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

?

碳排放權(quán)交易風(fēng)險(xiǎn)度量模型的研究現(xiàn)狀與展望

2023-12-18 05:01:43王安國(guó)
中國(guó)商論 2023年22期
關(guān)鍵詞:算法模型研究

王安國(guó)

(廣東外語(yǔ)外貿(mào)大學(xué)會(huì)計(jì)學(xué)院 廣東廣州 510006)

1 研究概述

隨著全球經(jīng)濟(jì)的不斷發(fā)展,人類(lèi)對(duì)地球環(huán)境的破壞越來(lái)越嚴(yán)重,如人類(lèi)活動(dòng)產(chǎn)生的二氧化碳(CO2)等溫室氣體的排放。溫室氣體在大氣層中聚集產(chǎn)生的溫室效應(yīng)普遍被認(rèn)為是近年來(lái)地球上干旱、洪澇、高溫、熱浪等極端氣候產(chǎn)生的主要原因。保護(hù)環(huán)境減少碳排放已成為絕大多數(shù)國(guó)家努力實(shí)現(xiàn)的目標(biāo)。

碳排放權(quán)是指能源在消費(fèi)過(guò)程中排放的溫室氣體總量,包括可供的碳排放權(quán)和所需的碳排放權(quán)兩類(lèi)。經(jīng)濟(jì)學(xué)家為了采用經(jīng)濟(jì)手段對(duì)碳排放權(quán)進(jìn)行管理,設(shè)計(jì)了兩種方法:碳稅和碳排放權(quán)交易市場(chǎng)。經(jīng)過(guò)多年探索,碳市場(chǎng)職能越發(fā)完善,交易漸趨成熟,碳排放權(quán)交易也被廣泛認(rèn)為是一種基于市場(chǎng)的有效工具,以具有成本效益的方式實(shí)現(xiàn)減排。為此,政府希望在對(duì)碳市場(chǎng)中碳排放權(quán)交易價(jià)格(簡(jiǎn)稱(chēng)碳價(jià))和收益風(fēng)險(xiǎn)精確掌握和控制的前提下,對(duì)碳市場(chǎng)適度調(diào)節(jié)可以達(dá)成既定的減排目標(biāo)。因此,碳排放市場(chǎng)風(fēng)險(xiǎn)度量模型的研究近年來(lái)受到廣泛關(guān)注,且經(jīng)濟(jì)學(xué)家通過(guò)采用多種算法模型展開(kāi)研究,并取得了一系列研究進(jìn)展。

碳市場(chǎng)中的交易數(shù)據(jù)具有復(fù)雜系統(tǒng)中數(shù)據(jù)的多重特點(diǎn),包括自相關(guān)、非平穩(wěn)、非正態(tài)分布、非線(xiàn)性、尖峰厚尾、有偏性、波動(dòng)聚集性、杠桿效應(yīng)、信息到達(dá)、長(zhǎng)記憶性和持續(xù)性、隱含波動(dòng)的相關(guān)性、微笑有偏性等[1-3]。由于數(shù)據(jù)的多重特點(diǎn)顯然使用普通的計(jì)量經(jīng)濟(jì)模型(線(xiàn)性回歸模型)難以做到精確擬合,更不可準(zhǔn)確預(yù)測(cè)。這使得政府決策者難以準(zhǔn)確把握碳市場(chǎng),并通過(guò)政策調(diào)整來(lái)影響碳市場(chǎng)交易,最終達(dá)成預(yù)計(jì)的減排目標(biāo)?;诖耍?jīng)濟(jì)學(xué)家開(kāi)始嘗試使用一些復(fù)雜模型來(lái)對(duì)碳市場(chǎng)數(shù)據(jù)進(jìn)行分析[4-5],風(fēng)險(xiǎn)的度量及管理就是其中一個(gè)重要研究分支。本文就國(guó)內(nèi)外基于碳排放市場(chǎng)風(fēng)險(xiǎn)度量模型的研究現(xiàn)狀進(jìn)行綜述,總結(jié)和分析當(dāng)前中國(guó)的碳排放市場(chǎng)風(fēng)險(xiǎn)度量模型研究中存在的弊端和不足,并提出相關(guān)對(duì)策和建議。

2 研究方法

本文從web of science文獻(xiàn)索引庫(kù)、中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)中,選擇主題“碳排放權(quán)*風(fēng)險(xiǎn)度量模型”等主題詞進(jìn)行專(zhuān)業(yè)檢索,檢索期限包括從模型誕生發(fā)展至今的學(xué)術(shù)文獻(xiàn),特別是近20年來(lái)的國(guó)內(nèi)外研究,包括web of science數(shù)據(jù)庫(kù)中的英文文獻(xiàn)200多篇,中國(guó)知網(wǎng)中的中文文獻(xiàn)100多篇。

3 研究現(xiàn)狀

基于碳數(shù)據(jù)的基本特點(diǎn),本文對(duì)碳數(shù)據(jù)進(jìn)行擬合和預(yù)測(cè)就需要一些較為復(fù)雜和高級(jí)的模型。在金融學(xué)研究領(lǐng)域,尋找適合做這些工作的模型,通過(guò)文獻(xiàn)梳理,目前國(guó)內(nèi)外對(duì)碳市場(chǎng)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)度量和管理的模型簇主要包涵3大類(lèi),分別是:一般自回歸條件異方差模型簇(General Auto-Regression Conditional Heteroskedasticity Model,GARCH);馬爾科夫機(jī)制轉(zhuǎn)換模型簇(Markov Regime Switching Model,MS);隨機(jī)波動(dòng)模型簇(Stochastic Volatility Model,SV)。每種模型族具有不同的特點(diǎn),其中GARCH模型簇是當(dāng)前在碳排放交易中進(jìn)行風(fēng)險(xiǎn)度量測(cè)算應(yīng)用最常用的手段,MS模型簇在近幾年也逐步被應(yīng)用,SV模型族總體應(yīng)用較少。

3.1 模型族特點(diǎn)介紹

3.1.1 GARCH模型簇

GARCH模型簇源自于ARCH模型簇。根據(jù)Engle 1982年[6]的研究,ARCH模型如下所示:

ARCH模型的一般形式是GARCH模型(Bollerslev 1986[7]),基于ARCH模型,條件方差的滯后項(xiàng)被引進(jìn)。對(duì)于一個(gè)對(duì)數(shù)收益序列rt,在時(shí)刻t的誤差項(xiàng),亦即該時(shí)刻的對(duì)數(shù)收益殘差為at=rt-μt,則稱(chēng)at服從GARCH(p,q)模型,如果:

在式(3)中,at是一個(gè)時(shí)間序列,代表誤差項(xiàng),例如收益殘差。它被分割成一個(gè)隨機(jī)變量部分εt和一個(gè)依賴(lài)于時(shí)間的標(biāo)準(zhǔn)差σt,該標(biāo)準(zhǔn)差代表著誤差項(xiàng)的大小。隨機(jī)變量εt是殘差干擾項(xiàng),它是一個(gè)均值為0,方差為1的獨(dú)立同分布,是一個(gè)強(qiáng)白噪音過(guò)程。在實(shí)際運(yùn)用中,一般假設(shè)εt殘差干擾項(xiàng)服從標(biāo)準(zhǔn)正態(tài)分布,標(biāo)準(zhǔn)t分布或者廣義誤差分布。

在式(4)中,對(duì)于系數(shù)αi(α0> 0,αi≥ 0, for alli> 0),一些正則條件必須得到滿(mǎn)足,從而確保該系數(shù)的無(wú)條件方差是有限的。進(jìn)一步,定義βj≥ 0,(這里當(dāng)i>q,αi= 0;當(dāng)j>p,βj= 0)。對(duì)(αi+βi)的限制是為了確保當(dāng)條件方差隨著時(shí)間的變化而變化的同時(shí)無(wú)條件方差不可能取無(wú)窮大。如果βj=0,GARCH模型就簡(jiǎn)化成為ARCH模型。一般來(lái)說(shuō),包含系數(shù)αi的項(xiàng)是ARCH項(xiàng);包含系數(shù)βj的項(xiàng)是GARCH項(xiàng)。P和q是GARCH模型的參數(shù)。

GARCH模型很強(qiáng)大,在實(shí)務(wù)中運(yùn)用廣泛。為應(yīng)對(duì)不同實(shí)務(wù)問(wèn)題,該模型發(fā)展成為一個(gè)模型簇,常見(jiàn)的包括:非線(xiàn)性不對(duì)稱(chēng)GARCH(NAGARCH)[8-9],指數(shù)GARCH(EGARCH)[10],GJR-GARCH[11],門(mén)閥GARCH(TGARCH)[12]等。

3.1.2 MS模型簇

MS模型由Hamilton (1989,1990)[13-14]首度提出。他試圖使用馬爾科夫鏈研究經(jīng)濟(jì)分析中的非平穩(wěn)時(shí)間序列的非循環(huán)轉(zhuǎn)移。1994年,Hamilton & Susmel[15]把模型擴(kuò)展成馬爾科夫機(jī)制轉(zhuǎn)移ARCH模型。Kim[16]也在1994年把關(guān)于時(shí)間序列的模型拓展成為一個(gè)一般狀態(tài)空間模型。到1998年,Kim & Nelson[17]首次指出吉布斯(Gibbs)采樣這種算法可以估計(jì)模型參數(shù)。Gray[18]在1996年首次使用馬爾科夫機(jī)制轉(zhuǎn)換-GARCH模型測(cè)試短期利率。

本文以MS-GARCH模型為例,介紹MS模型簇。

其中,p≥0,q>0,w≥0,αi>0(i=1,2, …,q),ht2是在給定信息集It-1=(yt-1,ht-1, …,y1,h1)下的條件方差。ut服從一個(gè)獨(dú)立標(biāo)準(zhǔn)正態(tài)分布,即E(ut)=0,Var(ut)= 1。yt是本研究的時(shí)間序列。μst代表著時(shí)間序列在時(shí)刻t的均值。對(duì)于不同的狀態(tài)有不同的均值。εt服從正態(tài)分布,狀態(tài)變量在時(shí)刻t的值st僅僅依賴(lài)于該狀態(tài)在t-1刻的值,能證明此時(shí)的狀態(tài)變量服從一個(gè)k-狀態(tài)遍歷的不可約的同質(zhì)馬爾科夫鏈,其轉(zhuǎn)移概率是P(st=j|st-1=i)=Pij,且st取值{1,2,… ,k}。

Hamilton指出,該模型估計(jì)的難點(diǎn)在于其條件方差有路徑依賴(lài)。目前,學(xué)界有多種方法估計(jì)該模型,其中,采取貝葉斯估計(jì)法,在Gibbs采樣基礎(chǔ)上,使用馬爾科夫鏈蒙地卡羅模擬(MCMC, Markov Chain Monde Carlo Simulation)數(shù)值算法被證明最有優(yōu)勢(shì)。

以一個(gè)2 機(jī)制的GARCH(1,1)模型為例。這里St={1 ,2} ,t=1,2,… ,T.令參數(shù)向量φi=(μi,wi,αi,βi),i=1,2.轉(zhuǎn)移概率向量πi=(πi1,,πi2)。其中,πi1是從機(jī)制i到轉(zhuǎn)移機(jī)制1的轉(zhuǎn)移概率,πi2是從機(jī)制i轉(zhuǎn)移到機(jī)制2的轉(zhuǎn)移概率,則πi的先驗(yàn)概率是:

這表明πi服從一個(gè)Beta 分布。

由于不能觀(guān)察到在時(shí)刻t的機(jī)制,也稱(chēng)模型服從一個(gè)潛在的馬爾科夫過(guò)程。貝葉斯估計(jì)法估計(jì)出的潛在狀態(tài)概率如下:

其中,nij代表從狀態(tài)i轉(zhuǎn)移到狀態(tài)j的轉(zhuǎn)移次數(shù)。

令Θ 代表所有參數(shù),F(xiàn) 代表所有信息,則后驗(yàn)概率密度核是:

本文可以采用吉布斯采樣對(duì)轉(zhuǎn)移概率π和狀態(tài)S進(jìn)行采樣。通過(guò)

這就是一個(gè)Beta(ai1+ni1,ai2+ni2) 分布的概率密度核。從這個(gè)分布中可以得到轉(zhuǎn)移概率的樣本。

對(duì)于潛在變量S, 關(guān)于S和yt的聯(lián)合概率為:

3.1.3 隨機(jī)波動(dòng)模型(SV模型)

根據(jù)Taylor在1982年[19]和1994年[20]的研究,隨機(jī)波動(dòng)模型(SV模型)的標(biāo)準(zhǔn)形式是:

其中,yt是對(duì)數(shù)收益時(shí)間序列,εt是獨(dú)立同分布高斯白噪音,θt是對(duì)數(shù)波動(dòng)且被假設(shè)服從一個(gè)不變的AR(1)過(guò)程,φ是持久參數(shù)且,ση是對(duì)數(shù)波動(dòng)的波動(dòng),ηt是對(duì)波動(dòng)的干擾水平且服從一個(gè)均值為0方差為的獨(dú)立同正態(tài)分布,且εt和ηt之間不相關(guān)。設(shè),即

對(duì)任意給定的θt,yt服從一個(gè)均值為0方差為 exp(θt)的正態(tài)分布,即

如果yt關(guān)于θt的條件分布函數(shù)記為f(yt|θt),那么SV模型的似然函數(shù):

因?yàn)棣萾服從正態(tài)分布,所以exp(θt) 服從對(duì)數(shù)正態(tài)分布,其均值和方差為:

對(duì)于yt,我們有:

且yt的r階矩是:

一般而言,該模型的算法有廣義矩估計(jì)(GMM)、極大似然法等。如果采用貝葉斯估計(jì),則一般用MCMC算法。

3.2 模型使用現(xiàn)狀

3.2.1 GARCH模型簇

在SCIE、SSCI范圍內(nèi)查國(guó)外研究前沿,筆者發(fā)現(xiàn)使用GARCH簇模型進(jìn)行碳市場(chǎng)研究的論文,近5年內(nèi)的高被引論文多篇。Wang & Guo(2018)[21]使用GARCH及其他技術(shù)手段研究了能源市場(chǎng)和碳市場(chǎng)之間的風(fēng)險(xiǎn)外溢;Zhu(2018)等[22]采用一種多尺度非線(xiàn)性集合學(xué)習(xí)范式來(lái)預(yù)測(cè)碳價(jià)時(shí)使用到GARCH;Ahmad,Sadorsky and Sharma在2018年[23]使用了三種GARCH模型(DCC, ADCC and GO-GARCH)估計(jì)了隨時(shí)間變化的最優(yōu)套期保值比率;Zhang等(2018)[24]采用信號(hào)處理技術(shù)、計(jì)量經(jīng)濟(jì)模型和神經(jīng)網(wǎng)絡(luò)的混合模型進(jìn)行碳現(xiàn)貨價(jià)格預(yù)測(cè),將GARCH模型作為混合模型的一部分;Dutta[25]采用雙變量VAR-GARCH模型對(duì)碳排放和清潔能源股票價(jià)格之間的風(fēng)險(xiǎn)收益關(guān)聯(lián)進(jìn)行了研究;Dutta(2018)[26]采用GARCH-跳躍模型對(duì)碳排放市場(chǎng)波動(dòng)進(jìn)行了研究;Jin等(2020)[27]聯(lián)合使用了三種GARCH模型(DCC-APGARCH,DCC-T-GARCH和DCC-GJR-GARCH模型)研究了綠色債券對(duì)碳市場(chǎng)風(fēng)險(xiǎn)的對(duì)沖作用。Huang等(2021)[28]提出了一種新的分解集成范式VMD-GARCH/LSTM-LSTM模型來(lái)研究波動(dòng)強(qiáng)烈的碳價(jià)格。

國(guó)內(nèi)從2011年開(kāi)始使用GARCH模型簇進(jìn)行碳交易風(fēng)險(xiǎn)研究。幾乎在中國(guó)地域性碳市場(chǎng)剛剛起步之初,研究者就已經(jīng)意識(shí)到碳數(shù)據(jù)的復(fù)雜性。因?yàn)镚ARCH模型簇、MS模型簇被更早地被中國(guó)學(xué)界所認(rèn)知,所以使用這些模型來(lái)研究碳數(shù)據(jù)對(duì)學(xué)者們而言不算困難。楊超,李國(guó)良,門(mén)明(2011)甚至在當(dāng)時(shí)就做了GARCH和MS-GARCH兩種模型。

經(jīng)查國(guó)內(nèi)知網(wǎng)數(shù)據(jù)庫(kù)發(fā)現(xiàn),近年來(lái),國(guó)內(nèi)關(guān)于使用GARCH類(lèi)模型有多篇高引文章。張婕、孫立紅、邢貞成(2018)[29]使用了三種GARCH模型聯(lián)合研究中國(guó)6個(gè)碳市場(chǎng)的價(jià)格波動(dòng);呂靖燁等(2019)[30]使用了GARCH-M模型和MCMC-SV模型研究了湖北省碳市場(chǎng)風(fēng)險(xiǎn)。呂靖燁、王騰飛(2019)[31]使用了EGARCH模型測(cè)試了湖北碳數(shù)據(jù)的杠桿效益;黃元生、劉暉(2019)[32]在藤Copula理論的基礎(chǔ)下, 構(gòu)建Pair Copula-GARCH類(lèi)模型并研究了中國(guó)碳市場(chǎng)和國(guó)際金融市場(chǎng)之間的波動(dòng)溢出效應(yīng)。2020年,劉建和等(2020)[33]采用了DCC-GARCH模型結(jié)合VAR研究了中國(guó)焦煤市場(chǎng)和歐盟碳市場(chǎng)的風(fēng)險(xiǎn)溢出關(guān)系;張志俊、閆麗俊(2020)[34]采用了ARMA-GARCH及ARMA-NGARCH模型結(jié)合VAR研究了北京碳市場(chǎng)的風(fēng)險(xiǎn)。王喜平、王雪萍(2021)[35]通過(guò)創(chuàng)立Copula函數(shù),結(jié)合ARMA-GARCH模型和CoVaR模型研究了歐盟和國(guó)內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出及相依結(jié)構(gòu)。貝淑華等(2021)[36]用三種ARJI類(lèi)模型(ARJI-GARCH、ARJI-Rt-12、ARJI-ht)描述了歐盟碳配額市場(chǎng)期貨價(jià)格的時(shí)變跳躍。

3.2.2 MS模型簇

近年來(lái),國(guó)際上采用MS模型簇來(lái)研究碳市場(chǎng)風(fēng)險(xiǎn)不時(shí)有文章出現(xiàn)。Benz和Truck(2009)[37]采用MS法分析了歐盟碳排放權(quán)市場(chǎng)的風(fēng)險(xiǎn)。Charfeddine(2017)[38]使用馬爾科夫轉(zhuǎn)換平衡修正模型對(duì)二氧化碳排放進(jìn)行了研究。Leitao、Ferreira 和Santibanez-Gonzalez(2021)[39]使用MS模型對(duì)歐盟碳市場(chǎng)中的綠色債券、可持續(xù)發(fā)展和環(huán)境政策進(jìn)行了非線(xiàn)性效應(yīng)的分析。Ali 和 Kirikkaleli(2022)[40]采用MS模型研究了意大利的可再生能源和貿(mào)易對(duì)基于消費(fèi)的二氧化碳排放的不對(duì)稱(chēng)效應(yīng)。Gong等(2021)[41]使用MS模型研究了“一帶一路”沿線(xiàn)國(guó)家二氧化碳排放與FDI之間的非線(xiàn)性關(guān)系。

國(guó)內(nèi)關(guān)于MS模型對(duì)碳市場(chǎng)的研究比較少見(jiàn),筆者查知網(wǎng)數(shù)據(jù)庫(kù)只發(fā)現(xiàn)了5篇相關(guān)研究。研究的質(zhì)量也可圈可點(diǎn)。吳恒煜等(2011)[42]采用MS模型對(duì)國(guó)際ECX CER碳排市場(chǎng)的動(dòng)態(tài)效應(yīng)進(jìn)行了研究。王家瑋,伊藤敏子(2011)[43]采用MS-GARCH模型研究了碳貿(mào)易價(jià)格風(fēng)險(xiǎn)變動(dòng)趨勢(shì)并提出了我國(guó)CDM發(fā)展策略。鄭春梅,劉紅梅(2013)[44]采用MS模型討論了歐盟碳排放權(quán)價(jià)格波動(dòng)特征。胡根華,吳恒煜(2017)[45]采用三狀態(tài)Markov模型結(jié)合AR-GARCH模型研究了歐盟碳排放交易市場(chǎng)的數(shù)據(jù)結(jié)構(gòu)。

3.2.3 SV模型簇

國(guó)際上有采用SV模型族進(jìn)行碳市場(chǎng)風(fēng)險(xiǎn)的相關(guān)研究,但研究也不多。Solibakke(2014)[46]使用SV模型來(lái)研究歐洲碳市場(chǎng)數(shù)據(jù)的隨機(jī)波動(dòng)率并預(yù)測(cè)和提取出模型的條件矩。2020年Liu, Huang, 和 Chang(2020)[47]采用SV-L和SV-N模型來(lái)研究中國(guó)碳市場(chǎng)中的杠桿效應(yīng)。Lyu等(2020)[48]使用SV模型研究中國(guó)碳市場(chǎng)發(fā)現(xiàn),中國(guó)碳市場(chǎng)波動(dòng)缺乏穩(wěn)定性。Ozturk等(2022)[49]使用多變量SV模型研究了歐盟碳市場(chǎng)風(fēng)險(xiǎn)。Mezghani 和 Ben Haddad[50]在2017年使用了SV模型對(duì)沙特阿拉伯能源消費(fèi)、經(jīng)濟(jì)增長(zhǎng)和二氧化碳排放之間的關(guān)系進(jìn)行了研究。

國(guó)內(nèi)僅見(jiàn)劉維泉、郭兆暉(2011)[51]利用SV模型,采用MCMC法研究了歐盟的碳市場(chǎng)風(fēng)險(xiǎn)。

4 研究結(jié)論

從GARCH模型的文獻(xiàn)梳理中可見(jiàn),國(guó)內(nèi)外研究現(xiàn)狀呈現(xiàn)兩個(gè)特點(diǎn):一是使用GARCH模型作為基礎(chǔ)來(lái)合成另一個(gè)更加復(fù)雜的混合模型;二是采用某個(gè)GARCH簇里的多個(gè)模型聯(lián)合使用,這些研究以GARCH模型為基礎(chǔ),以提高擬合精度和預(yù)測(cè)精度為目標(biāo),取得了豐富的成果。通過(guò)有關(guān)MS模型簇的文獻(xiàn)梳理發(fā)現(xiàn),國(guó)際上相關(guān)研究比較豐富,模型比較多樣化,國(guó)內(nèi)略顯單薄,而從算法的角度來(lái)看,國(guó)內(nèi)在此研究領(lǐng)域還沒(méi)有任何人采用過(guò)國(guó)際主流的MCMC算法。SV模型簇對(duì)碳市場(chǎng)數(shù)據(jù)的研究無(wú)論是國(guó)內(nèi)還是國(guó)外都比較稀少。

通過(guò)文獻(xiàn)檢索基本可知,有較豐富的成果集中在GARCH對(duì)碳風(fēng)險(xiǎn)的研究,而使用MS和SV模型簇的極少,尤其是國(guó)內(nèi)居然還沒(méi)有一篇使用SV模型對(duì)中國(guó)碳市場(chǎng)進(jìn)行風(fēng)險(xiǎn)度量的文獻(xiàn)。

5 展望與建議

中國(guó)地方性試點(diǎn)碳排放權(quán)交易市場(chǎng)(簡(jiǎn)稱(chēng)碳市場(chǎng))起步于2011年。北京、天津、上海、重慶、廣州、湖北、深圳、福建八省市先后啟動(dòng)了碳排放權(quán)交易市場(chǎng)。近年來(lái),全球各級(jí)政府對(duì)碳排放權(quán)市場(chǎng)風(fēng)險(xiǎn)的關(guān)注度越來(lái)越高,碳排放市場(chǎng)風(fēng)險(xiǎn)度量模型的研究成果逐漸豐富。但是目前我國(guó)缺乏國(guó)家級(jí)碳交易市場(chǎng),作為雙碳戰(zhàn)略的重點(diǎn)工作之一,2021年7月16日,全國(guó)碳排放權(quán)交易所于上海開(kāi)市,作為我國(guó)唯一全國(guó)性碳排放交易所,初期只在發(fā)電行業(yè)重點(diǎn)排放單位之間開(kāi)展配額現(xiàn)貨交易,暫時(shí)不允許機(jī)構(gòu)和個(gè)人參與。2021年1月22日,證監(jiān)會(huì)批準(zhǔn)設(shè)立廣州期貨交易所,2021年4月19日,廣州期貨交易所正式揭牌開(kāi)業(yè),該交易所未來(lái)的交易碳排放權(quán)期貨產(chǎn)品,將對(duì)國(guó)際碳排放權(quán)定價(jià)產(chǎn)生深遠(yuǎn)影響。但是一方面中國(guó)的碳市場(chǎng)數(shù)據(jù)儲(chǔ)備量還比較薄弱,另一方面碳市場(chǎng)中的交易數(shù)據(jù)具有復(fù)雜系統(tǒng)中數(shù)據(jù)的自相關(guān)、非平穩(wěn)、非正態(tài)分布、非線(xiàn)性、尖峰厚尾、有偏性、波動(dòng)聚集性、杠桿效應(yīng)、信息到達(dá)、長(zhǎng)記憶性和持續(xù)性、隱含波動(dòng)的相關(guān)性、微小有偏性等多重特點(diǎn),顯然使用普通的計(jì)量經(jīng)濟(jì)模型GARCH模型很難做到精確擬合。本文綜述的國(guó)際研究相關(guān)證據(jù)表明,政府決策者為了準(zhǔn)確把握碳市場(chǎng),經(jīng)濟(jì)學(xué)研究者采取了一些更復(fù)雜的MS模型、SV模型對(duì)碳市場(chǎng)數(shù)據(jù)進(jìn)行分析,相關(guān)研究成果也得到顯現(xiàn),但中國(guó)的研究還有待進(jìn)一步完善。基于以上綜述,本文就未來(lái)中國(guó)的碳排放權(quán)交易風(fēng)險(xiǎn)度量模型研究提出相關(guān)展望及建議。

(1)MS模型方面:中國(guó)到目前為止使用MS模型研究碳市場(chǎng)的文獻(xiàn)較單薄,采用的算法基本都是極大似然法等客觀(guān)統(tǒng)計(jì)方法,未來(lái)希望可以采用貝葉斯(Bayesian)統(tǒng)計(jì)法,MCMC算法結(jié)合Gibbs采樣法或者M(jìn)etropolis-Hastings采樣法以提高算法效率和質(zhì)量。(2)SV模型方面:中國(guó)目前還沒(méi)有使用貝葉斯統(tǒng)計(jì),MCMC算法,Gibbs采樣或者M(jìn)etropolis-Hastings采樣法擬合SV模型并對(duì)碳市場(chǎng)進(jìn)行研究,未來(lái)希望我國(guó)的學(xué)者在此方面有所突破。基于上述突破,結(jié)合GARCH、MS和SV模型簇的實(shí)證結(jié)果,希望可以發(fā)現(xiàn)最優(yōu)擬合中國(guó)碳數(shù)據(jù)的3類(lèi)模型,并在此基礎(chǔ)上,通過(guò)使用最優(yōu)模型預(yù)測(cè)中國(guó)碳數(shù)據(jù),采用統(tǒng)一判定指標(biāo),發(fā)現(xiàn)最佳預(yù)測(cè)中國(guó)碳數(shù)據(jù)的模型,以不斷提高擬合和預(yù)測(cè)的精度為目標(biāo),力求為政府決策服務(wù)。同時(shí),通過(guò)上述研究突破,充分發(fā)現(xiàn)中國(guó)碳數(shù)據(jù)復(fù)雜性,為今后采用其他更合適的模型(例如:價(jià)格跳躍-擴(kuò)散模型,Price Jump-Diffusion Model)探索一條道路。

為了實(shí)現(xiàn)上述突破,現(xiàn)階段必須解決如下幾個(gè)要點(diǎn):(1)目前中國(guó)碳市場(chǎng)交易時(shí)間不長(zhǎng),而某些模型的研究需要的數(shù)據(jù)積累量較大,當(dāng)前中國(guó)的碳市場(chǎng)數(shù)據(jù)能否滿(mǎn)足研究需求,希望在今后可以采用全國(guó)市場(chǎng)數(shù)據(jù)進(jìn)行實(shí)證研究。(2)中國(guó)關(guān)于使用MS模型研究碳市場(chǎng)的文獻(xiàn)較單薄,采用的算法基本都是極大似然法等客觀(guān)統(tǒng)計(jì)方法,能否采用貝葉斯(Bayesian)統(tǒng)計(jì)法以提高算法效率和質(zhì)量的可行性問(wèn)題需進(jìn)一步探索和研究。(3)中國(guó)還未使用貝葉斯統(tǒng)計(jì)、MCMC算法、Gibbs采樣或者M(jìn)etropolis-Hastings采樣法擬合SV模型并對(duì)碳市場(chǎng)進(jìn)行研究,這種算法的可行性問(wèn)題也是當(dāng)前需要解決的要點(diǎn)。(4)采用什么指標(biāo)來(lái)進(jìn)行模型擬合優(yōu)劣的判斷、采用什么指標(biāo)來(lái)對(duì)模型的預(yù)測(cè)精度進(jìn)行判斷等問(wèn)題仍需深入探索,而嘗試在國(guó)際主流的指標(biāo)體系內(nèi)尋找到合適的指標(biāo)是取得突破的重要前提。

猜你喜歡
算法模型研究
一半模型
FMS與YBT相關(guān)性的實(shí)證研究
遼代千人邑研究述論
重要模型『一線(xiàn)三等角』
重尾非線(xiàn)性自回歸模型自加權(quán)M-估計(jì)的漸近分布
視錯(cuò)覺(jué)在平面設(shè)計(jì)中的應(yīng)用與研究
科技傳播(2019年22期)2020-01-14 03:06:54
基于MapReduce的改進(jìn)Eclat算法
Travellng thg World Full—time for Rree
EMA伺服控制系統(tǒng)研究
進(jìn)位加法的兩種算法
绥棱县| 渭南市| 通河县| 丰台区| 治县。| 吴江市| 杂多县| 肇州县| 弋阳县| 枝江市| 永寿县| 周至县| 八宿县| 青海省| 岚皋县| 益阳市| 密山市| 曲沃县| 靖边县| 平武县| 宁阳县| 邵东县| 荃湾区| 新密市| 甘谷县| 庄河市| 陆丰市| 庄浪县| 抚顺县| 安龙县| 平谷区| 夏邑县| 泸定县| 渭源县| 涞水县| 克山县| 南通市| 玛纳斯县| 和田县| 盐亭县| 望奎县|