王 倩 路京京

一、 引 言

《京都議定書》引入的碳排放權(quán)交易體系被世界多國(guó)采用，成為降低減排成本、激勵(lì)和約束企業(yè)減排的政策工具。中國(guó)亦于2013年啟動(dòng)了 “兩省五市” 碳交易試點(diǎn)，于2017年底啟動(dòng)了全國(guó)統(tǒng)一的碳市場(chǎng)。碳交易使碳排放權(quán)成為一種有價(jià)值的金融資產(chǎn)。碳資產(chǎn)的定價(jià)機(jī)制不僅影響著減排績(jī)效，亦影響減排主體的成本與發(fā)展，從而成為學(xué)術(shù)界和巴黎氣候大會(huì)上關(guān)注的新熱點(diǎn)。作為一個(gè)新問(wèn)題，碳資產(chǎn)定價(jià)理論仍在探索中，尚未形成完善的理論體系。雖然，中國(guó)試點(diǎn)碳市場(chǎng)間的高度關(guān)聯(lián)性已為全國(guó)統(tǒng)一碳市場(chǎng)的構(gòu)建提供了基礎(chǔ)[1](P57-67)[2](P63-69)，但在中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展不平衡的背景下，如何構(gòu)建全國(guó)統(tǒng)一的碳價(jià)機(jī)制，特別是如何處理外部沖擊的區(qū)域差異性，兼顧減排的公平與效率，成為亟待解決的現(xiàn)實(shí)問(wèn)題。碳價(jià)的區(qū)域差異，意味著不同區(qū)域減排成本的差異。在金融市場(chǎng)開放加速、人民幣匯率波動(dòng)幅度加大的背景下，中國(guó)碳價(jià)會(huì)受到怎樣的沖擊？能源稟賦與貿(mào)易開放度的差異，是否會(huì)加劇中國(guó)在減排領(lǐng)域的區(qū)域不平衡？全國(guó)統(tǒng)一碳市場(chǎng)的價(jià)格管理應(yīng)如何增加彈性以應(yīng)對(duì)外部沖擊？這些問(wèn)題不僅事關(guān)全國(guó)統(tǒng)一碳市場(chǎng)的構(gòu)建，亦是各區(qū)域低碳轉(zhuǎn)型過(guò)程中不平衡發(fā)展矛盾是否加深的關(guān)鍵。

碳資產(chǎn)價(jià)格取決于政府的碳排放權(quán)供給與企業(yè)的碳排放權(quán)需求。匯率通過(guò)能源與貿(mào)易渠道影響碳需求進(jìn)而影響碳價(jià)。能源相對(duì)價(jià)格的變化推動(dòng)企業(yè)變換能源消費(fèi)結(jié)構(gòu)[3](P40-46)。中國(guó)的能源稟賦呈富煤、缺油和少氣的特點(diǎn)。煤炭的碳排放系數(shù)遠(yuǎn)高于石油和天然氣。為改變高碳排放的能源結(jié)構(gòu)，須增加石油和天然氣的消費(fèi)與進(jìn)口，而石油和天然氣等能源的國(guó)際價(jià)格均以美元標(biāo)價(jià)。因此，人民幣兌美元匯率的變化，會(huì)顯著沖擊能源進(jìn)口量與消費(fèi)結(jié)構(gòu)，進(jìn)而影響碳需求，引發(fā)碳價(jià)波動(dòng)；另一方面，匯率直接影響企業(yè)的進(jìn)出口[4](P365-439)。在滿足馬歇爾—勒納條件下，本幣貶值增加出口訂單和企業(yè)能源消耗，進(jìn)而提升碳排放需求和碳價(jià)。作為能源進(jìn)口和貿(mào)易大國(guó)，中國(guó)的能源價(jià)格與進(jìn)出口貿(mào)易受人民幣匯率波動(dòng)的直接影響。本文力圖剖析匯率沖擊碳價(jià)的機(jī)制，明確沖擊的區(qū)域差異效應(yīng)，為匯率波動(dòng)下全國(guó)碳市場(chǎng)的碳價(jià)管理提出對(duì)策建議。

二、 文獻(xiàn)綜述

碳排放主要源于經(jīng)濟(jì)活動(dòng)中的化石能源燃燒。因此，有關(guān)碳價(jià)影響因素的研究亦從能源價(jià)格與經(jīng)濟(jì)活動(dòng)兩個(gè)方面展開。許多學(xué)者證實(shí)了各類能源市場(chǎng)如原油市場(chǎng)[5](P2594-2604)[6](P112-122+160)、電力市場(chǎng)[7](P1236-1251)、天然氣市場(chǎng)[8](P1442-1451)等與碳市場(chǎng)存在顯著的聯(lián)動(dòng)關(guān)系。Zhang等發(fā)現(xiàn)EU ETS與煤炭市場(chǎng)的相關(guān)性最強(qiáng)，且存在單向的波動(dòng)溢出效應(yīng)，而布倫特原油價(jià)格對(duì)歐洲碳價(jià)的影響是非對(duì)稱的[9]。

Alberola等[10](P787-797)、Chevalier[11](P1295-1312)[12](P2634-2656)等研究表明，經(jīng)濟(jì)因素影響碳價(jià)波動(dòng)。經(jīng)濟(jì)增長(zhǎng)對(duì)碳價(jià)有正向推動(dòng)作用，經(jīng)濟(jì)擴(kuò)張、企業(yè)生產(chǎn)活躍、排放量增大、助推碳價(jià)上升；當(dāng)經(jīng)濟(jì)萎縮時(shí)，企業(yè)生產(chǎn)減少甚至停滯，導(dǎo)致碳價(jià)下跌。鄒亞生等[13](P142-153)基于VECM證實(shí)宏觀經(jīng)濟(jì)對(duì)核證減排單位(CER)現(xiàn)貨價(jià)格有顯著正向影響。Yu等[14](P145-161)構(gòu)建了匯率影響歐洲碳價(jià)的理論框架，并用SVAR模型證明了歐元兌美元匯率對(duì)碳價(jià)的沖擊。黃曉鳳等[15](P1-9)利用TGARCH模型和主成分分析法，證實(shí)外匯市場(chǎng)對(duì)核證減排單位(CER)交易市場(chǎng)的波動(dòng)溢出效應(yīng)強(qiáng)于股票和原油市場(chǎng)。周建國(guó)等[10](P85-88)運(yùn)用VAR模型研究深圳碳價(jià)，證實(shí)匯率是碳價(jià)的重要影響因素之一。

現(xiàn)有文獻(xiàn)為碳定價(jià)提供了基本的思路和框架。然而，從金融市場(chǎng)間溢出效應(yīng)角度，研究外匯市場(chǎng)對(duì)碳市場(chǎng)的沖擊還有待進(jìn)一步深入。特別是，作為區(qū)域經(jīng)濟(jì)差異較大的經(jīng)濟(jì)體，中國(guó)碳試點(diǎn)為剖析外部沖擊的區(qū)域差異效應(yīng)提供了難得樣本。由此得到的政策啟示對(duì)中國(guó)在區(qū)域發(fā)展不平衡背景下全面推行碳交易體系及低碳轉(zhuǎn)型有著重要的借鑒作用。本文運(yùn)用Copula函數(shù)刻畫外匯市場(chǎng)與碳市場(chǎng)間的相依結(jié)構(gòu)和尾部關(guān)系,實(shí)現(xiàn)了研究方法的創(chuàng)新，突出了碳資產(chǎn)作為一種新型金融資產(chǎn)的屬性。

三、 數(shù)據(jù)與方法

(一) 數(shù)據(jù)描述

筆者選取深圳、北京、廣東、上海、天津、湖北六個(gè)碳市場(chǎng)*由于重慶碳市場(chǎng)交易冷淡，數(shù)據(jù)量嚴(yán)重不足，因此本文未將該市場(chǎng)納入研究對(duì)象。的碳價(jià)日收益率和匯率中間價(jià)的日收益率數(shù)據(jù)。樣本期為各碳市場(chǎng)首個(gè)交易日至2016年2月29日*即深圳為2013年6月18日-2016年2月29日；北京為2013年11月28日-2016年2月29日；廣東為2013年12月19日-2016年2月29日；上海為2013年12月19日-2016年2月29日；天津?yàn)?013年12月26日-2016年2月29日；湖北為2014年4月2日-2016年2月29日。。碳價(jià)數(shù)據(jù)來(lái)源于碳K線網(wǎng)站和wind數(shù)據(jù)庫(kù)*由于碳價(jià)原始數(shù)據(jù)為連續(xù)數(shù)據(jù)，即取前一交易日的收盤價(jià)作為周末及節(jié)假日的價(jià)格。本研究中剔除了周末和節(jié)假日等非營(yíng)業(yè)日的價(jià)格，以便與匯率形成平衡面板進(jìn)行分析。。人民幣兌美元匯率中間價(jià)數(shù)據(jù)來(lái)源于國(guó)家外匯管理局網(wǎng)站。由圖1可知，六個(gè)碳市場(chǎng)的價(jià)格收益率均體現(xiàn)出一定的波動(dòng)聚集性。

圖1 各地碳價(jià)收益率序列趨勢(shì)圖

由表1可知：深圳碳市場(chǎng)的收益率均值最大，上海碳市場(chǎng)的最小。僅深圳和湖北的收益率均值為正，其余均為負(fù)數(shù)；上海碳價(jià)收益率的標(biāo)準(zhǔn)差最大，為0.0756；廣東的最小，為0.0244。這說(shuō)明上海碳市場(chǎng)的價(jià)格波動(dòng)劇烈，風(fēng)險(xiǎn)較大；而廣東碳市場(chǎng)的波動(dòng)較小，市場(chǎng)較穩(wěn)定。從偏度和峰度看，六個(gè)碳市場(chǎng)的峰度均大于正態(tài)分布的峰度3，北京和廣東的收益率左偏，其他四個(gè)市場(chǎng)右偏。

由圖2可知，各碳市場(chǎng)的收益率分布與正態(tài)分布圖相差較大，呈現(xiàn)明顯的“尖峰”特點(diǎn)。收益率分布還具有一定的“厚尾”特征。這說(shuō)明碳市場(chǎng)存在大幅的價(jià)格波動(dòng)，市場(chǎng)風(fēng)險(xiǎn)較大。綜合峰度和偏度的數(shù)值，可知各碳市場(chǎng)的收益率均呈現(xiàn)出“尖峰厚尾”的金融特征。

表1 碳價(jià)收益率描述性統(tǒng)計(jì)量

圖2 碳價(jià)收益率的頻率直方圖與正態(tài)分布密度曲線

(二) 模型方法

本文選取Copula模型作為實(shí)證研究的方法。Copula模型被廣泛應(yīng)用于金融資產(chǎn)間的相關(guān)性分析。Copula函數(shù)能夠捕捉非線性和非對(duì)稱相關(guān)性,避免線性相關(guān)系數(shù)可能帶來(lái)的誤差；靈活地選擇資產(chǎn)邊緣分布的具體形式，對(duì)金融序列呈現(xiàn)出的“尖峰厚尾”特征具有很強(qiáng)的刻畫能力；適用于任何分布，由其導(dǎo)出的一致性和相關(guān)性測(cè)度具有更廣泛的實(shí)用性。因此，該模型適用于分析匯率市場(chǎng)與碳市場(chǎng)間的影響特點(diǎn)和相關(guān)結(jié)構(gòu)。Copula模型的界定采用Nelsen[17]的定義：

Copula函數(shù)是將隨機(jī)向量X1,X2,…,XN的聯(lián)合分布函數(shù)與各自的邊緣分布函數(shù)相連接的連接函數(shù)，即有函數(shù)c(u1,u2,…,uN)，使得

F(x1,x2,…,xN)=C[Fx1(x1),Fx2(x2),…,FxN(xN)]

(1)

常見N元Copula函數(shù)的分布函數(shù)表達(dá)式如表2：

表2 常見N元Copula函數(shù)的分布函數(shù)表達(dá)式

四、 實(shí)證分析

單位根檢驗(yàn)結(jié)果顯示，碳價(jià)收益率和匯率收益率均為平穩(wěn)序列。基于各序列的自相關(guān)系數(shù)和自相關(guān)圖，北京、天津和湖北的碳價(jià)收益率序列的滯后階數(shù)為3，上海、廣東和深圳碳價(jià)收益率序列的滯后階數(shù)為1，匯率收益率序列的滯后階數(shù)為1。殘差時(shí)序圖、自相關(guān)函數(shù)檢驗(yàn)與LM檢驗(yàn)，說(shuō)明相關(guān)序列存在ARCH效應(yīng)。為體現(xiàn)出正負(fù)資產(chǎn)收益率的非對(duì)稱效應(yīng)并放松對(duì)模型系數(shù)非負(fù)性的限制，我們選擇建立EGARCH模型。表3和表4給出了碳收益率和匯率收益率的模型估計(jì)結(jié)果。可看出，各GARCH項(xiàng)系數(shù)均在1%水平上顯著。

表3 碳價(jià)收益率EGARCH模型估計(jì)結(jié)果

注：*、**、***，分別表示估計(jì)在10%、5%和1%的水平上顯著，括號(hào)內(nèi)為相應(yīng)的標(biāo)準(zhǔn)差。

表4 匯率收益率EGARCH模型估計(jì)結(jié)果

注：*、**、***，分別表示估計(jì)在10%、5%和1%的水平上顯著，括號(hào)內(nèi)為相應(yīng)的標(biāo)準(zhǔn)差。

表5和表6分別給出的碳價(jià)和匯率收益率序列的K-S檢驗(yàn)結(jié)果，經(jīng)過(guò)概率積分變換后的邊緣分布序列服從(0，1)區(qū)間內(nèi)的均勻分布。

表5 K-S檢驗(yàn)結(jié)果(碳價(jià)收益率)

表6 K-S檢驗(yàn)結(jié)果(收益率)

表7為匯率市場(chǎng)與碳市場(chǎng)的Copula模型估計(jì)結(jié)果。根據(jù)平方歐氏距離最小原則，可選最優(yōu)Copula函數(shù)。針對(duì)平方歐氏距離相等的情況，我們結(jié)合收益率的標(biāo)準(zhǔn)差與相關(guān)系數(shù)來(lái)選擇：深圳選Frank Copula，北京、上海選Gumbel Copula，廣東選Clayton Copula，天津選t-Copula，而對(duì)于湖北，正態(tài)Copula和t-Copula 均能刻畫碳市場(chǎng)與匯率市場(chǎng)間的關(guān)系。其中，正態(tài)Copula和t-Copula用估計(jì)系數(shù)來(lái)描述相關(guān)關(guān)系，Clayton Copula、Gumbel Copula和Frank Copula用非線性相關(guān)系數(shù)Kendall_τ來(lái)描述相關(guān)關(guān)系。

表7 碳市場(chǎng)與匯率市場(chǎng)的Copula模型估計(jì)結(jié)果

由估計(jì)結(jié)果可知，各碳市場(chǎng)與匯率市場(chǎng)的相關(guān)結(jié)構(gòu)具有較大差異。從匯率影響能源相對(duì)價(jià)格的角度分析，我們給出了匯率與能源相對(duì)價(jià)格的走勢(shì)(如圖3)。其中oil/coal表示石油與煤炭的相對(duì)價(jià)格，gas/coal表示天然氣與煤炭的相對(duì)價(jià)格，usd表示美元兌人民幣匯率的中間價(jià)?？梢?，在樣本期石油與煤炭的相對(duì)價(jià)格低于天然氣與煤炭的相對(duì)價(jià)格。

圖3 能源相對(duì)價(jià)格與匯率走勢(shì)圖

進(jìn)一步地，我們用ρ1、ρ2分別表示usd與oil/coal的相關(guān)系數(shù)、usd與gas/coal的相關(guān)系數(shù)，估計(jì)結(jié)果如表8。可見，匯率與能源的相對(duì)價(jià)格均有顯著的相關(guān)關(guān)系，其中與oil/coal呈負(fù)相關(guān)，與gas/coal呈正相關(guān)。近十年來(lái)，我國(guó)能源使用總量逐年上升，但煤炭使用量的增長(zhǎng)率已逐漸放緩。自2011年以來(lái)，煤炭占總能源消費(fèi)量的比重逐年遞減，能源的轉(zhuǎn)型升級(jí)已初顯成效(如圖4)。但各地區(qū)能源替代結(jié)構(gòu)的差異，使得人民幣匯率波動(dòng)對(duì)碳價(jià)的沖擊具有較大差異。

表8 相關(guān)系數(shù)估計(jì)結(jié)果

注：*表示估計(jì)在1%的水平上顯著，括號(hào)內(nèi)為顯著性檢驗(yàn)的p值。

圖4 中國(guó)能源消費(fèi)量與煤炭消費(fèi)量占比

從上述計(jì)量結(jié)果，我們可知：

1.匯率市場(chǎng)與天津碳市場(chǎng)呈顯著負(fù)相關(guān)，而與其余五個(gè)碳市場(chǎng)的相關(guān)系數(shù)均為正，其中對(duì)北京、上海和深圳的正向沖擊非常顯著，而對(duì)湖北、廣東的正向沖擊較弱。天津碳價(jià)與匯率的相關(guān)系數(shù)為-0.0237，與其它市場(chǎng)正的相關(guān)系數(shù)明顯不同。這是因?yàn)?，在所有試點(diǎn)地區(qū)中，天津石油消耗量增速最快，能源轉(zhuǎn)換結(jié)構(gòu)主要體現(xiàn)為用石油替代煤炭，因此對(duì)石油與煤炭的相對(duì)價(jià)格更敏感。而其它試點(diǎn)地區(qū)天然氣的使用量增長(zhǎng)很快，對(duì)天然氣與煤炭的相對(duì)價(jià)格更敏感。例如，天津2014年的石油消耗量為1615萬(wàn)噸，比2007年的768萬(wàn)噸增加了2倍多。2014年武漢消耗天然氣40億立方米，比2007年的8.6億立方米增加了4倍多。廣東和北京2014年使用的天然氣分別為133.8億和113.7立方米，不僅總量在試點(diǎn)地區(qū)中最高，而且增長(zhǎng)率也較快。上海在2007年至2014年間，石油消費(fèi)的增長(zhǎng)率僅為1.15%，而天然氣消費(fèi)的增長(zhǎng)率為2.6%。特別是北京和上海煤炭消費(fèi)總量已經(jīng)出現(xiàn)了負(fù)增長(zhǎng)，以北京為例，2014年的煤炭消費(fèi)量為1737萬(wàn)噸，比2007年的2985萬(wàn)噸下降了42%*數(shù)據(jù)來(lái)源于各年《中國(guó)能源統(tǒng)計(jì)年鑒》，由于深圳作為經(jīng)濟(jì)特區(qū)不是省級(jí)單位，沒有單獨(dú)的能源數(shù)據(jù)，因此在分析中沒有給出深圳的情況。?？梢?，各試點(diǎn)地區(qū)的能源替代效應(yīng)均比較明顯。但由于石油的碳排放量系數(shù)高于天然氣，從而導(dǎo)致天津的能源替代效應(yīng)及匯率沖擊效應(yīng)區(qū)別于其它地區(qū)。各地區(qū)能源消費(fèi)結(jié)構(gòu)與能源替代效應(yīng)的差異亦影響了匯率沖擊碳價(jià)的差異。此外，天津自2009年以來(lái)，進(jìn)口總額一直大于出口總額①。在樣本期內(nèi)，人民幣匯率主要處于升值狀態(tài)。天津進(jìn)口大于出口的貿(mào)易結(jié)構(gòu)使得人民幣匯率升值(美元貶值)減少出口、碳價(jià)的作用弱于增加進(jìn)口、拉升碳價(jià)的作用，從而亦使匯率對(duì)碳價(jià)具有負(fù)向沖擊。這是因?yàn)槿嗣駧艆R率升值，降低中國(guó)出口產(chǎn)品的價(jià)格競(jìng)爭(zhēng)力，減少出口企業(yè)的生產(chǎn)訂單，出口企業(yè)生產(chǎn)規(guī)模的縮小會(huì)降低企業(yè)的碳配額需求，從而拉低碳價(jià)；而另一方面，人民幣匯率升值，會(huì)提高中國(guó)進(jìn)口企業(yè)的支付能力和進(jìn)口需求，增加進(jìn)口企業(yè)的生產(chǎn)能力，提高碳配額需求，推高碳價(jià)。試點(diǎn)地區(qū)進(jìn)出口結(jié)構(gòu)的差異使得匯率沖擊碳價(jià)的方向相反。

2.匯率市場(chǎng)與北京、上海的碳市場(chǎng)呈顯著的上尾相關(guān)性，與廣東則呈現(xiàn)下尾相關(guān)性，與天津呈現(xiàn)尾部極值相關(guān)。Gumbel Copula函數(shù)具有“上尾高，下尾低”的特點(diǎn)，說(shuō)明匯率暴漲時(shí)，北京、上海碳價(jià)出現(xiàn)暴漲的概率較大。Clayton Copula函數(shù)具有“下尾高，上尾低”的特點(diǎn)，因此匯率暴跌時(shí)，廣東碳價(jià)暴跌的可能性較大；t-Copula函數(shù)對(duì)尾部的敏感度較高,天津碳市場(chǎng)與匯率市場(chǎng)尾部相關(guān)最明顯，當(dāng)匯率發(fā)生較大波動(dòng)時(shí)，天津碳市場(chǎng)也會(huì)產(chǎn)生劇烈的震蕩。

五、 結(jié)論與對(duì)策建議

為揭示人民幣匯率波動(dòng)對(duì)碳價(jià)的沖擊，豐富碳定價(jià)理論，完善碳價(jià)管理機(jī)制，本文選取深圳、北京、廣東、上海、天津、湖北六個(gè)碳市場(chǎng)的碳價(jià)收益率以及人民幣兌美元匯率中間價(jià)的日收益率數(shù)據(jù)，基于指數(shù)自回歸條件異方差Copula模型，考察了各碳市場(chǎng)與匯率市場(chǎng)的相關(guān)結(jié)構(gòu)。結(jié)論表明：匯率對(duì)各市場(chǎng)碳價(jià)的沖擊呈現(xiàn)顯著的區(qū)域差異。對(duì)天津碳價(jià)有負(fù)向沖擊，對(duì)其余五個(gè)市場(chǎng)的影響均為正，對(duì)北京、上海和深圳的沖擊較顯著，對(duì)湖北、廣東的影響較弱；對(duì)北京、上海碳價(jià)的沖擊呈顯著的上尾相關(guān)性，對(duì)廣東呈下尾相關(guān)性，對(duì)天津呈尾部極值相關(guān)。進(jìn)一步的能源替代效應(yīng)分析表明，各地區(qū)的煤炭替代效應(yīng)較顯著，其中天津石油替代煤炭的比重較大，其余地區(qū)天然氣替代煤炭的比重較大。

本文的發(fā)現(xiàn)說(shuō)明人民幣匯率波動(dòng)對(duì)中國(guó)碳價(jià)有顯著沖擊且沖擊具有區(qū)域異質(zhì)性。中國(guó)的減排政策體系應(yīng)根據(jù)這一特征進(jìn)行調(diào)整：全國(guó)碳市場(chǎng)交易規(guī)則的設(shè)計(jì)，應(yīng)關(guān)注區(qū)域差異，綜合考慮地區(qū)的資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、貿(mào)易結(jié)構(gòu)等問(wèn)題，充分考慮碳排放權(quán)的收入分配效應(yīng)。避免全國(guó)統(tǒng)一碳市場(chǎng)運(yùn)行中出現(xiàn)地區(qū)性的凈碳排放權(quán)買入者與賣出者，特別是要避免碳交易使經(jīng)濟(jì)落后地區(qū)承擔(dān)更高的減排成本而擴(kuò)大區(qū)域差異；碳價(jià)管理機(jī)制應(yīng)增加彈性，應(yīng)充分考慮匯率等金融資產(chǎn)價(jià)格波動(dòng)對(duì)碳價(jià)的沖擊及其區(qū)域差異效應(yīng)，積極構(gòu)建聯(lián)動(dòng)機(jī)制，避免外部沖擊影響碳市場(chǎng)的穩(wěn)定與減排企業(yè)的投融資決策；積極推進(jìn)能源產(chǎn)品的人民幣定價(jià)、促進(jìn)人民幣匯率的穩(wěn)定，以降低國(guó)際能源價(jià)格對(duì)我國(guó)能源價(jià)格的沖擊，并利用全國(guó)統(tǒng)一碳市場(chǎng)將是全球最大碳市場(chǎng)的規(guī)模優(yōu)勢(shì)，提升碳定價(jià)的國(guó)際話語(yǔ)權(quán)；加強(qiáng)碳市場(chǎng)與其它金融市場(chǎng)的合作，鼓勵(lì)碳金融創(chuàng)新，充分發(fā)揮碳市場(chǎng)在促進(jìn)我國(guó)能源轉(zhuǎn)型過(guò)程中的積極作用。

[1] 王倩，高翠云.中國(guó)試點(diǎn)碳市場(chǎng)間的溢出效應(yīng)研究——基于六元VAR-GARCH-BEKK模型與社會(huì)網(wǎng)絡(luò)分析法.武漢大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)，2016，(6).

[2] 汪文雋，周婉云，李瑾等.中國(guó)碳市場(chǎng)波動(dòng)溢出效應(yīng)研究.中國(guó)人口·資源與環(huán)境，2016，(12).

[3] E.Delarue,K.Voorspool,W.Dhaeseleer.Fuel Switching in the Electricity Sector under the EU ETS:Review and Prospective.Energy Engineering,2008,134(2).

[4] D.Rodrik.The Real Exchange Rate and Economic Growth.Brookings Papers on Economic Activity,2008,39(2).

[5] G.Daskalakis，R.N.Markellos.Are Electricity Risk Premia Affected by Emission Allowance Prices? Evidence From the EEX,Nord Pool And Powernext.Energy Policy,2009,(37).

[6] 張秋莉，楊超，門明.國(guó)際碳市場(chǎng)與能源市場(chǎng)動(dòng)態(tài)相依關(guān)系研究與啟示——基于DCC-MVGARCH模型.經(jīng)濟(jì)評(píng)論，2012，(5).

[7] P.Atola，M.Ollikainen,A.Toppinen.Impact of the Carbon Price on the Integrating European Electricity Market.Energy Policy,2013,(61).

[8] 海小輝，楊寶臣.歐盟排放交易體系與化石能源市場(chǎng)動(dòng)態(tài)關(guān)系研究.資源科學(xué)，2014，(7).

[9] Y.J.Zhang,Y.F.Sun.The Dynamic Volatility Spillover Between European Carbon Trading Market and Fossil Energy Market.Journal of Cleaner Production,2016,112.

[10] E.Alberola，J.Chevallier，B.Chèze.Price Drivers and Structural Breaks in European Carbon Prices 2005-2007.Energy Policy,2008,(36).

[11] J.Chevallier.A Model of Carbon Price Interactions With Macroeconomic and Energy Dynamics.Energy Economy,2011,33(6).

[12] J.Chevallier.Evaluating the Carbon—Macroeconomy Relationship:Evidence from Threshold Vector Error-correction and Markov-Switching VAR Models.Economy Model,2011,28(6).

[13] 鄒亞生，魏薇.碳排放核證減排量(CER)現(xiàn)貨價(jià)格影響因素研究.金融研究，2013,(10).

[14] J.M.Yu,M.L.Mallory.Exchange Rate Effect on Carbon Credit Price Via Energy Markets.Journal of International Money and Finance,2014,47.

[15] 黃曉鳳，王廷惠，程玉仙.國(guó)際股票、外匯及原油市場(chǎng)對(duì)CER市場(chǎng)的波動(dòng)溢出效應(yīng).系統(tǒng)工程,2015，(5).

[16] 周建國(guó),劉宇萍,韓博.我國(guó)碳配額價(jià)格形成及其影響因素研究——基于VAR模型的實(shí)證分析.價(jià)格理論與實(shí)踐,2016，(5).

[17] D.B.Nelson.ARCH Models as Diffusion Approximations.Journal of Economics,1990,45.