基于QRNN-EVT的國際碳期貨市場風險度量研究.pdf

1、以二氧化碳為代表的大氣污染物的排放所引發(fā)的極端氣候問題，已經威脅到人類的生存和發(fā)展。建立市場化的碳減排機制已經成為應對極端氣候問題的重要途徑。碳排放市場的主要功能是通過碳排放權的交易達到減排目的，其有效性的發(fā)揮關鍵在于對市場風險的準確預測和控制。因此，探究合理、可靠的碳金融風險計量模型，對于準確把握碳市場風險、推動節(jié)能減排具有重要的現(xiàn)實意義。
　　傳統(tǒng)的計量模型雖然能夠在刻畫碳資產時間序列非線性、非平穩(wěn)等特征的基礎上，實現(xiàn)對碳金融

2、風險的預測，但由于模型函數(shù)本身的局限性，通常導致預測的偏差較大。為此，論文采用神經網絡分位數(shù)回歸(QRNN)和極值理論(EVT)方法解決以上問題，從而實現(xiàn)碳金融風險的可靠計量。論文選取2008年3月17日至2013年8月28日期間，EUA和CER市場的連續(xù)期貨合約價格作為樣本，首先通過構建QRNN模型，對正常和極端區(qū)間下的VaR分別做了實證檢驗，并選取GARCH-GED模型和CAViaR模型進行了對比，結果發(fā)現(xiàn):①對于正常波動區(qū)間VaR

3、的預測，QRNN模型的效果最好。從5％VaR的測試結果可以看出，QRNN模型在樣本內和樣本外的結果都優(yōu)于其他兩種傳統(tǒng)模型;②從1％VaR的測試結果可以看出，對于極端波動區(qū)間VaR的預測，各模型都出現(xiàn)了嚴重低估風險的情況，并且CER市場的極端風險更難把握。為了提升預測準確性，鑒于EVT方法在刻畫極端風險特征方面的優(yōu)勢，論文進一步構建QRNN-EVT模型對極端波動區(qū)間的VaR進行度量，發(fā)現(xiàn)該模型可以顯著提升極端風險的預測精度，能夠得到相對有