申 晨 林沛娜

·國(guó)民經(jīng)濟(jì)·

中國(guó)碳排放權(quán)交易試點(diǎn)市場(chǎng)的現(xiàn)狀特征及風(fēng)險(xiǎn)分析

申 晨 林沛娜

適應(yīng)新的世界經(jīng)濟(jì)趨勢(shì)，科學(xué)分析我國(guó)不同碳市場(chǎng)的運(yùn)行情況，把握交易規(guī)模、價(jià)格和日收益率等變量特征，定性與定量相結(jié)合探討我國(guó)區(qū)域碳金融交易的市場(chǎng)風(fēng)險(xiǎn)，為市場(chǎng)交易主體和監(jiān)管部門(mén)提供決策參考，有重要意義。利用中國(guó)七個(gè)碳交易試點(diǎn)省市日成交量和收盤(pán)價(jià)數(shù)據(jù)，考察當(dāng)前碳交易市場(chǎng)的規(guī)模、價(jià)格和收益率走勢(shì)，并結(jié)合收益率的波動(dòng)性、杠桿效應(yīng)、風(fēng)險(xiǎn)溢價(jià)、條件方差等實(shí)證分析碳交易市場(chǎng)風(fēng)險(xiǎn)。結(jié)果顯示： 各試點(diǎn)省市碳交易所的成交量、收盤(pán)價(jià)和日收益率趨勢(shì)存在顯著差異；北京和深圳交易所對(duì)市場(chǎng)價(jià)格有較強(qiáng)的長(zhǎng)期記憶性，重慶交易所收益率的波動(dòng)性最易受外部沖擊影響；部分碳交易市場(chǎng)存在明顯的杠桿效應(yīng)，但外部沖擊對(duì)各試點(diǎn)市場(chǎng)都可能產(chǎn)生系統(tǒng)性影響，導(dǎo)致極端波動(dòng)在短時(shí)間內(nèi)相繼發(fā)生。對(duì)比各試點(diǎn)省市的碳市場(chǎng)交易狀況而言，湖北碳市場(chǎng)交易規(guī)模和價(jià)格相對(duì)更平穩(wěn)，ARCH-M效應(yīng)最強(qiáng)，其市場(chǎng)收益有較高的正風(fēng)險(xiǎn)溢價(jià)，具有成為全國(guó)統(tǒng)一的碳市場(chǎng)金融中心的潛力。

碳排放權(quán)交易試點(diǎn)市場(chǎng)； 碳交易機(jī)制； 收益率波動(dòng)； 碳金融市場(chǎng)風(fēng)險(xiǎn)

一 引言與文獻(xiàn)回顧

氣候變化問(wèn)題日益受到國(guó)際社會(huì)的廣泛關(guān)注，《〈聯(lián)合國(guó)氣候變化框架公約〉京都議定書(shū)》(Kyoto Protocol或議定書(shū))的生效標(biāo)志著人們用法律法規(guī)限制溫室氣體排放時(shí)代的開(kāi)始。根據(jù)議定書(shū)中“共同但有區(qū)別的責(zé)任”原則，中國(guó)作為發(fā)展中國(guó)家雖不具有強(qiáng)制減排的義務(wù)，但面對(duì)國(guó)內(nèi)外日益高漲的環(huán)境保護(hù)關(guān)注度，我國(guó)主動(dòng)承擔(dān)大國(guó)減緩溫室氣體排放的責(zé)任。隨著美國(guó)宣布退出旨在對(duì)抗氣候變化的《巴黎協(xié)定》，中國(guó)更是逐步接掌氣候變化領(lǐng)導(dǎo)權(quán)，加速落實(shí)《巴黎協(xié)定》減排目標(biāo)①和國(guó)際承諾。理論和實(shí)踐皆證明，基于科斯思想構(gòu)建的碳交易市場(chǎng)借助交易機(jī)制激活各類(lèi)市場(chǎng)主體，無(wú)疑是力推節(jié)能減排的最有效手段之一。為兌現(xiàn)承諾，中國(guó)政府不僅運(yùn)用行政手段將減排目標(biāo)分解至各省區(qū)市，并自2013年末起，深圳、北京、天津、上海、廣東、湖北、重慶7省市先后啟動(dòng)了碳排放權(quán)交易試點(diǎn)，截至2016年9月30日，中國(guó)7個(gè)碳排放交易所的交易總量為7321.37萬(wàn)噸，總交易額達(dá)18.26億元，試點(diǎn)地區(qū)2014年和2015年履約率分別達(dá)到96%和98%以上，并計(jì)劃于2017年在全國(guó)范圍內(nèi)推行溫室氣體排放的“總量控制和交易(Cap-and-Trade)”制度。 雖然全球目前80%左右的碳交易都發(fā)生在歐盟碳市場(chǎng)，但是作為全世界最大的碳排放國(guó)，隨著2017年中國(guó)碳市場(chǎng)全面啟動(dòng)，預(yù)期至2020年，中國(guó)碳市場(chǎng)交易規(guī)模將達(dá)到4000億元，替代歐盟成為全球最大的碳市場(chǎng)，徹底改變世界碳市場(chǎng)的格局。

在當(dāng)前這個(gè)由區(qū)域性交易市場(chǎng)邁向全國(guó)性市場(chǎng)的關(guān)鍵節(jié)點(diǎn)，很多學(xué)者論證了中國(guó)構(gòu)建碳排放權(quán)交易市場(chǎng)的必要性及減排機(jī)理(楊志和陳波，2010[1]；朱青梅和孫曉燕，2015[2])。碳排放權(quán)交易市場(chǎng)包含配額初始分配的一級(jí)市場(chǎng)和碳排放額度自行交易的二級(jí)市場(chǎng)，眾多學(xué)者從經(jīng)濟(jì)學(xué)角度對(duì)中國(guó)碳排放配額的分配機(jī)制和評(píng)估方式進(jìn)行了深入研究(令狐大智和葉飛，2015[3]；李小勝和宋馬林，2015[4]；傅京燕和黃芬，2016[5])；由于中國(guó)碳市場(chǎng)起步較晚，交易數(shù)據(jù)缺乏，對(duì)二級(jí)市場(chǎng)交易機(jī)制的研究多局限于定性分析(陳德敏和譚志雄，2012[6]；彭峰和閆立東，2015[7])，或利用國(guó)外數(shù)據(jù)實(shí)證探索國(guó)際碳金融市場(chǎng)的規(guī)律，以此作為中國(guó)的經(jīng)驗(yàn)借鑒(高瑩和郭琨，2012[8]；荊克迪等，2014[9])。在新形勢(shì)下，通過(guò)準(zhǔn)確分析我國(guó)不同碳市場(chǎng)的運(yùn)行情況，把握交易規(guī)模、價(jià)格和日收益率等趨勢(shì)特征，從定量分析的視角探索中國(guó)區(qū)域碳金融交易的市場(chǎng)風(fēng)險(xiǎn)，可在一定程度上彌補(bǔ)國(guó)內(nèi)相關(guān)量化研究不足的缺陷，為監(jiān)管部門(mén)和市場(chǎng)交易主體控制碳金融市場(chǎng)風(fēng)險(xiǎn)、選定中國(guó)碳市場(chǎng)金融中心以及構(gòu)建統(tǒng)一的碳排放權(quán)交易市場(chǎng)等提供有益參考，這也是理論界和實(shí)踐界亟需解決的重要問(wèn)題之一。

國(guó)外碳交易市場(chǎng)的量化研究比較成熟，主要研究領(lǐng)域包括： 碳排放權(quán)價(jià)格影響因素、碳市場(chǎng)價(jià)格發(fā)現(xiàn)功能及有效性、碳金融市場(chǎng)風(fēng)險(xiǎn)的度量、碳交易政策與環(huán)境和經(jīng)濟(jì)的互動(dòng)關(guān)系等方面。Hammoudeh et al.(2015)[10]研究表明，原油、煤炭及天然氣對(duì)碳價(jià)格有著不同的影響特征；Joyeux和Milunovich(2010)[11]研究揭示歐盟碳期貨市場(chǎng)長(zhǎng)期無(wú)效；Blyth和Bunn(2011)[12]對(duì)歐盟碳排放交易體系的市場(chǎng)風(fēng)險(xiǎn)和政策風(fēng)險(xiǎn)進(jìn)行了度量；Niizawa和Morotomi(2014)[13]比較了日本和韓國(guó)的碳交易政策對(duì)環(huán)境質(zhì)量和經(jīng)濟(jì)發(fā)展的影響，Greenstone和Hanna(2014)[14]研究指出，像印度這樣的發(fā)展中國(guó)家，不會(huì)因?yàn)槿驓夂蜃兓鴮?duì)二氧化碳等溫室氣體的排放進(jìn)行嚴(yán)格規(guī)制，除非氣候變化在本國(guó)產(chǎn)生嚴(yán)重的負(fù)面影響。近年來(lái)，國(guó)內(nèi)關(guān)于碳價(jià)格的量化研究也開(kāi)始有所進(jìn)展，杜莉等(2015)[15]利用ARCH族模型計(jì)算的VaR去代表各區(qū)域碳交易所的市場(chǎng)風(fēng)險(xiǎn)，結(jié)果發(fā)現(xiàn)，各區(qū)域碳交易所市場(chǎng)價(jià)格的長(zhǎng)期記憶性存在差異，對(duì)沖擊的衰減速度不同，各市場(chǎng)波動(dòng)程度和最大損失也因區(qū)域而不同；齊紹洲等(2015)[16]基于EEMD模型探討了中國(guó)碳市場(chǎng)價(jià)格的形成機(jī)制，發(fā)現(xiàn)重大事件如新交易制度的頒布、配額拍賣(mài)等對(duì)絕大部分碳市場(chǎng)都會(huì)產(chǎn)生影響。

綜上所述，現(xiàn)有關(guān)于中國(guó)碳排放權(quán)交易市場(chǎng)的量化研究依舊匱乏，主要原因如下： 一是中國(guó)碳市場(chǎng)啟動(dòng)較晚，至今運(yùn)行時(shí)長(zhǎng)較短，加上交易機(jī)制尚不完善，對(duì)這樣欠成熟的碳市場(chǎng)進(jìn)行量化分析可能很難產(chǎn)生可靠結(jié)論和有效預(yù)測(cè)；二是相關(guān)數(shù)據(jù)還比較匱乏，中國(guó)七個(gè)碳交易試點(diǎn)的數(shù)據(jù)量比較有限，各交易所在官網(wǎng)上公布的交易數(shù)據(jù)也可能存在統(tǒng)計(jì)口徑不一的問(wèn)題。本文使用中國(guó)碳排放交易網(wǎng)統(tǒng)一發(fā)布的各交易所從啟動(dòng)交易至今的完整數(shù)據(jù)，而且在實(shí)證中進(jìn)行了系列相關(guān)的穩(wěn)健性檢驗(yàn)，以確保結(jié)論的準(zhǔn)確性，一定程度上克服了上述困難。

二 中國(guó)碳排放權(quán)交易試點(diǎn)市場(chǎng)運(yùn)行的基本現(xiàn)狀

(一)數(shù)據(jù)選取和來(lái)源

鑒于各交易所啟動(dòng)日期存在差異，本文以各交易所首筆交易的日期為初始時(shí)間，截止日統(tǒng)一定為2016年9月30日，因而北京、深圳、上海、廣東、天津、湖北、重慶七省市碳交易所的樣本觀測(cè)量分別為717、717、702、702、697、629和573，所有數(shù)據(jù)均來(lái)源于中國(guó)碳排放交易網(wǎng)公布的日成交量與收盤(pán)價(jià)。

(二)各試點(diǎn)省市碳交易所的基本情況

樣本觀測(cè)期間，中國(guó)七個(gè)試點(diǎn)省市碳交易所的交易總量為7321.37萬(wàn)噸，總交易額達(dá)18.26億元。圖1反映了中國(guó)七個(gè)碳交易所每日的成交規(guī)模和收盤(pán)價(jià)格?？傮w而言，相較于國(guó)外成熟市場(chǎng)*2016年2月，加利福尼亞-魁北克碳排放交易體系每噸二氧化碳當(dāng)量的交易價(jià)格為12.73美元，高于我國(guó)七個(gè)碳排放交易試點(diǎn)近2-4倍。，我國(guó)碳交易市場(chǎng)的交易活躍度較低，碳價(jià)也有明顯走低趨勢(shì)。由圖可知，各交易所啟動(dòng)初期，由于市場(chǎng)交易機(jī)制并未成熟，碳價(jià)呈現(xiàn)虛高的特征，除湖北以外，其他交易所均出現(xiàn)了明顯的跌勢(shì)，但從2015年開(kāi)始，大部分試點(diǎn)省市的碳價(jià)逐漸穩(wěn)定，且均反映出“成交量擴(kuò)張，價(jià)格攀升”的規(guī)律，表明我國(guó)試點(diǎn)省市碳交易所的碳價(jià)發(fā)現(xiàn)機(jī)制漸趨完善。此外，各試點(diǎn)省市交易市場(chǎng)參與者都傾向于在履約期前期集中交易，因而配額交易的成交量和價(jià)格都呈現(xiàn)峰值型特性，而履約清繳后容易陷入平靜。2016年與2014、2015年相比，各月份市場(chǎng)活躍度明顯提高，企業(yè)的碳排放權(quán)交易意識(shí)增強(qiáng)，并且投資性交易增多，部分地區(qū)的價(jià)格跌勢(shì)有企穩(wěn)回升態(tài)勢(shì)。分區(qū)域比較看來(lái)，重慶和天津的市場(chǎng)交易最為低迷。對(duì)于各地區(qū)的日收盤(pán)價(jià)，跌幅最為明顯的是深圳碳排放權(quán)交易所，自2013年底啟動(dòng)交易時(shí)的約80元/噸跌至28元/噸；北京環(huán)境交易所的碳價(jià)最為穩(wěn)定，波動(dòng)小，均價(jià)最高；重慶碳排放權(quán)交易中心首筆交易最晚，且碳交易的收盤(pán)價(jià)一直處于低位。

圖1 中國(guó)七個(gè)試點(diǎn)省市碳交易所日碳成交量和收盤(pán)價(jià)趨勢(shì)圖

總體而言，湖北和廣東碳交易所的成交量要高于其他地區(qū)，其成交量之和占全國(guó)總成交量的70%，尤其是日成交規(guī)模的峰值幾乎都集中在湖北碳排放權(quán)交易中心。湖北碳市場(chǎng)交易的活躍性和價(jià)格的平穩(wěn)性，是由其工業(yè)基礎(chǔ)和產(chǎn)業(yè)結(jié)構(gòu)決定的。從中國(guó)各試點(diǎn)省市碳市場(chǎng)的覆蓋行業(yè)看，所有市場(chǎng)基本上都包括了鋼鐵、石化和電力等高耗能行業(yè)。湖北省第二產(chǎn)業(yè)在GDP中占比較高，有堅(jiān)實(shí)的實(shí)體經(jīng)濟(jì)作為基礎(chǔ)，進(jìn)場(chǎng)交易的主體基數(shù)大，包括控排企業(yè)、機(jī)構(gòu)投資者和個(gè)人投資者，市場(chǎng)需求相對(duì)旺盛，交易頻率高，能夠保證交易的穩(wěn)定持續(xù)和價(jià)格的順暢傳導(dǎo)。此外，湖北省還推出了國(guó)內(nèi)首個(gè)碳排放權(quán)現(xiàn)貨遠(yuǎn)期交易產(chǎn)品，和普通碳市場(chǎng)產(chǎn)品5分鐘交易一次不同，該產(chǎn)品分分秒秒都可交易，促使交易量突飛猛漲，在七個(gè)碳交易試點(diǎn)市場(chǎng)中居于領(lǐng)先地位。

三 中國(guó)碳排放權(quán)交易試點(diǎn)市場(chǎng)的風(fēng)險(xiǎn)分析

碳排放權(quán)交易市場(chǎng)主要面臨市場(chǎng)規(guī)模波動(dòng)和碳收盤(pán)價(jià)格波動(dòng)兩類(lèi)市場(chǎng)風(fēng)險(xiǎn)。市場(chǎng)風(fēng)險(xiǎn)的量化研究源于馬克維茨提出的投資組合理論，其采用收益率標(biāo)準(zhǔn)差與方差的比值衡量金融產(chǎn)品的風(fēng)險(xiǎn)大小。而后Engle(1982)[17]提出的ARCH模型，在研究金融數(shù)據(jù)波動(dòng)性方面得到了廣泛應(yīng)用，但ARCH模型在實(shí)際應(yīng)用中往往需要很高的階數(shù)才能獲取較好的擬合效果，增加了模型的不穩(wěn)定性和模型估計(jì)的難度。因此，Bollerslev(1986)[18]進(jìn)一步提出改進(jìn)的ARCH模型，推廣為GARCH模型。本文以碳交易市場(chǎng)收益率為對(duì)象，分別運(yùn)用ARCH/GARCH類(lèi)模型對(duì)中國(guó)碳排放權(quán)交易市場(chǎng)的波動(dòng)性進(jìn)行實(shí)證分析?？紤]到數(shù)據(jù)的平穩(wěn)性及廣泛適用性，本文將日收盤(pán)價(jià)通過(guò)式(1)轉(zhuǎn)換成碳交易市場(chǎng)的日收益率：

(1)

其中，R(t)為當(dāng)日收益率，Pt和Pt-1分別表示碳交易市場(chǎng)當(dāng)日和前一日收盤(pán)價(jià)。

(一)各試點(diǎn)省市碳交易所日收益率數(shù)據(jù)的統(tǒng)計(jì)特征

從圖2試點(diǎn)省市碳交易市場(chǎng)收益率趨勢(shì)可以看出，各日收益率幾乎都在0附近上下波動(dòng)，但是波動(dòng)的頻率和程度存在較大差異。此外，樣本觀測(cè)期內(nèi)，碳交易日收益率呈現(xiàn)出明顯的“波動(dòng)集聚”現(xiàn)象，即出現(xiàn)較大波動(dòng)時(shí)，未來(lái)幾期的波動(dòng)也較大。

進(jìn)一步對(duì)各碳交易所對(duì)數(shù)收益率進(jìn)行平穩(wěn)性檢驗(yàn)，根據(jù)ADF檢驗(yàn)結(jié)果，在1%顯著性水平上，拒絕了存在單位根的原假設(shè)，各區(qū)域碳交易所收益率序列平穩(wěn)。檢驗(yàn)結(jié)果如表1所示。

表1 ADF檢驗(yàn)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

根據(jù)總體方差檢驗(yàn)結(jié)果，各碳交易所日收益率的方差呈現(xiàn)出廣東>上海>天津>深圳>北京>重慶>湖北的特征，這與上文對(duì)交易規(guī)模和價(jià)格的初步分析結(jié)論相符。自2016年開(kāi)始，廣東省的日收益率大多偏向于負(fù)值，碳價(jià)逐步走低。對(duì)七個(gè)區(qū)域的條件方差進(jìn)行ARCH-LM檢驗(yàn)，結(jié)果顯示，七個(gè)區(qū)域的碳交易市場(chǎng)均存在顯著的ARCH效應(yīng)。此外，自相關(guān)圖、偏自相關(guān)圖和Q檢驗(yàn)，也都顯示出這七個(gè)交易所收益率自回歸模型OLS殘差的平方序列存在條件異方差，即波動(dòng)性集聚。此結(jié)論與LM檢驗(yàn)的結(jié)果相一致。限于篇幅，此處不再匯報(bào)相關(guān)檢驗(yàn)結(jié)果。

(二)實(shí)證分析

1. ARCH模型參數(shù)估計(jì)

結(jié)合上文得出的各區(qū)域碳交易所日收益率的數(shù)據(jù)特征結(jié)論，必須設(shè)定ARCH(p)模型以便更好地捕捉各區(qū)域碳交易所收益率的變化規(guī)律。為了確定滯后階數(shù)p，首先估計(jì)各交易所收益率殘差序列的自回歸系數(shù)。

設(shè)定ARCH(p)模型的均值方程為：

(2)

方差方程為：

(3)

表2是各區(qū)域碳交易所日收益率ARCH(p)模型的系數(shù)估計(jì)結(jié)果。從表中數(shù)據(jù)可以看出，幾乎所有ARCH項(xiàng)都顯著。依據(jù)估計(jì)結(jié)果，深圳、北京、上海、廣東、天津、湖北和重慶分別考慮選擇ARCH(3)、ARCH(4)、ARCH(2)、ARCH(4)、ARCH(2)、ARCH(1)和ARCH(2)模型。

表2 各區(qū)域碳交易所日收益率ARCH(p)模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

2. GARCH模型參數(shù)估計(jì)

實(shí)際應(yīng)用過(guò)程中，通常采用更為簡(jiǎn)潔GARCH(1,1)的形式，其可以在一定程度上解釋金融序列的波動(dòng)聚類(lèi)現(xiàn)象，同時(shí)也能解釋金融序列的尖峰厚尾現(xiàn)象。GARCH(1,1)的均值方程和方差方程分別設(shè)定為式(4)及式(5)：

(4)

(5)

表3 各區(qū)域碳交易所日收益率GARCH(1,1)模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

ARCH項(xiàng)系數(shù)反映外部沖擊對(duì)碳收益率波動(dòng)的影響，若其值大于零，則說(shuō)明外部沖擊會(huì)加劇系統(tǒng)的波動(dòng)性，GARCH項(xiàng)系數(shù)反映了系統(tǒng)的長(zhǎng)期記憶性，兩系數(shù)之和為波動(dòng)集群性和持續(xù)性的一個(gè)度量。表3的估計(jì)結(jié)果顯示，所有交易所ARCH項(xiàng)系數(shù)皆顯著為正，表明外部沖擊會(huì)加劇中國(guó)碳交易市場(chǎng)收益率的波動(dòng)。重慶碳交易市場(chǎng)因外部沖擊導(dǎo)致的波動(dòng)加劇程度最強(qiáng)，意味著其很大程度上會(huì)受到外部因素的影響；深圳和北京的系數(shù)最小，說(shuō)明外部沖擊對(duì)系統(tǒng)波動(dòng)性的影響最低。從GARCH項(xiàng)系數(shù)的估計(jì)結(jié)果可見(jiàn)，除湖北外，其他六個(gè)省市的GARCH項(xiàng)都具有統(tǒng)計(jì)顯著性。北京和深圳交易所碳收益率的沖擊衰減速度最慢，系數(shù)分別為0.908和0.862，即其方差沖擊的90.8%和86.2%在下一期仍分別存在，表明其市場(chǎng)價(jià)格長(zhǎng)期記憶性比較強(qiáng)；而重慶交易所的GARCH項(xiàng)系數(shù)最小，當(dāng)期的方差沖擊在下一期只保留了7.2%，市場(chǎng)價(jià)格的長(zhǎng)期記憶性比較弱；湖北交易所的GARCH項(xiàng)系數(shù)值很小且不顯著，表明當(dāng)期的方差沖擊對(duì)后期基本不存在影響，市場(chǎng)價(jià)格只存在短期記憶。此外，深圳、北京、廣東和重慶三個(gè)交易所的ARCH項(xiàng)和GARCH項(xiàng)系數(shù)之和大于1，說(shuō)明碳交易所價(jià)格波動(dòng)對(duì)外部的反應(yīng)以較快的速度遞增，波動(dòng)的持續(xù)性也較強(qiáng)。

3. 基于TARCH模型的杠桿效應(yīng)分析

考慮到碳交易中壞消息與好消息的效應(yīng)可能不對(duì)稱(chēng)，在GARCH(1,1)模型中加入一個(gè)TARCH項(xiàng)，具體檢驗(yàn)結(jié)果見(jiàn)表4。由表可知，只有天津和重慶的TARCH項(xiàng)不顯著，即不存在不對(duì)稱(chēng)效應(yīng)，其他五個(gè)交易所的TARCH項(xiàng)系數(shù)都很顯著。但是這五個(gè)交易所不對(duì)稱(chēng)效應(yīng)的表現(xiàn)不完全相同。除了北京以外，其他交易所的TARCH項(xiàng)都為負(fù)，這意味著，“好消息”對(duì)北京碳收盤(pán)價(jià)格波動(dòng)性的影響大于“壞消息”，深圳、上海、廣東和湖北四個(gè)交易所則是同等強(qiáng)度的“壞消息”比“好消息”帶來(lái)的市場(chǎng)波動(dòng)更大。同時(shí)，上海、廣東和湖北三個(gè)交易所TARCH項(xiàng)的系數(shù)非常接近，說(shuō)明它們不對(duì)稱(chēng)的規(guī)模較為相近。

表4 各區(qū)域碳交易所日收益率TARCH模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

4. 基于ARCH-M模型的風(fēng)險(xiǎn)溢價(jià)分析

考慮到收益率中可能存在風(fēng)險(xiǎn)溢價(jià)，本文還估計(jì)了ARCH-M型，檢驗(yàn)結(jié)果如表5所示。通常在有效的金融市場(chǎng)，高收益與高風(fēng)險(xiǎn)相伴相生，投資人要求較高的收益來(lái)抵消更大的風(fēng)險(xiǎn)，因而被稱(chēng)為“風(fēng)險(xiǎn)溢價(jià)”。表5顯示，深圳和北京的ARCH-M項(xiàng)并不顯著，說(shuō)明相對(duì)于股票交易，碳收盤(pán)價(jià)格中幾乎不存在風(fēng)險(xiǎn)溢價(jià)的因素，這可能與參與交易企業(yè)的性質(zhì)有一定聯(lián)系，大多進(jìn)場(chǎng)交易者都為政府規(guī)定的碳排放量達(dá)到一定規(guī)模的企業(yè)，投資者匱乏。天津的ARCH-M項(xiàng)系數(shù)符號(hào)顯著為負(fù)，即風(fēng)險(xiǎn)越高，收益率越低，這也從側(cè)面反映了天津交易所的交易機(jī)制極不完善。而上海、廣東、湖北和重慶的ARCH-M項(xiàng)符號(hào)顯著為正，與高風(fēng)險(xiǎn)高收益的認(rèn)知一致。湖北的ARCH-M項(xiàng)系數(shù)值最高，這與其推出的碳排放權(quán)現(xiàn)貨遠(yuǎn)期交易產(chǎn)品有關(guān)，除了企業(yè)和機(jī)構(gòu)投資者，市場(chǎng)還吸納了上千名個(gè)人投資者進(jìn)場(chǎng)淘金。

表5 各區(qū)域碳交易所日收益率ARCH-M模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

5. 穩(wěn)健性分析

在以上的ARCH、GARCH、TARCH和ARCH-M估計(jì)中，本文均假設(shè)碳交易日收益率服從正態(tài)分布，但實(shí)際上碳交易收益可能存在厚尾，故對(duì)各區(qū)域碳交易所對(duì)數(shù)收益的偏度及峰度值進(jìn)行了正態(tài)性檢驗(yàn)。結(jié)果表明，七個(gè)交易所的收益率曲線(xiàn)峰度都顯著大于3，偏度值全都顯著異于0。因此，可以認(rèn)定，各交易所對(duì)數(shù)收益率都不是正態(tài)分布，呈現(xiàn)出“高峰厚尾”的特征。為此，假設(shè)擾動(dòng)項(xiàng)服從t分布，重新用GARCH(1,1)進(jìn)行估計(jì)。結(jié)果與之前相差不大，限于篇幅，此處不再匯報(bào)估計(jì)結(jié)果。

(三)各試點(diǎn)省市交易所收益率條件方差走勢(shì)

本文進(jìn)一步對(duì)GARCH(1,1)模型的條件方差進(jìn)行預(yù)測(cè)，條件方差走勢(shì)代表各地碳收盤(pán)價(jià)格的波動(dòng)水平。圖2顯示，日收益率的條件方差時(shí)有波動(dòng)，甚至存在急劇上升或下降現(xiàn)象。如果使用OLS估計(jì)，則無(wú)法得到這些信息，因?yàn)镺LS將方差假定為常數(shù)，即一條水平線(xiàn)。

圖2 中國(guó)七個(gè)試點(diǎn)省市碳交易所碳交易收益率和條件方差趨勢(shì)圖

從圖2可以看出中國(guó)碳交易收益率和條件方差存在的三個(gè)規(guī)律。

第一，條件方差值較大的時(shí)間段比較集中，例如深圳和湖北都在2015年7月中下旬達(dá)到條件方差峰值，其他條件方差值較大的時(shí)間段還包括2015年末至2016年初，2016年5月下旬到6月，說(shuō)明這幾個(gè)時(shí)間段存在外部對(duì)碳交易市場(chǎng)的共同沖擊。2015年7月1日，我國(guó)正式加入非常注重幫助成員國(guó)實(shí)現(xiàn)環(huán)境保護(hù)目標(biāo)的經(jīng)濟(jì)合作與發(fā)展組織(OECD)發(fā)展中心，這可能是2015年7月條件方差值比較大的原因之一；2015年末中美兩國(guó)元首就應(yīng)對(duì)氣候變化再度發(fā)布聯(lián)合聲明，中國(guó)碳市場(chǎng)即將全面啟動(dòng)，這可能是影響碳交易價(jià)格和收益率的另一個(gè)沖擊。

第二，條件方差的峰值方面，重慶和天津兩個(gè)碳市場(chǎng)發(fā)生極端風(fēng)險(xiǎn)的可能性最大，條件方差最高可以分別達(dá)到一般水平的285倍和279倍左右。從如上對(duì)ARCH-M的分析也可看出，這將會(huì)帶來(lái)很高的風(fēng)險(xiǎn)溢價(jià)。北京和深圳發(fā)生極端風(fēng)險(xiǎn)的可能性最小，條件方差峰值分別為一般水平的19倍和42倍，可能是由于這兩個(gè)交易所最早啟動(dòng)碳排放權(quán)交易，機(jī)構(gòu)和制度的設(shè)置也最為完善，相比其他交易所更能夠有效地防范極端風(fēng)險(xiǎn)的發(fā)生。

第三，波動(dòng)頻率方面，深圳、北京發(fā)生極端波動(dòng)的頻率最高，但是由于其條件方差峰值比較小，一定程度上限制了極端波動(dòng)對(duì)碳交易造成的影響。重慶和天津碳市場(chǎng)發(fā)生極端波動(dòng)的頻率比較低，但是極端波動(dòng)的規(guī)模比較大，需要建立更完善的碳市場(chǎng)交易和風(fēng)險(xiǎn)防范制度。此外，很多交易所發(fā)生極端波動(dòng)的時(shí)間相近，可見(jiàn)外部沖擊對(duì)碳交易所的日收益率將會(huì)產(chǎn)生系統(tǒng)性的影響。

條件方差可以反映各區(qū)域碳交易所的極端價(jià)格波動(dòng)情況和極端風(fēng)險(xiǎn)?？傮w而言，我國(guó)七個(gè)碳交易市場(chǎng)條件方差達(dá)到最高值時(shí)相比一般水平的倍數(shù)都比較高，但在不同時(shí)段，反映各市場(chǎng)收益率波動(dòng)程度和頻率的條件方差差異性較大，這種差異性對(duì)風(fēng)險(xiǎn)監(jiān)控提出了挑戰(zhàn)。

(四)實(shí)證結(jié)果總結(jié)

利用中國(guó)碳排放交易網(wǎng)發(fā)布的七個(gè)碳交易試點(diǎn)區(qū)域每日成交量和收盤(pán)價(jià)數(shù)據(jù)，基于前文對(duì)我國(guó)碳交易的規(guī)模、價(jià)格和日收益率等變量的走勢(shì)分析，進(jìn)一步探討各交易所收益率的市場(chǎng)風(fēng)險(xiǎn)。通過(guò)設(shè)定ARCH(p)和GARCH(1,1)模型探究收益率的波動(dòng)特征及波動(dòng)來(lái)源，基于TARCH模型和ARCH-M模型考察碳交易市場(chǎng)的杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)，并繪制各交易所收益率的條件方差圖，加深對(duì)各區(qū)域碳交易波動(dòng)程度、頻率及市場(chǎng)風(fēng)險(xiǎn)的探討，得到以下實(shí)證結(jié)果： (1)由于各試點(diǎn)省市的經(jīng)濟(jì)基礎(chǔ)、產(chǎn)業(yè)結(jié)構(gòu)、制度環(huán)境和公民意識(shí)形態(tài)等方面的差異，各碳交易所的成交量、收盤(pán)價(jià)及日收益率的走勢(shì)呈現(xiàn)出顯著差異，但由于平臺(tái)內(nèi)部機(jī)制的不完善，各試點(diǎn)省市交易市場(chǎng)參與者都傾向于在履約期前期集中交易，致使各碳交易所收益率均出現(xiàn)波動(dòng)性集聚的特性，價(jià)格機(jī)制尚未出現(xiàn)規(guī)律性特征；(2)GARCH(1,1)模型中，各試點(diǎn)碳交易所受外部沖擊后的收益率波動(dòng)程度存在差異，對(duì)沖擊的衰減速度也有所不同，北京和深圳交易所市場(chǎng)價(jià)格的長(zhǎng)期記憶性最強(qiáng)，重慶交易所收益率的波動(dòng)性則主要受外部沖擊影響，一定程度上說(shuō)明市場(chǎng)經(jīng)濟(jì)更活躍的省份，價(jià)格機(jī)制的功能越強(qiáng)；(3)不同時(shí)段內(nèi)，各區(qū)域碳交易所條件方差所代表的極端風(fēng)險(xiǎn)發(fā)生概率以及風(fēng)險(xiǎn)幅度有較大差異性；(4)部分碳交易市場(chǎng)存在明顯的杠桿效應(yīng)，即相同單位的利空消息對(duì)波動(dòng)的影響常常要比利好消息來(lái)的大；(5)外部沖擊有可能會(huì)對(duì)不同市場(chǎng)的碳交易產(chǎn)生系統(tǒng)性影響，導(dǎo)致極端波動(dòng)在短時(shí)間內(nèi)相繼發(fā)生；(6)以實(shí)體經(jīng)濟(jì)為重要產(chǎn)業(yè)基礎(chǔ)的中部省份湖北，其碳市場(chǎng)需求旺盛，個(gè)人和機(jī)構(gòu)投資者眾多，交易規(guī)模和價(jià)格最為平穩(wěn)，且ARCH-M效應(yīng)最強(qiáng)，其市場(chǎng)收益有較高的正風(fēng)險(xiǎn)溢價(jià)，可考慮將其發(fā)展成為中國(guó)統(tǒng)一的碳市場(chǎng)金融中心，使之成為全國(guó)碳市場(chǎng)向西部地區(qū)擴(kuò)展的橋梁，加速中國(guó)建設(shè)全球最大碳交易體系的進(jìn)程。

四 結(jié)論與政策建議

本文通過(guò)分析2013-2016年全國(guó)七個(gè)碳交易試點(diǎn)市場(chǎng)的規(guī)模、價(jià)格、收益率和風(fēng)險(xiǎn)發(fā)現(xiàn)，由于起步較晚，交易制度尚未完善，在試點(diǎn)階段出現(xiàn)了價(jià)格波動(dòng)性大、極端風(fēng)險(xiǎn)過(guò)高、市場(chǎng)價(jià)格發(fā)現(xiàn)功能發(fā)揮受限、流動(dòng)性不夠充裕、部分地區(qū)交易規(guī)模有限等問(wèn)題，目前的碳價(jià)格下，企業(yè)缺乏足夠的激勵(lì)去進(jìn)行減排技術(shù)升級(jí)(Yang et al.，2016)[19]，這說(shuō)明了在未來(lái)全國(guó)碳市場(chǎng)建設(shè)中完善交易價(jià)格體系和制度的必要性和急迫性。此外，研究結(jié)果還發(fā)現(xiàn)，不同試點(diǎn)區(qū)域的碳交易所面對(duì)價(jià)格沖擊的長(zhǎng)期記憶性以及市場(chǎng)風(fēng)險(xiǎn)發(fā)生的概率和幅度大小存在顯著差異，這為有效地監(jiān)測(cè)碳金融市場(chǎng)收益率和控制市場(chǎng)風(fēng)險(xiǎn)提出了更多管理方面的挑戰(zhàn)。鑒于風(fēng)險(xiǎn)在金融市場(chǎng)間的傳導(dǎo)性，多區(qū)域交易市場(chǎng)可能增加風(fēng)險(xiǎn)發(fā)生的概率，故需要盡快選定碳市場(chǎng)的金融中心，以此構(gòu)建全國(guó)統(tǒng)一的碳市場(chǎng)才能確保碳交易價(jià)格在全國(guó)范圍內(nèi)有規(guī)律波動(dòng)，充分發(fā)揮價(jià)格機(jī)制的功能，并通過(guò)統(tǒng)一監(jiān)管有效監(jiān)控碳金融風(fēng)險(xiǎn)，促進(jìn)我國(guó)碳排放權(quán)交易市場(chǎng)的有序發(fā)展。據(jù)此，結(jié)合前文研究結(jié)論提出以下建議：

第一，目前，各區(qū)域交易市場(chǎng)的價(jià)格和日交易量存在很大差異，2016年1-9月，交易量最大的廣東是最小的重慶的82倍，交易額最大的湖北更是最小的重慶的將近300倍。因此，必須加強(qiáng)區(qū)域交流合作，積極探索全國(guó)統(tǒng)一的碳交易市場(chǎng)的整合和構(gòu)建。要充分利用2016年《巴黎協(xié)定》生效和2017年全國(guó)建立碳排放交易體系的契機(jī)，編制全國(guó)統(tǒng)一碳市場(chǎng)建設(shè)路線(xiàn)圖，分地區(qū)分步驟建立統(tǒng)一監(jiān)管、統(tǒng)一定價(jià)和統(tǒng)一配額的全國(guó)碳排放市場(chǎng)。

第二，不同的碳市場(chǎng)具有不同的波動(dòng)程度和頻率，根據(jù)分析結(jié)果，天津和重慶兩個(gè)碳市場(chǎng)存在較大的極端風(fēng)險(xiǎn)，外部沖擊可能會(huì)對(duì)其產(chǎn)生嚴(yán)重的影響。北京和深圳交易所可能發(fā)生極端波動(dòng)的頻率高。一定程度上說(shuō)明了這幾個(gè)碳市場(chǎng)的交易比較活躍，制度相對(duì)完善，但也可能說(shuō)明了碳市場(chǎng)的制度結(jié)構(gòu)還沒(méi)有完全達(dá)到當(dāng)前規(guī)模碳交易的要求。所以，市場(chǎng)監(jiān)管者需要對(duì)配額分配、交易制度、市場(chǎng)主體準(zhǔn)入和風(fēng)險(xiǎn)防控等方面進(jìn)行評(píng)估及調(diào)整，使市場(chǎng)保持基本平穩(wěn)。

第三，外部沖擊有可能會(huì)對(duì)不同市場(chǎng)的碳交易產(chǎn)生系統(tǒng)性影響。對(duì)于國(guó)家或地區(qū)出臺(tái)新法律法規(guī)、交易所頒布新制度、氣候問(wèn)題談判和配額拍賣(mài)等這類(lèi)重大影響事件，市場(chǎng)交易者和監(jiān)管者需要根據(jù)市場(chǎng)走勢(shì)和供需情況，判斷事件的影響程度和持續(xù)時(shí)間以及市場(chǎng)主體的預(yù)期，適時(shí)推出有效的措施，才能平穩(wěn)、有效地建設(shè)碳市場(chǎng)。

第四，湖北碳市場(chǎng)實(shí)體經(jīng)濟(jì)基礎(chǔ)雄厚，需求旺盛，交易主體基數(shù)大，金融產(chǎn)品創(chuàng)新性強(qiáng)，交易規(guī)模和價(jià)格最為平穩(wěn)持續(xù)，ARCH-M效應(yīng)最強(qiáng)，其市場(chǎng)收益有較高的正風(fēng)險(xiǎn)溢價(jià)，建議將其選定為中國(guó)碳市場(chǎng)金融中心。此外，可以將中部地區(qū)的湖北省作為全國(guó)碳市場(chǎng)向西部及資源密集型地區(qū)擴(kuò)展的橋梁，加快中國(guó)碳市場(chǎng)邁向全國(guó)性市場(chǎng)的進(jìn)程，形成具有競(jìng)爭(zhēng)性的碳市場(chǎng)價(jià)格，激勵(lì)企業(yè)主動(dòng)減排，發(fā)展綠色金融，在此基礎(chǔ)上構(gòu)建全球最大的碳交易市場(chǎng)，成為全球碳市場(chǎng)的金融中心。

[1] 楊志, 陳波. 中國(guó)建立區(qū)域碳交易市場(chǎng)勢(shì)在必行[J]. 學(xué)術(shù)月刊, 2010, (7): 65-69.

[2] 朱青梅, 孫曉燕. 基于均衡分析法的碳交易減排機(jī)理及困境研究[J]. 東岳論叢, 2015, 36(11): 62-66.

[3] 令狐大智, 葉飛. 基于歷史排放參照的碳配額分配機(jī)制研究[J]. 中國(guó)管理科學(xué), 2015, 23(6): 65-72.

[4] 李小勝, 宋馬林. “十二五”時(shí)期中國(guó)碳排放額度分配評(píng)估——基于效率視角的比較分析[J]. 中國(guó)工業(yè)經(jīng)濟(jì), 2015, (9): 99-113.

[5] 傅京燕, 黃芬. 中國(guó)碳交易市場(chǎng)CO2排放權(quán)地區(qū)間分配效率研究[J]. 中國(guó)人口·資源與環(huán)境, 2016, 26(2): 1-9.

[6] 陳德敏, 譚志雄. 重慶市碳交易市場(chǎng)構(gòu)建研究[J]. 中國(guó)人口·資源與環(huán)境, 2012, 22(6): 40-44.

[7] 彭峰, 閆立東. 地方碳交易試點(diǎn)之 “可測(cè)量, 可報(bào)告, 可核實(shí)制度” 比較研究[J]. 中國(guó)地質(zhì)大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2015, 15(4): 26-35.

[8] 高瑩, 郭琨. 全球碳交易市場(chǎng)格局及其價(jià)格特征——以歐洲氣候交易體系為例[J]. 國(guó)際金融研究, 2012, (12): 82-88.

[9] 荊克迪, 安虎森, 田柳. 國(guó)際碳交易市場(chǎng)收益波動(dòng)率研究及其對(duì)中國(guó)的啟示——基于A-PARCH模型的Bluenext碳交易市場(chǎng)的實(shí)證分析[J]. 南京社會(huì)科學(xué), 2014, (3): 24-32.

[10] Hammoudeh, S., Lahiani, A., Nguyen, D. K., et al.. An Empirical Analysis of Energy Cost Pass-through to CO2Emission Prices[J].EnergyEconomics, 2015, 49: 149-156.

[11] Joyeux, R., Milunovich, G.. Testing Market Efficiency in the EU Carbon Futures Market[J].AppliedFinancialEconomics, 2010, 20(10): 803-809.

[12] Blyth, W., Bunn, D.. Coevolution of Policy, Market and Technical Price Risks in the EU ETS[J].EnergyPolicy, 2011, 39(8): 4578-4593.

[13] Niizawa, H., Morotomi, T.. Governing Low-carbon Development and the Economy[J].GeneralInformation, 2014.

[14] Greenstone, M., Hanna, R.. Environmental Regulations, Air and Water Pollution, and Infant Mortality in India[J].TheAmericanEconomicReview, 2014, 104(10): 3038-3072.

[15] 杜莉, 孫兆東, 汪蓉. 中國(guó)區(qū)域碳金融收盤(pán)價(jià)格及市場(chǎng)風(fēng)險(xiǎn)分析[J]. 武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版), 2015, 68(2): 86-93..

[16] 齊紹洲, 趙鑫, 譚秀杰. 基于 EEMD 模型的中國(guó)碳市場(chǎng)價(jià)格形成機(jī)制研究[J]. 武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版), 2015, 68(4): 56-65.

[17] Engle, R. F.. Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J].Econometrica, 1982, 50(4): 987-1008.

[18] Bollerslev, T.. Generalized Autoregressive Conditional Heteroskedasticity[J].JournalofEconometrics, 1986, 31(3): 307-327.

[19] Yang, L., Li, F., Zhang, X.. Chinese Companies’ Awareness and Perceptions of the Emissions Trading Scheme (ETS): Evidence from a National Survey in China[J].EnergyPolicy, 2016, 98: 254-265.

Study on the Characteristics and Market risks of
the Carbon Emissions Trading Pilot Market in China

SHEN Chen LIN Pei-na

Based on the daily trading volume and closing price data of the seven carbon trading pilot regions, the paper analyzes the trend of scale, price and daily rate of return of the carbon trading market in China. Further, we examine empirically the carbon market risk including volatility of the daily rate of return, leverage effect, risk premium conditional variance and so on. We find that: there exist huge differences among the trading volumes, closing prices and daily rate of returns of the seven regions; the prices of Beijing and Shenzhen markets hold a strong long-term memory; the volatility of Chongqing market is the most vulnerable to external shocks; there exist significant leverage effects in some of the markets; the ARCH-M effect of Hubei is the strongest; external shocks are likely to have a systematic impact on different markets causing extreme fluctuations during a definitely short time. By contrast, transaction scale and the price is relatively more smoothly in Hubei carbon market with strongest ARCH-M effect meaning a higher risk premium, so it has the potential to become a national carbon market financial center.

carbon emissions trading pilot market; carbon trading mechanism; volatility of rate of return; risk of carbon financial market

2017-02-27

教育部人文社會(huì)科學(xué)青年基金項(xiàng)目“環(huán)境規(guī)制下中國(guó)工業(yè)經(jīng)濟(jì)發(fā)展的就業(yè)效應(yīng)研究： 理論機(jī)制與實(shí)證分析”(項(xiàng)目編號(hào)： 17YJC790123，項(xiàng)目負(fù)責(zé)人： 申晨)；浙江省哲學(xué)社會(huì)科學(xué)研究基地規(guī)劃項(xiàng)目“生態(tài)科技創(chuàng)新的環(huán)境規(guī)制路徑優(yōu)化研究”(項(xiàng)目編號(hào)： 16JDGH088，項(xiàng)目負(fù)責(zé)人： 申晨)。

申晨，博士，浙江理工大學(xué)經(jīng)濟(jì)管理學(xué)院講師，浙江省生態(tài)文明研究中心研究員，主要研究方向： 環(huán)境規(guī)制、碳效率等；林沛娜，中山大學(xué)嶺南學(xué)院博士研究生，主要研究方向： 碳排放權(quán)交易市場(chǎng)機(jī)制。

F205

A

1674-8298(2017)04-0123-12

[責(zé)任編輯： 陳 林]

10.14007/j.cnki.cjpl.2017.04.011

方式]申晨, 林沛娜. 中國(guó)碳排放權(quán)交易試點(diǎn)市場(chǎng)的現(xiàn)狀特征及風(fēng)險(xiǎn)分析[J]. 產(chǎn)經(jīng)評(píng)論, 2017, 8(4): 123-134.

① 到2030年中國(guó)單位GDP的二氧化碳排放要比2005下降60%-65%；非化石能源在總能源當(dāng)中的比例要提升到20%左右；二氧化碳的排放要達(dá)到并爭(zhēng)取盡早達(dá)到峰值；森林蓄積量要比2005年增加45億立方米，增加碳匯。