国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型

doi:10.16381/j.cnki.issn1003-207x.2015.11.002

中国管理科学 ›› 2015, Vol. 23 ›› Issue (11): 12-20.doi: 10.16381/j.cnki.issn1003-207x.2015.11.002

国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型

张晨¹, 丁洋¹, 汪文隽²

1. 合肥工业大学管理学院, 安徽合肥 230009;
2. 合肥工业大学经济学院, 安徽合肥 230601

收稿日期:2014-05-08 修回日期:2015-04-10 出版日期:2015-11-20 发布日期:2015-12-01
作者简介:张晨(1968-),女(汉族),安徽合肥人,合肥工业大学管理院,经营决策与控制研究所所长,教授,博士生导师,研究方向:金融风险管理.
基金资助:
国家自然科学基金资助项目(71373065)

An Innovation of Estimating Value at Risk of International Carbon Market:Conditional Autoregressive Value at Risk Models with Refinements from Extreme Value Theory

ZHANG Chen¹, DING Yang¹, WANG Wen-jun²

1. School of Management, Hefei University of Technology, Hefei 230009, China;
2. School of Economics, Hefei University of Technology, Hefei 230601, China

Received:2014-05-08 Revised:2015-04-10 Online:2015-11-20 Published:2015-12-01

摘要/Abstract

摘要： 受全球经济、政治、能源和政策等各方面因素影响,碳资产价格波动剧烈,探寻适合碳市场风险度量的计量方法具有重要的现实意义。论文以EUA和CER市场为研究对象,对比了CAViaR与GARCH-GED模型在不同预测区间、不同置信水平下度量碳市场风险时的表现,发现CAViaR模型在模型拟合和预测方面要优于GARCH-GED模型,但由于CER市场具有更大的不确定性,导致了CAViaR模型在CER市场的预测表现比EUA市场更差,并且在预测1%VaR时,CAViaR模型表现出不稳定性;论文进一步将EVT与CAViaR模型结合来改进碳市场1%VaR的预测效果,发现在处理具有高风险预测区间以及高风险的CER市场,EVT-CAViaR模型的预测表现都更加稳健,说明该方法能够一定程度上提升碳市场风险的预测精度。

关键词: 碳市场, 条件自回归分位数模型, 极值理论, 风险价值

Abstract: The price of carbon assets fluctuates heavily because of the global economy, politics, energy, and so on, thus it has been of realistic significance to have research on the risk measurement of carbon market. In this paper, EUA and CER markets are taken as the research objects, and the performance of CAViaR model and GARCH-GED model in measuring the risk of carbon markets under the different prediction intervals and confidence levels are compared, finding that:(1) CAViaR model is better than GARCH-GED model in fitting and prediction; (2) CER market has greater uncertainty relative to EUA market; (3) when predicting 1%VaR, the CAViaR model is instable. In hope of a better prediction effect, this paper takes the combination of CAViaR model and EVT is taken to predict 1%VaR, finding that the prediction of EVT-CAViaR model is more steady and reliable under the high-risk prediction intervals and the CER market, therefore a conclusion can be made that this new method promises to partly improve the prediction accuracy of the extreme risk of carbon markets.

Key words: carbon market, CAViaR, EVT, VaR

中图分类号:

F831.5

张晨, 丁洋, 汪文隽. 国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型[J]. 中国管理科学, 2015, 23(11): 12-20.

ZHANG Chen, DING Yang, WANG Wen-jun. An Innovation of Estimating Value at Risk of International Carbon Market:Conditional Autoregressive Value at Risk Models with Refinements from Extreme Value Theory[J]. Chinese Journal of Management Science, 2015, 23(11): 12-20.

参考文献

[1] 朱帮助,王平,魏一鸣.基于EMD的碳市场价格影响因素多尺度分析[J].经济学动态,2012,(06):92-97.

[2] 张跃军,魏一鸣.化石能源市场对国际碳市场的动态影响实证研究[J].管理评论,2010,(06):34-41.

[3] Li Jianping, Tang Ling, Sun Xiaolei, et al. Oil-importing optimal decision considering country risk with extreme events:A multi-objective programming approach[J]. Computers & Operations Research, 2014, 42:108-115.

[4] Benz E, Trück S. Modeling the price dynamics of CO₂ emission allowances[J]. Energy Economics, 2009, 31(1):4-15.

[5] Montagnoli A, De Vries F P. Carbon trading thickness and market efficiency[J]. Energy Economics, 2010, 32(6):1331-1336.

[6] 汪文隽,缪柏其,鲁炜.基于Copula的QDⅡ与排放权资产的投资组合构建[J].数理统计与管理,2011,30(05):922-929.

[7] 淳伟德,王璞.基于EVT的碳金融市场收益率尾部特征研究[J].社会科学研究,2012,(03):17-20.

[8] 杨超,李国良,门明.国际碳交易市场的风险度量及对我国的启示——基于状态转移与极值理论的VaR比较研究[J].数量经济技术经济研究,2011,(04):94-109.

[9] Mi Zhifu, Zhang Yuejun. Estimating the value at risk of EUA futures prices based on the extreme value theory[J]. International Journal of Global Energy Issues, 2011, 35(2):145-157.

[10] 张晨,杨玉,张涛.基于Copula模型的商业银行碳金融市场风险整合度量[J].中国管理科学,2015,23(4):70-78.

[11] Koenker R, Bassett Jr G. Regression quantiles[J]. Econometrica:journal of the Econometric Society, 1978,46(1):33-50.

[12] 许启发,张金秀,蒋翠侠.基于非线性分位数回归模型的多期VaR风险测度[J].中国管理科学,2015,23(3):56-65.

[13] Engle R F, Manganelli S. CAViaR:Conditional value at risk by quantile regression[R]. Working Paper, National bureau of economic research, 1999.

[14] Engle R F, Manganelli S. CAViaR:Conditional autoregressive value at risk by regression quantiles[J]. Journal of Business & Economic Statistics, 2004, 22(4):367-381.

[15] Nelson D B. ARCH models as diffusion approximations[J]. Journal of Econometrics, 1990, 45(1):7-38.

[16] 张跃军,范英,魏一鸣.基于GED-GARCH模型的中国原油价格波动特征研究[J].数理统计与管理, 2007, 26(3):398-406.

[17] Bollerslev T. Generalized autoregressive conditional heteroskedasticity[J]. Journal of econometrics, 1986, 31(3):307-327.

[18] 陈倩.基于极值理论的商业银行操作风险度量研究[J].中国管理科学,2012,(专辑):332-339.

[19] Gilli M. An application of extreme value theory for measuring financial risk[J]. Computational Economics, 2006, 27(2-3):207-228.

[20] McNeil A J, Frey R, Embrechts P. Quantitative risk management:Concepts, techniques, and tools[M]. Princeton, NewJersey:Princeton University Press, 2010.

[21] Manganelli S, Engle R F. Value at risk models in finance[R]. Working Paper, Frankfurt am Main:European Central Bank, 2001.

[22] Schaumburg J. Predicting extreme value at risk:Nonparametric quantile regression with refinements from extreme value theory[J]. Computational Statistics & Data Analysis, 2012, 56(12):4081-4096.

[23] Kupiec P H. Techniques for verifying the accuracy of risk measurement models[J]. The Journal of Derivatives, 1995, 3(2):73-84.

国际碳市场风险价值度量的新方法——基于EVT-CAViaR模型

An Innovation of Estimating Value at Risk of International Carbon Market:Conditional Autoregressive Value at Risk Models with Refinements from Extreme Value Theory

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	范丽伟, 董欢欢, 渐令. 基于滚动时间窗的碳市场价格分解集成预测研究[J]. 中国管理科学, 2023, 31(1): 277-286.
[2]	金帅, 吴苏闽, 蒋思琦. 排污权价格随机情境下基于CVaR准则的企业生产决策[J]. 中国管理科学, 2022, 30(9): 232-244.
[3]	汪冬华, 姚钰雯, 王暖. 基于Hawkes过程的国际原油市场与中国股票市场大幅波动联动性研究[J]. 中国管理科学, 2022, 30(8): 36-43.
[4]	曾炳昕, 丁庆国, 朱磊. 碳市场中市场势力对减排技术采用的影响[J]. 中国管理科学, 2022, 30(2): 38-47.
[5]	寇红红, 柴建, 郑嘉俐, 孙少龙. 上海原油期货市场是否具有稳定中国股票市场的作用？[J]. 中国管理科学, 2022, 30(11): 20-30.
[6]	唐振鹏, 吴俊传, 冉梦, 张婷婷. 考虑投资者情绪的中国股市自激发效应研究[J]. 中国管理科学, 2020, 28(7): 1-12.
[7]	李红权, 何敏园, 黄莹莹. 我国金融机构的系统重要性评估:基于多元极值理论[J]. 中国管理科学, 2020, 28(5): 14-24.
[8]	柴尚蕾, 周鹏. 基于非参数Copula-CVaR模型的碳金融市场集成风险测度[J]. 中国管理科学, 2019, 27(8): 1-13.
[9]	杨坤, 于文华, 魏宇. 基于R-vine copula的原油市场极端风险动态测度研究[J]. 中国管理科学, 2017, 25(8): 19-29.
[10]	张清叶, 高岩. 基于CVaR投资组合优化问题的非光滑优化方法[J]. 中国管理科学, 2017, 25(10): 11-19.
[11]	代建生, 秦开大. 具有风险规避销售商的供应链最优回购契约[J]. 中国管理科学, 2016, 24(7): 72-81.
[12]	简志宏, 彭伟. 基于CAViaR模型的汇率隔夜风险研究[J]. 中国管理科学, 2015, 23(6): 17-24.
[13]	王鹏, 袁小丽. 金融资产收益非对称性的多标度分形测度及其在VaR计算中的应用[J]. 中国管理科学, 2015, 23(3): 13-23.
[14]	黄金波, 李仲飞, 周先波. VaR与CVaR的敏感性凸性及其核估计[J]. 中国管理科学, 2014, 22(8): 1-9.
[15]	姬新龙, 周孝华. 基于马尔科夫随机波动和极值理论的风险测度[J]. 中国管理科学, 2014, 22(10): 44-51.