湖北碳市场与中国股市之间动态相关性研究

王春霞

关键词：动态相关性;湖北碳市场;VAR-DCC-GARCH模型;中国股市

中图分类号：F830.91        文献标志码：A      文章编号：1673-291X（2022）06-0081-04

引言

随着我国金融体系的日益完善，市场之间的联系越来越紧密，市场之间必然会互相影响。各个市场之间不再是相互独立的个体，也就说明，市场的价格不仅受到市场本身前期信息的影响，而且还会受到其他市场信息的影响。碳排放权作为一种新的金融形式，具有金融资产的属性（乔海曙、刘小丽，2011），股票市场作为实体经济的晴雨表，两者都是金融市场中的一部分，因此不可避免地会产生相互影响。目前随着越来越多的国家开始开展碳排放权交易，越来越多的学者开始研究碳排放权交易市场和企业价值和股票市场之间的相互关系。

刘维权、赵净（2011）运用DCC-MVGARCH模型分析标准普尔500指数和ECX碳排放期货之间的联动性，发现股票市场对EU ETS 期货具有单方面的引导关系;秦天程（2014）采用了VAR模型和CAPM-GARCH模型分析了碳交易价格与新能源股价之间的关系，发现碳排放权的交易价格是引起新能源上市公司股价变动的重要因素;吴振信、万埠磊、王书平（2015）构建VAR模型分析了欧盟碳交易市场、BRENT原油市场和伦敦股票市场之间的联动关系，发现三个市场对重大事件影响的反应具有一定的聯动性，但是碳市场的波动主要是由于其自身的因素造成的，受到原油市场和股市的影响很小;陶春华（2015）采用VAR模型研究我国碳排放权交易和样本行业股票收益率之间的关系，研究表明，高碳排放行业的股票收益率与上海碳排放权市场之间存在负相关关系，低碳行业的股票收益率与上海碳排放权市场之间的影响没有规律性。邹绍辉、张甜（2020）构建了MSVAR模型分析能源期货市场、能源股票市场和碳市场之间的关系，认为国内能源期货市场与能源股票市场对碳市场的影响较大，但是碳市场对能源期货市场和股票市场的影响较小。

碳市场作为一个政策市场，反映的是实体经济中企业减排的情况，股票市场作为“实体经济的晴雨表”，因此对二者的相关关系进行研究非常有必要。研究中国碳排放权交易市场和中国股票市场之间的动态相关系数变化，可以帮助投资者建立合适的资产组合，减少市场风险带来损失的可能性。对于市场监管者来说，在制定政策时应当注意碳市场和股票市场两个市场之间的联动关系，帮助相关的监管部门建立相应的风险预警体系。

一、描述性统计分析

本文所用数据是2014年4月3日至2020年6月30日的日收盘价数据。碳市场的数据选用的是湖北碳配额的日收盘价数据，湖北碳交易市场自2014年4月正式启动碳排放权交易以来，碳交易市场平稳运行，成交量和成交额在全国7个试点省市中稳居首位，已经成为我国最大的碳排放交易市场，所以将湖北碳排放权交易市场作为碳市场的代表。股市数据则用的是沪市的上证指数和深市的深证成指的日收盘价数据。由于湖北碳排放交易市场开始交易的时间较晚，且股市和碳市场交易时间不能够完全对应，因此除去节假日以及双休日和剔除交易日期不匹配的数据后共有1 514×3个样本。本文定义各个市场的日收益率为：

rjt=ln（Pjt-Pjt-1）×100

其中，Pjt表示市场j第t天的收盘价，Pjt-1表示市场j第t-1天的收盘价，rjt为市场j的日收益率序列。rhb、rsh、rsz分别表示湖北碳市场的日收益率，以及沪市和深市的股票日收益率。

表1给出了湖北碳配额、上证指数和深证综指的描述性统计及检验结果。湖北碳配额、上证指数和深圳成指的日收益率的均值均在零附近且收益率均为正值。上证指数和深圳成指收益率的标准差较小，均在1左右，但是湖北的碳配额收益率的标准差较大，达到了3.358，说明数据分布较为分散。从偏度系数和峰度系数来看，股票市场和碳市场的偏度均小于零，即四个市场的收益率均为左偏分布;而峰度均大于零，说明湖北碳市场的收益率以及股票市场的收益率均为尖峰，三个市场的收益率符合一般金融市场中收益率尖峰厚尾的分布特点。并且湖北碳市场和沪深股市都在1%的置信水平下拒绝了Jarque-Bera正态分布的假设，即三个市场的收益率均不服从正态分布。Ljung-Box Q统计量检验表明，湖北碳配额的收益率序列以及上证综指和深证成指的收益率序列及其它们收益率的平方序列均无法接受序列无关的假设，说明序列存在高阶自相关性，它们的波动都具有时变性和聚集性等特征，因此，应当要引入GARCH模型来刻画这种时变方差特征。

在进行正式建模之前，对收益率序列的平稳性进行检验。发现所有的收益率序列均为平稳时间序列，因此可以使用VAR-DCC-GARCH模型对数据进行建模分析。

二、实证结果分析

依据上述数据统计特征，本文采用三变量VAR（p）-DCC-GARCH模型。我们根据LR检验统计量，最终预测误差FPE，AIC、SIC以及HQ信息准则作为判断标准，选择VAR模型的最优滞后阶数，除了LR统计量选择的最优滞后阶数为4阶之外，FPE、AIC、SIC以及HQ的最优滞后阶数都选择了1阶，所以本文据此建立VAR（1）模型。

对建立的VAR（1）模型进行稳定性检验，可以知道VAR模型的根都在单位圆内，VAR（1）模型是稳定的，因此模型得出的检验结果是有意义的。

对VAR模型的残差进行ARCH效应的检验发现，LM检验的统计量LM（10）的p值也都在1%的显著性水平下显著，说明VAR（1）模型的残差项具有很强的ARCH效应，符合建立GARCH模型的前提，因此可以依据VAR模型的残差建立DCC-GARCH模型对碳市场和股市之间的关系进行进一步研究。

表3给出了在t分布下，湖北碳配额与上证指数和深圳成指的VAR-DCC-GARCH模型估计结果并利用软件得到碳市和沪深股市彼此之间的动态相关系数。湖北碳市场和沪、深股市之间的动态相关系数整体上呈现负相关，并且没有明显的趋势走向，说明湖北碳市场与股票市场的联动性并不好。湖北碳市场与沪市的平均相关系数为-0.016843，标准差为0.096266;而湖北碳市场与深市之间的平均相关系数为-0.018428，标准差为0.089739。由此可以看出，沪深股市对湖北碳市场的影响在整体上具有趋同性，但是就平均的相关系数来看的话，深市对湖北碳市场的影响比沪市对湖北碳市场的影响要更大一些，这也与“深比沪强”的常识相符。

观察湖北碳市场与沪深股市之间的动态相关系数图，我们可以发现，动态相关系数图在303（2015年7月1日）左右开始从负相关转成正相关，并且在340（2015年8月21日）达到最大，随后又开始慢慢减小，直至460（2016年2月25日）恢复负相关。对应这段时间正好是我国发生股灾的时间段，因此可以推断，股灾的发生导致湖北碳市场与沪深两市之间的动态相关系数显著增加，会导致风险从股市传导到湖北碳市场。应该注意的是，中国碳市场和股票市场的动态相关性变化的过程比较剧烈，说明中国碳市场与股票市场之间的关联基础并不牢靠，两个市场之间的信息传递受到阻碍。

结语

碳市场作为一个新兴的市场，對新信息的敏感度较高，而股票市场作为相对成熟的金融市场，波动具有持续性。碳市场和股票市场之间的动态相关性存在时变性，它们之间的动态系数大体呈现出负相关关系。此外，沪深股市对碳市场的影响具有趋同性，但总的来说深市对碳市场的影响比沪市对碳市场的影响更大一些。基于实证结果，本文提出以下建议：首先，引入更多的碳金融产品。当前我国的碳排放权交易市场存在着交易不活跃，履约期集中交易等问题，这些问题都会导致碳排放权交易价格的失真，碳价可能并没有真实的反映市场的需求，所以可以引入更多的碳金融产品，增强碳排放权市场的流动性，可以在一定程度上缓解碳排放权市场交易不活跃的情况。而且引入更多的碳金融产品也可以帮助投资者进行风险管理，这也会使得更多的投资者参与到碳市场当中，从而提高碳市场的交易效率。其次，应重视资本市场对碳市场的资源配置作用。当前，许多企业对碳排放权的资产属性认识不深刻，参与热情不高，所以应改变企业这种错误的固有认识，通过政策导向引导更多的企业参与到低碳减排的碳排放权交易当中，推进企业增长方式的转变，推进资本市场对减排技术创新和低碳化发展的资金支持。

参考文献：

[1]  乔海曙，刘小丽.碳排放权的金融属性[J].理论探索，2011，（3）：61-64.

[2]  刘维权，赵净.ECX碳排放期货与欧美股市联动性研究——基于DCC-MVGARCH模型的实证分析[J].兰州学刊，2011，（3）：37-41.

[3]  秦天程.传统能源及碳交易价格与新能源股价——基于VAR和CAPM-GARCH模型的分析[J].技术经济与管理研究，2014，（12）：120-124.

[4]  吴振信，万埠磊，王书平.碳交易市场、原油市场和股票市场的联动关系——基于结构突变检验和VAR模型的实证研究[J].系统工程，2015，（3）：25-31.

[5]  陶春华.我国碳排放权交易市场与股票市场联动性研究[J].北京交通大学学报：社会科学版，2015，（4）：40-51.

[6]  邹绍辉，张甜.能源期货市场、能源股票市场和碳市场的非线性关系动态分析[J].系统工程，2020，（5）：14.

[7]  汪中华，胡垚.我国碳排放权交易价格影响因素分析[J].工业技术经济，2018，（2）：128-136.

[8]  孙彦林，陈守东.我国金融市场间风险传染的VAR-GARCH-M-BEKK模型的实证分析[J].国有经济评论，2014，（6）：75-93.

[9]  谷耀，陆丽娜.沪、深、港股市信息溢出效应与动态相关性——基于DCC-（BV）EGARCH-VAR的检验[J].数量经济技术经济研究，2006，（8）：142-151.

[10]  曹广喜，姚奕.沪深股市动态溢出效应与动态相关性的实证研究——基于长记忆VAR-BEKK（DCC）-MVGARCH（1，1）模型[J].系统工程，2008，（5）.

[11]  张秋莉，杨超，门明.国际碳市场与能源市场动态相依关系研究与其实——基于DCC-MVGARCH模型[J].经济评论，2012，（5）：112-122.

3351500589288