我国碳排放权交易及价格波动研究

刁芸菲　罗佳欣　朱刘艳

摘要：为应对气候变化，加快发展低碳经济，我国自2013年起陆续构建起一系列碳试点市场。文章针对当前中国碳市场发展现状，分析较具代表性的北京、上海、湖北、深圳四大碳试点的碳价波动特征，并进一步通过GARCH族模型对收益率序列进行实证研究。结果表明：我国碳排放权交易价格的变化呈现“地域差异性”，且各市场的收益率序列均表现出明显的尖峰后尾、波动聚集性、自相关性等特征。最后，在剖析碳价波动的基础上，进一步提出实现全国碳市场协同发展的政策建议。

关键词：碳排放权;交易价格;波动特征;GARCH族模型

一、引言

减少温室气体排放，抑制全球变暖已成为世界各国关注的焦点。2015年12月12日，在巴黎气候变化大会上签署的《巴黎协定》使世界各国在绿色金融发展领域的合作进一步加强。作为负责任的大国，我国于2013年陆续起在深圳、上海、北京、广东、天津、湖北、重庆等省市启动了区域性碳排放权交易试点。截至2019年6月底，我国碳试点市场覆盖了电力、钢铁、水泥等多个行业，约3000家重点排放单位参与市场交易，累计成交量突破3.3亿吨，累计成交金额约71亿元。但目前各大碳排放权交易市场仍处于不成熟阶段，如何稳定碳排放权交易价格将成为构建全国统一碳市场的重要因素。因此，挖掘我国碳价波动特征并量化分析，以期为政府形成有效碳价机制提供政策建议，进一步发展低碳经济。

二、文献综述

碳排放权交易市场作为一种新型市场，与传统金融市场有着相似之处，研究其价格波动特征及规律对认识碳排放权定价机制具有重要意义。

在碳价定价机制的基础上，大多数学者探究了价格波动的影响因素，从外部和内部进行阐述（李铮等，2015;冯家从等，2018）。从长期来看，国家政策、经济环境、交易主体、市场活跃度等是影响碳价的重要因素，且各大试点的碳价波动既有共性也有差异。GARCH族模型能较好地刻画碳价波动的异方差性和波动聚集性，代表性文献有Borovkov 等（2011）、蒋晶晶等（2015）、Ren等（2017）。同时部分学者运用了跳跃SV、变结构ASV等模型精准刻画波动的跳跃性，代表性文献有：刘维泉等（2011）、Chevallier等（2014）、张晨等（2016）。

三、碳排放权交易价格变动特征及比较分析

由于我国碳试点市场开展时间不一且市场活跃度相差较大，因此本文选取较具代表性的深圳、北京、上海、湖北四个市场的碳价为研究对象，对各试点的碳价波动进行比较分析。通过观察中国碳交易网的官方数据，深圳作为最早建立的碳试点市场，其价格波动大致呈“倒V型”，初期价格上下起伏较大，尤其在2014年6月至10月间价格波动较大，之后价格逐趋稳定。北京碳市场交易价格波动幅度相对较小，2014年7月14日飙升到76.71的峰值，2014年8月逐渐回落至稳定状态。上海碳市场总体来说是价格波动最剧烈的一个市场，在2014年7月至2016年7月，交易价格呈“斜坡式”逐步下滑，从2017年3月以后，价格逐步趋于稳定。湖北碳市场自建立以来，交易价格走势较为平稳，以较小的“波浪型”在10～30元之间起伏。

总体来说，我国碳试点市场的发展渐趋成熟，碳排放权交易价格也逐步稳定。但比较来看，价格波动较大的试点有深圳、上海，价格波动较小的试点有北京、湖北。不同政策偏向和价格机制是导致各地价格波动相差较大的重要因素，但各试点价格波动趋势有一定的“趋同性”，往往都是在试点市场建立的初期会经历价格剧烈波动时期，之后在逐步完善市场交易中又趋于平稳。

四、碳排放权交易价格波动的实证研究

（一）数据来源及描述性统计

我国七大省市碳交易试点的发展状况不一，考虑到交易的连续性、活跃性、以及试点的代表性，选择深圳、北京、上海、湖北碳排放权交易试点的碳价作为我国碳价代表。选取2014年6月16日至2019年5月15日为样本区间，整理观察数据4324个。数据来源于中国碳交易网。

在对时间序列进行分析时，所采用的数据应当是平稳的，但从以往的价格走势可以发现，碳交易价格数据是波动的、不稳定的，因而对日交易价格进行了对数差分处理，从而研究对象为碳交易价格的收益率序列。使用的统计软件为EViews8.0，描述性统计结果如表1所示。

深圳碳试点与上海碳试点收益率为负，北京碳试点与湖北碳试点收益率为正，但上海碳试点的标准差最大，说明上海试点市场的碳价波动最剧烈。从偏度来看，北京、湖北两个试点呈现出左偏，深圳、上海两个试点呈现出右偏。从峰度来看，四个碳试点市场的峰度均高于正态分布的峰度值3，说明收益率序列具有明显的尖峰厚尾特征。Jarque-Bera的P值均为0，说明在极小水平下，收益率显著异于正态。

（二）模型的建立

在使用GARCH模型进行实证分析前，需要对数据进行平稳性检验。对收益率序列进行ADF单位根检验，结果显示序列是平稳的。然后根据自相关函数分析图建立一阶的均值方程，发现残差序列具有很強的时变效应和集聚效应，存在ARCH效应。接着进行残差序列的ARCH-LM检验，发现P值几乎为0，进一步说明收益率序列存在ARCH效应。

根据上述分析，建立GARCH（1，1）模型。结果显示，四个试点的模型效果均显著。而北京碳价收益率序列的ARCH项最大，为0.388033，表明外部因素对碳价波动的影响较大;深圳碳价收益率序列的GARCH项最大，为0.872057，表明历史前期的碳价水平对后期的碳价波动有显著影响。并且北京、深圳两市场的ARCH项和GARCH项系数之和接近于1，说明序列属于弱平稳过程，波动会逐渐衰减，同时波动的持续时间也会较长。

在此基础上建立TGARCH模型，从表2中可以发现北京碳市场收益序列系数不显著，所以不具有显著的非对称性。上海和湖北碳市场收益率非对称项估计系数为负，表明存在负杠杆效应;深圳碳市场收益率非对称项估计系数为正，表明存在正杠杆效应。

五、结论与政策建议

本文通过价格走势图和GARCH模型对四个碳试点市场的碳价波动进行了探究，研究显示我国碳交易试点的市场活跃度、交易规模等都有较大的差异，碳价波动也具有较强的持续性和波动聚集性，并伴随着不同的杠杆性，外部因素对碳价波动的影响较显著。为促进我国碳交易市场平稳运行，提出以下政策建议：

1.加快建立全国统一的碳排放交易市场，加强价格调控力度。增强贯穿我国东、中、西部地区碳试点市场的联系，互相借鉴发展经验，建立统一碳交易价格机制，缩小地域性碳价差异。利用相关金融政策，对碳价的异常波动采取抑制手段，减少碳价波动引起的市场风险。

2.提高碳排放交易市场流动性，增强交易的活跃度。出台相关优惠政策，提高交易主体的积极性，并加快碳交易市场衍生产品的开发，开辟新的交易渠道。在一定程度上降低投资者的交易门槛，鼓励投资者参与市场交易。

3.完善信息披露机制，加强政府部门监管。建立及时有效的信息披露机制，向市场参与者提供及时、完整、有效的价格数据以供其作出投资判断。同时，政府加强对交易市场的监控，防止违法违规行为。

参考文献：

[1]李铮.碳交易概况及碳排放权价格影响因素的实证分析[J].商，2015（10）：101-102.

[2]冯家丛，冯泽青，田辉建，曹晓泽.碳排放权价格的影响因素研究——基于我国碳排放权试点的实证分析[J].商业会计，2018（02）：14-17.

[3]Borovkov K，Decrouez G，Hinz J.Jump-diffusion Modeling in Emission Markets[J].Stochastic Models，2011，27（01）：50-76.

[4]蒋晶晶，叶斌，马晓明.基于 GARCH-EVT-VaR 模型的碳市场风险计量实证研究[J].北京大学学报（自然科学版），2015，51（03）：511-517.

[5]Ren C，Lo A Y. Emission trading and carbon market performance in Shenzhen，China[J].Applied Energy，2017，193 （03）：414-425.

[6]刘维泉，郭兆晖.EU ETS碳排放期货市场风险度量——基于SV模型的实证分析[J].系统工程，2011，29（10）：14-23.

[7]Chevallier J，S.vi B.On the Stochastic Properties of Carbon Futures Price[J].Environmental and resource Economics，2014，58（01）：127-153.

[8]張晨，吴亚奇.基于变结构ASV模型的后京都时代CER碳价波动特征研究[J].中国人口·资源与环境，2016，26（S2）：16-19.

*本文系江苏大学2019年度大学生科研立项项目（项目编号：18C004）。

（作者单位：江苏大学）