科 技 进 步 与 对 策 Sci ence T echn ol ogy Pr ogr es s an d Pol i cy V ol . 27 N o . 19 O ct . 2010 第 27 卷 第 1 9 期 2010 年 10 月 欧洲碳排放权交易价格机制的实证研究 陈晓红 ， 王陟昀 中南大学 商学院 ， 湖南 长沙 4 1 0 0 8 3 摘 要 随着环境问题的日益严峻 ， 作为一种市场化的减排方式 碳排放权交易逐渐受到越来越多的关注 ，也成为了众多学者研究的重点 。 以欧洲排放权交易体系为对象 ， 研究其价格形成机制 ， 分析了两阶段 E U A价格的走势及其成因 ， 建立了碳排放权交易价格模型 ， 并检验了其适用性 ； 然后分别以欧洲减排的第一阶段和第二阶段为独立样本 ， 进行价格估计和预测 。 研究发现 ， E G A R C H 1 , 1 - t 模型适合用于 E U A 价格机制的研究 ， 能够较好地估计和预测减排前两阶段的 E U A 价格 ， 但是由于政治 、 交易制度 、 市场等方面原因 ，两个阶段的价格形成机制 、 价格波动性等方面存在较大差异 。 关键词 碳排放权交易 ； 价格机制 ； E U E T S ； E G A R C H ； 欧洲 D O I 1 0 . 3 9 6 9 / j . i s s n . 1 0 0 1 - 7 3 4 8 . 2 0 1 0 . 1 9 . 0 3 7 中图分类号 F 0 6 2 . 2 文献标识码 A 文章编号 1 0 0 1 – 7 3 4 8 2 0 1 0 1 9 – 0 1 4 2 – 0 60 引言 碳排放权交易的概念源于 2 0 世纪 7 0 年代经济学家提出的排污权交易概念 。 碳交易是为促进全球温室气体减排 、减少全球 C O2排放所采用的市场机制 ， 是市场经济国家重要的环境经济政策 。 经过艰难谈判 ， 联合国在 1 9 9 2 年 5 月9 日通过 联合国气候变化框架公约 U N F C C C ， 简称 公约 ； 1 9 9 7 年 1 2 月在日本京都通过了 公约 的第一个附加协议 ， 即 京都议定书 简称 议定书 。 议定书 把市场机制作为解决以 C O2为代表的温室气体减排问题的新路径 ， 即把二氧化碳排放权作为一种商品 ， 形成了二氧化碳排放权的交易 ， 简称碳交易 。 根据 京都议定书 制定的减排承诺目标 ， 1 9 9 8 年 6月欧盟部分成员国签署了一个费用分摊协议 。 同月 ， 欧盟委员会发布报告 气候变化 后京都议定书的欧盟策略 C l i m a t e C h a n g e T o w a r d s a n E U P o s t - K y o t o S t r a t e g y， 提出应该在 2 0 0 5 年前建立欧盟内部 的交易体系 。 2 0 0 1 年 ， 欧洲排放权交易体系E U E T S意见稿被提交并经正式讨论 ； 2 0 0 2年 1 0 月 ， 欧盟议会通过了该意见稿 ； 2 0 0 3 年 7 月经修改的意见稿在欧盟议会和部长理事会上通过 ； 同年 1 0 月 1 3 日 ，2 0 0 3 / 8 7 / E C 排放交易法令正式生效 ， 规定 E U E T S 从 2 0 0 5年 1 月起开始交易 ， 欧洲排放权交易体系成立 。 碳排放权的价格形成机制是碳排放权交易的关键问题之一 。 经过 5 年多的交易经验积累 ， 欧洲排放权交易体系已 经 形 成 了 较 成 熟 的 价 格 形 成 机 制 ， P a o l e l l a 与T a s c hi n i2006、 D a s ka l a ki s 和 P s y c ho y i os e t c .2009等国外部分学者已进行了相关价格形成机制的实证研究 。 虽然我国的北京 、 上海 、 天津 、 武汉 、 长沙 、 深圳和昆明 7 座城市先后建立了碳排放权交易所 ， 但目前仍处于起步阶段 ， 成交量较小 ， 没有形成全国性的碳排放权价格形成机制 。 因此 ， 研究欧洲排放权交易价格形成机制 ， 总结相关经验 ， 是建立和完善我国碳排放权交易价格形成机制的重要途径之一 。 1 文献综述 国外学者关于碳排放权交易定价的研究相对较早 ， 特别是最近几年交易日趋活跃 ， 研究数据日益丰富 ， 研究日益完善 。 总的来说 ， 国外学者关于碳排放权交易价格机制的 研究可以归纳为两个方面 一方面是碳交易价格的理论探讨及模型研究 ， 另一方面是以欧洲排放权交易体系为研究对象的碳交易价格机制实证研究 。 理论探讨部分的研究开展得较早 。 欧洲各国刚刚确定初始配 额 ， 但还没有正式开展碳排放权交易 ， 因此国外学者主要进行模型研究 。 碳排放权交易模型可以归纳为 4 类 第一类是整体评估模型 ， 以 K a i num a e t c .199 9、 K uros a w a e t c .1999和 N ordha us2001等学者为代表 ， 他们的模型涵盖全面 ， 考虑了人类活动 、 空气 、 气候 、 海平面 、 生态等内容 ，经济活动仅仅是模型的 一个方面 ； 第二类是一般均衡模型 ，如 Ca pros19 9 9、 E l l e r m a n 和 W i n g2 0 0 0、 B u r n i a u x2 0 0 0等 ， 他们假设在完美市场下 ， 政策因素 ， 如能源政策 、 财税政策等对碳交易价格和其它工业部门的影 响 ； 第三类是收稿日期 2 0 1 0 – 0 7 – 2 8 基金项目 国家自然科学基金项目7 0 9 2 1 0 0 1； 教育部哲社重大攻关项目0 8 J Z D 0 0 1 6作者简介 陈晓红 1 9 6 3 – ， 女 ， 江西永新人 ， 中南大学商学院院长 ， 教授 、 博士生导师 ， 研究方向 为 中小企业融资 、 企业管理与决策 ；王陟昀 1 9 8 4 – ， 男 ， 湖南醴陵人 ， 中南大学商学院博士研究生 ， 研究方向为碳交易 、 中小企业融资 。 1 4 3 陈晓红 ， 王陟昀 欧洲碳排放权交易价格机制的实证研究 第 19 期 碳 排 放 权 交 易 模 型 ， 如 Ci orba e t c .200 1、 E y c km a ns e t c .2001、 H ol t s m a rk 和 M a e s t a d2002， 这类模型大多是微观模型 ， 主要以边际减排成本曲线m a rgi n a l a b a t e m e nt c os t c urve为分析工具对碳排放权交易价格进行 分析 ； 第四类是能源系统模型 ， 包括 Ba hn e t c .1999 ， 2001、 K a nudi a 和L oul ou1998等 ， 该类模型探讨了能源系统政策和技术等对国际碳交易价格的影响 ， 引入了线性规划等方法 。 随着碳排放权交易的开展 ， 其交易活动日益活跃 ， 国外学者对碳排放权交易价格的实证研究逐渐增多 B o r a k e t c .2 0 0 6和 P a o l e l l a 与 T a s c h i n i2 0 0 6从配额现货和期货的期限结构及价格的随机特征角度研究了 E U E T S 市场的运营 ； B o r a k e t c .2 0 0 6引入商品的方便收益c o n v e n i e n c e y i e l d s概念 ， 把二氧化碳排放当做一个稀有的投入因素研究 ， 发现排放权价格行为与其它商品有较大的不同 ； 为了研究套利和购买策略 ， P a o l e l l a 和 T a s c h i n i2 0 0 6以 E U E T S和 美 国 清 洁 空 气 修 正 案T h e U . S . C l e a n A i r A c t A m e n d m e n t s为对象 ， 研究了排放权收益的非条件尾部行为u n c o n d i t i o n a l t a i l b e h a v i o r和异方差机制 。 以上的所有研究都证明了 ， 如果引入碳排放权交易机制 ， 把它当作一项生产投入要素 ， 则其它商品的定价机制也能 从一定程度上解释配额的价格行为 。 然而 ， B o r a k e t c2 0 0 6认为 ， 考虑到期限结构 ， 配额市场与现行的商品市场有较大不同 。 因此 ，在 E U E T S 的早期 ， 其流动性和期权和期货市场的有效性被质疑 。 S e i f e r t 和 U h r i g - H o m b u r g e t c .2 0 0 8认为 ， 碳排放权交易价格没有任何季节特征 ， 完整的二氧化碳价格过程应该展现出时间和价格依赖的波动结构 。 D a s k a l a k i s 和P s y c h o y i o s e t c .2 0 0 9以欧洲碳排放交易体系下三大交易所为样本进行了实证研究 ， 发现禁止不同阶段之间碳配额存储和商借的制 度设计对定价有较大影响 ， 并提出了相应的阶段内和阶段间的定价和套利框架 。 国内对碳排放交易的研究刚刚起步 ， 大多停留在定性分析和理论介绍的阶段 ， 基本没有关于碳排放权交易价格的定量研究 。 如胡平生等1 9 9 8认为排污权交易理论存在前提条件方面的缺陷 ， 提出在治理环境污染过程中 ， 不能过分相信排污权交易的市场力量 ， 通过政府干预来消除环境的外部不经济性是非常必要的 ， 而且应该成为环境保护的主导力量 ； 王玉海 、 潘绍明2 0 0 9介绍了我国碳交易市场的发展现状 ， 分析了我国碳交易存在的问题和原因 ， 认为应加强碳交易方法学研究 ， 尽快培 养碳交易专门人才 ， 加快相关中介咨询 、 金融服务机构的建设 ， 尤其要争取碳交易市场的定价权 ； 杨佳琛2 0 0 9对国际碳交易市场和其衍生金融产品进行了总结 ， 对其背后的法律原理进行了介绍 ， 期望促进我国碳交易市场发展 ， 对立法者以启示 ； 吴玉宇2 0 0 9在分析碳金融发展及其存在的主要问题基础上 ， 提出了我国碳金融机制的创新策略 。 通过以上文献综述可以看出 ， 国外学者围绕碳排放权交易价格机制已经开展了一系列的理论模型和实证研究 ，而国内的研究大多停留在定性描述阶段 。 因此 ， 本文拟在总体分析碳排放权交易价格形成机制的基础上建立理论模型 ， 开展碳排放权交易市场的定量研究 ， 为我国建立碳交易市场和完善定价机制提供借鉴与参考 。 2 碳排放权交易理论模型的建立 碳排放权是公共品 ， 具有外部性 ， 其影响不易直接在市场交易的成本和价格上体现 。 联合国气候框架公约 和 京都议定书 等政治协议赋予它稀缺性等特征 ， 使它具有成为商品的经济价值 。 碳排放权交易发挥了市场机制应对气候变化的基础作用 ， 使碳价格能够反映资源的稀缺程度和治理污染的成本 。 在碳交易机制下 ， 碳排放权具有商品属性 ， 其价格信号功能引导经济主体把碳排放成本作为投资决策时的一个重要因素 ， 促使外部成本内部化 。 随着碳市场交易规模的扩大 、 透明度的提高 、 碳货币化程度的增强 ， 碳排放权进一步衍生为具有流动性的金融资产 。因此 ， 碳排放权交易市场被认为是重要的新兴金融市场 ，适合人们采用金融市场模型来研究其价格形成机制 。 本文拟建立碳排放权交易的 E G A R C H 模型 。 E G A C H 模型由 N e l s o n 在 1 9 9 0 年提出 ， 是研究金融资产价格的重要模型 。 0 tt t - 1 y yc e1tt tze s 2][ q p2 2t - i t - ijt 1 i t - jii 1 j 1t - i t - il n l nbgc ase ess s 3式1是 A R1形式的条件均值方程 ， C0为常数项 ， εt是误差项 。 式2中 Zt是一系列零均值同方差的独立随机变量 ，2ts是误差项 εt的条件方差 。 式3中 C1为常数项 ，1[ ]qt i t iiiit i t ias se eg- -- -为 A R C H 项 ，21l n pj t jjb s -为 G A R C H项 。 模型的这种设定可以揭示碳排放权的收益率有很明显的波动集群现象 ， 而参数 γt则表示非对称效应 。 E G A R C H模型能够反映收益率数据的非对称性特征 ， 即好消息与坏消息对波动性的不同影响 ， 且允许大消息对波动性产生由G A R C H 模型反映的更大的影响 。 在 Zt分布假设方面 ， 大量文献表明 ， N o r m a l 的分布假设仅部分解决了金融时间序列中尖峰与厚尾的问题 。 这是由于不仅 yt的无条件分布存在厚尾现象 ， 其条件分布通常也是非正态的 。 B o l l e r s l e v1 9 8 7在模型中引入自由度为vv 2的条件 t 分布 ， 即 Zt服从 tv分布 。 由于 t 分布较之正态分布具有更宽的尾部 ， 因而能更好地描述收益序列的厚尾问题 。 3 基于 E U E T S 的实证研究分析 3 . 1 样本数据介绍 欧洲碳排放交易体系E U E T S包含众多交易所 ， 其中最有影响的是 P o w e r n e x t 、 N o r d P o o l 和欧洲气候交易所E C X。结合数据的可得性和完整性要求 ， 本文以欧洲气候交易所的日交易数据作为研究样本 ， 研究区间为 2 0 0 5 年 4 月至2 0 1 0 年 4 月 。 以欧洲气候交易所的每日收盘价为每日交易价格 ， 按欧盟法令规定把研究区间划分为两个阶段 ， 作为 1 4 4两个样本研究2 0 0 72 0 1 03 . 2 本文通过对机制 。样本的第一阶段阶段 ，和年末都分别出现了较大的波动值格对数收益波动要小得多这与前文提到的两个阶段的价格走势波动一致估计阶段3 . 3 下文开始对样本进行估计和检验3. 3. 1 要检验两个样本的序列平稳性及其一阶差分进行单位根检验一阶差分1 、1 0 水平下显著列均平稳同样验 ， 其结果在认为原序列及其一阶差分序列也平稳3. 3. 2 从自相关图D u r b i n和 1 . 9 8 5 两个样本研究 第一个样本是第一阶段年 1 2 月 ； 第二个样本是第二阶段年 4 月 。 交易数据均来自E U A 价格对数收益分析本文通过对 E U A。 设定 E U A 对数收益为样本的 E U A 对数收益走势如图第一阶段 E U A 价格对数收益波动比第二阶段大得多， 收益在 1 . 0 ～和年末都分别出现了较大的波动值格对数收益波动要小得多这与前文提到的两个阶段的价格走势波动一致图 1 2 0 0 5 年序列 估计阶段2 0 0 5 - 0 4 至预测阶段2 0 0 7 -序列估计阶段2 0 0 8 -预测阶段2 0 1 0检验样本分析下文开始对样本进行估计和检验 。 样本序列的平稳性检验要检验两个样本的序列平稳性及其一阶差分进行单位根检验一阶差分 A D F 检验结果显示、 5 和 1 0 水平下的临界值水平下显著 ， 拒绝原假设列均平稳 。 同样 ， 对样本 2其结果在 1 、认为原序列及其一阶差分序列也平稳样本序列的相关性检验从自相关图 3 可以看出r i - W a t s o n 的统计. 1 6 7 ， 接近于第一个样本是第一阶段第二个样本是第二阶段交易数据均来自 B l价格对数收益分析 收益波动性的分析对数收益为ty对数收益走势如图 1价格对数收益波动比第二阶段大得多～ 1 . 5 之间波动 ，和年末都分别出现了较大的波动值格对数收益波动要小得多 ， 大多局限在这与前文提到的两个阶段的价格走势波动一致年 4 月 至 2 0 0 7 年 1 2表样本数至 2 0 0 6 - 1 24 3 3- 0 1 - 1 22 3 7表序列 - 0 1 至 2 0 0 9 - 1 22 0 1 0 - 0 1 - 0 4检验样本分析 下文开始对样本 1 和样本 2 ，样本序列的平稳性检验 要检验两个样本的序列平稳性及其一阶差分进行单位根检验 。 对样本检验结果显示 ， t 统计量的绝对值均大于在水平下的临界值 ，拒绝原假设 ， 认为原序列及其一阶差分序2 的对数收益及其一阶差分进行、 5 和 1 0 水平下显著认为原序列及其一阶差分序列也平稳样本序列的相关性检验 可以看出 ， 序列不存在序列相关的统计 量值 ， 样本 1接近于 2 ， 可以认为序列不存在自相关第一个样本是第一阶段 ， 从 2 0 0 5第二个样本是第二阶段 ， 从 2 0 0 8B l o o m b e r g 数据库收益波动性的分析 ， 研究其价格形成l o g l o g t ttys s -1 和图 2 所示 。价格对数收益波动比第二阶段大得多， 2 0 0 6 年 4 月 、和年末都分别出现了较大的波动值 ； 在第二阶段大多局限在 0 . 1 5 至 -这与前文提到的两个阶段的价格走势波动一致 。1 2 月的 E U A 对数收益表 1 2 0 0 5 年 4 月 至样本数 平均值 4 3 3 - 0 . 0 0 2 0 5 72 3 7 - 0 . 0 2 7 1 9 7表 2 2 0 0 8 年 1 月样本数 平均值4 5 8 - 0 . 0 0 16 8 0 . 0 0 2， 分别用 E G A R C H要检验两个样本的序列平稳性 ， 主要是对样本的收益对样本 1 的对数收益及其统计量的绝对值均大于在， 表明结果在认为原序列及其一阶差分序的对数收益及其一阶差分进行水平下显著 ， 拒绝原假设认为原序列及其一阶差分序列也平稳 。 序列不存在序列相关1 和样本 2 分别 为可以认为序列不存在自相关科技进步与对策2 0 0 5 年 4 月至2 0 0 8 年元月至数据库 。 研究其价格形成1l o g l o g t ts s -， 两个。 显而易见 ，价格对数收益波动比第二阶段大得多 。 第一、 2 0 0 7 年中在第二阶段 ， E U A 价- 0 . 1 5 之间 。。 对数收益 至 2 0 0 7 年 1 2 月 E U A中数 0 5 7 0 1 9 7 0 月 至 2 0 1 0 年 4 月 E U A平均值 0 . 0 0 1 3 8 4 0 . 0 0 2 5 0 7 E R C - t 模型主要是对样本的收益的对数收益及其统计量的绝对值均大于在表明结果在 1 、 5 和认为原序列及其一阶差分序的对数收益及其一阶差分进行 A D F 检拒绝原假设 ，序列不存在序列相关 ， 而且根据为 1 . 9 9 9 6 4 5可以认为序列不存在自相关 。 科技进步与对策 图 2 为了估计个样本均划分为两个部分样本 1 的估计阶段是从 2 0 0 7 年 1年 1 月至 2 0 0 94 月 。 两个样本分阶段描述性统计如表样本 1 估计和预测阶段的偏度分别是峰度分别是度分别是 - 0 . 2 0 4可以看出 ，和较大的峰度在估计阶段为左偏对称性 、 较大的峰度和重尾分布布假设 ， 加之波动性变化上特征的模型对数收益的分阶段描述性统计最大值 最小值0 . 4 1 8 -0 . 9 1 6 -对数收益的分阶段描述性统计中数 最大值0 0 . 1 1 14 . 2 6 E - 0 5 0 . 0 4 7表 3 2 0 0 5A u g m e n t e d D i c k e ys t a t i s t i cT e s t c r i t i c a l v a l u e 表 4 2 0 0 5 年A u g m e n t e d D i c k e ys t a t i s t i cT e s t c r i t i c a l v a l u e 表 5 2 0 0 8A u g m e n t e d D i c k e ys t a t i s t i cT e s t c r i t i c a l v a l u e 2 0 0 8 年 1 月 至为了估计 E U A 的价格形成机制个样本均划分为两个部分 ，的估计阶段是 2 0 0 5 年1 月 至 2 0 0 7 年2 0 0 9 年 1 2 月 ， 预测阶段从两个样本分阶段描述性统计如表估计和预测阶段的偏度分别是峰度分别是 3 2 . 7 9 2 和 4 1 . 5 9 20 . 2 0 4 和 0 . 2 6 1 ，两个样本在不同的阶段都呈现和较大的峰度 。 只是样本在估计阶段为左偏 ， 预测阶段为右偏较大的峰度和重尾分布加之波动性变化 ，上特征的模型 。 对数收益的分阶段描述性统计最小值 标准差- 0 . 3 9 6 0 . 0 4 6- 1 . 3 8 6 0 . 1 4 5对数收益的分阶段描述性统计最大值 最小值 0 . 1 1 1 - 0 . 1 2 7 0 . 0 4 7 - 0 . 0 3 3 2 0 0 5 年 4 月 至 2 0 0 7 年A u g m e n t e d D i c k e y - F u l l e r t e s t s t a t i s t i c T e s t c r i t i c a l 1 l e v e l 5 l e v e l 1 0 l e v e l 年 4 月至 2 0 0 7 年 1 2A u g m e n t e d D i c k e y - F u l l e r t e s t s t a t i s t i c T e s t c r i t i c a l 1 l e v e l 5 l e v e l 1 0 l e v e l 2 0 0 8 年 1 月 至 2 0 1 0A u g m e n t e d D i c k e y - F u l l e r t e s t s t a t i s t i c T e s t c r i t i c a l 1 l e v e l 5 l e v e l 1 0 l e v e l 至 2 0 1 0 年 4 月的 E U A的价格形成机制 ， 并进行检验， 一部分做估计 ，年 4 月 至 2 0 0 6 年年 1 2 月底 。 样本预测阶段从 2 0 1 0两个样本分阶段描述性统计如表 1 和表估计和预测阶段的偏度分别是4 1 . 5 9 2 。 样本 2 估计和预测阶段的偏， 峰度分别是 4 . 7 7 0两个样本在不同的阶段都呈现只是样本 1 的两个阶段均为左偏预测阶段为右偏 。较大的峰度和重尾分布 ， 该数据不适宜做正态分加之波动性变化 ， 因此必须选择能体现和解释以对数收益的分阶段描述性统计 标准差 偏度 0 . 0 4 6 - 0 . 4 8 9 0 . 1 4 5 - 2 . 5 8 9 对数收益的分阶段描述性统计 标准差 偏度0 . 0 2 9 - 0 . 2 0 40 . 0 1 9 0 . 2 6 1年 1 2 月 E U A 对数收益的t - S t a t i s t i c F u l l e r t e s t - 2 4 . 6 3 1 - 3 . 4 4 0 - 2 . 8 6 6 - 2 . 5 6 9 1 2 月 E U A 对数收益的一阶差分t - S t a t i s t i c F u l l e r t e s t - 1 7 . 7 5 1 - 3 . 4 4 0 - 2 . 8 6 6 - 2 . 5 6 9 2 0 1 0 年 4 月 E U A 对数收益的t - S t a t i s t i c F u l l e r t e s t - 1 7 . 0 2 3 - 3 . 4 4 0 - 2 . 8 6 6 - 2 . 5 6 9 2 0 1 0对数收益 并进行检验 ， 本文把两， 另一部分做预测年 1 2 月 ， 预测阶段样本 2 估计阶段从2 0 1 0 年 1 0 月 至 2 0 1 0和表 2 所示 。 估计和预测阶段的偏度分别是 - 0 . 4 8 9 和 - 2 . 5 8 9估计和预测阶段的偏4 . 7 7 0 和 2 . 5 5 2 。 由此两个样本在不同的阶段都呈现 出 了 一定的 偏度的两个阶段均为左偏 ， 样本由于两个样本的非该数据不适宜做正态分因此必须选择能体现和解释以峰度 3 2 . 7 9 2 4 1 . 5 9 2 偏度 峰度 0 . 2 0 4 4 . 7 7 0 0 . 2 6 1 2 . 5 5 2 对数收益的 A D F 检验P r o b . 0 . 0 0 0 0对数收益的一阶差分 A D FP r o b . 0 . 0 0 0 0对数收益的 A D F 检验P r o b . 0 . 0 0 0 0年 本文把两另一部分做预测 。预测阶段估计阶段从 2 0 0 8年，估计和预测阶段的偏由此偏度样本 2由于两个样本的非该数据不适宜做正态分因此必须选择能体现和解释以检验 检验 检验 第 19表 6 A u g m e n t e d D i c k e yT e s t c r i t i c a l 3. 3. 3 这主要是检验是否存在L M 进行异方差检验益 走势异方差的残差序列做示 ， E U A表 7 2 0 0 52 0 0 8注 显著水平3. 3. 4 通过以上分析发现模型建立条件本 1 和样本和 M A T L A B 2 0 0 9 a估计与预测1 2 月将数据导入示 。 结果显示平下显著由度的19 期 2 0 0 8 年 1 月 至 2 0 1 0t i - F u l l e r t e s t s t a t i s t i ct r i t i l v a l u e 异方差检验 这主要是检验是否存在进行异方差检验走势 ， 我们可以看到收益率存在丛集性效应异方差 。 其次 ， 分别对样本的残差序列做 A R C H日对数收益的残差序列存在样本 1 和样本 2 E U A样本 1 - 0 4 至 2 0 0 7 - 1 2样本 2 - 0 1 至 2 0 1 0 - 0 4显著水平 α 0 .0 5 建立模型样本估计和预测通过以上分析发现模型建立条件 ， 本文建立和样本 2 进行估计和预测上完成12 0 0 5 年 4 月估计与预测 。 样本月 ， 预测区间是将数据导入 E v i e w s 5 . 0结果显示 ， 模型各个变量的相关系数在平下显著 。 T - D I S T . D O F由度的 E G A R C H1 , 1 ,图 3 2 0 0 52 0 1 0 年 4 月 E U A 对数收益的一阶差分u l l e r t e s t s t a t i s t i c 1 l e v e l 5 l e v e l 1 0 l e v e l 这主要是检验是否存在 G A R C H进行异方差检验 。 首先从图 1我们可以看到收益率存在丛集性效应分别对样本 1 和样本效应的 L M 检验日对数收益的残差序列存在2 日对数收益残差序列的A R C H 检验 A R C H - s t a t i s t i c 6 . 4 2 2 3 e - 0 0 4 2 . 3 5 6 3 e - 0 0 4 建立模型样本估计和预测 通过以上分析发现 ， E U A 日对数收益序列符合本文建立 E G A R C H进行估计和预测 。 所有估计运算在上完成 。 月 至 2 0 0 7 年 1 2样本 1 的估计区间为预测区间是 2 0 0 7 年 1 月 至v i e s 5 . 0 运行 ，模型各个变量的相关系数在I . 值为 3 . 5 6 81 , 1 ,- t 模型能够很好地描述陈晓红 ， 王陟昀2 0 0 5 年 4 月 至 2 0 0 7 年对数收益的一阶差分t - S t a t i s t i c - 1 5 . 2 0 1 - 3 . 4 4 0- 2 . 8 6 6- 2 . 5 6 9G A R C H 效应 。 本文选用1 和图 2 的 E U A我们可以看到收益率存在丛集性效应 ，和样本 2 的 E U A 日对数收益检验 ， 检验结果如表日对数收益的残差序列存在 G R A C H 效应日对数收益残差序列的 A R C H 效应C r i t i c a l V a l u e P r o b a b i l i t y3 . 8 4 1 5 0 . 9 7 93 . 8 4 1 5 0 . 8 6 6日对数收益序列符合E G A R C H1 , 1 t 模型所有估计运算在1 2 月的 E U A 对数收益样本的估计区间为 2 0 0 5 年 4 月至 2 0 0 7 年 1 2 月， 得到实证结果模型各个变量的相关系数在 0 . 0 53 . 5 6 8 6 7 3 ， 说明具有较低自模型能够很好地描述 E U A王陟昀 欧洲碳排放权交易价格机制的实证研究年 1 2 月与 2 0 0 8 年对数收益的一阶差分 A D F 检验 P r o b . 0 . 0 0 0 0 3 . 4 4 0 2 . 8 6 6 2 . 5 6 9 本文选用 A R C H E 日对数收， 可能存在日对数收益检验结果如表 7 所效应 。 效应 L M 检验 P r o b a b i l i t y 0 . 9 7 9 8 0 . 8 6 6 8 日对数收益序列符合 G A R C H模型 ， 分别对样所有估计运算在 E v i e w s 6 . 0对数收益样本月 至 2 0 0 6 年月 。 得到实证结果 ， 如表 8 所0 . 0 5 的显著水说明具有较低自E 定价模欧洲碳排放权交易价格机制的实证研究年 1 月 至 2 0 1 0 年型 。 A I C 与D u r b i n - W a t s o n相关 ， 可建立第一阶段的表 8 2 0 0 5V a r i a b l e C 1 C 2 C 3 C 4 T - D I S T . D O FA k a i k e i n f o c r i t e r i o n S c h w a r z c r i t e r i o n 图 3 是残差 、 标准差和对数收益序列益序列与残差序列走势基本吻合数收益序列具有相同的分布图 4 用上文得到的第一阶段年 1 月 至 2 0 0 7S q u a r e d E r r o r欧洲碳排放权交易价格机制的实证研究 年 4 月的 E U A 对数收益序列与 S C 分 别 为W a t s o n 统计值为 1 . 6 9 5可建立第一阶段的2 0 0 5 年 4 月 至 2 0 0 7C o e f f i c i e n t V a r i a n c e E q u a t i o n- 1 . 0 3 9 5 3 2 0 . 5 2 9 8 0 0 - 0 . 1 2 1 3 6 8 0 . 9 0 3 0 6 3 D I S T . D O F 3 . 5 6 8 6 7 3 i n f o - 4 . 2 8 9 7 8 3 c r i t e r i o n - 4 . 2 4 2 7 7 7 是 2 0 0 5 年 4 月 至标准差和对数收益序列益序列与残差序列走势基本吻合数收益序列具有相同的分布样本 1 估计模型的残差用上文得到的第一阶段2 0 0 7 年 1 2 月阶段的收益S q u a r e d E r r o r 、 M e a n A b s o l u t e E r r o r对数收益序列 分 别 为 - 4 . 2 8 9 7 8 31 . 6 9 5 9 2 2 ， 可以近似认为不存在自可建立第一阶段的 E U A 价格估计模型2 0 0 7 年 1 2 月的 E U A 对数收益样本估计S t d . E r r o r V a r i a n c e E q u a t i o n 0 . 2 3 4 3 6 1 0 . 0 9 3 9 3 8 0 . 0 5 6 7 0 1 0 . 0 2 8 8 8 9 0 . 7 0 9 0 6 3 D u r b i n - W a t s o n s t a t 至 2 0 0 7 年 1 2 月标准差和对数收益序列 。 如我们所估计的益序列与残差序列走势基本吻合 ， 这是因为残差序列和对数收益序列具有相同的分布 。 估计模型的残差 、 标准差和对数收益序列用上文得到的第一阶段 E U A 价格收益模型预测月阶段的收益 ， 并检测得到M e a n A b s o l u t e E r r o r 和 7 8 3 和 - 4 . 2 4 2 7 7 7可以近似认为不存在自价格估计模型 。 对数收益样本估计z - S t a t i s t i c P r o b .- 4 . 4 3 5 6 0 7 0 . 0 0 05 . 6 3 9 9 2 2 0 . 0 0 0- 2 . 1 4 0 5 1 3 0 . 0 3 23 1 . 2 5 9 4 1 0 . 0 0 05 . 0 3 2 9 3 9 0 . 0 0 01 . 6 9 5 9 2 2 月 E U A 估计模型的如我们所估计的 ， 对数收这是因为残差序列和对标准差和对数收益序列 价格收益模型预测 2 0 0 7并检测得到 R o o t M e a n 和 M e a n A b s . P e r c e n t 1 4 5 ，可以近似认为不存在自对数收益样本估计 0 0 3 0 0 估计模型的对数收这是因为残差序列和对 1 4 6E r r o r建立的模型较好得模拟了段的表E G A R C H计与预测月 ， 预测区间是用同样的方法可以得到实证结果变量的相关系数均显著明具有较低自由度的E U AD u r b i n认为不存在自相关表V a r i a b l eT - D I S T . D O FA k a i k e i n f o c r i t e r i o nS c h w a r z c r i t e r