我国区域碳金融交易市场的风险研究

(华南理工大学 经济与贸易学院,广东 广州 510006)

我国区域碳金融交易市场的风险研究

邱 谦,郭守前
(华南理工大学 经济与贸易学院,广东 广州 510006)

碳金融市场风险是碳金融市场发展的核心问题。在我国即将建立全国统一碳市的关键时期,探究区域碳金融的市场风险状况和风险量化方法,旨在为监管当局监测与防控风险提供有益参考。利用三种分布下的ARCH和GARCH模型探究区域碳金融交易市场的价格波动特征,采用VaR模型度量交易市场的风险。结果表明：使用t分布下的ARCH族模型度量市场风险的效果最理想,不同碳交易所对价格的冲击存在不同的衰减程度,且碳市场外部环境的异质性作用比市场内在机制的作用更能对碳价波动造成影响。

ARCH族;市场风险;区域碳金融;VaR

1 国内外文献综述

碳金融可界定为温室气体排放权的交易,并且与这种交易相关的各种金融活动与交易的系统也属于这个范畴[1]。国外学者对碳金融风险的研究更加全面。Larson D F、Parks指出，碳金融的交易风险存在于项目准备、实施、评估、认可、二级市场、目标市场等诸多环节当中,分析了交易风险的类型,依照影响因素把碳金融的交易风险分为履约风险、价格风险和政策风险三类[2]。一部分学者从碳价波动着手对其风险进行了分析[3-5]:Mansanet、Bataller研究发现,碳价的波动受能源市场(油、汽、煤)价格和极端天气事件的驱动[3];Alberola认为,碳价的波动取决于制度事件,且对排放上限的信息尤其敏感[4]；Kijima M、 Maeda A、Nishide K通过建立二氧化碳排放权交易模型发现,交易价格可能突增,并且根据EU-ETS表现出的价格波动状况,认为碳排放交易价格变化呈现出复杂性,从而加剧投资风险[5]。关于风险的量化,Julien Checallier发现,碳期货价格与宏观环境的风险直接相关,并运用GARCH模型对众多参量与金融数据进行分析,为量化碳金融风险提供了重要的计量分析思路[6]。

我国碳交易市场起步较晚,大多数学者对碳金融市场的风险研究集中在定性分析方面。王留之、宋阳将碳金融风险分为三类,分别是碳金融衍生工具的操作风险、碳金融的政治风险和宏观经济的经济风险[7];孙兆东认为,碳金融市场的主要风险结构由不确定政策性风险、流动性风险和政治风险构成,风险成因主要有:相关配套政策及法律有待完善、国际局势前景不明、主体认识不足、专业人才缺失、碳金融组织服务体系目前尚不健全[8]。在定量分析上,杜莉、孙兆东用正态分布下的ARCH族模型与VaR模型对碳金融市场的风险进行了刻画与度量[9]。关于碳金融风险的防控,国内一部分学者从法律层面对碳交易的市场风险进行了研究[10,11]:刘美超分析了碳交易合同的风险,提出应从当事人主体资格与碳排放权交易合同本身两个方面进行风险防范[10];王国飞提到规避碳交易的市场风险重在监管,并从政府、第三方机构、交易所和社会这四个层面分析了如何解决碳交易市场风险监管中遇到的问题[11];杜莉、孙兆东认为,市场风险是区域碳金融交易的突出风险,提出应当构建全国统一的碳交易市场并且统一监管、统一定价、统一配额，以防控碳交易市场的风险[9]。

综上所述,目前对碳金融市场风险的研究主要集中在定性分析上,缺乏定量分析。在国内外碳金融市场迅速发展的形势下,市场风险评估与防控问题亟待解决。因此,本文使用三种分布(正态分布、t分布、广义误差分布(GED)分布)下的ARCH族模型对我国6个试点地区(深圳、北京、广州、上海、湖北、重庆)的价格波动进行刻画,用VaR模型度量市场风险,再用Kupiec检验法对VaR模型结果进行检验,以定量研究碳金融市场的风险状况。

2 数据来源、研究方法

2.1 数据来源

本文使用的数据来源于各个试点碳交易所的官网和官方微信,见表1。由于重庆试点的数据量过少,缺乏统计意义,因此本文没有对重庆进行建模分析。本文采用EVIEW8.0软件对数据进行分析。

表1 数据来源

2.2 研究方法

我国碳金融产品的价格特征分析:价格波动风险是碳交易市场运行中面临的主要风险。在碳市场这个复杂系统中,影响碳金融产品价格的因素纷繁复杂。碳价的波动不仅受到排放政策的影响,还受到减排技术等多方面的影响,而这些影响最终都会表现在碳价的波动上,所以本文研究了碳金融产品的价格特性。样本数据成交均价Pt用当日成交额与当日成交量之比表示;考虑到数据的平稳性,收益率R(t)用交易所成交均价的对数收益率来表示:

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

(1)

收益率时间序列分析:我们用EVIEWS 8.0软件绘制出收益率时间趋势图(图1)。由图1可知,六个试点价格的对数收益率都在0值上下波动。当波动大时,连续几期波动大;当波动小时,连续几期波动小,呈现出明显的“波动聚集”效应。

正态性检验:使用Jurque-Bera统计量是常用的正态分布检验方法,计算公式见式(2)。式中，n为样本容量,S为偏度,K为峰度。若在正态性假设下,JB服从χ2(2)的分布,在5%的显著性水平下临界值为5.99147;若JB统计量的值超过临界值,则将拒绝正态分布的零假设。表2是用EVIEWS 8.0软件计算出的JB统计值,六个试点JB统计值均远大于临界值,因此六个试点的收益率体现出明显的非正态性。由表2可知,六个试点的峰度均大于3,偏度异于0,收益率曲线具有“尖峰厚尾”的分布特征。

(2)

表2 JB检验

对数收益率的平稳性检验:使用ADF检验法进行平稳性检验。由表3可见,六个试点的收益率序列均在1%显著性水平下拒绝“至少存在一个单位根”的原假设,说明六个试点的对数收益率是平稳序列。

表3 1%显著性水平下ADF检验

异方差检验:通过对收益率进行ARCH-LM异方差检验,得出F统计量与Obs*R-squared统计量的p值都接近0,结果均拒绝原假设,说明各个试点的收益率具有异方差性。异方差可以反映各区域碳交易所的极端价格波动情况和极端风险。

VaR模型:在险价值(Value at Risk)是市场风险测量和管理的重要工具。传统的波动性方法是借助方差或者标准差来度量风险,反映出由于市场风险因子变化而导致的收益波动程度,这种波动并没有指明是收益或损失[13]。VaR模型可反映出给定置信水平和时间间隔下最大的可能损失值。数学表达式为:

prob(ΔPgt;VaR)=1-c

(3)

式中,ΔP为金融资产在时间间隔Δt内的损失,VaR为置信水平c下可能损失的最大值。由于金融时间序列误差项的条件方差往往随时间变化且依赖于过去误差的大小,所以选择ARCH方法更合适。

图1 区域碳交易市场的对数收益率趋势

(4)

(5)

ARCH(1)模型的主要思想是扰动项的条件方差依赖于它的前期值的大小。而普通的ARCH模型是GARCH模型的一个特例。

yt=γ0+γ1χ1t+…+γkχkt+ut(均值方程)

(6)

(7)

ARCH族模型建模的一个关键问题是误差项分布的选择。在研究中通常以正态分布作为假定条件,然而实际上金融时间序列无条件分布的尾部比正态分布往往更宽,因此正态分布并不能很精确地反映分布的尾部特征[12]。由于t分布与广义误差分布能更好地捕捉收益率分布的厚尾现象,故本文不仅使用了正态分布,还对比使用了t分布、广义误差分布作为误差项ut的分布假设。以下分别为这三种分布,其中θ代表参数向量。

对扰动项服从正态分布的GARCH(1,1)模型,其对数似然函数为:

(8)

如果扰动项服从t分布,GARCH(1,1)模型的对数似然函数的形式为:

(9)

这样,参数估计就变成了在自由度kgt;2的约束下对数似然函数(9)最大化的问题。

扰动项的分布为广义误差分布(GED)时,GARCH(1,1)模型的对数似然函数的形式为:

(10)

式中,参数rgt;0[12]。

Kupiec-失败频率检验法:失败频率检验法的过程为:假设置信水平为c,把考察天数记为T,失败天数记为N,失败频率则记为P=N/T。其中,当损失超过VaR值时认为“失败”。在置信水平为c的情况下,失败概率期望为E(P)=P*=1-c。用“似然比检验”法进行检验,其数学表达式为:

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

(11)

式中，LR统计量服从χ2(1)的分布,在95%的置信水平下,临界值为3.84,若LR值大于3.84,认为VaR模型失效。LR值越小,说明模型效果越好，越能通过检验。

3 实证结果与分析

本文采用成交均价的对数收益率作为基本量,使用Eviews 8.0软件确定ARCH(p)的滞后阶数,运用AIC最小的准则判断模型参数的合理性。其中,深圳、北京和天津采用GARCH(1,1)模型,广州、上海和湖北采用ARCH(1)模型。

3.1 试点GARCH(1,1)、ARCH(1)模型参数估计

对数收益率的ARCH模型与GARCH模型的参数估计结果见表4。其中,n代表正态分布，t代表t分布、GED代表广义误差分布，括号中的数为相应的概率值;最后两行分别是AIC、SC。

表4 ARCH、GARCH模型参数估计结果

结果显示,方差结果显著,以AIC最小标准来衡量,t分布下的模型结果最好,GED分布次之,正态分布最差。α值为市场外部环境因素对收益率的影响;β值为收益率波动对其自身的影响,β值越大表明收益率波动对其自身的影响长远,即具有长期记忆性。在t分布下,深圳的β值最大,为0.826362,表明当期方差冲击的82.6362%将在下期继续存在,说明冲击的衰减速度最慢,北京、天津次之。广州、上海和湖北没有GARCH项,表明波动只有市场外部因素的影响。其中,天津的α、β之和大于1并接近于1,说明价格波动对外部反应以较快速度递增,且外部冲击超过其自身的记忆性。深圳的α、β之和大于1并接近于1,但β值大于α值,说明冲击对方差的影响持久,主要是受到自身波动的影响。北京的α、β之和小于1并接近于1,说明冲击会缓慢消失。上海与湖北的β值为0,α值大于1,说明波动性主要是受外部冲击的影响,且这种影响非常强。广州的β值为0,α值小于1,说明波动性主要受外部冲击影响,但这种影响相对较小。

碳市场的价格波动特性既具有一般市场的特点,又有其自身的复杂性。一般的金融市场外部环境较成熟,不确定性因素较少,外部环境是同质的,异质性主要表现在交易者方面。但由于碳金融市场的交易者少且更为被动,需求相对稳定,故异质性更多的表现在外部环境上。所以,碳金融市场外部环境的异质性对碳价波动的影响很大,甚至超过市场内在机制的作用。在以上ARCH族模型下,除深圳、北京外,其余试点α值均大于β值,证明了市场外部环境的异质性作用比市场内在机制的作用更能对碳价波动造成影响。这些市场外部环境的作用主要表现在政策制度、配额分配与特殊事件对碳价的影响。β值主要体现在影响价格波动的内生市场机制和造成碳价持续波动的价格反馈机制。此外,外部环境的干扰也会作用于碳价的持续波动,甚至冲击整个价格机制,使碳价发生剧烈变化。因此,监管当局应在制度设计上注重各个区域价格波动对冲击的衰减反应状况,保证政策的平稳性,并在建设全国统一碳市的过程中加强配额政策在各个区域的有效链接,以保证整个碳市场的稳定发展。

根据实证结果得出各区域试点成交均价的收益率曲线具有不同的波动。其原因主要有以下几点:一是不同区域碳交易所对政策的依赖程度不同;二是影响碳交易所产品价格因子的种类、数量、作用方式与作用程度不同;三是各区域碳交易所交易者的信息掌握程度与交易经验不同,不同的波动特征隐藏着不同的风险程度与不同的风险结构。基于以上分析,在建设全国统一碳市的过程中,监管者应站在全局的高度对碳市进行统一管理。

3.2 各个交易所收益率的日VaR值

利用以上模型的条件方差计算出置信水平为95%的日VaR值,统计结果见表5。我们可通过日VaR值的标准差来判断交易所的市场波动情况,标准差越大说明市场的波动程度越大。就t分布而言,波动程度为湖北gt;北京gt;广州gt;深圳gt;上海gt;天津,湖北的波动程度最大、而天津的波动程度最小。湖北省的成交量与成交额在六大试点中占比最大,湖北省VaR的均值仅小于天津与上海,但由于个别成交均价异常大,导致标准差异常大。

表5 日VaR的统计结果

表6 Kupiec检验的检验结果

3.3 失败频率检验法的检验结果

实际损失△P=Pt-Pt-1。当△Plt;-VaR,则认为失败,由此计算出失败天数及实际失败频率P=N/T,检验结果见表6。从表6可见,在95%的置信水平下,三种分布的Kupiec失败频率检验法得出的结果都不尽相同,但所有试点都能通过检验,其中t分布的检验结果最好,GED次之,正态分布最差。就t分布而言,检验效果理想程度依次为：天津gt;深圳gt;上海gt;北京gt;湖北gt;广州,而对广州GED分布下的检验结果很理想。可以得出,t分布是三种分布中最适合ARCH-VaR模型的分布,更符合实际金融时间序列“尖峰厚尾”的统计特征,也能使VaR模型的结果更加准确。

4 结论与政策建议

4.1 结论

本文的结论为:①通过ARCH(1)与GARCH(1,1)模型描述了不同试点收益率的波动特征,发现不同试点对波动冲击的衰减程度不一样，除北京、广州外,其余试点冲击对条件方差的影响是长远的。②除深圳、北京外,其余试点的α值均大于β值,证明碳市场外部环境的异质性作用比市场内在机制的作用更能对碳价波动造成影响。③使用VaR模型对六个交易所的市场风险进行了量化,各区域碳交易所的市场风险程度表现不一。在t分布下,波动程度由大到小依次为湖北、北京、广州、深圳、上海、天津。④对比使用正态分布、t分布和GED分布三种假设分布下的ARCH族模型,发现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。实际中,为市场监管者进行市场风险管控提供了一个更为准确的模型作为参考。⑤使用Kupiec-失败频率检验法对VaR模型进行检验,结果发现t分布下的检验结果是最理想的,这与结论(4)相互印证。

4.2 政策建议

提高政策科学性,逐步整合碳市场:由于我国七大碳排放权交易试点先行积累了经验,可考虑将七大试点均覆盖或覆盖较多的行业先行整合,如电力、水泥行业。同时,对这些行业的控排企业实行统一的配额分配制度、排放信息指南、方法学和相关的政策法规,充分考虑配额的有效链接。配额分配机制设计是碳市运行的核心,如何解决已有试点的配额分配制度与全国配额分配制度的链接问题自然是过渡阶段的核心问题。为了避免打击各个试点控排企业的积极性,可尝试按照合理比例向全国配额进行兑换,从而解决试点配额与全国配额的矛盾。同时，可借鉴广东试点的经验,在配额分配机制的设计上采用竞拍机制,最终在一级市场上取代各个试点,实现整个市场配额机制的统一。明确政府与市场边界,虽然碳金融是政治与政策的产物,但只有明确政府与市场边界才能发挥市场机制的作用。政府须负责制定政策与规则并使其公开、透明,保证政策的平稳性避免政策风险,做好市场风险监控，使市场得到可持续发展。

提高风险管理水平,监测防范风险:①完善法律框架,规范碳交易市场体系。对碳金融市场的监管难题,必须要运用法律来解决。通过将碳交易市场建设的相关规定立法化,让碳市场的建设有法可依,才能让碳金融市场的发展稳定有序。碳金融本身具有强烈的政策依赖性,决定了需要法律来明确碳交易市场的制度安排,并将风险问题纳入法律范围以调整利益关系、规制碳市场、防控风险。②严格监测碳价波动,建立风险度量体系。本文建立了三种分布下的ARCH-VaR模型,结果表明t分布下的ARCH-VaR模型在度量市场风险上具有一定的实际参考意义。因此,监管部门应建立与该指标相关的风险度量体系,对各个市场设立日VaR监控值,作为“风险预警线”,提高风险预警能力；建立配套服务机构,培育专业人才队伍；建立碳资产管理公司、碳信用评级机构、碳金融信息服务机构等配套服务机构,通过专业的服务机构使碳资产得到有效管理,让信息更加公开透明。碳信用评级机构是防范风险的重要屏障,可揭示市场参与主体的信用状况使市场参与者拥有更透明的市场环境,规避交易风险。在人才培育上积极开展专业知识培训与工作经验交流活动,并将专业能力考核纳入行业人才管理,提高相关人员的专业水平。

[1]韩国文，陆菊香.碳金融研究及其评价[J].武汉大学学报(哲学社会科学版),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,宋阳.略论我国碳交易的金融创新及其风险防范[J].现代财经,2009,(6)∶30-34.

[8]孙兆东.中国碳金融交易市场的风险及防控[D].吉林：吉林大学硕士学位论文,2015.

[9]杜莉,孙兆东.中国区域碳金融交易价格及市场风险分析[J].武汉大学学报(哲学社会科学版),2015,68(2)∶86-93.

[10]刘美超.中国碳交易合同风险防范[D].北京：中国政法大学硕士学位论文,2014.

[11]王国飞.怎样规避碳交易风险[J].环境经济,2015,(Z3)∶32-33.

[12]高铁梅.计量经济分析方法与建模[M].北京：清华大学出版社,2009.

[13]黄佳蕾.基于GARCH类模型的VaR计算在我国金融市场中的实证研究[D].广州：暨南大学硕士学位论文,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

邱谦(1991-),女,广东省潮州人,硕士研究生,研究方向为资源环境与社会发展。

郭守前(1961-),男,四川省郫县人,博士,教授,研究方向为资源环境与社会发展。