劉志洋 馬欣頔 解瑤姝

(東北師范大學(xué)經(jīng)濟(jì)與管理學(xué)院，吉林 長春 130117)

一、引言

從系統(tǒng)角度研究碳市場與其他類型金融市場之間的關(guān)聯(lián)性對于金融市場發(fā)展意義重大。自2005年歐盟ETS(Emission Trading Scheme)系統(tǒng)建立，碳資產(chǎn)吸引了投資者和學(xué)術(shù)界的廣泛關(guān)注。在市場動蕩時期，由于碳市場與金融市場之間的割裂，碳市場能夠?yàn)榇笞谏唐吠顿Y者提供分散風(fēng)險的工具(Uddin et al.，2018)。Graham et al.(2016)指出，碳期貨的空頭頭寸能夠成為股票投資組合很好的補(bǔ)充。全球經(jīng)濟(jì)增長預(yù)期下降以及與金融市場互動效應(yīng)增強(qiáng)，歐盟排放配額(European Union Allowances，EUA)期貨價格波動性顯著增強(qiáng)，這意味著能源型行業(yè)需要對沖碳資產(chǎn)價格波動風(fēng)險(Balcilar et al.，2016；Wen et al.，2017)。碳市場金融化程度的日益加深表明市場間關(guān)聯(lián)度上升，風(fēng)險傳染性會更強(qiáng)(Berta et al.，2017)。

降低經(jīng)濟(jì)發(fā)展過程中所產(chǎn)生的溫室氣體排放是中國實(shí)現(xiàn)經(jīng)濟(jì)社會可持續(xù)發(fā)展的重要目標(biāo)。2011年我國政府在“十二五”規(guī)劃中正式提出逐步建立碳排放權(quán)交易市場。2013―2016年，深圳、上海、福建等地先后啟動碳排放權(quán)市場交易試點(diǎn)，2017年全國碳市場建設(shè)正式啟動，并于2021年以電力行業(yè)為突破口開始正式運(yùn)行。碳市場是碳排放權(quán)及其衍生產(chǎn)品定價和交易的場所，通過價格機(jī)制約束實(shí)體經(jīng)濟(jì)發(fā)展過程中的溫室氣體排放。隨著各類政策的大力支持，我國碳市場逐漸發(fā)展并走向成熟。在碳市場發(fā)展過程中，其與金融市場的相關(guān)性逐漸增加，與金融市場、能源市場之間的反饋效應(yīng)逐漸加強(qiáng)。

當(dāng)前，國內(nèi)外學(xué)者正逐漸建立“碳市場-能源市場-金融市場”的宏觀分析框架來研究三類市場之間的溢出效應(yīng)，使用的方法主要是Diebold-Yilmaz溢出指數(shù)。雖然該框架能夠?qū)⒏黝愂袌鲞B接起來，建立相互溢出影響關(guān)系，但Diebold-Yilmaz溢出指數(shù)的計算面臨著模型變量多、自由度損失大的問題，且忽略了變量之間相互影響的非對稱性特征。本文在國內(nèi)外學(xué)者建立的“碳市場-能源市場-金融市場”分析框架基礎(chǔ)上，在傳統(tǒng)向量自回歸模型中引入稀疏性懲罰函數(shù)，建立BigVAR模型，比較研究中國全國性碳市場推出前后，碳市場、能源市場、金融市場主要變量之間的相互影響關(guān)系。

二、文獻(xiàn)綜述

國家層面的資產(chǎn)分散化配置有助于降低投資組合風(fēng)險(Singh et al.，2019)。隨著歐盟ETS交易系統(tǒng)的啟動，從全球金融市場角度研究碳市場的學(xué)術(shù)文獻(xiàn)增加較快，主要的研究內(nèi)容為碳市場與能源市場之間的關(guān)聯(lián)度(Kanamura，2016；Wen et al.，2017)、與非能源類金融資產(chǎn)的關(guān)聯(lián)度(Tian et al.，2016；Tan and Wang，2017)以及與資本市場之間的波動溢出效應(yīng)(J i et al.，2018；Wang and Guo，2018)。

關(guān)聯(lián)碳市場與金融市場主要有兩個渠道：第一是信息渠道，以“收益率溢出”為主要表現(xiàn)形式，具有價格發(fā)現(xiàn)功能(Kodres and Pritsker，2002)；第二是風(fēng)險溢價渠道，以“波動溢出”為主要表現(xiàn)形式，反映沖擊如何影響投資者持有風(fēng)險資產(chǎn)的意愿(Acharya and Pedersen，2005)。能源價格影響碳價格的渠道有生產(chǎn)約束渠道、替換效應(yīng)、需求效應(yīng)、產(chǎn)業(yè)鏈路徑等(Tan and Wang，2017)。能源市場與股票市場關(guān)聯(lián)度的研究非常豐富，關(guān)聯(lián)機(jī)制包括投資路徑機(jī)制(Tang and Xiong，2012)、交易員融資流動性機(jī)制(Brunnermeier and Pedersen，2009)、匯率機(jī)制(Cashin et al.，2004)。因此，從理論角度看，有必要系統(tǒng)地研究“碳市場-能源市場-股票市場”三者間的溢出效應(yīng)關(guān)系。

研究碳市場與能源市場之間關(guān)聯(lián)度的學(xué)術(shù)成果非常豐富，研究方法包括格蘭杰因果檢驗(yàn)(Keppler and Mansanet-Bataller，2010)、向量自回歸(Kumar et al.，2012)、小波分析方法(Sousa et al.，2014)、多元GARCH模型(Zhang and Sun，2016)、DY指數(shù)(Ji et al.，2018)等。在碳市場與能源市場關(guān)聯(lián)度方面，Mansanet-Bataller et al.(2007)和Alberola et al.(2008)是兩篇較早進(jìn)行實(shí)證研究的文獻(xiàn)。基于期貨市場和即期市場的時間序列數(shù)據(jù)，他們發(fā)現(xiàn)歐盟ETS碳價格與石油、天然氣、煤炭等價格密切相關(guān)。Keppler and Mansanet-Bataller(2010)實(shí)證分析表明，歐盟EUA期貨價格受電煤價差(Dark Spread)、電燃?xì)鈨r差(Spark Spread)顯著影響。隨著研究方法的改進(jìn)，學(xué)者們發(fā)現(xiàn)碳市場與能源市場之間的關(guān)聯(lián)度具有非線性特征(Zachmann，2013；Yu et al.，2015)。Hammoudeh et al.(2015)使用非線性自回歸分布滯后模型發(fā)現(xiàn)，原油價格對EUA價格的影響具有長期非線性特征?？紤]到數(shù)據(jù)頻率的不一致性，Sousa et al.(2014)使用多元小波分析法，發(fā)現(xiàn)碳市場價格領(lǐng)先于電力市場，但煤炭價格領(lǐng)先于碳市場。在極端風(fēng)險關(guān)聯(lián)度方面，Copulas函數(shù)以及分位數(shù)回歸分析也表明，碳市場與能源市場之間存在尾部相關(guān)性(Tan and Wang，2017；Marimoutou and Soury，2015)。

在碳市場與非能源類金融市場的關(guān)聯(lián)度方面，Oberndorfer(2009)是較早研究碳市場與股票市場關(guān)聯(lián)度的論文。Chevallier(2009)從宏觀視角進(jìn)行實(shí)證分析，發(fā)現(xiàn)碳市場與股票、債券市場之間的關(guān)聯(lián)度較弱。Chevallier(2012)還使用含有潛變量因子加強(qiáng)向量自回歸模型(Factor-Augmented Vector Autoregression model with latent factors)研究碳市場與115個宏觀經(jīng)濟(jì)變量之間的關(guān)系，發(fā)現(xiàn)大宗商品市場能夠解釋碳價格變化的28%，解釋占比第一。Yu and Mallory(2014)發(fā)現(xiàn)能源價格、匯率與碳市場密切相關(guān)。由于碳市場與金融市場存在相關(guān)性，因此得到許多投資者的青睞。Zheng et al.(2015)指出，歐盟EUA具有投資屬性，可與股票、貨幣、大宗商品進(jìn)行組合投資。Tian et al.(2016)也發(fā)現(xiàn)，碳價格與電力公司股票存在顯著相關(guān)性，原因是碳排放權(quán)購買增加了電力公司的成本和現(xiàn)金流波動，密切了電力公司股票與碳價格之間的關(guān)系。實(shí)證分析也表明，股票收益率和短期國債收益率均與碳價格存在極值相關(guān)性(Tan and Wang，2017)。除價格關(guān)聯(lián)度外，學(xué)者們近期也開始運(yùn)用各類多元GARCH模型研究碳市場和其他金融市場之間的波動溢出效應(yīng)。Wen et al.(2017)發(fā)現(xiàn)，煤與碳的價格息息相關(guān)。此外，石油、天然氣與碳排放權(quán)價格之間存在波動溢出效應(yīng)，且當(dāng)資本市場波動性上升時，碳市場與股票市場之間的波動溢出效應(yīng)更顯著(Chevallier，2012；Koch，2014)。

雖然Koch(2014)使用多元GARCH模型研究了碳市場、能源市場(石油、煤、電力)、股票市場、債券市場之間的波動傳導(dǎo)機(jī)制，但沒有有效區(qū)分具體的傳導(dǎo)方向，且分析中缺乏動態(tài)化機(jī)制，沒有有效捕捉動態(tài)溢出中的結(jié)構(gòu)性斷點(diǎn)。Tan et al.(2020)在此方向上使用歐盟數(shù)據(jù)進(jìn)行了拓展研究，但中國與歐盟的背景和國情存在巨大差異。中國的碳市場是正在從相對割裂走向全國統(tǒng)一，并且過程中各子市場的碳交易價格缺乏連續(xù)性；在經(jīng)濟(jì)增長中實(shí)施“雙碳”戰(zhàn)略的壓力也主要指轉(zhuǎn)型行業(yè)的壓力，金融變量的選取應(yīng)聚焦于轉(zhuǎn)型行業(yè)。

因此，相較于之前學(xué)者們的研究，本文的主要內(nèi)容及創(chuàng)新之處在于：第一，從“碳市場-能源市場-金融市場”的系統(tǒng)觀點(diǎn)出發(fā)，立足我國從區(qū)域性碳市場走向區(qū)域性與全國性碳市場并存的發(fā)展路徑，研究2021年7月16日全國性碳市場推出前后三類市場之間關(guān)系出現(xiàn)的結(jié)構(gòu)性變化，這能夠?yàn)檎咧贫ㄕ吆褪袌鰠⑴c者提供啟示。第二，為了避免以偏概全，在全國性碳市場未正式運(yùn)行前，本文采用基于交易量和交易額加權(quán)的方式構(gòu)造全國性碳排放權(quán)價格，最大限度地保留地區(qū)性碳排放權(quán)市場之間的關(guān)聯(lián)度所隱含的碳排放權(quán)價格信息。對模型變量進(jìn)行的加權(quán)處理，能夠提高變量聚焦性，降低模型變量維度。第三，在股票市場變量選擇上，針對低碳轉(zhuǎn)型行業(yè)，本文構(gòu)造基于行業(yè)碳排放量加權(quán)的行業(yè)指數(shù)收益率作為衡量碳市場對股票市場影響的目標(biāo)變量，從而將影響的方向聚焦于低碳轉(zhuǎn)型行業(yè)；在此基礎(chǔ)上，使用BigVAR模型進(jìn)行變量降維，提取主要變量之間的非對稱性相互特征，明晰“碳市場-能源市場-金融市場”三者之間的相互影響關(guān)系。

三、樣本數(shù)據(jù)構(gòu)建與描述

為了實(shí)現(xiàn)低碳增長目標(biāo)，中國在2011年提出建立碳排放權(quán)交易市場計劃，并于2013年率先在深圳開始碳排放權(quán)交易。在2021年全國性碳排放市場正式運(yùn)行之前，中國已經(jīng)在重慶、深圳、湖北、北京、上海、天津、廣東和福建八個省市建立了區(qū)域性的碳排放權(quán)交易市場。雖然八個區(qū)域性碳排放權(quán)交易市場的制度和價格決定機(jī)制不同，但這些市場都促進(jìn)了低碳技術(shù)的研發(fā)，降低了所在地區(qū)的碳排放量(Munnings et al.，2016；Liu et al.，2020；Zhang et al.，2020)。

2021年7月16日，全國性碳市場正式運(yùn)行。由于中國國土面積廣闊，區(qū)域經(jīng)濟(jì)發(fā)展差異明顯，不同地區(qū)的企業(yè)面對不同的區(qū)域環(huán)境，因此，碳排放量和對碳排放權(quán)的需求特征存在差異，某一特定區(qū)域的企業(yè)需要承受其他碳市場的溢出沖擊(Guo and Feng，2021)。比如，北京碳市場的價格形成受到北京地區(qū)天氣狀況、電力消耗、相關(guān)政策等因素影響，這些影響會傳遞給上海碳市場交易的企業(yè)。由于中國經(jīng)濟(jì)是一個整體，各地區(qū)經(jīng)濟(jì)之間密切關(guān)聯(lián)，因此八家碳排放權(quán)交易市場必然存在密切的溢出效應(yīng)，相互之間影響顯著(Guo and Feng，2021)。

(一)全國性碳排放權(quán)交易價格構(gòu)建說明

我國學(xué)者研究了碳市場與其他類型金融市場之間的關(guān)聯(lián)特征。在樣本選擇上，我國學(xué)者都是對某一個地區(qū)的碳排放權(quán)交易市場進(jìn)行實(shí)證分析。具體而言，劉建和等(2021)以湖北碳排放權(quán)交易市場和深圳碳排放權(quán)交易市場為代表進(jìn)行實(shí)證分析；王喜平和王雪萍(2021)以北京、上海、廣東、深圳和湖北碳排放權(quán)交易市場為代表進(jìn)行實(shí)證分析；王超和楊寶臣(2021)也僅以湖北碳排放權(quán)交易市場代表全國性碳排放交易市場進(jìn)行實(shí)證分析；趙領(lǐng)娣等(2021)以上海、北京、廣東、湖北碳排放權(quán)交易市場為研究樣本。本文發(fā)現(xiàn)，雖然重慶、福建等碳排放權(quán)交易市場存在交易量不大、市場流動性有限等問題，但這八個區(qū)域性碳排放權(quán)交易省市都是我國經(jīng)濟(jì)增長較為迅速的地區(qū)，經(jīng)濟(jì)與全國其他地區(qū)關(guān)聯(lián)度較高，因此正如Guo and Feng(2021)所說，這些地區(qū)的碳排放權(quán)價格形成也一定存在關(guān)聯(lián)機(jī)制。

為了最大限度地運(yùn)用市場信息，構(gòu)建基于這八家地區(qū)性碳排放權(quán)交易所的全國性碳排放權(quán)價格，本文分別以每日交易所產(chǎn)生的碳排放權(quán)交易量和交易額為權(quán)重，對八家地區(qū)性碳排放交易所的價格進(jìn)行加權(quán)平均，得到基于碳排放權(quán)交易量和交易額的全國性碳加權(quán)平均價格。在實(shí)證分析中，本文對加權(quán)價格取日度對數(shù)收益率。圖1顯示，這兩種加權(quán)機(jī)制所形成的碳排放權(quán)價格的走勢基本相同，且能夠有效避免單一區(qū)域表示全國碳排放權(quán)市場的樣本選擇偏差問題，防止以偏概全。

圖1 碳排放權(quán)加權(quán)收益率走勢

本文的樣本期間至2021年12月31日。由于在2021年7月16日我國推出了全國性碳市場，因此本文以2021年7月16日為分界點(diǎn)，將樣本分為兩個時間段進(jìn)行實(shí)證分析。在2021年7月16日以后的實(shí)證分析中，由于在實(shí)際交易活動中八家地區(qū)性碳市場仍在運(yùn)行，因此本文同時將所得到的加權(quán)價格和全國性碳排放權(quán)交易價格納入統(tǒng)一模型框架。本文碳排放權(quán)交易的數(shù)據(jù)來源為Wind數(shù)據(jù)庫。從圖2可以看出，八家地區(qū)性碳排放權(quán)交易所加權(quán)得到的價格時間序列與全國碳排放權(quán)市場的價格走勢存在一定差異，這說明全國性碳市場運(yùn)行可能與區(qū)域碳排放權(quán)市場運(yùn)行存在分割，其他類型金融市場對碳排放權(quán)市場的影響可能存在差異。

圖2 碳排放權(quán)加權(quán)收益率與全國收益率走勢比較(2021.7.16―2021.12.31)

(二)股票市場變量構(gòu)建說明

碳市場與股票市場存在密切關(guān)聯(lián)，學(xué)者們在引入股票市場變量時，往往以滬深300指數(shù)、歐盟STOXX600指數(shù)等衡量整體市場表現(xiàn)的變量作為代表(王超和楊寶臣，2021；Tan et al.，2020)。

2016年，國家發(fā)改委發(fā)布《關(guān)于切實(shí)做好全國碳排放權(quán)交易市場啟動重點(diǎn)工作的通知》，將電力、石化、鋼鐵、化工、建材、有色、造紙和交通運(yùn)輸中的航空作為重點(diǎn)排放行業(yè)。雖然經(jīng)濟(jì)低碳轉(zhuǎn)型是系統(tǒng)性事件，但對于各行業(yè)的影響存在顯著差異。在資源分配方面，我國是煤炭富有而油氣稀缺的國家，煤炭消耗主要集中于工業(yè)部門，這是我國碳排放的主要“貢獻(xiàn)者”。從煤炭消費(fèi)的行業(yè)分布看，我國煤炭消費(fèi)以電力、熱力的生產(chǎn)和供應(yīng)業(yè)為主，而火電行業(yè)是該行業(yè)碳排放的“主力軍”。此外，石油加工與煉焦、核燃料加工業(yè)、黑色金屬冶煉及壓延加工業(yè)、非金屬礦物制品業(yè)、煤炭開采與洗選業(yè)、有色金屬冶煉及壓延加工業(yè)的煤炭消費(fèi)量也處于較高水平。我國行業(yè)煤炭消費(fèi)分布集中，各行業(yè)碳排放差異較大，在綜合考慮煤炭、石油、天然氣消費(fèi)的情況下，電力、熱力的生產(chǎn)和供應(yīng)業(yè)、石油加工與煉焦及核燃料加工業(yè)、化學(xué)原料及化學(xué)制品制造業(yè)、黑色金屬冶煉及壓延加工業(yè)、非金屬礦物制品業(yè)、煤炭開采和洗選業(yè)的碳排放處于較高水平。據(jù)中國碳核算數(shù)據(jù)庫顯示，2017年全國碳排放量達(dá)93.39億噸，較2000年上漲63.36億噸，其中電力和鋼鐵是最大的碳排放行業(yè)；八大行業(yè)的碳排放占比接近90%，由高到低依次是電力(主要是火電，44%)、鋼鐵(18%)、建材(13%)、交通運(yùn)輸(含航空，8%)、化工(3%)、石化(2%)、有色(1%)、造紙(0.3%)(中金公司研究部和中金研究院，2021)。

本文選取受碳市場影響較大的電力、鋼鐵、建材、交通運(yùn)輸、化工、石化、有色、造紙八大行業(yè)，以各年份各行業(yè)碳排放為權(quán)重，對這些代表性行業(yè)的指數(shù)收益率進(jìn)行加權(quán)得到行業(yè)加權(quán)收益率，作為股票市場受碳排放權(quán)影響較大的行業(yè)變量代表。其中鋼鐵、石化和有色的行業(yè)收益率分別是基于大智慧黑色金屬板塊、煤炭石油板塊和有色金屬板塊的收盤價取對數(shù)收益率處理，其余行業(yè)收益率源自Wind數(shù)據(jù)庫的各行業(yè)漲跌幅數(shù)據(jù)；各行業(yè)所占權(quán)重以其碳排放量在總碳排放量中所占的比例代表，依據(jù)Wind數(shù)據(jù)庫各行業(yè)所包括的具體部門，電力行業(yè)碳排放量以“生產(chǎn)和供應(yīng)的電力、蒸汽和熱水”部門的碳排放量表示；鋼鐵行業(yè)的碳排放量以“黑色金屬礦產(chǎn)開采和選礦”和“黑色金屬冶煉及壓延加工業(yè)”兩部門碳排放量加總所得；建材行業(yè)的碳排放量以“非金屬礦物開采和選礦”“非金屬礦產(chǎn)”“木材加工、竹、藤、棕櫚纖維”以及“家具制造”四部門的碳排放量加總得到；交通運(yùn)輸行業(yè)的碳排放量以“運(yùn)輸、倉儲、郵電服務(wù)”部門的碳排放量表示；化工行業(yè)的碳排放量以“化學(xué)原料和化學(xué)制品”“化學(xué)纖維”“橡膠制品”以及“塑料制品”四部門碳排放量加總得到；石化行業(yè)的碳排放量以“生產(chǎn)和供應(yīng)的天然氣”“天然氣”“石油和天然氣開采”“石油加工、煉焦”“液化石油氣”以及“其他石油產(chǎn)品”的碳排放量加總得到；有色行業(yè)的碳排放量以“有色金屬冶煉及壓延加工業(yè)”及“有色金屬礦產(chǎn)開采和選礦”碳排放量加總代表；造紙行業(yè)的碳排放量以“造紙和紙制品”部門的碳排放量代表，上述碳排放數(shù)據(jù)均源自Wind數(shù)據(jù)庫。

(三)其他變量選擇

碳排放與能源消耗密切相關(guān)，與經(jīng)濟(jì)活動緊密相連，因此其與能源市場、股票市場、外匯市場、債券市場存在相關(guān)性。根據(jù)劉建和等(2021)、王超和楊寶臣(2021)、趙領(lǐng)娣等(2021)、王喜平和王雪萍(2021)、Guo and Feng(2021)等研究，本文在模型中進(jìn)一步引入刻畫股票市場、能源市場、債券市場、外匯市場的金融變量。在股票市場方面，本文使用滬深300指數(shù)的日度對數(shù)收益率控制股票市場整體的系統(tǒng)風(fēng)險；在能源市場方面，本文選取在我國期貨市場中交易的動力煤、瀝青、燃油、焦炭、原油連續(xù)期貨合約價格的對數(shù)收益率進(jìn)行刻畫；在債券市場方面，本文選取隔夜SHIBOR、國債指數(shù)、企債指數(shù)的對數(shù)收益率進(jìn)行衡量；在外匯市場方面，本文選擇美元兌人民幣的對數(shù)收益率進(jìn)行刻畫。

四、基于BigVAR模型的實(shí)證結(jié)果與分析

我國原油期貨交易起始于2018年3月27日。鑒于原油在能源市場中的重要性，本文樣本數(shù)據(jù)期間為2018年3月27日至2021年12月31日，數(shù)據(jù)頻率為日度。其中，2021年7月16日至2021年12月31日為全國性碳市場的運(yùn)行期間。本文實(shí)證模型樣本數(shù)量較多，自由度損失較大，為了更加清晰刻畫變量之間的相互影響關(guān)系，本文使用具有降維特征的BigVAR模型進(jìn)行實(shí)證分析。

(一)模型設(shè)定

本文擬使用向量自回歸模型(VAR)進(jìn)行實(shí)證分析。本文將所有模型變量的時間序列均作為內(nèi)生變量處理，因此會面臨模型變量維數(shù)多而導(dǎo)致的自由度大幅度耗損問題。BigVAR模型是在傳統(tǒng)向量自回歸(VAR)模型框架下施加稀疏結(jié)構(gòu)懲罰函數(shù)，從而減少參數(shù)空間，克服了在高維和多時滯序列下VAR模型過度參數(shù)化(over parameterized)問題。BigVAR模型包含施加稀疏性懲罰(VARX-L)模型和分層向量自回歸(Hierarchical Vector Autoregression，HVAR)模型。

VARX()模型結(jié)構(gòu)定義為：

其中，是由交叉驗(yàn)證(cross-validation)方法估計得到的懲罰參數(shù)(penalty parameter)。p(Φ)為內(nèi)生變量系數(shù)矩陣的懲罰函數(shù)，p()為外生變量系數(shù)矩陣的懲罰函數(shù)。

在本文的實(shí)證分析中，所有指數(shù)均作為內(nèi)生變量處理，因此當(dāng)不存在外生變量x時，即==0時，VARX-L模型定義為：

本文使用VARX-L模型的以下兩種懲罰函數(shù)的模型結(jié)構(gòu)，具體為：第一，Yuan and Lin(2006)提出的Lag Group VARX-L模型。該方法考慮多元時間序列的固有結(jié)構(gòu)，已經(jīng)成為一種流行的懲罰函數(shù)設(shè)定方式，其懲罰函數(shù)為：

在模型檢驗(yàn)方面，本文首先采用均方預(yù)測誤差(Mean Square Forecast Error，MSFE)衡量上述每種模型設(shè)定的表現(xiàn)。MSFE數(shù)值越小，模型表現(xiàn)越好，繼而能夠選擇用來判斷變量之間關(guān)系的模型形式。在此基礎(chǔ)上，本文根據(jù)參數(shù)估計的顯著性水平和正負(fù)數(shù)值對變量之間的相互影響關(guān)系進(jìn)行歸類總結(jié)。MSFE具體表達(dá)式為：

其中，為樣本期的三分之一時間點(diǎn)，為樣本期三分之二的時間點(diǎn)。

(二)實(shí)證結(jié)果

2021年7月16日，全國性碳市場開始運(yùn)行，這對我國碳市場產(chǎn)生了結(jié)構(gòu)性影響?？紤]到我國原油期貨的上市交易日期，本文的樣本時間分為兩段：全國性碳市場運(yùn)行之前(2018年3月27日至2021年7月15日)、全國性碳市場運(yùn)行之后(2021年7月16日至2021年12月31日)。本文在實(shí)證過程中需要參考系數(shù)估計矩陣的稀疏圖，因此變量順序與后文中系數(shù)估計矩陣稀疏圖存在一一對應(yīng)關(guān)系。在全國性碳市場運(yùn)行之前的實(shí)證分析中，變量順序?yàn)椋撼山涣考訖?quán)收益率(成交額加權(quán)收益率)、行業(yè)加權(quán)收益率、滬深300、動力煤連續(xù)、瀝青近月、燃油近月、焦炭近月、原油近月、隔夜SHIBOR、國債指數(shù)、企債指數(shù)、美元兌人民幣(CFETS)。在推出全國性碳市場運(yùn)行之后的實(shí)證分析中，本文將全國性碳市場收益率數(shù)據(jù)放在“成交量加權(quán)收益率(成交額加權(quán)收益率)”之后。

本文使用AIC和SC準(zhǔn)則確定模型滯后階數(shù)。表1為模型的MSFE檢驗(yàn)結(jié)果，圖3和圖4為系數(shù)矩陣估計值的稀疏性和顯著性檢驗(yàn)結(jié)果。從表1可以看出，三類懲罰函數(shù)的MSFE值基本相同，說明三類模型表現(xiàn)類似，但Componentwise HVAR形式和Lag Group形式的MSFE值略小。圖3和圖4是估計系數(shù)矩陣的稀疏結(jié)構(gòu)圖，用以判斷變量之間影響的顯著性水平。本文對表2中“影響強(qiáng)度較大”和“一般性影響強(qiáng)度”的直觀性判斷標(biāo)準(zhǔn)(色調(diào)背后其實(shí)是模型產(chǎn)生的顯著性檢驗(yàn)結(jié)果)為：根據(jù)圖3和圖4的色調(diào)顯示，凡是比白色色調(diào)深但是比其他方格色調(diào)淺的紫色方格所對應(yīng)的系數(shù)表示為一般性影響強(qiáng)度，其余較深的紫色色調(diào)均判定為影響較大的系數(shù)。圖3和圖4系數(shù)矩陣稀疏圖表明Lag Group形式中變量之間的關(guān)系影響顯著性表現(xiàn)更好。

表2 影響碳排放權(quán)市場變量匯總(2018.3.27―2021.7.15)

圖3 系數(shù)矩陣稀疏結(jié)構(gòu)(碳市場成交量加權(quán)收益率)

圖4 系數(shù)矩陣稀疏結(jié)構(gòu)(碳市場成交額加權(quán)收益率)

表1 BigVAR 估計結(jié)果的MSFE 值(2018.3.27―2021.7.15)

表2顯示，原油期貨、動力煤期貨、焦炭期貨等能源期貨收益率變化對碳市場加權(quán)收益率存在顯著的正向影響，當(dāng)能源價格上漲時，碳排放權(quán)交易價格整體呈現(xiàn)上漲趨勢。這說明，當(dāng)經(jīng)濟(jì)體對能源具有強(qiáng)烈需求時，經(jīng)濟(jì)體的碳排放量會增加，因此對碳排放權(quán)的需求也會增加，進(jìn)而導(dǎo)致碳排放權(quán)價格上漲。這也說明，當(dāng)前我國低碳轉(zhuǎn)型戰(zhàn)略對企業(yè)的碳排放行為具有一定的約束力。當(dāng)經(jīng)濟(jì)體對能源需求增加時，企業(yè)會通過購買碳排放權(quán)的形式排放二氧化碳，碳排放權(quán)的價格約束機(jī)制反映了市場碳排放需求的信號。同時，股票市場行業(yè)加權(quán)收益率對碳排放權(quán)的影響也顯著為正，當(dāng)?shù)吞嫁D(zhuǎn)型行業(yè)整體向好發(fā)展時，對碳排放權(quán)的需求是上升的。一方面說明這些低碳轉(zhuǎn)型行業(yè)在轉(zhuǎn)型過程中仍需要碳排放，很難在短時間內(nèi)實(shí)現(xiàn)綠色低碳轉(zhuǎn)型；另一方面也說明碳排放權(quán)市場的價格傳導(dǎo)機(jī)制對低碳轉(zhuǎn)型行業(yè)是敏感的，傳導(dǎo)機(jī)制順暢。但是碳排放權(quán)價格對股票行業(yè)加權(quán)收益率的影響顯著性不高(圖3和圖4中的色調(diào)較淺)，說明在全國性碳市場推出之前，碳排放權(quán)市場并沒有對相關(guān)行業(yè)的碳排放形成顯著的約束機(jī)制，原因可能是碳排放權(quán)市場相對分散，難以形成約束合力。因此，本文提出，碳排放市場與相關(guān)行業(yè)股票加權(quán)收益率市場的相互影響關(guān)系存在非對稱性。碳排放權(quán)市場是被動響應(yīng)行業(yè)碳排放需求，但反作用的約束機(jī)制似乎并沒有顯現(xiàn)。從碳排放權(quán)交易影響情況(見表3)看，碳排放權(quán)市場對能源市場具有顯著的負(fù)面影響，說明較低的碳排放權(quán)價格會增加企業(yè)對能源的消費(fèi)，碳排放權(quán)市場并沒有形成降低能源消耗的機(jī)制；而較高的碳價格卻能降低能源收益率，說明碳排放權(quán)價格上漲會降低能源需求，從而降低能源消耗。

表3 受碳排放市場影響的變量結(jié)果匯總(2018.3.27―2021.7.15)

從圖3和圖4中的Lag Group結(jié)構(gòu)系數(shù)矩陣稀疏圖可以看出，在碳市場成交量加權(quán)收益率和碳市場成交額加權(quán)收益率的各自模型體系下，能源市場與金融市場各變量間的相互作用關(guān)系基本上表現(xiàn)出一致性。在對SHIBOR隔夜利率的影響方面，動力煤期貨、瀝青期貨對SHIBOR隔夜利率的影響為正，燃油期貨、焦炭期貨對其影響為負(fù)；SHIBOR隔夜利率對燃油期貨、焦炭期貨的影響為正，對動力煤期貨、原油期貨的影響為負(fù)。這說明，能源市場對隔夜SHIBOR利率的影響具有一定的不對稱性。在股票市場方面，無論是基于碳市場成交量加權(quán)收益率還是碳市場成交額加權(quán)收益率，行業(yè)加權(quán)收益率對焦炭期貨影響為正；動力煤期貨、瀝青期貨、燃油期貨對行業(yè)加權(quán)收益率影響為負(fù)。這說明能源價格上漲會沖擊相關(guān)行業(yè)的上市公司。滬深300對瀝青期貨、焦炭期貨的影響為正，對動力煤期貨、燃油期貨的影響為負(fù)。

本文實(shí)證結(jié)果顯示，能源市場對碳市場形成正向影響，說明當(dāng)實(shí)體經(jīng)濟(jì)對能源需求強(qiáng)烈時，對碳排放權(quán)的需求也非常強(qiáng)烈；碳排放權(quán)對能源市場存在負(fù)向影響，說明碳排放權(quán)價格較高會降低對能源的需求，從而抑制能源的消耗。碳市場與能源市場之間的影響具有非對稱性。低碳轉(zhuǎn)型行業(yè)股票收益率上漲會增加對碳排放權(quán)的需求，對碳市場產(chǎn)生正向影響，但碳市場對低碳轉(zhuǎn)型行業(yè)的影響相對較弱，說明碳市場沒有對低碳轉(zhuǎn)型行業(yè)形成實(shí)質(zhì)性的主動約束，二者之間的影響關(guān)系也具有非對稱性。此外，能源市場與金融市場之間的影響關(guān)系也呈現(xiàn)一定的不對稱性和復(fù)雜性特征。

本文根據(jù)AIC和SC確定模型的滯后階數(shù)，表4為各類懲罰性函數(shù)的模型估計效果。從中可以看出，對于成交量加權(quán)收益率，Lag Group結(jié)構(gòu)表現(xiàn)優(yōu)異；對于成交額加權(quán)收益率，Lag-Weighted Lasso結(jié)構(gòu)的表現(xiàn)相對優(yōu)異。圖5和圖6為系數(shù)估計矩陣稀疏性圖，表示變量之間影響的顯著性程度。本部分對變量影響顯著性的判斷標(biāo)準(zhǔn)如前所述。

表4 BigVAR 估計結(jié)果的MSFE 值(2021.7.16―2021.12.31)

圖5 系數(shù)矩陣稀疏結(jié)構(gòu)(碳市場成交量加權(quán)收益率)

圖6 系數(shù)矩陣稀疏結(jié)構(gòu)(碳市場成交額加權(quán)收益率)

如果在模型中同時引入碳排放權(quán)加權(quán)收益率和全國性碳市場收益率，表5與表2相比，實(shí)證結(jié)果顯示，各區(qū)域市場的加權(quán)碳價格上升會顯著提升全國碳排放價格，但全國碳排放價格對區(qū)域性碳價格的影響卻不相同。主要原因在于，本文對區(qū)域碳排放市場進(jìn)行基于成交量和成交額的加權(quán)，這種加權(quán)可以表示區(qū)域整體碳價格的走向，因此如果大多數(shù)分割的子市場碳排放價格上漲，就意味著整體全國碳排放價格上漲；但全國碳排放價格上漲卻不一定會傳遞到每一個區(qū)域性子市場中，不同地區(qū)的碳排放市場的碳排放價格受本地區(qū)供需的影響也可能較大。因此，全國性碳排放市場與區(qū)域性碳排放市場的傳導(dǎo)存在單向特征。

從商品市場看，動力煤期貨無論對全國還是區(qū)域碳排放權(quán)市場的影響均顯著為正，而原油期貨僅對區(qū)域性碳排放市場的影響顯著為正。這說明，在當(dāng)前“雙碳”戰(zhàn)略背景下，對煤需求增加導(dǎo)致碳排放權(quán)的需求上升，可通過全國性碳市場和地區(qū)性碳市場來滿足，而原油價格對碳排放權(quán)的影響具有區(qū)域性特征。能源價格上漲說明經(jīng)濟(jì)體能源需求上升，進(jìn)而會增加碳排放需求，表明能源市場與碳市場緊密關(guān)聯(lián)，傳導(dǎo)機(jī)制相對順暢；也從反面證明，企業(yè)增加能源消費(fèi)需要考慮碳排放問題，否則不會出現(xiàn)能源價格上升導(dǎo)致碳排放權(quán)價格上升的正向溢出效應(yīng)。

表5和表6顯示，在引入全國性碳市場后，滬深300指數(shù)對碳加權(quán)價格的影響顯著為正，但受低碳轉(zhuǎn)型行業(yè)的股票收益率對碳排放權(quán)加權(quán)價格的影響呈現(xiàn)區(qū)域與全國分化的特征，這在隔夜SHIBOR變量的系數(shù)正負(fù)值上反映也非常明顯。滬深300指數(shù)具有整體性特征，從當(dāng)前中國低碳轉(zhuǎn)型進(jìn)程看，整體經(jīng)濟(jì)增長可能意味著排碳量上升，由此碳價格會增加；但低碳轉(zhuǎn)型行業(yè)所包括的企業(yè)來自于全國各地，具有一定的地區(qū)屬性，與區(qū)域性碳市場的關(guān)系較為密切。

表5 影響碳排放權(quán)價格的變量匯總(2021.7.15―2021.12.31)

表6 受碳排放市場影響的變量結(jié)果匯總(2021.7.15―2021.12.31)

在引入全國碳市場數(shù)據(jù)之后，模型確定的形式存在差異，因此能源市場與金融市場之間的相互影響關(guān)系較復(fù)雜，但參照圖5和圖6，動力煤期貨、原油期貨對SHIBOR隔夜利率的影響為負(fù)值；SHIBOR隔夜利率對動力煤期貨、焦炭期貨的影響為負(fù)，對燃油期貨、原油期貨的影響為正，整體影響呈現(xiàn)一定的不對稱特點(diǎn)。從股票市場看，燃油期貨、原油期貨對相關(guān)行業(yè)加權(quán)收益率影響為負(fù)，焦炭期貨對行業(yè)加權(quán)收益率影響為正；行業(yè)加權(quán)收益率對動力煤期貨的影響為負(fù)?？傊?，在全國性碳市場引入后，能源市場與金融市場之間的關(guān)聯(lián)性變得相對復(fù)雜，但也呈現(xiàn)一定的非對稱性特征。

五、結(jié)論與建議

本文構(gòu)造了基于交易量和交易額加權(quán)的碳排放權(quán)價格，以及基于排碳量加權(quán)的低碳轉(zhuǎn)型沖擊行業(yè)加權(quán)股票收益率。實(shí)證結(jié)果表明，在全國性碳排放權(quán)市場推出之前，第一，能源市場對碳排放權(quán)市場具有正向影響，當(dāng)實(shí)體經(jīng)濟(jì)對能源需求強(qiáng)烈導(dǎo)致能源價格上漲時，對碳排放權(quán)的需求也非常強(qiáng)烈；碳排放權(quán)對能源市場存在負(fù)向影響，碳排放權(quán)價格較低會增加對能源的需求，而碳排放權(quán)價格升高會降低對能源的需求。較高的碳排放權(quán)價格有助于降低能源消耗。第二，低碳轉(zhuǎn)型行業(yè)股票收益率上漲會增加對碳排放權(quán)的需求，對碳排放權(quán)市場產(chǎn)生正向影響；反之，碳排放權(quán)市場對低碳轉(zhuǎn)型行業(yè)的影響相對較弱，碳排放權(quán)市場似乎并沒有對低碳轉(zhuǎn)型行業(yè)形成實(shí)質(zhì)性的主動約束。全國性碳交易市場的推出和運(yùn)行對“碳市場-能源市場-股票市場”之間的關(guān)系產(chǎn)生結(jié)構(gòu)性影響，全國性碳市場影響區(qū)域碳市場，反之影響特征不明晰；金融市場(股票市場和債券市場)對全國性碳市場與區(qū)域性碳市場的影響存在分割特征；動力煤期貨的影響既具有全局性，又具有區(qū)域性；原油期貨對碳市場的影響具有區(qū)域性。值得注意的是，由于全國性碳市場推出時間較短，本文的樣本數(shù)據(jù)量受限，可能對本文的研究結(jié)論產(chǎn)生影響。

基于上述結(jié)論，本文提出以下政策建議：第一，發(fā)揮碳市場的約束機(jī)制。市場約束機(jī)制通過價格進(jìn)行。我國不應(yīng)將碳排放權(quán)價格設(shè)置過低，過低的價格會導(dǎo)致能源消耗的增加，從而增加溫室氣體排放。我國應(yīng)構(gòu)建基于碳排放權(quán)約束的企業(yè)綠色發(fā)展轉(zhuǎn)型機(jī)制。如果企業(yè)發(fā)展沒有帶來對碳排放權(quán)需求的增加，說明企業(yè)實(shí)現(xiàn)了綠色轉(zhuǎn)型發(fā)展。因此，如果企業(yè)得到碳排放權(quán)的成本過低，碳市場就會失去約束企業(yè)排碳行為的作用。我國應(yīng)發(fā)揮碳市場的約束機(jī)制，來激勵和倒逼企業(yè)實(shí)現(xiàn)低碳轉(zhuǎn)型發(fā)展。

第二，進(jìn)一步推動全國性碳市場的發(fā)展，實(shí)現(xiàn)區(qū)域性碳市場與全國性碳市場的協(xié)同。我國經(jīng)濟(jì)發(fā)展整體性和區(qū)域性并存，在向低碳經(jīng)濟(jì)轉(zhuǎn)型的過程中，既需要全國性碳市場的發(fā)展，也需要區(qū)域性市場的配合。本文實(shí)證分析也顯示，全國性碳市場與區(qū)域性碳市場之間有不同的變量關(guān)系影響特征，二者的運(yùn)行機(jī)制存在差異。應(yīng)最大限度發(fā)揮兩個市場的優(yōu)勢，實(shí)現(xiàn)二者的協(xié)同與互補(bǔ)，更好地服務(wù)于我國經(jīng)濟(jì)低碳轉(zhuǎn)型。

第三，建立各類市場的聯(lián)通機(jī)制。我國應(yīng)打開各類市場間的溝通壁壘，建立聯(lián)通機(jī)制，包括資金的融通、信息的溝通及理念的相通。把碳市場的內(nèi)在綠色發(fā)展理念貫通至商品期貨市場、股票市場、債券市場、外匯市場、貨幣市場等，引導(dǎo)金融市場進(jìn)行綠色產(chǎn)品創(chuàng)新，激勵金融機(jī)構(gòu)進(jìn)行綠色業(yè)務(wù)創(chuàng)新，為投資者提供碳投資咨詢，以及“雙碳戰(zhàn)略”下的新型避險工具。同時，為了保障各類市場的聯(lián)通，在制度建設(shè)方面，可建立碳評價體系、綠色評級體系，提高信用評級、法律服務(wù)、信息服務(wù)中與碳指標(biāo)相關(guān)內(nèi)容的比重。 ■