基于時變Copula-CoVaR 的歐盟與國內(nèi)碳市場風(fēng)險溢出效應(yīng)研究

王喜平,王雪萍

(華北電力大學(xué)經(jīng)濟管理系,河北省 保定市 071003)

0 引言

為應(yīng)對能源與環(huán)境挑戰(zhàn)、實現(xiàn)2050年前2℃溫升控制目標(biāo),國際社會做出了不懈努力?！陡窭垢鐨夂蚬s》進一步強調(diào)了市場機制在碳減排中的作用。碳交易作為有效控制溫室氣體排放的市場手段,已成為國際社會應(yīng)對碳中和氣候目標(biāo)的重要政策工具。繼2005年歐盟碳交易體系建立以來,全球范圍內(nèi)已建立了40多個碳交易體系,其中歐盟碳交易體系最具代表性。我國從2011年起相繼在深圳、上海、廣東、北京等“兩省五市”開展碳排放權(quán)交易試點,并在此基礎(chǔ)上,以電力行業(yè)為突破口開啟了全國碳排放權(quán)的在線交易。在經(jīng)濟一體化背景下,國內(nèi)外碳交易市場是否存在風(fēng)險溢出效應(yīng),成為學(xué)界和業(yè)界共同關(guān)注的熱點問題。研究這一問題對投資決策、風(fēng)險管理以及碳市場健康發(fā)展均具有重要意義。

近年,碳市場的相關(guān)研究成為學(xué)界關(guān)注的焦點。早期主要研究碳價格的影響因素;近來有關(guān)碳市場與能源、股票等關(guān)聯(lián)資產(chǎn)市場之間的聯(lián)動備受關(guān)注。杜軍等[1]運用向量自回歸模型分析了碳市場與原油市場的相關(guān)性;陶春華[2]檢驗了我國碳排放權(quán)交易市場與股票市場之間的聯(lián)動性;許悅等[3]分析了歐盟碳配額和核證減排量(certified emission reductions,CER)期貨市場間的聯(lián)動效應(yīng);FENG等[4]用多重分形互相關(guān)分析方法分析歐中碳市場、原油市場和新能源市場間的動態(tài)相關(guān)關(guān)系;LU等[5]分析了碳市場與中國股市的動態(tài)相關(guān)性,發(fā)現(xiàn)上證綜指與金融資產(chǎn)有“重尾”和“波動集聚”特征,且與上證綜指的相關(guān)性較弱;李剛等[6]研究了歐盟和美國碳市場、石油市場及股票市場間的相關(guān)性,發(fā)現(xiàn)碳交易市場獨立于證券市場和能源市場,且不具有完備的金融功能;高清霞等[7]探究了我國碳市場與化石能源市場間的動態(tài)相關(guān)性,發(fā)現(xiàn)碳市場與煤炭市場、石油市場之間收益率的波動存在明顯的時變性;海小輝等[8]分析EU ETS歐盟排放權(quán)交易市場與能源市場的動態(tài)相關(guān)性,發(fā)現(xiàn)碳市場與各能源市場之間的動態(tài)條件相關(guān)系數(shù)相似,波動頻率較大,幅度較小。

上述研究主要圍繞碳市場與能源、股票等市場間的相關(guān)性展開研究,而針對國內(nèi)外碳交易市場相關(guān)性的研究則相對較少,僅有王曉宇等[9]針對國內(nèi)外碳市場間的相關(guān)強度進行了研究,并未考慮市場間的相依結(jié)構(gòu)特征。王喜平等[10]分析了歐盟和國內(nèi)碳市場的尾部相依結(jié)構(gòu),然而該研究主要基于常系數(shù)Copula函數(shù),只能捕捉市場間的靜態(tài)相依結(jié)構(gòu)特征,不能刻畫市場相依結(jié)構(gòu)隨時間變化的動態(tài)趨勢。為彌補常系數(shù)Copula函數(shù)的不足,Patton提出了時變Copula函數(shù),其將參數(shù)定義為隨著時間而發(fā)生相應(yīng)演化的方程,以描述金融時間序列之間的動態(tài)變化,時變Copula函數(shù)的擬合效果優(yōu)于所有常系數(shù)Copula函數(shù),這為有效研究歐盟與國內(nèi)碳市場動態(tài)相依結(jié)構(gòu)提供了參考借鑒。

另一方面,有關(guān)碳市場的風(fēng)險溢出效應(yīng)研究,早期研究大多集中于對單一碳市場的風(fēng)險測度,研究方法主要基于傳統(tǒng)的風(fēng)險價值及其擴展模型,為克服風(fēng)險價值模型低估損失的不足并有效測度風(fēng)險溢出效應(yīng),ADIAN 和BRUNNERMEIER(2008)提出的條件風(fēng)險價值(conditional value at risk,CoVaR)方法廣受青睞,并逐漸形成了3種測度方法:一是基于分位數(shù)回歸估計的CoVaR[11-13];二是基于廣義自回歸條件異方差(generalized auto-regressive conditional heteroscedasticity,GARCH)模型的CoVaR[14-16];三是基于Copula函數(shù)計算CoVaR。基于分位數(shù)回歸計算CoVaR 的方法,僅在刻畫線性風(fēng)險溢出時表現(xiàn)突出,而多元GARCH 模型不能刻畫市場間的尾部相依結(jié)構(gòu)特征。考慮到碳金融市場具有尖峰、厚尾的非正態(tài)特征,且市場間可能存在著非線性相關(guān)及風(fēng)險溢出,基于Copula函數(shù)計算CoVaR 的方法應(yīng)運而生。YUAN 等[17]結(jié)合Copula 函數(shù)和CoVaR 模型研究金融市場與碳市場的非對稱風(fēng)險溢出效應(yīng),發(fā)現(xiàn)金融市場對碳市場存在相當(dāng)大的非對稱風(fēng)險溢出,且上尾風(fēng)險溢出效應(yīng)大于下尾風(fēng)險溢出效應(yīng);XU[18]通過類似方法研究了國內(nèi)外能源市場不確定性對中國湖北碳市場和深圳碳市場的非對稱風(fēng)險溢出,發(fā)現(xiàn)深圳市場受能源市場不確定性的影響比湖北市場更大;TING 等[19]結(jié)合Copula-GARCH-EVT(extreme value theory)模型和蒙特卡羅方法估算碳期貨的風(fēng)險價值;XU[20]用Copula函數(shù)和CoVaR 模型研究國內(nèi)外能源市場不確定性和中國湖北、深圳市碳排放市場的風(fēng)險溢出效應(yīng)。上述研究充分利用了Copula函數(shù)在描述相關(guān)性時的靈活性。因此,基于Copula 函數(shù)計算CoVaR 的方法為測度國內(nèi)外碳市場風(fēng)險溢出效應(yīng)提供了有效的選擇。

綜上所述,從現(xiàn)有國內(nèi)外研究文獻來看,學(xué)者們大都聚焦于對歐盟碳市場或國內(nèi)碳市場與其關(guān)聯(lián)資產(chǎn)市場的相依結(jié)構(gòu)進行研究,具體針對歐盟和國內(nèi)碳市場之間相依結(jié)構(gòu)和風(fēng)險溢出效應(yīng)的研究較少;在研究方法上,大多基于分位數(shù)回歸計算CoVaR 的方法研究風(fēng)險溢出,盡管少數(shù)基于Copula函數(shù)計算CoVaR 進行風(fēng)險溢出效應(yīng)的研究,考慮了市場間非線性風(fēng)險溢出,但大多采用常系數(shù)Copula函數(shù),不能準(zhǔn)確刻畫動態(tài)風(fēng)險溢出效應(yīng)。為彌補現(xiàn)有研究的不足,本文具體研究歐盟和國內(nèi)碳市場的動態(tài)相依結(jié)構(gòu)和風(fēng)險溢出效應(yīng),先結(jié)合時變Copula函數(shù)和GARCH 類模型研究歐盟和國內(nèi)碳市場的動態(tài)相依結(jié)構(gòu),在此基礎(chǔ)上,基于Copula-CoVaR 模型進一步度量歐盟和國內(nèi)碳市場的風(fēng)險溢出效應(yīng)。

1 基于時變Copula 函數(shù)的相依結(jié)構(gòu)和風(fēng)險溢出效應(yīng)建模

1.1 時變Copula 函數(shù)

時變Copula函數(shù)和常系數(shù)Copula函數(shù)的主要區(qū)別是Copula函數(shù)的參數(shù),時變Copula函數(shù)的參數(shù)是動態(tài)變化的,而常系數(shù)Copula函數(shù)的相關(guān)參數(shù)是固定不變的。

(1) 時變Normal Copula函數(shù)中,相關(guān)系數(shù)ρ的動態(tài)方程為:

式中:Λ(x)表示logistic函數(shù),即Λ(x)=(1-e-x)/(1+e-x);為了保證ρ(t)始終位于(-1,1)內(nèi),ω、β、α 均是需要估計的參數(shù);Φ-1(·)是標(biāo)準(zhǔn)正態(tài)分布下累計分布函數(shù)的逆,Φ-1(u(t-j))和Φ-1(v(t-j))是滯后10階觀測值的轉(zhuǎn)換量,兩者乘積的均值可以刻畫相關(guān)性的變化情況。時變正態(tài)Copula函數(shù)具有對稱性和尾部漸近獨立性,所以不能捕捉市場間的非對稱以及尾部相關(guān)性。

(2) 時變Rotated Gumbel Copula 函數(shù)是由Gumbel Copula的密度函數(shù)以u 和v 均為0.5的對稱軸,經(jīng)對角旋轉(zhuǎn)演變得到,其只對下尾相關(guān)較為敏感,其函數(shù)表達式為:

相關(guān)系數(shù)ρRG 的動態(tài)方程為:

式中:Λ′(x)表示修正的logistic函數(shù),且Λ′(x)=1+x2使得相關(guān)系數(shù)的取值范圍為ρRG∈[1,+∞]。時變Rotated Gumbel Copula函數(shù)相關(guān)系數(shù)和尾部相關(guān)系數(shù)可以表示為:

(3) 時變SJC Copula函數(shù)中τup、τlow分別為上下尾部相關(guān)參數(shù),其演變方程式分別為:

式中:Λ″(x)為修正logistics變換,即Λ″(x)=1/(1+e-x),目的是為了確保τup、τlow在(0,1)之間。滯后10階的u(t)和v(t)差的絕對值作為外生變量,由于時變SJC Copula函數(shù)的相關(guān)參數(shù)對尾部較為敏感,因此得到的時變相關(guān)參數(shù)就是尾部相關(guān)系數(shù)。

1.2 邊緣分布模型

(1)GARCH 模型。

由于GARCH 模型可以反映出金融時間序列具有的波動聚集性和異方差性。本文選擇建立GARCH 類模型擬合碳市場時間序列的特征。GARCH(m,n)模型的一般表達式為:

式中:u2(t-h)是GARCH 模型中的殘差滯后項;m 是對應(yīng)的殘差滯后項的階數(shù);δ2(t-k)是GARCH 模型條件方差項;n 是對應(yīng)的條件方差滯后項的階數(shù)。

(2)EGARCH 模型。

NELOSN(1991)[21]在基于GARCH 模型的基礎(chǔ)上,提出了可以挖掘隨機擾動項尾部特征的EGARCH(m,n)(exponential GARCH)模型,該模型的條件方差方程的一般形式可表示為:

式中:ω 為常數(shù);一般假設(shè)u(t)服從正態(tài)分布、t分布、廣義誤差分布,該模型只有一個非對稱項且在γ不等于0 時,外部沖擊存在著非對稱性的特點。EGARCH 模型不同于GARCH 模型要求其系數(shù)必須滿足是正值的條件,使得EGARCH 模型在擬合時間序列更加靈活。

1.3 CoVaR 測度方法

CoVaR 指在概率水平一定的情況下,若某市場在將來一個時間段遭遇困境,其他市場所遭受的最大損失。CoVaR 方法可以用來計算歐盟和國內(nèi)碳市場的風(fēng)險溢出效應(yīng),具體公式為:

式中:Xi、Xj分別為歐盟和國內(nèi)碳市場的風(fēng)險損失;C(Xi)表示歐盟碳市場的風(fēng)險水平;F(Xi)表示當(dāng)歐盟碳市場發(fā)生風(fēng)險時,國內(nèi)碳市場所面臨的風(fēng)險價值。假設(shè)Xi、Xj服從二元正態(tài)分布,則:

式中:δi(t)、δj(t)是通過GARCH 模型得到的歐盟和國內(nèi)碳交易市場的條件方差;ρij(t)則是根據(jù)Copula模型得到的碳市場間的相關(guān)系數(shù),根據(jù)多元正態(tài)分布的性質(zhì),可以得到:

結(jié)合公式(9),可得:

已知aij(t)～N(0,1)分布,且歐盟碳市場的在險價值為BVaR=Φ-1(α),則國內(nèi)碳市場在歐盟碳市場發(fā)生風(fēng)險時,條件在險價值可以表示為:

當(dāng)歐盟碳市場i處于風(fēng)險情況下,國內(nèi)碳市場j 的在險價值,而ΔBCoVaR(i,j,α,t)和(i,j,α,t)可用來表示歐盟碳市場i對國內(nèi)碳市場j 的風(fēng)險溢出效應(yīng):

2 實證分析

2.1 樣本數(shù)據(jù)預(yù)處理及分析

本文分別選取2014年4月2日到2022年3月2日期間的歐盟碳市場排放配額期貨連續(xù)結(jié)算價和我國具有代表性的北京、上海、湖北及深圳這4個碳試點市場每日成交均價作為研究樣本。由于歐盟和我國碳市場的交易時間存在節(jié)假日不同,導(dǎo)致碳市場交易時間存在差異性,為有效研究歐盟碳市場和我國碳市場間的關(guān)系,需剔除多個碳市場不在同一天交易的日期和連續(xù)交易量為0的無效數(shù)據(jù),為保證有足夠的原始數(shù)據(jù)探究碳市場間的關(guān)系,對于非連續(xù)交易日為0的則用收盤價作為當(dāng)日碳市場的價格,共得到1 000組有效數(shù)據(jù)(數(shù)據(jù)來源于Wind數(shù)據(jù)庫)。

式中pk(t)(t=1,2,…,5)分別為歐盟碳市場期貨價格和我國北京、上海、湖北及深圳4個碳排放權(quán)交易試點的第t日碳成交均價。

2.1.1 碳價格收益率序列統(tǒng)計特征

本文使用Eviews對歐盟碳排放配額期貨市場和我國北京、上海、湖北及深圳碳市場的對數(shù)收益率序列進行描述性統(tǒng)計分析,具體結(jié)果見表1。

表1 歐盟碳排放配額期貨市場和我國碳市場收益率序列的基本統(tǒng)計量Table 1 Basic statistics of return series in EU and China's carbon market

由表1可以得到歐盟碳排放配額期貨市場和我國北京、上海、湖北以及深圳碳市場的收益率序列的基本統(tǒng)計特征:

(1) 歐盟碳排放配額期貨市場和我國北京、上海、湖北以及深圳各碳交易市場的收益率序列的基本統(tǒng)計中均值都相對較小,歐盟碳排放配額期貨市場收益率序列是左偏分布,而我國碳市場收益率序列則是右偏分布,均呈非對稱分布特征。而且碳市場收益率序列的峰度值都大于3,說明碳市場收益率序列均具有尖峰特征。

(2) 由于歐盟碳排放配額期貨市場和我國4個碳市場的收益率序列的J-B統(tǒng)計量和ADF 對應(yīng)的P 值均為0,說明碳市場收益率序列不服從正態(tài)分布且收益率序列均具有平穩(wěn)性。根據(jù)Q(10)的伴隨概率值,發(fā)現(xiàn)歐盟碳排放配額期貨市場的收益序列不具有自相關(guān)性,而我國北京、上海、湖北以及深圳碳市場間均存在自相關(guān)性。

進一步對碳市場對數(shù)收益率序列異方差性進行檢驗,由于歐盟碳排放配額期貨市場的對數(shù)收益率序列不具有自相關(guān)性,因此需要對其進行去均值化序列的平方進行自相關(guān)性檢驗,若其具有自相關(guān)性,則說明歐盟碳排放配額期貨市場具有異方差性。對我國4個碳市場異方差性的檢驗選擇常用的ARCH 效應(yīng)檢驗。繪出歐盟碳排放配額期貨市場去均值化序列的自相關(guān)圖和我國碳市場收益率序列的異方差性檢驗結(jié)果。具體見圖1和表2。

由圖1和表2可知,歐盟碳排放配額期貨市場的收益率去均值化平方序列具有自相關(guān)性,說明歐盟碳排放配額期貨市場收益率序列具有異方差性。而對于我國4個碳市場對數(shù)收益率建立的擬合模型進行異方差檢驗,發(fā)現(xiàn)擬合每個碳市場模型檢驗的2個檢驗統(tǒng)計量,對應(yīng)概率P 值都是小于0.05,說明我國4個碳市場對數(shù)收益率序列都具有ARCH效應(yīng)。因此,選擇建立GARCH 類模型擬合碳市場的收益率序列具有合理性。

表2 碳市場收益率序列的異方差性檢驗Table 2 Heteroscedasticity test of return series in carbon market

圖1 歐盟碳排放配額期貨市場收益率去均值化平方序列自相關(guān)和偏自相關(guān)特性Fig.1 Autocorrelation and partial autocorrelation of yield demean square sequence in EU carbon emission quota futures market

2.2 邊緣分布模型的擬合和檢驗

基于歐盟碳排放配額期貨市場和我國4個不同區(qū)域碳市場的收益率的殘差序列服從Normal分布、t分布、GED 這3個不同假設(shè)分布的前提下,選擇在2階以內(nèi)的GARCH 模型、EGARCH 模型對碳市場收益率序列進行擬合。具體結(jié)果見表3。

表3 碳市場各收益率最優(yōu)擬合模型結(jié)果Table 3 Results of the optimal fitting model for each rate of return in carbon markets

由表3可知,GARCH(1,1)-t模型可以較好地擬合歐盟碳排放配額期貨市場對數(shù)收益率序列,而擬合我國北京、上海、湖北以及深圳碳市場的對數(shù)收益率序列的最優(yōu)GARCH 類模型分別是EGARCH(2,1)-t、EGARCH(2,1)-t、EGARCH(1,1)-Normal、EGARCH(2,1)-t模型,發(fā)現(xiàn)我國4 個碳市場對數(shù)收益率序列擬合效果相對較好的GARCH類模型均是具有非對稱性的EGARCH 類模型。所以本文選擇GARCH 類模型擬合歐盟碳排放配額期貨市場和我國碳市場的收益率序列?；谝呀?jīng)選擇的擬合歐盟碳排放配額期貨市場和我國上述4個碳市場對數(shù)收益率序列最優(yōu)的邊緣分布模型,用Eviews分別估計擬合歐盟碳排放配額期貨市場和我國碳市場邊緣分布模型的參數(shù)值。

表4具體列出了歐盟碳排放配額期貨市場和我國北京、上海、湖北以及深圳碳市場對數(shù)收益率序列邊緣分布模型的參數(shù)估計和模型異方差性檢驗的結(jié)果,具體可以得到以下結(jié)論:(1)歐盟碳排放配額期貨市場和我國碳市場的收益率序列的邊緣分布模型參數(shù)估計均通過顯著性檢驗,這說明建立的GARCH 類模型擬合歐盟碳排放配額期貨市場和我國碳市場對數(shù)收益率序列的邊緣分布是合理的。(2)擬合歐盟碳排放期貨市場的邊緣分布模型,對應(yīng)的ARCH 項和GARCH 項參數(shù)估計值都是大于0的,并且兩項之和小于1,滿足建立條件異方差模型的條件,證實了建立GARCH 模型擬合歐盟碳排放配額期貨市場的有效性。且由于歐盟碳排放配額期貨市場ARCH 和GARCH 兩項系數(shù)之和接近于1,說明歐盟碳排放配額期貨波動性會持續(xù)相對較長的時間。(3)擬合我國北京、上海、湖北以及深圳碳市場的邊緣分布均是非對稱性γ≠0的EGARCH模型,說明我國碳市場受到外部沖擊時,外部沖擊的波動影響就存在著非對稱的效應(yīng)。(4)對擬合歐盟碳排放配額期貨市場和我國碳市場邊緣分布模型進行滯后5階的ARCH-LM 檢驗,發(fā)現(xiàn)檢驗參數(shù)統(tǒng)計量對應(yīng)的P值均大于0.05,說明碳市場的殘差序列消除了異方差性,并對得到的標(biāo)準(zhǔn)化殘差序列進行概率積分轉(zhuǎn)換得到新序列,對新序列進行K-S檢驗發(fā)現(xiàn)對應(yīng)的P值都大于0.05,說明新序列滿足在(0,1)上服從均勻分布。因此,可以引入Copula函數(shù)研究碳市場間的相依結(jié)構(gòu)特征。

表4 碳市場邊緣分布模型的參數(shù)估計和檢驗Table 4 Parameter estimation and test of carbon market marginal distribution model

2.3 歐盟和國內(nèi)碳交易市場的動態(tài)相依結(jié)構(gòu)分析

選擇3 種時變Copula 函數(shù)即Time-varying Normal、Time-varying Rotated Gumbel 和Timevarying SJC Copula函數(shù)研究碳市場間的動態(tài)相依結(jié)構(gòu)特征。運用Matlab對得到刻畫歐盟碳排放配額期貨市場和我國碳市場的時變Copula函數(shù)的赤池信息準(zhǔn)則(akaike information criterion,AIC)和貝葉斯信息準(zhǔn)則(bayesian information criterion,BIC)的值,再根據(jù)其值越小越優(yōu)的原則選擇最優(yōu)時變Copula函數(shù)。具體結(jié)果見表5。

由表5可知:(1)時變Rotated Gumbel函數(shù)可以較好地捕捉到歐盟碳排放配額期貨市場和北京、上海碳市場之間的動態(tài)相依結(jié)構(gòu)特征,說明歐盟碳排放配額期貨市場和我國北京、上海碳交易市場之間存在非對稱的尾部相依性,且呈現(xiàn)下尾相依。(2)時變SJC Copula函數(shù)可以較好地捕捉到歐盟和湖北碳交易市場的動態(tài)相依結(jié)構(gòu),呈現(xiàn)對稱或非對稱的動態(tài)相依結(jié)構(gòu)特征。(3)時變Normal Copula函數(shù)可以較準(zhǔn)確地捕捉到歐盟碳排放配額期貨市場和深圳碳交易市場間的動態(tài)相依結(jié)構(gòu),呈現(xiàn)對稱且尾部漸進獨立的動態(tài)相依結(jié)構(gòu)特征。

表5 歐盟和國內(nèi)碳市場Copula函數(shù)的擬合結(jié)果Table 5 Fitting results of Copula function in EU and domestic carbon market

由此可見,刻畫歐盟碳排放配額期貨市場和我國北京、上海、湖北以及深圳碳市場動態(tài)相依結(jié)構(gòu)的最優(yōu)時變Copula函數(shù)各不相同,反映了我國區(qū)域碳市場的異質(zhì)性特征。圖2直觀描述了這一動態(tài)相依結(jié)構(gòu)特征。

由圖2可知:歐盟碳排放配額期貨市場和我國北京、上海、湖北碳市場的尾部相關(guān)系數(shù)是正值,說明歐盟碳市場和我國上述3個碳市場間存在正相關(guān)關(guān)系,且歐盟碳市場和我國上述3個碳市場間相依性強度從大到小依次為上海、北京、湖北碳市場;歐盟碳市場和我國湖北碳市場間明顯地呈現(xiàn)出上尾的動態(tài)相關(guān)系數(shù)明顯高于下尾,說明歐盟碳市場和我國湖北碳市場間存在非對稱的相依結(jié)構(gòu)特征;而歐盟碳市場和我國深圳碳市場的動態(tài)相關(guān)系數(shù)則均小于0,說明歐盟碳市場和我國深圳碳市場間存在負相關(guān)性。

圖2 歐盟和國內(nèi)碳市場的動態(tài)相關(guān)系數(shù)Fig.2 Dynamic correlation coefficient diagram of EU and domestic carbon market

2.4 歐盟和國內(nèi)碳交易市場的風(fēng)險溢出效應(yīng)

基于刻畫歐盟碳排放配額期貨市場和我國北京、上海、湖北以及深圳碳市場動態(tài)相依的最優(yōu)Copula函數(shù),將得到的碳市場間的尾部相關(guān)系數(shù)以及建立邊緣分布模型得到的條件方差序列代入式(15),得到歐盟和我國不同區(qū)域碳市場間的風(fēng)險溢出時間序列值,用其均值表示碳市場間的風(fēng)險溢出結(jié)果,其中歐盟和我國湖北碳市場的風(fēng)險溢出為上下尾部風(fēng)險溢出的均值。歐盟碳排放配額期貨市場和我國試點碳交易市場在95%置信水平的風(fēng)險溢出均值結(jié)果見表6。

表6 歐盟碳排放配額期貨市場對國內(nèi)碳市場的風(fēng)險溢出Table 6 Risk spillover from EU carbon emission quota futures market to domestic carbon market

觀察表6,可以得到如下結(jié)論:

(1) 從風(fēng)險溢出的方向看,歐盟碳排放配額期貨市場和我國北京、上海以及湖北碳市場間存在正向風(fēng)險溢出,即當(dāng)歐盟碳市場發(fā)生外來沖擊發(fā)生風(fēng)險時,會對我國碳市場產(chǎn)生風(fēng)險溢出的現(xiàn)象,說明歐盟碳排放配額期貨市場和我國上述3個碳市場間聯(lián)系較為緊密。但是與我國深圳碳市場間卻不存在風(fēng)險溢出效應(yīng),這一結(jié)論與基于分位數(shù)得到的歐盟和深圳碳市場間存在風(fēng)險溢出的結(jié)論不一致[10],可能的原因:一是本文研究時間段相對較長,且用成交均價研究碳市場間數(shù)據(jù),刪除了多個碳市場非同一天交易日的數(shù)據(jù),得到的碳市場研究樣本存在一定的差異性;二是基于動態(tài)相依結(jié)構(gòu)研究歐盟碳市場和我國深圳碳市場間的風(fēng)險溢出時,運用時變Copula和CoVaR 模型計算風(fēng)險溢出時,能夠捕捉到碳市場間的時變相關(guān)性,進而得到碳市場間復(fù)雜的風(fēng)險溢出效應(yīng);三是因為深圳碳市場作為我國建立的首個試點碳市場,具有市場先行以及產(chǎn)品創(chuàng)新等優(yōu)勢,特別是2020年10月29日通過的全球首部規(guī)范綠色金融的綜合性法案《深圳經(jīng)濟特區(qū)綠色金融條例》,旨在開創(chuàng)綠色金融產(chǎn)業(yè)的新型產(chǎn)品服務(wù)類型,并且積極開展綠色金融國際合作,豐富了深圳碳市場交易產(chǎn)品的類型。這些優(yōu)勢推動深圳碳市場健康穩(wěn)定的發(fā)展,并且在面對外來沖擊時,可以迅速地做出預(yù)防措施并規(guī)避風(fēng)險。

(2) 從風(fēng)險溢出強度的角度看,觀察ΔB′CoVaR值,可以發(fā)現(xiàn)歐盟碳排放配額期貨市場和我國不同試點碳市場的風(fēng)險溢出強度存在明顯的差異性,且得到的碳市場間風(fēng)險溢出的結(jié)論與根據(jù)ΔBCoVaR值得到的結(jié)論相同。其中,歐盟碳市場和上海碳市場的風(fēng)險溢出強度最大,之后依次是北京、湖北碳市場,歐盟碳排放配額期貨市場和我國上海、北京碳市場的風(fēng)險溢出強于湖北碳市場,可能是因為北京、上海碳市場的成交均價波動相對較大,且在2021年都呈現(xiàn)一定的上升趨勢,使得上述2個碳市場的活躍度相對較強,而湖北碳市場的成交均價自2019年出現(xiàn)峰值后,就呈下降的趨勢,并且其成交均價的波動范圍相對較小,說明湖北碳市場價格穩(wěn)定機制逐漸成熟,從而使得歐盟對湖北碳市場間的風(fēng)險溢出強度小于對上海、北京2個碳市場的風(fēng)險溢出強度。而歐盟碳排放配額期貨市場和我國深圳碳市場基于尾部相關(guān)系數(shù)的ΔBCoVaR和均為0,說明歐盟碳排放配額期貨市場和我國深圳碳市場間不存在風(fēng)險溢出現(xiàn)象,且歐盟碳排放配額期貨市場和我國深圳碳市場間的動態(tài)相關(guān)系數(shù)為負,也印證了這一結(jié)論。

3 結(jié)論與建議

本文基于時變Copula函數(shù)和GARCH 類模型對歐盟碳排放配額期貨市場和國內(nèi)碳交易市場的動態(tài)相依結(jié)構(gòu)進行分析,在此基礎(chǔ)上,進一步基于Copula-CoVaR 模型探究歐盟和國內(nèi)碳交易市場之間的風(fēng)險溢出效應(yīng)。得到以下結(jié)論:

(1)時變Rotated Gumbel Copula函數(shù)可以較準(zhǔn)確地捕捉到歐盟和我國北京、上海碳市場間的動態(tài)相依性,呈下尾相依的結(jié)構(gòu);時變SJC Copula函數(shù)刻畫了歐盟和我國湖北碳市場的動態(tài)相依性,呈非對稱的相依結(jié)構(gòu)特征;而時變Normal Copula函數(shù)則刻畫了歐盟和我國深圳碳市場動態(tài)相依結(jié)構(gòu),即歐盟和我國深圳碳市場間呈現(xiàn)對稱性且尾部漸近獨立的動態(tài)相依結(jié)構(gòu)特征。(2)根據(jù)建立的Copula-CoVaR 模型得到歐盟和國內(nèi)碳市場的風(fēng)險溢出效應(yīng),發(fā)現(xiàn)歐盟碳排放配額期貨市場與北京、上海及湖北碳市場都存在風(fēng)險溢出效應(yīng),與深圳碳市場不存在風(fēng)險溢出。整體上可以將歐盟碳排放配額期貨市場與國內(nèi)碳市場的風(fēng)險溢出強度從大到小排序為:上海、北京、湖北、深圳。

基于上述結(jié)論,可以得到如下啟示和政策建議,為避免碳市場價格劇烈波動給碳市場發(fā)展帶來的潛在風(fēng)險,需要加強碳市場交易的價格穩(wěn)定機制,積極開發(fā)新型碳市場交易衍生品,提高碳市場交易的效率,促進碳市場健康穩(wěn)定的發(fā)展。