文献综述(或调研报告):
要研究分析碳交易价格波动风险,首先我们应该了解碳交易价格的形成机制,知道碳排放权的定价方式有哪些,碳排放权定价受哪些因素影响;其次梳理已有的,有关于碳交易价格风险的研究与文献,学习先进的研究方法。
- 碳交易价格形成机制
Montgomery(1972)提出,碳排放的初始价格可运用MAC模型来确定,即边际减排成本曲线,这也是现在国际上普遍采用的定价模型。往后的很多学者通过深入的研究验证,将模型建立的更加成熟,通过MAC模型计算得出碳排放的影子成本,再加上环境成本和机会成本,则可得到更科学的碳交易定价。但同时,随着碳交易市场的发展,定价变得越发复杂,这样的定价模型无法考虑到政治、经济、技术等多种因素。
Hahn(1984)提出,确定适合的碳排放额分配方式尤为重要,不同的分配方式也就决定了不同的碳排放定价。目前的碳排放额分配方式主要有三种,无偿,有偿,混合。无偿即免费分配,Stavins(1998)提出,无偿分配会影响市场效率。我国的碳交易市场试点都是采用无偿分配方式。有偿即拍卖分配,Peter Cramton amp; Suzi Kerr(2002)提出,有偿分配在很多方面都要优于无偿分配,比如可以提高市场运行效率,履行市场发现功能等。而混合分配则是无偿与有偿两种方式的组合,在实际运用中更灵活,也收到很多学者的推崇。目前国际上,很多都是采用混合分配方式。
- 碳交易价格波动机制
定性分析,碳交易价格的波动受到很多因素的影响,政治政策,宏观经济,市场因素,传统能源,天气气候,市场主体等方面。陈晓红 ,王陟昀(2012)认为,随着碳交易市场的发展,政策与制度都趋于完善,这两者的未来影响的力度也就会越来越小。Urs Springer(2003)经过分析多种因素后指出,传统能源价格和天气因素这两者是引起碳交易价格波动的最重要原因。
定量方面,Maria Mansanet-Batalleramp;Enric Valor(2007)通过实验得出,能源价格是最重要的影响因素,而天气因素则只会在极端情形下产生作用。赵选民,魏雪(2019)针对我国的7个碳交易试点省市进行回归分析,选取了石油、煤炭、天然气三个主要传统能源为变量,得出结果碳交易价格与能源价格呈负相关变化。
在研究碳排放权价格的周期性方面,崔焕影, 窦祥胜(2017)认为运用EMD-GA-BP模型更适合进行碳价格短期预测,而EMD-PSO-LSSVM模型则更适合进行长期预测。吕勇斌,邵律博(2015)运用GARCH族模型,发现我国碳交易试点省市的碳价格变化具有明显的地区差异性,而其收益率序列则具有显著地“波动集聚”特征。魏素豪和宗刚(2016)选择了我国5个碳交易试点,运用R/S非参数分析法进行实验,得出结论,我国的碳交易价格呈非线性,且其时间序列的周期性规律并不明显,具有较强的随机性。郑祖婷,沈菲,郎鹏(2018)通过因子分析法确立了碳价格的主要影响因子,并运用BP人工神经网络模型建立了碳价格风险预警系统,在实践中表现出较强的预测能力。在他们的实验中,碳价格也表现出了高度的非线性,但在时间序列上则有明显的周期规律,随机干扰因素也很明显。高莹和郭琨(2012)以欧盟碳交易市场为对象,借助VAR模型,研究其运行机制和价格波动,发现影响碳排放权作价格的因素很多,如宏观经济、市场供需和市场规则限制等都会引起碳交易价格产生不对称反映。而辛姜和赵春艳(2018)认为传统的VAR与GARCH模型并不适合用来研究价格波动,在结果上会产生偏差,故其采用马尔可夫区制转换向量自回归模型,来研究碳排放的价格波动。动态分析了不同区制下碳交易价格的波动,发现其价格波动所受影响是多维时变的,各种影响因素如能源市场、金融市场、国外碳交易市场均是相互关联的,并且这些市场的联动性在价格波动剧烈时期要远高于价格平稳时期。
- 小结
通过对现有文献的总结分析,学者们对于碳价格波动机制的研究已经很丰富,或运用VAR模型,或运用GARCH模型,又或是R/S非参模型、马尔科夫模型,对碳价格的长期、短期波动性都有了深入的研究,然而关于如何建立碳交易风险预警机制的研究确实比较匮乏。因此本文,在研究价格波动机制的基础上,会以深圳碳市场为例,研究价格风险预警机制。
以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。