中國碳市場與電力市場間的風險溢出效應研究
——基于BK溢出指數(shù)模型

王喜平 王婉晨

（華北電力大學經(jīng)濟管理系，保定 071000）

引 言

進入21世紀，伴隨著極端天氣、自然災害的頻發(fā)，加速傳統(tǒng)能源向清潔低碳轉(zhuǎn)型、積極應對氣候變化成為全球共同性議題。我國積極宣傳并推動碳達峰、碳中和目標的實施，既是踐行習近平生態(tài)文明思想的重大實踐，也體現(xiàn)了促進經(jīng)濟社會綠色轉(zhuǎn)型的決心與擔當。目前，碳排放交易市場是全球公認的促進低碳經(jīng)濟發(fā)展和減少溫室氣體排放的最有效手段，已在全球30多個國家和地區(qū)付諸實施。我國在試點市場的基礎上，全國碳排放權(quán)交易已于2021年7月正式開市，但由于其交易標的復雜性、時間的跨期性以及結(jié)果的不確定性，碳金融市場呈現(xiàn)出比傳統(tǒng)股票市場更大的不穩(wěn)定性，蘊含著巨大的風險。與此同時，發(fā)電企業(yè)作為首批納入全國碳市場的行業(yè)，同時參與碳市場和電力市場。致使兩個市場的參與主體高度一致、交錯重疊、相互影響，應當形成合力、實現(xiàn)協(xié)同發(fā)展。因此，準確刻畫碳市場與電力市場之間的溢出效應對碳交易市場風險管理、國家節(jié)能減排戰(zhàn)略的穩(wěn)步推進以及雙碳目標的實現(xiàn)具有重要意義。

近年來，有關碳市場與能源市場之間的溢出效應研究已成為學界關注的焦點。事實上，已有大量研究證明，碳市場與能源市場之間存在明顯的溢出效應。歐盟碳市場作為目前全球最具代表性的碳交易市場，是許多研究的主要考察對象。如Liu 和 Chen （2013）[1]基于 FIEC-HYGARCH 模型，研究證實了歐盟碳市場與原油、煤炭、天然氣市場之間存在波動溢出效應。 Balc?lar等 （2016）[2]采用MS-DCC-GARCH模型研究發(fā)現(xiàn)能源市場對歐盟碳市場的風險傳導具有顯著的波動性和時變性。 Zhang 和 Sun （2016）[3]基于 DCC-TGARCH和BEKK-GARCH模型，證實了歐盟碳市場與煤炭市場、天然氣市場具有明顯的單向溢出效應，但與原油市場之間溢出效應并不明顯。Wang和Guo（2018）[4]運用 Diebold 和 Yilmaz（簡寫為 DY）溢出指數(shù)研究發(fā)現(xiàn)WTI原油與天然氣市場對歐盟碳市場的溢出效應較強，且一些重大政策變化會導致溢出指數(shù)發(fā)生較大波動。Tan等 （2020）[5]運用DY溢出指數(shù)模型研究發(fā)現(xiàn)化石能源、大宗商品市場以及股市對歐盟碳期貨的溢出效應較為顯著，且溢出強度與重大危機事件緊密相關。

隨著中國碳試點市場投入運行，國內(nèi)外學者開始關注中國碳市場與能源市場的聯(lián)動性和溢出效應。 Lin 和 Chen （2019）[6]運用 VAR（1）-DCCGARCH（1，1）模型和 VAR（1）-BEKK-GARCH（1，1）模型研究發(fā)現(xiàn)國內(nèi)碳市場與煤炭市場和新能源市場之間存在一定的相關性和風險溢出效應。劉建和等 （2020）[7]運用VAR和DCC-GARCH 模型分析發(fā)現(xiàn)我國焦煤市場與碳市場之間的溢出效應在所有能源市場中最強。趙領娣等 （2021）[8]運用DY溢出指數(shù)模型研究發(fā)現(xiàn)中國碳市場與能源市場之間存在雙向溢出效應，但不同區(qū)域碳市場與能源市場間溢出效應的特征和凈溢出關系存在差異。

然而，上述針對碳市場與能源市場之間溢出效應的研究，僅局限于煤炭、石油、天然氣等化石能源。在我國，二氧化碳排放主要來自于能源活動，其排放量約占全社會二氧化碳排放量的87%、全部溫室氣體排放量的73%，但其中電力部門是重要的碳排放部門，約占能源碳排放的40%，因此探究碳市場與電力市場之間的風險溢出效應具有重要意義。Ji等 （2019）[9]運用DY溢出指數(shù)模型研究發(fā)現(xiàn)碳市場價格與歐洲主要電力公司股票收益之間存在強烈的信息溢出，碳市場為信息接收者，且越大型電力公司往往對外信息溢出越明顯。從動態(tài)來看，溢出指數(shù)呈現(xiàn)不穩(wěn)定狀態(tài)，其波動與碳市場運營狀況和金融市場的風險事件有關。Yang （2020）[10]運用DY溢出指數(shù)研究發(fā)現(xiàn)碳市場是歐盟 “碳-電力”系統(tǒng)的凈接收方，德國和奧地利的電力公司在系統(tǒng)中起主導作用，且電力需求在風險溢出傳遞過程中起到了至關重要的作用。

從方法論的角度來看，雖然DY溢出指數(shù)模型可以克服GARCH模型不能具體刻畫溢出的方向和強度的缺陷。但該模型僅局限于時域下溢出效應的探究，無法衡量頻域下不同程度的溢出效應。Barunik 和 Krehlik （2018）[11]基于廣義方差分解譜構(gòu)建的溢出指數(shù)模型（簡寫為BK），可以捕捉在高頻率短周期、中頻率中周期和低頻率長周期下溢出程度的相同和不同，而傳統(tǒng)的時域研究無法獲取這種差異。因此，深入探究不同頻域下碳市場與電力市場間的溢出效應對于精準把握風險溢出的時效性至關重要。

本文的貢獻主要體現(xiàn)在以下兩個方面：（1）不同于針對中國碳市場的大部分研究關注碳市場與化石能源市場之間的溢出效應，本文選取的研究對象針對中國的電力上市公司，且樣本量選取具有一定廣泛性，結(jié)合了大、中、小不同規(guī)模的發(fā)電企業(yè)，以及火電、水電、風電、光電和核電等多種發(fā)電模式，識別溢出機制和規(guī)律，豐富了已有研究；（2）大多運用溢出指數(shù)模型的文獻，只針對溢出的強度和方向測算DY溢出指數(shù)，而本文在DY溢出指數(shù)的基礎上，運用BK溢出指數(shù)，分析在短、中、長期狀態(tài)下碳市場與電力市場之間的溢出效應，研究更具有全面性。與此同時，本文在溢出指數(shù)的基礎上構(gòu)建溢出網(wǎng)絡，刻畫經(jīng)濟一體化背景下碳市場與外部市場之間的交互關聯(lián)，識別“碳-電力”系統(tǒng)中的風險溢出中心。

1 理論分析與模型構(gòu)建

1.1 理論分析

眾所周知，市場間的溢出效應是指一個市場的發(fā)展變化不僅會對自身產(chǎn)生影響，還會對其他市場產(chǎn)生的影響。本質(zhì)上，溢出效應是一種信息的跨市場傳播現(xiàn)象。與此同時，溢出效應的機制可以用兩種理論來解釋：（1）有效市場理論。①由于市場之間共同信息的存在，以及不同市場對信息的反應速度不同，會導致強有效市場對弱有效市場產(chǎn)生風險溢出；②由于市場私有信息的存在，會導致一個市場所產(chǎn)生的波動信息溢出到其他市場。（2）行為金融理論。由于市場參與者往往都是非理性的，因此投資者情緒、羊群效應和啟發(fā)式?jīng)Q策等投資行為，會導致兩個市場之間的信息流動更加頻繁，尤其是在經(jīng)濟不平穩(wěn)時期，會進一步放大市場間的溢出效應。

具體到本文所選取的研究對象來說，圖1列示了碳市場與電力市場間的風險溢出機制，從中可以看出：發(fā)電企業(yè)在參與碳市場交易時，由于碳排放約束的存在，將會影響其發(fā)電決策和投資行為。因此，碳價格的波動將影響電力公司的發(fā)電成本，進而影響這些公司的股票價值；另外，發(fā)電企業(yè)發(fā)電方式的變動，也會影響碳排放權(quán)的供求，進而影響碳價格。因此，發(fā)電企業(yè)的經(jīng)營發(fā)展狀況將通過影響電力市場發(fā)電結(jié)構(gòu)來影響碳價格。此外，極端氣候、宏觀經(jīng)濟波動和政策變動沖擊也都會對碳和電力市場造成一定的影響，這些危機事件的出現(xiàn)也會進一步加強各市場之間的關聯(lián)性。

圖1 碳市場與電力市場風險溢出機制

綜上分析，隨著碳市場的不斷發(fā)展以及經(jīng)濟一體化的不斷深入，其與電力市場之間的風險溢出效應也會更加顯著。已有研究表明，波動率是市場信息的主要攜帶者，因此，本文基于波動率概念度量碳市場與電力市場之間的風險溢出效應。

1.2 模型構(gòu)建

1.2.1 時域下的溢出測度——DY溢出指數(shù)

1.2.2 頻域下的溢出測度——BK溢出指數(shù)

1.2.3 網(wǎng)絡分析方法

為識別 “碳-電力”系統(tǒng)中的風險溢出中心，本文將各樣本市場視為網(wǎng)絡中的節(jié)點，節(jié)點的中心度定義為與該節(jié)點連邊的權(quán)重之和，以衡量市場的重要性；將兩兩市場間的溢出關系視為該網(wǎng)絡的邊，以DY或BK模型計算得到的凈配對溢出指數(shù)度量節(jié)點的出度和入度。

2 實證分析

2.1 變量選取與數(shù)據(jù)描述

盡管全國碳排放權(quán)交易已于2021年7月16日正式開市，但目前交易數(shù)據(jù)有限，因此本文選取區(qū)域碳交易市場數(shù)據(jù)進行研究。相較于我國其他試點市場而言，湖北碳市場碳交易量占全國33.14%，碳交易額占全國55.41%，遠高于其他市場，在全國碳交易試點市場中具有舉足輕重的地位，因此本文選擇湖北碳市場作為研究對象。

為研究碳市場與電力市場之間的風險溢出效應，本文選取了7家電力上市公司作為電力市場的代表，最終所選取公司和其他相關信息如表1所示。湖北碳市場交易數(shù)據(jù)來自于湖北碳排放權(quán)交易中心，電力上市公司交易數(shù)據(jù)來自于CSMAR（國泰安）數(shù)據(jù)庫。本文采用日波動率來表示市場之間的風險溢出，借鑒 Schwert（1989）[12]和 Engle等 （2013）[13]的方法，計算各個市場收益率ARMA過程的殘差序列，將殘差序列的絕對值做為波動率。所有數(shù)據(jù)的樣本區(qū)間皆為2015年6月3日～2021年12月13日，且剔除了部分碳交易量為0的日期。表2給出了這8個變量數(shù)據(jù)的描述性統(tǒng)計。

表1 電力市場的選取與相關信息

表2 各變量波動率的描述性統(tǒng)計

由表2的數(shù)據(jù)可知：（1）深南電A的波動率最大，國電電力的波動率最小，且碳市場的最大值為0.2378，高于其他變量，并考慮到碳市場的標準差是除深南電A外所有變量中最大的，為0.0244，可以看出碳市場相對于其他市場而言，具有更大的風險不確定性；（2）表2中各變量波動率序列偏度皆不等于0，且峰度都大于4，JB統(tǒng)計量的值也表明，各變量的波動率序列都在1%的顯著性水平下拒絕原假設，即認為選取樣本數(shù)據(jù)均不是正態(tài)分布，具有尖峰厚尾的特征；（3）采用ADF和PP兩種方法進行平穩(wěn)性檢驗，檢驗結(jié)果表明，每個波動率序列在1%置信水平下均平穩(wěn)，因此可以構(gòu)建DY和BK溢出指數(shù)模型。

2.2 靜態(tài)溢出指數(shù)

表3和表4報告了碳市場與股票市場之間的時域和頻域風險溢出效應①，TO行表示某市場對其他市場的溢出效應，F(xiàn)ROM列表示受其他市場風險溢出的程度，NET表示兩者的差值，即對其他市場的凈溢出程度。

表3 各變量間的時域溢出指數(shù)表 單位：%

表4 各變量間的頻域溢出指數(shù)表 單位：%

續(xù) 表

2.2.1 時域靜態(tài)溢出

表3為各個變量之間的時域溢出指數(shù)表，結(jié)果表明：（1）總溢出指數(shù)為50.72%，即50.72%的系統(tǒng)變量變化可以用系統(tǒng)中其他變量的變化來解釋；（2）所有市場受自身滯后效應影響均高于受其他市場風險溢出的影響。碳市場對角線上的值為96.42%，而其他電力上市公司都至少從 “碳-電力”系統(tǒng)中獲得了40%以上的影響；（3）從方向性溢出來看，各個變量之間的風險溢出效應是雙向、非對稱的，其中國電電力、上海電力和湖北能源為主要的風險溢出方，他們的股價波動不太可能會受到其他變量價格波動的影響，并且在“碳-電力”系統(tǒng)中具有主導作用；湖北碳市場、寶新能源、金風科技、深南電A為主要的風險接收方，其價格將面臨更多的不確定性；（4）除部分發(fā)電量較小的電力企業(yè)外，風險溢出方的火電裝機比例處于較低水平，風險接收方的火電裝機比例處于較高水平。因此可再生能源發(fā)電比例較高的企業(yè)股價波動將更不容易受到碳價和其他企業(yè)股價波動的影響，成為風險溢出方。這表明，增加可再生能源發(fā)電比例將有助于發(fā)電企業(yè)降低風險；（5）碳市場的凈溢出指數(shù)為-1.55%，這表明中國碳市場在樣本期內(nèi)主要是從電力市場獲取信息，但向電力市場傳遞的信息則相對較少，這是由碳價過低和過于寬松的配額分配政策所導致的。該結(jié)論與Li等 （2020）[14]的研究結(jié)果基本一致，即電力企業(yè)的股票價格波動可以為碳價格變化提供一些參考信息，但中國的碳市場尚未對電力公司產(chǎn)生較大的影響。

2.2.2 頻域靜態(tài)溢出

2.3 動態(tài)溢出指數(shù)

由于溢出效應隨時間的動態(tài)變化無法通過靜態(tài)溢出表反映，本文進一步將滾動窗口技術(shù)②與DY、BK溢出方法相結(jié)合，計算各變量的總溢出指數(shù)。

圖2所示為2015～2021年 “碳-電力” 系統(tǒng)總體溢出的時變情況。從頻域的維度上看，在樣本期內(nèi)短期溢出水平與時域溢出水平的時變軌跡高度協(xié)同，遠高于中期和長期，且中長期的溢出水平在大多數(shù)時間內(nèi)接近于0，僅在2021年底超過了短期的溢出水平。表明時域下 “碳-電力”系統(tǒng)的溢出效應持續(xù)時間在半個月以內(nèi)，半個月之后溢出效應就微乎其微。從整體來看，“碳-電力”系統(tǒng)的總溢出指數(shù)呈現(xiàn)出隨時間變化的不同階段，其時變趨勢在很大程度上是由政策變動和宏觀經(jīng)濟波動所驅(qū)動的。2015～2017年初，隨著我國輸配電價改革不斷深入，以及我國碳交易市場的逐步活躍，總溢出指數(shù)維持在較高水平。2017年初～2018年初，總溢出水平從70%波動降至20%，與我國供給側(cè)結(jié)構(gòu)性改革以及碳市場較低的交易價格和活躍度有一定關聯(lián)。后隨著中美貿(mào)易戰(zhàn)持續(xù)升級、人民幣持續(xù)貶值、中國股市持續(xù)下跌等宏觀經(jīng)濟狀況波動，整體的系統(tǒng)性風險上升，因此總風險溢出指數(shù)從2018年開始有小幅上升，并在接下來幾年中，保持相對穩(wěn)定。在2021年全國碳排放權(quán)交易正式開始之后，“碳-電力”系統(tǒng)的總體溢出效應呈現(xiàn)上升態(tài)勢，且一度長期溢出水平大于短期和中期，即在該時間段內(nèi)，政策實施帶來的溢出影響具有一定的滯后性。

圖2 碳-電力市場總溢出指數(shù)時變圖

2.4 溢出網(wǎng)絡分析

圖3報告了 “碳-電力”系統(tǒng)的時域以及頻域下的短中長期網(wǎng)路，從中可以看出：（1）國電電力公司作為系統(tǒng)中規(guī)模最大的電力上市公司，處于風險溢出的中心，進一步佐證了 “發(fā)電企業(yè)輸出風險的能力與發(fā)電量有關”的論點。這與Ji等[9]和 Yang[10]的研究結(jié)論一致；（2）從溢出網(wǎng)絡的結(jié)構(gòu)特征來看，時域和短期基本一致，中期和長期基本一致。由此可知，在 “碳-電力”系統(tǒng)中，雖然風險的傳導主要發(fā)生在短期，但在短期與中長期具有不同的傳導路徑，各節(jié)點在溢出網(wǎng)絡中的地位和作用也不盡相同；（3）對于碳市場而言，從溢出網(wǎng)絡圖中可以更加直觀的感受到，碳市場對電力市場的中長期溢出影響比短期要大，是風險的溢出方。從長遠來看，碳市場對促進我國電力行業(yè)向更加清潔、高效和低碳的方向發(fā)展具有重要意義。

圖3 “碳-電力”系統(tǒng)時域和頻域溢出網(wǎng)絡

2.5 溢出指數(shù)穩(wěn)健性檢驗

（1）用更改預測期的方法對實證結(jié)果進行穩(wěn)健性檢驗，計算預測期為150期和200期的靜態(tài)時域溢出指數(shù)表，具體結(jié)果見表5?？梢钥闯霰?中的結(jié)果與預測期為100期的靜態(tài)溢出指數(shù)結(jié)果基本一致，說明增加預測期H對估計結(jié)果幾乎沒有影響。

表5 基于不同預測期的時域溢出指數(shù)結(jié)果 單位：%

（2）從更改變量順序和更改滾動窗口期兩個角度，對時變的溢出指數(shù)進行穩(wěn)健性檢驗。圖4將變量順序進行更改計算總溢出指數(shù)，圖5將滾動窗口期由100天更改為150天計算總溢出指數(shù)?？傮w來看，更改前后總溢出指數(shù)具有相似的路徑，之前所得出的分析結(jié)論依然成立。

圖4 穩(wěn)健性檢驗結(jié)果（更改變量順序）

圖5 穩(wěn)健性檢驗結(jié)果（更改窗口期）

3 主要結(jié)論與政策建議

本文以湖北碳試點市場為研究樣本，基于廣義方差分解譜構(gòu)建的溢出指數(shù)，從頻域視角考察中國碳市場與電力市場在短、中、長期的靜態(tài)溢出和時變溢出。并在此基礎上，進一步從復雜網(wǎng)絡視角構(gòu)建 “碳-電力”系統(tǒng)的風險溢出網(wǎng)絡，探尋碳與電力市場間風險溢出的機制與規(guī)律。研究發(fā)現(xiàn)：（1）從時域溢出來看，“碳-電力”系統(tǒng)總溢出指數(shù)為50.72%，存在一定的波動性和不確定性，受宏觀經(jīng)濟驅(qū)動較大。同時，發(fā)電企業(yè)接收到風險的多少與火電裝機比例有關，火電裝機比例越高的企業(yè)越容易成為風險接收方；發(fā)電企業(yè)輸出風險的能力與發(fā)電量有關，年度發(fā)電量越大的企業(yè)越容易成為風險的溢出方；（2）從頻域溢出來看，“碳-電力”系統(tǒng)的風險溢出短期＞中期＞長期。對碳市場而言，短期內(nèi)對電力市場的風險溢出較不顯著，主要是被動受到電力市場影響。而在中長期，碳市場輸出風險的能力要大于接收到的風險，屬于風險的溢出方。

基于上述結(jié)論，本文得到以下啟示和建議：從政策制定者角度，應著力提升碳市場與電力市場改革等政策間的協(xié)同效果，促進碳價信號的充分發(fā)揮，加強生產(chǎn)和投資的有效開展，提升碳市場的減排效果。從電力企業(yè)發(fā)展角度，從短期來看，應當防范碳價波動對企業(yè)生產(chǎn)成本產(chǎn)生的沖擊，及時調(diào)整碳資產(chǎn)配置，防范碳價波動風險。從長期來看，應當不斷提升可再生能源發(fā)電比例，降低企業(yè)發(fā)電成本對碳價格的依賴程度，進而從根源上防范碳價波動帶來的風險。從碳市場發(fā)展角度，應當厘清 “碳-電力”系統(tǒng)的信息傳遞機制，監(jiān)測電力行業(yè)的發(fā)展狀況，重點關注發(fā)電量較大和火力發(fā)電占比較高的企業(yè)。同時，完善碳市場相關風險防范機制，防范由風險溢出效應導致的碳價暴跌風險，并采取適當?shù)膬r格穩(wěn)定機制對碳價進行干預。

注釋：

①滯后階數(shù)根據(jù)AIC和SC準則確定為2階，廣義方差分解的預測期選為100期（約3個月）。

②使用100天的滾動窗口研究各市場之間的時變溢出效應。