前言：尋找寫作靈感？中文期刊網(wǎng)用心挑選的碳期貨市場聯(lián)動效應(yīng)淺析，希望能為您的閱讀和創(chuàng)作帶來靈感，歡迎大家閱讀并分享。

作者：郭輝 郇志堅(jiān) 單位：新疆大學(xué)經(jīng)濟(jì)與管理學(xué)院 西安交通大學(xué)經(jīng)濟(jì)與金融學(xué)院

1方法與模型

1.1因果關(guān)系模型對于變量之間是否存在因果關(guān)系一般采用格蘭杰因果關(guān)系檢驗(yàn)。為了避免偽回歸現(xiàn)象發(fā)生,需要對變量的單整性以及變量之間的協(xié)整關(guān)系進(jìn)行檢驗(yàn)。宏觀經(jīng)濟(jì)總量的時(shí)間序列數(shù)據(jù)是否具有單位根的趨勢平穩(wěn)性,還是非平穩(wěn)性,對于政策主導(dǎo)的長期經(jīng)濟(jì)發(fā)展戰(zhàn)略和短期經(jīng)濟(jì)穩(wěn)定性措施是否有效具有重要意義。對時(shí)間序列數(shù)據(jù)來說，若一個(gè)變量X的滯后值在另一個(gè)變量Y的解釋方程式中是顯著的，那么X就是Y的格蘭杰原因。格蘭杰指出，因果關(guān)系所反映的是一個(gè)經(jīng)濟(jì)變量是否對另一個(gè)具有顯著的滯后影響。基本思想是：如果X的變化引起Y的變化，那么X變化應(yīng)當(dāng)發(fā)生在Y的變化之前。因此,在做Y對其他變量(包括自身的過去值)的回歸時(shí),如果把X的過去或滯后值包括進(jìn)來更能顯著地改進(jìn)對Y的預(yù)測,就可以說X是Y的格蘭杰原因。它遵循自由度為m和(n-k)的F分布。其中，m等于滯后M項(xiàng)的個(gè)數(shù)，而k是無約束回歸中待估參數(shù)的個(gè)數(shù)。如果計(jì)算F值大于給定顯著性水平下F分布的相應(yīng)臨界值Fa(m,n-k)，則拒絕原假設(shè)，認(rèn)為X是Y的格蘭杰原因。同理，可以驗(yàn)證Y是否是X的格蘭杰原因。

1.2VEC模型向量誤差修正(VEC)模型可以從長期和短期兩個(gè)方面來刻畫EUA期貨價(jià)格和sCER期貨價(jià)格之間的動態(tài)關(guān)系。設(shè)Y1t、Y2t分別表示EUA期貨價(jià)格和sCER期貨價(jià)格。如果Y=(Y1t、Y2t)存在一階協(xié)整關(guān)系，根據(jù)格蘭杰表示定理，Y=(Y1t、Y2t)可以表示為如下向量誤差修差模型的形式。1.3BEKK模型市場之間的信息流動關(guān)系包括市場與市場之間線性的報(bào)酬溢出關(guān)系和非線性的波動溢出關(guān)系。向量自回歸(VAR)是常用的多元變量一階距分析工具，廣義自回歸條件異方差模型(GARCH)則是二階距波動溢出的經(jīng)典分析工具。由于單變量GARCH模型研究多個(gè)市場之間的波動溢出關(guān)系時(shí)，只能將不同市場分割開分別考察各自的條件波動性，無形之中損失了多個(gè)市場之間所包含的有效性的相關(guān)信息。因此，多元GARCH模型利用了殘差向量的方差—協(xié)方差矩陣所蘊(yùn)涵的信息，避免了將幾個(gè)市場分割開來，而是考察多個(gè)市場共同的波動性，彌補(bǔ)了單變量GARCH模型研究的不足。向量MGARCH模型充分考慮了條件方差協(xié)方差之間的相互影響，充分利用殘差向量的協(xié)方差矩陣所包含的信息，從而能夠形成更為精確的參數(shù)估計(jì)值，但其代價(jià)是模型的復(fù)雜度急劇上升，參數(shù)過多，難以保證協(xié)方差矩陣正定。BEKK是諸多MGARCH模型的衍化模型中較為突出的模型，在考察多個(gè)市場收益率的波動性的相關(guān)關(guān)系方面具有很好的效果。

2碳期貨市場的聯(lián)動效應(yīng)實(shí)證分析

2.1變量與數(shù)據(jù)ECX的碳排放交易量及交易額占EUETS的絕對優(yōu)勢，有完備的現(xiàn)貨、期貨和期權(quán)價(jià)格數(shù)據(jù)可以利用。因此選取ECX的期貨市場價(jià)格，所有數(shù)據(jù)單位均為歐元/噸CO2當(dāng)量。以期貨合約的收盤價(jià)作為期貨價(jià)格。期貨合約選取最近期月份的合約作為代表，在其進(jìn)入交割月后，選取下一個(gè)最近期期貨合約，即可得到連續(xù)期貨合約價(jià)格序列。由于ECX氣候交易所從2005年4月22日推出全球首支碳排放期貨，即EUA期貨合約。直到2008年3月14日才推出sCER期貨。因此研究數(shù)據(jù)的時(shí)間范圍選為2008年3月14日至2011年3月31日。采用其對數(shù)收益率，Ri,t=100*(logpi,t-logpi,t-1)。其中，R表示收益率，P代表期貨價(jià)格，下標(biāo)i=eua,scer表示EUA或sCER。EUA期貨價(jià)記為PEUA、sCER期貨價(jià)記為PCER、EUA收益率記為REUA、sCER收益率記為RCER。

2.2描述性統(tǒng)計(jì)表2列出了EUA和sCER期貨價(jià)格對數(shù)收益率的基本統(tǒng)計(jì)特征。EUA和sCER數(shù)據(jù)分布大致相同，平均收益率都為負(fù)、左偏，不屬于正態(tài)分布。兩者都為平穩(wěn)序列但存在高階序列相關(guān)。EUA的平均收益率較sCER更低，但其標(biāo)準(zhǔn)差比sCER大，說明EUA期貨價(jià)格的波動更大。sCER期貨價(jià)格的偏度和峰度較EUA明顯，其尖峰厚尾的特征更為明顯。JB統(tǒng)計(jì)量及其相應(yīng)的P值在1%的水平顯著,說明兩者均拒絕正態(tài)分布的零假設(shè)，也進(jìn)一步說明收益率的分布表現(xiàn)出顯著的尖峰、厚尾特征。LB-Q(k)和LB-Q2(k)表示收益率和收益率平方滯后k階的Ljung-BoxQ統(tǒng)計(jì)量，根據(jù)表2可見收益率平方序列存在高階顯著相關(guān)，表示EUA和sCER的收益率都存在自回歸條件異方差(ARCH),即EUA和sCER的波動都具有時(shí)變性和聚集性等特征。因此在條件均值方程中需要引入自相關(guān)性的描述部分，即采用VAR形式對收益率進(jìn)行濾波。

2.3協(xié)整檢驗(yàn)表2的ADF檢驗(yàn)結(jié)果表明EUA和sCER的收益率序列在1%顯著性水平都是一階單整，記為I(1)。因僅涉及兩組價(jià)格序列，故采用EG兩步法對其進(jìn)行協(xié)整檢驗(yàn)。首先進(jìn)行協(xié)整方程回歸，用普通最小二乘法（OLS）對LnCER和LnEUA進(jìn)行線性估計(jì)，得到：LnCER=0.455+0.775LnEUA(18.787)（89.188）Adj.R2=0.929AIC=-2.824SC=-2.81其次，檢驗(yàn)殘差εt是否是平穩(wěn)序列。經(jīng)檢驗(yàn)得到ADF值為-2.552，小于顯著性水平為5%的臨界值-1.941，可以認(rèn)為殘差序列εt為平穩(wěn)序列，進(jìn)一步說明LnCER和LnEUA之間存在協(xié)整關(guān)系，具有長期均衡關(guān)系。

2.4因果關(guān)系檢驗(yàn)為探索EUA與sCER碳排放期貨價(jià)格之間的短期互動關(guān)系,需對其進(jìn)行短期的因果檢驗(yàn)。Granger(1969)指出,若變量之間存在協(xié)整關(guān)系,則這些變量至少存在一個(gè)方向的Granger因果關(guān)系。由于因果關(guān)系檢驗(yàn)對滯后階數(shù)較敏感，最優(yōu)滯后期的選擇不宜過小也不宜過大,滯后期太小則不能全面有效地反映變量間的相互影響,而滯后期過大則會導(dǎo)致自由度減小,影響參數(shù)估計(jì)量的有效性。因此，在此依據(jù)AIC信息準(zhǔn)則進(jìn)行判斷,最后選取滯后2期為最佳滯后期。檢驗(yàn)結(jié)果如表3所示。因果關(guān)系檢驗(yàn)結(jié)果表明,在1%的顯著性水平下,原假設(shè)都被拒絕，即表示EUA期貨價(jià)格變動和sCER期貨價(jià)格變動互為granger原因被接受，短期內(nèi)兩者之間存在較強(qiáng)的相互影響作用。但此結(jié)論僅僅意味著EUA碳期貨市場價(jià)格和sCER價(jià)格之間存在一階矩的信息傳導(dǎo)過程。因此，有必要利用度量波動率的方差(二階矩)方法來測度兩個(gè)市場之間的信息傳導(dǎo)過程和波動溢出關(guān)系。

2.5VEC分析對EUA和sCER期貨價(jià)格分別取對數(shù)，記為LnEUA和LnCER。首先構(gòu)建LnEUA和LnCER的VAR模型，依據(jù)LR統(tǒng)計(jì)量、FPE（最終預(yù)測誤差）、AIC信息準(zhǔn)則作為指標(biāo)，選擇所最優(yōu)滯后階數(shù)k為3，滿足VAR穩(wěn)定性條件。其次選擇協(xié)整方程形式為含有截距項(xiàng)和不含趨勢項(xiàng)，構(gòu)建相應(yīng)的VEC（2）模型。VEC（2）模型各個(gè)參數(shù)的統(tǒng)計(jì)結(jié)果見表4。從表4可以看出，誤差修正項(xiàng)系數(shù)αcer都為負(fù)數(shù)，符合反向修正機(jī)制，說明誤差修正項(xiàng)對各自的期貨價(jià)格的非均衡狀態(tài)具有負(fù)向調(diào)整作用。由于|αcer|＞|αeua|，說明sCER期貨市場對非均衡狀態(tài)反應(yīng)相比于EUA期貨市場更為敏感，調(diào)整速度更快。#p#分頁標(biāo)題#e#

2.6脈沖響應(yīng)分析（ISR）為進(jìn)一步刻畫sCER期貨價(jià)格變動與EUA期貨價(jià)格變動之間的相互影響，使用脈沖響應(yīng)函數(shù)和方差分解對其進(jìn)一步分析。由圖2左可知，當(dāng)本期給lnEUA的一個(gè)正的標(biāo)準(zhǔn)差新息沖擊后，lnCER在第一期反應(yīng)為0，第二期反映明顯，是負(fù)向的，到滯后4期時(shí)又恢復(fù)到0，然后保持上升趨勢，到滯后10期達(dá)到最大。這表明EUA期貨價(jià)格受外部條件的某一沖擊后，經(jīng)市場傳遞給sCER期貨市場，給其帶來負(fù)向沖擊，但是沖擊幅度不是很大，以后各期具有顯著的正向促進(jìn)作用。由圖2右可知，lnEUA對來自lnCER期貨價(jià)格的一個(gè)正的標(biāo)準(zhǔn)差新息沖擊，滯后1期反應(yīng)明顯，隨后保持上升趨勢，滯后2期到滯后10期保持下降趨勢。由此可以看出，EUA期貨價(jià)格對sCER期貨價(jià)格的影響較為強(qiáng)烈，而sCER期貨價(jià)格對EUA期貨價(jià)格的拉動促進(jìn)作用不如EUA期貨價(jià)格對sCER期貨價(jià)格的作用。

3碳排放期貨市場的溢出效應(yīng)實(shí)證分析

基于變量間一階矩的Granger因果關(guān)系研究了EUA與sCER碳排放期貨價(jià)格之間的互動關(guān)系，屬于線性分析方法。但是由于市場的不確定、交易者對經(jīng)濟(jì)變量反應(yīng)的異同等，往往使得碳排放期貨市場更多地表現(xiàn)為非線性關(guān)系。因此，本節(jié)將運(yùn)用二元向量自回歸多元GARCH模型(即VAR-MGARCH模型)，該模型能夠?qū)⒆兞恐g的一階矩關(guān)系和二階矩關(guān)系結(jié)合起來從方差層面分析風(fēng)險(xiǎn)信息在二者之間的傳播方式。溢出效應(yīng)有兩類:價(jià)格溢出和波動溢出。前者衡量不同市場間價(jià)格信息的傳導(dǎo)過程，它是指一個(gè)市場的收益率不僅受自身前期收益率的影響，還可能受到其他市場前期收益率的影響。后者衡量市場間波動信息的傳導(dǎo)過程，指一個(gè)市場的波動不僅受自身前期波動的影響，還可能受其他市場前期波動的影響。由于波動性反映了市場風(fēng)險(xiǎn)，所以波動溢出效應(yīng)可衡量不同市場之間的風(fēng)險(xiǎn)關(guān)聯(lián)。波動率和相關(guān)性是資產(chǎn)定價(jià)中最重要的兩個(gè)因素。金融計(jì)量經(jīng)濟(jì)學(xué)中的一個(gè)重要方面就是對金融資產(chǎn)的二階矩或者更高階矩的建模、測定和預(yù)測。Engle(1982)提出時(shí)間序列的條件方差是一個(gè)依賴于之前信息的已實(shí)現(xiàn)殘差的函數(shù)。Bollerslev(1986)基于En-gle的一元自回歸條件異方差模型(ARCH)提出并發(fā)展了一元廣義自回歸條件異方差模型(GARCH)。一元時(shí)間序列并沒有將時(shí)間序列之間的波動溢出效應(yīng)考慮進(jìn)來，完全排除時(shí)間序列之間相互作用的可能性，其忽視了市場之間可能存在的相互作用，喪失了市場之間傳遞的有用信息。因此Bollerslevetal(1988)提出了多元GARCH模型的最基本框架，以此來模擬時(shí)間序列之間可能存在的相互影響。多元GARCH模型對時(shí)間序列的方差和協(xié)方差矩陣的動態(tài)過程進(jìn)行建模，可以聯(lián)合模擬一階矩和二階矩。多元GARCH模型的主要應(yīng)用有資產(chǎn)組合管理、套期保值、市場間波動溢出效應(yīng)的分析、資本資產(chǎn)定價(jià)模型、期權(quán)定價(jià)和資產(chǎn)組合的風(fēng)險(xiǎn)價(jià)值計(jì)算等。多元GARCH克服了一元模型的限制，但很難保證條件方差和協(xié)方差矩陣的正定條件。因此在多元GARCH文獻(xiàn)中有很大一部分使用簡化VEC模型。DiagonalVEC模型大大的降低了模型中需要估計(jì)的參數(shù)個(gè)數(shù)，也相對容易推導(dǎo)為了保證方差和協(xié)方差矩陣的正定性所需要的條件。DiagnalVEC模型缺陷在于假設(shè)參數(shù)矩陣A和B為對角矩陣，忽視了一個(gè)資產(chǎn)或者市場的波動率溢出到另外一個(gè)資產(chǎn)或者市場的波動率效應(yīng)。本研究采用簡化的對角VEC（DiagnalVEC）模型來研究ECX碳期貨市場的波動性和動態(tài)相關(guān)性。波動溢出分析一般采用對數(shù)收益率形式，條件均值方程采用VAR模型估計(jì)。經(jīng)檢驗(yàn)，LR，F(xiàn)PE，AIC信息指數(shù)為2，SBC為0，故最終選擇優(yōu)滯后階數(shù)為2。經(jīng)檢驗(yàn)BEKK的ARCH項(xiàng)和GARCH項(xiàng)均為1擬合最好，故估計(jì)方程為VAR(2)-MGARCH-aBEKK(1,1)，分別考察誤差分布為聯(lián)合正態(tài)分布、T分布及GED三種情況，實(shí)證檢驗(yàn)表明，誤差為GED分布的信息指數(shù)最佳，故最終模型的誤差分布設(shè)定為GED分布。實(shí)證檢驗(yàn)采用計(jì)量軟件WinRats8.01編程估計(jì)，條件均值方程（5）和時(shí)變方差協(xié)方差方程（6）同時(shí)由最大對數(shù)似然方法估計(jì)，估計(jì)方法使用BHHH算法，參數(shù)的收斂標(biāo)準(zhǔn)為1e-5，經(jīng)過迭代190次后收斂。以下分別報(bào)告二元不對稱aBEKK模型的價(jià)格溢出和波動溢出結(jié)果以及診斷檢驗(yàn)結(jié)果。

3.1價(jià)格溢出檢驗(yàn)條件均值方程的矩陣Γ的參數(shù)γij，捕獲整個(gè)兩個(gè)市場收益指標(biāo)關(guān)系。標(biāo)準(zhǔn)化殘差及其平方和的滯后20階的Ljung-boxQ的統(tǒng)計(jì)量表明殘差已無序列相關(guān)，表明條件均值方程和方差方程設(shè)定適當(dāng)?shù)摹Ｓ捎?Gamma;矩陣中，滯后一階和二階的參數(shù)γ11、和γ12的統(tǒng)計(jì)都顯著，表明EUA收益率分別取決并依賴于EUA和sCER的一階和二階滯后。與此相反，滯后一階的γ21、和γ22不顯著，而滯后二階的γ21、和γ22顯著，表明sCER的收益率僅依賴于EUA和sCER的二階滯后。進(jìn)一步說明短期內(nèi)EUA期貨價(jià)格不僅受到受自身前期收益率的影響，還可能受到sCER期貨市場前期收益率的影響，長期兩者互相影響。

3.2波動溢出檢驗(yàn)表5中矩陣A和B的結(jié)果報(bào)告了式(6)在波動性方面的關(guān)系。A矩陣的對角線元素捕捉自身的ARCH效應(yīng)，矩陣B對角線元素測量自身的GARCH效應(yīng)。對角參數(shù)a11、a22和b11、b22在統(tǒng)計(jì)意義上都顯著，結(jié)果表明各市場受自身的過去沖擊和波動影響顯著。矩陣A和B的非對角線元素捕捉兩個(gè)市場之間跨市場效應(yīng)，分別代表沖擊效應(yīng)和波動溢出效應(yīng)。由于BEKK為二次型，市場i對市場j的沖擊和波動強(qiáng)度均為估計(jì)參數(shù)二次，即a2ij、b2ij和d2ij，其系數(shù)大小反映了溢出程度的強(qiáng)弱。結(jié)果發(fā)現(xiàn)非對角線參數(shù)a12、b12不顯著，但是a21、b21顯著，a21、b21分別表明sCER期貨市場對EUA期貨市場具有單向沖擊效應(yīng)和波動溢出效應(yīng)。非對稱參數(shù)矩陣D用來捕捉杠桿效應(yīng)。所謂杠桿效應(yīng)是指負(fù)向沖擊比正向沖擊引發(fā)的條件波動更大，即“壞消息”比“好消息”引發(fā)的市場波動更大。矩陣D結(jié)果顯示，除了d21外，其他元素在均通過了1%的顯著性檢驗(yàn)，說明碳排放期貨市場存在EUA對sCER的單向杠桿效應(yīng)，進(jìn)一步說明EUA市場的壞消息會比好消息會更快地傳導(dǎo)到sCER市場，引發(fā)價(jià)格波動。表5也給出對應(yīng)的對稱BEKK模型的信息指標(biāo)（表5的最后一行），其各信息指數(shù)比相應(yīng)的aBEKK要差，這也表明有必要引入非對稱項(xiàng)以捕獲杠桿效應(yīng)。

3.3診斷檢驗(yàn)為了確認(rèn)市場的價(jià)格溢出和波動溢出，進(jìn)一步采用診斷檢驗(yàn)(Diagnosticchecking)。表6為對aBEKK模型的參數(shù)進(jìn)行限制后Wald統(tǒng)計(jì)量，統(tǒng)計(jì)量為服從自由度為限定條件個(gè)數(shù)的卡方分布。Wald檢驗(yàn)得出類似的結(jié)論：sCER對EUA存在單向的價(jià)格溢出和波動溢出。對于杠桿效應(yīng)，d11、d12、d21和d22聯(lián)合檢驗(yàn)為零的假設(shè)被拒絕，說明碳排放期貨市場存在EUA對sCER顯著的杠桿效應(yīng)。#p#分頁標(biāo)題#e#

3.4動態(tài)相關(guān)關(guān)系從GARCH模型的估計(jì)效果來看，各GARCH模型的參數(shù)都比較顯著，尤其是兩矩陣對角元素極其顯著，表明EUA和sCER期貨之間的波動互相存在間接影響，這進(jìn)一步加劇了碳排放期貨交易的風(fēng)險(xiǎn)；這同時(shí)也說明了在一個(gè)向量的框架內(nèi)估計(jì)兩個(gè)市場的波動關(guān)系應(yīng)考慮到兩者之間的協(xié)方差關(guān)系的重要性，而這正是單變量GARCH模型所不能分析的。圖3繪制的是EUA和sCER的條件相關(guān)系數(shù)，它描述了兩個(gè)市場的動態(tài)相關(guān)變化，計(jì)算公式如下:ρ(r1,t,r2,t)=h12,t/h11,th22,t。圖4繪制是條件協(xié)方差序列圖清晰表明EUA和sCER相互波動有明顯的聚集性特征，這說明外部沖擊對協(xié)方差波動的持續(xù)性影響，一個(gè)市場的波動會造成另一個(gè)市場的連續(xù)波動變化，大(小)的波動會聚集在一起，這充分體現(xiàn)了兩市波動溢出的聚集性特點(diǎn)。因此，建立MGARCH模型是非常適合的。4結(jié)論經(jīng)過以上分析，可以得出如下結(jié)論：

第一，EUA、sCER這兩種主要碳排價(jià)格指標(biāo)之間具有很高的相關(guān)性，存在長期均衡的協(xié)整關(guān)系。短期內(nèi)兩種期貨價(jià)格互為引導(dǎo)關(guān)系，但是EUA期貨價(jià)格引導(dǎo)sCER期貨價(jià)格變化的力度較大。這和實(shí)際情況是相吻合的，因?yàn)镋UETS與CDM市場緊密聯(lián)系，CER可以作為EUA的高度替代品抵扣EUA，其需求必然受到EUA價(jià)格的影響。

第二，EUA、sCER碳排放期貨交易價(jià)格具有波動劇烈的特點(diǎn)。矩陣A的主對角線元素參數(shù)都比較顯著，說明兩種碳期貨價(jià)格都具有明顯的ARCH效應(yīng)，顯然兩種碳期貨價(jià)格具有時(shí)變性特征，大小分別為a211=0.4332=0.187，a222=0.3332=0.1107，顯然EUA期貨價(jià)格波動的時(shí)變性較強(qiáng)。矩陣B的主對角線元素都顯著，進(jìn)一步表明兩市場各收益率序列的波動都受到過去波動的影響，體現(xiàn)了價(jià)格波動的持續(xù)性。a21、b21分別表明sCER期貨市場對EUA期貨市場具有單向沖擊效應(yīng)和波動溢出效應(yīng)。說明sCER期貨市場的市場突發(fā)事件對EUA期貨市場產(chǎn)生價(jià)格的沖擊波動，而且EUA期貨價(jià)格不僅受到過去波動的影響，而且會受到sCER期貨價(jià)格波動的間接影響。EUA期貨和sCER期貨的收益率不僅取決于自身前期收益率的變化，而且也關(guān)系到另一方前期收益率的變化。這進(jìn)一步加劇了碳排放期貨交易的風(fēng)險(xiǎn)。

第三，從溢出效應(yīng)大小來看，在整個(gè)樣本區(qū)間，sCER期貨價(jià)格的波動主要受自身市場前期波動的影響，大小為b222=0.0642=0.004；EUA期貨價(jià)格不僅受到自身市場前期波動的影響，而且還受到來自sCER期貨價(jià)格波動的影響，大小分別為b211=0.8732=0.762，b221=0.0842=0.007，由此可見，EUA期貨價(jià)格要比sCER期貨市場受到自身前期波動的影響程度強(qiáng)。sCER對EUA的沖擊溢應(yīng)和波動溢出效應(yīng)大小為a221=-0.3012=0.091，b221=0.0842=0.007，可見sCER對EUA的沖擊效應(yīng)相對較大，而波動溢出的影響相對要小。這說明EUA期貨價(jià)格波動要大于sCER期貨價(jià)格的波動，而且外界的沖擊波動都會從其中一個(gè)市場向另一個(gè)傳遞。第四，關(guān)于杠桿效應(yīng)，則存在EUA對sCER期貨的單向杠桿效應(yīng)影響，大小為d212=0.69252=0.4796，這也反映了碳排放交易市場是基于法律公約制度的現(xiàn)實(shí)，負(fù)面的制度變化和信息披露則導(dǎo)致EUA期貨價(jià)格波動傳導(dǎo)至sCER期貨市場。同時(shí)，EUA和sCER期貨市場也受到自身市場負(fù)面消息的沖擊，大小分別為d211=0.39602=0.1568，d222=-0.28152=0.0792，可見，EUA期貨市場對負(fù)面消息的反應(yīng)程度較為強(qiáng)烈。