綠色債券市場和能源行業(yè)股票市場的風(fēng)險溢出效應(yīng)研究

章雅潔 鐘意

摘 要：本文使用四種多元GARCH模型分析中國綠色債券市場與傳統(tǒng)能源行業(yè)股票市場之間的動態(tài)條件相關(guān)和波動性溢出效應(yīng)。實證結(jié)果表明，DCC-GARCH模型擬合樣本數(shù)據(jù)最好，并且能夠利用該模型構(gòu)建套期保值比率和最優(yōu)投資組合權(quán)重。此外，在綠色債券和傳統(tǒng)能源產(chǎn)業(yè)的股市之間，有著顯著的動態(tài)關(guān)系，并且呈現(xiàn)較為明顯地雙向波動性溢出效應(yīng)。最后，本文利用DCC模型中的條件波動率來估計套期保值比率，為投資者在綠色債券市場和傳統(tǒng)能源股票市場上投資提出套期保值建議，以規(guī)避投資風(fēng)險。

關(guān)鍵詞：綠色債券；傳統(tǒng)能源；多元GARCH模型；波動性溢出效應(yīng)；綠色金融

本文索引：章雅潔，鐘意.<變量 2>[J].中國商論，2024（04）：-120.

中圖分類號：F832.4 文獻標(biāo)識碼：A 文章編號：2096-0298（2024）02（b）--04

1 引言

2020年習(xí)近平主席宣布“雙碳”目標(biāo)，中國將努力在2030年實現(xiàn)碳達標(biāo)，并爭取在2060年實現(xiàn)碳中和。隨著 “雙碳”目標(biāo)的實現(xiàn)，綠色金融的發(fā)展必將加大力度，投入綠色領(lǐng)域的資金也必將增加。盡管起步較晚，但中國已迅速成為全球最大的綠色債券市場之一。目前，全國各地特別是高耗能和資源消耗較大的省份紛紛推出綠色債券，通過政策引導(dǎo)和制度安排，降低綠色債券的融資成本，助力企業(yè)實現(xiàn)綠色轉(zhuǎn)型。綠色債券市場在推動社會資本向環(huán)保項目流動、推動整個社會向綠色轉(zhuǎn)型發(fā)展方面發(fā)揮著重要作用。

因此，本文對綠色債券市場和傳統(tǒng)能源行業(yè)間的聯(lián)動性展開研究，提出針對市場風(fēng)險防范、資產(chǎn)配置的具體建議，能使投資者有效識別綠色債券市場風(fēng)險以及制定合適的能源產(chǎn)品風(fēng)險防范策略，填補文獻空白，具有理論和實踐意義。

2 文獻綜述

近年來，綠色債券引起了學(xué)術(shù)界的廣泛關(guān)注（馬駿，2015）。作為一種新的全球化金融工具，綠色債券有望在與中國傳統(tǒng)市場融合的過程中實現(xiàn)多元化，開發(fā)出許多創(chuàng)新的金融產(chǎn)品，但融合過程中可能會積累風(fēng)險，從而引發(fā)風(fēng)險溢出（高陽，2020）。投資者積極參與這一新興市場，不僅提高了資金的流動性，還加劇了金融市場之間的風(fēng)險溢出效應(yīng)。了解綠色債券與其他金融市場之間的傳導(dǎo)機制對于評估綠色債券在對沖和管理投資組合風(fēng)險中的潛在作用至關(guān)重要（Reboredo，2018）。

孟浩（2021）研究發(fā)現(xiàn)，新冠疫情導(dǎo)致金融系統(tǒng)內(nèi)各子市場之間的風(fēng)險溢出效應(yīng)都明顯增強。從金融市場的構(gòu)成來看，債券和股票作為股票市場的兩個主要金融工具是密切相關(guān)的。國內(nèi)外許多學(xué)者研究了綠色債券市場與股票市場的關(guān)系。韓穎薇等（2021）研究發(fā)現(xiàn)綠色債券回報率與股票回報率的相關(guān)性較弱。Tang和Zhang（2020）認為，綠色債券的發(fā)行對股市指數(shù)產(chǎn)生了積極影響。綠色市場的一些個別資產(chǎn)與美國部門股票市場的回報有關(guān)，波動率連接甚至比回報連接更常見。Park（2020）認為綠色債券和股票具有波動性溢出效應(yīng)。Rebredo（2020）研究發(fā)現(xiàn)綠色債券市場與股票市場同步聯(lián)系微弱。股票市場的大幅價格波動對綠色債券價格的影響可以忽略不計。同樣，Nguyen等（2020）發(fā)現(xiàn)綠色債券與股票的相關(guān)性較低且呈負相關(guān)。綠色債券與股票市場之間的相關(guān)性隨著滯后的延長而減弱。高揚（2020）綠色債券市場與股票市場間的風(fēng)險溢出效應(yīng)微弱，綠色債券市場的對外溢出效應(yīng)強于其接收到的來自其他市場的溢出效應(yīng)。周婉玲（2022）研究發(fā)現(xiàn)綠色債市波動對股市僅有短期影響，股市對綠色債市的沖擊影響更大。

盡管關(guān)于綠色債券的文獻越來越多，但是中國學(xué)者與外國學(xué)者相比對綠色債券的研究不夠多樣化，綠色債券與傳統(tǒng)能源股票間的關(guān)系在很大程度上尚未得到探索。此外，文獻對綠色債券對能源部門的最佳對沖能力問題保持相對沉默。因此，了解支持環(huán)境友好活動的綠色債務(wù)融資如何影響能源股票部門，其與投資組合多樣化的相關(guān)性，以及其對環(huán)保投資者和政策制定者的影響，將為文獻帶來新的見解。

3 模型構(gòu)建

研究兩個金融市場之間的波動溢出效應(yīng)，大多數(shù)學(xué)者使用GARCH類模型和Copula模型等計量方法。本文主要針對綠色債券市場與傳統(tǒng)能源市場間的兩兩溢出效應(yīng)研究，其中傳統(tǒng)能源市場分別選取電力、煤炭、石油三項具有代表性的市場進行分析?；趯ARCH模型的評估，單一變量不能反映不同市場之間的協(xié)同效應(yīng)，本文引入了向量自回歸模型（VAR），同時以BEKK-GARCH模型為基準(zhǔn)，引入四個多元GARCH模型（BEKK、對角、常數(shù)條件相關(guān)和動態(tài)條件相關(guān)）來進行實證分析。

BEKK模型設(shè)定如下：

式中，Ht表示條件協(xié)方差矩陣，C是上三角函數(shù)矩陣，矩陣A為短期ARCH效應(yīng)，矩陣B為長期GARCH效應(yīng)，分別反映的是滯后一期收益率或波動率對當(dāng)期的影響。矩陣角標(biāo)1，2，3，4分別代表綠色債券、煤炭、電力、石油四大市場。

Engle（2002）提出的DCC-GARCH模型可以用來分析不同序列間的波動是否相關(guān)，即進行各序列間的動態(tài)相關(guān)分析，并計算出動態(tài)相關(guān)系數(shù)。模型如下：

式（2）中，Ht為條件協(xié)方差矩陣，Rt為動態(tài)條件系數(shù)相關(guān)矩陣，Dt為隨時間變動的對角線矩陣，可由單變量ARMA-GARCH模型估計得出。

DCC模型運用兩步法，第一步先估計GARCH參數(shù)，第二步估計相關(guān)系數(shù)。其中Rt是隨時間變化而變化的量，Rt定義如下：

是標(biāo)準(zhǔn)殘差的無條件協(xié)方差矩陣，Qt是相關(guān)系數(shù)矩陣。矩陣h是由VARMA-GARCH模型產(chǎn)生的方差。參數(shù)A和B之和小于1，且A和B不能是負數(shù)。兩個參數(shù)之和越大，代表模型的動態(tài)相關(guān)性越明顯。當(dāng)A=B=0時，模型變?yōu)镃CC模型。

4 實證分析

4.1 來源與變量選取

我國綠色債券市場包括中債—中國綠色債券指數(shù)（GB）、中債—中國綠色債券精選指數(shù)（GBSI）、中債—中國氣候相關(guān)債券指數(shù)（CABI）和中債—興業(yè)綠色債券指數(shù)（CIB）四種指數(shù)。由于中債—中國綠色債券指數(shù)（GB）在文獻中被學(xué)者廣泛運用，所以本文選用中債—中國綠色債券指數(shù)（GB）來代表中國綠色債券市場。傳統(tǒng)能源主要包括煤炭、石油、電力、天然氣等，由于數(shù)據(jù)的可獲得性，本文選取中國電力（EP）、煤炭（COAL）、石油（OIL）三個行業(yè)股票價格指數(shù)代表中國傳統(tǒng)能源股票市場。本文的所有數(shù)據(jù)都來自Wind數(shù)據(jù)庫。所有的價格數(shù)據(jù)都是每日收盤價，涵蓋了2016年1月3日至2022年10月31日期間，共包括1659個觀測值。

本文主要采取將收益率進行對數(shù)差分的處理方式，來衡量綠色債券市場與傳統(tǒng)能源股票市場間的波動程度，即通過以下公式獲得連續(xù)復(fù)合日收益率：

其中，Ri，t指i市場在第t天的市場收益率，Pi，t指i市場在第t天的市場價格。當(dāng)i=1時，代表的是綠色債券市場的收益率， 當(dāng)i=2，3，4時，分別代表煤炭股票市場、電力股票市場、石油股票市場的收益率。所有數(shù)據(jù)分析皆使用該收益率數(shù)值。

4.2 描述性統(tǒng)計

表1顯示了收益率的描述性統(tǒng)計數(shù)據(jù)。四個金融市場的收益率均值均接近于0，對于每個市場，標(biāo)準(zhǔn)差均大于平均值；股票市場的標(biāo)準(zhǔn)差最高，綠色債券市場的標(biāo)準(zhǔn)差最小，并且綠色債券市場標(biāo)準(zhǔn)差遠小于其他三個股票市場。四個股票市場波動幅度較小，但四個股票市場波動幅度均大于0，說明股票市場收益率呈現(xiàn)出一種偏于左側(cè)的趨勢，整體表現(xiàn)為“尖峰厚尾”。Jarque-Bera檢驗結(jié)果表明四個市場的收益率并不是正態(tài)分布的。對 ADF單位根的檢驗結(jié)果表明，各變量的時間序列都是穩(wěn)定的，符合進一步的分析要求。

4.3 動態(tài)條件相關(guān)

DCC模型的動態(tài)條件相關(guān)性如圖2所示。動態(tài)條件相關(guān)與恒定條件相關(guān)有很大的不同，動態(tài)條件相關(guān)的波動幅度在整個樣本區(qū)間內(nèi)有很大的變化，這表明了計算動態(tài)條件相關(guān)的重要性。根據(jù)圖2可以看出，綠色債券市場和煤炭、電力、原油市場的動態(tài)條件相關(guān)系數(shù)有相似的波動模式，相關(guān)性波動都較大。

綠色債券與煤炭的動態(tài)條件相關(guān)系數(shù)在2016—2019年在正負0.2區(qū)間內(nèi)上下波動，在2020年2月達到最低值-0.5，隨后相關(guān)性逐漸波動上升但一直在0以下。綠色債券與電力的相關(guān)性在2017年一整年為正相關(guān)，在2018—2021年初為負相關(guān)，其中在2020年2月達到最低值-0.5，隨后波動上升。綠色債券與原油的相關(guān)性在2020年2月達到最低值-0.5，其余時間基本圍繞0上下波動。

2020年由于新冠疫情爆發(fā)，2月股市開盤暴跌，影響了能源股票市場。同時由于疫情防控需要，工廠停工，交貨延遲，期貨市場走勢多變，也影響了綠色債券期貨價格。這導(dǎo)致綠色債券與煤炭、電力及原油的動態(tài)條件相關(guān)系數(shù)在2020年2月都下跌到最低值。

圖1 DCC模型的動態(tài)條件相關(guān)圖

4.4 動態(tài)套期保值模型

對條件波動率的估計可以用來構(gòu)建套期保值比率。資產(chǎn)i和資產(chǎn)j之間的套期保值比率為：

由圖3可以看出，各金融市場的最優(yōu)套期保值率具有明顯的時變特征。比如，綠色債券對其他三個能源市場的套期保值率，在2020年初，最優(yōu)套期保值比率達到最低值，隨后又波動上升。綠色債券對煤炭、電力及原油的套期保值率在樣本期開始時達到最大值，而三個能源市場對綠色債券的套期保值率在2021年4月之后才達到最大值。所有套期保值率在2020年初達到最低值。

由表2可以看出，綠色債券與其他三類資產(chǎn)的套期保值比率平均值約等于0。正如前面的動態(tài)條件相關(guān)分析所預(yù)期的，如果投資金額較小時利用其余三個能源股票市場的空頭頭寸對沖綠色債券市場的風(fēng)險幾乎無用處。但由于套期保值率都為負值，所以對傳統(tǒng)能源股票煤炭、電力及石油進行套期保值時要對綠色債券進行反向操作，例如投資者在市場上買入煤炭現(xiàn)貨，就需要在市場內(nèi)賣出綠色債券期貨，從而對沖風(fēng)險。

5 結(jié)語

本文采用多變量GARCH模型來模擬中國綠色債券市場和傳統(tǒng)能源股市之間的動態(tài)條件相關(guān)性和波動溢出效應(yīng)。研究發(fā)現(xiàn)，DCC-GARCH模型擬合數(shù)據(jù)最好，并利用該模型構(gòu)建套期保值比率和最優(yōu)投資組合權(quán)重。綜上所述，研究表明，綠色債券市場與傳統(tǒng)能源股票市場之間的動態(tài)條件相關(guān)較好，在2020年初由于新冠疫情爆發(fā)兩者之間的動態(tài)條件相關(guān)達到最低值，隨后波動上升。傳統(tǒng)能源股票市場對綠色債券市場存在強烈波動溢出效應(yīng)，此效應(yīng)遠大于綠色債券市場對傳統(tǒng)能源股市的波動溢出。這一現(xiàn)象表明，我國的綠色債券市場總體上處于平穩(wěn)的發(fā)展?fàn)顟B(tài)，并未出現(xiàn)系統(tǒng)性風(fēng)險。

上述實證結(jié)果對維護中國金融市場穩(wěn)定、抑制金融風(fēng)險具有重要的啟示作用。隨著綠色債券在中國的興起，該行業(yè)投資額不斷增長，本文研究有助于我們更好地理解綠色債券及其他金融市場中的風(fēng)險外溢效應(yīng)。一方面可以為綠色金融工具互相連接可能性提供參考，提高投資者對四個市場變動的敏感性，更加慎重組合和理性選擇投資產(chǎn)品。另外，本文還將對綠色債券、煤炭、電力、原油等市場的風(fēng)險傳遞機制進行深入的研究，這將幫助有關(guān)部門提升風(fēng)險識別水平，防范金融風(fēng)險傳播。

參考文獻

馬駿. 論構(gòu)建中國綠色金融體系[J]. 金融論壇，2015（5）：18-27.

高揚，李春雨. 中國綠色債券市場與金融市場間的風(fēng)險溢出效應(yīng)研究[J]. 金融論壇，2021（1）：59-69.

韓穎薇，高奧蕾，李松陽，等. 我國綠色債券市場與其他金融市場的相關(guān)性分析[J]. 債券，2021（5）：29-34.

周婉玲.綠色債券發(fā)行與股票市場聯(lián)動關(guān)系研究：基于VEC-BEKK-GARCH模型的實證分析[J].上海立信會計金融學(xué)院學(xué)報，2022（1）：3-15.

韓國文，張溢洲. 協(xié)同波動、分散化收益與價格溢出效應(yīng)：基于Copula的綠色債券市場研究[J]. 海南金融，2021（4）：3-16.

王昊.綠色債券、綠色股票與其他主要資產(chǎn)聯(lián)動性研究[J].北方經(jīng)貿(mào)，2022（3）：103-106.

D.Y. Tang， Y. Zhang.Do shareholders benefit from green bonds？Journal of Corporate Finance， 61 （2020）， Article 101427.

Nguyen， T.T.H.， Naeem， M.A.， Balli， F.， Balli， H.O.， Vo， X.V. Time-frequency comovement among green bonds， stocks， commodities， clean energy， and conventional bonds [J].Finan. Res. Lett， 2020：101739.

Park， D.， Park， J.， & Ryu， D. Volatility spillovers between equity and green bond markets. Sustainability， 2020，12（9）： 3722–3734.

Pham， L. Is it risky to go green？ A volatility analysis of the green bond market.[J]. Sustain. Finan. Invest， 2016（4）： 263–291.

Reboredo J.C.，Ugolinib A.，and Aiubeb F.A.L. Network connectedness of green bonds and asset classes[J].Energy Economics，2020（86）：104629.