饒欣,邱文妍,艾佳穎,林華麗,楊楠
(廣東外語外貿(mào)大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院,廣東 廣州 510006)
在應(yīng)對全球氣候變化的迫切需求下,開展碳排放權(quán)交易,建立全國碳市場,是中國積極應(yīng)對氣候變化的重要抓手。2011 年10 月國家發(fā)展和改革委員會(huì)批準(zhǔn)北京、天津、上海、重慶、湖北、廣東、深圳7 個(gè)省市開展國內(nèi)碳排放權(quán)交易試點(diǎn)工作,為建設(shè)和發(fā)展全國碳排放權(quán)交易市場奠定基礎(chǔ)。從2013 年6 月深圳試點(diǎn)碳市場率先啟動(dòng)以來,國內(nèi)試點(diǎn)碳市場陸續(xù)運(yùn)行,截至2021 年7月全國碳排放權(quán)交易市場(發(fā)電行業(yè))啟動(dòng),國內(nèi)碳交易規(guī)??偭恳呀?jīng)成為全球第二大交易市場。
實(shí)現(xiàn)“雙碳”目標(biāo)是一場廣泛而深刻的變革,推進(jìn)“雙碳”工作,必須堅(jiān)持全國統(tǒng)籌、節(jié)約優(yōu)先、雙輪驅(qū)動(dòng)、內(nèi)外暢通、防范風(fēng)險(xiǎn)的原則。從試點(diǎn)階段整體情況看,國內(nèi)試點(diǎn)碳市場普遍存在著價(jià)格波動(dòng)大,交易市場流動(dòng)性不強(qiáng),整體成熟度較低的特點(diǎn)[1],某種程度上反映出國內(nèi)碳市場不斷集聚的風(fēng)險(xiǎn)壓力。目前針對碳市場風(fēng)險(xiǎn)的識別和管控機(jī)制還不健全,不穩(wěn)定的市場運(yùn)行會(huì)影響碳市場的調(diào)節(jié)效率進(jìn)而影響到最終的減排成果,值得引起研究的注意。
近年來,關(guān)于碳市場風(fēng)險(xiǎn)的文獻(xiàn)集中于風(fēng)險(xiǎn)的識別及防范機(jī)制研究。一般而言,碳市場風(fēng)險(xiǎn)包括政策風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和市場風(fēng)險(xiǎn)[2]。現(xiàn)有文獻(xiàn)主要從監(jiān)管角度對政策風(fēng)險(xiǎn)和信用風(fēng)險(xiǎn)展開定性分析[3-4];在定量研究方面,主要涉及碳交易市場的風(fēng)險(xiǎn)測度與風(fēng)險(xiǎn)傳導(dǎo)研究。
碳價(jià)格及其波動(dòng)率是碳市場風(fēng)險(xiǎn)度量研究的重要內(nèi)容,碳價(jià)的異常波動(dòng)往往會(huì)對碳市場整體的穩(wěn)定性造成負(fù)面影響,研究方法主要圍繞對碳價(jià)收益率的波動(dòng)進(jìn)行建模。對歐盟碳配額現(xiàn)貨和期貨價(jià)格波動(dòng)[5-6]和國內(nèi)各試點(diǎn)碳市場交易價(jià)格波動(dòng)[7-9]的研究發(fā)現(xiàn),國內(nèi)外碳市場價(jià)格、收益率波動(dòng)均不服從均值回歸,具有非對稱性波動(dòng)特征和顯著的杠桿效應(yīng);國內(nèi)碳市場價(jià)格波動(dòng)大且各試點(diǎn)存在較大差異,反映出中國碳市場發(fā)展的區(qū)域不平衡性,需要重視對碳市場風(fēng)險(xiǎn)的監(jiān)測,防范波動(dòng)風(fēng)險(xiǎn)傳導(dǎo)。
在險(xiǎn)價(jià)值(VAR)也是衡量碳市場極端風(fēng)險(xiǎn)的常用度量指標(biāo),可結(jié)合ARMA、GARCH 族擴(kuò)展模型分析碳市場價(jià)格波動(dòng)風(fēng)險(xiǎn)在下一個(gè)持有期內(nèi)造成的最大可能損失。學(xué)者們發(fā)現(xiàn)碳市場存在顯著的極端價(jià)格波動(dòng)風(fēng)險(xiǎn),歐盟碳配額現(xiàn)貨市場和期貨市場風(fēng)險(xiǎn)具有顯著相關(guān)性[6-9];國內(nèi)各試點(diǎn)碳市場存在動(dòng)態(tài)極端跳躍風(fēng)險(xiǎn),但風(fēng)險(xiǎn)大小存在差異[7-16]。由于碳價(jià)格收益率序列具有尖峰厚尾特性、杠桿效應(yīng)以及弱自相關(guān),有學(xué)者認(rèn)為GARCH-VAR模型可能會(huì)低估碳市場風(fēng)險(xiǎn)。
碳市場風(fēng)險(xiǎn)傳導(dǎo)的研究主要圍繞宏觀經(jīng)濟(jì)、能源市場、股票市場對碳市場的風(fēng)險(xiǎn)溢出效應(yīng)和國內(nèi)各試點(diǎn)碳市場之間的風(fēng)險(xiǎn)傳染效應(yīng)。學(xué)者們采用系統(tǒng)動(dòng)力學(xué)模型、TVP-VAR、Copula 組合VAR 模型等方法分析碳市場風(fēng)險(xiǎn)水平及相關(guān)因素的動(dòng)態(tài)變化。研究發(fā)現(xiàn),宏觀經(jīng)濟(jì)、能源市場變化與國內(nèi)外碳市場之間存在非對稱的動(dòng)態(tài)相依結(jié)構(gòu)和風(fēng)險(xiǎn)溢出,國內(nèi)碳市場在大部分時(shí)間表現(xiàn)為波動(dòng)的凈接收方,而歐盟碳市場處于波動(dòng)的凈傳遞方,這主要?dú)w因于歐盟碳市場的有效性相對強(qiáng)于我國,與能源、股票市場的聯(lián)動(dòng)也更明顯[17-22],而國內(nèi)碳市場對能源股票市場影響較弱。其次,發(fā)現(xiàn)國內(nèi)各試點(diǎn)市場之間存在雙向波動(dòng)溢出效應(yīng),即各試點(diǎn)市場在風(fēng)險(xiǎn)接收者與風(fēng)險(xiǎn)傳遞者兩個(gè)角色間不斷轉(zhuǎn)變,反映出國內(nèi)碳市場風(fēng)險(xiǎn)的溢出具有時(shí)變性[23-27],且由碳市場價(jià)格波動(dòng)導(dǎo)致的碳市場風(fēng)險(xiǎn)溢出對企業(yè)長期低碳投資、經(jīng)營績效產(chǎn)生一定程度的影響[28-29]。
綜上所述,盡管針對我國碳市場風(fēng)險(xiǎn)度量的研究已取得一定進(jìn)展,但現(xiàn)有研究存在以下不足:第一,現(xiàn)有研究大多聚焦于碳市場價(jià)格波動(dòng)風(fēng)險(xiǎn)的識別和評估,所利用的信息有限,尚未形成全面的碳市場風(fēng)險(xiǎn)管理理論和方法;第二,現(xiàn)有研究主要集中于對國內(nèi)單個(gè)試點(diǎn)交易市場風(fēng)險(xiǎn)進(jìn)行測量,未將整個(gè)中國碳市場納入考量,無法提供全面有效的信息;第三,現(xiàn)有研究主要研究了各試點(diǎn)市場之間的風(fēng)險(xiǎn)溢出效應(yīng),缺乏對于市場風(fēng)險(xiǎn)形成機(jī)理的實(shí)證分析。碳市場風(fēng)險(xiǎn)管理要及時(shí)準(zhǔn)確識別碳市場風(fēng)險(xiǎn)壓力狀態(tài),明確市場風(fēng)險(xiǎn)的源頭,防控風(fēng)險(xiǎn)傳染。本文擬通過改進(jìn)碳市場風(fēng)險(xiǎn)狀態(tài)測度指標(biāo)及指標(biāo)加權(quán)方法,構(gòu)建基于時(shí)變相關(guān)系數(shù)矩陣的中國碳市場風(fēng)險(xiǎn)壓力指數(shù)(CCMRI),識別分析碳市場不同區(qū)制風(fēng)險(xiǎn)狀態(tài)特征,并進(jìn)一步利用TVPVAR 模型分析控排行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)壓力狀態(tài)的動(dòng)態(tài)影響,為監(jiān)管機(jī)構(gòu)和交易主體管理決策提供參考。
在金融市場風(fēng)險(xiǎn)研究中,通過銀行、股票、債券和外匯等市場一系列反映金融市場運(yùn)行情況的指標(biāo),構(gòu)建金融市場壓力指數(shù)(FSI),實(shí)時(shí)監(jiān)控和防范金融危機(jī)是研究金融市場系統(tǒng)性風(fēng)險(xiǎn)的重要方法之一[30-35]。碳排放權(quán)及其衍生品也是一種金融資產(chǎn),本文借鑒金融市場壓力指數(shù)的構(gòu)建思路和方法,選取符合碳市場運(yùn)行風(fēng)險(xiǎn)特征的測度指標(biāo),構(gòu)建中國碳市場風(fēng)險(xiǎn)壓力指數(shù)。
(1)碳市場交易價(jià)格波動(dòng)率P。價(jià)格波動(dòng)性反映出交易產(chǎn)品未來價(jià)格的不確定性和市場風(fēng)險(xiǎn)壓力情況,交易價(jià)格波動(dòng)率體現(xiàn)出價(jià)格風(fēng)險(xiǎn)的大小和市場情緒的波動(dòng)強(qiáng)弱,由以下公式計(jì)算得到:
式中:pricei,t代表國內(nèi)i試點(diǎn)市場t日成交均價(jià),pricei,t-1則為i試點(diǎn)市場上一個(gè)交易日的成交均價(jià)。各個(gè)試點(diǎn)碳市場的交易詳情、活躍度有差異,部分碳市場存在交易日數(shù)據(jù)缺失的現(xiàn)象,參考王文舉等[36]對中國碳市場統(tǒng)一價(jià)格指數(shù)編制的做法,對于各試點(diǎn)市場沒有成交價(jià)的交易日,用上一個(gè)交易日成交均價(jià)填補(bǔ)缺失數(shù)據(jù)。
(2)碳市場流動(dòng)性比率L。市場流動(dòng)性是反映市場風(fēng)險(xiǎn)的重要指標(biāo),失去市場流動(dòng)性,交易市場就失去了存在的基礎(chǔ)。本文采用股票市場上Amivest 流動(dòng)性比率指標(biāo)來衡量碳市場的流動(dòng)性水平。該指標(biāo)表示交易價(jià)格出現(xiàn)單位波動(dòng)時(shí)所需的成交量,L越高,說明碳市場在不影響碳價(jià)大幅波動(dòng)情況下能接納的成交量越大,碳市場流動(dòng)性越強(qiáng),即市場風(fēng)險(xiǎn)壓力越小;反之,如果碳市場上少量交易即會(huì)引起價(jià)格大幅波動(dòng),則說明市場風(fēng)險(xiǎn)壓力較大。流動(dòng)性比率計(jì)算公式如下:
(3)碳市場交易累積最大損失CS。金融市場上常用金融部門股指的最大累積損失值(CMAX)來衡量市場的風(fēng)險(xiǎn)。為描述碳市場風(fēng)險(xiǎn)壓力的增加及市場的不穩(wěn)定性,本文參考CMAX 值的做法,計(jì)算碳市場交易最大累計(jì)損失如下:
式中:計(jì)算CMAX 所用的移動(dòng)時(shí)間窗口通常取1~2年[30],本研究選取1 年作為移動(dòng)時(shí)間窗口,T=245。
(4)交易產(chǎn)品時(shí)變相關(guān)系數(shù)R。從交易產(chǎn)品看,國內(nèi)各試點(diǎn)碳市場除了封閉開展基于自身碳配額的交易外,均將經(jīng)國家備案的中國核證自愿減排量(CCER)納入碳排放權(quán)交易體系,允許控排企業(yè)使用核證自愿減排量抵消實(shí)際碳排放量。作為市場上同時(shí)存在的可交易品,CCER 作為替代品能降低配額供求失衡所帶來的價(jià)格失靈風(fēng)險(xiǎn)。歐盟碳市場碳配額EUA 價(jià)格和核證減排量期貨CER 價(jià)格之間存在長期均衡關(guān)系,短期不存在顯著的相關(guān)關(guān)系。一旦出現(xiàn)短期顯著負(fù)相關(guān)時(shí),說明此時(shí)碳市場風(fēng)險(xiǎn)較高。由于目前國內(nèi)CCER 國家核證自愿減排量的價(jià)格較少被披露,但中國是歐盟碳市場最主要的核證減排量的產(chǎn)生國,故本文用歐盟市場的核證減排量期貨價(jià)格CER 作為CCER 的代替,通過DCC-GARCH 模型計(jì)算出試點(diǎn)碳市場交易價(jià)格與核證減排量價(jià)格之間的時(shí)變相關(guān)系數(shù)R,作為反映市場風(fēng)險(xiǎn)壓力情況的指標(biāo)之一。
從國內(nèi)首個(gè)試點(diǎn)交易截至2021 年6 月30 日(2021 年履約年度截止日),國內(nèi)現(xiàn)有深圳、北京、上海、廣東、湖北、天津及重慶7 個(gè)碳排放權(quán)交易試點(diǎn)市場,福建省、四川省2 個(gè)備案試點(diǎn)以及全國碳排放權(quán)交易市場(電力行業(yè))。各個(gè)碳市場有成交量的交易天數(shù)分別為:深圳1 760 天、北京1 144 天、上海1 132 天、廣東1 536 天、湖北1 710天、天津1 273 天、重慶692 天、福建621 天、四川459天,全國碳排放權(quán)交易市場(電力行業(yè))尚未正式履約交易??紤]交易啟動(dòng)時(shí)間和交易規(guī)模,本文選取北京、上海、深圳、湖北、廣東和天津6 個(gè)占國內(nèi)碳市場總成交額92.8%的試點(diǎn)市場作為研究對象,能夠基本代表全國碳交易市場的總體發(fā)展情況。樣本試點(diǎn)中,湖北碳市場最晚開市,因此,在保證碳交易數(shù)據(jù)覆蓋較長時(shí)間跨度的前提下,以湖北試點(diǎn)開市時(shí)間為起點(diǎn),將2014 年5 月1 日至2021 年6 月30 日定為本次數(shù)據(jù)選取所覆蓋的時(shí)間范圍。數(shù)據(jù)來源為Wind 數(shù)據(jù)庫、碳K 線網(wǎng)站。
在計(jì)算各個(gè)碳試點(diǎn)市場的風(fēng)險(xiǎn)壓力指數(shù)時(shí),為了消除因量綱不同對指數(shù)結(jié)果產(chǎn)生的影響,需要先對指標(biāo)進(jìn)行無量綱化處理。本文采用正向(逆向)化方法處理各指標(biāo):碳市場交易價(jià)格波動(dòng)率P和碳市場交易累積最大損失CS,指標(biāo)數(shù)值越大,則碳市場風(fēng)險(xiǎn)壓力越大,為正向指標(biāo);碳市場流動(dòng)性比率L和交易產(chǎn)品時(shí)變相關(guān)系數(shù)R,指標(biāo)數(shù)值越大,則碳市場風(fēng)險(xiǎn)壓力越小,為逆向指標(biāo)。對應(yīng)無量綱化處理如公式(4)~(5)所示。
式(4)、(5)中:xj,t表示第j個(gè)風(fēng)險(xiǎn)指標(biāo)在t日的數(shù)值,j=1,2,...,k,k為風(fēng)險(xiǎn)指標(biāo)數(shù)量,t=1,2,...,n,n為樣本量;xmin為第j個(gè)風(fēng)險(xiǎn)指標(biāo)數(shù)值中的最小值;xmax為第j個(gè)風(fēng)險(xiǎn)指標(biāo)數(shù)值中的最大值。
構(gòu)建碳市場風(fēng)險(xiǎn)壓力指數(shù)的重要內(nèi)容是確定各風(fēng)險(xiǎn)指標(biāo)變量的權(quán)重,一般權(quán)重確定方法分為主觀賦權(quán)法和客觀賦權(quán)法兩類。主觀賦權(quán)法易受主觀認(rèn)知影響,故本文采用客觀賦權(quán)法中的CRITIC 法進(jìn)行賦權(quán)。該方法基于各風(fēng)險(xiǎn)指標(biāo)間的對比強(qiáng)度和各指標(biāo)之間的沖突性來綜合衡量指標(biāo)的客觀權(quán)重,兼顧了指標(biāo)變異性和相關(guān)性,所確定的權(quán)重更適合風(fēng)險(xiǎn)指數(shù)的屬性,結(jié)果也更準(zhǔn)確。計(jì)算步驟如下:
(1)各風(fēng)險(xiǎn)指標(biāo)的對比強(qiáng)度以標(biāo)準(zhǔn)差的形式來表現(xiàn):
式中:σj表示第j個(gè)風(fēng)險(xiǎn)指標(biāo)處理后的標(biāo)準(zhǔn)差;表示第j個(gè)風(fēng)險(xiǎn)指標(biāo)在t日的無量綱化后數(shù)值;表示第j個(gè)風(fēng)險(xiǎn)指標(biāo)的無量綱化后平均值。σj標(biāo)準(zhǔn)差越大,表明該指標(biāo)波動(dòng)越大,穩(wěn)定性越差,風(fēng)險(xiǎn)越高。
(2)各風(fēng)險(xiǎn)指標(biāo)之間的沖突性以相關(guān)系數(shù)形式表現(xiàn):
式中:rlj表示第l個(gè)和第j個(gè)不同風(fēng)險(xiǎn)指標(biāo)間的相關(guān)系數(shù),rlj越小,則Rj越大,表明第j個(gè)風(fēng)險(xiǎn)指標(biāo)與其他指標(biāo)之間相關(guān)性越低,則能反映出更多不重復(fù)于其他指標(biāo)的市場風(fēng)險(xiǎn)信息。
(3)第j個(gè)風(fēng)險(xiǎn)指標(biāo)的權(quán)重Wj計(jì)算公式如下:
式中:Cj=σj×Rj,Cj越大,第j個(gè)風(fēng)險(xiǎn)指標(biāo)對風(fēng)險(xiǎn)壓力指數(shù)的作用越大,其被分配的權(quán)重則相應(yīng)更高。
由于國內(nèi)各試點(diǎn)市場之間存在一定的風(fēng)險(xiǎn)溢出風(fēng)險(xiǎn),本文參考許悅等[26]的做法,將各試點(diǎn)市場風(fēng)險(xiǎn)情況及其之間的關(guān)聯(lián)性納入全國整體碳市場風(fēng)險(xiǎn)狀況的測量,合成中國碳市場風(fēng)險(xiǎn)壓力指數(shù),計(jì)算公式如下:
式中:w=(w1,w2,w3,w4,w5,w6)表示各個(gè)試點(diǎn)市場的權(quán)重向量。在實(shí)際測度中,各試點(diǎn)碳市場的權(quán)重可根據(jù)碳市場運(yùn)行的實(shí)際情況制定與調(diào)整,本文根據(jù)試點(diǎn)市場成交額占比計(jì)算而得,具體權(quán)重分別為:北京11.44%、上海6.64%、廣東41.91%、深圳14.80%、天津4.21%、湖北21.0%。rt=(r1,t,r2,t,r3,t,r4,t,r5,t,r6,t) 為各試點(diǎn)碳市場的風(fēng)險(xiǎn)指數(shù)向量;w×rt為哈達(dá)瑪積,即在t時(shí)刻,碳市場的權(quán)重向量和風(fēng)險(xiǎn)壓力指數(shù)向量中各數(shù)值的乘積;Ct是各試點(diǎn)市場變量時(shí)間序列之間的交叉相關(guān)系數(shù)矩陣,表示為:
式中:ρij,t為各個(gè)碳市場風(fēng)險(xiǎn)壓力指數(shù)的相關(guān)系數(shù),由風(fēng)險(xiǎn)壓力指數(shù)波動(dòng)率和各個(gè)市場風(fēng)險(xiǎn)指數(shù)之間的協(xié)方差σij,t根據(jù)指數(shù)加權(quán)移動(dòng)平均法(EWMA)計(jì)算得到。EWMA 法計(jì)算較為簡便,且并不需要數(shù)據(jù)滿足平穩(wěn)、序列自相關(guān)等前提,即使未來加入新的市場數(shù)據(jù)時(shí)也能使用,其具體計(jì)算公式為:
式(11)~(13)中:i=1,2,3,4,5,6;j=1,2,3,4,5,6;i≠j;t=1,2,...,T;且代表各試點(diǎn)市場風(fēng)險(xiǎn)壓力指數(shù)和其理論上的中位數(shù)0.5 的差值;平滑系數(shù)λ取常數(shù)0.93。
首先,計(jì)算國內(nèi)各試點(diǎn)碳市場風(fēng)險(xiǎn)壓力指數(shù),并繪制各試點(diǎn)市場風(fēng)險(xiǎn)壓力指數(shù)日度走勢圖,如圖1 所示。整體來看,在各個(gè)試點(diǎn)市場啟動(dòng)初期,由于交易機(jī)制不成熟、市場活躍度較低等原因,風(fēng)險(xiǎn)壓力指數(shù)較低。隨著各試點(diǎn)碳市場建設(shè)進(jìn)程加快,碳市場熱度與交易規(guī)模不斷提升,市場風(fēng)險(xiǎn)壓力出現(xiàn)波動(dòng)變化。其中,深圳試點(diǎn)啟動(dòng)時(shí)間最早且交易品種豐富,市場機(jī)制較為健全,整體碳市場風(fēng)險(xiǎn)壓力波動(dòng)相對平穩(wěn);天津碳市場風(fēng)險(xiǎn)壓力波動(dòng)最為劇烈;北京、廣東和湖北試點(diǎn)市場均出現(xiàn)較明顯的履約年度內(nèi)先升后降的波動(dòng)特征;上海試點(diǎn)市場風(fēng)險(xiǎn)壓力波動(dòng)幅度逐漸收窄并趨于穩(wěn)定。
圖1 六大試點(diǎn)碳市場的風(fēng)險(xiǎn)壓力指數(shù)日度走勢圖
2.4.1 中國碳市場風(fēng)險(xiǎn)壓力情況分析
在各試點(diǎn)碳市場風(fēng)險(xiǎn)壓力指數(shù)基礎(chǔ)上合成中國碳市場風(fēng)險(xiǎn)壓力指數(shù),繪制日度走勢圖,見圖2。整體來看,中國碳市場風(fēng)險(xiǎn)壓力情況不高,風(fēng)險(xiǎn)壓力指數(shù)在2015 年履約期達(dá)到峰值后,風(fēng)險(xiǎn)壓力指數(shù)逐步下降,反映出隨著中國碳市場日漸成熟的運(yùn)行發(fā)展,市場風(fēng)險(xiǎn)壓力逐步降低。
試點(diǎn)階段,碳市場發(fā)展受政府監(jiān)管影響較大,樣本期內(nèi)中國碳市場風(fēng)險(xiǎn)壓力指數(shù)的走勢與一些重大壓力事件基本吻合,說明能較準(zhǔn)確地捕捉我國碳市場的風(fēng)險(xiǎn)壓力情況。具體來說,CCMRI 在2015 年4 月至7 月內(nèi)呈現(xiàn)出持續(xù)上升的勢頭,并在2015 年7 月達(dá)到樣本區(qū)間內(nèi)的最高點(diǎn)。7 月是各試點(diǎn)市場履約清繳月,市場需求強(qiáng)烈,尤其是占全國交易規(guī)模比重較大的廣東試點(diǎn)市場風(fēng)險(xiǎn)壓力指數(shù)高。主要原因是廣東試點(diǎn)采用有償拍賣和無償分配相結(jié)合的混合配額分配方式,控排企業(yè)必須先購買3%~5%的配額,才能獲得剩下的免費(fèi)配額進(jìn)入市場交易,市場交易風(fēng)險(xiǎn)壓力較大。2015 年7 月履約結(jié)束后,廣東試點(diǎn)配額拍賣機(jī)制發(fā)生重要調(diào)整,碳市場風(fēng)險(xiǎn)壓力指數(shù)逐步下降。CCMRI 在2016 年3—7 月呈現(xiàn)出持續(xù)下降的勢頭。主要原因是這期間國內(nèi)核證減排量簽發(fā)備案量大增,短時(shí)間內(nèi)極大提高了碳市場的供應(yīng)量,各試點(diǎn)市場普遍出現(xiàn)了碳價(jià)下跌的現(xiàn)象。隨后在2016—2017 年履約年度,國家發(fā)改委調(diào)控核證減排量項(xiàng)目數(shù)量,國內(nèi)碳市場交易機(jī)制運(yùn)行趨于穩(wěn)定,碳市場風(fēng)險(xiǎn)壓力指數(shù)持續(xù)下降并保持在低位運(yùn)行。CCMRI 在2018 年10月間和2019 年12 月間異常波動(dòng),主要是與加快推進(jìn)全國統(tǒng)一碳市場建設(shè)及具體配額履約清繳實(shí)施方案的發(fā)布有關(guān),短期異常波動(dòng),整體的市場風(fēng)險(xiǎn)壓力并不高。
2.4.2 碳市場風(fēng)險(xiǎn)壓力期的識別
本文采用馬爾科夫區(qū)制轉(zhuǎn)換模型來識別碳市場的風(fēng)險(xiǎn)壓力狀態(tài)的結(jié)構(gòu)變化,將市場風(fēng)險(xiǎn)壓力指數(shù)隨時(shí)間的演變視為在不同壓力狀態(tài)之間以某種概率的轉(zhuǎn)換。建立具有M個(gè)區(qū)制的馬爾科夫模型如下:
式中:Yt代表t時(shí)刻的碳市場風(fēng)險(xiǎn)壓力指數(shù);st為模型的區(qū)制狀態(tài)變量,取值為整數(shù){1,2,...,M}。狀態(tài)的轉(zhuǎn)移可能會(huì)受到自回歸項(xiàng)Yt-j的影響,為Yt滯后項(xiàng)的系數(shù);j表示滯后項(xiàng)的階數(shù),j取1 到k階。模型假定Yt在t時(shí)期處于區(qū)制j的概率依賴于上一期t-1 所處的區(qū)制i,即Pij(t)=P(st=j|st-1=i)=pij(t),pij(t)表示從第i種狀態(tài)轉(zhuǎn)移到狀態(tài)j時(shí)的轉(zhuǎn)移概率,是時(shí)變的。從而可以進(jìn)一步得到M階轉(zhuǎn)移概率矩陣P(t):
本文將碳市場風(fēng)險(xiǎn)壓力區(qū)制狀態(tài)st的個(gè)數(shù)設(shè)定為2,即st∈{1,2},1 表示“高風(fēng)險(xiǎn)”區(qū)制,2 表示“中低風(fēng)險(xiǎn)”區(qū)制。考慮日度數(shù)據(jù)的噪聲較大,可能帶來馬爾科夫轉(zhuǎn)移概率不準(zhǔn)確或不顯著,本文將日度CCMRI 指數(shù)通過在每個(gè)月內(nèi)進(jìn)行平均轉(zhuǎn)換為月度數(shù)據(jù)進(jìn)行建模分析,以兼顧高頻監(jiān)測和準(zhǔn)確信號的作用。通過AIC、SC、HQ準(zhǔn)則最小等原則,將MSAR 模型的最優(yōu)滯后階數(shù)設(shè)置為3,擬合效果較好,具體估計(jì)結(jié)果見表1、表2。
表1 滯后階數(shù)準(zhǔn)則處理結(jié)果
表2 模型擬合效果
在樣本期內(nèi),碳市場風(fēng)險(xiǎn)壓力狀態(tài)分為高壓力狀態(tài)和中低壓力狀態(tài)兩種情況,分析結(jié)果顯示CCMRI 有10 期處于高風(fēng)險(xiǎn)區(qū)制一,有83 期處于中低風(fēng)險(xiǎn)區(qū)制二,兩個(gè)區(qū)制的穩(wěn)定性較強(qiáng),在相應(yīng)時(shí)點(diǎn)下的狀態(tài)概率值均大于 0.9。區(qū)制一對應(yīng)時(shí)間段與國內(nèi)碳市場重大壓力事件基本吻合的階段,而除此之外的大部分時(shí)間里,碳市場風(fēng)險(xiǎn)壓力則處于平穩(wěn)狀態(tài),如圖3 所示。
圖3 區(qū)制轉(zhuǎn)移模型的平滑概率
隨著國內(nèi)外碳市場的不斷發(fā)展,碳市場的風(fēng)險(xiǎn)壓力波動(dòng)會(huì)受到國際公約、政府政策、宏觀經(jīng)濟(jì)、能源市場波動(dòng)等因素的影響,并且不同時(shí)期、不同地區(qū)的碳市場風(fēng)險(xiǎn)壓力狀態(tài)也存在異質(zhì)性??嘏鸥吆哪苄袠I(yè)企業(yè)是碳交易市場的主要參與者,也是碳排放配額的實(shí)際消費(fèi)者,充當(dāng)著碳市場和經(jīng)濟(jì)社會(huì)、能源市場的鏈接。當(dāng)社會(huì)工業(yè)經(jīng)濟(jì)發(fā)展越快,控排行業(yè)企業(yè)碳排放需求越大,碳市場配額交易需求則越旺盛,從而影響碳市場風(fēng)險(xiǎn)壓力狀態(tài);反之,經(jīng)濟(jì)衰退期需求會(huì)相應(yīng)下降,碳市場風(fēng)險(xiǎn)壓力狀態(tài)也會(huì)隨著改變。本文從控排行業(yè)的生產(chǎn)驅(qū)動(dòng)角度分析碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響機(jī)制。
本文采用時(shí)變參數(shù)隨機(jī)波動(dòng)向量自回歸TVPVAR 模型研究控排行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)壓力的動(dòng)態(tài)影響效應(yīng)。該模型假定中沒有同方差假定,更符合實(shí)際研究情況,且系數(shù)矩陣和協(xié)方差矩陣均有時(shí)變性,可以在時(shí)變框架下建立非線性模型更好捕捉不同時(shí)期經(jīng)濟(jì)變量間的關(guān)系和特征。模型如下:
式中:γt、vt、σt為各參數(shù)的誤差干擾項(xiàng),均服從正態(tài)分布。
式中:Im為單位矩陣,∑γ、∑v、∑σ分別為參數(shù)誤差干擾項(xiàng)γt、vt、σt的協(xié)方差矩陣。本文使用Matlab(R2023a)軟件進(jìn)行基于馬爾科夫鏈蒙特卡洛(MCMC)的貝葉斯估計(jì)方法的TVP-VAR 建模分析。
為了研究碳市場風(fēng)險(xiǎn)壓力對不同行業(yè)生產(chǎn)沖擊差異,本文選取各試點(diǎn)市場納入碳交易的鋼鐵、水泥、電力和石化四大高耗能控排行業(yè),獲取各控排行業(yè)主要工業(yè)產(chǎn)品月度生產(chǎn)數(shù)據(jù),構(gòu)造生產(chǎn)變量,并在此基礎(chǔ)上構(gòu)建TVP-VAR 模型,觀察碳市場風(fēng)險(xiǎn)壓力對各控排行業(yè)生產(chǎn)變量的反應(yīng)。表3 給出了指標(biāo)變量的選取、定義及數(shù)據(jù)來源。
表3 變量介紹
模型對變量原始序列進(jìn)行平穩(wěn)性檢驗(yàn),發(fā)現(xiàn)CCMRI、GRC、PA、TPG 均通過了平穩(wěn)性檢驗(yàn),未通過檢驗(yàn)的指標(biāo)RS 進(jìn)行一階差分后也通過檢驗(yàn)。隨后對模型中的參數(shù)進(jìn)行了MCMC 抽樣,設(shè)定變量的滯后階數(shù)為2 階,對其進(jìn)行了M=10 000 次模擬,結(jié)果見表4。
表4 變量參數(shù)估計(jì)結(jié)果
從參數(shù)估計(jì)結(jié)果中可以看出,在5%的顯著性水平下,模型估計(jì)參數(shù)基于CD 統(tǒng)計(jì)量下均無法拒絕Geweke 檢驗(yàn)的原假設(shè),模型參數(shù)收斂于后驗(yàn)分布;各參數(shù)的非有效因子數(shù)值均小于50,表明TVP-VAR 模型的參數(shù)估計(jì)結(jié)果有效。
根據(jù)MSAR 模型區(qū)制劃分結(jié)果以及碳市場風(fēng)險(xiǎn)情況的大小,選取了三個(gè)具有代表性的時(shí)間點(diǎn),2015 年7月為高風(fēng)險(xiǎn)區(qū)制的風(fēng)險(xiǎn)最高點(diǎn),2018 年9 月代表中低風(fēng)險(xiǎn)區(qū)制中的風(fēng)險(xiǎn)一般水平,2020 年1 月為中低風(fēng)險(xiǎn)區(qū)制中的風(fēng)險(xiǎn)最低點(diǎn)。通過比較不同壓力區(qū)制下脈沖響應(yīng)的差異,分析控排行業(yè)生產(chǎn)與碳市場風(fēng)險(xiǎn)壓力的動(dòng)態(tài)時(shí)變關(guān)系。
圖4~圖7 反映出不同時(shí)點(diǎn)上,碳市場風(fēng)險(xiǎn)壓力狀態(tài)對不同行業(yè)生產(chǎn)變化沖擊的脈沖響應(yīng)有較大的差異性。整體上看,在選擇的樣本時(shí)點(diǎn)中,碳市場風(fēng)險(xiǎn)對各行業(yè)生產(chǎn)變化的響應(yīng)有滯后,在第2~4 期內(nèi)達(dá)到最大,并在中長期內(nèi)保持持續(xù)的響應(yīng)。在高風(fēng)險(xiǎn)區(qū)制,水泥、鋼鐵行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)波動(dòng)的抑制影響效應(yīng)更強(qiáng),如圖4、圖5 所示;而在中低風(fēng)險(xiǎn)區(qū)制,石化、電力行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)的正向沖擊溢出效應(yīng)更強(qiáng),如圖6、圖7 所示。
圖4 CCMRI-水泥行業(yè)生產(chǎn)的分節(jié)點(diǎn)脈沖響應(yīng)圖
圖5 CCMRI-鋼鐵行業(yè)生產(chǎn)的分節(jié)點(diǎn)脈沖響應(yīng)圖
圖6 CCMRI-石化行業(yè)生產(chǎn)的分節(jié)點(diǎn)脈沖響應(yīng)圖
圖7 CCMRI-電力行業(yè)生產(chǎn)的分節(jié)點(diǎn)脈沖響應(yīng)圖
碳市場風(fēng)險(xiǎn)壓力狀態(tài)對水泥行業(yè)生產(chǎn)波動(dòng)始終有負(fù)向響應(yīng),表明水泥行業(yè)產(chǎn)出的增長會(huì)抑制碳市場風(fēng)險(xiǎn)壓力,看似矛盾。實(shí)際情況是,水泥、鋼鐵等高耗能行業(yè)由于減排潛力和減排成本限制,是碳市場配額交易的需求方。但在試點(diǎn)階段初期,政府為提高高耗能控排行業(yè)加入碳交易的積極性,對水泥行業(yè)多數(shù)采用歷史基準(zhǔn)期的排放數(shù)據(jù)來決定配額分配,水泥控排行業(yè)獲得了較多的免費(fèi)配額。高風(fēng)險(xiǎn)區(qū)制的2015 年履約清繳階段,由于市場普遍存在不同程度的配額過剩引起的風(fēng)險(xiǎn)壓力,水泥行業(yè)生產(chǎn)的增加反而一定程度上減緩了碳市場配額過剩的風(fēng)險(xiǎn)。但隨著交易機(jī)制的不斷完善,水泥行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)壓力波動(dòng)的抑制作用減弱。
碳市場風(fēng)險(xiǎn)壓力狀態(tài)對電力和石化行業(yè)生產(chǎn)波動(dòng)沖擊響應(yīng)以正向?yàn)橹鳌L冀灰左w系覆蓋的電力行業(yè)是各試點(diǎn)主要控制的碳排放源,一直受到嚴(yán)格監(jiān)管。交易機(jī)制設(shè)計(jì)中采用基準(zhǔn)線分配法獲得配額,甚至,廣東試點(diǎn)電力行業(yè)獲得免費(fèi)配額的比例僅為95%。因此,電力行業(yè)一直是碳市場交易配額的主要需求方,無論高中低風(fēng)險(xiǎn)區(qū)制下,電力行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響以正向溢出效應(yīng)為主。石化行業(yè)也是采用基準(zhǔn)線法獲得配額,在碳市場大多數(shù)中低風(fēng)險(xiǎn)區(qū)制下,其行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響以正向溢出效應(yīng)為主。
圖8~圖11 給出了提前期分別為1 期、3 期和6 期(分別定義為短期、中期和長期)條件下,碳市場風(fēng)險(xiǎn)壓力狀態(tài)對不同控排行業(yè)生產(chǎn)變化的時(shí)變脈沖響應(yīng)曲線。整體上看,控排行業(yè)生產(chǎn)變化對碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響具有明顯的時(shí)變效應(yīng)。不同控排行業(yè)生產(chǎn)變化對碳市場風(fēng)險(xiǎn)壓力波動(dòng)的影響存在差異,既表現(xiàn)在對碳市場風(fēng)險(xiǎn)波動(dòng)的影響方向,也表現(xiàn)在短期影響與長期影響的差異。圖8、圖9 和圖10 中,碳市場風(fēng)險(xiǎn)壓力狀態(tài)對水泥、鋼鐵和石化控排行業(yè)生產(chǎn)變化沖擊的響應(yīng)有正有負(fù),說明這三個(gè)控排行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)波動(dòng)的影響方向會(huì)隨時(shí)間的不同而變化,這說明無論是在短期還是長期內(nèi),水泥、鋼鐵和石化行業(yè)生產(chǎn)的變化都會(huì)伴隨著碳市場風(fēng)險(xiǎn)壓力的波動(dòng),但與短期影響而言,中長期內(nèi)的影響更為強(qiáng)烈。圖11 表明,碳市場風(fēng)險(xiǎn)壓力對電力行業(yè)生產(chǎn)變化的沖擊響應(yīng),不具有顯著的時(shí)變效應(yīng),短期對碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響更為強(qiáng)烈且一直為正,隨著滯后期的增加,沖擊響應(yīng)逐漸減少,長期影響幾乎消失。
圖8 CCMRI-水泥行業(yè)生產(chǎn)的分期脈沖響應(yīng)圖
圖9 CCMRI-鋼鐵行業(yè)生產(chǎn)的分期脈沖響應(yīng)圖
圖10 CCMRI-石化行業(yè)生產(chǎn)的分期脈沖響應(yīng)圖
圖11 CCMRI-電力行業(yè)生產(chǎn)的分期脈沖響應(yīng)圖
本文在綜合考慮了我國碳市場的特點(diǎn)以及發(fā)展?fàn)顩r的基礎(chǔ)上,選取了北京、廣東、天津、上海、湖北和深圳6 個(gè)試點(diǎn)碳市場交易數(shù)據(jù)合成構(gòu)建了中國碳市場風(fēng)險(xiǎn)壓力綜合指數(shù),并建立Markov 模型甄別了碳市場的兩區(qū)制風(fēng)險(xiǎn)轉(zhuǎn)換特征,運(yùn)用TVP-VAR 模型分析了控排行業(yè)生產(chǎn)對碳市場風(fēng)險(xiǎn)壓力的動(dòng)態(tài)影響效應(yīng),得出以下主要結(jié)論:(1)基于6 個(gè)試點(diǎn)碳市場風(fēng)險(xiǎn)壓力測度指標(biāo)的時(shí)變相關(guān)系數(shù)矩陣合成構(gòu)建而成的中國碳市場風(fēng)險(xiǎn)壓力綜合指數(shù),能夠較準(zhǔn)確地反映我國碳市場的整體市場風(fēng)險(xiǎn)壓力水平。(2)我國碳市場風(fēng)險(xiǎn)壓力狀態(tài)展現(xiàn)出較明顯的兩區(qū)制特征,樣本期內(nèi)有10 期處于高風(fēng)險(xiǎn)區(qū)制,有83 期處于中低風(fēng)險(xiǎn)區(qū)制,說明我國碳市場風(fēng)險(xiǎn)壓力整體處于平穩(wěn)狀態(tài)。(3)從控排行業(yè)的生產(chǎn)驅(qū)動(dòng)角度分析碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響機(jī)制,發(fā)現(xiàn)控排行業(yè)生產(chǎn)變化對碳市場風(fēng)險(xiǎn)壓力狀態(tài)的影響具有明顯的時(shí)變效應(yīng),既表現(xiàn)在對碳市場風(fēng)險(xiǎn)波動(dòng)的影響方向,也表現(xiàn)在短期影響與長期影響的差異。水泥、鋼鐵行業(yè)生產(chǎn)在高風(fēng)險(xiǎn)區(qū)制對碳市場風(fēng)險(xiǎn)波動(dòng)的抑制影響效應(yīng)更強(qiáng),而石化、電力行業(yè)生產(chǎn)中低風(fēng)險(xiǎn)區(qū)制對碳市場風(fēng)險(xiǎn)的正向沖擊溢出效應(yīng)更強(qiáng)。與短期影響而言,水泥、石化和鋼鐵控排行業(yè)中長期內(nèi)的影響更為強(qiáng)烈,而電力行業(yè)的長期影響幾乎消失。
根據(jù)上述研究結(jié)論,為促進(jìn)中國碳市場的健康、可持續(xù)發(fā)展,提出以下建議:一是積極探索全國統(tǒng)一碳市場風(fēng)險(xiǎn)識別體系。學(xué)習(xí)借鑒金融貨幣市場的豐富研究成果,引入更加完善的基礎(chǔ)理論體系和測度方法,構(gòu)建我國完整的碳市場風(fēng)險(xiǎn)識別體系。二是加強(qiáng)對碳市場運(yùn)行監(jiān)測,及時(shí)了解碳市場風(fēng)險(xiǎn)信息和狀態(tài),及時(shí)對碳市場風(fēng)險(xiǎn)形成原因等進(jìn)行識別。重點(diǎn)關(guān)注碳市場與關(guān)聯(lián)市場之間的動(dòng)態(tài)風(fēng)險(xiǎn)溢出效應(yīng),制定風(fēng)險(xiǎn)防控措施,防范重大危機(jī)事件。