郭 森，張凱文，祁 澤

（1. 華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院, 北京 102206；2. 新能源電力與低碳發(fā)展研究北京市重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)）, 北京 102206）

在能源結(jié)構(gòu)轉(zhuǎn)型和“雙碳”目標(biāo)背景下，我國(guó)正大力推動(dòng)碳市場(chǎng)建設(shè)，以期利用市場(chǎng)機(jī)制推動(dòng)碳減排步伐，實(shí)現(xiàn)經(jīng)濟(jì)綠色高質(zhì)量發(fā)展。與此同時(shí)，通過(guò)對(duì)現(xiàn)有能源結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展趨勢(shì)的判斷，在現(xiàn)階段及今后的一段時(shí)期，能源轉(zhuǎn)型仍需立足以煤為主的基本國(guó)情。在此基本國(guó)情下的碳減排行動(dòng)將催生煤炭?jī)r(jià)格和二氧化碳排放成本的較強(qiáng)關(guān)聯(lián)關(guān)系。

目前，不同學(xué)者運(yùn)用多種模型研究了碳市場(chǎng)中碳價(jià)的影響因素及風(fēng)險(xiǎn)溢出效應(yīng)。辛姜（2018）等人利用向量自回歸模型對(duì)不同條件下的碳價(jià)波動(dòng)特征進(jìn)行分析，結(jié)果顯示碳價(jià)會(huì)受到金融市場(chǎng)和工業(yè)市場(chǎng)等的影響[1]。夏睿瞳（2018）利用AR-GARCH 模型對(duì)深圳市、北京市、上海市、天津市和武漢省碳排放交易市場(chǎng)的日收益率序列進(jìn)行擬合，結(jié)果顯示當(dāng)期的收益率會(huì)受到內(nèi)部沖擊和外部沖擊的雙重影響，滯后期會(huì)對(duì)當(dāng)前收益率造成影響，外部沖擊會(huì)加大收益率的波動(dòng)，使波動(dòng)時(shí)間變長(zhǎng)[2]。王心悅（2021）對(duì)我國(guó)五個(gè)試點(diǎn)地區(qū)的碳市場(chǎng)收益率和交易價(jià)格進(jìn)行分析，結(jié)果顯示不同地區(qū)的碳價(jià)和碳價(jià)收益率存在顯著差別，但外部信息會(huì)對(duì)不同地區(qū)碳價(jià)造成影響，使得碳價(jià)發(fā)生波動(dòng)[3]。周子璇（2021）利用ARIMA 模型探究碳價(jià)的特征，結(jié)果顯示碳價(jià)呈非線性特征[4]。李菲菲等人（2019）利用GARCH 模型對(duì)六大碳市場(chǎng)的碳價(jià)數(shù)據(jù)的波動(dòng)性進(jìn)行分析，結(jié)果顯示上海碳價(jià)波動(dòng)幅度較大，北京的碳價(jià)收益率在極端情況下所面臨的風(fēng)險(xiǎn)損失最大[5]。吳永等人（2021）構(gòu)建ARMAGARCH（1,1）模型對(duì)試點(diǎn)地區(qū)的碳價(jià)進(jìn)行分析，結(jié)果顯示風(fēng)險(xiǎn)溢出效應(yīng)僅存在于部分碳市場(chǎng)之間[6]。王喜平（2021）等人對(duì)歐洲碳市場(chǎng)對(duì)國(guó)內(nèi)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行分析，結(jié)果顯示歐洲碳市場(chǎng)對(duì)國(guó)內(nèi)碳市場(chǎng)表現(xiàn)為正向的風(fēng)險(xiǎn)溢出[7]。張建文（2020）采用GARCH 模型和D-Y 溢出指數(shù)對(duì)我國(guó)地方碳市場(chǎng)之間的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行刻畫，結(jié)果顯示碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)具有時(shí)變性[8]。楊靜（2021）采用BEKK-GARCH 和DCC-GARCH 模型分析資本市場(chǎng)和碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，指出資本市場(chǎng)與碳市場(chǎng)存在明顯的風(fēng)險(xiǎn)溢出效應(yīng)[9]。Bredin 等人研究經(jīng)濟(jì)環(huán)境、能源市場(chǎng)和氣候環(huán)境等外部因素對(duì)歐洲碳價(jià)的影響，結(jié)果顯示上述影響因素均會(huì)對(duì)歐盟的碳價(jià)產(chǎn)生有利影響[10]。Benz（2009）對(duì)歐洲碳市場(chǎng)進(jìn)行分析，發(fā)現(xiàn)碳價(jià)格收益率具有高峰值，尾部較粗和波動(dòng)性集聚等特征[11]。Alberola 等人（2008）則通過(guò)分析歐美碳價(jià)的影響因素，發(fā)現(xiàn)能源價(jià)格和溫度能對(duì)歐美碳價(jià)造成影響[12]。Seifert（2008）通過(guò)構(gòu)建歐盟碳現(xiàn)貨價(jià)格的隨機(jī)均衡模型來(lái)分析歐盟碳市場(chǎng)的影響因素，結(jié)果表明歐盟碳現(xiàn)貨價(jià)格不受季節(jié)性影響[13]。Lin 和Chen（2019）分析北京碳市場(chǎng)、煤炭市場(chǎng)和資本市場(chǎng)間的動(dòng)態(tài)關(guān)系和風(fēng)險(xiǎn)溢出效應(yīng)，結(jié)果表明北京碳市場(chǎng)與煤炭市場(chǎng)間不存在風(fēng)險(xiǎn)溢出效應(yīng)[14]。此外，Chang 和Ye（2019）對(duì)我國(guó)碳市場(chǎng)與能源市場(chǎng)的風(fēng)險(xiǎn)關(guān)系進(jìn)行分析，指出能源市場(chǎng)與碳市場(chǎng)之間存在風(fēng)險(xiǎn)溢出效應(yīng)[15]。Balcilar 等（2016）通過(guò)分析能源市場(chǎng)與歐洲碳市場(chǎng)之間的動(dòng)態(tài)關(guān)系和風(fēng)險(xiǎn)溢出效應(yīng)，發(fā)現(xiàn)能源市場(chǎng)與碳市場(chǎng)的關(guān)系存在明顯的時(shí)效性，且風(fēng)險(xiǎn)溢出效應(yīng)顯著[16]。

上述文獻(xiàn)中，一些學(xué)者分析了碳市場(chǎng)與能源市場(chǎng)之間的動(dòng)態(tài)關(guān)系和風(fēng)險(xiǎn)溢出效應(yīng)，研究表明碳市場(chǎng)和能源市場(chǎng)的動(dòng)態(tài)關(guān)系和風(fēng)險(xiǎn)溢出效應(yīng)會(huì)隨碳市場(chǎng)建設(shè)地點(diǎn)、氣候環(huán)境等外部因素發(fā)生變化。但上述研究主要是基于模型所估計(jì)出的相關(guān)系數(shù)顯著性分析兩個(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)，缺乏對(duì)溢出的時(shí)變性和方向性的考察，并且上述文獻(xiàn)主要從全國(guó)視角剖析了能源市場(chǎng)對(duì)碳市場(chǎng)的單向風(fēng)險(xiǎn)溢出關(guān)系，缺乏對(duì)地區(qū)之間異質(zhì)性的分析，沒(méi)有對(duì)不同地區(qū)碳市場(chǎng)和煤炭市場(chǎng)之間的雙向風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行深入分析。因此，本文考慮我國(guó)碳市場(chǎng)發(fā)展現(xiàn)狀及不同試點(diǎn)地區(qū)之間的經(jīng)濟(jì)結(jié)構(gòu)、資源環(huán)境的異質(zhì)性，運(yùn)用DCC-GARCH-ΔCoVaR 模型對(duì)武漢、廣東、深圳碳市場(chǎng)和煤炭市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究，分析不同地區(qū)碳市場(chǎng)和煤炭市場(chǎng)之間的風(fēng)險(xiǎn)溢出時(shí)變性和方向性，從而為我國(guó)完善地區(qū)碳市場(chǎng)和能源市場(chǎng)機(jī)制提供政策參考，亦能夠?yàn)槭袌?chǎng)主體規(guī)避碳市場(chǎng)與能源市場(chǎng)風(fēng)險(xiǎn)提供決策幫助。

一、研究設(shè)計(jì)

（一） DCC-GARCH 模型

DCC-GARCH 模型最早由Engle（2002）[17]提出，該模型用來(lái)描寫兩個(gè)變量在同一時(shí)刻的非線性關(guān)系，兩個(gè)變量的DCC-GARCH 模型表達(dá)式為：

其中，Rt、 θ1、 θ2分別為動(dòng)態(tài)條件相關(guān)系數(shù)矩陣、正的標(biāo)量參數(shù)、負(fù)的標(biāo)量參數(shù)，且θ1+θ2<1,qAB為t 時(shí)期變量A、B之間的協(xié)方差。

因此基于DCC-GARCH（1,1）模型，兩個(gè)變量的動(dòng)態(tài)相關(guān)系數(shù)ρAB,t的計(jì)算公式為：

動(dòng)態(tài)條件相關(guān)系數(shù)ρAB,t越大，表示風(fēng)險(xiǎn)溢出效應(yīng)的程度越高。即當(dāng)其中一個(gè)變量所代表的市場(chǎng)價(jià)格發(fā)生大幅度波動(dòng)，所對(duì)應(yīng)的另一個(gè)市場(chǎng)的價(jià)格波動(dòng)幅度也會(huì)增大。

（二） CoVaR 模型

通常VaR 方法主要用來(lái)衡量在某一置信水平下，單個(gè)資產(chǎn)或機(jī)構(gòu)所面臨的最大損失，但是該方法只能用來(lái)衡量單個(gè)資產(chǎn)或機(jī)構(gòu)內(nèi)部的風(fēng)險(xiǎn)，無(wú)法衡量外部資產(chǎn)或機(jī)構(gòu)波動(dòng)所造成的系統(tǒng)性風(fēng)險(xiǎn)。系統(tǒng)性風(fēng)險(xiǎn)的主要特征為：1.一個(gè)極端事件對(duì)整個(gè)系統(tǒng)造成沖擊，2.該極端事件也讓第三方承擔(dān)額外的成本。因此系統(tǒng)性風(fēng)險(xiǎn)的典型特征表現(xiàn)為風(fēng)險(xiǎn)存在溢出性和傳染性[18]。

CoVaR 方法對(duì)VaR 方法進(jìn)行改進(jìn)，可以用來(lái)衡量系統(tǒng)性金融風(fēng)險(xiǎn)，CoVaR 表示在給定的時(shí)間和置信水平下，變量A發(fā)生損失時(shí)，變量B所面臨的最大潛在風(fēng)險(xiǎn)損失。因此當(dāng)變量A的所面臨風(fēng)險(xiǎn)損失為VaRqA時(shí)，變量B的所面臨最大風(fēng)險(xiǎn)潛在損失為：

式中CoVaRqBA為變量B所面臨的最大潛在風(fēng)險(xiǎn)損失，1-q 為置信水平，在此基礎(chǔ)上構(gòu)建變量 A 對(duì)變量 B 的ΔCoVaR 模型：

（三） DCC-GARCH-ΔCoVaR 模型

根據(jù)王周偉（2015）[19]對(duì)VaR 的定義，單個(gè)資產(chǎn)的VaR 計(jì)算式為:

由式（1）-（9）可推導(dǎo)出基于DCC-GARCH 模型的變量A對(duì)變量B的風(fēng)險(xiǎn)溢出效應(yīng)值：

二、實(shí)證分析

（一） 數(shù)據(jù)選取和處理

我國(guó)現(xiàn)有8 個(gè)碳市場(chǎng)試點(diǎn)地區(qū)，即北京、上海、天津、重慶、湖北、廣東、福建和深圳八省市地區(qū)，其中重慶、福建、天津和上海的碳交易量小，碳市場(chǎng)不活躍，在一段時(shí)間處于暫停交易階段，不具備實(shí)證的條件，將以上四個(gè)市場(chǎng)剔除。北京碳排放市場(chǎng)雖然成立時(shí)間早，但是北京市在2016 年起就開(kāi)始限制煤炭的使用，煤炭對(duì)碳排放市場(chǎng)的溢出效應(yīng)無(wú)法很好地反映，且北京碳市場(chǎng)交易量小，交易不活躍。因此本文選取成立時(shí)間長(zhǎng)、交易量大的武漢碳市場(chǎng)、深圳碳市場(chǎng)和廣東碳市場(chǎng)作為研究對(duì)象。

武漢碳市場(chǎng)在三個(gè)市場(chǎng)中最晚成立，相關(guān)數(shù)據(jù)從2014 年5 月開(kāi)始，本文選取2014 年5 月5 日到2021 年10 月14 日的武漢碳價(jià)收盤價(jià)格、廣東碳價(jià)收盤價(jià)格、深圳碳價(jià)收盤價(jià)格以及動(dòng)力煤價(jià)格的日度數(shù)據(jù)，刪除日期不重合的數(shù)據(jù)，得到有效數(shù)據(jù)5372 個(gè)。對(duì)有效數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理，所得到的數(shù)據(jù)不僅可以用來(lái)衡量收益率，還消除了異方差問(wèn)題。其中武漢碳價(jià)、深圳碳價(jià)、廣東碳價(jià)來(lái)自碳排放交易網(wǎng)（http://www.tanpaifang.com/），煤炭?jī)r(jià)格數(shù)據(jù)來(lái)自Wind 數(shù)據(jù)庫(kù)。

對(duì)相關(guān)數(shù)據(jù)進(jìn)行定義，R1表示武漢碳價(jià)收益率序列，R2表示廣東碳價(jià)收益率序列，R3表示深圳碳價(jià)收益率序列，R4表示煤炭?jī)r(jià)格收益率序列。

（二） 數(shù)據(jù)的描述性統(tǒng)計(jì)和ADF 檢驗(yàn)

由表1 可知，武漢、廣東、深圳的碳價(jià)收益率序列以及煤炭?jī)r(jià)格收益率序列的J-B 統(tǒng)計(jì)量p 值都為0，說(shuō)明4 個(gè)市場(chǎng)的收益率序列都不服從正態(tài)分布。從標(biāo)準(zhǔn)差來(lái)看，深圳碳價(jià)收益率的數(shù)值最大，為0.388，說(shuō)明深圳的碳價(jià)收益率波動(dòng)及對(duì)應(yīng)風(fēng)險(xiǎn)相對(duì)于其他三個(gè)市場(chǎng)大。武漢、廣東、深圳的碳價(jià)收益率序列以及煤炭?jī)r(jià)格收益率序列在99%的置信度水平下都是顯著的，說(shuō)明3 個(gè)碳市場(chǎng)和煤炭市場(chǎng)的收益率均為平穩(wěn)序列，可以進(jìn)行后續(xù)ARCH 檢驗(yàn)。

表1 描述性統(tǒng)計(jì)和ADF 檢驗(yàn)

（三） 自相關(guān)檢驗(yàn)與ARCH 檢驗(yàn)

對(duì)四個(gè)收益率序列進(jìn)行自相關(guān)性檢驗(yàn)。通過(guò)檢驗(yàn)可知，R1、R3、R4存在自相關(guān)性，R2不存在自相關(guān)性。因此對(duì)上述變量建立多個(gè)ARMA 模型，并根據(jù)AIC 值和SC 值確定各變量的最終方程，并對(duì)最終方程進(jìn)行ARCH 檢驗(yàn)，檢驗(yàn)結(jié)果如下表2 所示：

表2 ARCH 檢驗(yàn)表

可以發(fā)現(xiàn)，R1，R2，R3，R4的F 統(tǒng)計(jì)量在99%的水平下顯著，說(shuō)明對(duì)各變量所建立的模型存在ARCH 效應(yīng)，進(jìn)而對(duì)各變量構(gòu)建GARCH 模型。

（四） GARCH 模型構(gòu)建

由上文可知，四個(gè)收益率存在ARCH 效應(yīng)，考慮4 個(gè)市場(chǎng)中可能存在非對(duì)稱效應(yīng)。因此分別對(duì)4 個(gè)市場(chǎng)構(gòu)建GARCH 模型、TGARCH 模型、EGARCH 模型，結(jié)果如表3 所示：

表3 模型擬合表

其中， α0表示常數(shù)項(xiàng)， α1表示ARCH 項(xiàng)系數(shù)，在經(jīng)濟(jì)學(xué)中解釋為外部沖擊對(duì)條件方差的影響，反映市場(chǎng)對(duì)外部沖擊的敏感程度； β表示GARCH 項(xiàng)系數(shù)，在經(jīng)濟(jì)學(xué)中解釋為內(nèi)部沖擊對(duì)條件方差的影響，反映了收益率波動(dòng)的持續(xù)性； γ表示非對(duì)稱項(xiàng)系數(shù)，在經(jīng)濟(jì)學(xué)中表示杠桿效應(yīng)，由表3 可知：R1，R2，R3，R4的 γ均不為0，各變量均存在非對(duì)稱效應(yīng)。綜合模型系數(shù)、AIC 和SC 信息準(zhǔn)則，對(duì)R1，R2和R3構(gòu)建TGARCH 模型，對(duì)R4構(gòu)建GARCH 模型。

α1數(shù)值顯示，R1>R2>R3>R4，說(shuō)四個(gè)市場(chǎng)中武漢碳市場(chǎng)對(duì)新信息最敏感，廣東和深圳次之，煤炭市場(chǎng)對(duì)新信息的反映最為遲鈍。 β數(shù)值顯示，R3>R2>R4>R1，說(shuō)明市場(chǎng)沖擊對(duì)深圳碳市場(chǎng)造成的沖擊最為持久。R1和R2的 γ都大于0，說(shuō)明武漢碳市場(chǎng)和廣東碳市場(chǎng)存在杠桿效應(yīng)，也就是說(shuō)當(dāng)市場(chǎng)中存在新消息時(shí)，新消息會(huì)對(duì)這兩個(gè)市場(chǎng)造成正向沖擊，且該沖擊還會(huì)隨著杠桿效應(yīng)不斷加大。R3和R4的 γ都小于0，說(shuō)明非對(duì)稱效應(yīng)使得市場(chǎng)波動(dòng)減小，當(dāng)有新消息存在時(shí)，會(huì)使得深圳碳市場(chǎng)和煤炭市場(chǎng)的波動(dòng)減小。

（一） 模型結(jié)果和分析

1. 武漢碳市場(chǎng)和煤炭市場(chǎng)

利用R1和R4的GARCH 模型所得出的殘差序列進(jìn)行DCC-GARCH 分析，從而得到廣東碳市場(chǎng)和煤炭市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)、風(fēng)險(xiǎn)溢出關(guān)系以及風(fēng)險(xiǎn)溢出值，動(dòng)態(tài)相關(guān)系數(shù)如圖1 所示。

圖1 R4 與R1 的動(dòng)態(tài)相關(guān)系數(shù)

結(jié)合圖1 結(jié)果從波動(dòng)范圍進(jìn)行分析，2014—2020 年R1和R4的動(dòng)態(tài)相關(guān)系數(shù)在-0.2 與0.2 范圍內(nèi)波動(dòng)，到了2021 年動(dòng)態(tài)相關(guān)系數(shù)波動(dòng)幅度增大，在-0.4 與0.4 之間波動(dòng)；從動(dòng)態(tài)方向進(jìn)行分析，2014 年—2020 年R1與R4總體呈現(xiàn)出正向的動(dòng)態(tài)關(guān)系。

當(dāng)煤價(jià)出現(xiàn)劇烈波動(dòng)時(shí)，兩個(gè)市場(chǎng)的相關(guān)系數(shù)隨之發(fā)生劇烈波動(dòng)，煤炭市場(chǎng)通過(guò)電力企業(yè)這一中介因素對(duì)碳市場(chǎng)產(chǎn)生影響。圖2 顯示武漢碳價(jià)和煤炭?jī)蓚€(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出關(guān)系。

圖2 武漢碳市場(chǎng)與煤炭市場(chǎng)的風(fēng)險(xiǎn)溢出關(guān)系

從表4 和圖2 可以看出，R4的CoVaR 的值比R1的值大，說(shuō)明煤炭?jī)r(jià)格的條件風(fēng)險(xiǎn)價(jià)值比武漢碳交易價(jià)格的條件風(fēng)險(xiǎn)價(jià)值大。從兩個(gè)市場(chǎng)的△CoVaR 值和△CoVaR 圖形來(lái)看，煤價(jià)市場(chǎng)對(duì)武漢碳價(jià)的風(fēng)險(xiǎn)溢出大于武漢碳價(jià)對(duì)煤價(jià)市場(chǎng)的風(fēng)險(xiǎn)溢出。煤炭市場(chǎng)在整個(gè)電力生產(chǎn)行業(yè)中處于上游市場(chǎng)，同時(shí)由于武漢以重工業(yè)為經(jīng)濟(jì)支柱，對(duì)煤炭以及電力的需求量大，碳排放量高，煤炭市場(chǎng)在“炭-電-碳”的傳導(dǎo)途徑中占比大，煤炭市場(chǎng)的風(fēng)險(xiǎn)通過(guò)該傳導(dǎo)路徑直接影響碳市場(chǎng)。

表4 條件風(fēng)險(xiǎn)價(jià)值、邊際風(fēng)險(xiǎn)溢出值

從時(shí)間維度來(lái)看，煤炭?jī)r(jià)格在2015 年和2016 年對(duì)武漢碳市場(chǎng)有著很大的風(fēng)險(xiǎn)溢出，在這兩個(gè)時(shí)間點(diǎn)，煤價(jià)都出現(xiàn)了很強(qiáng)的價(jià)格波動(dòng)，對(duì)發(fā)電企業(yè)的發(fā)電量造成了直接沖擊進(jìn)而影響碳價(jià)波動(dòng)。雖然武漢的碳市場(chǎng)已經(jīng)成為全國(guó)最大的碳市場(chǎng)，但此時(shí)由于武漢的碳市場(chǎng)建設(shè)才兩年，制度建設(shè)不健全，國(guó)內(nèi)主流對(duì)碳排放不夠重視，使得碳市場(chǎng)無(wú)法對(duì)煤炭市場(chǎng)造成反向沖擊。到了2021 年，隨著“雙碳”目標(biāo)的提出，國(guó)家進(jìn)一步重視綠色建設(shè)，同時(shí)經(jīng)過(guò)5 年的發(fā)展，武漢碳市場(chǎng)交易機(jī)制不斷完善，交易量持續(xù)上漲，碳市場(chǎng)對(duì)煤炭市場(chǎng)造成反向風(fēng)險(xiǎn)沖擊。

2. 廣東碳市場(chǎng)和煤炭市場(chǎng)

利用R2和R4的GARCH 模型所得出的殘差序列進(jìn)行DCC-GARCH 分析，從而得到廣東碳市場(chǎng)和煤炭市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)、風(fēng)險(xiǎn)溢出關(guān)系以及風(fēng)險(xiǎn)溢出值，動(dòng)態(tài)相關(guān)系數(shù)如圖3 所示。

圖3 R2 與R4 的動(dòng)態(tài)相關(guān)系數(shù)

結(jié)合圖3 結(jié)果從波動(dòng)范圍進(jìn)行分析，2014—2020 年R4和R1的動(dòng)態(tài)相關(guān)系數(shù)在0 至-0.6 范圍內(nèi)波動(dòng)；從動(dòng)態(tài)方向進(jìn)行分析，2014—2020 年R1與R4總體呈現(xiàn)出負(fù)向的動(dòng)態(tài)關(guān)系，在2015 年5 月出現(xiàn)不顯著的正向動(dòng)態(tài)關(guān)系。

總體而言，廣東碳價(jià)和煤炭?jī)蓚€(gè)市場(chǎng)表現(xiàn)出負(fù)向的動(dòng)態(tài)相關(guān)關(guān)系，當(dāng)煤價(jià)出現(xiàn)劇烈波動(dòng)時(shí)，兩個(gè)市場(chǎng)的相關(guān)系數(shù)隨之發(fā)生劇烈波動(dòng)。圖4 顯示廣東碳價(jià)和煤炭?jī)蓚€(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出關(guān)系。

圖4 廣東碳市場(chǎng)和煤炭市場(chǎng)的風(fēng)險(xiǎn)溢出水平

從表5 和圖4 可以看出，R4的CoVaR 的值比R2的值大，說(shuō)明煤炭?jī)r(jià)格的條件風(fēng)險(xiǎn)價(jià)值比廣東碳交易價(jià)格的條件風(fēng)險(xiǎn)價(jià)值大，從兩個(gè)市場(chǎng)的△CoVaR 值和△CoVaR 圖形來(lái)看，煤炭市場(chǎng)對(duì)廣東碳價(jià)的風(fēng)險(xiǎn)溢出大于廣東碳價(jià)對(duì)煤價(jià)市場(chǎng)的風(fēng)險(xiǎn)溢出。

表5 條件風(fēng)險(xiǎn)價(jià)值、邊際風(fēng)險(xiǎn)溢出值

從時(shí)間維度上看，2014 年煤價(jià)對(duì)廣東碳市場(chǎng)有著很大的風(fēng)險(xiǎn)溢出，廣東省的碳排放價(jià)格在2014 年 成 立 之 初 出 現(xiàn) 過(guò) 暴 跌，由2014 年5 月5 日 的66.8 元 下 跌 到2014 年10 月16 日的25.65 元。2014 年，由于廣東省碳市場(chǎng)處于起步階段，為實(shí)現(xiàn)碳履約的正常進(jìn)行，廣東碳市場(chǎng)采用3%的有償配額和97%的無(wú)償配額機(jī)制的碳配額分配機(jī)制，企業(yè)所持有的碳排放配額較寬松，企業(yè)缺乏交易需求，導(dǎo)致廣東碳市場(chǎng)800 萬(wàn)噸碳配額沒(méi)能全部競(jìng)拍出去，碳價(jià)格不斷下跌，此后廣東省的碳排放價(jià)格在30 元范圍波動(dòng)。在煤價(jià)正常波動(dòng)范圍內(nèi)，廣東碳市場(chǎng)本身機(jī)制使得兩個(gè)市場(chǎng)在期初呈現(xiàn)負(fù)的溢出效應(yīng)。到2021 年，隨著市場(chǎng)機(jī)制不斷完善，廣東碳市場(chǎng)能對(duì)上游煤價(jià)市場(chǎng)產(chǎn)生影響，對(duì)煤價(jià)造成反向的風(fēng)險(xiǎn)溢出。

3. 深圳碳市場(chǎng)和煤炭市場(chǎng)

利用R3和R4的GARCH 模型所得出的殘差序列進(jìn)行DCC-GARCH 分析，從而得到深圳碳市場(chǎng)和煤炭市場(chǎng)之間的動(dòng)態(tài)相關(guān)系數(shù)、風(fēng)險(xiǎn)溢出關(guān)系以及風(fēng)險(xiǎn)溢出值，動(dòng)態(tài)相關(guān)系數(shù)如圖5 所示。根據(jù)圖5 結(jié)果從波動(dòng)范圍進(jìn)行分析，2014—2020 年R3和R4的動(dòng)態(tài)相關(guān)系數(shù)在-0.15 與-0.05 范圍內(nèi)波動(dòng)，到了2021 年動(dòng)態(tài)相關(guān)系數(shù)波動(dòng)幅度減小，在0.5 范圍內(nèi)波動(dòng)；從動(dòng)態(tài)方向進(jìn)行分析，2014—2020 年R3與R4呈現(xiàn)出負(fù)向的動(dòng)態(tài)關(guān)系，在2020 年5 月—2021年呈現(xiàn)出正向的動(dòng)態(tài)關(guān)系。

圖5 R3 與R4 的動(dòng)態(tài)相關(guān)系數(shù)

圖6 顯示深圳碳價(jià)和煤炭?jī)蓚€(gè)市場(chǎng)的風(fēng)險(xiǎn)溢出關(guān)系。

圖6 深圳碳市場(chǎng)與煤炭市場(chǎng)的風(fēng)險(xiǎn)溢出水平

從表6 和圖6 可以看出，R4的CoVaR 的值比R3的值大，說(shuō)明煤炭?jī)r(jià)格條件風(fēng)險(xiǎn)價(jià)值比深圳碳交易權(quán)的條件風(fēng)險(xiǎn)價(jià)值大。從兩個(gè)市場(chǎng)的△CoVaR 值和△CoVaR 圖形來(lái)看，兩個(gè)市場(chǎng)在樣本期間內(nèi)大部分呈現(xiàn)負(fù)向的風(fēng)險(xiǎn)溢出效應(yīng)。就具體數(shù)值而言，煤炭?jī)r(jià)格對(duì)深圳碳價(jià)的風(fēng)險(xiǎn)溢出程度大于后者對(duì)前者的風(fēng)險(xiǎn)溢出程度。

表6 條件風(fēng)險(xiǎn)價(jià)值、邊際風(fēng)險(xiǎn)溢出值

從時(shí)間軸上來(lái)看，在2019 年5 月份，煤炭市場(chǎng)對(duì)深圳碳排放市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)達(dá)到最大值。在動(dòng)態(tài)相關(guān)系數(shù)圖中，兩個(gè)市場(chǎng)的動(dòng)態(tài)相關(guān)系數(shù)也達(dá)到了最大值，其中2020 年煤炭市場(chǎng)對(duì)深圳碳市場(chǎng)的溢出效應(yīng)變?yōu)檎担c動(dòng)態(tài)相關(guān)系數(shù)圖變動(dòng)一致。

三、結(jié)論與建議

基于上文的實(shí)證分析，本文主要得出以下結(jié)論：

（1）從單個(gè)市場(chǎng)角度來(lái)看，武漢碳市場(chǎng)對(duì)外部信息最敏感，廣東和深圳次之，煤炭市場(chǎng)對(duì)外部信息的反映最為遲鈍。市場(chǎng)沖擊對(duì)深圳碳市場(chǎng)造成的沖擊最為持久，深圳碳市場(chǎng)需要長(zhǎng)時(shí)間去吸收沖擊所造成的影響。武漢碳市場(chǎng)和廣東碳市場(chǎng)存在杠桿效應(yīng)，當(dāng)市場(chǎng)出現(xiàn)一個(gè)利好消息時(shí)，會(huì)對(duì)這兩個(gè)市場(chǎng)造成正向沖擊，且這個(gè)沖擊會(huì)隨著杠桿效應(yīng)不斷加大。深圳碳市場(chǎng)和煤炭市場(chǎng)存在反杠桿效應(yīng)，當(dāng)有外部信息沖擊時(shí)，會(huì)使得兩個(gè)市場(chǎng)的波動(dòng)減小。

（2）從碳市場(chǎng)和煤炭市場(chǎng)的風(fēng)險(xiǎn)溢出角度而言，碳市場(chǎng)在建設(shè)初期，由于市場(chǎng)機(jī)制的不完善和交易量的不活躍，兩個(gè)市場(chǎng)之間主要表現(xiàn)為煤炭市場(chǎng)對(duì)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。隨著碳市場(chǎng)的不斷完善，碳市場(chǎng)對(duì)煤炭市場(chǎng)造成風(fēng)險(xiǎn)溢出，此時(shí)碳市場(chǎng)和煤炭市場(chǎng)之間存在雙向的風(fēng)險(xiǎn)溢出效應(yīng)。與此同時(shí)，由于三個(gè)地區(qū)的電力結(jié)構(gòu)不同，也會(huì)對(duì)風(fēng)險(xiǎn)溢出效應(yīng)的方向造成不同影響，相對(duì)于煤價(jià)的波動(dòng)溢出對(duì)武漢碳市場(chǎng)的正向沖擊，廣東碳市場(chǎng)和深圳碳市場(chǎng)由于存在“西電東送”政策，可以從外省獲得大量電力，煤價(jià)的波動(dòng)溢出會(huì)對(duì)碳價(jià)造成負(fù)向沖擊。

綜上，由于碳價(jià)市場(chǎng)和煤炭市場(chǎng)之間具有顯著的風(fēng)險(xiǎn)溢出效應(yīng)，以及兩個(gè)市場(chǎng)的溢出水平和溢出方向存在著強(qiáng)烈的區(qū)域性變化，這些因素均不利于有效防范碳價(jià)市場(chǎng)以及煤炭市場(chǎng)的價(jià)格風(fēng)險(xiǎn)，為此本文提出以下建議：

（1）根據(jù)建立全國(guó)統(tǒng)一碳市場(chǎng)的實(shí)際需求，綜合考慮并合理協(xié)調(diào)各區(qū)域差異，以形成多元貿(mào)易體系

從上述結(jié)論可以看出不同的碳市場(chǎng)對(duì)信息的敏感程度不同，相同的信息可能會(huì)對(duì)不同的地方碳市場(chǎng)造成不同的影響，煤炭市場(chǎng)會(huì)對(duì)各個(gè)區(qū)域的碳市場(chǎng)會(huì)產(chǎn)生不同的風(fēng)險(xiǎn)溢出效應(yīng)。因此，在我國(guó)建立統(tǒng)一碳市場(chǎng)制度背景下，因地制宜，綜合考量各地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)環(huán)境、人口比例等外部因素，結(jié)合該地區(qū)的碳市場(chǎng)的碳配額分配方法，選擇多樣化的交易制度，搭建碳現(xiàn)貨、碳期貨等碳金融工具，通過(guò)套期保值等市場(chǎng)化手段減少外部信息所造成的碳市場(chǎng)價(jià)格波動(dòng)，合理規(guī)避碳風(fēng)險(xiǎn)。此外,政府部門在碳市場(chǎng)的制度設(shè)計(jì)和運(yùn)行管理過(guò)程中，還須加強(qiáng)宏觀調(diào)控，避免過(guò)度投機(jī)等市場(chǎng)內(nèi)部行為造成碳價(jià)劇烈波動(dòng)，通過(guò)市場(chǎng)監(jiān)管、定期抽查企業(yè)碳排放量等行政手段降低碳價(jià)波動(dòng)風(fēng)險(xiǎn)，并維護(hù)碳價(jià)的在合理范圍波動(dòng)。

（2）完善我國(guó)碳市場(chǎng)自身風(fēng)險(xiǎn)監(jiān)測(cè)機(jī)制

從本文研究結(jié)論可以看出，碳市場(chǎng)成立初期由于市場(chǎng)機(jī)制的不完善和交易量的不活躍，兩個(gè)市場(chǎng)之間主要表現(xiàn)為煤炭市場(chǎng)對(duì)碳市場(chǎng)的風(fēng)險(xiǎn)溢出效應(yīng)。因此，在全國(guó)統(tǒng)一碳市場(chǎng)建立初期需要構(gòu)建相應(yīng)的風(fēng)險(xiǎn)預(yù)警制度，以減少煤炭市場(chǎng)對(duì)碳市場(chǎng)產(chǎn)生的單方向性風(fēng)險(xiǎn)溢出。一方面，全國(guó)統(tǒng)一碳市場(chǎng)監(jiān)管者必須對(duì)可能造成碳市場(chǎng)價(jià)格劇烈波動(dòng)的因素進(jìn)行防范，避免碳市場(chǎng)價(jià)格劇烈波動(dòng)，另一方面，在建立全國(guó)統(tǒng)一碳交易市場(chǎng)時(shí)，也必須充分考慮煤炭?jī)r(jià)格波動(dòng)等干擾風(fēng)險(xiǎn)對(duì)區(qū)域減排成本所產(chǎn)生的不良影響，并提出有效合理可行的風(fēng)險(xiǎn)監(jiān)控方法。