□游萬(wàn)海 劉小妹 任英華

[1. 福州大學(xué) 福州 350108；2. 湖南大學(xué) 長(zhǎng)沙 410006]

引言

隨著我國(guó)工業(yè)化進(jìn)程的加快和經(jīng)濟(jì)水平的提高，大氣污染日趨嚴(yán)重，頻發(fā)的霧霾天氣使人民生命健康漸受威脅，這有悖于人們對(duì)高質(zhì)量生活的追求。據(jù)WHO報(bào)告，全球近九成民眾日常暴露于高濃度空氣污染物中，每年因空氣污染致死人數(shù)高達(dá)700萬(wàn)[1]。在《2019年世界空氣質(zhì)量報(bào)告》公布的“全球空氣污染最嚴(yán)重的100個(gè)城市”中，近半數(shù)城市位于中國(guó)大陸。因此，“打贏藍(lán)天保衛(wèi)戰(zhàn)”刻不容緩。碳排放權(quán)交易市場(chǎng)正是建立在可持續(xù)發(fā)展基礎(chǔ)上的新興金融市場(chǎng)，其主要目標(biāo)是應(yīng)對(duì)環(huán)境污染和全球變暖問(wèn)題。《2020年度全球碳市場(chǎng)進(jìn)展報(bào)告》顯示，截至2019年，全球多個(gè)國(guó)家和地區(qū)提出碳中和目標(biāo)，近1/6的人口生活在實(shí)施碳排放權(quán)交易的地區(qū)，進(jìn)一步覆蓋了全球9%的溫室氣體排放量[2]。中國(guó)作為全球最大的碳排放國(guó)，其碳市場(chǎng)潛力巨大、前景廣闊，盡早建立和完善中國(guó)碳排放權(quán)交易體系，不僅有利于我國(guó)生態(tài)文明建設(shè)和經(jīng)濟(jì)發(fā)展，也為全球環(huán)境治理和改善提供有力參考。

目前學(xué)者主要從宏觀經(jīng)濟(jì)、能源價(jià)格等角度研究我國(guó)碳市場(chǎng)的影響因素[3]，但非經(jīng)濟(jì)因素（如環(huán)境因素）的影響作用尚未得到重視。近年來(lái)，一些學(xué)者開(kāi)始關(guān)注空氣質(zhì)量對(duì)碳市場(chǎng)的影響。周天蕓和許銳翔基于深圳碳排放權(quán)交易所的數(shù)據(jù)，采用VAR 和 VEC 模型分析了碳排放權(quán)交易價(jià)格的形成與波動(dòng)特征，結(jié)果發(fā)現(xiàn)空氣質(zhì)量指數(shù)是國(guó)內(nèi)碳排放權(quán)交易價(jià)格變動(dòng)的重要影響因素[4]。路京京和余露欣采用馬爾科夫轉(zhuǎn)換模型研究空氣質(zhì)量是否影響中國(guó)碳排放權(quán)交易，并進(jìn)一步分析了不同等級(jí)的空氣質(zhì)量對(duì)碳排放權(quán)交易的影響差異[5]。研究發(fā)現(xiàn)空氣質(zhì)量和碳排放之間存在明顯的地域差異，且空氣污染占比越大的地區(qū)其影響越顯著，具體表現(xiàn)：空氣質(zhì)量變化對(duì)北京、天津、湖北、上海、重慶和深圳的碳交易產(chǎn)生顯著影響；劃分等級(jí)后空氣質(zhì)量的影響程度較之前有所增強(qiáng)。Han等采用Combination-MIDAS-BP模型預(yù)測(cè)了中國(guó)深圳碳市場(chǎng)的碳價(jià)格，發(fā)現(xiàn)煤炭、溫度和空氣質(zhì)量因素對(duì)碳價(jià)格的反應(yīng)更加敏感，這進(jìn)一步證實(shí)了空氣質(zhì)量可以作為碳價(jià)格的一個(gè)主要驅(qū)動(dòng)因素[6]。Yin等通過(guò)構(gòu)建中國(guó)碳交易價(jià)格指數(shù)，并使用SVAR模型分析歐盟碳交易價(jià)格對(duì)中國(guó)碳交易價(jià)格的影響[7]。分析結(jié)果表明，歐盟碳交易價(jià)格和空氣質(zhì)量對(duì)中國(guó)碳交易價(jià)格存在直接影響，這兩個(gè)因素可以作為碳交易市場(chǎng)的“晴雨表”，直接反映我國(guó)碳交易價(jià)格的形成機(jī)制。

理論上，空氣質(zhì)量和碳市場(chǎng)之間可能存在雙向影響。一方面，空氣質(zhì)量可以通過(guò)情緒渠道、政策渠道、預(yù)期渠道和市場(chǎng)傳染渠道四個(gè)渠道影響碳市場(chǎng)[5]，因此研究空氣質(zhì)量對(duì)碳市場(chǎng)的影響有助于完善我國(guó)碳市場(chǎng)的定價(jià)機(jī)制；另一方面，通過(guò)減少產(chǎn)量、科技創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)等途徑，碳市場(chǎng)可能對(duì)空氣質(zhì)量存在反向影響。通過(guò)探討碳市場(chǎng)對(duì)空氣質(zhì)量的影響，能夠有效地檢驗(yàn)我國(guó)碳市場(chǎng)的減排成效和生態(tài)環(huán)境的改善效果，為建立健全碳市場(chǎng)提供借鑒?，F(xiàn)存有關(guān)碳市場(chǎng)對(duì)環(huán)境治理效果影響的文獻(xiàn)，多集中于考察二氧化碳的減排效果[8～9]，而較少學(xué)者直接研究其對(duì)空氣質(zhì)量的影響，研究空氣質(zhì)量與碳市場(chǎng)之間相互影響的文獻(xiàn)更是寥寥無(wú)幾。裴輝儒和張穎基于碳交易成交量、成交額以及空氣質(zhì)量指數(shù)數(shù)據(jù)，運(yùn)用Panel Data模型分析中國(guó)碳市場(chǎng)對(duì)改善環(huán)境的效率問(wèn)題[10]。研究發(fā)現(xiàn)，短期內(nèi)碳市場(chǎng)并不會(huì)對(duì)環(huán)境產(chǎn)生顯著影響，但從長(zhǎng)遠(yuǎn)來(lái)看，碳市場(chǎng)可以有效地改善環(huán)境質(zhì)量。Wang等選取中國(guó)七個(gè)試點(diǎn)碳市場(chǎng)，運(yùn)用IC-GRA模型研究了空氣質(zhì)量和碳交易市場(chǎng)之間的關(guān)系[11]。他們發(fā)現(xiàn)：無(wú)論在哪個(gè)碳交易市場(chǎng)，對(duì)空氣質(zhì)量影響最大的因素是碳交易價(jià)格，其次是碳交易額，最后是碳交易量。此外，在深圳和上海碳市場(chǎng)，空氣質(zhì)量與碳交易價(jià)格之間存在負(fù)向影響，而在其他碳市場(chǎng)兩者存在正向影響。侯星宇采用格蘭杰因果關(guān)系檢驗(yàn)?zāi)Ｐ停l(fā)現(xiàn)湖北碳排放權(quán)和空氣質(zhì)量之間互為格蘭杰原因，即空氣質(zhì)量可以導(dǎo)致湖北碳排放權(quán)的變化，同時(shí)湖北碳排放權(quán)也能導(dǎo)致空氣質(zhì)量的變化[12]。馮佑帥運(yùn)用多重分形去趨勢(shì)交互相關(guān)分析（MF-DCCA）研究空氣質(zhì)量與碳排放權(quán)價(jià)格的動(dòng)態(tài)交互相關(guān)關(guān)系[13]。研究發(fā)現(xiàn)，空氣質(zhì)量與碳價(jià)格之間存在交互作用，表現(xiàn)出顯著的多重分形特征。小波動(dòng)的持續(xù)性主要受空氣質(zhì)量與碳價(jià)格的自相關(guān)的影響，而大波動(dòng)的持續(xù)性主要受空氣質(zhì)量與碳價(jià)格的交互相關(guān)的影響。另外，深圳空氣質(zhì)量與碳價(jià)格的交互相關(guān)的多重分形強(qiáng)度小于湖北的。

本文基于碳市場(chǎng)的不同發(fā)展階段（碳市場(chǎng)的全樣本時(shí)期和第一、第二階段），利用分位數(shù)格蘭杰非因果關(guān)系檢驗(yàn)?zāi)Ｐ停芯恐袊?guó)五個(gè)試點(diǎn)碳市場(chǎng)所在省市的空氣質(zhì)量和市場(chǎng)收益率之間的雙向因果關(guān)系，在此基礎(chǔ)上，進(jìn)一步考察二者之間是否存在尾部因果關(guān)系，即因變量在極端狀態(tài)下是否更易受到自變量的影響。在現(xiàn)有文獻(xiàn)基礎(chǔ)上，本文作出進(jìn)一步的改進(jìn)和創(chuàng)新，主要貢獻(xiàn)有以下三點(diǎn)。首先，從研究對(duì)象上，本文選取五個(gè)主要試點(diǎn)碳市場(chǎng)而不是單個(gè)試點(diǎn)。鑒于我國(guó)各地經(jīng)濟(jì)發(fā)展?fàn)顩r和碳排放水平均存在較大差異，綜合考慮多個(gè)碳市場(chǎng)的表現(xiàn)有利于得出更為準(zhǔn)確的結(jié)論。其次，從研究?jī)?nèi)容上，現(xiàn)有文獻(xiàn)多關(guān)注空氣質(zhì)量與碳市場(chǎng)之間的單向關(guān)系，而忽略了兩者之間可能存在相互影響，忽略這一重要特征可能導(dǎo)致錯(cuò)誤結(jié)論。最后，從研究方法上，不同于傳統(tǒng)的均值框架分析，本文基于分位數(shù)框架進(jìn)行因果關(guān)系研究。基于OLS框架的經(jīng)典非因果檢驗(yàn)旨在探索變量之間的平均因果關(guān)系，沒(méi)有考慮不同的條件分布，因此可能無(wú)法完整地描述真實(shí)的因果關(guān)系。而在分位數(shù)框架下的格蘭杰非因果關(guān)系檢驗(yàn)?zāi)Ｐ停軌蛟谡麄€(gè)條件分布下即在因變量的不同狀態(tài)下，評(píng)估變量之間的因果關(guān)系存在與否，進(jìn)一步探究因果關(guān)系是否存在尾部依賴性。

一、影響機(jī)制分析

（一）空氣質(zhì)量影響碳市場(chǎng)的理論機(jī)制

鑒于研究空氣質(zhì)量對(duì)碳市場(chǎng)影響的相關(guān)文獻(xiàn)較少，本文結(jié)合相關(guān)文獻(xiàn)與自身思考，在一定程度上完善了空氣質(zhì)量影響碳市場(chǎng)的理論機(jī)制，具體的影響渠道可以從以下四個(gè)方面展開(kāi)，圖1描繪了該傳導(dǎo)過(guò)程。

圖1 空氣質(zhì)量對(duì)碳市場(chǎng)的影響機(jī)制分析

1. 情緒渠道

行為金融學(xué)認(rèn)為，投資者情緒的變化會(huì)改變投資者的投資偏好，影響其投資決策。而空氣質(zhì)量能夠從生理和心理兩方面影響投資者情緒：生理上，有相關(guān)研究發(fā)現(xiàn)，人們?nèi)粘１┞队谑芪廴镜目諝庵腥菀自黾尤梭w腎上腺皮質(zhì)醇激素水平，導(dǎo)致代謝紊亂影響個(gè)人情緒。因此受空氣質(zhì)量影響，投資者風(fēng)險(xiǎn)偏好和投資決策發(fā)生改變[14]。此外，據(jù)WHO報(bào)告，全球每年大約700萬(wàn)人死于空氣污染，空氣質(zhì)量與人們的生命健康息息相關(guān)?？諝赓|(zhì)量惡化會(huì)增強(qiáng)人們的死亡危機(jī)感，進(jìn)而改變?nèi)藗兊男袨閇15]；心理上，空氣污染容易使人們產(chǎn)生消極情緒，如沮喪、焦慮、悲憤等，對(duì)市場(chǎng)持悲觀態(tài)度，因此投資者更傾向于規(guī)避風(fēng)險(xiǎn)，致使市場(chǎng)交易意愿下降，市場(chǎng)活力降低，最終影響資產(chǎn)定價(jià)。

2. 政策渠道

當(dāng)空氣污染嚴(yán)重時(shí)，政府會(huì)采取一系列環(huán)保政策去遏制污染行為，如監(jiān)控碳排放量，降低免費(fèi)碳配額供給量，致使碳配額供大于求，碳價(jià)上漲。而企業(yè)成本增加會(huì)促進(jìn)企業(yè)進(jìn)行減排技術(shù)創(chuàng)新，降低碳排放權(quán)需求，在一定程度上會(huì)導(dǎo)致碳價(jià)下降。另外，政府還會(huì)通過(guò)產(chǎn)業(yè)政策來(lái)調(diào)整企業(yè)結(jié)構(gòu)、優(yōu)化資源配置，社會(huì)資金、資源等的再分配會(huì)促使企業(yè)努力提高能源利用效率，減少環(huán)境污染成本，最終影響碳市場(chǎng)價(jià)格。

3. 預(yù)期渠道

有限理性決策理論認(rèn)為人是“社會(huì)人”而非“經(jīng)濟(jì)人”，是基于有限理性進(jìn)行決策和行為。人們通常傾向于使用簡(jiǎn)單的方法去搜集所需的信息，根據(jù)經(jīng)驗(yàn)或習(xí)慣進(jìn)行預(yù)期和決策。因此，在參與碳市場(chǎng)時(shí)，人們可能更偏向于根據(jù)空氣質(zhì)量進(jìn)行預(yù)期和交易行為。一方面，空氣質(zhì)量是易感知的，結(jié)合相關(guān)媒體的及時(shí)報(bào)道，人們可以較為輕松地獲取空氣質(zhì)量信息。因此，依據(jù)預(yù)期的工業(yè)經(jīng)濟(jì)發(fā)展?fàn)顩r，人們可以進(jìn)一步預(yù)期企業(yè)對(duì)碳排放權(quán)的需求。另一方面，在信息化時(shí)代下，當(dāng)某地遭遇嚴(yán)重空氣污染時(shí)，社交平臺(tái)的輿論信息容易引導(dǎo)大眾思維，引發(fā)“羊群效應(yīng)”，最終對(duì)市場(chǎng)交易產(chǎn)生影響。

4. 市場(chǎng)傳染渠道

隨著經(jīng)濟(jì)全球化、社會(huì)信息化的持續(xù)推進(jìn)，各行業(yè)市場(chǎng)的聯(lián)系越來(lái)越緊密，信息的傳遞越來(lái)越快捷，市場(chǎng)間波動(dòng)溢出效應(yīng)越來(lái)越顯著[16～18]。因此空氣質(zhì)量可能通過(guò)影響其他市場(chǎng)間接影響碳市場(chǎng)。例如空氣質(zhì)量對(duì)股票市場(chǎng)存在影響[19～20]，而股票市場(chǎng)和碳市場(chǎng)之間的波動(dòng)溢出效應(yīng)使得碳市場(chǎng)間接受到影響[21～22]。

（二）碳市場(chǎng)影響空氣質(zhì)量的理論機(jī)制

由于碳排放和其他大氣污染物排放具有同根同源性，如果碳排放減少，其他大氣污染物排放也隨之減少，空氣質(zhì)量得到改善。因此，分析碳市場(chǎng)影響空氣質(zhì)量的理論機(jī)制即分析碳市場(chǎng)影響碳排放的理論機(jī)制。根據(jù)相關(guān)文獻(xiàn)和交易機(jī)制，本節(jié)主要從減少產(chǎn)量、科技創(chuàng)新和產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)三個(gè)途徑進(jìn)行分析。

1. 減少產(chǎn)量

由于碳市場(chǎng)規(guī)定各控排企業(yè)的實(shí)際碳排放總量不得超過(guò)規(guī)定排放量，所以控排企業(yè)為了免于未履約處罰，只能采取購(gòu)買碳排放權(quán)和減少碳排放量?jī)煞N行動(dòng)。企業(yè)的目標(biāo)是追求利潤(rùn)最大化，購(gòu)買碳排放權(quán)會(huì)增加企業(yè)的生產(chǎn)成本，減少企業(yè)利潤(rùn)，因此會(huì)有企業(yè)選擇直接減少產(chǎn)量，從源頭減少二氧化碳排放。

2. 科技創(chuàng)新

蔡烏趕等發(fā)現(xiàn)碳市場(chǎng)對(duì)企業(yè)生態(tài)創(chuàng)新具有促進(jìn)作用[23]。一方面，碳市場(chǎng)建設(shè)的持續(xù)推進(jìn)會(huì)提高企業(yè)環(huán)保意識(shí)；另一方面，購(gòu)買碳排放權(quán)會(huì)增加企業(yè)的生產(chǎn)成本。因此高碳企業(yè)會(huì)考慮加大減排技術(shù)、新能源開(kāi)發(fā)等方面的科研投入，從源頭治理碳排放問(wèn)題。

3. 產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)

孫振清等研究表明碳交易政策能夠倒逼產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)合理化高級(jí)化，即碳交易政策可以加速淘汰高耗能、高污染、高排放的企業(yè)，推動(dòng)高碳企業(yè)轉(zhuǎn)型升級(jí)，提高企業(yè)的能源利用率和污染治理能力，從而降低二氧化碳排放[24]。

二、數(shù)據(jù)和模型

（一）指標(biāo)選取和數(shù)據(jù)來(lái)源

為了研究空氣質(zhì)量和我國(guó)碳市場(chǎng)收益率之間的因果關(guān)系，本文綜合考慮試點(diǎn)碳市場(chǎng)的開(kāi)放時(shí)間、試點(diǎn)位置、市場(chǎng)活力、交易額數(shù)和交易數(shù)量等因素，選取了北京、上海、廣東、深圳和湖北五個(gè)主要試點(diǎn)碳市場(chǎng)，這五個(gè)試點(diǎn)碳市場(chǎng)可以較好代表我國(guó)碳交易市場(chǎng)的發(fā)展情況。選取各試點(diǎn)碳市場(chǎng)每日碳配額成交均價(jià)作為該碳市場(chǎng)的每日碳價(jià)，并參考張青陽(yáng)的處理方法扣除了非交易日期和無(wú)交易日期[25]，數(shù)據(jù)來(lái)源于中國(guó)碳交易平臺(tái)。

空氣質(zhì)量情況用空氣質(zhì)量指數(shù)（AQI）來(lái)衡量?？諝赓|(zhì)量指數(shù)是描述空氣質(zhì)量狀況的無(wú)量綱指數(shù)，通過(guò)綜合細(xì)顆粒物、可吸入顆粒物、二氧化硫、二氧化氮、臭氧、一氧化碳等污染指標(biāo)計(jì)算得到[26]。AQI數(shù)值在100以下表明空氣質(zhì)量?jī)?yōu)良，數(shù)值在100以上則表明空氣受到不同程度的污染。該指標(biāo)被廣泛運(yùn)用于環(huán)境領(lǐng)域的研究[27～28]。根據(jù)五個(gè)碳市場(chǎng)所在地區(qū)分別選取了北京、上海、廣州、深圳和武漢的每日AQI，數(shù)據(jù)取自空氣質(zhì)量在線監(jiān)測(cè)分析平臺(tái)（https://www.aqistudy.cn/）。

通過(guò)數(shù)據(jù)匹配將兩個(gè)序列的時(shí)間重疊部分作為本文的研究樣本，所以北京、上海、廣東、深圳和湖北五個(gè)試點(diǎn)的樣本時(shí)期分別為2013.12.02～2020.07.20、2013.12.19～2020.07.20、2013.12.19～2020.07.20、2013.12.02～2020.07.20和2014.4.02～2020.07.20，有效樣本量分別為995個(gè)、965個(gè)、1 309個(gè)、1 420個(gè)和1 479個(gè)。對(duì)各變量取自然對(duì)數(shù)不僅不會(huì)改變變量之間的初始關(guān)系，還可以削弱變量間存在的異方差現(xiàn)象，使變量的線性趨勢(shì)更明顯。因此，本文基于上述原始數(shù)據(jù)，在進(jìn)行實(shí)證分析前對(duì)全部數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理。此外，鑒于資產(chǎn)價(jià)格往往呈現(xiàn)趨勢(shì)性，故本文考慮用碳市場(chǎng)收益率（即對(duì)碳價(jià)對(duì)數(shù)差分后的序列 Rt=ln(Pt)-ln(Pt-1),其中為第t日的碳價(jià)）來(lái)檢驗(yàn)空氣質(zhì)量與碳市場(chǎng)之間的因果關(guān)系。

（二）分位數(shù)格蘭杰非因果檢驗(yàn)?zāi)Ｐ蜆?gòu)建和估計(jì)方法

格蘭杰因果關(guān)系檢驗(yàn)法由Granger年首次提出[29]，用于檢驗(yàn)一個(gè)變量對(duì)另一個(gè)存在預(yù)測(cè)作用。具體地，當(dāng)式（1）成立時(shí)，表明變量不是變量的格蘭杰原因。

其中， Fyt(.|F)表示在條件下的分布函數(shù)，(Y,X)t-1表示和產(chǎn)生的截至期的信息。上式表明，如果過(guò)去的信息沒(méi)有改變的條件分布，那么不是的格蘭杰原因?？紤]到使用條件分布時(shí)估計(jì)與檢驗(yàn)較為困難，現(xiàn)有文獻(xiàn)常使用條件期望來(lái)替換，即

檢驗(yàn)式（2）是否成立即轉(zhuǎn)化為檢驗(yàn)式（3）中的 βj=0,j=1,2,···,q 。若拒絕原假設(shè)，表明變量的滯后期對(duì)的條件均值存在顯著影響，即在均值框架下是的格蘭杰原因。然而，該檢驗(yàn)結(jié)果不能說(shuō)明在其他分位情況下是否存在因果關(guān)系。為了檢驗(yàn)其他分位下的格蘭杰因果關(guān)系情況，需進(jìn)一步在分位數(shù)框架下進(jìn)行格蘭杰因果檢驗(yàn)。

為了檢驗(yàn)不同分位下變量之間的因果關(guān)系，Chuang等提出了分位數(shù)格蘭杰因果檢驗(yàn)方法[30]。設(shè)Qyt(τ|F)表示 Fyt(.|F)的第個(gè)分位，此時(shí)式（1）可以改寫為

利用Koenker和Bassett提出的分位數(shù)回歸方法[31]，的第分位數(shù)的條件分布函數(shù)可以寫成：

此處 θ (τ)=[c(τ),α(τ)′,β(τ)′]′為1 +p+q維的待估參數(shù)向量。對(duì)于一個(gè)給定的線性條件分位數(shù)模型，檢驗(yàn)式（5）等價(jià)于檢驗(yàn)式（6）中參數(shù)是否聯(lián)合顯著于0，即建立假設(shè) H0:β(τ)=0,?τ ∈ [a,b]。本文采用Koenker和Machado[32]與Chuang等[30]提出的Sup-Wald統(tǒng)計(jì)量進(jìn)行檢驗(yàn)。

為了進(jìn)行Sup-Wald檢驗(yàn)，本文模擬了不同分位區(qū)間的Sup-Wald檢驗(yàn)統(tǒng)計(jì)量臨界值，結(jié)果見(jiàn)表1。本文假設(shè)和的最優(yōu)滯后階數(shù)相等，即 p*=q*。通過(guò)順序滯后方法選擇每個(gè)分位區(qū)間最優(yōu)滯后階數(shù)，具體地，在 τ ∈[a,b]，如果原假設(shè) βq(τ)=0不能被拒絕，而原假設(shè)被拒絕，則可以選擇最優(yōu)滯后階數(shù) q*=q-1，如果在這個(gè)區(qū)間內(nèi)檢驗(yàn)統(tǒng)計(jì)量都不顯著，則選擇 q*=1作為最優(yōu)滯后階數(shù)。

表1 Sup-Wald檢驗(yàn)統(tǒng)計(jì)量的模擬臨界值

三、實(shí)證結(jié)果分析

（一）統(tǒng)計(jì)特征分析

在進(jìn)行建模前，需要先對(duì)變量進(jìn)行描述性統(tǒng)計(jì)以了解其基本統(tǒng)計(jì)特征。根據(jù)表2可知，五個(gè)省市的空氣質(zhì)量指數(shù)均值從大到小依次為：北京、湖北、上海、廣東和深圳。從平均角度來(lái)說(shuō)北京空氣質(zhì)量相對(duì)最差，深圳空氣質(zhì)量相對(duì)最好。這可能是因?yàn)楸本┳鳛槲覈?guó)的首都，處于中國(guó)經(jīng)濟(jì)發(fā)展的前沿，能源消耗巨大，故對(duì)空氣影響較大，而深圳主要以第三產(chǎn)業(yè)為主，對(duì)空氣影響較小。從圖2可直觀地看出五個(gè)省市的空氣質(zhì)量分布情況。五個(gè)試點(diǎn)的碳市場(chǎng)收益率均值從大到小依次為：北京、上海、湖北、廣東和深圳。對(duì)于標(biāo)準(zhǔn)差即波動(dòng)率而言，北京空氣質(zhì)量指數(shù)波動(dòng)率最大，深圳空氣質(zhì)量指數(shù)波動(dòng)率最小，這意味著北京空氣質(zhì)量最為變化無(wú)常，深圳空氣質(zhì)量最為穩(wěn)定。北京和上海的碳市場(chǎng)收益率波動(dòng)最大，湖北碳市場(chǎng)收益率波動(dòng)最小，這說(shuō)明北京和上海碳市場(chǎng)風(fēng)險(xiǎn)相對(duì)較大，湖北碳市場(chǎng)風(fēng)險(xiǎn)相對(duì)較小。最后，從偏度、峰度和JB統(tǒng)計(jì)檢驗(yàn)結(jié)果可知，所有序列均偏離正態(tài)分布，這一事實(shí)提供了本文使用條件分位數(shù)而不是均值分析的初步動(dòng)機(jī)。

表2 空氣質(zhì)量與碳市場(chǎng)收益率的描述性統(tǒng)計(jì)

圖2 五個(gè)省市的空氣質(zhì)量分布圖

如圖3和圖4所示，各序列數(shù)據(jù)非常不穩(wěn)定，呈現(xiàn)波動(dòng)集聚性。如果基于條件均值來(lái)分析變量之間的因果關(guān)系可能會(huì)使結(jié)果不準(zhǔn)確。然而，基于條件分位數(shù)估計(jì)是穩(wěn)健的，此方法能夠有效避免異常值的影響，并且通過(guò)分位數(shù)框架下的非因果檢驗(yàn)，能夠捕捉不同狀態(tài)下變量之間因果關(guān)系的存在與否。因此，本文將采用分位數(shù)格蘭杰非因果關(guān)系檢驗(yàn)來(lái)探討空氣質(zhì)量與碳市場(chǎng)之間的因果關(guān)系。

圖3 五個(gè)試點(diǎn)碳市場(chǎng)的碳配額價(jià)格（左）與收益率（右）

圖4 五個(gè)省市的原始空氣質(zhì)量（左）與取對(duì)數(shù)后空氣質(zhì)量（右）

（二）單位根檢驗(yàn)

在進(jìn)行分位數(shù)格蘭杰非因果關(guān)系檢驗(yàn)之前，應(yīng)對(duì)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，以保證數(shù)據(jù)的平穩(wěn)性，避免序列的偽回歸現(xiàn)象。本文考慮了ADF檢驗(yàn)和PP檢驗(yàn)，這兩個(gè)檢驗(yàn)的原假設(shè)均為時(shí)間序列存在單位根。從表3的檢驗(yàn)結(jié)果可知，對(duì)于所有時(shí)間序列，在1%的顯著性水平下均拒絕原假設(shè)，即不存在單位根，表示這些序列遵循I(0)過(guò)程。

表3 各變量的單位根檢驗(yàn)結(jié)果

（三）分位數(shù)格蘭杰因果檢驗(yàn)結(jié)果分析

為了檢驗(yàn)空氣質(zhì)量與碳市場(chǎng)收益率之間的因果關(guān)系，模型（6）表現(xiàn)為：

為了更全面的探討空氣質(zhì)量與碳市場(chǎng)之間的因果關(guān)系，我們同時(shí)考慮了全樣本期和兩個(gè)子樣本期，第一個(gè)子樣本期為樣本起始日期到2016年底，該時(shí)期是碳市場(chǎng)運(yùn)行的第一階段；第二個(gè)子樣本期為2017年初到樣本最后日期，該時(shí)期是碳市場(chǎng)運(yùn)行的第二階段。

1. 空氣質(zhì)量對(duì)碳市場(chǎng)收益率的影響分析

表4 (Panel A) 展示了五個(gè)試點(diǎn)碳市場(chǎng)收益率在不同樣本時(shí)期對(duì)空氣質(zhì)量變化所作出的不同反應(yīng)。對(duì)于北京碳市場(chǎng)，從（a）組可知，在三個(gè)樣本時(shí)期，Sup-Wald統(tǒng)計(jì)量在分位區(qū)間[0.05,0.95]上都強(qiáng)烈拒絕原假設(shè)，并且空氣質(zhì)量對(duì)碳市場(chǎng)收益率的影響具有上下尾部依賴性。這表明自該碳市場(chǎng)運(yùn)行以來(lái)，當(dāng)碳市場(chǎng)處于高或低收益率時(shí)，空氣質(zhì)量都是解釋碳市場(chǎng)收益率波動(dòng)的重要因素。尾部極端風(fēng)險(xiǎn)對(duì)市場(chǎng)具有巨大破壞性，導(dǎo)致市場(chǎng)穩(wěn)定性降低，進(jìn)而易引發(fā)系統(tǒng)性風(fēng)險(xiǎn)[33]。因此，當(dāng)碳市場(chǎng)面臨極端條件時(shí)，市場(chǎng)穩(wěn)定性會(huì)降低，系統(tǒng)性風(fēng)險(xiǎn)出現(xiàn)上漲，使得碳市場(chǎng)更易受到?jīng)Q定因素的影響。此外，結(jié)合統(tǒng)計(jì)特征分析可知，北京空氣污染較為嚴(yán)重，因此空氣質(zhì)量影響碳市場(chǎng)的渠道更加暢通；對(duì)于上海碳市場(chǎng)，從（b）組可知，在三個(gè)樣本時(shí)期，空氣質(zhì)量對(duì)碳市場(chǎng)收益率的影響都只表現(xiàn)在下尾部區(qū)域，特別是在區(qū)間[0.05,0.2]上。這表明自該碳市場(chǎng)運(yùn)行以來(lái)，只有碳市場(chǎng)處于低收益率，空氣質(zhì)量的變化才會(huì)影響碳市場(chǎng)收益率。此外，結(jié)果還顯示第二階段的空氣質(zhì)量對(duì)碳市場(chǎng)影響更明顯，這可能是因?yàn)榈诙A段的碳市場(chǎng)運(yùn)行機(jī)制更加完善，碳市場(chǎng)對(duì)空氣質(zhì)量的變化更加敏感；對(duì)于廣東碳市場(chǎng)，從（c）組可知，在全樣本時(shí)期和第二階段，Sup-Wald統(tǒng)計(jì)量在上下尾部區(qū)域均拒絕原假設(shè)，而在第一階段，幾乎不能拒絕原假設(shè)。這表明在全樣本時(shí)期空氣質(zhì)量對(duì)碳市場(chǎng)收益率的顯著影響可能來(lái)自第二階段，原因可能是第一階段碳市場(chǎng)還處于試驗(yàn)階段，各方面還不成熟，而第二階段碳市場(chǎng)各方面更加完善，因此第二階段碳市場(chǎng)對(duì)外部的沖擊更加靈敏。另外，由于廣東高新產(chǎn)業(yè)占比高，空氣質(zhì)量相對(duì)較好，人們的生活質(zhì)量較高，所以為了保持這種優(yōu)越環(huán)境，人們會(huì)格外關(guān)注空氣質(zhì)量，積極控制碳排放量，致使碳市場(chǎng)能夠?qū)諝赓|(zhì)量的變化作出反應(yīng)；對(duì)于深圳碳市場(chǎng)，從（d）組可知，在全樣本時(shí)期，當(dāng)碳市場(chǎng)處于高收益率時(shí)，空氣質(zhì)量是碳市場(chǎng)收益率變動(dòng)的格蘭杰原因，在第二階段，空氣質(zhì)量對(duì)碳市場(chǎng)收益率產(chǎn)生高度顯著影響表現(xiàn)在上下尾部區(qū)域，而在第一階段，所有分位區(qū)間均不存在顯著影響。這表明深圳碳市場(chǎng)在第二階段更易受到空氣質(zhì)量的影響，原因與廣東碳市場(chǎng)一致；對(duì)于湖北碳市場(chǎng)，從（e）組可知，與北京碳市場(chǎng)相似，在三個(gè)樣本時(shí)期，當(dāng)碳市場(chǎng)處于高或低收益率時(shí)，空氣質(zhì)量是碳市場(chǎng)收益率變動(dòng)的格蘭杰原因。這可能是因?yàn)楹笔≌幱诮?jīng)濟(jì)高速發(fā)展階段且高耗能產(chǎn)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中占比較大，所以碳市場(chǎng)容易受到空氣質(zhì)量的影響。

表4 空氣質(zhì)量與碳市場(chǎng)收益率之間的分位數(shù)因果關(guān)系檢驗(yàn)結(jié)果

通過(guò)上述分析，本文可以得到以下結(jié)論：（1）對(duì)于三個(gè)樣本時(shí)期的北京、湖北碳市場(chǎng)，第二階段的廣東、深圳碳市場(chǎng)，以及全樣本時(shí)期的廣東碳市場(chǎng)，在上下尾部區(qū)域空氣質(zhì)量都對(duì)碳市場(chǎng)收益率產(chǎn)生顯著影響，即當(dāng)碳市場(chǎng)處于高或低收益率時(shí)，空氣質(zhì)量能夠顯著影響碳市場(chǎng)收益率；（2）對(duì)于三個(gè)樣本時(shí)期的上海碳市場(chǎng)，在下尾部區(qū)域空氣質(zhì)量對(duì)碳市場(chǎng)收益率表現(xiàn)出顯著影響，具有非對(duì)稱效應(yīng)。從該碳市場(chǎng)運(yùn)行以來(lái)，當(dāng)碳市場(chǎng)處于低收益率時(shí)，空氣質(zhì)量能夠顯著影響碳市場(chǎng)收益率；（3）對(duì)于全樣本時(shí)期的深圳碳市場(chǎng)，在上尾部區(qū)域空氣質(zhì)量對(duì)碳市場(chǎng)收益率產(chǎn)生顯著影響，具有非對(duì)稱效應(yīng)，即當(dāng)碳市場(chǎng)處于高收益率時(shí)，空氣質(zhì)量能夠顯著影響碳市場(chǎng)收益率；（4）對(duì)于第一階段的廣東、深圳碳市場(chǎng)，幾乎在所有分位區(qū)間，空氣質(zhì)量都不是碳市場(chǎng)收益率的格蘭杰原因，即無(wú)論碳市場(chǎng)收益率處于何種狀態(tài)，幾乎都不會(huì)對(duì)空氣質(zhì)量變化作出反應(yīng)；（5）總體而言，對(duì)于五大碳市場(chǎng)，空氣質(zhì)量是導(dǎo)致碳市場(chǎng)收益率變動(dòng)的重要因素。此外，不同樣本時(shí)期空氣質(zhì)量對(duì)碳市場(chǎng)收益率的影響具有異質(zhì)性且只存在尾部區(qū)域。

2. 碳市場(chǎng)收益率對(duì)空氣質(zhì)量的影響分析

根據(jù)表4 (Panel B) 可以看出五個(gè)省市空氣質(zhì)量在不同樣本時(shí)期對(duì)碳市場(chǎng)收益率變動(dòng)所作出的不同反應(yīng)。對(duì)于北京碳市場(chǎng)，從（a）組可知，三個(gè)樣本時(shí)期的非因果檢驗(yàn)結(jié)果截然不同。在全樣本時(shí)期，碳市場(chǎng)收益率只在極高分位區(qū)間[0.8,0.95]上對(duì)空氣質(zhì)量存在影響，這意味著當(dāng)北京空氣污染極嚴(yán)重時(shí)，碳市場(chǎng)收益率才會(huì)影響空氣質(zhì)量。在第二階段，Sup-Wald統(tǒng)計(jì)量在區(qū)間[0.05,0.5]和[0.05,0.2]上以1%顯著水平強(qiáng)烈否定了原假設(shè)，這意味著當(dāng)北京空氣優(yōu)良時(shí)，碳市場(chǎng)收益率是導(dǎo)致空氣質(zhì)量變化的重要因素。而在第一階段，幾乎在所有分位區(qū)間，Sup-Wald統(tǒng)計(jì)量都不能拒絕原假設(shè)。可能是由于在這一階段北京碳市場(chǎng)尚處于起步階段，減排成效還未顯現(xiàn)，不足以影響空氣質(zhì)量；對(duì)于上海碳市場(chǎng)，從（b）組可知，在全樣本時(shí)期，碳市場(chǎng)收益率只在區(qū)間[0.5,0.95]和[0.8,0.95]上對(duì)空氣質(zhì)量有影響，這表明只有在空氣比較糟糕時(shí)，碳市場(chǎng)收益率才會(huì)影響空氣質(zhì)量。在第一階段，Sup-Wald統(tǒng)計(jì)量在區(qū)間[0.05,0.2]和[0.2,0.4]上不能拒絕原假設(shè)，這意味著當(dāng)空氣優(yōu)良時(shí)，碳價(jià)不能引起空氣質(zhì)量的變動(dòng)。與全樣本時(shí)期和第一階段不同的是，在第二階段，當(dāng)空氣優(yōu)良時(shí)，碳市場(chǎng)收益率才對(duì)空氣質(zhì)量存在影響；對(duì)于廣東碳市場(chǎng)，從（c）組可知，在全樣本時(shí)期和第一階段，Sup-Wald統(tǒng)計(jì)量都在低分位區(qū)間[0.05,0.2]強(qiáng)烈拒絕非因果關(guān)系，這意味著當(dāng)空氣質(zhì)量?jī)?yōu)良時(shí)，碳市場(chǎng)顯著影響空氣質(zhì)量。而在第二階段，雖然在區(qū)間[0.05,0.95]、[0.05,0.5]和[0.5,0.95]上Sup-Wald統(tǒng)計(jì)量均顯著拒絕原假設(shè)，但是在更細(xì)分的分位區(qū)間上，因果關(guān)系卻只存在于區(qū)間[0.8,0.95]，這意味著當(dāng)空氣極差時(shí)，碳市場(chǎng)收益率更能引起空氣質(zhì)量的變化；對(duì)于深圳碳市場(chǎng)，從（d）組可知，在全樣本時(shí)期，在區(qū)間[0.8,0.95]上碳市場(chǎng)收益率是空氣質(zhì)量變動(dòng)的格蘭杰原因。這說(shuō)明當(dāng)空氣質(zhì)量極差時(shí)，空氣質(zhì)量會(huì)隨碳市場(chǎng)收益率的變化而變化。在第一階段，雖然在區(qū)間[0.05,0.95]上Sup-Wald統(tǒng)計(jì)量高度拒絕原假設(shè)，但是在其子區(qū)間上卻沒(méi)有拒絕原假設(shè)。而在第二階段，幾乎在所有分位區(qū)間上Sup-Wald統(tǒng)計(jì)量均不能拒絕原假設(shè)，這意味著不管空氣質(zhì)量處于何種水平，碳市場(chǎng)收益率的波動(dòng)幾乎不會(huì)影響空氣質(zhì)量；對(duì)于湖北碳市場(chǎng)，從（e）組可知，在全樣本時(shí)期和第一階段，Sup-Wald統(tǒng)計(jì)量都在較高區(qū)間[0.6,0.8]上以5%的顯著水平拒絕非因果關(guān)系。而在第二階段，Sup-Wald統(tǒng)計(jì)量只在中分位區(qū)間[0.4,0.6]附近不能拒絕因果關(guān)系，這表明在上下尾部區(qū)域碳市場(chǎng)收益率對(duì)空氣質(zhì)量有影響，即當(dāng)空氣質(zhì)量處于極端條件下，碳市場(chǎng)收益率更容易影響空氣質(zhì)量。

通過(guò)上述分析，可以得到以下結(jié)論：（1）對(duì)于全樣本和第二階段時(shí)期的北京、上海碳市場(chǎng)，三個(gè)樣本時(shí)期的廣東碳市場(chǎng)，全樣本時(shí)期的深圳碳市場(chǎng)，以及全樣本和第一階段時(shí)期的湖北碳市場(chǎng)，碳市場(chǎng)收益率對(duì)空氣質(zhì)量的影響只存在上尾部或下尾部區(qū)域，具有非對(duì)稱效應(yīng)；（2）對(duì)于第一階段的上海碳市場(chǎng)，在中高分位區(qū)間上，碳市場(chǎng)收益率對(duì)空氣質(zhì)量存在影響；（3）對(duì)于第二階段的湖北碳市場(chǎng)，碳市場(chǎng)收益率對(duì)空氣質(zhì)量的影響存在于上下尾部區(qū)域；（4）對(duì)于第一階段的北京碳市場(chǎng)，以及第一、第二階段的深圳碳市場(chǎng)，幾乎在所有子區(qū)間上，碳市場(chǎng)收益率都不影響空氣質(zhì)量。（5）總的來(lái)說(shuō)，碳市場(chǎng)收益率對(duì)空氣質(zhì)量的影響基本只存在尾部區(qū)域，即幾乎只有在空氣質(zhì)量處于極端條件下，碳市場(chǎng)收益率才是空氣質(zhì)量的格蘭杰原因，碳市場(chǎng)的減排成效才會(huì)顯現(xiàn)。此外，不同樣本時(shí)期碳市場(chǎng)收益率對(duì)空氣質(zhì)量的影響具有異質(zhì)性。

四、結(jié)論和政策建議

研究空氣質(zhì)量與碳市場(chǎng)收益率之間的關(guān)系對(duì)碳市場(chǎng)穩(wěn)定發(fā)展和空氣質(zhì)量改善具有重要意義。本文選取中國(guó)五個(gè)主要試點(diǎn)碳市場(chǎng)所在省市的空氣質(zhì)量和碳市場(chǎng)收益率作為研究對(duì)象，采用分位數(shù)格蘭杰非因果關(guān)系檢驗(yàn)?zāi)Ｐ?，揭示空氣質(zhì)量與碳市場(chǎng)收益率在不同情境下的雙向因果關(guān)系，并進(jìn)一步考察是否存在尾部因果關(guān)系。在這項(xiàng)研究中，得到了三個(gè)主要結(jié)論：（1）無(wú)論在哪個(gè)碳市場(chǎng)，空氣質(zhì)量與碳市場(chǎng)收益率之間的因果關(guān)系基本上只存在于尾部區(qū)域，即當(dāng)碳市場(chǎng)收益率（或空氣質(zhì)量）處于極端條件時(shí)，它才可能受到空氣質(zhì)量（或碳市場(chǎng)收益率）的影響；（2）空氣質(zhì)量與碳市場(chǎng)收益率之間存在雙向因果關(guān)系，但碳市場(chǎng)收益率對(duì)空氣質(zhì)量的影響相對(duì)較弱，這意味著空氣質(zhì)量是影響碳市場(chǎng)收益率變動(dòng)的重要因素，但是碳市場(chǎng)的減排成效和對(duì)生態(tài)環(huán)境的改善作用還有待長(zhǎng)期驗(yàn)證；（3）空氣質(zhì)量與碳市場(chǎng)收益率之間的因果關(guān)系在不同樣本時(shí)期具有異質(zhì)性。在全樣本時(shí)期，對(duì)于五個(gè)碳市場(chǎng)，空氣質(zhì)量與碳市場(chǎng)收益率之間均存在雙向因果關(guān)系；在第一階段，對(duì)于上海和湖北碳市場(chǎng)，空氣質(zhì)量與碳市場(chǎng)收益率之間存在雙向因果關(guān)系，對(duì)于北京和廣東碳市場(chǎng)，存在空氣質(zhì)量對(duì)碳市場(chǎng)收益率的單向因果關(guān)系，而對(duì)于深圳碳市場(chǎng)，空氣質(zhì)量與碳市場(chǎng)收益率之間不存在因果聯(lián)系；在第二階段，對(duì)于北京、上海、廣東和湖北四個(gè)碳市場(chǎng)，空氣質(zhì)量與碳市場(chǎng)收益率之間都存在雙向因果關(guān)系，對(duì)于深圳碳市場(chǎng)，存在空氣質(zhì)量對(duì)碳市場(chǎng)收益率的單向因果關(guān)系。這表明空氣質(zhì)量與碳市場(chǎng)收益率之間的因果關(guān)系與碳市場(chǎng)發(fā)展階段密切相關(guān)。

基于研究結(jié)果，本文提出一些建議：投資者應(yīng)該對(duì)空氣質(zhì)量信息保持關(guān)注，特別是當(dāng)碳市場(chǎng)收益率處于極端條件下，要提高理性分析能力，謹(jǐn)慎制定金融資產(chǎn)的交易策略；有減排義務(wù)的企業(yè)應(yīng)該做好對(duì)沖碳價(jià)波動(dòng)的風(fēng)險(xiǎn)，樹(shù)立可持續(xù)發(fā)展意識(shí)，積極投入到減排技術(shù)創(chuàng)新中；最后，政府應(yīng)該根據(jù)不同碳市場(chǎng)在不同時(shí)期的運(yùn)行情況以及各地的空氣污染程度制定和完善適合各試點(diǎn)的政策制度，并逐步建立健全全國(guó)統(tǒng)一的碳排放權(quán)交易體系，以保證碳市場(chǎng)的健康運(yùn)行，實(shí)現(xiàn)全社會(huì)低成本減排的作用，從而減緩全球變暖和抑制空氣質(zhì)量惡化。

本研究尚存不足之處，為以后的深入討論與研究提供思路：本研究側(cè)重考察空氣質(zhì)量和中國(guó)碳市場(chǎng)間的雙向因果關(guān)系，未深入探究?jī)烧唛g的影響途徑。未來(lái)研究可從機(jī)制分析入手，將機(jī)制變量引入模型，探究影響路徑，以此提出更為具體可行的政策措施。