中國股市、歐盟碳市場對中國碳市場價格的影響

□陳 凡 龔振庭

一、引言

2021 年9 月21 日，習近平主席在聯(lián)合國大會上指出：中國將力爭2030 年前實現(xiàn)碳達峰、2060 年前實現(xiàn)碳中和，這需要付出艱苦努力，但我們會全力以赴。這充分表達了中國實現(xiàn)這一戰(zhàn)略目標的決心。2022 年10 月，黨的二十大報告提出，要積極穩(wěn)妥推進碳達峰碳中和，立足我國能源資源稟賦，堅持先立后破，有計劃分步驟實施碳達峰行動。2011 年，國家發(fā)展改革委批準在北京、天津、上海、重慶、湖北、廣東和深圳七個省市開展碳交易試點工作，并于2017 年正式全面啟動。[1]迄今廣東碳配額現(xiàn)貨成交量19970 萬噸，成交金額46 億元，居各試點交易平臺首位。中國碳交易市場的建立和發(fā)展，已成為中國2030 年實現(xiàn)碳達峰、2060 年實現(xiàn)碳中和目標的戰(zhàn)略舉措之一。

正因如此，學界對中國碳市場價格的形成和影響因素進行了系列探討。一是能源價格。魏琦和金卓然（2018）[2]、李強林等（2019）[3]以及胡剛耀和周新苗（2022）[4]等研究發(fā)現(xiàn)：碳市場價格與石油、煤炭等能源價格存在正向影響。二是關聯(lián)因素。杜子平和劉富存（2018）[5]、趙選民和魏雪（2019）[1]已經(jīng)證實國內7 個碳市場之間存在較高的關聯(lián)度。賈君君等（2017）[6]、易蘭等（2017）[7]、孫春（2018）[8]、劉建和等（2020）[9]、王喜平和王雪萍（2021）[10]在研究中發(fā)現(xiàn)中國碳市場與歐盟碳排放交易系統(tǒng)（歐盟碳市場，EUETS）存在關聯(lián)，但關聯(lián)強度結論不一。張晨和劉宇佳（2017）[11]發(fā)現(xiàn)碳市場與碳現(xiàn)貨、期貨、期權市場之間有雙向的正溢出效應。卜文珂和趙蒙恩（2020）[12]證實碳市場與高碳排放行業(yè)股票存在長期聯(lián)動關系。三是客觀影響。向為民和鐘朝（2020）[13]、Wen 等（2020）[14]、王慧英和王子瑤（2021）[15]、張希良等（2021）[16]、魏宇等（2022）[17]分析了減碳政策、大氣變化、對外貿易、匯率變化、科技創(chuàng)新、產(chǎn)業(yè)升級、自然災害、重大事件等客觀因素對碳市場價格的影響。閆新杰和孫慧（2022）[18]、劉元欣和鄧欣蕊（2021）[19]則利用等效替代STIRPAT 模型，對影響因素的功能差異進行了原因解釋。

但已有研究尚存在以下不足：（1）已有研究大多關注影響碳市場價格波動的單一因素，關于國內外碳交易市場之間的復雜相依關系尚未引起足夠重視，未能準確刻畫國際碳市場對國內碳市場的影響程度；（2）以往研究碳市場與關聯(lián)市場時，大多關注歐盟碳市場與歐美股票市場之間的關系，并且主要集中在能源類特定單個行業(yè)的股票市場，而忽略了中國碳市場與整體股票市場的相互作用；（3）關于碳市場的實證研究，多采用VAR、GRACH 等常規(guī)線性回歸模型，將碳市場作為靜態(tài)的被解釋變量，缺乏能夠反映碳市場受其他市場影響時碳價本身波動性的新模型。基于此，本文引入能夠反映碳價本身波動特性的雙分位數(shù)回歸新模型，側重考察中國股市、歐盟碳市場對處于不同市場狀況下的中國碳市場價格的影響。

本研究邊際貢獻如下：一是運用分位數(shù)回歸模型，檢驗了歐盟碳市場、中國股市和中國碳市場的非線性因果關系，可以為中國在保持經(jīng)濟增長的目標下履行減少碳排放的承諾提供參考；二是引入相對新穎的雙分位數(shù)回歸模型，并與分位數(shù)回歸模型進行對比分析，細究處于不同市場狀態(tài)的碳市場受其他市場的影響程度，挖掘中國碳市場價格運行的規(guī)律和趨勢，從分位數(shù)的角度向投資者和決策者提供關于碳市場異質性的見解。

二、碳市場與關聯(lián)市場的理論分析

經(jīng)濟全球化推動資本、商品、服務及信息的跨國流動，低碳政策則進一步增加全球金融市場間要素的聯(lián)系和影響，并主要通過資本和信息傳遞。碳排放權交易既有商品屬性也有金融屬性，碳交易市場兼具資源配置和資金融通功能。因此，碳市場作為分散風險和投資的重要渠道，與其他具有資金融通功能的市場之間存在一定的關聯(lián)性。[20]

（一）國際碳市場對國內碳市場的影響機理

歐盟碳市場（EUETS）是全球最大、最早、最活躍的碳市場，更是碳稅和碳交易市場協(xié)同的典范。但氣候變暖是一個全球性的問題，需要世界各方共同努力。受各大碳排放主體的經(jīng)濟發(fā)展水平、減排政策、科技水平等影響，各個國家或地區(qū)碳排放價格水平不一，愿意承擔的責任也大不相同。為縮小國際碳價格的差距，加快全球減排進程，歐盟在2022 年推出首個碳邊境調節(jié)機制（CBAM），即碳邊境稅，是針對部分進口商品的碳排放量所征收的稅費。作為新型的貿易手段，將會提升出口歐洲的碳關稅成本，打擊對歐出口金額較大或占比較高國家的相關高碳產(chǎn)業(yè)，并在全球范圍內產(chǎn)生連鎖反應。其中，2020 年中國向歐盟出口CBAM 覆蓋范圍內的產(chǎn)品總額達297 億美元，作為涉及金額最大的國家，受到的沖擊自然也最大。此外，全球各大碳排放交易市場之間具有比較優(yōu)勢，若各國能夠基于碳減排的比較優(yōu)勢開展不同國別或區(qū)域間的碳排放權交易，則有利于各國的低碳經(jīng)濟發(fā)展。近年來，中國作為世界上最大的碳排放供給方，其碳交易價格除了受國家間產(chǎn)業(yè)的相互影響之外，也受國際碳排放權交易市場的影響。當中國碳排放價格與國際碳排放價格存在較大差異時，基于比較優(yōu)勢理論，企業(yè)會傾向于購買價格較低的碳排放產(chǎn)品，投資者趨利會選擇在價格相對較低的市場買進，導致其需求上升、價格上漲，最終碳交易價格趨于一致。其影響機理見圖1。

圖1 歐盟碳市場對中國碳市場的影響機理

（二）股票市場對碳市場的影響機理

建立碳市場的目的是為了將企業(yè)碳排放的負外部性成本內部化，進而促使企業(yè)重視環(huán)保，實現(xiàn)綠色經(jīng)濟。現(xiàn)有的碳現(xiàn)貨、碳期權、碳互換、碳期貨等碳金融衍生品類的豐富使得碳市場的金融屬性增強，也使得碳市場和股票市場的聯(lián)系更加緊密，碳交易價格直接或間接地受到來自金融市場的影響。直接影響表現(xiàn)為碳交易活動通過影響企業(yè)的可控成本，進而影響企業(yè)利潤來影響企業(yè)的現(xiàn)金流，而股價又代表企業(yè)未來的現(xiàn)金流折現(xiàn)值，企業(yè)價值又通過企業(yè)現(xiàn)金流進一步體現(xiàn)，故企業(yè)的股票價格與碳排放價格存在關聯(lián)。當碳價格處于高位時，企業(yè)會減少購買碳配額，轉向增加投資碳減排項目，并將高價出售減排技改后節(jié)省下的碳配額。這不僅使企業(yè)增加了固定資產(chǎn)，還獲得額外收益，致使企業(yè)價值提升，而股票市場作為宏觀經(jīng)濟的“晴雨表”，最終映射為相關企業(yè)在股市中的股價上漲。反之，當碳價格處于低位時，企業(yè)則傾向于購買碳配額、減少碳減排項目投資。間接影響則表現(xiàn)為投資者作出投資決策時會受金融市場的風險信息影響，碳市場和股票市場均有金融屬性，投資者追逐利潤最大化，會將資產(chǎn)在兩個市場進行組合交易，或者僅在其中一市場進行交易行為，但是兩個市場之間的風險波動會相互傳導。比如，通過匯率、資本、政策的傳遞，形成資本市場到碳市場的傳導，“市場傳染”最終引發(fā)資產(chǎn)間的聯(lián)動?；谔娲?，投資者會根據(jù)碳資產(chǎn)價值的波動調整資產(chǎn)配置比例，從而造成對股票市場的投資波動。同理，投資者也會根據(jù)股票市場的資產(chǎn)波動，調整碳資產(chǎn)配置，從而影響碳價波動，尤其是股票市場發(fā)生重大風險時，整個金融市場都會發(fā)生劇烈波動。此外，政府針對碳市場和股票市場的政策也會影響投資者的心理預期，進而利空或利好消息在兩個市場之間傳遞，進一步引起碳市場與股票市場的聯(lián)動。影響機理見圖2。

圖2 股票市場對碳市場的影響機理

三、變量選取和模型構建

（一）變量選取

本文選用廣東碳試點市場的碳交易價格（GDEA）作為中國碳市場交易價格，歐盟碳排放配額作為歐盟碳市場交易價格，股票市場價格則選用具有良好代表性的滬深300 指數(shù)（CSI300）。本文將廣東碳市場（GDEA）每日收盤價作為被解釋變量，歐洲碳交易價格（EUA）和滬深股票市場指數(shù)（CSI300）作為解釋變量進行研究。本文選取樣本區(qū)間為2016 年2 月6 日至2022 年12 月8 日的日交易數(shù)據(jù)，得到有效樣本1775 個，并對數(shù)據(jù)進行了自然對數(shù)處理，數(shù)據(jù)來源于Wind，詳見表1。本研究所用指標的描述性統(tǒng)計如表2 所示，結果顯示CSI300 的均值最大為8.667，同時，其波動程度也是三個指標中最小的，標準差僅為0.168。此外，三者的偏度、峰度系數(shù)均大于0、右偏，具有“尖峰厚尾”的特征。

表1 指標選取及來源

表2 描述性統(tǒng)計

（二）模型構建

1.分位數(shù)回歸模型

Koenker 和Bassett（1978）[21]提出了分位數(shù)回歸（Quantile Regression，簡稱QR），其主要特點是可以針對被解釋變量的不同分量進行分析，再通過線性目標函數(shù)的極小化找出最佳的回歸系數(shù)。傳統(tǒng)方法是依靠主觀判斷將研究樣本分為不同群組，并使用普通最小平方法（OLS）來估計模型的參數(shù)，其結果只能獲得自變量對因變量的平均影響，而不能反映不同發(fā)展階段的影響。基于本文的主要目的是討論股票市場、國外碳交易市場與國內碳交易市場之間的關系，因此分位數(shù)回歸模型可以更好地揭示它們之間的聯(lián)系。設被解釋變量的條件分位數(shù)由k 個解釋變量組成的矩陣X 線性表示，其假設形式表示如下：

（1）式中，Et為廣東碳試點交易市場的交易收盤價格（GDEU）；Xt為k×1 回歸變量，即本文中的股票價格（CSI300）和歐洲碳交易價格（EUA）；β 為需要估計的系數(shù)；μt為誤差項。

首先假設E 的條件均值為μ（X）=X′β，并使用傳統(tǒng)的OLS 估計出其中位數(shù)的值，則有（2）式：

將E 的條件均值代入（2）式則有：

QR 是以加權的平均絕對誤差（absolute deviation）來進行回歸系數(shù)的估計，其估計式是求解以下的非對稱下的線性懲罰函數(shù)（asymmertric linear penalty function）:

其中：τ 條件分位數(shù)方程表示為QE（τ∣X）=X'β（τ），且τ 接近0 或者1 時，代表的是E 在左（右）尾的情況，特別的是當τ=1/2 時，（4）式可以簡化為（2）式。

2.雙分位數(shù)回歸模型

本文應用Sim 和Zhou（2015）[22]提出的雙分位數(shù)回歸方法（Quantile-on-Quantile Regression，QQR），可以進一步探討中國股票市場、歐洲碳交易市場與中國碳交易市場之間的關系。該模型被認為是標準分數(shù)回歸的擴展，有助于檢驗單一自變量的分位數(shù)對因變量的各個分位數(shù)的影響。此方法主要是基于非參數(shù)估計和分位數(shù)回歸的結合，結合這兩種方法可以建立解釋變量的分位數(shù)和被解釋變量的分位數(shù)之間的關系。與QR 相比，QQR 不僅考慮了變量對因變量條件均值的影響，還考慮了因變量的不同分位數(shù)的影響，如圖3 所示。

圖3 QR 模型和QQR 模型的對比

首先，假設Et為廣東碳試點交易市場的交易收盤價格（GDEU），θ 是自變量Xt的條件分布分位數(shù)是條件分位數(shù)的誤差項，有以下局部線性方程：

然后，可以分析Et的第θ 分位數(shù)和Xt的第θ 分位數(shù)的關系，再進一步對Xt的第τ 分位數(shù)和Et的第τ 分位數(shù)的關系進行探討，即對Xτ的附近區(qū)域進行局部線性回歸，因為βθ（*）是未知的，這個函數(shù)可以在Xτ分位數(shù)上應用一階的泰勒展開式進行展開，如下式：

上式中，βθ（Xτ）是關于θ 和τ 的函數(shù)，同時，βθ'（Xτ）也是關于θ 和τ 的函數(shù)，把βθ（Xτ）和βθ'（Xτ）分別用β0（θ，τ）和β1（θ，τ）來代替，則上式可以改寫為：

本文所使用的自變量X 分別是股票市場價格（CSI300）和歐洲碳交易價格（EUA），即（5）式具體為以下式子：

與分位數(shù)回歸不同，QQR 研究的是不同分位數(shù)上的X 對不同分位數(shù)上Et的影響程度問題，由于系數(shù)β0和β1取決于θ 和τ 的值，X 的較低或較高的分位表示X 變化的極端情況，而X 的中間分位則是指變化少或沒有變化。因此，本文認為低（高）位的θ 對Et有很大的負（正）面影響。

3.實證分析

（1）平穩(wěn)性檢驗

在進行模型分析之前，需要對序列的相關特征進行檢驗。本研究采用Fuller（1979）[23]提出的ADF 檢驗來確定序列的平穩(wěn)性，結果顯示所有序列在原階上為非平穩(wěn)，而對其一階差分后則為平穩(wěn)序列，結果見表3。

表3 ADF 檢驗

Nelson 和Plosser（1982）[24]認為，許多經(jīng)濟變量都不是平穩(wěn)序列，但是研究人員單純通過將原始數(shù)據(jù)進行差分處理獲得平穩(wěn)序列的方法，會使數(shù)據(jù)失去其本身的經(jīng)濟意義。為避免這種情況發(fā)生，可對原階的不穩(wěn)定序列進行Johansen 檢驗，如果原序列能通過Johansen 檢驗，則可以使用原階數(shù)據(jù)進行回歸分析，這樣不僅保證了進行實證分析的時間序列是定態(tài)序列，同時也在保留其經(jīng)濟意義的基礎上避免了出現(xiàn)虛假回歸的可能。表4 的Johansen 協(xié)整檢驗的結果表明各個指標序列在原階下，序列之間皆存在著共整合關系，代表序列間具有長期均衡的關系，故本研究使用原階數(shù)據(jù)進行回歸分析。分位數(shù)回歸涉及分位數(shù)的選取，為更全面地了解中國碳市場受歐盟碳市場和股票市場的影響程度。

表4 Johansen 協(xié)整檢驗

（2）分位數(shù)回歸實證結果

本文參照大多數(shù)文獻的選取習慣，選取了[0.05，0.1，0.25，0.5，0.75，0.9，0.95]七個分位水平，其中0.25，0.75兩個分位點將市場劃分為熊市、正常、牛市三種市場狀態(tài)。回歸結果見表5。

表5 分位數(shù)回歸實證結果

由于分位數(shù)回歸使用多個分位數(shù)函數(shù)來估計整體模型，故可以通過分位數(shù)回歸觀察解釋變量在不同分位點對解釋變量影響的視角。[25]兩個模型的結果均通過顯著性檢驗，且p 值均小于0.01。根據(jù)QR 的估計結果，EUA 和CSI300 均對GDEA 產(chǎn)生正向影響。其中：EUA 對GDEA 的影響總體平穩(wěn)，在0.95 分位數(shù)點的影響程度最小；CSI300 對GDEA 的影響不平穩(wěn)，在0.9 分位數(shù)點影響程度最大，在0.95 分位數(shù)點影響最小。這表明：歐盟碳價的波動在一定程度下會向國內碳市場傳遞，雖然中國是全球最大的碳排放權出口方，但其碳定價權和交易模式仍受制于國際市場，國際碳價是影響中國碳價的重要因素；當經(jīng)濟繁榮股市看漲時，企業(yè)傾向于擴大生產(chǎn)，導致碳排放的需求增加，促使碳價上漲；而當經(jīng)濟蕭條股市看跌時，企業(yè)則減少生產(chǎn)、碳排放需求減少，導致碳價下跌。

QR 回歸結果如圖4 所示，圖中，縱軸代表變量的系數(shù)估計值，橫軸表示分位數(shù)水平，間斷實現(xiàn)表示分位數(shù)回歸估計，陰影區(qū)域表示95%的置信區(qū)間，OLS 估計由平行連續(xù)的虛線表示。此外，在不同的分位數(shù)點上的分位數(shù)回歸（擬合）結果如圖5 所示，連續(xù)線表示線性OLS，虛線表示從低到高的不同分位數(shù)點。

圖4 置信區(qū)間為95%的分位數(shù)回歸系數(shù)

圖5 不同分位數(shù)點的分位回歸擬合結果

（3）雙分位數(shù)回歸實證結果

圖6 QQR 模型立體曲面圖

4.穩(wěn)健性檢驗

將QQR 模型回歸結果與QR 模型回歸結果進行比較分析，發(fā)現(xiàn)兩者所得結論存在關聯(lián)，即歐洲碳交易價格（EUA）對中國碳交易價格（GDEA)總體呈正向影響，且影響不大；股票市場（CSI300）對中國碳交易價格（GDEA)呈顯著的正向影響。然而，應用QR 回歸方法只能說明自變量EUA（CSI300）在不同分位數(shù)點θth對于固定狀態(tài)下因變量（GDEA)的影響。眾所周知，因變量（GDEA）中國碳交易價格本身存在波動，即碳市場存在牛市和熊市。為更為客觀地反映因變量（GDEA)位于不同分位數(shù)點τth時受自變量EUA(CSI300)在不同分位數(shù)點θth的影響，借鑒Sim 和Zhou（2015）[22]提出的分位數(shù)中分位數(shù)回歸方法（Quantile-on-Quantile Regression，QQR）進一步探討股票市場、歐洲碳交易市場、中國碳交易市場之間的綜合關系。

QQR 方法將EUA(CSI300)的分位數(shù)點回歸到GDEA 的分位數(shù)點上，因此其參數(shù)可以用和來解釋。由于QR 參數(shù)只能用來解釋因變量在固定狀況下受自變量的影響，而QQR 方法可分析在動態(tài)變化中的因變量受自變量的影響情況，即為QR 估計的“分解”。[22]基于這一原理，QR 的近似估計應該從QQR 估計中恢復。將QR 的斜率系數(shù)表示為γ1（θ），EUA（CSI300）對GDEA 的影響可以表述為如下：

其中：S=19 代表存在19 個分位數(shù)點，依次為=[0.05，0.10，...，0.95]。

結果如圖7 所示，實線表示QR 回歸估計結果，虛線表示QQR 的結果，左圖表示EUA 對GDEA 的影響，右圖表示CSI300 對GDEA 的影響。

圖7 QQR 回歸模型與QR 回歸模型結果比較

四、研究結論與對策建議

（一）研究結論

本文選用2016 年2 月6 日至2022 年12 月8 日的交易數(shù)據(jù)，采用QR 回歸模型結合QQR 回歸模型，分析了中國碳市場與股票市場及歐盟碳市場在不同市場條件（看跌、正常和看漲）下的非線性依賴關系。研究發(fā)現(xiàn)：股票市場、歐盟碳市場均對我國碳交易價格波動產(chǎn)生正向影響，且股票市場對我國碳交易價格的影響隨著股票市場分位數(shù)點的上升而增加；QQR 回歸估計結果更精細證實，處于牛市或熊市的股市（歐盟碳市）對處于不同分位水平的我國碳市場影響不一，當EUA 處于極低分位數(shù)點（0.05-0.1）、CSI300 處于較低分位數(shù)點（0.1-0.25）對處于較高分位數(shù)點（0.5-0.95）的GDEA，估計系數(shù)急劇下滑、影響由正轉負，這表明在一定程度上國際碳市場、股票風險會向中國碳市場傳導。政策制定者在制定相關政策時，應考慮碳市場和股票市場之間跨分位數(shù)和頻率的非線性依賴關系，碳價格的變化會受股票指數(shù)影響，這為投資者提供了如何分散投資組合和制定對沖策略的參考，注重極端市場條件下的風險防控。

（二）對策建議

1.借鑒EUETS 設置柔性機制，促進中國碳市場發(fā)展

EUETS 碳價格長期居于所有碳市場配額價格首位，歐洲已成為碳定價政策的世界領導者。然而，EUETS的建設并非一蹴而就，經(jīng)過四個階段的迭代才逐步完善、走向成熟。中國碳市場可以借鑒歐盟的相關配額儲備制度，設置類似的柔性機制，平衡市場供需關系，保證穩(wěn)定合理的碳價水平，并做好信息公開工作，增加碳市場信息公開化和透明度。此外，中國作為全球最大的碳排放權出口方，其碳定價權和交易模式均受制于國際碳市場，EUETS 的極端波動會使國內碳價產(chǎn)生劇烈震蕩。加強中國碳市場與國際碳市場接軌，積極借鑒歐盟碳市場發(fā)展經(jīng)驗，合理分配各個行業(yè)的碳配額，適當引入競爭機制和監(jiān)管機制，有利于提高中國碳市場運行效率，促使碳交易價格能良好反映減排成本，更能體現(xiàn)經(jīng)濟運行成本。

2.探索碳市場金融屬性，推動碳交易合理定價

當前中國碳市場仍以碳現(xiàn)貨交易為主，而碳金融衍生品市場具有良好的價格發(fā)現(xiàn)功能，能夠與現(xiàn)貨市場形成優(yōu)勢互補，形成更為真實、合理的交易價格。從交易產(chǎn)品上看，依靠單一的現(xiàn)貨產(chǎn)品很難實現(xiàn)全國碳市場在質和量上的提升，需要探索與市場發(fā)展階段相適應的基于現(xiàn)貨的衍生品，調動市場主體的參與積極性，引入更多資本進入減排領域。加強碳市場與其他金融機構合作、重視碳市場中的金融工具創(chuàng)新，吸引更多投資主體參與碳交易，促使碳市場獲得更多的資金和活力。探索達到最佳節(jié)能減排效應的合理碳定價，不僅能加快推進全國碳排放權交易市場建設，還能促使企業(yè)更積極地向低碳經(jīng)濟轉型。

3.逐步擴大市場開放程度，加強風險防控能力

鼓勵包括商業(yè)銀行、證券、基金、期貨公司等金融機構積極參與碳市場，為中國碳市場發(fā)展注入強有力的資本實力和專業(yè)服務能力，提升市場流動性和價格發(fā)現(xiàn)功能，激發(fā)更多投資者參與碳市場。同時，增強中國碳市場的風險防控能力，對國際碳市場及其他金融市場的變化作出合理反應，提升中國碳市場的金融穩(wěn)定性。逐步探索金融化發(fā)展路徑并建立配套風險防控機制，增強投資者信心和參與意愿。此外，對于碳市場投資者而言，也應加強自身風險防控能力。碳市場在不同市場條件下（看跌、正常和看漲）受其他市場的影響程度不同，投資者在投資決策時，應充分考慮市場狀況，關注國內外碳價波動的同時，還需要關注國內股票市場的變化，注重投資組合多樣化，及時采取跨市場的套期保值策略，尤其注意在極端市場條件下評估自己的風險，從而作出理性的投資決策。