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(chǎng)與其他類型金融市場(chǎng)之間的關(guān)聯(lián)性對(duì)于金融市場(chǎng)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(chǎng)動(dòng)蕩時(shí)期，由于碳市場(chǎng)與金融市場(chǎng)之間的割裂，碳市場(chǎng)能夠?yàn)榇笞谏唐吠顿Y者提供分散風(fēng)險(xiǎn)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(chǎng)互動(dòng)效應(yīng)增強(qiáng)，歐盟排放配額(European Union Allowances，EUA)期貨價(jià)格波動(dòng)性顯著增強(qiáng)，這意味著能源型行業(yè)需要對(duì)沖碳資產(chǎn)價(jià)格波動(dòng)風(fēng)險(xiǎn)(Balcilar et al.，2016；Wen et al.，2017)。碳市場(chǎng)金融化程度的日益加深表明市場(chǎng)間關(guān)聯(lián)度上升，風(fēng)險(xiǎn)傳染性會(huì)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(huì)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(chǎng)。2013―2016年，深圳、上海、福建等地先后啟動(dòng)碳排放權(quán)市場(chǎng)交易試點(diǎn)，2017年全國碳市場(chǎng)建設(shè)正式啟動(dòng)，并于2021年以電力行業(yè)為突破口開始正式運(yùn)行。碳市場(chǎng)是碳排放權(quán)及其衍生產(chǎn)品定價(jià)和交易的場(chǎng)所，通過價(jià)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(chǎng)逐漸發(fā)展并走向成熟。在碳市場(chǎng)發(fā)展過程中，其與金融市場(chǎng)的相關(guān)性逐漸增加，與金融市場(chǎng)、能源市場(chǎng)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(chǎng)-能源市場(chǎng)-金融市場(chǎng)”的宏觀分析框架來研究三類市場(chǎng)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?chǎng)連接起來，建立相互溢出影響關(guān)系，但Diebold-Yilmaz溢出指數(shù)的計(jì)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(duì)稱性特征。本文在國內(nèi)外學(xué)者建立的“碳市場(chǎng)-能源市場(chǎng)-金融市場(chǎng)”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(chǎng)推出前后，碳市場(chǎng)、能源市場(chǎng)、金融市場(chǎng)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(xiǎn)(Singh et al.，2019)。隨著歐盟ETS交易系統(tǒng)的啟動(dòng)，從全球金融市場(chǎng)角度研究碳市場(chǎng)的學(xué)術(shù)文獻(xiàn)增加較快，主要的研究?jī)?nèi)容為碳市場(chǎng)與能源市場(chǎng)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(chǎng)之間的波動(dòng)溢出效應(yīng)(J i et al.，2018；Wang and Guo，2018)。

關(guān)聯(lián)碳市場(chǎng)與金融市場(chǎng)主要有兩個(gè)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(jià)格發(fā)現(xiàn)功能(Kodres and Pritsker，2002)；第二是風(fēng)險(xiǎn)溢價(jià)渠道，以“波動(dòng)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(xiǎn)資產(chǎn)的意愿(Acharya and Pedersen，2005)。能源價(jià)格影響碳價(jià)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(chǎng)與股票市場(chǎng)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(dòng)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(chǎng)-能源市場(chǎng)-股票市場(chǎng)”三者間的溢出效應(yīng)關(guān)系。

研究碳市場(chǎng)與能源市場(chǎng)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(chǎng)與能源市場(chǎng)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)?；谄谪浭袌?chǎng)和即期市場(chǎng)的時(shí)間序列數(shù)據(jù)，他們發(fā)現(xiàn)歐盟ETS碳價(jià)格與石油、天然氣、煤炭等價(jià)格密切相關(guān)。Keppler and Mansanet-Bataller(2010)實(shí)證分析表明，歐盟EUA期貨價(jià)格受電煤價(jià)差(Dark Spread)、電燃?xì)鈨r(jià)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(chǎng)與能源市場(chǎng)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(jià)格對(duì)EUA價(jià)格的影響具有長期非線性特征。考慮到數(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(chǎng)價(jià)格領(lǐng)先于電力市場(chǎng)，但煤炭?jī)r(jià)格領(lǐng)先于碳市場(chǎng)。在極端風(fēng)險(xiǎn)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(chǎng)與能源市場(chǎng)之間存在尾部相關(guān)性(Tan and Wang，2017；Marimoutou and Soury，2015)。

在碳市場(chǎng)與非能源類金融市場(chǎng)的關(guān)聯(lián)度方面，Oberndorfer(2009)是較早研究碳市場(chǎng)與股票市場(chǎng)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(chǎng)與股票、債券市場(chǎng)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(chǎng)與115個(gè)宏觀經(jīng)濟(jì)變量之間的關(guān)系，發(fā)現(xiàn)大宗商品市場(chǎng)能夠解釋碳價(jià)格變化的28%，解釋占比第一。Yu and Mallory(2014)發(fā)現(xiàn)能源價(jià)格、匯率與碳市場(chǎng)密切相關(guān)。由于碳市場(chǎng)與金融市場(chǎng)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(jià)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(dòng)，密切了電力公司股票與碳價(jià)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(jià)格存在極值相關(guān)性(Tan and Wang，2017)。除價(jià)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(chǎng)和其他金融市場(chǎng)之間的波動(dòng)溢出效應(yīng)。Wen et al.(2017)發(fā)現(xiàn)，煤與碳的價(jià)格息息相關(guān)。此外，石油、天然氣與碳排放權(quán)價(jià)格之間存在波動(dòng)溢出效應(yīng)，且當(dāng)資本市場(chǎng)波動(dòng)性上升時(shí)，碳市場(chǎng)與股票市場(chǎng)之間的波動(dòng)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(chǎng)、能源市場(chǎng)(石油、煤、電力)、股票市場(chǎng)、債券市場(chǎng)之間的波動(dòng)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(dòng)態(tài)化機(jī)制，沒有有效捕捉動(dòng)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(chǎng)是正在從相對(duì)割裂走向全國統(tǒng)一，并且過程中各子市場(chǎng)的碳交易價(jià)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(chǎng)-能源市場(chǎng)-金融市場(chǎng)”的系統(tǒng)觀點(diǎn)出發(fā)，立足我國從區(qū)域性碳市場(chǎng)走向區(qū)域性與全國性碳市場(chǎng)并存的發(fā)展路徑，研究2021年7月16日全國性碳市場(chǎng)推出前后三類市場(chǎng)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?chǎng)參與者提供啟示。第二，為了避免以偏概全，在全國性碳市場(chǎng)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(jià)格，最大限度地保留地區(qū)性碳排放權(quán)市場(chǎng)之間的關(guān)聯(lián)度所隱含的碳排放權(quán)價(jià)格信息。對(duì)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(chǎng)變量選擇上，針對(duì)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(chǎng)對(duì)股票市場(chǎng)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(duì)稱性相互特征，明晰“碳市場(chǎng)-能源市場(chǎng)-金融市場(chǎng)”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(chǎng)計(jì)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(chǎng)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(gè)省市建立了區(qū)域性的碳排放權(quán)交易市場(chǎng)。雖然八個(gè)區(qū)域性碳排放權(quán)交易市場(chǎng)的制度和價(jià)格決定機(jī)制不同，但這些市場(chǎng)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(chǎng)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(duì)不同的區(qū)域環(huán)境，因此，碳排放量和對(duì)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(chǎng)的溢出沖擊(Guo and Feng，2021)。比如，北京碳市場(chǎng)的價(jià)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(huì)傳遞給上海碳市場(chǎng)交易的企業(yè)。由于中國經(jīng)濟(jì)是一個(gè)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(chǎng)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(jià)格構(gòu)建說明

我國學(xué)者研究了碳市場(chǎng)與其他類型金融市場(chǎng)之間的關(guān)聯(lián)特征。在樣本選擇上，我國學(xué)者都是對(duì)某一個(gè)地區(qū)的碳排放權(quán)交易市場(chǎng)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(chǎng)和深圳碳排放權(quán)交易市場(chǎng)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(chǎng)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(chǎng)代表全國性碳排放交易市場(chǎng)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(chǎng)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(chǎng)存在交易量不大、市場(chǎng)流動(dòng)性有限等問題，但這八個(gè)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(jià)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(chǎng)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(jià)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(duì)八家地區(qū)性碳排放交易所的價(jià)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(jià)格。在實(shí)證分析中，本文對(duì)加權(quán)價(jià)格取日度對(duì)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(jià)格的走勢(shì)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(chǎng)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(shì)

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(chǎng)，因此本文以2021年7月16日為分界點(diǎn)，將樣本分為兩個(gè)時(shí)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(dòng)中八家地區(qū)性碳市場(chǎng)仍在運(yùn)行，因此本文同時(shí)將所得到的加權(quán)價(jià)格和全國性碳排放權(quán)交易價(jià)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(jià)格時(shí)間序列與全國碳排放權(quán)市場(chǎng)的價(jià)格走勢(shì)存在一定差異，這說明全國性碳市場(chǎng)運(yùn)行可能與區(qū)域碳排放權(quán)市場(chǎng)運(yùn)行存在分割，其他類型金融市場(chǎng)對(duì)碳排放權(quán)市場(chǎng)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(shì)比較(2021.7.16―2021.12.31)

(二)股票市場(chǎng)變量構(gòu)建說明

碳市場(chǎng)與股票市場(chǎng)存在密切關(guān)聯(lián)，學(xué)者們?cè)谝牍善笔袌?chǎng)變量時(shí)，往往以滬深300指數(shù)、歐盟STOXX600指數(shù)等衡量整體市場(chǎng)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(chǎng)啟動(dòng)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(duì)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(chǎng)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(duì)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(chǎng)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(jià)取對(duì)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(chǔ)、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(dòng)緊密相連，因此其與能源市場(chǎng)、股票市場(chǎng)、外匯市場(chǎng)、債券市場(chǎng)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(chǎng)、能源市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)的金融變量。在股票市場(chǎng)方面，本文使用滬深300指數(shù)的日度對(duì)數(shù)收益率控制股票市場(chǎng)整體的系統(tǒng)風(fēng)險(xiǎn)；在能源市場(chǎng)方面，本文選取在我國期貨市場(chǎng)中交易的動(dòng)力煤、瀝青、燃油、焦炭、原油連續(xù)期貨合約價(jià)格的對(duì)數(shù)收益率進(jìn)行刻畫；在債券市場(chǎng)方面，本文選取隔夜SHIBOR、國債指數(shù)、企債指數(shù)的對(duì)數(shù)收益率進(jìn)行衡量；在外匯市場(chǎng)方面，本文選擇美元兌人民幣的對(duì)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(chǎng)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(chǎng)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(shí)間序列均作為內(nèi)生變量處理，因此會(huì)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(shí)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(jì)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(shí)，即==0時(shí)，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(shí)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(cè)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(jì)的顯著性水平和正負(fù)數(shù)值對(duì)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(shí)間點(diǎn)，為樣本期三分之二的時(shí)間點(diǎn)。

(二)實(shí)證結(jié)果

2021年7月16日，全國性碳市場(chǎng)開始運(yùn)行，這對(duì)我國碳市場(chǎng)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(shí)間分為兩段：全國性碳市場(chǎng)運(yùn)行之前(2018年3月27日至2021年7月15日)、全國性碳市場(chǎng)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(jì)矩陣的稀疏圖，因此變量順序與后文中系數(shù)估計(jì)矩陣稀疏圖存在一一對(duì)應(yīng)關(guān)系。在全國性碳市場(chǎng)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(dòng)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(chǎng)運(yùn)行之后的實(shí)證分析中，本文將全國性碳市場(chǎng)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(jì)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(jì)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(duì)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(duì)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(chǎng)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(chǎng)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(chǎng)成交額加權(quán)收益率)

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

表2顯示，原油期貨、動(dòng)力煤期貨、焦炭期貨等能源期貨收益率變化對(duì)碳市場(chǎng)加權(quán)收益率存在顯著的正向影響，當(dāng)能源價(jià)格上漲時(shí)，碳排放權(quán)交易價(jià)格整體呈現(xiàn)上漲趨勢(shì)。這說明，當(dāng)經(jīng)濟(jì)體對(duì)能源具有強(qiáng)烈需求時(shí)，經(jīng)濟(jì)體的碳排放量會(huì)增加，因此對(duì)碳排放權(quán)的需求也會(huì)增加，進(jìn)而導(dǎo)致碳排放權(quán)價(jià)格上漲。這也說明，當(dāng)前我國低碳轉(zhuǎn)型戰(zhàn)略對(duì)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(duì)能源需求增加時(shí)，企業(yè)會(huì)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(jià)格約束機(jī)制反映了市場(chǎng)碳排放需求的信號(hào)。同時(shí)，股票市場(chǎng)行業(yè)加權(quán)收益率對(duì)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(shí)，對(duì)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(shí)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(chǎng)的價(jià)格傳導(dǎo)機(jī)制對(duì)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(jià)格對(duì)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(chǎng)推出之前，碳排放權(quán)市場(chǎng)并沒有對(duì)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(chǎng)相對(duì)分散，難以形成約束合力。因此，本文提出，碳排放市場(chǎng)與相關(guān)行業(yè)股票加權(quán)收益率市場(chǎng)的相互影響關(guān)系存在非對(duì)稱性。碳排放權(quán)市場(chǎng)是被動(dòng)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(chǎng)對(duì)能源市場(chǎng)具有顯著的負(fù)面影響，說明較低的碳排放權(quán)價(jià)格會(huì)增加企業(yè)對(duì)能源的消費(fèi)，碳排放權(quán)市場(chǎng)并沒有形成降低能源消耗的機(jī)制；而較高的碳價(jià)格卻能降低能源收益率，說明碳排放權(quán)價(jià)格上漲會(huì)降低能源需求，從而降低能源消耗。

表3 受碳排放市場(chǎng)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(chǎng)成交量加權(quán)收益率和碳市場(chǎng)成交額加權(quán)收益率的各自模型體系下，能源市場(chǎng)與金融市場(chǎng)各變量間的相互作用關(guān)系基本上表現(xiàn)出一致性。在對(duì)SHIBOR隔夜利率的影響方面，動(dòng)力煤期貨、瀝青期貨對(duì)SHIBOR隔夜利率的影響為正，燃油期貨、焦炭期貨對(duì)其影響為負(fù)；SHIBOR隔夜利率對(duì)燃油期貨、焦炭期貨的影響為正，對(duì)動(dòng)力煤期貨、原油期貨的影響為負(fù)。這說明，能源市場(chǎng)對(duì)隔夜SHIBOR利率的影響具有一定的不對(duì)稱性。在股票市場(chǎng)方面，無論是基于碳市場(chǎng)成交量加權(quán)收益率還是碳市場(chǎng)成交額加權(quán)收益率，行業(yè)加權(quán)收益率對(duì)焦炭期貨影響為正；動(dòng)力煤期貨、瀝青期貨、燃油期貨對(duì)行業(yè)加權(quán)收益率影響為負(fù)。這說明能源價(jià)格上漲會(huì)沖擊相關(guān)行業(yè)的上市公司。滬深300對(duì)瀝青期貨、焦炭期貨的影響為正，對(duì)動(dòng)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(chǎng)對(duì)碳市場(chǎng)形成正向影響，說明當(dāng)實(shí)體經(jīng)濟(jì)對(duì)能源需求強(qiáng)烈時(shí)，對(duì)碳排放權(quán)的需求也非常強(qiáng)烈；碳排放權(quán)對(duì)能源市場(chǎng)存在負(fù)向影響，說明碳排放權(quán)價(jià)格較高會(huì)降低對(duì)能源的需求，從而抑制能源的消耗。碳市場(chǎng)與能源市場(chǎng)之間的影響具有非對(duì)稱性。低碳轉(zhuǎn)型行業(yè)股票收益率上漲會(huì)增加對(duì)碳排放權(quán)的需求，對(duì)碳市場(chǎng)產(chǎn)生正向影響，但碳市場(chǎng)對(duì)低碳轉(zhuǎn)型行業(yè)的影響相對(duì)較弱，說明碳市場(chǎng)沒有對(duì)低碳轉(zhuǎn)型行業(yè)形成實(shí)質(zhì)性的主動(dòng)約束，二者之間的影響關(guān)系也具有非對(duì)稱性。此外，能源市場(chǎng)與金融市場(chǎng)之間的影響關(guān)系也呈現(xiàn)一定的不對(duì)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(jì)效果。從中可以看出，對(duì)于成交量加權(quán)收益率，Lag Group結(jié)構(gòu)表現(xiàn)優(yōu)異；對(duì)于成交額加權(quán)收益率，Lag-Weighted Lasso結(jié)構(gòu)的表現(xiàn)相對(duì)優(yōu)異。圖5和圖6為系數(shù)估計(jì)矩陣稀疏性圖，表示變量之間影響的顯著性程度。本部分對(duì)變量影響顯著性的判斷標(biāo)準(zhǔn)如前所述。

表4 BigVAR 估計(jì)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(chǎng)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(chǎng)成交額加權(quán)收益率)

如果在模型中同時(shí)引入碳排放權(quán)加權(quán)收益率和全國性碳市場(chǎng)收益率，表5與表2相比，實(shí)證結(jié)果顯示，各區(qū)域市場(chǎng)的加權(quán)碳價(jià)格上升會(huì)顯著提升全國碳排放價(jià)格，但全國碳排放價(jià)格對(duì)區(qū)域性碳價(jià)格的影響卻不相同。主要原因在于，本文對(duì)區(qū)域碳排放市場(chǎng)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(jià)格的走向，因此如果大多數(shù)分割的子市場(chǎng)碳排放價(jià)格上漲，就意味著整體全國碳排放價(jià)格上漲；但全國碳排放價(jià)格上漲卻不一定會(huì)傳遞到每一個(gè)區(qū)域性子市場(chǎng)中，不同地區(qū)的碳排放市場(chǎng)的碳排放價(jià)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(chǎng)與區(qū)域性碳排放市場(chǎng)的傳導(dǎo)存在單向特征。

從商品市場(chǎng)看，動(dòng)力煤期貨無論對(duì)全國還是區(qū)域碳排放權(quán)市場(chǎng)的影響均顯著為正，而原油期貨僅對(duì)區(qū)域性碳排放市場(chǎng)的影響顯著為正。這說明，在當(dāng)前“雙碳”戰(zhàn)略背景下，對(duì)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(chǎng)和地區(qū)性碳市場(chǎng)來滿足，而原油價(jià)格對(duì)碳排放權(quán)的影響具有區(qū)域性特征。能源價(jià)格上漲說明經(jīng)濟(jì)體能源需求上升，進(jìn)而會(huì)增加碳排放需求，表明能源市場(chǎng)與碳市場(chǎng)緊密關(guān)聯(lián)，傳導(dǎo)機(jī)制相對(duì)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(huì)出現(xiàn)能源價(jià)格上升導(dǎo)致碳排放權(quán)價(jià)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(chǎng)后，滬深300指數(shù)對(duì)碳加權(quán)價(jià)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(duì)碳排放權(quán)加權(quán)價(jià)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(jià)格會(huì)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(chǎng)的關(guān)系較為密切。

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

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

在引入全國碳市場(chǎng)數(shù)據(jù)之后，模型確定的形式存在差異，因此能源市場(chǎng)與金融市場(chǎng)之間的相互影響關(guān)系較復(fù)雜，但參照?qǐng)D5和圖6，動(dòng)力煤期貨、原油期貨對(duì)SHIBOR隔夜利率的影響為負(fù)值；SHIBOR隔夜利率對(duì)動(dòng)力煤期貨、焦炭期貨的影響為負(fù)，對(duì)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(duì)稱特點(diǎn)。從股票市場(chǎng)看，燃油期貨、原油期貨對(duì)相關(guān)行業(yè)加權(quán)收益率影響為負(fù)，焦炭期貨對(duì)行業(yè)加權(quán)收益率影響為正；行業(yè)加權(quán)收益率對(duì)動(dòng)力煤期貨的影響為負(fù)?？傊谌珖蕴际袌?chǎng)引入后，能源市場(chǎng)與金融市場(chǎng)之間的關(guān)聯(lián)性變得相對(duì)復(fù)雜，但也呈現(xiàn)一定的非對(duì)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(jià)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(chǎng)推出之前，第一，能源市場(chǎng)對(duì)碳排放權(quán)市場(chǎng)具有正向影響，當(dāng)實(shí)體經(jīng)濟(jì)對(duì)能源需求強(qiáng)烈導(dǎo)致能源價(jià)格上漲時(shí)，對(duì)碳排放權(quán)的需求也非常強(qiáng)烈；碳排放權(quán)對(duì)能源市場(chǎng)存在負(fù)向影響，碳排放權(quán)價(jià)格較低會(huì)增加對(duì)能源的需求，而碳排放權(quán)價(jià)格升高會(huì)降低對(duì)能源的需求。較高的碳排放權(quán)價(jià)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(huì)增加對(duì)碳排放權(quán)的需求，對(duì)碳排放權(quán)市場(chǎng)產(chǎn)生正向影響；反之，碳排放權(quán)市場(chǎng)對(duì)低碳轉(zhuǎn)型行業(yè)的影響相對(duì)較弱，碳排放權(quán)市場(chǎng)似乎并沒有對(duì)低碳轉(zhuǎn)型行業(yè)形成實(shí)質(zhì)性的主動(dòng)約束。全國性碳交易市場(chǎng)的推出和運(yùn)行對(duì)“碳市場(chǎng)-能源市場(chǎng)-股票市場(chǎng)”之間的關(guān)系產(chǎn)生結(jié)構(gòu)性影響，全國性碳市場(chǎng)影響區(qū)域碳市場(chǎng)，反之影響特征不明晰；金融市場(chǎng)(股票市場(chǎng)和債券市場(chǎng))對(duì)全國性碳市場(chǎng)與區(qū)域性碳市場(chǎng)的影響存在分割特征；動(dòng)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(duì)碳市場(chǎng)的影響具有區(qū)域性。值得注意的是，由于全國性碳市場(chǎng)推出時(shí)間較短，本文的樣本數(shù)據(jù)量受限，可能對(duì)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(chǎng)的約束機(jī)制。市場(chǎng)約束機(jī)制通過價(jià)格進(jìn)行。我國不應(yīng)將碳排放權(quán)價(jià)格設(shè)置過低，過低的價(jià)格會(huì)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(duì)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(chǎng)就會(huì)失去約束企業(yè)排碳行為的作用。我國應(yīng)發(fā)揮碳市場(chǎng)的約束機(jī)制，來激勵(lì)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(dòng)全國性碳市場(chǎng)的發(fā)展，實(shí)現(xiàn)區(qū)域性碳市場(chǎng)與全國性碳市場(chǎng)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(chǎng)的發(fā)展，也需要區(qū)域性市場(chǎng)的配合。本文實(shí)證分析也顯示，全國性碳市場(chǎng)與區(qū)域性碳市場(chǎng)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(gè)市場(chǎng)的優(yōu)勢(shì)，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(chǎng)的聯(lián)通機(jī)制。我國應(yīng)打開各類市場(chǎng)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(chǎng)的內(nèi)在綠色發(fā)展理念貫通至商品期貨市場(chǎng)、股票市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)、貨幣市場(chǎng)等，引導(dǎo)金融市場(chǎng)進(jìn)行綠色產(chǎn)品創(chuàng)新，激勵(lì)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(xiǎn)工具。同時(shí)，為了保障各類市場(chǎng)的聯(lián)通，在制度建設(shè)方面，可建立碳評(píng)價(jià)體系、綠色評(píng)級(jí)體系，提高信用評(píng)級(jí)、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。 ■