路京京 余露欣

（吉林大學經(jīng)濟學院，吉林長春130012）

（中國建設銀行股份有限公司總行同業(yè)業(yè)務中心，北京100033）

一、引 言

空氣質量指數(shù)（Air Quality Index，簡稱AQI）由中華人民共和國環(huán)境保護部每日發(fā)布，該指數(shù)是將二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）、可吸入顆粒物（PM10）、細顆粒物（PM2.5）六項污染物的濃度，依據(jù)適當?shù)姆旨墲舛认拗涤嬎?，從而得到的簡單的無量綱指數(shù)，它能夠簡明、直觀、定量地描述空氣質量狀況，AQI數(shù)值越大表示空氣質量越差?？諝赓|量的好與壞能夠影響人們的生理變化和心理活動，進而對人的偏好、決策以及行為產生影響（Lepori，2009）。因此，在工業(yè)國家，空氣質量越來越成為經(jīng)濟問題研究中的重要關注點（Levy and Yagil，2011）。隨著行為金融學的發(fā)展，天氣變化、空氣污染等環(huán)境因素可以通過情緒效應影響人們的交易行為，從而影響市場收益。近年來，中國空氣質量問題備受關注，多地發(fā)生的霧霾現(xiàn)象是否會對金融市場產生影響？2013年以來成立的碳交易試點分布在空氣質量差異顯著的七個城市，作為旨在促進節(jié)能減排和綠色發(fā)展的新興金融市場，碳交易是否會受到空氣污染的影響？對此，本文嘗試構建了空氣質量影響碳交易的理論機制，選取中國七個試點碳市場的交易數(shù)據(jù)，基于馬爾科夫轉換模型研究了空氣質量是否以及如何影響各地的碳交易。

天氣因素通過生理和心理兩種渠道影響人們的交易行為。在包括空氣質量在內的各項天氣指標中，學者最先關注到的是代表晴雨變化的云層覆蓋率，由于陰雨天會使得投資人情緒消沉，交易意愿冷淡，因此股票收益率下降（Saunders，1993；Hirshleifer and Shumway，2003）。此外，溫度、風速等也會對股票收益產生影響（Lu and Chou.，2012；Novy-Marx，2014）。天氣不僅影響股票的收益率，還對市場換手率和波動率有著顯著的影響（陸靜，2011）。隨著經(jīng)濟發(fā)展的外部性日益凸顯，空氣污染對股票交易的影響開始顯現(xiàn)。部分學者研究了空氣質量與股票收益間的關系，Levy（2011）用AQI代表空氣污染，發(fā)現(xiàn)AQI與美國股票收益率之間呈現(xiàn)負相關。對于中國來說，空氣污染、霧霾天氣等惡劣氣候對股票收益的負向影響也非常顯著（萬孝園和陳欣，2016）?？諝馕廴究梢l(fā)人們的消極情緒，該情緒直接導致投資者的非理性交易行為和非積極交易意愿，進而影響股票市場交易，因此有學者認為空氣質量是股票市場的重要定價因子之一（林樹和俞喬，2010；Li and Peng，2016）。郭永濟和張誼浩（2016）詳細分析了空氣質量影響股市的三種渠道（政策、情緒以及預期），發(fā)現(xiàn)空氣質量不僅對股票收益率，對股票的換手率和波動率也都存在影響，且該影響具有對稱性，在此基礎上，張誼浩等（2017）進一步構建了空氣污染以及污染關注度對股票市場的影響機制，結論表明空氣污染對收益率、波動率和換手率具有影響，但對換手率的影響更強，且空氣污染關注度對股市交易的影響亦十分顯著。

與天氣對股市的影響類似，天氣因素還可以影響碳市場的交易。一方面，一些研究成果表明氣候因素例如溫度，尤其是極端寒冷的溫度，以及風速和降雨量等對碳價的影響顯著（Alberola et al.，2008；Hintermann，2010；王倩和路京京，2015）。另一方面，空氣污染能夠影響能源消費和能源價格（Barnett et al.，2014；Khan et al.，2016；Alvarez-Herranz et al.，2017），而能源消費和價格直接影響企業(yè)的能源選擇和碳排放需求，進而影響碳交易。綜上分析，以往的研究多數(shù)關注了天氣與股市、空氣質量與股市以及天氣與碳市場，少有文獻直接研究空氣質量對碳市場的影響。在對股票市場的研究中，學者們的觀點較為統(tǒng)一，普遍認為消極天氣與股票收益率、換手率以及波動率間存在負相關關系。①本文將天氣狀況歸納為兩類：積極天氣（Positive Weather）和消極天氣（Negative Weather），其中消極天氣是指與晴天相對的多云、陰雨、極端氣溫以及空氣污染等天氣狀況。在對碳市場的研究中，天氣因素對碳市場的影響已基本達成共識，認為極端氣溫、風速與降雨量等因素能夠顯著影響碳交易，而其他的消極天氣是否對碳市場產生影響仍處于探索階段，空氣質量與碳市場間的作用機制暫未形成完善的理論分析和研究結論。

本文借鑒上述研究的思想與方法，將空氣質量與碳市場建立聯(lián)系，闡釋了空氣質量影響碳交易的理論機制，并通過建立馬爾科夫轉換模型研究了七個試點地區(qū)空氣質量對碳交易的不同影響。相對于現(xiàn)有的研究成果，本文的邊際貢獻主要體現(xiàn)在理論創(chuàng)新、研究方法以及研究應用三個方面：第一，類比以往文獻中空氣質量對股票市場的理論分析，本文構建了空氣質量與碳市場的理論機制，從政策、能源、行為和預期四個渠道解釋空氣質量對碳交易的影響。第二，在建立馬爾科夫模型后，我們進一步將空氣質量劃分為優(yōu)、一般和污染三個等級，在各等級下分別建模，分析不同空氣質量狀態(tài)下AQI對碳交易的影響，突出空氣質量影響的差異性。第三，本文豐富了行為金融學在碳金融領域的應用，拓展了碳價的解釋因素，研究結論可應用于碳定價、碳市場效率以及交易策略等問題。

二、空氣質量影響碳市場的理論機制

本文在以往研究的基礎上結合了碳交易的特殊性，嘗試總結出空氣質量影響碳市場的理論機制。碳市場中的排放權供給大部分由政府發(fā)放，少量由拍賣所得，在研究中通常假設供給不變，因此在分析對碳交易的影響時主要考慮空氣質量對排放需求的影響。碳市場的參與者主要是減排企業(yè)和個人投資者，因此從企業(yè)和個人兩個角度，分析出空氣質量對碳市場的影響主要通過如下四個渠道，具體如圖1所示。

第一，政策渠道。該渠道又分為環(huán)保政策渠道和產業(yè)政策渠道。一方面，政府針對空氣污染問題會進一步加強環(huán)保約束，制定更加嚴格的排放標準，減少排放配額的發(fā)放，此時企業(yè)需要在碳市場中購買一定的排放權，以滿足政府的排放標準，因此排放需求增加。另一方面，如果國家對此進行產業(yè)結構的調整，迫使企業(yè)改良生產設備、加強技術創(chuàng)新，則會有效提升企業(yè)的減排能力，使得排放需求降低，但技術升級耗時較長，因此產業(yè)政策對碳交易的影響是一個長期效應，本文主要考慮通過環(huán)保政策渠道對碳交易的影響。

第二，能源渠道。根據(jù)Barnett et al.（2014）的研究，交通車輛的排放是空氣污染的主要因素之一，實證結果顯示燃料油價格特別是柴油價格隨空氣質量水平的不同而變化。具體來說，空氣污染對燃料油得價格影響顯著，而燃料油價格直接影響企業(yè)的能源選擇，從而影響排放需求（Delarue et al.，2008；Kim et al.，2010）。因此，能源是空氣質量影響碳交易的第二個渠道。

第三，行為渠道。該渠道分為生理行為和心理行為。從生理角度看，空氣污染能夠增加人體內的皮質醇，該激素可造成生物代謝紊亂，使人變得消極和抑郁（Nowakowicz-Debek et al.，2004），這種生理變化能夠影響交易者的判斷、增加人的風險厭惡程度，進而改變交易策略和交易行為。從心理角度看，空氣污染使人的情緒趨于低落、緊張、焦慮甚至憤怒（Evans et al.，1987），而這些消極情緒都使得人們的風險厭惡程度加大（Slovicand Peters，2006），從而交易意愿降低，市場收益和活躍度下降。

第四，預期渠道。該渠道由前三個渠道衍生而來。由于互聯(lián)網(wǎng)時代的發(fā)展，信息的傳播速度有了極大的提升。在人們日益關注健康養(yǎng)生的今天，“空氣污染”、“霧霾”等問題愈發(fā)敏感，通過媒體和輿論的傳播，大多數(shù)人都會捕捉到該類信息。根據(jù)現(xiàn)代行為金融的理論，市場的參與者的交易行為受情緒影響，往往不都是理性的，因此，信息的傳播能夠引發(fā)情緒傳染和羊群效應，改變人們對上述三種渠道的預期，從而影響市場交易。

圖1 空氣質量影響碳交易的理論機制

三、數(shù)據(jù)與方法

（一）變量選取與樣本描述

在碳交易中，碳配額價格和交易量是最重要的兩個指標，類似股票收益率和換手率，碳價收益率和交易量變化率代表了每日碳價的收益和交易量變動，因此，本文選取了北京、天津、湖北、上海、重慶、廣東、深圳（按照樣本期間AQI均值降序）七個試點碳市場的碳配額日收益率和日交易量變化率作為被解釋變量，具體如表1和表2所示；其中，日收益率采用對數(shù)收益率（Return），其計算方法為：

日交易量變化率（△Volume）參考收益率的計算方法，可表示為：

解釋變量用中華人民共和國環(huán)保部公布的空氣質量指數(shù)AQI來表示，同時，根據(jù)以往的研究，經(jīng)濟活動、金融市場以及能源價格均會對碳價產生影響（Alberola et al.，2008；Chevallier，2011；Cretietal.，2012；Hammoudeh et al.，2014；Yu and Mallory，2014；王倩和路京京，2015），因此本文還選取了上證指數(shù)收盤價、人民幣兌美元中間價、上海銀行間同業(yè)拆放利率、焦煤期貨收盤價、燃料油收盤價和液化天然氣價格作為控制變量。此外，參考Saunders（1993）和Kamstra et al.（2003）的研究，在模型中引入季節(jié)性紊亂變量（SAD），代表人體生物節(jié)奏紊亂對作用機制的影響。其中，碳價數(shù)據(jù)來自碳K線網(wǎng)，AQI數(shù)據(jù)來自環(huán)保部網(wǎng)站，上證指數(shù)來自網(wǎng)易財經(jīng)，人民幣兌美元中間價來自國家外匯管理局網(wǎng)站，利率shibor來自上海銀行間同業(yè)拆放利率網(wǎng)站，焦煤等能源價格來自萬德（Wind）數(shù)據(jù)庫。由于環(huán)保部從2014年開始公布各城市的AQI，因此北京、天津、湖北、上海、廣東、深圳六個樣本的時間范圍選定為2014年1月1日-2017年7月3日.而重慶碳市場在剛啟動時交易冷淡，2016年年底才逐步回升，因此重慶的樣本時間選定為2016年12月14日-2017年7月3日。

表1 日收益率（Return）的描述性統(tǒng)計（%）

表2 日交易量變化率（△Volume）的描述性統(tǒng)計（%）

表1和表2分別顯示了碳價收益率和交易量變化率（以下簡稱交易量）的描述性統(tǒng)計?？煽闯?，碳價收益率的均值大多為負，標準差較大，最大值和最小值距離相差很大，這意味著樣本期內碳價的波動十分劇烈，市場風險較大。從交易量的描述來看，交易量的波動更為劇烈，中位數(shù)至Q1、Q3的距離基本相同，這說明交易量的變動較為對稱。

圖2為AQI均值柱狀圖，由圖可知，北京AQI均值和中位數(shù)最大，分別為123和103，說明在樣本期內普遍處于空氣污染狀態(tài)。天津、湖北、上海、重慶、廣東、深圳的均值和中位數(shù)依次降低，其中天津和湖北均值大于100，說明空氣污染的天數(shù)也較多，上海、重慶、廣東、深圳的均值和中位數(shù)均在50-100間，空氣質量總體表現(xiàn)一般，較前三個城市稍有改善。

（二）研究方法

為了研究空氣質量是如何影響碳交易的，首先，我們將AQI與碳價收益率、交易量變化率一一對應，畫出時間序列圖。其次，建立回歸模型，初步驗證空氣質量確實對碳交易產生影響。最后，為了更進一步地探討空氣質量對碳交易的影響，我們將空氣質量分為三個等級：AQI為0-50時表示空氣質量為優(yōu)，AQI為50-100時表示空氣質量一般，AQI大于100時表示空氣污染。根據(jù)空氣質量等級將樣本分為三部分，對每部分分別建立回歸模型。

本文選用的方法是馬爾科夫轉換模型（Markov-Switching Model，簡稱MS）。MS模型在金融周期、價格波動等問題上有著廣泛的應用，該模型可將樣本劃分為多個區(qū)制，揭示不同區(qū)制狀態(tài)下經(jīng)濟行為的規(guī)律特征。令Sk為一個不可觀測的隨機變量，表示k個不同的狀態(tài)。由于馬爾科夫轉換模型是基于無記憶性馬爾科夫過程，因此，St的轉化概率可用如下的k×k階矩陣來描述：

圖2 AQI均值柱狀圖

其中pi1+pi2+…+pik=1，i=1，2，…，k.在經(jīng)濟學的研究中，一般將經(jīng)濟行為分為兩個狀態(tài)，例如經(jīng)濟的高低增長或金融市場的高低波動，因此，兩階段的馬爾科夫轉換模型在經(jīng)濟領域中運用最為廣泛。本文選用兩階段的馬爾科夫轉換方法，建立如下回歸模型：

其中，Yi，t分別代表碳價日收益率和日交易量變化率，AQIi，t代表空氣質量指數(shù)，ERt、SHt、HZt、JMt、FUt、LNGt分別代表人民幣兌美元中間價、上海銀行間同業(yè)拆放利率、上證指數(shù)收盤價、焦煤期貨收盤價、燃料油收盤價和液化天然氣價格，SADt為季節(jié)性紊亂變量。β1，β2，β3，β4，β5，β6，β7為解釋變量的系數(shù)，β0為常數(shù)項，εt∽N（0，σt2），Sk為不同的狀態(tài)區(qū)間，k=2。

四、實證研究

表3 馬爾科夫轉換模型估計結果

表3給出了收益率和交易量的估計結果，Y1和Y2分別代表碳價收益率和交易量變化率，狀態(tài)1和狀態(tài)2代表空氣質量的不同狀況，qii和dii分別表示狀態(tài)間的轉換概率和持續(xù)時間。此外，我們還計算了估計結果的狀態(tài)平滑概率，概率圖顯示絕大多數(shù)的樣本若不屬于狀態(tài)1，則屬于狀態(tài)2，即估計結果可信。①由于篇幅所限，狀態(tài)平滑概率圖未列出。

由估計結果可發(fā)現(xiàn)，空氣質量對北京、天津、湖北、上海、重慶和深圳的碳交易均存在顯著的影響。從收益率的估計結果來看，空氣質量在狀態(tài)1時對北京、湖北、上海、重慶的影響顯著，且除重慶外，其他三個城市的系數(shù)均為負，其中，對上海收益率的影響最大，估計系數(shù)為-0.667。在狀態(tài)2時，空氣質量對深圳和重慶的影響顯著且均為負；從交易量的結果可知，空氣質量在兩種狀態(tài)下對北京、上海和深圳的影響都很顯著，但在狀態(tài)1時系數(shù)為正，狀態(tài)2時系數(shù)為負。其中，對深圳和上海的影響極其顯著，系數(shù)分別達到了10.217和7.119。

圖3 不同空氣質量等級下的平均收益率

更進一步地，為了探討不同的空氣質量對碳交易的影響，首先，我們將空氣質量分為三個等級，當AQI為0-50時表示空氣質量為優(yōu)（以下簡稱AQIgood）；當AQI為50-100時表示空氣質量一般（以下簡稱AQIgeneral）；當AQI大于100時表示空氣污染（以下簡稱AQIbad）。其次，根據(jù)空氣質量等級將樣本分為三部分，計算各部分的平均收益率和平均交易量變化率具體如圖3和圖4所示?？煽闯?，在不同空氣質量的條件下，均值有明顯的不同，在北京、天津、上海、廣州四個城市，AQIbad的平均收益率為負，在天津、湖北、廣州、深圳四個城市，AQIbad的平均交易量變化率為負。

最后，我們在各等級下分別建立回歸模型，估計結果如表4所示，M1、M2分別表示被解釋變量為碳價收益率和交易量的兩個模型。對結果有以下兩點說明：（1）按照空氣質量將樣本劃分為三個部分之后，導致重慶市劃分后的樣本量過少，因此在回歸時沒有包含重慶市。（2）在樣本期間內，天津市空氣質量為優(yōu)的天數(shù)過少，無法滿足建模條件，因此沒有計算天津空氣質量為優(yōu)時的回歸系數(shù)。由表4的估計結果可知，空氣污染對碳交易的影響顯著。

對于北京來說，空氣質量特別是空氣污染對碳交易具有顯著影響。當空氣污染時，M1估計系數(shù)為-0.877 和-0.012，M2估計系數(shù)為-1.515和 0.544，AQIbad對收益率的影響為負。對比表3的估計結果可知，在將空氣質量分等級后，AQI對收益率的影響負向增大，由-0.250變?yōu)?0.877，表明AQIbad對收益率的影響更為顯著；天津的估計結果與北京類似，AQIbad對交易的影響更大。分等級前，AQI對交易的影響較弱，特別是對收益率的影響僅為0.003，而分等級后，AQIbad的系數(shù)顯著增大，為0.120。對于交易量來說，AQIgeneral的系數(shù)為-8.293，顯著大于表3的結果-3.487。由圖5可知，北京和天津的AQI分布很相似，AQIbad占總樣本的一半左右，AQIgeneral占比不到50%，其中天津該比例稍多于北京，為48%，而AQIgood的比例非常少，均在10%以下。因此，北京和天津污染的比例較高，AQIbad通過情緒、預期等渠道傳遞至碳市場，空氣質量對碳交易有著負向影響，且AQIbad對碳交易的影響更為顯著。

圖4 不同空氣質量等級下的平均交易量變化率

表4 不同空氣質量等級下的AQI估計系數(shù)

從湖北的估計結果可知，在不分等級時，AQI對收益率的影響顯著且為負（-0.07），分等級后AQIbad對收益率的影響顯著且為正（0.081）?？諝馕廴具€加強了對交易量的影響，系數(shù)由-0.150變?yōu)?1.256。此外，AQIgeneral的系數(shù)在分等級后變?yōu)?0.148和-4.531且十分顯著。對上海來說，不分等級時AQI對收益率和交易量的影響都很顯著。分等級后，S1狀態(tài)下AQIbad對收益率和交易量的影響都十分顯著，但強度有所減弱，系數(shù)分別由-0.667、7.119減小到-0.357、6.650。相反，S2狀態(tài)下AQIbad對收益率和交易量的影響卻變強，由0.006、-0.562增大至0.006、-0.962。與湖北類似，分等級后的AQIgeneral系數(shù)顯著性增強，S2狀態(tài)下變?yōu)?.016和5.610。該結果的原因可能是，湖北和上海的AQI分布比較相似，均呈現(xiàn)AQIgeneral、AQIbad、AQIgood占比依次降低的結構，AQIgeneral狀態(tài)持續(xù)時間最長，因此對碳交易的影響更加明顯。

廣州在不分等級時，AQI對碳交易的影響較弱。在分等級后，AQIbad對收益率的影響顯著，且效果明顯增強。從圖5中可知廣州的AQI分布呈現(xiàn)AQIgeneral、AQIgood、AQIbad依次減少的結構，雖然AQIbad的占比很低（17%），但由于廣東省媒體傳播速度快，2015年有線廣播電視實際用戶達到1973萬戶，①數(shù)據(jù)來源：《中國統(tǒng)計年鑒2016》。2016年網(wǎng)民達到8024萬人，②數(shù)據(jù)來源：2016年12月中國互聯(lián)網(wǎng)絡發(fā)展狀況調查統(tǒng)計。數(shù)量均在六個城市居于首位，因此可推斷，如此龐大的傳媒受眾群體使得AQIbad通過預期渠道的傳遞效應更大，對廣東碳交易有顯著的負向影響。

深圳的估計結果與前面五個城市的結果差異最大，AQIbad對深圳碳交易影響不明顯，但AQIgood和AQIgeneral的系數(shù)非常顯著。當空氣質量為優(yōu)時，AQI對收益率的影響增強（由0.072變?yōu)?.129），當空氣質量為一般時，AQI對交易量的影響也顯著增強（由-1.556變?yōu)?18.790）。從圖5可看出，深圳AQIgood的比重在所有城市中最大（41%），AQIgeneral占比55%，而AQIbad的比重非常少，僅為4%。深圳絕大多數(shù)時間處于空氣質量優(yōu)秀或一般狀態(tài)，因此，該狀態(tài)下的系數(shù)更為顯著。

圖5 AQI分布餅狀圖

五、主要結論

本文將空氣質量與碳市場建立聯(lián)系，闡釋了空氣質量影響碳交易的理論機制。實證方面選取中國七個試點碳市場，基于馬爾科夫轉換方法建立了AQI與碳交易的實證模型，并通過AQI的不同等級進一步分析了空氣質量對碳交易的影響。實證結果表明：

（1）空氣質量對北京、天津、湖北、上海、重慶和深圳的碳交易均存在顯著的影響。

（2）分等級后的空氣質量對碳交易的影響有所增強，其中AQIbad對北京（收益率）、天津（交易量）、廣州（收益率）影響顯著，AQIgeneral對湖北（收益率）、上海（收益率和交易量）影響顯著，AQIgood和AQIgeneral對深圳（收益率和交易量）影響顯著。

（3）空氣質量對碳交易的影響普遍為負，說明空氣質量主要通過情緒、預期以及經(jīng)濟渠道影響碳市場，政策渠道的傳導具有滯后性，還需長期的驗證。

（4）空氣質量對碳交易的影響效果與各地的AQI分布有著明顯的差異。一般來說，空氣污染占比越多，AQIbad的影響越顯著。

結合本文的主要結論，本文認為空氣質量可作為碳市場定價的一個因素。在構建全國統(tǒng)一碳市場時，應當考慮到各地的空氣污染狀況，充分了解不同地區(qū)的企業(yè)排放情況和主要污染物。碳價管理制度應盡量消除空氣質量對碳交易影響的差異性，保證不同空氣質量下的碳交易都能穩(wěn)定進行。