湖北碳排放交易試點市場價格波動影響因素分析

楊天臣

[提要] 本文以湖北碳排放交易試點市場碳交易數(shù)據(jù)為研究對象，分析其價格波動及影響因素。通過建立GARCH族模型及Logit模型，發(fā)現(xiàn)湖北碳價格波動持續(xù)性較弱，且其波動性受綠色指標(biāo)、湖北地區(qū)GDP、武漢空氣質(zhì)量、湖北電力消耗、發(fā)電耗用原煤量以及深圳市場碳排放交易量等因素影響。

關(guān)鍵詞：湖北;碳排放交易試點市場;波動性;不對稱性;波動性影響因素

中圖分類號：F713.5 文獻(xiàn)標(biāo)識碼：A

收錄日期：2020年7月17日

一、介紹

工業(yè)革命以來，以巨量的資源消耗為代價的傳統(tǒng)發(fā)展模式引起嚴(yán)重的環(huán)境污染。中國高度重視環(huán)境污染問題，于2013年底開始在深圳、北京、上海、天津、廣東、湖北、重慶和福建先后建立了八個碳排放交易試點市場。Xianfeng Liu等（2019）發(fā)現(xiàn)湖北市場的成熟度最高，因此為更好了解相對成熟市場的特點，本文選擇研究成熟度最高的湖北碳排放交易權(quán)試點市場碳價格波動性及其影響因素，以豐富我國對該領(lǐng)域研究的不足，為我國建立統(tǒng)一的碳排放權(quán)交易市場提供一定的參考。

二、湖北碳排放權(quán)交易試點市場概述

中國試點市場發(fā)展時間較短，市場成熟度不夠，盡管湖北市場相對其他七家試點市場相對成熟，但總體來說，Jingye Lyu等（2020）發(fā)現(xiàn)由于中國碳交易市場缺乏詳細(xì)的發(fā)展規(guī)劃，市場活動低迷以及市場參與者對風(fēng)險的極端敏感態(tài)度，導(dǎo)致其在穩(wěn)定性缺陷方面的波動性。

（一）文獻(xiàn)綜述。碳價格機制是碳交易市場機制的核心。許多學(xué)者研究了歐盟和中國的試點市場中的碳價格波動性及其影響因素。Bao-jun Tang等（2017）發(fā)現(xiàn)，歐盟碳交易市場中的碳價格波動會受市場機制和外部環(huán)境影響;其中，外部環(huán)境對碳價格的影響主要體現(xiàn)在宏觀經(jīng)濟水平、環(huán)境質(zhì)量、城市發(fā)展水平、市場交易活動等方面。Kaile Zhou等（2019）發(fā)現(xiàn)湖北省碳排放交易價格與能源價格、宏觀經(jīng)濟指標(biāo)和空氣質(zhì)量之間存在長期均衡關(guān)系，碳排放交易價格在很大程度上受到宏觀經(jīng)濟指標(biāo)的影響。Boqiang Lin等（2019）發(fā)現(xiàn)，中國的碳市場價格對能源行業(yè)更為敏感，中國碳交易市場中的碳價格水平與GDP呈反比關(guān)系。

（二）湖北碳排放權(quán)交易試點市場碳價格描述性統(tǒng)計。通過湖北碳排放權(quán)交易試點市場碳價格偏度、峰度和標(biāo)準(zhǔn)差數(shù)值可以看出，湖北碳排放權(quán)價格序列具有波動性及非正態(tài)分布和“尖峰”特征，但由于標(biāo)準(zhǔn)差較小，說明其波動性較弱。（表1）

三、方法

（一）GARCH族模型。碳價格序列是金融時間序列，研究其波動性的常用方法是構(gòu)造GARCH族模型，通常情況下認(rèn)為GARCH模型選擇一階就能夠捕捉到碳價格時間序列的特征，其方程如下：

（二）Logit模型。由于本文因變量取值1或0，符合二分類形式Logit回歸模型，其一般形式表示為：

四、實證分析

（一）數(shù)據(jù)。本文以湖北碳交易市場為研究對象，選擇碳排放權(quán)初始交易日至2019年8月20日對數(shù)差分處理后的收盤價，數(shù)據(jù)來自中國的碳排放交易網(wǎng)。

（二）研究碳價格波動影響因素所需數(shù)據(jù)。在排除所選指數(shù)數(shù)據(jù)的多重共線性后，我們篩選中證環(huán)保、中國低碳、中國低碳總收入指數(shù)（Anupam Dutta等），深圳試點市場碳價格及交易量（Anca Claudia Balietti等發(fā)現(xiàn)，歐盟碳交易市場的活動與碳價格的波動之間通常存在正相關(guān)關(guān)系）、空氣質(zhì)量、湖北地區(qū)GDP（Zhao-Peng Li等發(fā)現(xiàn)經(jīng)濟發(fā)展對碳價的影響最大）、湖北地區(qū)用電量及發(fā)電耗用原煤量（Qi Wu等發(fā)現(xiàn)煤炭市場、Zhao-Peng Li等發(fā)現(xiàn)黑色能源消耗都會影響碳價格）作為建立Logit模型的指標(biāo)。數(shù)據(jù)來自東方財富數(shù)據(jù)庫、萬方數(shù)據(jù)庫及國家數(shù)據(jù)網(wǎng)。

五、實證結(jié)果

（一）波動性研究。在進(jìn)行實證分析前，需要測試數(shù)據(jù)的平穩(wěn)性、確定滯后項階數(shù)及檢驗異方差性后分析其波動性，結(jié)果如表2所示。（表2）

平穩(wěn)性檢驗T統(tǒng)計量值在1%、5%和10%水平上均小于所對應(yīng)臨界值，嚴(yán)格拒絕原假設(shè)，碳價格序列平穩(wěn)。通過AIC法則確定ARMA（2，3）是最適合的滯后階數(shù)，并據(jù)此對ARMA（2，3）模型進(jìn)行ARCH檢驗，其P值均小于顯著性水平，存在GARCH效應(yīng)，且ARCH項系數(shù)大于0，外部沖擊會對碳價格產(chǎn)生影響，但外部沖擊引起的碳排放價格波動持續(xù)性較弱。具體來說，除2014年無波動性和2016年碳排放價格波動持續(xù)性較強外，其他年份碳排放價格波動持續(xù)性較弱。

（二）波動性影響因素研究。綠色指標(biāo)、湖北地區(qū)GDP、武漢空氣質(zhì)量、深圳碳排放權(quán)交易量、湖北地區(qū)用電量及發(fā)電耗用原煤量會影響湖北試點市場碳價格波動性，其中中國低碳指數(shù)交易價格、中證環(huán)保指數(shù)交易額、湖北地區(qū)用電量及深圳碳排放權(quán)交易量與湖北試點市場碳價格波動性負(fù)相關(guān)。（表3）

六、結(jié)論

本文通過GARCH族模型和Logit模型研究了湖北碳價格波動性及其影響因素，發(fā)現(xiàn)湖北碳排放交易試點市場碳價格總體具有波動聚集性特征且外部沖擊引起的碳排放價格波動持續(xù)性較弱;綠色指標(biāo)、湖北地區(qū)GDP、武漢空氣質(zhì)量、深圳碳排放權(quán)交易量、湖北地區(qū)用電量及發(fā)電耗用原煤量都顯著影響湖北試點市場碳價格波動性。據(jù)此本文提出如下建議：第一，制定碳排放權(quán)交易市場政策時要充分考慮空氣質(zhì)量改善及經(jīng)濟發(fā)展趨勢。第二，發(fā)電用原煤的消耗量和電力消費對碳價格波動有重大影響。制定碳交易政策時應(yīng)考慮原煤消耗量的差異、清潔能源對傳統(tǒng)煤炭發(fā)電的替代效應(yīng)和電價政策帶來的影響。第三，湖北地區(qū)GDP對碳價格的波動產(chǎn)生重大影響。因此在出臺政策時，還應(yīng)考慮經(jīng)濟發(fā)展。

主要參考文獻(xiàn)：

[1]Xianfeng Liu，Xinxing Zhou，Bangzhu Zhu，Kaijian He，Ping Wang，Measuring the maturity of carbon market in China：An entropy-based TOPSIS approach[J].Journal of Cleaner Production，Volume 229，2019.

[2]Jingye Lyu，Ming Cao，Kuang Wu，Haifeng Li，Ghulam Mohi-ud-din，Price volatility in the carbon market in China[J].Journal of Cleaner Production，Volume 255，2020.

[3]Bao-jun Tang，Piqin Gong，ChengShen.Factors of carbon price volatility in a comparative analysis of the EUA and sCER[J].Annals of Operations Research，2017.

[4]Kaile Zhou，Yiwen Li.Influencing factors and fluctuation characteristics of Chinas carbon emission trading price，Physica A：Statistical Mechanics and its Applications，Volume 524，2019.

[5]Boqiang Lin，Zhijie Jia，What are the main factors affecting carbon price in Emission Trading Scheme？A case study in China，Science of The Total Environment，Volume 654，2019.

[6]S.Koreisha，T.Pukkila，Linear methods for estimating arma and regression models with serial correlation，Commun.Stat.-Simul.Comput.19（1990）71102.http：//dx.doi.org.

[7]Anupam Dutta，Elie Bouri，Md Hasib Noor.Return and volatility linkages between CO2 emission and clean energy stock prices[J].Energy，2018.

[8]Anca Claudia Balietti.Trader types and volatility of emission allowance prices.Evidence from EU ETS Phase I[J].Energy Policy，2016.

[9]Zhao-Peng Li，Li Yang，Yi-Nan Zhou，Kai Zhao，Xiao-Ling Yuan，Scenario simulation of the EU carbon price and its enlightenment to China[J].Science of The Total Environment，Volume 723，2020.

[10]Qi Wu，Minggang Wang，Lixin Tian，The market-linkage of the volatility spillover between traditional energy price and carbon price on the realization of carbon value of emission reduction behavior[J].Journal of Cleaner Production，Volume 245，2020.