王喜平，王婉晨

（華北電力大學 經(jīng)濟管理系，河北 保定 071003）

0 引言

碳市場在中國的發(fā)展已逾10年。2021年7月，全國碳市場上線交易后，其年成交量遠超同期其他碳市場，居全球首位。目前，我國碳市場運行中仍存在“重履約輕交易”現(xiàn)象。在經(jīng)濟一體化背景下，碳價格波動劇烈，不僅會加劇碳市場自身投資風險、阻滯碳減排相關(guān)技術(shù)的長期投資，其甚至會通過價格信號、投資者行為等多種途徑對股票等外部市場產(chǎn)生顯著影響。當前，我國股票市場的波動呈現(xiàn)出聚集性、非對稱性和長記憶性，投資風險和資產(chǎn)管理風險以及市場監(jiān)管難度隨之上升。在此背景下，股票市場的價格波動也不可避免地會對碳市場產(chǎn)生影響。

探究碳市場與股票市場間的價格和風險溢出效應具有重要意義。已有研究也充分表明，隨著碳市場金融屬性的日漸顯現(xiàn)，其與金融市場之間的相關(guān)關(guān)系也愈加顯著。文獻[1]運用協(xié)整檢驗研究發(fā)現(xiàn)，金融市場的股票價格是歐盟碳價格的影響因素之一。文獻[2]運用多元回歸模型研究發(fā)現(xiàn)，金融市場對歐盟碳價格具有顯著影響。文獻[3]運用格蘭杰因果檢驗研究發(fā)現(xiàn)，股票市場與歐盟碳市場現(xiàn)貨價格具有緊密聯(lián)系。

隨著我國碳試點市場的運行，對于國內(nèi)碳市場與金融市場關(guān)系的研究逐步開展。文獻[4]運用VAR（vector autoregressive）模型研究發(fā)現(xiàn)，高碳排放行業(yè)股票市場與中國碳市場之間存在長期負相關(guān)關(guān)系。文獻[5]基于套利定價理論構(gòu)建線性函數(shù)，研究發(fā)現(xiàn)：能源、公共事業(yè)、工業(yè)和材料行業(yè)的股票指數(shù)與碳價格具有正相關(guān)關(guān)系。文獻[6]運用非線性自回歸分布滯后模型（nonlinear auto-regressive distributed lag，NARDL）進行研究，發(fā)現(xiàn)中國碳市場價格與一些能源密集型行業(yè)以及金融行業(yè)的股票市場顯著相關(guān)。

近年來，有更多的研究關(guān)注了碳市場與股票市場間風險的傳導機制。文獻[7]研究發(fā)現(xiàn)，中國區(qū)域碳市場與煤炭市場、新能源股票市場之間的波動溢出效應具有長期持續(xù)性。文獻[8]運用GAS（generalized autoregressive score）-DCS（dynamic conditional score）-Copula模型研究發(fā)現(xiàn)，金融市場對歐盟碳市場存在顯著的風險溢出效應。文獻[9]運用Diebold和Yilmaz（簡寫，DY）溢出指數(shù)模型研究發(fā)現(xiàn)，歐盟碳市場與股票市場之間的溢出效應要優(yōu)于債券市場。

本文結(jié)合我國碳市場與股票市場特點，選用Diebold和Yilmaz在2009年[10]創(chuàng)建并于2012年改進[11]的DY溢出指數(shù)模型作為主要方法進行以下研究：（1）不同于現(xiàn)有研究大多只關(guān)注碳市場與某單一股票市場間的溢出效應，本文選取更廣泛的股票市場作為研究對象——不僅包括能源行業(yè)，還包括高耗能行業(yè)與低耗能行業(yè)。（2）不同于現(xiàn)有研究方法大多基于 GARCH族模型或Copula函數(shù)，因而僅能刻畫溢出效應強度的情況，本文基于廣義誤差方差分解構(gòu)建 DY溢出指數(shù)，分別從價格溢出和風險溢出2個層面，測算我國碳市場和股票市場間的靜態(tài)溢出和時變溢出，以便全面把握在不同宏觀經(jīng)濟運行狀況下 2種溢出方式的特征。

1 溢出機制與模型構(gòu)建

1.1 溢出機制

如圖1所示，根據(jù)信息傳播所依賴的路徑不同，溢出效應可以分為價格溢出和波動溢出。前者指通過價格發(fā)現(xiàn)過程產(chǎn)生的聯(lián)系[12]，側(cè)重于考慮價格的聯(lián)動機制；后者則指當一個市場受到某種風險沖擊時，可能會對其他市場參與者是否再持有資產(chǎn)的意愿產(chǎn)生影響[13]，側(cè)重于考慮在政策變動和經(jīng)濟震蕩時期的風險傳遞效用。二者可分別用收益率（一階矩）和波動率（二階矩）來度量。

圖1 碳市場與股票市場溢出機制圖Fig.1 Spillover mechanism between carbon market and stock market

從圖1可以看出，碳市場與股票市場之間的信息溢出主要通過3種路徑來實現(xiàn)。

一是投資者行為路徑?；谛袨榻鹑趯W理論，投資者行為是金融市場間存在信息傳導的直接原因。首先，非理性投資者情緒的上升會放大利好消息，反之會放大利空消息。例如，碳價變化會對碳排放量和空氣質(zhì)量產(chǎn)生影響，而空氣質(zhì)量的變化可以通過影響投資者情緒進而影響股票市場。其次，我國碳市場和股票市場的透明度不高、投資者掌握的信息有限，所以容易產(chǎn)生羊群效應，這會進一步加強2個市場間產(chǎn)生的信息傳導。最后，因信息掌握不充分等原因，投資者經(jīng)常會根據(jù)以往經(jīng)驗對當前情況進行判斷及啟發(fā)式?jīng)Q策。例如，當一個市場發(fā)生波動時，投資者會認為其他市場也會發(fā)生波動，從而做出投資決策，進而導致了其他市場的價格波動。

二是市場有效性路徑。首先，由于碳市場與股票市場都會受到宏觀經(jīng)濟周期等共同信息的影響，且股票市場有效性顯著高于碳市場，這會導致股票市場對共同信息的反應速度更快，于是產(chǎn)生股票市場對碳市場的溢出。其次，市場私有信息的存在，致使一個市場所產(chǎn)生的波動信息傳遞到其他市場。例如，碳交易會將企業(yè)過量排放二氧化碳產(chǎn)生的“負外部性”內(nèi)部化，從而通過影響企業(yè)成本影響企業(yè)的現(xiàn)金流，最終可能會導致企業(yè)的股價波動。

三是政府政策路徑。一方面，當政府出臺環(huán)保和產(chǎn)業(yè)政策來限制企業(yè)的高碳排放行為時，會對高碳排放行業(yè)股價造成一定的沖擊，從而影響企業(yè)對碳排放權(quán)的需求，最終導致碳價波動。另一方面，政府部門為提高金融市場資源配置效率和市場競爭力，會出臺相關(guān)政策放松金融管制。因此，由企業(yè)的碳排放行為引起的碳價波動，不僅會影響自身股價波動，還會通過投資者跨市交易、碳配額需求以及政策引導等途徑對整體股市產(chǎn)生影響；反之整體股市的波動也會反作用于碳市場。

1.2 模型構(gòu)建

該模型中，變量Xj對于變量Xi溢出效應的估計值，為變量Xi在H步預測誤差方程中來自于Xj的部分——，表示為：

式中：H=1,2,···,n；Ω為誤差向量ε的方差矩陣；σjj為第j個變量預測誤差的標準差；ei為N維選擇列向量，其第i個元素是1，其余元素是0。

總溢出指數(shù)是用來度量總體相關(guān)程度的指標，用于表示整體的風險聯(lián)動程度?？傄绯鲋笖?shù)記為TSI，可由公式（3）得出：

方向性溢出指數(shù)用來度量某個市場與其余所有市場之間的溢出程度。式（4）和式（5）可以分別度量市場i對其他市場的溢出指數(shù)、其他市場對市場i的溢出指數(shù)。

凈溢出指數(shù)用來度量單個市場對于其他市場的凈溢出，即：

凈配對溢出指數(shù)用來衡量單個市場之間波動溢出效應。

2 實證分析

2.1 變量選取與數(shù)據(jù)描述

以北京區(qū)域碳交易市場數(shù)據(jù)為例進行研究。該區(qū)域碳市場的控排行業(yè)包括工業(yè)、服務業(yè)、農(nóng)業(yè)等，是我國目前覆蓋控排行業(yè)最廣的試點市場；因此該碳市場與不同板塊股票市場的關(guān)聯(lián)關(guān)系應大于其他碳市場。另外，選取電力、傳統(tǒng)能源、新能源等7個股票市場作為研究對象；指標的選取和數(shù)據(jù)來源具體見表1。

表1 樣本市場的選取與數(shù)據(jù)來源Tab.1 Selection of sample markets and data source

表1中，電力市場、傳統(tǒng)能源市場、新能源市場代表能源行業(yè)；工業(yè)市場、材料市場、房地產(chǎn)市場代表高耗能行業(yè)；金融市場代表低耗能行業(yè)。

為了衡量各個市場的價格溢出和風險溢出，本文采用日收益率來表示價格溢出，即Rt=lnpt–lnpt–1。式中，Rt為碳交易價格在t日的對數(shù)收益率；pt和pt–1分別為碳交易價格在t日和t–1日的收盤價。

用日波動率來表示風險溢出。借鑒文獻[14,15]的方法，計算各個市場收益率ARMA（autoregressive moving average）過程的殘差序列；將殘差序列的絕對值做為波動率。

表2給出了這8個指標數(shù)據(jù)的描述性統(tǒng)計。表2中數(shù)據(jù)的樣本區(qū)間為2015年7月14日—2022年1月12日。

考察表2的數(shù)據(jù)可知：

表2 收益率和波動率的描述性統(tǒng)計Tab.2 Descriptive statistics for returns and volatilities

（1）碳市場收益率和波動率的均值、最大值和標準差明顯高于其他市場，即碳市場相對于其他市場而言，具有更大的價格、風險不確定性。

（2）各收益率和波動率序列偏度皆不等于0，且峰度都大于3。JB（Jarque-Bera）統(tǒng)計量的值也表明，各變量的收益和波動率序列都在1%的顯著性水平下拒絕原假設，即選取樣本數(shù)據(jù)均不是正態(tài)分布，具有尖峰厚尾的特征。

（3）采用 ADF（augmented dickey-fuller）和PP（projection pursnit）方法進行平穩(wěn)性檢驗的結(jié)果表明，每個序列在1%置信水平下均平穩(wěn)，因此可以構(gòu)建溢出指數(shù)模型。

2.2 靜態(tài)溢出指數(shù)

表3、表4分別展示出了碳市場與股票市場之間的價格溢出效應和風險溢出效應。其中滯后階數(shù)根據(jù)AIC和SC準則確定為1階，廣義方差分解的預測期選為10天。

表3 碳與各股票市場間價格溢出指數(shù)表Tab.3 Table of price spillover indices between carbon and stock markets %

表4 碳與各股票市場間風險溢出指數(shù)表Tab.4 Table of risk spillover indices between carbon and stock markets %

從表3和表4中可以發(fā)現(xiàn)：（1）總體而言，“碳–股票”系統(tǒng)的價格溢出效應（63.86%）大于風險溢出效應（60.26%）；可見該系統(tǒng)在價格層面的信息溢出更加明顯。（2）無論是價格溢出還是風險溢出，所有市場受自身滯后效應影響均高于受其他市場溢出的影響，且碳市場受自身影響分別為96.08%和91.62%，在所有市場中最大。（3）從方向性溢出來看，碳市場與各個股票市場之間的風險溢出效應是雙向、非對稱的。工業(yè)市場、材料市場為價格溢出和風險溢出的凈溢出方，電力市場、碳市場、新能源市場和房地產(chǎn)市場為價格溢出和風險溢出的凈接收方。

進一步觀察表3和表4發(fā)現(xiàn)：

首先，碳市場與能源行業(yè)以及高耗能行業(yè)之間的溢出效應強于低耗能行業(yè)，且這一結(jié)果也已在諸多文獻中得到過印證。

其次，碳市場主要是被動地接收信息溢出。價格溢出主要來自工業(yè)市場等高耗能行業(yè)。目前我國碳排放價格受需求影響較大，工業(yè)經(jīng)濟的發(fā)展與碳排放權(quán)需求量呈正比，因此高耗能行業(yè)在碳市場與股票市場間的價格聯(lián)動中扮演著重要角色。風險溢出主要來自新能源市場、電力市場和傳統(tǒng)能源市場。相對于其他行業(yè)而言，能源行業(yè)的價格波動風險更會對碳市場投資者是否持有碳資產(chǎn)的意愿產(chǎn)生影響，因此能源行業(yè)在碳與股票市場間的風險傳遞中占據(jù)主導地位。

再者，碳市場對股票市場也存在一定的溢出：對新能源市場的價格溢出最大，對傳統(tǒng)能源市場的風險溢出最大。

最后，由于我國碳市場起步較晚、發(fā)展不成熟，面臨著較多的不確定性風險信息，因此碳市場與股票市場之間的溢出效應以風險溢出為主，價格溢出為輔；碳市場對外的風險溢出更為明顯，且這一結(jié)果也在文獻[16]中得到過印證。

2.3 時變溢出指數(shù)

由于靜態(tài)溢出表無法反映溢出效應隨時間的動態(tài)變化情況，為此，將滾動窗口技術(shù)與 DY溢出方法相結(jié)合，使用100天的滾動窗口進一步計算各市場溢出的總溢出指數(shù)、方向性溢出指數(shù)和凈溢出指數(shù)。

2.3.1 總溢出指數(shù)

圖2和圖3分別為碳與股票市場的價格總溢出指數(shù)和風險總溢出指數(shù)時變圖。

圖2 價格總溢出指數(shù)時變圖Fig.2 Dynamic diagram of total price spillover index

圖3 風險總溢出指數(shù)時變圖Fig.3 Dynamic diagram of total risk spillover index

從圖2和圖3中可以看出，2條曲線具有相似的變化趨勢，但變化幅度存在一定差異——價格總溢出指數(shù)的波動幅度要小于風險總溢出指數(shù)。2016—2021年，各個市場之間的總溢出指數(shù)維持在20%～80%之間，市場整體聯(lián)動性較強。但總溢出指數(shù)存在顯著的波動性和不確定性，有3次顯著的波動，分別發(fā)生在2016—2018年、2018—2019年、2020—2021年期間，原因分析如下：

2016年是“十三五”開局之年。為解決經(jīng)濟運行中的各種問題和矛盾，中央決定推進供給側(cè)結(jié)構(gòu)性改革?！叭ヒ唤狄谎a”中的去杠桿對我國各板塊市場進行了有效回調(diào)，在一定程度上，降低了市場之間的風險聯(lián)動性。

2018年，人民幣持續(xù)貶值、中國股市持續(xù)下跌，宏觀經(jīng)濟面對極端狀況，整體的系統(tǒng)性風險上升。因此，從2018年初到2019年初，總風險溢出指數(shù)處于一個顯著上升的周期。

從2020年初開始，受疫情影響，經(jīng)濟增長放緩，市場之間的風險聯(lián)動性降低?？梢钥闯?，從2020年初到2021年初，總風險溢出指數(shù)處于一個波動下降的周期；特別在2020年底，呈現(xiàn)急劇下降的態(tài)勢。

另外，在2020年，受到全球范圍內(nèi)的降息和動用非常規(guī)貨幣政策措施的影響，宏觀經(jīng)濟狀況雖有所回升，但很快又陷入到“流動性陷阱”的風險中。因此，在2020年中，總溢出指數(shù)呈現(xiàn)小幅上升又迅速回落的趨勢。

2.3.2 方向性溢出指數(shù)與凈溢出指數(shù)

圖4和圖5展示出了2016—2021年，碳市場與各股票市場的價格溢出和風險溢出的時變特征。

圖4 各市場價格方向溢出和凈溢出的時變特征Fig.4 The time-varying characteristics of price direction spillover and net spillover of each market

圖5 各市場風險方向溢出和凈溢出的時變特征Fig.5 The time-varying characteristics of risk direction spillover and net spillover of each market

從圖4和圖5可以看出：首先，各市場的方向性溢出指數(shù)存在一定的波動性和不確定性，受極端經(jīng)濟事件的沖擊較大。其次，我國企業(yè)股權(quán)融資占總?cè)谫Y比例較低，導致企業(yè)碳減排狀況與股價聯(lián)系有限，碳市場發(fā)展不完善，致使碳市場與股票市場之間的溢出效應相對較弱。但是，在一定程度上，投資者行為、市場有效性和政府政策也會產(chǎn)生價格聯(lián)動和風險傳遞。

從價格溢出的角度來看，碳市場溢出指數(shù)的時變情況可以根據(jù)其對外溢出水平“net”值是否接近于或大于零，劃分為4個階段：

第一階段——2016年中到2018年初。在這一階段，受碳市場不斷發(fā)展完善以及2017年初需要啟動全國統(tǒng)一碳排放交易政策影響，碳市場對外價格溢出水平在短期內(nèi)持續(xù)上升。碳排放權(quán)價格變動的信息對其他市場的影響不斷加大。

第二階段——2018年初到2019年初。碳市場對外價格信息溢出能力經(jīng)歷了先降后升的歷程。2018年4月，碳交易主管部門由發(fā)改委轉(zhuǎn)隸至生態(tài)環(huán)境部，碳交易市場迎來了新一輪的改革；短期內(nèi)市場不確定性加大，對外溢出能力降低。

第三階段——2019年初到2020年初。除2019年下半年呈現(xiàn)短期內(nèi)對外溢出和接收小幅上升外，整個階段較為平穩(wěn)。2019年生態(tài)環(huán)境部先后發(fā)布了《碳排放權(quán)交易管理暫行條例（征求意見稿）》等諸多文件規(guī)范碳市場運行，提高了碳市場與其他股票市場之間的關(guān)聯(lián)性。相對于股票市場，碳市場有效性和信息傳導效率偏低，因此“from”曲線增幅要大于“to”。

第四階段——2020年初到 2021年底。2020年初，國內(nèi)各市場受到新冠疫情沖擊的影響，風險和不確定性加大，碳市場對外溢出水平上升。2021年全國碳市場建設的穩(wěn)步推進，碳市場的市場有效性增加，對外凈溢出曲線出現(xiàn)末尾平穩(wěn)上升的情況。

從上述分析結(jié)果來看，碳市場與股票市場間的價格溢出主要來自于政府政策變動和宏觀經(jīng)濟波動帶來的價格聯(lián)動。

對比風險溢出指數(shù)和價格溢出指數(shù)可知：

（1）從波動幅度來看，碳市場風險溢出指數(shù)的波動幅度要略低于價格溢出。這表明碳市場的價格溢出的變動對中國碳市場改革、經(jīng)濟增速放緩等事件更加敏感。但是，各股票市場的風險溢出指數(shù)波動幅度均略高于價格溢出；這是由于在有效市場中，投資者非理性行為等帶來的風險溢出指數(shù)變動要大于價格聯(lián)動強度的變動。

（2）2020年，在新冠疫情的影響下，各個市場接收到的風險溢出均要大于價格溢出。從該結(jié)果可以看出，在疫情下，風險的傳導要大于價格的傳導——在極端經(jīng)濟情況下，投資者非理性情緒風險的作用要大于價格聯(lián)動機制。

（3）在部分極端情況下，例如在 2020年初到2021年中，碳市場的風險溢出指數(shù)變動略滯后于價格溢出。這是由于碳市場發(fā)展不完善，非理性恐慌情緒帶來的風險溢出尚需更多的時間去影響碳市場的價格。

2.4 溢出指數(shù)穩(wěn)健性檢驗

首先，用更改預測期的方法對靜態(tài)溢出指數(shù)結(jié)果進行穩(wěn)健性檢驗。計算預測期為 12天和 20天的靜態(tài)溢出指數(shù)，結(jié)果與預測期為10天的表3、表4結(jié)果完全一致。這說明增加預測期對估計結(jié)果沒有影響。

其次，從更改變量順序角度，對動態(tài)溢出指數(shù)進行穩(wěn)健性檢驗。總溢出指數(shù)結(jié)果與更改變量順序之前的圖2、圖3完全一致。這說明更改變量順序?qū)烙嫿Y(jié)果沒有影響。

最后，從更改滾動窗口期角度，對動態(tài)溢出指數(shù)進行穩(wěn)健性檢驗。圖 6為滾動窗口期由 100天更改為150天后，計算所得的總溢出指數(shù)結(jié)果，與更改前表現(xiàn)出相似的發(fā)展路徑。因此，穩(wěn)健性檢驗通過。

圖6 總溢出指數(shù)時變圖（更改變量順序）Fig.6 Dynamic diagram of total spillover index (change the variable order)

本文從更改變量順序和更改滾動窗口期2個角度，對動態(tài)溢出指數(shù)進行穩(wěn)健性檢驗。圖6所示為將變量順序進行更改，計算得到的總溢出指數(shù)結(jié)果。圖7所示為將滾動窗口期由100天更改為150天，計算所得總溢出指數(shù)結(jié)果。從圖6、圖7可以看出，總溢出指數(shù)在更改前后表現(xiàn)出相似的發(fā)展路徑，所以之前所得出的分析結(jié)論依然成立。

圖7 總溢出指數(shù)時變圖（更改滾動窗口期）Fig.7 Dynamic diagram of total spillover index (change the rolling window period)

3 主要結(jié)論與政策建議

本文選用2015年7月14日—2022年1月12日碳市場和相關(guān)股票市場數(shù)據(jù)作為研究對象，從價格溢出和風險溢出2個層面，測算碳市場與能源、高耗能和低耗能行業(yè)股票市場之間溢出方向和強度，得到如下結(jié)論：

（1）從靜態(tài)溢出指數(shù)來看?！疤绩C股票”系統(tǒng)的整體信息聯(lián)動性較強，碳市場與股票市場間的風險溢出強度要大于價格溢出。就溢出方向而言，碳市場屬于“碳–股票”系統(tǒng)的凈接收方；但就強度而言，不同行業(yè)市場的溢出表現(xiàn)各異、具有非對稱性。高耗能行業(yè)對碳市場的價格溢出最大，能源行業(yè)則對碳市場的風險溢出最強。

（2）從時變指數(shù)來看。“十三五”以來，在有關(guān)政策出臺和宏觀經(jīng)濟波動時，碳市場與股票市場之間的溢出指數(shù)也會發(fā)生波動，且碳市場價格溢出指數(shù)的波動幅度要大于風險溢出指數(shù)。在部分極端情況下，碳市場風險溢出指數(shù)的變動略滯后于價格溢出指數(shù)。

總之，中國碳市場與股票市場間的聯(lián)動關(guān)系明顯，且具有時變性。為有效防范風險，促進碳市場健康、安全、高效運行，本文提出以下建議：

（1）從政策制定者的角度看。應當理清“碳–股票”系統(tǒng)的信息傳遞機制，檢測碳市場主要風險來源行業(yè)的發(fā)展狀況，重點關(guān)注能源行業(yè)和高耗能行業(yè)。完善碳市場相關(guān)風險防范機制以防范信息溢出效應導致的碳價暴跌風險，并采取適當?shù)膬r格穩(wěn)定機制對碳價進行干預。

（2）從投資者的角度看。需對碳市場與關(guān)聯(lián)市場之間的信息溢出機制進行了解，并提防股票市場的信息溢出效應，及時調(diào)整資產(chǎn)組合策略，降低風險溢出對其造成的損失。

（3）從碳市場發(fā)展角度看。需要豐富市場參與主體，提升市場交易的活躍度，提高碳排放定價的有效性，進而引導資源的有效配置，充分發(fā)揮碳市場的減排作用。