綠色金融背景下能源市場波動溢出效應與企業(yè)風險管理

【摘" 要】論文基于TVP-VAR-DY模型，研究綠色金融市場與傳統(tǒng)能源市場間的波動溢出效應及其對企業(yè)風險管理和市值管理的影響。論文利用2014-2024年的相關指數數據，結果顯示，二者存在顯著且動態(tài)的溢出效應，傳統(tǒng)能源市場是主要風險輸出者，而綠色金融市場更多地表現為風險接收者，體現了能源轉型對市場間關系的重要影響。論文為企業(yè)優(yōu)化資產配置、動態(tài)調整風險暴露以及應對政策沖擊提供了實證支持和理論依據。

【關鍵詞】綠色金融市場;波動溢出效應;TVP-VAR-DY模型;企業(yè)風險管理

【中圖分類號】X196;F832.5;F275" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）12-0028-03

1 引言

在全球能源轉型和“雙碳”目標的背景下，綠色金融市場與傳統(tǒng)能源市場的互動日益緊密，波動溢出效應對企業(yè)風險管理和市值穩(wěn)定提出了新的挑戰(zhàn)。能源價格波動不僅影響宏觀經濟運行，更對企業(yè)的市值波動和長期發(fā)展構成壓力?，F有研究雖多聚焦于宏觀層面的市場溢出效應，但針對企業(yè)層面如何應對市場波動傳導、優(yōu)化風險管理的研究尚顯不足。本文基于TVP-VAR-DY模型，研究綠色金融市場與傳統(tǒng)能源市場之間的波動溢出效應，探討其對企業(yè)風險管理和市值管理的具體影響，為企業(yè)在能源轉型和外部沖擊環(huán)境下提供科學的應對策略。

2 問題研究動態(tài)

2.1 國內研究動態(tài)

姚爽等[1]發(fā)現中國金融市場間的非對稱風險溢出存在差異，動態(tài)特征顯著，提示企業(yè)應調整風險管理策略，保障市值穩(wěn)定。田靜等[2]指出國際能源市場與股票市場間有顯著跨市場溢出效應，外部沖擊增強溢出效應，企業(yè)需考慮國際能源波動和宏觀不確定性對市值管理的影響。郭娜等[3]發(fā)現中國能源市場與股市間存在顯著且時變的波動溢出，極端事件加劇溢出，對企業(yè)風險管理和市值管理提出更高要求。李想等[4]研究全球金融周期對中國金融市場的溢出效應，建議強化風險管理機制，企業(yè)需考慮全球金融周期影響，抵御外部沖擊。

2.2 國外研究動態(tài)

Ren et al.[5]發(fā)現綠色能源市場對傳統(tǒng)能源市場的沖擊逐步增強，特別在政策干預和技術創(chuàng)新時期，對傳統(tǒng)能源企業(yè)的風險管理和市值管理有重要意義。Ge et al.[6]發(fā)現氣候政策不確定性顯著加劇可可、咖啡和糖期貨市場的價格波動溢出，強調企業(yè)需加強風險管理，應對政策沖擊，優(yōu)化資產配置。

2.3 文獻綜述

綜上所述，現有研究表明，能源市場與股票市場之間的波動溢出效應對企業(yè)的風險管理和市值管理具有重要影響。然而，多數研究主要關注宏觀層面的市場溢出效應，較少深入探討企業(yè)層面的應對策略。尤其是在能源轉型和綠色金融快速發(fā)展的背景下，綠色能源市場對傳統(tǒng)能源企業(yè)的影響日益凸顯。為填補這一研究空白，本文將基于TVP-VAR-DY模型，深入分析綠色金融市場與傳統(tǒng)能源市場之間的波動溢出效應，為企業(yè)的風險管理和市值管理提供實證依據和政策建議。

3 研究設計

3.1 模型構建

本研究采用了Antonakakis et al.[7]提出的TVP-VAR-DY模型來測算溢出指數。與傳統(tǒng)DY模型相比，該模型基于時變方差-協(xié)方差結構，能夠更靈活和穩(wěn)定地捕捉數據結構的動態(tài)變化，使回歸結果更貼近經濟現實。同時，由于無需設置固定的滾動窗口期，該方法有效避免了因主觀因素選擇導致的偏差及數據損失的風險。TVP-VAR-DY模型的構建過程如下所示。構建TVP-VAR模型：

Δxt=βtΔxt-1+εt，εt～（N，∑t）" " "（1）

vec（βt）=vec（βt-1）+vt，vt～N（0，Rt）" " "（2）

式（1）和式（2）中，Δxt、Δxt-1、εt均為N×1階向量;βt、∑t為 N×N階矩陣;參數vec（βt）及vt均為N2×1階向量。

時變參數估計完成后，運用Wold表示方法將TVP-VAR模型轉換為TVP-VMA模型：

Δxt=βitΔxt-i+εt=βitΛjtεt-j+εt" " " " （3）

提取TVP-VMA模型系數，并利用該系數進行廣義預測誤差方差分解。定義φ（J）為變量j到i的方向溢出水平，即變量j對i的影響份額，表達式為：

φ（J）=" " " " "（4）

式中，J為預測誤差方差分解期數;ei為選擇向量;∑φ（J）=1;∑φ（J）=N。對式（4）進行標準化，得下式：

φ（J）=" " " " "（5）

3.2 數據搜集與處理

本文數據來源iFind數據庫，采用深圳證券信息有限公司發(fā)布的綠色金融指數（后文簡稱GFI）、中證指數有限公司發(fā)布的新能源指數（后文簡稱NEI）、申萬宏源集團股份有限公司發(fā)布的石油石化指數（后文簡稱CI）和煤炭指數（后文簡稱PPI）代表綠色金融市場和傳統(tǒng)能源市場表現，數據周期為2014年1月到2024年9月。為了捕捉短期風險溢出效應，本文選取5個交易日作為滾動周期，并基于日度收益率數據計算每個滾動周期的波動率數據。計算方法如下：

假設某資產在t日的收盤價格為Pt，則其日度收益率rt計算公式（6）為：

rt=ln

（6）

式中，rt表示t日的對數收益率;Pt和Pt-1分別表示t日和t-1日的收盤價格。

為了反映市場的短期波動性，本文使用5日滾動窗口計算波動率。具體公式（7）如下：

σt=" " "（7）

式中，σt為t時刻基于滾動窗口的波動率;rt-i+1表示第t-i+1日的收益率;rt為滾動窗口內的算術平均收益率;n為滾動窗口（本文取n=5）。

4 實證分析

本文基于廣義誤差方差分解（GFEVD）方法，從靜態(tài)和動態(tài)兩個層面分析綠色金融市場與傳統(tǒng)能源市場之間的波動溢出效應。在建模前本文采取AIC確定滯后階數為4階，預測誤差方差分解為10期。其中，FROM代表溢入指數，即某一變量受到其他變量的溢出水平;TO代表溢出指數，即對其他變量的溢出水平。模型輸出結果如表1所示。

為進一步揭示市場間波動溢出的時變特性，本文繪制了總溢出指數（Total Connectedness Index， TCI）如圖1所示。TCI 指標反映了系統(tǒng)內各變量之間波動溢出的總水平。2016年至2020年，TCI 水平維持在50%～60%，表明綠色金融與傳統(tǒng)能源市場之間的波動性聯系較為緊密。自2020年后，TCI 顯著下降至約30%，2022年起，TCI出現短期上升，反映在外部沖擊下，市場間的波動性溢出效應有所增強。

圖2a～d展示了各指數對其他指數波動溢出水平的動態(tài)變化特征。傳統(tǒng)能源指數對比新能源指數可看出，對外波動溢出程度相對較高，在2021年之后對外輸出的風險較低。由圖2e～h中可知，凈溢出水平動態(tài)變化中，傳統(tǒng)能源市場相比較于新能源市場，為波動主要輸出者，而新能源市場更多表現為波動接收者，這與其在能源轉型中的新興角色相符。對于企業(yè)而言，這些動態(tài)特征具有重要的市值管理和風險管理意義。傳統(tǒng)能源企業(yè)需充分認識到綠色能源和綠色金融市場的崛起對其市場地位和波動特征的沖擊，并通過優(yōu)化資產配置及加強對綠色金融相關政策的關注來降低波動傳導的負面影響。綠色金融和新能源相關企業(yè)應利用風險接收的特性，強化自身的風險承受能力，建立更加穩(wěn)健的市場預警和管理機制，從而提升市值穩(wěn)定性和長期發(fā)展?jié)摿Α?/p>

5 結論

本文基于TVP-VAR-DY模型，研究了綠色金融市場與傳統(tǒng)能源市場的波動溢出效應及其對企業(yè)管理的啟示。結果表明，傳統(tǒng)能源市場是主要風險輸出者，而綠色金融市場在能源轉型中表現出較強的風險接收特性。對于企業(yè)而言，應加強對綠色能源和綠色金融政策的動態(tài)監(jiān)控，優(yōu)化投資組合結構，同時注重風險預警和市值穩(wěn)定機制的建設。政策制定者可通過強化綠色金融市場支持力度，降低傳統(tǒng)能源市場的波動性傳導，為企業(yè)的長期發(fā)展提供穩(wěn)定的市場環(huán)境。

【參考文獻】

【1】姚爽，王藝曉，黃瑋強.中國金融市場風險溢出非對稱效應——基于TVP-VAR-DY模型的實證研究[J].管理現代化，2022，42（04）：49-56.

【2】田靜，葉小芬，閆明.國際能源市場與股票市場的波動溢出效應及驅動因素研究——基于TVP-VAR-DY溢出指數分解的實證研究[J].經濟體制改革，2023（06）：142-151.

【3】郭娜，張駿.中國能源市場與股票市場的波動溢出效應研究——基于TVP-VAR-DY模型的實證研究[J].西南民族大學學報（人文社會科學版），2022，43（05）：122-133.

【4】李想，施建淮.全球金融周期溢出效應的時變特征研究：以中國為例[J].經濟問題探索，2021（04）：133-144.

【5】Ren X，Xiao Y，He F，et al.The contagion of extreme risks between fossil and green energy markets： evidence from China[J].Quantitative Finance，2024：1-16.

【6】Ge J，Du A M，Lin B.\"Volatility in a Mug Cup\"： Spillovers Among Cocoa， Coffee， Sugar Futures and the Role of Climate Policy Risk[J].Research in International Business and Finance，2024：102634.

【7】Antonakakis N，Chatziantoniou I，Gabauer D.Refined measures of dynamic connectedness based on time-varying parameter vector autoregressions[J].Journal of Risk and Financial Management，2020，13（4）：84.

【基金項目】2023年度廣東省普通高校青年創(chuàng)新人才類項目立項課題“大灣區(qū)港群一體化推動的效率研究”，課題編號：2023WQNCX123。

【作者簡介】賴澤庭（1992-），男，遼寧阜新人，蒙古族，研究方向：金融市場。

【通訊作者】李惠民（1990-），男，山西長治人，研究方向：數字經濟。