中国煤炭价格与碳排放权交易价格的传导路径研究

熊萍萍 王亚琦

（南京信息工程大学管理工程学院风险治理与应急决策研究院，江苏 南京 210004）

一、引言

随着工业经济高速发展，以二氧化碳为主的温室气体大量排放，导致全球生态环境问题日益严重，国际社会的碳排放治理意识提高到前所未有的高度，改善全球气候已经成为亟待解决的重要问题。[1]温室气体排放所导致的气候变化其本质是经济发展的环境外部性问题，为将这种外部性内在化并实现减排目标，碳排放权交易应运而生。碳排放权作为市场化碳减排的重要手段之一[2]，能有效将外部环境成本转换为企业经济成本，世界各国纷纷建立碳排放权交易市场，以期利用相应市场机制控制二氧化碳等温室气体排放并实现“双碳”目标。2011 年以来，中国开始借助市场化减排手段实现“双碳”目标，在深圳、北京、上海、天津、重庆、湖北和广东7 个省市相继启动碳排放权交易试点，并于2021年7月正式启动全国碳排放权交易市场。经过多年的探索和发展，碳市场的定价机制不断完善，碳排放权交易在减排过程中发挥越来越重要的作用。国际能源署（IEA）的研究表明，2030 年全球碳排放量至少需要减少40%才能实现碳排放目标。据《华盛顿邮报》报道，可再生能源的运用及节能技术的发展抵消了能源危机导致化石能源使用量增加的绝大部分影响，但化石能源燃烧所产生的二氧化碳仍在持续增加。中国作为全球碳排放量最大的国家之一，应根据《巴黎协定》承担相应减排责任，积极助力全球气候治理。目前，中国的经济发展仍然需要消费大量的化石能源尤其是煤炭，在此背景下寻找适合中国国情的节能减排机制尤为重要。

碳排放权交易是科斯定理在治理大气污染领域中的应用，碳市场具有的金融属性使其与其他金融市场关联紧密，因此碳价不仅会受市场供需影响还会受到其他相关市场的冲击。国际能源署指出，在能源价格震荡、通胀走高和传统燃料贸易受阻的情况下，许多国家经历了“气改煤”的转变，与煤炭相关的碳排放增长率远高于过去的平均增长率。中国具有“富煤、贫油、少气”的特殊能源禀赋特征，长期以来能源消费都是以煤炭为主，对石油、天然气等其他能源的消耗相对较少。因此，煤炭市场与碳市场的相关关系更为紧密。同时，中国碳市场在覆盖面、碳金融发展、配额分配、跨市场联动等方面仍然存在不足，碳定价机制及其信息披露机制尚不完善，碳市场无法充分发挥其调节功能，最终导致碳试点政策的实施对碳排放量的影响并不显著。[3]因此，分析煤炭价格与碳价的传导路径对合理调控碳价、完善碳定价机制、发挥节能减排协同作用具有重要意义。[4]

二、文献综述

早期学界对碳价的研究主要集中在分析碳价的影响因素方面。随着研究的不断深入，学者们发现碳价主要受到市场机制、外部环境、能源价格、宏观经济状况、天气等因素影响。[5-9]基于碳市场的金融属性，一些学者发现碳市场与其他金融市场之间存在着相关关系，即碳价还会受到其他金融资产价格的影响。在碳市场与其他金融市场相关关系研究中，一些学者以碳市场与能源市场为考察对象，认为二者之间存在明显的动态相关关系。传统能源市场、新能源市场与碳市场之间的影响关系具有差异性：传统能源市场对碳市场存在正向影响，碳市场对传统能源市场存在负向影响[10]，而碳市场与新能源市场资产价格呈现正向相关关系。[11]此外，能源市场对碳市场、碳市场对能源市场均存在区域性差异。[12,13]能源市场和碳市场除了相互影响外，还能协同对其他市场或企业造成影响：碳价与传统能源市场价格、新能源市场价格协同促进企业研发投入，并抵消碳价上涨对研发投入的抑制作用[14]，有力促进了工业企业改变其能源消耗结构，减少了空气污染物和二氧化碳的排放。[15]

煤炭消耗是中国碳排放的主要来源，因此中国的煤炭市场与碳市场之间有着更加紧密关系，并且煤炭市场的复杂性要高于碳市场，两个市场之间存在着更为复杂的交叉因果关系。[16]在煤炭市场与碳市场的信息传递过程中，无论是静态还是动态，煤炭市场始终是碳市场的净信息传递者[17]，即煤炭市场对碳市场存在显著的单向波动溢出效应。[18]这种单向波动溢出是一种负向溢出[19]，且具有一定持久性。[20]从短期看，碳价显著受煤炭股指影响；从长期看，煤炭股指与碳价处于动态均衡关系。[21]然而不同时期不同种类能源价格对碳价的冲击是不同的，在高波动时期，煤炭价格对碳价的冲击更大；在低波动时期，石油价格对碳价的冲击更大。[22]碳市场交易主体对不同类型能源价格冲击的敏感度也不同，碳市场交易主体对煤炭价格变动的敏感程度远大于石油价格，这可能是由于石油市场与碳市场之间存在信息传导障碍。[23]

随着碳市场发展的逐渐成熟，能源价格与碳价的传导效应更加强烈。现有文献深入探讨了能源市场与碳市场之间的相关关系，肯定了二者之间的紧密联系并取得丰硕的研究成果，但关于能源价格与碳价传导路径的相关研究相对匮乏。碳市场作为新兴市场，在交易活跃度、市场规模、市场披露制度及运行机制等方面存在不足，其风险也随着市场金融化程度的提高而日益加大，降低能源价格对碳价的冲击十分重要。全面了解能源价格与碳价的传导路径，有助于正确处理能源消耗与碳交易政策之间的关系、理解碳市场的运行规律，可以为企业调整经济成本结构及为投资者配置和管理资产提供理论支撑，对防范碳市场风险、提高碳减排效率进而实现碳减目标具有重要现实意义。由于中国煤炭占能源消耗近2/3，笔者主要研究了煤炭价格与碳价的传导路径，利用DCC-GARCH 模型得到煤炭价格收益率序列与碳价收益率序列的动态相关系数，并使用VAR 模型实证检验煤炭价格与碳价的传导路径，探究能源消费结构及能源利用效率对动态相关系数的影响程度，为促进碳市场持续健康发展提供理论支撑。

三、理论分析及模型构建

（一）传导路径理论分析

煤炭价格的变化会引起碳价的波动：当煤炭价格变动时，考虑到生产成本，企业将调整能源消费结构，二氧化碳排放量的变化将改变企业对碳排放权的需求量，并引起碳价波动。基于中国特殊的能源禀赋结构，煤炭的单位热量价格低廉，当宏观经济形势呈现向好态势时，市场需求扩大带动企业的生产积极性，企业对能源需求增加，煤炭价格上涨。在此情况下，企业对能源仍有大量需求，二氧化碳排放量增加，企业对碳配额需求扩大，碳价上涨，此时煤炭价格与碳价体现为正向相关关系。

碳价的波动也会引起煤炭价格的变化：当碳价波动时，出于环境成本的考虑，企业将采取减排措施来调整对煤炭的需求，进而引起煤炭价格的变化。碳排放权作为市场化减排手段能有效限制参与主体的决策行为，企业会根据碳价的波动调整能源消费结构或进行技术创新，以减少二氧化碳排放。而煤炭作为目前燃烧系数最高的能源，其燃烧产生的二氧化碳多于其他能源，碳价过高时，企业对煤炭需求减少，煤炭价格下降，此时煤炭价格与碳价体现为负向相关关系。

从以上分析可以看出，煤炭价格与碳价之间存在相互影响的关系，并受企业成本影响进而作用于企业对煤炭和碳配额的需求，实现煤炭价格与碳价的传导。煤炭价格上涨会增加企业的生产成本，碳价上涨会增加企业的环境成本，在生产成本和环境成本的“双重约束”下，为确保利润最大化，企业会采取减排措施来降低其成本，最终通过煤炭消费结构与能源利用效率两种路径实现传导。短期看，能源之间有很强的替代性，企业倾向调整能源消费结构；长期看，为降低经济成本，企业进行技术创新意愿增强。但碳市场与能源市场的价格溢出并非一成不变，重大政策变化和相关事件发生会导致市场相关性发生巨大变化[24]，如贸易摩擦的产生会冲击国内碳市场、在震荡时期碳市场受能源市场的溢入效应显著高于其他时期[25]、全国碳市场的推出和运行对不同市场间的关系会产生结构性影响。[26]然而无论短期还是长期，经济政策不确定性都会对煤炭价格与碳价的传导路径产生影响。因此，笔者在后续的传导路径实证分析中将把经济政策不确定性作为外生变量纳入研究框架。具体传导路径如图1所示。

图1 煤炭价格与碳价的传导路径图

综上，煤炭价格与碳价的传导可以通过能源消费结构、能源利用效率两种路径实现，并且是双向传导。为探究煤炭价格与碳价具体通过何种路径相互影响，首先利用DCC-GARCH 模型计算出煤炭指数收益率序列和碳价收益率序列的动态相关系数DCC，再利用VAR 模型分析煤炭价格与碳价的传导路径。当煤炭消费结构对DCC 的影响显著时，则煤炭价格和碳价通过调整能源消费结构进行传导；当能源利用效率对DCC 的影响显著时，则煤炭价格与碳价通过改变能源利用效率进行传导。

（二）模型构建

1.DCC-GARCH 模型

为反映不同种类资产波动率之间的相关关系，Engle(2002)提出了动态条件相关系数GARCH 模型[27]，该模型假设条件为相关系数随着时间动态变化而变化，很好反映出了时间序列间相关性变化的动态特征。据此运用DCC-GARCH 模型刻画煤炭价格与碳价之间的动态相关性，模型的一般形式表达如下：

其中，公式（1）为均值方程，εt为残差项；Ht为条件协方差矩阵，Dt为主对角矩阵；Rt为时变相关系数矩阵，为正定矩阵。α和β为待估计参数，且满足α，β＞0和α+β＜1。

2.VAR模型

VAR 模型以统计数据为基础，每个变量的变化可以由各自变量与其变量的滞后值来解释，以刻画模型系统的动态演变关系及系统的外生冲击对各个变量的冲击影响。VAR 模型的优点在于其只注重模型与序列的拟合程度，无需对各变量的内生性进行假定和区分，即所有的变量都被看作内生变量。VAR 模型可以更客观地分析能源消费结构、能源利用效率对煤炭市场与碳价传导的作用。VAR（P）模型的一般形式表达如下：

其中，Yt={}(Y1t，Y2t，…，Ykt)′ 为k 维内生变量，k为内生变量个数；Xt为t期l维外生变量向量，l为外生变量个数；A1，A2，…，Ap为k阶参数矩阵，其中，，B为k×l阶参数矩阵；为k维t期误差向量。

当VAR 模型稳定时，采用脉冲响应函数描述各个变量之间的冲击响应幅度，并通过脉冲响应图反映变量的动态影响过程。

四、变量设计与描述性分析

（一）变量设计

煤炭价格（CP）和碳价（EA）。为更好地反映煤炭价格与碳价在传导过程中对耗能企业的影响，借鉴赵天宇和孙巍（2022）的做法[28]，以煤炭指数表征煤炭价格。由于湖北省经济发展水平、产业结构和碳排放特征在全国具有较强的代表性，且湖北省碳试点交易比重和交易效率均在全国试点省市中较高，因此选择湖北省碳试点日度收盘价表征碳价。

能源消费结构（ENSTR）。笔者主要研究的是煤炭价格与碳价的传导路径，因此选取煤炭消费占比表示能源结构。由于统计数据的限制，只获取到煤炭消费量的月度数据和能源消费总量的年度数据。考虑到能源消费量与工业经济效益之间存在正向相关关系，且工业经济增长对能源消费影响显著[29]，根据当月工业增长值占全年比重估算出能源消费总量的月度数据，并计算出煤炭消费占比月度数据。其中，煤炭消费量（万吨）根据2022 年《综合能耗计算通则》转化为标准煤消费量（万吨标准煤）后再进行上述计算。

能源利用效率（EE）。目前对能源利用效率的测度有不少方法，借鉴张琨和蔡树勋（2022）的做法[30]，采用单位产值能耗衡量工业企业能源利用效率。由于统计数据的限制，只能得到工业增加值定基指数和工业增加值年度数据，因此根据工业增加值定基指数计算出当月工业增加值占全年的比重，再与当年工业增加值相乘得到该月工业增加值。考虑到目前中国工业能源供给结构主要以煤炭为主，化石能源占比近90%，而电力及其他一次能源的占比较小，将以化石能源消费总量与工业增加值的比值表示工业行业能源利用效率。化石能源消费总量（万吨标准煤）的计算方法和上文一致。

经济政策不确定性(（EPU）。前文分析到重大突发事件或经济政策的改变都会对煤炭价格与碳价的传导产生影响，因此选取经济政策不确定性指数（EPU）月度数据，并将其作为后续VAR 模型的外生变量。

笔者选取的样本起始日期为2015年2月16日，截止日期为2023 年2 月16 日，由于统计数据的限制，能源结构以及能源利用效率相关数据获取截止时间为2022 年12 月。剔除无交易日数据后，得到碳价与煤炭指数1884 个日度数据。以上数据均来自Wind数据库。

（二）描述性分析

为消除煤炭指数序列和湖北省碳价序列中存在的异方差，对煤炭指数和湖北省碳价进行对数线性化处理：

进一步地，对各个变量收益率序列进行描述性统计，结果如表1 所示。从表1 可以发现，煤炭指数收益率序列和湖北省碳价收益率序列的偏度均为负值，且两个收益率序列的峰度分别为7.7903 和7.2323，均大于3，表明两个收益率序列均存在尖峰厚尾特征。J-B 统计量的值十分显著，表明两个收益率序列均不服从正态分布，因此初步判断RCP和REA适用于建立GARCH模型。

表1 收益率序列描述性分析

五、煤炭价格与碳价传导机制实证分析

（一）动态相关系数估计

1.平稳性检验与ARCH效应检验

为避免出现伪回归现象，采用ADF 检验方法对湖北省碳价收益率序列、煤炭价格收益率序列进行平稳性检验，结果如表2 所示。由表2 可知，所有收益率序列所对应的ADF 统计量均在1%的水平上拒绝原假设，即收益率序列都是平稳的。

表2 ADF检验结果

在建立GARCH 类模型前，需要检验时间序列是否存在ARCH 效应，即在确定收益率序列平稳后需对其进行ARCH 效应检验。运用AIC、SC 准则确定RCP 序列与REA 序列的最优滞后阶数均为滞后一期，检验结果如表3 所示。表3 结果显示，煤炭价格收益率序列和湖北省碳价收益率序列均存在明显ARCH效应，因此建立相应的GARCH模型。

表3 ARCH效应检验结果

2.单变量GARCH模型的参数估计

为得到煤炭价格收益率序列和碳价收益率序列的动态相关系数，在进行DCC-GARCH 模型参数估计之前，首先需要对RCP与REA建立单变量GARCH 模型，并利用残差和标准差计算出标准化残差序列，其次根据标准化残差序列进行DCCGARCH 模型的拟合。考虑到最基本的GARCH（1，1）模型对金融时间序列有很好的拟合效果，可以对RCP和REA构建GARCH（1，1）模型，模型的参数估计结果如表4所示。

表4 单变量GARCH（1，1）模型参数估计结果

从表4 回归结果可以看出，模型各项参数的系数均大于0，并且均在1%的水平上显著。其中，α显著大于0表明上一期的残差平方会显著影响这一期的条件方差；β显著大于0 表明受到冲击时，煤炭价格收益率序列和碳价收益率序列波动需要长时间吸收反映；α+β＜1，表明各变量均存在显著的波动聚集效应，并且波动趋势在长时间内会持续下去。

3.DCC-GARCH 模型估计结果

根据单变量GARCH 模型得到的标准化残差，对其进行DCC-GARCH 模型拟合，以估计出煤炭价格收益率序列与碳价收益率序列的动态相关系数，模型的参数估计结果如表5 所示。参数结果表明，α+β=0.8463＜1 成立，说明模型具有一定的稳健性，煤炭价格与湖北省碳价有较强的动态相关性，且β较接近于1，表明二者之间的相关性具有较强的持续性。

表5 DCC-GARCH模型参数回归结果

从图2 可以看出，在样本期间煤炭价格和碳价的动态相关性具有一定复杂性，二者的动态相关程度在-0.1154至0.2030区间波动，表明二者之间有显著的动态互动性。图2中煤炭价格收益率序列与碳价收益率序列的动态相关系数在正负间不断切换，同时波动十分频繁，表明二者的动态相关关系呈现复杂性和不稳定性。煤炭市场与碳市场存在交叉因果关系，碳价波动可以改变煤炭的供需状况，煤炭价格变动又可以反向影响到碳价的形成过程。[31]根据上文的理论分析，在煤炭价格与碳价的传导过程中，企业会采取措施应对生产成本和环境成本变化，进而导致煤炭价格与碳价的动态关系并非呈现单一的正向或负向相关关系，而是呈现复杂的动态相关关系。此外，二者间的相互影响关系存在一定的差异性，碳价对煤炭价格的传导作用以及煤炭价格对碳价的传导作用也不尽相同，这加大了二者在传导过程中变化的可能性。

图2 煤炭指数与湖北省碳价的动态相关系数

（二）传导路径分析

VAR 模型是对变量之间的因果关系进行分析。为判断煤炭价格与碳价的传导路径，用上文所得到的DCC序列、煤炭消费结构和能源利用效率进行分析，并选取经济不确定性作为控制变量，对上文所得到的DCC序列进行ADF检验。检验结果表明，序列在1%的水平上平稳。对每月DCC日度数据进行算术平均，并将其作为DCC序列月度数据。

1.单位根检验

在对VAR 模型建模之前，为防止出现伪回归现象，首先需要对动态相关系数、煤炭消费结构、能源利用效率和经济政策不确定性指数进行平稳性检验，采用的检验方法仍为ADF 检验，检验结果如表6所示。结果显示，变量DCC、ENSTR、EE均在1%的水平上拒绝原假设，表明序列均是平稳的；控制变量EPU在10%、5%、1%的水平上均接受原假设，但其一阶差分序列在1%的水平上拒绝原假设，说明序列DEPU平稳。DEPU作为控制变量，只需控制其对动态相关系数的影响，无需解释其经济意义。因此，选择DCC、ENSTR、EE和DEPU进行VAR 模型的构建。

表6 ADF检验结果

2.滞后阶数选择

为选择VAR 模型的最优滞后阶数，利用相关信息准则进行滞后阶数的确定，结果如表7 所示。由表7 可知，当滞后阶数为4 阶时FPE、AIC、SC 的值都最小，只有HQ指标选择的最优滞后阶数为1阶。因此，确定VAR 模型的最优滞后阶数为4 阶。这也在一定程度上说明能源消费结构和能源利用效率的改变对煤炭价格与碳价传导的影响存在一定的时滞，符合实际情况。

表7 滞后阶数选择准则

3.VAR（4）模型实证结果

根据上文筛选出的最优滞后阶数，利用DCC、ENSTR、EE构建VAR（4）模型，并将DEPU 作为外生变量，模型的参数估计结果如表8 所示。由表8 可知，能源消费结构滞后4 期系数在1%的水平上显著，能源利用效率滞后4期的系数在5%的水平上显著，说明无论是能源消费结构还是能源利用效率均对DCC有显著影响，且能源消费结构对DCC 的负向影响要比能源利用效率对DCC的正向影响更显著。

表8 VAR（4）模型参数估计结果

为确定VAR 模型的稳定性以及运用是否合理，利用AR 根图对VAR（4）模型的稳定性进行检验，检验结果如图3 所示。图3 表明，虽然有个别散点分布在单位圆边上，但模型内所有AR 特征根都在单位圆内，即模型的模值均小于1，表明建立的VAR 模型是稳定的，VAR（4）模型得出的分析结果是可靠的。

图3 VAR（4）模型特征根散点图

4.格兰杰因果检验

为进一步确定价格动态相关性与能源消费结构、能源利用效率间的相互影响程度，验证变量间不仅仅存在趋势上的相关关系，必须对上述变量进行格兰杰因果检验。笔者重点关注能源消费结构和能源利用效率对煤炭价格与碳价的动态相关性是否有解释能力，滞后4 阶的格兰杰因果检验结果如表9所示。结果显示，在1%的水平上拒绝“能源消费结构不是DCC的原因假设”，在10%的水平上拒绝“能源利用效率不是DCC的原因假设”。在10%的水平上，无论是能源消费结构还是能源利用效率均能解释煤炭价格收益率序列与碳价收益率序列的动态相关系数变化；但在5%的水平上，能源消费结构解释能力比能源利用效率更显著。

表9 格兰杰因果检验

结合VAR（4）模型的参数估计结果和格兰杰因果检验结果看，在1%的水平上，煤炭消费结构不仅能对DCC产生显著负向影响，并且是DCC的格兰杰原因；在5%的水平上，能源利用效率能对DCC产生显著正向影响，但不是DCC的格兰杰原因。因此得出结论，在煤炭价格与碳价的传导过程中，主要通过调整能源消费结构进行传导，但无法显著通过能源利用效率进行传导，这一结论与实际情况相符合。工业企业产生的碳排放量与所消耗的能源种类密切相关，根据IPCC 发布的碳排放系数，煤炭燃烧释放的二氧化碳最多。中国特殊的资源禀赋现状决定了以煤为主的能源消费结构，在低碳能源技术落后的情况下，企业降低其生产成本和环境成本最快捷的手段就是优化能源消费结构，降低煤炭消费量转而使用其他燃烧系数较低的替代能源。然而受低碳技术创新成本高、相关技术人员匮乏、政策扶持不够等多重因素影响，企业进行低碳技术创新动力严重不足，煤炭价格与碳价通过能源利用效率路径进行传导并不顺畅。

（三）稳健性检验

1.改变能源消费结构计算方法

为判断不选取同代理变量对实证结果的影响，笔者选取其他能源消费结构作为代理变量。煤炭、石油、天然气等传统化石能源之间的替代效应要大于其他能源对化石能源之间的替代效应，并且随着液化天然气（LNG）技术的进步和供应的增加，天然气已经成为替代煤炭的首选能源，因此选取天然气消费结构进行稳健性检验。根据相关信息准则判断，建立VAR（2）模型，实证结果如表10所示。从模型的参数估计结果看，其与上文实证结果相似，天然气消费结构滞后1阶的系数在1%的水平上显著，说明天然气消费结构变化对DCC有显著影响，且为负影响；同时能源利用效率变化对DCC有正向影响，但是并不显著。

表10 VAR（2）模型参数估计结果

2.改变EPU的选取方式

现有的中国经济政策不确定性指数是由Scott Bake 研究团队、Steven ＆ Davis 研究团队制定的。上文使用的EPU指数是由Scott Bake 团队所制定的，为判断数据的选取对实证结果是否有影响，将根据Steven ＆ Davis 团队制定的EPU数据进行稳健性检验。根据相关信息准则判断建立VAR（4）模型，实证结果如表11所示。从模型的参数估计结果看，其与上文实证结果相似，煤炭结构滞后4阶系数在1%的水平上显著，说明煤炭消费结构调整对DCC有显著影响，且为负影响；同时，能源利用效率滞后4 阶系数在5%的水平上显著，其对DCC具有显著正向影响。

表11 VAR（4）模型参数估计结果

3.改变模型的选取

为判断模型的选取对实证结果是否有影响，选取了自回归分布滞后模型进行稳健性检验。利用Eviews10 软件，并根据AIC 准则对模型滞后阶数进行选择，最终筛选出ARDL（1,4,4,0），模型的参数估计结果如表12所示。

表12 ARDL模型参数估计结果

从ARDL 模型的参数估计结果看，其与VAR(4)得到的结论相似，煤炭消费结构系数在5%的水平上显著，说明煤炭消费结构变化对DCC有显著影响，且为负影响；同时能源利用效率系数在1%的水平上显著，说明能源利用效率变化对DCC的影响在1%的水平上显著，且为正影响。

从以上稳健性结果可以看出，无论是改变变量的计算方法、更换变量的选取还是更换其他模型进行实证分析，均能证明笔者的结论是十分稳健的。

六、结论及对策建议

（一）结论

笔者以煤炭指数和湖北省碳价为研究对象，通过DCC-GARCH 模型分析煤炭价格与碳价的动态相关关系。利用得到的动态相关系数，运用VAR 模型实证检验煤炭价格和碳价的传导路径以及能源消费结构、能源利用效率与动态相关系数之间的因果关系，得到以下三点结论：第一，煤炭价格与碳价存在显著的动态相关性，并且是复杂的、多变的；第二，在煤炭价格与碳价的传导过程中，主要通过能源消费结构进行传导，无法显著通过能源利用效率进行传导；第三、煤炭消费结构调整是动态相关系数变化的格兰杰原因，而能源利用效率改变不是动态相关系数变化的格兰杰原因。从资产价格调节角度看，市场通过能源消费结构路径调节碳价起到极大的调节作用，而通过能源利用效率路径的调节效果微弱；从碳市场减排效应看，碳市场政策充分释放了能耗结构调整作用，但尚未有效发挥出其应有的创新激励效应；从风险传递角度看，煤炭消费结构的调整可约束风险传导，而提高能源利用效率对风险传导只能起到微弱抑制作用。

（二）对策建议

1.健全碳排放权交易市场定价机制，协调配合能源市场与碳市场管理，提高各个市场抵御风险的能力。煤炭市场通过价格信号影响企业参与碳市场的积极性，从而影响其发挥碳市场价格的作用。碳市场与煤炭市场高度关联，在能源动荡格局下，煤炭价格的剧烈变化会严重影响碳价波动，进一步影响碳市场发挥抑制企业大量排放二氧化碳的作用。相关部门应根据煤炭价格与碳价的传导路径来完善碳定价机制，并构建相应风险预警机制，防止煤炭价格大幅涨跌进而提高碳减排的风险和经济成本。

2.建议有关部门加大对清洁能源的投资，提高低碳化工业能源消费结构，推动清洁能源市场发展。根据研究结论，能源消费结构调整对煤炭价格与碳价的传导有显著影响，优化能源消费结构在实现碳减排过程中发挥重要作用。目前中国工业正处于重要发展阶段，如何平衡好工业增长与能源消费结构优化关系是新阶段应当考虑的重要问题。化石能源的开采和燃烧会严重破坏环境，工业企业继续严重依赖化石能源进行生产活动是不可取的，仅仅降低煤炭消费结构无法实现绿色可持续发展。低碳化能源消费结构需要从供给侧寻求能源的可持续发展，加大对生产清洁能源有关企业投资、合理建设煤电产业和其他清洁能源产业，是推动能源绿色低碳发展的根本需求。

3.建议地方政府拓宽企业融资渠道，设立低碳技术创新专项基金，鼓励企业进行高效节能减排。中国经济快速增长是大规模能耗与投入换取的，在中国特殊的能源禀赋结构下，进行低碳技术创新才是企业实现能源转型、节能减排的长久之计。因此如何引导企业进行低碳技术创新、提高能源边际产出显得尤为重要。目前，中国经济发展中仍然存在绿色金融发展不充分、能源结构优化效应发挥不完全、绿色金融体系不健全等问题，企业低碳转型难度高、压力大，实现“双碳”目标需要地方政府落实企业低碳技术创新政策，增加对相关企业的扶持资金，不断提高企业能源利用效率。