中国区域碳金融交易价格及市场风险分析，本文主要内容关键词为：交易价格论文,中国论文,区域论文,风险论文,金融论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
2013年以来，深圳、北京和上海等七家碳交易所在我国陆续成立，成交量与成交金额稳步上升。自启动碳排放交易至2014年8月20日，这期间七家碳交易所总成交量已突破1181.66万吨，总成交额突破45048.91万元。值得注意的是，在各区域碳金融交易所迅速发展的同时，交易市场的价格风险也难以避免。以欧盟排放交易体系为例，2007年末第一阶段将结束之时，碳排放的价格接近于零，给碳排放的多头方带来了巨大的损失。碳金融交易中由于标物的复杂性、时间的跨期性及结果的不确定性，存在更多的未知风险。笔者注意到，在碳金融交易市场的各类风险中，市场风险是最突出的交易风险。基于此，本文拟从碳金融交易的市场风险着手，利用VaR方法展开研究，以便为监管当局及交易主体的风险控制、区域碳金融的稳定发展提供有益参考。 一、文献综述 国内外学者对碳金融市场风险的研究，主要是从定性和定量两个方面展开的。定性研究方面，Larson和Parks(1999)通过对项目周期中碳金融风险的研究，将碳金融交易市场的各类风险进行分类，并对含价格风险在内的每一类风险的来源进行分析(Donald F.Larson & Paul Parks，1999)；郇志坚和李青(2010)通过分析国际碳金融市场的风险，阐述了市场风险的产生原因及影响因素。刘志成(2012)通过对我国碳市场风险的组成要素及影响因素进行分析，总结了我国发展碳金融面临的不同风险类型。此外，王留之和宋阳(2009)、王巧芳(2009)等也对包括市场风险在内的碳金融交易市场的各类风险进行了分类研究和阐述。 碳金融市场风险的定量研究方面，杜莉等认为三种碳金融市场风险的度量方法中，VaR度量市场风险相对更科学直观，并对计算VaR的历史模拟法、蒙特卡罗法、方差—协方差法的优缺点进行归纳总结(杜莉、王利、张云，2014：106-116)。William Blythy通过蒙特卡罗模型和回归分析，对不同碳交易市场价格下欧盟碳排放交易体系(EU ETS)的市场风险和政策风险进行了度量，并比较分析了市场风险和政策风险作为主要风险在不同碳交易市场价格下的转换(William Blyth & Derek Bunn，2011：4578-4593)。Feng等基于GARCH、EVT下的动态VaR，探讨了EU ETS现货和期货价格的波动性及市场风险(Zhen-Hua Feng、Yi-Ming Wei、Kai Wang，2012：97-108)。魏一鸣等以Bluenext的碳交易现货价格及欧洲气候交易所(ECX)的碳交易期货价格为研究对象，对碳金融交易的市场风险、流动风险进行了度量和研究，并对现货和期货市场的价格冲击衰减速度和波动差异进行了比较分析(魏一鸣、王凯、凤振华等，2010：123-140)。 在碳金融风险的防控与管理方面，刘志成认为应该建立完善的碳交易平台、提高参与方的风险评估与管理水平、积极参与国际合作。结合商业银行的特殊属性，史晓琳认为应通过商业银行碳金融业务内部风险管理长效机制的建立与外部环境的营造来预防碳金融交易中商业银行面临的风险(史晓琳，2010：21-35)。在风险防控研究的基础之上，顾洪梅等从完善金融监管模式的角度出发，提出构建“双峰模式”是碳金融监管的最优路径，即设立两个监管机构，一个负责金融系统中所有部门的审慎监管，另一个机构负责所有部门的市场监管(顾洪梅、杨文丽、何建华，2012：73-75)。杜莉和武俊松建议政府从制度供给和环境培育的角度，对碳金融发展及风险防控进行规制和监管，金融机构通过设计全面有效的碳金融交易风险预警指标体系、设计和实施完善的碳金融风险管理技术，提升碳金融交易行为主体和监管部门的风险识别与防控能力(杜莉、武俊松，2013：12-18)。 综上所述，我国区域碳金融的市场风险研究几乎停留在定性的介绍上，国际碳金融市场风险的实证研究不多，国内区域碳金融的市场风险的定量分析则更为稀缺。在大力发展碳金融、国际碳交易的“蛋糕”愈来愈大的背景下，评估、防控碳金融交易的市场风险成为亟待解决的问题。本文通过ARCH族模型下的VaR实证，分析各区域碳金融交易的市场风险，从中探索交易主体控制和降低风险的路径。 二、市场风险及VaR模型 碳金融交易主体在市场中面临的主要市场风险有两个，一是市场规模的变动；二是碳排放权价格的波动。影响市场规模和碳排放权价格的因素有很多，包括全球宏观经济形势、各国的气候变化政策与全球气候变化谈判情况、碳基能源的价格、特殊事件以及天气方面的自然因素等。此外，碳金融交易的市场风险在时间和空间维度还具有自身的特性。在时间维度上，碳金融交易具有跨期性，期间的利率波动将带来风险。在空间维度，碳排放负面影响的全球性使交易双方面临较高的汇率风险。 风险研究中，市场风险的量化始于1952年马科维茨提出的投资组合理论，在这一理论中，他使用收益率的标准差除方差的值来衡量一个金融产品的风险大小。随着近年来风险研究的日益成熟，学术界在风险管理的研究中主要使用风险价值度(Value at Risk，VaR)方法。VaR是指在市场正常波动下，一定置信水平下，某一金融资产在持有期内的最大可能损失。VaR的值可以较简明地表示市场风险的大小。根据VaR的定义，其可以表示为： prob(ΔP＞VaR)=1-c 其中，ΔP为金融资产在持有期Δt内的损失，VaR为置信水平c下处于风险中的价值。设某金融资产的初始价
，收益率为R，则期末价值为P=
×(1+R)，设收益率R的期望值和波动性分别为μ和e，则给定置信度下该金融资产的最小价值为
，则有：
在此基础上求出VaR相当于确定最小价值
或最小收益率
。 以上过程是计算VaR的一般方法。在实际研究中，根据不同的市场因子波动性预测方法，VaR求解方法分为历史标准差法、RiskMetrics及ARCH方法等，其中对具有高峰厚尾特性的金融时间序列，采用ARCH族的GARCH法等更为合理。 三、样本及数据 (一)样本数据的选取 我国各地碳交易所公布的数据类型不同，考虑到数据的可获得性及统一性，样本数据
用当日成交额/成交量计算的成交均价来表示，选取北京、深圳、上海、天津、湖北、广州碳交易所的数据。因各碳交易所首次交易日期不同，样本区间分别为：北京市场2013年11月28日至2014年7月16日、深圳市场2013年6月18日至2014年8月14日、上海市场2013年11月26日至2014年6月27日、天津市场2013年12月26日至2014年7月22日、湖北市场2014年4月15日至2014年8月20日、广州市场2014年7月10日至2014年8月20日。北京、深圳、上海、天津数据来源于各碳交易所官方网站主页，湖北、广州数据来源于其官方微信的信息公告；数据分析软件采用Stata10.0、Eviews6.0、SPSS19.0。 此外，考虑到数据的平稳性及广泛适用性，本文采用各交易所交易均价的对数收益率来表示各碳交易市场的日收益率：
(二)各交易所碳价收益率序列的统计特性 1.收益率时间序列趋势分析 采用对数收益率表示各碳市场的日收益率，通过Eviews6.0绘制各市场收益率的趋势图，见图1。
图1 各区域碳交易所碳交易收益率趋势图 图1分别为北京、深圳、上海、天津、湖北、广州碳交易所碳交易日收益率趋势图，其中，LNBJ、LNSZ、LNSH、LNTJ、LNHB、LNGZ分别代表北京、深圳、上海、天津、湖北、广州的对数收益率。可以看出各市场日收益率在0处上下波动，从随机过程来看，可以认为各对数收益率数列属于随机过程序列。此外，碳交易日收益率在相应样本区间表现出较大波动时，未来几期的波动也较大，呈较为明显的“波动性聚集”现象。 2.各碳市对数收益率的正态性检验 通过实证分析，笔者得到各区域碳交易所对数收益的偏度、峰度以及J-B检测值：北京、深圳、上海、湖北、广州碳交易所收益率曲线峰度(Kurtosis)大于3；北京、深圳、上海、湖北JB统计量大于临界值5.99(5%显著水平)；天津交易所曲线图形与正态分布图形差异较大。同时六个交易所曲线的偏度值(Skewness)均异于0。因此，可以认定六个碳交易所收益率呈现非正态的“高峰厚尾”特征。 3.各碳交易所对数收益率的平稳性检验 根据ADF检验结果，在1%显著水平上，各区域碳交易所收益率序列平稳。 4.异方差检验 根据异方差检验结果，LM值大于相应的
(q)(q为自由度)，表明收益率序列拒绝“残差中直到q阶都没有ARCH项”的原假设，即各碳交易所碳交易日收益率具有较强的异方差性。 (三)各区域碳交易所收益率异方差图 异方差走势代表各地碳交易价格的波动水平，从图2～7中可以看到：深圳市场在2014年7月1日至2014年7月17日期间最高值可以达到一般水平的50倍，北京市场2014年6月26日至2014年7月2日最高值可以达到一般水平的28倍。上海市场2014年6月4日至2014年6月10日最高可以达到一般水平的30倍，这种较大的波动说明碳市场存在较大的极端风险。广州、天津、湖北碳交易所波动幅度相对较小，最高值分别达到平均水平的16、14、7倍。波动频率方面，上海交易所可能发生极端波动的频率高，北京、天津、湖北相对较低。
图2 北京碳交易所异方差图
图3 深圳碳交易所异方差图
图4 上海碳交易所异方差图
图5 天津碳交易所异方差图
图6 湖北碳交易所异方差图
图7 广州碳交易所异方差图 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。但国内各区域碳交易所在不同时间段异方差代表的波动程度、波动频率有较大差异性，这种差异性在不同区域的碳市场下为异方差代表的极端风险监测提出了挑战。 四、实证检验 结合上文得出的各区域碳交易所日收益率的统计特征，建立ARCH族模型以便更好地捕捉各区域碳交易所收益率的数据特征。通过Stata10.0确定ARCH(p)模型的滞后阶数，根据LR检验及FPE、AIC准则，结合模型的特征和要求，本文除广州交易所外均采用Bollerslev的GARCH(1，1)模型，广州交易所采用ARCH(1)模型。 GARCH(1，1)的均值方程及方差方程分别为：
(一)各区域碳交易所碳交易收益率的GARCH、ARCH(1)代表的ARCH族模型参数估计 表1是各区域碳交易所日收益率数据的GARCH模型和ARCH(1)代表的ARCH族模型参数估计结果，最后两行数据为SC及AIC值，其它行中括号外数据为各碳交易所均值方程和方差方程对应的系数，括号内为其相应的P统计值。
从表1中数据可以看出，深圳、天津GARCH项显著。深圳交易所的碳交易价格的冲击衰减速度最慢，系数为0.7888，其方差冲击的78.88%在下一期仍存在。表明当前深圳交易所的所有方差冲击都会在下一期存在，其市场价格长期记忆性最大；天津碳交易市场的衰减速度次之，β系数为0.4530，表示当前天津交易所的方差冲击的45.30%在下一期仍存在；北京碳交易所、上海、湖北碳交易所的GARCH不显著，β系数分别为0.0561、0.1391、0.5697，表明当前的方差冲击在后期存在的影响相对深圳、天津交易所不明显；广州碳交易所的α值显著且大于1，说明广州交易所收益率的波动性主要受外部冲击影响，且这种影响非常强。 此外，各区域碳交易所α、β和大于1(广州交易所无GARCH项，即β系数为0)，说明碳交易所价格波动对外部反应以较快的速度递增，外部冲击对于碳交易所价格波动性的影响要超过其自身的记忆性。 (二)一定置信水平下各区域碳交易所碳交易日收益率的计算结果 图8至图13是在95%、99%置信水平下，广州交易所运用ARCH模型、其它交易所运用GARCH(1，1)模型计算的各碳交易所碳交易每天的VaR值及对应的日收益率。其中，VAR、VARD分别代表95%、99%置信水平下的VaR值。可见，VaR值较好的拟合了既定的碳交易价格下其收益率的变动，收益率序列变动剧烈时，VaR值波动也变得剧烈。本文构建的ARCH族模型能较好的反映各区域碳交易所收益率的波动情况。
图8 北京碳交易所碳交易日收益率与VaR
图9 深圳碳交易所碳交易日收益率与VaR
图10 上海碳交易所碳交易日收益率与VaR
图11 天津碳交易所碳交易日收益率与VaR
图12 湖北碳交易所碳交易日收益率与VaR
图13 广州碳交易所碳交易日收益率与VaR (三)VaR统计结果及检验 表2是借助SPSS19对ARCH族模型计算的VaR值的统计结果，因为VaR表示一定的持有期和置信水平下可能的最大损失，图8～13和表2中的值用其相反数表示。
我们可以从表2中的VaR标准差来看各碳交易所市场波动程度。其中，深圳＞天津＞广州＞北京＞上海＞湖北，深圳交易所在样本期整体波动性最大，湖北交易所最小。表的最后两列为95%、99%置信水平下，各碳交易所日收益率低于VaR的天数及比例。在95%置信水平下，ARCH族模型估计的上海碳交易所准确性最高，其次分别是湖北、北京、深圳、天津、广州碳交易所。在99%置信水平下，ARCH族模型估计的上海、湖北、广州碳市准确性最高，其次是深圳、天津、北京。 五、结论及建议 本文根据各区域碳交易所日收益率的数据特征，先用异方差表示各区域碳交易市场的极端风险，然后用GARCH(1，1)、ARCH(1)代表的ARCH族模型下的参数估计得到不同碳交易所对价格冲击的不同衰减速度，最后通过ARCH族模型计算每天的VaR代表碳交易市场中的市场风险。分析得到以下结论： 第一，各区域碳交易所在不同时间，异方差表示的极端风险的幅度及频率有较大差别； 第二，GARCH(1，1)、ARCH(1)模型中，各区域碳交易所价格冲击的衰减速度不同，即对市场价格长期记忆性不同； 第三，ARCH族模型计算的VaR可以有效代表各区域碳交易所的市场风险，但VaR反映的各市场波动程度、最大损失因区域而不同，同时模型估计的VaR对市场风险估计的准确性也因碳交易所而异。 价格冲击的记忆性和市场风险在不同区域碳交易所的这些差异，对监测市场风险提出了更多的挑战和宏观管理全国碳市风险的难题。此外，由于金融市场间风险的传导性，分区域的碳交易市场会增大风险发生的概率和维度。因此，需要构建全国统一的碳金交易市场，通过统一监管、统一定价、统一配额等对各区域碳交易所进行统一管理。从而保证国内碳交易价格的有序波动，保证碳金融市场风险的有效监测和防范，并促进碳金融市场的稳定发展。据此，我们建议： 首先，积极探索全国统一的碳交易市场的整合和构建。以中国碳排放权交易体系(CCMS)建设为重点，根据区域、行业、市场和品种的不同，设计不同的时间顺序。通过碳交易监管体系的形成，实现对各区域碳交易所的统一管理。一是统一监管，在条件成熟时建立以中国人民银行为主导的宏观审慎监管委员会负责识别、检测和控制系统性风险；建议在中国人民银行内部设立专门的碳金融监管部门负责碳金融的微观审慎监管。二是统一定价，针对碳排放指标在全国制定统一的、明确的定价体系，进而提高碳交易的效率和便利性。三是统一配额，在大力推进碳排放权交易试点基础上，实行全国统一的总量控制，并根据各区域GDP及碳排放量需求等因素分配配额，建立碳配额交易制度，培育公平、活跃的碳金融交易市场。 其次，采取有效的方法对碳交易市场价格波动及其可能的风险实施有效的监测和防范。监管部门及相关金融机可通过一定的模型，结合定性分析，构建全面有效的碳金融风险预警指标体系。在可能发生较大市场风险的情况下，运用压力测试以检测碳金融市场在极端情况下可能的表现，最大限度的减少风险发生概率。 最后，政府加大对碳金融交易风险防控的政策支持力度。碳金融是新生事物，政府应该在宏观层面从制度供给与环境培育的角度，对碳金融发展和风险防范进行规制和监管。一方面完善碳金融政策体系，对金融机构进行指导和监管；另一方面健全碳金融交易平台，指导交易所设立统一的风险防控准则。最终构建中国特色的统一的碳排放权交易体系，与欧盟碳排放权交易体系(EU-ETS)和美国芝加哥气候交易所(CCX)体系三足鼎立，促进全球的绿色发展、可持续发展。
标签：碳交易论文; arch论文; 碳金融论文; 金融论文; 碳排放论文; 交易风险论文; 低碳经济论文; var模型论文; 异方差论文; 风险模型论文; 交易所论文;
