我國碳交易市場與化石能源市場間的動態(tài)相關(guān)性研究——基于DCC-(BV)GARCH模型的檢驗

高清霞　李　昉

(對外經(jīng)濟(jì)貿(mào)易大學(xué)，北京　100029)

?

我國碳交易市場與化石能源市場間的動態(tài)相關(guān)性研究
——基于DCC-(BV)GARCH模型的檢驗

高清霞李昉

(對外經(jīng)濟(jì)貿(mào)易大學(xué)，北京100029)

隨著我國碳交易市場不斷發(fā)展，碳排放權(quán)作為一種新興的金融資產(chǎn)正在被越來越多的投資者納入大類資產(chǎn)配置的范疇，由于化石能源的燃燒是二氧化碳的主要來源，而且工業(yè)企業(yè)可以通過技術(shù)升級等方式在不同燃料間(煤炭、石油、天然氣等)轉(zhuǎn)換，這導(dǎo)致了化石能源價格與碳市場價格存在內(nèi)在的相關(guān)關(guān)系，因此研究碳市場與化石能源市場波動的相關(guān)關(guān)系對引導(dǎo)碳市場投資者進(jìn)行資產(chǎn)配置有著重要意義。本文基于深圳碳排放權(quán)試點的數(shù)據(jù)，建立DCC-(BV)GARCH模型研究國內(nèi)碳市場與化石能源市場收益率波動的動態(tài)相關(guān)關(guān)系，研究發(fā)現(xiàn)碳市場與煤炭市場、石油市場間收益率波動的相關(guān)系數(shù)存在明顯的時變性，因此碳市場的投資者應(yīng)當(dāng)關(guān)注碳市場與化石能源市場波動的相關(guān)關(guān)系，通過合理的資產(chǎn)配置降低資產(chǎn)組合的風(fēng)險，同時需要不斷對資產(chǎn)組合的配置比例進(jìn)行調(diào)整，積極進(jìn)行風(fēng)險管理，獲得更高的風(fēng)險調(diào)整收益。

碳市場；化石能源市場；DCC-(BV)GARCH模型；動態(tài)條件相關(guān)系數(shù)

自2005年《京都議定書》正式生效以來，全球碳交易市場得到了蓬勃的發(fā)展，中國雖然不是《京都議定書》中規(guī)定的強制減排國家，但中國一直在積極籌備和建設(shè)碳交易市場。從2011年開始，我國啟動了7個省市的碳排放權(quán)交易試點，截止2016年7月25日，7個試點的累積交易量共計7738萬噸，累積交易額已達(dá)到19.32億元，并且根據(jù)中國政府的規(guī)劃，2017年將建設(shè)全國統(tǒng)一的碳排放權(quán)交易市場。隨著我國碳交易市場的整合和發(fā)展，碳排放權(quán)已經(jīng)不僅僅是作為一種商品在市場中交易，而是逐漸顯現(xiàn)出其特殊的金融屬性(喬海曙 (2011))，它可以作為一種新興的金融資產(chǎn)與其他金融資產(chǎn)進(jìn)行組合配置。在構(gòu)建資產(chǎn)組合時，需要格外關(guān)注資產(chǎn)間的相關(guān)性。從理論上來說，由于化石能源的燃燒是二氧化碳的主要來源，而且工業(yè)企業(yè)可以通過技術(shù)升級等方式在不同燃料間(煤炭、石油、天然氣等)轉(zhuǎn)換，這導(dǎo)致了化石能源價格與碳市場價格存在內(nèi)在的相關(guān)關(guān)系，同時，Reboredo(2013)、Yun和Cho(2013)等學(xué)者的實證研究也證明了能源市場和碳市場在一階矩和二階矩上都存在溢出效應(yīng)，這為本研究的開展奠定了基礎(chǔ)，但是目前基于中國碳市場的研究主要集中在碳市場與能源市場間的靜態(tài)相關(guān)性上(徐月清(2015)、宋楠(2015))，而在中國碳市場飛速發(fā)展的背景下，靜態(tài)的相關(guān)性已經(jīng)不能很好的描述碳市場與能源市場關(guān)聯(lián)情況的全貌，因此本文在已有研究成果的基礎(chǔ)上，利用動態(tài)條件相關(guān)系數(shù)二元GARCH模型(即DCC-(BV)GARCH模型)分別對碳市場與煤炭市場、石油市場和天然氣市場波動的動態(tài)相關(guān)性進(jìn)行建模，捕捉碳市場與化石能源市場間的時變條件相關(guān)系數(shù)，全面的考察兩市場波動率之間相關(guān)性的變化情況，為碳市場的投資者構(gòu)建投資組合，進(jìn)行風(fēng)險管理等提供參考。

1　我國碳市場與化石能源市場間動態(tài)相關(guān)性實證分析

1.1數(shù)據(jù)選取與變量定義

碳交易價格：由于我國目前還沒有統(tǒng)一的碳交易市場，而在7個試點市場中，深圳碳交易市場開始時間最早，活躍度最高，因此，本文選擇深圳碳排放權(quán)交易市場的碳配額日成交均價作為中國碳市場價格的代表，樣本區(qū)間為深圳碳市場的第一個交易日即2013年6月18日至2016年7月25日。

化石能源價格：在化石能源方面，本文選取煤炭、石油、天然氣三種能源進(jìn)行研究。

(1)煤炭價格：我國鄭州商品交易所于2013年9月26日推出動力煤期貨合約，動力煤是作為動力原料的煤，主要用于火力發(fā)電，由于深圳碳排放權(quán)交易市場的控排企業(yè)以水電、交運、建筑為主，因此本文選取動力煤期貨合約價格作為煤炭價格。

(2)石油價格：我國尚未推出石油期貨，因此本文選取相關(guān)文獻(xiàn)中最常用的大慶原油的價格作為石油價格。

(3)天然氣價格：由于我國對天然氣價格實施政府管制，目前的天然氣價格并不能代表市場價格，因此本文選擇已經(jīng)市場化的液化天然氣價格作為天然氣價格的替代。

以上數(shù)據(jù)均來自wind數(shù)據(jù)庫，數(shù)據(jù)處理所用軟件為EVIEWS 8.0和R 3.3.1。

由于本文是對收益率的波動性進(jìn)行建模，因此對所有價格序列全部做對數(shù)一階差分處理，得到收益率序列，計算公式為：

本文涉及到變量定義如表1所示。

表1　變量定義

1.2模型介紹

本文采用Engle于2002年提出的DCC-MGARCH模型對碳市場和化石能源市場間波動性的動態(tài)相關(guān)性進(jìn)行建模。MGARCH模型即多元GARCH模型，用來對一個以上資產(chǎn)收益的波動性建模，該模型不僅考慮了單個資產(chǎn)自身的波動性，還考慮了不同資產(chǎn)之間的相關(guān)性。Engle認(rèn)為資產(chǎn)之間的相關(guān)性可能隨時間變化，并不是一個常數(shù)，因此他提出用DCC，即動態(tài)條件相關(guān)系數(shù)來描繪不同資產(chǎn)波動率的相關(guān)性，同時，他還提出了DCC兩階段估計法這一新的參數(shù)估計方法，即第一階段先估計單變量GARCH模型的參數(shù)，第二階段再估計交互無條件相關(guān)系數(shù)的參數(shù)。由于本文的重點不在于推導(dǎo)模型，因此在此僅給出DCC-MGARCH的一般形式：

假設(shè)K種資產(chǎn)的條件收益ri服從如下分布：

其中，F(xiàn)t-1為前t-1期的信息集，Rt為動態(tài)條件相關(guān)矩陣，Dt為一個K×K的對角陣，對角元素為單變量GARCH模型計算得到的條件標(biāo)準(zhǔn)差。α和β為DCC模型的參數(shù)。

2　實證結(jié)果

2.1描述性統(tǒng)計

從表1可以看出，深圳碳排放權(quán)配額的平均收益率為-0.005%，標(biāo)準(zhǔn)差為0.0698，這與深圳碳配額價格在剛建立市場時一直處于高位，但從2013年10月開始逐漸走低有關(guān)?；茉词袌龇矫?，煤炭、石油和天然氣的平均收益率均為負(fù)值，其中石油市場收益率的標(biāo)準(zhǔn)差最大，煤炭市場收益率的標(biāo)準(zhǔn)差最小，說明石油市場在樣本期間內(nèi)波動較為劇烈。從偏度、峰度和JB統(tǒng)計量來看，四組收益率均不服從正態(tài)分布，因此，在后續(xù)建模中，對殘差分布的假設(shè)均使用學(xué)生t分布。

表2　收益率序列描述性統(tǒng)計

表3　收益率序列相關(guān)系數(shù)

從表3可以看出，深圳碳配額市場收益率與三種能源市場收益率的相關(guān)性相對較低，其中深圳碳市場與煤炭市場的相關(guān)系數(shù)為0.0790，在10%的水平上顯著，與石油市場和天然氣市場的相關(guān)系數(shù)在統(tǒng)計上并不顯著。

2.2數(shù)據(jù)檢驗

在建立DCC-(BV)GARCH模型前，有必要對收益率序列是否具有平穩(wěn)性、自相關(guān)性和ARCH效應(yīng)進(jìn)行檢驗。

(1)平穩(wěn)性檢驗

本文采用的平穩(wěn)性檢驗為ADF檢驗和PP檢驗，檢驗結(jié)果如表4所示。

從ADF檢驗和PP檢驗的值來看，四個市場的收益率序列都是平穩(wěn)的，可以進(jìn)行對其時間序列建模。

(2)自相關(guān)性與ARCH效應(yīng)檢驗

通過觀察四個市場收益率的ACF、PACF圖以及計算Q統(tǒng)計量，發(fā)現(xiàn)除石油市場外，其他三個市場的收益率序列均存在不同程度的自相關(guān)性，因此，本文首先建立相應(yīng)的均值模型來消除收益率序列的自相關(guān)。在消除自相關(guān)后，檢驗殘差序列是否存在異方差性，即是否存在ARCH效應(yīng)，檢驗結(jié)果表明四組殘差序列均存在ARCH效應(yīng)，表明利用GARCH(1，1)建模是合理的。

表4　收益率序列平穩(wěn)性檢驗

表5　收益率序列均值方程及ARCH效應(yīng)檢驗

表6　DCC-(BV)GARCH模型估計結(jié)果

2.3DCC-(BV)GARCH模型估計

根據(jù)AIC準(zhǔn)則，本文選取GARCH(1，1)為單變量方差方程，其中C為單變量GARCH模型的常數(shù)項，α為ARCH項系數(shù)，β為GARCH項系數(shù)，α和β在所有模型中均顯著，說明這些市場都存在著明顯的波動聚集效應(yīng)。

θ1和θ2為DCC模型的系數(shù)，θ1度量兩市場間條件相關(guān)系數(shù)的短期平均調(diào)整幅度，θ2度量兩市場間條件相關(guān)系數(shù)的長期持續(xù)程度。在深圳碳市場和煤炭市場模型中，θ1=0.0033，且在統(tǒng)計上不具有顯著性，表明兩市場的條件相關(guān)系數(shù)的短期調(diào)整幅度較小，θ2=0.9756，且在1%的水平上顯著，這表明深圳碳市場和煤炭市場間相關(guān)性的持續(xù)程度非常高；在深圳碳市場和石油市場模型中，與碳市場和煤炭市場的檢驗結(jié)果類似，兩市場間的短期調(diào)整幅度不顯著，但長期相關(guān)關(guān)系存在顯著的持續(xù)性；在深圳碳市場和天然氣市場模型中，θ1和θ2均顯著，說明兩市場間條件相關(guān)系數(shù)的短期調(diào)整幅度和長期持續(xù)程度都很高。對比三個模型的檢驗結(jié)果，可以看出碳市場與煤炭市場間相關(guān)性的持續(xù)程度最高，碳市場與天然氣市場的相關(guān)性次之，碳市場與石油市場相關(guān)性的持續(xù)程度相對較低，這說明煤炭價格的波動對碳價的波動在長期最可能具有預(yù)測功能。

2.4動態(tài)相關(guān)性分析

從圖1可以看出，深圳碳配額市場和煤炭市場收益率波動的時變相關(guān)系數(shù)全部為正，大約圍繞0.09上下波動，最高的相關(guān)系數(shù)可以達(dá)到0.14，說明碳市場和煤炭市場間存在正相關(guān)關(guān)系。

圖1　碳市場與煤炭市場的動態(tài)條件相關(guān)系數(shù)圖

深圳碳配額市場和煤炭市場收益率波動的相關(guān)系數(shù)存在明顯的時變性，在2015年6月到2016年4月間，兩市場的相關(guān)系數(shù)明顯高于其他時間段，在這段時間內(nèi)煤炭價格處于整個樣本期的低位，而在2016年4月后，煤炭價格逐漸回升，兩市場的相關(guān)系數(shù)也迅速下降，這說明當(dāng)煤炭價格處于低位時，碳價與煤價收益率波動的相關(guān)系數(shù)更高。但是通過觀察深圳碳交易市場的價格和動態(tài)相關(guān)系數(shù)，筆者并未發(fā)現(xiàn)動態(tài)相關(guān)系數(shù)的走勢與碳價有明顯的一致或反向變動規(guī)律。以上規(guī)律表明動態(tài)相關(guān)系數(shù)的變動更多來自煤炭市場的沖擊，這可能是由于深圳碳市場的規(guī)模要遠(yuǎn)遠(yuǎn)小于國內(nèi)煤炭市場的規(guī)模，尚不能對二者的相關(guān)性產(chǎn)生較大影響。

圖2　碳市場與石油市場的動態(tài)條件相關(guān)系數(shù)圖

從圖2可以看出，深圳碳配額市場和國內(nèi)石油市場收益率波動的時變相關(guān)系數(shù)全部為負(fù)，大約圍繞-0.07

上下波動，相關(guān)系數(shù)的絕對值最高可以達(dá)到0.14，說明碳市場和石油市場間存在負(fù)相關(guān)關(guān)系。深圳碳配額市場和煤炭市場收益率波動相關(guān)系數(shù)存在明顯的時變性，以2015年2月為分界點，之前的相關(guān)系數(shù)波動較大，而之后的相關(guān)系數(shù)波動明顯減小。

從圖3可以看出，深圳碳配額市場和國內(nèi)天然氣市場收益率波動的時變相關(guān)系數(shù)多數(shù)為負(fù)，大約圍繞0上下波動，碳市場與天然氣市場間的相關(guān)性較低，且不具有明顯的時變特征。

圖3　碳市場與天然氣市場的動態(tài)條件相關(guān)系數(shù)圖

均值中位數(shù)最大值最小值標(biāo)準(zhǔn)差rszcrcoal0.082777***0.0805080.1385710.0470270.017434rszcroil-0.0691-0.06860.0031-0.13690.0144rszcrgas-0.0272-0.03140.1413-0.64220.0504

表7給出了三個模型動態(tài)條件相關(guān)系數(shù)的描述性統(tǒng)計，從動態(tài)相關(guān)性的均值來看，深圳碳市場與煤炭市場間相關(guān)系數(shù)的均值為0.0828，與石油市場相關(guān)系數(shù)的均值為-0.0691，與天然氣市場相關(guān)系數(shù)的均值為-0.0272，整體來看，目前我國的碳市場與能源市場還未表現(xiàn)出非常高的相關(guān)性。Yue和Ya(2016)研究發(fā)現(xiàn)歐盟碳市場和煤炭市場間的相關(guān)系數(shù)為0.3161，與天然氣市場間的相關(guān)系數(shù)為0.3066，與石油市場間的相關(guān)系數(shù)為0.2517，明顯高于本文基于中國市場的研究結(jié)果，這可能由以下兩個原因造成：

(1)中國尚未建立統(tǒng)一的碳交易市場，各試點間的碳配額也不能流通，這導(dǎo)致試點內(nèi)碳交易價格僅由本省(市)的配額供需形成，與全國能源市場的聯(lián)動性還未完全體現(xiàn)。

(2)Yue和Ya(2016)采用的是碳和能源的期貨價格，而由于國內(nèi)尚未推出碳期貨、石油期貨和天然氣期貨，因此本文采用了三者的現(xiàn)貨價格，而期貨比現(xiàn)貨更具有價格發(fā)現(xiàn)功能，因此數(shù)據(jù)的選擇也可能是造成研究結(jié)果差異的原因。

從動態(tài)相關(guān)性的方向和顯著性來看，深圳碳市場與煤炭市場的收益率波動成顯著正相關(guān)，與石油和天然氣市場成負(fù)相關(guān)，但負(fù)相關(guān)關(guān)系并不顯著。這主要是因為在我國目前的能源結(jié)構(gòu)中，煤炭仍然是最主要的化石燃料，同時同樣單位的煤炭、石油、天然氣燃燒后煤炭產(chǎn)生的二氧化碳最多，因此煤炭市場與碳市場的聯(lián)系最為緊密。

3　結(jié)論與建議

本文基于深圳碳排放權(quán)交易市場的數(shù)據(jù)，建立DCC-(BV)GARCH模型研究國內(nèi)碳市場與化石能源市場收益率波動的相關(guān)關(guān)系，并捕捉收益率波動的動態(tài)條件相關(guān)系數(shù)，通過對模型參數(shù)和動態(tài)相關(guān)系數(shù)圖的分析，得到以下結(jié)論：

(1)DCC模型中代表相關(guān)關(guān)系持續(xù)性的參數(shù)在所有模型中均顯著且接近1，說明碳市場與化石能源市場收益率波動的相關(guān)關(guān)系的長期持續(xù)程度很高，其中碳市場與煤炭市場間的持續(xù)程度最高，與天然氣市場間的持續(xù)程度次之，與石油市場間的持續(xù)程度相對較低。

(2)在三組動態(tài)條件相關(guān)系數(shù)圖中，碳市場與煤炭市場、石油市場間的收益率波動的相關(guān)系數(shù)存在明顯的時變性，其中碳市場與煤炭市場間相關(guān)系數(shù)的時變特征與煤炭價格有關(guān)，當(dāng)煤炭價格處于低位時，兩市場間的相關(guān)系數(shù)較高，但碳市場與天然氣市場間的相關(guān)系數(shù)沒有明顯的時變特征。

(3)在三組條件相關(guān)系數(shù)的描述性統(tǒng)計中，碳市場與煤炭市場間的收益率波動存在顯著的正相關(guān)關(guān)系，與石油市場和天然氣市場間存在負(fù)相關(guān)，但負(fù)相關(guān)關(guān)系并未通過顯著性檢驗，這與我國目前仍以煤炭為主要燃料，煤炭燃燒是二氧化碳的主要來源有密切關(guān)系。

針對以上結(jié)論，本文認(rèn)為碳市場的投資者應(yīng)當(dāng)關(guān)注碳市場與化石能源市場波動的相關(guān)關(guān)系，通過合理的資產(chǎn)配置降低資產(chǎn)組合的風(fēng)險，同時由于碳市場與化石能源市場波動的相關(guān)關(guān)系是時變的，因此需要不斷對資產(chǎn)組合的配置比例進(jìn)行調(diào)整，積極進(jìn)行風(fēng)險管理，獲得更高的風(fēng)險調(diào)整收益。

[1]喬海曙，劉小麗.碳排放權(quán)的金融屬性[J].理論探索，2011，03：61-64.

[2]宋楠.碳排放權(quán)配額市場內(nèi)外的信息傳導(dǎo)聯(lián)動研究[D].哈爾濱理工大學(xué)，2015.

[3]徐月清.我國碳排放權(quán)市場價格與配額的研究[D].重慶大學(xué)，2015.

[4]Byun，S.J.，Cho，H.J.，2013.Forecasting carbon futures volatility using GARCH models with energy volatilities.Energy Econ.40，207-221.

[5]Engle，R.F.，2002. Dynamic conditional correlation：a simple class of multivariate generalized autoregressive conditional heteroskedasticity models. J. Bus. Econ. Stat. 20，339-350.

[6]Reboredo，J.C.，2013. Modelling EU allowances and oil market interdependence. Implications for portfolio management. Energy Econ. 36，471-480.

[7]高清霞，王謙.新常態(tài)下我國商業(yè)銀行碳金融業(yè)務(wù)發(fā)展對策探究[J].環(huán)境與可持續(xù)發(fā)展，2015，40(4)：7-9.

[8]高清霞，趙天馳.我國碳交易市場建設(shè)及發(fā)展路徑探析[J].環(huán)境與可持續(xù)發(fā)展，2016，41(4)：71-73.

[9]萬怡挺，常捷.全球氣候變化談判的回顧與展望[J].環(huán)境與可持續(xù)發(fā)展，2015，40(2)：30-32.

[10]楊姝影，蔡博峰，肖翠翠等.國際碳金融市場體系現(xiàn)狀及發(fā)展前景研究[J].環(huán)境與可持續(xù)發(fā)展，2013，38(2)：27-29.

[11]王一鳴.中國碳金融市場發(fā)展回顧及政策建議[J].環(huán)境與可持續(xù)發(fā)展，2014，39(5)：52-56.

[12]吳恩濤，馬靖.關(guān)于氣候金融問題的回顧與展望[J].環(huán)境與可持續(xù)發(fā)展，2015，40(6)：54-55.

[13]王彥超，許艷玲，蔣春來.京津冀及周邊地區(qū)低碳經(jīng)濟(jì)發(fā)展水平評價[J].環(huán)境與可持續(xù)發(fā)展，2014，39(3)：107-111.

[14]尹娟娟，袁進(jìn).山西省重點行業(yè)碳排放特征及低碳發(fā)展策略[J].環(huán)境與可持續(xù)發(fā)展，2014，39(3)：140-143.

[15]何潔，王全權(quán).生態(tài)文明建設(shè)視域下森林碳匯經(jīng)濟(jì)發(fā)展的基本路徑[J].環(huán)境與可持續(xù)發(fā)展，2014，39(5)：60-62.

[16]穆治霖.低碳發(fā)展概念之研究與思考[J].環(huán)境與可持續(xù)發(fā)展，2014，39(6)：11-13.

[17]劉佳駿，董鎖成，王喆，等.通遼市森林、草原、沙地、濕地碳匯產(chǎn)業(yè)規(guī)劃研究[J].環(huán)境與可持續(xù)發(fā)展，2015，40(3)：27-32.

[18]郭莉，崔強，陳佳輝.生態(tài)文明視野下的高碳能源低碳化利用的法制培育[J].環(huán)境與可持續(xù)發(fā)展，2015，40(1)：132-136.

[19]張瑤，葛曉華，蘇旭東，等.山西省低碳城鎮(zhèn)化的發(fā)展路徑[J].環(huán)境與可持續(xù)發(fā)展，2015，40(1)：160-162.

[20]徐東.碳交易主導(dǎo)下低碳經(jīng)濟(jì)的法律解讀[J].環(huán)境與可持續(xù)發(fā)展，2015，40(3)：138-141.

[21]鄭啟偉.基于能源消費的浙江省碳排放影響因素實證研究[J].環(huán)境與可持續(xù)發(fā)展，2015，40(4)：195-198.

[22]李經(jīng)路，李曉玲.云南碳排放的變動趨勢與影響因素研究[J].環(huán)境與可持續(xù)發(fā)展，2015，40(5)：172-176.

[23]周美春，鄭暉，韓玉婷，等.常州市經(jīng)濟(jì)發(fā)展與碳足跡的響應(yīng)關(guān)系分析[J].環(huán)境與可持續(xù)發(fā)展，2015，40(6)：184-186.

[24]王慧，張寧寧.美國加州碳排放交易機(jī)制及其啟示[J].環(huán)境與可持續(xù)發(fā)展，2015，40(6)：128-133.

The Dynamic Correlation Study between Carbon Emission Trading Market and Fossil Energy Market in China——Base on DCC-(BV) GARCH model test

GAO Qingxia LI Fang

(University of International Business and Economics，Beijing 100029)

Along with the rapid development of carbon emission trading market in China，the carbon emission has been allocated into more and more investors’ portfolios as a new financial asset. As the burning of fossil fuels is the main source of carbon dioxide，and industrial enterprises can transform their use of fossil energy(coal，oil and gas) through technology development，the price of fossil energy and carbon emission has intrinsic relationship.As a result，the research which focus on the dynamic correlation between carbon emission trading market and fossil energy market is really important for carbon market investors to manage their asset portfolios. This paper used DCC- (BV) GARCH model to explore the dynamic correlation between the return volatility of carbon market and fossil energy market based on the data of Shenzhen carbon emissions pilot.The research found that the correlation coefficients of the return volatility between the carbon market and coal market，oil market are obviously time-varying. Therefore，the carbon market investors should pay attention to the correlation relation of the fluctuations between the carbon market and fossil energy market. They also need to reduce portfolio risk through reasonable asset allocation，continue to adjust the allocation ratio of portfolio and actively carry out risk management to obtain higher risk adjusted returns.

carbon emission trading market；fossil energy market；DCC-(BV) GARCH model；dynamic conditional correlation

高清霞，對外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院副教授，主要研究方向為投資、公司金融；李昉，對外經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院金融專業(yè)碩士研究生

X21

A

1673-288X(2016)05-0025-05

引用文獻(xiàn)格式：高清霞等.我國碳交易市場與化石能源市場間的動態(tài)相關(guān)性研究[J].環(huán)境與可持續(xù)發(fā)展，2016，41(5)：25-29.