我國(guó)區(qū)域碳金融交易市場(chǎng)的風(fēng)險(xiǎn)研究

(華南理工大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院,廣東 廣州 510006)

我國(guó)區(qū)域碳金融交易市場(chǎng)的風(fēng)險(xiǎn)研究

邱 謙,郭守前
(華南理工大學(xué) 經(jīng)濟(jì)與貿(mào)易學(xué)院,廣東 廣州 510006)

碳金融市場(chǎng)風(fēng)險(xiǎn)是碳金融市場(chǎng)發(fā)展的核心問(wèn)題。在我國(guó)即將建立全國(guó)統(tǒng)一碳市的關(guān)鍵時(shí)期,探究區(qū)域碳金融的市場(chǎng)風(fēng)險(xiǎn)狀況和風(fēng)險(xiǎn)量化方法,旨在為監(jiān)管當(dāng)局監(jiān)測(cè)與防控風(fēng)險(xiǎn)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(chǎng)的價(jià)格波動(dòng)特征,采用VaR模型度量交易市場(chǎng)的風(fēng)險(xiǎn)。結(jié)果表明：使用t分布下的ARCH族模型度量市場(chǎng)風(fēng)險(xiǎn)的效果最理想,不同碳交易所對(duì)價(jià)格的沖擊存在不同的衰減程度,且碳市場(chǎng)外部環(huán)境的異質(zhì)性作用比市場(chǎng)內(nèi)在機(jī)制的作用更能對(duì)碳價(jià)波動(dòng)造成影響。

ARCH族;市場(chǎng)風(fēng)險(xiǎn);區(qū)域碳金融;VaR

1 國(guó)內(nèi)外文獻(xiàn)綜述

碳金融可界定為溫室氣體排放權(quán)的交易,并且與這種交易相關(guān)的各種金融活動(dòng)與交易的系統(tǒng)也屬于這個(gè)范疇[1]。國(guó)外學(xué)者對(duì)碳金融風(fēng)險(xiǎn)的研究更加全面。Larson D F、Parks指出，碳金融的交易風(fēng)險(xiǎn)存在于項(xiàng)目準(zhǔn)備、實(shí)施、評(píng)估、認(rèn)可、二級(jí)市場(chǎng)、目標(biāo)市場(chǎng)等諸多環(huán)節(jié)當(dāng)中,分析了交易風(fēng)險(xiǎn)的類型,依照影響因素把碳金融的交易風(fēng)險(xiǎn)分為履約風(fēng)險(xiǎn)、價(jià)格風(fēng)險(xiǎn)和政策風(fēng)險(xiǎn)三類[2]。一部分學(xué)者從碳價(jià)波動(dòng)著手對(duì)其風(fēng)險(xiǎn)進(jìn)行了分析[3-5]:Mansanet、Bataller研究發(fā)現(xiàn),碳價(jià)的波動(dòng)受能源市場(chǎng)(油、汽、煤)價(jià)格和極端天氣事件的驅(qū)動(dòng)[3];Alberola認(rèn)為,碳價(jià)的波動(dòng)取決于制度事件,且對(duì)排放上限的信息尤其敏感[4]；Kijima M、 Maeda A、Nishide K通過(guò)建立二氧化碳排放權(quán)交易模型發(fā)現(xiàn),交易價(jià)格可能突增,并且根據(jù)EU-ETS表現(xiàn)出的價(jià)格波動(dòng)狀況,認(rèn)為碳排放交易價(jià)格變化呈現(xiàn)出復(fù)雜性,從而加劇投資風(fēng)險(xiǎn)[5]。關(guān)于風(fēng)險(xiǎn)的量化,Julien Checallier發(fā)現(xiàn),碳期貨價(jià)格與宏觀環(huán)境的風(fēng)險(xiǎn)直接相關(guān),并運(yùn)用GARCH模型對(duì)眾多參量與金融數(shù)據(jù)進(jìn)行分析,為量化碳金融風(fēng)險(xiǎn)提供了重要的計(jì)量分析思路[6]。

我國(guó)碳交易市場(chǎng)起步較晚,大多數(shù)學(xué)者對(duì)碳金融市場(chǎng)的風(fēng)險(xiǎn)研究集中在定性分析方面。王留之、宋陽(yáng)將碳金融風(fēng)險(xiǎn)分為三類,分別是碳金融衍生工具的操作風(fēng)險(xiǎn)、碳金融的政治風(fēng)險(xiǎn)和宏觀經(jīng)濟(jì)的經(jīng)濟(jì)風(fēng)險(xiǎn)[7];孫兆東認(rèn)為,碳金融市場(chǎng)的主要風(fēng)險(xiǎn)結(jié)構(gòu)由不確定政策性風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和政治風(fēng)險(xiǎn)構(gòu)成,風(fēng)險(xiǎn)成因主要有:相關(guān)配套政策及法律有待完善、國(guó)際局勢(shì)前景不明、主體認(rèn)識(shí)不足、專業(yè)人才缺失、碳金融組織服務(wù)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(duì)碳金融市場(chǎng)的風(fēng)險(xiǎn)進(jìn)行了刻畫與度量[9]。關(guān)于碳金融風(fēng)險(xiǎn)的防控,國(guó)內(nèi)一部分學(xué)者從法律層面對(duì)碳交易的市場(chǎng)風(fēng)險(xiǎn)進(jìn)行了研究[10,11]:劉美超分析了碳交易合同的風(fēng)險(xiǎn),提出應(yīng)從當(dāng)事人主體資格與碳排放權(quán)交易合同本身兩個(gè)方面進(jìn)行風(fēng)險(xiǎn)防范[10];王國(guó)飛提到規(guī)避碳交易的市場(chǎng)風(fēng)險(xiǎn)重在監(jiān)管,并從政府、第三方機(jī)構(gòu)、交易所和社會(huì)這四個(gè)層面分析了如何解決碳交易市場(chǎng)風(fēng)險(xiǎn)監(jiān)管中遇到的問(wèn)題[11];杜莉、孫兆東認(rèn)為,市場(chǎng)風(fēng)險(xiǎn)是區(qū)域碳金融交易的突出風(fēng)險(xiǎn),提出應(yīng)當(dāng)構(gòu)建全國(guó)統(tǒng)一的碳交易市場(chǎng)并且統(tǒng)一監(jiān)管、統(tǒng)一定價(jià)、統(tǒng)一配額，以防控碳交易市場(chǎng)的風(fēng)險(xiǎn)[9]。

綜上所述,目前對(duì)碳金融市場(chǎng)風(fēng)險(xiǎn)的研究主要集中在定性分析上,缺乏定量分析。在國(guó)內(nèi)外碳金融市場(chǎng)迅速發(fā)展的形勢(shì)下,市場(chǎng)風(fēng)險(xiǎn)評(píng)估與防控問(wèn)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(duì)我國(guó)6個(gè)試點(diǎn)地區(qū)(深圳、北京、廣州、上海、湖北、重慶)的價(jià)格波動(dòng)進(jìn)行刻畫,用VaR模型度量市場(chǎng)風(fēng)險(xiǎn),再用Kupiec檢驗(yàn)法對(duì)VaR模型結(jié)果進(jìn)行檢驗(yàn),以定量研究碳金融市場(chǎng)的風(fēng)險(xiǎn)狀況。

2 數(shù)據(jù)來(lái)源、研究方法

2.1 數(shù)據(jù)來(lái)源

本文使用的數(shù)據(jù)來(lái)源于各個(gè)試點(diǎn)碳交易所的官網(wǎng)和官方微信,見表1。由于重慶試點(diǎn)的數(shù)據(jù)量過(guò)少,缺乏統(tǒng)計(jì)意義,因此本文沒(méi)有對(duì)重慶進(jìn)行建模分析。本文采用EVIEW8.0軟件對(duì)數(shù)據(jù)進(jìn)行分析。

表1 數(shù)據(jù)來(lái)源

2.2 研究方法

我國(guó)碳金融產(chǎn)品的價(jià)格特征分析:價(jià)格波動(dòng)風(fēng)險(xiǎn)是碳交易市場(chǎng)運(yùn)行中面臨的主要風(fēng)險(xiǎn)。在碳市場(chǎng)這個(gè)復(fù)雜系統(tǒng)中,影響碳金融產(chǎn)品價(jià)格的因素紛繁復(fù)雜。碳價(jià)的波動(dòng)不僅受到排放政策的影響,還受到減排技術(shù)等多方面的影響,而這些影響最終都會(huì)表現(xiàn)在碳價(jià)的波動(dòng)上,所以本文研究了碳金融產(chǎn)品的價(jià)格特性。樣本數(shù)據(jù)成交均價(jià)Pt用當(dāng)日成交額與當(dāng)日成交量之比表示;考慮到數(shù)據(jù)的平穩(wěn)性,收益率R(t)用交易所成交均價(jià)的對(duì)數(shù)收益率來(lái)表示:

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

(1)

收益率時(shí)間序列分析:我們用EVIEWS 8.0軟件繪制出收益率時(shí)間趨勢(shì)圖(圖1)。由圖1可知,六個(gè)試點(diǎn)價(jià)格的對(duì)數(shù)收益率都在0值上下波動(dòng)。當(dāng)波動(dòng)大時(shí),連續(xù)幾期波動(dòng)大;當(dāng)波動(dòng)小時(shí),連續(xù)幾期波動(dòng)小,呈現(xiàn)出明顯的“波動(dòng)聚集”效應(yīng)。

正態(tài)性檢驗(yàn):使用Jurque-Bera統(tǒng)計(jì)量是常用的正態(tài)分布檢驗(yàn)方法,計(jì)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(shè)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(jì)量的值超過(guò)臨界值,則將拒絕正態(tài)分布的零假設(shè)。表2是用EVIEWS 8.0軟件計(jì)算出的JB統(tǒng)計(jì)值,六個(gè)試點(diǎn)JB統(tǒng)計(jì)值均遠(yuǎn)大于臨界值,因此六個(gè)試點(diǎn)的收益率體現(xiàn)出明顯的非正態(tài)性。由表2可知,六個(gè)試點(diǎn)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(yàn)

對(duì)數(shù)收益率的平穩(wěn)性檢驗(yàn):使用ADF檢驗(yàn)法進(jìn)行平穩(wěn)性檢驗(yàn)。由表3可見,六個(gè)試點(diǎn)的收益率序列均在1%顯著性水平下拒絕“至少存在一個(gè)單位根”的原假設(shè),說(shuō)明六個(gè)試點(diǎn)的對(duì)數(shù)收益率是平穩(wěn)序列。

表3 1%顯著性水平下ADF檢驗(yàn)

異方差檢驗(yàn):通過(guò)對(duì)收益率進(jìn)行ARCH-LM異方差檢驗(yàn),得出F統(tǒng)計(jì)量與Obs*R-squared統(tǒng)計(jì)量的p值都接近0,結(jié)果均拒絕原假設(shè),說(shuō)明各個(gè)試點(diǎn)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(jià)格波動(dòng)情況和極端風(fēng)險(xiǎn)。

VaR模型:在險(xiǎn)價(jià)值(Value at Risk)是市場(chǎng)風(fēng)險(xiǎn)測(cè)量和管理的重要工具。傳統(tǒng)的波動(dòng)性方法是借助方差或者標(biāo)準(zhǔn)差來(lái)度量風(fēng)險(xiǎn),反映出由于市場(chǎng)風(fēng)險(xiǎn)因子變化而導(dǎo)致的收益波動(dòng)程度,這種波動(dòng)并沒(méi)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(shí)間間隔下最大的可能損失值。數(shù)學(xué)表達(dá)式為:

prob(ΔPgt;VaR)=1-c

(3)

式中,ΔP為金融資產(chǎn)在時(shí)間間隔Δt內(nèi)的損失,VaR為置信水平c下可能損失的最大值。由于金融時(shí)間序列誤差項(xiàng)的條件方差往往隨時(shí)間變化且依賴于過(guò)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(chǎng)的對(duì)數(shù)收益率趨勢(shì)

(4)

(5)

ARCH(1)模型的主要思想是擾動(dòng)項(xiàng)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(gè)特例。

yt=γ0+γ1χ1t+…+γkχkt+ut(均值方程)

(6)

(7)

ARCH族模型建模的一個(gè)關(guān)鍵問(wèn)題是誤差項(xiàng)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(shí)際上金融時(shí)間序列無(wú)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(xiàn)象,故本文不僅使用了正態(tài)分布,還對(duì)比使用了t分布、廣義誤差分布作為誤差項(xiàng)ut的分布假設(shè)。以下分別為這三種分布,其中θ代表參數(shù)向量。

對(duì)擾動(dòng)項(xiàng)服從正態(tài)分布的GARCH(1,1)模型,其對(duì)數(shù)似然函數(shù)為:

(8)

如果擾動(dòng)項(xiàng)服從t分布,GARCH(1,1)模型的對(duì)數(shù)似然函數(shù)的形式為:

(9)

這樣,參數(shù)估計(jì)就變成了在自由度kgt;2的約束下對(duì)數(shù)似然函數(shù)(9)最大化的問(wèn)題。

擾動(dòng)項(xiàng)的分布為廣義誤差分布(GED)時(shí),GARCH(1,1)模型的對(duì)數(shù)似然函數(shù)的形式為:

(10)

式中,參數(shù)rgt;0[12]。

Kupiec-失敗頻率檢驗(yàn)法:失敗頻率檢驗(yàn)法的過(guò)程為:假設(shè)置信水平為c,把考察天數(shù)記為T,失敗天數(shù)記為N,失敗頻率則記為P=N/T。其中,當(dāng)損失超過(guò)VaR值時(shí)認(rèn)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(yàn)”法進(jìn)行檢驗(yàn),其數(shù)學(xué)表達(dá)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(jì)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(rèn)為VaR模型失效。LR值越小,說(shuō)明模型效果越好，越能通過(guò)檢驗(yàn)。

3 實(shí)證結(jié)果與分析

本文采用成交均價(jià)的對(duì)數(shù)收益率作為基本量,使用Eviews 8.0軟件確定ARCH(p)的滯后階數(shù),運(yùn)用AIC最小的準(zhǔn)則判斷模型參數(shù)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(diǎn)GARCH(1,1)、ARCH(1)模型參數(shù)估計(jì)

對(duì)數(shù)收益率的ARCH模型與GARCH模型的參數(shù)估計(jì)結(jié)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(hào)中的數(shù)為相應(yīng)的概率值;最后兩行分別是AIC、SC。

表4 ARCH、GARCH模型參數(shù)估計(jì)結(jié)果

結(jié)果顯示,方差結(jié)果顯著,以AIC最小標(biāo)準(zhǔn)來(lái)衡量,t分布下的模型結(jié)果最好,GED分布次之,正態(tài)分布最差。α值為市場(chǎng)外部環(huán)境因素對(duì)收益率的影響;β值為收益率波動(dòng)對(duì)其自身的影響,β值越大表明收益率波動(dòng)對(duì)其自身的影響長(zhǎng)遠(yuǎn),即具有長(zhǎng)期記憶性。在t分布下,深圳的β值最大,為0.826362,表明當(dāng)期方差沖擊的82.6362%將在下期繼續(xù)存在,說(shuō)明沖擊的衰減速度最慢,北京、天津次之。廣州、上海和湖北沒(méi)有GARCH項(xiàng),表明波動(dòng)只有市場(chǎng)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(shuō)明價(jià)格波動(dòng)對(duì)外部反應(yīng)以較快速度遞增,且外部沖擊超過(guò)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(shuō)明沖擊對(duì)方差的影響持久,主要是受到自身波動(dòng)的影響。北京的α、β之和小于1并接近于1,說(shuō)明沖擊會(huì)緩慢消失。上海與湖北的β值為0,α值大于1,說(shuō)明波動(dòng)性主要是受外部沖擊的影響,且這種影響非常強(qiáng)。廣州的β值為0,α值小于1,說(shuō)明波動(dòng)性主要受外部沖擊影響,但這種影響相對(duì)較小。

碳市場(chǎng)的價(jià)格波動(dòng)特性既具有一般市場(chǎng)的特點(diǎn),又有其自身的復(fù)雜性。一般的金融市場(chǎng)外部環(huán)境較成熟,不確定性因素較少,外部環(huán)境是同質(zhì)的,異質(zhì)性主要表現(xiàn)在交易者方面。但由于碳金融市場(chǎng)的交易者少且更為被動(dòng),需求相對(duì)穩(wěn)定,故異質(zhì)性更多的表現(xiàn)在外部環(huán)境上。所以,碳金融市場(chǎng)外部環(huán)境的異質(zhì)性對(duì)碳價(jià)波動(dòng)的影響很大,甚至超過(guò)市場(chǎng)內(nèi)在機(jī)制的作用。在以上ARCH族模型下,除深圳、北京外,其余試點(diǎn)α值均大于β值,證明了市場(chǎng)外部環(huán)境的異質(zhì)性作用比市場(chǎng)內(nèi)在機(jī)制的作用更能對(duì)碳價(jià)波動(dòng)造成影響。這些市場(chǎng)外部環(huán)境的作用主要表現(xiàn)在政策制度、配額分配與特殊事件對(duì)碳價(jià)的影響。β值主要體現(xiàn)在影響價(jià)格波動(dòng)的內(nèi)生市場(chǎng)機(jī)制和造成碳價(jià)持續(xù)波動(dòng)的價(jià)格反饋機(jī)制。此外,外部環(huán)境的干擾也會(huì)作用于碳價(jià)的持續(xù)波動(dòng),甚至沖擊整個(gè)價(jià)格機(jī)制,使碳價(jià)發(fā)生劇烈變化。因此,監(jiān)管當(dāng)局應(yīng)在制度設(shè)計(jì)上注重各個(gè)區(qū)域價(jià)格波動(dòng)對(duì)沖擊的衰減反應(yīng)狀況,保證政策的平穩(wěn)性,并在建設(shè)全國(guó)統(tǒng)一碳市的過(guò)程中加強(qiáng)配額政策在各個(gè)區(qū)域的有效鏈接,以保證整個(gè)碳市場(chǎng)的穩(wěn)定發(fā)展。

根據(jù)實(shí)證結(jié)果得出各區(qū)域試點(diǎn)成交均價(jià)的收益率曲線具有不同的波動(dòng)。其原因主要有以下幾點(diǎn):一是不同區(qū)域碳交易所對(duì)政策的依賴程度不同;二是影響碳交易所產(chǎn)品價(jià)格因子的種類、數(shù)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(jīng)驗(yàn)不同,不同的波動(dòng)特征隱藏著不同的風(fēng)險(xiǎn)程度與不同的風(fēng)險(xiǎn)結(jié)構(gòu)。基于以上分析,在建設(shè)全國(guó)統(tǒng)一碳市的過(guò)程中,監(jiān)管者應(yīng)站在全局的高度對(duì)碳市進(jìn)行統(tǒng)一管理。

3.2 各個(gè)交易所收益率的日VaR值

利用以上模型的條件方差計(jì)算出置信水平為95%的日VaR值,統(tǒng)計(jì)結(jié)果見表5。我們可通過(guò)日VaR值的標(biāo)準(zhǔn)差來(lái)判斷交易所的市場(chǎng)波動(dòng)情況,標(biāo)準(zhǔn)差越大說(shuō)明市場(chǎng)的波動(dòng)程度越大。就t分布而言,波動(dòng)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(dòng)程度最大、而天津的波動(dòng)程度最小。湖北省的成交量與成交額在六大試點(diǎn)中占比最大,湖北省VaR的均值僅小于天津與上海,但由于個(gè)別成交均價(jià)異常大,導(dǎo)致標(biāo)準(zhǔn)差異常大。

表5 日VaR的統(tǒng)計(jì)結(jié)果

表6 Kupiec檢驗(yàn)的檢驗(yàn)結(jié)果

3.3 失敗頻率檢驗(yàn)法的檢驗(yàn)結(jié)果

實(shí)際損失△P=Pt-Pt-1。當(dāng)△Plt;-VaR,則認(rèn)為失敗,由此計(jì)算出失敗天數(shù)及實(shí)際失敗頻率P=N/T,檢驗(yàn)結(jié)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(yàn)法得出的結(jié)果都不盡相同,但所有試點(diǎn)都能通過(guò)檢驗(yàn),其中t分布的檢驗(yàn)結(jié)果最好,GED次之,正態(tài)分布最差。就t分布而言,檢驗(yàn)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(duì)廣州GED分布下的檢驗(yàn)結(jié)果很理想?？梢缘贸?t分布是三種分布中最適合ARCH-VaR模型的分布,更符合實(shí)際金融時(shí)間序列“尖峰厚尾”的統(tǒng)計(jì)特征,也能使VaR模型的結(jié)果更加準(zhǔn)確。

4 結(jié)論與政策建議

4.1 結(jié)論

本文的結(jié)論為:①通過(guò)ARCH(1)與GARCH(1,1)模型描述了不同試點(diǎn)收益率的波動(dòng)特征,發(fā)現(xiàn)不同試點(diǎn)對(duì)波動(dòng)沖擊的衰減程度不一樣，除北京、廣州外,其余試點(diǎn)沖擊對(duì)條件方差的影響是長(zhǎng)遠(yuǎn)的。②除深圳、北京外,其余試點(diǎn)的α值均大于β值,證明碳市場(chǎng)外部環(huán)境的異質(zhì)性作用比市場(chǎng)內(nèi)在機(jī)制的作用更能對(duì)碳價(jià)波動(dòng)造成影響。③使用VaR模型對(duì)六個(gè)交易所的市場(chǎng)風(fēng)險(xiǎn)進(jìn)行了量化,各區(qū)域碳交易所的市場(chǎng)風(fēng)險(xiǎn)程度表現(xiàn)不一。在t分布下,波動(dòng)程度由大到小依次為湖北、北京、廣州、深圳、上海、天津。④對(duì)比使用正態(tài)分布、t分布和GED分布三種假設(shè)分布下的ARCH族模型,發(fā)現(xiàn)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(shí)際中,為市場(chǎng)監(jiān)管者進(jìn)行市場(chǎng)風(fēng)險(xiǎn)管控提供了一個(gè)更為準(zhǔn)確的模型作為參考。⑤使用Kupiec-失敗頻率檢驗(yàn)法對(duì)VaR模型進(jìn)行檢驗(yàn),結(jié)果發(fā)現(xiàn)t分布下的檢驗(yàn)結(jié)果是最理想的,這與結(jié)論(4)相互印證。

4.2 政策建議

提高政策科學(xué)性,逐步整合碳市場(chǎng):由于我國(guó)七大碳排放權(quán)交易試點(diǎn)先行積累了經(jīng)驗(yàn),可考慮將七大試點(diǎn)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(shí),對(duì)這些行業(yè)的控排企業(yè)實(shí)行統(tǒng)一的配額分配制度、排放信息指南、方法學(xué)和相關(guān)的政策法規(guī),充分考慮配額的有效鏈接。配額分配機(jī)制設(shè)計(jì)是碳市運(yùn)行的核心,如何解決已有試點(diǎn)的配額分配制度與全國(guó)配額分配制度的鏈接問(wèn)題自然是過(guò)渡階段的核心問(wèn)題。為了避免打擊各個(gè)試點(diǎn)控排企業(yè)的積極性,可嘗試按照合理比例向全國(guó)配額進(jìn)行兌換,從而解決試點(diǎn)配額與全國(guó)配額的矛盾。同時(shí)，可借鑒廣東試點(diǎn)的經(jīng)驗(yàn),在配額分配機(jī)制的設(shè)計(jì)上采用競(jìng)拍機(jī)制,最終在一級(jí)市場(chǎng)上取代各個(gè)試點(diǎn),實(shí)現(xiàn)整個(gè)市場(chǎng)配額機(jī)制的統(tǒng)一。明確政府與市場(chǎng)邊界,雖然碳金融是政治與政策的產(chǎn)物,但只有明確政府與市場(chǎng)邊界才能發(fā)揮市場(chǎng)機(jī)制的作用。政府須負(fù)責(zé)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(fēng)險(xiǎn),做好市場(chǎng)風(fēng)險(xiǎn)監(jiān)控，使市場(chǎng)得到可持續(xù)發(fā)展。

提高風(fēng)險(xiǎn)管理水平,監(jiān)測(cè)防范風(fēng)險(xiǎn):①完善法律框架,規(guī)范碳交易市場(chǎng)體系。對(duì)碳金融市場(chǎng)的監(jiān)管難題,必須要運(yùn)用法律來(lái)解決。通過(guò)將碳交易市場(chǎng)建設(shè)的相關(guān)規(guī)定立法化,讓碳市場(chǎng)的建設(shè)有法可依,才能讓碳金融市場(chǎng)的發(fā)展穩(wěn)定有序。碳金融本身具有強(qiáng)烈的政策依賴性,決定了需要法律來(lái)明確碳交易市場(chǎng)的制度安排,并將風(fēng)險(xiǎn)問(wèn)題納入法律范圍以調(diào)整利益關(guān)系、規(guī)制碳市場(chǎng)、防控風(fēng)險(xiǎn)。②嚴(yán)格監(jiān)測(cè)碳價(jià)波動(dòng),建立風(fēng)險(xiǎn)度量體系。本文建立了三種分布下的ARCH-VaR模型,結(jié)果表明t分布下的ARCH-VaR模型在度量市場(chǎng)風(fēng)險(xiǎn)上具有一定的實(shí)際參考意義。因此,監(jiān)管部門應(yīng)建立與該指標(biāo)相關(guān)的風(fēng)險(xiǎn)度量體系,對(duì)各個(gè)市場(chǎng)設(shè)立日VaR監(jiān)控值,作為“風(fēng)險(xiǎn)預(yù)警線”,提高風(fēng)險(xiǎn)預(yù)警能力；建立配套服務(wù)機(jī)構(gòu),培育專業(yè)人才隊(duì)伍；建立碳資產(chǎn)管理公司、碳信用評(píng)級(jí)機(jī)構(gòu)、碳金融信息服務(wù)機(jī)構(gòu)等配套服務(wù)機(jī)構(gòu),通過(guò)專業(yè)的服務(wù)機(jī)構(gòu)使碳資產(chǎn)得到有效管理,讓信息更加公開透明。碳信用評(píng)級(jí)機(jī)構(gòu)是防范風(fēng)險(xiǎn)的重要屏障,可揭示市場(chǎng)參與主體的信用狀況使市場(chǎng)參與者擁有更透明的市場(chǎng)環(huán)境,規(guī)避交易風(fēng)險(xiǎn)。在人才培育上積極開展專業(yè)知識(shí)培訓(xùn)與工作經(jīng)驗(yàn)交流活動(dòng),并將專業(yè)能力考核納入行業(yè)人才管理,提高相關(guān)人員的專業(yè)水平。

[1]韓國(guó)文，陸菊香.碳金融研究及其評(píng)價(jià)[J].武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)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(yáng).略論我國(guó)碳交易的金融創(chuàng)新及其風(fēng)險(xiǎn)防范[J].現(xiàn)代財(cái)經(jīng),2009,(6)∶30-34.

[8]孫兆東.中國(guó)碳金融交易市場(chǎng)的風(fēng)險(xiǎn)及防控[D].吉林：吉林大學(xué)碩士學(xué)位論文,2015.

[9]杜莉,孫兆東.中國(guó)區(qū)域碳金融交易價(jià)格及市場(chǎng)風(fēng)險(xiǎn)分析[J].武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2015,68(2)∶86-93.

[10]劉美超.中國(guó)碳交易合同風(fēng)險(xiǎn)防范[D].北京：中國(guó)政法大學(xué)碩士學(xué)位論文,2014.

[11]王國(guó)飛.怎樣規(guī)避碳交易風(fēng)險(xiǎn)[J].環(huán)境經(jīng)濟(jì),2015,(Z3)∶32-33.

[12]高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模[M].北京：清華大學(xué)出版社,2009.

[13]黃佳蕾.基于GARCH類模型的VaR計(jì)算在我國(guó)金融市場(chǎng)中的實(shí)證研究[D].廣州：暨南大學(xué)碩士學(xué)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?yàn)橘Y源環(huán)境與社會(huì)發(fā)展。

郭守前(1961-),男,四川省郫縣人,博士,教授,研究方向?yàn)橘Y源環(huán)境與社會(huì)發(fā)展。