摘要：碳金融業(yè)務(wù)隨著低碳經(jīng)濟(jì)的深入人心而迅猛發(fā)展，然而制約著碳金融服務(wù)機(jī)構(gòu)實(shí)現(xiàn)創(chuàng)新的是市場(chǎng)風(fēng)險(xiǎn)，因此，將市場(chǎng)風(fēng)險(xiǎn)控制在合理的范圍內(nèi)至關(guān)重要。本文選取的數(shù)據(jù)樣本為2013年6月18日至2015年12月31日的碳交易均價(jià)和歐元兌人民幣匯率數(shù)據(jù)，用Copula函數(shù)構(gòu)建模型計(jì)算中國(guó)碳金融市場(chǎng)的風(fēng)險(xiǎn)，并提出政策建議。

關(guān)鍵詞：碳金融；市場(chǎng)風(fēng)險(xiǎn)；Copula

1.引言

低碳經(jīng)濟(jì)的興起促進(jìn)了碳交易市場(chǎng)的蓬勃發(fā)展，碳金融業(yè)務(wù)創(chuàng)新也隨之興起。以興業(yè)銀行為主的商業(yè)銀行主要參與清潔發(fā)展機(jī)制項(xiàng)目，市場(chǎng)風(fēng)險(xiǎn)受國(guó)際匯率影響較大，碳排放交易所交易試點(diǎn)主要交易對(duì)象為CCER，主要受碳價(jià)波動(dòng)影響。由此，本文在考慮不同因子之間的相關(guān)性后，選取Copula函數(shù)構(gòu)建模型這種非傳統(tǒng)度量方法來(lái)計(jì)算碳金融業(yè)務(wù)的市場(chǎng)風(fēng)險(xiǎn)。

韋艷華等國(guó)內(nèi)外專家在考慮變量的相關(guān)性后，把Copula函數(shù)應(yīng)用到以GARCH構(gòu)建的金融變量邊際分布的模型中，研究變量相依性以及整合后的市場(chǎng)風(fēng)險(xiǎn)。周艷菊等基于貝葉斯網(wǎng)絡(luò)并利用Copula方法度量了我國(guó)商業(yè)銀行在不同置信水平下操作風(fēng)險(xiǎn)損失的VAR和CVAR值，該成果的發(fā)表為更準(zhǔn)確的度量操作風(fēng)險(xiǎn)提供了依據(jù)。李建平等考慮風(fēng)險(xiǎn)相關(guān)性后對(duì)商業(yè)銀行主要面臨的三類風(fēng)險(xiǎn)：市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)進(jìn)行了集成，實(shí)證顯示考慮相關(guān)性后的VAR值比直接相加的VAR值要小，為研究金融市場(chǎng)整體風(fēng)險(xiǎn)提供新思路。張晨等根據(jù)對(duì)商業(yè)性銀行介入碳交易業(yè)務(wù)所面臨的市場(chǎng)風(fēng)險(xiǎn)構(gòu)建的以Copula為基礎(chǔ)的模型的結(jié)果，認(rèn)為政府監(jiān)管對(duì)減少碳交易風(fēng)險(xiǎn)起到一定的作用?？傮w而言，Copula的性質(zhì)是在非線性單調(diào)變換下函數(shù)不變，因此，可以對(duì)非線性、非對(duì)稱性的相關(guān)模式進(jìn)行刻畫，并且實(shí)現(xiàn)風(fēng)險(xiǎn)分散。

2.模型構(gòu)建

本文利用Copula函數(shù)對(duì)中國(guó)碳金融市場(chǎng)的風(fēng)險(xiǎn)進(jìn)行度量。當(dāng)使用Copula函數(shù)計(jì)算市場(chǎng)風(fēng)險(xiǎn)時(shí)，主要體現(xiàn)在與VAR度量方法的結(jié)合上。Copula將不同的金融資產(chǎn)的邊際分布連接起來(lái)，得到它們的聯(lián)合分布，從而據(jù)此計(jì)算相應(yīng)的分位數(shù)，得到的值也就是市場(chǎng)風(fēng)險(xiǎn)值。假設(shè)，F(xiàn)是由Copula函數(shù)連接的邊際分布的聯(lián)合分布函數(shù)，則對(duì)于顯著水平的VAR值計(jì)算如下：

運(yùn)用Copula函數(shù)構(gòu)建模型后，擬合不同形式的Copula函數(shù)時(shí)需要對(duì)參數(shù)進(jìn)行估計(jì)。本文采用非參數(shù)核密度估計(jì)法，具體步驟如下：

（1）利用核密度函數(shù)得到A、B兩類因子的非參數(shù)核密度估計(jì)為：

（2）Copula函數(shù)中均勻邊際分布變量是根據(jù)密度函數(shù)算出的分布函數(shù)得到的，即：

由上述公式得到的是Copula函數(shù)中的估計(jì)值。

（3）不同Copula函數(shù)的參數(shù)利用極大似然法估計(jì)，即：

（4）這樣不同的Copula結(jié)構(gòu)可以得到不同的Copula函數(shù)，即：

3.實(shí)證研究

文章選取2013年6月18日至2015年12月31日的中國(guó)七所碳交易試點(diǎn)碳交易均價(jià)和歐元兌人民幣匯率的收益率數(shù)據(jù)共579組，作為樣本，數(shù)據(jù)來(lái)源于wind。碳交易均價(jià)定義為：

上式中角標(biāo)分別代表北京、上海、深圳、湖北、廣州、天津、重慶等地。本文將收益率定義為（i=1碳價(jià)，i=2匯率）：

3.1變量的基本統(tǒng)計(jì)特征

經(jīng)過(guò)ADF檢驗(yàn)，兩個(gè)收益率序列都是平穩(wěn)序列，如圖1的時(shí)間序列圖形顯示，兩個(gè)收益率序列圍繞著均值上下波動(dòng)，且其波動(dòng)性具有顯著的“集聚效應(yīng)”。下表給出兩個(gè)序列的一些統(tǒng)計(jì)特性：

從上表可以看出，兩序列的均值和標(biāo)準(zhǔn)差都較小，偏度值比0大，為右偏，峰度值比3大，表現(xiàn)出“尖峰厚尾”的特征。對(duì)碳均價(jià)和匯率兩收益率序列進(jìn)行正態(tài)性檢驗(yàn)，得出H=1，即拒絕原假設(shè)，認(rèn)為他們不服從正態(tài)分布。

3.2參數(shù)估計(jì)

Parzen（1962）的研究結(jié)果顯示了核密度估計(jì)具有漸進(jìn)相容性和漸進(jìn)正態(tài)性的特征。這里選定正態(tài)核函數(shù)，由正態(tài)核的經(jīng)驗(yàn)法則選取光滑參數(shù)，就可以計(jì)算碳均價(jià)和匯率收益率的非參數(shù)核密度估計(jì)的光滑參數(shù)分別為，，其圖形如下：

從圖2可以看出核密度估計(jì)函數(shù)基本上擬合了收益率分布的“尖峰厚尾”特征。根據(jù)公式可以計(jì)算出Copula函數(shù)中的估計(jì)值。為了驗(yàn)證，是來(lái)自上的均勻分布，畫出經(jīng)驗(yàn)分布與均勻分布的累積分布函數(shù)圖，圖形基本重合。由此得出，確實(shí)來(lái)自均勻分布。接著求出阿基米德 Copula中各參數(shù)估計(jì)值。結(jié)果如下：

對(duì)比上表中各Copula函數(shù)的參數(shù)值和極大似然值，不難看出Frank函數(shù)對(duì)應(yīng)的參數(shù)較大，因此初步斷定Frank Copula能夠描述兩序列之間的相關(guān)關(guān)系。

3.3Copula函數(shù)選擇

本文根據(jù)非參數(shù)核密度估計(jì)方法計(jì)算出了不同阿基米德 Copula的參數(shù)估計(jì)值。但是這些不同的阿基米德Copula函數(shù)中是不是Frank能更準(zhǔn)確地刻畫兩序列之間的相關(guān)結(jié)構(gòu)，還需要進(jìn)一步的檢驗(yàn)。本文采取三種函數(shù)與均勻分布之間的歐式距離比較，得到如下結(jié)果：

從上表中我們看出Frank是最優(yōu)的，而Gumbel和Clayton函數(shù)距離相對(duì)較遠(yuǎn)。因此，在顯著性水平為5%情況下，認(rèn)為兩序列的相關(guān)結(jié)構(gòu)可以指定非線性的Frank函數(shù)描述。進(jìn)一步計(jì)算阿基米德 Copula函數(shù)的相關(guān)性測(cè)度的指標(biāo)：

從表4中我們看出基于阿基米德 Copula函數(shù)的相關(guān)性測(cè)度指標(biāo)中Frank的Kendalls Tau和Spearmans Rho是最高的。也就意味著Frank對(duì)極端事件的尾部相關(guān)性能夠更好地加以描述，所以它更能恰當(dāng)?shù)乜坍媰尚蛄械南嚓P(guān)性問(wèn)題，碳均價(jià)和匯率收益率序列整體相關(guān)性比較強(qiáng)，與上面的非參數(shù)密度實(shí)證結(jié)果相符。

3.4市場(chǎng)風(fēng)險(xiǎn)VAR

為了得到市場(chǎng)風(fēng)險(xiǎn)的具體數(shù)值，對(duì)碳均價(jià)和匯率收益率進(jìn)行等權(quán)重組合，運(yùn)用Frank Copula進(jìn)行蒙特卡羅模擬，計(jì)算出不同置信度下的值，結(jié)果見下表：

實(shí)證結(jié)果比較可知：置信度的提高帶來(lái)VAR的值的增大；碳均價(jià)序列的VAR值相比匯率序列的VAR值要大；匯率是受到政府監(jiān)管的，而碳價(jià)監(jiān)管還未完善；若將兩風(fēng)險(xiǎn)的VAR值直接相加要比整合后的VAR值要大，說(shuō)明不同的風(fēng)險(xiǎn)因子之間的相關(guān)性會(huì)使市場(chǎng)風(fēng)險(xiǎn)的值變大；而蒙特卡羅模擬的值處于兩者之間，市場(chǎng)風(fēng)險(xiǎn)VAR值隨著蒙特卡羅模擬模擬的次數(shù)增多而增大；由此可知，本文選取的Copula模型很好地將序列間相關(guān)性整合在一起，對(duì)中國(guó)碳金融的市場(chǎng)風(fēng)險(xiǎn)進(jìn)行了很好的度量。

結(jié)論

低碳經(jīng)濟(jì)的興起促進(jìn)碳金融業(yè)務(wù)迅速崛起，碳金融服務(wù)機(jī)構(gòu)的業(yè)務(wù)的發(fā)展同時(shí)也促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型，參與碳金融業(yè)務(wù)的關(guān)鍵就是有效地實(shí)現(xiàn)碳交易市場(chǎng)的風(fēng)險(xiǎn)防控。本文根據(jù)研究結(jié)果，現(xiàn)提出如下政策建議：

首先，積極構(gòu)建全國(guó)范圍內(nèi)較為完善的碳金融交易平臺(tái)。一是，統(tǒng)一定價(jià)，在全國(guó)范圍內(nèi)實(shí)現(xiàn)統(tǒng)一制定價(jià)格，有明確對(duì)的價(jià)格制定體系，從而提高碳金融交易的市場(chǎng)效率。二是，統(tǒng)一配額，在全面推進(jìn)碳金融交易平臺(tái)建設(shè)的基礎(chǔ)上，實(shí)現(xiàn)全國(guó)范圍內(nèi)的總量控制。三是，統(tǒng)一監(jiān)管，實(shí)現(xiàn)自上而下的審慎監(jiān)管體制，明確各級(jí)部門監(jiān)管范疇，并防止沖突。

其次，健全交易和監(jiān)管機(jī)制。設(shè)立碳排放權(quán)交易所交易的進(jìn)入門檻，確保交易主體具有良好的風(fēng)險(xiǎn)防范和控制意識(shí)，同時(shí)設(shè)立風(fēng)險(xiǎn)警示制度，通過(guò)保證金制度，實(shí)現(xiàn)對(duì)交易風(fēng)險(xiǎn)的防范。

最后，與國(guó)際碳排放交易體系加強(qiáng)合作。對(duì)國(guó)內(nèi)相對(duì)分散的碳金融交易平臺(tái)進(jìn)行深度整合，重點(diǎn)扶持碳金融交易的第三方機(jī)構(gòu)，加強(qiáng)與國(guó)際化程度較深的氣候交易所的合作，逐步實(shí)現(xiàn)中國(guó)碳金融交易的國(guó)際化。

參考文獻(xiàn)：

[1]韋艷華，張世英.金融市場(chǎng)的相關(guān)性分析——Copula-GARCH模型及其應(yīng)用[J].系統(tǒng)工程，2004，22（4）：7-12.

[2]周艷菊，彭俊，王宗潤(rùn).基于Bayesian-Copula方法的商業(yè)銀行操作風(fēng)險(xiǎn)度li量[J].中國(guó)管理科學(xué)，2011，19（4）：17-25.

[3]李建平，豐吉闖等.風(fēng)險(xiǎn)相關(guān)性下的信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)集成度量[J].中國(guó)管理科學(xué)，2010，18（1）：18-25.

[4]張晨，楊玉，張濤.基于Copula模型的商業(yè)銀行碳金融市場(chǎng)風(fēng)險(xiǎn)整合度量[J].中國(guó)管理科學(xué)，2015，04：61-69.

[5]柏滿迎，孫祿杰.三種Copula-VaR計(jì)算方法與傳統(tǒng)VaR方法的比較[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2007（02）：154-160.

作者簡(jiǎn)介：

韋景梅（1989.11- ），女，漢族，河北邢臺(tái)人，碩士研究生在讀，現(xiàn)就讀于河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，應(yīng)用經(jīng)濟(jì)學(xué)專業(yè)金融學(xué)方向。