绿色债券市场和能源行业股票市场的风险溢出效应研究

章雅洁 钟意

摘 要：本文使用四种多元GARCH模型分析中国绿色债券市场与传统能源行业股票市场之间的动态条件相关和波动性溢出效应。实证结果表明，DCC-GARCH模型拟合样本数据最好，并且能够利用该模型构建套期保值比率和最优投资组合权重。此外，在绿色债券和传统能源产业的股市之间，有着显著的动态关系，并且呈现较为明显地双向波动性溢出效应。最后，本文利用DCC模型中的条件波动率来估计套期保值比率，为投资者在绿色债券市场和传统能源股票市场上投资提出套期保值建议，以规避投资风险。

关键词：绿色债券；传统能源；多元GARCH模型；波动性溢出效应；绿色金融

本文索引：章雅洁，钟意.<变量 2>[J].中国商论，2024（04）：-120.

中图分类号：F832.4 文献标识码：A 文章编号：2096-0298（2024）02（b）--04

1 引言

2020年习近平主席宣布“双碳”目标，中国将努力在2030年实现碳达标，并争取在2060年实现碳中和。随着 “双碳”目标的实现，绿色金融的发展必将加大力度，投入绿色领域的资金也必将增加。尽管起步较晚，但中国已迅速成为全球最大的绿色债券市场之一。目前，全国各地特别是高耗能和资源消耗较大的省份纷纷推出绿色债券，通过政策引导和制度安排，降低绿色债券的融资成本，助力企业实现绿色转型。绿色债券市场在推动社会资本向环保项目流动、推动整个社会向绿色转型发展方面发挥着重要作用。

因此，本文对绿色债券市场和传统能源行业间的联动性展开研究，提出针对市场风险防范、资产配置的具体建议，能使投资者有效识别绿色债券市场风险以及制定合适的能源产品风险防范策略，填补文献空白，具有理论和实践意义。

2 文献综述

近年来，绿色债券引起了学术界的广泛关注（马骏，2015）。作为一种新的全球化金融工具，绿色债券有望在与中国传统市场融合的过程中实现多元化，开发出许多创新的金融产品，但融合过程中可能会积累风险，从而引发风险溢出（高阳，2020）。投资者积极参与这一新兴市场，不仅提高了资金的流动性，还加剧了金融市场之间的风险溢出效应。了解绿色债券与其他金融市场之间的传导机制对于评估绿色债券在对冲和管理投资组合风险中的潜在作用至关重要（Reboredo，2018）。

孟浩（2021）研究发现，新冠疫情导致金融系统内各子市场之间的风险溢出效应都明显增强。从金融市场的构成来看，债券和股票作为股票市场的两个主要金融工具是密切相关的。国内外许多学者研究了绿色债券市场与股票市场的关系。韩颖薇等（2021）研究發现绿色债券回报率与股票回报率的相关性较弱。Tang和Zhang（2020）认为，绿色债券的发行对股市指数产生了积极影响。绿色市场的一些个别资产与美国部门股票市场的回报有关，波动率连接甚至比回报连接更常见。Park（2020）认为绿色债券和股票具有波动性溢出效应。Rebredo（2020）研究发现绿色债券市场与股票市场同步联系微弱。股票市场的大幅价格波动对绿色债券价格的影响可以忽略不计。同样，Nguyen等（2020）发现绿色债券与股票的相关性较低且呈负相关。绿色债券与股票市场之间的相关性随着滞后的延长而减弱。高扬（2020）绿色债券市场与股票市场间的风险溢出效应微弱，绿色债券市场的对外溢出效应强于其接收到的来自其他市场的溢出效应。周婉玲（2022）研究发现绿色债市波动对股市仅有短期影响，股市对绿色债市的冲击影响更大。

尽管关于绿色债券的文献越来越多，但是中国学者与外国学者相比对绿色债券的研究不够多样化，绿色债券与传统能源股票间的关系在很大程度上尚未得到探索。此外，文献对绿色债券对能源部门的最佳对冲能力问题保持相对沉默。因此，了解支持环境友好活动的绿色债务融资如何影响能源股票部门，其与投资组合多样化的相关性，以及其对环保投资者和政策制定者的影响，将为文献带来新的见解。

3 模型构建

研究两个金融市场之间的波动溢出效应，大多数学者使用GARCH类模型和Copula模型等计量方法。本文主要针对绿色债券市场与传统能源市场间的两两溢出效应研究，其中传统能源市场分别选取电力、煤炭、石油三项具有代表性的市场进行分析。基于对GARCH模型的评估，单一变量不能反映不同市场之间的协同效应，本文引入了向量自回归模型（VAR），同时以BEKK-GARCH模型为基准，引入四个多元GARCH模型（BEKK、对角、常数条件相关和动态条件相关）来进行实证分析。

BEKK模型设定如下：

式中，Ht表示条件协方差矩阵，C是上三角函数矩阵，矩阵A为短期ARCH效应，矩阵B为长期GARCH效应，分别反映的是滞后一期收益率或波动率对当期的影响。矩阵角标1，2，3，4分别代表绿色债券、煤炭、电力、石油四大市场。

Engle（2002）提出的DCC-GARCH模型可以用来分析不同序列间的波动是否相关，即进行各序列间的动态相关分析，并计算出动态相关系数。模型如下：

式（2）中，Ht为条件协方差矩阵，Rt为动态条件系数相关矩阵，Dt为随时间变动的对角线矩阵，可由单变量ARMA-GARCH模型估计得出。

DCC模型运用两步法，第一步先估计GARCH参数，第二步估计相关系数。其中Rt是随时间变化而变化的量，Rt定义如下：

是标准残差的无条件协方差矩阵，Qt是相关系数矩阵。矩阵h是由VARMA-GARCH模型产生的方差。参数A和B之和小于1，且A和B不能是负数。两个参数之和越大，代表模型的动态相关性越明显。当A=B=0时，模型变为CCC模型。

4 实证分析

4.1 来源与变量选取

我国绿色债券市场包括中债—中国绿色债券指数（GB）、中债—中国绿色债券精选指数（GBSI）、中债—中国气候相关债券指数（CABI）和中债—兴业绿色债券指数（CIB）四种指数。由于中债—中国绿色债券指数（GB）在文献中被学者广泛运用，所以本文选用中债—中国绿色债券指数（GB）来代表中国绿色债券市场。传统能源主要包括煤炭、石油、电力、天然气等，由于数据的可获得性，本文选取中国电力（EP）、煤炭（COAL）、石油（OIL）三个行业股票价格指数代表中国传统能源股票市场。本文的所有数据都来自Wind数据库。所有的价格数据都是每日收盘价，涵盖了2016年1月3日至2022年10月31日期间，共包括1659个观测值。

本文主要采取將收益率进行对数差分的处理方式，来衡量绿色债券市场与传统能源股票市场间的波动程度，即通过以下公式获得连续复合日收益率：

其中，Ri，t指i市场在第t天的市场收益率，Pi，t指i市场在第t天的市场价格。当i=1时，代表的是绿色债券市场的收益率， 当i=2，3，4时，分别代表煤炭股票市场、电力股票市场、石油股票市场的收益率。所有数据分析皆使用该收益率数值。

4.2 描述性统计

表1显示了收益率的描述性统计数据。四个金融市场的收益率均值均接近于0，对于每个市场，标准差均大于平均值；股票市场的标准差最高，绿色债券市场的标准差最小，并且绿色债券市场标准差远小于其他三个股票市场。四个股票市场波动幅度较小，但四个股票市场波动幅度均大于0，说明股票市场收益率呈现出一种偏于左侧的趋势，整体表现为“尖峰厚尾”。Jarque-Bera检验结果表明四个市场的收益率并不是正态分布的。对 ADF单位根的检验结果表明，各变量的时间序列都是稳定的，符合进一步的分析要求。

4.3 动态条件相关

DCC模型的动态条件相关性如图2所示。动态条件相关与恒定条件相关有很大的不同，动态条件相关的波动幅度在整个样本区间内有很大的变化，这表明了计算动态条件相关的重要性。根据图2可以看出，绿色债券市场和煤炭、电力、原油市场的动态条件相关系数有相似的波动模式，相关性波动都较大。

绿色债券与煤炭的动态条件相关系数在2016—2019年在正负0.2区间内上下波动，在2020年2月达到最低值-0.5，随后相关性逐渐波动上升但一直在0以下。绿色债券与电力的相关性在2017年一整年为正相关，在2018—2021年初为负相关，其中在2020年2月达到最低值-0.5，随后波动上升。绿色债券与原油的相关性在2020年2月达到最低值-0.5，其余时间基本围绕0上下波动。

2020年由于新冠疫情爆发，2月股市开盘暴跌，影响了能源股票市场。同时由于疫情防控需要，工厂停工，交货延迟，期货市场走势多变，也影响了绿色债券期货价格。这导致绿色债券与煤炭、电力及原油的动态条件相关系数在2020年2月都下跌到最低值。

图1 DCC模型的动态条件相关图

4.4 动态套期保值模型

对条件波动率的估计可以用来构建套期保值比率。资产i和资产j之间的套期保值比率为：

由图3可以看出，各金融市场的最优套期保值率具有明显的时变特征。比如，绿色债券对其他三个能源市场的套期保值率，在2020年初，最优套期保值比率达到最低值，随后又波动上升。绿色债券对煤炭、电力及原油的套期保值率在样本期开始时达到最大值，而三个能源市场对绿色债券的套期保值率在2021年4月之后才达到最大值。所有套期保值率在2020年初达到最低值。

由表2可以看出，绿色债券与其他三类资产的套期保值比率平均值约等于0。正如前面的动态条件相关分析所预期的，如果投资金额较小时利用其余三个能源股票市场的空头头寸对冲绿色债券市场的风险几乎无用处。但由于套期保值率都为负值，所以对传统能源股票煤炭、电力及石油进行套期保值时要对绿色债券进行反向操作，例如投资者在市场上买入煤炭现货，就需要在市场内卖出绿色债券期货，从而对冲风险。

5 结语

本文采用多变量GARCH模型来模拟中国绿色债券市场和传统能源股市之间的动态条件相关性和波动溢出效应。研究发现，DCC-GARCH模型拟合数据最好，并利用该模型构建套期保值比率和最优投资组合权重。综上所述，研究表明，绿色债券市场与传统能源股票市场之间的动态条件相关较好，在2020年初由于新冠疫情爆发两者之间的动态条件相关达到最低值，随后波动上升。传统能源股票市场对绿色债券市场存在强烈波动溢出效应，此效应远大于绿色债券市场对传统能源股市的波动溢出。这一现象表明，我国的绿色债券市场总体上处于平稳的发展状态，并未出现系统性风险。

上述实证结果对维护中国金融市场稳定、抑制金融风险具有重要的启示作用。随着绿色债券在中国的兴起，该行业投资额不断增长，本文研究有助于我们更好地理解绿色债券及其他金融市场中的风险外溢效应。一方面可以为绿色金融工具互相连接可能性提供参考，提高投资者对四个市场变动的敏感性，更加慎重组合和理性选择投资产品。另外，本文还将对绿色债券、煤炭、电力、原油等市场的风险传递机制进行深入的研究，这将帮助有关部门提升风险识别水平，防范金融风险传播。

参考文献

马骏. 论构建中国绿色金融体系[J]. 金融论坛，2015（5）：18-27.

高扬，李春雨. 中国绿色债券市场与金融市场间的风险溢出效应研究[J]. 金融论坛，2021（1）：59-69.

韩颖薇，高奥蕾，李松阳，等. 我国绿色债券市场与其他金融市场的相关性分析[J]. 债券，2021（5）：29-34.

周婉玲.绿色债券发行与股票市场联动关系研究：基于VEC-BEKK-GARCH模型的实证分析[J].上海立信会计金融学院学报，2022（1）：3-15.

韩国文，张溢洲. 协同波动、分散化收益与价格溢出效应：基于Copula的绿色债券市场研究[J]. 海南金融，2021（4）：3-16.

王昊.绿色债券、绿色股票与其他主要资产联动性研究[J].北方经贸，2022（3）：103-106.

D.Y. Tang， Y. Zhang.Do shareholders benefit from green bonds？Journal of Corporate Finance， 61 （2020）， Article 101427.

Nguyen， T.T.H.， Naeem， M.A.， Balli， F.， Balli， H.O.， Vo， X.V. Time-frequency comovement among green bonds， stocks， commodities， clean energy， and conventional bonds [J].Finan. Res. Lett， 2020：101739.

Park， D.， Park， J.， & Ryu， D. Volatility spillovers between equity and green bond markets. Sustainability， 2020，12（9）： 3722–3734.

Pham， L. Is it risky to go green？ A volatility analysis of the green bond market.[J]. Sustain. Finan. Invest， 2016（4）： 263–291.

Reboredo J.C.，Ugolinib A.，and Aiubeb F.A.L. Network connectedness of green bonds and asset classes[J].Energy Economics，2020（86）：104629.