基于DGCMSVt模型的歐盟碳市場信息流動研究

張晨++劉宇佳??

摘要：以能較好地刻畫碳價隨機波動特征的DGC-MSV模型為基礎，考慮碳價尖峰厚尾特性，采用t分布修正模型，選擇國際碳市場典型產品EUA為對象，將碳市場溢出效應研究拓展到碳現貨、期貨、期權三市場中。研究發現：均值溢出方面，EUA現貨、期貨、期權三市場間呈現高度時變正相關。現貨與期貨、現貨與期權市場時變關系波動劇烈但波動持續性較低，期貨與期權市場則反之；波動溢出方面，EUA現貨與期貨、期貨與期權市場間均有顯著且雙向為正的風險傳導現象，但僅存在期權對現貨市場微弱的正向溢出。期權與期貨市場相比信息量更豐富，是主要的風險溢出源。

關鍵詞：碳現貨；碳期貨；碳期權；均值溢出；波動溢出

DOI：10.13956/j.ss.1001-8409.2017.02.28

中圖分類號：F113；F8315 文獻標識碼：A 文章編號：1001-8409（2017）02-0130-06

Research on Information Flow of EU ETS Based on

DGCMSVt Model

ZHANG Chen， LIU Yujia

（School of Management，Hefei University of Technology， Hefei 230009）

Abstract：This paper improved DGCMSV model using a t distribution hypothesis.It used the EUA data to extend spillover effect on carbon emission markets to spot， futures， options markets. The empirical results showed that： in terms of mean spillover effect， there was a high and dynamic degree of positive correlation in three markets. The correlation between spot and futures markets， spot and options markets fluctuated wildly but didnt last long. The relationship between futures and options markets was opposite. In terms of volatility spillover effect， there was a significant positive risk transmission which was twoway between spot and futures markets， futures and options markets. There was only oneway spillover from options market to spot market which was positive but weak. Options market was the main source of risk spillover.

Key words：carbon spot； carbon futures； carbon options； mean spillover； volatility spillover

引言

經濟與環境的平衡問題一直是國際關注熱點。隨著2015年12月巴黎氣候大會的召開，碳排放權交易市場已成為全球節能減排重要平臺。但其作為新興市場極易受到復雜外部環境影響[1]，碳價波動態勢明顯。歐盟碳排放權交易體系（European Union Emission Trading Scheme，EUETS）下主要產品歐盟排放配額（European Union Allowances，EUA）的成交量占市場交易總量的80%以上，價格波動對碳市場總體影響不容小覷[2，3]。2012～2013年，歐洲經濟下滑以及《京都議定書》第一承諾期到期使歐盟碳市場劇烈波動，碳價不穩定性迅速傳染到全球碳市場中，給國際碳市場發展帶來很大不確定性。這種不穩定性傳播的本質是引起市場價格變化的信息從一個市場傳遞到另一個市場的過程，即信息流動。探究碳市場間信息流動關系，對于穩定碳市場運行具有重大意義。

從傳播渠道上看，信息流動分為衡量碳市場間價格聯動的均值溢出效應和刻畫碳價波動風險在市場間傳導程度與方向的波動溢出效應。均值溢出效應主要通過協整檢驗、Granger因果檢驗等方法刻畫，借助脈沖響應函數進行動態沖擊分析，運用方差分解技術與公共因子模型量化各碳市場在結構沖擊后對價格發現的貢獻度，結論大多認為碳現貨市場處于價格信息中心，期貨市場的價格發現功能較弱甚至未體現[4]，EUA與CER期貨均扮演重要的價格發現角色，但EUA期貨起主導作用[4～9]，也有研究認為兩者價格間不存在長期的時變相關性和趨同現象[10，11]。波動溢出效應方面，DCC-MVGARCH模型可度量碳市場間動態相關關系[12，13]，但無法分析市場間波動溢出效應方向。運用改進的MGARCH-BEKK模型檢驗發現EUA與CER期貨市場間存在雙向波動溢出效應[5]，且EUA對CER波動溢出更大[4]；EUA期貨市場的負向沖擊比正向沖擊對CER期貨價格引發的條件波動更大[5]；也有研究認為CER市場目前尚不成熟，僅存在CER到EUA的單向波動溢出[6]。

已有研究尚存在兩點不足：①碳市場溢出效應研究對象不全面。已有研究多關注碳現貨與期貨市場信息流動關系，未考慮碳期權市場影響。基礎產品碳現貨與衍生產品碳期貨、期權三者間具有內在價格聯動機制，溢出效應勢必會通過此機制向碳期權市場傳遞。忽視碳期權市場的影響將不能真實刻畫國際碳市場間復雜多變的溢出關系。②對多元碳價波動特征刻畫不夠完善。已有研究大多基于正態分布，建立多元GARCH模型探討碳市場間波動溢出效應。碳價收益率序列具有尖峰厚尾特性，因而不適用正態分布假設。GARCH族模型雖能較好刻畫碳資產價格波動率，但過多依賴歷史波動信息，對于碳價波動隨機性刻畫不足。

本文將碳期權納入碳市場溢出效應機制研究框架，結合動態條件相關系數矩陣與Granger因果檢驗式，構建基于t分布的動態因果相關隨機波動模型（DGC-MSV-t模型）以更準確地表征碳價收益率序列的隨機波動與尖峰厚尾特征，探究了EUA產品下碳現貨、期貨、期權波動溢出效應與三元時變動態關系。

1歐盟碳市場溢出效應檢驗模型構建

相較GARCH族模型，多元隨機波動模型（Multiple Stochastic Volatility Model， MSV）在刻畫碳資產價格的隨機波動特性上更加準確[14，15]，衍生出了動態相關系數多元隨機波動模型（Dynamic Conditional Correlation-Multiple Stochastic Volatility Model，DCC-MSV）與多元隨機波動格蘭杰因果檢驗模型（Granger Causality-Multiple Stochastic Volatility Model，GC-MSV）。DCC-MSV模型可較好地刻畫碳市場時變關系，然而這種對稱的關系無法體現碳市場波動溢出方向與領先滯后關系。GC-MSV模型能很好地度量波動溢出的方向性，但缺點是無法刻畫市場間時變關系。本文將DCC-MSV與GC-MSV模型結合，同時從時變性與方向性兩層面探討國際碳市場間均值與波動溢出效應。考慮到碳價收益率序列的尖峰厚尾特性，構建基于t分布的帶Granger因果檢驗的動態相關系數多元隨機波動模型（DGC-MSV），記為DGC-MSV-t模型：

yt=diag（exp（ht/2））εt，εt～i.i.dt（0，Σε，t，υ）（1）

ht=μ+Φ（ht-1-μ）+ηt，ηt～i.i.dN（0，diag（σ2η1，σ2η2））（2）

qt=ψ0+ψ（qt-1-ψ0）+τzt，zt～i.i.dN（0，1）（3）

ρt=exp（qt）-1exp（qt）+1（4）

Φ=（11122122）（5）

Σε，t=1ρtρt1（6）

在式（1）至式（6）中，yt=（y1t，y2t）′是t時刻碳價收益率序列。εt=（ε1t，ε2t）′為收益率序列的隨即干擾項，服從均值為0，方差為Σε，t，自由度為υ的二元t分布。Σε，t是時變相關系數矩陣，考察市場間動態均值溢出效應；ht=（h1t，h2t）′表示t時刻碳價收益率序列的潛在波動序列。μ=（μ1，μ2）′代表碳市場波動在長期下的平均水平。11、22分別表示不同碳市場自身的波動持續性；12、21分別表示市場2對市場1、市場1對市場2的波動溢出效應。ψ表示動態相關系數的持續性系數，該值越接近于 1，說明碳市場間相關程度的持續時間越久。zt、、εt、ηt 三者間相互獨立。

2歐盟碳市場溢出效應實證結果分析

21樣本選擇與預處理

本文以EUA產品下碳現貨、期貨、期權市場為研究對象，考慮《京都議定書》第二承諾期到期前后的政策與國際形勢變化，選擇后京都時代碳價數據為樣本（見表1）。

表1碳市場溢出效應樣本選取說明

研究內容研究對象樣本時間樣本類型樣本量樣本來源變量表示

碳現貨與期貨市場溢出效應碳現貨碳期貨201312～2016429現貨合約日度數據連續期貨合約日度數據821歐洲能源交易所（EEX）Wind數據庫EUASEUAf

碳期貨與期權市場溢出效應碳期貨碳期權2014218～20151209期貨合約DEC15日度數據

期貨期權合約DEC15日度數據451洲際交易所（ICE）EUAf15EUAo15

碳現貨與期權市場溢出效應碳現貨碳期權2014218～20151209

現貨合約日度數據期貨期權合約DEC15日度數據451歐洲能源交易所（EEX）洲際交易所（ICE）EUASEUAo15

注：由于碳期權產品缺少每日連續合約，為使期貨期權數據匹配且充分，選擇交易較為活躍的碳期權合約與對應的EUA期貨合約。該期權標的為2015年12月到期的EUA 期貨，執行價格為7歐元/噸二氧化碳當量。考慮數據可獲得性與完整性，樣本期間為2014年2月18日至2015年12月9日。研究碳現貨與期權市場時，期權樣本選擇方式不變。

為消除時間序列異方差現象，對每日碳價Pt取自然對數再差分方式得到收益率序列Rt：

Rt=100×（lnPt-lnPt-1）（6）

由圖1可知：EUA現貨、期貨、期權收益率均表現出波動集聚性。現貨與期貨波動頻率基本一致，期權收益率出現三次較大的異常波動。如表2所示，4種產品收益率偏度均不為0，峰度遠大于標準正態分布系數3，J-B統計量在1%水平上顯著。碳價收益率序列均為尖峰厚尾的非正態分布，而SV類模型可有效解釋分析這些統計特性。因此本文選擇MSV模型對多元碳價收益率關系進行建模。

為避免偽回歸，對樣本數據進行ADF平穩性檢驗（見表3）。平穩性檢驗統計量值均小于在1%顯著性水平下的臨界值-3455193，樣本收益率序列均為平穩序列。

22歐盟碳市場溢出效應模型收斂性分析

選用基于Gibbs抽樣的馬爾科夫鏈蒙特卡羅（MCMC）方法進行參數估計。采用WinBUGs軟件對4組碳價收益率關系建模，對參數共進行50000次迭代運算，舍棄前10000次作為預燒樣本。由于篇幅有限，以反映碳市場自身波動持續性參數11、22為例，根據參數迭代軌跡圖、后驗密度圖、分位數圖以及自相關圖判斷模型收斂性。參數軌跡圖無明顯傾向性或周期性（見圖2a）、后驗密度較平滑且僅一個尖峰（見圖2b）、分位區間圖保持平穩（見圖2c）、自相關圖很快向零收斂（見圖2d）。由后文參數估計結果中MC 誤差遠小于標準差也可佐證，MCMC迭代過程達到平穩。因此本文構建的DGC-MSV-t模型可有效模擬碳市場間溢出關系。

23歐盟碳市場均值溢出效應分析

均值溢出效應刻畫碳市場收益率序列的時變動態關系，模型中EUA現貨與期貨間、現貨與期權間、期貨與期權間的均值溢出效應分別由動態條件相關系數ρsf、ρso、ρfo表征。

由表4可知：ρsf與ρso均值較高，標準差與極差都較大，且最小值均為負值，反映出現貨與期貨、現貨與期權市場間的相關關系緊密但波動劇烈。期貨與期權市場間則呈現出高度且較為穩定的正向相關。

比較圖3發現：EUA現貨與期貨、現貨與期權市場動態相關系數整體走勢較為相似。兩組相關系數出現多個驟降節點，驟降原因可能與碳市場政策法規變化有關，已有研究表明政策制定會顯著影響碳價波動[16～18]。沿時間軸梳理歐盟碳市場相關政策演變發現在驟降節點左右均發生了碳市場政策變化：歐盟能源效率新指令的頒布（20121114）；歐盟引入市場穩定儲備機制方案的通過（20154）；多哈氣候大會（201212）、華沙氣候大會（201311）、利馬氣候大會（201412）、巴黎氣候大會（201512）。

EUA現貨與期貨市場、現貨與期權市場動態相關系數雖波動劇烈，但均較快速恢復至原有高水平。相較而言，期貨與期權市場動態相關系數走勢穩定，基本圍繞068小幅波動。但波動持續性較高，向均值回歸的時間較長。表5描述了表征市場動態相關關系持續性參數Ψ的基本統計情況，可見參數Ψ在EUA期貨與期權市場間最大（08793），在現貨與期貨市場間最小（04645）。結合后驗置信區間可知，

EUA現貨與期貨市場間信息流動帶來的均值溢出現象持續較短，兩市場價格對信息消化較快。而期貨與期權市場的信息消化功能較慢，價格的自我調節機制較弱。

24歐盟碳市場波動溢出效應分析

波動溢出效應體現碳市場間領先滯后關系與波動傳導方向，表6至表8列出了各組碳收益率序列基于DGC-MSV-t模型波動溢出的參數估計值。

由表6可知：表征市場自身波動水平參數μs、μf均值分別為33390、34050，兩市場波動平均水平相近；表征市場自身波動持續性參數φss、φff分別為09977、09978，EUA現貨與期貨收益率均存在波動集聚特征，兩者波動受自身滯后一期波動的影響較大，具有長期記憶性；表征市場間波動溢出效應參數φfs、φsf分別為04823、05262，EUA現貨與期貨間具有顯著的雙向為正的波動溢出效應；但EUA期貨對EUA現貨的溢出效應略大于現貨對期貨的，支持前人得出的期貨市場對于現貨市場具有價格發現功能的結論。碳期貨市場信息質量較高，期貨價格具有較高真實性，能較充分反映影響碳資產供需的因素與交易者的預期，從而向碳現貨市場波動溢出[19，20]。更進一步地，雙向波動溢出一定程度上反映出隨著EUA現貨市場發展趨于高效透明，市場信息流動速度加快，流動渠道更通暢，EUA現貨市場正在向市場波動溢出中心地位前進。

表7中，期權市場波動平均水平（40670）大于現貨市場（28700），碳期權市場波動更劇烈；而現貨市場自身波動持續性（09975）大于期權市場（07972），長記憶性在期權市場波動中的體現較弱；φos均值為00983，中位數接近0，現貨市場對期權市場的波動溢出效應不顯著；φso均值為01799，結合后驗置信區間與中位數01498可知，期權市場對現貨市場具有弱顯著的正向波動溢出效應。在EUA現貨與期權市場間，波動溢出效應呈現不明顯的非對稱性。

表8中，碳期權市場波動平均水平（37810）比期貨市場（24590）劇烈；期貨市場自身波動持續性（09963）明顯高于期權市場（06077）；兩市場間具有顯著的雙向正向溢出效應，期權對期貨市場波動溢出更大，期權市場是目前主要的波動溢出中心。這一結論印證了碳期貨與期權的內在價格聯系：碳期貨市場價格會影響碳期權交易合約的敲定價格及權利金。

25基于DIC的歐盟碳市場溢出效應模型比較

為檢驗本文構建的DGCMSVt模型描述碳市場間溢出效應的優度，采用 DIC 準則同時對比了各MSV衍生模型的優劣。準則具體形式如下：

DIC=D+pD（7）

D=Eθ|Yt[-2lnf（Yt/θ）]（8）

pD=Eθ|Yt[-lnf（Yt/θ）]（9）

DIC值由兩部分組成，D用來度量模型對數據的擬合度，pD表示增加模型復雜性的懲罰項。隨機波動模型的DIC值越小，表明模型對數據的擬合效果越好。

由表9可知，與正態分布相比，基于t分布的MSV模型的DIC值均較小，說明t分布能更好地刻畫碳價收益率的尖峰厚尾特性。由于模型復雜度提高，本文構建的DGCMSVt模型pD值上升，但D值遠小于其他模型，綜合來看DIC值最小，證明該模型對碳市場溢出效應刻畫程度在6個模型中表現最優。

3研究結論與展望

本文將碳市場溢出效應研究拓展到碳現貨、碳期貨、碳期權三市場中，基于多元t分布修正并構建DGCMSVt模型，討論了EUA產品下三個碳市場間均值溢出與波動溢出效應，研究發現：

（1）歐盟碳市場均值溢出效應

EUA現貨、期貨、期權三市場價格間呈現高度時變正相關。現貨與期貨市場、現貨與期權市場價格的時變關系走勢一致，波動劇烈，但波動持續性較低，市場能夠快速消化引起價格波動的信息。期貨與期權市場價格的時變關系較為穩定，但波動持續性高，向均值回歸的時間較長，市場的信息消化過程較慢，價格自我調節機制較弱。

（2）歐盟碳市場波動溢出效應

EUA現貨與期貨市場間、期貨與期權市場間均有顯著且雙向為正的風險傳導現象，現貨與期權市場間僅存在期權對現貨的微弱正向風險傳導。現貨市場發展正在不斷完善，趨于高效透明。EUA期權市場信息量比期貨市場更為豐富，是主要的風險溢出源，體現出碳期權市場在碳市場風險傳導機制中的重要地位，這一特性可為套期保值者與投資者提供決策依據。就市場自身而言，EUA現貨與期貨市場均具有明顯長記憶性，而期權市場的長記憶特征較弱。

在模型擬合與適用性方面，本文模型能較準確刻畫碳市場間溢出效應。但由于模型研究對象為兩市場間關系，因而要求兩市場日收益率數據在時間上相互匹配。例如研究碳現貨與期貨間關系，選用日連續期貨價格；研究碳期貨與期權間關系，由于期權市場難以找到連續期權價格，本文選擇期權市場中交易量具有代表性的期權合約，并按該合約到期日尋找對應期貨合約。

由于CER期權數據獲取困難的原因，本文僅探討了EUA產品下三市場溢出效應。隨著數據逐漸完善可得，CER下碳市場溢出效應、EUA與CER市場間溢出效應可作為進一步研究方向。

參考文獻：

[1]Li J， Tang L， Sun X， et al. Oil-Importing Optimal Decision Considering Country Risk With Extreme Events： A Multi-Objective Programming Approach [J]. Computers & Operations Research， 2014（42）： 108-115.

[2]劉維泉. 歐盟碳排放配額價格的區制轉換特征研究[J]. 軟科學，2014（1）：95-100.

[3]劉維泉. 國際碳排放期權套期保值分析：以EU ETS為例[J]. 軟科學，2013（4）：38-44.

[4]黃文彬，高韻芳. 碳排放權交易市場的信息流動關系——基于EUA市場和CER市場的實證研究[J]. 技術經濟，2013（11）：57-64，111.

[5]郭輝，郇志堅. EUA和sCER碳排放期貨市場互動關系及溢出效應研究[J]. 統計與決策，2012（15）：138-143.

[6]王玉，郇志堅. 歐盟碳排放權交易市場的價格發現和波動溢出研究[J]. 中國人口.資源與環境，2012（S1）：244-249.

[7]黃明皓，李永寧，肖翔. 國際碳排放交易市場的有效性研究——基于CER期貨市場的價格發現和聯動效應分析[J]. 財貿經濟，2010（11）：131-137.

[8]Chevallier J. EUA and CER： Vector Autore-Gression， Impulse Response Function and Cointegration Analysis[J]. Economics Bulletin， 2010（30）：558-576.

[9]Mansanet-Bataller M， Chevallier J， Hervé-Mignucci M， et al. EUA and sCER Phase II Price Drivers： Unveiling the Reasons for the Existence of the EUA-sCER Spread[J]. Economics Papers from University Paris Dauphine， 2011， 39（3）：1056-1069.

[10]Koop G M. Forecasting with Medium and Large Bayesian VARS[J]. Journal of Applied Econometrics， 2013， 28（2）：177-203.

[11]Nazifi F. Modeling the Price Spread between the EUA and the CER Carbon Prices[R]. http：//ssrn.com/abstract=1691916， 2010.

[12]張秋莉，楊超，門明. 國際碳市場與能源市場動態相依關系研究與啟示——基于DCC-MVGARCH模型[J]. 經濟評論，2012（5）：112-122，160.

[13]海小輝，楊寶臣. 歐盟排放交易體系與化石能源市場動態關系研究[J]. 資源科學，2014（7）：1442-1451.

[14]Andresson J. On the Normal Inverses Gaussian Stochastic Volatility Model[J].Journal of Business of Economics Statistics，2001，19（1）：44-54.

[15]黃波，顧孟迪，李湛.偏正態隨機波動模型及其實證檢驗[J].管理科學學報， 2010，13（2）：77-85.

[16]Blyth W， Bunn D， Kettunen J， et al. Policy Interactions， Risk and Price Formation in Carbon Markets[J]. Energy Policy， 2009， 37（12）：5192-5207.

[17]Daskalakis G， Psychoyios D， Markellos R N. Modeling CO2， Emission Allowance Prices and Derivatives： Evidence from the European Trading Scheme[J]. Journal of Banking & Finance， 2009， 33（7）：1230-1241.

[18]陳曉紅，王陟昀. 碳排放權交易價格影響因素實證研究——以歐盟排放交易體系（EUETS）為例[J]. 系統工程，2012（2）：53-60.

[19]Hanson LP，Hodrick R J.Forward Exchange Rate as Optimal Prediction of Future Spot Rate： An Econometric Analysis[J].Journal of Political Economy，1980（88）：829-853.

[20]Ulveling&Brannen.Considering an Informational Role for a Futures Market[J].The Review of Economic Studies，1984，51（1）：33-52.

（責任編輯：冉春紅）