EU ETS二氧化碳价格问题研究——基于MSVAR模型

海小辉

(内蒙古财经大学 统计与数学学院，内蒙古 呼和浩特 010070)

EU ETS二氧化碳价格问题研究
——基于MSVAR模型

海小辉

(内蒙古财经大学 统计与数学学院，内蒙古 呼和浩特 010070)

本文主要探讨EU ETS中的EUA现货价格与宏观经济、金融市场和能源市场之间的关系。考虑到2006年4月发生的核证排放量披露事件导致EUA现货价格的急剧下降、EU ETS的阶段性、金融危机对碳市场可能的潜在影响和碳价自身的波动性等因素，本文使用马尔科夫机制转移向量自回归模型(MSVAR)讨论宏观经济、金融市场和能源市场与碳价的非线性关系。通过该模型将整个样本期划分为四个机制，针对每个机制分析宏观经济、金融市场、能源市场与EUA现货价格之间的关系。实证结果发现：第一，正常状态下宏观经济、金融市场和能源市场对碳市场的影响方向上均符合预期，但都存在着滞后性。第二，在不同机制下，可能源于碳市场是新兴市场又有其独特的交易制度，造成宏观经济对碳价影响呈波动状态，金融市场对其的影响表现出不稳定性，能源市场对碳市场的影响不具有鲁棒性。第三，金融危机对碳市场的影响时间不长，但是对碳市场会起到质的改变。第四，碳市场在第一阶段快结束时期，由于本身交易制度的原因，各变量对碳市场的作用不明显。

EU ETS；碳价；MSVAR模型；bootstrap仿真检验

一、引言

欧盟根据2003年10月13日颁布的《排放权交易指令》(2003/87/EC)于2005年1月正式成立了欧盟排放交易体系(EU ETS)。该体系针对欧盟的11000个主要能源消费和排放行业的企业(例如，电力、钢铁和水泥)强制减排，在京都议定书协议下，欧盟承诺在2008—2012年温室气体减排量在1990年的排放量水平上平均减少8%。另外据世界银行提供的数据(见表1)，EU ETS自2005年开始就在全球的二氧化碳排放权市场占有极大的份额，其发展状况反映了全球碳市场的发展方向，其市场行情直接影响着全球二氧化碳排放权交易的参考价格(张跃军，魏一鸣2010)。

表1全球碳市场价值(单位：十亿美元)

年份EUETS配额其他配额CDM一级市场CDM二级市场其他合计2005年7.90.12.60.20.311.02006年24.40.35.80.40.331.22007年40.10.37.45.50.863.02008年100.51.06.526.30.8135.12009年118.54.32.717.50.7143.72010年119.81.11.518.31.2141.9

数据来源：《碳市场交易发展现状与未来发展趋势报告》，世界银行，2011年.

图1 EUA现货价格趋势图数据来源：Wind数据库.

二氧化碳排放权作为一种新型商品，它并没有脱离商品的经济规律，依然会受到供求关系的影响。从二氧化碳的供给角度来讲，EU ETS的每个成员国通过国家分配计划NAPs上报所需配额，再由欧盟委员会协调决定配额数量，也就是说，在EU ETS体系中，可以不用考虑供应方面的问题，因为配额分配是固定的，所有市场参与者都可以提前知道；从二氧化碳的需求角度来讲，二氧化碳的配额是二氧化碳预期排放量的函数，但它还会受到很多因素影响，例如宏观经济、能源需求、能源价格、天气情况(温度、降雨量、和风速)等未预期的波动等因素(Ellerman and Buchner,2008;Chevallier ,2011b)。EU ETS是一个特殊的交易体系，其交易物——二氧化碳排放权不是普通的商品，但是它仍然处于整个经济体系之中。二氧化碳是企业在生产活动过程中产生的，建立EU ETS的最终目的就是为了减少生产活动过程中排放的二氧化碳，EU ETS通过赋予二氧化碳排放权稀缺的资源属性，将二氧化碳排放与商品交易联系起来。只要生产就会有二氧化碳的排放，那么二氧化碳排放权的价格就会受到经济活动的影响。在EU ETS体系中，还存在二氧化碳的期货、远期等衍生品的交易，这又给二氧化碳这一特殊商品赋予了金融属性，所以二氧化碳的价格也有可能受到金融市场波动的影响。另外，根据图1中EUA现货价格自2005年以来的表现来看，EUA现货价格存在很明显的阶段性。造成碳价出现这种阶段性波动的原因有很多，例如EU ETS分阶段地实施碳交易；2006年4月发生的核证排放量披露事件发生，而导致EUA现货价格的急剧下降；EU ETS规定两个阶段的配额不允许跨期存储和借贷；金融危机对碳市场可能的潜在影响等等。考虑到碳价的阶段波动性，本文利用马尔科夫机制转换模型讨论宏观经济、金融市场和能源市场对碳市场的影响。

本文的贡献有三个方面，第一，相对于主观判断碳市场存在着结构转变的方法，本文利用客观方法MSVAR将所选样本分为不同机制分析金融市场、宏观经济、能源市场对碳市场的影响。从图1中我们可以看出EUA现货价格从开始交易以来，波动剧烈，很明显的二氧化碳价格走势可以分为几个阶段。另外由于所选择的样本期经历全球的金融危机，影响碳价因素的宏观经济变量、金融市场变量和能源价格在此期间也出现波动状况，鉴于此本文引入马尔科夫机制转换下的向量自回归模型(MSVAR)来探讨它们对碳价非线性的影响。第二，通过实证发现宏观经济、金融市场和能源市场对碳市场都有显著影响，正常状态下它们对碳市场的影响方向上基本符合预期，非正常状态下有违背预期的现象，说明这些影响不稳定，而且也存在滞后性。第三，实证结果还发现金融危机对碳市场会有冲击，虽然冲击的时间并不长，但会对碳市场会起到质的改变。

二、研究方法

具有马尔科夫区制转移的向量自回归过程可视为有限阶的VAR(p)模型的一般化形式。考虑如下一个K维时间序列构成向量：

yt=v+A1yt-1+…+ApYt-p+utt=1,…,T

(1)

其中ut～IID(0，Σ)，yt=(y1t，…，ykt)，且yt为平稳向量，则式(1)为稳态高斯VAR(p)模型的截距形式，它可以表示成均值调整形式：

yt-μ=A1(yt-1-μ)+…+Ap(Yt-p-μ)+ut

(2)

(3)

更准确地说，马尔科夫转移模型假设st服从一个不可约的、遍历的M个区制马尔科夫过程，其转移矩阵为：

(4)

其中对于i=1，…，M，piM=1-pi1-…-piM-1，滞后阶数为p，机制数为M，考虑方程(2)中均值调整VAR(p)模型的马尔科夫机制转移形式，则得到：

yt-μ(st)=A1(st)yt-1-μ(st))+…+Ap(st)(yt-p-μ(st))+μt

(5)

其中ut～NID(0,∑(st)),μ(st),A1(st),…,Ap(st),∑(st)是用来描述参数μ，A1，…,Ap和Σ对于已实现机制St以来的变参数函数，即：

(6)

在模型(5)所刻画的均值过程，如果机制发生一个当期的一次性跳跃，那么模型会随之变化。然而，当模型从一个机制转移到另一个机制时，假设均值是平滑地到达另一个新的水平的情况并不合理。这时则可以使用MSVAR模型中可能存在均值是状态依赖情形、截距项状态依赖情形，误差项是同方差或者异方差情形，所以根据参数是否状态依赖，可将MSVAR模型设定为多种形式。

三、数据说明

(一)碳市场数据

本文采用的碳市场交易数据来自EU ETS 最大的碳交易所——欧洲气候交易所的碳排放EUA现货价格，为了使选择的样本期具有代表性，所选择的样本期是从欧洲气候交易所开始进行EUA现货交易的时间2005年4月22日至2012年6月28日，样本容量1745个。虽然EUA的现货价格受到EU ETS规定两个阶段不能存储的影响，其价格在第一阶段结束时(2007年12月底)接近于零(Paolella and Taschini，2008；Alberola and Chevallier，2009；Daskalakis et al.，2009；Hintermann，2010)，但是由于期货数据的时间跨度没有与EU ETS的整个时期跨度同步，且EUA的现货价格和期货价格的走势非常相似，现货市场和期货市场相关性极高，影响的EUA现货价格和期货价格的信息都是相同的(Mansanet-Bataller et al.2007)，所以本文使用EUA的现货数据作为碳价的代表。

(二)宏观经济数据

根据前面介绍，二氧化碳会受到宏观经济的影响，二者的关系如下：首先经济增长促进工业生产资料的需求，企业生产更多商品来满足消费者需求进而排放更多二氧化碳，因此需要更多二氧化碳排放配额并最终导致碳价上涨(Ellerman and Buchner，2008；Chevallier，2011b)。

路透商品指数(CRB)是最早创立的商品指数，它是由能源、粮食、工业、畜牧业、贵重金属和软商品等17个行业计算得来，其涵盖的商品都是原材料性质的大宗物资商品，而且，由于其价格来自期货市场，因而该指数在反映世界商品价格的总体动态上有着非凡的作用。研究表明，CRB指数是一种较好反映通货膨胀的指标，它与通货膨胀指数在同一个方向波动，同时，与债券收益率也在同一方向上波动。在一定程度上，路透商品指数反映了经济发展的趋势。参照Chevallier(2009)，选择它作为代表宏观经济走势的指标。该指数反映大宗商品的价格走势，当路透指数增长时，商品价格增加，根据需求定律，价格增加时，需求减少，那么企业所需的二氧化碳排放量随之减少，碳价降低，所以我们预测路透商品价格指数的收益率与碳价呈反方向关系。

(三)金融市场数据

EU ETS中交易的产品具有金融属性，那么金融市场就有可能对它产生影响，本文参照前人的文献选择英国富时100指数收益率和信用利差作为金融市场的代表。

英国富时100指数(ftse)创立于1984年1月3日，是在伦敦证券交易所上市的最大的100家公司的股票指数。其成分股涵盖欧陆9个主要国家，以英国企业为主，其他国家包括德国、法国、意大利、芬兰、瑞士、瑞典、荷兰及西班牙，它和法国的CAC-40指数、德国的法兰克福指数并称为欧洲三大股票指数，该指数作为经济的先行指标，但其有一种反经济的作用机制，从投资角度来看，当资本投入到股市时必然投入到实体经济会减少，反之亦然，所以本文预测英国富时100指数收益率与碳价呈反向关系。

信用利差(spread)指标选取的是BAA级公司债和AAA级公司债的长期收益率之差。一般认为，公司债券和财政证券之间的信用利差会因对经济前景的预期不同而不同，信用利差是总体经济状况的一个函数。信用利差在经济扩张期会下降，而在经济收缩期增加。这是因为在经济收缩期，投资者信心不足，更愿投资于高信用等级债券以回避风险，而公司由于收入下降，现金流减少，为了吸引投资者购买公司债券，发行人必须提供较高的利率，因此会产生较高的信用利差。相反，在经济扩张时期，投资者对未来发展有信心，愿意投资于信用等级较低的证券以获得较高的收益，而公司收入增加，现金流充裕，不需要通过很高的成本来吸引外部资金，这样就导致较低的信用利差。鉴于此，可以预期信用利差与碳价存在反向关系。

(四)能源价格数据

欧洲使用的化石能源主要是天然气和石油，而且在前面介绍的文献中已经证明原油价格和天然气价格是决定碳价的主要因素，关于能源方面的数据，本文选择了欧盟FOB布伦特原油现货价格(数据来源：http://tonto.eia.gov)和在ice交易的英国欧洲天然气指数(数据来源：https://www.theice.com)。所有数据都选择了日数据，由于有些变量的单位使用美元来表示的，为统一单位，故用欧洲中心银行公布当天的欧元兑美元汇率换算到欧元，样本期间是从2005年4月22日至2012年6月28日，总共有1745个样本。本文中所用的数据原油价格和天然气指数数据，其余均来自wind数据库。

四、实证分析

(一)模型的估计

前面介绍MSVAR模型根据截距、均值和误差项是否为异方差分为多种形式，本文根据所研究问题，AIC、HQ、SC准则、似然函数和机制转化测度指标RCM确定模型的形式和滞后阶数，选择使用MSIAH(4)VAR(2)模型(MSIAH(4)VAR(2)代表的是4机制的截距、方差和参数均不相同的滞后2期的自回归模型)，采用EM(Expectation-maximization algorithm)算法(EM算法又称期望最大化算法，是一种在统计中被用于寻找依赖于不可观察的隐性变量的概率模型中的参数最大似然估计方法)估计模型。使用ox-MSVAR软件包(KrolzigHM,1998)得到其机制转移概率如表2、估计的平滑概率图2、模型估计参数表3、EUA对其他变量的影响系数表4。Hamilton(1989,1994)认为，MSVAR模型估计的参数过多，t检验失效，因此本文对参数使用bootstrap方法(EHrmannM et al.2003)进行仿真检验，仿真次数为1000次，得到95%置信水平下的置信区间。

所选择的模型MSIAH(4)VAR(2)将整个样本期间划分为四个机制，从各机制所属的时间段可以看出它们均有各自的特点。

第一机制主要集中在2007年3月至2007年12月(在此期间有个别样本点没有归入到该机制中，在此可以忽略)，这段时间正是EU ETS第一阶段快要结束的时期，此时EUA现货价格与快到期的期货合约很相似，期货合约的到期日越近其价格越接近于零，从而将这段时间与其他样本划分出来，形成一个机制。

从图2中可以看出第二机制所包含的样本量最多(在此期间有个别样本点没有归入到该机制中，在此可以忽略)，主要包含三个时期，第一个时期集中在2005年5月至2007年4月，在这个时期还有两个小的间断分别是2006年2月3日至2006年2月24日和2006年4月21日至2006年5月30日，从EUA现货价格的趋势图(图1)中，我们可以看到在2006年3月13日到3月20日EUA的价格有个不断攀升的过程，而在第二个小间断中的2006年4月25日核证排放数据的泄漏事件，使得EUA价格急剧下降，所以这两个小间断没有在第二机制中；第二个时期集中在2008年1月至2008年8月；第三个时期集中在2009年4月至样本结束的2012年6月。从第二机制所属的时间段来看，该机制包含碳市场运行的大部分时间，可以代表碳市场正常状态的情况。

第三机制所在的时期主要集中在两个时间段(在此期间有个别样本点没有归入到该机制中，在此可以忽略)，第一个时间段在2006年4月至2006年6月，该时间段是核证排放数据的泄漏事件所处时间，EUA价格骤减；第二个时间段在2008年7月至2009年4月，该时间段是美国金融危机波及到欧盟的时间，造成碳价发生急速下跌，这两个时间段都是碳价的大幅度下跌，所以被归入到了一个机制。第四机制所包含的样本点比较分散，没有固定集中在哪个时间段，本文将其归为异常点的集合。

从这四个机制跳转的时间来看，第一机制所处的时段是EU ETS第一阶段将要结束时期，EUA价格逐渐接近于零的过程。第四机制基本都是分散的数据点，而且大多都是异常值，说明该机制可以考虑是各种异常点的集合。第三机制所包含的一个时段2008年7月至2009年4月，根据NBER的数据显示，美国经济从2008年7月开始走向低迷，另外Chevallier(2011b)证实欧盟的工业生产从2007年7月以来下降。从EUA价格走势图(图1)中可以看到，碳价从2008年7月开始下跌，说明金融危机对碳市场发生冲击，直到2009年4月该冲击结束。从图1中还可以看出，2009年4月后碳价虽然是上升，但是没有回到金融危机前的价格水平，说明金融危机对碳价产生了质的影响。另外从目前欧盟的经济情况来看，欧盟仍没有走出欧债危机的影响，但是在2009年4月以后(样本属于机制2)宏观经济指标、金融市场指标和能源市场对碳市场影响已回归到正常状态。机制2所包含的另一时段，核证数据的泄露事件时间造成EUA现货价格暴跌阶段，说明这一机制都是包含价格下滑的时期，可以认为第三机制是碳价下行阶段。把所有其他机制所处时期都去掉就是第二机制所包含的时期，根据前面的介绍，一、三、四机制都分别是有特殊的事件发生，所以可以将第二机制看作是正常状态。

表2 机制转移概率表

从表2中可以看到第一机制转移到第一机制的概率是83.52%，说明第一机制正处在碳市场第一阶段快结束的时期，此时市场将要被重新“洗牌”，开始第二阶段的碳交易，外力对它冲击很小，所以保持在这一机制的概率较高。该机转移到其他机制的概率都很小，均小于8%，而且其他机制转移到该机制的概率都极低，小于6%。第二机制转移到第二机制的概率是87.01%，从前面的分析知道该机制是正常状态，说明碳市场更容易保持在正常状态，而且从该机制转移到其他机制的概率都较小，没有超过9%，除非有很强的外力冲击，否则该机制很难向非正常状态转移。第三机制转移到第三机制的概率是67.35%，说明该机制保持在自身机制下的能力不强，冲击后很容易转为正常状态(转到第二机制的概率21.62%)或转为异常点的集合第四机制(转移到第四机制的概率11.03%)。第四机制转移到第四机制的概率是38.92%，这个机制是异常数据的集合，从这个机制转移到第二机制(正常状态)的概率是36.87%，说明从异常状态回归到正常状态比较容易。

表3 MSIAH(4)-VAR(2)估计结果

表3(续)

regime1euaRegime2euaRegime3euaRegime4euabrentt-2-0.0045530.0202450.0512720.027542[-0.2397,0.2525][-0.0698,0.0712][-0.0733,0.0719][-0.2367,0.2501]Se0.0194770.28441.6370680.433025 log-likelihood:-4377.3730 AICcriterion:5.4910HQcriterion:5.9638SCcriterion:6.7698LRlinearitytest:9848.9394Chi(399)=[0.0000]**Chi(411)=[0.0000]**DAVIES=[0.0000]**RCM:0.624121119

注：由于MSVAR模型估计的参数过多，t检验失效，本文对参数使用bootstrap方法进行仿真检验，故没有列出各参数的标准差；eua表示EU ETS中二氧化碳配额的现货价格，crb表示路透商品价格指数收益率，ftse表示英国富时100指数收益率， spread表示信用利差，各变量的下角标t-1代表滞后一期，t-2代表滞后二期；*代表5%显著性水平下显著，**代表1%显著性水平下显著；方括号内是使用bootstrap方法仿真检验得到置信水平为95%的置信区间.

表4 EUA对其他变量的影响系数

注：由于MSVAR模型估计的参数过多，t检验失效，本文对参数使用bootstrap方法进行仿真检验，故没有列出各参数的标准差；*代表5%显著性水平下显著，**代表1%显著性水平下显著；方括号内是使用bootstrap方法仿真检验得到置信水平为95%的置信区间.

(二)模型分析

表4中列出了碳价对其他变量的影响系数，具体来看，碳价对路透商品价格指数收益率和富时100指数收益率在第二机制(正常状态)有显著影响，而对信用利差、天然气和brent原油在所有机制下都有显著的影响，说明宏观经济、金融市场、能源市场与碳市场存在交互作用。由于本文主要目的是讨论其他变量对碳价的影响，所以接下来我们重点分析其他变量对碳价的影响情况(表3)。

根据前面的介绍，机制2为正常状态，所以我们首先对此机制进行分析。表3中，机制2下的路透指数收益率滞后一期和滞后二期对碳价均为显著的负影响，符合前面的假定，说明大宗商品价格的上涨带动了普通商品价格的上升，需求减少，从而二氧化碳排放减少而导致碳价降低。另外，其滞后二期的系数比滞后一期的系数绝对值大，这个指标代表的是宏观经济，说明宏观经济在正常时期对碳价的影响具有滞后性。

英国富时100指数收益率对碳价的影响滞后一期显著为负，滞后二期显著为正。滞后一期的系数绝对值明显大于滞后二期的系数绝对值，说明股票指数对碳市场的影响主要在滞后一期，其原因可能是由于宏观经济对碳价存在滞后影响，而股市指数相对于宏观经济来讲是个先行指标，所以就表现出它对碳市场影响在滞后一期最大。信用利差在经济扩张期会下降，而在经济收缩期增加。本文得到信用利差对碳市场的影响在滞后一期显著为正，滞后二期显著为负，前面的假设信用利差对碳市场影响为负，所以它对碳市场存在滞后影响。从这两个代表金融市场的指标英国富时100收益率和信用利差对碳市场的影响系数上来看，金融市场对碳市场的影响不稳定，也存在滞后影响。

英国天然气价格指数滞后一期影响显著为负，滞后二期对碳市场的影响显著为正，说明天然气作为发电厂生产成本对碳价存在正向的推动作用，但是它对碳价的影响具有明显的滞后性。Brent原油与天然气价格指数表现相同，滞后一期对碳价的影响显著为负，滞后二期转变为显著的正影响，其原因可能是源于石油是所有的能源的价格引导者，但是对碳价的影响却是间接，它要通过其他的能源的作用影响碳价，所以滞后二期才对碳价发生实质的影响。

机制1下富时100指数收益率、信用利差和布伦特原油价格对碳价的影响与机制2下不同，其他变量对碳价的影响方向均相同，且显著。根据前面的机制划分的介绍，该机制所处时段是面临EU ETS第一阶段即将结束的时段，出现金融市场变量和原油价格对碳价的影响与正常状态相反的情形，而且变量对它的影响作用都比较小(该机制下变量对碳价的影响系数绝对值小于正常状态下的系数绝对值)。

机制3下代表宏观经济指标的路透商品价格指数收益率对碳价存在显著的正影响，与预期相反，说明在金融危机冲击下，宏观经济会受其影响，进而宏观经济对碳价的影响发生改变。能源市场中的天然气价格指数滞后一期表现出正向影响，但并不显著，而滞后二期的影响却表现出显著负影响，说明在遭受金融危机冲击时的天然气价格和碳价走势表现出不一致情况。以此来看，受金融危机冲击的宏观经济会更快反映在碳价上，能源价格中天然气价格更容易受到影响，所以才造成天然气价格指数与机制2下表现不同，但也会更快影响到碳价。

机制4下，所有变量对碳价的影响都与机制2下相同，虽然这个机制下，碳价基本都是异常值，但它们基本上都是个别的点集合而成，并不是连续时间段，说明在单个点上，各变量对碳价的影响是与正常时期都相同的，没表现出差异。

五、结论

综上所述，我们得到以下主要结论：

第一，正常状态下宏观经济、金融市场和能源市场对碳市场的影响方向上均符合预期，但都存在着滞后性。在不同机制下，可能源于碳市场是新兴市场又有其独特的交易制度，造成宏观经济对碳价影响呈波动状态，金融市场对其的影响表现出不稳定性，就连作为碳市场影响因素中最为重要的能源价格，对碳市场的影响也会发生变化。根据前面介绍的文献，能源价格是碳价的主要决定因素，但在实证中，天然气价格指数和原油价格系数在不同机制下并不完全相同，说明可能由于原油和天然气虽然是一般商品，它们的价格还会受到外生与经济因素之外因素的影响，例如战争、资源开采情况等，这些都会导致能源价格与经济周期的复杂性，且碳市场有着自身独特的规则，从而导致对碳价的影响不具有鲁棒性。

第二，碳市场在第一阶段快结束时期(机制1下)，由于本身交易制度(第一阶段的配额不能带入第二阶段交易)的原因，使得金融市场和天然气价格指数对它的影响发生变化，并且各变量对碳市场的影响变小。

第三，在金融危机冲击下，由于宏观经济本身受到冲击，所以对碳市场的影响发生与预期不符的现象。天然气价格相对于石油价格，更容易受到金融危机的冲击，进而造成它对碳价的影响发生改变。从碳市场2009年4月又转为正常状况来看，金融危机对碳市场的影响时间并不长，但是会引起碳市场质的改变。

第四，从前面的实证部分看到金融市场、宏观经济、能源市场都对碳市场有冲击，但是这个影响表现出不稳定性，而且也存在滞后性。其原因可能有如下几点：①二氧化碳价格受影响的程度的大小取决于它在整个经济中的风险暴露程度，二氧化碳作为一种特殊的商品，它的价格仍主要由供求(供给方是欧盟分配的配额，是固定的，需求方是各受监管企业二氧化碳排放量)双方来决定；②EU ETS规定分为几个阶段来实行京都议定书的精神，不同阶段的配额不允许借贷和存储，这样的自身特性使得它在非正常状态下存在着宏观经济、金融市场和能源市场表现出与预期不符的现象；③所选择的代表金融市场和宏观经济因素的变量数值上都相对较小或者说选择的变量有可能不够恰当，所以碳价面对全球性的经济危机没有表现出剧烈的波动，虽然仍然还会受到影响，但是影响具有滞后性和不稳定性。

[1] Alberola E,Chevallier J,Cheze B.Price Drivers and Structural Breaks in European Carbon Prices 2005-2007[J].Energy Policy,2008,36(2):87-97.

[2] Andrew Ang,Geert Bekaert,International Asset Allocation With Regime Shifts[J].Review of Financial Studies,2002,15(4):1137-1187.

[3] Benz E,Trück S.Modeling the Price Dynamics of CO2Emission Allowances[J].Energy Economic,2009,31(1):4-15.

[4] Christiansen A C,Arvanitakis A.What Determines the Price of Carbon in the European Union?[R].European Climate Exchange Working Paper,2004.

[5] Christiansen,A,Arvanitakis A,Tangen K,Hasselknippe H.Price Determinants in the EU Emissions Trading Scheme[J].Climate Policy,2005,5(1):15-30.

[6] Convery FJ,Redmond L.Market and Price Developments in the European Union Emissions Trading Scheme[J].Rev Environ Econ Policy,2007,1(1):88-111.

[7] Chevallier J.Carbon Futures and Macroeconomic Risk Factors: A View from the EU ETS[J].Energy Economics,2009,31(4):614-25.

[8] Chevallier J.Macroeconomics,Finance,Commodities:Interactions with Carbon Markets in A Data-rich Model[J].Economic Modelling,2011a 28(1-2):557-567.

[9] Darrel Duffie,Kenneth J.Singleton,Credit Risk:Pricing,Measurement and Management[M].Princeton University Press,2003.

[10] Daskalakis G,Psychoyios D & Markellos R N.Modelling CO2Emission Allowance Prices and Derivatives:Evidence from the European Trading Scheme[J].Journa of Banking and Finance,2009,33(7):1230-1241.

[11] Ehrmann M,Ellison M,Valla N.Regimedependent Impulse Response Functions in a Markovswitching Vector Autoregression Model[J].Economics Letters,2003,78(3):295-299.

[12] Ellerman A D,Buchner B K.The European Union Emissions Trading Scheme:Origins,Allocation,and Early Results[J].Review of Environmental Economics and Policy,2007,(1):66-87.

[14] Ellerman A D,Buchner B K.Over-allocation or Abatement?A Preliminary Analysis of the EU ETS based on the 2005-2006 Emissions data[J].Environmental and Resource Economics,2008,41(2):267-287.

[15] Georgopoulou E,Sarafidis Y,Mirasgedis S,Lalas DP.Next Allocation Phase of the EU Emissions Trading Scheme:How Tough Will the Future Be?[J].Energy Policy,2006,34(18):4002-4023.

[16] Goldfeld,Stephen,Richard E Quandt.The Estimation of Structural Shifts by Switching Regressions[J].Annals of Economic and Social Measurernertt,1973,(2):473-483.

[17] Hamilton J D.A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle[J].Econometrica,1989,57(2):357-384.

[18] Hamilton J D.Time Series Analysis[M].New York:Princeton University Press,1994.

[19] Hintermann B.Allowance Price Drivers in the First Phase of the EU ETS[J].Journal of Environmental Economics and Management,2010,59(1):43-56.

[20] Julien Chevallier.A Model of Carbon Price Interactions with Macroeconomic and Energy Dynamics[J].Energy Economics,2011(b),33(6):1295-1312.

[21] Julien Chevallier.Carbon Price Drivers:An Updated Literature Review [R].Working Paper,2011(c),http://ssrn.com/abstract=1811963.

[22] Krolzig HM.Econometric Modeling of Markov Switching Vector Autore-gressions Using MSVAR for Ox[EB/OL].Discussion Paper,Department of Economics,University of Oxford.http:∥www.economics.ox.ac.uk/hendry/krolzig,1998.

[23] Kanen JLM.Carbon Trading and Pricing[M].Environmental Finance Publications,2006.

[24] Mansanet-Bataller M,Pardo A,Valor E.CO2Prices,Energy and Weather[J].The Energy Journal,2007,28(3):67-86.

[25] Paolella M S,Taschini L.An Econometric Analysis of Emission Trading Allowances[J].Journal of Banking and Finance,2008,32(10):2022-2032.

[26] Parsons JE,Ellerman AD,Feihauer S.Designing a US Market for CO2[R].Working Paper,2009,http://globalchange.mit.edu/files/document/MITJPSPGC_Rpt171.pdf.

[27] Springer U.The Market for Tradable GHG Permits under the Kyoto Protocol: A Survey of Model Studies[J].Energy Economics,2003,25(5):527-551

[28] Yue-Jun Zhang,Yi-Ming Wei.An Overview of Current Research on EU ETS: Evidence from Its Operating Mechanism and Economic Effect[J].Applied Energy 2010,87(6):1804-1814.

[29] 张跃军，魏一鸣.化石能源市场对国际碳市场的动态影响实证研究[J].管理评论，2010,(6):34-41.

[30] 徐志伟，常旭蕊.投资增长加重了中国工业二氧化硫的排放吗——基于空间面板模型的总量判断与结构比较[J].贵州财经大学学报，2016，(2)：90-94.

[31] 章晓英，李阳.重庆市碳排放趋势及产业关联性分析——基于灰色理论的实证研究[J].重庆理工大学学报(社会科学)，2015，(4)：21-24.

[32] 魏一鸣,王恺,凤振华,等.碳金融与碳市场:方法与实证[M].北京:科学出版社,2010.

[33] 魏一鸣,刘兰翠,范英,等.中国能源报告(2008):碳排放研究[M].北京:科学出版社,2008.

[责任编辑：张晓娟]

ResearchonCarbonDioxidePriceofEUETSbasedonMSVAR

HAI Xiao-hui

(School of Statistics and Mathematics,Inner Mongolia University of Finance and Economics,Hohhot 010070,China)

This paper examines the nonlinear effect of macroeconomic, financial market, and energy market on carbon price based on Markov-switching vector autoregression model. Empirical results reveal that four regimes are present during the sampling period: normal market regime, abnormal market regime, transitional market regime, and crisis market regime. Transitional market regime occurs from phase I, and then transferred to phase II of the European Union Emission Trading System. Crisis market regime occurs during the global financial crisis. As a result of environmental impact and the unique nature of the trading scheme, the influence of indicator variables, such as macroeconomic, financial market, and energy market on the European Union Allowances spot price is contrary to expectations under the two regimes. Under the other regimes, the impact of these variables on carbon price is consistent with expectations, but exhibits a slight delay. Most samples are under the normal market regime, in which carbon price series also shows a certain auto-correlation. However, because of the instability of the carbon market, auto-correlation is occasionally insignificant, thus revealing that the carbon market is under the abnormal market regime.

EU ETS ; carbon price; MSVAR model bootstrap test

2017-06-01

内蒙古自然科学基金项目(2016BS0702)；2017年度内蒙古自治区高等学校科学研究项目(NJZC17136)

海小辉(1980-),女(蒙古族)，内蒙古通辽人,内蒙古财经大学统计与数学学院讲师，博士，从事碳交易、碳金融研究.

F416.2

A

2095-5863(2017)06-0037-10