中國碳排放權(quán)交易試點(diǎn)市場的現(xiàn)狀特征及風(fēng)險(xiǎn)分析

申 晨 林沛娜

·國民經(jīng)濟(jì)·

中國碳排放權(quán)交易試點(diǎn)市場的現(xiàn)狀特征及風(fēng)險(xiǎn)分析

申 晨 林沛娜

適應(yīng)新的世界經(jīng)濟(jì)趨勢，科學(xué)分析我國不同碳市場的運(yùn)行情況，把握交易規(guī)模、價(jià)格和日收益率等變量特征，定性與定量相結(jié)合探討我國區(qū)域碳金融交易的市場風(fēng)險(xiǎn)，為市場交易主體和監(jiān)管部門提供決策參考，有重要意義。利用中國七個(gè)碳交易試點(diǎn)省市日成交量和收盤價(jià)數(shù)據(jù)，考察當(dāng)前碳交易市場的規(guī)模、價(jià)格和收益率走勢，并結(jié)合收益率的波動性、杠桿效應(yīng)、風(fēng)險(xiǎn)溢價(jià)、條件方差等實(shí)證分析碳交易市場風(fēng)險(xiǎn)。結(jié)果顯示： 各試點(diǎn)省市碳交易所的成交量、收盤價(jià)和日收益率趨勢存在顯著差異；北京和深圳交易所對市場價(jià)格有較強(qiáng)的長期記憶性，重慶交易所收益率的波動性最易受外部沖擊影響；部分碳交易市場存在明顯的杠桿效應(yīng)，但外部沖擊對各試點(diǎn)市場都可能產(chǎn)生系統(tǒng)性影響，導(dǎo)致極端波動在短時(shí)間內(nèi)相繼發(fā)生。對比各試點(diǎn)省市的碳市場交易狀況而言，湖北碳市場交易規(guī)模和價(jià)格相對更平穩(wěn)，ARCH-M效應(yīng)最強(qiáng)，其市場收益有較高的正風(fēng)險(xiǎn)溢價(jià)，具有成為全國統(tǒng)一的碳市場金融中心的潛力。

碳排放權(quán)交易試點(diǎn)市場； 碳交易機(jī)制； 收益率波動； 碳金融市場風(fēng)險(xiǎn)

一 引言與文獻(xiàn)回顧

氣候變化問題日益受到國際社會的廣泛關(guān)注，《〈聯(lián)合國氣候變化框架公約〉京都議定書》(Kyoto Protocol或議定書)的生效標(biāo)志著人們用法律法規(guī)限制溫室氣體排放時(shí)代的開始。根據(jù)議定書中“共同但有區(qū)別的責(zé)任”原則，中國作為發(fā)展中國家雖不具有強(qiáng)制減排的義務(wù)，但面對國內(nèi)外日益高漲的環(huán)境保護(hù)關(guān)注度，我國主動承擔(dān)大國減緩溫室氣體排放的責(zé)任。隨著美國宣布退出旨在對抗氣候變化的《巴黎協(xié)定》，中國更是逐步接掌氣候變化領(lǐng)導(dǎo)權(quán)，加速落實(shí)《巴黎協(xié)定》減排目標(biāo)①和國際承諾。理論和實(shí)踐皆證明，基于科斯思想構(gòu)建的碳交易市場借助交易機(jī)制激活各類市場主體，無疑是力推節(jié)能減排的最有效手段之一。為兌現(xiàn)承諾，中國政府不僅運(yùn)用行政手段將減排目標(biāo)分解至各省區(qū)市，并自2013年末起，深圳、北京、天津、上海、廣東、湖北、重慶7省市先后啟動了碳排放權(quán)交易試點(diǎn)，截至2016年9月30日，中國7個(gè)碳排放交易所的交易總量為7321.37萬噸，總交易額達(dá)18.26億元，試點(diǎn)地區(qū)2014年和2015年履約率分別達(dá)到96%和98%以上，并計(jì)劃于2017年在全國范圍內(nèi)推行溫室氣體排放的“總量控制和交易(Cap-and-Trade)”制度。 雖然全球目前80%左右的碳交易都發(fā)生在歐盟碳市場，但是作為全世界最大的碳排放國，隨著2017年中國碳市場全面啟動，預(yù)期至2020年，中國碳市場交易規(guī)模將達(dá)到4000億元，替代歐盟成為全球最大的碳市場，徹底改變世界碳市場的格局。

在當(dāng)前這個(gè)由區(qū)域性交易市場邁向全國性市場的關(guān)鍵節(jié)點(diǎn)，很多學(xué)者論證了中國構(gòu)建碳排放權(quán)交易市場的必要性及減排機(jī)理(楊志和陳波，2010[1]；朱青梅和孫曉燕，2015[2])。碳排放權(quán)交易市場包含配額初始分配的一級市場和碳排放額度自行交易的二級市場，眾多學(xué)者從經(jīng)濟(jì)學(xué)角度對中國碳排放配額的分配機(jī)制和評估方式進(jìn)行了深入研究(令狐大智和葉飛，2015[3]；李小勝和宋馬林，2015[4]；傅京燕和黃芬，2016[5])；由于中國碳市場起步較晚，交易數(shù)據(jù)缺乏，對二級市場交易機(jī)制的研究多局限于定性分析(陳德敏和譚志雄，2012[6]；彭峰和閆立東，2015[7])，或利用國外數(shù)據(jù)實(shí)證探索國際碳金融市場的規(guī)律，以此作為中國的經(jīng)驗(yàn)借鑒(高瑩和郭琨，2012[8]；荊克迪等，2014[9])。在新形勢下，通過準(zhǔn)確分析我國不同碳市場的運(yùn)行情況，把握交易規(guī)模、價(jià)格和日收益率等趨勢特征，從定量分析的視角探索中國區(qū)域碳金融交易的市場風(fēng)險(xiǎn)，可在一定程度上彌補(bǔ)國內(nèi)相關(guān)量化研究不足的缺陷，為監(jiān)管部門和市場交易主體控制碳金融市場風(fēng)險(xiǎn)、選定中國碳市場金融中心以及構(gòu)建統(tǒng)一的碳排放權(quán)交易市場等提供有益參考，這也是理論界和實(shí)踐界亟需解決的重要問題之一。

國外碳交易市場的量化研究比較成熟，主要研究領(lǐng)域包括： 碳排放權(quán)價(jià)格影響因素、碳市場價(jià)格發(fā)現(xiàn)功能及有效性、碳金融市場風(fēng)險(xiǎn)的度量、碳交易政策與環(huán)境和經(jīng)濟(jì)的互動關(guān)系等方面。Hammoudeh et al.(2015)[10]研究表明，原油、煤炭及天然氣對碳價(jià)格有著不同的影響特征；Joyeux和Milunovich(2010)[11]研究揭示歐盟碳期貨市場長期無效；Blyth和Bunn(2011)[12]對歐盟碳排放交易體系的市場風(fēng)險(xiǎn)和政策風(fēng)險(xiǎn)進(jìn)行了度量；Niizawa和Morotomi(2014)[13]比較了日本和韓國的碳交易政策對環(huán)境質(zhì)量和經(jīng)濟(jì)發(fā)展的影響，Greenstone和Hanna(2014)[14]研究指出，像印度這樣的發(fā)展中國家，不會因?yàn)槿驓夂蜃兓鴮Χ趸嫉葴厥覛怏w的排放進(jìn)行嚴(yán)格規(guī)制，除非氣候變化在本國產(chǎn)生嚴(yán)重的負(fù)面影響。近年來，國內(nèi)關(guān)于碳價(jià)格的量化研究也開始有所進(jìn)展，杜莉等(2015)[15]利用ARCH族模型計(jì)算的VaR去代表各區(qū)域碳交易所的市場風(fēng)險(xiǎn)，結(jié)果發(fā)現(xiàn)，各區(qū)域碳交易所市場價(jià)格的長期記憶性存在差異，對沖擊的衰減速度不同，各市場波動程度和最大損失也因區(qū)域而不同；齊紹洲等(2015)[16]基于EEMD模型探討了中國碳市場價(jià)格的形成機(jī)制，發(fā)現(xiàn)重大事件如新交易制度的頒布、配額拍賣等對絕大部分碳市場都會產(chǎn)生影響。

綜上所述，現(xiàn)有關(guān)于中國碳排放權(quán)交易市場的量化研究依舊匱乏，主要原因如下： 一是中國碳市場啟動較晚，至今運(yùn)行時(shí)長較短，加上交易機(jī)制尚不完善，對這樣欠成熟的碳市場進(jìn)行量化分析可能很難產(chǎn)生可靠結(jié)論和有效預(yù)測；二是相關(guān)數(shù)據(jù)還比較匱乏，中國七個(gè)碳交易試點(diǎn)的數(shù)據(jù)量比較有限，各交易所在官網(wǎng)上公布的交易數(shù)據(jù)也可能存在統(tǒng)計(jì)口徑不一的問題。本文使用中國碳排放交易網(wǎng)統(tǒng)一發(fā)布的各交易所從啟動交易至今的完整數(shù)據(jù)，而且在實(shí)證中進(jìn)行了系列相關(guān)的穩(wěn)健性檢驗(yàn)，以確保結(jié)論的準(zhǔn)確性，一定程度上克服了上述困難。

二 中國碳排放權(quán)交易試點(diǎn)市場運(yùn)行的基本現(xiàn)狀

(一)數(shù)據(jù)選取和來源

鑒于各交易所啟動日期存在差異，本文以各交易所首筆交易的日期為初始時(shí)間，截止日統(tǒng)一定為2016年9月30日，因而北京、深圳、上海、廣東、天津、湖北、重慶七省市碳交易所的樣本觀測量分別為717、717、702、702、697、629和573，所有數(shù)據(jù)均來源于中國碳排放交易網(wǎng)公布的日成交量與收盤價(jià)。

(二)各試點(diǎn)省市碳交易所的基本情況

樣本觀測期間，中國七個(gè)試點(diǎn)省市碳交易所的交易總量為7321.37萬噸，總交易額達(dá)18.26億元。圖1反映了中國七個(gè)碳交易所每日的成交規(guī)模和收盤價(jià)格?？傮w而言，相較于國外成熟市場*2016年2月，加利福尼亞-魁北克碳排放交易體系每噸二氧化碳當(dāng)量的交易價(jià)格為12.73美元，高于我國七個(gè)碳排放交易試點(diǎn)近2-4倍。，我國碳交易市場的交易活躍度較低，碳價(jià)也有明顯走低趨勢。由圖可知，各交易所啟動初期，由于市場交易機(jī)制并未成熟，碳價(jià)呈現(xiàn)虛高的特征，除湖北以外，其他交易所均出現(xiàn)了明顯的跌勢，但從2015年開始，大部分試點(diǎn)省市的碳價(jià)逐漸穩(wěn)定，且均反映出“成交量擴(kuò)張，價(jià)格攀升”的規(guī)律，表明我國試點(diǎn)省市碳交易所的碳價(jià)發(fā)現(xiàn)機(jī)制漸趨完善。此外，各試點(diǎn)省市交易市場參與者都傾向于在履約期前期集中交易，因而配額交易的成交量和價(jià)格都呈現(xiàn)峰值型特性，而履約清繳后容易陷入平靜。2016年與2014、2015年相比，各月份市場活躍度明顯提高，企業(yè)的碳排放權(quán)交易意識增強(qiáng)，并且投資性交易增多，部分地區(qū)的價(jià)格跌勢有企穩(wěn)回升態(tài)勢。分區(qū)域比較看來，重慶和天津的市場交易最為低迷。對于各地區(qū)的日收盤價(jià)，跌幅最為明顯的是深圳碳排放權(quán)交易所，自2013年底啟動交易時(shí)的約80元/噸跌至28元/噸；北京環(huán)境交易所的碳價(jià)最為穩(wěn)定，波動小，均價(jià)最高；重慶碳排放權(quán)交易中心首筆交易最晚，且碳交易的收盤價(jià)一直處于低位。

圖1 中國七個(gè)試點(diǎn)省市碳交易所日碳成交量和收盤價(jià)趨勢圖

總體而言，湖北和廣東碳交易所的成交量要高于其他地區(qū)，其成交量之和占全國總成交量的70%，尤其是日成交規(guī)模的峰值幾乎都集中在湖北碳排放權(quán)交易中心。湖北碳市場交易的活躍性和價(jià)格的平穩(wěn)性，是由其工業(yè)基礎(chǔ)和產(chǎn)業(yè)結(jié)構(gòu)決定的。從中國各試點(diǎn)省市碳市場的覆蓋行業(yè)看，所有市場基本上都包括了鋼鐵、石化和電力等高耗能行業(yè)。湖北省第二產(chǎn)業(yè)在GDP中占比較高，有堅(jiān)實(shí)的實(shí)體經(jīng)濟(jì)作為基礎(chǔ)，進(jìn)場交易的主體基數(shù)大，包括控排企業(yè)、機(jī)構(gòu)投資者和個(gè)人投資者，市場需求相對旺盛，交易頻率高，能夠保證交易的穩(wěn)定持續(xù)和價(jià)格的順暢傳導(dǎo)。此外，湖北省還推出了國內(nèi)首個(gè)碳排放權(quán)現(xiàn)貨遠(yuǎn)期交易產(chǎn)品，和普通碳市場產(chǎn)品5分鐘交易一次不同，該產(chǎn)品分分秒秒都可交易，促使交易量突飛猛漲，在七個(gè)碳交易試點(diǎn)市場中居于領(lǐng)先地位。

三 中國碳排放權(quán)交易試點(diǎn)市場的風(fēng)險(xiǎn)分析

碳排放權(quán)交易市場主要面臨市場規(guī)模波動和碳收盤價(jià)格波動兩類市場風(fēng)險(xiǎn)。市場風(fēng)險(xiǎn)的量化研究源于馬克維茨提出的投資組合理論，其采用收益率標(biāo)準(zhǔn)差與方差的比值衡量金融產(chǎn)品的風(fēng)險(xiǎn)大小。而后Engle(1982)[17]提出的ARCH模型，在研究金融數(shù)據(jù)波動性方面得到了廣泛應(yīng)用，但ARCH模型在實(shí)際應(yīng)用中往往需要很高的階數(shù)才能獲取較好的擬合效果，增加了模型的不穩(wěn)定性和模型估計(jì)的難度。因此，Bollerslev(1986)[18]進(jìn)一步提出改進(jìn)的ARCH模型，推廣為GARCH模型。本文以碳交易市場收益率為對象，分別運(yùn)用ARCH/GARCH類模型對中國碳排放權(quán)交易市場的波動性進(jìn)行實(shí)證分析?？紤]到數(shù)據(jù)的平穩(wěn)性及廣泛適用性，本文將日收盤價(jià)通過式(1)轉(zhuǎn)換成碳交易市場的日收益率：

(1)

其中，R(t)為當(dāng)日收益率，Pt和Pt-1分別表示碳交易市場當(dāng)日和前一日收盤價(jià)。

(一)各試點(diǎn)省市碳交易所日收益率數(shù)據(jù)的統(tǒng)計(jì)特征

從圖2試點(diǎn)省市碳交易市場收益率趨勢可以看出，各日收益率幾乎都在0附近上下波動，但是波動的頻率和程度存在較大差異。此外，樣本觀測期內(nèi)，碳交易日收益率呈現(xiàn)出明顯的“波動集聚”現(xiàn)象，即出現(xiàn)較大波動時(shí)，未來幾期的波動也較大。

進(jìn)一步對各碳交易所對數(shù)收益率進(jìn)行平穩(wěn)性檢驗(yàn)，根據(jù)ADF檢驗(yàn)結(jié)果，在1%顯著性水平上，拒絕了存在單位根的原假設(shè)，各區(qū)域碳交易所收益率序列平穩(wěn)。檢驗(yàn)結(jié)果如表1所示。

表1 ADF檢驗(yàn)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

根據(jù)總體方差檢驗(yàn)結(jié)果，各碳交易所日收益率的方差呈現(xiàn)出廣東>上海>天津>深圳>北京>重慶>湖北的特征，這與上文對交易規(guī)模和價(jià)格的初步分析結(jié)論相符。自2016年開始，廣東省的日收益率大多偏向于負(fù)值，碳價(jià)逐步走低。對七個(gè)區(qū)域的條件方差進(jìn)行ARCH-LM檢驗(yàn)，結(jié)果顯示，七個(gè)區(qū)域的碳交易市場均存在顯著的ARCH效應(yīng)。此外，自相關(guān)圖、偏自相關(guān)圖和Q檢驗(yàn)，也都顯示出這七個(gè)交易所收益率自回歸模型OLS殘差的平方序列存在條件異方差，即波動性集聚。此結(jié)論與LM檢驗(yàn)的結(jié)果相一致。限于篇幅，此處不再匯報(bào)相關(guān)檢驗(yàn)結(jié)果。

(二)實(shí)證分析

1. ARCH模型參數(shù)估計(jì)

結(jié)合上文得出的各區(qū)域碳交易所日收益率的數(shù)據(jù)特征結(jié)論，必須設(shè)定ARCH(p)模型以便更好地捕捉各區(qū)域碳交易所收益率的變化規(guī)律。為了確定滯后階數(shù)p，首先估計(jì)各交易所收益率殘差序列的自回歸系數(shù)。

設(shè)定ARCH(p)模型的均值方程為：

(2)

方差方程為：

(3)

表2是各區(qū)域碳交易所日收益率ARCH(p)模型的系數(shù)估計(jì)結(jié)果。從表中數(shù)據(jù)可以看出，幾乎所有ARCH項(xiàng)都顯著。依據(jù)估計(jì)結(jié)果，深圳、北京、上海、廣東、天津、湖北和重慶分別考慮選擇ARCH(3)、ARCH(4)、ARCH(2)、ARCH(4)、ARCH(2)、ARCH(1)和ARCH(2)模型。

表2 各區(qū)域碳交易所日收益率ARCH(p)模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

2. GARCH模型參數(shù)估計(jì)

實(shí)際應(yīng)用過程中，通常采用更為簡潔GARCH(1,1)的形式，其可以在一定程度上解釋金融序列的波動聚類現(xiàn)象，同時(shí)也能解釋金融序列的尖峰厚尾現(xiàn)象。GARCH(1,1)的均值方程和方差方程分別設(shè)定為式(4)及式(5)：

(4)

(5)

表3 各區(qū)域碳交易所日收益率GARCH(1,1)模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

ARCH項(xiàng)系數(shù)反映外部沖擊對碳收益率波動的影響，若其值大于零，則說明外部沖擊會加劇系統(tǒng)的波動性，GARCH項(xiàng)系數(shù)反映了系統(tǒng)的長期記憶性，兩系數(shù)之和為波動集群性和持續(xù)性的一個(gè)度量。表3的估計(jì)結(jié)果顯示，所有交易所ARCH項(xiàng)系數(shù)皆顯著為正，表明外部沖擊會加劇中國碳交易市場收益率的波動。重慶碳交易市場因外部沖擊導(dǎo)致的波動加劇程度最強(qiáng)，意味著其很大程度上會受到外部因素的影響；深圳和北京的系數(shù)最小，說明外部沖擊對系統(tǒng)波動性的影響最低。從GARCH項(xiàng)系數(shù)的估計(jì)結(jié)果可見，除湖北外，其他六個(gè)省市的GARCH項(xiàng)都具有統(tǒng)計(jì)顯著性。北京和深圳交易所碳收益率的沖擊衰減速度最慢，系數(shù)分別為0.908和0.862，即其方差沖擊的90.8%和86.2%在下一期仍分別存在，表明其市場價(jià)格長期記憶性比較強(qiáng)；而重慶交易所的GARCH項(xiàng)系數(shù)最小，當(dāng)期的方差沖擊在下一期只保留了7.2%，市場價(jià)格的長期記憶性比較弱；湖北交易所的GARCH項(xiàng)系數(shù)值很小且不顯著，表明當(dāng)期的方差沖擊對后期基本不存在影響，市場價(jià)格只存在短期記憶。此外，深圳、北京、廣東和重慶三個(gè)交易所的ARCH項(xiàng)和GARCH項(xiàng)系數(shù)之和大于1，說明碳交易所價(jià)格波動對外部的反應(yīng)以較快的速度遞增，波動的持續(xù)性也較強(qiáng)。

3. 基于TARCH模型的杠桿效應(yīng)分析

考慮到碳交易中壞消息與好消息的效應(yīng)可能不對稱，在GARCH(1,1)模型中加入一個(gè)TARCH項(xiàng)，具體檢驗(yàn)結(jié)果見表4。由表可知，只有天津和重慶的TARCH項(xiàng)不顯著，即不存在不對稱效應(yīng)，其他五個(gè)交易所的TARCH項(xiàng)系數(shù)都很顯著。但是這五個(gè)交易所不對稱效應(yīng)的表現(xiàn)不完全相同。除了北京以外，其他交易所的TARCH項(xiàng)都為負(fù)，這意味著，“好消息”對北京碳收盤價(jià)格波動性的影響大于“壞消息”，深圳、上海、廣東和湖北四個(gè)交易所則是同等強(qiáng)度的“壞消息”比“好消息”帶來的市場波動更大。同時(shí)，上海、廣東和湖北三個(gè)交易所TARCH項(xiàng)的系數(shù)非常接近，說明它們不對稱的規(guī)模較為相近。

表4 各區(qū)域碳交易所日收益率TARCH模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

4. 基于ARCH-M模型的風(fēng)險(xiǎn)溢價(jià)分析

考慮到收益率中可能存在風(fēng)險(xiǎn)溢價(jià)，本文還估計(jì)了ARCH-M型，檢驗(yàn)結(jié)果如表5所示。通常在有效的金融市場，高收益與高風(fēng)險(xiǎn)相伴相生，投資人要求較高的收益來抵消更大的風(fēng)險(xiǎn)，因而被稱為“風(fēng)險(xiǎn)溢價(jià)”。表5顯示，深圳和北京的ARCH-M項(xiàng)并不顯著，說明相對于股票交易，碳收盤價(jià)格中幾乎不存在風(fēng)險(xiǎn)溢價(jià)的因素，這可能與參與交易企業(yè)的性質(zhì)有一定聯(lián)系，大多進(jìn)場交易者都為政府規(guī)定的碳排放量達(dá)到一定規(guī)模的企業(yè)，投資者匱乏。天津的ARCH-M項(xiàng)系數(shù)符號顯著為負(fù)，即風(fēng)險(xiǎn)越高，收益率越低，這也從側(cè)面反映了天津交易所的交易機(jī)制極不完善。而上海、廣東、湖北和重慶的ARCH-M項(xiàng)符號顯著為正，與高風(fēng)險(xiǎn)高收益的認(rèn)知一致。湖北的ARCH-M項(xiàng)系數(shù)值最高，這與其推出的碳排放權(quán)現(xiàn)貨遠(yuǎn)期交易產(chǎn)品有關(guān)，除了企業(yè)和機(jī)構(gòu)投資者，市場還吸納了上千名個(gè)人投資者進(jìn)場淘金。

表5 各區(qū)域碳交易所日收益率ARCH-M模型估計(jì)結(jié)果

注： *p<0.10, **p<0.05, ***p<0.01。

5. 穩(wěn)健性分析

在以上的ARCH、GARCH、TARCH和ARCH-M估計(jì)中，本文均假設(shè)碳交易日收益率服從正態(tài)分布，但實(shí)際上碳交易收益可能存在厚尾，故對各區(qū)域碳交易所對數(shù)收益的偏度及峰度值進(jìn)行了正態(tài)性檢驗(yàn)。結(jié)果表明，七個(gè)交易所的收益率曲線峰度都顯著大于3，偏度值全都顯著異于0。因此，可以認(rèn)定，各交易所對數(shù)收益率都不是正態(tài)分布，呈現(xiàn)出“高峰厚尾”的特征。為此，假設(shè)擾動項(xiàng)服從t分布，重新用GARCH(1,1)進(jìn)行估計(jì)。結(jié)果與之前相差不大，限于篇幅，此處不再匯報(bào)估計(jì)結(jié)果。

(三)各試點(diǎn)省市交易所收益率條件方差走勢

本文進(jìn)一步對GARCH(1,1)模型的條件方差進(jìn)行預(yù)測，條件方差走勢代表各地碳收盤價(jià)格的波動水平。圖2顯示，日收益率的條件方差時(shí)有波動，甚至存在急劇上升或下降現(xiàn)象。如果使用OLS估計(jì)，則無法得到這些信息，因?yàn)镺LS將方差假定為常數(shù)，即一條水平線。

圖2 中國七個(gè)試點(diǎn)省市碳交易所碳交易收益率和條件方差趨勢圖

從圖2可以看出中國碳交易收益率和條件方差存在的三個(gè)規(guī)律。

第一，條件方差值較大的時(shí)間段比較集中，例如深圳和湖北都在2015年7月中下旬達(dá)到條件方差峰值，其他條件方差值較大的時(shí)間段還包括2015年末至2016年初，2016年5月下旬到6月，說明這幾個(gè)時(shí)間段存在外部對碳交易市場的共同沖擊。2015年7月1日，我國正式加入非常注重幫助成員國實(shí)現(xiàn)環(huán)境保護(hù)目標(biāo)的經(jīng)濟(jì)合作與發(fā)展組織(OECD)發(fā)展中心，這可能是2015年7月條件方差值比較大的原因之一；2015年末中美兩國元首就應(yīng)對氣候變化再度發(fā)布聯(lián)合聲明，中國碳市場即將全面啟動，這可能是影響碳交易價(jià)格和收益率的另一個(gè)沖擊。

第二，條件方差的峰值方面，重慶和天津兩個(gè)碳市場發(fā)生極端風(fēng)險(xiǎn)的可能性最大，條件方差最高可以分別達(dá)到一般水平的285倍和279倍左右。從如上對ARCH-M的分析也可看出，這將會帶來很高的風(fēng)險(xiǎn)溢價(jià)。北京和深圳發(fā)生極端風(fēng)險(xiǎn)的可能性最小，條件方差峰值分別為一般水平的19倍和42倍，可能是由于這兩個(gè)交易所最早啟動碳排放權(quán)交易，機(jī)構(gòu)和制度的設(shè)置也最為完善，相比其他交易所更能夠有效地防范極端風(fēng)險(xiǎn)的發(fā)生。

第三，波動頻率方面，深圳、北京發(fā)生極端波動的頻率最高，但是由于其條件方差峰值比較小，一定程度上限制了極端波動對碳交易造成的影響。重慶和天津碳市場發(fā)生極端波動的頻率比較低，但是極端波動的規(guī)模比較大，需要建立更完善的碳市場交易和風(fēng)險(xiǎn)防范制度。此外，很多交易所發(fā)生極端波動的時(shí)間相近，可見外部沖擊對碳交易所的日收益率將會產(chǎn)生系統(tǒng)性的影響。

條件方差可以反映各區(qū)域碳交易所的極端價(jià)格波動情況和極端風(fēng)險(xiǎn)。總體而言，我國七個(gè)碳交易市場條件方差達(dá)到最高值時(shí)相比一般水平的倍數(shù)都比較高，但在不同時(shí)段，反映各市場收益率波動程度和頻率的條件方差差異性較大，這種差異性對風(fēng)險(xiǎn)監(jiān)控提出了挑戰(zhàn)。

(四)實(shí)證結(jié)果總結(jié)

利用中國碳排放交易網(wǎng)發(fā)布的七個(gè)碳交易試點(diǎn)區(qū)域每日成交量和收盤價(jià)數(shù)據(jù)，基于前文對我國碳交易的規(guī)模、價(jià)格和日收益率等變量的走勢分析，進(jìn)一步探討各交易所收益率的市場風(fēng)險(xiǎn)。通過設(shè)定ARCH(p)和GARCH(1,1)模型探究收益率的波動特征及波動來源，基于TARCH模型和ARCH-M模型考察碳交易市場的杠桿效應(yīng)和風(fēng)險(xiǎn)溢價(jià)，并繪制各交易所收益率的條件方差圖，加深對各區(qū)域碳交易波動程度、頻率及市場風(fēng)險(xiǎn)的探討，得到以下實(shí)證結(jié)果： (1)由于各試點(diǎn)省市的經(jīng)濟(jì)基礎(chǔ)、產(chǎn)業(yè)結(jié)構(gòu)、制度環(huán)境和公民意識形態(tài)等方面的差異，各碳交易所的成交量、收盤價(jià)及日收益率的走勢呈現(xiàn)出顯著差異，但由于平臺內(nèi)部機(jī)制的不完善，各試點(diǎn)省市交易市場參與者都傾向于在履約期前期集中交易，致使各碳交易所收益率均出現(xiàn)波動性集聚的特性，價(jià)格機(jī)制尚未出現(xiàn)規(guī)律性特征；(2)GARCH(1,1)模型中，各試點(diǎn)碳交易所受外部沖擊后的收益率波動程度存在差異，對沖擊的衰減速度也有所不同，北京和深圳交易所市場價(jià)格的長期記憶性最強(qiáng)，重慶交易所收益率的波動性則主要受外部沖擊影響，一定程度上說明市場經(jīng)濟(jì)更活躍的省份，價(jià)格機(jī)制的功能越強(qiáng)；(3)不同時(shí)段內(nèi)，各區(qū)域碳交易所條件方差所代表的極端風(fēng)險(xiǎn)發(fā)生概率以及風(fēng)險(xiǎn)幅度有較大差異性；(4)部分碳交易市場存在明顯的杠桿效應(yīng)，即相同單位的利空消息對波動的影響常常要比利好消息來的大；(5)外部沖擊有可能會對不同市場的碳交易產(chǎn)生系統(tǒng)性影響，導(dǎo)致極端波動在短時(shí)間內(nèi)相繼發(fā)生；(6)以實(shí)體經(jīng)濟(jì)為重要產(chǎn)業(yè)基礎(chǔ)的中部省份湖北，其碳市場需求旺盛，個(gè)人和機(jī)構(gòu)投資者眾多，交易規(guī)模和價(jià)格最為平穩(wěn)，且ARCH-M效應(yīng)最強(qiáng)，其市場收益有較高的正風(fēng)險(xiǎn)溢價(jià)，可考慮將其發(fā)展成為中國統(tǒng)一的碳市場金融中心，使之成為全國碳市場向西部地區(qū)擴(kuò)展的橋梁，加速中國建設(shè)全球最大碳交易體系的進(jìn)程。

四 結(jié)論與政策建議

本文通過分析2013-2016年全國七個(gè)碳交易試點(diǎn)市場的規(guī)模、價(jià)格、收益率和風(fēng)險(xiǎn)發(fā)現(xiàn)，由于起步較晚，交易制度尚未完善，在試點(diǎn)階段出現(xiàn)了價(jià)格波動性大、極端風(fēng)險(xiǎn)過高、市場價(jià)格發(fā)現(xiàn)功能發(fā)揮受限、流動性不夠充裕、部分地區(qū)交易規(guī)模有限等問題，目前的碳價(jià)格下，企業(yè)缺乏足夠的激勵(lì)去進(jìn)行減排技術(shù)升級(Yang et al.，2016)[19]，這說明了在未來全國碳市場建設(shè)中完善交易價(jià)格體系和制度的必要性和急迫性。此外，研究結(jié)果還發(fā)現(xiàn)，不同試點(diǎn)區(qū)域的碳交易所面對價(jià)格沖擊的長期記憶性以及市場風(fēng)險(xiǎn)發(fā)生的概率和幅度大小存在顯著差異，這為有效地監(jiān)測碳金融市場收益率和控制市場風(fēng)險(xiǎn)提出了更多管理方面的挑戰(zhàn)。鑒于風(fēng)險(xiǎn)在金融市場間的傳導(dǎo)性，多區(qū)域交易市場可能增加風(fēng)險(xiǎn)發(fā)生的概率，故需要盡快選定碳市場的金融中心，以此構(gòu)建全國統(tǒng)一的碳市場才能確保碳交易價(jià)格在全國范圍內(nèi)有規(guī)律波動，充分發(fā)揮價(jià)格機(jī)制的功能，并通過統(tǒng)一監(jiān)管有效監(jiān)控碳金融風(fēng)險(xiǎn)，促進(jìn)我國碳排放權(quán)交易市場的有序發(fā)展。據(jù)此，結(jié)合前文研究結(jié)論提出以下建議：

第一，目前，各區(qū)域交易市場的價(jià)格和日交易量存在很大差異，2016年1-9月，交易量最大的廣東是最小的重慶的82倍，交易額最大的湖北更是最小的重慶的將近300倍。因此，必須加強(qiáng)區(qū)域交流合作，積極探索全國統(tǒng)一的碳交易市場的整合和構(gòu)建。要充分利用2016年《巴黎協(xié)定》生效和2017年全國建立碳排放交易體系的契機(jī)，編制全國統(tǒng)一碳市場建設(shè)路線圖，分地區(qū)分步驟建立統(tǒng)一監(jiān)管、統(tǒng)一定價(jià)和統(tǒng)一配額的全國碳排放市場。

第二，不同的碳市場具有不同的波動程度和頻率，根據(jù)分析結(jié)果，天津和重慶兩個(gè)碳市場存在較大的極端風(fēng)險(xiǎn)，外部沖擊可能會對其產(chǎn)生嚴(yán)重的影響。北京和深圳交易所可能發(fā)生極端波動的頻率高。一定程度上說明了這幾個(gè)碳市場的交易比較活躍，制度相對完善，但也可能說明了碳市場的制度結(jié)構(gòu)還沒有完全達(dá)到當(dāng)前規(guī)模碳交易的要求。所以，市場監(jiān)管者需要對配額分配、交易制度、市場主體準(zhǔn)入和風(fēng)險(xiǎn)防控等方面進(jìn)行評估及調(diào)整，使市場保持基本平穩(wěn)。

第三，外部沖擊有可能會對不同市場的碳交易產(chǎn)生系統(tǒng)性影響。對于國家或地區(qū)出臺新法律法規(guī)、交易所頒布新制度、氣候問題談判和配額拍賣等這類重大影響事件，市場交易者和監(jiān)管者需要根據(jù)市場走勢和供需情況，判斷事件的影響程度和持續(xù)時(shí)間以及市場主體的預(yù)期，適時(shí)推出有效的措施，才能平穩(wěn)、有效地建設(shè)碳市場。

第四，湖北碳市場實(shí)體經(jīng)濟(jì)基礎(chǔ)雄厚，需求旺盛，交易主體基數(shù)大，金融產(chǎn)品創(chuàng)新性強(qiáng)，交易規(guī)模和價(jià)格最為平穩(wěn)持續(xù)，ARCH-M效應(yīng)最強(qiáng)，其市場收益有較高的正風(fēng)險(xiǎn)溢價(jià)，建議將其選定為中國碳市場金融中心。此外，可以將中部地區(qū)的湖北省作為全國碳市場向西部及資源密集型地區(qū)擴(kuò)展的橋梁，加快中國碳市場邁向全國性市場的進(jìn)程，形成具有競爭性的碳市場價(jià)格，激勵(lì)企業(yè)主動減排，發(fā)展綠色金融，在此基礎(chǔ)上構(gòu)建全球最大的碳交易市場，成為全球碳市場的金融中心。

[1] 楊志, 陳波. 中國建立區(qū)域碳交易市場勢在必行[J]. 學(xué)術(shù)月刊, 2010, (7): 65-69.

[2] 朱青梅, 孫曉燕. 基于均衡分析法的碳交易減排機(jī)理及困境研究[J]. 東岳論叢, 2015, 36(11): 62-66.

[3] 令狐大智, 葉飛. 基于歷史排放參照的碳配額分配機(jī)制研究[J]. 中國管理科學(xué), 2015, 23(6): 65-72.

[4] 李小勝, 宋馬林. “十二五”時(shí)期中國碳排放額度分配評估——基于效率視角的比較分析[J]. 中國工業(yè)經(jīng)濟(jì), 2015, (9): 99-113.

[5] 傅京燕, 黃芬. 中國碳交易市場CO2排放權(quán)地區(qū)間分配效率研究[J]. 中國人口·資源與環(huán)境, 2016, 26(2): 1-9.

[6] 陳德敏, 譚志雄. 重慶市碳交易市場構(gòu)建研究[J]. 中國人口·資源與環(huán)境, 2012, 22(6): 40-44.

[7] 彭峰, 閆立東. 地方碳交易試點(diǎn)之 “可測量, 可報(bào)告, 可核實(shí)制度” 比較研究[J]. 中國地質(zhì)大學(xué)學(xué)報(bào): 社會科學(xué)版, 2015, 15(4): 26-35.

[8] 高瑩, 郭琨. 全球碳交易市場格局及其價(jià)格特征——以歐洲氣候交易體系為例[J]. 國際金融研究, 2012, (12): 82-88.

[9] 荊克迪, 安虎森, 田柳. 國際碳交易市場收益波動率研究及其對中國的啟示——基于A-PARCH模型的Bluenext碳交易市場的實(shí)證分析[J]. 南京社會科學(xué), 2014, (3): 24-32.

[10] Hammoudeh, S., Lahiani, A., Nguyen, D. K., et al.. An Empirical Analysis of Energy Cost Pass-through to CO2Emission Prices[J].EnergyEconomics, 2015, 49: 149-156.

[11] Joyeux, R., Milunovich, G.. Testing Market Efficiency in the EU Carbon Futures Market[J].AppliedFinancialEconomics, 2010, 20(10): 803-809.

[12] Blyth, W., Bunn, D.. Coevolution of Policy, Market and Technical Price Risks in the EU ETS[J].EnergyPolicy, 2011, 39(8): 4578-4593.

[13] Niizawa, H., Morotomi, T.. Governing Low-carbon Development and the Economy[J].GeneralInformation, 2014.

[14] Greenstone, M., Hanna, R.. Environmental Regulations, Air and Water Pollution, and Infant Mortality in India[J].TheAmericanEconomicReview, 2014, 104(10): 3038-3072.

[15] 杜莉, 孫兆東, 汪蓉. 中國區(qū)域碳金融收盤價(jià)格及市場風(fēng)險(xiǎn)分析[J]. 武漢大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版), 2015, 68(2): 86-93..

[16] 齊紹洲, 趙鑫, 譚秀杰. 基于 EEMD 模型的中國碳市場價(jià)格形成機(jī)制研究[J]. 武漢大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版), 2015, 68(4): 56-65.

[17] Engle, R. F.. Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation[J].Econometrica, 1982, 50(4): 987-1008.

[18] Bollerslev, T.. Generalized Autoregressive Conditional Heteroskedasticity[J].JournalofEconometrics, 1986, 31(3): 307-327.

[19] Yang, L., Li, F., Zhang, X.. Chinese Companies’ Awareness and Perceptions of the Emissions Trading Scheme (ETS): Evidence from a National Survey in China[J].EnergyPolicy, 2016, 98: 254-265.

Study on the Characteristics and Market risks of
the Carbon Emissions Trading Pilot Market in China

SHEN Chen LIN Pei-na

Based on the daily trading volume and closing price data of the seven carbon trading pilot regions, the paper analyzes the trend of scale, price and daily rate of return of the carbon trading market in China. Further, we examine empirically the carbon market risk including volatility of the daily rate of return, leverage effect, risk premium conditional variance and so on. We find that: there exist huge differences among the trading volumes, closing prices and daily rate of returns of the seven regions; the prices of Beijing and Shenzhen markets hold a strong long-term memory; the volatility of Chongqing market is the most vulnerable to external shocks; there exist significant leverage effects in some of the markets; the ARCH-M effect of Hubei is the strongest; external shocks are likely to have a systematic impact on different markets causing extreme fluctuations during a definitely short time. By contrast, transaction scale and the price is relatively more smoothly in Hubei carbon market with strongest ARCH-M effect meaning a higher risk premium, so it has the potential to become a national carbon market financial center.

carbon emissions trading pilot market; carbon trading mechanism; volatility of rate of return; risk of carbon financial market

2017-02-27

教育部人文社會科學(xué)青年基金項(xiàng)目“環(huán)境規(guī)制下中國工業(yè)經(jīng)濟(jì)發(fā)展的就業(yè)效應(yīng)研究： 理論機(jī)制與實(shí)證分析”(項(xiàng)目編號： 17YJC790123，項(xiàng)目負(fù)責(zé)人： 申晨)；浙江省哲學(xué)社會科學(xué)研究基地規(guī)劃項(xiàng)目“生態(tài)科技創(chuàng)新的環(huán)境規(guī)制路徑優(yōu)化研究”(項(xiàng)目編號： 16JDGH088，項(xiàng)目負(fù)責(zé)人： 申晨)。

申晨，博士，浙江理工大學(xué)經(jīng)濟(jì)管理學(xué)院講師，浙江省生態(tài)文明研究中心研究員，主要研究方向： 環(huán)境規(guī)制、碳效率等；林沛娜，中山大學(xué)嶺南學(xué)院博士研究生，主要研究方向： 碳排放權(quán)交易市場機(jī)制。

F205

A

1674-8298(2017)04-0123-12

[責(zé)任編輯： 陳 林]

10.14007/j.cnki.cjpl.2017.04.011

方式]申晨, 林沛娜. 中國碳排放權(quán)交易試點(diǎn)市場的現(xiàn)狀特征及風(fēng)險(xiǎn)分析[J]. 產(chǎn)經(jīng)評論, 2017, 8(4): 123-134.

① 到2030年中國單位GDP的二氧化碳排放要比2005下降60%-65%；非化石能源在總能源當(dāng)中的比例要提升到20%左右；二氧化碳的排放要達(dá)到并爭取盡早達(dá)到峰值；森林蓄積量要比2005年增加45億立方米，增加碳匯。