歐盟碳排放權價格波動特征研究

【摘要】本文通過構建MS-AR（1）模型分別對2012、2013和2014年到期的碳期貨合約（Dec12，Dec13，Dec14）進行了研究，結果顯示：MS-AR（1）模型可以很好的反映各個碳期貨價格的波動特征；Dec12和Dec13價格上漲和下跌持續的時間大致相同，而Dec14價格上漲和下跌持續的時間相差比較大，在整個價格交易期間，Dec14的價格幾乎都是處于下跌的狀態。

【關鍵詞】馬爾科夫機制轉換模型 碳排放權 價格

一、引言

自歐盟碳排放權交易市場建立以來，EUA價格經歷了幾次波動。2006年4月，由于核準數據的泄露，EUA價格迅速下降；2006年10月EUA現貨價格上升，曾一度接近30歐元，但隨后EUA價格迅速下跌，幾乎接近于零；2008年11月EUA價格再一次發生了比較大的波動，并且不同合約之間發生波動的時間差很短，甚至有的合約價格波動竟然發生在了同一天。經歷了歐債危機后，2011年碳價格又一次經歷了迅速下降階段，在很短的時間內又一次到達最低位，自此以后，碳價格一直在低位徘徊。碳價格在2006年、2008年和2011年經歷了多次波動，EUA價格波動頻繁和猛烈的現象引起了學者高度關注，許多學者對碳價格波動進行了研究。

學者們多采用GARCH模型和Markov機制轉換模型量化模型對碳交易市場價格波動進行研究。Alberola等（2008）運用歐盟碳排放交易體系下第一階段（2005-2007）的現貨數據對碳價格進行了檢驗，結果顯示，碳排放交易價格出現了2次比較大的價格波動而呈現非線性特征；郭福春，潘錫泉（2011）在其基礎上，對歐盟碳排放權交易體系下第二階段（2008-2012）的碳期貨價格進行了研究，也發現碳價格出現了多次大的波動而呈現非線性的特征。Benz（2009）構建了Markov機制轉換模型和AR-GARCH模型對短期內二氧化碳排放限額的現貨價格和碳價收益率的波動行為進行研究，通過4類不同模型的對比發現：AR-GARCH模型與Markov機制轉換模型能夠更好地反映EU ETS的碳價格波動特征。吳恒煜、胡根華等（2011）構建了VAR模型、GARCH模型和Markov機制轉換模型對國際碳排放市場中CER期貨和現貨市場的動態效應進行了研究，結果顯示：T-GARCH模型可以很好的擬合歐洲氣候交易所CER期貨和現貨市場的收益率。

從上述學者的研究結果可知：Markov機制轉換模型和GARCH模型比較適合研究碳排1放權價格波動特征，但是這些學者在用Markov機制轉換模型對碳交易價格波動進行研究時沒有考慮碳交易前期價格對碳價格的影響，這將導致結果的不準確性，因此，本文考慮到時間序列數據往往會存在自相關性，將在Markov機制轉換模型的基礎上引入AR模型即MS-AR模型對碳排放權價格波動特征進行研究。

二、實證分析

（一）樣本數據的選取及基本特征分析

由于EU ETS第一和第二階段的期貨合約已經全部到期交割，因而本文將第三階段碳期貨合約作為研究對象，重點研究分別對2012、2013和2014年到期的碳期貨合約價格（Dec12，Dec13，Dec14）數據進行研究，其中Dec12代表第二階段已經完成交割的碳期貨合約，Dec13和Dec14分別代表第三階段2013年12月和2014年12月未到期交割的碳期貨合約。

本文數據來源ICE交易所，各碳期貨合約的起始時間為各碳期貨合約開始交易的時間，期貨合約Dec12采用的是2008年6月13日至2012年9月28日的數據，合約Dec13采用的是2009年9月28日至2012年9月28日的數據，合約Dec14采用的是2010年9月28日至2012年9月28日的數據。

在進行建模以前，本文分析了各碳期貨合約的基本特征，以下是各碳期貨合約價格變化的折線趨勢圖：

圖1 Dec12折線圖

圖2 Dec13折線圖

圖3 Dec14折線圖

從圖1可以看出，從2008年后半年開始到2008年年底，Dec12價格經歷了大幅下跌的過程，此次碳價格下跌經歷了半年之久，碳價格從近35歐元的高價一直下跌到了10歐元以下。進入2009年后，碳價格開始了上升的過程，不過上升的幅度不是很大，在2009年5月左右開始，碳價格進入了較長時間的震蕩過程，在隨后的兩年中，碳價格一直在10歐元和20歐元之間不斷波動。在2011年年底左右，碳價格下跌到了最低，在隨后的時間中，碳價格一直在0到10歐元之間震蕩波動。

從圖2可以看出，Dec13自交易日起直到2011年年底，碳期貨價格一直在14歐元與20歐元之間波動。比較圖2和圖3可以看出，合約Dec13和Dec14的價格在相同的時間段之間，價格波動比較一致，即在2011年3月到2011年7月之間，碳價格一直在高位波動，且波動的幅度比較小，這輪波動持續的時間也比較短。而在隨后的時間內，碳期貨價格開始下跌，在2011年底2012年初左右，碳期貨價格下跌到最低點；進入2012年后，碳期貨價格一直在10歐元以下波動，波動的幅度不是很大。

由于計量模型一般要求時間序列是平穩時間序列，因而本文遵循一般的文獻方法，對各碳期貨數據進行了如下的處理：

yt=100×（ln（pt）-ln（pt-1））

其中，pt為碳期貨合約在t時刻的價格。

（二）MS-AR模型的建立

Hamilton（1989）提出的馬爾科夫機制轉換模型是非線性時間序列模型，它可以很好地刻畫時間序列的機制轉換特征，捕捉到這種復雜的時間序列動態演化過程。基于此本文對處理后的各碳期貨時間序列yt構建MS-AR（1）模型（即兩狀態一階自回歸馬爾科夫機制轉換模型），采用極大似然估計法、用OX-METRICS軟件對模型參數進行估計，估計結果如下：

表1 Dec12價格處理后的時間序列yt構建MS-AR（1）模型的參數估計結果

表2 Dec13價格處理后的時間序列yt構建MS-AR（1）模型的參數估計結果

表3 Dec14價格處理后的時間序列yt構建MS-AR（1）模型的參數估計結果

由表1可以看出，在狀態為0時，μ0為負值，說明碳期貨Dec12處于下跌狀態；在狀態為1時，μ1為正值，說明碳期貨Dec12處于上漲狀態。在這兩種狀態下，σ■■大于σ■■，即在狀態0的情況下，碳期貨Dec12的價格波動比較大。匯率的兩種轉換機制的轉換概率都小于1，p00=0.974036，說明在狀態為0時，當天碳期貨Dec12價格下跌繼而繼續下跌的概率為0.974036，該種狀態的平均持續期為■天；p11=0.97297，表明在狀態為1時，當天碳期貨Dec12價格上漲繼而上漲的概率為0.97297，該種狀態的平均持續期為■=37.00，由此可以得出，碳期貨Dec12價格下跌持續的時間要比價格上漲持續的時間長。

由表2可以看出，在狀態為0時，μ0為負值，說明碳期貨Dec13處于下跌狀態；在狀態為1時，μ1為正值，說明碳期貨Dec13處于上漲狀態。在這兩種狀態下，σ■■大于σ■■，即在狀態0的情況下，碳期貨Dec13的價格波動比較大。匯率的兩種轉換機制的轉換概率都小于1，p00=0.985405，說明在狀態為0時，當天碳期貨Dec13價格下跌繼而繼續下跌的概率為0.985405，該種狀態的平均持續期為■天；p11=0.98548，表明在狀態為1時，當天碳期貨Dec13價格上漲繼而上漲的概率為0.98548，該種狀態的平均持續期為■=67.87，由此可以得出，碳期貨Dec13價格下跌持續的時間要比價格上漲持續的時間長。

由表3可以看出，在狀態為0時，μ0為正值，說明碳期貨Dec14處于上漲狀態；在狀態為1時，μ1為負值，說明碳期貨Dec14處于下跌狀態。在這兩種狀態下，σ■■大于σ■■，即在狀態0的情況下，碳期貨Dec14的價格波動比較大。匯率的兩種轉換機制的轉換概率都小于1，p00=0.193205，說明在狀態為0時，當天碳期貨Dec14價格上漲繼而繼續上漲的概率為0.193205，該種狀態的平均持續期為■=1.23天；p11=0.94546，表明在狀態為1時，當天碳期貨Dec14價格下跌繼而下跌的概率為0.94546，該種狀態的平均持續期為■=18.34，由此可以得出，碳期貨Dec14價格下跌持續的時間要比價格上漲持續的時間長。

（三）平滑概率分析

平滑概率可以直觀的描述碳期貨在各個時期所處的狀態，也可以明顯的看出各個狀態大致持續時間的長短，基于此本文將各個碳期貨的平滑概率進行了分析，圖4、圖5、圖6分別是各個期貨的平滑概率圖：其中圖4a表示Dec12價格下跌的平滑概率，圖4b表示Dec12價格上漲的平滑概率；圖5a表示Dec13價格下跌的平滑概率，圖5b表示Dec13價格上漲的平滑概率；圖6a表示Dec13價格上漲的平滑概率，圖6b表示Dec13價格下跌的平滑概率。

圖4a Dec12平滑概率

圖4b Dec12平滑概率

圖5a Dec13平滑概率

圖5b Dec13平滑概率

圖6a Dec14平滑概率

圖6b Dec14平滑概率

由圖4a和10b可以看出，Dec12的價格機制表現比較明顯，在整個交易的開始時期近一年的時間中，Dec12的價格基本處于下跌狀態；在接下來的二年多的時間中，Dec12的價格基本處于上漲狀態；而在最后交易的一年的時間中，Dec12的價格基本處于下跌狀態。即金融危機發生后，Dec12的價格開始下跌，這時全球經濟在金融危機大環境的影響下，這種經濟的不景氣也影響到了碳期貨市場。而在2009年以后價格才有所上漲，直到2011年底碳期貨價格又開始了新一輪的價格下跌過程。由圖5a和5b可以看出，Dec13在整個交易的期初的時間內（即2009年9月28日開始），價格處于上漲的狀態，這一輪上漲經歷了近兩年的時間；在進入2011年7月份后，Dec13的價格開始下跌。在這一時期，全球經濟在經歷了金融危機后開始復蘇，伴隨著經濟的增長，諸如煉油廠、發電廠、鋼鐵廠、水泥廠、玻璃廠、造紙廠以及航空業等實體產業也開始復蘇，進而對能源、電力、鋼鐵和水泥等的消費增加。碳排放配額分配主要涉及的產業涵蓋了煉油廠、發電量超過20兆瓦發電廠、鋼鐵廠、水泥廠、玻璃廠、造紙廠以及航空業等實體產業，顯然全球經濟的復蘇對這些行業的減排壓力就會增加，全球對排放權的需求就會增加，而碳排放配額沒有增加，從而促進了碳期貨市場價格的上漲。

由圖6a和6b可以看出，Dec14從開始交易的時間2009年9月28日開始，價格就開始下跌，在整個交易時間內，價格大致都處于下跌的狀態。在這一時期，正是歐債危機的發生時期，顯然Dec14的價格受到了歐債危機的影響。歐債危機的發生促使市場中的資金開始流向其他國家以規避風險，這使得歐洲的經濟開始下滑，經濟的下滑就會對能源、電力、鋼鐵和水泥等的消費減少，從而使得碳減排的實體產業對碳排放權的需求減少，而碳排放配額沒有發生變化，從而促進了碳期貨市場價格的下跌。

三、結論

以上通過構建MS-AR（1）模型對碳期貨價格波動特征進行研究，結果顯示：MS-AR（1）模型可以很好的反映各個碳期貨價格的波動特征；由于受到金融危機和歐債危機的影響，各碳期貨價格波動的特征又有不同，Dec12和Dec13價格上漲和下跌持續的時間大致相同；而Dec14價格上漲和下跌持續的時間相差比較大，在整個價格交易期間，Dec14的價格幾乎都是處于下跌的狀態。在平滑概率分析中，對各碳期貨價格波動的原因進行了分析，主要從金融危機、歐債危機和經濟增長這三個方面對碳交易市場價格波動的原因進行了解釋。而多數學者在對碳交易市場進行研究時，考慮的是能源價格、電力價格和天氣因素對碳交易市場價格的影響，而忽略了像金融危機和歐債危機這種特殊的因素對碳交易市場的影響，所以今后學者在對碳交易市場價格進行研究時，需要考慮下當時的社會背景，進而對整個碳交易市場進行全面的分析。

參考文獻

[1]Benz Eva， Hengelbrock Jordis. Liquidity and price discovery in the European CO2 futures market an intraday analysis[J]. Carbon Markets Workshop，2009（5）27-60.

[2]吳恒煜，胡根華，秦嗣毅，劉紀顯.國際碳排市場動態效應研究：基于ECX CER市場[J].山西財經大學學報，2011（09）：18-24.

[3]Ulrich Oberndorfer.EU Emission Allowence and the stock market：Evidence from the electricity industry[J].Ecological Economics，2009，68（4）：1116-1126.

[4]徐天艷.基于GARCH模型的核證減排期貨價格波動性研究[J].時代金融，2011，（12）：209-211.

[5]張躍軍，魏一鳴.國際碳期貨價格的均值回歸：基于EU ETS的實證分析[J].系統工程理論與實踐，2011，（02）：214-220.

[6]Seifert Jan，Uhrig-Homburg Marliese，Wagner Michael，Dynamic behavior of CO2 spot prices[J].Journal of Environmental Economics and Management，2008，56（2）：180-194.

[7]Julien Chevallier，Florian Ielpo，Ludovic Mercier. Risk aversion and institutional information disclosure on the European carbon market：A case-study of the 2006 compliance event[J].Energy Policy，2009，37（1）：15-28.

[8]Daskalak George，Psychoyios Dimitris，Markellos Raphael N.Modeling CO2 emission allowance prices and derivatives：Evidence from the European trading scheme[J].Journal of Banking Finance，2009，33（7）：1230-1241.

[9]Feng Zhen-Hua，Zou Le-Le，Wei Yi-Ming. Carbon Price Volatility：Evidence From EU ETS [J].Applied Energy，2011，88（3）：590-598.

基金項目：本文受到北京市教委學科與研究生教育專項基金資助（PXM2013_014212_000005）。

作者簡介：鄭春梅，副教授，研究方向：宏觀經濟分析與政策；劉紅梅，研究生，專業：數量經濟學。