联动模型（通用7篇）
联动模型 篇1
0 引言
近年来,地震、台风、雨雪冰冻等自然灾害严重威胁着电力供应的安全与稳定。2014年2月4日,巴西大面积停电造成1 200万用户受影响;4月27日,日本大面积停电造成30万用户受影响,这些突发事件说明电网大面积停电的风险依然存在。为了保证电力系统的安全,提高应对电力突发事件的应急处置能力,各类电力企业不断加强应急管理工作,开展了的建设预案体系、组建应急队伍、筹备物资装备等一系列应急准备工作,而应急演练作为检验电力企业应急处置能力和应急准备水平的重要手段之一,受到电力企业以及政府和用户的高度重视,在该领域开展了多方面的研究:美国“国土安全演练与评估计划”按照组织方式界定了演练班、专题研讨会、桌面演练等七种形式的应急演练[1];侯慧等[2]以中国与欧美等发达国家电力行业应急体系及演练状况为调研对象,对国内外电力行业应急演练现状进行了调研综合分析;颜晓宇等[3]提出了一套基于情景模拟的电力应急演练设计理念,从组织体系、硬件设施、脚本编写和评价机制等方面分别进行详细阐述;吴濡生等[4]阐述了开展应急联合演练所要达到的目的以及应该遵守的一般性原则,根据应急演练的内容和性质,将应急联合演练划分为六个阶段;解玉宾等[5]在综合分析研究国内外演练设计相关成果基础上,提出以突发事件情景构建为要点的应急演练准备模式;刘铁民[6]提出适用于我国突发事件应急演练的情景基本概念、分类矩阵、构建程序等理论与方法;李亦纲等[7]对应急演练与应急准备的关系、应急演练的规划与准备、应急演练的类型选择等关键问题进行了研究。孙山[8]针对我国民航在应对突发事件及应急管理体系存在的问题进行分析,结合对情景构建理论,建立了飞行事故情景的构建方案并进行了示范和探讨。罗通元等[9]针对我国应急管理实际,提出了重特大生产安全事故情景的基本概念、构建流程等方法。
在以脚本为主的应急演练中,演练的开展一般是严格按照脚本来进行的,由于演练脚本中对参演单位的演练行动都做了具体的要求。因此,对于检验和锻炼参演单位的快速反应能力和处置实战能力方面存在较大局限性,在演练的过程中,参演单位主要是按照脚本进行表“演”,没有真正的调度参演单位的主动性和应变性,不能真正的达到实战“练”兵的目的,无法客观反映参演单位的应急处置实际水平。另一方面,由于突发事件应急处置的复杂性以及在特高压基础上大电网互联的电力体系客观情况,在电力突发事件的应急处置中需要电力企业内外应急力量的协调配合,才能实现快速、高效的应急处置,而各单位的协调配合同样需要应急演练来磨合和检验。
因此,为了解决以上传统应急演练中存在的这些问题,提高各单位之间的协调联动水平,一些电力企业逐步开始组织多部门参与的无脚本应急演练,但是在该类应急演练的开展过程中发现,由于缺乏科学的演练情景理论研究和技术支持,多部门协作的无脚本应急演练不能有效的开展。因此,本文结合霍尔三维结构模型原理,研究设计适于电力企业应急协调联动实际的无脚本演练情景模型,为电力企业无脚本演练提供支持和参考。
1 霍尔三维结构理论
1969年,美国人霍尔(A.D.HALL)(系统工程专家)提出的一种系统工程方法论,为大型复杂的系统进行规划、组织和管理提供了一种系统的思想方法。霍尔三维结构将系统工程整个活动过程分为由时间维度、逻辑维度和知识维度所组成的三维空间机构模型,同时还考虑了为完成这些阶段和步骤所需要的各种专业知识和技能,这就形成霍尔三维结构[10],见图1所示。
其中,时间维度表示按时间顺序排列系统工程活动从开始到结束的全过程,在霍尔三维结构中将时间维度分为规划、方案、研发、生产、组织、运行和改进等七个阶段;逻辑维度表示时间维度的每个阶段内所要进行的工作内容及其内在逻辑,包括确定问题、明确目标、系统融合、系统分析、系统优化、决策和实施等七个步骤;知识维度是指解决系统问题所需知识的综合体,主要包括工程、建筑、法律、商业、管理、医学、艺术及社会科学等各种知识和方法。
2 电力企业内外部协调联动分析
在突发事件应急管理中,需要电力企业内外部应急相关部门协调联动。在分析研究电力企业应急管理管理与技术[11]的基础上,结合企业实际研究构建了电力企业综合应急联动模式。
在电力企业内部,分为三个层面,包括企业总部层面、省公司层面和事发单位层面,对应处置相应程度的突发事件,在每个层面内各职能部门进行内部联动。层面之间可以通过应急领导小组进行联动,也可以通过上下级职能部门之间联动,实现灵活多样的应急协调。
对电力企业外部,应急领导小组负责与管理部门进行协调,其他外部单位由各层级的职能部门按照分工性质进行协调,外部单位可以按性质划分为管理部门、监测部门、救援部门、新闻媒体、电力用户等五个方面,具体协调联动关系如图2所示。
3 电力无脚本演练情景模型设计
在无脚本演练组织与管理模式研究[12]以及相关电力企业无脚本演练实践[13]的基础上,结合霍尔三维结构模型的原理,将电力无脚本演练情景模型分为三个维度,将应急协调联动中的组织系统关系设置定为逻辑维,即组织逻辑维;将应急处置中所需要和设计的知识体系定为知识维,即处置知识维;将突发事件的产生发展规律定为时间维,即事件时间维。下面对这三个维度进行具体分析。
3.1 组织逻辑维
根据电力企业内外部协调联动的分析,电力突发事件的应急处置需要内部和外部两方面的应急处置力量。在无脚本演练的情景构建中,既要考虑电力企业内部组织层级和专业分工,理清上下级单位之间、各专业部门之间的配合逻辑。同是也要将外部相关单位的功能和影响纳入到演练情景中,梳理企业内部和外部单位之间信息流、物资流、资金流的交互关系。具体关系如图3所示。
3.2 处置知识维
在电力无脚本演练的情景构建中,需要有多方面的知识信息进行支撑。①应急演练是指各级人民政府及其部门、企事业单位、社会团体等(以下统称演练组织单位)组织相关单位及人员,依据有关应急预案,模拟应对突发事件的活动[14]。在情景构建中要充分与电力企业的应急预案体系相结合。②电力企业应急演练的根本目的是保障电力系统的安全与稳定,演练情景的构建必须充分、客观的体现出电力体系的实际情况,包括线路关系、厂站位置、运行状态等信息。③应急演练情景的构建还应将客观因素考虑在内,客观环境不仅包括气象、地理等自然环境,还包括交通、通信等社会条件。综上,处置知识维中所涉及到的知识如表1所示。
3.3 事件时间维
应急演练发展过程是围绕突发事件的产生、演化、控制、结束这一时间轴而进行,如图4所示,因此,在演练情景的构建中应通过风险分析、案例研究等方法,设计出合理的突发事件演化情景,使整个演练过程贴合实际,同时也反映出突发事件的多变性和复杂性。
3.4 情景规则
由于是无脚本演练,参加单位无法预知对将要面对的情景,因此,其可能采取的应急处置措施对于应急演练的组织者和评估者而言也是不可预知的。所以,需要结合应急处置的经验、应急管理的实际以及分析研究的成果等知识和方法,设计演练情景内在的逻辑规则,以控制无脚本演练的过程,同时也可以作为评价参演单位应急处置成效的依据。
3.5 情景模型构建
通过研究得到,电力无脚本演练情景构建模型包括组织逻辑维、处置知识维、事件时间维以及内在的情景规矩,共同构成了情景结构模型,如图5所示。该模型在电力无脚本演练中的运用方法如下:
1)电力企业在准备无脚本演练时应成立演练领导组、演练策划组、演练导调组、现场演练组、演练评估组等工作组,以实现无脚本演练情景的构建和实施。
2)演练策划组根据演练领导组提出应急演练的需求和现场演练组的客观情况构建相应的演练情景。
3)演练导调组将处置知识维中的信息按照事件时间维的先后顺序推送到组织逻辑维中的现场演练组相关单位,各单位根据情景自主的采取应急处置任务,演练导调组按照情景规则推进和控制演练的进程。
4)演练评估组对现场演练组各单位的应急处置任务的执行情况进行评估,并提供改进意见。
4 模型应用实例
以某市处置由于暴雨造成的电网大面积停电事件“无脚本”演练为例。通过上述模型设计具体的演练情景。
4.1 事件时间维设计
1)事件产生:某月某日夜晚,某市东南部开始出现大暴雨,短时降雨量达到180 mm。风力10~11级,阵风12级。暴雨造成东南部区域5回220 k V线路相继跳闸,引发4座220 k V变电站全停,损失负荷105万k W,占到该市事故前总负荷的21.8%。
2)事件演化:由于供电负荷损失,造成市南区全部停电。事故共造成包括人民政府、火车站、移动公司、市立医院、石油化工厂在内的5个一级重要用户,以及其他18个二级重要用户全部停电。
停电造成了交通拥堵、通讯中断、电梯困人、抢修人员受伤、手术中断等衍生事件,同时造成引发社会上一些负面的传言消息。
3)事件控制:市处置电网大面积停电事件应急指挥部,启动应急响应,组织供电公司全力抢修,安排公安、交通、消防、气象、医疗等部门做好相应的应急处置工作。
供电公司首先向5个一级重要用户提供应急发电车支持,同时派出运检人员对跳闸线路进行巡视。巡视发现5回220 k V线路相继跳闸的原因是由于强降雨导致山体泥石流滑坡,造成最靠近山体的三基220 k V线路杆塔倾倒。供电公司迅速调集抢修人员和设备进行现场处置。
4)事件结束:通过供电公司员工紧急抢修,市南区电力用户相继恢复供电,恢复送电负荷已累计达到全部停电负荷的98%,市处置电网大面积停电事件应急指挥部宣布停止应急响应。
4.2 组织逻辑维设计
演练情景中涉及到的外部单位包括:市处置电网大面积停电事件应急指挥部、市发改委等管理部门;公安局、交管局、消防队、气象局、通讯公司、医院等救援部门;宣传部、电视台、广播台等宣传部门;人民政府、火车站、移动公司、市立医院、石油化工厂等停电用户。
4.3 处置知识维设计
1)应急预案方面:停电抢修预案、应急保电预案、交通疏导预案、人员救护预案、舆情应对预案等。
2)电力系统方面:停电范围资料、线路接线资料、变电站运行资料、杆塔类型资料等。
3)自然环境方面:雨量变化、风力大小、地理位置、地质条件等。
4)社会条件方面:电力用户信息,公安局、交管局、消防队、气象局、通讯公司、医院等救援部门的信息等。
4.4 情景规则设计
情景规则设计包括的内容有:协调联动规则、衍生事件与抢修进程关系规则、有序复电规则、抢修资源调配规则等。
4.5 模型作用与相互关系分析
通过对事件时间维的设计,对无脚本演练的进度和难度进行控制,确定事件的进展时间,将演练进度控制在规定的范围内,调整事件的复杂程度,可以实现对演练难易程度的控制;事件时间维确定了演练情景的主线,是其他两个维度设计的基础。
通过对组织逻辑维的设计,明确无脚本演练的主体布局,按照演练的目的和需要,确定参演的单位和部门,理清相关主体之间的联动关系;组织逻辑维是处置知识维设计的前提,在参演主体确定的基础上,才能确定具体的知识支持材料。
通过对处置知识维的设计,可以为无脚本演练的评估提供支持和依据,检验各参演单位在无脚本演练中对应急预案熟悉程度,及其处置实际问题、应对灾害环境、协调社会资源的能力;处置知识维是对组织逻辑维中参演主体在无脚本演练中应急处置措施的评判依据,是演练情景中确定预期行动的基础。
5 结论
本文分析的电力应急管理中的协调联动关系,在此基础上,借鉴霍尔三维结构模型的原理,构建了基于协调联动的电力无脚本演练情景模型,包括组织逻辑维、处置知识维、事件时间维和情景规则四个部分,提出了各维度中包含的内容以及情景规则的作用,进而对情景构建模型的运用流程进行了设计,确定了演练情景在电力无脚本演练中的关系机理。电力无脚本情景模型在某市的应急演练情景设计中进行了应用,使情景任务相关内容的设计更加明确,理清了各情景要素的逻辑关系,为无脚本演练在电力企业内的开展提供了技术支持。
摘要：为了实现无脚本演练,提高电力企业应急演练的成效。在分析电力企业内外部协调联动关系的基础上,借鉴霍尔三维结构模型原理,提出情景模型分为三个维度,即组织逻辑维、处置知识维、事件时间维,分析了各个维度的组成内容与逻辑关系,并根据无脚本演练的特点,将情景规则作为在情景模型的要素之一,进而构建了电力无脚本演练情景模型。将模型在实际应急演练中进行了应用,为合理设计电力无脚本演练情景提供了支持。
关键词：电力无脚本演练,协调联动,霍尔三维结构,情景模型
联动模型 篇2
在创立这种联动机制的同时, 由于需要联动的安全设备的相异性, 致使安全策略在构造和执行过程中会出现不完备、不正确、 不一致和冗余等问题[1]。 所以, 设立合理的安全策略构造和检测机制必不可少[2,3,4]。
1 基于状态迁移的模型构造
根据特点将基于状态迁移策略管理模型分为以下3 层结构。 实体层包含信息的主体与客体以及支持此系统运行的相关集合; 状态层描述了系统状态迁移的过程并记录了策略从生成到失效的整个过程; 服务层的5 个组件, 进行构造和验证策略。
1.1 实体层
由安全域实体、 安全事件集、 系统策略集和运行策略集构成此模型实体层, 实体层为基于状态迁移的策略联动系统提供数据和设备上的支持, 它的相关定义如下所示:
定义1: 安全域实体B= (IS, IO) , 其中IS表示包括人、主机、 程序和安全设备在内的安全域主体; IO表示包括主机、文件和安全设备在内的安全域客体, 其中主体可以访问资源, 而客体接受访问或提供服务。 他们的关系式: IS∩IO≠ 。
1.2 状态层
状态层详细记录了策略从生成到应用以及最后失效的整个生命周期并且描述了系统状态的迁移全过程。
定义2: 系统状态S: 表示系统某一时刻的情况, S= (E, P, D) 。
1.3 服务层
系统服务层包含5 个组件, 其中的策略构造器负责生成系统策略。 其余4 个组件负责策略验证, 分别是正确性检测器、 完备性检测器、 一致性检测器以及冗余性检测器。
策略构造器的作用是通过对安全事件e产生触发条件, 策略构造器对此事件进行特征提取, 并将提取的特征转化成标准格式以对应规则库中相应的规则l, 之后进行安全域标识, 最后赋予其对设备的操作o, 从而构造出相对应于安全事件e的安全策略p= ( f, e, o, l ) 。
2 网络安全策略验证
在完备性检测器检测到不完备状态后, 通过策略构造器生成的新策略, 此新策略还要经过正确性检测器确认其是否正确有效, 才能决定加入到系统策略集P中; 经过一致性监测器检验它是否和已有策略产生冲突, 最后经过冗余性检测器查看原策略集中是否有应对此事件的相同策略。 通过以上3个组件的检测, 新策略才可以添加到系统策略集中。
2.1 完备性检测
对每个安全域中的任意安全事件e在系统策略集P中总能找到与之对应的策略p[5]。
定义3: 如果对于安全事件集E中任意安全事件e都有与之对应的策略p, 即满足:
则说明p是完备的。
定理1: 对于当前的系统策略集P, EP= E圳P是完备的策略集。
证明: 充分性:
所以当前策略集是完备的。
必要性:
是完备的, 均满足, 所以, , 所以得到Ep=E。
当出现时, 根据策略构造器生成相应策略或者构造一个备用策略集Pb, 其可以转到人工操作, 来应对当出现的情况。
2.2 正确性检测
正确性检测是指对生成策略的有效性检验, 设置两个参数及安全下限 (unsave) 和风险上限 (uprisk) , 并且设置两个变量save和risk, 其分别代表安全系数和风险系数。
则成当前策略集P是正确的。
令 γik表示qi对全部策略对象Ck的安全因子, 因为要找出qi中第i动作对上述4 种属性那种最安全, 所以:
为了找到qi所有动作对所有Bj4 种属性的安全因子 γi, 所以选取4 种属性对应的值最小 γik的作为最终安全因子, 即得:
故得出策略p中的所有执行动作qi对一切策略目标Bj的4 种标识属性的置信因子为:
γ 表示策略p综合的安全性能, 其值落在 (0, 1) , 其值越大表示安全性越高, 当时, 当前策略集正确。
2.3 一致性检测
策略不一致往往是因为策略在添加、 修改过程中更新后的安全策略与系统内原有的其他安全策略发生一致性冲突;还有一种原因是安全策略对于处理某类安全事件的效果没有明确之前, 往往会出现备选策略, 策略与其备选策略之间会存在不一致性, 因此在策略知识库验证时要排除备选策略的干扰[6]。 一致性检测分为两方面, 分别是对系统策略集P和运行策略集P' 进行检测。
系统策略集一致性:
则策略集P是一致的。
定义5:如果当前的一致性运行状态为, 其对应的运行策略集, 对应的操作集合, 现在执行策略pi, 使得系统状态迁移为
那么, 基于状态迁移网络安全系统运行状态S' 出现不一致。
2.4 冗余性检测
系统在运行或者更新之中, 必不可少地会产生原有策略的实效、 重复等问题, 为了保证系统的高效性, 可以用冗余性检测器进行检测, 删除冗余策略。 文献[6] 对重复冗余和失效冗余进行了详细分析。
则策略集P存在重复冗余。
3 基于状态迁移的策略模型
在文献[1] 基础上, 在服务层添加了正确性检测模块, 可以对策略的正确性进行验证。 下面分别从策略生成与策略应用两个过程来详述此新模型。
一条新策略的生成, 可能会出现以下5 种情况:
(1) 当有一个新的安全事件e', 如果, 系统由状态S迁移到状态Sa, 此时, 策略构造器工作并对e' 依据构造规则l进行相应操作, 之后分配到相应安全域, 提取标识f, , 最后形成新策略p'= (e', f', l', o') , 添加到系统策略集P中, 系统策略集P从状态Sa迁移回状态S。
(2) 添加新策略p' 系统状态由S迁移到Sb根据公式 (3) , 当γ≥unsame时, 状态Sb迁移回S。若γ<unsame, 可知策略构造器自动无法生成有效的策略, 此时可以调用备用策略集Pb, 生成永真策略pb', 或者产生报警进行人工干预。然后迁移回状态S。
(3) 添加新策略p' 在经过正确性检测之后, 再由状态S迁移到状态Sc, 启动一致性监测器, 如果p' 满足条件
, 则系统由状态Sc迁移回状态S。否则, 说明系统产生一致性冲突, 进行报警。
(4) 添加策略p'经过正确性与一致性检测器后, 系统状态重回S此时再由S迁移至状态Sd, 冗余性监测器工作, 对, 由1) 得, 则策略重复冗余。
(5) 针对失效冗余: 当系统中某个安全设备w' 失效时, 通过冗余性检测器将与该设备w' 相关的所有策略删除, 然后系统策略集P会迁移到不完备状态Sa完备性检测器工作, 然后系统重复 (1) 动作。
状态迁移下策略的应用过程: 当运行策略集新生成一条安全策略, 运行策略集p' 的正确性检测器开始工作, 如果经检测p' 迁移到错误状态sb, 策略p不添加运行到策略集p' 中, 状态回滚到初始正常状态s1, 此过程对于一致性检测器相同。如果正确性检测器和一致性检测器都未检测出异常, 则状态顺利迁移至s2。
网络安全设备联动策略的执行实质上是远程连接防火墙、IPS等网络安全设备并对其相应功能进行配置的过程。 根据设计的状态迁移策略模型, 在实验室中借助思科PIX506E防火墙使用Java语言进行实验, 结合mindterm4.1.1 工具包, 将配置动作存储到XML文件中, 通过远程SSH登录防火墙并从文件中读取配置指令实现对防火墙、 IPS、 扫描器等其他安全设备的配置并执行相应策略。
参考文献
[1]张焕, 曹万华, 冯力, 等.基于状态迁移的网络安全联动策略模型[J].船舶电子工程, 2009, 29 (3) :124-127.
[2]李守鹏, 孙红波.信息系统安全策略研究[J].电子学报, 2003, 31 (7) :977-980.
[3]谢钧, 许峰, 黄皓.基于可信级别的多级安全策略及其状态机模型[J].软件学报, 2004, 15 (11) :1700-1708.
[4]李力, 李志平, 王亮, 等.稳定控制装置中策略搜索匹配状态机模型[J].电力系统自动化, 2012, 36 (17) :86-89.
[5]唐成华, 余顺争.基于特征的网络安全策略验证[J].计算机研究与发展, 2009, 46 (11) :1854-1861.
联动模型 篇3
1 国内外海洋经济研究现状
国内对海洋经济的研究从可持续发展角度出发,分析其影响因素并构建评价指标体系,对中国沿海区域海洋经济可持续发展能力进行评价[3,4]。国外学者对海洋经济的研究多从海洋产业与其他产业的关联性入手。Goldsmith[5]和Levine[6]的研究结果表明,加大金融支持有助于经济发展,两者之间存在正一阶关系[7]。Virtanen等[8]从海洋渔业的角度探讨其附加值和对就业的促进作用,证明海洋经济不仅在沿海地区而且在内陆地区都具有重要性。
2 山东海洋经济及金融业现状
山东作为经济大省,GDP历年来稳居全国前列,其中GOP(用GOP代表海洋产业发展,具体用海洋生产总值表示)对山东GDP的贡献率相比全国海洋生产总值对GDP的贡献率有较大优势。山东海洋经济经历1996—2006年的蛰伏期,从2007年开始步入快速上升期;山东海洋产业依赖于其得天独厚的海洋资源,近年来在山东GDP中的比重逐年加大,已经成为山东经济发展的重要支柱产业;其中以海洋第三产业发展最为迅速,不仅带动相关产业的发展,对山东经济协调发展、实现经济转型都有极其重要的作用。
山东金融业近年来稳步发展、逐年提升,尤其是新一届省政府领导班子在金融改革方面有很多创新性举措,如完成《山东省地方金融条例》的起草,为山东省金融秩序和投资环境提供法律保障;山东“政府和社会资本合作”(PPP)工作也取得较大进展,成为首个PPP项目概算总投资额破万亿的省份。尽管取得阶段性的成绩,但是山东金融业占GDP比重偏低,金融业总体发展趋势较为缓慢且存在一定波动,主要体现在2002年相较2001年金融业总产值有小幅回落,2004年相较2003年金融业总产值有较大幅度下降;但在近20年的研究样本周期中,其总体处于稳步向上的发展趋势。
3 研究依据与模型设定
3.1 研究依据
根据《中国海洋统计年鉴》和《山东统计年鉴》中1996—2015年数据,研究海洋经济发展对山东金融业的影响,得出山东海洋经济发展与山东金融业发展的内在关联。为方便数据处理,对所用到的数据统一取对数处理。
3.2 模型设定
向量自回归模型简称VAR模型,是一种常用的计量经济模型,于1980年由克里斯托弗·西姆斯(Christopher Sims)提出,使用该方法的前提是变量必须通过平稳性检验且存在因果关系[7]。建立回归模型来验证理论假说,其中变量代表时间序列数据;LNGOP代表海洋产业发展,具体用海洋生产总值取自然对数表示;LNFVA代表山东省金融业发展,具体用山东省金融业总产值取自然对数表示。
4 实证检验
4.1 平稳性检验
采用回归分析方法,通过1996—2015年的时间序列对以上几个理论假设进行实证检验,将时间序列以年为单位进行划分。
数据变量的平稳性是传统计量经济分析的基本前提条件,因而首先对LNGOP、LNFVA数据变量进行平稳性检验。由数据平稳性检验结果可知(表1),这两组数据虽然原数据并不平稳,但是经过二阶差分后,数据都是平稳的。
4.2 格兰杰因果检验
根据上述分析,虽然ADF检验的结果时间序列系列不单整,但是存在二阶单整,数据在二阶情况下是平稳的,因此可以对时间序列进行回归分析。采用格兰杰因果检验,考虑到各时间序列的影响时效性,进行滞后期为1~3的格兰杰因果检验,检验结果如表2至表4所示。
结合F检验和P值,当滞后期为1和2时,LN-GOP不是LNFVA的格兰杰原因这一零假设在5%的水平下统计检验显著,LNFVA不是LNGOP的格兰杰原因在5%的水平下统计检验不显著;在滞后期为3的情况下,LNFVA不是LNGOP的格兰杰原因尽管在5%的水平下统计检验不显著,但是在10%的水平下统计检验显著。这说明山东海洋经济发展对金融业发展有较为显著的促进作用,而金融业发展对海洋经济发展促进作用有限。
4.3 脉冲函数分析
探讨了山东海洋经济与金融业发展的关联机制,对其进行VAR模型构建,并进行脉冲响应函数分析,来进一步验证格兰杰因果检验结果。如图1所示,模型所有单位根全部位于单位圆内,说明VAR模型结构稳定,可以对其进行脉冲函数分析。
根据LNFVA脉冲响应关系(图2),给定LN-GOP一个标准单位的正冲击,LNFVA从第2期开始会由于海洋经济的变化呈现同向反应,且增长弹性系数先增后减,最终趋于零,这表明山东海洋经济的发展对山东金融业的发展有持续性的促进作用,但是在较长时间后其促进作用趋向于减弱。根据LNGOP脉冲响应关系(图3),给定LNFVA一个标准单位的正冲击,LNGOP从第1期开始出现同向反应,但是从第4期开始快速变为负向反应并趋于稳定,这表明山东金融业的发展并未显著促进山东海洋经济的发展,甚至从较长的时间周期来看,山东金融业成为海洋经济发展的限制因素。
5 结论
通过以上分析可以看出,山东海洋经济的发展能够显著促进金融业的发展,这可能是由于海洋经济的发展促进整体经济尤其是沿海经济的发展,进而改善金融业投资环境,从而促进金融业的发展。山东金融业对海洋经济发展在短期有一定的促进作用,但是支持力度有限,在较长时间周期甚至限制海洋经济的发展,这可能是由于金融业的持续低迷影响资金对于海洋相关产业的投入,尤其是对海洋船舶工业、海洋交通运输业以及滨海旅游业造成较大影响,进而阻碍海洋经济的发展[9]。
从整个研究的时间周期看,山东省海洋经济和金融业发展整体保持较好,尤其是从2007年开始,海洋经济发展步入快速上升期,金融业也持续稳定向上,二者整体发展趋势一致。
6 对策和建议
当前世界石化产业形势不景气,尤其是新能源的发展对于海洋石化产业、油轮运输、海油工业等造成很大影响,需要引起重点关注,及时进行海洋石油化工方面的技术创新以及相关海洋能源产业的核心技术突破。
此外,山东省应加快海洋经济结构战略性调整,推动海洋传统产业优化升级,同时还要加快培育和大力发展战略性海洋新兴产业[10]。以中韩自贸区以及山东省人民政府“金改22条”为契机,建立产业投资和保障机制,着重打造以海洋经济为主的外贸产业示范区域和涉海金融体系,充分发挥政府、企业、非营利组织等治理主体自身作用,更好地实现半岛蓝色经济区一体化发展[11]。
尽管目前山东金融业对海洋经济的支撑作用并不明显,但是金融业可以为海洋经济的发展提供资金支持,以此促进海洋经济的发展,通过海洋经济发展为其带来的红利又可促进金融业自身快速发展。将海洋经济与金融业作为未来山东经济发展与转型的重点,促进二者联动,从而实现经济的可持续发展。
参考文献
[1]中华人民共和国国家质量监督检验检疫总局,中国国家标准化管理委员会GB/T20794-2006海洋及相关产业分类[S].北京:中国标准出版社,2006.
[2]赵兵.山东金融业增加值两年增加30%提前达到“十二五”目标[EB/OL].(2015-08-12)[2016-06-30].http://www.dzwww.com/2015/sdsjrgg/topic/201508/t20150812_12896834.htm.
[3]牛德强.山东省海洋经济可持续发展协调机制研究[J].中国海洋大学学报:社会科学版,2015(1):44-49.
[4]刘明.区域海洋经济可持续发展能力评价指标体系的构建[J].经济与管理,2008,22(3):32-35.
[5]GOLDSMITH R.W.Financial structure and development[M].New Haven:Yale University Press,1969.
[6]LEVINE R.Financial development and economic growth:views and agenda[J].Journal of Economic Literature,1997,35(2):688-726.
[7]高强,熊福涛,翟惠琳.山东省海洋经济与陆地金融体系协调发展关系研究[J].中国渔业经济,2015,33(1):11-15.
[8]VIRTANEN J,AHVONEN A,HONKANEN A,et al.Regional socio-economic importance of fisheries in Finland[J].Fisheries Management and Ecology,2001,8(4/5):393-403.
[9]王晓惠,李宜良,周洪军,等.金融危机对我国海洋经济的影响分析[J].海洋开发与管理,2009,26(3):90-94.
[10]李文增,鹿英姿,王刚,等.“十二五”时期加快我国战略性海洋新兴产业发展的对策研究[J].海洋经济,2011,01(4):13-17.
联动模型 篇4
1黑龙江省物联网产业的创新基础与存在问题
1. 1黑龙江省物联网产业的创新基础
1. 1. 1创新的政策基础
黑龙江省已经出台了一系列支持物联网产业创新发展的政策。2010年, 物联网产业已被列入《黑龙江省国民经济和社会信息化“十二五”规划》。 2011年7月黑龙江省物联网中心在哈尔滨市成立, 该中心是物联网领域的第三方公益机构, 将在促进物联网产业创新方面发挥重要作用。2011年11月, 《哈尔滨市云计算产业发展规划 ( 2011年- 2015年) 》出台。根据该规划到2015年, 哈尔滨市数据中心服务器总数将达到200万台, 云计算及相关产业收入将突破500亿元。这些政策为黑龙江省物联网产业的技术创新、商业模式创新创造了良好的宏观环境。
1. 1. 2创新的技术基础
黑龙江省在传感器网络、智能信息处理、计算机网络等方面均有良好的技术基础。在哈尔滨市哈南国际数据城新近建设的“中国云谷”项目也为黑龙江省物联网产业的发展提供了技术支撑。黑龙江省通信网络基础设施完善, 哈尔滨市已成为国家“三网合一”首批试点城市之一。电信运营商在物联网产业中表现活跃, 黑龙江省联通公司已成为中国联通物联网研发基地［6］。此外, 黑龙江省教育资源较好, 2011年黑龙江省高校新增设了5个物联网相关专业, 在物联网方面具有一批领先学者和技术梯队。 这些项目的开展和人才储备机制的形成为黑龙江省物联网产业的技术创新奠定了扎实的基础。
1. 1. 3创新的市场基础
从长远发展来看, 物联网产业必然走以市场驱动为主导的产业化道路［7］。黑龙江省是国家装备制造业及现代农业、畜牧业产业发达地区, 广泛的应用领域为物联网产业的可持续发展提供了产业支撑。与其它产业不同, 物联网产业具有以应用带动标准制定和产业链上下游发展的特点, 谁能够尽快实现规模化应用, 谁就能掌握话语权。物联网技术已在黑龙江省农业、林业、能源、环保、电力等领域开展试点应用, 为物联网产业商业模式的创新提供了市场基础。
1. 2黑龙江省物联网产业创新中存在的问题
与国内物联网产业发展较快地区相比较, 在黑龙江省物联网产业的创新发展中, 主要存在三方面问题。
第一, 尚未出台物联网产业的创新发展规划。 作为战略性新兴产业, 物联网产业的发展比计算机和互联网产业更加需要顶层设计与创新规划。国内的许多城市, 尤其是沿海地区纷纷出台了物联网产业创新与发展规划。与这些地区相比, 黑龙江省物联网产业发展的短期、中期和远期目标仍未确定, 政策对物联网产业创新的引导力度不够, 产业的各环节之间缺乏创新联动机制。
第二, 缺乏在RFID领域的技术创新。虽然黑龙江省在传感器网络、智能信息处理、计算机网络等方面均有良好的技术基础, 但是在RFID的技术创新方面存在缺失。目前, 黑龙江省严重缺乏与RFID业务相关的研发企业, 连从事RFID特种标签设计封装、读写器研发与生产企业的数量都很少。
第三, 物联网产业商业模式创新不足。由于缺乏成熟的商业模式, 黑龙江省物联网应用仍局限于小范围的简单应用, 大规模需求还未被激发出来。 由于没有明显有利可图的商业模式, 黑龙江省从事物联网产业的企业规模普遍偏小, 产业链不完整, 芯片和技术多为外购, 科研机构在高端技术向民用转化、研发与生产对接等方面的产业化能力不足, 这也是制约黑龙江省物联网产业发展的因素之一。
2基于LAFIS黑龙江省物联网产业的创新系统模型
根据黑龙江省物联网产业创新基础与存在问题的分析, 本文运用创新系统要素联动方法 ( LAFIS) , 建立了黑龙江省物联网产业创新系统多要素联动的概念模型, 如图1所示。该模型将黑龙江省物联网产业的创新系统分为政策子系统、技术子系统和市场子系统。
2. 1黑龙江省物联网政策子系统的联动分析
黑龙江省已经把物联网产业列为“十二五”期间重点发展的战略产业, 并成立了黑龙江省物联网中心。2010年以来在哈尔滨、大庆、牡丹江等地都成立了物联网产业园区。在物联网园区的政策制定和规划活动中, 体现了黑龙江省及地方政府相关部门的物联网产业发展战略, 以及在资金投入、人才保障等方面的大力支持。
在物联网产业创新系统中, 政策子系统与其他2个子系统间存在着显著的联动作用。一方面, 它为市场子系统制定优惠政策, 发放牌照, 为应用示范项目买单, 进行行业监管。另一方面, 通过政策引导技术子系统的研发, 协调成立技术与产业联盟, 对重大研究开发项目提供种子基金。在与市场子系统的联动中, 政府通过构建物联网应用资源共享服务平台、信息交换平台、传感信息网络平台等共性技术支撑平台, 为多项“物联网”技术创新示范工程投资, 促进物联网核心技术成果的推广应用。在与技术子系统的联动中, 通过大力引进、培育“二维码”、射频辨识标签 ( RFID) 、传感器、芯片、智能卡、通信网络等物联网上下游相关产业的重点项目, 促进技术子系统的创新。例如, 2010年在黑龙江省政府的推动下, 黑龙江大学与能恩智浦物联网联合研发中心成立。智浦半导体是全球前十大半导体公司, 在物联网的核心技术RFID ( 射频识别) 解决方案及电子护照方面排名全球第一。该联合研发中心的成立, 有效地提升了黑龙江省射频技术的应用水平。
2. 2黑龙江省物联网产业技术子系统的联动分析
物联网技术之间是相互支撑和相互融合的, 每一项技术创新和进步, 都会对相关联的技术产生影响和推动作用, 这就是物联网技术子系统内部的创新联动。由于物联网技术的联动特性, 集群或联盟成为物联网技术创新的主要形式。黑龙江省物联网中心组建了物联网产业发展协会, 凡是有志于物联网产业发展的企业和组织都可以成为该协会的会员, 构成了物联网技术交流与共享的平台。2012年哈尔滨工业大学斥资2. 12亿元启动了在科技创新城内建成集物联网硬件产品研发、物联网软件开发、 物联网平台运营服务、物联网行业应用为一体的物联网技术研发中心。从联盟或集群中的某一个物联网企业的角度来看, 一方面通过成员间知识转移获得所需的知识, 并通过吸收和内化, 转变成自己的知识, 另一方面也可以学习其他企业的经验, 并通过反馈不断修正自己的技术需求, 如图2所示。在整个联盟或集群中, 这种联动是不是“一对一”, 而是“一对多”或“多对多”, 物联网企业在对这种相互作用产生的反馈内容进行学习之后, 又再次作用于其它物联网企业。
2. 3黑龙江省物联网市场子系统的联动分析
目前, 物联网市场子系统的发展与IT产业最初阶段非常类似, 稳定和有利可图的市场化模式还未形成, 产业上下游受益具有不确定性［8］。物联网产业市场子系统的联动, 不但包括企业之间的交叉作用, 而且包含企业、用户和政府的多重交叉作用。
黑龙江省物联网产业的市场创新主要有以下2种推进方式。第一, 政府埋单模式。政府埋单模式是指政府和物联网企业、物联网技术研发机构共同合作, 并由政府出资, 物联网企业负责研发示范应用项目, 例如黑龙江省的生乳质量综合管理物联网系统、基于物联网的物资回收管理系统等。第二, 运营商推动模式。运营商推动模式是指运营商依据定位的客户市场和客户群体共性需求特征, 充分利用传感技术和运营商的运营服务能力, 形成智能终端或其它智能应用的应用创新。例如, 黑龙江省移动公司在佳木斯建三江建立了“中国移动农业物联网示范基地”, 利用物联网技术对蔬菜大棚进行远程控制; 黑龙江省电信公司开展了大庆油田物联网应用试点项目, 对勘探、生产和储运等环节进行视频监控, 并对相关数据进行远程自动采集、分析、管理和控制。黑龙江省物联网的市场应用还处于起步阶段, 市场子系统创新的联动作用尚不明显。随着试点应用的开展与联动效应的作用, 由更多产业链主体参与的运营商与用户联合推动模式、用户与厂商联合推动模式、垂直应用模式和行业共性平台模式有待形成。
3促进黑龙江省物联网产业创新发展的对策建议
结合上述对物联网产业创新系统的模型分析, 本文认为可以从以下3个方面促进黑龙江省物联网产业的创新发展。
第一, 科学规划, 为物联网产业营造良好的发展环境。首先, 黑龙江省应该效仿其他省市, 尽快制定 《黑龙江省物联网产业发展的总体规划》, 明确物联网产业的发展目标和布局。本文认为可以把成为全国十个物联网产业发展集聚区之一作为总体发展目标, 以哈尔滨市为物联网应用示范先行区, 带动牡丹江市和大庆市的物联网产业发展, 从而形成对全省的辐射和示范作用。其次, 将现有的省市各类专项资金向物联网产业倾斜, 对物联网应用示范工程、核心技术开发、系统集成、信息服务平台建设、标准制定等物联网产业链发展的关键环节进行重点支持。 同时, 加强政府对物联网产业创新创业的投资引导, 设立物联网产业投资基金、企业发展担保资金、风险投资补偿基金, 为物联网企业的成长营造良好的金融环境。
第二, 依托科技园区, 加大产业联盟力度。本文认为应该依托现有的物联网产业园区和省内高校的科技园区, 建立以物联网企业为核心, 以政府统筹协调为依托, 联合电信、移动、联通及中小企业、中介服务机构、大学与院所等广泛参与, 形成一个有生产商、运营商、服务商和科研院所共同参与的产业联盟发展模式。通过推进物联网产前的技术创新联盟, 物联网相关产品的生产联盟, 以及市场联盟等多种形式, 实现由单独的物联网企业或组织的内部创新走向多企业, 多组织的外部联合创新。在物联网产业园区的发展中, 把FRID和传感器研发作为重点领域, 加大招商引资、招商引智力度, 并加快专业园区建设及其功能的完善, 推动产业上下游企业在空间上集聚, 实现不同企业在信息、公共技术平台、市场和人才等高端要素上的资源共享, 并积极探索物联网产业园区与周边区域协调发展的有效模式, 形成在产业园区发展高端产业、在周边区域提供配套服务的合作机制。
第三, 以市场子系统的应用创新为突破口, 转变政府扶持方式。在黑龙江省物联网产业的发展初期, 政府一直发挥主导作用, 但是从长远来看, 只有物联网企业竞争力的不断提高, 才能促进物联网产业的持续发展。建议把物联网技术的应用创新作为突破口, 与黑龙江省现有的优势产业紧密结合, 重点发展在农产品溯源体系、动物溯源体系、公共安全、 节能减排、智能交通、装备制造等领域推广应用。在推动物联网技术应用创新的过程中, 逐渐转变政府扶持方式, 从政府单纯的为示范项目“埋单”, 向政府提供优惠政策, 组织行业共性平台, 引导运营商与用户联合推动模式、用户与厂商联合推动模式转变。
4结语
通过黑龙江省物联网产业创新系统多要素联动的模型分析, 可以看出物联网产业创新系统不仅在每个子系统内部各要素之间存在着联动, 而且3个子系统之间也存在强烈的联动作用。在黑龙江省物联网发展的初期阶段, 物联网产业政策的作用非常重要。技术子系统中的科研机构和高等院校是物联网技术创新和知识创新的源泉, 承担着理论研究、技术标准研发和人才培养等公共服务功能, 在黑龙江省物联网产业的发展中起基础性作用。而市场子系统中的物联网企业是产业创新系统的主导群体, 物联网企业的技术创新能力决定了黑龙江省物联网产业的创新活力。因此, 为了实现黑龙江省物联网产业的可持续发展, 必须协调政策、技术和市场3个子系统, 并实现人才、政策、资金和知识等多要素的联动创新。
参考文献
[1]李晓.促进我国物联网产业发展的探讨[J].中国投资科技, 2010 (6) :73-76.
[2]王斌义.基于A2U模型的物联网产业跨越式发展研究[J].科技进步与对策, 2010 (12) :79-83.
[3]陶冶.物联网产业商业模式的探索与创新[J].南京理工大学学报, 2010 (8) :15-18.
[4]HUMPHREY J S.Principles for promoting clusters and networks of SMEs[C].Paper commissioned by the small and Medium Enterprises Branch, 1995:10-12.
[5]卢涛, 周寄中.我国物联网产业的创新系统多要素联动研究[J].中国软科学, 2011 (3) :33-45.
[6]刘晓为, 张海峰.黑龙江省物联网产业发展的设想[J].通信管理与技术, 2010 (3) :21-23.
[7]王光辉.我国物联网产业发展态势分析及建议[J].科技创新与生产力, 2010 (12) :33-35.
联动模型 篇5
关键词：联动性,DCC-GARCH模型,股票市场,收益率
股票市场的联动性, 是指在不同股票市场价格之间存在着显著的收益率波动的关联性, 即一个市场的波动加剧, 会引起另一个市场波动的加剧。金融市场之间的相关系数是解释市场间联动效应的一个重要指标, 它通过测度不同证券市场收益率相关系数的变化来检验联动性。研究股市之间的联动性不仅有利于投资者真正把握市场风险, 为投资组合决策提供可靠的理论基础, 而且有利于政策制定者通过对股票市场间资本流动、信息传递以及投资者心理和预期变化的预测来时刻把握经济走势。从而能及时、有效的采取必要的经济政策和行政干预, 控制股票市场的风险, 防止灾难性金融事件的发生和蔓延, 确保经济的平稳、健康发展。
在研究股票市场之间联动性的文献中, 单变量GARCH模型虽能充分体现单个金融市场波动的时变特征, 但在考察两个或者多个市场之间的波动相关性时却比较差。Hamao等人 (1990) 利用波动溢出效应模型来考察市场间的溢出效应时, 这样就损失了两个市场相关性中所包含的有效信息。而多变量GARCH模型则可以较好地解决这一问题。
近些年, 越来越多的国内外学者运用DCC-GARCH模型研究各国股票市场的动态相关系数, DCC-GARCH模型可以很好地捕捉股市之间的动态相关性, 掌握市场间的联动效应。
一、数据选取及研究方法
1. 数据的选取
本文主要选取上证综合指数和标准普尔500指数作为中美整体股市走势的指标。中国内地证券市场有上证交易所与深证交易所, 上证交易所是我国建立的第一个证券市场, 相对于深证交易所, 上证交易所开盘时间更早, 因此对信息反应更加迅速, 且两市之间联系紧密, 因此可以通过研究上证市场来反应我国内地证券市场的发展态势。标准普尔500 (S&P500) 所选取的公司样本为美国的500家上市公司, 样本公司覆盖了美国主要交易所, 样本覆盖面广, 且时间连续性好, 样本极具代表性, 指数精度高, 常被用于分析美股的长期走势。由于本文主要分析2008年金融危机之后中美股市联动性, 因此, 将选择2009年2月2日到2015年5月21日的上证指数和S&P500指数数据作为中国和美国股市发展状况的指标, 以衡量我国内地证券市场与美国证券市场的联动性。本文用DCC-GARCH模型作分析, 同时选择中美的日收益率为研究对象, 日收益率的计算方法为:Rt=100*ln (Pt/Pt-1) 。因为中国与美国存在一定的时差, 股票市场交易时间存在交叉和时滞特征。以股票收盘时间为标志, 美国股市则在当日滞后于中国股市。因此, 本文将中国股市的交易日 (T) 与美国股市前一交易日 (T-1) 相对齐, 同时考虑到由于中美股市的节假日不一致等因素, 调整后的样本共为1481个。
2. 模型建立
本文运用DCC-GARCH模型来研究中国和美国市场之间的动态相关性。该模型充分考虑了金融数据具有动态变化的相关系数。Engel和Sheppard (2001) 将DCC的估计归纳为两步骤:第一步利用单变量的GARCH模型估计出多个市场的条件变异系数;第二步利用标准化后的残差估计动态条件相关系数模型的参数。DCC-GARCH模型能计算多变量之间时变相关系数矩阵, 故可以提炼出变量之间的波动关系。
⑴建立n元VAR模型, n为变量个数, 该VAR模型将每个变量作为内生变量滞后值, 可测算多个收益率同期发展时相互影响的残差序列。
rt为n维收益率列向量, δ为n维常数截距项, n为滞后阶数, εt为n维残差列向量。φ为变量之间的系数矩阵。
⑵由上式获取经过滤的变量残差εt后可利用GARCH模型估计其参数, 用得到的条件方差剔除残差后获得其标准化残差序列, 根据DCC-GARCH模型的假设, 残差满足以下条件:
式子 (2) 中的Ht为时变的条件协方差矩阵, Rt为该矩阵的动态的条件相关系数矩阵, 动态条件相关系数反映了变量之间随时间变动的动态相关系数。Dt是满足Dt=diag (hit) 1/2的对角矩阵, hit为Ht对角矩阵上的第i个元素, 系数α、β为模型DCC的待估参数。α含义为现在信息对下一期波动性的影响程度, 值越大说明该市场对冲击的敏感度越高;β指收益率波动的持续性, 用来衡量现有波动的持续性, 若α2+β2的值越接近于1, 则表明波动持续的时间越久。
⑶获取单变量GARCH参数后, 计算标准化残差序列的协方差矩阵。对 (2) 式至 (6) 式进行极大似然估计, 用第一步估计的参数值对下式求极大似然值, 以获取DCC参数值:
上式中, 为第一步所获取的各单变量GARCH参数, Rt为时变相关系数矩阵, 通过极大似然估计后系数α和β的值, 带入式 (5) 、式 (6) , 可计算出Rt, 其元素即为每一期的动态相关系数, 系数即为变量之间的动态相关序列。
二、实证分析
1. 对两个股票指数的收益率序列进行基本信息描述性统计
根据表1, 可以发现美国股票市场的收益率稍微大于中国股票市场的收益率, 同时中国股票市场的波动幅度要比美国股票市场大, 这也说明中国股票市场较像美国这样的发达国家不够成熟。从收益分布来看, 两个指数收益率的偏度均为负值, 说明收益率数据为左偏的分布;峰度的取值均大于3, 说明服从尖峰厚尾的分布特征。而从Jarque-bera统计量也可以看出其收益率分布显著异于正态分布。
为了更好地观察两个股票指数收益率的特征, 利用Eviews软件描绘出两个股票指数收益率序列时间变化图, 如图一和图二所示, 从图中可以看到, 两个指数收益率序列变动是比较平稳的, 而且呈现出明显的波动丛集性, 即大的波动后面往往伴随着大的波动, 小的波动后面往往伴随着小的波动。同时, 两个股票指数呈现出一定程度的协同波动效应, 但这种效应明显偏弱, 总体而言, SZ的波动程度大于SP, 中国股票市场风险大于美国。由滞后1至6阶的自相关系数是否联合为0的Q (6) 统计量检验表明, 在5%的显著性水平下, 美国股市存在序列相关, 而中国股市不存在序列相关现象。
2. 平稳性检验
金融数据中, 通常会受到时间趋势和技术进步的影响, 表现出序列不平稳的现象。Granger (1974) 的研究发现, 如果经济时间序列是非平稳的, 则有可能出现伪回归现象。所以进行参数估计之前, 需要对数据进行单位根检测。观察两个股票指数收益率发现, 它们均围绕横轴上下波动, 没有明显的时间趋势, 所以选择无截距项和无时间趋势的ADF检验和PP检验。其中, 滞后阶数由SC信息准则确定。结果如表2所示。
单位根检验结果显示:序列的ADF检验统计量和PP检验统计量都远远小于1%的临界值, 表明至少可以在99%的置信水平下拒绝原假设。个股收益率序列均通过了单位根检验, 序列平稳, 适合进行DCC-GARCH回归分析, 避免了伪回归。
3. 单变量GARCH模型的建立和估计结果
根据对两个市场收益率序列相关检验可知, 中国股票市场收益率不存在序列相关, 美国市场存在显著的序列相关现象。因此, 建立单变量GARCH模型的均值方程时, 对中国股票市场采用只含有常数项的方程结构, 美国市场采用ARMA模型的方程结构。利用Eviews经过多次估计比较, 根据SC最小准则, 得到美国股票市场的最优均值方程为:
对上述均值方程的残差序列进行Liung-Box Q统计量检验, 均接受原假设, 说明方程不再存在自相关;而对建立的均值方程的残差序列进行ARCH-LM检验, 得出的P值为0, 拒绝原假设, 说明模型残差序列均存在显著的ARCH效应, 可以进一步建立GARCH模型进行分析。按照上面确定的自回归形式的均值方程, 采用GARCH (1, 1) 模型对收益率波动性进行重新拟合, 估计方法采用对数极大似然估计, 估计结果如表3。
对表3建立的GARCH (1, 1) 模型的残差序列进行Liung-Box Q统计量检验, 结果发现残差序列已无自相关现象和ARCH效应, 说明GARCH (1, 1) 模型对均值方程和方差方程的设定是合理的。表3中各参数估计量均通过了t检验, 且α+β值接近于1, 表明中美股票市场波动都具有显著的持续性。
4. 多变量DCC-GARCH模型估计结果
接下来我们利用动态条件相关多元GARCH模型对中美股市收益率的相关性进行考察, 这里条件分别设定GARCH (1, 1) 形式, DCC模型的阶数也分别设定为1, 模型各参数的估计采用matlab在编程的基础上实现。结果见表4。
从表4中模型参数的估计结果看, α、β均显著异于零, 说明滞后一期的标准化残差乘积对动态相关系数影响显著。β不仅显著而且非常接近于1, 反映出相关性具有非常强的持续性特征。此外, 从α、β具有明显的统计显著性, 我们可以判断一定存在动态可变的条件相关系数。
DCC-GARCH模型估算出的动态条件相关系数用来反映中美两国股票市场收益率波动之间的动态相关性, 即波动溢出效应, 一个市场收益率的变动会对另外一个市场收益率的波动产生影响。为了更直观地反映中美股市的动态条件相关系数的变化, 图三给出了动态相关系数估计结果。从图三可以看出, 利用中国上证指数和美国标准普尔指数收益率所估算出来的中美两国金融市场收益间的相关性存在很大的波动性。中美股票收益率波动的相关系数位于-0.02到0.48之间, 平均波动相关系数在0.2左右, 相关系数图直观反映出两市场之间相关性的波动幅度较大, 波动较为剧烈。但相关系数整体大于0, 说明中美股市总体成一个正相关。除此之外, 中国股市不能表现出与美国股市稳定的相关性, 说明中国股市还不成熟, 与国际水平还有一定差距。
三、结论及建议
本文通过DCC-GARCH模型考察中美股市在金融危机之后的动态联动性。研究结果发现, 中美股市存在一定的相关性, 虽然这种相关性并不稳定, 波动幅度较大, 但整体呈现正相关。随着全球经济一体化, 在金融危机之后中国与美国之间的联系有一定的进步, 说明中国股票市场正一步一步走向成熟, 但看到进步的同时也要发现差距, 中国股市与代表国际水平的美国股市差距还比较大。中国应该进一步完善股票市场机制, 增强抵抗风险的能力, 在世界舞台发挥更大的力量。同时, 投资者仍可以通过中国股市进行国际风险分散化, 但随着中国股市与美国股市联动性的增强以及不稳定性的存在, 分散投资的收益空间减小。因此, 作为国内投资者和投资机构, 通过国际投资的手段来分散国内投资风险的投资策略需要更加谨慎。
参考文献
[1]Marcelo Brutti Righi, Paulo Sergio Ceretta.Global Risk Evolution and Diversification:A Copula-DCC-GARCH Model Approach[J].Sociedade Brasileira de Fianncas, 2013, 10 (4) :529-550
[2]Mike K.P.So&Cherry Y.T.Yeung.Vine-copula GARCH model with dynamic conditionaldependence[J].Computational Statistics&Data Analysis, 2014, 76 (13) :23-28
[3]罗雪玲.中美股市的联动性分析——基于沪深300与道琼斯工业平均指数的实证研究[J].成都理工大学学报, 2014, 22 (1) :32-38.
[4]张兵, 范致镇, 李心丹.中美股票市场的联动性研究[J].经济研究, 2010, (11) :141-151.
[5]徐有俊, 王小霞, 贾金金.中国股市与国际股市联动性分析——基于DCC-GARCH模型研究[J].经济经纬, 2010 (5) :124-128.
[6]李天德, 张亮.中国股票市场与国际主要股票市场的联动分析[J].经济纵横, 2008 (18) :25-127.
联动模型 篇6
自2001年中国加入世贸组织以来, 中国不断的加大中国资本市场与国际资本市场的联系, QFII、浮动汇率制度、QDII、RQFII以及股权分置改革等措施不断出台。2014年11月17日, 在万受瞩目的情况下, “沪港通”终于问世。2015年以来证监会又在酝酿“深港通”“沪台通”。资本市场改革如火如荼地进行, 我国沪深股市和国际资本市场的联动性将不断的加强, 从而不断提高我国A股市场的流动性及实现A股价值回归。
文章选取了同时在上海和香港交易所上市的公司为样本, 编制沪港通标的两地上市的A股指数和H股指数, 选用DCC-GAR CH模型对比分析沪港通开通前后两指数日收益联动性的变化。
二、实证分析
(一) 数据的选取
沪港通只会影响同时在上海和香港证券交易所交叉上市的上市公司, 因此选取上证综合指数和香港恒生指数不尽合理, 剔除在沪港通开通前后停牌时间较久的上市公司, 最终选取了67家同时在上海和香港上市的公司作为样本股, 以2014年11月17日为基期, 点数设为100, 以流通股的股数为权重, 采用样本股的收盘价为样本数据, 分别编制港通标的两地上市的A股指数和H股指数, 记为a和h。
由于变量具有异方差性, 需对数据做对数处理, 最终选取两指数的日收益率进行研究, 计算公式为:
其中:rt代表指数的日收益率, yt代表的是t日的收盘指数。用ra, t和rh, t分别表示港通标的两地上市的A股指数和H股指数日收益率。
(二) 序列的自相关检验
文章拟采用DCC-GARCH模型研究两变量的时变相关系数, 因此首先要对两序列的自相关性进行检验。从表1中可以发现, Q统计量对应的P值非常小, 说明两指数日收益率存在自相关性。
(三) 格兰杰因果关系检验
从表2我们得出, 沪港通开通之前, 沪港通标的两地上市的A股指数和H股指数日收益率相互影响均很弱。但沪港通开通之后, 沪港通标的两地上市的A股指数对H股指数影响显著加强。沪港通开通后资金出现“先北上、后南下”的现象也正和我们的结论是一致的, 说明A股在国际资本市场的先导性在不断地显现出来。
(四) ARCH效应检验
AR CH效应检验方法我们采用残差的平方相关图进行检验, 通过检验的Q统计量及其P值判断序列是否存在ARCH效应。
通过表3可发现, 在两序列滞后1-6阶, Q统计量及其P值均为0, 说明两序列均存在条件异方差性, 即存在ARCH效应。
(五) DCC-GARCH模型的建立和分析
建立了GARCH (1, 1) 模型, 得到ARMA滤波滞后的残差序列, 进而建立DCC-GARCH模型, 通过之前的检验我们设定的参数为DCC-GARCH (1, 1) 。通过利用R软件编程, 两指数日收益率的动态相关系数图。
图1中发现, 两指数的日收益率一直正相关, 但是相关程度有所改变。沪港通开通之前, 两指数的日收益率的相关程度逐步下降, 说明沪港通未开通之前两市场的分割现象依旧明显, 但是沪港通开通之后, 两指数的日收益率相关程度逐步走强。原定于2014年10月25日开通沪港通, 却在当天出现了重磅消息“沪港通无限期进行搁置”, 从两指数的动态相关系数图中不难发现, 10月25号之后两指数的日收益率相关系数直线下降, 说明投资者对于两市场的长期的联动性产生了分歧。动态相关系数一直在0.7到0.8之间运行, 说明两市场对于同一家上市公司的估值依然存在差异, 这主要源于沪股通和港股通额度受限的影响。
三、建议
(一) 积极稳妥地放开A股各项交易限制的规则
沪港通有效的实现了内地和香港资本市场的联系, 但是从当前两地上市的股价来看, 沪港通开通之后两地上市的AH股的溢价出现了“先收敛后发散”的现象, 主要源于交易规则、投资者的风险偏好和投资结构存在较大的差异, 造成AH股依然存在一定程度的折溢价。因此, 政府应该考虑适时的放开T+0、沪港通额度不受限, 更大程度上放开两地资本的流动, 早日实现A股市场进行价值投资。
(二) 继续推进中国和国际资本市场的流动
通过我们的研究发现, 沪港通开通之后, A股对于H股的影响力度在稳步提高, 说明A股在国际资本市场上越来越受到认可。政府也在不断的推进“深港通”和“沪台通”, 足见政府加大内地资本市场对外联系的决心。资本市场改革还需和人民币国际化同步, 共同提高中国在国际市场中的竞争力和话语权。
(三) 金融市场的监管力度还需不断加强
沪港通开通后, 加强了两地资本市场的流动, 同时内地的A股的波动性也有所放大。2015年前, 沪港通一直出现北上的现象, 也实现了A股节节攀升, 但是随着资金的南下, A股也进入了调整期。这说明内地的散户投资者依旧被动, 对于风险的判断能力不足。因此, 政府一方面促进内地资本市场的国际化, 另一方面还要加强金融市场各项风险的防范措施。
参考文献
[1]李艳萍.探析沪港通对人民币国际化进程的推动作用[J].中国经贸, 2013 (10) :151.
[2]李亚凌.基于Copula函数的沪深港三地股市的联动性分析[J].中国农业银行武汉培训学院学报, 2014 (4) :73-74.
[3]潘文荣, 刘纪显.QFII及QDII制度引入后的中美股市联动性研究[J].江西财经大学学报, 2010 (1) :5-10.
[4]郭文伟.中国股市风格资产时变联动性及结构突变研究—基于ARMA-GJR-DCC-MVGARCH模型的检验[J].广东商学院学报.2013 (04) :11-22.
联动模型 篇7
近年来,低碳经济作 为一种全 新的绿色 经济发展 模式,深受世界各国的欢迎。低碳经济的快速发展,尤其是2005年《京都议定书》的 生效,催生了国 际碳交易 市场。其中,欧盟排放权交 易体系(EU ETS)是国际上 第一个、也是影响力最大的碳排放交易市场。EU ETS的建立,对欧盟各国降低温室气体排放做出了显著贡献,促进了欧盟碳金融产业的发展,提升了欧盟在国际气候谈判中的话语权,从而成为各国政府及相关金融机构关注的焦点。
作为一个新兴的国际市场,碳交易市场与其他市场间是否存在着某种联动关系?如果存在联动关系,那么它们的作用机理是什么?影响程度多大?探明了上述问题,能更有效地把握碳交易市场的变化,对我国相关企业制定碳交易策略,以及政府监管部门管理碳排放权交易所,都有重要的启示作用和指导意义。
部分学者已对此进行了研究。Sijm等(2006)[1]指出,在祖父条款分配制度下,电力企业的利润和预期现金流与EUA价格呈现正相关关系,股票价格与EUA价格也呈现正相关关系。Convery和Redmond(2007)[2]证实了在发电公司具备转换燃料投入能力的情况下,能源价格是碳价格最重要的驱动因 素。魏一鸣等(2008)[3]通过研究EUETS碳格与能源价格之 间的互动 关系,发现能源 价格与第一阶段 碳价关系 较弱,与第二阶 段碳价关 系较强。Oberndorfer(2009)[4]的研究表明,EUA价格和与电力 企业股票市场呈现显著的正向关系。Gronwald等(2010)[5]研究了EUA与其他金 融产品的 相依关系,结果显示,EUA期货市场与能源市场之间的依存关系较强。刘维泉和赵净(2011)[6]利用DCC-MVGARCH模型,分析了欧美主要股票市场与EU ETS碳排放期货价格的联动关系,发现欧美主要股票市场对EU ETS期货价格具有引导关系。王俊丽(2012)[7]通过研究国际原油价格波动对碳市场的溢出效应,发现两者存在长期均衡关系,且国际油价对碳市场存在溢出,油价是导致碳价变化的主要原因。刘纪显等(2013)[8]运用VAR模型对碳期货市场和能源、股票市场之间的联动关系进行了研究,发现能源股价对碳期货市场有显著的正向影响。
可以看到,现有研究主要集中于两方面,一是碳市场和能源市场的联动关系,原因有二:1能源市场是世界上最重要的大宗商品市场,能源市场的波动可能会通过影响世界经济波及碳交易市场;2化石能源的燃烧是碳排放的主要来源,能源市场的波动可能会通过影响企业对碳排放权的需求波及碳市场。二是碳交易市场和金融市场的联动关系,原因是金融市场作为一个国家或地区经济活动的“寒暑表”,能反映实体经济形势和企业的实际财富价值,金融市场的波动会通过影响实体经济行为波及碳市场。
现有文献仍存在着一些不足:一是仅限于考察碳市场与某一类其他市场间的联动关系。随着国际金融市场的不断发展,不同金融市 场间的联 动关系往 往不再是 孤立的,单独分析碳交易市场与某一类市场之间的联动关系不足以反映市场间相关性的真实情况。二是没有考虑结构突变的影响。Alberola等(2008)[9]、郭福春等(2011)[10]等研究表明,碳价在波动过程中发生了结构突变,忽略结构突变的影响可能导致检验结果失真。
鉴于此,本文尝试运用结构突变方法分析碳市场、原油市场和股票市场间的联动关系。首先,运用Bai-Perron内生多重结构突变检验方法,对三个市场的结构突变现象及突变点进行检验,再进行退势处理以分离重大事件的影响;在此基础上,构建VAR模型并结合非线性Granger因果检验、脉冲响应和方差分解,对三个市场间的联动关系进行研究。
2 研究方法
2.1 Bai-Perron内生多重结构突变检验
Perron(1989)最早提出了的结构突变理论,成为结构突变研究的一个里程碑。但是,该方法仍然存在着一些不足,如在检验时需外生设定突变时点,导致结构突变点具有较大主观性,而且检验结果对突变点位置具有条件依赖性。近年来,学者们不断提出新的检验方法,其中以内生结构突变检验方法运用最为广泛,该类方法通过将结构突变点内生化,有效克服了Perron(1989)方法的缺陷。内生检验方法较多,较具代表性的有Zivot和Andrews(1992)、Lumsdaine和Papell(1997)、Lee和Strazicich (2001,2003)等。
但是,上述内生检验方法仍存在着一些不足,如在检验序列结构突变时,只能检验序列至多发生两次结构突变的情形。为此,Bai-Perron(1998,2003)[11,12]提出了一种能检验多次结构突变的方法———内生多重结构突变检验法,它不仅克服了Perron(1989)方法外生设定结构突变点的问题,同时也克服了其他内生检验方法只能检测序列至多发生两次结构突变的局限,是目前检验结构突变特性最为客观、准确的方法。该检验的主要思路如下:
考虑如下数据生成过程(DGP):
其中,yt为因变量,xt、zt为自变量,β、δj为对应的系数向量,μt为残差项,m为结构突 变次数,T1,T2,…,Tm为未知的结构突变点。首先对(1)中每个可能的分割(T1,T2,…,Tm)通过最小二乘法获得β和δj的估计值,并求出全局残差平方和:
对不同分割方式所得的残差平方和进行比较,使残差平方和ST(T1,T2,…,Tm)达到最小的分割就是估计所得到的分割,求得:
最后,对数据生成过程是否存在结构突变进行显著性检验。
2.2 非线性 Granger因果检验方法
线性Granger因果检验方法由Granger(1969)、Sims(1972)等提出,是在参数固定不变的线性框架下检验变量间的相关关系,考察的是变量间的线性因果关系。然而,Qiao等(2009)[13]等研究表明,经济变量间常呈现出复杂的非线性动态变化趋势,而线性Granger因果检验无法识别这种非线性关系。为此,Diks和Panchenko(2006)[14]结合线性Granger因果检验和非参数核密度估计方法,提出了一种新的非参数Tn检验方法,用以考察变量间的非线性关系。该检验的原假设为“变量间不存在Granger因果关系”,其主要思路如下:
为讨论方便,令lX=lY=1,Zt=Yt+1,并略去时间下标。则式(4)可重新表述为:
上式意味着:
q=E[fX,Y,Z(x,y,z)fY(y)-fX,Y(x,y)fY,Z(y,z)]=0
(6)
构造Tn统计量以进行非线性Granger因果检验:Tn(εn)
其中,^fW(wi)表示随机变量W在wi值处的局 部密度函数估计值,εn为与样本相关的带宽参数。
3 实证研究
3.1 数据选取及统计描述
选取2008年3月14日至2012年11月21日的欧盟EUA期货、BRENT原油期货和英国FTSE100股票指数的日交易数据,其中EUA期货选用DEC12合约。由于不同变量之间存在不同步数据,为了保持数据的一致性,采用Hamao等(1990)[15]的方法,去除不同变量间的不同步数据,处理后的样本长度为1175。Hamao等(1990)指出,该处理方法不会影响估计结果的准确性。其中,EUA期货价格来源于ECX(欧洲气候交易所)网站,BRENT原油期货价格来源于国际石油网,英国FTSE100股票指数来源于雅虎财经网站。
表1给出了三个序列的描述性统计量值。从偏度来看,BRENT最接近正态分 布的偏度0,不存在明 显的偏度,而EUA存在明显的右偏,FTSE则存在明 显的左偏;从峰度来看,FTSE的峰度最 接近正态 分布的峰 度3,而EUA具有明显的高峰,BRENT则具有明 显的低峰;从J-B统计量值来看,三者均在1%的显著性水平下拒绝 原假设,表明三个序列均不服从正态分布;从ADF检验结果来看,三者的ADF统计量在10%的显著性水平下均不显著,表明三个序列不是平稳时间序列。
注:Jarque-Bera检验的原假设为“序列服从正态分布”;ADF检验的原假设为“序列是单位根过程”;***、**和*分别表示在1%、5%和10%显著性水平下拒绝检验统计量的原假设。
3.2 结构突变检验及退势处理
(1)结构突变检验
首先运用Bai-Perron内生多重结构突变方法 对原始数据进行结构突变检验,结果见表2。可以看出,虽然三个序列的SupFT(1)显著性不高,但是更高阶的SupFT(2)和SupFT(3)却非常显著,表明序列存在明显的结构突变。根据Dmax统计量的 检验结果 也可以发 现,UDmax和WDmax在1%的水平显著,表明EUA价格、BRENT价格和FTSE指数在样本期内确实发生了结构突变。进一步根据SupFT(i+1|i)统计量的检验结果分析序列发生结构突变的次数,发现三个序列的SupFT(2|1)、SupFT(3|2)、SupFT(4|3)显著,表明EUA价格发生了两次结构突变,BRENT价格和FTSE指数发生了三次结构突变。
注:SupFT(k)统计量和 Dmax统计量用以检验结构突变是否存在,原假设为“不存在结构突变点”;SupFT(i+1|i)统计量用釉检验突变点个数,原假设为“结构突变点的个数为i”;***、**和* 分别表示在1%、5%和10%显著性水平下拒绝原假设,括号内数字表示各序列发生结构突变,-表示数据不存在。
根据SupFT(i+1|i)统计量的检验结果还可以看出,三个序列均在2008年9月至10月间发生了第一次结构突变,这主要是受美国“次贷危机”的影响。贺凤羊和刘建平(2010)[16]指出,美国“次贷危机”虽然早在2007年初已经开始浮出水面,但演变成为全球性的金融危机并对世界股市和实体经济造 成强烈影 响的时间 大致在2008年9月,这与本文检 验出的结 构突变时 点相符。由 此可见,2008年下半年的金融危机不 仅重创了 实体经济,导致原油市场和股票市场出现疯狂跳睡,同时也对碳交易市场造成了严重冲击,引起企业产出减少和碳排放权需求下降,进而EUA价格出现急剧下跌。
EUA价格在2011年9月23日发生了第二次结构突变,这与欧元区“主权债务危机”爆发的时点相符。欧债危机造成欧洲经济持续低迷,碳排放权需求显著减少,根据联合国政府间气候变化专业委员会发布的评估报告,2012年初欧盟EUA配额过剩近10亿吨,配额的大量过剩导致碳价在大幅下跌之后维持低位运行,是引发结构突变的重要原因。
BRENT原油价格和FTSE指数发生 第二次和 第三次结构突变的时间分别在2009年5月至8月和2010年底,这是各国政府出台的应对金融危机政策的结果。2009年5月至8月,世界各国政府为了应对金融危机,出台了更为积极的财政政策和宽松的货币政策,欧盟以及全球经济逐步回暖,市场的利空因素逐渐消化,对原油和股票市场提供了明显支 撑,使原油价 格和股市 触底反弹。2010年底,世界各大经济体相继采取的强力救市措施作用不断显现,全球经济开始回暖,引发股市上涨;同时,经济回暖拉动原油需求增加,而国际原油产量却因剩余产能不足而增长缓慢,再加上美元的持续贬值,推动了原油价格的持续上涨。
值得注意的是,在EUA序列发生第二次结构突变的时点附近,BRENT价格和FTSE指数没有检验出明显的结构突变。但这并不能说明它们没有受到“欧债危机”的影响。事实上,在2011年中期,BRENT价格和FTSE指数也出现了较大程度的下跌,但是之后由于世界经济的回暖而出现了一定程度的反弹,结构突变检验并没有把这种短期的下降过程显著地检验出来。另外,在BRENT价格和FTSE指数第二次和第三次突变时点附近,EUA序列虽然也没有检验出结构突变,但同样出现了一定程度的涨跌,亦因变化程度小而未被检验出来。
根据上述分析可以看出,三个市场的结构突变点之间存在较强的内在相关性,当受到重大事件的影响时,碳市场的反应与原油和股票市场的反应在一定程度上具有一致性,表明重大事件影响下,三个市场之间具有一定的联动性。下面对三个市场的价格序列进行退势处理,以分离重大事件对市场的影响。
(2)退势处理
根据上述Bai-Perron检验结果,碳价、油价、股票指数在样本期内均发生了多次显著的结构突变。在分析市场之间的联动关系前,为了剔除结构突变可能对结果造成的影响,需要对三个序列进行趋势退化处理。退化趋势后的序列DXt由下式计算得到:
其中,Xt为对数处理后的EUA价格、BRENT价格、FT-SE指数序列;^Xt为Xt的趋势拟 合函数;dwi为结构突变虚拟变量,当t≤ti时dwi=0,反之则dwi=1,ti为第i次结构突变时点,m为发生结构突变的次数。
对退势处理后的序列进行ADF单位根检验,发现三组序列均为平稳序列,表明它们均为含结构突变的分段趋势平稳过程,为后续利用退势序列进行建模提供了理论依据。
3.3 VAR模型建立
ADF检验表明,三个退势序列均为平稳序列,因此可以利用它们进行VAR建模。通过对比1~6阶滞后VAR模型的对数似然值、AIC信息准则 和SC信息准则,发现VAR(2)模型的各项指标均是最优的。对VAR(2)模型的各项参数的显著性和特征值进行检验,发现各项参数都非常显著,特征值均位于单位圆内,表明模型的结构是稳定的,适合基于VAR(2)模型做进一步的非线性Granger因果检验、脉冲响应和方差分解。
(1)非线性Granger因果检验
Chevallier(2009)[17]等研究表明,EUA价格和原油价格、股票指数之间存在显著的非线性关系,传统的Grang-er因果检验方法无法检验变量间的这种非线性关系。为此,本文采用Diks和Panchenko(2006)提出的非参检验方法进行研究。首先,对VAR系统的残 差进行非 参Tn检验,以过滤其相互间的线性依存成分,其阶滞后检验结果如表3所示。
由表3可知,在滞后1~6期内,BRENT、FTSE和EUA互为非线性Granger因果原因。一 方面,BRENT和FTSE是EUA的非线性Granger因,原因是原油和股票市场都是非常成熟的市场,能够反映世界实体经济的基本状况,因此蕴含的信息量非常丰富,油价和股票指数的变动会通过影响碳排 放企业的 经济活动 从而影响 碳价。另一方面,EUA也是BRENT和FTSE的非线性Granger因,这一结论与现有文献所得出的结论有所不同。目前部分学者认为,碳市场是一个规模较小的专业市场,其蕴含的信息量不足以反映整个市场的状况,从而不成为油市和股市的Granger因 (刘维泉和 赵净,2011[6];杨来科和 张云,2012[18]),但这些观点都是基于线性Granger检验,且没有考虑结构突变的影响。本文认为:一方面,碳排放权作为受管制企业的一种生产要素可以视为企业的一种生产成本;另一方面,碳排放权作为受管制企业的一种权利,对于拥有配额的企业来说又可视为企业的一种资产。上述两方面的原因表明,碳价蕴含着受管制企业丰富的内在信息,碳价的波动将影响企业的生产成本和内在价值,进而影响企业、甚至整个实体经济的运行状况。
注:lX=lY表示检验中残差序列的滞后项;***、**、*分别表示在1%,5%,10%的显著性水平拒绝原假设。
(2)脉冲响应分析
脉冲响应函数可以描述一个变量的单位随机误差项冲击对每个内生变量当期及未来各期的影响情况。为了得到三个变量间的动态交互作用程度,需要对VAR模型的脉冲响应函数进行分析。表4给出了各变量一个标准差大小的冲击对EUA价格的脉冲响应函数。
据表4,当本期给各变量一个正的 冲击时,本身的冲击会造成碳价呈现正向变化,且当期的反映最为强烈,随后脉冲响应值开始下降,前8期碳价对自身的脉冲响应累计水平为3.6273;油价的冲击同样会造成碳价发生正向变化,这种影响在第二期时达到最大,前8期EUA对BRENT脉冲响应的累计水平为0.2646;股市的冲击对碳价的影响则刚好相反,会引起碳价的反向变化,在前几期内这种影响有小幅的上涨趋势,但最终收 敛于0,前8期EUA对FTSE的脉冲响应累计水平为-0.1233。
对比碳价对各变量的当期响应水平和累计响应水平,可以发现,原油市场、股票市场与碳交易市场之间的联动性并不显著,三个市场之间的联动程度很弱。从相对大小来看,碳价受自身冲击影响程度较大,其次是油价,最后是股价。从绝对大小来看,无论是短期还是长期,油价和股价对碳价的影响程度都很小,更不具有长持续性。这与张跃军和魏一鸣(2010)[19]等得出的结 论有所不 同,主要是因为本文利用结构突变退势后的数据进行建模,充分考虑了结构突变可能造成的影响,有效避免了由于忽略结构突变影响而造成的实证结果偏误问题。
(3)方差分解
方差分解是区别于脉冲响应的另一种描述系统动态变化的方法,用以揭示了一个变量的动态变化在多大程度源于自身冲击,多大程度源于系统中其它变量的冲击。各个变量冲击的EUA预测残差的方差百分比分解表如表5所示。
据表5,碳价波动主要受其自身因素的影响,其贡献比重一直保持在99%以上的高水平;油价的冲击对碳价波动所能解释的比重在冲击初期有一定幅度的增长,但增长幅度不大,其方差贡献率约仅占总贡献率的0.6%左右;股价对碳价的预测残差的贡献度非常低,其贡献比重仅占总贡献率的0.1%左右。上述分析同样表明,三个市场之间的联动程度较弱,这与脉冲响应分析得出的结论基本类似。
4 结语
本文首次将结构突变理论运用到碳交易市场的联动性研究中。首先运用Bai-Perron内生多重结构突变方 法考察了三个市场的结构突变现象,在此基础上对序列进行退势处理以剔除结构突变影响,并通过构建VAR模型和运用非线性Granger因果检验、脉 冲响应和 方差分解 技术,研究了市场之间的联动关系。结果显示,三个市场在样本期内均发生了至少两次显著的结构突变,突变点间具有较强的内在相关性,美国次贷危机、欧债危机等宏观经济事件是引起市场发生结构突变的重要原因。市场间存在双向的非线性Granger因果关系,原油和股票市场通过影响相关企业的经济活动引起碳交易市场的波动,碳交易市场则通过影响企业的生产成本和内在价值引起原油和股票市场的波动;在分离结构突变的影响之后,油价、股价的正常市场波动对碳价的影响很小,三个市场之间的联动关系并不显著。
上述研究对我国相关企业参与碳交易,以及政府监管部门管理本国碳排放权交易所,有以下启示作用:第一,我国相关企业在进行碳排放交易时,若世界实体经济形势发生显著变化,则应充分考虑国际原油价格和国际资本市场的变化,这有助于对世 界整体经 济状况作 出更准确 的评估,从而有效规避由于 整体经济 形势下滑 引起的投 资风险;但是在世界实体经济形势基本稳定的情况下,企业在进行碳价波动分析及套期保值时,不用过多考虑原油市场和资本市场的价格波动,而更应关注碳市场本身的投资风险。第二,政府监管部门在管理本国碳排放权交易所时,若原油价格和股市急剧下跌,则应及时出台一些利好的政策来刺激碳交易市场;但是在国际经济形势相对稳定时,监管部门则不应过多地干预碳市场,而应积极建立和完善碳市场的价格稳定机制,通过完善的价格稳定机制来促进碳市场的稳定发展。
摘要：运用Bai-Perron内生多重结构突变检验方法,检验欧盟EUA、BRENT原油和伦敦股票市场的结构突变现象,再进行退势处理以分离结构突变的影响。进一步,构建VAR模型并结合非线性Granger因果检验、脉冲响应和方差分解,研究三个市场间的联动关系。结果显示,三个市场均发生了两次及以上显著的结构突变,且突变时点间具有较强的内在相关性,说明各市场对重大事件影响的反应具有一定的联动性;三者之间存在显著的双向非线性Granger因果关系,互为原因、相互促进;分离结构突变的影响后发现,碳市的波动主要是由其自身因素造成的,受油市和股市的影响很小。研究结果对我国相关企业制定碳交易策略以及监管部门制定政策具有一定的启示。