F062.1；X320.22

A

1005-8141(2017)02-0188-06

2016-12-15；

2017-01-12

邱謙(1991-),女,廣東省潮州人,碩士研究生,研究方向為資源環(huán)境與社會發(fā)展。

郭守前(1961-),男,四川省郫縣人,博士,教授,研究方向為資源環(huán)境與社會發(fā)展。