韓國文 張溢洲

摘? ?要：我國綠色債券市場發(fā)展迅速，不僅符合“綠色”發(fā)展理念，而且其廣闊前景吸引了眾多投資者，尤其是具有環(huán)保意識的投資者，因此探究綠色債券市場與其他金融市場的相關(guān)性十分重要。本文選取2016—2019年各金融市場指數(shù)數(shù)據(jù)，運用Copula函數(shù)進(jìn)行相關(guān)性建模來研究綠色債券與相關(guān)金融證券形成的資產(chǎn)組合的分散化收益，以及其他金融市場發(fā)生極端價格波動時對綠色債券市場的價格溢出效應(yīng)。研究發(fā)現(xiàn)：中國綠色債券市場與企業(yè)債、國債市場呈現(xiàn)非對稱的尾部相關(guān)性，與其余市場呈現(xiàn)對稱的尾部相關(guān)性;綠色債券與工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場組成的資產(chǎn)組合分散化收益較高，且隨綠色債券權(quán)重達(dá)到95%時達(dá)到最大;其他金融市場發(fā)生極端價格波動對綠色債券市場的價格溢出效應(yīng)有大有小，但是總體而言相對較小。

關(guān)鍵詞：綠色債券;分散化收益;價格溢出;Copula函數(shù);CoVaR

DOI：10.3969/j.issn.1003-9031.2021.04.001

中圖分類號：F832.5? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? 文章編號：1003-9031（2021）04-0003-14

一、引言

綠色債券作為一種新型固定收益?zhèn)诙▋r和評級方面與傳統(tǒng)的企業(yè)債與國債類似。國際上對于綠色債券標(biāo)準(zhǔn)的認(rèn)定主要包括國際資本市場協(xié)會（ICMA）推行的“GBP原則”和氣候債券倡議組織（CBI）的“CBI原則”。國內(nèi)的綠色債券主要根據(jù)中國人民銀行發(fā)布的《綠色債券支持項目目錄》和發(fā)展改革委員會發(fā)布的《綠色債券發(fā)行指引》進(jìn)行認(rèn)定。

我國第一只綠色債券發(fā)行于2014年5月8日，起步雖較晚，但發(fā)展迅速。2017年綠色債券市場規(guī)模已達(dá)2512億元，2018年達(dá)到2826億元，成為全球第二大綠色債券發(fā)行市場。2019年，市場規(guī)模達(dá)到3862億人民幣，超過美國成為全球第一發(fā)行市場。

與國際綠色債券市場相比，我國綠色債券有以下四方面特征：一是期限較短，集中在3年和5年期限，其中以3年期的居多。二是票面利率較高，2018年AAA級綠色債券票面利率在5.5%左右，2019年略有下降，但超過4.2%。三是發(fā)行主體多元化，2018年之前以金融企業(yè)為主體，興業(yè)銀行是國內(nèi)最大綠色債券發(fā)行人，也是全球第二大發(fā)行人，發(fā)行金額高達(dá)665億人民幣;2019年非金融企業(yè)占比首次超過金融企業(yè)，且占2019年總發(fā)行量的37%。四是債券評級較高，2019年AAA級綠色債券占發(fā)行總額的80.91%，資金投向領(lǐng)域主要是交通、能源、水資源與建筑、土地使用等領(lǐng)域。

綠色債券市場的發(fā)展不僅符合自2015年各國簽訂巴黎協(xié)定后全球經(jīng)濟(jì)轉(zhuǎn)向適應(yīng)氣候變化的趨勢，且實質(zhì)的踐行“綠色”發(fā)展理念，其廣闊的前景既直接吸引具有環(huán)保意識的投資者，又使投資者逐漸意識到政府環(huán)境政策變動的沖擊以及公司的環(huán)境相關(guān)風(fēng)險。因此，研究綠色債券市場與其他金融市場的相關(guān)性對投資者非常重要，既可以幫助投資者發(fā)現(xiàn)資產(chǎn)組合中綠色債券不同權(quán)重的配置帶來的分散化收益，以及其他金融市場發(fā)生價格波動時對綠色債券市場的影響，又可以幫助環(huán)保偏好的資產(chǎn)組合的興起，激勵金融資產(chǎn)配置考慮綠色債券市場促進(jìn)綠色發(fā)展。

二、文獻(xiàn)綜述

自2015年巴黎氣候協(xié)定簽訂以來，綠色債券受到越來越多的關(guān)注，許多學(xué)者開始關(guān)注綠色債券領(lǐng)域的問題。Tripathy（2017）發(fā)現(xiàn)綠色債券市場可以通過一系列以風(fēng)險為中心的轉(zhuǎn)換，拓展金融和市場的邏輯。Zhang（2018）研究發(fā)現(xiàn)中國經(jīng)濟(jì)的金融化和“生態(tài)文明”的政策方針的結(jié)合是促進(jìn)綠色債券市場發(fā)展的核心因素。Banga（2019）探討了綠色債券市場在為發(fā)展中國家緩解資金壓力方面的潛力。另一些學(xué)者則主要關(guān)注于綠色債券的特點，研究綠色債券和傳統(tǒng)債券的價差。Febi等（2018）發(fā)現(xiàn)綠色債券的平均流動性更高，且綠色債券的流動性風(fēng)險在最近幾年可以忽略不計。Bachelet等（2019）研究發(fā)現(xiàn)機(jī)構(gòu)發(fā)行的綠色債券較傳統(tǒng)債券有較高的流動性，但具有負(fù)的溢價，而私人發(fā)行的綠色債券相較傳統(tǒng)債券具有正的溢價，除非私人發(fā)行者承諾證明債券的“綠色”。Barua & Chiesa（2019）通過研究債券特征、發(fā)行人特征和市場特征對綠色債券發(fā)行規(guī)模的影響，發(fā)現(xiàn)在債券特征中，票面利率（負(fù)面影響）和信用評級（正面影響）對發(fā)行規(guī)模影響持久;在發(fā)行人特征中，收入增長（負(fù)面影響）和盈利能力（正面影響）對發(fā)行規(guī)模的影響持續(xù)性更大;在市場特征中，新興市場發(fā)行規(guī)模更大。Nanayakkara & Colombage（2019）、Zerbib & Olivier（2019）研究發(fā)現(xiàn)綠色債券相對于傳統(tǒng)債券有負(fù)的溢價，表明發(fā)行人發(fā)行綠色債券進(jìn)行籌資的成本更低，且有環(huán)保意識的投資人愿意支付溢價。還有的學(xué)者則關(guān)注綠色債券市場與其他金融市場的關(guān)系。Reboredo（2018）選取國際市場指數(shù)，探索綠色債券市場與企業(yè)債券、國債、股票和能源市場的聯(lián)系，發(fā)現(xiàn)綠色債券市場與企業(yè)債券、國債市場呈強協(xié)同波動，而與股票、能源市場呈弱協(xié)同波動;進(jìn)一步發(fā)現(xiàn)綠色債券與企業(yè)債券、國債市場組成的資產(chǎn)組合的分散化收益可以忽略不計，而與另外兩個市場的資產(chǎn)組合分散化收益相當(dāng)可觀;此外，企業(yè)債券和國債市場的價格波動會對綠色債券市場造成較大影響，而股票和能源市場的價格波動則對綠色債券市場幾乎無影響。

國內(nèi)的綠色債券市場由于起步較晚，對其研究相對較少。巴曙松等（2019）將研究重點聚焦于如何發(fā)展綠色債券市場上。金佳宇和韓立巖（2016）研究不同經(jīng)濟(jì)體、不同行業(yè)綠色債券發(fā)展趨勢和特點，發(fā)現(xiàn)綠色債券相較于傳統(tǒng)債券具有透明度高、信用評級高、流動性好等優(yōu)點。高曉燕和紀(jì)文鵬（2018）研究發(fā)行人特征對信用利差的影響，發(fā)現(xiàn)發(fā)行人財務(wù)狀況和綠色認(rèn)證對信用利差無影響，而評級狀況對信用利差有負(fù)影響。龔玉霞等（2018）對綠色債券的定價進(jìn)行研究，發(fā)現(xiàn)我國綠色債券價格明顯被低估。王遙和曹暢（2016）、王遙和徐楠（2016）則主要關(guān)注綠色債券標(biāo)準(zhǔn)界定以及第三方評級認(rèn)證。截至目前，尚未發(fā)現(xiàn)有相關(guān)文獻(xiàn)對于綠色債券市場的微觀機(jī)制以及與其他金融市場之間內(nèi)在聯(lián)動進(jìn)行深入研究。

三、模型建立

為了描述綠色債券市場與其他金融市場的相關(guān)關(guān)系，本文選取Copula函數(shù)進(jìn)行模型的構(gòu)建。Copula函數(shù)能夠建立邊緣分布與聯(lián)合分布的橋梁，對邊緣分布的函數(shù)并沒有嚴(yán)格要求，即Copula函數(shù)相比其他多元分布函數(shù)（如多元正態(tài)分布，多元t分布）在邊緣分布的選取上更加靈活，可以針對不同的金融市場數(shù)據(jù)特征選取不同的邊緣分布模型，能夠較為全面的包含金融數(shù)據(jù)尖峰厚尾、波動聚集的現(xiàn)象，而不用受到模型假設(shè)一致的約束。因此，Copula函數(shù)在評估相關(guān)關(guān)系時更加精準(zhǔn)，尤其是對于非橢圓聯(lián)合分布。此外，Copula函數(shù)還能很好地評估聯(lián)合分布間的尾部相關(guān)性。其中，下尾部相關(guān)可以表示為：

（二）Copula模型的估計

采用多種Copula函數(shù)對相關(guān)關(guān)系進(jìn)行評估，包括正態(tài)Copula評估尾部獨立性，t-Copula評估尾部對稱性，Gumbel、Rotated Gumbel 和 SJC Copula評估尾部非對稱性。此外，對這些Copula的參數(shù)同時考慮它們是靜態(tài)和動態(tài)這兩種情況。

對于動態(tài)Copula的參數(shù)設(shè)定參考Patton（2006a，2006b），即假定各Copula的參數(shù)服從一個類似ARMA（1，10）的過程。具體表達(dá)式如下：

根據(jù)Joe&Xu（1996）的介紹，采取兩階段極大似然法進(jìn)行Copula參數(shù)的估計。第一步估計各邊緣分布函數(shù)，第二步對各邊緣分布中的標(biāo)準(zhǔn)化殘差序列進(jìn)行概率積分轉(zhuǎn)換成[0，1]上的均勻分布序列，然后通過極大似然法估計Copula的參數(shù)。

（三）分散化收益

確定最優(yōu)Copula模型之后，可以判斷綠色債券市場和其他金融市場之間的相關(guān)關(guān)系，進(jìn)而根據(jù)相關(guān)關(guān)系研究其所構(gòu)成的資產(chǎn)組合的分散化收益。由于市場之間相關(guān)關(guān)系可能隨時間變化，從而導(dǎo)致資產(chǎn)組合的分散化收益隨之變化，因此使用Christoffersen（2012，2017）中介紹的條件分散化收益（Conditional Diversification Benefit，CDB）來評價資產(chǎn)組合的分散化收益。t時刻包含綠色債券市場與另一金融市場的資產(chǎn)組合的分散化收益可以表示為：

（四）價格溢出效應(yīng)

為了研究綠色債券市場和其他金融市場發(fā)生極端情況尾部風(fēng)險的大小，采用給定特定時間區(qū)間以及置信度的上尾或下尾VaR進(jìn)行度量。這不僅能幫助投資者減少受極端情況影響而產(chǎn)生的資產(chǎn)損失，而且對于資產(chǎn)定價非常重要，當(dāng)進(jìn)行資產(chǎn)定價時，可能出現(xiàn)的極端情況損失需要在定價中得到補償。在探尋一個市場發(fā)生極端價格波動會對另一個市場產(chǎn)生何種影響時，考慮使用一個市場的金融困境（以VaR度量）對另一個市場VaR的影響進(jìn)行度量，可采用由Adrian and Brunnermeier（2011）提出的CoVaR方法進(jìn)行評價。具體而言，以綠色債券市場和企業(yè)債市場為例，綠色債券市場的CoVaR表示當(dāng)企業(yè)債市場面臨價格極端波動時綠色債券市場的條件VaR。因此CoVaR的計算如下：

（五）數(shù)據(jù)選取

本文數(shù)據(jù)均來源于wind數(shù)據(jù)庫，其中我國綠色債券市場主要包括四種指數(shù)，分別是中債—中國綠色債券指數(shù)（China Green Bond Index，以下簡稱GB）、中債—中國綠色債券精選指數(shù)（China Green Bond Select Index，以下簡稱GBSI）、中債—中國氣候相關(guān)債券指數(shù)（China Climate-Aligned Bond Index，以下簡稱CABI）和中債—興業(yè)綠色債券指數(shù)（CIB Green Bond Index，以下簡稱CIB）。選取四種指數(shù)從2016年1月4日—2019年12月27日收盤價，剔除空缺值后得每種指數(shù)982個，共計3928個數(shù)據(jù)。從圖1中可以看出氣候相關(guān)債券指數(shù)、綠色債券指數(shù)和綠色債券精選指數(shù)幾乎相同，而興業(yè)綠色債券指數(shù)與其他三個指數(shù)趨勢類似。定義收益率rt=1n（），將四種綠色債券指數(shù)轉(zhuǎn)換為收益率序列并做描述性統(tǒng)計，從表2中可以看到均值、最大值、最小值和標(biāo)準(zhǔn)差幾乎一致。從偏度可以看出所有指數(shù)均呈現(xiàn)左偏情況，而超額峰度遠(yuǎn)大于標(biāo)準(zhǔn)正態(tài)分布的0，表現(xiàn)出典型的“尖峰厚尾“特征。Jarque-Bera檢驗結(jié)果表明所有指數(shù)均非常顯著的拒絕正態(tài)分布假設(shè)，LB檢驗表明所有指數(shù)均存在序列相關(guān)性。相關(guān)系數(shù)矩陣可以看出各指數(shù)兩兩之間相關(guān)系數(shù)均大于0.9，表現(xiàn)出極強相關(guān)性。

由于綠色債券精選指數(shù)需要同時滿足《綠色債券支持項目目錄》《綠色債券發(fā)行指引》《綠色債券原則（GBP）》《氣候債券標(biāo)準(zhǔn)》四大國際、國內(nèi)標(biāo)準(zhǔn)，因此選擇綠色債券精選指數(shù)作為綠色債券市場的代表。與綠色債券市場相關(guān)的金融市場可以分為兩類，一類選取同為債券市場的企業(yè)債和國債市場，其中企業(yè)債以中債—企業(yè)債總指數(shù)（Corporate）表示，而國債以中債—國債總指數(shù)（Treasury）表示;另一類則根據(jù)綠色債券募集資金投向的領(lǐng)域選取，并根據(jù)全球行業(yè)分類標(biāo)準(zhǔn)（Global Industry Classification System，GICS）分為工業(yè)、能源、公共事業(yè)和房地產(chǎn)四大行業(yè)，分別 以wind工業(yè)（Industrials）、能源（Energy）、公共事業(yè)（Utilities）和房地產(chǎn)（Real Estate）指數(shù)表示。所有數(shù)據(jù)均選自2016年1月4日—2019年12月27日間收盤價，剔除缺失值后每種數(shù)據(jù)972個，共計6804個數(shù)據(jù)。將所有指數(shù)轉(zhuǎn)換為收益率序列并進(jìn)行描述性統(tǒng)計（見表2）。所有金融市場收益率的均值均接近于0，標(biāo)準(zhǔn)差可以看出綠色債券、企業(yè)債、國債等固定收益市場均為0.001，遠(yuǎn)小于工業(yè)、能源、公共事業(yè)和房地產(chǎn) 市場。所有市場的偏度均小于0，說明收益率分布呈現(xiàn)出左偏形狀，所有市場的超額峰度遠(yuǎn)大于標(biāo)準(zhǔn)正態(tài)分布下的0值，收益率分布呈現(xiàn)“尖峰厚尾”現(xiàn)象。此外，Jarque_bera檢驗結(jié)果表明所有金融市場極其顯著的拒絕收益率分布為正態(tài)分布的假設(shè)，Ljung_Box統(tǒng)計值顯示收益率序列呈現(xiàn)序列相關(guān)性，ADF、PP的統(tǒng)計值說明所有收益率序列均顯著平穩(wěn)。KPSS單位根檢驗發(fā)現(xiàn)除了企業(yè)債及國債市場在10%顯著性下拒絕原假設(shè)，序列不平穩(wěn)，其余市場均接受原假設(shè)。相關(guān)系數(shù)矩陣說明綠色債券市場與企業(yè)債、國債市場強烈正相關(guān)，與能源、房地產(chǎn)市場負(fù)相關(guān)，與工業(yè)市場較弱負(fù)相關(guān)，與公共事業(yè)市場較弱正相關(guān)。

四、實證分析

（一）邊緣分布的估計

邊緣分布通過式（6）（7）所展現(xiàn)的ARMA-TGARCH模型來進(jìn)行擬合，根據(jù)表2描述性統(tǒng)計結(jié)果看，可以假設(shè)標(biāo)準(zhǔn)化殘差序列服從自由度為v的t分布。其中，ARMA模型中p、q的取值范圍為[0，10]，TGARCH模型不妨假定r=m=n=1。通過選取最小的AIC以及對標(biāo)準(zhǔn)化殘差序列進(jìn)行Ljung-Box和ARCH效應(yīng)檢驗來確定最優(yōu)p、q階數(shù)，模型擬合結(jié)果見表3。

對于綠色債券，選取p=3，q=2;對于工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場，選取p=q=0;對于企業(yè)債，選取p=q=5;對于國債，選取p=1，q=0。模型參數(shù)結(jié)果大部分十分顯著，只有工業(yè)和企業(yè)債市場杠桿效應(yīng)極為顯著的大于0，這表示受到負(fù)向沖擊對波動率的影響遠(yuǎn)大于正向沖擊;綠色債券、公共事業(yè)和國債市場杠桿效應(yīng)？姿大于0，但不顯著;只有能源市場和房地產(chǎn)市場的杠桿效應(yīng)？姿小于0，也不顯著。

自由度的估計值均十分顯著，可以肯定對標(biāo)準(zhǔn)化殘差序列服從t分布的假設(shè)。將提取的標(biāo)準(zhǔn)化殘差序列Ljung-Box檢驗其序列相關(guān)性，結(jié)果表明該標(biāo)準(zhǔn)化殘差序列已經(jīng)消除了序列相關(guān)性。對標(biāo)準(zhǔn)化殘差序列進(jìn)行ARCH異方差檢驗，結(jié)果表明異方差效應(yīng)已被消除。

（二）Copula參數(shù)估計

通過概率積分變換得到的新序列無序列相關(guān)性且服從[0，1]均勻分布，表明新序列可以視為獨立同分布且服從[0，1]均勻分布，Copula參數(shù)擬合條件已經(jīng)滿足，可以進(jìn)行參數(shù)的擬合（見表4）。

表4結(jié)果包括了靜態(tài)Copula和時變Copula，通過選擇最小AIC的值來確定最優(yōu)的Copula模型。從相關(guān)系數(shù)來看，所有Copula模型均反映出綠色債券市場和企業(yè)債、國債市場強正相關(guān)，而與工業(yè)、能源和房地產(chǎn)市場的相關(guān)性為負(fù)且較弱，與公共事業(yè)市場的相關(guān)性最弱且為負(fù)。工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場的最優(yōu)Copula模型為時變t-Copula，這說明綠色債券市場與這些金融市場之間的相關(guān)關(guān)系隨時間變化而變化，且它們之間呈現(xiàn)出對稱的尾部相關(guān)性。綠色債券市場與企業(yè)債、國債市場的最優(yōu)Copula模型用時變SJC-Copula表示，展現(xiàn)出非對稱的尾部相關(guān)性，即出現(xiàn)極端上漲和極端下跌的概率是不一樣的?？赡茉蚴且驗槲覈G色債券絕大多數(shù)期限較短，基本保持在5年以下，以3年期居多，綠色債券的持有者以機(jī)構(gòu)投資者居多。面對市場出現(xiàn)的極端情況時，投資者做出截然不同的選擇，從而形成非對稱的尾部相關(guān)性。

（三）分散化收益

經(jīng)過對綠色債券市場與相關(guān)金融市場之間的研究，發(fā)現(xiàn)綠色債券市場與企業(yè)債、國債市場呈強協(xié)同波動，而與工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場呈弱協(xié)同波動。綠色債券與企業(yè)債、國債市場之間呈現(xiàn)非對稱的尾部相關(guān)性，而與其余四個金融市場之間呈現(xiàn)對稱的尾部相關(guān)性，這對于投資者研究資產(chǎn)組合的分散化收益以及其他金融市場上發(fā)生的價格波動對綠色債券市場的價格溢出效應(yīng)很有幫助。

表5展示了不同綠色債券占資產(chǎn)組合的權(quán)重發(fā)生變化時，資產(chǎn)組合形成散化收益（CDB）產(chǎn)生的變化。分別選取權(quán)重0.05、0.20、0.50、0.80、0.95、0.96、0.97、0.98、0.99這9個取值，并分別在q=5%和q=50%條件下計算CDB的均值。可以看出q=5%時的CDB均值全都大于對應(yīng)權(quán)重的q=50%時的值;無論是q=5%還是q=50%，CDB均隨著權(quán)重w的增加先增加后減少;綠色債券與企業(yè)債組成的資產(chǎn)組合產(chǎn)生的分散化收益較小，與國債組合的CDB明顯大于與企業(yè)債，這一差距很好的反映出綠色債券與企業(yè)債的相關(guān)性要強于綠色債券與國債。另外，綠色債券市場與其余四個市場的分散化收益明顯大于綠色債券市場與企業(yè)債和國債市場，并且隨著綠色債券占比增加，差距越來越大;綠色債券在資產(chǎn)組合中占比的不斷增加，CDB并不像企業(yè)債和國債組成的資產(chǎn)組合那樣在50%權(quán)重左右達(dá)到最大，反而在權(quán)重等于95%左右，資產(chǎn)組合CDB最大。這可能是由于我國綠色債券發(fā)行人絕大多數(shù)為國企、金融機(jī)構(gòu)，綠色債券普遍信用評級較高。因此，投資者加大綠色債券在資產(chǎn)組合中的比重將是一個很好的選擇策略，而政府應(yīng)優(yōu)化綠色債券期限結(jié)構(gòu)，增加中長期債券發(fā)行，可助推綠色債券市場更好、更快發(fā)展。

（四）價格溢出效應(yīng)

由于價格溢出效應(yīng)表示一個市場發(fā)生極端價格波動對另一個市場產(chǎn)生的影響，因此該效應(yīng)可以由CoVaR和VaR的差值衡量。定義下尾情況下的價格溢出效應(yīng)為：

根據(jù)上述各市場估計的最優(yōu)copula模型計算出價格溢出效應(yīng)（見表6）。觀察最大值、最小值以及均值可以發(fā)現(xiàn)，企業(yè)債、國債市場與綠色債券市場之間價格波動效應(yīng)最大;從標(biāo)準(zhǔn)差可以看出，企業(yè)債和國債市場的價格溢出效應(yīng)波動較大;從偏度和峰度上看;上下尾部情況下分布分別左偏和右偏，并且極為陡峭，說明發(fā)生價格溢出的概率較大;通過Jarque-Bera正態(tài)性檢驗，在1%顯著性水平下拒絕原假設(shè)。以上說明企業(yè)債和國債市場上的價格波動會對綠色債券市場產(chǎn)生較大影響，即價格溢出效應(yīng)較為顯著。對于投資于綠色債券市場的投資者，可以考慮持有企業(yè)債和國債市場的空頭頭寸來規(guī)避價格極端波動對資產(chǎn)組合的影響，但在持有企業(yè)債、國債頭寸時，考慮極端價格上漲和下跌情況下價格溢出效應(yīng)的不同，需要酌情判斷。對于工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場價格溢出效應(yīng)幾乎為0，從標(biāo)準(zhǔn)差可以看出幾乎無波動;偏度和峰度可以看出，上下尾情況下雖然分布仍然為左偏和右偏，以及較標(biāo)準(zhǔn)正態(tài)分布陡峭，但數(shù)值均比企業(yè)債和國債市場小，說明分布較均值偏離程度相對較小，陡峭程度也較平緩，這意味著發(fā)生價格溢出效應(yīng)的概率相對較小;Jarque-Bera檢驗同樣十分顯著地拒絕正態(tài)分布假設(shè)。以上說明這些市場的價格波動不會對綠色債券市場造成較大影響，這對投資于綠色債券市場投資者的啟示，可以考慮持有工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場頭寸組成的資產(chǎn)組合進(jìn)行套期保值，它可以規(guī)避極端價格波動。綜合來看，雖然綠色債券和企業(yè)債、國債市場之間的上下尾部CoVaR和VaR略大于其余四個市場，但是無論是峰值還是平均值都很低，這說明我國金融市場發(fā)生極端情況時可能產(chǎn)生的資產(chǎn)損失較小。

五、結(jié)論與啟示

（一）結(jié)論

自2015年巴黎氣候協(xié)定簽署以來，環(huán)境治理和可持續(xù)發(fā)展?jié)u漸成為全球熱點。綠色債券作為一種新型金融工具，將公司或項目發(fā)展而產(chǎn)生的環(huán)境收益、成本等外部性納入金融體系，不僅拓展了金融的領(lǐng)域，而且通過金融的力量來促進(jìn)可持續(xù)發(fā)展。本文主要研究中國綠色債券市場與其他金融市場之間的相關(guān)性，進(jìn)而在了解相關(guān)性的基礎(chǔ)上，考慮將綠色債券市場納入資產(chǎn)組合時，能否產(chǎn)生或增加分散化收益，以及其他金融市場的價格波動會對綠色債券市場產(chǎn)生什么影響。進(jìn)一步研究綠色債券與其余金融市場組成的資產(chǎn)組合的分散化收益發(fā)現(xiàn)，綠色債券與國債市場組成的資產(chǎn)組合的分散化收益略高于綠色債券與企業(yè)債市場，但均低于綠色債券與其余四個金融市場。隨著資產(chǎn)組合中綠色債券權(quán)重增加，綠色債券與工業(yè)、能源、公共事業(yè)和房地產(chǎn)組成的資產(chǎn)組合的分散化收益也增加，綠色債券權(quán)重在95%左右時，資產(chǎn)組合的分散化收益達(dá)到最大。綠色債券與企業(yè)債、國債組成的資產(chǎn)組合分散化收益隨綠色債券權(quán)重增加先增加后減少，在綠色債券占比50%時，資產(chǎn)組合的分散化收益達(dá)到最大。在研究極端情況下其他金融市場的價格波動對綠色債券市場的價格溢出效應(yīng)時，發(fā)現(xiàn)企業(yè)債與國債市場上發(fā)生的極端價格波動使綠色債券市場的價格波動明顯加劇，工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場的極端價格波動則對綠色債券市場的價格波動幾乎無影響。反映出我國綠色債券市場發(fā)展運行穩(wěn)定，金融市場系統(tǒng)性風(fēng)險較小。

（二）啟示

中國綠色債券市場這三種獨特的現(xiàn)象，給投資者和政策制定者一定的啟示。

對投資于其他金融市場投資者而言，將綠色債券納入資產(chǎn)組合的選擇范圍能夠豐富資產(chǎn)組合種類，優(yōu)化資產(chǎn)組合結(jié)構(gòu)，尤其是對于投資工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場的投資者，增加綠色債券在資產(chǎn)組合中的權(quán)重，能夠提高資產(chǎn)組合的分散化收益。對投資工業(yè)、能源、公共事業(yè)和房地產(chǎn)市場的投資者，可以考慮用綠色債券市場進(jìn)行套期保值，規(guī)避極端情況發(fā)生時的劇烈價格波動導(dǎo)致的損失。對專注于企業(yè)債、國債市場的投資者，亦可考慮綠色債券市場，并進(jìn)行反向操作從而進(jìn)行套期保值。需要注意的是，由于綠色債券市場與企業(yè)債、國債市場之間存在非對稱的尾部相關(guān)性，要酌情考慮價格極端上漲和極端下跌時的操作方式。

對政策制定者，要出臺相應(yīng)政策，鼓勵多行業(yè)企業(yè)參與發(fā)行綠色債券，不斷優(yōu)化擴(kuò)充綠色債券發(fā)行主體;完善綠色債券短、中、長、超長期限占比，豐富綠色債券市場期限。在保持我國金融體系穩(wěn)定的基礎(chǔ)上，踐行“綠色”發(fā)展理念，繼續(xù)積極推進(jìn)綠色債券市場發(fā)展。

（責(zé)任編輯：夏凡）

參考文獻(xiàn)：

[1]Tripathy A.Translating to risk：The legibility of climate change and nature in the green bond market[J].Economic Anthropology，2017，4（2）：239-250.

[2]Zhang L-Y.Green bonds in China and the Sino-British collaboration： More a partnership of learning than commerce[J].The British Journal of Politics and International Relations，2018，21（1）： 207-225.

[3]Banga J.The green bond market： a potential source of climate finance for developing countries[J]. Journal of Sustainable Finance & Investment， 2019， 9（1）： 17-32.

[4]Febi W，Schafer D，Stephan A，et al.The impact of liquidity risk on the yield spread of green bonds[J].Finance Research Letters，2018（27）：53-59.

[5]Bachelet M J，Becchetti L，Manfredonia S.The Green Bonds Premium Puzzle：The Role of Issuer Characteristics and Third-Party Verification[J].Sustainability，2019，11（4）.

[6]Barua S，Chiesa M.Sustainable financing practices through green bonds：What affects the funding size？[J].Business Strategy and the Environment，2019，28（6）：1131-1147.

[7]Nanayakkara M，Colombage S.Do investors in Green Bond market pay a premium？Global evidence[J].Applied Economics，2019，51（40）：4425-4437.

[8]Zerbib O D.The effect of pro-environmental preferences on bond prices： Evidence from green bonds[J].Journal of Banking & Finance，2019（98）：39-60.

[9]Reboredo J C.Green bond and financial markets：Co-movement，diversification and price spillover effects[J].Energy Economics，2018（74）：38-50.

[10]萬志宏，曾剛.國際綠色債券市場：現(xiàn)狀、經(jīng)驗與啟示[J].金融論壇，2016，21（2）：39-45.

[11]巴曙松，叢鈺佳，朱偉豪.綠色債券理論與中國市場發(fā)展分析[J].杭州師范大學(xué)學(xué)報（社會科學(xué)版），2019，41（1）：91-106.

[12]金佳宇，韓立巖.國際綠色債券的發(fā)展趨勢與風(fēng)險特征[J].國際金融研究，2016（11）：36-44.

[13]高曉燕，紀(jì)文鵬.綠色債券的發(fā)行人特性與發(fā)行信用利差[J].財經(jīng)科學(xué)，2018（11）：26-36.

[14]龔玉霞，滕秀儀，賽爾沃等.綠色債券發(fā)展及其定價研究——基于二叉樹模型分析[J].價格理論與實踐，2018（7）：79-82.

[15]王遙，曹暢.中國綠色債券第三方認(rèn)證的現(xiàn)狀與前景[J].環(huán)境保護(hù)，2016，44（19）： 22-26.

[16]王遙，徐楠.中國綠色債券發(fā)展及中外標(biāo)準(zhǔn)比較研究[J].金融論壇，2016，21（2）：29-38.

[17]Andrew J P.Modelling AsymmetricExchange Rate Dependence[J].International Economic Review，2006，47（2）：527.

[18]Andrew J P.Estimation of multivariate models for time series of possibly different lengths[J]. Journal of Applied Econometrics，2006（2）： 147.

[19]Joe H，J.Xu J.The Estimation Method of Inference Functions for Margins for Multivariate Models[J].Technical Report，1996，166.

[20]Christoffersen P，Errunza V，Jacobs Ket al.Is the Potential for International Diversification Disappearing？A Dynamic Copula Approach[J].Review of Financial Studies，2012，25（12）：3711-3751.