国际碳排放权交易市场风险评估研究综述

韩晓月

（南京林业大学 经济管理学院，南京210037）

随着《京都议定书》的生效，国际碳排放权交易市场逐渐建立起来，碳排放交易市场已经成为控制温室气体排放的有效途径。碳排放权交易市场作为新兴的金融市场，市场具有很大的不确定性，碳价极其不稳定，震荡激烈，对于碳排放权市场风险的评估非常有必要性。

同时，中国也是全世界最大的核证减排量供应国，全国性碳排放权交易市场已经正在建设中。本文通过梳理国际碳排放市场风险的研究文献，总结归纳关于国际碳排放权交易市场风险评估的方法经验，以期能够为未来国际碳排放权交易市场风险评估提供一些建议，以及为我国碳排放市场的风险评估提供一些借鉴。

1 国内外研究现状

1.1 风险度量方法研究综述

随着金融市场的不断发展，传统的金融风险度量方法已经不能够适用于越来越复杂的金融工具。在这个背景下，经过不断地探索研究，在20世纪80年代学者们提出了在险价值（VaR）方法，由于其表达直观计算简便，各金融机构把VaR 方法用于测量证券等金融产品的风险，随后VaR 方法普遍应用于整个金融市场。

碳排放市场的风险度量也多采用VaR 方法。其 中，Jiang 等（2015） 以VaR 为 标 准，运 用GARCH-EVT-VaR 模型来测量EUA 现货市场的风险[1]；陈伟等（2014）对欧洲碳排放交易系统与芝加哥气候环境交易所的现货期货收益率序列的VaR进行比较[2]；杨晨等（2015）运用蒙特卡罗模拟方法，对2009—2012 年美国洲际交易所的核证减排量（CER）期货价格及欧元兑人民币汇率整合估计了其VaR 值发现潜在的碳期货价格波动风险比汇率风险更高[3]。

1.2 资产收益率分布研究综述

风险度量的一个重要前提就是研究收益率的概率分布。实证研究表明金融资产序列同时存在有偏性和厚尾性，而t分布仅解决厚尾没有解决偏度问题。学者们基于偏t 分布（Skew-Student-t，SKST）分布对金融市进行了大量实证研究。Bauwens 等（2002）将SKST 分布引入GARCH 模型实证研究证明了其对股市收益率分布模拟效果良好[4]；Wu（2007）的实证研究表明，SKST 分布能提高VaR 的预测精度[5]；林宇等（2009）基于正态、t、GED、SKST 分布下的进行对比预测发现SKST 分布能显著改善VaR 的预测精度[6]；Watanabe（2012）发现，相比正态分布、t 分布，基于SKST 分布的realized GARCH 模型能给出更准确的分位数预测[7];黄友珀等（2015）基于SKST 分布对中国股市高频数据进行实证分析，取得良好的拟合效果[8]；王天一和黄卓（2015）研究也表明，使用SKST分布可以得到更好的VaR预测效果[9]。

碳排放交易市场也越来越具有金融市场的属性。Paolella 等（2008）对碳排放权现货收益率系列进行研究，认为碳价具有普通金融商品的波动特征[10]；Daskalakis 等（2009）的研究发现碳排放权收益率呈现显著的尖峰厚尾现象[11]；Montagnoli等（2010）发现EUA 价格收益率序列具有有偏的尖峰厚尾分布特征[12]；荆克迪等（2014）对Bluenext 碳交易市场进行研究，发现EUA 现货和股票市场一样，收益率也为尖峰厚尾[13]；杨星等（2017）运用Bluenext 交易所和欧洲气候交易所的数据进行实证研究也表明碳收益率序列具有明显的有偏、尖峰、肥尾特征[14]。因此，对碳排放交易市场风险的测量，基于SKST 分布可能取得更好的效果。

1.3 资产收益波动率刻画研究综述

风险度量中一个重要前提是对收益率进行建模。常见波动模型分为广义自回归条件异方差（GARCH）模型和随机波动（SV）模型。GARCH族模型具体包括ARCH 模型、GARCH 模型、EGARCH 模 型、GJR-GARCH 模 型等。SV 族模 型具体包括Taylor、Tauchen 和Pitts、Melino 和Turnbull的SV模型、Harvey和Shephard的ASV模型等。

部分文献将极值理论引入GARCH模型测量碳排放权市场风险。Zhang（2011）采用极值理论来衡量EUA 期货价格的VaR，研究结果表明，EVT方法可以可靠地测量欧盟排放交易体系的第一阶段和第二阶段碳期货市场的极端风险[15]；Feng（2012）基于极值理论，应用GARCH 模型对欧盟碳排放现货及期货市场建立价格波动模型，并计算动态VaR，认为EVT-VaR 比传统方法更有效，可以降低市场参与者的风险[16]。Jiang 等（2015）认为基于极值理论构建的GARCH-EVT 模型能弥补GARCH模型通过忽略过高的价格冲击使风险被低估的缺点[1]。

一些学者将马尔科夫链引入模型进行风险评估。Benz 和Trück（2009）认为使用马尔科夫转换和AR-GARCH模型对EU ETS短期现货价格进行建模，更能够反应价格波动的偏度与峰度[17]；杨超等（2011）将Markov波动转移引入VaR的计算，度量欧洲气候交易所公布的CERs期货报价的系统风险[18]。

2 结论与展望

通过对以往文献的梳理可以看出对碳排放权市场风险的评估大多基于t 分布或GED 分布构建GARCH族模型计算其VaR。但是存在以下不足：

①国外文献关于碳排放交易市场风险的研究主要集中在比较成熟的欧盟排放权交易体系中的配额交易，对核证减排量市场风险评估较少。

②对碳排放市场的研究落后于其他金融市场，其研究方法是在股票或者其他市场研究过后才开始，几乎没有直接先对碳排放权交易市场进行研究的模型。这可能导致对碳排放市场风险的评估不够精确。例如在股票市场中已经引入偏t分布对风险进行评估，而同样具有偏锋厚尾特征的碳排放权市场还未得到研究。

③目前对碳排放权市场大多采用GARCH族模型，但也有学者认为GARCH族模型可能在处理具有尖峰厚尾特性、杠杆效应以及弱自相关且具有长趋势的时间序列时，估计结果可能并不十分理想[19-29]，因而期待将来出现更适合评估碳排放权市场风险的模型。