基于三状态Markov模型的欧盟碳排放交易市场的状态转换结构研究

摘要：采用EUA现货与期货价格、CER期货价格日数据，结合AR-GARCH与Markov机制转换模型，研究碳排放市场的波动聚集与结构转换特征。结果发现：（1）市场存在尖峰厚尾与波动聚集，且存在较大的尾部风险；（2）市场呈现明显的状态转换结构特征，其中EUA现货与期货市场的结构变化较大且在较长时期内处于下跌状态；（3）市场在上涨、盘整和下跌状态下的期望持续期均大约为5天。此外，从盘整状态和下跌状态到上涨状态的转换概率比较小，市场将会在较长时间内处于某一状态下。

关键词：碳排放配额；核证减排量；状态转换；Markov机制转换模型

DOI：10.13956/j.ss.1001-8409.2017.02.29

中图分类号：F1133；F8309 文献标识码：A 文章编号：1001-8409（2017）02-0136-05

State Switching Structure of European Union

Carbon Emission Trading Market Based on

ThreeState Markov Model

HU Genhua1， WU Hengyu2

（1. School of Business； Research Center of Anhui InnovationDriven and IndustrialTransformation and Upgrading Development， Anhui University of Technology， Maanshan 243032；

2. School of Management， Jinan University，Guangzhou 510632）

Abstract：This paper applied ARGARCH model to study volatility clustering and proposed a Markov regime switching model to capture structural switches， based on the data of EUA spot prices， EUA futures prices and CER futures prices. Result showed that： Firstly， lepkurtosis， heavy tails and volatility clustering existed in the carbon emission trading markets， indicated that the tailed risks happened in the markets with a large probability. Secondly， the Markov regime switching model captured the threshold of different stages of the carbon emission trading markets， and identified a large change of the structures of EUA spot and futures markets and being the fall state in a long time. Besides， the expected durations of the states of the rise， the consolidation and the fall were five days. Additionally， the transition probabilities were small from the states of the consolidation and the fall to the rise， and the markets were in one of the three states for a long time.

Key words：carbon emission allowance； certified emission reduction； state switching； Markov regimeswitching model

引言

碳排放交易市龅慕立是尝试采用经济学手段解决气候变暖问题的重要途径。目前，碳排放交易市场已经成为重要的新兴贸易市场。碳排放交易市场的不断发展且日趋成熟，使得该市场的资本化程度逐渐深化，其金融属性也日益显著，并出现了多种碳金融产品及其衍生品。然而，该市场仍然不十分完善，市场结构容易受到外界信息的冲击而发生变化，并产生很大的市场不确定性风险。因而，研究碳排放交易市场的结构特征，不仅有助于完善市场制度，也有利于对该市场进行风险管理。

1相关文献综述

目前，针对碳排放配额和核证减排量的研究，许多国内外学者都是基于计量经济学方法，如Paolella和Taschini [1]，王军锋等 [2]。近几年来，国内外学者研究了碳排放现货交易市场的动态特征（如Conrad等[3]，吴恒煜和胡根华[4]）、期货市场的动态变化特征（如Rittler[5]，王玉和郇志坚[6]）、现货与期货市场之间的关系（如Nazifi[7]，和程玲[8]）、碳排放交易产品的定价与价格预测（如Chen等[9]，高杨和李健[10]）等。上述研究都是从碳排放市场自身的角度展开，并未研究其他资本市场与碳排放市场之间的关系。

实际上，碳排放交易市场与其他市场之间的联系越来越紧密且复杂，市场之间的风险传染日益显现。正是由于这一特征，碳排放交易市场容易受到其他资本市场的冲击。同时，自2005年正式引入碳排放交易制度以来，碳排放交易市场得到了快速发展，但市场的不成熟、不完善使市场在面临内部因素的冲击而发生市场结构的变化。采用Markov机制转换模型可以较好地研究这类特征，参见Benz和Trück[11]、刘维泉[12]、吴恒煜等[13]，这些研究往往从某一个方面进行研究。与上述研究不同，本文从收益率、残差和波动率等三个角度来展开研究。

本研究主要存在两方面不同。（1）主要研究碳排放交易市场EUA现货与期货市场、CER期货市场的结构特征，这是由于市场相对较为成熟，而采用具有代表性的市场能够得到较为准确的结论。（2）选择2010年1月4日至2014年6月30日的交易数据，主要是探讨碳排放交易市场在相对平稳的阶段所可能呈现的状态转换结构特征。

2基

32ARGARCH模型参数估计

采用GARCH族模型来拟合三个市场收益率序列，并假设残差服从Students t分布，同时运用极大似然参数估计方法估计参数，而AIC和BIC准则用来选择最优模型。根据这一准则，AR（1）GARCH（1，1）模型为最优模型。于是，表2直接描述了AR（1）-GARCH（1，1）模型的估计结果。

根据表2，GARCH（1）项的系数都比较大，表明EUA现货和期货市场、CER期货市场等三个市场均出现显著的波动聚集现象，且尖峰厚尾的特征也很显著。此外，GARCH（1）项和ARCH（1）项的系数之和均非常接近于1表2中，GARCH（1）项和ARCH（1）项的系数之和出现等于或者大于1，是由于数值的四舍五入的结果。实际上，两者的系数之和均小于1，但非常接近于1。

， 这说明在已知的约束条件下，AR（1）-GARCH（1，1）模型比较稳定，也表明模型的选择存在一定的合理性。根据自由度参数的值，EUA现货和期货市场、CER期货市场都存在较大可能性的尾部风险，市场发生极端事件的概率比较大。

33机制转换模型参数估计

在碳排放交易市场上，产品价格序列的变化常常呈现三种波动状态，即上涨状态（状态1）、盘整状态（状态2）和下跌状态（状态3）。因此，本文采用三状态Markov机制转换模型，分别在t分布和GED分布的假设下，从收益率和残差的角度来研究碳排放交易市场的结构转换特征。根据结果显示，在t分布假设下的对数极大似然值均要大于GED分布假设下的对数极大似然值。因此，主要分析t分布假设下的结果。

从收益率的状态转换特征看，EUA现货与期货市场、CER期货市场在三种状态下的转换概率均为080，表明三个市场处于三种状态的期望持续期均为5天。从残差的状态转换特征看，EUA现货与期货市场、CER期货市场在状态1下的转换概率均较大，即三个市场在上涨状态下的期望持续期均较长，而状态2和状态3的期望持续期相对非常短。另外，EUA期货市场与CER期货市场在三种状态下的转换概率均相等，说明两个市场的状态转换特征趋同。

资本市场的波动变化特征，其外在表现就是体现在价格或者收益率的波动上，而其内在根本原因是由波动率驱动。尽管波动率无法观测，但运用AR（1）GARCH（1，1）模型可以得到波动率序列。根据表3，EUA现货与期货市场、CER期货市场在三种状态下的转换概率均相等，且碳排放市场从市场盘整状态和下跌状态到上涨状态的转换概率比较小，说明当市场处于某一状态时，可以预计该市场将会在较长时间内处于该状态下。

34状态的识别与平滑概率分析

如图2所示，描述了碳排放市场在三种状态上的平滑状态概率。如果简单地以05的概率作为临界点，当市场处于某一状态的概率大于05时，就认为该市场处于这一状态。于是，基本上可以粗略地判定，EUA现货市场基本上在2012年之前、2012年2月至2012年12月、2013年7月至2014年2月、2014年4月之后都处于上涨状态，而2012年1月、2013年1月至6月、2014年3月处于下跌状态。

根据EUA期货市场的平滑状态概率图，其状态走势基本与EUA现货市场相似。主要原因是因为EUA现货市场发展的历史较长、制度较完善等，其在碳排放交易市场上起着市场主导的作用，且已经具有较为明显的价格发现功能。因此，EUA期货市场的发展受到EUA现货市场很强的影响，其市场结构的状态变化大体上趋同于EUA现货市场。对于CER期货市场而言，也受到EUA现货与期货市场的影响，但其市场结构特征仍然有别于另外两个市场。相比于其他两个市场，CER期货市场经历了更多次数的上涨状态与下跌状态之间的转换，但每次处于下跌状态的时间都不长，这在很大程度上说明CER期货市场的结构出现较为频繁的改变。另外，只有CER期货市场在某些时间段上短暂地表现出市场盘整的状态。

4结论与启示

本文结合ARGARCH与Markov机制转换模型，研究EUA现货市场与期货市场、CER期货市场的波动聚集现象与结构转换特征。主要研究结果如下：（1）碳排放交易市场存在尖峰厚尾与波动聚集现象。（2）在不同的发展阶段，碳排放交易市场呈现明显不同的状态转换结构特征，其中EUA现货市场与期货市场的结构变化较大，且在较长时期内处于下跌状态。另外，碳排放交易市场在上涨状态、盘整状态和下跌状态下的期望持续期均大约为5天。（3）碳排放市场从市场盘整状态和下跌状B到上涨状态的转换概率均比较小。

通过研究发现，碳排放交易市场在不同发展阶段上发生了明显的状态转换结构特征。同时，新的减排政策的出台也会给碳排放交易市场带来很大的冲击。因此，对于我国碳排放交易市场建立初期而言，由于市场不成熟、制度不完善而需要调整或者改变相关政策，但并不宜追求“重拳出击”的大举措，而只能是循序渐进地调整，这将对我国碳排放交易市场的稳定运行至关重要。自2013年6月18日我国首个碳排放权交易所在深圳挂牌交易以来，已经有多个城市试点碳排放权交易，这有利于促进我国碳排放权资源的有效配置。但目前，我国还没有建立全国统一的碳排放权交易市场，且碳排放权交易产品相对单一，无法使我国碳金融市场同国外碳交易市场相接轨。在未来，需要在相关政策的支持下稳步推进CDM项目，不断开发更多的减排项目产品，这对于进一步完善我国碳排放权交易市场具有很重要的意义。

参考文献：

[1]Paolella M S， Taschini L. An Econometric Analysis of Emission Allowance Prices[J]. Journal of Banking & Finance， 2008， 32：2022-2032.

[2]王军锋，张静雯，刘鑫.碳排放权交易市场碳配额价格关联机制研究――基于计量模型的关联分析[J].中国人口・资源与环境， 2014， 24（1）：64-69.

[3]Conrad C， Rittler D， Rotfu W. Modeling and Explaining the Dynamics of European Union Allowance Prices at Highfrequency [J]. Energy Economics， 2012， 34：316-326.

[4]吴恒煜，胡根华. 国际碳排放权市场动态相依性分析及风险测度：基于Copula-GARCH模型[J].数理统计与管理， 2014， 33（5）：892-909.

[5]Rittler D. Price Discovery and Volatility Spillovers in the European Union Emissions Trading Scheme： A Highfrequency Analysis [J]. Journal of Banking & Finance， 2012， 36： 774-785.

[6]王玉，郇志坚.欧盟碳排放权交易市场的价格发现和波动溢出研究[J].中国人口・资源与环境， 2012， 22（5）： 244-249.

[7]Nazifi， F. Modeling the Price Spread between the EUA and the CER Carbon Prices [J]. Energy Policy， 2013， 56：434-445.

[8]，程玲.欧盟碳配额现货与期货价格关系及对中国的借鉴[J]. 中国人口・资源与环境， 2016， 26（7）：85-92.

[9]Chen S， Lin S， Li C. Pricing Derivatives with Modeling CO2 Emission Allowance Using a Regime Switching Jump Diffusion Model： With Regimeswitching Risk Premium[R]. Working Paper， 2014.

[10]高杨，李健.基于EMD-PSO-SVM误差校正模型的国际碳金融市场价格预测[J]. 中国人口・资源与环境， 2014， 24（6）：163-170.

[11]Benz E， Trück S. Modeling the Price Dynamics of CO2 Emission Allowances [J]. Energy Economics， 2009， 31（1）：4-15.

[12]⑽泉.欧盟碳排放配额价格的区制转换特征研究[J].软科学， 2014， 28（1）：95-100.

[13]吴恒煜，胡根华，秦嗣毅，刘纪显.国际碳排市场动态效应研究：基于ECX CER市场[J].山西财经大学学报， 2011， 33（9）：18-24.