中国碳市场价格波动风险分析及度量

模型测度的VaR 序列统计特征以及Kupiec检验结果，选择北京碳市场风险测度的最佳模型，并以此分析基于不同置信水平的损失状况。在95%的置信水平下，这四个模型估计的VaR 序列的LR统计量均远远小于临界值3.841，从而接受原假设，即实际失败率都接近预期的失败率5%，这说明四个模型预测的VaR 序列对北京碳市场风险的估计较为准确，其中VaR -TARCH-n模型和VaR -GARCH-GED模型估计的VaR 序列的实际失败率均为4.95%，相比其他模型与预期失败率5%最接近，并且LR统计量均很小，说明VaR -TARCH-n模型和VaR -GARCH-GED模型的估计值最接近实际损失，其对风险的预测效果最好，可以作为风险管理的最佳模型。以VaR -GARCH-GED模型为例进行分析可知，北京碳市场VaR 均值为0.1278，即在正常的市场波动下，北京碳市场有95%的概率由于碳价格波动带来的日均损失率不会超过12.78%。然而，在99%的置信水平下，四个模型下VaR 序列的LR统计量均大于临界值6.635，则拒绝原假设，模型对北京碳市场收益率波动的预测均失效。这说明越接近左尾，这四个模型越难以有效预测到某些极端风险波动情况，并且由实际失败率大于预期失败率1%可知，这四个模型均不同程度地低估了该市场下的风险，若将其用于风险管理可能46导致巨额的资产损失。

第6章 研究结论及政策建议

6.1 研究结论

6.1.1 在价格波动特征聚类分析方面

在基于GARCH族模型的收益率波动特征提取方面，根据参数估计结果可知，各个碳市场在收益率波动的持续性、非对称效应以及风险溢价程度方面存在异同。第一，从收益率波动的持续性来看，虽然全国碳市场的启动会造成短期价格波动，然而长期看来这种影响并不显著。与启动前相比，冲击衰减速度加快，市场活跃度增强，然而稳定性有待提升。同时，外部环境的异质性对碳交易价格波动的影响高于市场内在机制的作用。第二，从非对称效应方面来看，全国碳市场启动之前，北京碳市场、广东碳市场和湖北碳市场存在“反杠杆效应”，而深圳碳市场和上海碳市场存在“杠杆效应”。而全国碳市场建成之后，北京和湖北碳市场的非对称效应变得并不显著，深圳碳市场由存在“杠杆效应”变为“反杠杆效应”。第三，从风险溢价程度方面来看，全国碳市场启动前，北京碳市场收益有正的风险溢价，上海碳市场则不存在显著的风险溢价现象，而启动后的状况正好相反，同时上海碳市场中投资者要求的风险回报也最高。广东和深圳碳市场在启动前后均存在正的风险溢价，这表明全国碳市场的建立对这两个碳市场风险溢价状况的整体影响不大。此外，启动后，广东和湖北碳市场的风险补偿系数p均增大，这反映出碳交易市场活跃度提升。

全国碳市场启动之前，五个碳市场按收益率波动特征聚类后可分为3组，全国碳市场建成之后，五个碳市场按收益率波动特征聚类后可分为2类。根据聚类分析结果，北京和湖北碳市场在全国碳市场启动前后均具有较稳定的高相似性。综合来看，各个碳市场间的差异性与不平衡性逐渐淡化，收益率波动特征逐渐趋同，全国碳市场的成立对各地碳市场协同发展、提升整体竞争力具有重要意义。

参考文献（略）