李雨潤(rùn)

(對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 國(guó)際經(jīng)濟(jì)貿(mào)易學(xué)院，北京 100029)

1 我國(guó)碳交易市場(chǎng)現(xiàn)狀及價(jià)格特征

2013年，中國(guó)在京、津、滬、渝、鄂、粵、深7個(gè)省市的碳排放權(quán)交易試點(diǎn)正式開始交易活動(dòng)；2021年，全國(guó)碳排放權(quán)交易市場(chǎng)開市。經(jīng)歷7個(gè)履約周期，中國(guó)目前已成為配額成交量規(guī)模全球第二大的碳交易市場(chǎng)，其潛力巨大、前景廣闊。隨著碳配額交易規(guī)模的不斷增加，碳交易價(jià)格逐漸顯現(xiàn)出一個(gè)明顯的特征，即不同區(qū)域間碳交易價(jià)格差異明顯。然而，碳價(jià)差異的存在在一定程度上反映了我國(guó)不同地區(qū)碳減排的供需狀況、經(jīng)濟(jì)發(fā)展水平及產(chǎn)業(yè)結(jié)構(gòu)影響下碳減排的成本差異，同時(shí)也極大地影響了我國(guó)統(tǒng)一碳交易市場(chǎng)的形成進(jìn)程和實(shí)際效果，以及碳配額資源的優(yōu)化流動(dòng)。

2 我國(guó)區(qū)域碳交易價(jià)格影響因素

(1)國(guó)外碳資源定價(jià)。EU ETS是世界首個(gè)也是迄今為止最大的控制溫室氣體排放量限額交易系統(tǒng)，而我國(guó)碳市場(chǎng)建立時(shí)間較晚，市場(chǎng)體制和政策體系尚未成熟，在價(jià)格和制度上多借鑒國(guó)外碳市場(chǎng)體系。因此，國(guó)外碳資產(chǎn)價(jià)格的變化可以在一定程度上改變國(guó)內(nèi)碳交易價(jià)格。

(2)宏觀經(jīng)濟(jì)狀況。宏觀經(jīng)濟(jì)環(huán)境可直接或間接地作用于企業(yè)中長(zhǎng)期發(fā)展戰(zhàn)略及經(jīng)營(yíng)決策的制定。在當(dāng)前國(guó)際經(jīng)濟(jì)環(huán)境下，我國(guó)的國(guó)內(nèi)經(jīng)濟(jì)將逐步走上高質(zhì)量、低增長(zhǎng)的良性發(fā)展軌道。因此，國(guó)內(nèi)企業(yè)也必將面臨產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)、產(chǎn)品結(jié)構(gòu)提質(zhì)增效所帶來的機(jī)遇和挑戰(zhàn)。

(3)工業(yè)發(fā)展?fàn)顩r。工業(yè)碳排放量在碳排放總量中占比較高。以2022年為例，我國(guó)碳排放量約占全球的28.87%，其中工業(yè)排放量占全國(guó)排放量的38.18%，與工業(yè)密切相關(guān)的電力行業(yè)排放量占全國(guó)排放量的46.37%。因此，工業(yè)部門發(fā)展?fàn)顩r將直接影響我國(guó)碳排放總量，進(jìn)而影響碳交易價(jià)格。

(4)國(guó)內(nèi)外能源價(jià)格。煤炭、石油等化石燃料依然是企業(yè)當(dāng)前的主要生產(chǎn)能源，也是導(dǎo)致大量溫室氣體排放的重要根源。同時(shí)，傳統(tǒng)能源價(jià)格的變化也會(huì)對(duì)企業(yè)的生產(chǎn)成本產(chǎn)生極大的影響。因此，傳統(tǒng)能源價(jià)格將直接影響企業(yè)的能源使用量，進(jìn)而影響企業(yè)對(duì)碳排放權(quán)的需求量和碳價(jià)。

(5)匯率。匯率是連接國(guó)內(nèi)外貿(mào)易、碳市場(chǎng)融合以及碳交易的樞紐，其主要是通過影響進(jìn)口貿(mào)易規(guī)模對(duì)碳交易價(jià)格施以影響。相關(guān)研究表明，匯率對(duì)我國(guó)各地域的碳價(jià)均有顯著影響，但高、低波動(dòng)狀態(tài)下的匯率對(duì)不同區(qū)域碳價(jià)影響的方向和程度存在差異。

(6)政策。國(guó)家政策的出臺(tái)，特別是國(guó)家的標(biāo)志性政策，對(duì)于企業(yè)具有極強(qiáng)的導(dǎo)向性。它直接影響著企業(yè)在碳交易市場(chǎng)是否進(jìn)行交易活動(dòng)以及進(jìn)行多少交易活動(dòng)等決策的制定，從而影響碳交易價(jià)格。但是，隨著交易體系和制度的不斷完善，政策變化所帶來的影響將逐漸縮小。

(7)氣溫。氣溫變化，尤其是極端天氣的出現(xiàn)，會(huì)改變地面上各種設(shè)備的使用頻率，例如供暖設(shè)備，這樣就直接或間接地改變了傳統(tǒng)能源需求量，通過影響碳配額的需求量來影響碳交易價(jià)格。但也有部分研究表明，天氣變化對(duì)碳交易價(jià)格的影響非常微弱。

3 GA-BP-MIV模型設(shè)計(jì)

3.1 模型介紹

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差反向傳導(dǎo)算法訓(xùn)練的多層反饋網(wǎng)絡(luò)，主要由信息的正向傳導(dǎo)和誤差的反向傳導(dǎo)兩步構(gòu)成。從輸出層開始，算法會(huì)將誤差按照梯度下降的方法對(duì)各層權(quán)值進(jìn)行改正，并依次向隱含層、輸入層傳播。通過不斷的信息正向傳播和誤差反向傳播，各層權(quán)值會(huì)不斷進(jìn)行調(diào)整，最終將誤差減小到期望程度并實(shí)現(xiàn)學(xué)習(xí)。

對(duì)于隱藏層有：

對(duì)于輸出層有：

當(dāng)網(wǎng)絡(luò)輸出與期望輸出不同時(shí)，會(huì)存在輸出誤差E。一個(gè)樣本的均方差公式定義如下：

最終權(quán)值調(diào)整公式為：

ΔWh=η(Yh-1)Tδh

但是，由于BP神經(jīng)網(wǎng)絡(luò)存在學(xué)習(xí)效率低、容易遺忘舊樣本等缺陷，因此，文章采用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型，即GA-BP模型對(duì)樣本進(jìn)行訓(xùn)練，并采用MIV方法對(duì)因子影響程度進(jìn)行定量計(jì)算。

3.2 樣本選取

選擇2016—2020年北京、上海、廣東、湖北、深圳五個(gè)地區(qū)為研究樣本。

3.3 變量設(shè)定

本模型共選擇碳排放權(quán)交易價(jià)格、國(guó)際碳資產(chǎn)價(jià)格、國(guó)內(nèi)經(jīng)濟(jì)社會(huì)發(fā)展、工業(yè)發(fā)展指標(biāo)、國(guó)內(nèi)外能源價(jià)格、匯率、政策、氣溫八類指數(shù)，且設(shè)定碳排放權(quán)交易價(jià)格為因變數(shù)，其他七個(gè)因素為自變數(shù)。自變量的具體說明如下：

(1)國(guó)際碳資產(chǎn)價(jià)格：EUA期貨結(jié)算價(jià)年均值、CER期貨結(jié)算價(jià)年均值。

(2)國(guó)內(nèi)外經(jīng)濟(jì)社會(huì)發(fā)展：法蘭克福DAX價(jià)格指數(shù)、國(guó)際標(biāo)準(zhǔn)普爾500股指、滬深300股指。

(3)工業(yè)發(fā)展指標(biāo)：上證工業(yè)指數(shù)。

(4)國(guó)內(nèi)外能源價(jià)格：

國(guó)內(nèi)：中國(guó)煤炭?jī)r(jià)格指數(shù)、中國(guó)大慶原油現(xiàn)貨價(jià)格、國(guó)內(nèi)天然氣市價(jià)。

國(guó)際：布倫特原油期貨結(jié)算價(jià)、NYMEX天然氣期貨結(jié)算價(jià)、歐洲三港ARA電力煤現(xiàn)貨價(jià)。

(5)匯率：歐元兌人民幣中間價(jià)、美元兌人民幣中間價(jià)。

(6)政策：國(guó)家發(fā)布的標(biāo)志性政策文件。有標(biāo)志性政策文件即為1，沒有即為0。

通過中國(guó)碳交易網(wǎng)、Wind數(shù)據(jù)庫、大智慧及氣象網(wǎng)等數(shù)據(jù)中心，本模塊最終共獲取各變量的16個(gè)指標(biāo)，即16種影響因子。

3.4 GA-BP神經(jīng)網(wǎng)絡(luò)模型

(1)BP神經(jīng)網(wǎng)絡(luò)構(gòu)建。隨機(jī)選擇訓(xùn)練集和檢測(cè)集：采用隨機(jī)抽樣方法，從2016—2020年的21個(gè)指標(biāo)(共400個(gè)樣本)中選擇300個(gè)樣本作為練習(xí)集，進(jìn)行集中模擬訓(xùn)練；其余的100個(gè)樣本作為測(cè)試集，用來測(cè)試這些樣本的泛化程度。

對(duì)數(shù)值歸一性的預(yù)處理：因?yàn)閿?shù)據(jù)中各因變數(shù)值的單位、數(shù)量級(jí)存在著很大不同，所以利用MATLAB中的mapminmax參數(shù)對(duì)現(xiàn)有數(shù)值進(jìn)行預(yù)處理。

網(wǎng)絡(luò)架構(gòu)搭建：考慮了該數(shù)據(jù)的十六個(gè)進(jìn)入節(jié)點(diǎn)(十六個(gè)變動(dòng)指標(biāo))和五個(gè)流出節(jié)點(diǎn)(五個(gè)試點(diǎn)區(qū)域的碳交易價(jià)格水平)，所選取的最多隱含層節(jié)點(diǎn)個(gè)數(shù)是18，故文章的神經(jīng)網(wǎng)絡(luò)模型是16-18-5。

(2)GA-BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練。GA-BP神經(jīng)網(wǎng)絡(luò)模塊的訓(xùn)練結(jié)果如圖1所示，即當(dāng)?shù)螖?shù)大于等于100時(shí)，適應(yīng)性曲線趨于平穩(wěn)，模型達(dá)到了較優(yōu)水平。

圖1 GA-BP適應(yīng)性曲線

(3)GA-BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練效果。GA-BP神經(jīng)網(wǎng)絡(luò)模擬對(duì)檢測(cè)集的分析結(jié)果如圖2所示，其預(yù)測(cè)值和實(shí)際值平均絕對(duì)誤差為2.4，均方根誤差為3.2。這意味著該預(yù)測(cè)擁有更高的準(zhǔn)確度。

圖2 GA-BP神經(jīng)網(wǎng)絡(luò)檢測(cè)集的預(yù)測(cè)值與實(shí)際值對(duì)比

4 實(shí)證分析

影響因素程度模型，即MIV方法，是反映各因素對(duì)世界各地區(qū)碳市場(chǎng)及碳交易價(jià)格影響程度的指數(shù)，其絕對(duì)值代表影響的顯著性，符號(hào)代表影響的可加與可減性。

MIV的測(cè)算流程：先把模擬訓(xùn)練完成后的訓(xùn)練集影響因素分別增減20%，形成新的訓(xùn)練集M1、M2，隨后使用GA-BP模式對(duì)M1、M2進(jìn)行模擬，將得出的預(yù)測(cè)結(jié)果計(jì)為S1、S2，然后再取S1、S2的比值，即為改變?cè)撘蛩刂髮?duì)五個(gè)地區(qū)碳價(jià)的影響程度大小。最后再根據(jù)訓(xùn)練集中樣本數(shù)量加以平均，即可得出該影響因素之后對(duì)我國(guó)五個(gè)試點(diǎn)地區(qū)碳配額交易定價(jià)的MIV數(shù)值。

基于對(duì)上述GA-BP神經(jīng)網(wǎng)絡(luò)模型的研究結(jié)論，文章將根據(jù)MIV閾值的高低，把對(duì)各因子的干擾水平區(qū)分為強(qiáng)(MIV>0.5×10-14)、較強(qiáng)(0.1×10-14

由圖3可知，16種影響因子對(duì)我國(guó)七個(gè)試點(diǎn)地區(qū)的影響程度大小不盡相同。但總體來說，國(guó)內(nèi)能源價(jià)格、經(jīng)濟(jì)發(fā)達(dá)程度和匯率均是中國(guó)碳市、碳價(jià)最重要的影響要素。

在能源價(jià)格方面，煤、石油、天然氣對(duì)五個(gè)地區(qū)內(nèi)的碳價(jià)都產(chǎn)生了較強(qiáng)的影響。其中，天然氣工業(yè)對(duì)五個(gè)區(qū)域都具有很重要的正向影響，特別是對(duì)上海和廣東，天然氣價(jià)格是MIV值最大的影響因素。

從匯率視角看，匯率與碳價(jià)存在正相關(guān)，尤其是對(duì)北京、深圳的碳價(jià)均形成了很大的影響。這些地區(qū)發(fā)展的市場(chǎng)化程度也較高，國(guó)際貿(mào)易占總交易量的比重較大。匯率也直接影響著國(guó)內(nèi)公司對(duì)外國(guó)產(chǎn)品的進(jìn)出口量，當(dāng)匯率價(jià)格上升時(shí)，國(guó)內(nèi)產(chǎn)品出口將受相應(yīng)影響，而海外產(chǎn)品進(jìn)口則得到了促進(jìn)，此時(shí)國(guó)內(nèi)公司就會(huì)減少生產(chǎn)量，使得生產(chǎn)活動(dòng)減少，碳排放量降低，國(guó)內(nèi)碳價(jià)也相應(yīng)降低。

在國(guó)內(nèi)外經(jīng)濟(jì)發(fā)展水平方面，國(guó)外的經(jīng)濟(jì)發(fā)展水平對(duì)國(guó)內(nèi)的碳價(jià)影響較弱，而國(guó)內(nèi)的經(jīng)濟(jì)發(fā)展?fàn)顩r向好則會(huì)對(duì)碳價(jià)產(chǎn)生較強(qiáng)的積極影響。比如，若國(guó)內(nèi)經(jīng)濟(jì)過熱，則國(guó)內(nèi)企業(yè)會(huì)加大商品生產(chǎn)量，碳排放量也將急劇上升，致使碳排放配額需求量上升，進(jìn)而導(dǎo)致碳價(jià)上升。

5 模型檢驗(yàn)

5.1 穩(wěn)健性檢驗(yàn)

為檢驗(yàn)上述實(shí)證分析結(jié)果的可靠性，文章使用面板數(shù)據(jù)模型進(jìn)行穩(wěn)健性檢驗(yàn)。

(1)平穩(wěn)性檢驗(yàn)。為避免面板數(shù)據(jù)出現(xiàn)偽回歸，確保估計(jì)結(jié)果的有效性，文章利用LLC檢驗(yàn)和ADF檢驗(yàn)兩種方法，對(duì)面板數(shù)據(jù)的平穩(wěn)性進(jìn)行檢驗(yàn)。

ADF單位根檢驗(yàn)公式：

式中，yt為隨時(shí)間t變化的變量，Δ為差分因子，εt為服從獨(dú)立同分布的誤差項(xiàng)。

LLC檢驗(yàn)原理仍采用ADF檢驗(yàn)形式，但將Δyt和yt剔除自相關(guān)，并確定相影響的、標(biāo)準(zhǔn)的代理變量。

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

式中，ρ是LLC個(gè)體間的其次自回歸系數(shù)，α1t是隨時(shí)間變化的變量，α0i是隨個(gè)體變化的變量，μit是誤差項(xiàng)。

通過計(jì)算得到ADF檢驗(yàn)P值為0，LLC檢驗(yàn)P值為0.2020，因此，各地區(qū)的碳交易價(jià)格序列通過了平穩(wěn)性檢驗(yàn)，不存在單位根，原序列平穩(wěn)，可以進(jìn)行回歸分析。

(2)模型選擇。針對(duì)文章的面板數(shù)據(jù)類型，首先使用F檢驗(yàn)確定使用固定效應(yīng)模型還是混合效應(yīng)模型，使用Stata軟件計(jì)算可得，F(xiàn)檢驗(yàn)P值等于0，強(qiáng)烈拒絕原假設(shè)，因此固定效應(yīng)模型優(yōu)于混合效應(yīng)模型。

再使用Hausman檢驗(yàn)確定是選擇固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，使用Stata軟件計(jì)算可得，Hausman檢驗(yàn)P值等于0.0337，小于0.05，拒絕原假設(shè)，因此固定效應(yīng)模型的效果優(yōu)于隨機(jī)效應(yīng)模型。

綜上所述，選取固定效應(yīng)模型更佳。

固定效應(yīng)模型的數(shù)學(xué)公式如下：

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

式中，μi是個(gè)體不可觀測(cè)因素，ρt是時(shí)間不可觀測(cè)因素，σit是其他隨時(shí)間和個(gè)體變化的不可觀測(cè)因素，且μi與X存在相關(guān)關(guān)系或者ρt與X存在相關(guān)關(guān)系。

(3)檢驗(yàn)總結(jié)。為保證分析結(jié)果的穩(wěn)健性，文章默認(rèn)數(shù)據(jù)模型中的個(gè)體效應(yīng)和時(shí)間效應(yīng)存在，并對(duì)國(guó)內(nèi)能源價(jià)格、經(jīng)濟(jì)發(fā)展?fàn)顩r和匯率三個(gè)變量分別進(jìn)行了個(gè)體固定效應(yīng)回歸分析和時(shí)間固定效應(yīng)回歸分析。

分析結(jié)論為檢驗(yàn)結(jié)果與實(shí)證分析的結(jié)果類似，顯示為國(guó)內(nèi)能源價(jià)格、經(jīng)濟(jì)發(fā)展?fàn)顩r、匯率三個(gè)因素都與國(guó)內(nèi)區(qū)域碳價(jià)保持極強(qiáng)的相關(guān)性，且上文的分析結(jié)果并不是由于地域差異或是時(shí)間因素引起的，而是受所選取變量的影響。因此，可以認(rèn)為文章的研究結(jié)論符合一般規(guī)律，具有較好的穩(wěn)健性。

5.2 異質(zhì)性檢驗(yàn)

由于文章選取的樣本涉及5個(gè)地區(qū)，地區(qū)之間的差異可能會(huì)對(duì)碳交易價(jià)格產(chǎn)生異質(zhì)性影響，因此需進(jìn)行異質(zhì)性檢驗(yàn)。碳交易活動(dòng)依托于市場(chǎng)而存在，不同試點(diǎn)區(qū)域的市場(chǎng)化程度差異也可能對(duì)碳市場(chǎng)的活躍性和碳價(jià)產(chǎn)生影響。因此，本部分采用2016—2020年北京、上海、廣東、湖北、深圳五個(gè)地區(qū)的人均GDP數(shù)據(jù)對(duì)模型進(jìn)行異質(zhì)性檢驗(yàn)。檢驗(yàn)結(jié)果如表1所示。

上述異質(zhì)性檢驗(yàn)回歸結(jié)果顯示，隨著區(qū)域經(jīng)濟(jì)水平的提高，中國(guó)煤炭?jī)r(jià)格指數(shù)、滬深300指數(shù)對(duì)碳價(jià)的正向影響越來越顯著，美元兌人民幣中間價(jià)對(duì)碳價(jià)的正向作用先被削弱，后又升高。以上結(jié)果較為符合正常預(yù)期，說明上文的研究結(jié)果比較可靠。

6 建議

6.1 推動(dòng)全國(guó)統(tǒng)一碳市場(chǎng)的構(gòu)建

強(qiáng)化區(qū)域碳市場(chǎng)與全國(guó)統(tǒng)一碳交易市場(chǎng)(以下簡(jiǎn)稱“全國(guó)碳市場(chǎng)”)的協(xié)同發(fā)展，并進(jìn)一步完善提升全國(guó)統(tǒng)一碳交易市場(chǎng)，將對(duì)消除區(qū)域碳市場(chǎng)交易價(jià)格差異發(fā)揮重要作用。建議各級(jí)政府運(yùn)用區(qū)塊鏈技術(shù)等先進(jìn)科技手段，打通區(qū)域間碳交易機(jī)制壁壘，解決市場(chǎng)透明度不足以及信息級(jí)差造成的碳配額失真等問題，以有效推動(dòng)透明、公平的全國(guó)碳市場(chǎng)的構(gòu)建。需要指出的是，區(qū)域間絕對(duì)統(tǒng)一的碳價(jià)并不適合目前中國(guó)的經(jīng)濟(jì)發(fā)展與社會(huì)環(huán)境。絕對(duì)統(tǒng)一的碳價(jià)將導(dǎo)致碳排放向某一地區(qū)集中，形成國(guó)家整體碳排放降低，但某個(gè)地區(qū)的碳排放不降反增的狀況。

6.2 基于供需模型規(guī)范區(qū)域碳價(jià)浮動(dòng)范圍

為避免由于定價(jià)不合理而引起市場(chǎng)主體交易成本過高，建議政府根據(jù)不同區(qū)域內(nèi)影響因子的權(quán)重，為市場(chǎng)主體賦予合理碳價(jià)區(qū)間，同時(shí)充分發(fā)揮市場(chǎng)的調(diào)節(jié)作用，引導(dǎo)碳排放權(quán)配額等要素適度流動(dòng)，實(shí)現(xiàn)產(chǎn)業(yè)發(fā)展與綠色低碳的良性互動(dòng)。

6.3 加強(qiáng)與碳減排制度先進(jìn)國(guó)家的交流與合作

按照形成價(jià)格的方式分類，碳定價(jià)主要分為顯性碳定價(jià)、隱性碳定價(jià)以及內(nèi)部碳定價(jià)。目前中國(guó)主流的碳配額交易價(jià)格屬于顯性碳定價(jià)，是碳減排制度初步發(fā)展的產(chǎn)物。以歐美為代表的發(fā)達(dá)國(guó)家碳減排制度和手段已經(jīng)發(fā)展到較為成熟的階段，諸多學(xué)者已開始對(duì)隱性碳定價(jià)的研究。而中國(guó)對(duì)于以碳交易為代表的碳減排方式的探索尚處于初步狀態(tài)，顯性碳定價(jià)仍占據(jù)學(xué)術(shù)研究的主要地位，對(duì)于更為復(fù)雜的隱性碳定價(jià)和內(nèi)部碳定價(jià)的研究尚不完善。因此，需要加強(qiáng)與國(guó)際碳交易市場(chǎng)的合作交流，學(xué)習(xí)國(guó)際先進(jìn)經(jīng)驗(yàn)，以不斷完善我國(guó)碳交易的體制機(jī)制和市場(chǎng)體系。