碳排放、动态套期保值与资产收益风险

书书书贵州财经大学学报２０１３年第２期 总第１６３期金融经济２１ 碳排放、动态套期保值与资产收益风险常 凯（浙江财经学院金融学院，浙江杭州 ３１００１８）摘 要本文运用Ｅｎｇｌｅ和Ｇｒａｎｇｅｒ（ＥＧ）两步法和误差修正模型（ＥＣＭ）检验了ＣＥＲ碳排放现货价格和期货价格存在明显的协整关系，同时使用误差修正的广义自回归条件异方差（ＥＣＭ－ＧＡＲＣＨ）及修正的ＥＣＭ－ＧＡＲＣＨ模型对ＣＥＲ碳排放现货与期货之间的动态最优套期保值比率和套期保值效果进行实证分析。结果显示，由ＥＣＭ－ＧＡＲＣＨ及修正的ＥＣＭ－ＧＡＲＣＨ模型确定最优套期保值比率随时间变化而呈现时变性，且碳排放现货和期货的前期价格信息以及误差修正项均对套期保值组合效果有显著的影响。相对ＥＣＭ－ＧＡＲＣＨ模型，市场参与者运用修正的ＥＣＭ－ＧＡＲＣＨ模型优化调整资产套期保值组合头寸，可以更有效地降低资产收益风险。关键词碳排放；动态套期保值比率；ＥＣＭG21ＧＡＲＣＨ；套期保值效果文章编号１００３－６６３６（２０１３）０２－００２１－０７；中图分类号Ｆ８３０．９；文献标识码Ａ一、引言近年来，由于全球变暖和气候恶化，控制温室气体排放已经成为各国政要和科学家共同关注的焦点话题。在京都机制下，碳排放权被赋予特定的产权，可以充当商品一样在碳排放交易市场进行转让、交换等交易活动，因此碳排放权成为一种有价值的重要资产。碳排放交易市场已经迅速发展成为全球最有活力和发展潜力的商品市场，据世界银行估计，截止２０１０年底，全球碳排放市场总交易规模将达到１４４０亿美元（或１０３０亿欧元），且碳排放交易市场有望成为全球最大的商品交易市场。［１］国外学者的研究成果证明碳排放现货和期货价格具有时变性的运动趋势。ＢｅｎｚａｎｄＴｒｕｃｋ（２００６）指出，碳排放价格主要取决于碳交易市场中碳排放权供求总量所诱发的预期碳排放量稀缺程度，且碳排放量的稀缺性容易受到政府对碳排放管制政策变化、碳减排技术进步与扩散、能源价格、能源使用效率及极端气候变化等因素影响，因此碳排放价格具有较大的市场波动性。［２］Ｓｅｉｆｅｒｔ、ＨｏｍｂｕｒｇａｎｄＷａｇｎｅｒ（２００８）发现，在试验阶段内碳排放现货价格具有时间和价格依赖型市场波动率结构。［３］ＢｅｎｚａｎｄＴｒｕｃｋ（２００９）运用ＡＲ－ＧＡＲＣＨ模型验证了碳排放价格波动率在不同阶段内呈现偏斜和过量峰度的变化特征。［４］张跃军和魏一鸣（２０１１）引入均值回复理论、ＧＥＤ－ＧＡＲＣＨ模型及ＶＡＲ方法对试验阶段内国际碳排放进行了研究，发现国际碳排放期货价格收益、市场波动以及市场风险的变化均不服从均值回复过程，且具有发散性和不可预测的特性，这主要由碳排放管制政策、能源价格波动、气候变化等一系列因素综合作用，导致市场效率不高、市场反应过度。［５］戚婷婷和鲁炜（２００９）使用向量误差修正模型和公共因子模型对市场价格发现功能进行了研究，发现碳排放现货价格和期货价格之间存在长期稳定的均衡关系，即协整关系。［６］碳排放现货和期货价格随着时间变化而呈现动态变化，且具有较强的市场风险，因此如何调整合理的现货与期货资产投资组合成为市场参与者规避投资风险和提高投资收益的重要途径。２０１２年１月，国家发展和改革委员会宣布将北京、天津、上海、重庆、湖北、广东及深圳等省（市）列为碳排放交易的试点省（市），深圳碳交易市场有望在２０１３年正式启动，２０１５年有望在全国范围内开展碳排放交易。中国正在尝试筹建和开发碳排放交易市场，开发标准化的碳排放现货和期货合约，已初步形成了碳排放交易市场雏收稿日期２０１２－１２－０５基金项目国家自然科学基金项目“上市公司环境绩效与公司价值和风险关系基于金融投资角度的理论和实证分析”（７１１０３０５０）；教育部人文社会科学规划基金项目“支撑我国低碳经济下的碳金融产品与机制创新”（１１ＹＪＡ７９０１５２）；国家能源局项目“支撑新能源产业健康发展的金融政策研究”。作者简介常 凯（１９７４－），男，安徽蚌埠人，博士，浙江财经学院讲师，主要研究方向为碳金融产品创新。２２ 金融经济贵州财经大学学报２０１３年第２期 总第１６３期形。［７］当前中国企业和金融机构等对碳排放市场交易风险缺乏足够认识和理解，防范和规避市场风险能力非常脆弱。因此如何确定碳排放现货与期货之间最优套期保值比率，评价资产套期保值绩效，帮助中国企业和金融机构降低投资风险和提高投资收益成为亟需解决的关键难题。二、研究方法（一）动态套期保值比率根据套期保值理论，Ｊｏｈｎｓｏｎ（１９６０）指出，最小方差套期保值比率是现货和期货收益的条件协方差与期货收益方差的比值。［８］如果碳排放现货和期货的价格变化保持相同的速度，最优化的套期保值比率将是恒定不变的。若碳排放现货和期货的价格变化保持不同的变化速度，套期保值者将根据前一周期信息集在碳排放现货和期货两种资产之间调整资产投资头寸，因此套期保值比率也会随时间变化而动态变化。假设ｔ－１为ｔ－１的信息集，根据信息集ｔ－１，套期保值者在时间ｔ－１时买入Ｑ头寸的碳排放现货，卖出Ｘ头寸的碳排放期货，此时套期保值比率为ｈｔ－１＝Ｘ／Ｑ。因此，在时期（ｔ－１，ｔ）内碳排放现货与期货资产投资组合收益率［９］为Ｒｈｔ＝Δｓｔ－ｈｔ－１Δｆｔ（１）式（１）中ｈｔ－１为时点ｔ－１的套期保值比率，ｓｔ，ｆｔ分别代表在时点ｔ时碳排放现货和期货价格的对数，Δｓｔ＝ｓｔ－ｓｔ－１，Δｆｔ＝ｆｔ－ｆｔ－１分别为在时点ｔ时碳排放现货和期货的价格收益率，因此资产组合风险可以使用在ｔ－１信息集时的条件方差测量，则资产组合收益率方差［１０］为ｖａｒ（Ｒｈｔｔ－１）＝ｖａｒ（Δｓｔｔ－１）＋ｈ２ｔ－１ｖａｒ（Δｆｔｔ－１）－２ｈｔ－１ｃｏｖ（Δｓｔ，Δｆｔｔ－１） （２）通过最小化的套期保值组合风险得到最小方差套期保值比率［１１］为ｈ＝ｃｏｖ（Δｓｔ，Δｆｔｔ－１）ｖａｒ（Δｆｔｔ－１）＝σ２ｓｆσ２ｆｆ（３）ｃｏｖ（Δｓｔ，Δｆｔｔ－１）为在信息集ｔ－１时碳排放现货和期货的协方差，ｈ为最优套期保值比率。从方程（３）得知，随着碳排放现货和期货市场中产生新的信息时，信息集ｔ－１随之发生变化，最优套期保值比率也随着时间变化而呈现时变性。（二）研究方法ＥｎｇｌｅａｎｄＧｒａｎｇｅｒ（１９８７）提出的协整理论及其方法为非平稳序列的经济变量提供一种新途径。如果非稳定序列的经济变量存在平稳的线性组合，这种平稳的线性组合被称为协整方程，可以解释变量之间的长期稳定的均衡关系。若自变量和因变量之间存在协整关系，两者之间存在稳定的均衡关系，因变量不能被自变量所解释的部分构成一个残差序列，这个残差序列应该是平稳的。根据协整理论，ＬｉｅｎａｎｄＬｕｏ（１９９３），Ｇｈｏｓｈ（１９９３）提出误差修正模型评估套期保值比率，误差修正项可以反映两变量在时点ｔ的短期偏离，误差修正模型可以表达为Δｓｔ＝ｇ＋ｈΔｆｔ＋θｚｔ－１＋εｔ（４）此处基差ｚｔ＝ｆｔ－ｓｔ代表误差修正项，相关系数ｈ为静态的套期保值比率，误差修正模型（ＥＣＭ）同时考虑了碳排放现货价格和期货价格的非平稳性、长期均衡关系以及短期动态关系。由于国际碳排放价格易受市场供求量诱使的碳排放量稀缺性影响，且碳排放量稀缺性取决于各种综合因素的不确定性，如政府管制政策变化、能源价格波动、极端气候变化及低碳技术进步与推广使用等。在现实的碳排放现货和期货市场中，碳排放现货价格和期货价格随时间变化而呈现时变性的特征，因此最优的套期保值比率也随时间变化而动态变化。基于对动态套期保值比率评估，Ｂｏｌｌｅｒｓｌｅｖ（１９９０）［１２］，ＫｒｏｎｅｒａｎｄＳｕｌｔａｎ（１９９３）［１３］，Ｌｉｅｎ、ＴｓｅａｎｄＴｓｕｉ（２００２）［１４］，ＬｉｅｎａｎｄＹａｎｇ（２００８）［１５］应用ＧＡＲＣＨ评估最优化的动态套期保值比率，ＫｏｕｔｍｏｓａｎｄＰｅｒｉｃｌｉ（１９９９）［１６］提出使用ＥＣＭ－ＧＡＲＣＨ评估动态套期保值比率。Δｓｔ＝γｓ＋αｓΔｆｔ＋βｓ（ｓｔ－１－ｆｔ－１）＋ζｓｔ（５）Δｆｔ＝γｆ＋αｆΔｓｔ＋βｆ（ｓｔ－１－ｆｔ－１）＋ζｆｔ（６）σ２ｓｔ＝δｓ＋∑ｐｉ＝１ａｓｉζ２ｓ（ｔ－ｉ）＋∑ｑｊ＝１ｂｓｊσ２ｓ（ｔ－ｊ）（７）σ２ｆｔ＝δｆ＋∑ｐｉ＝１ａｆｉζ２ｆ（ｔ－ｉ）＋∑ｑｊ＝１ｂｆｊσ２ｆ（ｔ－ｊ）（８）σｓｆｔ＝ρσｓｔσ槡ｆｔ（９）式（９）中ρ为碳排放现货与期货的相关系数，且ρ是恒定不变的，将基差ｓｔ－１－ｆｔ－１定义为误差修正项，此时最优的动态套期保值比率为ｈ＝σ２ｓｆσ２ｆｆ。将误差修正项纳入ＧＡＲＣＨ模型，我们可以获得最优的动态套期保值比率。贵州财经大学学报２０１３年第２期 总第１６３期金融经济２３ 当期货和现货市场发育成熟时，此时以基差代表误差修正项是可行的，也满足期货价格和现货价格收敛于均衡价格。由于国际碳排放现货和期货市场是一个新兴市场，现货市场和期货市场发育不成熟，基差风险很大，用基差代表误差修正项评估动态套期保值比率会带来较大的市场偏差，影响资产套期保值效率。考虑ＥｎｇｌｅａｎｄＧｒａｎｇｅｒ（ＥＧ）两步法中残差ξｔ－１反映了变量在短期波动中偏离长期均衡关系的程度，国际碳排放现货和期货的历史价格信息也会影响套期保值者调整资产组合头寸。下面以ＥＧ两步法中残差ξｔ－１代表误差修正项，将ＥＣＭ－ＧＡＲＣＨ修正为一般化的ＥＣＭ－ＧＡＲＣＨ模型。Δｓｔ＝ｃｓ＋ｄｓΔｆｔ＋∑ｍｉ＝１ｕｓｉΔｓｔ－ｉ＋∑ｎｊ＝１ｖｓｊΔｆｔ－ｊ＋ｗｓξｔ－１＋ζｓｔ（１０）Δｆｔ＝ｃｆ＋ｄｆΔｓｔ＋∑ｍｉ＝１ｕｆｉΔｓｔ－ｉ＋∑ｎｊ＝１ｖｆｉΔｆｔ－ｊ＋ｗｆξｔ－１＋ζｆｔ（１１）此处ξｔ－１为ＥＧ两步法协整回归中估计的残差项，（ζｓｔ，ζｆｔ）Ｔ服从于ＧＡＲＣＨ过程。三、数据描述与实证检验（一）数据描述欧盟碳排放交易机制（ＥＵＥＴＳ）正式实施于２００５年１月，可分为两个阶段试验阶段（２００５２００７）和“京都议定书”阶段（２００８２０１２）。欧盟碳排放机制（ＥＵＥＴＳ）是采用碳排放总量控制与交易的管理模式，欧盟各成员国按照碳减排计划制定碳排放量上限，采取配额许可型交易和项目型交易两种流行的碳排放交易方式。碳排放配额分配主要涉及的产业涵盖了炼油厂、发电量超过２０兆瓦发电厂、钢铁厂、水泥厂、玻璃厂、造纸厂以及航空业等实体产业。由于各成员国实施碳减排成本不同，京都议定书规定允许使用三种灵活的机制排放交易机制（ＥＴＳ）、联合履行机制（ＪＩ）以及清洁发展机制（ＣＤＭ）。清洁发展机制（ＣＤＭ）依据京都议定书中第十二条规定，具体是指为应对全球气候变化由发达国家和发展中国家合作并以项目为合作载体的机制。其主要内容是在与发展中国家开展项目合作时由发达国家提供资金和技术，通过项目的开发进而实现“核证减排量”，并使用该减排量来兑现发达国家在京都议定书所承诺的温室气体的减少量。该核证减排量在签发之前需要经过相关机构严格的审核、注册和复核过程，并且只能够由清洁发展机制执行理事会（ＥＢ）签发。本文ＣＥＲ①现货的样本数据选取全球最大的碳排放现货交易市场Ｂｌｕｅｎｅｘｔ交易所，ＣＥＲ期货的样本数据选取全球最大的碳排放期货交易市场ＩＣＥ交易所。一份标准的碳排放期货ＣＥＲ的交易量是相当于１０００吨ＣＥＲ现货当量。本文选取三个ＣＥＲ期货合约作为数据样本研究，分别为２０１０年１２月、２０１１年１２月及２０１２年１２月到期日的碳排放期货合约。为保证数据样本的连续性及可比性，数据样本区间均是从２００８年８月１２日至２０１０年１２月２０日，共计６０６对样本。下图１是碳排放现货价格和期货价格运时间序列图，Ｓ为碳排放现货价格序列，Ｆ１、Ｆ２、Ｆ３分别为碳排放期货价格序列，其中Ｆ１是距离到期日最近的碳排放期货合约，Ｆ２是距离到期日第二近的碳排放期货合约，依此类推。碳排放现货和期货的价格单位为欧元／吨。图１表明碳排放的现货价格Ｓｔ和期货价格Ｆｔ具有大致相同的增长和变化趋势，这说明两种资产之间可能存在协整关系，这为评估最优化的动态套期保值比率及其套期保值效率提供了理论依据。图１ 碳排放现货价格和期货价格时间序列图（ＣＥＲ） ①ＣＥＲ是指ＣＤＭ机制下缔约各成员国可以向发展中国家通过投资碳减排项目获取相应的经认证碳排放配额当量，用于抵消国内实体企业超额的碳排放权配额。２４ 金融经济贵州财经大学学报２０１３年第２期 总第１６３期（二）数据检验根据协整理论，碳排放现货和期货价格的时间序列只有存在同阶单整时，两种资产之间才能存在协整关系。我们先使用单位根（ＡＤＦ）分别对碳排放现货和期货的价格序列及其一阶差分序列进行单整检验，结果如下表１所示。表１碳排放现货、期货价格序列及其一阶差分序列的单位根检验结果ＡＤＦ检验值ＳＦ１Ｆ２Ｆ３价格序列－２．７３５７８４－２．８６２１６６－２．９２９４６２－２．８９７８８６１阶差分序列－２３．２３４９５－２３．０４９８４－２３．０３９２７－２２．８２０２３注（１）置信度为１０％的临界值是－２．５６９３，置信度为５％的临界值是－２．８６６１，置信度为１％的临界值是－３．４４１０。（２），，分别代表为在置信度１％、５％、１０％时ＡＤＦ检验值是显著的。从表１可以看出，碳排放现货Ｓ和期货Ｆ１价格序列的ＡＤＦ检验值大于在置信度５％的临界值－２．８６６１，碳排放期货Ｆ２、Ｆ３的价格序列的ＡＤＦ检验值小于在置信度５％的临界值－２．８６６１，这说明碳排放现货和３个期货的价格序列并非都保持同阶单整关系。碳排放现货和期货价格的一阶差分序列的ＡＤＦ检验值均小于在置信度１％的临界值－３．４４１０，现货Ｓｔ和期货Ｆｔ的一阶差分序列均保持同阶单整关系，满足协整检验的前提。（三）协整检验上面已得出碳排放现货和期货价格序列存在同阶单整关系，下面我们使用ＥＧ两步法和ＥＣＭ模型做协整检验。表２是对碳排放现货和期货的价格序列所做的协整检验结果。ＥＧ两步法检验结果显示，ξ－ＡＤＦ代表线性回归方程Δｓｔ＝ａ＋ｂΔｆｔ＋ξｔ的残差均方根检验值，碳排放现货价格序列Ｓｔ和期货价格序列Ｆ１ｔ、Ｆ２ｔ、Ｆ３ｔ的ξ－ＡＤＦ检验值均小于置信度为１％的临界值－３．４４１０，因此协整回归估计的残差项均服从平稳序列，这表明碳排放现货和期货的价格序列之间存在明显的稳定协整关系。表２显示，在ＥＧ两步法中，碳排放现货与期货Ｆ１ｔ、Ｆ２ｔ、Ｆ３ｔ之间的静态套期保值比率分别为０．８２９２、０．８２７７和０．８３１６，ｔ统计值均表现出较大值，且ｈ检验结果均在置信度１％显著水平下表现非常显著。ＥＣＭ检验结果显示，碳排放现货与期货之间的最优静态套期保比率分别为０８３４３、０．８３１７和０．８３３４，ｔ检验值均表现出较大值，且ｈ检验结果均在置信度１％显著水平下表现非常显著。使用误差修正模型估计的最优套期保值比率均大于ＥＧ模型估计的最优套期保值比率，拟合结果均表现出显著性，且ＥＣＭ模型的拟合优度Ｒ２值均较大，这说明ＥＣＭ模型拟合效果要优于ＥＧ模型。ＥＣＭ模型统计系数均显示显著的，误差修正项对最优套期保值比率有显著的影响。表２碳排放现货与期货的价格序列协整检验协整检验Ｆ１Ｆ２Ｆ３ＥＧｈ０．８２９２０．８２７７０．８３１６ｔ统计量４２．２２４１．０５３９．６２Ｒ２０．７４７０．７３６０．７２２ξ－ＡＤＦ－１９．２１１３－２３．４８８５－３６．１１９９ＥＣＭｈ０．８３４３０．８３１７０．８３３４ｔ统计量４４．１１４１．９７４０．１９Ｒ２０．７６６０．７４６０．７２９注（１）ξｔ为最小二乘法协整回归中的残差，ξ－ＡＤＦ代表对残差项进行单位根（ＡＤＦ）检验的统计值，ｈ为最优套期保值比率。（２）、、分别代表为检验结果在置信度１％、５％、１０％时表现是显著的。四、动态套期保值比率评估下面我们使用ＥＣＭ－ＧＡＲＣＨ和修正的ＥＣＭ－ＧＡＲＣＨ模型评估最优的动态套期保值比率。表３显示，除了常数项，ＥＣＭ－ＧＡＲＣＨ（１，１）和修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型评估的误差修正项与碳排放现货价格与期货价格相关系数在置信度１％显著水平下均表现非常显著，且ｔ统计值均为显著的较大值，这说明误差修正项对动态套期保值比率具有显著的影响。碳排放现货价格和期货价格的前一期残差项和条件方差项相关系数均能在１％显著水平下表现出较强的显著性，且ｔ检验值均显示较大值，这充分说明碳排放现货价格和期货价格的前一期残差项和条件波动率项均对下一期条件波动率产生较显著的影响，这些变量直接影响最优的动态套期保值比率。综合上述，碳排放现货和期货历史市场价格信息以及误差修正项均对动态套期保值比率产生一定程度的影响。贵州财经大学学报２０１３年第２期 总第１６３期金融经济２５ 表３ＥＣＭ－ＧＡＲＣＨ（１，１）和修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型的参数评估参数Ｆ１ＥＣＭ－ＧＡＲＣＨＭｏｄｉｆｉｅｄＥＣＭ－ＧＡＲＣＨＦ２ＥＣＭ－ＧＡＲＣＨＭｏｄｉｆｉｅｄＥＣＭ－ＧＡＲＣＨＦ３ＥＣＭ－ＧＡＲＣＨＭｏｄｉｆｉｅｄＥＣＭ－ＧＡＲＣＨδｓ１．５７ｅ－６１．１１ｅ－６２．７９ｅ－６２．３８ｅ－６４．４２ｅ－６４．２８ｅ－６δｆ１．５７ｅ－６８．５９ｅ－７２．５５ｅ－６２．０７ｅ－６４．０８ｅ－６３．９９ｅ－６ａｓ０．２２３７（９．１４０９）０．１７１１（８．１８７１）０．２２８６（７．６９８６）０．１７２０（６．６６６８）０．２３８３（７．３０８０）０．１９８７（６．６２６９）ａｆ０．２３５３０．１７１３０．２２３２０．１７６５０．２３６７０．２０６５（８．２３６７）（７．４５１９）（９．５０１１）（７．５６２２）（９．７０８９）（８．９６１２）ｂｓ０．７６５１０．８１８８０．７５２８０．８０８００．７３３５０．７６９４（２８．８８２５）（３５．１３３２）（２２．６８８１）（２６．６７８９）（２０．０８９８）（２１．６６２３）ｂｆ０．７５４４０．８２１６０．７６０１０．８０８００．７３８６０．７６６１（２４．６５３４）（３３．７９２５）（２６．６７１３）（３０．５８７２）（２６．３４４９）（２７．８０１０）注括号里为ｔ统计值，为在置信度１％时是显著性的。其中，修正的ＥＣＭ－ＧＡＲＣＨ（１，１）的评估方程为Δｓｔ＝ｃｓ＋ｄｓΔｆｔ＋ｕｓΔｓｔ－１＋ｖｓΔｆｔ－１＋ｗｓξｔ－１＋ζｓｔΔｆｔ＝ｃｆ＋ｄｆΔｓｔ＋ｕｆΔｓｔ－１＋ｖｆΔｆｔ－１＋ｗｆξｔ－１＋ζｆｔ且（ζｓｔ，ζｆｔ）Ｔ～ＧＡＲＣＨ（１，１）在表４和图２中，ｈｒ１、ｈｒ２、ｈｒ３分别代表运用ＥＣＭ－ＧＡＲＣＨ模型评估的碳排放现货Ｓ与期货Ｆ１、Ｆ２、Ｆ３之间的动态套期保值比率，ｍｈｒ１、ｍｈｒ２、ｍｈｒ３分别代表运用修正的ＥＣＭ－ＧＡＲＣＨ模型评估的动态套期保值比率。图２显示，在ＥＣＭ－ＧＡＲＣＨ（１，１）和修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型下评估碳排放现货与期货之间的最优套期保值比率随时间变化而呈现时变性。表４给出最优的动态套期保值比率的统计性描述，结果显示，运用ＥＣＭ－ＧＡＲＣＨ（１，１）模型评估动态套期保值比率的平均值分别为０．８４１２、０．８３５０和０．８３５９，动态套期保值比率的标准差分别为０．０７９１、０．０８８４和０．１０３２，随着距离碳期货到期日时间间隔增加，动态套期保值比率的平均值和波动率有逐步增加的趋势。运用修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型评估动态套期保值比率的平均值分别为０．８４１８、０８３６６和０．８３４８，随着距离碳期货到期日时间间隔增加，动态套期保值比率的均值具有逐步缩小的趋势；动态套期保值比率的标准差分别为０．０７６６、０．０８３６和０．０９９１，随着距离碳期货到期日时间间隔增加，动态套期保值比率的波动率具有逐步放大的趋势。相对于ＥＣＭ－ＧＡＲＣＨ（１，１）模型，由修正ＥＣＭ－ＧＡＲＣＨ（１，１）确定的最优套期保值比率平均值均呈现较大值，而标准差均呈现较小值。图２ 在ＥＣＭ－ＧＡＲＣＨ（１，１）和修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型下最优动态套期保值比率表４最优动态套期保值比率的统计性描述统计量Ｆ１Ｆ２Ｆ３ｈｒ１ｍｈｒ１ｈｒ２ｍｈｒ２ｈｒ３ｍｈｒ３平均值０．８４１２０．８４１８０．８３５００．８３６６０．８３５９０．８３４８最大值１．２３９７１．１９４１１．１９３９１．１４５８１．２５６３１．２７４０最小值０．５５２５０．６０７２０．５４５３０．５８２３０．５３０９０．５４９６标准差０．０７９１０．０７６６０．０８８４０．０８３６０．１０３２０．０９９１注ｈｒ、ｍｈｒ分别代表在ＥＣＭ－ＧＡＲＣＨ（１，１）和修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型下最优的套期保值比率。由于国际碳排放现货和期货市场还是一个新兴市场，还不够成熟，现货和期货价格呈现较高的市场波动性，因此运用传统的静态套期保值比率调整资产组合头寸，无法有效规避因市场价格波动所产生的市场风险。根据商品储存和协整理论，商品现货与期货价格之间存在一种长期的均衡关系，不成熟碳排放市场导致商品现货与期２６ 金融经济贵州财经大学学报２０１３年第２期 总第１６３期货价格围绕长期均衡价格上下波动，短期现货与期货两者价格关系会偏离长期均衡价格。市场参与者运用碳排放现货与期货市场之间较强的基差波动性，依据ＥＣＭ－ＧＡＲＣＨ模型动态调整资产组合头寸，使资产组合收益具有较大的市场风险。由于碳排放现货与期货的历史市场价格信息和ＥＧ两步法中残差项均对动态套期保值比率具有较大的影响，市场参与者运用修正的ＥＣＭ－ＧＡＲＣＨ模型动态来调整资产组合头寸，同时考虑到短期动态调整、长期均衡关系以及历史价格信息，可以最大限度地降低资产组合收益的市场风险。五、套期保值组合效果为了比较ＥＣＭ－ＧＡＲＣＨ（１，１）和修正ＥＣＭ－ＧＡＲＣＨ（１，１）模型下碳排放现货和期货之间的套期保值组合效果，我们使用方程（２）评估两种模型的套期保值组合的方差风险。从图３可以看出，碳排放现货与期货Ｆ１、Ｆ２两种资产之间的套期保值组合收益方差是随时间变化而呈现剧烈的变化。表５的统计数据表明，基于修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型下碳排放现货和期货Ｆ１、Ｆ２之间的动态套期保值组合收益的平均值分别为０．２７３４、０．３０７０和０．４２３６，其标准差分别为０．４０３０、０．４２０２和０．６４６０，随着距离碳期货到期日时间增加，碳排放现货与期货资产之间的动态套期保值的组合风险具有逐步增加的趋势。基于ＥＣＭ－ＧＡＲＣＨ（１，１）模型下套期保值组合收益的平均值分别为０．３５０５、０．３８８５和０．５６８７，标准差分别为０．５９４９、０．６３６７和０．６４６０，随着距离碳期货到期日时间增加，碳排放现货与期货资产之间的动态套期保值的组合风险也具有逐步增加的趋势。因此，碳排放现货和期货的历史市场价格信息以及误差修正项均对资产套期保值收益产生显著的影响。相对ＥＣＭ－ＧＡＲＣＨ（１，１）模型，由修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型确定的套期保值组合收益均值和标准差均表现出较小值，资产组合的市场风险较小，因此运用修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型优化调整碳排放现货与期货资产的动态套期保值比率，其资产组合的市场风险更小。表５在ＥＣＭ－ＧＡＲＣＨ（１，１）和修正ＥＣＭ－ＧＡＲＣＨ（１，１）模型下动态套期保值效果比较（１０－４）统计量Ｆ１Ｆ２Ｆ３Ｖａｒ（ｈｒ１）ｖａｒ（ｍｈｒ１）Ｖａｒ（ｈｒ２）ｖａｒ（ｍｈｒ２）Ｖａｒ（ｈｒ３）ｖａｒ（ｍｈｒ３）平均值０．３５０５０．２７３４０．３８８５０．３０７００．５６８７０．４２３６最大值３．８７２８２．７２９３４．２７６０２．８６６３５．２０９６４．４４２６最小值０．０１８２０．０１９００．０２６６０．０３１７０．０３８５０．０３１３标准差０．５９４９０．４０３００．６３６７０．４２０２０．７７６４０．６４６０注ｖａｒ（ｈｒ），ｖａｒ（ｍｈｒ）分别代表在ＥＣＭ－ＧＡＲＣＨ和修正的ＥＣＭ－ＧＡＲＣＨ下套期保值组合收益方差。图３ 在ＥＣＭ－ＧＡＲＣＨ（１，１）和修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型下套期保值组合效果（１０－４）六、结论综合上述，我们得出以下结论１．本文运用ＡＤＦ验证碳排放现货和期货的价格序列具有同阶单整关系，然后再利用ＥＧ两步法和ＥＣＭ模型验证了碳排放现货与期货两种资产之间存在显著的协整关系，且具有长期的稳定性。ＥＣＭ模型评估结果显示误差修正项对最优的套期保值比率有显著的影响。２．运用ＥＣＭ－ＧＡＲＣＨ和修正的ＥＣＭ－ＧＡＲＣＨ模型，验证了碳排放现货与期货之间的最优套期保值比率是随时间变化而呈现时变性。对于碳排放期货Ｆ１、Ｆ２，我们使用修正的ＥＣＭ－ＧＡＲＣＨ（１，１）模型确定的动态套期保值比率平均值显示出了较大值，且套期保值收益组合风险较小。这充分说明了修正的ＥＣＭ－ＧＡＲＣＨ模型套期保值组合效果较优，且碳排放现货和期货的前一期价格序列以及前一期误差修正项均对套期保值组合效果产生了一定程度的影响。但对于碳期货Ｆ３，我们运用ＥＣＭ－ＧＡＲＣＨ模型确定的套期保值组合效果却显示出较优的表现。贵州财经大学学报２０１３年第２期 总第１６３期金融经济２７ 碳排放交易机制是一种高效率和低成本的碳排放量控制方式。目前，中国经政府主管部门审查批准、经营主体审定，并经联合国ＣＤＭ执行理事会登记注册和核证签发的ＣＤＭ项目的碳排放权配额的契约价格明显低于国际碳排放交易市场中ＣＥＲ的实际交易价格。目前中国企业、金融机构虽然积极参与国际碳排放权市场交易，但由于碳排放的询价权、定价权及决策主动权都被国外需求方所控制，中国企业处于碳排放交易链条中的最下端，转让经核准的碳排放量获得的经济收益非常有限。中国是目前最大的、经认证的碳排放配额的供应国，因此，本文选取清洁发展机制下经认证的碳排放配额（ＣＥＲｓ）进行实证研究，其研究成果可以引导国内企业和金融机构更好地参与国际碳排放市场交易。总结ＣＥＲ现货和期货两种资产的协整关系及掌握套期保值运作规律有利于指导中国低碳企业和金融机构合理确定ＣＥＲ的协议价格，有利于在碳交易市场中指导国内企业和金融机构优化碳排放资产套期保值组合收益以及增强市场风险管理与控制能力。本文研究成果也可以引导欧盟市场实践者根据动态的套期保值比率，灵活地调整碳排放现货和期货两种资产的套期保值头寸，优化套期保值组合收益，降低资产组合风险。参考文献［１］ＫｏｓｓｏｙＡ，ＡｍｂｒｏｓｉＰ．Ｓｔａｔｅａｎｄｔｒｅｎｄｓｏｆｔｈｅｃａｒｂｏｎｍａｒｋｅｔ２０１０［Ｒ］．ＣａｒｂｏｎＦｉｎａｎｃｅａｔｔｈｅＷｏｒｌｄＢａｎｋ，Ｗａｓｈｉｎｇｔｏｎ．ＤＣ．Ｍａｙ．２０１０，ｗｗｗ．ｃａｒｂｏｎｆｉｎａｎｃｅ．ｏｒｇ．［２］ＢｅｎｚＥ，ＴｒｕｃｋＳ．ＣＯ２ｅｍｉｓｓｉｏｎａｌｌｏｗａｎｃｅｓｔｒａｄｉｎｇｉｎＥｕｒｏｐｅ－Ｓｐｅｃｉｆｙｉｎｇａｎｅｗｃｌａｓｓｏｆａｓｓｅｔｓ［Ｊ］．ＰｒｏｂｌｅｍｓａｎｄＰｅｒｓｐｅｃｔｉｖｅｓｉｎＭａｎａｇｅｍｅｎｔ，２００６，４（３）３０－４０．［３］ＢｅｎｚＥ，ＴｒｕｃｋＳ．ＭｏｄｅｌｉｎｇｔｈｅｐｒｉｃｅｄｙｎａｍｉｃｓｏｆＣＯ２ｅｍｉｓｓｉｏｎａｌｌｏｗａｎｃｅｓ［Ｊ］．ＥｎｅｒｇｙＥｃｏｎｏｍｉｃｓ，２００９，３１（１）４G21１５．［４］ＳｅｒｉｆｅｒｔＪ，ＨｏｍｂｕｒｇＭＵ，ＷａｇｎｅｒＭ．ＤｙｎａｍｉｃｂｅｈａｖｉｏｒｏｆＣＯ２ｓｐｏｔｐｒｉｃｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＥｃｏｎｏｍｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，２００８，５６（２）１８０－１９４．［５］张跃军，魏一鸣．国际碳期货价格的均值回归基于ＥＵＥＴＳ的实证分析［Ｊ］．系统工程理论与实践，２０１１（２）２１４－２２０．［６］戚婷婷，鲁炜．核证减排量现货市场和期货市场的价格发现［Ｊ］．北京理工大学学报（社会科学版），２００９（６）７１－７７．［７］任志娟．碳税、碳税、碳交易与行政命令减排基于ｃｏｕｒｎｏｔ模型的分析［Ｊ］．贵州财经学院学报，２０１２（６）１－７．［８］ＪｏｈｎｓｏｎＬＬ．ＴｈｅＴｈｅｏｒｙｏｆＨｅｄｇｉｎｇａｎｄＳｐｅｃｕｌａｔｉｏｎｉｎＣｏｍｍｏｄｉｔｙＦｕｔｕｒｅｓ［Ｊ］．ＲｅｖｉｅｗｏｆＦｉｎａｎｃｉａｌＳｔｕｄｉｅｓ，１９６０，２７（３）１３９－１５１．［９］ＬｉｅｎＤ，ＴＳＥＹＫ．Ｆｒａｃｔｉｏｎａｌｃｏｉｎｔｅｇｒａｔｉｏｎａｎｄｆｕｔｕｒｅｓｈｅｄｇｉｎｇ［Ｊ］．ＴｈｅＪｏｕｒｎａｌｏｆＦｕｔｕｒｅｓＭａｒｋｅｔｓ，１９９９，１９（４）４５７－４７４．［１０］彭红枫，叶永刚．基于修正的ＥＣＭ－ＧＡＲＣＨ模型的动态最优套期保值比率估计及比较研究［Ｊ］．中国管理科学，２００７（５）２９－３５．［１１］方虹，陈勇．石油期货最优套期保值比率及套期保值绩效的实证研究［Ｊ］．中国软科学，２００８（１）１２５－１２９．［１２］ＢｏｌｉｅｒｓｌｅｖＴ．Ｍｏｄｅｌｌｉｎｇｔｈｅｃｏｈｅｒｅｎｃｅｉｎｓｈｏｒｔ－ｒｕｎｎｏｍｉｎａｌｅｘｃｈａｎｇｅｒａｔｅｓａｍｕｌｔｉｖａｒｉａｔｅｇｅｎｅｒａｌｉｚｅｄＡＲＣＨａｐｐｒｏａｃｈ［Ｊ］．ＲｅｖｉｅｗｏｆＥｃｏｎｏｍｉｃｓａｎｄＳｔａｔｉｓｔｉｃｓ，１９９０（７２）７１７－７２９．［１３］ＫｒｏｎｅｒＫＦ，ＳｕｌｔａｎＪ．Ｔｉｍｅ－ｖａｒｙｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｄｙｎａｍｉｃｈｅｄｇｉｎｇｗｉｔｈｆｏｒｅｉｇｎｃｕｒｒｅｎｃｙｆｕｔｕｒｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＦｉｎａｎｃｉａｌａｎｄＱｕａｎｔｉｔａｔｉｖｅＡｎａｌｙｓｉｓ，１９９３，２８（４）５３５－５５１．［１４］ＬｉｅｎＤ，ＴｓｅＹＫ，ＴｓｕｉＡ．Ｅｖａｌｕａｔｉｎｇｈｅｄｇｉｎｇｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｃｏｎｓｔａｎｔ－ｃｏｒｒｅｌａｔｉｏｎＧＡＲＣＨＭｏｄｅｌ［Ｊ］．ＡｐｐｌｉｅｄＦｉｎａｎｃｉａｌＥｃｏｎｏｍｉｃｓ，２００２（１２）７９１－７９８．［１５］ＬｉｅｎＤ，ＹａｎｇＬ．Ａｓｙｍｍｅｔｒｉｃｅｆｆｅｃｔｏｆｂａｓｉｓｏｎｄｙｎａｍｉｃｆｕｔｕｒｅｓｈｅｄｇｉｎｇｅｍｐｉｒｉｃａｌｅｖｉｄｅｎｃｅｆｒｏｍｃｏｍｍｏｄｉｔｙｍａｒｋｅｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢａｎｋｉｎｇ＆Ｆｉｎａｎｃｅ，２００８（３２）１８７－１９８．［１６］ＫｏｕｔｍｏｓＧ，ＰｅｒｉｃｌｉＡ．ＨｅｄｇｉｎｇＧＮＭＡｍｏｒｔｇａｇｅ－ｂａｃｋｅｄｓｅｃｕｒｉｔｉｅｓｗｉｔｈＴ－ｎｏｔｅｆｕｔｕｒｅｓｄｙｎａｍｉｃｖｅｒｓｕｓｓｔａｔｉｃｈｅｄｇｉｎｇ［Ｊ］．ＲｅａｌＳｔａｔｅＥｃｏｎｏｍｉｃｓ，１９９９，２７（２）３３５－３６２．ＣａｒｂｏｎＥｍｉｓｓｉｏｎｓ、ＤｙｎａｍｉｃＨｅｄｇｉｎｇａｎｄＲｅｔｕｒｎｏｎＡｓｓｅｔｓＲｉｓｋＣＨＡＮＧＫａｉ（ＴｈｅＦｉｎａｎｃｉａｌＣｏｌｌｅｇｅ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅ＆Ｅｃｏｎｏｍｉｃｓ，Ｈａｎｇｚｈｏｕ，Ｚｈｅｊｉａｎｇ，３１００１８，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＴｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓｔｈａｔｓｐｏｔａｎｄｆｕｔｕｒｅｓｐｒｉｃｅｓｏｆＣＥＲｃａｒｂｏｎｅｍｉｓｓｉｏｎｓｅｘｉｈｉｂｉｔｓｉｇｎｉｆｉｃａｎｔｃｏｉｎｔｅｇｒａｔｉｏｎｒｅｌａｔｉｏｎｕｓｉｎｇＥｎｇｌｅ＆Ｇｒａｎｇｅｒ’ｓｔｗｏｓｔｅｐｍｏｄｅｌ（ＥＧ）ａｎｄｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎｍｏｄｅｌ（ＥＣＭ）．ＷｅｐｒｅｓｅｎｔｅｍｐｉｒｉｃａｌｅｖｉｄｅｎｃｅｏｎｔｉｍｅｖａｒｙｉｎｇｏｐｔｉｍａｌｈｅｄｇｅｒａｔｉｏａｎｄｈｅｄｇｉｎｇｅｆｆｉｃｉｅｎｃｙｂｅｔｗｅｅｎｓｐｏｔａｎｄｆｕｔｕｒｅｓｆｏｒＣＥＲｃａｒｂｏｎｅｍｉｓｓｉｏｎｓｂｙｕｓｉｎｇｔｈｅｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎｇｅｎｅｒａｌｉｚｅｄａｕｔｏｒｅｇｒｅｓｓｉｖｅｃｏｎｄｉｔｉｏｎａｌｈｅｔｅｒｏｓｋｅｄａｓｔｉｃｉｔｙ（ＥＣＭＧＡＲＣＨ）ａｎｄｍｏｄｉｆｉｅｄＥＣＭＧＡＲＣＨ．ＯｕｒｅｍｐｉｒｉｃａｌｒｅｓｕｌｔｓｓｈｏｗｏｐｔｉｍａｌｌｙｄｙｎａｍｉｃｈｅｄｇｅｒａｔｉｏｓｆｒｏｍｔｈｅＥＣＭＧＡＲＣＨａｎｄｍｏｄｉｆｉｅｄＥＣＭＧＡＲＣＨｅｘｈｉｂｉｔｏｂｖｉｏｕｓｔｉｍｅｖａｒｙｉｎｇｔｒｅｎｄｓ，ｐｒｅｖｉｏｕｓｐｒｉｃｅｓｉｎｆｏｒｍａｔｉｏｎａｎｄｅｒｒｏｒｃｏｒｒｅｃｔｉｏｎｔｅｒｍｂｏｔｈｓｐｏｔａｎｄｆｕｔｕｒｅｓｆｏｒｃａｒｂｏｎｅｍｉｓｓｉｏｎｓｈａｖｅｓｉｇｎｉｆｉｃａｎｔｉｍｐａｃｔｓｏｎｈｅｄｇｉｎｇｐｏｒｔｆｏｌｉｏｅｆｆｅｃｔｉｖｅｎｅｓｓ．ＣｏｍｐａｒｅｄｗｉｔｈＥＣＭＧＡＲＣＨｍｏｄｅｌ，ｍａｒｋｅｔｐａｒｔｉｃｉｐａｎｔｓｃａｎｏｐｔｉｍｉｚｅａｓｓｅｔｓｐｏｒｔｆｏｌｉｏｓｉｚｅｓａｎｄｅｆｆｅｃｔｉｖｅｌｙｄｅｃｒｅａｓｅｍａｒｋｅｔｒｉｓｋｓｏｆａｓｓｅｔｓｐｏｒｔｆｏｌｉｏｒｅｔｕｒｎｓ．Ｋｅｙｗｏｒｄｓｃａｒｂｏｎｅｍｉｓｓｉｏｎｓ；ｄｙｎａｍｉｃｈｅｄｇｅｒａｔｉｏ；ＥＣＭＧＡＲＣＨ；ｈｅｄｇｉｎｇｅｆｆｅｃｔｉｖｅｎｅｓｓ责任编辑常明明