碳价区域差异成因的探究

李雨润

(对外经济贸易大学 国际经济贸易学院，北京 100029)

1 我国碳交易市场现状及价格特征

2013年，中国在京、津、沪、渝、鄂、粤、深7个省市的碳排放权交易试点正式开始交易活动；2021年，全国碳排放权交易市场开市。经历7个履约周期，中国目前已成为配额成交量规模全球第二大的碳交易市场，其潜力巨大、前景广阔。随着碳配额交易规模的不断增加，碳交易价格逐渐显现出一个明显的特征，即不同区域间碳交易价格差异明显。然而，碳价差异的存在在一定程度上反映了我国不同地区碳减排的供需状况、经济发展水平及产业结构影响下碳减排的成本差异，同时也极大地影响了我国统一碳交易市场的形成进程和实际效果，以及碳配额资源的优化流动。

2 我国区域碳交易价格影响因素

(1)国外碳资源定价。EU ETS是世界首个也是迄今为止最大的控制温室气体排放量限额交易系统，而我国碳市场建立时间较晚，市场体制和政策体系尚未成熟，在价格和制度上多借鉴国外碳市场体系。因此，国外碳资产价格的变化可以在一定程度上改变国内碳交易价格。

(2)宏观经济状况。宏观经济环境可直接或间接地作用于企业中长期发展战略及经营决策的制定。在当前国际经济环境下，我国的国内经济将逐步走上高质量、低增长的良性发展轨道。因此，国内企业也必将面临产业结构转型升级、产品结构提质增效所带来的机遇和挑战。

(3)工业发展状况。工业碳排放量在碳排放总量中占比较高。以2022年为例，我国碳排放量约占全球的28.87%，其中工业排放量占全国排放量的38.18%，与工业密切相关的电力行业排放量占全国排放量的46.37%。因此，工业部门发展状况将直接影响我国碳排放总量，进而影响碳交易价格。

(4)国内外能源价格。煤炭、石油等化石燃料依然是企业当前的主要生产能源，也是导致大量温室气体排放的重要根源。同时，传统能源价格的变化也会对企业的生产成本产生极大的影响。因此，传统能源价格将直接影响企业的能源使用量，进而影响企业对碳排放权的需求量和碳价。

(5)汇率。汇率是连接国内外贸易、碳市场融合以及碳交易的枢纽，其主要是通过影响进口贸易规模对碳交易价格施以影响。相关研究表明，汇率对我国各地域的碳价均有显著影响，但高、低波动状态下的汇率对不同区域碳价影响的方向和程度存在差异。

(6)政策。国家政策的出台，特别是国家的标志性政策，对于企业具有极强的导向性。它直接影响着企业在碳交易市场是否进行交易活动以及进行多少交易活动等决策的制定，从而影响碳交易价格。但是，随着交易体系和制度的不断完善，政策变化所带来的影响将逐渐缩小。

(7)气温。气温变化，尤其是极端天气的出现，会改变地面上各种设备的使用频率，例如供暖设备，这样就直接或间接地改变了传统能源需求量，通过影响碳配额的需求量来影响碳交易价格。但也有部分研究表明，天气变化对碳交易价格的影响非常微弱。

3 GA-BP-MIV模型设计

3.1 模型介绍

BP神经网络是一种按照误差反向传导算法训练的多层反馈网络，主要由信息的正向传导和误差的反向传导两步构成。从输出层开始，算法会将误差按照梯度下降的方法对各层权值进行改正，并依次向隐含层、输入层传播。通过不断的信息正向传播和误差反向传播，各层权值会不断进行调整，最终将误差减小到期望程度并实现学习。

对于隐藏层有：

对于输出层有：

当网络输出与期望输出不同时，会存在输出误差E。一个样本的均方差公式定义如下：

最终权值调整公式为：

ΔWh=η(Yh-1)Tδh

但是，由于BP神经网络存在学习效率低、容易遗忘旧样本等缺陷，因此，文章采用遗传算法优化的BP神经网络模型，即GA-BP模型对样本进行训练，并采用MIV方法对因子影响程度进行定量计算。

3.2 样本选取

选择2016—2020年北京、上海、广东、湖北、深圳五个地区为研究样本。

3.3 变量设定

本模型共选择碳排放权交易价格、国际碳资产价格、国内经济社会发展、工业发展指标、国内外能源价格、汇率、政策、气温八类指数，且设定碳排放权交易价格为因变数，其他七个因素为自变数。自变量的具体说明如下：

(1)国际碳资产价格：EUA期货结算价年均值、CER期货结算价年均值。

(2)国内外经济社会发展：法兰克福DAX价格指数、国际标准普尔500股指、沪深300股指。

(3)工业发展指标：上证工业指数。

(4)国内外能源价格：

国内：中国煤炭价格指数、中国大庆原油现货价格、国内天然气市价。

国际：布伦特原油期货结算价、NYMEX天然气期货结算价、欧洲三港ARA电力煤现货价。

(5)汇率：欧元兑人民币中间价、美元兑人民币中间价。

(6)政策：国家发布的标志性政策文件。有标志性政策文件即为1，没有即为0。

通过中国碳交易网、Wind数据库、大智慧及气象网等数据中心，本模块最终共获取各变量的16个指标，即16种影响因子。

3.4 GA-BP神经网络模型

(1)BP神经网络构建。随机选择训练集和检测集：采用随机抽样方法，从2016—2020年的21个指标(共400个样本)中选择300个样本作为练习集，进行集中模拟训练；其余的100个样本作为测试集，用来测试这些样本的泛化程度。

对数值归一性的预处理：因为数据中各因变数值的单位、数量级存在着很大不同，所以利用MATLAB中的mapminmax参数对现有数值进行预处理。

网络架构搭建：考虑了该数据的十六个进入节点(十六个变动指标)和五个流出节点(五个试点区域的碳交易价格水平)，所选取的最多隐含层节点个数是18，故文章的神经网络模型是16-18-5。

(2)GA-BP神经网络模型训练。GA-BP神经网络模块的训练结果如图1所示，即当迭代次数大于等于100时，适应性曲线趋于平稳，模型达到了较优水平。

图1 GA-BP适应性曲线

(3)GA-BP神经网络模型训练效果。GA-BP神经网络模拟对检测集的分析结果如图2所示，其预测值和实际值平均绝对误差为2.4，均方根误差为3.2。这意味着该预测拥有更高的准确度。

图2 GA-BP神经网络检测集的预测值与实际值对比

4 实证分析

影响因素程度模型，即MIV方法，是反映各因素对世界各地区碳市场及碳交易价格影响程度的指数，其绝对值代表影响的显著性，符号代表影响的可加与可减性。

MIV的测算流程：先把模拟训练完成后的训练集影响因素分别增减20%，形成新的训练集M1、M2，随后使用GA-BP模式对M1、M2进行模拟，将得出的预测结果计为S1、S2，然后再取S1、S2的比值，即为改变该因素之后对五个地区碳价的影响程度大小。最后再根据训练集中样本数量加以平均，即可得出该影响因素之后对我国五个试点地区碳配额交易定价的MIV数值。

基于对上述GA-BP神经网络模型的研究结论，文章将根据MIV阈值的高低，把对各因子的干扰水平区分为强(MIV>0.5×10-14)、较强(0.1×10-14

由图3可知，16种影响因子对我国七个试点地区的影响程度大小不尽相同。但总体来说，国内能源价格、经济发达程度和汇率均是中国碳市、碳价最重要的影响要素。

在能源价格方面，煤、石油、天然气对五个地区内的碳价都产生了较强的影响。其中，天然气工业对五个区域都具有很重要的正向影响，特别是对上海和广东，天然气价格是MIV值最大的影响因素。

从汇率视角看，汇率与碳价存在正相关，尤其是对北京、深圳的碳价均形成了很大的影响。这些地区发展的市场化程度也较高，国际贸易占总交易量的比重较大。汇率也直接影响着国内公司对外国产品的进出口量，当汇率价格上升时，国内产品出口将受相应影响，而海外产品进口则得到了促进，此时国内公司就会减少生产量，使得生产活动减少，碳排放量降低，国内碳价也相应降低。

在国内外经济发展水平方面，国外的经济发展水平对国内的碳价影响较弱，而国内的经济发展状况向好则会对碳价产生较强的积极影响。比如，若国内经济过热，则国内企业会加大商品生产量，碳排放量也将急剧上升，致使碳排放配额需求量上升，进而导致碳价上升。

5 模型检验

5.1 稳健性检验

为检验上述实证分析结果的可靠性，文章使用面板数据模型进行稳健性检验。

(1)平稳性检验。为避免面板数据出现伪回归，确保估计结果的有效性，文章利用LLC检验和ADF检验两种方法，对面板数据的平稳性进行检验。

ADF单位根检验公式：

式中，yt为随时间t变化的变量，Δ为差分因子，εt为服从独立同分布的误差项。

LLC检验原理仍采用ADF检验形式，但将Δyt和yt剔除自相关，并确定相影响的、标准的代理变量。

Δyit=ρyit-1+α0i+α1t+μit，i=1，2，…，N，t=1，2，…，T

式中，ρ是LLC个体间的其次自回归系数，α1t是随时间变化的变量，α0i是随个体变化的变量，μit是误差项。

通过计算得到ADF检验P值为0，LLC检验P值为0.2020，因此，各地区的碳交易价格序列通过了平稳性检验，不存在单位根，原序列平稳，可以进行回归分析。

(2)模型选择。针对文章的面板数据类型，首先使用F检验确定使用固定效应模型还是混合效应模型，使用Stata软件计算可得，F检验P值等于0，强烈拒绝原假设，因此固定效应模型优于混合效应模型。

再使用Hausman检验确定是选择固定效应模型还是随机效应模型，使用Stata软件计算可得，Hausman检验P值等于0.0337，小于0.05，拒绝原假设，因此固定效应模型的效果优于随机效应模型。

综上所述，选取固定效应模型更佳。

固定效应模型的数学公式如下：

Yit=β0+β1X1it+β2X2it+…+βnXnit+μi+ρt+σit

式中，μi是个体不可观测因素，ρt是时间不可观测因素，σit是其他随时间和个体变化的不可观测因素，且μi与X存在相关关系或者ρt与X存在相关关系。

(3)检验总结。为保证分析结果的稳健性，文章默认数据模型中的个体效应和时间效应存在，并对国内能源价格、经济发展状况和汇率三个变量分别进行了个体固定效应回归分析和时间固定效应回归分析。

分析结论为检验结果与实证分析的结果类似，显示为国内能源价格、经济发展状况、汇率三个因素都与国内区域碳价保持极强的相关性，且上文的分析结果并不是由于地域差异或是时间因素引起的，而是受所选取变量的影响。因此，可以认为文章的研究结论符合一般规律，具有较好的稳健性。

5.2 异质性检验

由于文章选取的样本涉及5个地区，地区之间的差异可能会对碳交易价格产生异质性影响，因此需进行异质性检验。碳交易活动依托于市场而存在，不同试点区域的市场化程度差异也可能对碳市场的活跃性和碳价产生影响。因此，本部分采用2016—2020年北京、上海、广东、湖北、深圳五个地区的人均GDP数据对模型进行异质性检验。检验结果如表1所示。

上述异质性检验回归结果显示，随着区域经济水平的提高，中国煤炭价格指数、沪深300指数对碳价的正向影响越来越显著，美元兑人民币中间价对碳价的正向作用先被削弱，后又升高。以上结果较为符合正常预期，说明上文的研究结果比较可靠。

6 建议

6.1 推动全国统一碳市场的构建

强化区域碳市场与全国统一碳交易市场(以下简称“全国碳市场”)的协同发展，并进一步完善提升全国统一碳交易市场，将对消除区域碳市场交易价格差异发挥重要作用。建议各级政府运用区块链技术等先进科技手段，打通区域间碳交易机制壁垒，解决市场透明度不足以及信息级差造成的碳配额失真等问题，以有效推动透明、公平的全国碳市场的构建。需要指出的是，区域间绝对统一的碳价并不适合目前中国的经济发展与社会环境。绝对统一的碳价将导致碳排放向某一地区集中，形成国家整体碳排放降低，但某个地区的碳排放不降反增的状况。

6.2 基于供需模型规范区域碳价浮动范围

为避免由于定价不合理而引起市场主体交易成本过高，建议政府根据不同区域内影响因子的权重，为市场主体赋予合理碳价区间，同时充分发挥市场的调节作用，引导碳排放权配额等要素适度流动，实现产业发展与绿色低碳的良性互动。

6.3 加强与碳减排制度先进国家的交流与合作

按照形成价格的方式分类，碳定价主要分为显性碳定价、隐性碳定价以及内部碳定价。目前中国主流的碳配额交易价格属于显性碳定价，是碳减排制度初步发展的产物。以欧美为代表的发达国家碳减排制度和手段已经发展到较为成熟的阶段，诸多学者已开始对隐性碳定价的研究。而中国对于以碳交易为代表的碳减排方式的探索尚处于初步状态，显性碳定价仍占据学术研究的主要地位，对于更为复杂的隐性碳定价和内部碳定价的研究尚不完善。因此，需要加强与国际碳交易市场的合作交流，学习国际先进经验，以不断完善我国碳交易的体制机制和市场体系。