تجزیه و تحلیل نوسانات بازار کربن بر اساس شکست های ساختاری: شواهد از EU-ETS و چین

هایسو یو 1، هه وانگ 1، چوانیو لیانگ 1، ژائوهوا لیو 1 و سوشنگ وانگ 1،2 *

• 1 دانشکده تجارت، دانشگاه علوم و فناوری جنوب، شنژن، چین
• 2 دانشکده اقتصاد و مدیریت، موسسه فناوری هاربین، شنژن، چین

در سال های اخیر، معاملات بازار کربن فعال تر شده است. تعداد کشورهای شرکت کننده در تنظیم بازار کربن در حال افزایش است و گردش مالی کلی بازار کربن همچنان در حال رشد است. مطالعه ویژگی‌های نوسان قیمت کمک‌هزینه کربن برای توسعه پایدار بازار کربن مهم است. این مقاله یک مدل ICSS-GARCH اصلاح‌شده را برای تجزیه و تحلیل نوسانات بازده قیمت کربن و ویژگی‌های پویا نوسانات قیمت در سیستم تجارت گازهای گلخانه‌ای اتحادیه اروپا (EU-ETS) و بازارهای آزمایشی کربن چین در هوبی ایجاد می‌کند. نتایج نشان می‌دهد که نوسانات بازده قیمت کربن اثر اهرمی دارد و تأثیر اخبار منفی بر بازار قوی‌تر از اخبار مثبت است. کنفرانس‌های بین‌المللی آب و هوا و انرژی، تغییرات غیرعادی در قیمت‌های سنتی انرژی، و شرایط اضطراری بهداشت عمومی جهانی، همگی بر نوسانات تأثیر می‌گذارند و باعث ایجاد شوک‌هایی در بازار تجارت کربن می‌شوند. مدل اصلاح‌شده ICSS-GARCH با شکست‌های ساختاری می‌تواند نوسانات کاذب سری بازگشتی را تا حدی کاهش دهد و می‌تواند دقت مدل را بهبود بخشد. این تحقیق می‌تواند مفاهیمی را در مورد چگونگی توسعه بازار کربن به سیاست‌گذاران ارائه دهد و به فعالان بازار کمک کند تا خطرات نوسانات سهمیه کربن را کنترل کنند. رگولاتورها باید نظارت بر قیمت کربن را تقویت کرده و بر شوک های کوتاه مدت در بازار کربن برای کاهش ریسک های تجاری تمرکز کنند. بازار کربن چین باید طراحی سیستم را تقویت کند و مشتقات مالی کربن را توسعه دهد.

1. مقدمه

کشورها در سراسر جهان به دلیل تغییرات آب و هوایی و سایر مشکلات زیست محیطی و زیست محیطی اقدام به کاهش انتشار گازهای گلخانه ای مانند دی اکسید کربن می کنند (می تواند و همکاران ، 2022). برای کاهش انتشار کربن ، بسیاری از کشورها کنوانسیون چارچوب سازمان ملل متحد در مورد تغییرات آب و هوایی (UNFCCC) ، پروتکل کیوتو و توافق نامه پاریس و غیره را امضا کرده اند. پروتکل کیوتو تعهدات اقتصادهای توسعه یافته برای کاهش انتشار را تشریح می کند و سه مکانیسم انعطاف پذیر را برای کاهش پیشنهاد می دهدانتشار گازهای گلخانه ای ، که تجارت کربن یکی است (Can et al. ، 2021b). طبق گزارش بین المللی فعالیت های تولید گازهای گلخانه ای کربن (ICAP) گزارش وضعیت جهانی در سراسر جهان ، در حال حاضر 25 سیستم معاملاتی انتشار گازهای گلخانه ای (ETS) در سراسر جهان وجود دارد که 22 برنامه دیگر قرار است در آینده نزدیک عملیاتی شوند. معاملات انتشار کربن 17 ٪ از انتشار جهانی را پوشش می دهد. سیستم های معاملاتی موجود شامل سیستم معاملاتی انتشار گازهای گلخانه ای اتحادیه اروپا (EU-ETS) و سیستم معاملاتی ایالات متحده (RGGI) و غیره است.

اتحادیه اروپا در سال 2005 تأسیس شد و در حال حاضر بزرگترین و فعال ترین سیستم تجارت انتشار کربن در جهان است. معاملات کربن EU-ETS به 8،1 میلیارد تن دی اکسید کربن می رسد (CO₂) در سال 2020 ، تقریباً 90 درصد از کل حجم تجارت جهانی کربن ، با حجم معاملات 20 میلیارد یورو. این در چهار مرحله اجرا شده است و در حال حاضر در مرحله چهارم خود قرار دارد. در سه مرحله اول توسعه EU-ETS ، طیف وسیعی از کشورها ، صنایع و شرکتهای تحت پوشش تجارت به تدریج گسترش می یابند و نسبت حراج ها در فرآیند تخصیص کمک هزینه به تدریج افزایش می یابد (به جای تخصیص آزاد). تفاوت عمده بین سه مرحله تغییر در پدربزرگ و مادربزرگ 1 به معیار 2 در تخصیص کمک هزینه ها است که نشانگر بلوغ مداوم سیستم مدیریت EU-ETS است. در EU-ETS ، گردش مالی EUA ها بالاتر از سایر انواع معاملات ، مانند کاهش انتشار معتبر (CER) است. معاملات آتی کمک هزینه اتحادیه اروپا (EUA) اجازه می دهد تا اعتبار کربن در مبادلات آتی کالاها ، مانند سویا ، نفت و سایر کالاها معامله شود. EU-ETS به بزرگترین بازار آتی کربن در جهان تبدیل شده است و بیش از 90 ٪ از کل حجم در بازار کربن اتحادیه اروپا معامله شده است (Lamphiere et al. ، 2021). بازار کربن آتی بازار را بازتر کرده و به الگویی برای سایر کشورها و مناطق تبدیل شده است.

بر اساس گزارش آژانس بین المللی انرژی (IEA)، انتشار کربن در چین در سال 2021 از 11. 9 میلیارد تن فراتر رفته است که حدود یک سوم از انتشار کربن در جهان را پوشش می دهد. دولت چین در کنفرانس آب و هوای پاریس اعلام کرد که CO₂انتشار حدود سال 2030 به اوج خود می رسد و سپس 60 تا 65 درصد در مقایسه با سال 2005 کاهش می یابد. چین در حال بررسی استفاده از مکانیسم های بازار برای کاهش انتشار گازهای گلخانه ای در پاسخ به فشارهای CO است.₂کاهش انتشار و توسعه پایداربه عنوان یک کشور مهم در حال توسعه و CO₂چین انتظار دارد که بازار کربن به دستیابی به اهداف کاهش انتشار و کاهش اثر گلخانه ای جهانی با کمترین هزینه اقتصادی در میان سیاست های کاهش انتشار موجود کمک کند (لیو و همکاران، 2015؛ گوزگور و کان، 2017). از سال 2013، چین هشت پایلوت بازار کربن منطقه ای را در شنژن، شانگهای، پکن، گوانگدونگ، تیانجین، هوبی، چونگ کینگ و فوجیان آغاز کرده است (رن و لو، 2017). بازارهای آزمایشی تنها برای مدت کوتاهی عملیاتی شده اند و هنوز برخی از عوامل ناپایدار در بازار کربن وجود دارد (ژائو و همکاران، 2016). بازار کربن در چین حدود 3000 شرکت تولید کننده گاز در صنایع فولاد، برق و سیمان را تحت پوشش قرار داد و در ابتدا بازاری در مقیاس بزرگ ایجاد کرد. بازار تجارت گازهای گلخانه ای چین رشد کرده و به دومین بازار بزرگ جهان تبدیل شده است و اکنون نقش مهمی در بازار تجارت بین المللی انرژی ایفا می کند. در این شرایط، مطالعه چگونگی تغییر قیمت کربن در بازار EU-ETS و بازار کربن چین بسیار مهم و ضروری است.

هم بازار کربن اتحادیه اروپا و هم خلبان کربن چینی بخش های قابل توجهی از انتشار مانند صنعت و قدرت را پوشش می دهند. با این حال ، به دلیل فرآیندهای مختلف توسعه ، تفاوت های زیادی بین دو بازار وجود دارد. تغییر عمده در تخصیص کمک هزینه کربن است. این حراج در اتحادیه اروپا به کار می رود و کمیسیون اروپا تعداد کلی کمک هزینه های کربن را تعیین می کند و آنها را به هر عضو اختصاص می دهد. روش حراج کمبود کمک هزینه کربن را تضمین می کند. بازار کربن چین رویکرد تخصیص آزاد را اتخاذ می کند و مستعد مازاد است. هم اتحادیه اروپا و هم در بازارهای چین کمک هزینه کربن اضافی دارند و منجر به خرابی قیمت کربن می شوند. بازار چین به ویژه تحت تأثیر قرار گرفته است. اعتبارات کربن چینی فقط در بازار نقطه قابل معامله است. تنوع ابزارهای مالی کربن و فعالیت تجاری در مقایسه با اتحادیه اروپا محدود است.

در سالهای اخیر ، اثربخشی بازارهای کربن ، نوسانات و ارزیابی ریسک قیمت کربن و اثرات سرریز بین بازارهای کربن و بازارهای انرژی سنتی مباحث داغ بوده است (بنز و کامیون ، 2009 ؛ Chevallier ، 2009 ؛ ژانگ و خورشید ، 2016؛ چانگ و همکاران ، 2017 ؛ ژائو و همکاران ، 2020 ؛ کانت و همکاران ، 2021a). در مطالعات قبلی ، سری زمانی از بازارهای دارایی مالی ، مانند بازار سهام یا بازار نفت خام ، و استراحت ساختاری به طور گسترده ای مورد مطالعه قرار گرفته است زیرا الگوریتم تجمعی مکرر مربعات (ICS) برای تشخیص استراحت اکنون به خوبی مشخص شده است (مالیک و حسن، 2004 ؛ مالک و همکاران ، 2005 ؛ ون و همکاران ، 2018). با این حال ، تحقیقات کمتری در مورد استراحت ساختاری در بازارهای کربن انجام شده است. نوسانات قیمت در بازار کربن تحت تأثیر عوامل خارجی مانند تغییر سیاسی ، تغییر آب و هوا و تخصیص کمک هزینه است. عوامل خارجی باعث بی ثباتی قیمت کربن و سرریز ریسک می شوند. علاوه بر این ، بررسی دلایل و مکانیسم های وقفه های ساختاری برای سیاست گذاران بازار کربن برای تنظیم مؤثر سیاست های بازار مهم است. در این مقاله ، ما الگوریتم اصلاح شده ICSS را برای بررسی وقفه های ساختاری در بازده بازار کربن و اضافه کردن شکستگی های ساختاری به عنوان یک متغیر ساختگی در مدل برای برآورد ویژگی های نوسانات EU-ETS و بازار کربن چینی اتخاذ می کنیم.

تحقیقات فعلی در مورد نوسانات بازار کربن عمدتاً در اتحادیه اروپا متمرکز شده است. در ادبیات موجود ، نوسانات قیمت کربن ، عوامل مؤثر بر قیمت کربن ، اثربخشی بازارهای کربن و اندازه گیری خطر در بازارهای کربن مورد بررسی قرار گرفته است. بنز و کامیون (2009) و Daskalakis و همکاران.(2009) بازار کربن اروپا را مورد تجزیه و تحلیل قرار داد و دریافت که بازده کمک هزینه انتشار ، کمبود ، کورتوز اضافی و خوشه بندی نوسانات را نشان می دهد. Byun and Cho (2013) از مدل GARCH برای تخمین نوسانات قیمت قیمت های آتی کربن استفاده کردند. Dutta (2018) از مدل Garch-Jump برای بررسی نوسانات قیمت EU-ETS و ارائه توصیه هایی به سرمایه گذاران و سیاست گذاران استفاده کرد. گوو و همکاران.(2018) از مدل GARCH برای تجزیه و تحلیل تأثیر اعلامیه انتشار EU-ETS در مراحل I و II بر رفتار و قیمت های معاملاتی استفاده کرد. این یافته ها بلوغ EU-ETS را در فاز دوم تأیید می کند. فن و همکاران.(2017) تأثیر 50 اعلامیه سیاست از ET های اتحادیه اروپا بر قیمت کربن را مورد تجزیه و تحلیل قرار داد. تأثیرات کل 50 واقعه مورد مطالعه اندک بود و تنها بخش هایی از این سیاست ها بر قیمت کربن تأثیر گذاشت. وانگ و همکاران.(2019) نشان داد كه تمام بیرونی های بازار كربن ، چه قیمت انرژی یا اعلامیه های سیاست ، در رفتار معاملاتی منعكس شده و بر تقاضا و عرضه مجوزهای كربن از طریق تجارت تأثیر می گذارد ، كه این امر بر قیمت كربن تأثیر می گذارد (وانگ و همكاران ، 2019). ژانگ و همکاران.(2018) مدل EGARCH را برای بررسی قیمت بازارهای خلبان کربن در چین پذیرفت و حافظه طولانی را در دنباله بازده قیمت کربن کشف کرد. ژائو و همکاران.(2016) نشان داد كه راندمان بازار خلبانان ETS در چین رضایت بخش نیست ، اگرچه طرح های سیستم ETS به نتایج اولیه امیدوارکننده ای رسیده است.

در این مقاله، ما قیمت قراردادهای آتی EUA، فعال ترین نوع معامله در EU-ETS را با قیمت لحظه ای بازار آزمایشی کربن چین مقایسه می کنیم و نوسانات قیمت در بازار کربن را تحلیل می کنیم. این مقاله به متون موجود کمک می کند: اولاً، تا آنجا که ما می دانیم، مطالعات قبلی بر ارزش در معرض خطر بازار کربن متمرکز شده است، در حالی که تأثیر شکست های ساختاری بر ارزیابی ریسک را نادیده می گیرد، بنابراین بازار کربن را ایجاد می کند. خطر کمتر برآورد شده است (ژانگ و همکاران، 2018). تحقیقات ما یک مکمل مفید است. ثانیاً، ما متوجه شدیم که اعلام سیاست ها و رویدادهای مهم می تواند باعث تغییرات ساختاری در بازده قیمت کربن شود که می تواند بر بازار کربن تأثیر بگذارد یا خطرات بازار را ایجاد کند. ما نقاط تغییر ساختاری را با استفاده از الگوریتم اصلاح شده ICSS تشخیص می دهیم. سپس از نقاط تغییر ساختاری به‌عنوان متغیرهای ساختگی برای مطالعه چگونگی تأثیر شوک‌های رویداد بر نوسانات بازار کربن استفاده می‌کنیم. این یک رویکرد جدید در مطالعه نوسانات بازار کربن برای ترکیب شکست های ساختاری برآورد شده توسط الگوریتم ICSS اصلاح شده در تحقیقات نوسانات بازار کربن است. علاوه بر این، ما عدم تقارن قیمت کربن را بررسی می کنیم. این یک توسعه از مطالعه ویژگی های قیمت بازار کربن است. یافته‌ها تأیید می‌کنند که بازده قیمت کربن نیز نامتقارن است و تأثیر اخبار مثبت و منفی بر قیمت کربن متفاوت است، که مشابه با سایر دارایی‌های مالی است. این نتایج و نتیجه گیری های مهم برای ارائه پیشنهادات مهم در مورد چگونگی رشد بازار مالی کربن در آینده و اینکه چگونه دولت ها و فعالان بازار چنین بازاری را مدیریت می کنند و در آن سرمایه گذاری می کنند، استفاده خواهد شد.

ساختار باقی مانده این مقاله به شرح زیر است. بخش 2 مروری بر ادبیات است. بخش 3 روش های مورد استفاده در این مقاله را معرفی می کند. بخش 4 نتایج تجربی را گزارش می کند. بخش 5 بحث بیشتر در مورد آینده EU-ETS در مرحله دوم ارائه می دهد و توصیه های سیاستی را ارائه می دهد. بخش 6 نتیجه گیری مقاله را ارائه می دهد.

2 ادبیات مرتبط

2. 1 نوسانات قیمت کربن

در مقالات قبلی ، سری زمانی از بازارهای دارایی مالی ، مانند بازار سهام یا بازار نفت خام ، با وقفه های ساختاری به طور گسترده با الگوریتم تجمعی مکرر مربعات (ICS) برای تشخیص استراحت هایی که اکنون به خوبی تثبیت شده اند ، مورد مطالعه قرار گرفته است (مالیک و حسن ،2004 ؛ مالک و همکاران ، 2005 ؛ ون و همکاران ، 2018). با این حال ، تحقیقات کمتری در مورد استراحت ساختاری در بازارهای کربن انجام شده است.

بازار کربن یک بازار مالی در حال ظهور است. ادبیات موجود در مورد بازارهای کربن عمدتاً بر قیمت کربن ، از جمله نوسانات بازار کربن ، عوامل مؤثر بر قیمت کربن ، اثربخشی بازار کربن و اندازه گیری ریسک بازار کربن متمرکز است.

به عنوان مثال ، بنز و کامیون (2009) و Daskalakis و همکاران.(2009) بازار کربن اروپا را مورد تجزیه و تحلیل قرار داد و دریافت که بازده کمک هزینه انتشار ، کمبود ، کورتوز اضافی و خوشه بندی نوسانات را نشان می دهد. Byun and Cho (2013) نوسانات قیمت آتی کربن را با استفاده از مدل های IV ، K-NN و Garch از نوع تخمین زد. نتایج نشان می دهد که مدل GJR-GARCH بیشترین اطلاعات را در مورد نوسانات آینده کربن ارائه می دهد. پائوللا و تاسچینی (2008) عدم تقارن در قیمت کربن نقطه ای را پیدا کردند که برای مدیریت ریسک در بازار کربن ضروری است. Dutta (2018) برای مقادیر شدید در EUA آزمایش کرد و با استفاده از مدل Garch-Jump ، نوسانات قیمت EU-ETS را بررسی کرد. نتایج نشان می دهد که مدل پرش-پرش می تواند پرش های گسسته را در بازده دارایی ضبط کند. Outliers و پرش های متغیر زمان نقش مهمی در مدیریت ریسک بازار کربن دارند. وانگ و همکاران.(2019) نشان داد كه تمام بیرونی های بازار كربن ، چه قیمت انرژی یا اعلامیه های سیاست ، در رفتار معاملاتی منعكس شده و بر تقاضا و عرضه مجوزهای كربن از طریق تجارت تأثیر می گذارد ، كه این امر بر قیمت كربن تأثیر می گذارد. Gorenflo (2013) در مورد راندمان قیمت آینده و نقطه EUA بررسی می کند. نتایج نشان می دهد که بازارهای آتی در یافتن قیمت نسبت به بازارهای نقطه ای بهتر هستند و آتی کربن نقش بیشتری را ایفا می کند.

مطالعات بیشماری عملکرد بازار کربن در چین را بررسی کرده است. به عنوان مثال ، ژانگ و همکاران.(2018) مدل EGARCH را برای بررسی قیمت بازارهای خلبان کربن در چین پذیرفت و حافظه طولانی را در دنباله بازده قیمت کربن کشف کرد. لیو و همکاران.(2020) ویژگی های پویا نوسانات را با استفاده از مدل MCMC-SV و بازده قیمت کربن چینی در هوبی ، شنژن و شانگهای از سال 2015 تا 2018 بررسی می کند. نتایج نشان می دهد که قیمت کربن چینی نشان دهنده تجمع نوسانات است. نوسانات اصطلاح بسیار چرخه ای نیست. ژائو و همکاران.(2016) نشان داد كه بهره وری بازار خلبانان ETS در چین رضایت بخش نیست ، با اختلاف قیمت زیاد و نقدینگی كافی در خلبانان ETS ، اگرچه طرح های سیستم ETS به برخی از نتایج اولیه امیدوارکننده رسیده است. این نتیجه ناشی از تخصیص نامناسب کمک هزینه ها و انگیزه کم مشاغل برای تجارت بود. لیو و همکاران.(2020) با استفاده از تست نسبت واریانس ، بهره وری عملیاتی هفت بازار کربن چین را بررسی کرد. این یافته ها حاکی از آن است که بازارهای هوبی و گوانگدونگ از نظر ضعیف کارآمد هستند ، در حالی که باقیمانده بازارها از کارآیی کمتری برخوردار هستند.

تحقیقات قبلی نشان می دهد که مدل ICSS اصلاح شده به طور گسترده ای در اندازه گیری نوسانات دارایی های مالی مورد استفاده قرار گرفته و قادر به تجزیه و تحلیل نوسانات قیمت بازار کربن است (مالک و هاسان ، 2004 ؛ ون و همکاران ، 2018). علاوه بر این ، یک مطالعه مقایسه ای از EU-ETS و بازارهای خلبان کربن چینی می تواند به بهتر شدن بازار کربن کمک کند.

2. 2 EU-ETS و خلبانان کربن چین

سیستم تجارت انتشار گازهای گلخانه ای اتحادیه اروپا (EU-ETS) ، که در سال 2005 تأسیس شد ، یک مکانیسم معاملات کربن است که بر اساس مقررات اتحادیه اروپا و قوانین ملی است. EU-ETS پیشرفته ترین سیستم تجارت کربن در جهان است و بر بازار بین المللی مالی کربن حاکم است. در حال حاضر ، EU-ETS به دنبال سه مرحله از توسعه و پیشرفت تدریجی در مرحله چهارم خود قرار دارد. در مراحل قبلی توسعه ، پوشش بازار کربن از بخش ها و گازهای تحت پوشش به تدریج گسترش یافت و نسبت حراج ها در فرآیند تخصیص کمک هزینه به تدریج افزایش یافت. جدول 1 تفاوت بین مراحل مختلف EU-ET را نشان می دهد.

میز 1 . خصوصیات مراحل مختلف EU-ETS.

در EU-ETS، گردش مالی EUA از سایر انواع تجاری، مانند کاهش انتشار گواهی شده (CER) بیشتر است. در این مقاله، قیمت‌های فاز III آتی EUA برای تجزیه و تحلیل رفتار نوسانات قیمت در بازار کربن استفاده می‌شود، در حالی که از قیمت‌های فاز دوم برای تحلیل مقایسه‌ای استفاده می‌شود. شکل 1 روند قیمت قراردادهای آتی EUA را از سال 2005 تا 2021 نشان می دهد.

شکل 1 . روند قیمت در معاملات آتی EUA. خطوط عمودی شروع فازهای مختلف را نشان می دهند: فاز I (2005-2007)، فاز II (2008-2012)، فاز III (2013-2020)، و فاز IV (2020-اکنون).

بازار کربن در مرحله اول EU-ETS به دلیل فقدان تجربه در مورد تخصیص های مربوطه نابالغ بود. در مرحله اول، عوامل متعددی بر قیمت آتی تاثیر گذاشت و نوسانات قیمتی قابل توجهی داشت. به دلیل ناتوانی در ذخیره امتیازات فاز I و فاز II در سراسر فازها، قیمت EUA به پایین ترین حد تاریخ 0. 01 یورو در پایان سال 2007 سقوط کرد و اثربخشی بازار EU-ETS را تضعیف کرد. در فاز دوم و سوم، کمیسیون اروپا مکانیسم تجارت و نحوه تخصیص کمک هزینه ها را بازبینی کرد. از سال 2008، قیمت‌های آتی EUA تحت تأثیر روندهای اقتصادی جهانی و قیمت انرژی تغییرات منظمی را نشان می‌دهند. EU-ETS پس از دو مرحله اولیه اکتشاف و توسعه بالغ شد. بنابراین، این مقاله ویژگی‌های نوسان قیمت‌های آتی را در مرحله سوم تحلیل می‌کند.

چین به عنوان تامین‌کننده اصلی تقاضا برای پروژه‌های مکانیزم توسعه پاک (CDM)، در مأموریت‌های کاهش انتشار در سراسر جهان شرکت می‌کند. در سال 2013، چین هشت خلبان منطقه ای ETS را تأسیس کرد. خلبان ها قیمت، گردش مالی و حجم متفاوتی دارند. شکل 2 روند قیمت را برای پایلوت های اصلی نشان می دهد. روند قیمت هر پایلوت کربن در چین متفاوت است و هشت پایلوت بازار کربن قوانین و سیستم های معاملاتی خود را دارند. علاوه بر این، اکثر مطالعات از داده‌های معاملاتی از خلبان‌های کربن در شنژن، گوانگدونگ و هوبی استفاده می‌کنند، زیرا این سه پایلوت دارای سهم بازار و نقدینگی بالاتری نسبت به سایر خلبان‌های کربن هستند (فان و تودورووا، 2017؛ چانگ و همکاران، 2018؛ ژائو و همکاران.، 2020). در این تحقیق از قیمت نقدی هوبی استفاده شده است زیرا بزرگترین بازار از نظر گردش مالی و نسبتاً فعال و بالغ است.

شکل 2 . روند قیمت خلبان های اصلی کربن در چین، از جمله خلبان های پکن، گوانگدونگ، هوبی، و شنژن.

3 روش شناسی

3. 1 اصلاح الگوریتم ICSS

مبلغ تجمعی مکرر الگوریتم مربع (ICSS) توسط Inclan و Tiao (1994) پیشنهاد شد. این روش برای تمایز نقاط شکست ساختاری نوسانات بر اساس آمار تست جمع تجمعی (CUSUM) استفاده می شود. در شروع فرآیند ، این روش فرض می کند که واریانس سری زمانی برای یک دوره زمانی خاص یکسان است. واریانس در زمان رویداد غیر منتظره تغییر می کند و سپس ثابت می ماند. در طی یک رویداد یک تغییر ساختاری ناگهانی وجود دارد. روند کار به صورت زیر است.

فرض کنید که نمونه دارای مشاهدات T و توالی باقیمانده نمونه A t ∼ i است. من . د. n (0 ، σ t 2) ، با نقاط واریانس ساختاری N T ، می تواند به فواصل N T 1 تقسیم شود. توالی نقاط جهش ساختاری به صورت نوشته شده است< k 1 , k 2 , … … k N T , >، 1< k 1 < k 2 < … < k N T < T . Each interval’s variance is denoted by σ j 2 , where j = 0,1,2 , … , N T , i.e.,

c k = ∑ i = 1 k ϵ t 2 ، k = 1،2 ،… ، t نشان دهنده جمع تجمعی مربع های سری بازگشت تا لحظه k است. سپس ، c t = ∑ t = 1 t ϵ t 2. آن را به عنوان آمار تعریف کنید.

جایی که d k = c k c t - k t و d 0 = d t = 0 با فرض اینکه _T یک متغیر تصادفی عادی توزیع شده است که به طور مستقل و یکسان با میانگین صفر توزیع می شود ، توزیع بدون علامت آمار آزمون است

D K یک فرآیند پل براون را دنبال می کند که اگر نمونه در طول دوره تخمین همواسکوژیک باشد ، در اطراف محور صفر نوسان می کند. اگر تغییر ساختاری در فاصله وجود داشته باشد ، D K از صفر منحرف می شود و احتمال خاصی برای عبور از مرز دارد. یک نقطه شکست ساختاری در بازه زمانی وجود دارد که T 2 d K از مرزهای فوقانی و پایین 1. 358 در فاصله اطمینان 95 ٪ باشد.

الگوریتم ICSS فرض می کند که< ϵ t >∼ منمن . د. n (0 ، σ 2) و اینکه واریانس در زیرنویس ها ثابت است. این ایده که از دارایی های مالی باز می گردد ، معمولاً بسیاری از تئوری های مالی سنتی را زیر پا می گذارد ، اما واقعیت این است که بسیاری (حتی بیشتر) دارایی با این فرض مطابقت ندارند. در عوض ، توزیع های تجربی قله های بالاتری و دمهای ضمنی را نشان می دهند. بنابراین سانسو و مالک یک الگوریتم اصلاح شده ICSS را پیشنهاد کردند. آمار آزمون اصلاح شده در زیر نشان داده شده است (Sansó و همکاران ، 2004 ؛ مالک و همکاران ، 2005).

تحقیقات قبلی نشان داده است که شوک های رویدادی می توانند باعث ایجاد نقاط شکست ساختاری در سری های زمانی شوند (مالیک، 2003). متغیرهای ساختگی گنجانده شده در مدل می توانند نوسانات کاذب سری بازگشتی را کاهش دهند و دقت مدل را بهبود بخشند. الگوریتم اصلاح شده ICSS برای تشخیص نقاط شکست ساختاری در مطالعه زیر استفاده می شود. ما از اخبار برای تعیین اینکه کدام رویدادهای اصلی مطابقت دارند استفاده می کنیم و آنها را به عنوان متغیرهای ساختگی به مدل اضافه می کنیم.

3. 2 مدل GARCH

Engle (1982) مدل هتروسکداستیکی شرطی خودبازگشتی (ARCH) را برای مطالعه نوسان قیمت دارایی ها پیشنهاد کرد. بولرسلوف (1986) مدل ARCH تعمیم یافته (GARCH) را پیشنهاد کرد. مدل GARCH مقادیر تاخیری واریانس شرطی در طول دوره ها را به مدل ARCH اضافه می کند تا حافظه طولانی دارایی های مالی را توصیف کند. مدل GARCH (p, q) با معادله زیر به دست می آید:

3. 3 مدل GARCH نمایی

بسیاری از مطالعات اثر اهرمی را در دارایی های مالی پیدا کرده اند. اثر اهرمی ناشی از این واقعیت است که بازده منفی تأثیر بیشتری بر نوسانات آتی نسبت به بازده مثبت دارد (کریستی، 1982). مدل نمایی گارچ (EGARCH) توسط نلسون (1991) پیشنهاد شد. در سمت چپ معادله مدل، واریانس شرطی لگاریتمی شده است. این مدل بر محدودیت بحرانی مدل‌های GARCH، که عدم منفی بودن پارامتر است، غلبه می‌کند. معادله واریانس شرطی مدل EGARCH (1, 1) با معادله زیر به دست می‌آید.

عبارت μt - 1 σ t - 1 جایگزین عبارت μt - 1 در مدل EGARCH می شود. این توانایی مدل را برای توصیف بزرگی و ماندگاری اثر بهبود می بخشد. مدل عدم تقارن نوسانات را از طریق پارامتر اضافی توصیف می کند. اثر اهرمی با عبارت دوم و سوم در سمت راست معادله به دست می آید.

توزیع نرمال، که اساس تئوری پرتفوی را تشکیل می دهد، ممکن است لزوماً برای الگوهای قیمت دارایی های مالی اعمال نشود. بنابراین، فرض می کنیم که باقیمانده ها از یک توزیع خطای تعمیم یافته (GED) در تحلیل زیر پیروی می کنند. توزیع با معادله زیر به دست می آید.

جایی که v درجات آزادی است.

3. 4 مدل ICSS-GARCH اصلاح شده

در این مقاله، ما مدل AR (1)-GARCH (1، 1) را برای تناسب با بازده آتی EUA و MA (1)-GARCH (1، 1) برای تناسب با بازده نقطه هوبی اتخاذ می‌کنیم. مدل‌های ICSS-GARCH که برای توصیف بازده آتی EUA و بازده نقطه هوبی استفاده می‌شوند، به ترتیب در معادلات 9، 10 نشان داده شده‌اند.