Policy-State Gated Regime Dynamics in European Emission Allowance Futures

Resumen Técnico: Dinámica de Regímenes con Compuerta de Estado de Política en los Futuros de Permisos de Emisión Europeos

Problema y Motivación
Los futuros de Derechos de Emisión de la Unión Europea (EUA, por sus siglas en inglés) son activos financieros únicos creados por política regulatoria en lugar de escasez natural. Su dinámica de retornos está impulsada por una compleja interacción de programas de oferta regulatoria (específicamente la Reserva de Estabilidad del Mercado o MSR), demanda de cumplimiento, incentivos para el cambio de combustible y actividad de negociación financiera. Mientras que la literatura existente ha establecido que los retornos de los EUA exhiben características no gaussianas, agrupamiento de volatilidad (volatility clustering) y dependencia de regímenes, los modelos estándar de cambio de régimen latente (Markov) a menudo no logran vincular estos estados no observados con las variables específicas de política y mercado que definen el EU ETS.

El problema central abordado es si las probabilidades de transición entre regímenes de retornos de bajo estrés y alto estrés pueden modelarse explícitamente como una función de variables de estado de política observables (superávit), estrés del mercado energético y actividad de negociación, en lugar de inferirse únicamente a partir de retornos pasados. Los autores argumentan que es necesario un enfoque de "compuerta de estado de política" (policy-state gated) para comprender la ley de movimiento de los retornos de los EUA bajo cambios en el diseño del mercado, particularmente tras las reformas del 2023 del EU ETS.

Metodología
El artículo estima un modelo de Markov de probabilidad de transición variante en el tiempo (TVTP) de dos estados para los retornos diarios de los futuros de EUA. El modelo se especifica de la siguiente manera:

1. Dinámica de Estados: El retorno $r_{t+1}$ sigue una distribución de mezcla normal condicionada a un estado latente $Z_t \in \{0, 1\}$, donde el estado 0 representa un régimen de bajo estrés y el estado 1 representa un régimen de alto estrés. Los estados se distinguen principalmente por la volatilidad condicional ($\sigma_0 < \sigma_1$).
2. Compuerta de Estado de Política: A diferencia de los modelos de Markov latentes estándar donde las probabilidades de transición son constantes, la transición aquí depende de un vector de variables de compuerta observables $G_t = (\tilde{s}_t, \tilde{\tau}_t, \tilde{g}_t, \tilde{v}_t)'$:
   • $\tilde{s}_t$: Un proxy de estado de precio implícito en el mercado estandarizado (percentil rodante de los precios de los EUA).
   • $\tilde{\tau}_t$: El Número Total de Permisos en Circulación (TNAC) estandarizado, la medida oficial de superávit utilizada para las operaciones de la MSR.
   • $\tilde{g}_t$: La volatilidad anualizada de 21 días del gas TTF holandés estandarizada (estrés del mercado energético).
   • $\tilde{v}_t$: El volumen logarítmico estandarizado de los futuros de EUA (actividad del mercado).
3. Ecuación de Transición: La probabilidad de permanecer en o transicionar a un estado se modela mediante una función logística:
   $$p_{i0,t} = \Lambda(a_{i0} + b_{i0}^{(s)}\tilde{s}_t + b_{i0}^{(\tau)}\tilde{\tau}_t + b_{i0}^{(g)}\tilde{g}_t + b_{i0}^{(v)}\tilde{v}_t)$$
   donde $\Lambda$ es la función logística. Esta estructura permite que las probabilidades de transición cambien dinámicamente basándose en condiciones de mercado observables.
4. Estimación y Evaluación: El modelo se estima mediante Máxima Verosimilitud utilizando el filtro de Hamilton sobre una muestra común desde el 15 de mayo de 2019 hasta el 28 de mayo de 2026. Los autores emplean una estrategia de comparación de modelos anidados, progresando desde un benchmark Gaussiano IID hasta un modelo de Markov latente, y finalmente a la especificación completa de compuerta de política.
5. Benchmarks: El modelo propuesto se compara rigurosamente contra:
   • Modelos de Markov latentes con probabilidades de transición constantes.
   • Modelos de Markov anidados con subconjuntos de variables de compuerta.
   • Benchmarks de la familia GARCH de colas pesadas (Student-t GARCH, GJR-GARCH, EGARCH) para probar el rendimiento de la predicción de densidad.
6. Validación: La evaluación incluye verosimilitud de muestra común (AIC/BIC), clasificación de estrés de un paso adelante (AUC, tasas de acierto) y validación con muestras fuera de la muestra (held-out) utilizando divisiones fijas de entrenamiento-validación-prueba para evaluar el dominio de la predicción en tiempo real.

Resultados Clave

• Dependencia de Régimen: Los datos rechazan fuertemente un modelo Gaussiano de un solo régimen. Un modelo de Markov latente de dos regímenes mejora significativamente el ajuste (menor AIC) sobre el benchmark IID, confirmando que los retornos de los EUA son dependientes del estado y de colas pesadas.
• Valor de las Compuertas Observables: Dentro de la familia Gaussiana de Markov, el modelo completo de compuerta de política proporciona el mejor ajuste (menor AIC) en comparación con los modelos latentes o parcialmente con compuerta. La inclusión de TNAC, volatilidad del gas y actividad de negociación añade información incremental a la ley de transición. Sin embargo, la compuerta completa no supera al modelo latente según el BIC, y los modelos GARCH de colas pesadas (variantes Student-t) siguen siendo superiores tanto en AIC como en BIC para el ajuste de densidad incondicional.
• Interpretación Económica de los Coeficientes:
  • TNAC: Un TNAC más alto (superávit) se asocia con una mayor probabilidad de transicionar de estados de bajo estrés a estados de alto estrés, aunque el efecto se estima con intervalos de incertidumbre amplios debido a la baja frecuencia de las actualizaciones del TNAC.
  • Volatilidad del Gas: La mayor volatilidad del gas TTF es el motor más fuerte, aumentando significativamente la probabilidad de entrar y permanecer en el régimen de alto estrés.
  • Actividad de Negociación: El alto volumen parece actuar principalmente como un mecanismo de persistencia para el estado de alto estrés, más que como un simple disparador de entrada.
  • Estado de Precio: El proxy de precio implícito en el mercado muestra efectos asimétricos, aumentando la probabilidad de entrada en estrés en niveles altos, pero facilitando la salida del estrés.
• Desempeño de Predicción: En ejercicios de muestra común, el modelo de compuerta de política supera modestamente a los benchmarks GARCH en la clasificación de días de estrés de cola absoluta (AUC ~0.70 vs. ~0.67). Sin embargo, en la validación de muestras fuera de la muestra (periodos de crisis y post-crisis), los modelos GARCH superan consistentemente al modelo de Markov en puntuaciones de logaritmo, puntuaciones de Brier y calibración de VaR. El modelo de Markov no establece un dominio de predicción en tiempo real.

Significancia y Reivindicaciones
El artículo enmarca explícitamente su contribución como interpretativa y asociativa, en lugar de causal o universalmente predictiva.

• Valor Interpretativo: La principal contribución es demostrar que el superávit de política observable (TNAC), la volatilidad energética y la actividad del mercado están estadísticamente asociados con el tiempo y la persistencia de los regímenes de retornos de los EUA. Esto proporciona un mapa transparente desde las variables institucionales del EU ETS hacia la probabilidad de estrés del mercado, algo que los modelos latentes no pueden ofrecer.
• Reivindicaciones de Predicción Limitadas: Los autores afirman modestamente que, si bien el modelo de compuerta de política mejora la clasificación de regímenes y la interpretación económica, no reemplaza a los modelos de volatilidad de colas pesadas para la predicción de densidad o la gestión de riesgos en tiempo real. El modelo se presenta como una herramienta para comprender la ley de movimiento de los regímenes bajo condiciones específicas de política y mercado, más que como un motor de predicción independiente superior.
• Relevancia de Política: Los resultados sugieren que el "final del juego" del EU ETS, caracterizado por la reducción de topes y las intervenciones de la MSR, crea un entorno de mercado donde las transiciones de régimen son impulsadas por choques de política y energía observables, lo que requiere modelos que incorporen explícitamente estas variables de estado.

En resumen, el artículo construye con éxito un modelo de cambio de régimen donde las probabilidades de transición están reguladas por compuertas de variables de los EUA, ofreciendo una comprensión económica más profunda de la dinámica del mercado de carbono, al tiempo que reconoce que los modelos de volatilidad tradicionales siguen siendo más robustos para la pura predicción de densidad.