韓佳彤 江彥博

（天津財(cái)經(jīng)大學(xué)金融學(xué)院，天津 300222）

引 言

近年來，全球變暖問題日益嚴(yán)峻，控制和減少溫室氣體排放已成為當(dāng)前世界環(huán)境政策的主要目標(biāo)。在此背景下，歐盟碳排放權(quán)交易體系（EU ETS）在2005年正式開放運(yùn)行。我國(guó)也于2011年試行了首個(gè)碳排放交易市場(chǎng)，并不斷發(fā)展和完善，最終形成了8家碳排放交易場(chǎng)所，通過合理布局實(shí)現(xiàn)碳減排資源的優(yōu)化配置，引導(dǎo)和鼓勵(lì)企業(yè)開展節(jié)能減排。而有色金屬行業(yè)是行業(yè)碳排放大戶，溫室氣體的產(chǎn)生與其有著密切關(guān)系 （王威等，2021）［1］。2020年新冠肺炎疫情后，我國(guó)各行業(yè)的復(fù)工復(fù)產(chǎn)對(duì)有色金屬的需求不斷增長(zhǎng)，有色金屬行業(yè)碳排放量逐漸加大，進(jìn)而加劇了溫室氣體減排的難度。那么我國(guó)有色金屬市場(chǎng)與國(guó)內(nèi)外碳排放市場(chǎng)三者間到底存在著怎樣的聯(lián)動(dòng)機(jī)制呢？這對(duì)于實(shí)現(xiàn) “雙碳”目標(biāo)下中國(guó)綠色低碳轉(zhuǎn)型和高質(zhì)量發(fā)展以及推動(dòng)全球氣候治理具有重要的啟示作用和實(shí)踐意義。

在全球經(jīng)濟(jì)一體化的背景下，國(guó)內(nèi)外碳交易市場(chǎng)之間的聯(lián)系也更加緊密。孫春 （2018）［2］利用DCC－MGRCH模型發(fā)現(xiàn)國(guó)內(nèi)碳市場(chǎng)和歐盟碳市場(chǎng)在長(zhǎng)期內(nèi)存在均衡關(guān)系，且二者之間存在雙向波動(dòng)溢出效應(yīng)。Zhang等 （2019）［3］認(rèn)為在碳交易市場(chǎng)中，成熟度最高的是歐盟碳交易市場(chǎng)，而中國(guó)碳市場(chǎng)的成熟度總體上較低。Lyu等 （2020）［4］運(yùn)用馬爾可夫鏈蒙特卡羅隨機(jī)波動(dòng)模型與小波多分辨分析方法將中國(guó)碳市場(chǎng)與歐盟碳交易市場(chǎng)進(jìn)行了對(duì)比，結(jié)果表明二者在波動(dòng)穩(wěn)定性方面均有所不足。

目前國(guó)內(nèi)外文獻(xiàn)較少關(guān)注碳市場(chǎng)和有色金屬行業(yè)的直接互動(dòng)影響，但有色金屬行業(yè)生產(chǎn)伴隨著化石燃料燃燒、原料使用、電力和熱力輸入，是典型的高能耗高排放的行業(yè) （王威等，2021）［1］，這也使探討碳市場(chǎng)和有色金屬市場(chǎng)之間直接影響的研究不可或缺。陶春華 （2015）［5］利用VAR模型和脈沖響應(yīng)函數(shù)，檢驗(yàn)了我國(guó)碳交易市場(chǎng)與有色金屬、熱力、鋼鐵、石油、和化工行業(yè)之間的聯(lián)動(dòng)關(guān)系，研究表明碳交易市場(chǎng)對(duì)有色金屬行業(yè)影響更為顯著?，F(xiàn)有文獻(xiàn)多從國(guó)內(nèi)外碳市場(chǎng)出發(fā)，研究其與有色金屬行業(yè)生產(chǎn)所需能源、原料之間的關(guān)系。在國(guó)內(nèi)碳交易市場(chǎng)方面，鄒紹輝和張?zhí)穑?020）［6］通過VAR模型和MSVAR模型闡述了能源期貨市場(chǎng)、能源股票市場(chǎng)與國(guó)內(nèi)碳交易市場(chǎng)之間的動(dòng)態(tài)互動(dòng)關(guān)系。Liu（2020）［7］采用VECM模型發(fā)現(xiàn)國(guó)內(nèi)碳市場(chǎng)價(jià)格與煤炭、柴油和天然氣價(jià)格之間存在長(zhǎng)期協(xié)整關(guān)系。Yin等 （2021）［8］運(yùn)用多尺度和跨尺度的樣本熵研究了我國(guó)碳交易市場(chǎng)與煤炭市場(chǎng)之間的關(guān)系，結(jié)果發(fā)現(xiàn)國(guó)內(nèi)碳市場(chǎng)和煤炭市場(chǎng)之間存在一定同步性。在國(guó)外碳交易市場(chǎng)方面， 郭福春和潘錫泉 （2011）［9］利用 Bai－perron結(jié)構(gòu)突變檢驗(yàn)?zāi)Ｐ桶l(fā)現(xiàn)歐盟配額以及經(jīng)核準(zhǔn)的減排量碳期貨合約價(jià)格存在明顯的結(jié)構(gòu)性變化，并進(jìn)一步采用資本資產(chǎn)定價(jià)單因素模型發(fā)現(xiàn)二者在樣本期內(nèi)所受到的風(fēng)險(xiǎn)較小。劉堅(jiān)等 （2020）［10］采用SVCopula模型發(fā)現(xiàn)歐盟碳現(xiàn)貨和碳期貨價(jià)格之間存在高度相依性。 Mansanet－Bataller等 （2007）［11］利用多元回歸模型進(jìn)行研究，結(jié)果發(fā)現(xiàn)碳價(jià)格與化石能源價(jià)格相關(guān)。 Gronwald等 （2011）［12］通過研究EUA期貨市場(chǎng)與煤、石油等金融商品之間的關(guān)系，得出了與 Mansanet－Bataller等 （2007）［11］相同的結(jié)論。 Zhang 和 Wei （2010）［13］利用狀態(tài)空間模型和VAR模型，發(fā)現(xiàn)碳市場(chǎng)和化石能源市場(chǎng)之間有顯著的協(xié)整關(guān)系。 Cotton 和 Trück （2011）［14］將數(shù)據(jù)分成兩階段進(jìn)行研究，發(fā)現(xiàn)只有在第二階段碳價(jià)格和電價(jià)之間才存在顯著相關(guān)關(guān)系。Dutta等（2018）［15］采用 VAR－GRACH 方法發(fā)現(xiàn) EUA 價(jià)格和可再生能源股票收益率之間顯著正相關(guān)。

此外，在相關(guān)波動(dòng)溢出研究中，多數(shù)學(xué)者主要聚焦于碳市場(chǎng)和各金融市場(chǎng)之間波動(dòng)溢出效應(yīng)存在與否。海小輝和楊寶臣 （2014）［16］基于DCCGARCH模型發(fā)現(xiàn)，碳市場(chǎng)與煤炭市場(chǎng)、碳市場(chǎng)與天然氣市場(chǎng)之間的動(dòng)態(tài)條件相關(guān)系數(shù)波動(dòng)相似，布倫特原油市場(chǎng)對(duì)于碳市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)波動(dòng)幅度則很小。 Byun和 Cho （2013）［17］利用 GARCH模型研究了碳、原油、天然氣、煤炭和電力之間的關(guān)系，結(jié)果發(fā)現(xiàn)碳市場(chǎng)和能源市場(chǎng)之間存在顯著的波動(dòng)溢出效應(yīng)。 Uddin等（2018）［18］基于VARBEKK模型和脈沖響應(yīng)函數(shù)發(fā)現(xiàn)在德國(guó)能源市場(chǎng)中，煤和天然氣在整個(gè)樣本期間均產(chǎn)生了顯著的波動(dòng)溢出效應(yīng)，而碳市場(chǎng)在樣本前期和后期的波動(dòng)溢出效應(yīng)很小。也有少數(shù)學(xué)者從波動(dòng)溢出強(qiáng)度和方向上分析碳市場(chǎng)和各金融市場(chǎng)的關(guān)系。Wang和Guo （2018）［19］采用 Diebold 和 Yilmaz （2012）［20］的方法構(gòu)建溢出指數(shù)，研究發(fā)現(xiàn)天然氣對(duì)碳市場(chǎng)的溢出效應(yīng)最顯著。Ji等 （2018）［21］利用基于滾窗VAR的方差分解溢出指數(shù)發(fā)現(xiàn)布倫特原油價(jià)格在影響碳價(jià)方面發(fā)揮著重要作用，且電價(jià)是最大的風(fēng)險(xiǎn)承受者。王超和楊寶臣 （2021）［22］利用Diebold－Yilmaz模型發(fā)現(xiàn)相較于歐盟碳交易市場(chǎng)，我國(guó)碳市場(chǎng)、金融市場(chǎng)以及商品之間的穩(wěn)定性相對(duì)較弱，風(fēng)險(xiǎn)沖擊下更容易產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)。

通過上述文獻(xiàn)分析發(fā)現(xiàn)：（1）學(xué)者們主要研究單一碳市場(chǎng)和各金融市場(chǎng)之間的關(guān)系，很少將國(guó)內(nèi)、國(guó)外碳交易市場(chǎng)同時(shí)考慮進(jìn)去來研究二者的影響。且研究大多集中在EUA現(xiàn)貨價(jià)格，很少考慮EUA期貨。而相比于現(xiàn)貨，EUA期貨在反映碳價(jià)的未來價(jià)值上具有更好的價(jià)格發(fā)現(xiàn)功能 （Li等，2021）［23］；（2） 現(xiàn)有研究多是從國(guó)內(nèi)單一或者幾個(gè)碳交易市場(chǎng)出發(fā)進(jìn)行研究。孫春 （2018）［2］在分析國(guó)內(nèi)碳交易市場(chǎng)時(shí)，選取了7個(gè)碳交易試點(diǎn)平均現(xiàn)貨價(jià)格。陶春華 （2015）［5］分別用6個(gè)碳交易市場(chǎng)價(jià)格進(jìn)行與樣本行業(yè)的研究。鄒紹輝和張?zhí)穑?020）［6］選取了國(guó)內(nèi)首個(gè)且活躍度最高的深圳碳排放權(quán)交易所進(jìn)行分析。呂靖燁等 （2021）［24］則選取了湖北、上海和深圳3家碳排放權(quán)試點(diǎn)市場(chǎng)現(xiàn)貨收盤價(jià)進(jìn)行研究分析。上述研究的不足之處在于忽略了中國(guó)碳市場(chǎng)價(jià)格總體變化特征 （王文舉和李峰， 2016）［25］； （3） 從研究方法上看， 多數(shù)學(xué)者采用的方法忽略了各市場(chǎng)之間的非線性特征，雖然有部分學(xué)者嘗試運(yùn)用非線性分析方法對(duì)碳市場(chǎng)和金融市場(chǎng)之間進(jìn)行分析，如Gong等 （2021）［26］運(yùn)用TVP－VAR模型分析了歐盟碳交易市場(chǎng)和化石能源市場(chǎng)時(shí)變溢出效應(yīng)；Li等 （2021）［23］同樣運(yùn)用TVP－VAR模型研究了石油、天然氣、電力股價(jià)與EUA期貨價(jià)格之間的時(shí)變特征，但都并未繼續(xù)深入研究碳市場(chǎng)和各金融市場(chǎng)之間的波動(dòng)溢出強(qiáng)度和方向。

基于以上分析，為了更好反映國(guó)內(nèi)碳市場(chǎng)真實(shí)的交易情況，本文運(yùn)用Paasche指數(shù) （王文舉和李峰，2016）［25］構(gòu)建了國(guó)內(nèi)碳市場(chǎng)統(tǒng)一價(jià)格指數(shù)，采用TVP－VAR模型探討EUA期貨價(jià)格、國(guó)內(nèi)碳交易價(jià)格以及有色金屬期貨價(jià)格之間的關(guān)系，并進(jìn)一步結(jié)合TVP－VAR模型的方差分解溢出指數(shù)考察三者之間的溢出效應(yīng)強(qiáng)度和方向。

1 模 型

1.1 TVP－VAR 模型

自 Sims （1980）［27］提出 VAR 模型以來， VAR模型被廣泛應(yīng)用于經(jīng)濟(jì)研究。但是，該模型的缺陷是變量之間的當(dāng)期相關(guān)關(guān)系會(huì)隱藏在滯后誤差項(xiàng)的相關(guān)結(jié)構(gòu)中。 因此， Sims（1986）［28］對(duì)其進(jìn)行了改進(jìn)，提出了結(jié)構(gòu)向量自回歸SVAR模型。然而，傳統(tǒng)的向量自回歸模型難以解決非線性時(shí)間序列的有效估計(jì)問題。 因此，Primiceri（2005）［29］在SVAR模型的基礎(chǔ)上進(jìn)行改進(jìn)提出了TVP－VAR模型，很好地解決這一問題。

一個(gè)基本結(jié)構(gòu)VAR模型的具體形式為：

其中 Yt為 K×1 維列向量， A，F(xiàn)1，…，F(xiàn)s為 K×K維系數(shù)矩陣，隨機(jī)擾動(dòng)項(xiàng)μt為K×1維結(jié)構(gòu)沖擊向量， 服從N（0，ΣΣ）， 其中：

此外，為簡(jiǎn)化模型，參考Primiceri（2005）［29］和 Nakajima （2011）［30］的做法， 假設(shè) αt是矩陣 At的下三角累積向量， 其中 αt＝（α21，α31，α32，α41，…，αk，k－1）。

同時(shí)， 參照 Primiceri （2005）［29］的做法， 假設(shè)式 （4）中的所有參數(shù)均為如下隨機(jī)游走過程：βt＋1＝βt＋μβt， αt＋1＝αt＋μαt， ht＋1＝ht＋μht， 其中 ht＝（h1t，…，hkt）， hit＝lnδ2it， i＝1，…，k， t＝s＋1，…，n。

其中 βs＋1～ N（μβ0，Σβ0）， αs＋1～ N（μα0，Σα0），hs＋1～N（μh0，Σh0）。

1.2 時(shí)變波動(dòng)溢出指數(shù)構(gòu)建

Diebold和 Yilmaz （2009）［31］在 2009 年基于VAR模型進(jìn)行方差分解構(gòu)建了溢出指數(shù)，但通過這一方法構(gòu)建的指數(shù)并不能體現(xiàn)溢出效應(yīng)的時(shí)變特征。 因此 Diebold和 Yilmaz （2012）［20］在 2012年對(duì)方法進(jìn)行了改進(jìn)，通過滾窗VAR方法，進(jìn)一步實(shí)現(xiàn)了對(duì)溢出效應(yīng)時(shí)變特征的考察。但該方法還是存在一定缺陷，如對(duì)于窗寬選擇具有依賴性且無客觀依據(jù)標(biāo)準(zhǔn)、估計(jì)結(jié)果受異常值影響明顯、樣本損失等問題 （鄭挺國(guó)和劉堂勇，2018）［32］。

Antonakakis和 Gabauer （2017）［33］運(yùn)用 TVPVAR模型，并將其與Diebold和Yilmaz構(gòu)建溢出指數(shù)的方法相結(jié)合建立了時(shí)變波動(dòng)溢出指數(shù)。該方法不需要設(shè)定任何窗度，因此沒有樣本損失，克服了 Diebold 和 Yilmaz （2012）［20］溢出指數(shù)方法的缺點(diǎn)。由此本文基于TVP－VAR模型構(gòu)建的波動(dòng)溢出指數(shù)進(jìn)行研究。

在式 （6）中TVP－VAR模型已表示為：

方差貢獻(xiàn)可以表示為在給定變量yi且當(dāng)yi受到外部影響時(shí)，yi的h步預(yù)測(cè)誤差方差中，可以由yj解釋的比例dij（h）?？梢员硎緸椋?/p>

其中，Σ表示擾動(dòng)向量εt的協(xié)方差矩陣，σii是εt的標(biāo)準(zhǔn)差，ej為第j個(gè)元素是1，其余為0的單位向量， i，j＝1，…，N， i≠j。 疊加來自不同市場(chǎng)的所有方差貢獻(xiàn)，可以構(gòu)成方差分解矩陣Dij（h），用來表示不同市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)的大小。

其中矩陣D中的非對(duì)角線元素表示不同市場(chǎng)的風(fēng)險(xiǎn)溢出水平。每一行行向量各元素之和表示該市場(chǎng)受到其他市場(chǎng)沖擊時(shí)所能承受風(fēng)險(xiǎn)能力的大小。每一列列向量各元素之和表示該市場(chǎng)對(duì)其他市場(chǎng)風(fēng)險(xiǎn)溢出程度。矩陣D中所有元素之和的平均值表示整體風(fēng)險(xiǎn)溢出程度。定義凈溢出效應(yīng)為對(duì)外溢出效應(yīng)（To）與受其他市場(chǎng)溢出的風(fēng)險(xiǎn)承受程度（From）的差值。

由于方差分解矩陣Dij（h）每行行向量的各元素之和不為1，為了更好分析各市場(chǎng)之間的波動(dòng)溢出效應(yīng)，可對(duì)各行按如下公式進(jìn)行歸一化處理，使得各行行和為1：

綜上，反映市場(chǎng)間風(fēng)險(xiǎn)溢出對(duì)整體金融體系影響的總溢出指數(shù)S（h）表示為：

2 數(shù)據(jù)選取與指數(shù)構(gòu)造

2.1 數(shù)據(jù)選取

自2011年以后，國(guó)內(nèi)先后有8家碳交易場(chǎng)所成立。其中，由于福建碳交易市場(chǎng)成立不久，交易數(shù)據(jù)較少。因此本文選取深圳、上海、北京、廣東、天津、湖北和重慶7家碳交易市場(chǎng)成交均價(jià)構(gòu)建國(guó)內(nèi)碳市場(chǎng)價(jià)格指數(shù)，實(shí)證的起始時(shí)間選取為2014年6月19日，即最后一個(gè)試點(diǎn)碳市場(chǎng)——重慶市碳排放交易市場(chǎng)的開市時(shí)間。由于各試點(diǎn)碳市場(chǎng)均存在沒有交易量的交易日，因此本文參考王文舉和李峰 （2016）［25］的方法使用月度數(shù)據(jù)，以2014年6月作為基期。2014年7月至2021年8月為研究樣本區(qū)間。在計(jì)算月度成交均價(jià)時(shí)，由于多家碳交易市場(chǎng)存在大量無成交量的交易日，為了很好的解決交易量在時(shí)間上的不連續(xù)這一問題，對(duì)于無成交量交易日的成交價(jià)格，本文參考朱麗娜 （2017）［34］的做法，按照上一個(gè)有成交量交易日的成交價(jià)格計(jì)算，進(jìn)而補(bǔ)全7家碳交易市場(chǎng)每月的日度交易數(shù)據(jù)得到月度成交均價(jià)。

2.2 碳市場(chǎng)價(jià)格指數(shù)構(gòu)造

目前對(duì)于價(jià)格指數(shù)的研究可以分為簡(jiǎn)單價(jià)格指數(shù)和綜合價(jià)格指數(shù)兩類 （楊緒忠和張玉玲，2007）［35］。 基于王文舉和李峰 （2016）［25］的研究，隨著國(guó)內(nèi)碳交易市場(chǎng)的發(fā)展和完善，中國(guó)碳市場(chǎng)統(tǒng)一價(jià)格指數(shù)適合采用以報(bào)告期成交量為權(quán)重的Paasche指數(shù)進(jìn)行編制 （李豐，1995）［36］。因此本文選擇Paasche指數(shù)來構(gòu)建國(guó)內(nèi)碳市場(chǎng)價(jià)格指數(shù)。Paasche指數(shù)公式如下：

選取上期有色金屬期貨價(jià)格指數(shù)（SHFE－IM?CI）作為有色金屬期貨市場(chǎng)的代表。

綜上，本文分別用EUA期貨價(jià)格、Paasche指數(shù)構(gòu)建的國(guó)內(nèi)碳交易市場(chǎng)價(jià)格（CCM）、上期有色金屬期貨價(jià)格指數(shù)（SHFE－IMCI）作為國(guó)內(nèi)外碳交易市場(chǎng)以及有色金屬期貨市場(chǎng)的測(cè)度。其中數(shù)據(jù)均來源于Wind數(shù)據(jù)庫(kù)。

2.3 數(shù)據(jù)檢驗(yàn)

在建立TVP－VAR模型前需要對(duì)原始時(shí)間序列數(shù)據(jù)進(jìn)行平穩(wěn)性檢驗(yàn)，從而避免出現(xiàn)結(jié)果的“偽回歸”問題。表1的ADF檢驗(yàn)結(jié)果表明國(guó)內(nèi)碳交易市場(chǎng)價(jià)格在1%的顯著性水平下平穩(wěn)，EUA期貨價(jià)格以及上期有色金屬期貨價(jià)格指數(shù)在1%、5%、10%3個(gè)顯著性水平上均不能拒絕原假設(shè)，即原始序列不平穩(wěn)。因此本文選取EUA期貨價(jià)格、上期有色金屬期貨價(jià)格指數(shù)的一階差分序列以及原始的國(guó)內(nèi)碳交易市場(chǎng)價(jià)格進(jìn)行后續(xù)實(shí)證研究。

表1 ADF檢驗(yàn)結(jié)果

3 實(shí)證結(jié)果

3.1 模型估計(jì)

本文采用基于馬爾可夫鏈蒙特卡羅模擬（MC?MC）對(duì)模型進(jìn)行估計(jì)，同時(shí)根據(jù)VAR模型的AIC和SC準(zhǔn)則，確定模型的最優(yōu)滯后階數(shù)為1階。此外，MCMC抽樣次數(shù)被設(shè)定為10000次，并舍棄了前1000的預(yù)燒樣本，以保證抽樣結(jié)果準(zhǔn)確性和可靠性，由表2參數(shù)結(jié)果可得如下結(jié)論：

表2 TVP－VAR模型參數(shù)估計(jì)結(jié)果

（1） 由Geweke檢驗(yàn)可知，所有值均低于1.96，即在5%的顯著性水平下不能拒絕參數(shù)收斂于后驗(yàn)分布的假設(shè)； （2）待估參數(shù)的無效影響因子都很小。最大值為93.41，這意味著至少可以從10000個(gè)模擬中獲得約107個(gè)不相關(guān)的樣本，符合后驗(yàn)推理要求。綜上，TVP－VAR模型估計(jì)取得了較為良好的結(jié)果。

3.2 時(shí)變脈沖響應(yīng)結(jié)果分析

3.2.1 等間隔脈沖響應(yīng)分析

在時(shí)間間隔選擇方面，本文選取了滯后1月、滯后3月和滯后6月分別測(cè)量短期、中期和長(zhǎng)期國(guó)內(nèi)外碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的沖擊響應(yīng)。

圖1為不同滯后期EUA期貨市場(chǎng)、國(guó)內(nèi)碳市場(chǎng)交易市場(chǎng)以及有色金屬期貨市場(chǎng)之間的等間隔脈沖響應(yīng)。

圖1 目標(biāo)變量之間等間隔脈沖響應(yīng)圖

（1）國(guó)內(nèi)碳交易市場(chǎng)對(duì)EUA期貨市場(chǎng)的脈沖響應(yīng)。EUA期貨市場(chǎng)對(duì)國(guó)內(nèi)碳交易市場(chǎng)的沖擊效應(yīng)具有明顯的時(shí)變特征，表明EUA期貨市場(chǎng)對(duì)國(guó)內(nèi)碳交易市場(chǎng)的溢出效應(yīng)在不同時(shí)期存在差異。國(guó)內(nèi)碳交易市場(chǎng)受EUA期貨市場(chǎng)的影響持續(xù)為正，且在短期內(nèi)受EUA期貨市場(chǎng)影響最大。隨著時(shí)間間隔的增加，EUA期貨市場(chǎng)對(duì)國(guó)內(nèi)碳交易市場(chǎng)的影響逐漸減弱，不同于短期的正向反應(yīng)，中長(zhǎng)期情形下的響應(yīng)程度相對(duì)較弱。

（2）有色金屬期貨市場(chǎng)對(duì)EUA期貨市場(chǎng)的脈沖響應(yīng)。短期內(nèi)，有色金屬期貨市場(chǎng)受EUA期貨市場(chǎng)的影響持續(xù)為負(fù)。此外，短期的脈沖響應(yīng)在2015年之后表現(xiàn)為不斷攀升的趨勢(shì)，而在2020年轉(zhuǎn)變?yōu)橄陆第厔?shì)。這主要是由于2015年后為適應(yīng)中國(guó)經(jīng)濟(jì)的產(chǎn)業(yè)升級(jí)，有色金屬期貨市場(chǎng)不斷完善和發(fā)展，期貨交易規(guī)模及有色金屬實(shí)物交割總量穩(wěn)步增長(zhǎng)。但2020年由于新冠肺炎疫情的影響，短期內(nèi)有色金屬企業(yè)的生產(chǎn)受到較大影響，進(jìn)而使得整體有色金屬行業(yè)供給在一定程度上出現(xiàn)下滑。隨著時(shí)間間隔的增加，EUA期貨市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響逐漸減弱，不同于短期的負(fù)向反應(yīng)，中長(zhǎng)期情形下的響應(yīng)程度相對(duì)較弱。在滯后6期時(shí)，EUA期貨市場(chǎng)對(duì)有色金屬期貨市場(chǎng)沖擊的響應(yīng)基本圍繞零點(diǎn)上下浮動(dòng)，表明EUA期貨市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的沖擊受時(shí)間的推移而緩慢消逝。

（3）有色金屬期貨市場(chǎng)對(duì)國(guó)內(nèi)碳交易市場(chǎng)的脈沖響應(yīng)。2016年以前國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響持續(xù)為負(fù)，在短期內(nèi)受國(guó)內(nèi)碳交易市場(chǎng)影響最大。2016年以后國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響持續(xù)為正，同樣是在短期內(nèi)受國(guó)內(nèi)碳交易市場(chǎng)影響最大。從整體來看，國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響由負(fù)向轉(zhuǎn)變?yōu)檎?。這可能是由于國(guó)內(nèi)碳交易市場(chǎng)建立初期，碳市場(chǎng)交易價(jià)格的提高可能會(huì)在一定程度上提高有色金屬行業(yè)企業(yè)的成本，從而影響有色金屬行業(yè)企業(yè)的利潤(rùn)。但是中國(guó)自2016年下半年起迎來了供給側(cè)改革的重塑期，隨著有色金屬行業(yè)的產(chǎn)業(yè)升級(jí)，企業(yè)的盈利能力在碳中和的背景下也逐步提高。

3.2.2 等時(shí)點(diǎn)脈沖響應(yīng)分析

在時(shí)間點(diǎn)的選擇上，本文選取的3個(gè)時(shí)間點(diǎn)為EUA期貨價(jià)格階段性低點(diǎn)，包括2016年6月的英國(guó)公投脫歐、2018年10月的美國(guó)全球貿(mào)易戰(zhàn)和2020年3月的全球新冠肺炎疫情，如圖2所示。

圖2 EUA期貨價(jià)格

圖3為不同時(shí)點(diǎn)下EUA期貨市場(chǎng)、國(guó)內(nèi)碳市場(chǎng)交易以及有色金屬期貨市場(chǎng)之間的等時(shí)點(diǎn)脈沖響應(yīng)。

圖3 目標(biāo)變量之間等時(shí)點(diǎn)脈沖響應(yīng)圖

（1）國(guó)內(nèi)碳交易市場(chǎng)對(duì)EUA期貨市場(chǎng)的脈沖響應(yīng)。3個(gè)時(shí)點(diǎn)下的影響效果類似，均在滯后1期后沖擊效應(yīng)達(dá)到最大，隨后開始衰退，直至為0。此外，值得注意的是新冠肺炎疫情導(dǎo)致的正向沖擊略高于美國(guó)發(fā)動(dòng)全球貿(mào)易戰(zhàn)帶來的正向沖擊，并且它們均明顯高于由英國(guó)公投脫歐帶來的沖擊。也就是說，伴隨著國(guó)內(nèi)碳交易市場(chǎng)與EUA期貨市場(chǎng)聯(lián)系的日益緊密，國(guó)內(nèi)碳市場(chǎng)交易受外部不確定性的正向沖擊愈發(fā)明顯。這也在一定程度上印證了前文等間隔脈沖響應(yīng)結(jié)果的推斷。

（2）有色金屬期貨市場(chǎng)對(duì)EUA期貨市場(chǎng)的脈沖響應(yīng)。3個(gè)時(shí)點(diǎn)下的脈沖響應(yīng)結(jié)果基本相同，在滯后1期后沖擊效應(yīng)達(dá)到最大且正向極大響應(yīng)程度要明顯高于負(fù)向極大響應(yīng)程度。所有沖擊均可持續(xù)4個(gè)月左右，并且都是在3個(gè)月左右將EUA期貨價(jià)格的信息釋放完畢。

（3）有色金屬期貨市場(chǎng)對(duì)國(guó)內(nèi)碳交易市場(chǎng)的脈沖響應(yīng)。所有沖擊均在當(dāng)期影響最大，隨后逐漸減弱。美國(guó)發(fā)動(dòng)全球貿(mào)易戰(zhàn)和新冠肺炎疫情時(shí)期的沖擊均可以持續(xù)1年左右，并且都是在10個(gè)月左右將國(guó)內(nèi)碳市場(chǎng)交易的信息釋放完畢。而英國(guó)脫歐時(shí)期的沖擊基本在當(dāng)期就釋放完畢。負(fù)向極大響應(yīng)程度要明顯高于正向極大響應(yīng)程度。這一點(diǎn)突出體現(xiàn)在新冠肺炎疫情時(shí)期和美國(guó)發(fā)動(dòng)全球貿(mào)易戰(zhàn)時(shí)期，它們各自帶來的負(fù)向沖擊明顯高于其引發(fā)的正向沖擊。

3.3 波動(dòng)溢出效應(yīng)分析

為了進(jìn)一步研究EUA期貨市場(chǎng)、國(guó)內(nèi)碳交易市場(chǎng)以及有色金屬期貨市場(chǎng)之間的波動(dòng)溢出效應(yīng)，本文基于TVP－VAR模型構(gòu)建了目標(biāo)變量之間的時(shí)變波動(dòng)溢出指數(shù)。

表3給出了EUA期貨市場(chǎng)、國(guó)內(nèi)碳交易市場(chǎng)以及有色金屬期貨市場(chǎng)之間風(fēng)險(xiǎn)溢出大小。由表3可以得到如下結(jié)論：對(duì)角線上的值明顯高于其他值，說明各市場(chǎng)之間更容易受到自身滯后效應(yīng)的影響。從風(fēng)險(xiǎn)溢出的方向上看，EUA期貨市場(chǎng)和國(guó)內(nèi)碳交易市場(chǎng)凈溢出效應(yīng)均為負(fù)值，但EUA期貨市場(chǎng)的凈溢出大于國(guó)內(nèi)碳交易市場(chǎng)的凈溢出，有色金屬期貨市場(chǎng)凈溢出為正值。這說明有色金屬期貨市場(chǎng)對(duì)外溢出效應(yīng)較大，且國(guó)內(nèi)碳交易市場(chǎng)更容易受其他市場(chǎng)的風(fēng)險(xiǎn)沖擊的影響。從風(fēng)險(xiǎn)溢出的強(qiáng)度上看，相比于國(guó)內(nèi)碳交易市場(chǎng)，EUA期貨市場(chǎng)對(duì)有色金屬期貨市場(chǎng)產(chǎn)生了較大的溢出效應(yīng)，其值為1.81%。有色金屬期貨市場(chǎng)對(duì)國(guó)內(nèi)碳交易市場(chǎng)的影響大于對(duì)EUA期貨市場(chǎng)影響。同時(shí)有色金屬期貨市場(chǎng)對(duì)EUA期貨市場(chǎng)以及國(guó)內(nèi)碳交易市場(chǎng)的溢出效應(yīng)大于EUA期貨市場(chǎng)以及國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的溢出效應(yīng)。

表3 目標(biāo)變量之間風(fēng)險(xiǎn)溢出表

圖4給出了上述目標(biāo)變量之間的時(shí)變風(fēng)險(xiǎn)溢入效應(yīng)、風(fēng)險(xiǎn)溢出效應(yīng)以及凈溢出效應(yīng)。由圖4可以得出如下結(jié)論：有色金屬期貨市場(chǎng)在整個(gè)樣本期間內(nèi)對(duì)其余市場(chǎng)有較大的凈風(fēng)險(xiǎn)溢出效應(yīng)。EUA期貨市場(chǎng)在整個(gè)期間內(nèi)受到了凈溢入效應(yīng)，這說明EUA期貨市場(chǎng)易受其余市場(chǎng)影響而引發(fā)市場(chǎng)風(fēng)險(xiǎn)。國(guó)內(nèi)碳交易市場(chǎng)除了新冠肺炎疫情期間有短暫的凈風(fēng)險(xiǎn)溢出效應(yīng)，大部分期間受到了凈溢入效應(yīng)，并且在2014～2015年國(guó)內(nèi)股市大幅波動(dòng)期間凈風(fēng)險(xiǎn)溢出效應(yīng)達(dá)到了最低。有色金屬期貨市場(chǎng)在2014年10月風(fēng)險(xiǎn)溢出效應(yīng)達(dá)到最高峰，之后一直處于波動(dòng)下降的趨勢(shì)。2014～2015年期間中國(guó)股市經(jīng)歷了1年多的牛市階段，有色金屬期貨價(jià)格也隨之大漲，因此這一階段的有色金屬期貨市場(chǎng)風(fēng)險(xiǎn)溢出水平也處于階段性峰值。隨后，2015年中央為了防控股市風(fēng)險(xiǎn)，實(shí)行了以去杠桿為目標(biāo)的穩(wěn)健貨幣政策，進(jìn)而使得有色金屬期貨市場(chǎng)的對(duì)外溢出效應(yīng)相對(duì)減弱。同時(shí)在2016年下半年隨著我國(guó)迎來了供給側(cè)結(jié)構(gòu)性改革，隨著供給側(cè)結(jié)構(gòu)性改革的推進(jìn)，有色金屬行業(yè)也經(jīng)歷了產(chǎn)業(yè)升級(jí)，因此在2016年后風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)一步下降。這也再次印證了前文等間隔脈沖響應(yīng)結(jié)果的分析。

圖4 目標(biāo)變量之間波動(dòng)溢出、溢入和凈溢出指數(shù)

4 結(jié)論及政策建議

在全球變暖問題日益嚴(yán)峻的背景下，有色金屬行業(yè)的高排碳生產(chǎn)成為了全球氣候變暖的突出問題。然而，很少有學(xué)者關(guān)注國(guó)內(nèi)外碳交易市場(chǎng)和有色金屬行業(yè)的直接時(shí)變溢出效應(yīng)和方向。因此本文從國(guó)內(nèi)7家碳交易場(chǎng)所出發(fā)，基于Paasche指數(shù)構(gòu)建了國(guó)內(nèi)碳市場(chǎng)價(jià)格統(tǒng)一指數(shù)，同時(shí)采用TVP－VAR以及基于該模型的時(shí)變波動(dòng)溢出指數(shù)分析了EUA期貨市場(chǎng)、國(guó)內(nèi)碳交易市場(chǎng)和有色金屬期貨市場(chǎng)的時(shí)變溢出效應(yīng)和風(fēng)險(xiǎn)溢出方向。

研究結(jié)果表明EUA期貨市場(chǎng)、國(guó)內(nèi)碳交易市場(chǎng)和有色金屬期貨市場(chǎng)之間的溢出效應(yīng)具有明顯的時(shí)變特征。EUA期貨市場(chǎng)在短、中、長(zhǎng)期內(nèi)對(duì)有色金屬期貨市場(chǎng)均產(chǎn)生了負(fù)向影響，這與國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響有顯著差異。國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響隨著時(shí)間推移由負(fù)向影響轉(zhuǎn)為正向影響。這表明我國(guó)有色金屬行業(yè)與國(guó)內(nèi)碳交易市場(chǎng)聯(lián)系日趨緊密，且不斷進(jìn)行著產(chǎn)業(yè)升級(jí)和結(jié)構(gòu)調(diào)整，逐步與中國(guó)低碳經(jīng)濟(jì)相適應(yīng)。EUA期貨市場(chǎng)相比于國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)產(chǎn)生了更大的溢出效應(yīng)，是有色金屬期貨市場(chǎng)風(fēng)險(xiǎn)波動(dòng)的主要來源。

對(duì)于投資者來說，可以更清晰地了解EUA期貨市場(chǎng)和國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的影響程度。因此，投資者可以依靠碳市場(chǎng)價(jià)格的變化來預(yù)測(cè)有色金屬期貨價(jià)格的變化。對(duì)于有色金屬企業(yè)來說，隨著國(guó)內(nèi)碳交易市場(chǎng)的進(jìn)一步發(fā)展和完善，國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬行業(yè)的時(shí)變溢出效應(yīng)變得更加顯著。因此，企業(yè)應(yīng)該積極關(guān)注國(guó)內(nèi)碳交易價(jià)格，這對(duì)有色金屬企業(yè)的生產(chǎn)經(jīng)營(yíng)有重要影響；另外，隨著低碳經(jīng)濟(jì)成為經(jīng)濟(jì)發(fā)展的主要趨勢(shì)，這必然會(huì)要求有色金屬企業(yè)相關(guān)技術(shù)的升級(jí)和創(chuàng)新。因此，有色金屬企業(yè)需要不斷提高自主創(chuàng)新能力，促進(jìn)企業(yè)升級(jí)和結(jié)構(gòu)調(diào)整，進(jìn)而向低碳經(jīng)營(yíng)模式轉(zhuǎn)變。對(duì)于決策部門來說，可以意識(shí)到EUA期貨市場(chǎng)、國(guó)內(nèi)碳交易市場(chǎng)和有色金屬期貨市場(chǎng)之間的時(shí)變溢出效應(yīng)持續(xù)時(shí)間較長(zhǎng)，進(jìn)而可以提高政策的有效性和靈活性；隨著國(guó)內(nèi)供給側(cè)結(jié)構(gòu)性改革的推進(jìn)，國(guó)內(nèi)碳交易市場(chǎng)對(duì)有色金屬期貨市場(chǎng)的時(shí)變溢出效應(yīng)存在顯著差異。因此在低碳經(jīng)濟(jì)的大背景下，要不斷完善國(guó)內(nèi)碳交易市場(chǎng)，進(jìn)而引導(dǎo)國(guó)內(nèi)有色金屬行業(yè)的產(chǎn)業(yè)升級(jí)和調(diào)整；（3）EUA期貨市場(chǎng)是有色金屬期貨市場(chǎng)的主要風(fēng)險(xiǎn)來源，因此為了促進(jìn)有色金屬期貨市場(chǎng)的穩(wěn)定，應(yīng)著重防范來自國(guó)外碳交易市場(chǎng)的風(fēng)險(xiǎn)沖擊。