后疫情時期中國碳排放權(quán)交易市場的價格波動及市場風(fēng)險研究

朱若瑾

摘 要：隨著全國碳排放權(quán)交易市場的建立，測度碳市場的風(fēng)險水平和外部重大事件的沖擊具有重要的現(xiàn)實意義。本文以湖北碳交易所為例，設(shè)置Before COVID-19和After COVID-19兩個情景以探究新冠肺炎的沖擊，運用GARCH-VaR模型進行實證研究。研究表明，GARCH（1，1）模型能有效擬合湖北碳交易收益率序列的尖峰厚尾特征，VaR方法可以度量其在險價值;通過比較疫情前后的GARCH模型，發(fā)現(xiàn)疫情沖擊對碳價的未來波動產(chǎn)生較小的修正，而市場自身因素的影響逐漸增強。上述結(jié)論有助于后疫情時期全國碳排放權(quán)交易市場風(fēng)險的度量和發(fā)展重心的調(diào)整。

關(guān)鍵詞：碳交易;GARCH模型;在險價值;收益率;新冠肺炎

中圖分類號：F205 文獻標識碼：A 文章編號：2096-0298（2022）05（b）--04

近年來，全球氣候變暖問題成為人們關(guān)注的焦點，發(fā)展低碳經(jīng)濟在各國政府之間逐漸達成共識。1997年《京都議定書》提出“碳排放權(quán)交易”的概念，即將二氧化碳排放權(quán)視為商品并開展交易，一個兼具經(jīng)濟與生態(tài)的新興市場由此發(fā)展。為承擔(dān)減排的大國使命，中國自2013年起陸續(xù)在深圳、北京、上海、湖北等九省市設(shè)立試點碳排放權(quán)交易所。2021年7月16日，全國碳排放權(quán)交易市場正式啟動。碳交易作為碳排放控制的重要經(jīng)濟手段，將助力習(xí)近平總書記提出的“2030碳達峰”和“2060年碳中和”目標。

然而，我國部分試點碳交易市場仍處于發(fā)展的初期階段，由于交易機制尚未健全，面臨交易價格劇烈波動的潛在風(fēng)險。此外，突如其來的新冠肺炎擾亂了金融市場的平穩(wěn)運行，探究該外部沖擊是否導(dǎo)致碳交易市場波動有利于明確后疫情時期全國碳排放權(quán)交易市場的發(fā)展方向。本文擬以湖北碳交易所為例，利用GARCH-VaR方法尋找合適的市場風(fēng)險預(yù)測模型，研究新冠肺炎對碳交易的沖擊，為穩(wěn)定后疫情時期的碳排放權(quán)交易市場提供有益參考。

1 文獻綜述

關(guān)于碳交易市場風(fēng)險的研究，國內(nèi)外學(xué)者主要從定性和定量兩方面展開。定性研究主要探究碳交易風(fēng)險的成因和監(jiān)管手段。Larson 和 Parks（1999） 通過研究項目周期中碳金融風(fēng)險，將風(fēng)險分為履約、價格和政策風(fēng)險并分析其來源[1];趙黎明和張涵（2010）從政治、經(jīng)濟、法律等角度探討中國碳交易風(fēng)險的形成機理 [2];王穎等（2019）通過比較碳金融和傳統(tǒng)金融市場，概括碳金融風(fēng)險的特征并構(gòu)建監(jiān)督機制[3]。

定量研究主要聚焦碳交易市場的價格波動和風(fēng)險度量。就價格波動而言，Chevallier（2009）使用GARCH簇模型，發(fā)現(xiàn)TGARCH模型對碳期貨價格波動特征的描述效果最佳[4];齊紹洲等（2015）通過EEMD模型發(fā)現(xiàn)大部分碳市場受到配額拍賣、新交易制度等重大事件的影響[5]。呂靖燁和王騰飛（2019）利用EGARCH模型發(fā)現(xiàn)了碳價格波動的長期記憶性和杠桿效應(yīng)，對利空消息更為敏感[6]。

就風(fēng)險度量而言，VaR因其定量性和簡便性成為碳交易市場風(fēng)險測量的主流方法。Feng等（2012）通過GARCH模型度量碳交易市場的VaR值，發(fā)現(xiàn)上行風(fēng)險低于中下行風(fēng)險[7];田園等（2015）通過GARCH-EVT-VaR模型測度了芝加哥和歐盟碳市場在正常和極端條件下的風(fēng)險[8];杜莉等（2015）利用ARCH族模型計算VaR，發(fā)現(xiàn)不同碳交易市場在價格的長期記憶性和對沖擊的衰減速度等方面存在明顯差異[9];王影等（2020）利用GARCH族模型發(fā)現(xiàn)各市場的收益率波動存在非對稱性和杠桿效應(yīng)，并通過對比發(fā)現(xiàn)CVaR較VaR具有更優(yōu)良的性質(zhì)[10]。

研究表明碳交易價格會受到外部重大事件的影響。新冠肺炎成為近年來金融市場不穩(wěn)定性的主要事件，然而鮮有研究分析新冠肺炎與碳交易市場的關(guān)系，現(xiàn)有研究集中于疫情對碳排放趨勢的影響（劉竹等，2021;曲申等，2021）[11，12]。因此，本文創(chuàng)新性地考慮新冠疫情的外部沖擊，采用GARCH模型比較疫情前后的碳交易市場，并通過VaR方法度量市場風(fēng)險。若將該視角運用到全國碳排放權(quán)交易市場的分析中，可以及時調(diào)整后疫情時期的路線方針，促進全國的經(jīng)濟發(fā)展與生態(tài)治理。

2 理論模型

2.1 GARCH模型

GARCH模型是在ARCH模型基礎(chǔ)上針對金融數(shù)據(jù)所提出的回歸模型。因金融數(shù)據(jù)的異方差性，GARCH模型對誤差的方差建模。一般而言GARCH（1，1）模型應(yīng)用廣泛，可表示為：

rt=μ+ut（1）

σ2t=ω+αu2t-1+βσ2t-1（2）

其中， ω>0， α≥0， β≥0， u2t-1為ARCH項， ε2t-1為GARCH項;GARCH（1，1）平穩(wěn)的充要條件是α+β<1。

2.2 在險價值

2.2.1 VaR方法

VaR是指某金融產(chǎn)品或組合在一定置信水平和一定持有期內(nèi)，因市場的不良影響而可能發(fā)生的最大損失。公式表示為：

P（ΔP≤VaR）=1-c（3）

其中， ΔP代表資產(chǎn)持有期的損失， c代表置信區(qū)間，VaR為在險價值。給定風(fēng)險X的累積分布函數(shù)FX和置信水平c∈（0，1） ，可求出VaR值：

VaRc（X）=F-1Xc=inf{x∈R，F(xiàn)X（X）≥c}（4）

通常c的取值為0.95或0.99。

2.2.2 VaR回測檢驗

Kupiec失敗頻率檢驗法可以度量VaR模型的測量結(jié)果對實際損失的覆蓋程度。假定計算VaR的置信度為c， 實際考察天數(shù)為T， 失敗天數(shù)為N， 則失敗頻率為p（N/T）。零假設(shè)為p=p*，對VaR模型準確性的評估轉(zhuǎn)化為檢驗失敗頻率p是否顯著不同于p*。似然比率檢驗較為合適：

（5）

在零假設(shè)條件下 ， 統(tǒng)計量LR服從自由度為1的χ2分布。

3 數(shù)據(jù)選取與檢驗

3.1 樣本數(shù)據(jù)的選取與處理

本文以湖北碳交易所為例，原因如下：其一，與其他試點市場相比，湖北碳交易所在成交量、流動性和產(chǎn)品多元化等方面較為突出;其二，湖北省的工業(yè)化水平和經(jīng)濟結(jié)構(gòu)處于全國平均水平，其典型性能代表我國碳交易市場的未來發(fā)展趨勢。因此，對湖北碳交易所的重點分析有利于全國碳交易市場的風(fēng)險管控與制度完善。本文選取湖北碳交易所2014年4月28日至2021年11月26日的成交均價作為樣本，剔除缺失值。為探究疫情的影響，以2019年11月29日為時間節(jié)點，設(shè)置兩個不同情景，即Before COVID-19和After COVID-19（圖1）。數(shù)據(jù)來源于Wind，分別有1346和447個有效數(shù)據(jù)。

為提高數(shù)據(jù)的可加性和平穩(wěn)性，本文對成交均價進行對數(shù)差分得到日收益率序列。計算公式如下：

（6）

其中， rt為t日湖北碳交易所成交均價對數(shù)收益率， Pt為t日碳交易價格。

可以看出疫情前后湖北碳交易收益率在0處上下波動，收益率在某段區(qū)間內(nèi)發(fā)生較大（較?。┎▌樱S后階段會同樣產(chǎn)生較大（較?。┎▌?，呈現(xiàn)明顯的波動集群性。

3.2 收益率序列的統(tǒng)計分析

3.2.1 描述性統(tǒng)計

為度量交易的基本特征，本文選取收益率的標準差、偏度、峰度、J-B檢驗量等指標進行描述性統(tǒng)計（表1）。

可以看出疫情前后標準差和方差較大，表明碳價波動性較大，After COVID-19更為明顯;偏度大于0，收益率右偏;峰度高于正態(tài)分布的峰度值3，表現(xiàn)為尖峰態(tài)。Jarque-Bera檢驗P值為0，表明序列均不服從正態(tài)分布。綜上疫情前后的收益率序列均具有“尖峰厚尾”特征。

3.2.2 平穩(wěn)性檢驗

對兩序列進行單位根檢驗，從表2可以看出ADF檢驗量均小于1%、5%、10%顯著性水平下的臨界值，因此拒絕對數(shù)收益序列非平穩(wěn)的原假設(shè)，即兩序列均為平穩(wěn)序列（表2）。

3.2.3 ARCH效應(yīng)檢驗

為驗證GARCH模型的可行性，本文進行ARCH-LM檢驗，發(fā)現(xiàn)疫情前后碳交易收益率殘差序列對應(yīng)的LM統(tǒng)計量的P值均為0，拒絕原假設(shè)，說明兩序列均具有ARCH效應(yīng)，可以利用 GARCH 模型進行波動率擬合。

4 實證分析

4.1 GARCH模型的參數(shù)估計

由于兩序列不服從正態(tài)分布，本文在t分布和GED分布下擬合，根據(jù)系數(shù)顯著性、信息準則等標準選出合適模型，發(fā)現(xiàn)GED分布下的GARCH（1，1）模型效果最好。模型表達式分別為：

Before COVID-19：σ2t=0.000188+0.628584u2t-1+0.370416σ2t-1

（7）

After COVID-19：σ2t=0.000086+0.407698u2t-1+0.591302σ2t-1

（8）

兩個情境的相似之處在于所有參數(shù)具有顯著性，并且α+β小于且接近于1，表明湖北碳交易市場在疫情前后均存在尖峰厚尾現(xiàn)象且具有持久性的波動，當(dāng)前信息有助于未來條件方差的預(yù)測。

而不同之處在于After COVID-19的GARCH系數(shù)明顯大于ARCH項。ARCH項系數(shù)反映外部沖擊對收益率波動的影響，GARCH項系數(shù)反映碳交易市場的長期記憶性。這一轉(zhuǎn)變說明意外的市場信息對未來波動產(chǎn)生較小的修正，即以新冠肺炎為主的外部沖擊對湖北碳交易市場造成的影響相對較小。相反，該市場的波動原因主要為自身因素，其方差沖擊的59.13% 在下一期仍存在，市場價格的長期記憶性正在加強。

導(dǎo)致該現(xiàn)象的可能原因如下：其一，盡管疫情初期企業(yè)大面積的停工停產(chǎn)導(dǎo)致碳排放需求的減弱和碳價的低迷，但隨著疫情的好轉(zhuǎn)和市場需求的反彈，相關(guān)單位加緊部署經(jīng)濟復(fù)蘇計劃，碳交易市場迅速調(diào)整并回歸至原有發(fā)展軌道，長期發(fā)展平穩(wěn)向好;其二，2018年我國以電力行業(yè)為突破口著手建設(shè)全國碳市場，不斷推進相關(guān)政策，豐富碳金融產(chǎn)品，使得碳交易市場應(yīng)對外部風(fēng)險的能力有所提升;其三，就湖北碳交易市場自身而言，它率先引入個人和機構(gòu)投資者，具有較強的市場活躍度，且第二產(chǎn)業(yè)結(jié)構(gòu)偏重，控排企業(yè)對碳排放權(quán)的“剛性需求”使得投資者能夠理性對待意外事件的沖擊。

雖然疫情在短時間內(nèi)給碳交易市場帶來沖擊，但長期來看該影響正在減弱。后疫情時期的政策制定者應(yīng)當(dāng)將焦點放在碳交易市場自身的運行模式，提升其解決風(fēng)險的能力，促進全國碳交易市場的平穩(wěn)運行。

4.2 VaR值的計算和回測檢驗

為刻畫碳交易市場的風(fēng)險波動，本文基于上述GARCH （1，1）模型的參數(shù)分析，在95%置信度水平下求出兩個情景的VaR值，并回測檢驗其有效性，判斷模型的準確性和可推廣性。

對于Before COVID-19，檢驗起始點是收益率序列開始后的400個數(shù)據(jù)，即946個樣本內(nèi)數(shù)據(jù);對于After COVID-19，檢驗起始點是收益率序列開始后的130個數(shù)據(jù)，即317個樣本內(nèi)數(shù)據(jù)。

從圖2可以看出VaR值隨收益率序列波動而波動，即VaR值較好地擬合了既定的碳交易價格下的市場風(fēng)險，GARCH模型能夠有效預(yù)測碳交易收益率的波動趨勢。

表3顯示兩情景的Kupiec檢驗P值在95%置信水平下均大于0.05，不能拒絕原假設(shè)，即突破天數(shù)是合理且獨立的。因此，GARCH-VaR模型能夠有效度量疫情前后湖北碳交易市場的在險價值，可以成為預(yù)測風(fēng)險的管理工具，助力風(fēng)險預(yù)警體系的構(gòu)建。

5 結(jié)論與政策建議

5.1 研究結(jié)論

本文以湖北碳交易所為例，設(shè)置Before COVID-19和After COVID-19兩個情景，通過GARCH模型估計波動率，度量95%置信度水平下的VaR值并進行回測檢驗，得出以下結(jié)論：

（1）湖北碳交易收益率序列具有明顯的尖峰厚尾特征，GARCH（1，1）模型能夠有效預(yù)測其波動率。

（2）基于GARCH模型的VaR法通過了Kupiec返回檢驗，說明VaR法能有效預(yù)測碳交易市場的在險價值，可推廣至全國碳交易市場的風(fēng)險管理。

（3）通過比較疫情前后的GARCH模型，發(fā)現(xiàn)新冠疫情對湖北碳交易價格的未來波動產(chǎn)生較小的修正，而市場自身因素對波動的影響逐漸增強。該方法可用于研究外部沖擊對碳交易的影響，以便及時調(diào)整后疫情時期碳交易市場的建設(shè)重點。

5.2 政策建議

5.2.1 探索全國碳交易市場的整合

試點與全國的碳交易市場銜接工作關(guān)系到未來市場的平穩(wěn)運行，消除各試點市場的差異成為重點議題。一方面，政府應(yīng)當(dāng)統(tǒng)一配額，根據(jù)經(jīng)濟發(fā)展水平及碳排放量需求等關(guān)鍵性指標分配配額，提升市場公平性和活躍度;另一方面，監(jiān)管部門應(yīng)當(dāng)統(tǒng)一監(jiān)督，從風(fēng)險預(yù)警識別、不良信用記錄等方面監(jiān)測市場運行的潛在風(fēng)險，保障碳交易的均衡發(fā)展。

5.2.2 建立健全價格穩(wěn)定機制

為應(yīng)對外部重大事件的沖擊，市場交易者和監(jiān)管者應(yīng)當(dāng)時刻關(guān)注碳價波動情況，構(gòu)建碳金融風(fēng)險預(yù)警指標體系，及時采取措施使價格波動處于可控范圍。此外，市場可以適當(dāng)推出新型碳交易產(chǎn)品，豐富投資者選擇以對沖風(fēng)險，提升市場的穩(wěn)定性。

5.2.3 促進跨地區(qū)跨國家的學(xué)習(xí)與合作

從試點到統(tǒng)一需要磨合區(qū)域差異，融合區(qū)域優(yōu)勢。本文選取的湖北碳交易所發(fā)展相對成熟，其他試點地區(qū)可以借鑒其經(jīng)驗，積極開展研討合作。同時，中國碳交易市場應(yīng)當(dāng)與國際市場接軌，加大與世界各國的互動交流，為解決氣候變暖問題貢獻中國力量，擔(dān)負大國責(zé)任。

參考文獻

Larson D F，Park P.Risks，lessonS learned，and secondary markets for greenhouse gas reductions[J].Policy Research Working Paper Series，1999（2090）.

趙黎明，張涵.我國碳排放權(quán)交易市場風(fēng)險管理問題探析[J].中國市場，2010（41）：135-138.

王穎，張昕，劉海燕，等.碳金融風(fēng)險的識別和管理[J].西南金融， 2019（2）：41-48.

Chevallier J.Carbon futures and macroeconomic risk factors：A view from the EU ETS[J].Energy Economics，2009，31（4）：614-625.

齊紹洲，趙鑫，譚秀杰.基于EEMD模型的中國碳市場價格形成機制研究[J].武漢大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2015，68（4）：56-65.

呂靖燁，王騰飛.我國碳排放權(quán)市場價格波動的長期記憶性和杠桿效應(yīng)研究：以湖北碳排放權(quán)交易中心為例[J].價格月刊，2019 （10）：29-36.

Feng Z H，Wei Y M，Wang K.Estimating risk for the carbon market via extreme value theory：An empirical analysis of the EU ETS[J].Applied Energy，2012（99）：97-108

田園，陳偉，宋維明.基于GARCH-EVT-VaR模型的國際主要碳排放交易市場風(fēng)險度量研究[J].科技管理研究，2015，35（2）：224-231.

杜莉，孫兆東，汪蓉.中國區(qū)域碳金融交易價格及市場風(fēng)險分析[J].武漢大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2015，68（2）：86-93.

王影，張遠晴，董鋒.中國碳市場風(fēng)險測度[J].環(huán)境經(jīng)濟研究，2020，5（4）：30-53.

劉竹，崔奪，鄧鑄，等.新型冠狀病毒肺炎疫情對中國2020年碳排放的影響[J].科學(xué)通報，2021，66（15）：1912-1922.

曲申，陳煒明，劉麗靜，等.后疫情重建階段的碳排放趨勢與減排策略研究[J].中國環(huán)境管理，2021，1（3）：8-18.

Research on Price Fluctuations and Market Risks in China’s Carbon Emissions Trading Market in the Post-pandemic

Soochow University Suzhou， Jiangsu 215000

ZHU Ruojin

Abstract： With the establishment of the national carbon emissions trading market， it is of great practical significance to measure the risk level of the carbon market and the impact of major external events. This article takes Hubei Emission Exchange as an example， sets up two scenarios of Before COVID-19 and After COVID-19 to explore the impact of the COVID-19， and uses the GARCH-VaR model to conduct empirical research. The research shows that the GARCH （1，1） model can effectively fit the characteristics of sharp peak and excess kurtosis of the Hubei carbon trading’s rate of return series， and the VaR method can measure its value at risk; by comparing the GARCH model before and after the COVID-19， it is found that the pandemic shock has a small correction on the future fluctuation of carbon price， while the influence of market factors is gradually enhanced. The conclusions above are helpful to the risk measurement and development focus adjustment of the national carbon emissions trading market in the post-pandemic.

Keywords： carbon trading; GARCH model; Value at Risk （VaR）; rate of return; the COVID-19