火电企业价格金融风险预测模型与对冲策略研究
1 前言
电力行业是整个工业社会的基础产业，其平稳运行影响着人民大众
的衣食住行和其他行业的正常运转。电力企业的风险来源于众多的方面，
大到国家宏观经济政策，中到产业链上下游行业竞争格局，小到企业自身
人员与设备的安全操作与使用，这些不确定性因子围绕电力企业构建起一
张庞大而复杂的风险联动之网。经过仔细地梳理，本文可以按照不同的标
准划分这些风险因子。按照风险的承受体，电力企业所涉及的风险可划分
为财产风险、人身风险、责任风险和信用风险；按照风险来源，电力企业
所涉及风险可划分为如地震、海啸、洪水在内的自然风险和人员操作不当
导致的火灾、停电等人为风险，而人为风险又可划分为行为风险、技术风
险和组织管理风险；按照风险是否可度量，还可以划分为经济风险与道德
风险；另外电力企业发电方式不同，划分为火电风险、水电风险、风电风
险、潮汐风险、地热风险、光伏风险等。以上每个风险范畴又可根据其研
究对象的不同而罗列出若干子风险。本文所研究的价格风险属于经济风险
范畴，其会直接影响企业的利润，严重时可能导致企业破产。但它不包括
电力企业固定资产的市场价值变化，不包括利率汇率变化导致的金融现金
流变化，也不包括利润表中其他非营业收入项的波动。由于火电企业生产
成本约 70%为燃料成本，火电厂
90%以上的收入来自于发电收入（热电联产企业的此类收入份额也在
70%以上），此外，我国发电用燃料60%以上为煤炭，为了以更小的篇幅展
现更主要的、对我国更有借鉴价值的风险预测与对冲策略，本文所研究的
电力企业限定为火力发电企业中的燃煤发电企业（不包括热电联产企业）
。综上所述，本文在此把所度量的价格风险限定为燃煤电厂生产过程中涉
及到的最大额的商品——
煤炭、电能和二氧化碳排放配额各自的价格风险与集成价格风险。
研究背景与意义
随着市场经济的优越性逐渐成为全球共识，从上世纪 80
年代起，电力市场化改革在全球主要工业化国家逐步推开。电力价格从过
去的成本核算、政府定价转为了由市场定价。价格波动性显著上升。随后
，在科斯“外部性内化”的思想指导下，二氧化碳排放配额交易计划也开
始执行，二氧化碳排放配额也成了火电企业的主要生产“原材料”之一。
从此，电力企业面对的由市场决定的价格不再只有煤、石油和天然气等化
石燃料价格，又多了电价和二氧化碳排放配额价格。火电企业最主要的价
格风险源转移到了其产出的商品——电能，和副产品——
二氧化碳上，电力企业价格风险的度量与管理也变得更加复杂与重要。经
济学界曾一度认为“有些行业随着企业生产规模的扩大和范围的扩展，单
位成本递减，从而实现效益增加。这些行业具有向规模经济发展的内在趋
势，最终会走向垄断经营”。这种垄断地位并非由政府制定法律而获得，
而是由自然地理因素或者行业自身特点而形成，于是经济学界称之为自然
垄断。 ............ 国内外研究现状
近几年电力市场引发关注。这不仅是因为电力市场对经济至关重要
，另一原因在于其特殊的价格变化特性使它难以被建模。为此，学术界为
此做了大量研究。Weron 和 Kozlowska
等（2000）基于连续时间序列模型研究了加拿大电力市场价格波动[5]。M
alo 等（2006）用 GARCH
模型也对其他市场做了类似研究[6]。王瑞庆和王宏福研究了美国 PJM
电力市场，使用条件方差、条件偏度、条件峰度来刻画电价序列的二阶矩
、三阶矩、四阶矩时变特征[7]。结果发现，电价具有非平稳、强季节波
动和价格尖峰等特征。除了这些典型特征，近期的研究还记录了现货电价
的多重分形属性。Erzgr ber
等（2008）的研究展示了非趋势价格波动分析，认为他们观测到的 Hurst
指数的变化可作为电价具有多重分形性的标志[8]。多重分形建模技术已
经成功用于物理学，计算机网络工程和生物学。Bacry等（2008）基于连
续梯级（cascades）的模型研究了资产回报率时间序列的多重分形、多尺
度分解和自相关性，把多重分形模型应用到了描述股票或外汇等资产价格
随机波动的特征上[9]。与此研究相呼应的是，刘伟佳和尚金成等（2013
）验证了电价的多重分形性，并建立了输电公司短期购电组合的风险优化
模型[10]。正如近期研究得出的结果所显示的那样，多重分形可用于替代
经典计量经济学工具，它可以用极为简单的方法描述金融市场典型的统计
特征。 ............ 2 电力价格波动 MSM 建模
引言
近几年电力市场引发关注。这不仅是因为电力市场对经济至关重要
，另一原因在于其非平稳、强季节波动和价格尖峰[5，6，73，74]的特性
使它难以被建模。除了这些典型特征，近期的研究还记录了现货电价的多
重分形属性。Erzgr ber
等[8]展示了非趋势价格波动分析，认为观测到的 Hurst
指数的变化可作为电价具有多重分形性的标志。多重分形建模技术已经成
功用于物理学，计算机网络工程和生物学。最近，他们已经在金融计量经
济学上被认为是波动率和风险建模的合适工具。基于连续梯级（cascades
）的模型已经被成功的应用于描述股票或外汇等资产随机波动的特征；例
如 Bacry
等[9]对多重分形、多尺度分解和自相似性有卓越见解。正如近期研究得
出的结果所显示的那样，多重分形可用于替代经典计量经济学工具，它可
以用极为简单的方法描述金融市场典型的统计特征。然而，尽管多重分形
建模技术如此流行且能力强大，应用于实证金融领域的主要模型依旧基于
更古典的技术。当前已有多重分形模型的一个根本的限制是它们主要为单
变量建模而设计。正如 Bacry
等[9]所说，只有少数学者尝试过把多重分形模型扩展到多变量时间序列
的建模。早期 Muzy
等[11]的论文率先提出扩展他们的多重分形随机游走（MRW）模型到多维
情况。较为近期的 Liu 和 Lus[12]还有 Calvet
等[13]的论文已经考虑了扩展 Calvet 和
Fisher[14]的马尔科夫转换多重分形模型到两变量时间序列并进行估计的
可能性。到目前为止学界已形成共识，只有在多重分形建模技术应用于组
合管理的体系形成后，该技术才会得到金融行业的广泛认可。改进组合管
理工具的需求在新兴市场显现得最为明显，例如电力交易所，其资产具有
在其他商品和金融工具市场所罕见的极端属性。尤其在现货价格的波动行
为条件下，对冲现货风险的需求是极为迫切的。当前，电力风险管理方面
有关动态对冲的主流文献绝大部分是跳跃扩散模型和基于 GARCH
的单变量和多变量模型的变形；参见[6,15，16，17，18]。然而，近期对
于电价多重分形属性的认识使得部分学者有兴趣尝试检验其他建模方法的
表现。设计混合模型是一个有希望成功且到目前为止未被探索的路径，通
过该方法，一些经典模型和多重分形模型的属性可被同时使用。
.......... 电力市场主要属性
本节中本文将讨论现货价格的主要属性。Granger
等[68]近期的一篇论文引出了一个有关建模时间序列条件分布的概念，称
为主要属性（DP）。一般而言，本文把 DP
理解为过程的一个成分，它可以决定某个变量和其他变量的关系，和其如
何纳入模型和公式中。DP
是影响时间序列联合动态建模的重要考虑因素。例如趋势、持久性、强季
节分量、经济周期分量和条件均值中的转换都可以被视为分量过程中的主
要属性。如 Granger 等[68]所言，涉及到 DP
和共同因子的最有趣的情况是协整分析和协趋分析。当检查主要属性时，
电力市场是一个尤为有趣的实例。众所周知，电价过程有独有的特性因而
不同于其他如石油和天然气类的商品[75]。因此，本文时常发现适用于股
票、债券和外汇的一般模型应用于电力市场时效果并不好[76,77，78，79
]。意识到了电价行为因时间尺度不同而有不同这点事实，于是本文限定
研究范围仅为短于现货合约每日平均价格。很显然，对实时参与市场交易
的电力企业来说，现货价格直接反应其价格风险。本节中，本文简要回顾
电价最广为人知的特性[80,
81,82]:价格尖峰：当前，有很多关于能源市场的问题还没有清楚地答案
。最为突出的问题是电价的极端波动率。电价极具特征的波动率是由高昂
的储存成本导致的，此外还掺杂着平衡限制，无弹性的需求和供给。电力
的供给或需求冲击不会立刻被存货所解决，这就造成了跳跃或价格尖峰。
尖峰持续期并不长，但它们在价格波动中占据了相当比例的事实使它们具
有了重要意义。季节性[83]：另一个重要的电力价格的特性是季节性。当
前电力生产主要依靠燃煤、燃气、水力和增长中的风能、太阳能。水力、
风能、太阳能生产能力均受到天气影响，随季节变化而不同。尤其水力发
电的供给侧收到蓄水设施限制，这将在需求较高的季节，例如寒冷的冬季
，引发显著地价格上升。相反，当水库满溢时，价格会显著下跌。关于季
节模式和电价行为的研究可参阅 Lucia 和Schwartz[17]和
Bhanot[80]的研究。 ........... 3
二氧化碳排放配额价格波动 GARCH 建模 ......33 引言.....33
二氧化碳排放配额市场机制.....34 模型.....36
GARCH 模型............37
体制转换模型..........37 实证研究.......39
小结.....51 4 煤炭价格波动 MSM 建模......53
引言.....53 模型.....54 预测评价方法.........57
预测评价标准..........57
预测能力优越性检验........58 实证研究.......59
小结.....71 5 集成风险与对冲策略 .............72
引言.....72 三种商品的共同因子定义.........73
模型.....74 火电企业价格风险对冲策略.....80
实证研究.......81 5 集成价格风险与对冲策略 引言
近几年电力企业的价格风险管理问题引发关注。这不仅是因为电力
对经济至关重要，另一原因在于，其涉及的三类主要相关商品——
燃料、电力和二氧化碳排放配额的定价均已完成市场化。价格风险不再仅
仅来自于煤炭的价格波动，更主要来自于电力和二氧化碳排放配额的价格
波动。不仅如此，电力和二氧化碳排放配额价格波动由于其非平稳、强季
节波动和价格尖峰的特性，难以被建模。这使得电力企业的价格风险更加
难易管理。电力企业价格风险可以近似等价于燃料、电力和二氧化碳排放
配额三种商品的投资组合的价格风险，例如，燃煤电厂可以被看作电量的
多头、煤炭的空头和二氧化碳排放许可证的的空头的组合。为了预测这些
组合的风险，并找到可作为对冲策略标杆的最小 CVaR
组合，本文须分析不同商品品种间的相关结构；参见李韩防等（2007）的
研究[128]。遵循 B rger (2007)和 H
gerle(2007)所做的实证研究[61]的思路，本文对给定的能源商品组合应
用不同的多元分布以计算条件在险值
CVaR。国内相关研究中比较重要的是刘敏和吴复立（2004）的研究[129]
。本篇文章以上第二、三和四章分别建立了电力、二氧化碳排放配额和煤
炭波动规律的模型，所用模型各不相同，如对电力和煤炭波动率本文用了
多重分形模型，而对二氧化碳排放配额波动率本文用了 AR-
GARCH（1,1）模型。结果显示，多重分形模型和 AR-
GARCH（1,1）等经典模型都有着各自最擅长的应用领域，并已经展示出其
在对于特定单变量过程的波动率预测上的卓越表现。多重分形模型对于非
平稳、强季节波动和价格尖峰的捕捉较为擅长，而经典模型在多变量建模
方面有长期令人满意的表现，尤其在建模资产价格的条件期望值的相关性
时，经典模型体系更加成熟。此外，在投资组合方面本文也经常需要用很
多不同的特性模拟资产。例如，电力与煤炭波动的特点并不相同，然而他
们依旧共享特定的相关性。如果本文假设组合资产所有的边缘分布是相似
的，那么情况就简单许多。然而，实际上本文会遇到很多不同的边缘分布
。因此，考虑到联合建模三种相关资产，本文认为研究设计混合模型是非
常有价值的。最近，由于基于 copula
的模型在建模异质资产间相关性结构上的灵活性已经在各种金融应用领域
被广泛接受；参见 Patton[130]，Chen 和 Fan[131]，Granger
等[68]。因此，在混合模型实际设计中，本文采用 copula
函数把不同的边缘分布和可能的多重分形属性联合起来。
........... 结论
在火电企业集合价格风险预测与风险对冲策略中，本章贡献是提出
了Copula-MSM-GARCH
模型以描述电力、煤炭二氧化碳排放配额价格间的波动规律。这套体系为
把经典 GARCH
模型和更新研发的多重分形随机波动率模型结合起来提供了一种灵活的方
法。然而该方法仅限于波动率协方差结构可用解析式表现的分形模型。在
本章对电力市场的实证研究中，本章展示了怎样用 t-copula
函数表示相关性结构的特点并把马尔科夫转换多重分形模型与 t-
GARCH(1,1)模型相结合。在实证研究部分中，本章分别构建了均值方程、
波动率方程和 copula
模型。在估计均值方程之前本章对不同的滞后阶用了一系列似然率检验，
这样有效的除去了主要的序列相关性。本章也做了 Johansen
协整检验，检查了迹和特征值，结果显示存在 3
对协整关系。在三个资产方程中，误差修正项的系数1 、2 和3
显著不为 0。通过考虑对残差平方的 Portmanteau
测试本章也拒绝了无序列相关性的无效假设。在波动率建模中，对于电力
和煤炭价格新息，本章估计了波动率成分数 k=10 的 MSM
模型，并且假设这些成分呈对数正态分布。对于二氧化碳排放配额，用了
AR-GARCH(1,1)模型正态分布估。当本章检验来自于动态
copula的结果时，本章发现 copula
参数有相当大的噪音但没有任何的模式或结构性变化以致于必须使用时变
设计规格。在本章的例子中本章的确发现静态学生t-copula
比其他用于比较的静态或动态 copula 拟合地更好。此外，本章研究了
Copula-MSM-GARCH 模型被用于寻找 CVaR
最优的电力投资组合的方法，并对风险优化效果做了评价。结果显示，当
持有期长度小于
2周时，模型的总体精确度似乎在一定程度上是相同的。当查看预测误差
相对于已实现 CVaR 水平的大小时，模型对实际 CVaR
的高估或低估偏差看上去并没有随着持有期延长而增大。这说明观测到的
投资组合优化收益的减小不能全部归结为持有期更长的情况下潜在的模型
表现弱。最小 CVaR
组合的构建为设计风险对冲策略奠定了基础。火电企业可以采用以期货交
易把现实生产中的价格风险组合调整为最小 CVaR 投资组合的策略——
用期货空头对冲掉比重高于最小 CVaR
组合比重的商品，用期货多头补充比重低于最小 CVaR
组合比重的商品。总的来说，Copula-MSM-GARCH
模型确实对电力企业的价格风险 CVaR 预测由提高作用。
.......... 参考文献（略）
