碳排放权交易市场价格影响因...基于深圳市碳排放交易所数据_曹伊敏.pdf

2023年第4期引言在第七十五届联合国大会上，我国提出努力在2030前实现碳达峰，在2060年前实现碳中和。此任务的提出既表明我国积极承担碳减排的决心，也体现出我国减缓碳排放量已刻不容缓。我国是当今世界上最大的发展中国家，并且在资源总量和碳排放量等方面每年都是位居全球前列，在环境治理和碳减排工作中具有重要作用。早在1997年12月，我国便与148个国家和地区的代表于日本签订京都议定书。为达减排目的，议定书提出清洁发展机制、国际排放贸易机制以及联合履行的三种动态减排机制。议定书中对碳金融交易进行了基本定义和分类，将碳交易分为以碳配额为基础和以碳项目为基础两类交易行为。京都议定书正式实施后，碳排放权也逐渐成为各企业所需要的资源，与之相应，碳市场也开始形成并逐渐规范。与发达国家相比，我国碳市场起步较晚且当下正处于建设碳交易市场的初级阶段，市场机制尚不完善，因此在全球碳交易链中也处于底层位置。在碳市场的构建和发展过程中，要提高碳排放权的交易议价能力，拓宽我国碳市场的影响力，就必须把握碳排放交易权市场的重点问题，即价格问题。因此研究碳市场的价格影响因素具有一定的理论意义和现实意义。一、文献综述我国碳排放权交易市场建立年限较短，因此国外学者对碳排放权定价影响因素的研究对我国碳市场定价是具有一定借鉴意义的。综合国内外学者们对于碳排放权价格影响因素的相关实证研究，总结出影响碳排放权价格主要有三个因素。（一）影响碳排放权价格的供给因素鉴于碳市场是人为建立的市场，碳市场的分配机制以及分配额度都会对碳排放权交易价格产生显著影响。曼萨内特-巴塔列尔和帕尔多（Mansanet-Bataller&Pardo,2009)研究发现，政府干预碳市场，影响碳配额供给或交易规则等相关新闻发表时，会在发表日和发表日前夕极大影响碳排放权的价格。哈葆薇（2020）则通过市场中运行的三种碳配额政策研究相关分配制度对于碳排放权价格的影响路径，结果表明，相关碳配额政策的发布对价格是有影响的，但相关政策的公告公布对碳排放权价格的波动性没有明显影响。（二）影响碳排放权价格的需求因素能够影响碳排放权价格的需求因素主要来源于宏观经济、气候环境、能源需求等。一个国家经济增长时，必然伴随工业生产的增长进而导致碳排放的增加，因此出现很多企业购买碳排放权以抵消企业自身的碳排放量。汪中华(2018)依据EEMD模型对碳价格进行具体剖分，且利用FGLS方式分析碳价格在受到单因子直接冲击时所产生的价格变化程度，得出石油价格对碳排放权交易价格影响较大，碳排放权交易价格还会受到气候环境以及宏观经济等各种因素的影响。陈欣等人（2016）利用多参数测算方式对当前我国的七个碳试点开展了多参数维度下的碳实证结果分析，研究发现，PMI、煤价格等对我国碳排放权价格变化有正向影响，而国际石油价格、股市等则对我国碳排放权价格变化有负向影响，天气变化则对碳排放权价格变化影响较弱，其中PMI数据对我国碳排放权价格的影响最强，且影响一般需要滞后60天才会比较明显。（三）影响碳排放权价格的市场因素研究碳排放权价格除了需要考虑供给和需求等因素外，还要考虑不同碳市场以及现货与期货之间的相互影响作用，并且碳排放权价格还可能受到各方谈判势力和政治事件的影响。康拉德和瑞特勒（Conrad&Rittler,2012）运用GARCH碳排放权交易市场价格影响因素研究基于深圳市碳排放交易所数据曹伊敏摘要：在我国碳排放权市场由建立到逐渐成熟的过程中，提高碳市场影响力和完善程度的关键是要把握市场的核心，即价格问题。根据各交易所数据选取深圳碳排放交易所20182021年的碳排放权日均价作为研究对象，运用VAR模型对碳排放权价格的影响因素进行实证分析。实证结果表明，国际市场CER期货的价格对碳价格的影响是最大的，宏观经济因素以及能源价格因素对碳价格的影响次之，气候环境对碳价格也有一定影响但不明显。通过分析实证结果发现，在实践过程中我国应提高碳市场的市场化程度，大力推广清洁能源并确定合理的碳配额总量。关键词：碳排放权交易价格；VAR模型；脉冲响应分析；方差分解中图分类号：F062.1；X196文献标识码：A基金项目：青海民族大学研究生创新项目，项目编号：65M2022096。作者单位：青海民族大学经济与管理学院 经济纵横40DOI:10.19885/ki.hbqy.2023.04.0382023年第4期变量ADF检验值各显著水平临界值P值检验结果YX1X2X3X4X5X6YX1X2X3X4-2.130.29-1.68-1.51-0.46-3.29-5.46-14.29-9.30-8.44-6.64-9.691%-3.49-3.49-3.49-3.49-3.49-3.49-3.49-2.59-3.49-2.56-2.59-2.595%-2.89-2.89-2.89-2.89-2.89-2.89-2.89-1.94-2.89-1.94-1.94-1.9410%-2.58-2.58-2.58-2.58-2.58-2.58-2.58-1.61-2.58-1.61-1.61-1.610.230.980.440.520.890.020.000.000.000.000.000.00不平稳不平稳不平稳不平稳不平稳平稳平稳平稳平稳平稳平稳平稳Lag012345678LogL-1,975,738-1,303.036-1,258.93-1,223.848-1,183.697-1,140.244-1,106.311-1,043.818-978.1114LRNA1,242.89775.6106*55.4623758.1246557.1087940.0730865.4691360.07466FPE59,489,337412.9541*458.6353616.2699773.7175949.91431,477.3471,436.1791,451.455AIC37.7664425.88640*25.9796226.2447326.4132726.5189426.8059326.5489226.23069SC37.9433727.30185*28.6335830.1372131.5442632.8884434.4138535.3954536.31574HQ37.8381426.45997*27.0550627.8220428.4924529.0999929.8888530.1337130.31736模型，发现EUA期货市场总能率先捕获最新信息，随着期货市场的价格波动，现货市场的价格也逐渐受到影响。唐红玮（2021）以双重差分法为基础，研究得出LPG期货对碳价格存在影响。二、实证分析（一）变量选取本文选取深圳碳排放交易所2018年11月至2021年2月的日均价作为研究对象，计价单位为元/吨，经过处理得到每周的平均价格（Y）作为被解释变量。自深圳碳交易试点工作在全国率先启动以来，碳市场的流动率、成交金额以及交易量连续位于全国前列。本文从以下四个方面共选取六个解释变量进行相关的实证研究。1.金融市场方面。由于金融市场繁荣程度对碳排放权交易市场具有一定影响，因此本文选取沪深300指数（X1）作为金融市场对深圳碳排放交易所交易价格冲击的衡量指标，相关数据来源于同花顺网站。2.碳排放权供需方面。首先，从碳排放权供应主体上来看，目前我国碳排放权供应主体以配额型企业居多，所以碳排放权供给函数较稳定。其次，从实际需求量方面来看，供应量=配额数量-实际排放量，配额数量和实际排放量会受能源的实际利用情况因素的影响。本文选取消耗量最大的石油以及煤炭作为主要的能源因素，将环渤海动力煤价格指数（X2）和大庆原油期货（X3）作为能源消耗的衡量指标，相关数据分别来源于Wind数据库和中国煤炭资源网。3.国际碳市场影响方面。国内碳市场与国际碳市场本质上是存在共性的，因此探究国内外不同市场的碳排放权交易价格之间是否具有联动性是十分必要的。本文选取了欧洲能源市场向发展中国家分配的碳排放权额度作为影响我国碳排放权市场价格的影响变量。即将CER期货价格（X4）作为国际碳排放核证减排量价格的衡量指标，数据来源于Wind数据库。4.气候环境方面。从气候环境方面来看，各地区的每日碳排放量与该地区温度变化具有显著相关性，因此本文从天气网选取了深圳市的日最高、最低温度数据，根据公认界定标准，将日温度高于30 或低于10 判定为极端天气，反之则属于正常天气，并将极端天气（X5）设置为虚拟变量，即处于极端天气变量值取1，反之则取0，相关数据来源于天气网。同时，碳排放量的变化对空气质量的影响也是最直接的，因此本文将深圳市空气质量指数AQI（X6）作为空气质量变化的衡量指标，相关数据源于Wind数据库。因选择的日度数据会出现样本不足的问题，选择月度数据则会因为单个数据时间跨度长而出现样本数量过少的问题,为使得实证分析数据具有平衡性和连续性，本文所用数据为对缺失样本进行了剔除处理后，再通过加权取其平均值计算出的周度数据。（二）实证过程分析1.平稳性检验。构建VAR模型前首先需要保证数据序列必须是相对平稳的或者是协整一致的，这样才能避免实证结果中产生的伪回归现象。因此在数据运行之前需对相关序列进行ADF检验，即平稳性检验。对数据序列的检验如表1所示。表1平稳性检验从表1的检验结果可以看出，X5、X6序列是平稳的，而Y、X1、X2、X3、X4都是非平稳序列，而以上变量的一阶差分序列皆为平稳，表明这些变量为一阶单整时间序列。2.Johanson协整检验。根据平稳性检验结果可以发现，所有变量并非同阶单整，不能直接建立VAR模型。因此转而对变量进行Johanson协整检验以判断变量之间是否存在长期均衡关系。本文根据AIC准则和SC准则确定模型的最优滞后阶数，据表2确定Var模型的最优滞后阶数均为1阶。表2滞后阶数检验检验结果如表3、表4显示：各变量的数据检验结果在95%置信水平下P值均小于0.05，表明深圳市碳价格与沪深300指数等影响因素之间存在长期均衡稳定关系。经济纵横 412023年第4期HypothesizedNo.of CE(s)特征值迹统计量0.05临界值P值None*At most 1*At most 2*At most 3*At most 4*At most 5*At most 6*0.350.320.290.220.160.120.10261.05199.80151.50105.5369.4643.2720.83125.6295.7569.8247.8629.8015.493.840.00000.00000.00000.00000.00000.00000.0000HypothesizedNo.of CE(s)特征值最大特征值统计量0.05临界值P值None*At most 1*At most 2*At most 3*At most 4*At most 5*At most 6*0.320.290.220.190.160.120.1061.2548.3045.9736.0826.1922.4420.8346.2340.0833.8827.5821.1314.263.840.000.000.000.000.010.000.001.51.00.50-0.5-1.0-1.5-1.5-1.0-0.500.51.01.50.0060.0040.0020-0.002-0.00412345678910X1X4X2X5X3X6表3协整检验特征根迹检验表4最大特征值检验3.VAR模型估计。（1）模型方程。VAR模型是在避开传统结构化模型硬性要求下，利用数据统计性同时兼并非结构化方法搭造的一种非传统经济计量模型。此模型在分析被影响变量受多因素影响的情况下具有明显优势。VAR模型数学方程式表达如下：yt=a1yt-1+apyt-p+bxt+t，t=1，2，Tyt代表一组k维的内生变量，xt是外生变量，矩阵a1ap、b是待估系数矩阵，t为随机扰动项，T代表分析样本的个数，p是模型的滞后阶数。具体到本模型中，yt分别代表深圳市碳交易所碳排放权价格、沪深300指数等影响因素变量，样本个数为7。（2）模型稳定性检验。在建立模型后需对模型进行稳定性检验，若模型不够稳定，则会对实证分析结果的有效性产生影响。本文采用AR根检验法对碳排放权交易价格以及沪深300指数等影响因素所构成的系统进行检验。由图1可知，AR根的结果全都在圆内，即VAR模型是稳定的。（3）脉冲响应分析。据上述分析可知，本模型中影响变量较复杂，且多数影响变量具有滞后期。此情形下不再对变量之间的关系进行辨析。本文运用脉冲响应函数分析法，分析一个随机误差项发生变化对系统产生的动态影响。在不考虑碳排放权交易价格冲击的情况下，利用上文已构建的VAR模型，在分别给各影响变量一个标准差大小的冲击后，将滞后期为10的脉冲响应作为主分析对象。如图2所示，横轴表示冲击的滞后时期间数，纵轴表示碳价格对于冲击的响应。据运行后的脉冲响应结果知，在给沪深300指数一个单位冲击后，在第13期内就有较大幅度的正向冲击，并在第4期后波动逐渐消失。这表明沪深300指数的上升对碳价格的上升具有较大影响，并随时间变化而趋于稳定。在给大庆原油现货价格一个单位冲击后，碳价格在第12期受到正向冲击，并在第2期达到顶峰，随后第3期和第4期分别受到了小幅负向和正向冲击后趋于平缓。这说明在短期内大庆原油现货价格的上涨会导致碳价格上升，但随着时间增加，对碳价格的影响也趋于平稳。同样，环渤海动力煤指数对碳价格的影响前期也是正响应，在第2期达到最高，随后趋于平缓，至第5期基本消失。在给CER期货价格一个单位的冲击后，碳价格在12期内表现出轻微负影响作用，而后续在第24期则明显受较大程度的正向作用，随后逐渐趋于平稳，表明CER期货价格的上涨短期会使得碳价格有较大幅度的上升。而极端天气对于碳价格的冲击较弱，整体表现为上下波动，即说明碳价格受极端天气的影响还不够稳定。当空气质量指数受到单位冲击时，碳价格表现反向影响，影响逐渐扩大直至第3期达到最高程度，随后冲击减缓，并在第5期产生正向冲击并达到顶峰。总体而言，空气质量指数对碳价格的影响不具备明显趋势性，说明碳价格受空气质量指数的影响不够稳定。图1VAR模型根显示图图2各影响因素对碳价格的脉冲响应分析 经济纵横注：迹检验结果表明在5%显著水平下存在7个协整关系。注：最大特征值检验结果表明在5%显著水平下存在7个协整关系。422023年第4期Period12345678910Y100.0099.3298.8297.7897.7397.7197.7197.7197.7197.71X10.000.280.430.500.520.520.520.520.520.52X20.000.390.420.420.430.430.430.430.430.43X30.000.280.290.300.300.310.310.310.310.31X40.000.270.540.600.610.610.610.610.610.61X50.000.180.190.230.230.230.230.230.230.23X60.000.160.180.190.190.190.190.190.190.19经济纵横（4）方差分解。通过进行方差分解，可以得到深圳市碳排放权交易价格受到其他变量的干扰影响程度。从表5中可以看出，深圳市碳排放权交易价格对自身的影响是最大的。同时除自身碳价格影响之外，各变量对其影响从小到大依次是空气质量指数（X6）、极端天气（X5）、环渤海动力煤价格指数（X2）、大庆原油现货价格（X3）、沪深300指数（X1）、CER期货价格（X4）。表5方差分解表三、研究结论与建议（一）结论本文通过对排放权价格及其影响因素进行实证分析，结果显示模型的拟合优度较低但总体平稳性较好，表明模型整体是有效的，但影响排放权价格的还有其他外在因素。通过AR根检验法、脉冲响应分析及方差分解可知，排放权价格受自身的影响最大，同时排放权价格受多因素影响，其中对排放权价格波动贡献最大的是CER期货价格，空气质量指数、大庆原油现货价格则次之，沪深300指数对排放权价格的影响贡献是最小的。（二）政策建议1.提高碳市场市场化程度。根据本文分析可知，CER期货价格对排放权价格的影响较大，因此我国应考虑尽早立法，完善相关机制，并逐步提升排放权交易平台交易的国际化市场运作程度以有效降低当前国际CER期货价格波动对我国排放权价格走势的影响。如通过统一规范和逐步健全市场上的碳信息，公开发布交易机制，使国内投资人及时了解掌握有关碳交易的公开价格信息动态，可以吸引我国国际碳市场的投资者将投资视线移向国内，进而改善碳价格对市场信息的反应速度，提高市场化程度。2.大力推广清洁能源。由本文分析可知，传统能源价格的变化和排放权价格变化也是紧密相连的。因此，加大我国清洁能源的开发力度不仅有助于环保事业的发展，更能提高清洁能源在能源构成中的比例，降低传统能源对碳价格的影响，进而稳定碳排放权市场。3.确定合理的碳配额总量。当市场上的碳配额量过多时会导致排放权价格过低，进而导致碳交易机制的效果大打折扣。反之则会引起排放权价格过高，直接提高企业的生产成本，不利于提高企业的经济活力。因此，制定合理的碳配额对于碳市场是极为重要的，逐步过渡的方式可以使刚纳入碳交易体系的企业逐渐适应并接受碳排放权交易，有利于提高排放权价格的稳定性。参考文献：1Mansanet-Bataller M,Pardo A.Impacts of regulatoryannouncements on CO2pricesJ.The Journal of Energy Markets,2009,2(02):75-107.2哈葆薇.碳配额管理政策对碳排放权价格及其波动率影响D.哈尔滨：哈尔滨工程大学，2020.3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，2018，37（02）：128-136.4陈欣，刘明，刘延.碳交易价格的驱动因素与结构性断点基于中国七个碳交易试点的实证研究J.经济问题，2016（11）：29-35.5Conard C,Rittler D,Rotfu W.Modeling andexplainingthe dynamics of European Union Allowance prices at high-frequencyJ.Energy Economics,2012(01):316-326.6唐红玮.LPG期货上市前后中国碳排放权市场交易价格影响因素比较研究D.上海：上海财经大学，2021.43