Policy-State Gated Regime Dynamics in European Emission Allowance Futures

Sintesi Tecnica: Dinamiche di Regime Regolate da Stato-Politica nei Futures sulle Emissioni Europee

Problema e Motivazione
I futures sulle quote di emissione dell'Unione Europea (EUA) sono asset finanziari unici, creati da una regolamentazione politica piuttosto che dalla scarsità naturale. La loro dinamica dei rendimenti è guidata da un complesso intreccio tra programmi di offerta regolamentari (specificamente la Riserva di Stabilità del Mercato o MSR), domanda di conformità, incentivi al passaggio ai combustibili (fuel-switching) e attività di trading finanziario. Mentre la letteratura esistente ha stabilito che i rendimenti EUA presentano caratteristiche non gaussiane, clustering della volatilità e dipendenza dal regime, i modelli standard a commutazione di Markov latenti spesso non riescono a collegare questi stati non osservati alle specifiche variabili di mercato e di politica osservabili che definiscono l'EU ETS.

Il problema centrale affrontato è se le probabilità di transizione tra i regimi a basso stress e ad alto stress possano essere esplicitamente modellate come funzione di variabili di stato-politica osservabili (eccedenza), stress del mercato energetico e attività di trading, piuttosto che essere inferite esclusivamente dai rendimenti passati. Gli autori sostengono che un approccio "regolato da stato-politica" (policy-state gated) sia necessario per comprendere la legge di moto dei rendimenti EUA sotto cambiamenti nel design del mercato, in particolare a seguito delle riforme dell'EU ETS del 2023.

Metodologia
Il documento stima un modello di Markov a due stati con probabilità di transizione variabile nel tempo (TVTP) per i rendimenti giornalieri dei futures EUA. Il modello è specificato come segue:

1. Dinamiche di Stato: Il rendimento $r_{t+1}$ segue una distribuzione di miscela normale condizionata da uno stato latente $Z_t \in \{0, 1\}$, dove lo stato 0 rappresenta un regime a basso stress e lo stato 1 un regime ad alto stress. Gli stati sono distinti principalmente dalla volatilità condizionata ($\sigma_0 < \sigma_1$).
2. Regolazione da Stato-Politica (Policy-State Gating): A differenza dei modelli di Markov latenti standard in cui le probabilità di transizione sono costanti, la transizione qui dipende da un vettore di variabili di soglia (gate) osservabili $G_t = (\tilde{s}_t, \tilde{\tau}_t, \tilde{g}_t, \tilde{v}_t)'$:
   • $\tilde{s}_t$: Una proxy dello stato del prezzo implicito dal mercato (percentile mobile dei prezzi EUA).
   • $\tilde{\tau}_t$: Il Total Number of Allowances in Circulation (TNAC) standardizzato, la misura ufficiale dell'eccedenza utilizzata per le operazioni MSR.
   • $\tilde{g}_t$: La volatilità annualizzata a 21 giorni standardizzata dei prezzi del gas TTF olandese (stress del mercato energetico).
   • $\tilde{v}_t$: Il logaritmo del volume standardizzato dei futures EUA (attività di mercato).
3. Equazione di Transizione: La probabilità di rimanere in uno stato o di transire verso un altro è modellata tramite una funzione logistica:
   $$p_{i0,t} = \Lambda(a_{i0} + b_{i0}^{(s)}\tilde{s}_t + b_{i0}^{(\tau)}\tilde{\tau}_t + b_{i0}^{(g)}\tilde{g}_t + b_{i0}^{(v)}\tilde{v}_t)$$
   dove $\Lambda$ è la funzione logistica. Questa struttura permette alle probabilità di transizione di cambiare dinamicamente in base alle condizioni di mercato osservabili.
4. Stima e Valutazione: Il modello è stimato tramite la Massima Verosimiglianza utilizzando il filtro di Hamilton su un campione comune dal 15 maggio 2019 al 28 maggio 2026. Gli autori impiegano una strategia di confronto tra modelli annidati, procedendo da un benchmark Gaussiano IID a un modello di Markov latente, e infine alla specifica completa a soglia politica.
5. Benchmark: Il modello proposto è rigorosamente confrontato con:
   • Modelli di Markov latenti con probabilità di transizione costanti.
   • Modelli di Markov annidati con sottoinsiemi di variabili di soglia.
   • Benchmark della famiglia GARCH a code pesanti (Student-t GARCH, GJR-GARCH, EGARCH) per testare le prestazioni di previsione della densità.
6. Validazione: La valutazione include il confronto della verosimiglianza su campione comune (AIC/BIC), il ranking dello stress un passo avanti (AUC, hit rates) e la validazione su campioni esterni (held-out) utilizzando partizioni fisse train-validation-test per valutare il dominio della previsione in tempo reale.

Risultati Chiave

• Dipendenza dal Regime: I dati rifiutano fortemente un modello Gaussiano a regime singolo. Un modello di Markov a due regimi latenti migliora significativamente l'adattamento (AIC inferiore) rispetto al benchmark IID, confermando che i rendimenti EUA sono dipendenti dallo stato e presentano code pesanti.
• Valore delle Soglie Osservabili: All'interno della famiglia Markoviana Gaussiana, il modello completo a soglia politica fornisce il miglior adattamento (AIC più basso) rispetto ai modelli latenti o parzialmente regolati. L'inclusione di TNAC, volatilità del gas e attività di trading aggiunge informazioni incrementali alla legge di transizione. Tuttavia, il modello completo con tutte le soglie non supera il modello latente in termini di BIC, e i modelli GARCH a code pesanti (varianti Student-t) rimangono superiori in termini di AIC e BIC per l'adattamento della densità incondizionata.
• Interpretazione Economica dei Coefficienti:
  • TNAC: Un TNAC più elevato (eccedenza) è associato a una maggiore probabilità di transizione da regimi a basso stress a regimi ad alto stress, sebbene l'effetto sia stimato con intervalli di incertezza molto ampi a causa della bassa frequenza di aggiornamento del TNAC.
  • Volatilità del Gas: La volatilità del gas TTF è il driver più forte, aumentando significamente la probabilità di entrare e rimanere nel regime di alto stress.
  • Attività di Trading: L'alto volume sembra agire principalmente come un meccanismo di persistenza per lo stato di alto stress piuttosto che come un semplice trigger di ingresso.
  • Stato del Prezzo: La proxy del prezzo implicito dal mercato mostra effetti asimmetrici, aumentando la probabilità di ingresso nello stress a livelli elevati, ma facilitando l'uscita dallo stress.
• Prestazioni di Previsione: In esercizi su campioni comuni, il modello a soglia politica supera moderatamente i benchmark GARCH nel classificare i giorni di stress della coda assoluta (AUC ~0.70 vs ~0.67). Tuttavia, nella validazione su campioni esterni (periodi di crisi e post-crisi), i modelli GARCH superano costantemente il modello di Markov in termini di log score, punteggi Brier e calibrazione VaR. Il modello di Markov non stabilisce un dominio di previsione in tempo reale.

Significatività e Rivendicazioni
Il documento inquadra esplicitamente il proprio contributo come interpretativo e associativo piuttosto che causale o universalmente predittivo.

• Valore Interpretativo: Il contributo primario è dimostrare che l'eccedenza di politica osservabile (TNAC), la volatilità energetica e l'attività di mercato sono statisticamente associate alla tempistica e alla persistenza dei regimi di rendimento EUA. Ciò fornisce una mappa trasparente dalle variabili istituzionali dell'EU ETS alla probabilità di stress di mercato, cosa che i modelli latenti non possono offrire.
• Rivendicazioni di Previsione Limitate: Gli autori affermano con modestia che, sebbene il modello a soglia politica migliori la classificazione dei regimi e l'interpretazione economica, esso non sostituisce i modelli di volatilità a code pesanti per la previsione della densità o la gestione del rischio in tempo reale. Il modello è presentato come uno strumento per comprendere la legge di moto dei regimi sotto specifiche condizioni politiche e di mercato, piuttosto che come un motore di previsione stand-alone superiore.
• Rilevanza Politica: I risultati suggeriscono che l' "endgame" dell'EU ETS, caratterizzato da un restringimento dei tetti e interventi MSR, crea un ambiente di mercato in cui le transizioni di regime sono guidate da shock politici ed energetici osservabili, rendendo necessari modelli che incorporino esplicitamente tali variabili di stato.

In sintesi, il documento costruisce con successo un modello di commutazione di regime in cui le probabilità di transizione sono regolate da variabili dell'EU ETS osservabili, offrendo una comprensione economica più profonda delle dinamiche del mercato del carbonio, pur riconoscendo che i modelli di volatilità tradizionali rimangono più robusti per la pura previsione della densità.