應尚軍 虞雀 馮體一

摘要：本文研究了各驅動因素對碳排放權價格的影響機理，并以廣州碳排放權交易所GDEA交易價格為因變量檢驗了各驅動因素的顯著性。通過實證分析發(fā)現(xiàn)，宏觀經濟景氣程度和極端氣溫對碳排放權價格影響的顯著性最大;空氣質量在考慮異方差檢驗的條件下，亦能對碳排放權價格產生顯著的正向作用;工業(yè)發(fā)展水平僅在考慮異方差條件后才對碳排放權價格產生影響;現(xiàn)階段能源結構對碳排放權價格幾乎沒有影響。此外，能源價格作用機制在碳排放權價格中并沒有體現(xiàn)出來。協(xié)整檢驗結果顯示經濟景氣水平指數(shù)、極端氣溫和煤炭價格指數(shù)均能在短期內對碳排放權成交均價產生協(xié)整作用，空氣質量指數(shù)不具有協(xié)整效應。

關鍵詞：經濟發(fā)展水平;能源因素;環(huán)境氣候

Abstract：This paper studied the influence mechanism of driving factors on the price of carbon emission rights， and tested the significance of driving factors with GDEA trading price of Guangzhou Carbon Emission Rights Exchange as dependent variable. Empirical analysis shows that macroeconomic prosperity and extreme temperature have the greatest significant impact on the price of carbon emission rights; air quality can also have a significant positive effect on the price of carbon emission rights under the condition of considering heteroscedasticity test; industrial development level can only affect the price of carbon emission rights after considering heteroscedasticity conditions; energy structure has little impact on the price of carbon emission rights at present.In addition，the energy price mechanism is not reflected in the price of carbon emission rights.Cointegration test results show that economic prosperity level index， extreme temperature index and coal price index can co-integrate the average transaction price of carbon emission rights in a short time， but air quality index has no co-integration effect.

Key words：Economic development level;Energy factor;Environmental climate

隨著世界經濟的迅速發(fā)展，全球氣候出現(xiàn)了巨大的變化。wind數(shù)據(jù)庫顯示，近年來中國31省市的年平均氣溫持續(xù)上升，截至2016年高達14.38℃，比2011年上漲了13.88℃;在降水量方面，北半球中高緯度地區(qū)的大雨和極端降水事件有增多趨勢。從全球來看，亞洲和非洲的部分地區(qū)干旱與洪澇發(fā)生頻率增大、強度增加。顯然，全球氣候的變化已經嚴重影響了人們的生活及經濟的正常發(fā)展。其中二氧化碳排放作為全球氣候變化中的主要因素成為了人們的重點關注對象。自1965年開始，中國的年均二氧化碳排放量持續(xù)上升，2016年達到9.123×107t，比10年前的排放量增加了37.06%[1]。

作為發(fā)展中大國，中國政府高度重視低碳經濟的推進工作。2009年8月12日，全國人大常委會通過決議，首次把應對氣候變化、發(fā)展低碳經濟納入國民經濟和社會發(fā)展規(guī)劃。2009年9月22日，胡錦濤在聯(lián)合國氣候變化峰會開幕式上發(fā)表了題為《攜手應對氣候變化挑戰(zhàn)》的重要講話，承諾到2020年中國的單位國內生產總值二氧化碳排放比2005年下降40%～45%，以此作為約束性指標納入國民經濟和社會發(fā)展中長期規(guī)劃。2016年，中國在《巴黎協(xié)定》中提出自主貢獻，設定二氧化碳排放在2030年達到峰值并爭取盡早達到峰值，單位國內生產總值二氧化碳排放比2005年下降60%～65%，非化石能源占一次能源消費比重達到20%左右，森林蓄積量比2005年增加4.5×109m3左右。其實，在國際氣候談判艱難推進的過程中，中國已經開始了自己的溫室氣體減排發(fā)展道路。截至目前，中國共有33家碳排放交易所[1]，并且從進度上看已超額完成了碳強度下降的目標。吸收《京都議定書》框架下的碳減排履約機制，2011年10月29日，國家發(fā)展和改革委員會發(fā)布《關于開展碳排放權交易試點工作的通知》，確定在北京、天津、上海、重慶、湖北、廣州及深圳這7個地區(qū)開展碳排放交易試點工作。2019年12月，中國正式啟動了全國碳排放權交易市場的建設工作，各項工作正在有序開展，全國碳排放權交易管理條例出臺已經箭在弦上。在這個關鍵時刻，需要對過去的試點工作進行梳理和分析，以便用較小的成本達成有效的制度安排。試點階段的碳排放權交易市場并不完善，成交量較小，而且不是長期的連續(xù)交易，但這不妨礙我們對其進行經驗分析，檢驗試點中的碳排放權價格是否反映了我們所關心的變量，這對于建立和完善我國碳排放權交易價格機制具有重要意義。

1 文獻綜述

通過對CNKI和EBSCO數(shù)據(jù)庫的檢索，以“碳排放權價格”為關鍵詞，檢索到1 685篇相關文獻，其中147篇文章的篇名中包含“碳排放權價格”。研究內容一般圍繞歐盟碳排放交易體系下的配額交易（EUA）和歐洲核證減排量（CERs）展開，主要研究集中在3個方面：碳資源定價理論問題及解決途徑、定價機制模型構建、碳資源價格影響因素的實證檢驗。如果對上述第3個方面進一步展開檢索，將“碳排放權價格”和“影響因素”作為聯(lián)合關鍵詞，則僅有23篇論文，并且大多為學位論文，期刊類論文較少?？傮w上看，可以將現(xiàn)有文獻中關于碳排放權價格的影響因素分為3類。

1.1 制度因素

目前政府的碳排放權配額發(fā)放分為免費分配和有償分配兩種方式。碳排放需求主要取決于參與國的溫室氣體排放量與配額總量之間的比例關系，由二者的差值最終決定市場的需求，但在某種程度上，政府價格干預可能會使交易價格不能真實反映供需比例和國際市場價格變動[2]。Chevallier[3]對比了2007年8月之前和之后的EUA期貨價格對宏觀經濟變動做出的反應，并將該日期看作金融危機發(fā)生的時點，而且在該時點上，美聯(lián)儲也做出了重大經濟政策調整。研究結果顯示，金融危機發(fā)生前后，宏觀經濟變量對EUA期貨價格的影響由無影響到顯著。

1.2 經濟因素

馬慧敏、趙靜秋[4]基于北京市碳排放交易所（BEA）的數(shù)據(jù)，運用主成分分析法及多元回歸分析發(fā)現(xiàn)，工業(yè)發(fā)展水平與BEA碳排放權成交價格呈現(xiàn)正相關。汪中華、胡垚[5]運用EEMD方法選取7家交易所所在地區(qū)季度GDP增長率作為經濟增長數(shù)據(jù)，發(fā)現(xiàn)它和石油價格對碳排放權價格的影響最大，表明碳排放權交易市場同時受到能源市場供求機制以及市場外部整體經濟環(huán)境的共同影響。如果對石油價格及其背后的更廣泛的能源價格做進一步分析，會發(fā)現(xiàn)化石能源價格與碳價之間存在顯著的長期均衡比例不斷變化的協(xié)整關系，其中油價的變動對碳價的沖擊影響最大，是碳價變化的主要貢獻者（37%），其次是天然氣價格（31%），煤炭作為碳排放度最高的能源，它的價格對碳價變化的影響只占到2%，但天然氣對碳價波動的影響持續(xù)時間最長[6]。

1.3 環(huán)境氣候

碳排放權具有環(huán)境資源的屬性，因此碳排放權的產生及發(fā)展都和環(huán)境變化息息相關。Timothy[7]研究表明，異常的氣候變化會通過能源消費影響碳價，短期內氣候的異常變化會對能源的價格產生影響，如嚴寒的冬季，為了緩減寒冷會增加對電力和其他化石燃料的需求;而酷熱的夏季，人們?yōu)榱讼钔瑯訒黾訉﹄娏Φ男枨?，從而導致二氧化碳等溫室氣體排放急劇上升。然而，基于國內市場中的北京碳排放交易所數(shù)據(jù)發(fā)現(xiàn)，極端氣溫對于碳排放交易價格影響并不顯著[4]。

中國碳交易市場尚處于起步階段，缺乏價格機制，還沒有建立相應的價格體系，信息、價格不透明、主體分散等諸多原因導致成交價格明顯低于國際碳市場價格，這對爭取國際價格決定權極為不利。目前關于碳交易市場的理論基礎研究已有較多成果，但關于碳交易市場的實證研究，尤其是碳交易市場價格驅動因素方面的實證研究才剛起步。不少關于碳排放權價格驅動因素的文獻圍繞市場供給需求展開分析，有些圍繞經濟因素展開，我們還想知道，在數(shù)據(jù)越來越完善的條件下經濟景氣度和能源結構這兩個指標在碳排放權價格變動中所起的作用。

2 機理分析與研究假設

鑒于國內碳排放權市場建立的時間不長，相關制度的變化并非有跡可循，因此我們主要圍繞經濟因素和環(huán)境氣候進行影響機理分析，其中經濟因素的分析重點在經濟發(fā)展水平和能源因素。

2.1 經濟發(fā)展水平

國家經濟發(fā)展水平會直接對碳排放權價格的需求量產生影響，主要體現(xiàn)在第二產業(yè)中。第二產業(yè)中二氧化碳的排放量占總排放量的絕大部分，第二產業(yè)排放越大，企業(yè)的減排任務越重，對于碳排放權配額的需求也越大，進而拉升排放權價格。為此，本文提出假設1：工業(yè)發(fā)展水平越高則碳排放權價格越高。

從主觀層面上看，來自企業(yè)家對企業(yè)經營情況及宏觀經濟狀況的判斷和預期也對經濟發(fā)展起著先導作用。企業(yè)家的判斷和預期可以通過宏觀經濟景氣指數(shù)體現(xiàn)出來。當景氣指數(shù)高于100時，說明經濟發(fā)展處于景氣區(qū)間，此時企業(yè)生產經營擴展，會產生更多的碳排放需求;而指數(shù)小于100時，說明經濟發(fā)展不景氣，企業(yè)的碳排放需求會下降。因此，本文提出假設2：宏觀經濟景氣程度越高則碳排放權價格越高。

2.2 能源因素

對于能源因素的研究可以分為能源價格和能源結構兩塊。根據(jù)德國聯(lián)邦環(huán)境局排放交易署的研究，煤炭是單位碳排放最多的化石能源，而且煤炭在化石能源消費中的比重也占絕大多數(shù)（來自國家統(tǒng)計局的2018年的最新數(shù)據(jù)為84%），因此用煤炭價格來表示能源價格。當煤炭價格上漲時，企業(yè)傾向于減少煤炭的消費量，碳消耗量的下跌減少二氧化碳的排放，企業(yè)在相同條件下可供出售的碳排放權增加，同時碳排放權的需求減少，因而推動碳排放權價格下跌;反之，煤炭價格下跌則碳排放價格上漲。因此，提出假設3：煤炭價格越高則碳排放權價格越低。

從能源結構上看，風能、水能、核能等作為新型能源，在我國能源消費結構中的占比不斷上升，此時化石能源占能源的消費量比重減少，會有更多企業(yè)有能力完成減排任務，使得碳排放權配額需求降低，進而導致碳排放權價格下跌。因此，提出假設4：化石能源占能源消耗量的比重越大則碳排放權價格越高。

2.3 環(huán)境氣候

環(huán)境對于碳排放權價格的影響路徑主要表現(xiàn)在極端氣溫和空氣質量方面。當出現(xiàn)極端高溫時，居民對于空調等制冷系統(tǒng)的需求量上漲，增加這些設備的使用頻率;當出現(xiàn)極端低溫時，地暖等供熱設施的需求量會增加。極端天氣會導致更多化石能源被使用，因此排放更多的二氧化碳，使碳排放權交易價格的上漲。因此，提出假設5：氣溫越極端則碳排放權價格越高。

空氣質量方面，近年來，隨著近現(xiàn)代工業(yè)化水平的提升，交通工具尾氣排放、工業(yè)污染、居民生活和取暖、垃圾焚燒等都會導致空氣質量下降;而空氣質量的下降會使環(huán)境保護部門提高對空氣質量的要求，包括減少二氧化碳的排放，從而增加企業(yè)的減排任務，導致碳排放需求增加，使碳排放權價格上漲。為此，本文提出假設6：空氣質量越差則碳排放權價格越高。

3 模型選擇和變量選取

3.1 模型選擇

本文根據(jù)上述機理分析和研究假設，建立以下模型：

PCERt表示碳排放權價格，是一組內生變量，BOOMt表示宏觀經濟景氣程度，INDUSTRYt表示工業(yè)發(fā)展水平，COALt代表煤炭價格，F(xiàn)OSSILt代表化石能源占能源消耗量的比例，stt表示氣溫變化程度，AQIt表示空氣質量。

3.2 變量選取

3.2.1 碳排放權價格

以碳排放權交易價格代表碳排放權價格。由于廣州碳排放交易所是全國交易量最大的碳交易所，占8家交易所累計總排放量的33.59%，并且該交易所為最早成立的一批交易所之一，其累計的碳排放交易額占八大交易所總成交額的23.26%，位居第三。參照已有文獻[4]的做法，本文選取2014年3月～2017年12月之間廣州碳排放交易平臺公布的GDEA（主要交易品種）每日收盤價作為原始數(shù)據(jù)，計價單位為元/噸，取每月平均價格。

3.2.2 經濟發(fā)展水平

福建省發(fā)改委公布的數(shù)據(jù)顯示，石化、化工、鋼鐵等9個行業(yè)是對碳排放權最大的需求者，碳排放權價格與工業(yè)部門之間存在一定的聯(lián)系[8]，本文用中證工業(yè)指數(shù)代表工業(yè)發(fā)展水平，原始數(shù)據(jù)為2014年3月～2017年12月之間的日收盤價，將其處理為月平均價格。選用宏觀經濟景氣指數(shù)來衡量國內的經濟景氣程度[9]。

3.2.3 能源指標

截至2016年底，傳統(tǒng)能源需求量最大的煤炭、石油、天然氣占能源消耗量的比重分別為62%、18.3%和6.4%，選擇中國煤炭價格指數(shù)的月平均價值作為COALt的代理變量?；茉凑寄茉聪牧康谋壤梢灾苯油ㄟ^國家統(tǒng)計局網站獲取。

3.2.4 環(huán)境氣候指標

參考祝越[10]的做法，選擇廣州市每個交易日的空氣質量指數(shù)（包含74個區(qū)域2014年3月～2017年12月之間的月均值）作為AQIt的代理變量。將極端氣溫值的離散度作為STt的代理變量，取2014年3月～2017年12月之間全國31省市的月度平均氣溫在時間上的離散程度。

各變量衡量指標及數(shù)據(jù)來源如表1所示。

4 實證分析

4.1 描述性統(tǒng)計

本文研究分析的樣本共有46個，對7個解釋變量進行描述性統(tǒng)計，結果如表2所示：

從表2可以看出，2014年3月～2017年12月期間，被解釋變量即廣州交易所的碳排放權價格平均價格在16.05元/t左右，出現(xiàn)的最大值為57.56元/t，最小值為3.89元/t，標準差為11.38。

4.2 變量的單位根檢驗

如圖1所示，除了VECM模型本身所假設的單位根以及某些變量的沖擊存在連續(xù)性之外，伴隨矩陣的所有特征值均落在單位圓之內，故文章選取的數(shù)據(jù)已基本滿足平穩(wěn)性檢驗的要求。

4.3 變量的相關性檢驗

若變量之間兩兩相關或存在多重共線性，都會影響解釋變量的顯著性，為了避免這種情況的發(fā)生，本文對這自變量數(shù)據(jù)進行了多重共線性檢驗。從表3可以看出，各變量的VIF值均遠小于10，因此，模型中的解釋變量間不存在多重共線性。

因為統(tǒng)計量落在95%的陰影置信區(qū)間外或附近，表明一階自相關顯著不為0，所以自相關的形式主要為一階自相關，排除了高階自相關的可能。

在相關性檢驗中，BG檢驗的p值為0.0014，即可以在1%的顯著性水平上拒絕“無自相關”原假設;Q檢驗的p值為0.0816，表明自相關也相當明顯。我們將用“OLS+HAC”和“OLS+聚類穩(wěn)健標準誤”的方法來克服自相關。

在異方差檢驗中，White檢驗和BP檢驗的結果顯示了異方差。因此，使用加權最小二乘WLS來克服異方差，這將使結果更具穩(wěn)健性。

4.4 實證結果的分析

由于擾動項存在自相關，故OLS估計所提供的標準誤是不準確的，應使用異方差自相關穩(wěn)健標準誤。由于n1/4=461/4≈2.6043，故取Newey-West估計量的滯后階數(shù)為p=3。

在考慮了異方差后，使用WLS的回歸結果與OLS回歸以及在考慮了自相關之后的回歸結果是大體一致的。本論文采用OLS、OLS+HAC、OLS+聚類穩(wěn)健標準誤和OLS+WLS 4種方法進行實證檢驗得到，BOOM、COAL、ST和AQI對于PCER有顯著性影響，其中，經濟景氣指數(shù)、能源價格和極端氣溫在這4種條件下均能對碳排放權價格產生巨大的正向作用;空氣質量指數(shù)則可以在添加異方差檢驗的條件下，對碳排放權價格產生顯著作用;然而，僅有能源占比在任何條件下都沒有辦法對碳排放權價格產生影響;工業(yè)發(fā)展水平僅在添加異方差條件后對才能對碳排放權價格產生影響，在考慮了自相關的影響后失去了對碳價的影響作用。因此，本文將經濟發(fā)展水平、能源價格、極端氣溫和空氣質量指數(shù)這4個歸類為碳排放權價格的影響因素，剔除了中證工業(yè)指數(shù)和能源占比這兩個影響因素變量，進一步采用誤差修正模型VECM的檢驗方法對4個顯著影響因素進行協(xié)整檢驗。

4.5 協(xié)整檢驗

Stata回歸結果表明，選擇的協(xié)整秩（rank）為3，滯后階數(shù)（lags）為2。VECM模型回歸結果表明，殘差不存在自相關（見表6），并且服從正態(tài)分布。

下面對剔除“INDUSTRY”和“FOSSIL”后的數(shù)據(jù)進行協(xié)整分析。圖4包含了25個小圖，每個圖的標題依次為“PCER”，“impulse variable”，“response variable”。第一行的5個小圖均以AQI為脈沖變量，分別描繪AQI對AQI、BOOM、COAL、PCER與ST的動態(tài)效應;可以看出，空氣質量指數(shù)對這5個變量無論在短期還是長期內幾乎沒有作用。第二行的5個小圖分別描繪了BOOM對AQI、BOOM、COAL、PCER和ST的影響;可以看出，經濟景氣指數(shù)的改善會引起碳價格的下降，并且這種影響具有永久性，同時，該變量的改善能在短期內造成碳排放權交易均價的下跌，但是這種作用不具有長期性。從第三行來看，中國煤炭價格指數(shù)的上行短期內會引起碳排放權交易價格的同向變動，但從長期來看影響較小。從第四行來看，碳排放權價格作為被解釋變量對中國能源價格指數(shù)有著長期的負向作用，而對于其他的解釋變量影響甚小。從最后一行來看，極端氣溫與碳價呈現(xiàn)負相關走勢，并且這種關系會隨著時間的推移逐漸淡化，同時極端氣溫可以在短期內對碳排放權價格產生反向的作用。

5 全文總結

本文從碳排放權價格影響因素出發(fā)，圍繞經濟發(fā)展水平、能源因素和環(huán)境氣候三大層次的6個影響因素進行理論和實證分析，以期為碳排放權定價決策提供參考。通過研究，本文主要得到以下結論。

（1）結合OLS、OLS+HAC、OLS+聚類穩(wěn)健標準誤和OLS+WLS這4種檢驗進行實證研究得到，廣州碳排放權交易價格會顯著受到經濟景氣指數(shù)、煤炭價格指數(shù)、極端氣候和空氣質量指數(shù)這四個變量的影響。其中，經濟景氣指數(shù)和極端氣溫在這4種條件下均能對碳排放權價格產生巨大的正向作用，且它們與碳排放權價格的走勢一致，這證實了前文提出的假設2、假設5，同時，煤炭價格指數(shù)也能對碳排放權價格產生顯著影響，但是產生的影響的正相關的，這與假設3不符;在添加異方差檢驗的條件下，空氣質量指數(shù)越差，碳排放權價格越高，這證實了假設6的正確性。然而，工業(yè)發(fā)展水平僅在添加了異方差條件后才對碳排放權價格產生影響;僅有能源占比這個變量在任何條件下都沒有辦法對碳排放權價格發(fā)生作用。因此，假設1和假設4缺乏成立的依據(jù)。

（2）在剔除代表工業(yè)發(fā)展水平和能源結構的變量之后，通過誤差修正模型的協(xié)整檢驗，發(fā)現(xiàn)經濟景氣指數(shù)的改善會引起煤炭價格的下滑，并且這種影響具有永久性，同時，它能在短期內對碳排放權成交均價產生反向作用，但是這種作用不具備長期性;另外，中國煤炭價格指數(shù)的上行短期內會引起碳排放權價格的正向變動，但是從長期來看影響較小;極端氣溫與碳價呈現(xiàn)負相關走勢，并且這種關系會隨著時間的推移逐漸淡化，并且其在短期內能對碳排放權價格產生反向的作用;碳排放權價格作為一個被解釋變量，它可以對中國能源價格產生長期的負向作用，但這種影響對其他解釋變量作用甚小。由此可得，經濟景氣水平指數(shù)、煤炭價格指數(shù)和極端氣溫均能在短期內對碳排放權成交均價產生協(xié)整作用，空氣質量指數(shù)不具有協(xié)整效應。

總體上看，區(qū)域碳排放權交易所的交易機制部分反映了價格變化的內在規(guī)律，能較好地體現(xiàn)經濟景氣預期的變化、氣溫的變化和空氣質量的變化。但是仍有一些我們關心的價值影響因素并沒有在解釋碳排放權價格的變化中發(fā)揮應有的作用，尤其是能源結構和能源價格的變化，一方面，因為能源結構和能源價格的季節(jié)性波動導致的可用的實際樣本點偏少，另一方面，也因為交易量不足導致的碳排放權價格波動區(qū)間較窄。因此我們建議，首先，在中國履行國際減排義務和自身可持續(xù)發(fā)展的雙重壓力下，應該逐步推出對高排放企業(yè)的強制減排責任要求;其次，要加快建立全國性的碳排放權交易市場，提高碳排放市場交易量。相信在更多的碳排放需求和更大的碳排放權交易量的促進下，正確的價格機制將會形成。

參考文獻

[1]虞雀.碳排放權價格驅動因素的研究現(xiàn)狀[J].中國市場，2018（23）：9-10.

[2]洪涓，陳靜.我國碳交易市場價格影響因素分析[J].價格理論與實踐，2009（12）：65-66.

[3]Chevallier， J. Carbon futures and macroeconomic risk factors： A view from the EU ETS[J].Energy Economics， 2009，31（4）：614-625.

[4]馬慧敏，趙靜秋.碳排放權交易價格影響因素實證分析——基于北京市碳排放交易所數(shù)據(jù)[J].財會月刊，2016（29）：22-26.

[5]汪中華，胡垚.我國碳排放權交易價格影響因素分析[J].工業(yè)技術經濟，2018（2）：128-136.

[6]張躍軍，魏一鳴.化石能源市場對國際碳市場的動態(tài)影響實證研究[J].管理評論，2010，22（6）：35-40.

[7]Timothy J. Considine. The impacts of weather variations on energy demand and carbon emissions[J]. Resource and Energy Economics， 2000，22（4）：295-314.

[8]冷雪.碳排放與我國經濟發(fā)展關系研究[D].上海：復旦大學，2012.

[9]丁洋.基于GEN方法的國內碳價格的影響因素研究[J].時代金融，2015（12）：291-292.

[10]祝越.我國碳排放權市場價格影響因素及其波動特征研究[D].杭州：浙江財經大學，2016.

[11]Seifert J， et al. Dynamic behavior of CO2 spot prices[J]. Journal of Environmental Economics and Management， 2008，56（2）：180-194.

[12]Shrestha R M， Timilsina G R. The additionality criterion for identifying clean development mechanism projects under the Kyoto Protocol[J]. Energy Policy， 2002， 30（1）：73-79.

[13]PattendenS， et al. Mortality and temperature in Sofia and London[J]. Journal of Epidemiology and Community Health，2003，57（3）：628-633.

[14]TietenbergT.H.Economic Instruments for Environmental Regulation[J].Oxford Review of Economic Policy，1991，6（1）：125-178.

[15]陳曉紅，王陟昀.碳排放權交易價格影響因素實證研究——以歐盟排放交易體系（EUETS）為例[J].系統(tǒng)工程，2012，30（2）：55-60.