派智库

摘要：本文以欧盟碳市场欧盟碳配额的期现货价格收益率为研究对象，通过建立EGARCH模型来分析欧盟碳市场价格波动的不对称性，并采用EVT-POT理论、静态VaR和动态VaR分析等方法，对欧盟碳市场进行风险度量，有效的拟合了欧盟碳市场价格收益率序列的波动情况，得出了欧盟碳市场价格波动存在显着的不对称性，GARCH-EVT-VaR模型是评估碳市场风险的有效方法等结论。

关键词：欧盟碳市场；价格波动；极值理论；VaR模型 本文来自织梦

1 研究背景

欧盟碳排放交易体系（EU ETS）是目前世界上最大的碳交易体系，在国际碳金融市场上占绝大份额，近年来成交量逐年增加，市场影响巨大。本文以欧盟碳市场中欧盟碳配额（以下简称EUA）为研究对象，分析碳市场的价格波动行为并进行风险度量。 dedecms.com

碳市场与其他市场相比是典型的复杂系统。在价格波动方面，碳市场不仅受市场机制的作用，也受到政治变动、气候变化、配额分配等诸多外界因素的影响，这些外界影响都会给碳价带来大幅度的波动。因此，有必要认识和分析价格波动行为的本质。在风险度量方面，当碳价上涨时，配额出售者获益而配额购买者受损，反之，配额出售者受损而配额购买者获益。可见，正确衡量碳市场的市场风险对市场参与者有很强的实际操作意义。因此，本文将从价格波动与风险度量两个方面对欧盟碳市场进行研究。 dedecms.com

2 文献综述 织梦内容管理系统

近年来，国内外很多学者对金融市场价格波动和风险管理进行了研究。对于金融市场价格波动的研究，朱信凯等（2012）[1]运用EGARCH模型得出负向信息对农产品价格波动的影响大于正向信息的影响等结论。刘庆富等（2007）[2]运用GARCH-GED模型对我国期货市场各交易品种的风险趋势进行了比较。孙林（2013）[3]等采用T分布下的EGARCH模型得出国际粮食价格波动存在显着集簇性和非对称性等结论。对于金融市场风险管理的研究，极值理论和动态VaR模型近年来被广泛应用，余为丽（2006）[4]以上证指数和深证指数收益率数据为样本，运用极值理论，得到在不同置信水平下有效的VaR估计。焦琦斌（2009）[5]选用了美国S&P500指数期货为研究对象，用极值理论很好的模拟了股指期货的尾部风险。王庆晓（2009）[6]利用GARCH模型和极值理论对上证综合指数数据进行分析，发现基于极值理论的VaR模型估计效果更好。 织梦内容管理系统

目前，对于碳市场价格波动分析和风险度量的系统性研究较少。对于碳价波动行为的研究，Benz和Truck（2009）]运用马克维茨状态转移方程和AR-GARCH模型分析了欧盟碳市场碳价收益率的波动行为，发现结构转换模型可更好地反映价格波动性特征。魏一鸣等（2010）[7]通过混沌理论分析碳市场内部机制对碳价的影响，得出碳价是有偏的随机游走，历史价格对未来的影响时间较短等结论。凤振华（2012）[8]综合采用统计学和计量经济学的方法，对碳价的波动行为进行定量描述，得出碳价受市场影响频率高、持续时间短的结论。对于碳市场风险度量的研究，魏一鸣等（2010）[7]利用Zipf方法建立碳价动态模型，对上涨和下跌概率进行分析，得出了碳价行为不对称等结论。凤振华[3]（2012）[8]运用基于极值理论的动态VaR模型对碳价风险暴露程度进行分析，得出基于EvT的动态VaR能充分度量碳市场风险等结论。杨翱（2014）[9]通过建立GARCH-EVT-VaR模型，得到了EUA日收益率上尾和下尾分布的渐进估计表达式。

3 研究方法 dedecms.com

3.1 EGARCH模型

EGARCH模型是在GARCH模型的基础上加入非对称项，允许σ2t和μt具有比GARCH模型假设下的二次方程映射更加灵活的关系。EGARCH模型的条件方差方程如下所示： 内容来自dedecms

织梦好，好织梦

γ值的正负来比较正冲击与负冲击的大小。 织梦内容管理系统

3.2 EVT-POT模型 内容来自dedecms

由于碳市场收益率序列的复杂性，其中间分布特性往往与尾部特性不一致，因此本文采用针对尾部极端风险的超越阈值选取极值模型。

织梦好，好织梦

首先，定义Fu（y）为收益率残差r′t超过阈值u的条件分布函数：

式中：

——模型的非对称项，通常用该项的系数 织梦内容管理系统

copyright dedecms

4 实证研究

4.1 数据选取及处理 织梦内容管理系统

本文数据来源为洲际交易所（ICE）和欧洲能源交易所（EEX）官方网站，以2014年1月2日至2014年12月19日的EUA现货（Spot）价格和2015年12月交割（Dec15）的EUA期货市场价格为研究对象，共247组数据。对其进行对数处理化为日对数收益率序列，处理过程如下： copyright dedecms

本文来自织梦

式中： 本文来自织梦

Pt——EuA日期货市场结算价； 织梦好，好织梦

Rt——EuA日对数收益率，以下简称收益率。 dedecms.com

4.2 碳市场收益率统计特征 本文来自织梦

根据表1分析，期货价格和现货价格的收益率序列均呈现非正态分布，其偏度、峰度与正态分布的偏度为0，峰度为3相比，均存在尖峰厚尾的显着特征，JB检验结果也表明序列均显着不服从正态分布。自相关检验表明期货价格和现货价格的收益率序列基本不存在自相关性，ADF检验显示序列均平稳。基于以上统计特征，选用GARCH模型来进行建模。

4.3 碳市场价格波动不对称性分析 copyright dedecms

根据AIC准则和模型系数显着性要求，以及期现货价格收益率序列的残差分布近似于正态分布，选用正态分布假设下的EGARCH（1，1）模型进行建模。根据期现货价格收益率数据得到的EGARCH模型的方差方程分别如下所示：

结果显示，非对称效应参数γ为负，说明碳期现货市场的收益率序列均存在EGARCH效应，波动具有显着的不对称性。特别是在碳期货市场中，碳价的收益率序列波动具有显着的不对称性，负收益率冲击所引起的波动大于同等程度的正冲击所引起的波动，即存在明显的“杠杆效应”；α大于0，说明欧盟碳期货价格波动呈现集群性现象，即过去的波动扰动对市场未来波动有着正向影响，较大幅度的波动后面一般紧接着较大幅度的波动，碳期货市场参与者投机性较强；β值为0.9868，表明当前方差冲击的74.49％在下一期仍然存在，相比较现货市场，现货市场价格的冲击衰减速度比期货市场慢。

44 基于极值理论的碳市场动态VaR分析 织梦内容管理系统

首先基于EVT-POT模型对标准残差尾部建模及静态VaR分析，极大似然估计结果如表2所示。

根据Netfci（2000）的建议，阈值μ通过μ=1.176×σT计算得到[11]。由此统计得到期货价格和现货价格收益率序列中比阈值μ大的个数分别为21和22，碳价格序列的样本数n均为247，将以上参数代人静态VaR模型公式（4），得到期货价格与现货价格收益率序列的静态VaR值均为1.5。 织梦内容管理系统

织梦内容管理系统

然后建立残差服从正态分布假设下的GARCH（1，1）模型，得到期货价格收益率序列和现货价格收益率序列的方差方程分别如下所示：

织梦内容管理系统

本文来自织梦

最后，计算得到95％置信度下，欧盟碳市场期现货价格上涨和下跌的动态VaR值。计算结果与实际值的比较如图1和图2所示。 dedecms.com

copyright dedecms

由图可见，当收益率序列变动剧烈时，VaR值波动也变得剧烈，说明基于GARCH-EvT的动态VaR分析与实际收益率损失值的变动较为吻合。在95％置信度下，对于期货价格收益率序列，超出VaR个数为35个；对于现货价格收益率序列，超出VaR个数为32个。由样本容量各为247可计算出该模型在欧盟碳市场风险度量上的准确率，分别为85.93％和87.04％， 说明GARCH-EVT-VaR模型可以较好的拟合欧盟碳市场期现货价格收益率的波动，并有效估计碳市场上涨和下跌的风险。 内容来自dedecms

5 研究结论 织梦好，好织梦

本文通过建立EGARCH模型来分析欧盟碳市场价格波动的不对称性，并采用EVT-POT理论、静态VaR和动态VaR分析等方法，对欧盟碳市场进行风险度量，结果表明： dedecms.com

（1）欧盟碳市场期现货价格收益率的波动均具有显着的不对称性，并且现货市场价格的冲击衰减速度比期货市场慢。特别是在碳期货市场中，碳价的收益率序列波动具有显着的不对称性，负收益率冲击所引起的波动大于同等程度的正冲击所引起的波动，即存在明显的“杠杆效应”。具体来讲，当出现利好信息时，会给条件方差的对数带来一个0.141467倍的冲击，而利空消息的出现会给条件方差的对数带来一个0.234321倍的冲击。 内容来自dedecms

（2）欧盟碳期货价格波动呈现集群性现象，即过去的波动扰动对市场未来波动有着正向影响，较大幅度的波动后面一般紧接着又一个较大幅度的波动，说明碳期货市场参与者投机性较强。

内容来自dedecms

针对价格波动不对称，在欧盟碳市场收益率分布的尾部渐进分布的具体描述上，利用EVT理论中的POT模型，实证得到了碳市场价格收益率分布的上尾和下尾分布的渐进估计式，定量刻画了收益率尾部的具体分布形式。结果表明，基于极值理论的动态VaR模型能够充分拟合欧盟碳市场收益率的分布，通过给出计算收益率极端值渐进分布形式的具体途径，可以获得对应置信度下的分位数点，从而得到风险管理和市场稳定机制的基本参数。

普通VaR方法是银行界普遍使用的风险度量方法，但对于存在极端事件的市场，基于EVT理论对样本数据的VaR估计会更为充分，更好地度量市场风险。分析表明，GARCH-EVT-VaR模型是评估碳市场风险的有效方法。EVT理论不需要对收益率的分布做前提假设，而是拟合尾部，这样可以在很大程度上减小建模风险，有效处理厚尾现象。因此，对于欧盟碳市场参与者，适当的采用极值理论将提高碳基金的运行安全。

研究价格涨跌行为是探讨市场稳定机制建设的理论基础，对碳市场参与者和管理者来讲，价格涨跌和市场风险更是格外关心的问题。本文对欧盟碳市场的价格波动行为和市场风险度量进行了实证研究，为进一步研究欧盟碳市场机制体制等奠定了理论基础。

参考文献：

织梦内容管理系统

[1]朱信凯，韩磊，曾晨晨.信息与农产品价格波动：基于EGARCH模型的分析[J].管理世界，2012，（11）：57-66.

dedecms.com

[2]刘庆富，仲伟俊，华仁海，等.EGARCH-GED模型在计量中国期货市场风险价值中的应用[J].管理工程学报，2007，（1）：117—121. 织梦好，好织梦

[3]孙林，倪卡卡.国际粮食价格波动非对称性分析——基于T分布下EGARCH模型[J].南京农业大学学报（社会科学版），2013，13（2）：68-75. copyright dedecms

[4]余为丽.基于极值理论的VaR及其在中国股票市场风险管理中的应用[D].湖北：华中科技大学，2006. copyright dedecms

[5]焦琦斌.基于极值理论的VaR方法在股指期货风险管理中应用研究[D].浙江：浙江大学，2009. 织梦内容管理系统

[6]王庆晓.基于极值理论的动态风险价值的研究[D].山东：山东大学，2009. dedecms.com

[7]魏一鸣，王恺，凤振华，等.碳金融与碳市场——方法与实证[M].北京：科学出版社，2010.

织梦好，好织梦

[8]凤振华.碳市场复杂系统价格波动机制与风险管理研究[D].安徽：中国科学技术大学，2012. 织梦好，好织梦

[9]杨翱.基于GARCH-EVT-VaR模型的碳市场风险研究[J].海南金融，2014，（4）：20-25. 本文来自织梦

[10]高铁梅.计量经济分析方法与建模Eviews应用及实例[M].北京：清华大学出版社，2006.100-105. 织梦内容管理系统

[11]刘志东，徐淼.基于GARCH和EVT的金融资产风险价值度量方法[J].统计与决策，2007，（9）：13-16.