第11卷第6期北京理工大学学报渊社会科学版冤年12月JOURNALOFBEIJINGINSTITUTEOFTECHNOLOGY渊SOCIALSCIENCESEDITION冤核证减排量现货市场与期货市场的价格发现戚婷婷袁鲁炜渊中国科学技术大学管理学院袁合肥230026冤摘要院作为全球碳市场第二大组成部分的CDM市场正在迅速发展遥由于CERs交易市场仍是新兴的碳排放权交易市场袁目前尚未发现对该资产现货市场和期货市场的价格发现的相关研究遥使用向量误差修正模型和公共因子模型对CERs现货市场和期货市场的价格发现功能进行了分析袁并使用脉冲响应函数和方差分解对公共因子模型的实证结果进行了验证遥研究结果表明院CERs现货价格和期货价格之间存在长期稳定的均衡关系袁期货价格是现货价格的Granger原因袁并且目前数据表明CERs现货市场的价格发现功能较弱,而期货市场的价格发现功能较强袁即期货市场在价格发现中起主导作用遥关键词院核证减排量渊CERs冤曰价格发现曰向量误差修正模型曰公共因子模型中图分类号院文献标识码院A文章编号院1009-3370渊2009冤06-0071-07一尧引言以一级CERs价格可能会有很大的差异[2]遥另外袁由于CDM项目的特定风险袁使得一级CERs的定价问叶联合国气候变化框架公约曳渊UNFCCC冤第三次题难以找到明确和统一的标准遥缔约国大会于1997年12月通过了以实现量化减排二级市场上的CERs交易是指远期合同签订后指标为标志的联合国气候变化框架公约叶京都议定而CERs尚未产出时又发生的交易袁或者在CERs已书曳袁规定工业化国家渊附件I国家冤在2008年至由联合国执行理事会渊ExecutiveBoard袁简称EB冤签2012年间将温室气体排放量在1990年的排放水平发后又发生的交易遥世界银行的统计数据显示袁自上平均削减%遥为了有效实现减排标准袁叶京都议2004年起袁全球以二氧化碳排放权为标的的交易总定书曳引入了三种合作机制袁即联合履约渊Joint额从最初的不到10亿美元增长到2007年的600亿Implementation袁简称JI冤尧排放贸易渊EmissionTrade袁美元袁四年时间增长了60倍遥交易量也由亿吨简称ET冤和清洁发展机制渊CleanDevelopment迅速攀升至27亿吨[3]遥作为全球碳市场第二大组成Mechanism袁简称CDM冤袁其中清洁发展机制渊CDM冤部分的CDM市场也在迅速发展遥据碳点公司渊Point是针对工业化国家和发展中国家之间的合作所设计Carbon冤统计袁2006年CDM市场交易量为亿吨的合作机制袁其核心内容是工业化国家通过提供资CO2袁交易总额为39亿欧元遥2007年增加到亿金和技术的方式与发展中国家进行合作袁将项目所吨CO2和120亿欧元袁增长速度分别为68%和产生的温室气体核证减排量渊CertificationEmission200%[4]遥欧洲尧美国等发达国家已经形成了碳排放交Reductions袁简称CERs冤用于完成在叶京都协议书曳中易中心袁并出现了相应的金融衍生产品遥碳排放交易的减排承诺[1]遥CDM被看作是一种双赢机制袁一方面中心的出现促进了碳排放交易的发展袁为碳排放交工业化国家可以降低其在国内实现减排义务所需的易提供了更为透明的信息披露渠道袁更重要的是发高额费用袁另一方面发展中国家可以通过实施CDM达国家由此掌握了碳排放交易价格的话语权[5]遥另据项目获得额外资金和先进技术袁有助于实现自身的碳点公司发布的叶CDM及JI追踪曳显示袁2008年初可持续发展遥时工业化国家在收购一级CERs的价格维持在7-14CDM项目所产生的CERs大多通过签订远期合欧元之间袁但进入欧美的交易所后包装成2008年到约进行交易袁许多情况下在项目开发准备阶段就签2012年到期的CERs期货合约袁价格升至13-19欧订CERs交易合同袁此时产生的CERs即一级CERs遥元袁由此可见CERs交易市场的盈利空间巨大[4]遥目CERs一级市场十分复杂尧流动性差袁而且对外界是前袁芝加哥气候交易所尧北欧电力交易所尧欧洲气候不透明的袁主要表现在不同类型的CDM项目所具有交易所都陆续推出了CERs期货合约袁其中欧洲气的风险属性不同袁并且买卖双方分担的风险不同袁所候交易所在2008年3月14日推出CERs期货合约收稿日期院2009-06-22作者简介院戚婷婷渊1985要冤袁女袁管理科学与工程硕士遥E-mail院tt7@曰鲁炜渊1957要冤袁男袁副教授遥-71-
北京理工大学学报渊社会科学版冤2009年第6期后袁仅一个月交易量就高达1600万吨CO2遥此外袁加发现功能遥李帅尧熊熊等渊2007冤[15]利用PT模型和IS拿大尧新加坡和东京也先后建立了二氧化碳排放权模型分析了上证指数与H股指数尧H股指数期货之的交易机制遥间的价格发现机制遥方毅渊2008冤[16]利用PT模型和IS二模型分析了国内外期铜市场对隐含有效价格的贡献尧价格发现的文献综述度遥到目前为止,关于价格发现的实证研究成果很由于核证减排量渊CERs冤交易市场仍是新兴的多袁大多集中在对同一资产在不同交易所上市的证碳排放权交易市场袁目前尚未发现对该资产现货市券袁或是对于同一资产的现货价格和其衍生产品价场和期货市场的价格发现功能的相关研究遥本文借格的价格发现研究遥普遍采用的研究方法是通过各助已有的方法论袁在协整检验和向量误差修正模型市场的领先滞后关系渊lead-lagrelationship冤来研究的基础上袁利用PT模型和IS模型对CERs现货市它们的价格发现问题遥但是由于领先滞后关系无法场和期货市场的价格发现功能进行了进一步分析遥将各市场对价格发现的贡献进行量化袁故学者们提出了两种公共因子模型院永久短暂三尧研究方法与数据来源渊PermanentTransitory袁简写为PT冤模型和信息份额渊Information1.向量误差修正(VectorErrorCorrection,Share袁简写为IS冤模型袁来量化不同市场对价格发现VEC)模型的贡献遥Gronzala和Granger渊1995冤[6]所提出的PT模向量误差修正模型可以从长期和短期两个方面型在误差修正模型的基础上袁把价格的变化划分为来刻画现货价格和期货价格之间的动态关系遥设St袁永久冲击和短暂冲击袁通过永久冲击的误差修正模F分别表示tCERs现货市场和期货市场的价格袁如型来研究每个市场对公共因子的贡献遥Hasbrouck果Yt=渊St袁Ft冤忆存在一阶协整关系袁根据格兰杰定理袁渊1995冤[7]提出的IS模型按照公共因子的信息对新息Yt=渊St袁Ft冤忆可以表示为如下向量误差修正模型的形方差进行定义袁他提出的IS模型测量了每个市场的式院信息对公共因子方差的贡献袁并把这种贡献的大小定义为价格发现的大小驻Yt=滋移K+祝k驻Yt-k+琢茁忆Yt-1+着t渊1冤遥k=1国外学者使用PT模型和IS模型来研究现货市其中袁滋和琢是渊2伊1冤阶常数向量袁祝k是渊2伊2冤维场与期货市场袁以及不同期货市场对于同一标的物的矩阵袁K是滞后阶数袁茁是渊2伊1冤阶协整向量袁这里假价格发现功能的文献较多遥Harries等渊1995冤[8]在误差设茁越渊1袁-1冤忆袁着t越渊着St袁着Ft冤忆是均值为零的2伊1阶误修正模型的基础上袁利用IBM股票交易数据分析了差列向量,其协方差矩阵为纽约证券交易所尧太平洋证券交易所和中西证券交易杉2煽山滓衫山衫所的价格发现功能遥等渊1999冤[9]采赘越山S籽滓S滓F衫22山衫山衫袁滓山2衫S袁滓F分别为着St袁着F的方t用山DAX指数证券的日度交易数据袁基于PT模型和籽滓S滓F滓衫山衫删S闪IS模型研究了德国的股票指数尧股指期货和股指期差袁籽为相关系数遥权之间的价格发现功能遥FrankdeJong渊2002冤[10]分为表述方便,将以向量描述的VEC模型渊1冤变换析了PT模型和IS模型对价格发现的贡献袁结论表为如下方程组的形式:明这两种方法联系紧密袁但是只有信息份额模型考虑了每个市场价格中信息的波动性驻St移K=滋St+子11,k驻移KSt-k+子12,k驻Ft-k+琢S渊St-1-Ft-1冤+着St渊2冤遥=1k=1BKaillie等渊2002冤[11]在进行PT模型和IS模型的对比研究中发现袁如果市场之间存在显著的相关性袁那么驻Ft=滋Ft+移移K子21,k驻St-k+子22,k驻Ft-k+琢F渊St-1-Ft-1冤+着Ft渊3冤k=1k=1使用这两个模型将得到不同的结果遥EvaBenz和其中袁琢S和琢F为误差修正系数袁渊St-1-Ft-1冤为误JordisKlar渊2008冤[12]采用协整检验和误差向量模型袁差修正项袁子ij袁k为短期调整系数袁k为滞后阶数袁着S和t并在此基础上使用PT模型和IS模型对欧洲二氧化着F为残差项t遥VEC模型的优点在于可以从长期和短碳期货市场的价格发现功能进行了分析遥期两方面来刻画现货价格和期货价格之间的动态关国内使用此类方法对价格发现的研究相对较系遥从长期来看袁误差修正系数的正负和大小描述了少遥肖辉等渊2004冤[13]利用公共因子模型计算了伦敦当系统偏离长期均衡状态时袁现货价格和期货价格金属交易所渊LME冤和上海期货交易所渊SHFE冤的期的调整方向和调整速度袁即如果系数琢S渊或琢F冤的铜对价格的长记忆成分遥王群勇尧张晓峒渊2005冤[14]利绝对值较小,那么现货价格渊或期货价格冤回到均衡用IS模型研究了原油期货市场对原油价格的价格状态的速度较慢袁而主要通过期货价格渊或现货价-72-
核证减排量现货市场与期货市场的价格发现格冤的调整来回到均衡状态遥另外根据误差修正模型椎*渊L冤为带滞后算子的矩阵多项式袁着t=渊着St袁着Ft冤忆[7]遥的推导原理可知袁误差修正机制应该是一个负反馈Stock和Watson渊1988冤提出如式渊6冤的公共因子表达过程袁因此从理论上讲琢S应当为负值袁而琢F应当式院为正值遥从短期来看袁如果式渊2冤中的驻Ft-k的系数显Yt=Ct+Gt渊6冤著不全为零袁则说明FtGranger引导St袁即期货价格其中C是公共因子t袁G为不对响tY产生持久影t领先现货价格曰如果式渊3冤中的驻S的短暂成分[18]t-k的系数显著不遥将式渊5冤与渊6冤对照起来袁可以看出J全为零袁则说明StGranger引导Ft袁即现货价格领先渊渍移ts=1着S冤为公共因子部分袁椎*渊L冤着则为短暂成t期货价格遥分遥2援公共因子(CommonFactor袁CF)模型Hasbrouck渊1995冤认为袁增量渍着是由于新息引t在VEC模型基础上进行公共因子分析可以进起价格变动的长期作用部分袁而该部分的方差为var一步从数量上确定每个市场的价格发现优势遥公共渊渍着t冤越渍赘渍忆袁其中赘为残差着t越渊着St袁着Ft冤忆的方差-协因子模型认为袁由于现货市场价格与期货市场价格方差矩阵遥Hasbrouck渊1995冤提出袁如果残差序列着St之间存在一个共同的变化趋势袁因此可以将St袁F分和t着Ft同步相关,则需要使用Cholesky分解来消除解为两部分袁一部分是两个市场的共同有效价格渊即二者的同步相关性遥由于本文中现货价格的变动与公共因子C期货价格的变动不是相互独立的袁导致t冤袁代表了现货市场价格与期货市场价格赘为非对角的共同变化趋势,是两个市场中的共同有效信息永阵,因此需要对矩阵赘进行Cholesky分解袁即赘越久融入价格中的成分曰另一部分是各个市场的噪声MM忆袁其中M为渊2伊2冤维的下三角矩阵袁M越着杉煽t袁代表了各个市场中特定的变化袁是两个市场中噪声信息暂时融入价格中的成分袁即可以表示成m山衫山衫110滓S0山衫院S山衫t=蓘m蓡=山1衫遥Hasbrouck渊1995冤山22衫12mC22山籽滓衫山F滓衫删F渊1-籽冤闪t+着St袁Ft=Ct+着Ft遥渊1冤永久短暂渊PermanentTransitory袁简写为PT冤将市场所占的信息份额S定义为如下形式i院模型2渊[渍M]冤在上述思想的基础上S=i袁Gonzalor和Grangeri渍赘渊7冤渍忆(1995)[6]所提出的PT模型关注公共因子本身和误差其中[渍M]为行向量渍M的第i个元素遥Choleskyi修正过程袁将每个市场对价格发现的贡献度定义为分解的结果依赖于变量顺序袁变换变量的顺序进行误差修正系数的函数遥他们将公共因子C定义为t分解就可以得到每个市场信息份额的上限和下限袁渊St袁Ft冤的一个线性组合Ct=啄SSt+啄FFt袁即公共因子是由即每个市场对价格发现贡献度的上限和下限[7]遥现货价格与期货价格组成的一种资产价格组合遥啄越在VEC模型渊1冤和以上研究结论的基础上袁渊啄S袁啄F冤为公共因子系数向量袁或者说是资产价格组等渊2002冤推导出如下计算公式院合的权重遥Gonzalo和Granger证明袁啄同向量误差修现货市场的信息份额的上限正模型渊1冤中的误差修正系数向量琢正交袁并且满足2U渊啄Sm11+啄Fm12冤啄S+啄F越1遥Schwarz和Szakmary渊1994冤[17]认为误差修正ISS越渊8冤22系数向量琢越渊琢S袁琢F冤代表了该系统中某个变量的冲渊啄Sm11+啄Fm12冤+渊啄Fm22冤击所具有的永久效应袁因此他们提出使用该系数的期货市场的信息份额的下限大小来评估两个交易系统对价格发现的贡献袁并使2L渊啄Fm22冤用公共因子权重IS渊CF越渊9冤ommonFactorWe22ights袁CFW冤的渊啄概念对其进行定量描述Sm11+啄Fm12冤+渊啄Fm22冤院变换VEC模型(1)中方程的先后顺序袁重复以上CFWS-琢越F袁CFWF琢越S渊4冤琢S-琢步骤袁可以得出现货市场信息份额的下限LIS和期货SF琢S-琢F渊2冤信息份额渊InformationShare袁简写为IS冤模型市场信息份额的上限UISF遥将每个市场信息份额上限Hasbrouck渊1995冤将式渊1冤变换成向量移动平均和下限的均值作为市场信息份额的有效估计袁由于形式渊VectorMovingAverage袁VMA冤院价格变动反映了市场对信息的反应袁因此袁如果一个t市场所占的信息份额均值相对较大袁则说明这个市Yt=Y0+J渊渍移着S冤+椎*渊L冤着t渊5冤s=1场吸收了更多的信息袁也即在价格发现功能中发挥其中Y了更为重要的作用[11]遥t=渊St袁Ft冤忆为渊2伊1冤的列向量袁J越渊1袁1冤忆为渊2伊1冤的单位列向量袁渍越渊渍1袁渍2冤为渊1伊2冤的行向量袁3援数据来源及数据处理-73-
北京理工大学学报渊社会科学版冤2009年第6期本文所采用的样本数据取自2008年3月14日些交易日没有实际期货交易发生袁故剔除无交易的至9月4日袁共有104条有效日交易数据遥其中二级交易日遥第二袁为了保证数据的一致性袁将以欧元表市场CERs现货价格日度数据源自碳经纪机构坎特示的二级市场CERs现货价格日数据用当日的汇率CO2的公司网站渊
核证减排量现货市场与期货市场的价格发现表3VAR最优滞后阶数K的选择琢滞后期S跃琢F袁说明现货市场对非均衡状态反应相比于LogLLRFPEAICSCHQ期货市场更为敏感袁调整速度更快遥为进一步刻画现货价格变动与期货价格变动之*****-间的相互影响袁使用脉冲响应函数和方差分解对其进行进一步研究遥脉冲响应函数的主要思想是分析VEC模型中残差项一个标准误差的冲击对现货价格渊2冤VEC模型的实证结果与分析和期货价格变动的影响作用的大小[19]遥通过脉冲响由于现货价格和期货价格的对数时间序列S和t应函数得到的结果如图1袁2所示遥渊实线LNSP表示F之间存在协整关系袁因而可以将其表示成tVEC模现货价格对数值的脉冲响应函数袁实线LNFP表示型的形式来研究二者的相互引导关系遥基于式渊2冤期货价格对数值的脉冲响应函数遥冤渊3冤所表述的VEC模型得到各个参数的统计结果如表所示遥表4VEC模型参数的估计结果系数滋t琢t驻St-1渊子i1,k冤驻Ft-1渊子i2,k冤****驻St()()()()**驻Ft()()()()注院表中为标准差曰*渊**冤表示在10%渊5%冤置信水平下t-统计量显著遥冲击作用的滞后期间数/天可以看出在等式渊2冤中袁误差修正项系数琢S显图1现货价格的脉冲响应函数著袁说明误差修正项对现货价格的均值具有解释能力袁当系统偏离均衡状态时袁误差修正项对下一期价格调整有直接影响遥琢S的估计值为负数袁符合反向修正机制袁说明误差修正项对现货价格的变动具有负向调整作用袁如果误差修正项为正袁即现货价格相对于期货价格偏高袁平均来说下一期的期货价格将上升,而现货价格将下降曰相反袁如果误差修正项为负袁即现货价格相对于期货价格偏低袁那么平均来说下一期的现货价格将上升袁而期货价格将下降遥前一天的非均衡误差会以的比率对CERs现货价格冲击作用的滞后期间数/天做出修正遥从短期来看袁式渊2冤中驻Ft-k的系数在5%图2期货价格的脉冲响应函数的置信水平下显著袁说明期货价格是现货价格的由图1可知袁现货价格对来自期货价格的一个Granger原因遥标准差新息冲击袁在滞后1期时的反应为0袁而滞后在等式渊3冤中袁误差修正项系数琢F的估计值为3期时现货价格的反应迅速达到最大值%袁随后正数,袁说明当系统偏离均衡状态时袁误差修正项对有下降趋势袁在滞后5期时达到最小值%袁随后期货价格的变动具有正向调整作用遥如果误差修正略有上升袁并且具有持续影响袁滞后10期时维持在项为正袁即现货价格相对于期货价格偏高袁平均来说%曰由图2可知袁期货价格对来自现货价格的一下一期的现货价格将下降袁而期货价格将上升曰相个标准差新息冲击袁滞后1期时的反应为%袁随反袁如果误差修正项为负袁那么平均来说下一期的期后上升并具有持续影响袁滞后10期时维持在货价格将下降袁而现货价格将上升遥前一天的非均衡%曰由此可以看出袁期货价格的变动对现货价格误差会以的比率对CERs现货价格做出修正遥的影响较为强烈袁这说明期货市场在价格发现中起但是,袁此时误差修正系数不显著袁说明误差修正项主导作用遥对期货价格的均值的解释能力较差遥从短期来看袁式由于脉冲响应函数描述的是VEC模型中的一渊3冤中驻St-k的系数在5%的置信水平下不显著袁说明个内生变量的冲击给其他内生变量所带来的影响袁现货价格不是期货价格的Granger原因遥另外袁由于而方差分解是通过分析每一个结构冲击对内生变-75-
北京理工大学学报渊社会科学版冤2009年第6期量变化渊通常用方差来度量冤的贡献度袁进一步评价中的贡献度进行量化袁得到如表6的结果遥可以看出不同结构冲击的重要性遥因此方差分解给出对VEC两个模型得到的结论基本一致院相比于现货市场袁期模型中的变量产生影响的每个随机扰动的相对重货市场在价格发现中的贡献度较大袁即期货市场在要性的信息[19]遥通过方差分解得到的结果如表5所价格发现中起主导作用遥这与本文在使用VEC模型示遥进行实证分析后得到的结论一致遥表5VEC模型方差分解结果表6价格发现的贡献度量化滞后期现货市场期货市场持久短暂模型渊PT冤信息份额模型渊IS冤现货市场期货市场现货市场期货市场现货市场期货市场现货市场期货市场渊袁冤渊,冤说明院()中左侧和右侧的值分别对应该市场信息份额的下限值和上限值五尧结论本文使用VEC模型和公共因子模型对CERs现货市场和期货市场之间的价格发现功能进行了实证研究遥研究发现院现货价格和期货价格之间从表5中给出的方差分解结果可知袁对现货价存在长期稳定的均衡关系曰从短期来看袁CERs期货格变动长期作用部分的方差袁当滞后1期时袁总方差价格是现货价格的Granger原因曰2.误差修正项对于%来自现货市场袁随后呈下降趋势袁最终在滞后现货市场以及期货市场的均值和条件方差具有一定10期时趋于%袁而总方差中来自于期货市场的的解释作用遥误差修正项的系数均符合反向修正机部分则呈上升趋势袁从滞后1期时的%最终趋制袁当价格偏离均衡状态时袁误差修正项将使价格向于%曰对期货价格变动长期作用部分的方差袁长期均衡状态收敛曰3.从实证结果来看袁CERs期货总方差中来自现货市场的部分当滞后1期时总方差市场在价格发现中起主导作用遥为0袁随后呈上升趋势袁最终在滞后10期时趋于我国于2008年8月5日成立的国内首家环境%袁而总方差中来自于期货市场的部分则呈下降权益交易机构院北京环境交易所可以借鉴芝加哥气趋势袁从滞后1期时的100%最终趋于%遥平均候期货交易所的成功运作经验袁以建立具有完备市来看袁滞后10期时袁来自于现货市场的方差贡献为场结构的CERs市场交易体系袁形成价格发现机制,%袁小于来自期货市场的方差贡献%袁这也并进行相应衍生产品的金融创新和金融服务袁逐步说明期货市场在价格发现中起主导作用遥在国际碳交易市场上掌握主动权袁从而提高我国在4援公共因子模型的实证结果与分析国际上的CERs定价权袁增加我国实施CDM项目的基于以上VEC模型参数的估计结果袁使用PT企业的国际竞争力遥模型和IS模型对现货市场和期货市场在价格发现参考文献院[1][R].June2004.[2]郑爽.碳市场的经济分析[J].能源与环境.2007,29渊9冤院5-10[3]KaranCapoor袁[R].USA:.[4]&JImonitor[R].
核证减排量现货市场与期货市场的价格发现[10]:[J].2002(7),323-327.[11]RichardTBaillie,GGeoffreyBooth,YiumanTse,[J].JournalofFinancialMarkets,2002渊5冤院309-321.[12]EvaBenz,:anintradayanalysis[C].21stAustralasianFinanceandBankingConference袁July袁2008.[13]肖辉.伦敦金融交易所与上海期货交易所铜价格发现过程[J].系统工程理论方法应用.2004,13(6):481-489.[14]王群勇袁张晓峒.原油期货市场的价格发现功能要基于信息份额模型的分析[J].工业技术经济,2005,24(3),72-74.[15]李帅袁熊熊.我国股票市场共因子的价格发现[J].系统工程,2007,25渊8冤院21-27.[16]方毅.国内外期铜价格之间的长期记忆成分和短期波动溢出效应[J].数理统计与管理.2008(3):204-312.[17]Schwarz,T.;Szakmary,:Arbitrage,Cointegration,,1994(14):146-167.[18]Stock袁.,,,1988(2):147-174.[19]高铁梅.计量经济分析方法与建模:Eviews应用及实例[M].清华大学出版社.2006:276-297.[20]张晓峒.计量经济学基础[M].南开大学出版社.2007:-ting袁LUWei渊ManagementSchool,UniversityofScienceandTechnologyofChina,Hefei,230026冤Abstract院ThemarketofCleanDevelopmentMechanism渊CDM冤袁asthesecondbiggestintegralpartofworld爷scarbonmarket,渊CertifiedEmissionReductions冤tradingmarketisstillaburgeoningcarbonemissiontradingmarket,,-runcointegrationrelationshipbetweenCERsfuturespriceandspotprice;,thispaperalsodrawstheconclusionthatCERsfuturesmarketmakesprimarycontributiontothepricediscovery,院CERs曰pricediscovery曰vectorerrorcorrectionmodel曰commonfactormodel[责任编辑院箫姚]-77-
