原文题目：Modeling and Forecasting the Volatility of Carbon Emission Market: The Role of Outliers, Time-varying Jumps and Oil Price Risk

原文作者：Anupam Dutta

发表期刊：Journal of Cleaner Production

发表时间：2018年

关键词：EUA市场；碳排放价格；离群值；跳跃；OVX

自我国“双碳”目标提出后，碳达峰碳中和工作方案相继出台，如何减碳降碳、推动经济体系低碳转型被纳入各行各业的发展规划，建设全国统一碳市场是其中的重要举措，也是2022年3月4日至3月11日举办的全国两会的重要议题之一，不少代表委员提出了碳市场、碳交易相关提案。全国人大代表、央行广州分行行长白鹤祥提出探索推动粤港澳大湾区碳市场建设；全国政协常委、全国工商联副主席、正泰集团董事长南存辉建议有序扩大全国碳市场交易覆盖范围；九三学社中央建议衔接好碳排放交易政策；民进中央副主席黄震建议建设电力、石油、天然气和二氧化碳排放权交易系统；政协委员李正国建议完善碳排放权交易制度，明确权利属性；奇瑞汽车董事长尹同跃建议加速推进新能源汽车纳入碳交易管理；中华全国律师协会副会长吕红兵，提交包括关于加快建立我国碳排放权交易法律体系、进一步优化投资制度和“集采”政策等多项提案；中信资本董事长兼首席执行官张懿宸建议引入更多市场参与主体；诸如此类，不胜枚举。

李克强总理在政府工作报告中提到，在新的经济下行压力下，要把稳增长放在更加突出的位置，在此背景下，今年要继续、持续改善生态环境，推动绿色低碳发展，需要处理好发展和减排的关系，并将能源转型摆在了重要位置。在大宗商品价格高位波动、能源原材料供应仍然偏紧的背景下，一方面要充分发挥碳市场作用，兼顾减排与发展需求，另一方面要关注碳市场与能源市场之间的联动关系。欧盟碳排放权交易体系（EU-ETS）作为制度和产品体系相对完善的碳市场，也是我国碳市场建设过程中可以重点研究的对象。本文在研究EUA市场特点的基础上，改进了预测碳市场波动性的方法，对于碳市场参与者管理市场风险、政策制定者出台政策均有所启发。

一、研究背景与本文贡献

欧盟碳排放权交易体系（EU-ETS）在全球碳市场中占据最大份额，除了限制碳排放外，碳市场的金融属性也愈发突出。围绕EU-ETS的研究主要有三类：1.EU-ETS交易的规模、流动性、强度、参与主体等市场特性；2.碳配额（EUA）价格的影响因素；3.碳配额价格和其他商品及金融市场价格之间的关系。

在已有研究基础上，本文主要扩展了以下三方面内容：

1.识别碳市场EUA价格的离群值

2.检验EUA价格是否存在时变跳跃（金融和大宗商品市场中常见）

3.原油市场价格波动（OVX）对EUA市场的影响

二、研究方法与数据来源

（一）研究方法

1.识别EUA价格序列中的离群值：AR(1)-GARCH(1,1)模型

运用AR(1)-GARCH(1,1)模型对EUA回报的时间序列进行拟合，用拟极大似然估计法估计系数，将超出正常波动范围的回报率视为离群数据，公式如图1。AR(1)-GARCH(1,1)模型的优点是即使对误差项的分布形式选择有误，或者模型选择有误，仍能准确找出离群值。

图1：AR(1)-GARCH(1,1)模型

2.识别EUA价格序列中的跳跃：GARCH-Jump模型

模型设定如图2所示：

图2：GARCH-Jump模型

3.原油市场不确定性对EUA市场的影响：EGARCH模型

（二）关键变量说明及数据来源

Rt：EUA市场每周现货价格的对数回报率

OVX：原油波动率指数，芝加哥期权交易所（CBOE）发布

数据来源：Thomson Reuters DataStream

三、实证结果

（一）识别EUA回报率序列中的离群值

EUA市场回报率序列中的离群值如图3所列，观察对应时期特点得到，离群值可能受战争、自然灾害、政治冲突、经济崩溃等事件影响造成。

图3：离群值所处日期

（二）识别EUA市场中的时变跳跃

图4：GARCH-Jump模型结果

运用GARCH-Jump模型识别EUA市场中的跳跃，结果如图4。主要结论包括：（1）使用原始数据进行估计时跳跃参数都显著，证实了EUA市场跳跃的存在；（2）α+β的值表明EUA回报率波动的高度持续性；（3）μ不显著，反映EUA市场的当前回报不受过去回报的影响，难以进行短期预测；（4）跳跃均值θ显著为负，表明由异常信息驱动的跳跃行为对收益有负面影响；（5）跳跃方差d2的正系数显著为正，表明由异常信息驱动的波动对EUA回报有正向影响；（6）跳跃强度系数（）统计显著，表明跳跃强度随时间变化，ρ和γ值较高反映跳跃强度的持续性。

（三）原油市场波动对EUA市场的影响

使用EGARCH模型考察原油市场波动对EUA市场影响时，发现在正态分布、t分布、GED分布三种假设下，OVX的系数全部显著为正，表示原油价格波动的上升会导致EUA市场波动的增加，引起排放价格下降。

图5：EGARCH模型结果

进一步检验OVX的非对称作用，即区分OVX上升和下降两种情况并分别生成变量，同时纳入原EGARCH模型中，比较两变量的系数。模型见式（17），结果如图6所示，原油市场波动增加对EUA市场波动影响更大。

最后作者运用预测包容检验证明了将OVX加入标准EGARCH模型确实增加了有效信息，能改善模型对EUA市场波动的预测表现。

四、结论和启示

本文运用5个实证模型得到了三个主要结论，即：（1）EUA市场存在离群值；（2）EUA市场存在时变跳跃，且由异常信息驱动的跳跃行为对EUA回报有负面影响；（3）EUA市场波动与原油市场波动正相关，在市场波动增加时正相关关系更为显著。本文研究的实际意义一方面在于使投资者和其他市场参与者能够更准确地预测和管理EUA市场的风险，准确预测现货价格的波动率也是碳期货等衍生金融产品有效定价的基础；另一方面是对于政策制定者而言，政策出台需要考虑能源市场和碳排放市场之间的联动性。

在此基础上，作者提出了进一步的研究方向：（1）将汇率纳入EGARCH模型是否更有利于预测碳市场波动性？（2）探究原油和碳排放价格波动之间的因果关系；（3）比较不同维度的油价波动率（如实际波动率和隐含波动率）对EUA市场风险的影响程度。

原文摘要

The objectives of this study are three-fold. First, we aim to assess whether outliers or extreme observations occur in the European Union Allowance (EUA) data. Second, we examine if time-varying jumps are present in the carbon emission market. Third, we use the crude oil volatility index (OVX) to investigate the effect of oil market uncertainty on the emission price volatility. In order to detect the possible outliers in the EUA market, we employ a standard methodology proposed by Ané et al. (2008) and identify several outliers in the emission data. After spotting and then removing those extreme points, we apply the GARCH-jump models to both original and outlier free observations. The results of the jump model show that while time-varying jumps do exist in the uncorrected data, most of the jump parameters, however, become insignificant in case of outlier-free observations. Next, the application of an extended EGARCH model, in which OVX is introduced in the GARCH specification, demonstrates that emission prices are highly sensitive to oil market implied volatility and that the impact of OVX on the EUA market appears to be asymmetric. Additionally, the use of forecast encompassing test documents that considering the outlier-free data and using the information content of OVX would improve the volatility forecasts for the carbon emission market. The results of our research carry important implications for both investors and policymakers.

作者：

张 宁中央财经大学金融学院硕士研究生

指导老师：

王 遥中央财经大学绿色金融国际研究院院长

原创声明

如需转载、引用本文观点，请注明出处为“中央财经大学绿色金融国际研究院”。

新媒体编辑：杨颖安