導(dǎo)語(yǔ)：價(jià)格風(fēng)險(xiǎn)價(jià)值下的電力市場(chǎng)論文一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

1非參數(shù)法計(jì)算電力市場(chǎng)價(jià)格風(fēng)險(xiǎn)

在現(xiàn)有的研究中計(jì)算電力市場(chǎng)VaR的非參數(shù)法主要有歷史模擬法、蒙特卡洛法和分形理論。其中歷史模擬法和蒙特卡洛法早期研究較多，而分形理論是一種電力市場(chǎng)VaR計(jì)算的新方法。歷史模擬法假設(shè)市場(chǎng)未來(lái)的電價(jià)和歷史數(shù)據(jù)類似，這樣就可以用歷史電價(jià)數(shù)據(jù)模擬將來(lái)電價(jià)的變化，從而在一定的置信水平下計(jì)算出將來(lái)的可能最大損失。文獻(xiàn)[10，12]在研究電力市場(chǎng)的風(fēng)險(xiǎn)度量時(shí)采用了該方法。歷史模擬法概念直觀、計(jì)算簡(jiǎn)單，容易接受，但其需要大量的歷史數(shù)據(jù)，對(duì)于歷史較短的市場(chǎng)其計(jì)算能力較差。蒙特卡洛法計(jì)算VaR則不需要依靠歷史數(shù)據(jù)，它是通過(guò)計(jì)算機(jī)進(jìn)行模擬仿真來(lái)計(jì)算VaR值，文獻(xiàn)[13-15]對(duì)蒙特卡洛在電力市場(chǎng)風(fēng)險(xiǎn)管理中的運(yùn)用做了研究。蒙特卡洛估計(jì)精度高，但其計(jì)算時(shí)間較長(zhǎng)，投入成本較高，且其需要假設(shè)隨機(jī)過(guò)程，可能造成模型風(fēng)險(xiǎn)。文獻(xiàn)[16-17]把分形理論運(yùn)用于對(duì)電價(jià)波動(dòng)的分析，發(fā)展了一種新的研究電價(jià)波動(dòng)的非參數(shù)法。劉偉佳等(2012)針對(duì)電價(jià)分形的特點(diǎn)，基于回歸間隔法(RIA)對(duì)電價(jià)進(jìn)行分析，并給出了計(jì)算多重分形分布數(shù)據(jù)VaR值的算法。他們?cè)趯?duì)PJM數(shù)據(jù)實(shí)證分析后指出，該方法與傳統(tǒng)的基于正態(tài)分布的VaR相比，不會(huì)高估市場(chǎng)風(fēng)險(xiǎn)，且可迅速適應(yīng)不同時(shí)期不同類型的電價(jià)波動(dòng)，及時(shí)衡量電價(jià)風(fēng)險(xiǎn)。

2基于參數(shù)法的電價(jià)波動(dòng)預(yù)測(cè)與電力市場(chǎng)價(jià)格風(fēng)險(xiǎn)度量

非參數(shù)法的固有缺陷使其無(wú)法擔(dān)當(dāng)電力市場(chǎng)風(fēng)險(xiǎn)評(píng)估的重任，學(xué)者們轉(zhuǎn)而研究參數(shù)法計(jì)算電力市場(chǎng)的VaR。在運(yùn)用參數(shù)法計(jì)算電力市場(chǎng)VaR時(shí)，首先預(yù)測(cè)電價(jià)的波動(dòng)方差（2tσ），然后用估計(jì)的條件標(biāo)準(zhǔn)差（tσ）乘以假設(shè)分布下的標(biāo)準(zhǔn)分位數(shù)，就可以得到其VaR值?；趨?shù)法計(jì)算VaR的優(yōu)點(diǎn)在于減少了對(duì)大量歷史數(shù)據(jù)的依賴，縮短了計(jì)算的時(shí)間，降低了計(jì)算的成本。從參數(shù)法的原理可以看出對(duì)電價(jià)序列的波動(dòng)建模是計(jì)算VaR的必要前提，對(duì)波動(dòng)率的準(zhǔn)確預(yù)測(cè)是提高VaR精度的關(guān)鍵。目前研究中對(duì)電價(jià)波動(dòng)的預(yù)測(cè)方法主要是基于GARCH模型和“實(shí)現(xiàn)波動(dòng)”兩種，其中基于GARCH模型的方法是對(duì)波動(dòng)預(yù)測(cè)的傳統(tǒng)方法，而實(shí)現(xiàn)波動(dòng)是近年來(lái)連續(xù)金融理論應(yīng)用于電力市場(chǎng)電價(jià)波動(dòng)預(yù)測(cè)的新成果。

2.1GARCH模型

基于GARCH模型計(jì)算電力市場(chǎng)VaR的原理是首先建立一個(gè)自回歸異方差模型(2)其中：tr是電價(jià)或電價(jià)收益率；2tσ是tξ的條件方差。通過(guò)樣本數(shù)據(jù)回歸其模型參數(shù)，并運(yùn)用該估計(jì)模型對(duì)未來(lái)的電價(jià)方差進(jìn)行預(yù)測(cè)，假設(shè)tξ服從一個(gè)隨機(jī)分布（比如正態(tài)分布或者t分布），然后用估計(jì)的條件標(biāo)準(zhǔn)差（tσ）乘以各自分布下的標(biāo)準(zhǔn)分位數(shù)，就可以得到VaR值。對(duì)tξ的假設(shè)不同對(duì)VaR的計(jì)算影響較大，其結(jié)果可能會(huì)有很大的差異。文獻(xiàn)[18-21]較早運(yùn)用ARMA-GARCH模型預(yù)測(cè)西班牙、加利福利亞以及北歐電力市場(chǎng)的電價(jià)，分析中他們著重研究的是電價(jià)的均值回歸和異方差特性，使用的是比較單純的ARMA-GARCH模型，對(duì)殘差分布假設(shè)為標(biāo)準(zhǔn)正態(tài)分布。文獻(xiàn)[22]對(duì)運(yùn)用不同的ARCH模型計(jì)算VaR進(jìn)行了比較研究，作者首先根據(jù)模型估計(jì)的對(duì)數(shù)似然值（LLR）和AIC、SC信息判斷準(zhǔn)則綜合得出EGARCH-M模型更適合刻畫電價(jià)的變化；隨后把連續(xù)MCP時(shí)間序列按24個(gè)不同的時(shí)段劃分為24組數(shù)據(jù)，分別在正態(tài)分布、t分布和廣義誤差分布（GED）下計(jì)算VaR值，運(yùn)用Kupiuc檢驗(yàn)對(duì)其進(jìn)行精度分析，認(rèn)為不同時(shí)段應(yīng)該對(duì)擾動(dòng)項(xiàng)進(jìn)行不同假設(shè),在深夜的時(shí)候(22、23、24、1等時(shí)刻)，正態(tài)模型假設(shè)對(duì)電價(jià)波動(dòng)風(fēng)險(xiǎn)有較好的估計(jì)；而在白天的時(shí)候，t分布假設(shè)和GED假設(shè)對(duì)波動(dòng)風(fēng)險(xiǎn)的估計(jì)比較好。白天的大部分時(shí)刻，正態(tài)分布假設(shè)完全不適合波動(dòng)風(fēng)險(xiǎn)計(jì)算，而GED假設(shè)的適用范圍比t分布略為廣泛一些。文獻(xiàn)[23-24]在研究電價(jià)的波動(dòng)建模時(shí)分別假設(shè)其服從t分布和加權(quán)高斯分布。在對(duì)電價(jià)波動(dòng)的研究過(guò)程中，學(xué)者們發(fā)現(xiàn)由于電力商品的特殊性，電價(jià)的波動(dòng)還存在一定的特有性質(zhì)，如電價(jià)波動(dòng)的不對(duì)稱、電價(jià)偶然的極值跳躍等，這些對(duì)電價(jià)波動(dòng)的預(yù)測(cè)帶來(lái)了很大的影響，學(xué)者們分別對(duì)這些性質(zhì)做了處理：

（1）電價(jià)波動(dòng)的“杠桿效應(yīng)”。文獻(xiàn)[25]在研究電價(jià)的性質(zhì)時(shí)發(fā)現(xiàn)電價(jià)的波動(dòng)存在一定的“反杠桿效應(yīng)”，即電價(jià)的波動(dòng)在電價(jià)正的變化時(shí)比負(fù)的變化時(shí)要大，所以他建議在對(duì)電價(jià)的波動(dòng)建模時(shí)應(yīng)該考慮用EGARCH模型來(lái)處理這種杠桿現(xiàn)象，他們運(yùn)用加利福利亞電力市場(chǎng)的數(shù)據(jù)實(shí)證研究證明了這一結(jié)論。文獻(xiàn)[26]也認(rèn)為EGARCH模型能很好的捕捉到電價(jià)波動(dòng)的不對(duì)稱性。文獻(xiàn)[27]則在對(duì)美國(guó)5個(gè)不同市場(chǎng)數(shù)據(jù)研究中也發(fā)現(xiàn)了電價(jià)波動(dòng)的不對(duì)稱性和季節(jié)性等特征，通過(guò)建立一個(gè)門限模型（TGARCH）來(lái)處理這種杠桿效應(yīng)，在波動(dòng)模型中還加入了季節(jié)性的變量。文獻(xiàn)[28]在對(duì)澳大利亞五個(gè)電力市場(chǎng)電價(jià)的波動(dòng)進(jìn)行研究時(shí)指出，電價(jià)波動(dòng)在需求較大時(shí)波動(dòng)較大，而在需求較小時(shí)波動(dòng)較小，表現(xiàn)出較強(qiáng)的不對(duì)稱性，同時(shí)波動(dòng)隨需求有較大的周期性，研究中作者用GARCH、基于t分布的APGARCHS和基于偏t分布APGARCH等模型對(duì)電價(jià)波動(dòng)過(guò)程的模擬進(jìn)行了比較研究，認(rèn)為基于偏t分的APGARCH模型模擬澳大利亞的電價(jià)波動(dòng)最為合適。文獻(xiàn)[29]比較分析了GARCH、EGARCH、APARCH和CGARCH模型對(duì)波動(dòng)預(yù)測(cè)的效果，認(rèn)為APARCH模型在對(duì)電價(jià)的波動(dòng)短期預(yù)測(cè)的效果要優(yōu)于其他三個(gè)模型。文獻(xiàn)[30]在研究美國(guó)中西部電價(jià)的變化時(shí)也發(fā)現(xiàn)了電價(jià)波動(dòng)的“杠桿效應(yīng)”，他們則運(yùn)用了EGARCH-M模型處理電價(jià)波動(dòng)的“杠桿效應(yīng)”。文獻(xiàn)[31]對(duì)十個(gè)不同的GARCH模型進(jìn)行比較研究，其結(jié)果顯示在均值回歸方程中加入波動(dòng)影響的ARMA-GARCH-M模型能夠一定程度上解決波動(dòng)的“杠桿效應(yīng)”，在預(yù)測(cè)波動(dòng)時(shí)的表現(xiàn)要優(yōu)于其他模型。

（2）電價(jià)波動(dòng)的“極值跳躍”。電價(jià)有時(shí)可能會(huì)出現(xiàn)一些極大的正負(fù)偏離，對(duì)于這種極大的正負(fù)偏離已經(jīng)不屬于“正?！钡牟▌?dòng)，一般稱為極值跳躍，對(duì)于這種偶然出現(xiàn)的極值跳躍，ARCH族模型無(wú)法準(zhǔn)確地捕捉到，所以在描述電價(jià)的波動(dòng)時(shí)還需一個(gè)程序?qū)O值跳躍進(jìn)行描述。文獻(xiàn)[32]運(yùn)用馬爾科夫轉(zhuǎn)化模型來(lái)描述電價(jià)的跳躍，在這個(gè)新的模型中沒(méi)有GARCH過(guò)程，只是假設(shè)其殘差服從標(biāo)準(zhǔn)正態(tài)分布，而把電價(jià)的運(yùn)動(dòng)分為“正常”動(dòng)態(tài)、突然增加、恢復(fù)正常三個(gè)過(guò)程，兩個(gè)過(guò)程之間的轉(zhuǎn)換用一個(gè)概率函數(shù)來(lái)表現(xiàn)，此模型能夠捕捉到電價(jià)的跳躍特性和解釋電價(jià)的高波動(dòng)性質(zhì)。文獻(xiàn)[33]在預(yù)測(cè)電價(jià)的GARCH模型中融入了描述電價(jià)跳躍的因素，他們運(yùn)用了高斯分布來(lái)刻畫電價(jià)跳躍，與沒(méi)加入跳躍部分的模型相比，前者對(duì)波動(dòng)的預(yù)測(cè)表現(xiàn)要好于后者。文獻(xiàn)[34]從電力市場(chǎng)供給和需求的特點(diǎn)出發(fā)進(jìn)一步分析了電價(jià)跳躍的動(dòng)因，在此基礎(chǔ)上建立基于泊松跳躍分布的GARCH-EARJ模型。文獻(xiàn)[35]則建立了一個(gè)聚焦于價(jià)格跳躍預(yù)測(cè)的ACH模型，該模型的作用是可以較為準(zhǔn)確捕捉到價(jià)格的極端跳躍。

（3）影響電價(jià)波動(dòng)的特定因素。一些學(xué)者在研究電價(jià)的波動(dòng)時(shí)認(rèn)為在電價(jià)的運(yùn)動(dòng)還受電力市場(chǎng)一些特定因素的影響，這些因素對(duì)電價(jià)的波動(dòng)有很好的解釋作用，所以模型中還應(yīng)加入一些描述電力市場(chǎng)特有性質(zhì)的外生變量。文獻(xiàn)[36]認(rèn)為把GARCH模型應(yīng)用于電力市場(chǎng)時(shí)還要考慮電力市場(chǎng)的特有因素，如容量充足度、必須運(yùn)行率等都能影響電價(jià)的波動(dòng)。因此，作者引入了容量充足度和必須運(yùn)行率兩個(gè)外生變量建立了刻畫電力市場(chǎng)價(jià)格波動(dòng)的新GARCH模型，該模型能夠彌補(bǔ)常規(guī)方法的不足，無(wú)論在靜態(tài)預(yù)測(cè)還是在動(dòng)態(tài)預(yù)測(cè)下都能保證較高的精度。文獻(xiàn)[37]則把生產(chǎn)技術(shù)、市場(chǎng)力和輸電阻塞等因素考慮到了電價(jià)的研究中，建立了聯(lián)合外生變量的Reg–ARFIMA–GARCH模型，通過(guò)實(shí)證分析說(shuō)明該模型表現(xiàn)較好。文獻(xiàn)[38]考慮了電價(jià)條件均值和條件方差的共同因素季節(jié)因子，把其看成一種看不見(jiàn)的影響條件方差的因素加入異方差的回歸中得到了一個(gè)新的GARCH-SeaDFA模型，文章指出該模型在波動(dòng)的短期、長(zhǎng)期預(yù)測(cè)都表現(xiàn)得較好。近年來(lái)很多學(xué)者把小波處理技術(shù)運(yùn)用到了電價(jià)的分析中，首先利用小波變化理論把電價(jià)原序列處理成概貌信號(hào)和細(xì)節(jié)信號(hào)，對(duì)各個(gè)分別建模預(yù)測(cè)后加總得到總的預(yù)測(cè)[39-43]。但小波分析對(duì)波動(dòng)較大的情況的分析作用有限，而電價(jià)在一天的某些時(shí)段波動(dòng)是非常劇烈的，這就導(dǎo)致了該思想在電價(jià)波動(dòng)的分析中受到了一定的限制。對(duì)電價(jià)特有性質(zhì)的處理在一定程度上優(yōu)化了模型對(duì)電價(jià)運(yùn)動(dòng)的刻畫，但對(duì)電價(jià)的運(yùn)動(dòng)假設(shè)為一個(gè)假定的模型，這將導(dǎo)致很大的模型風(fēng)險(xiǎn)。另外研究中把tξ人為地假設(shè)為各種分布，這樣的假設(shè)帶有很大的主觀性，且不同分布假設(shè)下計(jì)算結(jié)果相差較大，這就需要尋找另外的方法來(lái)處理電價(jià)的尾部特征。同時(shí)在現(xiàn)有用參數(shù)法直接計(jì)算VaR的文獻(xiàn)中尚未融入對(duì)極值跳躍特征的描述。

2.2實(shí)現(xiàn)波動(dòng)

隨著高頻數(shù)據(jù)越來(lái)越容易可得，連續(xù)金融理論在金融領(lǐng)域得到快速發(fā)展，實(shí)現(xiàn)波動(dòng)在測(cè)度股市日波動(dòng)率中的良好表現(xiàn)引起了電力市場(chǎng)研究中的注意，很多學(xué)者試著將其應(yīng)用于電力市場(chǎng)中。文獻(xiàn)[44]認(rèn)為GARCH模型在刻畫電價(jià)波動(dòng)的異方差效應(yīng)時(shí)表現(xiàn)良好，但GARCH在模擬電價(jià)波動(dòng)的跳躍特性方面卻表現(xiàn)出無(wú)力，他們提出了“實(shí)現(xiàn)波動(dòng)”估計(jì)的是日整體波動(dòng)，而“冪波動(dòng)”估計(jì)則是剔除了波動(dòng)的跳躍部分，并用該理論把跳躍波動(dòng)計(jì)算出來(lái)作為波動(dòng)預(yù)測(cè)的變量，運(yùn)用澳大利亞電力市場(chǎng)的數(shù)據(jù)實(shí)證證明其預(yù)測(cè)精度要好于單獨(dú)用實(shí)現(xiàn)波動(dòng)作為預(yù)測(cè)變量。最后作者把實(shí)現(xiàn)波動(dòng)預(yù)測(cè)與EGARCH模型的波動(dòng)預(yù)測(cè)精度做了比較，實(shí)現(xiàn)波動(dòng)的預(yù)測(cè)效果比EGARCH模型的預(yù)測(cè)效果要好。沿著文獻(xiàn)[44]的思想，文獻(xiàn)[45]估計(jì)了澳大利亞、加拿大、美國(guó)等8個(gè)電力市場(chǎng)的不同價(jià)格頻率的“實(shí)現(xiàn)波動(dòng)”,其結(jié)果顯示澳大利亞電力市場(chǎng)和美國(guó)電力市場(chǎng)的波動(dòng)較大，這可能是每個(gè)市場(chǎng)的電價(jià)頻率不同造成的，同時(shí)還指出運(yùn)用不同的“實(shí)現(xiàn)波動(dòng)”和“冪波動(dòng)”偵查的電價(jià)波動(dòng)跳躍是不穩(wěn)定的，作者認(rèn)為這種現(xiàn)象可能是電價(jià)的反轉(zhuǎn)引起的序列負(fù)相關(guān)和日內(nèi)電價(jià)的跳躍次數(shù)不只一次造成的，而調(diào)整冪波動(dòng)的滯后步數(shù)可以克服其序列負(fù)相關(guān)。文獻(xiàn)[46-47]研究了電能交易量、杠桿效應(yīng)和周期性等對(duì)實(shí)現(xiàn)波動(dòng)的影響，對(duì)使用標(biāo)準(zhǔn)的“實(shí)現(xiàn)波動(dòng)”技術(shù)和傳統(tǒng)基于GARCH的方法預(yù)測(cè)將來(lái)波動(dòng)的表現(xiàn)進(jìn)行了比較，得出前者比后者表現(xiàn)的得好的結(jié)論。更進(jìn)一步，如果加入電能交易量、杠桿效應(yīng)和周期性等外生變量的影響，“實(shí)現(xiàn)波動(dòng)”技術(shù)的預(yù)測(cè)能力提高得更為明顯。隱含波動(dòng)率的概念在金融領(lǐng)域得到了廣泛的認(rèn)同，通過(guò)金融衍生品的期權(quán)價(jià)值運(yùn)算得到，大量的文獻(xiàn)對(duì)運(yùn)用歷史“實(shí)現(xiàn)波動(dòng)”和隱含波動(dòng)率對(duì)將來(lái)波動(dòng)進(jìn)行預(yù)測(cè)做了比較，一般認(rèn)為隱含波動(dòng)率對(duì)將來(lái)波動(dòng)有較好的解釋能力。文獻(xiàn)[48]把該概念引入到電價(jià)的波動(dòng)預(yù)測(cè)中，因?yàn)樵?a href="http://www.jrctt.com/lunwen/dianzilunwen/dianlishichanglunwen/201407/576599.html" target="_blank">電力市場(chǎng)中很少有電力期權(quán)交易，所以他們?cè)谖恼轮欣枚唐陔娏ζ谪泝r(jià)格計(jì)算的波動(dòng)率代替了期權(quán)隱含波動(dòng)率，然后把這個(gè)隱含波動(dòng)率作為預(yù)測(cè)模型中的一個(gè)變量，指出由于基于期貨的隱含波動(dòng)率包含了市場(chǎng)參與者的競(jìng)價(jià)和電力市場(chǎng)結(jié)構(gòu)等能影響將來(lái)電價(jià)波動(dòng)的信息，所以把它作為一個(gè)解釋變量能提高對(duì)將來(lái)波動(dòng)的預(yù)測(cè)精度。然而，實(shí)現(xiàn)波動(dòng)的概念來(lái)源于連續(xù)時(shí)間金融理論，而實(shí)踐中電價(jià)的變化與金融市場(chǎng)并不一致。文獻(xiàn)[49]用原油與天然氣價(jià)格數(shù)據(jù)對(duì)其“實(shí)現(xiàn)波動(dòng)”和實(shí)現(xiàn)相關(guān)進(jìn)行了分析，在文章中指出，很多傳統(tǒng)金融資產(chǎn)的固有特性在能源市場(chǎng)也是存在的，這些固有特性包括：（1）波動(dòng)的長(zhǎng)記憶性；（2）日實(shí)現(xiàn)方差和日回報(bào)率的非高斯分布。所以作者認(rèn)為“實(shí)現(xiàn)波動(dòng)”和實(shí)現(xiàn)相關(guān)在能源市場(chǎng)是可以接受的，并建議把該概念運(yùn)用于其他能源數(shù)據(jù)加以檢驗(yàn)。雖然上面的研究中普遍得出了“實(shí)現(xiàn)波動(dòng)”技術(shù)在預(yù)測(cè)電價(jià)波動(dòng)方面有很大的優(yōu)勢(shì)，但對(duì)該概念能否運(yùn)用于電力市場(chǎng)的電價(jià)數(shù)據(jù)并沒(méi)有說(shuō)明。而電力商品與原油等商品還是存在很大的差異，所以對(duì)“實(shí)現(xiàn)波動(dòng)”在電價(jià)波動(dòng)預(yù)測(cè)中的運(yùn)用還需謹(jǐn)慎對(duì)待。另外根據(jù)“實(shí)現(xiàn)波動(dòng)”的概念來(lái)看,它只能計(jì)算日波動(dòng)或者更大時(shí)間間隔的波動(dòng)，而對(duì)于日內(nèi)波動(dòng)的計(jì)算和預(yù)測(cè)卻受到了限制。

3半?yún)?shù)法計(jì)算電力市場(chǎng)價(jià)格風(fēng)險(xiǎn)

參數(shù)法對(duì)電價(jià)序列厚尾偏鋒等特征描述的乏力，導(dǎo)致了參數(shù)法在計(jì)算電力市場(chǎng)VaR時(shí)有較大的誤差，學(xué)者紛紛尋找能夠描述其尾部特征的方法，比如假設(shè)其尾部服從廣義誤差分布、t分布和偏t分布等，但效果有限。半?yún)?shù)法則在尾部的處理上做出了貢獻(xiàn)，在一定程度上解決了這個(gè)問(wèn)題。半?yún)⒎ㄊ菂?shù)法和非參數(shù)法的結(jié)合：在預(yù)測(cè)電價(jià)的波動(dòng)時(shí)仍然運(yùn)用GARCH模型，但對(duì)模型中的tξ不做假設(shè)分布，而是運(yùn)用非參數(shù)法來(lái)估計(jì)一定顯著水平下的分位數(shù)。文獻(xiàn)[50]對(duì)基于核估計(jì)的半?yún)⒎ㄔ陔妰r(jià)研究中的運(yùn)用做了研究，與參數(shù)法比較半?yún)⒎ū憩F(xiàn)出顯著的優(yōu)勢(shì)。非參數(shù)估計(jì)分位數(shù)的方法還有歷史模擬法、蒙特卡洛法、極值理論等，但在電力市場(chǎng)VaR計(jì)算研究中，基于極值理論的半?yún)⒎ㄟ\(yùn)用較多。本節(jié)接下來(lái)重點(diǎn)討論基于極值理論的非參法。文獻(xiàn)[51]首先運(yùn)用極值理論計(jì)算了加拿大電力市場(chǎng)的VaR值，通過(guò)與歷史模擬法和傳統(tǒng)的正態(tài)分布假設(shè)相比較，認(rèn)為EVT有更好的精確度。文獻(xiàn)[52]在GARCH模型中引入了極值理論的思想來(lái)預(yù)測(cè)將來(lái)電價(jià)，通過(guò)對(duì)比認(rèn)為EVT方法在描述電價(jià)的極端變化比傳統(tǒng)的時(shí)間序列模型表現(xiàn)要好，其對(duì)電價(jià)的預(yù)測(cè)更為準(zhǔn)確。文獻(xiàn)[53]則運(yùn)用極值理論研究了電力市場(chǎng)VaR的計(jì)算，文中的模型與文獻(xiàn)[54]中建立的AR-EGARCH-EVT模型相似，假定其厚尾服從廣義帕累托分布（GDP），通過(guò)POT方法計(jì)算其VaR值。作者用五大國(guó)際能源市場(chǎng)的電價(jià)數(shù)據(jù)來(lái)對(duì)AR-EGARCH-EVT、HS、AR-HS、AR-ConVar、AR-EGARCH-N、AR-EGARCH-t等模型計(jì)算VaR進(jìn)行了比較分析，得出新模型對(duì)VAR的計(jì)算有更高精度的結(jié)論。文獻(xiàn)[54]使用加拿大電力市場(chǎng)的數(shù)據(jù)研究了基于GDP分布極值理論對(duì)VaR的計(jì)算，得出了該方法比常規(guī)時(shí)間序列方法和歷史模擬法計(jì)算VaR更精確的結(jié)論。文獻(xiàn)[55]通過(guò)建立EGARCH-EVT-CVaR對(duì)電力拍賣市場(chǎng)的風(fēng)險(xiǎn)進(jìn)行分析時(shí)也認(rèn)為EVT方法與傳統(tǒng)的時(shí)間模型相比能更好地描述價(jià)格的極端變化，更適合于描述電價(jià)的厚尾特性。文獻(xiàn)[56]在運(yùn)用極值理論計(jì)算電力市場(chǎng)VaR值時(shí)，把尾部帕累托分布的參數(shù)看成隨機(jī)變量，并結(jié)和貝葉斯估計(jì)的思想，這樣就可以根據(jù)能觀察的數(shù)據(jù)對(duì)VaR值進(jìn)行調(diào)整，以達(dá)到風(fēng)險(xiǎn)管理的目的。文獻(xiàn)[57]在對(duì)電價(jià)的特性進(jìn)行歸納總結(jié)的基礎(chǔ)上，對(duì)極值理論在電力市場(chǎng)中運(yùn)用給予了肯定，并在該文章中對(duì)EVT在電力市場(chǎng)風(fēng)險(xiǎn)管理中的運(yùn)用做了全面的慨括。極值理論能很好地描述分位數(shù)的尾部特征，能較為準(zhǔn)確地捕著到價(jià)格的極端變化，與傳統(tǒng)金融時(shí)間序列結(jié)合顯著地提高了電力市場(chǎng)VaR計(jì)算的精度。但應(yīng)用極值理論需要較大量的歷史數(shù)據(jù)，這是它相對(duì)于參數(shù)法的一個(gè)缺陷。極值理論在估計(jì)尾部分布時(shí)閥值的決定至關(guān)重要，如果閥值過(guò)高，則超過(guò)閥值的數(shù)據(jù)較少，參數(shù)估計(jì)值的方差較大；如果閥值較低則會(huì)使估計(jì)出現(xiàn)較大的偏差，降低了VaR的計(jì)算精度。

4結(jié)論

電力工業(yè)的市場(chǎng)化改革使電力商品能夠在能源市場(chǎng)自由買賣，給了廣大投資者參與電力投資的機(jī)會(huì)，但電價(jià)的高波動(dòng)性也給市場(chǎng)參與者帶來(lái)了巨大的風(fēng)險(xiǎn)。電力市場(chǎng)的風(fēng)險(xiǎn)管理的重要性不言而喻，其中電力市場(chǎng)風(fēng)險(xiǎn)度量尤其重要。本文對(duì)電力市場(chǎng)VaR計(jì)算及其相關(guān)的電價(jià)波動(dòng)建模的文獻(xiàn)進(jìn)行了總結(jié)評(píng)述?，F(xiàn)有的研究中，電力市場(chǎng)VaR的計(jì)算方法主要有非參數(shù)法、參數(shù)法和半?yún)?shù)法。非參數(shù)不需要對(duì)電價(jià)序列做分布假設(shè)，也不需要估計(jì)模型參數(shù)，不存在模型風(fēng)險(xiǎn)，能夠很好地處理非線性問(wèn)題。但非參數(shù)法有的要求的歷史數(shù)據(jù)較多，有的則計(jì)算成本較大。參數(shù)法首先需要對(duì)電價(jià)運(yùn)動(dòng)過(guò)程假設(shè)一個(gè)模型，這導(dǎo)致了參數(shù)法最大的缺點(diǎn)就是比較大的模型風(fēng)險(xiǎn)。同時(shí)參數(shù)法在計(jì)算VaR時(shí)，傳統(tǒng)金融理論通常假設(shè)其厚尾服從一個(gè)已知的分布，這樣的假設(shè)帶有很大的主觀性，不同的假設(shè)條件下其計(jì)算結(jié)果往往差距較大，而且電價(jià)的周期波動(dòng)、杠桿效應(yīng)和厚尾尖峰等特已經(jīng)性顛覆了傳統(tǒng)金融理論的假設(shè)條件，單獨(dú)的參數(shù)法無(wú)法準(zhǔn)確地描述電價(jià)的尾部特征。同時(shí)在現(xiàn)有用參數(shù)法直接計(jì)算VaR的文獻(xiàn)中尚未融入對(duì)極值跳躍特征的描述，將波動(dòng)建模中描述極值跳躍的模型引進(jìn)計(jì)算VaR的模型中是否能夠進(jìn)一步提高計(jì)算的精度將是一個(gè)值得研究的課題。而對(duì)于“實(shí)現(xiàn)波動(dòng)”的概念能否運(yùn)用于電價(jià)序列波動(dòng)的預(yù)產(chǎn)也應(yīng)該進(jìn)行更為深入的研究。半?yún)?shù)法結(jié)合了非參數(shù)法和參數(shù)法的優(yōu)點(diǎn)，它無(wú)需假設(shè)殘差為一種分布，而是通過(guò)非參數(shù)法來(lái)估計(jì)一定顯著水平下的分位數(shù)。半?yún)?shù)法能夠很好地描述電價(jià)的尾部特征，改進(jìn)了VaR的計(jì)算精度。但半?yún)?shù)法也繼承了非參數(shù)法和參數(shù)法的一些缺點(diǎn)（如仍然存在一定的模型風(fēng)險(xiǎn)），其閥值的確定也需更進(jìn)一步的研究。

作者：熊尚飛鄒小燕工作單位：重慶師范大學(xué)經(jīng)濟(jì)與管理學(xué)院