區(qū)域性碳市場與煤炭市場間極端風(fēng)險溢出效應(yīng)研究
——基于二元和整體分析框架

王 劍 杜紅軍 謝升峰

（湖北大學(xué)，湖北 武漢 430062）

一、引言

當(dāng)前，世界經(jīng)濟(jì)正高速發(fā)展，傳統(tǒng)工業(yè)體系對化石能源的高度依賴使得溫室氣體激增，進(jìn)入21 世紀(jì)以來全球變暖和生物多樣性危機(jī)已迫在眉睫。近年來，為應(yīng)對日益加劇的氣候問題，各國政府積極響應(yīng)由《京都議定書》確立的國際碳排放交易機(jī)制。目前，歐盟排放交易體系（EU-ETS）已成為重要的國際碳交易市場。黨的二十大報告指出，積極穩(wěn)妥推進(jìn)碳達(dá)峰、碳中和，實現(xiàn)雙碳目標(biāo)是一場廣泛而深刻的經(jīng)濟(jì)社會系統(tǒng)性變革，我國應(yīng)立足我國能源資源稟賦，積極探索通過市場化調(diào)節(jié)手段實現(xiàn)“雙碳”目標(biāo)。

2013年至今，全國已陸續(xù)建立8個區(qū)域性碳交易試點市場，并在2021年迎來全國性碳市場的開市，盡管這標(biāo)志著我國碳市場的逐漸成熟以及其價格發(fā)現(xiàn)、氣候調(diào)控和信息傳遞功能的不斷完善，但也潛藏諸多風(fēng)險。第一，近年來頻發(fā)的地緣政治沖突和能源危機(jī)或?qū)⑼ㄟ^國際碳市場和能源市場直接和間接地引發(fā)我國碳市場的波動；第二，我國碳市場由于其政策性和區(qū)域性特征，相較于傳統(tǒng)金融市場更容易受到政策風(fēng)險和氣候風(fēng)險的影響；第三，由于我國碳市場尚不成熟，碳金融工具的不足導(dǎo)致缺乏有效的風(fēng)險管理手段。

傳統(tǒng)化石能源因其高碳排放特性與碳市場具有天然的信息傳導(dǎo)機(jī)制。煤炭在我國的能源消費結(jié)構(gòu)中占據(jù)主要地位，如圖1 所示，盡管我國的煤炭消費占總能源消費比重從2017年的60.4%下降到2021年的56.0%，但煤炭消費仍占有超過半數(shù)的比例，因此碳市場與煤炭市場關(guān)系密切，可能會存在風(fēng)險的雙向傳染路徑。我國不同區(qū)域的經(jīng)濟(jì)發(fā)展水平存在差異、碳市場準(zhǔn)入標(biāo)準(zhǔn)不同，碳市場與煤炭市場間風(fēng)險溢出效應(yīng)是否也存在區(qū)域性差異？不同區(qū)域性碳市場與煤炭市場間風(fēng)險溢出效應(yīng)如何動態(tài)演化？回答上述問題一方面有助于投資者充分認(rèn)識區(qū)域性碳市場和煤炭市場的風(fēng)險關(guān)系、識別風(fēng)險傳染渠道、合理規(guī)避區(qū)域性碳市場與傳統(tǒng)能源市場的系統(tǒng)性風(fēng)險，另一方面有助于相關(guān)部門積極防范在發(fā)展碳市場進(jìn)程中可能引發(fā)的系統(tǒng)性風(fēng)險，進(jìn)而穩(wěn)步推進(jìn)我國區(qū)域性碳市場和煤炭市場的協(xié)調(diào)發(fā)展。

圖1 2017—2022年我國煤炭消費占總能源消費比重

二、文獻(xiàn)綜述

根據(jù)前文分析，碳市場與煤炭市場關(guān)系密切?？v觀國內(nèi)外已有文獻(xiàn)研究，直接研究碳市場與煤炭市場的文獻(xiàn)相對較少，但煤炭市場是能源市場的重要組成部分，且近年來，隨著全球碳市場的穩(wěn)步發(fā)展，碳市場、能源市場、金融市場三者間以及碳市場間的溢出關(guān)系和溢出效應(yīng)研究受到學(xué)術(shù)界廣泛關(guān)注。因此，本節(jié)針對碳市場與能源市場間的溢出關(guān)系和溢出效應(yīng)研究展開文獻(xiàn)綜述。

（一）碳市場與能源市場間的溢出關(guān)系研究

由于我國碳市場的建成時間較晚、發(fā)展歷程較短，早期碳市場的研究對象主要以國際碳市場為主。張躍軍和魏一鳴（2010）基于EU-ETS第一、二階段的市場數(shù)據(jù)，結(jié)合狀態(tài)空間模型和VAR 模型證實國際碳價和化石能源價格間存在動態(tài)協(xié)整關(guān)系，發(fā)現(xiàn)油價是引起國際碳價變動的主要因素。朱幫助（2014）在探討國際事件對碳價結(jié)構(gòu)性沖擊的基礎(chǔ)上證實碳價和能源價格的協(xié)整關(guān)系仍穩(wěn)定存在。Yu et al.（2015）通過DCC-ICSS 模型研究國際碳市場和原油市場的動態(tài)相依關(guān)系，發(fā)現(xiàn)金融危機(jī)和政策沖擊會導(dǎo)致“碳-原油”相關(guān)性的結(jié)構(gòu)性變化。Chen et al.（2019）使用BEKK 模型證實歐盟碳市場和能源市場間存在波動溢出關(guān)系。Gong et al.（2021）則基于TVP-VAR-SV 模型進(jìn)一步捕捉到國際碳市場和化石能源市場間作用關(guān)系的動態(tài)非線性特征?；谏鲜瞿茉磧r格和碳價溢出關(guān)系的實證研究，不難發(fā)現(xiàn)碳資產(chǎn)還能作為投資者分散能源市場風(fēng)險的一種選擇。張秋莉等（2012）使用DCC-MVGARCH 模型，驗證碳期貨能有效對沖能源期貨的波動風(fēng)險。Balcilar et al.（2016）則基于MS-DCC-MVGARCH 模型，發(fā)現(xiàn)在EU-ETS 的不同階段，碳期貨對原油期貨的風(fēng)險對沖效率具有顯著差異。

隨著國內(nèi)碳市場的高速發(fā)展，近年來我國區(qū)域性試點碳市場逐漸成為重點研究對象。崔婕等（2018）以湖北碳市場為研究對象，發(fā)現(xiàn)我國碳市場、能源市場和資本市場存在長期均衡關(guān)系。燕志鵬等（2022）基于VEC 模型發(fā)現(xiàn)我國碳市場和煤炭市場之間同樣存在長期均衡和價格傳導(dǎo)關(guān)系。劉建和等（2020）發(fā)現(xiàn)國內(nèi)焦煤市場和碳市場間存在較強(qiáng)的溢出關(guān)系。由于控排企業(yè)性質(zhì)、準(zhǔn)入門檻、經(jīng)濟(jì)發(fā)展以及監(jiān)管力度等差異，陳珂等（2022）證實化石能源市場對我國碳市場的影響存在顯著的區(qū)域性差異。隨著2021年全國碳市場的推出，我國碳市場、能源市場與金融市場的影響關(guān)系發(fā)生了結(jié)構(gòu)性變化（劉志洋等，2022）。

（二）碳市場與能源市場間的溢出效應(yīng)研究

大量研究均已證實碳市場與能源市場間存在溢出關(guān)系，學(xué)術(shù)界開始廣泛關(guān)注碳市場與能源市場間溢出效應(yīng)的大小和方向問題，其中以資產(chǎn)價格序列為代表的信息溢出效應(yīng)研究或以價格波動序列為代表的風(fēng)險溢出效應(yīng)研究為主。

Yao et al.（2022）通過VAR-DY 模型測度我國“碳-能源-股票”系統(tǒng)的信息溢出效應(yīng)，發(fā)現(xiàn)碳市場是主要的信息傳遞者，而煤炭市場是主要的信息接收者。趙領(lǐng)娣等（2021）則基于已實現(xiàn)波動率測度我國碳市場與能源市場間的風(fēng)險溢出效應(yīng)，驗證能源市場對不同區(qū)域性碳市場波動溢出效應(yīng)的區(qū)域性差異。王喜平和王婉晨（2022）進(jìn)一步利用BK溢出指數(shù)測度我國碳市場和電力市場在不同頻域上的波動溢出效應(yīng)，發(fā)現(xiàn)碳市場在短期是風(fēng)險的凈接收方，而在中長期則為凈溢出方。為比較不同市場間均值溢出效應(yīng)和波動溢出效應(yīng)的差異，Ji et al.（2018）對比歐洲碳市場和能源市場間的波動溢出效應(yīng)和均值溢出效應(yīng)，發(fā)現(xiàn)前者顯著高于后者，但Tan et al.（2020）基于相同的研究對象得到完全相反的結(jié)果，并發(fā)現(xiàn)金融危機(jī)等沖擊性事件會對市場間的波動溢出效應(yīng)產(chǎn)生最為顯著的結(jié)構(gòu)性影響。Wang &Guo（2018）則發(fā)現(xiàn)原油（天然氣）市場對碳市場表現(xiàn)出更為顯著的均值溢出（波動溢出）效應(yīng)。Yang（2022）結(jié)合格蘭杰因子動態(tài)模型和DY 溢出指數(shù)，發(fā)現(xiàn)歐洲電力市場對碳市場的波動溢出效應(yīng)較均值溢出效應(yīng)更為顯著，尤其是對歐洲電力市場需求側(cè)的沖擊是引發(fā)碳價波動的主要原因。

綜合梳理文獻(xiàn)可知，目前以歐洲碳市場為主要研究對象的國際碳市場研究較為豐富，而基于中國碳市場的本土研究較少。同時，大部分研究主要考察能源或金融市場對碳市場的風(fēng)險溢出效應(yīng)，然而隨著我國碳市場的不斷成熟，其對傳統(tǒng)能源市場尤其是煤炭市場的風(fēng)險溢出效應(yīng)亦值得關(guān)注。此外，在我國碳市場作為一種新興的區(qū)域性、政策性市場具有一定的分割性，同時由于市場體系建設(shè)尚不健全、碳金融產(chǎn)品尚不完善、市場參與主體尚不成熟而具有較大風(fēng)險，現(xiàn)如今全球宏觀經(jīng)濟(jì)下行、地緣政治沖突和極端天氣頻發(fā)進(jìn)一步增大碳市場和煤炭市場極端事件的發(fā)生概率?；诖?，本文首先基于二元分析框架使用GJRADCC-ΔCoVaR 模型分析我國區(qū)域性碳市場與煤炭市場間極端風(fēng)險雙向溢出的大小和關(guān)系，進(jìn)一步將所有市場納入整體框架，并使用前沿的TVP-VAR-DY模型分析系統(tǒng)中各市場間極端風(fēng)險溢出的直接效應(yīng)和凈效應(yīng)。對比已有的相關(guān)研究，本文的邊際貢獻(xiàn)主要體現(xiàn)在以下三個方面：第一，將對象聚焦于我國區(qū)域性碳市場，豐富本土碳市場的相關(guān)研究；第二，區(qū)別于已有文獻(xiàn)對收益率或波動率溢出效應(yīng)的研究，本文的研究聚焦于市場間極端風(fēng)險溢出效應(yīng)的分析；第三，基于二元和整體框架，從局部到整體遞進(jìn)式分析我國碳市場與煤炭市場間極端風(fēng)險溢出效應(yīng)的區(qū)域差異和動態(tài)特征。

三、機(jī)理分析與模型構(gòu)建

（一）機(jī)理分析

1.區(qū)域性碳市場對煤炭市場的價格影響路徑。區(qū)域性碳市場對煤炭市場的價格傳導(dǎo)路徑有以下兩種：一是影響地方控排企業(yè)、行業(yè)等，進(jìn)而影響區(qū)域經(jīng)濟(jì)生產(chǎn)利益的直接路徑；二是通過與其他市場微觀主體傳遞信息的間接路徑。為方便說明上述風(fēng)險溢出的作用機(jī)理，圖2展示了碳市場對煤炭市場的風(fēng)險傳導(dǎo)路徑示意圖，其中實線表示與經(jīng)濟(jì)利益關(guān)聯(lián)的直接路徑，虛線表示信息傳遞下的間接路徑。當(dāng)區(qū)域碳價上漲時，地方控排企業(yè)的生產(chǎn)成本將增加，根據(jù)收入效應(yīng)，在短期內(nèi)企業(yè)的現(xiàn)金流和企業(yè)價值會受到影響，進(jìn)而造成股價波動并通過資本市場和能源市場的關(guān)聯(lián)路徑引發(fā)煤炭市場的價格波動。根據(jù)替代效應(yīng)，在中長期則會促使地方產(chǎn)業(yè)結(jié)構(gòu)升級，發(fā)展綠色經(jīng)濟(jì)，降低對煤炭等高碳排放能源的依賴程度，進(jìn)而導(dǎo)致煤炭價格降低。在長期內(nèi)控排企業(yè)會加強(qiáng)技術(shù)變革，進(jìn)一步提高能源的使用效率并優(yōu)化能源結(jié)構(gòu)，再一次從需求側(cè)沖擊煤炭價格。碳市場和煤炭市場的參與主體除了控排企業(yè)外，還包括國際組織、國家和地方政府、潛在控排企業(yè)、機(jī)構(gòu)和個人投資者。碳市場和煤炭市場的價格信號將影響這些微觀主體的行為決策，間接引發(fā)碳市場和煤炭市場間的風(fēng)險傳遞。例如，碳市場或煤炭市場的劇烈波動將促使國際組織和政府采取一系列宏觀調(diào)控手段維持市場穩(wěn)定，一方面政府調(diào)控可能引發(fā)市場失靈，另一方面頻繁的政府干預(yù)將提高經(jīng)濟(jì)政策不確定性水平，進(jìn)而擠出市場投資者，導(dǎo)致市場蕭條。潛在控排企業(yè)則會為了穩(wěn)定未來生產(chǎn)成本，提前根據(jù)碳市場和煤炭市場的相對價格配置資產(chǎn)。機(jī)構(gòu)和個人投資者不管是出于套利或投機(jī)等目的，任一市場的波動將使得風(fēng)險通過投資者在兩個市場間傳遞。

圖2 碳市場對煤炭市場的風(fēng)險傳導(dǎo)路徑

此外，考慮到不同區(qū)域的經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、地理環(huán)境以及碳市場制度設(shè)計存在明顯差異，不同區(qū)域性碳市場通過各自的市場微觀主體在不同環(huán)境下對煤炭市場的極端風(fēng)險溢出效應(yīng)必然存在顯著差異。

2.煤炭市場對區(qū)域性碳市場的價格影響路徑。反之，煤炭市場同樣會對區(qū)域性碳市場產(chǎn)生風(fēng)險溢出效應(yīng)。圖3 展示了煤炭市場對碳市場的風(fēng)險傳導(dǎo)路徑示意圖，煤炭價格的上漲將直接擴(kuò)大企業(yè)的生產(chǎn)成本，在短期內(nèi)企業(yè)可能削減產(chǎn)出規(guī)模，能源消耗的減少將降低碳排放需求，進(jìn)而引起碳價的下跌；在中長期則會迫使企業(yè)尋求替代能源并開發(fā)新技術(shù)，現(xiàn)階段我國大力發(fā)展新能源產(chǎn)業(yè)，能源價格的上漲將進(jìn)一步推動能源結(jié)構(gòu)的轉(zhuǎn)型，伴隨企業(yè)能源技術(shù)的革新，將導(dǎo)致碳排放權(quán)需求和碳價的降低。

圖3 煤炭市場對碳市場的風(fēng)險傳導(dǎo)路徑

（二）模型構(gòu)建

基于上述機(jī)理分析，為探究區(qū)域性碳市場與煤炭市場間極端風(fēng)險溢出效應(yīng)，首先估計各碳市場與煤炭市場的極端風(fēng)險因子，并在二元框架下分析各區(qū)域性碳市場與煤炭市場間極端風(fēng)險雙向溢出的大小和關(guān)系。

另外，考慮到各區(qū)域性碳市場與煤炭市場間的極端風(fēng)險可能通過其他市場間接傳導(dǎo)，本文進(jìn)一步將所有市場的極端風(fēng)險因子納入整體框架，系統(tǒng)性研究各區(qū)域性碳市場與煤炭市場間極端風(fēng)險溢出的直接效應(yīng)和凈效應(yīng)。

1.GJR-ADCC-ΔCoVaR模型。Tobias &Brunnermeier（2016）首次在在險價值模型（Value at Risk，VaR）的基礎(chǔ)上提出了條件在險價值模型（Conditional Value at Risk，CoVaR），即在一定置信水平下，當(dāng)市場i處于“=VaR”的困境狀態(tài)時，市場j可能面臨的最大損失。假設(shè)置信水平為q%，X為市場損失率：

可以定義市場i對市場j的極端（尾部）風(fēng)險溢出為：

假定市場i和市場j的損失率服從下列二元正態(tài)GARCH過程：

則市場i的極端風(fēng)險因子和市場i對市場j的極端風(fēng)險溢出可分別表示為：

不難發(fā)現(xiàn)，估計市場i的極端風(fēng)險因子VaR 和市場i對市場j的極端風(fēng)險溢出效應(yīng)ΔCoVaR 的關(guān)鍵在于估計市場i和市場j的波動率和相關(guān)系數(shù)。為捕捉金融變量間波動性和相關(guān)性的非對稱特征，本文將GJR-GARCH 模型和非對稱DCC（ADCC）模型相結(jié)合。具體步驟如下：

第一步，對任一市場i的損失率建立單變量GJRGARCH模型：

其中nt=ut(ut＜0)，Qt是ut的條件協(xié)方差矩陣，Rt是條件相關(guān)系數(shù)矩陣。

2.TVP-VAR-DY 模型。為了分析不同變量間的溢出關(guān)系，早期Diebold &Yilmaz（2009）結(jié)合VAR模型和Cholesky 分解進(jìn)行多變量間整體溢出水平的測度，但Cholesky分解一方面受制于變量順序和滯后階數(shù)的選擇而使結(jié)果不穩(wěn)定，另一方面無法衡量不同市場間的方向性溢出，因此Diebold &Yilmaz（2012）引入GFEVD（廣義預(yù)測誤差方差分解）對模型進(jìn)行改進(jìn)，消除對變量順序和滯后階數(shù)的依賴。然而上述DY 溢出指數(shù)模型仍存在以下幾點不足：一是無法捕捉金融變量常見的異方差性；二是基于滾窗法的動態(tài)估計受制于最優(yōu)窗寬的選擇，會造成樣本信息的損失；三是對異常值的敏感度較強(qiáng)。為克服上述缺陷，Antonakakis et al.（2020）結(jié)合TVP-VAR-SV 模型和DY溢出指數(shù)模型提出TVP-VAR-DY模型，構(gòu)建的具體步驟如下：

第一步，對N維向量yt構(gòu)建一個N變量的p階TVP-VAR-SV模型：

其中zt=（yt-1，…，yt-p）T，At=（A1t，…，Apt），Σt和Xt為時變方差協(xié)方差矩陣，vec為矢量化算子。

第二步，根據(jù)Wold 定理將VAR（p）轉(zhuǎn)化成VMA（∞）形式：

第三步，設(shè)預(yù)測期為H，基于GFEVD 模型，則變量j對變量i的溢出效應(yīng)為：

其中Σh為誤差向量的時變協(xié)方差矩陣，σjj,t為第j個誤差項的時變標(biāo)準(zhǔn)差，ei為選擇向量（除了第i個元素為1 外其余全為0）。為使方差分解矩陣的行和為1，將其做如下歸一化處理：

基于歸一化的方差分解矩陣，構(gòu)造總溢出指數(shù)TSI，該指數(shù)表示系統(tǒng)內(nèi)所有變量的總溢出程度：

此外，可以得到變量i對其他變量和受其他變量溢出影響的綜合方向性溢出指數(shù)TO和FROM：

綜合方向性溢出指數(shù)TO和FROM，可以得到變量i對其他變量的凈溢出指數(shù)NET：

同樣，考慮兩兩變量間的凈溢出影響，可以構(gòu)造凈配對溢出指數(shù)S：

綜上，本文簡要的實證框架如圖4所示。

圖4 簡要的實證框架

四、實證分析

（一）樣本選取、數(shù)據(jù)處理與描述性統(tǒng)計

2013年以來，我國已陸續(xù)建立8個碳交易試點市場，受限于數(shù)據(jù)可獲得性，本文選取北京（BJEA）、上海（SHEA）、廣東（GDEA）、深圳（SZEA）和湖北（HBEA）碳市場的碳排放權(quán)日收盤價作為我國區(qū)域性碳市場的代理變量，煤炭市場（CFI）則使用中證公司編制的中證煤炭期貨成分指數(shù)日收盤價作為代理變量。

為保證市場的完整性，本文將樣本區(qū)間設(shè)為2016 年11 月18 日至2022 年8 月22 日。為避免不必要的數(shù)據(jù)刪減，以煤炭期貨指數(shù)的交易日為基準(zhǔn)，各碳市場部分缺失日收盤價用日結(jié)算價或前一交易日收盤價插補(bǔ)，根據(jù)中國碳交易網(wǎng)數(shù)據(jù)對少數(shù)的碳市場異常數(shù)據(jù)進(jìn)行手工核改，對同一市場在同一交易日的多種交易產(chǎn)品以當(dāng)日成交量為權(quán)重計算市場加權(quán)平均收盤價。上述原始數(shù)據(jù)來源于CSMAR數(shù)據(jù)庫和中國碳交易網(wǎng)，數(shù)據(jù)處理和建模使用MATLAB和R語言。

1.計算各市場的日對數(shù)收益率：Rt=(lnPt-lnPt-1)×100。圖5 展示了各市場對數(shù)收益率變化趨勢，可以發(fā)現(xiàn)各市場的收益率存在顯著的波動聚集特征，深圳碳市場的波動水平遠(yuǎn)超其他市場。結(jié)合表1面板A列示的描述性統(tǒng)計，可以發(fā)現(xiàn)：第一，煤炭市場收益率的標(biāo)準(zhǔn)差在所有市場中最小，表明煤炭市場風(fēng)險低于區(qū)域性碳市場；而在各碳市場中，深圳碳市場的標(biāo)準(zhǔn)差遠(yuǎn)大于其他市場，表明深圳碳市場具有較大風(fēng)險。第二，所有市場的偏度均小于0且峰度均大于3，同時JB 和ARCH 檢驗統(tǒng)計量也均在1%水平下顯著，即所有序列存在負(fù)偏、尖峰厚尾和條件異方差性。第三，ADF統(tǒng)計量表明所有市場收益率序列均滿足平穩(wěn)性要求。

圖5 煤炭市場和區(qū)域性碳市場收益率

2.計算各市場的極端風(fēng)險因子VaR。圖6展示了極端風(fēng)險因子的動態(tài)特征，可以發(fā)現(xiàn)煤炭市場的極端風(fēng)險水平普遍低于區(qū)域性碳市場，同時不同區(qū)域性碳市場的極端風(fēng)險變化趨勢和波動存在顯著差異，風(fēng)險共振較弱，表明各碳市場間具有較強(qiáng)的分割性。結(jié)合表1面板B列示的各市場極端風(fēng)險因子描述性統(tǒng)計，可以發(fā)現(xiàn)：煤炭市場極端風(fēng)險因子的均值最小，而深圳碳市場極端風(fēng)險因子的均值最大，表明深圳碳市場具有較大的極端風(fēng)險；煤炭市場極端風(fēng)險因子的標(biāo)準(zhǔn)差同樣最低，而深圳碳市場極端風(fēng)險因子的標(biāo)準(zhǔn)差仍最大，表明深圳碳市場的極端風(fēng)險更容易發(fā)生變化；極端風(fēng)險因子的偏度均大于0 且峰度均大于3，其中煤炭市場的偏度和峰度較小而廣東碳市場均最大，表明廣東碳市場較容易出現(xiàn)超過平均水平的極端風(fēng)險。

表1 描述性統(tǒng)計

圖6 煤炭市場和區(qū)域性碳市場極端風(fēng)險因子

（二）基于二元框架的極端風(fēng)險雙向溢出分析

通過GJR-ADCC-ΔCoVaR 模型計算各區(qū)域性碳市場與煤炭市場間極端風(fēng)險的雙向溢出。圖7 展示了二元框架下極端風(fēng)險溢出的動態(tài)特征，其中“→”表示風(fēng)險溢出方向，可以發(fā)現(xiàn)：不同碳市場與煤炭市場間極端風(fēng)險雙向溢出的大小存在差異，煤炭市場對北京和上海碳市場極端風(fēng)險溢出水平相對較高；各碳市場與煤炭市場間極端風(fēng)險的雙向溢出存在非對稱特征，即在絕大部分時期碳市場對煤炭市場極端風(fēng)險溢出的大小和波動均小于煤炭市場對碳市場的極端風(fēng)險溢出；不同碳市場與煤炭市場間極端風(fēng)險的雙向溢出關(guān)系存在顯著差異，在大部分時期北京、上海和廣東碳市場與煤炭市場間極端風(fēng)險的雙向溢出表現(xiàn)為正向關(guān)系，而大部分時期深圳和湖北碳市場與煤炭市場間極端風(fēng)險的雙向溢出表現(xiàn)為負(fù)向關(guān)系；部分碳市場對煤炭市場的極端風(fēng)險溢出在2021 年末凸起，即表明碳市場對煤炭市場的沖擊加劇。而煤炭市場對不同碳市場極端風(fēng)險溢出的變化趨勢表現(xiàn)出區(qū)域性差異。

圖7 二元框架下極端風(fēng)險溢出趨勢

（三）基于整體框架的極端風(fēng)險溢出效應(yīng)分析

為降低序列的異方差性，對各市場的極端風(fēng)險因子進(jìn)行對數(shù)化處理，使用TVP-VAR-DY 模型對整體框架下極端風(fēng)險的溢出效應(yīng)進(jìn)行分析。

1.極端風(fēng)險的靜態(tài)溢出效應(yīng)分析。表2 列示了各碳市場極端風(fēng)險因子的靜態(tài)溢出指數(shù)，可以發(fā)現(xiàn)：總溢出指數(shù)TSI為18.81%，表明各市場極端風(fēng)險變化的18.81%由其他市場極端風(fēng)險變化所解釋；根據(jù)靜態(tài)溢出指數(shù)表的對角線元素，所有市場受自身滯后效應(yīng)影響的比重均高于來自其他市場影響的總和，其中廣東碳市場受其他市場的影響比例達(dá)到21.81%，而其他市場的被影響比例均小于20%；根據(jù)方向性溢出指數(shù)TO和FROM，系統(tǒng)中深圳碳市場的溢出效應(yīng)最強(qiáng)（23.47%），而廣東碳市場的溢入效應(yīng)最強(qiáng)（21.81%）；根據(jù)凈溢出指數(shù)NET，系統(tǒng)中煤炭市場、上海和廣東碳市場是極端風(fēng)險的凈接收方，而北京、深圳和湖北碳市場是極端風(fēng)險的凈輸出方，其中深圳碳市場的凈溢出效應(yīng)最強(qiáng)（10%），而廣東碳市場的凈溢入效應(yīng)最強(qiáng)（-7.63%）；根據(jù)各碳市場與煤炭市場間的凈配對溢出指數(shù)S，深圳碳市場對煤炭市場的凈溢出效應(yīng)最強(qiáng)（4.68%），而煤炭市場對廣東碳市場的凈溢出效應(yīng)最強(qiáng)（2.73%）。

表2 靜態(tài)溢出指數(shù)表

2.極端風(fēng)險的動態(tài)溢出效應(yīng)分析。圖8 至圖10分別展示了系統(tǒng)總溢出指數(shù)、煤炭市場方向性溢出指數(shù)、區(qū)域性碳市場與煤炭市場凈配對溢出指數(shù)的動態(tài)趨勢。

圖8 中系統(tǒng)的總溢出指數(shù)變化趨勢呈現(xiàn)較為顯著的周期性特征，即同一年內(nèi)年初至年中呈下降趨勢而從年中至年末逐漸上升的“V”型過程。此外，在2020 年系統(tǒng)極端風(fēng)險的總溢出水平呈上升趨勢，這是由于疫情影響對我國能源的需求側(cè)和供給側(cè)形成雙重沖擊，進(jìn)而增大系統(tǒng)內(nèi)各市場極端風(fēng)險的總體溢出水平。

圖8 總溢出指數(shù)動態(tài)趨勢

圖9 從左至右分別展示了煤炭市場對所有碳市場極端風(fēng)險的總溢出、總溢入和凈溢出指數(shù)的動態(tài)趨勢，可以發(fā)現(xiàn)：煤炭市場與碳市場間極端風(fēng)險的雙向溢出呈現(xiàn)此消彼長的周期性變化，即在大部分時期當(dāng)煤炭市場對碳市場的總溢出效應(yīng)上升時，煤炭市場受碳市場的總溢入效應(yīng)下降，這也表現(xiàn)為煤炭市場對碳市場的凈溢出效應(yīng)趨勢在0值上下波動。此外，煤炭市場對碳市場方向性溢出指數(shù)的波動呈向平均水平收斂趨勢，表明隨著我國區(qū)域性碳市場的穩(wěn)步發(fā)展，煤炭市場與碳市場間極端風(fēng)險的溢出效應(yīng)趨于平衡。

圖9 方向性溢出指數(shù)動態(tài)趨勢

圖10展示了各碳市場與煤炭市場間凈配對溢出指數(shù)的動態(tài)趨勢，可以發(fā)現(xiàn)：不同碳市場與煤炭市場間極端風(fēng)險的凈配對溢出效應(yīng)存在顯著的區(qū)域性差異，其中除湖北碳市場對煤炭市場的凈配對溢出效應(yīng)相對較弱（-15%～15%）外，其余碳市場對煤炭市場的凈配對溢出效應(yīng)在不同時期均曾超過30%或低于-30%。在絕大多數(shù)時期，北京、上海和湖北碳市場對煤炭市場的凈配對溢出效應(yīng)在平均水平上下波動，而廣東和深圳碳市場對煤炭市場的凈配對溢出效應(yīng)的趨勢特征相反，即在絕大多數(shù)時期廣東碳市場是煤炭市場極端風(fēng)險的凈配對溢出方，深圳碳市場則是凈配對接收方。

圖10 凈配對溢出指數(shù)動態(tài)趨勢

五、結(jié)論與啟示

根據(jù)2016年11月18日至2022年8月22日北京、上海、廣東、深圳、湖北碳市場和中證煤炭期貨指數(shù)的日度數(shù)據(jù)，基于二元和整體分析框架，分別使用GJRADCC-CoVaR模型和TVP-VAR-DY模型系統(tǒng)分析我國區(qū)域性碳市場與煤炭市場間極端風(fēng)險的溢出效應(yīng)。本文得出主要結(jié)論如下：

第一，我國區(qū)域性碳市場相較于煤炭市場極端風(fēng)險水平和波動更高。在所有碳市場中，深圳碳市場的極端風(fēng)險水平和波動最高，而廣東碳市場極端風(fēng)險分布的右偏性和厚尾性更強(qiáng)，即更容易發(fā)生超過平均水平的極端風(fēng)險。

第二，不同碳市場與煤炭市場間極端風(fēng)險的雙向溢出大小和關(guān)系存在顯著差異，其中在大部分時期，煤炭市場與北京和上海碳市場間極端風(fēng)險的溢出關(guān)系為正向影響，而與深圳和湖北碳市場間為負(fù)向影響。

第三，系統(tǒng)整體極端風(fēng)險溢出的平均水平較低，其中深圳碳市場是煤炭市場極端風(fēng)險最主要的凈溢出方，而廣東碳市場則是最主要的凈接收方。

第四，系統(tǒng)整體極端風(fēng)險的溢出趨勢呈周期性變化。此外，隨著我國碳市場的穩(wěn)步發(fā)展，煤炭市場對碳市場極端風(fēng)險的方向性溢出趨于平穩(wěn)。不同碳市場與煤炭市場間極端風(fēng)險的凈配對溢出效應(yīng)呈現(xiàn)顯著的區(qū)域性差異。

基于上述研究結(jié)論，可以得到以下政策啟示：

第一，現(xiàn)階段我國區(qū)域性碳市場相對獨立，不同碳市場的極端風(fēng)險水平差異較大。此外，盡管我國碳市場與煤炭市場間極端風(fēng)險的溢出效應(yīng)總體較弱，但個別區(qū)域性碳市場（深圳、廣東）與煤炭市場間的風(fēng)險影響仍不容忽視。因此，為維護(hù)我國“區(qū)域性碳市場-煤炭市場”系統(tǒng)的平穩(wěn)發(fā)展，短期應(yīng)積極完善碳市場的相關(guān)建設(shè)，豐富碳金融工具，有效降低碳市場的極端波動；中期應(yīng)加快能源消費結(jié)構(gòu)轉(zhuǎn)型，大力發(fā)展清潔能源，降低經(jīng)濟(jì)對傳統(tǒng)化石能源的依賴度；長期應(yīng)貫徹可持續(xù)發(fā)展理念，保護(hù)生態(tài)環(huán)境，降低極端氣候?qū)μ际袌龊兔禾渴袌龅牟涣紱_擊。

第二，由于不同區(qū)域性碳市場與煤炭市場間極端風(fēng)險溢出效應(yīng)存在時變性和區(qū)域性差異，因此相關(guān)部門應(yīng)有效預(yù)測系統(tǒng)極端風(fēng)險溢出的變化趨勢，識別系統(tǒng)重要性市場，使風(fēng)險監(jiān)管有的放矢。此外，還應(yīng)積極加速推動全國統(tǒng)一碳市場的發(fā)展，同時加強(qiáng)各區(qū)域性碳市場間的信息共享，針對區(qū)域特點對不同區(qū)域性碳市場實施差異化建設(shè)，降低各碳市場間的信息不對稱，進(jìn)而促進(jìn)我國碳交易體系的穩(wěn)步發(fā)展。