国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于非參數(shù)Copula-CVaR模型的碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度

2019-09-04 06:35:38柴尚蕾
中國(guó)管理科學(xué) 2019年8期
關(guān)鍵詞:碳價(jià)測(cè)度金融市場(chǎng)

柴尚蕾,周 鵬

(1.南京航空航天大學(xué)經(jīng)濟(jì)與管理學(xué)院,江蘇 南京 211106; 2.山東師范大學(xué)商學(xué)院,山東 濟(jì)南 250014;3.中國(guó)石油大學(xué)(華東)經(jīng)濟(jì)管理學(xué)院,山東 青島 266555)

1 引言

《聯(lián)合國(guó)氣候變化框架公約》與《京都議定書(shū)》的生效及歐盟碳排放權(quán)交易制度的建立與實(shí)施,催生了一個(gè)全新的金融領(lǐng)域——碳金融。世界銀行碳金融部門(mén)、國(guó)際金融公司、國(guó)際投資銀行是國(guó)際碳金融市場(chǎng)的主要推動(dòng)者,商業(yè)銀行、保險(xiǎn)公司、基金公司和證券公司是國(guó)際碳金融市場(chǎng)的主要投資者。其中,國(guó)際頂尖商業(yè)銀行如花旗銀行、巴克萊銀行、荷蘭銀行等率先執(zhí)行“赤道原則”開(kāi)展相關(guān)碳金融項(xiàng)目融資,積極對(duì)低碳項(xiàng)目提供貸款、碳信用咨詢、理財(cái)產(chǎn)品等金融服務(wù)。國(guó)際碳金融市場(chǎng)逐步完善,碳金融業(yè)務(wù)進(jìn)一步拓展。

與國(guó)際市場(chǎng)相比,國(guó)內(nèi)碳市場(chǎng)的發(fā)展相對(duì)緩慢。我國(guó)作為《京都議定書(shū)》非附件I國(guó)家不承擔(dān)強(qiáng)制減排任務(wù),但能夠以發(fā)展中國(guó)家的身份參與清潔發(fā)展機(jī)制(CDM)下的項(xiàng)目開(kāi)發(fā)。因此,我國(guó)碳金融早期實(shí)踐主要是通過(guò)CDM參與到國(guó)際碳市場(chǎng)。商業(yè)銀行等金融機(jī)構(gòu)為企業(yè)提供融資、投資、碳減排認(rèn)證顧問(wèn)等一攬子服務(wù),積累了一定經(jīng)驗(yàn),獲得初步發(fā)展。例如,興業(yè)銀行率先推出碳資產(chǎn)質(zhì)押授信業(yè)務(wù),為CDM項(xiàng)目提供融資支持;中國(guó)銀行推出一系列碳金融產(chǎn)品包括基于CDM的節(jié)能減排融資項(xiàng)目和基于碳排放權(quán)的金融理財(cái)產(chǎn)品等。近年來(lái),金融機(jī)構(gòu)在碳市場(chǎng)交易中扮演著愈來(lái)愈重要的角色,不僅為碳交易主體提供直接或間接的融資支持,而且直接活躍于國(guó)際碳市場(chǎng)。碳市場(chǎng)的快速發(fā)展給我國(guó)金融業(yè)帶來(lái)機(jī)遇的同時(shí),也因其交易的特殊性給商業(yè)銀行帶來(lái)嚴(yán)峻挑戰(zhàn)。張躍軍和魏一鳴[1]指出,歐盟碳市場(chǎng)作為一種新型金融市場(chǎng)吸引全球金融機(jī)構(gòu)的關(guān)注和實(shí)質(zhì)參與,但因其不可預(yù)測(cè)性給我國(guó)CDM項(xiàng)目收益和相關(guān)銀行理財(cái)產(chǎn)品的收益帶來(lái)了較大風(fēng)險(xiǎn)。對(duì)碳金融市場(chǎng)風(fēng)險(xiǎn)進(jìn)行識(shí)別與準(zhǔn)確評(píng)估有助于增強(qiáng)國(guó)內(nèi)商業(yè)銀行等金融機(jī)構(gòu)對(duì)國(guó)際碳金融業(yè)務(wù)的風(fēng)險(xiǎn)管理能力。

國(guó)內(nèi)外學(xué)者針對(duì)碳交易價(jià)格波動(dòng)引發(fā)的市場(chǎng)風(fēng)險(xiǎn)測(cè)度及影響因素分析開(kāi)展了大量的研究。Christiansen等[2]指出政策及其監(jiān)管問(wèn)題是驅(qū)動(dòng)歐盟EU ETS價(jià)格變化的重要因素。Alberola和Chevallier[3]發(fā)現(xiàn)碳價(jià)受到市場(chǎng)機(jī)制及其外界不穩(wěn)定環(huán)境(如氣候政策、減排配額分配、宏觀經(jīng)濟(jì)波動(dòng)等因素)的影響,出現(xiàn)較大幅度的波動(dòng),從而降低碳金融市場(chǎng)參與主體的信心。Blyth和Bunn[4]通過(guò)建立碳價(jià)形成的隨機(jī)模擬模型,分析政策、市場(chǎng)和技術(shù)風(fēng)險(xiǎn)的共同演化,發(fā)現(xiàn)政策的不確定性是價(jià)格風(fēng)險(xiǎn)的主要來(lái)源。部分學(xué)者強(qiáng)調(diào)宏觀經(jīng)濟(jì)因素影響碳價(jià)的波動(dòng)(Chevalier[5]、Koch等[6]、Yu和Mallory[7]、Zhu Bangzhu等[8]),發(fā)現(xiàn)發(fā)達(dá)國(guó)家經(jīng)濟(jì)的衰退,容易導(dǎo)致對(duì)碳排放指標(biāo)需求的減少,供求關(guān)系的變化也給碳金融業(yè)務(wù)帶來(lái)巨大的市場(chǎng)風(fēng)險(xiǎn)。測(cè)度碳價(jià)波動(dòng)風(fēng)險(xiǎn)的文獻(xiàn)主要采用如下幾類模型與方法:一是GARCH族模型,如楊超等[9],F(xiàn)eng Zhenhua等[10],Reboredo和Ugando[11],蔣晶晶等[12],Ren Cong和Lo[13];二是隨機(jī)波動(dòng)(SV)模型,如劉維泉和郭兆暉[14];三是資本資產(chǎn)定價(jià)模型(CAPM)與Zipf方法,如唐葆君和申程[15]。大多數(shù)文獻(xiàn)表明,基于GARCH模型和極值理論的風(fēng)險(xiǎn)價(jià)值VaR方法在測(cè)度碳市場(chǎng)價(jià)格波動(dòng)風(fēng)險(xiǎn)上更具有優(yōu)勢(shì)。

現(xiàn)有文獻(xiàn)在碳市場(chǎng)風(fēng)險(xiǎn)測(cè)度方法上的研究已取得較大成果并作出重要貢獻(xiàn),但多數(shù)文獻(xiàn)主要解決的是單一風(fēng)險(xiǎn)測(cè)度問(wèn)題,較少關(guān)注風(fēng)險(xiǎn)的多源性特征。而實(shí)踐表明,碳市場(chǎng)風(fēng)險(xiǎn)來(lái)源復(fù)雜,尤其是國(guó)內(nèi)碳交易主體參與國(guó)際交易時(shí)面臨碳價(jià)波動(dòng)和匯率波動(dòng)兩大風(fēng)險(xiǎn)。為了提高風(fēng)險(xiǎn)評(píng)估與控制能力,我國(guó)金融機(jī)構(gòu)必須度量整體風(fēng)險(xiǎn),即需要解決風(fēng)險(xiǎn)集成問(wèn)題。本文將碳金融市場(chǎng)集成風(fēng)險(xiǎn)定義為我國(guó)金融機(jī)構(gòu)參與歐盟CER交易時(shí)所面臨的碳價(jià)與匯率兩類風(fēng)險(xiǎn)因子的整合,即運(yùn)用Copula函數(shù)理論將風(fēng)險(xiǎn)因子之間的非線性動(dòng)態(tài)相關(guān)性連接起來(lái)計(jì)算碳金融市場(chǎng)的整體風(fēng)險(xiǎn)。

針對(duì)碳價(jià)與匯率兩類風(fēng)險(xiǎn)因子的整合,采用連接(Copula)函數(shù)理論。與張晨等[16]文獻(xiàn)的不同之處在于:該文獻(xiàn)在確定風(fēng)險(xiǎn)因子邊緣分布時(shí)采用參數(shù)法通過(guò)構(gòu)建Copula-ARMA-GARCH模型來(lái)確定碳價(jià)風(fēng)險(xiǎn)和匯率風(fēng)險(xiǎn)的邊緣分布,而本文采取非參數(shù)法確定風(fēng)險(xiǎn)因子的邊緣分布。理由是參數(shù)法需要事先對(duì)分布做出假設(shè),容易造成模型的設(shè)定偏差。Chevallier[17]在進(jìn)行碳價(jià)格波動(dòng)特征分析時(shí),發(fā)現(xiàn)非參數(shù)模型相較于線性自回歸模型能夠減少15%的預(yù)測(cè)誤差。黃金波等[18-19]指出相對(duì)于參數(shù)和半?yún)?shù)方法,非參數(shù)方法不需要事先對(duì)分布函數(shù)形式做任何模型設(shè)定,避免人為的模型設(shè)定風(fēng)險(xiǎn)和參數(shù)估計(jì)偏差,能夠給出較為準(zhǔn)確的風(fēng)險(xiǎn)估計(jì)。此外,非參數(shù)核估計(jì)方法可以允許金融時(shí)間序列數(shù)據(jù)之間相互依賴。

本文采用非參數(shù)核估計(jì)方法確定碳金融市場(chǎng)價(jià)格波動(dòng)與匯率波動(dòng)兩類風(fēng)險(xiǎn)因子的邊緣分布,構(gòu)建Copula-CVaR模型度量碳金融市場(chǎng)多源風(fēng)險(xiǎn)因子之間非線性、動(dòng)態(tài)相依結(jié)構(gòu)并對(duì)多源風(fēng)險(xiǎn)進(jìn)行集成測(cè)度。研究工作在理論方法層面上不僅避免了參數(shù)法人為設(shè)定邊緣分布類型可能造成的偏差,而且通過(guò)引入條件風(fēng)險(xiǎn)價(jià)值(CVaR)克服了傳統(tǒng)風(fēng)險(xiǎn)價(jià)值(VaR)在解決市場(chǎng)風(fēng)險(xiǎn)測(cè)度問(wèn)題時(shí)的缺陷;在應(yīng)用層面,提高碳金融市場(chǎng)多源風(fēng)險(xiǎn)集成測(cè)度的準(zhǔn)確度,對(duì)商業(yè)銀行等金融機(jī)構(gòu)參與國(guó)際碳金融業(yè)務(wù)時(shí)提高風(fēng)險(xiǎn)識(shí)別、評(píng)估與控制能力具有一定的參考價(jià)值。

2 模型與方法

2.1 風(fēng)險(xiǎn)集成技術(shù)——連接(Copula)函數(shù)

碳金融市場(chǎng)是一個(gè)多種因素相互作用的復(fù)雜系統(tǒng),風(fēng)險(xiǎn)因子的多樣化和相關(guān)性對(duì)集成風(fēng)險(xiǎn)管理提出了更高要求。傳統(tǒng)的集成風(fēng)險(xiǎn)測(cè)度方法以單一風(fēng)險(xiǎn)因子的簡(jiǎn)單加總或建立依賴于正態(tài)分布的多元線性模型為主,忽略了風(fēng)險(xiǎn)因子的非線性與動(dòng)態(tài)相關(guān)等特性。張金清和李徐[20]指出,由不同類型的風(fēng)險(xiǎn)因子共同作用所產(chǎn)生的風(fēng)險(xiǎn)與單種風(fēng)險(xiǎn)因子所驅(qū)動(dòng)的風(fēng)險(xiǎn)有著本質(zhì)的差別,單種風(fēng)險(xiǎn)因子所驅(qū)動(dòng)的風(fēng)險(xiǎn)測(cè)度方法一般都不適用于集成風(fēng)險(xiǎn)的度量。因此,探索更為科學(xué)合理的集成風(fēng)險(xiǎn)測(cè)度方法以準(zhǔn)確刻畫(huà)碳金融市場(chǎng)多源風(fēng)險(xiǎn)因子之間的非線性及動(dòng)態(tài)相關(guān)性等特征是本研究的主要目的。

本文引入連接(Copula)函數(shù)將不同類型的分布整合成一個(gè)聯(lián)合分布,克服傳統(tǒng)方法的弊端,將包含厚尾分布信息的邊緣分布函數(shù)納入集成風(fēng)險(xiǎn)測(cè)度模型,不僅可以準(zhǔn)確刻畫(huà)不同類型風(fēng)險(xiǎn)因子之間的非線性相依關(guān)系,而且可以很好地描述風(fēng)險(xiǎn)因子相關(guān)性隨市場(chǎng)波動(dòng)和時(shí)間推移而變化這一特征,提高碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度的準(zhǔn)確性?,F(xiàn)有文獻(xiàn)將連接(Copula)函數(shù)作為風(fēng)險(xiǎn)集成技術(shù)的應(yīng)用主要集中在銀行、股市等傳統(tǒng)金融領(lǐng)域,而對(duì)碳金融等新興領(lǐng)域的探索尚未展開(kāi)。如學(xué)者李建平等[21]對(duì)商業(yè)銀行的信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)進(jìn)行集成測(cè)度,假定各種風(fēng)險(xiǎn)損失率服從特定的分布(beta分布、正態(tài)分布和對(duì)數(shù)正態(tài)分布),研究不同置信水平下、不同相關(guān)結(jié)構(gòu)下的風(fēng)險(xiǎn)值和集成風(fēng)險(xiǎn)管理。嚴(yán)太華和韓超[22]運(yùn)用GJR模型對(duì)滬深股市四個(gè)行業(yè)風(fēng)險(xiǎn)變量進(jìn)行過(guò)濾并將極值理論與Copula函數(shù)相結(jié)合計(jì)算行業(yè)集成風(fēng)險(xiǎn)價(jià)值。與以上文獻(xiàn)不同的是,在解決碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度問(wèn)題時(shí),本文采用非參數(shù)方法確定兩類風(fēng)險(xiǎn)因子的邊緣分布,避免參數(shù)方法人為設(shè)定分布類型可能造成的偏差。

Copula函數(shù)是將n個(gè)一元邊緣分布連接為一個(gè)由n個(gè)隨機(jī)變量組成的多元聯(lián)合分布。對(duì)于任何一個(gè)多元分布,能夠提取出邊緣分布和用于捕獲相關(guān)結(jié)構(gòu)的Copula函數(shù)。本文要刻畫(huà)碳金融市場(chǎng)價(jià)格波動(dòng)與匯率波動(dòng)兩類風(fēng)險(xiǎn)因子的邊緣分布,涉及到二元隨機(jī)變量X和Y的Copula函數(shù),其標(biāo)準(zhǔn)表達(dá)式為:

H(x,y)=C(F(x),G(y))

(1)

其中,C(u,v)為Copula函數(shù),F(xiàn)(x)和G(y)是邊緣分布函數(shù),H(x,y)是聯(lián)合分布函數(shù)。邊緣分布函數(shù)信息包含在F(x)和G(y)中,而相關(guān)性信息包含在C(u,v)中。相關(guān)關(guān)系完全取決于Copula函數(shù),而數(shù)據(jù)的特征形狀(如均值、標(biāo)準(zhǔn)差、偏度和峰度)則取決于邊緣分布。

該方法在解決碳金融市場(chǎng)相關(guān)性問(wèn)題時(shí)的優(yōu)勢(shì)在于:第一,Copula函數(shù)的選擇不受邊緣分布選擇的限制且邊緣分布不需要一致;第二,Copula函數(shù)可以刻畫(huà)收益分布的非正態(tài)性質(zhì),如“尖峰厚尾” 特征;第三,Copula函數(shù)可以描述不同資產(chǎn)收益之間復(fù)雜的非線性關(guān)系。

Copula函數(shù)主要包括橢圓類Copula和阿基米德Copula。橢圓類Copula服從橢圓分布且尾部對(duì)稱,最常用的是高斯Copula和學(xué)生t-Copula。阿基米德Copula由參數(shù)α表示的生成元φα(t)構(gòu)建,通過(guò)選擇不同的生成元能夠得到不同的Copula函數(shù)族,如Clayton Copula、Frank Copula和Gumbel Copula等。

2.2 風(fēng)險(xiǎn)測(cè)度指標(biāo)CVaR/VaR

風(fēng)險(xiǎn)價(jià)值(Value at Risk,VaR)是金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度的主流方法,可將同一市場(chǎng)的不同風(fēng)險(xiǎn)因子或不同市場(chǎng)的風(fēng)險(xiǎn)進(jìn)行集成,較準(zhǔn)確地測(cè)度由相互作用的不同風(fēng)險(xiǎn)來(lái)源產(chǎn)生的潛在損失。VaR的定義是在一定置信水平β下,某一資產(chǎn)或資產(chǎn)組合在一定持有期內(nèi)可能出現(xiàn)的最大損失。在數(shù)學(xué)上,VaR表示為收益r分布的1-β分位數(shù),其表達(dá)式為:

Pr(r≤-VaR)=1-β

(2)

若以F(·)表示資產(chǎn)組合收益的累積概率分布函數(shù),資產(chǎn)組合的VaR表示為:

VaR=-F-1(1-β)

(3)

VaR雖然指的是損失值,但習(xí)慣上用正值表示。由于它具有概念簡(jiǎn)單、易于理解的優(yōu)點(diǎn),成為國(guó)際上主流的金融風(fēng)險(xiǎn)度量方法,但在應(yīng)用上卻存在兩大缺陷:第一,VaR不滿足一致風(fēng)險(xiǎn)測(cè)度理論中的次可加性公理,即組合的VaR可能會(huì)大于組合中各資產(chǎn)的VaR之和,違背金融理論分散化投資的基本常識(shí)。第二,VaR未考慮超過(guò)分位點(diǎn)的下方風(fēng)險(xiǎn)信息,其尾部損失測(cè)量的非充分性誤導(dǎo)投資者忽略小概率發(fā)生的巨額損失情形,而成為風(fēng)險(xiǎn)管理的遺漏。

鑒于VaR存在的諸多不足,Rockafellar和Uryasev[23]提出條件風(fēng)險(xiǎn)價(jià)值(Conditional Value at Risk,CVaR)來(lái)彌補(bǔ)VaR的缺陷。CVaR是指資產(chǎn)組合在一定持有期內(nèi)損失超過(guò)風(fēng)險(xiǎn)價(jià)值VaR的條件均值,反映超額損失的平均水平。在置信水平β下,收益r的CVaR簡(jiǎn)單表達(dá)式為:

CVaR=-E{r|r≤-VaR}

(4)

CVaR是一種一致性風(fēng)險(xiǎn)度量方法,不僅具有VaR模型的優(yōu)點(diǎn),而且具有次可加性、凸性等優(yōu)良的理論性質(zhì),在投資組合優(yōu)化決策中的應(yīng)用潛力很大,但在其他領(lǐng)域的實(shí)踐還需要進(jìn)一步探索與完善。

2.3 非參數(shù)Copula-CVaR集成風(fēng)險(xiǎn)測(cè)度模型

本文將連接(Copula)函數(shù)與條件風(fēng)險(xiǎn)價(jià)值(CVaR)相結(jié)合,提出基于非參數(shù)Copula-CVaR模型的碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度方法。該方法的主要思想為通過(guò)連接(Copula)函數(shù)將具有非正態(tài)性質(zhì)、相互關(guān)聯(lián)的多個(gè)風(fēng)險(xiǎn)因子“連接”起來(lái),構(gòu)建由多個(gè)風(fēng)險(xiǎn)因子驅(qū)動(dòng)的資產(chǎn)組合收益率的聯(lián)合分布,進(jìn)而計(jì)算得到資產(chǎn)組合的集成風(fēng)險(xiǎn)CVaR的值。

與現(xiàn)有文獻(xiàn)的不同之處,主要體現(xiàn)在:一是連接(Copula)函數(shù)的邊緣分布采用非參數(shù)法避免參數(shù)法的假設(shè);二是以CVaR作為風(fēng)險(xiǎn)測(cè)度指標(biāo)彌補(bǔ)VaR的缺陷;三是采用Copula變換相關(guān)系數(shù)的CVaR分析法計(jì)算Copula-CVaR的值。最后,通過(guò)Kupiec回測(cè)檢驗(yàn)對(duì)模型進(jìn)行失敗率檢測(cè),并對(duì)比分析其他幾類傳統(tǒng)方法,驗(yàn)證本文所采用非參數(shù)Copula-CVaR模型的優(yōu)劣。

2.3.1 非參數(shù)法確定邊緣分布

確定風(fēng)險(xiǎn)因子邊緣分布的方法有兩種:一種是參數(shù)法;一種是非參數(shù)法。參數(shù)法假定風(fēng)險(xiǎn)因子服從某種含有參數(shù)的已知分布,如正態(tài)分布、t分布等常見(jiàn)分布,即密度函數(shù)的形式是已知的,需要由樣本估計(jì)其中的參數(shù)。參數(shù)法依賴于事先對(duì)總體分布的假設(shè),而做出這種假設(shè)往往是困難的。非參數(shù)法則不存在這樣的“假設(shè)”困難。因此,本文選用非參數(shù)法確定Copula邊緣分布。任仙玲和張世英[24-25]提出采用非參數(shù)核密度估計(jì)描述單個(gè)金融資產(chǎn)的邊緣分布,建立Copula-Kenel模型度量VaR。核密度估計(jì)的定義為:設(shè){xi}是來(lái)自連續(xù)分布函數(shù)Fi(xi)的同分布樣本,F(xiàn)i(xi)的非參數(shù)核密度估計(jì)為:

(5)

其中,K(·)為核函數(shù),h為窗寬。核函數(shù)可以有多種不同的表示形式,常用核函數(shù)為高斯核。張冀等[26]指出對(duì)于數(shù)據(jù)量很大的樣本如資本市場(chǎng)交易數(shù)據(jù),參數(shù)模型的分布設(shè)定對(duì)結(jié)果有一定的影響,建議使用非參數(shù)Copula 模型準(zhǔn)確度量資產(chǎn)之間的復(fù)雜依賴關(guān)系。

2.3.2 Copula-CVaR的估計(jì)方法

文獻(xiàn)將Copula 函數(shù)應(yīng)用于風(fēng)險(xiǎn)價(jià)值計(jì)算的方法主要?dú)w納為三類(柏滿迎和孫祿杰[27]):Copula-VaR的解析方法、Copula 變換相關(guān)系數(shù)的VaR計(jì)算方法和Monte-Carlo模擬方法。現(xiàn)有文獻(xiàn)多數(shù)采用第三種方法,如張晨等[16]、張金清和李徐[20]、李建平等[21]和趙魯濤等[28]。然而,Monte-Carlo模擬雖然對(duì)于風(fēng)險(xiǎn)因子非常靈活,但也存在一個(gè)潛在的弱點(diǎn)——模型風(fēng)險(xiǎn),即對(duì)相關(guān)風(fēng)險(xiǎn)因子指定一個(gè)隨機(jī)過(guò)程,而這一特定隨機(jī)過(guò)程卻不一定是最合適的。若該資產(chǎn)的隨機(jī)過(guò)程不能實(shí)現(xiàn),風(fēng)險(xiǎn)值的計(jì)算就可能存在很大不確定性。因此,嘗試選用文獻(xiàn)[27]提到的第二種計(jì)算方法,即Copula 變換相關(guān)系數(shù)的分析方法。與該文獻(xiàn)不同的是,本文選擇的風(fēng)險(xiǎn)價(jià)值測(cè)度指標(biāo)是CVaR,克服了VaR不滿足一致風(fēng)險(xiǎn)測(cè)度理論中次可加性等缺陷。為進(jìn)一步提高風(fēng)險(xiǎn)測(cè)度的準(zhǔn)確性,將傳統(tǒng)CVaR計(jì)算分析方法中的線性相關(guān)系數(shù)替換為性質(zhì)更好的秩相關(guān)系數(shù)或尾部相關(guān)系數(shù),而這兩類相關(guān)系數(shù)都可以用Copula函數(shù)表示出來(lái),具體表達(dá)式為:

(6)

其中,τij是Kendall秩相關(guān)系數(shù),ρs是Spearman秩相關(guān)系數(shù),λup是上尾相關(guān)系數(shù),λlow是下尾相關(guān)系數(shù)。

計(jì)算集成風(fēng)險(xiǎn)價(jià)值CVaR的表達(dá)式為:

CVaR=kβσp-E[rp]

(7)

(8)

其中,zβ是置信水平β∈(1/2,1)對(duì)應(yīng)的標(biāo)準(zhǔn)正態(tài)分位數(shù)。σp和E[rp]分別代表組合收益的標(biāo)準(zhǔn)差和期望值。碳價(jià)與匯率組合收益的標(biāo)準(zhǔn)差σp大小取決于組合內(nèi)各變量之間的相關(guān)系數(shù)。

傳統(tǒng)的RiskMetrics方法采用的ρij是基于正態(tài)性假設(shè)的線性相關(guān)系數(shù)?;讦裪j的組合收益的標(biāo)準(zhǔn)差σp計(jì)算如下:

(9)

進(jìn)一步推導(dǎo)可得出CVaR關(guān)于線性相關(guān)系數(shù)的表達(dá)式為:

CVaR=kβσp-E[rp]

(10)

CVaR關(guān)于非線性相關(guān)系數(shù)(Kendall秩相關(guān)系數(shù))的表達(dá)式為:

CVaR=kβσp-E[rp]

(11)

3 實(shí)證分析

3.1 實(shí)證數(shù)據(jù)的選取與描述

我國(guó)商業(yè)銀行等金融機(jī)構(gòu)參與國(guó)際碳金融市場(chǎng)的渠道主要集中在《京都議定書(shū)》確立的CDM機(jī)制下信貸投融資等業(yè)務(wù)。在該機(jī)制下交易的金融產(chǎn)品主要是經(jīng)核證減排量(CER)。此外,歐盟碳排放交易體系在全球碳市場(chǎng)中占據(jù)最重要地位,交易的活躍度與參與率都較高,我國(guó)碳金融主要以歐元作為交易貨幣。因此,本文選取CDM機(jī)制下碳減排金融產(chǎn)品CER現(xiàn)貨價(jià)格和歐元兌人民幣的匯率作為表征碳金融市場(chǎng)價(jià)格波動(dòng)和匯率波動(dòng)的樣本數(shù)據(jù)?!毒┒甲h定書(shū)》執(zhí)行期分為第一承諾期(2008年~2012年)和后京都時(shí)代(2012年以后)?!毒┒甲h定書(shū)》第一承諾期結(jié)束后,傘形國(guó)家集團(tuán)不但沒(méi)有達(dá)到一期減排目標(biāo),而且態(tài)度越來(lái)越消極。日本、俄羅斯、新西蘭等國(guó)紛紛退出協(xié)定。與第一承諾期相比,2012年以后《京都議定書(shū)》的約束力銳減,官方?jīng)]有明確提出“第二承諾期”的概念,而是稱其為“后京都時(shí)代”。樣本區(qū)間也相應(yīng)劃分為兩個(gè)子集:樣本1代表第一承諾期,數(shù)據(jù)選自2009年3月13日至2012年12月31日(剔除掉早期試運(yùn)行數(shù)據(jù));樣本2代表后京都時(shí)代,數(shù)據(jù)選自2013年1月2日至2017年6月7日。數(shù)據(jù)來(lái)源于彭博數(shù)據(jù)終端(CER數(shù)據(jù))與中國(guó)外匯管理局(匯率數(shù)據(jù))。圖1和圖2分別描述碳價(jià)與匯率時(shí)間序列數(shù)據(jù)(自2009年3月13日至2017年6月7日)的各種特征,從左到右依次是價(jià)格(PRICE)、收益(RETURN)及波動(dòng)率(VOLATILITY)。其中,收益序列呈現(xiàn)波動(dòng)聚集性,波動(dòng)率特征通過(guò)建立GARCH(1,1)模型計(jì)算收益序列的條件標(biāo)準(zhǔn)差來(lái)刻畫(huà)。

圖1 碳價(jià)時(shí)間序列特征(2009.3.13-2017.6.7)

圖2 匯率時(shí)間序列特征(2009.3.13-2017.6.7)

通過(guò)對(duì)比圖1和圖2,發(fā)現(xiàn)碳價(jià)波動(dòng)比匯率波動(dòng)更加劇烈。從圖1看出,CER價(jià)格在2012年以后出現(xiàn)“斷崖式”滑落,幾乎下降為零。CER收益率也在2012及2015年前后出現(xiàn)極端異常波動(dòng)。這是由于2012年12月31日是《京都議定書(shū)》第一承諾期的有效截止日,國(guó)際社會(huì)對(duì)《京都議定書(shū)》達(dá)成二期承諾存在分歧,導(dǎo)致2012年前后碳價(jià)出現(xiàn)大幅震蕩。2012年以后該框架協(xié)議失去其在第一承諾期的強(qiáng)制約束力,引起CER交易銳減,價(jià)格急劇下降,由第一承諾期的14歐元/噸下跌至后京都時(shí)代的0.3歐元/噸。但圖1中后京都時(shí)代CER價(jià)格序列曲線近似于水平線,無(wú)法直觀地識(shí)別出其波動(dòng)狀態(tài)。為了更加清晰地觀測(cè)2012年以后CER價(jià)格與收益序列的波動(dòng)特征,將全樣本劃分為兩個(gè)子集,分別對(duì)樣本1(第一承諾期)和樣本2(后京都時(shí)代)進(jìn)一步展開(kāi)細(xì)致描述,如圖3所示。可以看出,后京都時(shí)代CER價(jià)格波動(dòng)依然非常劇烈,除受到2012年《京都議定書(shū)》第二輪談判的影響而導(dǎo)致價(jià)格突降之外,2015年由于《巴黎協(xié)定》對(duì)“京都模式”的改革使國(guó)際氣候談判更加順利而引起CER價(jià)格從0.02歐元/噸上升至0.6歐元/噸,漲幅超過(guò)96.7%。可見(jiàn),國(guó)際政治與氣候談判對(duì)碳價(jià)波動(dòng)的影響巨大。

表1描述了碳價(jià)(CER)與匯率(EXCHANGE)收益序列的幾個(gè)關(guān)鍵統(tǒng)計(jì)量。圖4和圖5將核密度估計(jì)圖、頻率直方圖和正態(tài)分布的密度函數(shù)圖放在一起加以對(duì)比,并用數(shù)據(jù)分布的分位數(shù)與正態(tài)分布的分位數(shù)之間的關(guān)系曲線來(lái)進(jìn)行檢驗(yàn)。碳價(jià)與匯率收益序列的關(guān)鍵統(tǒng)計(jì)特征歸納如下:

圖3 樣本1(a)第一承諾期和樣本2(b)后京都時(shí)代的碳價(jià)時(shí)間序列特征

表1 碳價(jià)與匯率收益序列的統(tǒng)計(jì)特征

收益序列均值最大值最小值標(biāo)準(zhǔn)差偏度峰度Jarque-Bera 全樣本(2009.3.13-2017.6.7)碳價(jià)-0.004050.69315-0.847300.07225-0.8186235.7055893471.91匯率-0.000070.03337-0.022320.005800.222715.69518650.4721第一承諾期(2009.3.13-2012.12.31)碳價(jià)-0.004260.18305-0.390870.04295-2.6970724.7369120272.59匯率-0.000060.03337-0.022320.006570.138344.59928106.4681后京都時(shí)代(2013.1.2-2017.6.7)碳價(jià)-0.003860.69315-0.847300.09020-0.5376526.3137725486.86匯率-0.000070.02764-0.019990.005040.365357.14670829.572

(1)各收益序列的偏度值非零,表明序列分布相對(duì)于正態(tài)分布是有偏的。碳價(jià)收益序列的偏度值為負(fù),呈左偏態(tài)分布,即比正態(tài)分布有向左側(cè)延伸的長(zhǎng)尾,如圖4所示。匯率收益序列的偏度值為正,呈右偏態(tài)分布,即比正態(tài)分布有向右側(cè)延伸的長(zhǎng)尾。

(2)各收益序列的峰度值均大于3,即序列分布凸起程度均大于正態(tài)分布。與匯率收益序列相比,碳價(jià)收益序列峰度值更高,更明顯地呈現(xiàn)出“尖峰厚尾”現(xiàn)象。

(3)Jarque-Bera統(tǒng)計(jì)量的觀察值都較大,且其相伴概率p值均接近為零,則拒絕原假設(shè),即驗(yàn)證了碳價(jià)與匯率收益序列不服從正態(tài)分布。

(4)由數(shù)據(jù)分布的分位數(shù)與正態(tài)分布的分位數(shù)之間的關(guān)系圖可以看出,碳價(jià)收益序列比匯率收益序列偏離正態(tài)分布的程度更大,非正態(tài)性特征更為顯著。

通過(guò)以上對(duì)樣本數(shù)據(jù)特征的分析,發(fā)現(xiàn)過(guò)去以正態(tài)性假設(shè)為前提的傳統(tǒng)風(fēng)險(xiǎn)價(jià)值VaR計(jì)算分析方法是不合理的。而通過(guò)引入非參數(shù)核估計(jì)方法確定Copula 函數(shù)的邊緣分布,可以更加準(zhǔn)確地刻畫(huà)單個(gè)資產(chǎn)收益率分布的非正態(tài)性質(zhì),如“尖峰厚尾” 特征,并且能夠把具有非正態(tài)性質(zhì)的多個(gè)風(fēng)險(xiǎn)因子“連接”起來(lái),構(gòu)建組合收益的聯(lián)合分布,才能夠更加準(zhǔn)確地度量組合的集成風(fēng)險(xiǎn)。

圖4 樣本1(第一承諾期)碳價(jià)和匯率收益序列的非正態(tài)分布檢驗(yàn)特征

圖5 樣本2(后京都時(shí)代)碳價(jià)和匯率收益序列的非正態(tài)分布檢驗(yàn)特征

3.2 實(shí)證結(jié)果

碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度主要分為五個(gè)步驟,如圖6所示。

步驟1:確定風(fēng)險(xiǎn)因子邊緣分布與聯(lián)合分布。

圖6 碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度的實(shí)證分析流程圖

樣本數(shù)據(jù)特征的分析結(jié)果表明,碳價(jià)與匯率收益序列不服從正態(tài)分布,常見(jiàn)分布中難以找到相應(yīng)類型,以分布假設(shè)為前提的參數(shù)法不再適用。而核密度估計(jì)從樣本自身出發(fā)研究數(shù)據(jù)特征,不需要對(duì)數(shù)據(jù)分布附加任何假定,不利用數(shù)據(jù)分布的先驗(yàn)知識(shí)。因此,本文采用非參數(shù)核密度估計(jì)方法確定碳金融市場(chǎng)兩類風(fēng)險(xiǎn)因子的邊緣分布。以第一承諾期為例,圖7(a)顯示出非參數(shù)核密度估計(jì)分布函數(shù)的曲線與樣本經(jīng)驗(yàn)分布函數(shù)的曲線幾乎完全重合,說(shuō)明該方法的估計(jì)效果較好。圖7(b)描繪出碳價(jià)風(fēng)險(xiǎn)因子與匯率風(fēng)險(xiǎn)因子的邊緣分布U、V及其兩類風(fēng)險(xiǎn)因子的聯(lián)合分布C(u,v)。

步驟2:估計(jì)五類Copula函數(shù)的參數(shù)。

在確定碳價(jià)與匯率兩類風(fēng)險(xiǎn)因子的邊緣分布之后,用極大似然法分別估計(jì)二元高斯Copula、t-Copula,以及阿基米德Copula函數(shù)族的Clayton Copula、Frank Copula和Gumbel Copula的參數(shù)及其函數(shù)表達(dá)式,具體結(jié)果如表2所示。

步驟3:選擇最優(yōu)Copula。

(12)

其中,xi和yi為碳價(jià)與匯率收益序列的樣本數(shù)據(jù),F(xiàn)n(x)和Gn(y)分別為x和y的經(jīng)驗(yàn)分布函數(shù)。I[·]為示性函數(shù),當(dāng)Fn(x)小于或等于u時(shí),I=1,否則I=0。根據(jù)公式(13)計(jì)算出各類Copula函數(shù)與經(jīng)驗(yàn)Copula的平方歐氏距離:

(13)

通過(guò)對(duì)比表2中的最后一列數(shù)據(jù),發(fā)現(xiàn)樣本1(第一承諾期)和樣本2(后京都時(shí)代)中各類型Copula函數(shù)與經(jīng)驗(yàn)Copula之間的距離最小值分別為

圖7 第一承諾期碳價(jià)風(fēng)險(xiǎn)因子與匯率風(fēng)險(xiǎn)因子的邊緣分布及聯(lián)合分布

表2 Copula函數(shù)的參數(shù)估計(jì)結(jié)果

Copula類型參數(shù)估計(jì)值Copulas函數(shù)形式與經(jīng)驗(yàn)Copula的距離樣本1:第一承諾期(2009.3.13-2012.12.31)高斯0.0561^CGaussian(u,v) =∫Φ-1(u)-∞∫Φ-1(v)-∞12π1-0.05612e-x2-2×0.0561xy+y22(1-0.05612)dxdy 0.0207t0.0587^Ct(u,v)=∫t-13(u)-∞∫t-13(v)-∞12π1-0.058721+x2-2×0.0587xy+y23×(1-0.05872) -4+22dxdy0.0209Clayton0.0638^CClayton(u,v)=max(u-0.0638+v-0.0638-1)-1/0.0638,0 0.0178*Frank0.3327^CFrank(u,v)=-10.3327ln1+(e-0.3327u-1)(e-0.3327v-1)e-0.3327-1 0.0225Gumbel1.0177^CGumbel(u,v)=exp-[(-lnu)1.0177+(-lnv)1.0177]1/1.0177 0.0271樣本2:后京都時(shí)代(2013.1.2-2017.6.7)高斯0.0199^CGaussian(u,v) =∫Φ-1(u)-∞∫Φ-1(v)-∞12π1-0.01992e-x2-2×0.0199xy+y22(1-0.01992)dxdy 0.0133t0.0753^Ct(u,v)=∫t-13(u)-∞∫t-13(v)-∞12π1-0.075321+x2-2×0.0753xy+y23×(1-0.07532) -4+22dxdy0.0412Clayton0.0056^CClayton(u,v)=max(u-0.0056+v-0.0056-1)-1/0.0056,0 0.0127*Frank0.8339^CFrank(u,v)=-10.8339ln1+(e-0.8339u-1)(e-0.8339v-1)e-0.8339-1 0.1233Gumbel1.0135^CGumbel(u,v)=exp-[(-lnu)1.0135+(-lnv)1.0135]1/1.0135 0.0153

注:*標(biāo)注的是各類Copula函數(shù)(高斯Copula、t-Copula、Clayton Copula、Frank Copula和Gumbel Copula)與經(jīng)驗(yàn)Copula之間的歐式距離最小值。

0.0178和0.0127,對(duì)應(yīng)的函數(shù)均為Clayton Copula。因此,樣本1(第一承諾期)和樣本2(后京都時(shí)代)數(shù)據(jù)建模時(shí)均選取Clayton Copula刻畫(huà)碳價(jià)風(fēng)險(xiǎn)因子與匯率風(fēng)險(xiǎn)因子的相依結(jié)構(gòu)。

步驟4:計(jì)算集成風(fēng)險(xiǎn)測(cè)度指標(biāo)CVaR/VaR。

本文對(duì)集成風(fēng)險(xiǎn)測(cè)度指標(biāo)CVaR/VaR的估計(jì)采用非參數(shù)Copula變換相關(guān)系數(shù)的CVaR/VaR分析法(簡(jiǎn)記為Copula-CVaR/VaR),并與其他幾種傳統(tǒng)風(fēng)險(xiǎn)價(jià)值估計(jì)方法如歷史模擬法(簡(jiǎn)記為CVaR/VaR-HS)、方差協(xié)方差法(簡(jiǎn)記為CVaR/VaR-NORM)、Cornish-Fisher展開(kāi)式法(簡(jiǎn)記為CVaR/VaR-CF)和風(fēng)險(xiǎn)因子的簡(jiǎn)單加總方法(簡(jiǎn)記為CVaR/VaR-SUM)進(jìn)行比較分析,結(jié)果如表3所示。計(jì)算得到的風(fēng)險(xiǎn)價(jià)值是動(dòng)態(tài)時(shí)間序列,而非某一特定值,如圖8和圖9所示。因此,表3所列集成風(fēng)險(xiǎn)測(cè)度指標(biāo)的值是取CVaR和VaR動(dòng)態(tài)序列均值后的數(shù)據(jù)。

表3 碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度指標(biāo)CVaR和VaR(均值)的計(jì)算結(jié)果

圖8 樣本1(第一承諾期)碳金融市場(chǎng)集成風(fēng)險(xiǎn)CVaR和VaR動(dòng)態(tài)序列(95%置信水平)

圖9 樣本2(后京都時(shí)代)碳金融市場(chǎng)集成風(fēng)險(xiǎn)CVaR和VaR動(dòng)態(tài)序列(95%置信水平)

步驟5:檢驗(yàn)?zāi)P偷挠行浴?/p>

由于受到各種因素的影響,CVaR/VaR度量的風(fēng)險(xiǎn)結(jié)果均存在一定的偏差。若偏差過(guò)大,模型的有效性則受到質(zhì)疑,因此有必要對(duì)CVaR/VaR模型的有效性進(jìn)行檢驗(yàn)。該過(guò)程采用基于失敗率的Kupiec回測(cè)檢驗(yàn),即檢驗(yàn)樣本數(shù)據(jù)中實(shí)際損失超過(guò)CVaR/VaR估計(jì)值的失敗率。檢驗(yàn)結(jié)果如表4所示,N表示各顯著性水平下風(fēng)險(xiǎn)測(cè)度方法的失敗個(gè)數(shù),R表示相應(yīng)的失敗率。

根據(jù)步驟1~5的分析結(jié)果,得出如下結(jié)論:

(1)以95%置信水平下計(jì)算結(jié)果為例,圖8和圖9清晰地描繪出第一承諾期和后京都時(shí)代碳金融市場(chǎng)的風(fēng)險(xiǎn)價(jià)值CVaR/VaR隨時(shí)間變化而動(dòng)態(tài)調(diào)整的過(guò)程。風(fēng)險(xiǎn)價(jià)值CVaR/VaR的變化趨勢(shì)相似,均在2012年底前后和2015年上半年呈現(xiàn)出較大的上升態(tài)勢(shì),這意味著在這兩段時(shí)期碳金融市場(chǎng)風(fēng)險(xiǎn)顯著增大。其直接原因是碳價(jià)波動(dòng)異常劇烈導(dǎo)致,而背后的間接原因是國(guó)際政治博弈與氣候談判帶來(lái)的深層次影響。2012年下半年,國(guó)際社會(huì)對(duì)《京都議定書(shū)》的展期存在分歧,遲遲不能達(dá)成有效的二期承諾,導(dǎo)致碳價(jià)大幅跌落,引起碳金融市場(chǎng)動(dòng)蕩,風(fēng)險(xiǎn)加劇。2015年上半年,隨著第21屆聯(lián)合國(guó)氣候變化大會(huì)的即將召開(kāi),投資者對(duì)碳市場(chǎng)的看漲預(yù)期上調(diào)帶來(lái)了碳價(jià)的大幅回升,導(dǎo)致碳金融市場(chǎng)動(dòng)蕩加劇。2015年底,在《巴黎協(xié)定》獲得近200個(gè)締約方通過(guò)之后,碳價(jià)趨于平穩(wěn),市場(chǎng)風(fēng)險(xiǎn)回落。

表4 Kupiec回測(cè)檢驗(yàn)

注:參考VaR的臨界區(qū)域。當(dāng)T=1000時(shí),在不同顯著性水平α下Kupiec檢驗(yàn)的非拒絕置信區(qū)為4

(2)風(fēng)險(xiǎn)測(cè)度指標(biāo)CVaR的值在絕大多數(shù)情況下大于或等于VaR,特別是在面臨市場(chǎng)波動(dòng)劇烈時(shí),如后京都時(shí)代碳金融市場(chǎng)CVaR的值比VaR大更多。由此可見(jiàn),采用VaR進(jìn)行風(fēng)險(xiǎn)度量容易導(dǎo)致風(fēng)險(xiǎn)低估,且存在風(fēng)險(xiǎn)越大低估越顯著的問(wèn)題。這是由于VaR沒(méi)有充分考慮尾部風(fēng)險(xiǎn),即未考慮超過(guò)VaR水平的損失,其所提供的信息可能會(huì)誤導(dǎo)投資者。而條件風(fēng)險(xiǎn)價(jià)值(CVaR)因其優(yōu)良的理論性質(zhì)彌補(bǔ)VaR的缺陷,即考慮了損失額超過(guò)VaR的期望值,因此,采用更加客觀保守的CVaR方法進(jìn)行風(fēng)險(xiǎn)度量能夠覆蓋更大范圍的下方風(fēng)險(xiǎn),更符合風(fēng)險(xiǎn)管理的謹(jǐn)慎性原則。

(3)Kupiec回測(cè)檢驗(yàn)的結(jié)果證實(shí)了本文所提出的非參數(shù)Copula-CVaR/VaR模型在解決碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度問(wèn)題時(shí)的優(yōu)越性。在不同的顯著性水平下,該方法的計(jì)算準(zhǔn)確性較高,其失敗率遠(yuǎn)低于其他傳統(tǒng)方法。如在1%顯著性水平下,非參數(shù)Copula-CVaR/VaR模型在第一承諾期的失敗個(gè)數(shù)僅為1,失敗率僅為0.001,遠(yuǎn)低于歷史模擬法(CVaR/VaR-HS)、方差協(xié)方差法(CVaR/VaR-NORM)和Cornish-Fisher展開(kāi)式法(CVaR/VaR-CF)的失敗率0.024、0.012和0.013;在后京都時(shí)代的失敗率僅為0.011,遠(yuǎn)低于其他幾類傳統(tǒng)方法的失敗率。此外,參考Kupiec提出的VaR非拒絕置信區(qū)域臨界值,發(fā)現(xiàn)非參數(shù)Copula-CVaR/VaR模型在各個(gè)顯著性水平下均能通過(guò)檢驗(yàn),從而驗(yàn)證該模型在解決碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度問(wèn)題時(shí)的有效性。

4 結(jié)語(yǔ)

碳金融業(yè)務(wù)風(fēng)險(xiǎn)遠(yuǎn)比傳統(tǒng)金融風(fēng)險(xiǎn)更加復(fù)雜,受匯率、價(jià)格以及經(jīng)濟(jì)波動(dòng)等多種市場(chǎng)因子的影響,碳市場(chǎng)的隨機(jī)性波動(dòng)特征更加顯著,導(dǎo)致碳交易主體遭受資產(chǎn)損失的風(fēng)險(xiǎn)加劇。針對(duì)我國(guó)商業(yè)銀行等金融機(jī)構(gòu)在參與國(guó)際碳金融業(yè)務(wù)時(shí)面臨的多源風(fēng)險(xiǎn),本文設(shè)計(jì)出合理有效的碳金融市場(chǎng)風(fēng)險(xiǎn)識(shí)別與評(píng)估機(jī)制,即首先對(duì)風(fēng)險(xiǎn)因子的來(lái)源和類型進(jìn)行甄別和確認(rèn),其次準(zhǔn)確刻畫(huà)多源風(fēng)險(xiǎn)因子的非線性、動(dòng)態(tài)相依結(jié)構(gòu),最后完成碳金融市場(chǎng)多源風(fēng)險(xiǎn)的集成測(cè)度。本文的主要特色與貢獻(xiàn)在于:

第一,對(duì)碳金融市場(chǎng)的多源風(fēng)險(xiǎn)進(jìn)行集成測(cè)度,彌補(bǔ)過(guò)去對(duì)碳市場(chǎng)風(fēng)險(xiǎn)識(shí)別及預(yù)警存在的遺漏,即現(xiàn)有文獻(xiàn)對(duì)市場(chǎng)風(fēng)險(xiǎn)的測(cè)度主要集中在由碳價(jià)波動(dòng)引起的單一風(fēng)險(xiǎn)問(wèn)題上,而忽略多源風(fēng)險(xiǎn)因子的相依性。忽視復(fù)雜相依結(jié)構(gòu)對(duì)市場(chǎng)整體風(fēng)險(xiǎn)的影響,可能會(huì)造成風(fēng)險(xiǎn)低估而誤導(dǎo)投資者?;谔冀鹑谑袌?chǎng)風(fēng)險(xiǎn)要素間的相依性視角,本文通過(guò)引入Copula函數(shù)來(lái)刻畫(huà)國(guó)際碳價(jià)波動(dòng)與碳交易結(jié)算貨幣匯率波動(dòng)兩類具有非正態(tài)性質(zhì)的市場(chǎng)風(fēng)險(xiǎn)因子之間的邊緣分布及相依結(jié)構(gòu),構(gòu)建出由多個(gè)風(fēng)險(xiǎn)因子驅(qū)動(dòng)的聯(lián)合分布,改善了現(xiàn)有文獻(xiàn)通過(guò)單純測(cè)度碳價(jià)風(fēng)險(xiǎn)因子來(lái)全面表征碳金融市場(chǎng)風(fēng)險(xiǎn)的不足,為合理度量碳金融市場(chǎng)風(fēng)險(xiǎn)價(jià)值提供科學(xué)的研究框架。

第二,采用非參數(shù)核估計(jì)方法確定碳金融市場(chǎng)價(jià)格波動(dòng)與匯率波動(dòng)兩類風(fēng)險(xiǎn)因子的Copula邊緣分布,不需要事先對(duì)分布函數(shù)形式做任何的模型設(shè)定,避免了現(xiàn)有文獻(xiàn)主要采用參數(shù)法確定邊緣分布時(shí)可能出現(xiàn)的模型設(shè)定風(fēng)險(xiǎn)和參數(shù)估計(jì)誤差。通過(guò)擬合優(yōu)度檢驗(yàn)選擇最優(yōu)Copula函數(shù)刻畫(huà)風(fēng)險(xiǎn)因子的非線性、動(dòng)態(tài)相依結(jié)構(gòu),提高了碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度方法的準(zhǔn)確性,進(jìn)一步完善了碳金融市場(chǎng)風(fēng)險(xiǎn)測(cè)度理論。

第三,在碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度指標(biāo)的選取上,用一致性風(fēng)險(xiǎn)測(cè)度指標(biāo)CVaR代替?zhèn)鹘y(tǒng)指標(biāo)VaR,既充分考慮了碳金融市場(chǎng)的尾部風(fēng)險(xiǎn),同時(shí)也具有次可加性、凸性等優(yōu)良的理論性質(zhì),彌補(bǔ)了VaR的缺陷。實(shí)證結(jié)果表明,采用更加客觀保守的CVaR方法進(jìn)行風(fēng)險(xiǎn)度量,更符合風(fēng)險(xiǎn)管理的謹(jǐn)慎性原則。通過(guò)Kupiec回測(cè)檢驗(yàn)并對(duì)比分析各類傳統(tǒng)風(fēng)險(xiǎn)測(cè)度方法的優(yōu)劣,驗(yàn)證了本文所提出基于非參數(shù)Copula-CVaR模型在解決碳金融市場(chǎng)集成風(fēng)險(xiǎn)測(cè)度問(wèn)題時(shí)的有效性,對(duì)于我國(guó)商業(yè)銀行等金融機(jī)構(gòu)提高碳金融業(yè)務(wù)風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性具有一定的參考價(jià)值。

結(jié)合碳金融市場(chǎng)多源風(fēng)險(xiǎn)集成測(cè)度的研究工作,對(duì)我國(guó)碳金融市場(chǎng)風(fēng)險(xiǎn)管理提出相應(yīng)的政策建議。為應(yīng)對(duì)復(fù)雜多變的市場(chǎng)風(fēng)險(xiǎn),我國(guó)商業(yè)銀行等金融機(jī)構(gòu)參與國(guó)際碳金融業(yè)務(wù)時(shí)應(yīng)該構(gòu)建內(nèi)部風(fēng)險(xiǎn)管理長(zhǎng)效機(jī)制。首先,要對(duì)所面臨的市場(chǎng)風(fēng)險(xiǎn)類型有一個(gè)比較全面的認(rèn)識(shí),在交易過(guò)程中密切關(guān)注市場(chǎng)動(dòng)向,加強(qiáng)對(duì)各類風(fēng)險(xiǎn)因子的甄別與監(jiān)測(cè);其次,選取恰當(dāng)?shù)亩嘣达L(fēng)險(xiǎn)因子連接方法與集成風(fēng)險(xiǎn)測(cè)度指標(biāo),有效評(píng)估風(fēng)險(xiǎn)水平并及時(shí)確認(rèn)風(fēng)險(xiǎn)等級(jí),為進(jìn)一步的風(fēng)險(xiǎn)預(yù)警做準(zhǔn)備;最后,構(gòu)建全面有效的碳金融市場(chǎng)風(fēng)險(xiǎn)預(yù)警體系和風(fēng)險(xiǎn)管理組織框架,采取合理的風(fēng)險(xiǎn)防范應(yīng)對(duì)機(jī)制和嚴(yán)格的風(fēng)險(xiǎn)管理責(zé)任追究機(jī)制,在一定程度上降低市場(chǎng)交易與風(fēng)險(xiǎn)防范的成本,為我國(guó)商業(yè)銀行等金融機(jī)構(gòu)融入國(guó)際碳金融體系提供有力保障。

猜你喜歡
碳價(jià)測(cè)度金融市場(chǎng)
金融市場(chǎng):寒意蔓延【精讀】
假如金融市場(chǎng)崩潰,會(huì)發(fā)生什么? 精讀
我國(guó)碳市場(chǎng)研究進(jìn)展與前瞻性分析
三個(gè)數(shù)字集生成的自相似測(cè)度的乘積譜
R1上莫朗測(cè)度關(guān)于幾何平均誤差的最優(yōu)Vornoi分劃
非等熵Chaplygin氣體測(cè)度值解存在性
Cookie-Cutter集上的Gibbs測(cè)度
考慮碳價(jià)下限的燃煤發(fā)電碳減排投資及其政策分析
歐盟碳價(jià)影響因素研究及其對(duì)中國(guó)的啟示
歐盟碳價(jià)影響因素研究及其對(duì)中國(guó)的啟示
新河县| 中牟县| 荃湾区| 且末县| 开远市| 武义县| 车致| 九龙坡区| 五常市| 宁陕县| 静海县| 太和县| 霍邱县| 来凤县| 乌审旗| 衢州市| 乌兰浩特市| 宜宾市| 郁南县| 英吉沙县| 图木舒克市| 铁岭市| 天祝| 合山市| 沭阳县| 青铜峡市| 慈利县| 福建省| 洛浦县| 河南省| 达拉特旗| 夏河县| 自治县| 福建省| 民丰县| 武平县| 荥经县| 龙山县| 兴化市| 宁安市| 临沭县|