碳达峰、碳中和与绿色产业股价发展研究

龚 庆 林耿堃

（江西财经大学，江西南昌 330013）

随着“碳中和”战略的不断推进，绿色金融发挥的作用越来越大。绿色金融能够优化产业结构，有效减少碳排放量、减缓碳排放强度，进而实现碳达峰和碳中和的目的，通过节能减排引导低碳经济进而还能实现经济的可持续发展。而绿色股票指数作为绿色金融中最为重要的一部分，并成为个人投资者和投资机构对于绿色产业发展的主要评估标准之一，其主要使命在于引导资本市场中更多的资金进入绿色行业中，加速绿色行业的发展。因此在“碳中和”大背景下合理利用绿色金融工具充分吸引资本进入是极为重要的，然而绿色股指作为一种金融工具难免会受到金融市场其他行业的溢出效应影响以及信息的冲击。

一、理论研究

国内外学界普遍认为不同的行业对于碳排放量有着不一样的影响，理论上在技术固定的条件下，随着行业的一个主要因素的变动，碳排放量也会随之变动，但是由于不同的行业具有不同的性质，因此其对于碳排放量增加的内在影响因素也不尽相同。我国碳排放主要集中在电力、交通和工业三大行业，碳排放占比分别达到41%、28%和31%，因此探寻“碳中和”的发展道路更应当注重这三大行业的变动趋势。王燕梅（2017）认为煤炭工业增长是导致煤炭消费总量增加进而导致二氧化碳排放增加的第一推手。Bouchery和Fransoo（2015）研究表明运输成本和碳排放这两个目标会产生不同的解决方案，在优化成本时码头距离港口更近，而在优化碳排放时距离更远，研究通过建立新的多式联运网络设计模型能够实现二者间的均衡。

本文基于碳排放中关键部门对变量进行了初步筛选，从电力、交通和工业的角度选择最具代表性的煤炭行业、交通运输行业和钢铁行业的金融资产进行研究，同时考虑到实际情况下清洁能源等新能源的推广使用会对“碳中和”战略的推行有着直接的促进作用；其次考虑到市场环境对于资产收益率的波动率的影响作用，在基于CAPM-GARCH模型基础上对绿色股指进行实证分析，并且进行预测指标间的比较研究，对比分析四类GARCH模型间的差异。

二、实证分析

（一）变量选取及数据检验

本文用向量自回归模型探讨煤炭、交通和钢铁三个行业以及新能源产业的金融资产对于绿色股指碳中和指数的影响情况。向量自回归（VAR）模型主要是对多个变量之间的动态互动关系进行考量，一般用于研究不同行业之间的溢出效应分析。基于“碳中和”战略的视角下，本文对于绿色股指的选择为Wind发布的碳中和指数（8841429.WI）作为主要的研究对象，该指数包含了“碳中和”概念下的最具代表性的90只个股，通过对于该指数的选取有利于从整体把握我国沪深股市“碳中和”概念下的绿色产业股票的价格走势。而对于新能源的发展方面本文选用Wind发布的新能源指数（884035.WI）为研究对象，该指数以沪深股市中具有代表性的41只样本股为样本空间。最后，本文选择中证全指（000985），其样本空间主要是其样本股范围涵盖了除ST类的股票及部分新上市的股票以外的全部沪深股票，有较强的市场代表性。本文选取2018年1月2日到2021年7月6日的日收盘价数据，数据均来自Wind数据库。

为了避免伪回归的出现，本文采用ADF检验。对5个变量做ADF检验，结果显示5个变量的原数据均存在单位根故不平稳，需要对数据进行差分处理，5个变量经过一阶差分处理以后，p值显著减少为0，拒绝原假设，即所有变量的一阶差分不存在单位根，数据平稳。AIC和SC信息准则是模型最优滞后阶数选取的依据。根据原数据的一阶差分数据得出的结果是滞后9阶为最优滞后阶数。而检验VAR模型是否具有实际意义需要根据AR根分布图判断。检验原理为根据模型的滞后阶数确定根的个数，若所有根在圆内，则说明模型平稳。结果显示滞后9阶的时候所有根均在圆内，因此可以继续进行分析。

根据模型的最优滞后阶数，格兰杰因果检验结果显示当模型滞后阶数为9时，D(New_energy)和D(traffic)对D(carbon)有显著影响，其余两个变量对D(carbon)的影响并不显著，故重点研究D(New_energy)和D(traffic)这两个变量对D(carbon)的影响作用。而特别地，我们发现所有变量对D(New_energy)都有显著影响。而在D(New_energy)方程中，D(carbon)、D(traffic)、D(steel)和D(coal)均对D(New_energy)有不同程度的显著性影响，这说明绿色产业股票价格和新能源公司股票价格互为格兰杰因。

（二）脉冲响应分析

为了保证VAR模型实证分析后结果具有稳健性，本文对其进行脉冲响应分析，并采取1000次蒙特卡洛模拟，其中模拟时间跨度为9期，从而进一步研究新能源企业股票价格和交运企业股票价格对绿色产业股票价格的影响关系，全样本的脉冲响应结果如图1所示。可以看出，变量脉冲响应过程均在9期内趋于平稳，即两个变量对于绿色产业股票价格不存在长期的持续波动性。

图1 脉冲响应函数图

由图1可以看出，在受到新能源企业股票价格幅度为1标准差的正向冲击后绿色产业股票价格在短期内有一个2期的正向影响，而后持续一个较小的波动，而受到交通企业股票价格幅度为1标准差的正向冲击后绿色产业股票价格比新能源企业股票价格受到的正向影响更大且更久，在第4期后有1期的负向影响，从影响的方向上看，新能源企业股价和交通企业股价的正向冲击对于绿色产业股票价格产生的反应均在短期内来看为正向，但是从长期来看为负向。从波动幅度上看，新能源企业的股价对绿色产业股票价格的冲击相比于交通企业的股价对于绿色产业股票价格的冲击要小，这表明相比于新能源企业股票的价格而言，交通企业股价的冲击对绿色产业股票价格的影响力度更大。

（三）基于CAPM-GARCH模型收益率波动分析

本文选择carbon和CSIFI作为研究对象，因此绿色产业股票价格的收益率为，沪深股市的市场收益率为，对于绿色产业股票的资本资产定价（CAPM）模型参照申菊梅和智冬晓（2009）和秦天程（2014）CAPM-GARCH模型进行建立，具体的公式如下所示：

由表1可以看出在对均值方差进行条件异方差的ARCH LM检验后，无论是F统计量还是Obs*R方统计量两个的P值均小于0.01，即可以拒绝原假设，均值方程的方差存在ARCH效应，即可进行GARCH模型的构建，结果如表2所示。

由表2可以看出，模型拟合结果的残差序列进行ARCH LM检验后均接受了不存在ARCH效应的原假设，说明经过GARCH模型的拟合后，明显降低了原序列的波动，而且去掉了其条件方差性。但是项（即ARCH项）的回归系数为0.138599，相对较小；项（即GARCH项）回归系数为0.880467，相对较大，两者之和为1.019066＞1，这表明模型不具有可预测性，模型拟合得不好。考虑到收益率的波动具有“杠杆效应”，造成这种现象的原因是股价的下跌将提高资产负债比率，从而提高公司的风险，使得收益率波动的上升。而且GARCH（1，1）模型无法解释资产收益与收益率波动之间的负向相关性，因此研究资产定价应当从建立非对称性的GARCH模型进行实证进行研究绿色产业股票价格对于不同冲击的反应程度，本文将基于CAPM模型从EGARCH（1，1）和TGARCH（1，1）两个方向进行模型的构建，结果如表2。

表2 GARCH族模型拟合结果

通过构建GARCH族模型，结果如表所示，两个模型的调整后R-squared均超过60%，这表明模型的拟合程度较好。在EGARCH（1，1）模型中, γ项（即TGARCH项）的估计值在10%水平下显著, 当为正, 即正的冲击对绿色产业股票的收益率条件方差的对数的影响为0.386743，相对较大；而负的冲击的影响为0.147559，相对较小，这说明利好消息会对绿色产业股票收益率产生更大的波动。在TARCH（1，1）模型中，γ项（即TGARCH项）的P值为0，表明其在1%水平下显著,当为正，且=0时, 即正的冲击对绿色产业股票的收益率条件方差的对数的影响为0.279106，相对较大；而当为负，且=0时负的冲击的影响为0.039922，相对较小，这说明利好消息会对绿色产业股票收益率产生更大的波动。通过GARCH模型、EGARCH模型和TGARCH模型分别进行分析后表明绿色产业股票收益率波动具有非对称效应，而且利好消息对收益率波动的影响比利空消息的影响大得多。

为进一步验证两种模型建立的合理性，还需要对EGARCH模型和TGARCH模型残差进行ARCH效应的检验。EGARCH模型的残差进行ARCH LM检验后的F统计量和卡方统计量的P值分别为0.2216和0.2211，而TGARCH残差检验后的F统计量和卡方统计量的P值分别为0.3761和0.3755，都在10%置信水平下接受原假设。接受原假设表明模型残差消除条件异方差性，符合零均值、同方差且独立不相关的白噪声序列，进一步证明了EGARCH和TGARCH两个模型拟合效果较好，通过检验。

三、结论和对策

本文通过构建VAR模型研究新能源公司股票价格、交通行业公司股票价格、钢铁行业公司股票价格和煤炭行业公司股票价格对绿色产业股票价格的影响，实证分析后发现：第一，钢铁行业公司股票价格和煤炭行业公司股票并不是引起绿色产业股票价格变动的格兰杰因，但交通行业企业股票和新能源行业企业股票价格对绿色产业股票价格都有显著影响。第二，脉冲响应结果表示交通行业股价的正向冲击在前期会对绿色产业股价产生正向冲击，这表明市场对于两者关系有较强的认知反应并且两个市场能够有效的传导，但是在后期两者呈现负向关系，表明投机热度散去后两者关系回归正常。第三，研究表明绿色产业股价和新能源企业的股价间互为格兰杰因，即资本市场对于新能源的投资决策会对绿色产业公司股价有较大影响，对绿色产业公司的投资也会对新能源企业的股价有较大影响。最后，研究表明“碳中和”战略下绿色产业股票的系统风险在0.993~1.000之间，这表示绿色产业股票为平均风险股票，其上涨/下跌比例能够较好的反应市场上涨/下跌比例，比较GARCH族模型后的绿色产业股票收益率波动具有非对称效应，而且利好消息对收益率波动的影响比利空消息的影响大得多。

在“碳达峰、碳中和”愿景下，本文基于研究结论提出几个建议与对策：

第一，推行“碳中和”大背景需要首先注意交通行业的发展，研究发现交通行业对于绿色产业的发展有着一定的相关关系，特别是交通行业冲击前期会对绿色行业有一定正向的影响关系，因此应当充分利用这个正向关系通过资本市场为绿色产业企业注入新的动能。

第二，在“碳中和”战略下应当实现能源的转型升级。研究发现新能源公司股价和绿色产业企业股价具有互相溢出效应，说明二者能够互相影响。因此在全国推广新型清洁能源能够促进碳达峰和碳中和的推进，而碳达峰和碳中和的推进能够为新能源企业注入充足资金，加快新型能源的使用，并最终实现能源转型升级和碳排放与碳吸收基本平衡，实现碳的净零排放。

第三，充分利用市场信心，通过引导实现碳中和保驾护航。市场对于碳中和的反应较好，利好的消息冲击远高于利空消息，因此有关部门应当充分利用这个优势，合理考量市场的反应，建立起政府宏观调控的长效机制，对资本转换为绿色金融进行正确的引导和疏导，充分发挥政策效应并为金融最终实现支持碳达峰碳中和提供充分的保障。