中国碳排放权交易市场、能源市场关联性与高能耗企业研发投入*

赵天宇，赵大坤

(1.河南工学院 经济学院，河南 新乡 453003 ；2.厦门大学 嘉庚学院，福建 漳州363105)

0 问题的提出

碳排放权交易市场(以下简称碳市场)是为企业提供碳排放配额交易的平台，设立它的目的是以最低社会成本实现减排目标、促进社会低碳发展。碳排放权交易价格(以下简称碳价格)上升提高了高能耗企业买入配额的成本，迫使其在技术创新与维持原有生产模式间做出选择，如果高能耗企业大力推进节能减排技术研发，提高能源使用效率，则可实现减排目标。那么我国碳市场是否促进了高能耗企业的节能研发呢？本文将对我国碳市场能否促进高能耗企业的研发展开研究。

1 相关文献综述

碳价格波动通常与能源价格波动显著关联[1-2〗。欧盟碳价格与煤炭等能源市场价格正向相关[3],能源市场对碳市场具有显著的风险传导机制[4]。Tan等研究欧盟碳市场与能源市场、股票市场的关联性时发现，碳市场与股票市场关联性更强[5]。赵领娣等研究发现，中国碳市场价格与能源市场价格存在双向因果影响，能源市场震荡期对碳市场影响更为明显，其中，广东碳市场为能源市场波动的净接收方[6]。

碳市场对企业研发影响的研究主要集中在新能源市场[7]，碳市场尽管在提高新能源企业竞争力方面作用有限，但却显著促进了其研发[8]，碳价格处于高位时有利于绿色发电等新能源生产企业的创新[9]，也有利于绿色发电技术的推广[10]。王为东等发现碳市场试点交易通过信号预期效应促进了绿色低碳技术发展[11]，通过对比试点区域与非试点区域，发现试点区域通过碳交易促进了企业的研发[12]，碳交易市场对高质量新能源企业创新影响更为显著[13]。

综上发现，有关碳市场与其他市场关联性的研究早期集中于欧盟地区。我国碳市场试点运行以来，也产生了关于碳市场与其他市场关联性以及波动特征的研究成果，但选取的样本皆为2018年之前，缺少采用新近数据(2018年以后)的相关研究。现有成果中也未发现有关碳市场对高能耗企业研发的影响研究。

2 碳市场与国内外能源市场联动关系的实证分析

自1980年VAR模型被西姆斯(C.A.Sims)引入对经济系统进行动态分析后，逐渐在预测相互联系的时间序列系统以及分析扰动因素对经济系统中变量的冲击时体现出明显优势。本文拟选用VAR模型测度国内外能源市场与中国碳市场之间的动态关联性。

2.1 基本模型介绍

VAR(P)模型的一般形式为yt=Ψ1yt-1+…+Ψpyt-p+Hxt+ζt，t=1,…T。其中，yt为内生变量列向量；xt为外生变量列向量；p为滞后阶数；T为样本容量；ζt为扰动列向量，允许ζt同期相关，但与滞后期不相关，并与等式右边回归变量不相关。结合本文研究的需要，考虑使用不含外生变量的无约束向量自回归模型，即模型形式为，yt=Φqyt-1+…+Φpyt-p+ξt,其中Φ1,…Φp为待估系数矩阵。由于仅是内生变量的滞后期值出现在等式右侧，因而不存在同期自相关问题；由于使用普通最小二乘法(OLS)与广义最小二乘法(GLS)可以得到同等有效的回归结果，因此本文使用最小二乘法进行VAR(P)模型的回归。时间序列数据的平稳性检验是VAR建模的前期工作，传统向量自回归模型中要求各变量符合平稳性条件，非平稳时间序列需要进行差分处理，直至差分平稳后方可进入模型，但随着协整理论的发展，对于非平稳序列，只要满足同阶单整条件也可以直接建立VAR模型，其估计结果同样真实有效。

2.2 变量定义、样本选择与数据处理

2.2.1 变量定义与样本选择

本文着重分析国内外能源市场与中国碳市场的关联效应，因此分别选择国际能源市场现货价格、国际能源市场期货价格，以及国内能源市场的新能源与传统能源价格作为变量。中国碳市场于2013年开始进行试点，从成交量看，广东与湖北交易所2014—2020年的累计成交量都较大，但从时序动态看，广东交易所早于湖北，其前期准备工作较为充分，合约上市后市场相对活跃，且当前正在筹备推出国内碳市场交易期货合约，因此本文选择广东交易所碳价格作为代理变量；国际市场能源期货价格以标准普尔能源全收益指数作为代理变量，该指数基点为1000；国际市场能源现货价格以国际货币基金组织(IMF)报告的能源价格指数为代理变量，该指数基点为100；国内能源中的新能源价格以国证新能源指数为代理变量(国证新能399412.SZ),该指数涵盖了沪深两市上市的新能源以及新能源汽车行业上市公司的整体表现；国内传统能源价格以沪深300能源指数为代理变量,该指数涵盖了沪深300成份股中能源行业的所有股票。以上数据，国际能源价格来自国际货币基金组织(IMF)官方网站，碳市场交易数据来自WIND数据库，其余各类价格指数均来自国泰安(CSMAR)数据库。上述变量具体定义如下表1。

表1 VAR模型变量定义

2.2.2 基础数据处理以及变量平稳性检验

首先对选择的样本数据国际能源现货价格指数、国内能源现货价格指数、国际能源期货价格指数进行对数化处理，对国际能源现货价格、国内碳价格选用其初始数据。由于月度中包含季节性因素、周期性因素以及其他随机因素，且季节性波动可能掩盖经济活动的客观规律，因此本文在运用时间序列数据进行实证分析前先对上述变量的时间序列数据采用CensuxX-12方法进行季节性调整，将季节性因素去除，保留趋势循环序列，并在此基础上运用H-P滤波方法将序列中的趋势因素与循环因素进一步分离，保留滤波处理后的趋势序列作为VAR建模中实际使用的数据信息。趋势分解图像表明，样本期间，广东碳价格在2014年开市交易后逐期走低，2017年后逐渐上升；国际国内的传统能源市场能源价格均处于下降趋势(1)有关趋势分解图像未在文中报告，如有需要请联系作者。。

由于VAR建模要求所用数据符合水平平稳或同阶单整条件，因此需要对上述纯趋势变量进行平稳性检验以识别其平稳性。本文选择PP检验方法对上述变量进行平稳性检验，结果见表2。

表2 各变量平稳性检验结果

检验结果表明，沪深300能源价格、国际市场能源期货价格、国际市场能源现货价格均为水平平稳变量，国内新能源价格、碳价格均为过程,同为一阶单整变量之间可能存在协整关系，后续我们将进行长期协整关系检验(2)限于篇幅，最优滞后阶数检验、协整检验结果未在文中报告，如有需要请联系作者。。

2.2.3 模型平稳性检验

根据构建VAR模型的建模原理，本文在完成表2所列各变量平稳性检验基础上，进行模型最优滞后阶数选择以及所构建模型的平稳性检验，理论上只有符合平稳性条件的模型，其计算结果方具有分析价值。模型的平稳性检验结果如图1所示。

图1 VAR模型平稳性检验结果

图1显示，本文设定的VAR模型所有特征根均位于单位圆内，符合平稳性条件。

2.3 VAR模型建立与估计结果分析

2.3.1 VAR模型设定

(1)

式中，ΔY1=(d(gzxn)，d(tp),(hs300),(ny),(bpny)),πi为参数矩阵，εt为随机扰动向量。根据滞后检验结果，模型中p=3，即本文选用模型为无约束VAR(3)(3)限于篇幅，文中略去了滞后阶数检验报告，如有需要请联系作者。。

2.3.2 脉冲响应及结果分析

(1)国内能源市场对碳价格的影响分析。国内新能源市场与传统能源市场对碳价格的冲击效应见图2和图3。

图2 国内新能源对碳价格冲击

图3 国内传统能源对碳价格冲击

图2和图3表明，国内新能源市场与传统能源市场均对碳价格产生正向冲击，但新能源市场在冲击发生后由初始负向至4个月后转为正向；传统能源市场则始终为正向冲击。从波动幅度看，传统能源市场也远高于新能源市场，二者的一个标准差冲击效应均在约18个月后消失。

(2)国际能源市场对碳价格的影响分析。国际能源现货与期货市场价格一个标准差的冲击见图4和图5。

图4 国际能源现货对碳价格冲击

图5 国际能源期货对碳价格冲击

图4表明，国际能源现货价格一个标准差冲击使碳价格产生了两峰一谷的双向波动，在大约9个月后响应接近尾声。国际能源价格上涨，首先引发碳价格上升，但价格上升以尖峰形式出现，维持时间不足一个季度便出现碳价格急速下跌，碳价格回升相对缓慢。

图5表明，国际能源期货价格对碳价格的冲击始终为负，且具有缓慢收敛趋势，图像表明大约30个月后冲击会近乎消失。相比国内能源市场的影响，国际能源期货价格对碳价格影响更为持久，这可能源于国际能源期货市场发展较早，目前已较为成熟，市场波动信息传递与影响效能更高。

2.4 因果关系检验及结果分析

本文侧重分析国内外能源市场与碳市场之间的关联。建立碳市场的目的在于通过市场化交易平台助推节能减排，高能耗企业是国内碳市场的参与主体，其显著特征是大量依靠传统能源作为生产端基本投入，因此能源市场与高能耗企业息息相关。理论上能源市场与碳市场具有高度相关性，因此根据因果检验结果总结了碳市场与国内外能源市场的关联机制，见图6。

图6 碳市场与国内外能源市场的关联

2.4.1 因果检验结果分析

(1)从国内能源市场与碳市场联动关系看，国内新能源市场与碳市场不存在相互影响，国内传统能源市场是碳市场波动的原因。

(2)从国外能源市场与碳市场的联动关系看，国外能源现货与期货价格均影响国内碳市场价格，国内碳市场单向接受来自国际能源市场波动的影响。

可见，国内碳市场主要受国内外传统能源市场影响。

2.4.2 因果检验获取的能源市场间关联机理

此外，本文还基于因果检验总结了国内外能源市场间的关联机制，见图7。

图7 国内外能源市场关联机制图

由图7可知，国内新能源现货市场与传统能源现货市场均与国外能源期货市场存在双向因果关系，国外能源现货市场与国外能源期货市场也存在双向因果关系，表明如下信息：(1)国外能源期货市场发展成熟，国外能源期货与现货市场间互动良好，市场信息能够相互反馈。(2)国内传统能源现货价格单方向受国外能源现货价格影响，反向影响则不存在，说明国内传统能源市场影响力弱，未能发挥应有的信息反馈作用，仅能被动接受国际能源价格波动。(3)国内传统能源现货价格影响国内新能源现货价格，同样不存在反向影响，说明国内新能源市场占比小、作用微弱，目前国内尚未形成新能源主导的能源市场状态。

3 碳市场、能源市场对高能耗企业研发投入影响的实证分析

为实现减排，高能耗企业作为控排主体可通过技术创新不断提高能源利用效率，降低能源消耗总量，进而减少排放；也可以积极使用新能源替代传统能源，实现低排放。为回答碳市场对高能耗企业研发投入究竟产生了何种影响，本文接下来首先针对碳市场、能源市场对高能耗企业研发投入的影响进行实证分析，再以新能源作为对照组，进行能源市场、碳市场对新能源生产企业研发投入影响的实证分析。

3.1 样本选择与数据处理

在前述已选指标基础上，本部分继续选择广东省煤炭、电力、钢铁等高能耗上市公司为研究样本，剔除数据不全、ST特别处理等，最终选择55家公司为研究样本。为保证与碳市场运营时间有效衔接，研究窗口选定为2014—2020年。选择样本公司研发投入数据作为高能耗企业研发创新(zrd)代理变量，首先将原始数据进行对数化处理，再进行数据平稳性检验(4)限于篇幅，文中略去了关于研发投入数据的检验报告，如需要请联系作者。，检验结果表明，对数化研发投入数据符合水平非平稳但一阶平稳条件，而后构建平衡面板模型进行回归分析。

3.2 面板模型构建与回归结果分析

面板模型相对于时间序列模型的优势在于可以同时反映截面信息与时序信息，该模型适用于对不同截面在同一时间窗口内各变量间影响关系的回归分析。鉴于此，本文接下来选择面板模型对碳市场、能源市场对高能耗企业研发投入的影响进行计量建模、回归分析。

3.2.1 模型构建

Δzrdit=α0+α1Δtp1+α2Δsh300+α3Δbpny+

α4Δny+α5Δgznx+ξit

(2)

Δzrdit=α0+α1Δtp+α2Δhs300+α3Δgzxn+

α4Δbpny+ξit

(3)

Δzrdit=α0+α1Δtp+α2Δhs300+α3Δny+

α4Δbpny+ξit

(4)

Δzrdit=α0+α1Δtp+α2Δhs300+

α3(Δtp×Δhs300)+ξit

(5)

Δzrdit=α0+α1Δtp+α2Δhs300+

α3(Δtp×Δgzxn)+ξit

(6)

Δzrdit=α0+α1Δtp+α2Δhs300+α3Δny+

α4(Δtp×Δhs300)+ξit

(7)

Δzrdit=α0+α1Δtp+α2Δhs300+α3Δny+

α4Δ(Δtp×Δgzxn)+ξit

(8)

表3 模型2—8回归结果

3.2.2 模型回归结果分析

(1)基本模型2至3回归结果表明，当同时考虑国际能源价格与国内碳市场、国内传统能源市场对高能耗企业研发投入影响时，国际能源期货价格上涨对高能耗企业研发投入激励作用最强，国内新能源与传统能源市场均抑制高能耗企业研发，新能源市场走强时，并未发挥引导企业研发的作用，传统能源价格上涨是促进企业研发的主导因素。碳价格同样抑制企业研发投入，从系数大小看，国际能源市场的影响最大。

(2)模型4显示，在不考虑国内新能源市场发展时，国际市场能源期货与现货价格上涨均推动高能耗企业研发投入，国内传统能源价格上升抑制高能耗企业研发投入，碳价格与国内传统能源市场价格上升时，严重抑制高能耗企业研发投入。

(3)模型5至6分别报告了不考虑国际能源市场影响时，国内碳市场与传统能源市场、新能源市场对高能耗企业研发投入的影响。结果表明， 碳价格与国内传统能源价格上涨对企业研发投入直接作用消失，二者协同促进高能耗企业研发投入，作用强度系数为0.48(1%显著性水平下)；碳价格与国内新能源价格上涨协同促进高能耗企业研发投入，但作用强度系数为0.2，低于传统能源价格影响效应。

(4)模型7至8是考虑国际能源价格情况，分别检验碳市场与国内传统能源市场协同对高能耗企业研发投入的影响。结果表明，考虑国际能源价格后，国内碳市场、传统能源价格、新能源价格均显著抑制高能耗企业研发投入，仅有国际能源价格上升会促进企业研发投入，说明当前我国碳市场作用的发挥受国际市场能源价格波动影响深远，国际能源价格强势上升不利于国内高能耗企业开展研发。

3.3 碳市场、国内外能源市场对新能源企业研发投入的影响

在解析国内外能源市场价格与碳市场对高能耗企业研发投入影响后，作为对照组，本文又检验了上述因素对国内新能源生产企业研发投入(qrd)的影响。去除数据不全样本后，

最终选择40家新能源生产上市公司为研究样本，其研发投入数据同样来源于CSMAR数据库，基本数据处理同前，平稳性检验未在正文报告(5)其平稳性检验结果与前述其他变量一样，符合一阶差分平稳条件。，其模型如下：

Δqrdit=α0+α1Δtp+α3Δgzxn+Δhs300+ξit

(9)

Δqrdit=α0+α1Δtp+α2Δgzxn+

α3Δhs300+α4Δny+ξit

(10)

表4 模型9和10回归结果

由上表的回归结果可以看出，无论是否考虑国际能源市场价格，碳价格上涨都促进了新能源生产企业研发投入的提升。可以看出，碳市场发展有利于进一步激励新能源企业持续推进研发创新，不断提高其生产规模与市场份额，为碳达峰、碳中和做出贡献。同时我们发现国内传统能源市场价格上升显著抑制新能源企业研发投入，传统能源价格只有与碳市场协同作用时才可能促进企业研发投入。

4 结论与启示

本文以碳市场与国内外能源市场相互联动影响碳市场调节高能耗企业研发投入为理论预期，首先运用VAR模型分析了国内外能源市场与碳市场的相互冲击关系，以及各市场间的因果关联，在此基础上分析上述因素对高能耗企业研发投入的影响，并以新能源公司作为对照组样本，分别检验了国内外能源市场与国内碳市场对两类企业研发投入的影响，得到如下结论与启示。

第一，市场间关联紧密。中国碳市场价格波动和国外能源期货与现货市场、国内传统能源市场与新能源市场均具有显著关联。国内传统能源与新能源市场对碳市场产生正向冲击，但影响幅度上新能源市场处于弱势；国际能源期货市场对碳市场产生持续性负向冲击，国际能源现货市场对碳市场产生正负交错式冲击，总体看，国际能源期货市场作用最为显著。

第二，因果关系复杂且国际市场为主导。国内传统能源是碳市场波动的原因，国内新能源市场则不存在与碳市场的显著因果关联；国际能源期货与现货市场均为碳市场波动的主导因素，但反向因果不存在。国外能源期货与现货市场互为因果，联动灵敏，有助于实现能源市场的价格发现功能。国内传统能源市场与新能源市场均与国际能源期货市场存在双向因果关系，说明国内传统能源与新能源市场波动高度依赖于国际能源期货，同时国内传统能源市场单向接受来自国际能源现货市场信息，说明目前国内传统能源市场处于被动状态，我国能源市场建设还有很大提升空间。

第三，分厘国际市场后国内市场影响发生突变。在综合考虑国内外能源市场与碳市场对高能耗企业研发投入影响时发现，碳市场、国内传统能源市场与新能源市场均显著抑制企业研发投入，仅有国际能源市场价格上涨促进了高能耗企业研发投入；但在不考虑国际能源市场影响时发现，碳市场可以分别与国内传统能源市场、新能源市场协同发挥促进高能耗污染企业研发投入的作用，且碳市场自身抑制研发的作用消失。作为对照组，碳市场对新能源企业研发投入表现出直接的正向激励作用，且这种作用不受国际市场影响。

基于以上研究结论，我们认为在分地区试点基础上，推进全国统一碳市场交易可以汲取区域试点经验，结合碳达峰与碳中和目标，制定更加合理的碳市场交易机制，同时要推进我国能源市场建设，充分运用能源价格的联动机制，使能源市场与碳市场均更好地发挥其价格发现与资源优化配置功能。在全国碳市场中引入多元化市场参与主体，加快推进碳期货合约上市交易，增加碳市场流动性，更好地发挥碳市场的金融市场属性，通过碳市场建设以最低成本助力双碳目标实现与社会低碳发展。