摘要:“雙碳”目標的達成不是簡單的減少碳排放量,而是在碳排放約束下實現(xiàn)更高質(zhì)量的經(jīng)濟發(fā)展,平衡穩(wěn)增長和促減排之間的關(guān)系。本文應(yīng)用動態(tài)隨機一般均衡模型,通過開展多情景政策模擬,分別考察碳稅與碳減排支持工具的經(jīng)濟影響、作用機制及協(xié)調(diào)聯(lián)動效果。研究發(fā)現(xiàn):一是碳稅工具雖然可以促進碳減排,但也會引發(fā)經(jīng)濟收縮,使金融體系面臨較大轉(zhuǎn)型風險,而碳減排支持工具雖然能夠有效緩解經(jīng)濟下行壓力及轉(zhuǎn)型風險,但碳減排效果有限;二是碳稅和碳減排支持工具協(xié)調(diào)聯(lián)動既能緩解經(jīng)濟收縮壓力、控制轉(zhuǎn)型風險,又有顯著的碳減排效果,能夠在穩(wěn)增長和促減排之間達到較好的平衡;三是居民消費偏好和綠色與非綠色產(chǎn)品之間的替代彈性大小,對兩種工具在緩解經(jīng)濟收縮、控制轉(zhuǎn)型風險及促進碳減排等方面的政策效果具有邊際改善作用。
關(guān)鍵詞:碳稅;碳減排支持工具;政策協(xié)調(diào)聯(lián)動
中圖分類號:F832.1? ? ? ? 文獻標識碼:A? ? ? ? 文章編號:1007-0753(2023)06-0044-15
收稿日期:2022-10-14
作者簡介:何莎,中國人民銀行邵陽市中心支行,研究方向為能源經(jīng)濟、貨幣政策與財政政策協(xié)調(diào)。
一、引言
近年來,氣候環(huán)境不斷惡化所引發(fā)的一系列極端天氣和自然災(zāi)害事件,引發(fā)了國際社會對人與自然關(guān)系的深刻反思,氣候治理備受關(guān)注。為應(yīng)對全球氣候變化的挑戰(zhàn),目前已有約130個國家和地區(qū)提出碳減排目標,綠色低碳可持續(xù)發(fā)展已成為國際共識。從政策設(shè)計看,碳稅是目前世界范圍內(nèi)影響較大、使用較普遍的碳減排手段,已在40多個國家落地實施,有效減少了約20%的全球溫室氣體排放量。同時,作為金融工具之一的碳排放權(quán)交易,也是一個被廣泛使用的碳減排工具。從世界各國的實踐來看,越來越多的國家和地區(qū)意識到了碳稅與碳交易的各自優(yōu)劣,如果將兩者進行結(jié)合,可實現(xiàn)覆蓋范圍和價格機制上的互補,從而更好地實現(xiàn)碳減排目標。2020年初,新冠肺炎疫情沖擊使世界經(jīng)濟環(huán)境愈加復(fù)雜,同時也使得各國的政策空間變得更為有限,在此背景下,如何有效協(xié)調(diào)運用財政政策和貨幣政策工具,使其在碳減排領(lǐng)域發(fā)揮更大的作用變得日益重要。
實現(xiàn)碳達峰、碳中和是黨中央統(tǒng)籌國內(nèi)和國際兩個大局做出的重大戰(zhàn)略決策,是生態(tài)文明建設(shè)的重要組成部分。2021年11月,中國人民銀行創(chuàng)設(shè)推出結(jié)構(gòu)性貨幣政策工具——碳減排支持工具,旨在引導(dǎo)金融機構(gòu)在自主決策、自擔風險的前提下,向碳減排重點領(lǐng)域內(nèi)的各類企業(yè)提供低成本的碳減排貸款,以“先貸后借”的直達機制,支持碳減排領(lǐng)域發(fā)展,并由此撬動更多社會資金促進碳減排。在貨幣政策刺激下,碳減排工作取得有效進展。但在新冠肺炎疫情大流行后,不同部門均承受著經(jīng)濟下行的壓力,其中,既有低碳轉(zhuǎn)型支柱的“綠色部門”,又有碳排放密集的“棕色部門”,在此大環(huán)境下,碳減排工作也顯得動能不足。此外,“雙碳”目標要求建立一種新的經(jīng)濟模式,兌現(xiàn)巴黎氣候協(xié)議(Paris Climate Agreement,PCA)目標。這意味著實現(xiàn)碳達峰、碳中和不可能畢其功于一役,而是一項長期、復(fù)雜、艱巨的任務(wù),需要協(xié)調(diào)好經(jīng)濟、社會、環(huán)境發(fā)展全局,按照各地資源稟賦條件進行權(quán)衡,做到有進有退,有保有壓。這種權(quán)衡帶來了許多疑問,譬如什么樣的政策能夠在不助長碳排放的情況下有效實現(xiàn)經(jīng)濟復(fù)蘇?如何為這樣的政策融資?是否有一種政策比其他政策效果更好?為此,本文將圍繞財政政策、貨幣政策協(xié)調(diào)聯(lián)動的碳減排政策組合展開研究。
二、文獻綜述
財政政策和貨幣政策是調(diào)節(jié)宏觀經(jīng)濟運行的兩個主要“閥門”。2008年全球金融危機后,各國政府深刻認識到獨立運行的財政政策和貨幣政策實際上很難熨平大的經(jīng)濟波動,進而表現(xiàn)出對經(jīng)濟政策組合的重視,對兩者之間的協(xié)調(diào)配合關(guān)系逐漸形成一些共識。在新冠肺炎疫情沖擊后經(jīng)濟逐步實現(xiàn)復(fù)蘇的過程中,既要穩(wěn)住經(jīng)濟增長,又要推動綠色低碳轉(zhuǎn)型以應(yīng)對氣候變化,這引起社會各界對經(jīng)濟政策之間協(xié)調(diào)聯(lián)動的進一步反思,將目光越來越聚焦于財政政策與貨幣政策在碳減排與促增長方面的搭配效果研究。
在財政政策方面,有學者指出,稅收等財政政策工具比其他政策工具更有效,其中庇古稅是最有效的解決方式(王信等,2020)。碳稅已被證明是可行的碳減排工具,它可以將單個企業(yè)環(huán)境污染的外部性內(nèi)部化,將污染的社會成本內(nèi)化成企業(yè)的生產(chǎn)成本(Baranzini等,2000)。在貫徹落實國際、國家以及行業(yè)層面的碳減排目標上,碳稅疊加稅收返還優(yōu)惠政策還能增加社會福祉,有效提升社會福利水平(Fried等,2021),在綠色低碳轉(zhuǎn)型過程中發(fā)揮重要作用(Parry,2021)。馬麗麗和趙華偉(2021)通過對碳金融相關(guān)文獻進行梳理,發(fā)現(xiàn)以稅收為主的財政政策可以為我國碳金融發(fā)展實踐提供參考。然而也有研究表明,以碳稅為代表的財政政策會帶來一定的負面影響。具體而言,碳稅政策會沖擊勞動力市場(Mohommad,2021),引發(fā)經(jīng)濟衰退(Shi等,2015),并通過資產(chǎn)價格等渠道沖擊金融市場,影響金融穩(wěn)定(BCBS,2021)。Brunetti等(2021)認為,碳稅作為一種負向供給沖擊,大概率會降低經(jīng)濟產(chǎn)出,甚至會催生一些金融風險,但經(jīng)濟體有能力承受這種產(chǎn)出下降,投資者也有能力承受部分投資損失,因此監(jiān)管部門無需配合碳稅政策去完全消除這些不利影響。另外,也有研究者對此持謹慎態(tài)度,他們認為單純依賴能源補貼而不實施化石燃料稅對于緩解全球變暖是無效的(Hassler等,2012)。還有學者認為,碳減排政策引發(fā)的轉(zhuǎn)型風險應(yīng)視政策強度和國家具體情況而定,經(jīng)濟發(fā)展水平越低、對化石能源依賴度越高的國家,其面臨的轉(zhuǎn)型風險壓力越大(Bolton和Kacperczyk,2021)。
在貨幣政策方面,目前各國央行在應(yīng)對氣候變化方面采取了包括合格抵押品、信貸分配政策等在內(nèi)的貨幣政策工具,學術(shù)界也對此展開了相關(guān)研究,國內(nèi)有學者對氣候變化與貨幣政策之間的關(guān)系進行了定性分析(馬駿,2015)。王遙等(2019)通過構(gòu)建DSGE模型對綠色信貸激勵與經(jīng)濟轉(zhuǎn)型之間的關(guān)系進行研究,發(fā)現(xiàn)一定強度的綠色信貸激勵能夠在促進經(jīng)濟增長的同時較好地實現(xiàn)經(jīng)濟綠色轉(zhuǎn)型。國外學者也開展了相關(guān)研究,Annicchiarico和DiDio(2017)對不同貨幣政策和氣候政策組合的效果進行對比,發(fā)現(xiàn)考慮到溫室氣體排放的情況,應(yīng)當適當收緊貨幣政策才是最優(yōu)選擇。Papoutsi等(2021)研究了央行綠色資產(chǎn)購買計劃的環(huán)境效益,發(fā)現(xiàn)這一政策發(fā)揮效果的關(guān)鍵在于資產(chǎn)購買計劃對企業(yè)資金成本的影響程度和企業(yè)債券融資比例的大小。
此外,近年來,部分經(jīng)濟體針對包括轉(zhuǎn)型風險在內(nèi)的氣候風險,采取了壓力測試、調(diào)整低碳資產(chǎn)資本要求、加強氣候風險披露等監(jiān)管措施(Dikau 和Ryan-Collins,2017)。但這些監(jiān)管舉措的必要性、有效性仍存在爭議,Campiglio(2016)研究認為,如果銀行無法評估一筆資產(chǎn)屬于棕色還是綠色,或者因不熟悉綠色操作而需要支付較大的評估成本,那么監(jiān)管政策可能就不再“鋒利”,難以達到其效果。就工具合意度看,稅收和數(shù)量監(jiān)管等政策工具比貨幣政策等監(jiān)管政策更有效,后者可以作為前者的補充,但不能替代前者(王信等,2020)。綜上所述,單一政策存在針對性不強、轉(zhuǎn)型風險滋生等弊端,而政策協(xié)同則能夠較好地平衡穩(wěn)增長與促減排之間的關(guān)系,用最小代價實現(xiàn)最大減排,最大限度降低對經(jīng)濟社會的負面沖擊影響,因此亟須充分發(fā)揮政策協(xié)同作用。
現(xiàn)有研究主要集中在碳減排政策的宏觀經(jīng)濟效應(yīng)方面,多數(shù)研究證明碳稅、碳配額等財政政策對遏制污染企業(yè)生產(chǎn)、減少碳排放具有顯著效果,但少有文獻關(guān)注財政貨幣政策在應(yīng)對碳排放問題上的協(xié)同效應(yīng),對碳減排工具的協(xié)同配合研究缺乏理論支持。從研究方法來看,目前對碳減排金融支持工具的定量研究較少,且忽略了不同碳減排政策背后的傳導(dǎo)機制。鑒于此,本文在以碳稅為代表的財政減排措施的基礎(chǔ)上,結(jié)合國內(nèi)碳減排支持工具,運用動態(tài)隨機一般均衡模型(Dynamic Stochastic General Equilibrium,DSGE)分析不同政策工具的作用機制、碳減排效果及協(xié)同聯(lián)動經(jīng)濟效應(yīng)。
三、理論模型
圖1為本文使用的DSGE模型框架,在模型中將經(jīng)濟社會分為居民部門、綠色企業(yè)部門、非綠色企業(yè)部門、中間品廠商部門、最終品廠商部門、中央銀行部門以及政府部門等,各個部門根據(jù)效用和利潤最大化進行決策,部門之間的決策又相互影響,最終實現(xiàn)系統(tǒng)均衡。其中,居民部門由多個代表性居民構(gòu)成,代表性居民的效用由勞動和消費所決定,其消費綠色和非綠色部門所生產(chǎn)的產(chǎn)品,也同時為這兩個部門提供勞動,消費和勞動各自是不完全替代。代表性廠商的最優(yōu)決策取決于勞動和資本使用量,其他部門以此類推,均作出最優(yōu)決策。在實體經(jīng)濟方面,借鑒Annicchiarico和DiDio(2015)的研究,由于非綠色廠商生產(chǎn)具有外部性,生產(chǎn)過程會產(chǎn)生碳排放,增加大氣中碳含量,會對全要素生產(chǎn)率產(chǎn)生損害,而全要素生產(chǎn)率降低會抑制產(chǎn)出增長。因此,政府對非綠色廠商征收碳稅,以增加其污染成本并內(nèi)化外部污染問題。在金融方面,借鑒Gertler和Karadi(2011)的研究,銀行接受居民存款,向廠商提供貸款。銀行資產(chǎn)包括綠色、非綠色貸款和政府債券,這些資產(chǎn)之間存在不完全替代的關(guān)系。中央銀行通過碳減排支持工具,向綠色廠商提供額外融資??梢?,系統(tǒng)模型在各個部門之間建立起了聯(lián)系,一個部門決策的變化會引起其他部門的決策變化,由此形成本文的動態(tài)模型系統(tǒng)。
(一)居民部門
代表性居民從消費Ct和休閑1-Ht中獲得效用,Ht表示居民勞動,居民預(yù)期效用水平為:
其中,E0表示0時期的預(yù)期,β為主觀貼現(xiàn)率,γ為跨期消費替代彈性的倒數(shù),σ為勞動供給工資收入彈性的倒數(shù)。
居民消費C? t是綠色消費Cg,t和Cb,t非綠色消費的組合,即:
其中,μc表示非綠色消費在居民消費籃子中的權(quán)重,用以捕捉居民對非綠色商品的偏好。ε表示綠色消費與非綠色消費之間的替代彈性。
居民就業(yè)Ht是綠色就業(yè)Hg,t與非綠色就業(yè)Hb,t的組合,即:
其中,μh表示非綠色就業(yè)在居民就業(yè)籃子中的權(quán)重,刻畫居民在非綠色廠商中的勞動占比。居民預(yù)算約束為:
其中,Dh,t表示居民儲蓄,Rdt表示儲蓄利率,Wj表示不同勞動工資率,(1-σb)Nt表示銀行家也是居民部門的成員,因此銀行破產(chǎn)后最終會由居民部門得到其凈資產(chǎn)。Tt表示一次性政府轉(zhuǎn)移支付,Pb,t和Pg,t分別表示非綠色和綠色商品相對價格。
居民最優(yōu)一階條件為:
式(5)和式(6)分別表示居民對非綠色和綠色消費的最優(yōu)決策,式(7)和式(8)分別表示居民對非綠色和綠色就業(yè)的最優(yōu)決策,式(9)表示居民跨期消費最優(yōu)決策,即歐拉方程。
(二)廠商部門
1.最終品廠商
代表性最終品廠商以中間品為生產(chǎn)要素投入,生產(chǎn)最終產(chǎn)品Yt,價格為Pt ,其生產(chǎn)函數(shù)為:
其中,Yt(i)是中間品廠商i生產(chǎn)的中間品,其價格為Pt (i),ω表示中間投入品之間的替代彈性。
最終品廠商利潤最大化公式為:
2.中間品廠商
代表性中間品廠商生產(chǎn)函數(shù)為:
YtI是非綠色產(chǎn)品Yb,t和綠色產(chǎn)品Yg,t的組合,即:
其中,xi表示非綠色投入占總投入的比重,如前所述ε表示綠色消費與非綠色消費之間的替代彈性。中間品廠商以綠色產(chǎn)品和非綠色產(chǎn)品作為原材料投入生產(chǎn)中間產(chǎn)品,其綠色產(chǎn)品(Yg,t)與非綠色產(chǎn)品(Yb,t)最優(yōu)投入分別為:
中間品廠商價格Pt I為:
在壟斷競爭市場上,中間品廠商i面臨二次價格調(diào)整成本ACt(i),即:
上式為中間品廠商的二次價格調(diào)整成本函數(shù),其中,κp表示中間品廠商投資調(diào)整成本參數(shù),通貨膨脹水平為兩期價格水平之比,可以表示為πt = Pt /Pt-1,π ? 表示穩(wěn)態(tài)條件下的通脹水平,中間品廠商i的跨期價格決策為:
在對稱經(jīng)濟均衡下,可得菲利普斯曲線為:
3.非綠色廠商部門
非綠色廠商的生產(chǎn)函數(shù)為:
其中,Kb,t和Hb,t分別表示非綠色生產(chǎn)中投入的資本和勞動,非綠色廠商從銀行貸款購買資本,投資Ib,t運動方程為:
其中,δ和αb分別表示資本折舊率和資本產(chǎn)出彈性,Ab,t表示非綠色廠商的全要素生產(chǎn)率。本文借鑒Heutel(2012)、Annicchiarico和Di Dio(2015)的研究,考慮到大氣碳含量的提高會增加地表平均溫度,從而降低全要素生產(chǎn)率,抑制產(chǎn)出增長,設(shè)非綠色廠商全要素生產(chǎn)率與碳排放之間的關(guān)系為:Ab,t=1-D(x)ab,t。其中,d(x)表示碳排放損失函數(shù),即:
其中,d0 、d1、d2分別表示零階、一階和二階碳排放損失函數(shù)參數(shù),xt表示碳排放存量,生產(chǎn)沖擊ab,t服從隨機過程為:
碳排放演化方程為:
其中,δx表示污染自然衰減率,國內(nèi)碳排放量et取決于碳產(chǎn)出和碳減排努力,即:
其中,ηt表示減排努力程度,φ表示每單位產(chǎn)出的碳排放水平。et? ? row表示世界其他地區(qū)碳排放,根據(jù)《2020年世界能源統(tǒng)計》,我國碳排放量占全球1/3左右,故設(shè)et? ? ?row=2et 。借鑒Annicchiarico 和Di Dio(2015)的研究,減排成本Zt 是減排努力和產(chǎn)出的函數(shù),即:
其中,ψ1>0且ψ2>1,這表明隨著減排努力增加,減排成本將上升。τe,t? ? 表示政府對非綠色廠商征收的碳排放稅。非綠色廠商進行利潤最大化決策,即:
maxPb,tYb,t -Zt -τe,t et -Wb,t Hb,t -(Rι b,t -1 )Kb,t-1
非綠色廠商最優(yōu)一階條件為:
式(27)和式(28)分別表示非綠色廠商資本和勞動的最優(yōu)決策,式(29)表示非綠色廠商最優(yōu)減排努力決策。
4.綠色廠商部門
綠色廠商的生產(chǎn)函數(shù)為:
其中,Kg,t 和Hg,t分別表示綠色生產(chǎn)中投入的資本和勞動,綠色廠商從銀行貸款購買資本,ag表示綠色廠商生產(chǎn)中的資本份額。投資Ig,t運動方程為:
Ag,t 表示綠色廠商的全要素生產(chǎn)率,服從一個隨機過程為:
綠色廠商進行利潤最大化為:
綠色廠商最優(yōu)一階條件為:
(三)銀行部門
借鑒Auray等(2018)研究,銀行信貸資產(chǎn)包括綠色廠商、非綠色廠商和政府債券,銀行資產(chǎn)負債約束條件為:
其中,Assett 表示銀行資產(chǎn),Nt 表示銀行凈資本,其動態(tài)調(diào)整方程為:
其中,Rta表示銀行資產(chǎn)平均回報率,銀行隨機貼現(xiàn)率βt,t+1 = βλt+1/λt,銀行尋找值函數(shù)最優(yōu)現(xiàn)值,即未來凈資本折現(xiàn)值最大化。銀行值函數(shù)為:
猜銀行值函數(shù)是資產(chǎn)和凈資本的線性組合,即:
借鑒Gertler和Karadi(2011)的研究,銀行激勵約束條件為:
銀行杠桿率?t = Assett/Nt,利用待定系數(shù)法求解,得:
銀行非綠色、綠色資產(chǎn)及政府債券價格分別為qtb、qtg和qtB,資產(chǎn)平均價格為qta ,則有qtaAssett =
qtbKb,t + qtgKg,t + qtBBt,總資產(chǎn)與各類資產(chǎn)關(guān)系為 Assett =[μ1/ε(Kb,t)(ε-1)/ε + ηB1/ε(Kg,t)(ε-1)/ε + (1-μ-ηB)1/εBt(ε-1)/ε]ε/(ε-1),其中μ和ηB分別表示非綠色和綠色貸款相對權(quán)重。固定收益類資產(chǎn)價格與其預(yù)期回報率成反比,銀行資產(chǎn)最優(yōu)配置為:
其中,GQEt表示對綠色融資的支持,譬如央行碳減排支持工具。在我國,碳減排支持工具實際上屬于再貸款的一種,即商業(yè)銀行向企業(yè)發(fā)放碳減排貸款后,可向央行申請再貸款??紤]到央行按貸款本金的60%向銀行提供資金支持,剩下的40%是銀行配套資金,設(shè)GQEt = 0.6Kg,t。此外,銀行平均收益率與各類資產(chǎn)收益率的關(guān)系為:
銀行凈資本積累包括兩部分,一部分是存活下來繼續(xù)經(jīng)營的銀行凈資本,另一部分是新設(shè)銀行凈資本,Ψ表示新設(shè)銀行凈資本占上一期銀行資產(chǎn)的比重。
(四)政府部門
央行采用泰勒規(guī)則進行政策利率調(diào)控,即:
其中,Rn、π和Y分別為穩(wěn)態(tài)下名義利率、通貨膨脹率和產(chǎn)出水平。?r為利率政策平滑系數(shù),Φπ和ΦY分別為利率對通脹缺口和產(chǎn)出缺口的反饋系數(shù)。名義政策利率與實際利率、通脹率之間的Fisher關(guān)系為:
財政預(yù)算平衡約束條件為:
四、參數(shù)校準、估計與適用性檢驗
本文采用校準與貝葉斯估計相結(jié)合的方法進行模型參數(shù)取值。其中,對模型結(jié)構(gòu)參數(shù),采用直接校準法;對模型動態(tài)特征參數(shù),采用貝葉斯計量估計取值。本文僅考慮未受疫情影響的經(jīng)濟常態(tài)時期,選擇2010年1季度至2018年4季度為樣本時期。為避免估計的非奇異矩陣問題,選取的觀測變量個數(shù)等于結(jié)構(gòu)性沖擊個數(shù)。此外,對觀測變量進行季節(jié)調(diào)整和價格指數(shù)沖減后折算為實際變量,并對部分觀測變量進行單邊濾波去趨勢處理①。
(一)參數(shù)校準
校準法雖然不是嚴格意義上的統(tǒng)計估計方法,但校準法得到的參數(shù)來源于現(xiàn)實經(jīng)濟數(shù)據(jù),是對穩(wěn)態(tài)變量之間長期關(guān)系的良好近似替代,能較好地解決盧卡斯批判問題。本文從我國相關(guān)文獻研究中選取模型參數(shù)校準,對一些目前沒有可參考借鑒的部分參數(shù),則依據(jù)我國經(jīng)濟變量數(shù)據(jù)匹配標靶穩(wěn)態(tài)變量,然后依據(jù)標靶穩(wěn)態(tài)變量校準參數(shù)。參數(shù)校準值和取值依據(jù)見表1。
(二)貝葉斯估計
為使觀測變量與模型變量保持經(jīng)濟意義匹配的一致性,在模型中增加量測方程刻畫觀測變量與模型變量之間的關(guān)系。根據(jù)已有文獻先驗信息給出待估參數(shù)初始值,缺少先驗信息的則采用較為寬松設(shè)定,盡量使估計結(jié)果較少受先驗分布誤設(shè)的影響。由于Dynare優(yōu)化算法進行貝葉斯估計存在兩個問題:一是只能找到局部最大后驗密度,不能確保全局最大值;二是后驗密度海森矩陣非正定(Hessian Matrix is not positive),算法可能無法收斂。鑒于此,本文調(diào)用外部函數(shù)從先驗分布中執(zhí)行隨機模式搜索1 000次,并利用后驗分布MCMC通過Markov鏈抽樣20 000次模擬估計,提高對數(shù)數(shù)據(jù)密度(Log data density),保證估計穩(wěn)健性(Kriwoluzky,2017)。
(三)適用性檢驗
本文通過匹配比較經(jīng)濟模型與現(xiàn)實經(jīng)濟中主要宏觀變量的一階矩和二階矩條件,交叉驗證模型對現(xiàn)實經(jīng)濟的擬合效果。表3結(jié)果顯示,盡管模型為封閉經(jīng)濟體,未包含凈出口市場,與現(xiàn)實經(jīng)濟存在稍許偏差,但從經(jīng)濟結(jié)構(gòu)角度看,經(jīng)濟模型與實際樣本較為接近,這說明決定模型穩(wěn)態(tài)的結(jié)構(gòu)參數(shù)校準較為合理;從經(jīng)濟波動角度看,經(jīng)濟模型與實際樣本高度擬合,這說明觀測變量數(shù)據(jù)已充分識別估計待估參數(shù)。整體上,本模型對現(xiàn)實經(jīng)濟的擬合效果較好。
五、政策數(shù)值模擬
本文用碳排放稅來刻畫碳減排的財政政策工具,用碳減排支持工具來捕捉支持綠色發(fā)展的貨幣政策工具。首先,分析財政政策工具和貨幣政策工具各自獨立實施的政策效果,并在此基礎(chǔ)上,分析兩類工具協(xié)調(diào)聯(lián)動對于緩解轉(zhuǎn)型風險壓力、改善政策效果的作用,考察政策協(xié)調(diào)聯(lián)動對緩解轉(zhuǎn)型風險的不同影響。其次,進一步研究政策協(xié)調(diào)的影響因素,并考察其背后的作用機理。
(一)長期穩(wěn)態(tài)分析
兩種碳減排政策的側(cè)重點有所不同,以碳排放稅為主的財政政策旨在將碳排放的環(huán)境成本內(nèi)部化,增加廠商碳排放生產(chǎn)成本,抑制粗放型發(fā)展。以碳減排支持工具為主的貨幣政策則通過影響銀行持有綠色和非綠色資產(chǎn)的結(jié)構(gòu)偏好,定向精準增加綠色廠商貸款,促進集約型發(fā)展。
表4為引入財政貨幣政策工具前后關(guān)鍵經(jīng)濟變量的穩(wěn)態(tài)均衡值對比情況。與基準情景相比,在單獨實施碳排放稅的情景下,產(chǎn)出、就業(yè)、投資等變量長期穩(wěn)態(tài)值分別增長9.6%、15.5%和12.9%,綠色產(chǎn)出和綠色就業(yè)分別增長7.1%和24.2%,而非綠色產(chǎn)出和非綠色就業(yè)分別下降6.3%和13.3%。這表明從長期看,碳排放稅通過價格手段抑制了非綠色生產(chǎn),變相提高綠色生產(chǎn)市場競爭力,促進經(jīng)濟結(jié)構(gòu)優(yōu)化。在單獨實施碳減排支持工具的情景下,產(chǎn)出、就業(yè)、投資等變量長期穩(wěn)態(tài)值分別增長14.2%、69.0%和23.8%,綠色產(chǎn)出和綠色就業(yè)分別增長10.4%和30.3%,非綠色產(chǎn)出和非綠色就業(yè)分別增長4.9%和11.1%。這表明從長期看,碳減排支持工具保證了增量資金對綠色行業(yè)的精準投放,直達實體,但受市場流動性總量豐沛等因素影響,反過來也促進了非綠色產(chǎn)出和改善就業(yè)。在同時實施碳排放稅和碳減排支持工具的情景下,由綠色流動性外溢所引致的非綠色產(chǎn)出和非綠色就業(yè)增長都有所下降,而綠色產(chǎn)出和綠色就業(yè)增幅加大,經(jīng)濟產(chǎn)出結(jié)構(gòu)得到進一步優(yōu)化。
(二)政策協(xié)調(diào)的背后邏輯分析
本文設(shè)計兩種政策情景:僅征收碳排放稅方案和僅實施碳減排支持工具方案,并分別模擬該兩種政策實施的效果。圖2為單獨實施碳排放稅政策的效果圖。模擬結(jié)果顯示,征收碳排放稅具有顯著的碳減排效果。碳排放稅稅率上升25個基點,當期碳排放下降5%以上,碳減排效果明顯。同時,碳排放稅也會帶來轉(zhuǎn)型風險,體現(xiàn)在以下兩方面:一是引發(fā)經(jīng)濟收縮。由圖2可知,產(chǎn)出、投資和就業(yè)分別下降了1%、4%和0.2%,通貨膨脹卻上升了0.2%。這說明碳排放稅在短期內(nèi)給經(jīng)濟活動帶來額外成本,從而影響投資、就業(yè)和產(chǎn)出。二是加劇金融脆弱性。碳排放稅增加了非綠色廠商的相對成本,直接損害非綠色廠商資產(chǎn)負債表。反過來,非綠色廠商資產(chǎn)估值的大幅降低,也會帶給銀行巨大的信貸損失風險敞口,銀行凈資產(chǎn)下降2%,杠桿率上升3%,對金融穩(wěn)定構(gòu)成嚴峻挑戰(zhàn)。這說明轉(zhuǎn)型風險可能被金融加速器放大,減排政策所產(chǎn)生的影響先觸及實體經(jīng)濟,然后傳導(dǎo)至金融體系,再通過金融體系回擺至實體經(jīng)濟。這種“循環(huán)反饋”式的傳導(dǎo)路徑是形成重大系統(tǒng)性沖擊的決定性因素,極易放大風險,形成氣候“明斯基時刻”(Breeden,2019)。
圖3為單獨實施碳減排支持工具政策的效果圖,模擬結(jié)果顯示,碳減排支持工具可以減緩政策轉(zhuǎn)型風險。第一,對實體經(jīng)濟而言,在其向低碳經(jīng)濟轉(zhuǎn)型的過程中,產(chǎn)出、投資、就業(yè)等宏觀經(jīng)濟變量分別上升1%、4%和3%,避免了經(jīng)濟大幅收縮。而且,由于再貸款規(guī)模與綠色信貸資產(chǎn)規(guī)模掛鉤,綠色產(chǎn)出增加了0.5%,促進了經(jīng)濟結(jié)構(gòu)綠色轉(zhuǎn)型。第二,從政策效果看,央行碳減排支持工具實施后,市場流動性增加,促進了非綠色產(chǎn)出增長,也帶來了碳排放規(guī)模的擴大,這說明央行碳減排支持工具存在政策外溢性。但從碳強度(碳排放/產(chǎn)出)角度看,由于綠色產(chǎn)出增長大于非綠色產(chǎn)出增長,碳強度下降1%,即單位GDP產(chǎn)出所對應(yīng)的碳排放量在減少。貨幣政策是一種總量工具,盡管其可以通過結(jié)構(gòu)性定向支持特定行業(yè)的發(fā)展,但其外溢性仍是不可忽視的因素。這說明央行碳減排支持工具政策面臨穩(wěn)增長與促減排的權(quán)衡,即如何在放大支持綠色產(chǎn)業(yè)或產(chǎn)出增長效果的同時,減小政策外溢性,即減小對非綠色產(chǎn)出增長的支持作用。第三,對金融市場而言,在部分碳資產(chǎn)重新定價的過程中,銀行凈資產(chǎn)和杠桿率并未明顯下降或抬高,由政策轉(zhuǎn)型所引發(fā)的金融風險一定程度上得到抑制。這說明在充分識別綠色資產(chǎn)的前提下,碳減排支持工具能促進銀行綠色資產(chǎn)效應(yīng)增強,從而加強銀行體系韌性,提高其轉(zhuǎn)型風險應(yīng)對能力。
總體而言,碳減排是一項復(fù)雜的系統(tǒng)工程,并非單種政策能夠解決,而且若沒有相關(guān)政策支持需求,政策轉(zhuǎn)型沖擊會帶來更大的需求下行壓力,并通過金融體系進一步放大風險。因此,需要協(xié)調(diào)使用財政貨幣政策工具,避免“政策疊加”或“政策沖突”等問題,平衡好穩(wěn)增長和促減排之間的關(guān)系。
(三)政策協(xié)調(diào)的經(jīng)濟效果分析
為研究政策協(xié)調(diào)聯(lián)動能否在保持經(jīng)濟穩(wěn)定增長且具有一定增長速度的同時,保障就業(yè)民生,但又不與碳減排目標沖突,本文設(shè)計兩種政策情景。情景一:僅開征碳排放稅,央行不采取任何行動;情景二:在開征碳排放稅的同時,央行采取碳減排支持工具政策。兩種情景下的模擬結(jié)果如圖4所示,其中實線表示情景一的沖擊結(jié)果,虛線表示情景二的沖擊結(jié)果。模擬結(jié)果顯示,兩種情景下的碳減排效果差異不大,但經(jīng)濟金融指標表現(xiàn)截然不同。與僅實施碳排放稅情景相比,碳排放稅與碳減排支持工具的協(xié)調(diào)實施能使緩解經(jīng)濟收縮壓力與減緩轉(zhuǎn)型風險達到較好的平衡。產(chǎn)出、投資和就業(yè)等重要宏觀經(jīng)濟指標降幅顯著收窄,銀行凈資產(chǎn)下降幅度減小,銀行杠桿率有所下降??梢姡趨f(xié)調(diào)實施碳排放稅和碳減排支持工具政策情景中,經(jīng)濟收縮壓力和金融體系面臨的轉(zhuǎn)型風險都小于單獨實施碳排放稅政策情景。
(四)政策協(xié)調(diào)的影響因素分析
國際實踐表明,消費者偏好、綠色與非綠色商品之間的替代彈性都是政策工具邊際效應(yīng)的重要影響因素,鑒于此,本文探究這兩個指標對碳排放稅和碳減排支持工具政策協(xié)調(diào)聯(lián)動的影響情況,結(jié)果見圖5。結(jié)果顯示,碳排放稅與碳減排支持工具協(xié)調(diào)聯(lián)動的邊際效應(yīng)取決于居民消費偏好。隨著居民對綠色商品消費偏好的增加(即從0.9下降到0.5),產(chǎn)出、投資、就業(yè)等宏觀經(jīng)濟變量指標降幅顯著收窄,銀行凈資產(chǎn)下降幅度明顯減小,銀行杠桿率抬高幅度驟降,政策協(xié)調(diào)聯(lián)動在緩解經(jīng)濟收縮壓力、減緩轉(zhuǎn)型風險方面的效果得以放大。但隨著居民對綠色消費偏好的提高,這種政策效果的“邊際改善”會降低,表明財政貨幣政策協(xié)調(diào)聯(lián)動應(yīng)與推廣綠色消費習慣、培育綠色消費意識進行配合,能夠?qū)崿F(xiàn)政策效果的持續(xù)改善。
圖6為商品替代彈性對碳排放稅和碳減排支持工具政策協(xié)調(diào)聯(lián)動的影響情況,結(jié)果顯示,綠色與非綠色商品之間的替代彈性也是影響碳排放稅與碳減排支持工具協(xié)調(diào)聯(lián)動效果的一個重要因素。綠色產(chǎn)品與非綠色產(chǎn)品之間的可替代性越高,財政和貨幣政策協(xié)調(diào)效果就越好。這意味著需要加快建立綠色生產(chǎn)生活模式,提高綠色產(chǎn)品的可得性,增加綠色和非綠色商品之間的替代性,促使消費者選擇綠色消費方式,通過這些輔助措施提高碳減排政策協(xié)調(diào)效果。
六、結(jié)論與政策建議
本文基于動態(tài)隨機一般均衡模型框架,研究碳減排財政與貨幣政策協(xié)調(diào)聯(lián)動的必要性及其作用機制。研究發(fā)現(xiàn):
單獨實施碳排放稅能有效抑制碳排放,但同時也會帶來經(jīng)濟產(chǎn)出、投資和就業(yè)的下降,甚至催生出一些金融風險,譬如銀行凈資產(chǎn)下降和杠桿抬高。單獨實施碳減排支持工具措施能有效控制低碳轉(zhuǎn)型風險,避免實體經(jīng)濟過度收縮,緩解經(jīng)濟下行壓力,增強銀行體系韌性,但受市場整體流動性增加的影響,其也會促進非綠色行業(yè)產(chǎn)出的擴張,導(dǎo)致碳減排效果有限。
碳排放稅和碳減排支持工具協(xié)調(diào)聯(lián)動實施有助于形成穩(wěn)定的市場預(yù)期,減少金融市場不確定性,將對金融穩(wěn)定的影響降到最低,從而在緩解經(jīng)濟收縮壓力、防范轉(zhuǎn)型風險方面達到較好平衡。
在碳排放稅和碳減排支持工具疊加實施過程中,財政與貨幣政策協(xié)調(diào)聯(lián)動效果也受居民消費偏好以及綠色與非綠色商品之間替代彈性等外部因素的影響。居民對綠色消費偏好的增加和綠色與非綠色商品之間替代彈性的增大,都會放大政策協(xié)調(diào)聯(lián)動在緩解經(jīng)濟收縮壓力、減緩轉(zhuǎn)型風險方面的效果,但其對政策效果的“邊際改善”會降低。
基于上述研究結(jié)論,本文提出如下政策建議:一是重視頂層制度設(shè)計。在對不同碳減排財政貨幣工具的協(xié)調(diào)配合效果進行量化評估的基礎(chǔ)上,搭建復(fù)合型的減排政策組合制度,發(fā)揮各類調(diào)控方式的長處,形成有機互補、綜合發(fā)展的碳減排政策體系。二是強化政策協(xié)調(diào)和部門合作。在國家層面,可考慮在金融穩(wěn)定發(fā)展委員會下成立特別工作組,明確統(tǒng)籌財政政策、貨幣政策應(yīng)對碳減排工作的協(xié)調(diào)機制;在地方層面,發(fā)揮金融委辦公室地方協(xié)調(diào)機制作用,促進信息共享和行動協(xié)同,有效評估和應(yīng)對重點地區(qū)、重點行業(yè)轉(zhuǎn)型風險。三是普及綠色理念,提高綠色商品可得性。一方面,要充分發(fā)揮媒體的輿論引導(dǎo)作用,培育綠色消費意識,推廣綠色消費習慣,普及綠色消費理念;另一方面,引導(dǎo)企業(yè)進行綠色生產(chǎn),如鼓勵企業(yè)引進綠色環(huán)保產(chǎn)品設(shè)備,加大綠色產(chǎn)品的供給,提高綠色消費方式獲取的便利度,進而增強財政貨幣協(xié)調(diào)聯(lián)動政策效果。
注釋:
① 無特別說明的數(shù)據(jù)均來自WIND數(shù)據(jù)庫和CQER數(shù)據(jù)庫(https://www.frbatlanta.org/cqer.aspx的中國宏
觀數(shù)據(jù))。
參考文獻:
[1]王信,楊娉,王琰,持續(xù)強化對低碳綠色發(fā)展的金融支持[J].當代金融家,2020(12):26-29.
[2] BARANZINI A,GOLDEMBERG J,SPECK S.A future for carbon taxes[J].Ecological Economics,2000,32(03):395-412.
[3] FRIED S,NOVAN K,PETERMAN W B.Recycling carbon tax revenue to maximize welfare[J]. Finance and Economics Discussion Series,2021,23:1-30.
[4] PARRY I. Implementing the United States'domestic and international climate mitigation goals[J]. IMF Working Papers,2021,21(57):132-169.
[5] 馬麗麗,趙華偉.國內(nèi)外碳金融研究綜述[J].區(qū)域金融研究,2021,589(08):12-17.
[6] MOHOMMAD A. Employment effects of environmental policies–evidence from firm-level data[J]. IMF Working Papers,2021(140):76-101.
[7] SHI J R,TANG L,YU L A. Economic and environmental effects of coal resource tax reform in China:Based on a dynamic CGE approach[J]. Procedia Computer? Science,2015,55:1 313-1 317.
[8] BCBS. Climate-related financial risks-measurement methodologies[J]. BCBS Publicaitons,2021(04):27-54.
[9] BRUNETTI C, DENNIS B, GATES D. Climate change and financial stability[J].FEDS Notes, 2021,36:1 217-1 257.
[10] HASSLER J, KRUSELL P, OLOVSSON C. Energy-saving technical change[J].CEPR Discussion Papers, 2012,32:1-40.
[11] BOLTON P , KACPERCZYK M .Global pricing of carbon-transition risk[J].NBER Working Papers, 2021,54:342-276.
[12]馬駿.論構(gòu)建中國綠色金融體系[J].金融論壇,2015,20(05):18-27.
[13]王遙,潘冬陽,彭俞超,等.基于DSGE模型的綠色信貸激勵政策研究[J].金融研究,2019(11):1-18.
[14] ANNICCHIARICO B, DI DIO F. GHG emissions control and monetary policy[J].Environmental and Resource Economics,2017,67(04):823-851.
[15] PAPOUTSI M, PIAZZESI M,SCHNEIDER M. How unconventional is green policy[J].Working Paper,2021,23:78-134.
[16] DIKAU S, RYAN-COLLINS J. Green central banking in emerging market and developing countries[J].New Economics Foundation,2017,16:46-75.
[17] CAMPIGLIO E.Beyond carbon pricing:The role of banking and monetary policy in financing the transition to a low-carbon economy[J].Ecological Economics,2016,121:220-230.
[18] ANNICCHIARICO B, DI DIO F. Environmental policy and macroeconomic dynamics in a new Keynesian model[J].Journal of Environmental Economics and Management,2015,69:1-21.
[19] GERTLER M, KARADI P. A model of unconventional monetary policy[J]. Journal of Monetary Economics,2011(58):17-34.
[20] HEUTEL G. How should environmental policy respond to business cycles? Optimal policy under persistent productivity shocks[J].Review of Economic Dynamics, 2012,15(02):244-264.
[21] AURAY S, EYQUEM A, MA F. Banks, sovereign risk and unconventional monetary policies[J]. European Economic Review,2018,108:153-171.
[22] BENKHODJA M T , MA X , RAZAFINDRABE T.Build back better: The role of green monetary and fiscal policies[J].Social Science Electronic Publishing 2022,34:124-142.
[23]陳小亮,馬嘯,“債務(wù)—通縮”風險與貨幣政策財政政策協(xié)調(diào)[J].經(jīng)濟研究,2016(08):28-42.
[24] CARATTINI S,HEUTEL G , MELKADZE G .Climate policy, financial frictions, and transition risk[J].Social Science Electronic Publishing,2021,58:1-59.
[25]許志偉,王文甫.經(jīng)濟政策不確定性對宏觀經(jīng)濟的影響——基于實證與理論的動態(tài)分析[J].經(jīng)濟學(季刊),2019,18(01):23-50.
[26] NORDHAUS W.Evolution of modeling of the economics of global warming:Changes in the DICEmodel,? 1992—2017[J].Climatic Change,2018,148(04):623-640.
[27]中國人民銀行天津分行課題組,碳減排,轉(zhuǎn)型風險與監(jiān)管應(yīng)對——基于DSGE的政策模擬研究[J].金融監(jiān)管研究, 2022(06):1-27.
[28] KRIWOLUZKY A. Bayesian estimation of DSGE models[J].Journal of Economics, 2017,56(03):97-120.
[29] BREEDEN S. Avoiding the storm: Climate change and the financial system[Z].Official Monetary & Financial Institutions Forum,15 April,2019, London.
(責任編輯:張艷妮)
Research on the Coordinated Linkage of Fiscal and Monetary Policies under the Background of "Dual Carbon"
—— Based on DSGE Scenario Simulation
He Sha
(Shaoyang Central Branch, People's Bank of China)
Abstract: Achieving the "dual carbon" goal is not simply reducing carbon emissions, but achieving higher levels of economic development under carbon emission constraints and balancing the relationship between steady growth and promoting emission reduction. This paper applies a dynamic stochastic general equilibrium model to examine the economic impact, mechanism and coordinated linkage effect of carbon tax and carbon emission reduction support tools by conducting multi-scenario policy simulations. The study found: First, although the carbon tax tool can promote carbon emission reduction, it will also lead to economic contraction and pose greater transformation risks to the financial system. Although carbon emission reduction support tools can effectively alleviate economic downturn pressure and transformation risks, the effect of carbon emission reduction is limited. Second, the coordinated linkage of carbon tax and carbon emission reduction support tools can alleviate economic contraction pressure, control transformation risks, and have significant carbon emission reduction effects, achieving a good balance between steady growth and promoting emission reduction. Third, the marginal improvement of residents' consumption preferences and the substitution elasticity between green and non-green products has a marginal improvement effect on the policy effects of the two tools in alleviating economic contraction, controlling transformation risks and promoting carbon emission reduction.
Keywords: Carbon tax; Carbon emission reduction support tools; Policy coordination and linkage