R-vinecopula在中国碳市场中的风险溢出效应研究.docx

? ? R-vinecopula在中国碳市场中的风险溢出效应研究 ? ? 吴 永，张 静，龚乃林，贺洪莲 (重庆理工大学 理学院， 重庆 400054) 作为金融市场的一部分，碳市场既反映了自身风险特征，也揭示了其他金融市场风险的特点。碳市场风险包括系统性风险和非系统性风险。系统性风险是受政治和经济影响的碳市场中普遍存在的一种风险，这种风险无法控制。自碳市场建立以来，它的价格波动大，和传统金融市场相比，存在更多不确定因素和更高的风险[1]。为了掌握碳市场的信息和风险传递机制，有必要对碳市场的风险溢出效应进行研究。现有文献大多研究的是碳市场与能源市场之间的风险溢出效应。 如Reboredo[2]研究了石油市场和欧盟碳市场之间的风险溢出效应。Zhang等[3]研究了欧盟碳配额期货价格和能源价格之间的时变关系和波动溢出效应。Wu等[4]研究了欧盟碳排放权市场和3个能源期货市场(原油、天然气、煤炭)之间的波动溢出效应。本文主要目的是探索中国区域排放机制下试点碳市场之间的风险溢出效应。 碳金融市场将通过期权、期货、现货交易等形式产生二氧化碳排放权且受碳金融市场机制的影响[5]。因此，金融市场中较为常见的风险度量方法也可应用于碳市场，如敏感性分析、情景分析、波动性方法和在险价值(VaR)方法[6]。在众多分析方法中，巴塞尔协议和欧盟资本充足率指南都使用VaR作为监督标准，这也是大多数国家央行用来衡量风险的方法[7]。如Tian等[8]用GARCH-EVT-VaR模型测度欧盟和芝加哥碳市场在正常和极端条件下的风险。Jiang等[9]用GARCH-EVT-VaR模型来对欧盟碳市场风险进行实证分析。Du等[10]采用ARCH-VaR模型来测度北京、深圳、上海、广州、天津、湖北6个城市的碳市场风险。Qi等[11]采用GED-GARCH-VaR测度欧盟碳期货和现货市场的风险。Zhu等[12]基于多尺度VaR经验模型分解(EMD)来测度欧盟碳市场风险。Gao等[13]构建了一个改进GARCH-EVT-VaR模型来测度欧盟碳期货市场在不同类型的结构突变点下的风险。但VaR方法不满足风险测度的一致性和凸性条件。因此，学者们提出了许多改进方法，如CVaR、期望损失(ES)、高阶ES等。如Ji 等[14]应用了时变copula-CoVaR方法测度能源市场的不确定和极端风险溢出。Ji等[15]使用6种时变copula-CoVaR模型测度美国和中国的WTI原油和外汇市场之间的溢出效应。由于碳市场存在极端风险，CVaR可以很好利用极端尾部风险，因此，本文应用CVaR来测度碳市场的风险。而通常金融资产收益率具有尖峰厚尾的特点，近年来，copula方法也广泛用于能源市场。该函数可用于解决非线性、非对称相依性结构，是一种用来探索市场之间相依性结构的有力工具。如Wu等[16]利用copula-GARCH模型探索欧洲碳期货与现货市场之间的动态相依性。Hu等[17]利用R-vine copula模型探索欧盟碳市场的相依性特点，发现R-vine copula可以很好地描述碳市场的相依性结构。Uddin等[18]使用典型的C-vine copula与C-vine copula-CoVaR模型发现碳资产可以为能源产品投资提供不同的利益，如原油、天然气、乙醇、加热油、煤炭、汽油。Kumar等[19]用一个相依性转换copula模型来研究BRICS股票与外汇市场之间的相依性结构，并发现用R-vine copulas得出的相依性是最适用于投资组合的VaR的计算的。尽管现存的研究对碳市场的风险测度与溢出效应研究都具有参考价值，但仍存在不足：首先，已有的风险溢出测度方法中，多元GARCH模型和copula-GARCH模型是用于测度碳市场相依性的典型模型，虽然GARCH模型能很好地测度市场之间的风险溢出，但只能用于线性风险溢出的测度，不能用于非线性风险溢出效应的测度。其次，在已有copula-GARCH模型中，更多使用的是二元copula或多元copula，vine copula很少使用。多元copula使用的是相同的copula函数来构建市场相依性结构的。而实际上，金融资产之间的相依性结构与期望的都不一致。最后，大多数研究都关注欧盟碳市场的风险测度与溢出效应，很少关注中国试点碳市场之间的风险测度与溢出效应。 本文应用CVaR来测度我国试点碳市场的风险，R-vine copula-CoVaR测度碳市场风险溢出效应，比较分析了碳市场之间的相对风险溢出。本文主要贡献如下：① 利用CVaR测度我国试点碳市场的风险，与VaR相比，CVaR能更好捕捉尾部风险。② 构建GARCH-R-vine copula-CoVaR模型来测度我国碳市场的风险溢出效应，与多元GARCH模型相比，基于copula的