Please enable JavaScript.
Coggle requires JavaScript to display documents.
时间序列期末论文选题一: "碳排放权价格影响因素" 模型变量整理 - Coggle Diagram
时间序列期末论文选题一: "碳排放权价格影响因素" 模型变量整理
碳排放价格&新能源与旧能源公司股票价格关系
被解释变量
新＼旧能源公司股价
控制变量
股票市场指数
沪深300指数
原油价格
Brent 原油期货价格
天然气价格
Henry Hub天然气现货价格
煤炭价格
郑州期货交易所的动力煤期货主力连续合同价格
长期利率
10年期国债收益率
解释变量
碳排放权价格
试点地区湖北交易量最高，其次是广州
碳排放权价格波动的影响因素模型
可以以
1)比较各地区模型系数的差别和
2)讨论一各地 区自己的模型系数
来进行
解释变量
地区经济发展代理变量
湖北板块综合指数
宏观经济变量
沪深300指数
能源价格
煤炭期货价格指数
能源价格相对变化(gas/coal), (gas/oil)
气温
空气质量指数
被解释变量
碳排放权价格
对价格坡动性除了解释哪些因素导致价格出现波动性之外，还可以用ARCH模型族来解释价格波动性的特点
陈柳卉，邢天才.我国八家碳排放交易市场价格波动性
分析[J].重庆社会科学，2019（4）：93-103.
单因子的GARCH-VaR模型
构建这个模型的原因:
用GARCH-VaR模型建模主要是想要研究"交易所的市场波动情况"。产品收益率的波动程度可能受到各种外部环境、市场供需等影响，所以醭能很纯粹的体现特定市场的波动程度，如果要测定特定市场的波动程度，可以用VaR公式来计算出市场当日的最大可能损失值，因为市场最大可能损失值反应了极端情况下投资者可能承受的风险，而不是市场平均收益率的变化，因此市场最大可能损失值的变化相较于平均收益率变化更好的拟合了市场波动程度。然而VaR模型是基于市场价格分布来计算出当日可能的最大损失值，因此若要使用VaR模型测定特定市场波动程度，首先应该要设法拟合市场价格的分布模式，又由于碳交易的价格不管在中国哪个分区市场交易所，都不是呈现正态分布，而是普遍呈现尖峰厚尾分布，所以这里先使用GARCH模型来拟合市场收益率的残差积聚性，再在原始收益率中去除掉我们拟合出的残差积聚性，如此一来处理过的数据可以与传统的统计分布类型更相符，借此，我们可以以传统的统计分布类型来设定该市场的VaR模型，并根据VaR模型计算出的每日市场最大可能损失值的分布来评估该市场的波动程度(通常是使用市场每日最大可能损失值的标准差作为评估市场波动程度的标准)。
邱谦，郭守前. 我国区域碳金融交易市场的风险研究[J].资源开发与市场，2017(2):188-193.