黃一軒

(南京林業(yè)大學 經(jīng)濟管理學院，南京 210037)

1 引言

為了響應全球推動溫室氣體減排的號召，我國從2013年開始在深圳、北京、湖北等九地建立碳排放權交易試點。推動碳排放交易有利于促進市場的低碳投資，引導企業(yè)注重低碳生產(chǎn)以及推動整個社會經(jīng)濟的低碳轉(zhuǎn)型，最終達成中國在2030年前實現(xiàn)碳達峰、在2060年前實現(xiàn)碳中和的承諾。正因如此，研究碳排放交易的價格情況有著重要的現(xiàn)實意義。

當前，學者們對碳市場價格的研究主要集中在分析碳價波動特征、研究價格波動風險、比較碳市場價格有效性這三方面。在碳價波動特征方面，蒲苡禾(2019)[1]指出國內(nèi)各地碳市場交易價格波動普遍呈現(xiàn)出波動聚集性，綜合比較來看屬深圳碳市場發(fā)展更為成熟。呂靖燁(2019)[2]研究發(fā)現(xiàn)碳價格具有長期記憶性并且有著較為顯著的杠桿效應；在研究價格波動風險方面，蔣晶晶等(2015)[3]建立GARCH-EVT-VaR模型研究歐盟碳排放交易市場的波動風險。刁蕓菲(2020)[4]通過GARCH族模型對北京、上海、湖北、深圳四大碳試點收益率序列進行研究和擬合。夏睿瞳(2018)[5]利用AR-GARCH模型擬合了5地碳交易市場的波動情況。在比較碳市場價格有效性方面，魏素豪(2016)[6]以R/S非參數(shù)分析法為研究方法驗證了我國碳排放權交易市場尚未達到有效狀態(tài)。郭蕾(2020)[7]根據(jù)碳價時間序列進行研究，對七個試點地方碳交易市場的有效性進行比較和分析。

縱覽現(xiàn)有文獻，我國學者在我國碳價波動的定性和定量研究上都取得了一定的進展，但是目前的文獻在研究方法方面大多使用基本的GARCH模型，并且分布很多都集中在正態(tài)分布、t分布等常見分布的討論和比較上；研究內(nèi)容方面，諸多學者發(fā)現(xiàn)我國碳價呈現(xiàn)波動聚集性并且存在杠桿效應，但是對于波動特征的原因以及杠桿效應的實際效果還可以進行深入的分析?；诖?，本文旨在通過擬合效果更佳的模型，去更好地刻畫出我國碳價的波動情況，研究碳價杠桿效應存在的原因和不同影響，為我國統(tǒng)一的碳排放交易市場提供借鑒和理論支持。

本文的創(chuàng)新之處在于：①引入偏t分布來更好地描述金融資產(chǎn)收益率尖峰厚尾和偏度特征，同時使用EGARCH模型來分析杠桿效應，首次使用Skew-t-EGARCH模型來更好地刻畫我國碳價的波動情況，以達到更佳的擬合效果。②針對我國碳價杠桿效應的問題，不僅依據(jù)參數(shù)估計結果做出了是否存在杠桿效應的判斷，而且還更進一步地分析杠桿效應造成的不同影響，并和以往文獻中對杠桿效應的研究進行比較和分析，從而得出我國統(tǒng)一碳市場的建設是卓有成效的結論。

2 相關理論基礎

2.1 Skew-t分布

學生t分布可以描述金融資產(chǎn)的厚尾特性但是無法刻畫有偏性。針對這個問題，F(xiàn)ernandez 等提出了Skew-t分布，可以更好地捕捉金融資產(chǎn)收益率偏度和尖峰厚尾特征。Skew-t分布的對數(shù)似然函數(shù)如下：

2.2 EGARCH模型

針對GARCH模型中波動率都是對稱的且條件方差的參數(shù)約束較強的問題，Nelson(1991)[9]改進了GARCH模型并提出了EGARCH模型，放松了對模型系數(shù)的非負限制，使得模型更加靈活且可以更好地反映杠桿效應，EGARCH模型具體的定義如下：

可見，EGARCH模型的條件方差取了自然對數(shù)，從而沒有了符號正負的限制。通過引入?yún)?shù)γ來反映非對稱性，只要式中的γ≠0，那么就可以說明信息的作用是非對稱性的。當γ>0時，說明利空消息對未來波動的沖擊要小于利好消息；當γ<0時，就說明了利好消息的沖擊要小于利空消息。

3 數(shù)據(jù)選取與檢驗

3.1 數(shù)據(jù)選取

本文選取2014年4月2日到2021年5月31日的北京和湖北碳排放權交易試點的碳價格為研究對象，分別用BEA和HBEA表示。本文選擇湖北和北京兩地碳市場作為代表有以下三點原因：①湖北碳排放權交易中心無論是交易總量和總額，還是累計日均成交量以及投資者數(shù)量等重要指標均在全國遙遙領先，具有鮮明的代表性；②北京環(huán)境交易所從總量上來看雖然不算很大，但是其有著全國最先進的碳交易產(chǎn)業(yè)鏈，而且也承擔了許多項全國性的碳排放市場管理制度、碳金融研究與創(chuàng)新職責，這也意味著其在未來全國碳市場中的重要地位；③其他區(qū)域性碳交易市場的交易量和樣本量相對較小，選取湖北和北京的碳交易市場能夠更好地代表我國今后碳市場的發(fā)展方向，也為全國統(tǒng)一的碳市場帶來經(jīng)驗借鑒。在數(shù)據(jù)選取時充分考慮了這兩個碳市場的代表性，也保證了本文研究結論對全國碳市場的普適性和可借鑒性。首先對樣本數(shù)據(jù)進行清洗，剔除節(jié)假日和市場關閉的日期，總共得到 3 793 個數(shù)據(jù)。本文數(shù)據(jù)來源于Wind數(shù)據(jù)庫，數(shù)據(jù)處理使用R語言3.6.1。

圖1展示了BEA和HBEA的價格走勢圖，先將兩張圖對比可以看出，北京碳市場的整體波動要大于湖北碳市場，并且總體碳價要高于湖北碳市場。在建立全國統(tǒng)一碳金融市場的大背景下，兩地碳價有著逐漸靠攏的趨勢。具體來看，BEA從2016年到2021年呈上升趨勢，近期出現(xiàn)劇烈下跌又猛烈回升；HBEA近似呈現(xiàn)一個大“V”加一個小“V”的波動趨勢，2020年以后逐步上升。

圖1 BEA和HBEA價格走勢圖

為了使研究對象具有平穩(wěn)性，進行一階差分處理，通過公式y(tǒng)t=(lnpt-lnpt-1)*100將兩地碳價轉(zhuǎn)換為日對數(shù)收益率，以此進行碳價波動性的研究。其中，yt是日對數(shù)收益率，pt為當日收盤價，pt-1為上一日收盤價。兩地碳價日收益率的描述性統(tǒng)計見表1?？梢?，BEA的收益率波動范圍更廣，標準差更大說明波動更加劇烈；兩地碳價的均值均為0.02，中位數(shù)均為0，峰度全都大于3，說明具有“尖峰”特征，偏度都小于0，表明了兩地收益率序列都是左偏的。

表1 收益率序列的描述性統(tǒng)計

由圖2可見兩地碳價日對數(shù)收益率的波動情況，從該圖中可以初步看出，日收益率序列大部分時段呈現(xiàn)平穩(wěn)態(tài)勢，但在某些階段波動持續(xù)偏大，波動具有集聚性，即一次大波動后往往會緊接著一次大波動，一次下波動后會產(chǎn)生連續(xù)的小波動?？傮w來看，BEA日對數(shù)收益率序列的波動性要大于HBEA。

圖2 收益率序列的時序圖

3.2 數(shù)據(jù)檢驗

運用Q-Q圖來計量檢驗兩地碳價日收益率的正態(tài)性。直線代表高斯正太分布線，而散點對應著碳價收益率分布的分位數(shù)。如果散點分布越是接近直線，則其實際分布則越接近正太分布，反之則越不符合正太分布。從圖3中可以明顯看出兩地碳價的日收益率序列不符合正態(tài)分布，且具有明顯的尖峰厚尾特征。再進行夏皮羅-威爾克檢驗，發(fā)現(xiàn)BEA和HBEA的P值都是小于2.2e-16，拒絕原假設，驗證了碳價收益率不符合正態(tài)分布。

圖3 日對數(shù)收益率Q-Q圖

用ADF檢驗來判斷兩地日對數(shù)收益率的平穩(wěn)性，BEA和HBEA的Dickey-Fuller的值分別為-14.463和-13.92，P值均為0.01，小于0.05，說明在5%的顯著水平上序列是平穩(wěn)的，表明兩地碳價日收益率序列顯著平穩(wěn)。

ARCH-LM檢驗可以用來判斷兩地碳價日收益率的ARCH效應，結果顯示BEA和HBEA的P值都接近于零，表明兩個收益率序列均存在顯著的ARCH效應，可以基于GARCH族模型進一步建模分析。

4 EGARCH模型構建

4.1 模型擬合

通過AIC信息準則來確定條件異方差模型的階數(shù)。經(jīng)過反復試算后發(fā)現(xiàn)，EGARCH模型隨著滯后階數(shù)的增加，AIC的值也在增大。因此，對于BEA和HBEA兩個日對數(shù)收益率序列，使用滯后階數(shù)(1,1)進行EGARCH模型的擬合均為最佳選擇。

根據(jù)上文兩地日收益率的描述性統(tǒng)計和相關檢驗可以發(fā)現(xiàn)，碳價收益率序列具有尖峰肥尾、偏態(tài)等特征。因此，本文選用EGARCH模型，結合Skew-t分布建立Skew-t-EGARCH(1，1)模型，以下是兩者的參數(shù)估計結果：

基于以上參數(shù)估計結果可以得到BEA和HBEA收益率序列的方差方程：

由表2可知，BEA收益率序列幾個重要變量α、β、γ的P值都小于0.05，即在95%的置信水平下是顯著的。HBEA收益率序列的β和γ的P值都小于0.05，而α的P值為0.099，雖然大于0.05但小于0.1，可以認為其在90%的置信水平下是顯著的?？傮w來看，Skew-t-EGARCH(1，1)模型對兩地碳價收益率的擬合情況較好，其中BEA擬合效果更好。為了進一步地檢驗Skew-t-EGARCH模型對碳價收益率擬合效果，繼續(xù)對兩者的殘差項做ARCH效應檢驗，發(fā)現(xiàn)P值均大于5%的顯著性水平，則殘差平方序列純隨機，說明了模型能夠很好地捕捉兩地碳價收益率序列的異方差特性，具有很好的擬合效果。

表2 Skew-t-EGARCH模型參數(shù)估計結果

4.2 模型參數(shù)解釋

BEA和HBEA的杠桿系數(shù)γ<0，且P值小于0.05，系數(shù)顯著。說明兩地碳價波動存在著杠桿效應。具體來看，北京碳市場利好消息對市場的沖擊為 0.381 1 倍 (0.408 4-0.027 3)，利空消息對碳價交易市場的沖擊為 0.435 7 倍 (0.408 4-0.027 3)，利空消息比利好消息更易給北京碳市場帶來較大沖擊。同理計算得出，湖北碳市場的利空消息也比利好消息更易給市場帶來較大的沖擊。我們可以從定性的角度對這一結果加以解釋：目前我國碳排放權交易市場仍然有不健全之處，在考慮投資者大多是風險厭惡者這一前提下，這會加劇投資者的不穩(wěn)定情緒，當利空消息出現(xiàn)時，投資者會愈發(fā)謹慎，市場上的悲觀情緒會高于積極情緒，從而導致碳價的較大幅度下跌。

再從γ的數(shù)值上來看，BEA和HBEA的γ值的絕對值分別為 0.027 3 和 0.021 9，雖然不等于零但是數(shù)值較小，說明杠桿效應雖然存在但是并不是十分明顯，并且和以往學者實證研究得出的γ值的絕對值相比明顯變小了，這也說明了我國統(tǒng)一碳市場的建設是卓有成效的，杠桿效應逐步降低，碳排放權市場體系建設越來越完善。

BEA和HBEA收益率的ARCH項對應的參數(shù)α都大于零，說明外部沖擊會加劇碳價的波動，碳價的日對數(shù)收益率波動呈現(xiàn)出波動聚集性的現(xiàn)象，一次大波動后往往會伴隨著大波動，一次小波動之后也會有緊接著產(chǎn)生小波動[10]；兩者GARCH項參數(shù)β顯著大于ARCH項參數(shù)α，表明碳價波動會受到突發(fā)事件的顯著影響。同時，BEA收益率序列的α+β>1，表明北京碳價波動調(diào)整時間較長，在過去的波動和外界的沖擊下，碳價會出現(xiàn)一定大幅度波動，并且需要有較長時間的調(diào)整。

5 結論與建議

5.1 結論

本文選用北京和湖北碳排放權市場收益率作為研究對象，經(jīng)過數(shù)據(jù)處理和分析后發(fā)現(xiàn)，碳價同諸多金融資產(chǎn)一樣，收益率序列呈現(xiàn)尖峰厚尾、有偏、波動具有集聚性等特征。為了更好地研究碳價波動情況，本文選用Skew-t分布刻畫收益率序列的概率分布，選用EGARCH模型來描述收益率的波動特征，構建Skew-t-EGARCH模型并對擬合效果和各個參數(shù)結果進行了分析，研究發(fā)現(xiàn)北京碳排放權市場價格波動更加劇烈，Skew-t-EGARCH模型能夠較好地擬合碳價收益率序列的波動情況，碳排放權市場仍然具有一定的杠桿效應，利空消息會比利好消息產(chǎn)生更加顯著的影響，但杠桿效應有減弱的趨勢，全國統(tǒng)一的碳市場建設取得一定成效。結合現(xiàn)有文獻的研究結果可以發(fā)現(xiàn)，湖北和北京兩地碳價符合全國碳市場的普遍特征，具有鮮明的代表性和可借鑒性，也為全國統(tǒng)一碳排放權交易市場未來的發(fā)展提供了數(shù)據(jù)支持。從未來趨勢來看，伴隨著全國統(tǒng)一碳市場的建設，可以預期，未來我國碳價的波動性會逐步趨于穩(wěn)定，碳價的杠桿效應會進一步減弱甚至消失，碳市場將更有效地發(fā)揮其促進節(jié)能減排和綠色低碳的作用。

5.2 政策建議

針對目前我國碳排放權市場存在的價格波動性較大、有杠桿效應、利空消息會對市場產(chǎn)生更大的沖擊的問題，本文提出了以下幾點政策建議。首先，進一步完善全國統(tǒng)一的碳市場建設，加快推進碳期貨市場建設；其次，健全碳價的調(diào)控和干預機制，努力減少碳市場的價格波動性；再次，完善監(jiān)管機制，學習借鑒國外先進監(jiān)管體系[11]。最后，完善碳排放權交易的信息保障機制。