我國碳市場與化石能源市場溢出效應(yīng)研究
——基于VAR－GARCH－BEKK 模型的分析

趙一航 趙會茹

（華北電力大學(xué)經(jīng)濟(jì)與管理學(xué)院，北京 102206）

引言

2020 年9 月22 日，習(xí)近平總書記在第七十五屆聯(lián)合國大會一般性辯論上提出了“二氧化碳排放力爭于2030 年前達(dá)到峰值，努力爭取2060 年前實(shí)現(xiàn)碳中和” 的氣候目標(biāo)。為實(shí)現(xiàn)“雙碳目標(biāo)”，我國提出了構(gòu)建綠色低碳循環(huán)發(fā)展經(jīng)濟(jì)體系、提升能源利用效率、提高非化石能源消費(fèi)比重、降低二氧化碳排放水平、提升生態(tài)系統(tǒng)碳匯能力等五方面主要目標(biāo)。碳市場由于低成本和可持續(xù)性強(qiáng)等特點(diǎn)，被認(rèn)為是最有效的碳減排政策工具之一［1］。自2010 年我國首次提出建立碳市場以來，我國碳排放交易體系已經(jīng)歷了超過10 年的發(fā)展歷程。2013 年，深圳、上海、北京、廣東和天津5個省市率先開始試點(diǎn)交易。2014 年，重慶和湖北碳試點(diǎn)市場也正式開始交易。2016 年，福建省也加入了試點(diǎn)碳市場的行列。由于全國統(tǒng)一大市場的建設(shè)有助于充分發(fā)揮市場在資源配置中的決定性作用，對于降低市場交易成本、推動市場高效暢通和規(guī)模拓展具有顯著意義［2］。因此，在2017年底我國正式建立全國統(tǒng)一的碳市場，并于2021年7 月16 日正式開啟上線交易，至今已經(jīng)度過第一個履約周期。

溢出效應(yīng)，用于描述市場間的信息傳遞以及資本流動，被廣泛應(yīng)用于金融領(lǐng)域［3］。通過對市場間溢出效應(yīng)的研究，有助于了解市場價(jià)格變化的外部成因和驅(qū)動因素，對于加強(qiáng)金融市場風(fēng)險(xiǎn)防范、提高市場監(jiān)管力度起到重要作用。由于碳市場中所交易的碳排放權(quán)同樣具有金融產(chǎn)品的屬性，因此也有部分學(xué)者針對碳市場的溢出效應(yīng)開展研究。已有的研究主要圍繞3 個方面：（1）各個碳市場之間的溢出效應(yīng)，研究主體主要包含國內(nèi)各碳試點(diǎn)以及以歐盟為主的國外碳市場。汪文雋等［4］基于三元GARCH－BEKK 模型分析了我國廣東、湖北和深圳3 個碳試點(diǎn)之間的波動溢出效應(yīng)。劉建和等［5］基于VAR－GARCH－BEKK 模型研究了我國7 個碳試點(diǎn)與歐盟碳市場之間的溢出效應(yīng)。許悅和翟大宇［6］基于時變參數(shù)自回歸方法和VAR 模型研究了聯(lián)合國氣候談判背景下歐盟碳市場（EUA 和CER）之間的溢出效應(yīng)；（2）碳市場與金融市場之間的溢出效應(yīng)。李剛和朱莉［7］采用MGARCH－BEKK 模型研究了歐洲和美國的碳市場與股票市場之間的動態(tài)相關(guān)性。王倩和路京京［8］基于EGARCH－Copula 模型分析了人民幣匯率對我國各試點(diǎn)碳價(jià)的異質(zhì)性影響。王超和楊寶臣［9］構(gòu)建了我國與歐盟“碳－商品－金融” 的市場聯(lián)動框架，測算了各市場之間的溢出指數(shù)。此外，由于工業(yè)生產(chǎn)活動中使用的化石能源造成大量的二氧化碳排放，因此研究碳市場與化石能源市場之間的溢出效應(yīng)也是國內(nèi)外學(xué)者的主要關(guān)注點(diǎn)之一。趙領(lǐng)娣等［10］基于DY 溢出指數(shù)模型，分別針對上海、北京、廣東及湖北4 個碳試點(diǎn)和動力煤、原油、天然氣及液化氣4 個能源市場之間的溢出效應(yīng)展開研究。海小輝和楊寶臣［11］基于DCC－MVGARCH 模型研究了歐盟碳市場與煤炭、石油及天然氣等化石能源市場之間的動態(tài)相依關(guān)系。也有部分學(xué)者針對特定周期（階段）內(nèi)碳市場與化石能源市場之間的溢出效應(yīng)展開研究，如中美貿(mào)易戰(zhàn)期間［12］等。

然而，已有的研究中碳市場的選取主要以單一試點(diǎn)市場為主，或是選取幾個典型碳試點(diǎn)，分別研究每一個碳試點(diǎn)與各類化石能源市場之間的聯(lián)動關(guān)系和溢出效應(yīng)。盡管這些研究有助于挖掘各個碳試點(diǎn)的異質(zhì)性，但卻無法體現(xiàn)出我國碳市場的整體發(fā)展規(guī)律。也有部分學(xué)者嘗試通過將各個碳試點(diǎn)的價(jià)格數(shù)據(jù)進(jìn)行平均處理，以期用平均交易價(jià)格表征我國碳市場的整體發(fā)展規(guī)律。但我國各個碳試點(diǎn)的交易規(guī)模和交易價(jià)格存在顯著差異，平均交易價(jià)格不具備代表性。因此，如何集成各個碳試點(diǎn)的交易數(shù)據(jù)，構(gòu)建能夠反映我國碳市場整體發(fā)展規(guī)律的碳排放權(quán)價(jià)格模型是待解決的問題之一，分析碳價(jià)集成數(shù)據(jù)與化石能源市場價(jià)格數(shù)據(jù)之間的溢出效應(yīng)也更具實(shí)際意義。隨著全國統(tǒng)一碳市場的建立，全國碳排放權(quán)交易市場已逐步成為碳交易的“主戰(zhàn)場”，其交易價(jià)格呈現(xiàn)怎樣的變化規(guī)律？全國統(tǒng)一碳市場建立前后碳市場與化石能源市場之間的溢出效應(yīng)又會產(chǎn)生怎樣的變化？這些問題是全國統(tǒng)一碳市場成立之后亟需解決的問題之二。

當(dāng)前，我國碳市場尚屬于起步階段，市場規(guī)則尚未完善、市場機(jī)制尚不健全，風(fēng)險(xiǎn)防范及規(guī)避能力較差。通過研究其他成熟市場對我國碳市場交易價(jià)格產(chǎn)生的溢出效應(yīng)，有助于明確碳價(jià)的外部影響因素，對于加強(qiáng)碳市場的風(fēng)險(xiǎn)管理、構(gòu)建科學(xué)合理的市場聯(lián)合風(fēng)險(xiǎn)防范機(jī)制具有重要意義。因此，本文對全國統(tǒng)一碳市場建立前后我國碳市場與化石能源市場之間的動態(tài)溢出效應(yīng)展開研究，并沿用金融市場中廣泛應(yīng)用的VAR－GARCHBEKK 模型對二者間的均值溢出效應(yīng)和波動溢出效應(yīng)進(jìn)行測算。通過本文的研究，可以更加全面地掌握我國碳市場與化石能源市場之間的交互關(guān)系與聯(lián)動機(jī)理，同時為全國統(tǒng)一碳市場的進(jìn)一步完善提供理論基礎(chǔ)。

1 理論分析與模型構(gòu)建

1.1 理論分析

市場間的溢出效應(yīng)大多建立在兩種情況之上：

（1）市場間存在一定的共有信息，容易受到外部因素帶來的沖擊影響，由于交易規(guī)模、市場流動性差異，強(qiáng)有效市場會對弱有效市場產(chǎn)生價(jià)格上的溢出效應(yīng)［13］。以本文所研究的碳市場和能源市場為例，當(dāng)有關(guān)能源轉(zhuǎn)型、低碳環(huán)保的相關(guān)政策出臺時，將會同時對兩個市場產(chǎn)生影響，從而造成市場間價(jià)格的溢出效應(yīng)。另外，當(dāng)宏觀經(jīng)濟(jì)和氣候政策調(diào)整時，外部信息也會快速作用于上述市場，造成市場間的風(fēng)險(xiǎn)傳染。

（2）市場要素之間存在聯(lián)動關(guān)系，當(dāng)一個市場發(fā)生調(diào)整后，會直接影響到另一個市場。同樣以本文所研究的碳市場和能源市場為例，當(dāng)碳排放權(quán)交易價(jià)格提升時，用戶為避免高昂的碳成本，會自主減少化石能源的使用或使用更加清潔化、低碳化的生產(chǎn)方式，從而對能源市場價(jià)格產(chǎn)生影響。相似地，當(dāng)化石能源價(jià)格發(fā)生波動時，又會通過市場主體所產(chǎn)生的二氧化碳排放量的變化間接傳遞至碳市場，造成碳價(jià)的波動［10］。

1.2 VAR－GARCH－BEKK 模型

為了明確碳市場與化石能源市場之間的溢出效應(yīng)，本文構(gòu)建二者之間的VAR－GARCH－BEKK模型。其中，VAR 模型用于計(jì)算二者之間的均值溢出效應(yīng)，從而明確某一市場價(jià)格或收益率變動對另一市場的影響；GARCH－BEKK 模型能夠測度二者之間的波動溢出效應(yīng)，可用于分析市場價(jià)格波動對其他市場價(jià)格產(chǎn)生的影響。

（1）構(gòu)建碳市場與化石能源市場的二元VAR均值溢出模型。

式中，Rc，t和Re，t分別表示碳市場和化石能源市場在時間t的收益率；μc和μe表示常數(shù)項(xiàng)；εc，t和εe，t表示殘差項(xiàng)；k表示滯后階數(shù)；θc，k表示化石能源市場對碳市場的均值溢出效應(yīng)；φe，k表示碳市場對化石能源市場的均值溢出效應(yīng)；φc，k和θe，k分別表示碳市場和化石能源市場的自回歸滯后因子。

（2）構(gòu)建基于GARCH－BEKK 的碳市場與化石能源市場波動溢出效應(yīng)模型。作為ARCH 模型的擴(kuò)展，波勒斯勒夫在1986 年提出的GARCH 模型進(jìn)一步對誤差的方差進(jìn)行了建模，有助于更好地刻畫市場的波動性。然而，傳統(tǒng)的GARCH 模型存在兩個主要缺點(diǎn)［14］：①模型需要估計(jì)的參數(shù)數(shù)量眾多；②方差－協(xié)方差矩陣的正定性難以保證。為了解決上述問題，恩格爾和克羅納在1995 年提出了GARCH－BEKK 模型，該模型可以表示為：

式中，Ht表示協(xié)方差矩陣；C表示常數(shù)項(xiàng)矩陣；A表示ARCH 項(xiàng)系數(shù)矩陣，可以反映波動的聚合；B表示GARCH 項(xiàng)系數(shù)矩陣，可以反映波動的持續(xù)性；ε表示隨機(jī)擾動項(xiàng)，且εt＝（εm，t，εn，t）。

式（2）中各項(xiàng)可以進(jìn)一步表示為：

式中，hcc，t表示碳市場在時間t的條件方差，hce，t表示碳市場和化石能源市場在時間t的協(xié)方差；acc和bcc分別代表碳市場對自身的ARCH、GARCH波動溢出效應(yīng)；非對角線的ace和bce代表化石能源市場對碳市場的ARCH、GARCH 波動溢出效應(yīng)。

為了判斷各個市場之間是否存在波動溢出效應(yīng)，本文做出如下假設(shè)：①碳市場對化石能源市場不存在單向波動溢出效應(yīng)，H0：aec＝bec＝0；②化石能源市場對碳市場不存在單向的波動溢出效應(yīng)，H0：ace＝bce＝0。

1.3 主成分分析方法

作為一種通過降維來簡化數(shù)據(jù)結(jié)構(gòu)的方法，主成分分析（Principal Component Analysis，PCA）的主要思想是把多個變量轉(zhuǎn)化為幾個可以反映原來多個變量大部分信息的綜合變量，且各個成分之間互不相關(guān)［15］。

其基本步驟為：（1）構(gòu)建原始數(shù)據(jù)矩陣和協(xié)方差矩陣；（2）計(jì)算特征值和特征向量；（3）計(jì)算貢獻(xiàn)率和累積貢獻(xiàn)率，確定主成分的個數(shù)。

根據(jù)柴尚蕾［16］的研究，將式（1）進(jìn)行改寫，以I（I＜8）個碳市場主成分分量對化石能源市場均值溢出效應(yīng)為例：

式中，φei，k表示第i個碳市場主成分分量對化石能源市場的均值溢出效應(yīng)；Rci，t表示第i個碳市場主成分分量在時間t的收益率。

2 實(shí)證研究

2.1 數(shù)據(jù)來源和描述性統(tǒng)計(jì)

由于福建碳試點(diǎn)于2016 年底建成，因此本文以2017 年8 月14 日到2022 年5 月30 日的碳市場、化石能源市場價(jià)格作為樣本數(shù)據(jù)。為了進(jìn)一步明確全國統(tǒng)一碳市場建立前后，我國碳市場與化石能源市場之間溢出效應(yīng)的變化情況，將樣本數(shù)據(jù)劃分為兩個階段。在考慮數(shù)據(jù)可獲得性和完整性的基礎(chǔ)上，兩個階段的劃分如下：

第一階段：2017 年8 月14 日到2020 年12 月31 日。

第二階段：2021 年7 月16 日到2022 年5 月30 日。

第一階段將以各地方碳試點(diǎn)的數(shù)據(jù)表征碳市場價(jià)格，而第二階段則主要以全國碳排放權(quán)交易市場的碳價(jià)數(shù)據(jù)進(jìn)行分析（考慮到2021 年全國碳市場正式掛牌交易，部分行業(yè)從地方碳市場剝離，可能會影響投資者情緒，造成市場價(jià)格的劇烈波動。為此，第一階段截取至2020 年底的價(jià)格數(shù)據(jù)進(jìn)行分析）?；茉词袌鲋饕悦禾渴袌?、石油市場和天然氣市場作為研究對象，實(shí)證的數(shù)據(jù)分別為鄭州商品交易所上市的動力煤價(jià)格、大慶原油價(jià)格以及中國液化天然氣進(jìn)口到岸價(jià)格（由于我國是全球最大的液化天然氣進(jìn)口國，對外依存度達(dá)43%，因此采用進(jìn)口到岸價(jià)格），以上數(shù)據(jù)均來源于Wind 數(shù)據(jù)庫。為保證數(shù)據(jù)的平穩(wěn)性，本文通過對數(shù)差分方法將原始價(jià)格數(shù)據(jù)轉(zhuǎn)換為收益率，公式如下：

各碳試點(diǎn)、全國統(tǒng)一碳市場以及化石能源市場的收益率和描述性統(tǒng)計(jì)結(jié)果如圖1 和表1 所示?？梢钥闯觯涸诘谝浑A段的8 個碳試點(diǎn)中，深圳和福建碳試點(diǎn)平均收益率為負(fù)，而其他碳市場則保持良好收益水平；重慶和深圳碳試點(diǎn)收益率標(biāo)準(zhǔn)差最大，表明這兩個碳試點(diǎn)存在較高風(fēng)險(xiǎn)；相比于碳市場，化石能源市場的波動風(fēng)險(xiǎn)明顯較小，但僅有煤炭市場呈現(xiàn)正收益。在第二階段內(nèi)，全國統(tǒng)一碳市場的平均收益率均為正，且標(biāo)準(zhǔn)差相對較小，整體呈現(xiàn)“高收益、低風(fēng)險(xiǎn)” 特點(diǎn)。相比之下，各化石能源市場則呈現(xiàn)異質(zhì)性特點(diǎn)，其中：煤炭市場平均收益率為負(fù)且標(biāo)準(zhǔn)差相對較小，石油和天然氣市場呈現(xiàn)較高收益，但天然氣市場的風(fēng)險(xiǎn)明顯高于煤炭和石油市場。此外，在兩階段內(nèi)各碳市場和化石能源市場收益率的偏度均不為0 且峰度均大于3，證明各市場均呈現(xiàn)“尖峰厚尾” 特點(diǎn)；ADF 檢驗(yàn)結(jié)果表明，各市場收益率均為平穩(wěn)序列；除第一階段的上海和福建碳試點(diǎn)外，其他市場的ARCH－LM 檢驗(yàn)結(jié)果均顯著，因此，可對全國統(tǒng)一碳市場和化石能源市場進(jìn)行GARCH 模型參數(shù)估計(jì)。

表1 各市場描述性統(tǒng)計(jì)

2.2 基于PCA 的碳試點(diǎn)收益率集成

基于IBM SPSS Statistics 26 軟件對第一階段內(nèi)各碳試點(diǎn)的收益率數(shù)據(jù)進(jìn)行主成分分析，總方差解釋結(jié)果如表2 所示。

根據(jù)累計(jì)貢獻(xiàn)率超過80%作為主成分?jǐn)?shù)量的篩選標(biāo)準(zhǔn)，最終確定的主成分分量個數(shù)為1。該主成分分量與我國8 個碳試點(diǎn)的日收益率有關(guān)，是我國8 個碳試點(diǎn)的綜合因子，用于表征第一階段我國碳試點(diǎn)收益率集成結(jié)果。第一階段我國碳市場整體收益率表現(xiàn)和描述性統(tǒng)計(jì)結(jié)果如圖2 和表3 所示。

表3 第一階段我國碳市場描述性統(tǒng)計(jì)

圖2 第一階段我國碳市場整體收益率

可以看出，第一階段我國碳市場整體呈現(xiàn)“低收益、低風(fēng)險(xiǎn)” 的特點(diǎn)；偏度不為0 且峰度大于3，J－B 統(tǒng)計(jì)量顯著，證明第一階段我國碳市場整體同樣呈現(xiàn)“尖峰厚尾” 的特點(diǎn)；ADF 檢驗(yàn)結(jié)果顯著證明第一階段我國碳市場整體收益率平穩(wěn)；ARCH－LM 檢驗(yàn)結(jié)果顯著表明通過對第一階段我國各碳試點(diǎn)的收益率進(jìn)行集成，整體收益率存在顯著的ARCH 效應(yīng)，可以進(jìn)一步進(jìn)行GARCH 模型構(gòu)建和參數(shù)估計(jì)。

2.3 第一階段碳市場與化石能源市場間的溢出效應(yīng)

2.3.1 最優(yōu)滯后階數(shù)確定

在構(gòu)建第一階段碳市場與化石能源市場之間的二元VAR 模型之前，需要首先確定模型的最優(yōu)滯后階數(shù)，表4 列出了利用LR 似然比檢驗(yàn)、FPE準(zhǔn)則、AIC 準(zhǔn)則、SC 準(zhǔn)則和HQ 信息準(zhǔn)則5 種信息準(zhǔn)則方法所確定的VAR 模型最優(yōu)滯后階數(shù)。

表4 第一階段VAR 模型最優(yōu)滯后階數(shù)

因此，第一階段碳－煤炭、碳－石油和碳－天然氣3 組二元VAR 模型的最優(yōu)滯后階數(shù)設(shè)置為8 階。

2.3.2 模型平穩(wěn)性檢驗(yàn)

在VAR 模型參數(shù)估計(jì)之前，需要對VAR 模型進(jìn)行平穩(wěn)性檢驗(yàn)，當(dāng)VAR 模型的所有特征根均落在單位圓內(nèi)時證明模型具有穩(wěn)定性。圖3 為第一階段碳－煤炭、碳－石油和碳－天然氣3 組二元VAR 模型的平穩(wěn)性檢驗(yàn)結(jié)果?？梢钥闯?，第一階段3 組VAR 模型均平穩(wěn)，可以進(jìn)一步進(jìn)行參數(shù)估計(jì)。

圖3 第一階段VAR 模型平穩(wěn)性檢驗(yàn)結(jié)果

2.3.3 均值溢出效應(yīng)分析

對第一階段碳市場與各類化石能源市場之間的均值溢出效應(yīng)進(jìn)行分析，VAR 模型參數(shù)估計(jì)結(jié)果如表5 所示①。

從表5 可以看出，我國碳市場與化石能源市場之間的均值溢出效應(yīng)主要體現(xiàn)于前者對后者。具體而言，碳市場的一階滯后項(xiàng)和八階滯后項(xiàng)在5%顯著水平下分別對石油市場和天然氣市場收益率產(chǎn)生負(fù)向的均值溢出效應(yīng)，意味著碳價(jià)的提高在一定程度上會帶來石油、天然氣價(jià)格的下降，而碳價(jià)的變化并未對煤炭市場的價(jià)格產(chǎn)生影響。相反，煤炭市場的二階滯后項(xiàng)在10%顯著水平下對碳市場收益率產(chǎn)生影響，意味著煤炭價(jià)格的上漲對于碳市場價(jià)格的提高有著顯著的引導(dǎo)作用。相比之下，石油市場和天然氣市場的價(jià)格并未直接作用于碳市場。造成這一現(xiàn)象的原因主要是由于我國對煤炭的高依賴度。根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，2022 年我國煤炭、石油、天然氣三類主要化石能源消費(fèi)比重分別為56.2%、17.9%和8.4%，煤炭市場價(jià)格的變化對于國民生產(chǎn)活動的影響相比于其他兩類化石能源更為顯著，從而對碳市場價(jià)格的影響也更加明顯。

2.3.4 波動溢出效應(yīng)分析

對第一階段碳市場與各類化石能源市場之間的波動溢出效應(yīng)進(jìn)行分析，GARCH－BEKK 模型參數(shù)估計(jì)結(jié)果如表6 所示。

表6 第一階段GARCH－BEKK 模型參數(shù)估計(jì)結(jié)果

根據(jù)Wald 檢驗(yàn)結(jié)果，煤炭市場價(jià)格對碳市場價(jià)格的影響不僅體現(xiàn)在直接的均值溢出，還體現(xiàn)在間接的波動溢出。換言之，當(dāng)煤炭市場價(jià)格出現(xiàn)波動時，碳市場的價(jià)格同樣會產(chǎn)生劇烈波動。然而，石油市場和天然氣市場則呈現(xiàn)明顯不同的規(guī)律。具體而言，碳市場和石油市場之間的雙向Wald 檢驗(yàn)結(jié)果均未拒絕原假設(shè)，意味著碳市場和石油市場之間的波動溢出效應(yīng)并不顯著，即二者自身的價(jià)格波動并未傳導(dǎo)至彼此。相反，碳市場和天然氣市場之間波動溢出效應(yīng)的Wald 檢驗(yàn)結(jié)果分別在10%和1%水平上顯著，拒絕了原假設(shè)。這意味著碳市場和天然氣市場之間存在顯著的雙向波動溢出效應(yīng)，而后者對于前者的風(fēng)險(xiǎn)傳染更為顯著。

2.4 第二階段碳市場與化石能源市場間的溢出效應(yīng)

2.4.1 最優(yōu)滯后階數(shù)確定

與第一階段相似，第二階段仍采用LR 似然比檢驗(yàn)、FPE 準(zhǔn)則、AIC 準(zhǔn)則、SC 準(zhǔn)則和HQ 信息準(zhǔn)則5 種信息準(zhǔn)則方法進(jìn)行VAR 模型最優(yōu)滯后階數(shù)確定，結(jié)果如表7 所示。

表7 第二階段VAR 模型最優(yōu)滯后階數(shù)

可以看出，第二階段內(nèi)碳－煤炭及碳－天然氣兩組VAR 模型的最優(yōu)滯后階數(shù)為6 階，碳－石油VAR 模型的最優(yōu)滯后階數(shù)為1 階。

2.4.2 模型平穩(wěn)性檢驗(yàn)

圖4 為第二階段碳－煤炭、碳－石油和碳－天然氣3 組二元VAR 模型的平穩(wěn)性檢驗(yàn)結(jié)果。

圖4 第二階段VAR 模型平穩(wěn)性檢驗(yàn)結(jié)果

可以看出，第二階段內(nèi)3 組VAR 模型均平穩(wěn)，可以進(jìn)一步進(jìn)行參數(shù)估計(jì)。

2.4.3 均值溢出效應(yīng)分析

第二階段碳市場與各類化石能源市場的VAR模型參數(shù)估計(jì)結(jié)果如表8 所示。

表8 第二階段VAR 模型參數(shù)估計(jì)結(jié)果

從表8 可以看出，在全國統(tǒng)一碳市場成立后，煤炭市場對碳市場仍保持一定程度的均值溢出影響。相比之下，碳市場與石油、天然氣市場之間的均值溢出效應(yīng)并不顯著。

2.4.4 波動溢出效應(yīng)分析

第二階段碳市場與各類化石能源市場的GARCH－BEKK 模型參數(shù)估計(jì)結(jié)果如表9 所示。

表9 第二階段GARCH－BEKK 模型參數(shù)估計(jì)結(jié)果

從碳市場和天然氣市場之間的波動溢出效應(yīng)來看，無論在全國統(tǒng)一碳市場成立前后，二者之間均保持顯著的雙向波動溢出效應(yīng)，即二者之間的風(fēng)險(xiǎn)傳染明顯。相比于前一階段，碳市場對天然氣市場的波動溢出效應(yīng)明顯增強(qiáng)，而后者的風(fēng)險(xiǎn)回饋效果有所衰減。然而，碳市場和煤炭、石油市場之間的波動溢出效應(yīng)在第二階段發(fā)生了變化。具體而言，碳市場的價(jià)格波動受到石油市場的價(jià)格波動影響更為顯著，而煤炭市場的價(jià)格波動并未對碳市場價(jià)格波動產(chǎn)生顯著影響。

3 結(jié)語

本文以2017 年8 月14 日到2022 年5 月30 日我國碳市場與化石能源市場的交易價(jià)格為樣本數(shù)據(jù)，基于VAR－GARCH－BEKK 模型分析并測算了二者之間的溢出效應(yīng)。為探究全國統(tǒng)一碳市場建立前后碳市場和化石能源市場間溢出效應(yīng)的變化情況，本文將樣本數(shù)據(jù)劃分為兩個階段。第一階段主要以我國8 個碳試點(diǎn)的交易價(jià)格為樣本數(shù)據(jù)，通過主成分分析方法進(jìn)行數(shù)據(jù)集成，從而表征試點(diǎn)階段我國碳市場的總體交易價(jià)格規(guī)律；第二階段則采用全國碳排放權(quán)交易市場的交易價(jià)格數(shù)據(jù)進(jìn)行研究。結(jié)果表明：

（1）在試點(diǎn)階段，我國碳市場對石油和天然氣市場產(chǎn)生顯著的單向均值溢出效應(yīng)。這意味著，隨著我國碳價(jià)的調(diào)整，化石能源市場價(jià)格也會同步受到影響，從而加速各地區(qū)的碳減排進(jìn)程［17］。這在一定程度上會促進(jìn)我國能源結(jié)構(gòu)的轉(zhuǎn)型，推動實(shí)現(xiàn)“雙碳” 目標(biāo)。

然而，除煤炭市場外，在試點(diǎn)階段我國碳市場似乎并未受到各能源市場的“反哺”，二者之間的均值溢出效應(yīng)均為單向，這與已有的研究存在一定出入［5，10］。本文認(rèn)為，造成這一現(xiàn)象的原因可能包含兩個方面：①所選用的數(shù)據(jù)樣本時間尺度不同；②由于已有研究中所選取的碳市場主要以湖北、廣東等活躍的碳試點(diǎn)為主，缺乏對天津、重慶等活躍度較低的碳試點(diǎn)進(jìn)行分析。這在一定程度造成了我國碳市場與化石能源市場之間存在顯著關(guān)聯(lián)關(guān)系與聯(lián)動效應(yīng)的假象，也從側(cè)面印證了我國部分碳試點(diǎn)有效性較低的事實(shí)［18］。本文的研究從試點(diǎn)層面上升至全國層面，得到的結(jié)果能夠更加真實(shí)反映我國碳市場建設(shè)發(fā)展的實(shí)際情況，對于衡量試點(diǎn)階段我國碳市場與化石能源市場之間溢出效應(yīng)提供參考。

此外，由于試點(diǎn)階段引入了大量的機(jī)構(gòu)與個人投資者，碳市場價(jià)格收益的變化與波動將直接影響投資者的投資策略與交易行為，這也造成了碳市場與其他化石能源市場之間的“風(fēng)險(xiǎn)傳染”［19］。然而，我國碳試點(diǎn)流動性較低，因此風(fēng)險(xiǎn)傳染的方向主要來源于化石能源市場，碳市場主要是風(fēng)險(xiǎn)的接受者。

（2）隨著全國統(tǒng)一碳市場的建立，碳市場與化石能源市場之間的“橋梁” 似乎并未完全打通，二者之間的均值溢出效應(yīng)僅體現(xiàn)在煤炭市場和碳市場之間的單向作用。本文認(rèn)為，造成這一現(xiàn)象的原因主要包含三方面：①由于我國化石能源消費(fèi)分布的不均衡現(xiàn)象，煤炭仍是我國能源消費(fèi)的主要產(chǎn)品，因此煤炭價(jià)格的調(diào)整對于碳市場價(jià)格的引導(dǎo)作用依然顯著；②2022 年初爆發(fā)的俄烏沖突造成了全球石油、天然氣價(jià)格的大幅上漲［20］，而碳市場作為我國應(yīng)對氣候變化的主要政策工具，其價(jià)格受到政府嚴(yán)格管控。盡管在一定程度上受到石油、天然氣價(jià)格波動帶來的風(fēng)險(xiǎn)傳染，但并未受到直接的價(jià)格影響；③由于全國碳排放權(quán)交易市場成立初期，僅有電力行業(yè)參與到市場交易，因此碳市場與化石能源市場之間的相互影響甚微。隨著全國碳排放權(quán)交易市場步入第二個履約階段，市場參與主體將進(jìn)一步擴(kuò)大，市場交易規(guī)則將進(jìn)一步完善，碳市場與化石能源市場之間的聯(lián)動效應(yīng)將會更加明顯，從而合力助推我國“雙碳” 目標(biāo)的實(shí)現(xiàn)。此外，隨著全國統(tǒng)一碳市場的建立，碳市場與化石能源市場之間的波動溢出效應(yīng)更加顯著。盡管目前碳市場仍是主要的風(fēng)險(xiǎn)凈接受者，但隨著我國碳市場的逐步發(fā)展，其與能源市場之間的關(guān)系將會更加緊密，需要進(jìn)一步防范化石能源市場和碳市場之間的風(fēng)險(xiǎn)傳導(dǎo)。

為此，提出如下幾條建議：

（1）對于政策制定者而言，在設(shè)計(jì)相關(guān)政策時需要考慮到市場間的互通關(guān)系，即發(fā)布低碳能源轉(zhuǎn)型的有關(guān)政策時，需要同時考慮到該政策對碳市場和化石能源等多市場的影響，加強(qiáng)頂層機(jī)制設(shè)計(jì)，提高立法效力。

（2）對于市場監(jiān)管者而言，應(yīng)加強(qiáng)市場風(fēng)險(xiǎn)防范，完善監(jiān)管政策體系。當(dāng)一方市場發(fā)生價(jià)格波動時，需要迅速做出風(fēng)險(xiǎn)應(yīng)對，并設(shè)立“風(fēng)險(xiǎn)識別－風(fēng)險(xiǎn)評估－風(fēng)險(xiǎn)預(yù)警－風(fēng)險(xiǎn)管控” 的閉環(huán)管理機(jī)制。

（3）對于企業(yè)而言，尤其是化石能源使用比例較高、碳排放量較大的工業(yè)企業(yè)，需要盡快厘清碳市場與化石能源市場之間的信息傳遞機(jī)制，動態(tài)關(guān)注各市場的價(jià)格波動情況，加強(qiáng)企業(yè)的風(fēng)險(xiǎn)應(yīng)對能力。

注釋：

①為簡化分析，僅列出碳市場與化石能源市場之間的均值溢出效應(yīng)參數(shù)，碳市場和化石能源市場對自身的均值溢出效應(yīng)參數(shù)在此不多做表述，后文中針對第二階段均值溢出效應(yīng)以及第一二階段波動溢出效應(yīng)分析采取同樣處理方式，對這一結(jié)果感興趣的讀者可以聯(lián)系作者索要。