欧盟碳排放配额价格区制转换特征研究.docVIP

欧盟碳排放配额价格区制转换特征研究 　　摘要：通过建立马尔可夫区制转换随机扩散模型，假定EUA价格具有高波动和低波动两个状态，研究欧盟排放交易机制（EU ETS）交易的EUA期货和现货价格的波动特征。结果表明：具有区制转换的随机扩散模型较一般扩散模型更好地拟合EUA样本数据，EUA价格存在两个显著的高、低波动区制，通过似然率检验，发现随机扩散模型的波动项是EUA价格波动的主要因素，且高波动性与重要的政策变化密切相关。并且随着EUA价格的上升，其价格停留在同一区制的概率下降。 　　关键词：京都议定书；欧盟排放配额；马尔可夫区制转换；极大似然估计 　　中图分类号：F832.6；F224.0文献标识码：A文章编号：1001-8409（2014）01-0095-06 　　一、引言 　　欧盟排放交易机制是欧盟为实现温室气体减排建立的碳交易市场。EU ETS已经成为世界最重要的碳交易市场，2010年，欧洲市场占2010年全球碳排放交易总额的81%，如果加上CDM交易则占全球的97%，主导着全球碳金融市场。由于其成熟的交易机制，EU ETS已经成为各国发展碳市场的重要参考对象。我国从2013年开始，在北京、上海、广东、深圳等七省市开展碳市场建设，并逐步形成全国性碳市场，EU ETS的运行特征将具有重要参考意义。 　　目前，针对EUA的价格特征，主要有Hintermann[1]研究了第一阶段EUA价格驱动因素。研究表明，原油价格、气温、电力和股票市场指数对EUA价格具有显著影响。Chevallier[2]研究发现突发事件、后京都议定书时代国际相关替代协议的不确定性是EUA价格波动不稳定的主要原因。Frunza 等[3]研究发现正态逆高斯过程能够更好地拟合EUA价格。 　　目前尚未有文献研究EUA价格在不同区制间的转换。然而，许多学者已经证明，在研究金融资产价格时应引入马尔可夫区制转换，可以更好地刻画金融资产在不同的区制间变换的特征。Fong等[4]研究发现区制转换模型能更好地刻画原油期货价格的复杂特征。徐迎军等[5]研究发现我国的房地产价格在不同的状态具有不同的概率，并且两个价格状态分别持续2.2和1.2个季节。 　　在随机扩散模型中引入马尔可夫区制转换进行相关研究中，Naik等[6]在Vasicek模型中引入区制转换研究美国国债收益曲线。Liechety等[7]则在Gaussian扩散模型的漂移项中引入区制转换，研究纽约交易所交易的原油期货价格。Choi[8]则在随机扩散模型Ait-Sahalia中引入马尔可夫区制转换，研究美国短期利率，研究表明，美国短期利率波动具有显著的两个区制。郑挺国等[9]研究发现区制转换随机利率模型能够很好地刻画我国短期利率的波动特征。 　　本文将建立具有区制转换（Regime Switching）的随机扩散模型，研究EUA价格的变化特征。 　　二、模型 　　首先假设EUA价格遵循如下随机扩散模型： 　　dPt=（α-1P-1t+α0+α1Pt+α2P2t+α3P3t）dt+βPρtdWt（1） 　　若以μ（Pt，st；θ）=α-1，stP-1t+α0，st+α1，stPt+α2，stP2t+α3，stP3t，σ（Pt，st；θ）=βstPρstt分别表示EUA价格遵循随机扩散模型的漂移项和扩散项，其中st是控制区制的下标，它服从两状态的马尔可夫链。因此式（1）可写成： 　　dPt=μ（Pt，st；θ）dt+σ（Pt，st；θ）dWt（2） 　　保守无穷小矩阵： 　　Q=qLL1qHL 　　qLH1qHH=1-qLH1qHL 　　qLH11-qHL 　　它将控制EUA价格状态的转换，其中qij表示EUA价格从状态i转变为状态j的概率，当i≠j时，qij0。若以Δ表示两次观测的间隔时间，其大小应为EUA价格发生一次转换的最小间隔，则其相应的转移矩阵为： 　　PΔ=11qLH+qHLqHL+qLHe-Δ（qLH+qHL）1qHL（1-e-Δ（qLH+qHL）） 　　qLH（1-e-Δ（qLH+qHL））1qLH+qHLe-Δ（qLH+qHL）（3） 　　利用式（3）进行迭代之后求极限，容易得到处于状态L和H的非条件概率，（πL，πH）=qHL1qLH+qHL，qLH1qLH+qHL，由于st表示不同区制的下标，所以可将式（3）重新表示为： 　　p=pLL1pHL 　　pLH1pHH 　　转移概率为pij=P（st=j|st-1=i）=F（x），i，j=L，H则采用logistic函数exp（x）/[1+exp（x）]，确定概率函数之后，便可以得到EUA价格状态转移的概率，即： 　　pLL=P（st=L|st-Δ=L）=F（cL+dLPrit-Δ），pHH=P（st=