人民幣匯率對中國碳價的沖擊效應(yīng)
——基于區(qū)域差異的視角

王 倩 路京京

一、 引 言

《京都議定書》引入的碳排放權(quán)交易體系被世界多國采用，成為降低減排成本、激勵和約束企業(yè)減排的政策工具。中國亦于2013年啟動了 “兩省五市” 碳交易試點(diǎn)，于2017年底啟動了全國統(tǒng)一的碳市場。碳交易使碳排放權(quán)成為一種有價值的金融資產(chǎn)。碳資產(chǎn)的定價機(jī)制不僅影響著減排績效，亦影響減排主體的成本與發(fā)展，從而成為學(xué)術(shù)界和巴黎氣候大會上關(guān)注的新熱點(diǎn)。作為一個新問題，碳資產(chǎn)定價理論仍在探索中，尚未形成完善的理論體系。雖然，中國試點(diǎn)碳市場間的高度關(guān)聯(lián)性已為全國統(tǒng)一碳市場的構(gòu)建提供了基礎(chǔ)[1](P57-67)[2](P63-69)，但在中國區(qū)域經(jīng)濟(jì)發(fā)展不平衡的背景下，如何構(gòu)建全國統(tǒng)一的碳價機(jī)制，特別是如何處理外部沖擊的區(qū)域差異性，兼顧減排的公平與效率，成為亟待解決的現(xiàn)實(shí)問題。碳價的區(qū)域差異，意味著不同區(qū)域減排成本的差異。在金融市場開放加速、人民幣匯率波動幅度加大的背景下，中國碳價會受到怎樣的沖擊？能源稟賦與貿(mào)易開放度的差異，是否會加劇中國在減排領(lǐng)域的區(qū)域不平衡？全國統(tǒng)一碳市場的價格管理應(yīng)如何增加彈性以應(yīng)對外部沖擊？這些問題不僅事關(guān)全國統(tǒng)一碳市場的構(gòu)建，亦是各區(qū)域低碳轉(zhuǎn)型過程中不平衡發(fā)展矛盾是否加深的關(guān)鍵。

碳資產(chǎn)價格取決于政府的碳排放權(quán)供給與企業(yè)的碳排放權(quán)需求。匯率通過能源與貿(mào)易渠道影響碳需求進(jìn)而影響碳價。能源相對價格的變化推動企業(yè)變換能源消費(fèi)結(jié)構(gòu)[3](P40-46)。中國的能源稟賦呈富煤、缺油和少氣的特點(diǎn)。煤炭的碳排放系數(shù)遠(yuǎn)高于石油和天然氣。為改變高碳排放的能源結(jié)構(gòu)，須增加石油和天然氣的消費(fèi)與進(jìn)口，而石油和天然氣等能源的國際價格均以美元標(biāo)價。因此，人民幣兌美元匯率的變化，會顯著沖擊能源進(jìn)口量與消費(fèi)結(jié)構(gòu)，進(jìn)而影響碳需求，引發(fā)碳價波動；另一方面，匯率直接影響企業(yè)的進(jìn)出口[4](P365-439)。在滿足馬歇爾—勒納條件下，本幣貶值增加出口訂單和企業(yè)能源消耗，進(jìn)而提升碳排放需求和碳價。作為能源進(jìn)口和貿(mào)易大國，中國的能源價格與進(jìn)出口貿(mào)易受人民幣匯率波動的直接影響。本文力圖剖析匯率沖擊碳價的機(jī)制，明確沖擊的區(qū)域差異效應(yīng)，為匯率波動下全國碳市場的碳價管理提出對策建議。

二、 文獻(xiàn)綜述

碳排放主要源于經(jīng)濟(jì)活動中的化石能源燃燒。因此，有關(guān)碳價影響因素的研究亦從能源價格與經(jīng)濟(jì)活動兩個方面展開。許多學(xué)者證實(shí)了各類能源市場如原油市場[5](P2594-2604)[6](P112-122+160)、電力市場[7](P1236-1251)、天然氣市場[8](P1442-1451)等與碳市場存在顯著的聯(lián)動關(guān)系。Zhang等發(fā)現(xiàn)EU ETS與煤炭市場的相關(guān)性最強(qiáng)，且存在單向的波動溢出效應(yīng)，而布倫特原油價格對歐洲碳價的影響是非對稱的[9]。

Alberola等[10](P787-797)、Chevalier[11](P1295-1312)[12](P2634-2656)等研究表明，經(jīng)濟(jì)因素影響碳價波動。經(jīng)濟(jì)增長對碳價有正向推動作用，經(jīng)濟(jì)擴(kuò)張、企業(yè)生產(chǎn)活躍、排放量增大、助推碳價上升；當(dāng)經(jīng)濟(jì)萎縮時，企業(yè)生產(chǎn)減少甚至停滯，導(dǎo)致碳價下跌。鄒亞生等[13](P142-153)基于VECM證實(shí)宏觀經(jīng)濟(jì)對核證減排單位(CER)現(xiàn)貨價格有顯著正向影響。Yu等[14](P145-161)構(gòu)建了匯率影響歐洲碳價的理論框架，并用SVAR模型證明了歐元兌美元匯率對碳價的沖擊。黃曉鳳等[15](P1-9)利用TGARCH模型和主成分分析法，證實(shí)外匯市場對核證減排單位(CER)交易市場的波動溢出效應(yīng)強(qiáng)于股票和原油市場。周建國等[10](P85-88)運(yùn)用VAR模型研究深圳碳價，證實(shí)匯率是碳價的重要影響因素之一。

現(xiàn)有文獻(xiàn)為碳定價提供了基本的思路和框架。然而，從金融市場間溢出效應(yīng)角度，研究外匯市場對碳市場的沖擊還有待進(jìn)一步深入。特別是，作為區(qū)域經(jīng)濟(jì)差異較大的經(jīng)濟(jì)體，中國碳試點(diǎn)為剖析外部沖擊的區(qū)域差異效應(yīng)提供了難得樣本。由此得到的政策啟示對中國在區(qū)域發(fā)展不平衡背景下全面推行碳交易體系及低碳轉(zhuǎn)型有著重要的借鑒作用。本文運(yùn)用Copula函數(shù)刻畫外匯市場與碳市場間的相依結(jié)構(gòu)和尾部關(guān)系,實(shí)現(xiàn)了研究方法的創(chuàng)新，突出了碳資產(chǎn)作為一種新型金融資產(chǎn)的屬性。

三、 數(shù)據(jù)與方法

(一) 數(shù)據(jù)描述

筆者選取深圳、北京、廣東、上海、天津、湖北六個碳市場*由于重慶碳市場交易冷淡，數(shù)據(jù)量嚴(yán)重不足，因此本文未將該市場納入研究對象。的碳價日收益率和匯率中間價的日收益率數(shù)據(jù)。樣本期為各碳市場首個交易日至2016年2月29日*即深圳為2013年6月18日-2016年2月29日；北京為2013年11月28日-2016年2月29日；廣東為2013年12月19日-2016年2月29日；上海為2013年12月19日-2016年2月29日；天津?yàn)?013年12月26日-2016年2月29日；湖北為2014年4月2日-2016年2月29日。。碳價數(shù)據(jù)來源于碳K線網(wǎng)站和wind數(shù)據(jù)庫*由于碳價原始數(shù)據(jù)為連續(xù)數(shù)據(jù)，即取前一交易日的收盤價作為周末及節(jié)假日的價格。本研究中剔除了周末和節(jié)假日等非營業(yè)日的價格，以便與匯率形成平衡面板進(jìn)行分析。。人民幣兌美元匯率中間價數(shù)據(jù)來源于國家外匯管理局網(wǎng)站。由圖1可知，六個碳市場的價格收益率均體現(xiàn)出一定的波動聚集性。

圖1 各地碳價收益率序列趨勢圖

由表1可知：深圳碳市場的收益率均值最大，上海碳市場的最小。僅深圳和湖北的收益率均值為正，其余均為負(fù)數(shù)；上海碳價收益率的標(biāo)準(zhǔn)差最大，為0.0756；廣東的最小，為0.0244。這說明上海碳市場的價格波動劇烈，風(fēng)險較大；而廣東碳市場的波動較小，市場較穩(wěn)定。從偏度和峰度看，六個碳市場的峰度均大于正態(tài)分布的峰度3，北京和廣東的收益率左偏，其他四個市場右偏。

由圖2可知，各碳市場的收益率分布與正態(tài)分布圖相差較大，呈現(xiàn)明顯的“尖峰”特點(diǎn)。收益率分布還具有一定的“厚尾”特征。這說明碳市場存在大幅的價格波動，市場風(fēng)險較大。綜合峰度和偏度的數(shù)值，可知各碳市場的收益率均呈現(xiàn)出“尖峰厚尾”的金融特征。

表1 碳價收益率描述性統(tǒng)計(jì)量

圖2 碳價收益率的頻率直方圖與正態(tài)分布密度曲線

(二) 模型方法

本文選取Copula模型作為實(shí)證研究的方法。Copula模型被廣泛應(yīng)用于金融資產(chǎn)間的相關(guān)性分析。Copula函數(shù)能夠捕捉非線性和非對稱相關(guān)性,避免線性相關(guān)系數(shù)可能帶來的誤差；靈活地選擇資產(chǎn)邊緣分布的具體形式，對金融序列呈現(xiàn)出的“尖峰厚尾”特征具有很強(qiáng)的刻畫能力；適用于任何分布，由其導(dǎo)出的一致性和相關(guān)性測度具有更廣泛的實(shí)用性。因此，該模型適用于分析匯率市場與碳市場間的影響特點(diǎn)和相關(guān)結(jié)構(gòu)。Copula模型的界定采用Nelsen[17]的定義：

Copula函數(shù)是將隨機(jī)向量X1,X2,…,XN的聯(lián)合分布函數(shù)與各自的邊緣分布函數(shù)相連接的連接函數(shù)，即有函數(shù)c(u1,u2,…,uN)，使得

F(x1,x2,…,xN)=C[Fx1(x1),Fx2(x2),…,FxN(xN)]

(1)

常見N元Copula函數(shù)的分布函數(shù)表達(dá)式如表2：

表2 常見N元Copula函數(shù)的分布函數(shù)表達(dá)式

四、 實(shí)證分析

單位根檢驗(yàn)結(jié)果顯示，碳價收益率和匯率收益率均為平穩(wěn)序列。基于各序列的自相關(guān)系數(shù)和自相關(guān)圖，北京、天津和湖北的碳價收益率序列的滯后階數(shù)為3，上海、廣東和深圳碳價收益率序列的滯后階數(shù)為1，匯率收益率序列的滯后階數(shù)為1。殘差時序圖、自相關(guān)函數(shù)檢驗(yàn)與LM檢驗(yàn)，說明相關(guān)序列存在ARCH效應(yīng)。為體現(xiàn)出正負(fù)資產(chǎn)收益率的非對稱效應(yīng)并放松對模型系數(shù)非負(fù)性的限制，我們選擇建立EGARCH模型。表3和表4給出了碳收益率和匯率收益率的模型估計(jì)結(jié)果。可看出，各GARCH項(xiàng)系數(shù)均在1%水平上顯著。

表3 碳價收益率EGARCH模型估計(jì)結(jié)果

注：*、**、***，分別表示估計(jì)在10%、5%和1%的水平上顯著，括號內(nèi)為相應(yīng)的標(biāo)準(zhǔn)差。

表4 匯率收益率EGARCH模型估計(jì)結(jié)果

注：*、**、***，分別表示估計(jì)在10%、5%和1%的水平上顯著，括號內(nèi)為相應(yīng)的標(biāo)準(zhǔn)差。

表5和表6分別給出的碳價和匯率收益率序列的K-S檢驗(yàn)結(jié)果，經(jīng)過概率積分變換后的邊緣分布序列服從(0，1)區(qū)間內(nèi)的均勻分布。

表5 K-S檢驗(yàn)結(jié)果(碳價收益率)

表6 K-S檢驗(yàn)結(jié)果(收益率)

表7為匯率市場與碳市場的Copula模型估計(jì)結(jié)果。根據(jù)平方歐氏距離最小原則，可選最優(yōu)Copula函數(shù)。針對平方歐氏距離相等的情況，我們結(jié)合收益率的標(biāo)準(zhǔn)差與相關(guān)系數(shù)來選擇：深圳選Frank Copula，北京、上海選Gumbel Copula，廣東選Clayton Copula，天津選t-Copula，而對于湖北，正態(tài)Copula和t-Copula 均能刻畫碳市場與匯率市場間的關(guān)系。其中，正態(tài)Copula和t-Copula用估計(jì)系數(shù)來描述相關(guān)關(guān)系，Clayton Copula、Gumbel Copula和Frank Copula用非線性相關(guān)系數(shù)Kendall_τ來描述相關(guān)關(guān)系。

表7 碳市場與匯率市場的Copula模型估計(jì)結(jié)果

由估計(jì)結(jié)果可知，各碳市場與匯率市場的相關(guān)結(jié)構(gòu)具有較大差異。從匯率影響能源相對價格的角度分析，我們給出了匯率與能源相對價格的走勢(如圖3)。其中oil/coal表示石油與煤炭的相對價格，gas/coal表示天然氣與煤炭的相對價格，usd表示美元兌人民幣匯率的中間價?？梢姡跇颖酒谑团c煤炭的相對價格低于天然氣與煤炭的相對價格。

圖3 能源相對價格與匯率走勢圖

進(jìn)一步地，我們用ρ1、ρ2分別表示usd與oil/coal的相關(guān)系數(shù)、usd與gas/coal的相關(guān)系數(shù)，估計(jì)結(jié)果如表8?？梢?，匯率與能源的相對價格均有顯著的相關(guān)關(guān)系，其中與oil/coal呈負(fù)相關(guān)，與gas/coal呈正相關(guān)。近十年來，我國能源使用總量逐年上升，但煤炭使用量的增長率已逐漸放緩。自2011年以來，煤炭占總能源消費(fèi)量的比重逐年遞減，能源的轉(zhuǎn)型升級已初顯成效(如圖4)。但各地區(qū)能源替代結(jié)構(gòu)的差異，使得人民幣匯率波動對碳價的沖擊具有較大差異。

表8 相關(guān)系數(shù)估計(jì)結(jié)果

注：*表示估計(jì)在1%的水平上顯著，括號內(nèi)為顯著性檢驗(yàn)的p值。

圖4 中國能源消費(fèi)量與煤炭消費(fèi)量占比

從上述計(jì)量結(jié)果，我們可知：

1.匯率市場與天津碳市場呈顯著負(fù)相關(guān)，而與其余五個碳市場的相關(guān)系數(shù)均為正，其中對北京、上海和深圳的正向沖擊非常顯著，而對湖北、廣東的正向沖擊較弱。天津碳價與匯率的相關(guān)系數(shù)為-0.0237，與其它市場正的相關(guān)系數(shù)明顯不同。這是因?yàn)椋谒性圏c(diǎn)地區(qū)中，天津石油消耗量增速最快，能源轉(zhuǎn)換結(jié)構(gòu)主要體現(xiàn)為用石油替代煤炭，因此對石油與煤炭的相對價格更敏感。而其它試點(diǎn)地區(qū)天然氣的使用量增長很快，對天然氣與煤炭的相對價格更敏感。例如，天津2014年的石油消耗量為1615萬噸，比2007年的768萬噸增加了2倍多。2014年武漢消耗天然氣40億立方米，比2007年的8.6億立方米增加了4倍多。廣東和北京2014年使用的天然氣分別為133.8億和113.7立方米，不僅總量在試點(diǎn)地區(qū)中最高，而且增長率也較快。上海在2007年至2014年間，石油消費(fèi)的增長率僅為1.15%，而天然氣消費(fèi)的增長率為2.6%。特別是北京和上海煤炭消費(fèi)總量已經(jīng)出現(xiàn)了負(fù)增長，以北京為例，2014年的煤炭消費(fèi)量為1737萬噸，比2007年的2985萬噸下降了42%*數(shù)據(jù)來源于各年《中國能源統(tǒng)計(jì)年鑒》，由于深圳作為經(jīng)濟(jì)特區(qū)不是省級單位，沒有單獨(dú)的能源數(shù)據(jù)，因此在分析中沒有給出深圳的情況。?？梢姡髟圏c(diǎn)地區(qū)的能源替代效應(yīng)均比較明顯。但由于石油的碳排放量系數(shù)高于天然氣，從而導(dǎo)致天津的能源替代效應(yīng)及匯率沖擊效應(yīng)區(qū)別于其它地區(qū)。各地區(qū)能源消費(fèi)結(jié)構(gòu)與能源替代效應(yīng)的差異亦影響了匯率沖擊碳價的差異。此外，天津自2009年以來，進(jìn)口總額一直大于出口總額①。在樣本期內(nèi)，人民幣匯率主要處于升值狀態(tài)。天津進(jìn)口大于出口的貿(mào)易結(jié)構(gòu)使得人民幣匯率升值(美元貶值)減少出口、碳價的作用弱于增加進(jìn)口、拉升碳價的作用，從而亦使匯率對碳價具有負(fù)向沖擊。這是因?yàn)槿嗣駧艆R率升值，降低中國出口產(chǎn)品的價格競爭力，減少出口企業(yè)的生產(chǎn)訂單，出口企業(yè)生產(chǎn)規(guī)模的縮小會降低企業(yè)的碳配額需求，從而拉低碳價；而另一方面，人民幣匯率升值，會提高中國進(jìn)口企業(yè)的支付能力和進(jìn)口需求，增加進(jìn)口企業(yè)的生產(chǎn)能力，提高碳配額需求，推高碳價。試點(diǎn)地區(qū)進(jìn)出口結(jié)構(gòu)的差異使得匯率沖擊碳價的方向相反。

2.匯率市場與北京、上海的碳市場呈顯著的上尾相關(guān)性，與廣東則呈現(xiàn)下尾相關(guān)性，與天津呈現(xiàn)尾部極值相關(guān)。Gumbel Copula函數(shù)具有“上尾高，下尾低”的特點(diǎn)，說明匯率暴漲時，北京、上海碳價出現(xiàn)暴漲的概率較大。Clayton Copula函數(shù)具有“下尾高，上尾低”的特點(diǎn)，因此匯率暴跌時，廣東碳價暴跌的可能性較大；t-Copula函數(shù)對尾部的敏感度較高,天津碳市場與匯率市場尾部相關(guān)最明顯，當(dāng)匯率發(fā)生較大波動時，天津碳市場也會產(chǎn)生劇烈的震蕩。

五、 結(jié)論與對策建議

為揭示人民幣匯率波動對碳價的沖擊，豐富碳定價理論，完善碳價管理機(jī)制，本文選取深圳、北京、廣東、上海、天津、湖北六個碳市場的碳價收益率以及人民幣兌美元匯率中間價的日收益率數(shù)據(jù)，基于指數(shù)自回歸條件異方差Copula模型，考察了各碳市場與匯率市場的相關(guān)結(jié)構(gòu)。結(jié)論表明：匯率對各市場碳價的沖擊呈現(xiàn)顯著的區(qū)域差異。對天津碳價有負(fù)向沖擊，對其余五個市場的影響均為正，對北京、上海和深圳的沖擊較顯著，對湖北、廣東的影響較弱；對北京、上海碳價的沖擊呈顯著的上尾相關(guān)性，對廣東呈下尾相關(guān)性，對天津呈尾部極值相關(guān)。進(jìn)一步的能源替代效應(yīng)分析表明，各地區(qū)的煤炭替代效應(yīng)較顯著，其中天津石油替代煤炭的比重較大，其余地區(qū)天然氣替代煤炭的比重較大。

本文的發(fā)現(xiàn)說明人民幣匯率波動對中國碳價有顯著沖擊且沖擊具有區(qū)域異質(zhì)性。中國的減排政策體系應(yīng)根據(jù)這一特征進(jìn)行調(diào)整：全國碳市場交易規(guī)則的設(shè)計(jì)，應(yīng)關(guān)注區(qū)域差異，綜合考慮地區(qū)的資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)、貿(mào)易結(jié)構(gòu)等問題，充分考慮碳排放權(quán)的收入分配效應(yīng)。避免全國統(tǒng)一碳市場運(yùn)行中出現(xiàn)地區(qū)性的凈碳排放權(quán)買入者與賣出者，特別是要避免碳交易使經(jīng)濟(jì)落后地區(qū)承擔(dān)更高的減排成本而擴(kuò)大區(qū)域差異；碳價管理機(jī)制應(yīng)增加彈性，應(yīng)充分考慮匯率等金融資產(chǎn)價格波動對碳價的沖擊及其區(qū)域差異效應(yīng)，積極構(gòu)建聯(lián)動機(jī)制，避免外部沖擊影響碳市場的穩(wěn)定與減排企業(yè)的投融資決策；積極推進(jìn)能源產(chǎn)品的人民幣定價、促進(jìn)人民幣匯率的穩(wěn)定，以降低國際能源價格對我國能源價格的沖擊，并利用全國統(tǒng)一碳市場將是全球最大碳市場的規(guī)模優(yōu)勢，提升碳定價的國際話語權(quán)；加強(qiáng)碳市場與其它金融市場的合作，鼓勵碳金融創(chuàng)新，充分發(fā)揮碳市場在促進(jìn)我國能源轉(zhuǎn)型過程中的積極作用。

[1] 王倩，高翠云.中國試點(diǎn)碳市場間的溢出效應(yīng)研究——基于六元VAR-GARCH-BEKK模型與社會網(wǎng)絡(luò)分析法.武漢大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版)，2016，(6).

[2] 汪文雋，周婉云，李瑾等.中國碳市場波動溢出效應(yīng)研究.中國人口·資源與環(huán)境，2016，(12).

[3] E.Delarue,K.Voorspool,W.Dhaeseleer.Fuel Switching in the Electricity Sector under the EU ETS:Review and Prospective.Energy Engineering,2008,134(2).

[4] D.Rodrik.The Real Exchange Rate and Economic Growth.Brookings Papers on Economic Activity,2008,39(2).

[5] G.Daskalakis，R.N.Markellos.Are Electricity Risk Premia Affected by Emission Allowance Prices? Evidence From the EEX,Nord Pool And Powernext.Energy Policy,2009,(37).

[6] 張秋莉，楊超，門明.國際碳市場與能源市場動態(tài)相依關(guān)系研究與啟示——基于DCC-MVGARCH模型.經(jīng)濟(jì)評論，2012，(5).

[7] P.Atola，M.Ollikainen,A.Toppinen.Impact of the Carbon Price on the Integrating European Electricity Market.Energy Policy,2013,(61).

[8] 海小輝，楊寶臣.歐盟排放交易體系與化石能源市場動態(tài)關(guān)系研究.資源科學(xué)，2014，(7).

[9] Y.J.Zhang,Y.F.Sun.The Dynamic Volatility Spillover Between European Carbon Trading Market and Fossil Energy Market.Journal of Cleaner Production,2016,112.

[10] E.Alberola，J.Chevallier，B.Chèze.Price Drivers and Structural Breaks in European Carbon Prices 2005-2007.Energy Policy,2008,(36).

[11] J.Chevallier.A Model of Carbon Price Interactions With Macroeconomic and Energy Dynamics.Energy Economy,2011,33(6).

[12] J.Chevallier.Evaluating the Carbon—Macroeconomy Relationship:Evidence from Threshold Vector Error-correction and Markov-Switching VAR Models.Economy Model,2011,28(6).

[13] 鄒亞生，魏薇.碳排放核證減排量(CER)現(xiàn)貨價格影響因素研究.金融研究，2013,(10).

[14] J.M.Yu,M.L.Mallory.Exchange Rate Effect on Carbon Credit Price Via Energy Markets.Journal of International Money and Finance,2014,47.

[15] 黃曉鳳，王廷惠，程玉仙.國際股票、外匯及原油市場對CER市場的波動溢出效應(yīng).系統(tǒng)工程,2015，(5).

[16] 周建國,劉宇萍,韓博.我國碳配額價格形成及其影響因素研究——基于VAR模型的實(shí)證分析.價格理論與實(shí)踐,2016，(5).

[17] D.B.Nelson.ARCH Models as Diffusion Approximations.Journal of Economics,1990,45.