基于時變參數模型的中國區域碳排放權價格調控機制研究

王慶山　李健

摘要 區域碳排放權價格的差異制約了中國全國性碳市場的建立，亟需尋求價格調控方式。本文通過Phillips and Sul模型分析了北京、深圳、上海等碳排放權價格收斂性，結果顯示單純市場作用無法形成統一價格，進而運用狀態空間方法構建時變參變量模型，從能源價格、經濟發展和政策制度等角度，分析了碳排放權價格差異的影響因素組成結構，提出了價格調控機制。認為降低焦炭價格、減緩經濟發展速度、提升交易市場活躍程度以及加大違約處罰力度，是縮小中國區域碳排放權價格差異，形成統一價格的有效調控方式，為建立和完善中國統一的碳排放權交易體系提供了決策支持。

關鍵詞 碳排放權；價格調控；時變參數模型；中國區域碳市場

中圖分類號 X24 文獻標識碼 A 文章編號 1002-2104（2016）01-0031-08 doi：10.3969/j.issn.1002-2104.2016.01.005

中國作為最大的溫室氣體排放國，在積極參與清潔發展機制等國際碳減排活動的同時也努力發展國內碳排放權交易市場。國家發展和改革委員會在2012年12月宣布北京、天津、上海、重慶、廣東、湖北、深圳獲準開展碳排放權交易試點[1]，并在2014年9月印發了《國家應對氣候變化規劃（2014-2020年）》，明確提出將繼續深化碳排放權交易試點，加快建立全國碳排放交易市場[2]。統一的價格信號，即不同區域碳排放權價格相同是鏈接中國不同區域碳排放權交易市場形成全國性統一碳市場的關鍵[3]。因此，2015年5月，巴黎氣候變化商業峰會上，中國政府進一步表示將在2016年啟動統一價格的碳市場[4]。

然而，李炯等[5-6]學者認為中國碳交易市場發展目前仍處于起步階段，價格調節機制尚未完善，碳排放權價格大幅波動，區域間價格差異明顯。陳波[3]進一步指出區域間碳排放權價格的差異會導致減排目標和區域成本差異較大，滋生碳泄漏風險，市場出現成本轉移問題，不利于企業更加深入地參與碳交易，發揮碳市場資源調配的功能，最終影響全國性碳市場的建立和可持續發展[7]。因此，研究中國區域間碳市場交易價格調控機制，不僅對企業和投資者規避碳價風險有一定的指導意義[8-9]，也能為建立和完善我國統一的碳排放權交易體系提供決策支持。

鑒于此，本文選取中國區域碳排放權交易市場中建立時間較長，相關制度較為完善，價格波動較為合理，且在地區空間上分屬中國北方、中部和南方的北京、上海和深圳碳排放權交易市場為主要研究對象，首先判斷出中國區域碳排放權價格差異不會在單純市場運作下消失。然后通過解析造成中國區域碳排放權價格差異的影響因素構成，探尋縮小區域價格差異的宏觀調控方式，以期為中國全國性碳市場的價格調控提供理論支持。

1 文獻回顧

中國區域碳排放權交易市場從2013年建立至今僅有兩年時間，與歐盟等國家相比，相關政策及市場體系尚不成熟，可用于研究分析的有效數據獲取較為困難，進而針對中國碳排放權價格價格調控研究的文獻較為稀少，眾多學者多從環境和成本效率相結合角度，探討關注于歐盟碳排放權（EUAs）和歐洲核證減排量（CERs）價格及其差異化的影響因素[10-13]。

碳排放權價格影響因素方面，Benz和Truck[11， 14]認為EUA價格由期望市場供給短缺的預期決定。Daskalakis等人[15]認為銀行為EUA發布的借貸和限制政策，對于碳期貨價格具有重要影響。Hinterman[16]通過計量經濟學模型，分析了歐盟碳排放權第一階段（2005-2007）EUA價格和市場基本指標之間的依賴關系，認為原油價格、溫度、產品存量級別、配額總量等調控EUA價格的關鍵因素。Montagnoli和Vries[17]通過價格方差比檢驗，認為歐盟碳排放權第一階段市場價格調控缺乏效率，第二階段效率逐漸提升。Conrad等人[18]通過日周期性、波動聚集性和波動持續性，指出歐洲第二階段分配政策對于EUA價格調控有直接影響。Victoria[19] 運用向量誤差修正模型，估計了歐盟14個成員國排放權直接成本，結果顯示汽油價格是碳排放權價格調控的決定因素之一。Creti等人[20]從能源價格、替代價格等角度分析歐盟第一階段和第二階段（2008-2012）EUA價格驅動因子的差異性，指出原油、天然氣和替代能源價格是EUA價格變化的動因。Reboredo[21]運用時變copula模型探尋EUA價格和原油價格關系，認為二者之間存在正向均值依賴和極值對稱關系。Wagner[22]研究了燃煤電廠轉變為燃氣電廠對碳價格的影響，認為燃氣代替煤作為發電原料會引起碳價格上升。王軍鋒[23]比較EUA和CER現貨價格以及期貨價格差異后提出EUA價格對CER價格有引導作用。張躍軍[24]探討了化石能源市場對國際碳市場的復雜影響機制，認為油價是碳價變化的主要貢獻者（37%），其次是天然氣價格（31%），遠大于煤炭價格（2%）。

王慶山等：基于時變參數模型的中國區域碳排放權價格調控機制研究

中國人口·資源與環境 2016年 第1期在縮小碳排放權價格差異研究方面，Nazifi[25]通過時變參數模型研究EUA和CER價格的動態結構關系，認為不同市場結構、CER的不確定環境和總量控制程度是價格差異的關鍵因素。MansanetBataller等人[26]將EUA和CER價格驅動因子作為二者價格差的影響因素進行了分析研究，認為價格差的關鍵因素是EUA價格水平和市場宏觀變量。Barrieu和Fehr[27-28]通過構建市場期貨價格動態模型分析價差，認為無套利連續時間模型可用表征EUA和CER價格差異變化。Chevallier and Sévi[29]運用跳躍-擴散模型分析碳期貨價格的隨機屬性，認為EUA價格的跳躍變動受交易量影響。Littell D和 Jenkins[30-31]分析美國經濟政策約束對碳價格的影響，認為政策約束是影響碳價格的因素之一。關于中國碳市場價格影響調控研究較少，郭文軍[7]從國際碳價、國際能源價格、國內外經濟狀況和匯率四個維度，分析了國際市場對中國區域碳排放權價格影響，認為國內區域碳價受歐元匯率的影響最大，其次是國內的石油價格，國內經濟和歐洲經濟狀況對國內區域碳價有正向影響，而國際碳價與國內區域碳價之間的聯系較弱。李炯[6]從體制機制角度，通過定性分析認為價格制度及其穩定機制的不同設置造成了區域碳排放價格差異，但并未明確給出調控機制。

綜上可見，由于中國區域碳排放權市場發展僅兩年，至今缺乏關于中國區域碳排放權價格調整機制的研究。能源價格、經濟發展以及政策制度因素是影響碳排放權價格，造成區域價格差異的主要因素，也是宏觀碳價格調控關鍵因素。

鑒于此，本文將首先運用Phillips and Sul收斂模型檢驗單純市場運作能否消除中國區域碳排放權價格的差異，然后構建基于狀態空間的時變參數模型，從能源價格和經濟發展角度解析中國區域碳排放權價格差異的影響因素結構，并結合各區域政策制度，探究各影響因素作用方式，最終得出實現中國區域碳排放權價格調控機制。

2 模型構建及參數說明

2.1 Phillips and Sul收斂模型

當前主要數據收斂性研究方法包括非參數收斂檢測[32-34]、貝葉斯收斂估計[35]、以及優化索洛增長模型[36]。本文將采用基于Phillips and Sul[37， 38]開發的面板分析技術進行數據收斂性檢驗，這一方法有助于分析中國區域差異的非線性時變結構，與上述研究過度經濟的研究方法相比，更適用于研究當前中國具有明顯過度性質的碳排放權交易市場[39]。Panopoulou and Pantelidis[40]證明了這一方法在分析國家層面數據收斂性方面的科學性和實用性。魏一鳴[39]也借助這一方法研究了中國碳排放量的收斂性特征。Nazifi[25]將其延伸到EUAs和CERs價差分析領域，表明基于Phillips and Sul模型的收斂性檢驗，適用于中國區域碳價格差異化的收斂性分析。根據這一方法，中國區域碳排放權價格可以分解如下：

pit=ait+git

（1）

其中：git為系統分量，ait為短暫成分，為了區分一般組件和特殊組件，公式1可整理為：

pit=ait+gitvtvt=δitvt

（2）

其中：vt為一般組件，δit為時變界面的特殊組件。因此，不同區域碳排放權價格差可以表示為spreadijt=pit-pjt=（δit-δjt）vt，假設區域價差pit-pjt（i≠j）存在長期均衡關系和一般成分vt。若δit=δi，則pit和pjt關于協整向量（-δi，δj）協整。此時協整意味伴隨時間的并行演變，而不是所謂的收斂。Phillips and Sul提出如果vt的單位根是非穩定的，且δit≠δjt，那么即便δit和δjt收斂于δ，可若這一收斂速度小于vt的發散速度，也無法發現pit和pjt之間存在的協整關系，及此時（δit-δjt）vt的殘值是非穩定的。因此，協整檢驗不是探析收斂和協整關系的完全可靠手段。

因此，Phillips and Sul提出了一種新的收斂檢驗方式，原假設為H0：δit→δ，t→∞，即：H0：δit=δ，且a≥0，備擇假設為HA：δit≠δ，或a<0。價格的收斂性則可以通過參數δit觀測，收斂程度表征形式如下：

hit=pitN-1∑N1pit=δitN-1∑N1δit

（3）

即若δit收斂于δ，那么hit收斂于1。因此，長期內hit界面方差Ht收斂于0，即

Ht→0，t→∞，Ht=1N∑Ni=1（hit-1）2

（4）

考慮不同區域碳排放權價格可能最后收斂于不同水平，因此Ht～AL（t）2t2a，t→∞，其中A為大于零的常數，令L（t）=log（t+1），建立關于logt的回歸方程：

logH1Ht-2logL（t）=+logt+vt，t=[rT]，

[rT]+1...T

（5）

其中：=2，其中是原假設的估計值，[rT]代表rT的整數部分，r≥0，一般取值范圍為[0.2，0.3]。當>0時認為hit是收斂的，且收斂穩定。

2.2 時變參數回歸模型

由于中國碳排放權交易市場還處于試點階段，碳排放權價格制度正在不斷變化完善，且各區域之間存在明顯差異化[5]，因而固定參數模型難以有效描述，所以本文利用狀態空間模型構建時變參數模型分析區域碳排放權價格差異的影響因素作用方式，構建模型如下：

測量方程：pit=αijt+βijtpjt+εit

（6）

狀態方程：αijt=ρij1+ρij2αijt-1+μijt

（7）

βijt=ρij3+ρij4βijt-1+ρij4pcoalt+ρij5poilt+ρij6pgast

+ρij7phs300t+ωijt

（8）

其中：εijt～nid（0，σ2ε），μijt～nid（0，σ2μ），ωijt～nid（0，σ2ω）分別為公式6至公式8的殘值，上標ij表示區域i和區域j，i={1、2、3}，j={1、2、3}，其中1、2、3分別表示北京、上海和深圳，模型各參數含義如下表1所示。βijt用于解釋區域碳排放權價格差異的動態行為，βijt數值增加意味著區域之間碳排放權價格差異化程度的減少，反之意味著差異化程度的增加。ρij為非時變參數，可通過卡爾曼濾波估計進行計算求解。

3 數據選取

當前中國碳排放權交易與國際碳交易市場聯系較少，因而國際碳排放權價格等因素對中國影響較弱[7]，因此本文忽略國際市場對中國碳價格的影響，從國內能源價格、經濟發展、試點省市碳交易相關政策等角度進行數據收集和計量分析。

3.1 能源因素

根據文獻[7，24-25]天然氣、焦炭、原油等能源是當前消耗量較大，且其價格對碳排放權價格具重要影響，因此選取國內天然氣、焦炭和原油價格分析中國能源價格對區域碳排放權價格差異化的影響。依據中國黃金投資網提供的內蒙古鄂爾多斯市星星能源有限公司、華油天然氣廣安有限公司、內蒙古鄂托克前旗時泰天然氣經營有限責任公司、中油中泰能源（珠海）有限公司、陜西眾源綠能天然氣有限責任公司、寧夏哈納斯新能源集團、河南安彩高科股份有限公司、達州市匯鑫能源有限公司、內蒙古鑲黃旗綠能氣體處理有限公司、天津舜天達天然氣有限公司、任丘開發區華港燃氣有限公司等中國主要天然氣生產公司的天然氣出廠價格，以每日主要天然氣公司出廠價平均值為本文天然氣數據。公式如下：

pgast=1n∑nipgasit

（9）

其中pgast為t時刻天然氣價格，pgasit為天然氣廠商的天然氣出廠價格。焦炭價格數據來源于渤海商品交易所（Bohai Commodity exchange， BOCE）焦炭（BSK）現貨交易價格。原油價格數據來源于大慶石油交易中心（Daqing petroleum exchange center， DPEC）原油交易現貨價格。

3.2 碳排放權價格數據

根據引言所述，受交易時間和有效數據獲取性限制，本文選取交易時間較長、數據有效性較好的北京、上海、深圳碳排放權價格，用于分析中國區域碳排放權價格差異化的影響因素構成。北京碳排放權價格來源于北京環境交易所（Beijing environment exchange， BJEE）碳排放權電子交易平臺，上海碳排放權價格數據來源于上海環境能源交易所（Shanghai environment and energy exchange， SHEEE）每日現貨平均交易價格，深圳碳排放權價格數據來源于深圳排放權交易所（Shenzhen emissions exchange， SZEE）SZA2013現貨交易價格。數據取值范圍均為自該交易所開始碳排放權交易之日至2015年7月22日。

3.3 經濟數據

根據文獻[24]滬深300指數可以很好的反映我國經濟變化情況，因此本文采用滬深300指數（000300）每日收盤價表征經濟水平的變化情況，用于分析中國經濟因素對碳價格變化的影響。

3.4 政策因素

由于各省市碳排放權交易政策不盡相同，且尚無定量數據表征，因而本文根據借鑒文獻[25]，將政策因素作為外生變量，將在5.3節中，從懲罰力度、配額總量以及分配方式等角度，構建中國區域碳排放權交易市場對比表（如表4所示），進行分析研究。

4 實證分析

4.1 區域碳排放權價格長期均衡關系及收斂性檢驗

通過ADF檢驗，焦炭、石油、天然氣價格和滬深300指數以及北京、上海、深圳碳排放權價格數據都呈現平穩水平不顯著，但一階差分后的數據平穩性顯著狀態，可以進行協整和收斂性檢驗（檢驗結果如表2所示）。通過Johansen檢驗對變量之間的協整關系進行驗證，結果顯示北京、上海、深圳碳排放權價格之間存在固有長期均衡關系，各碳排放權價格與焦炭、原油和天然氣價格以及滬深300指數也存在長期均和關系。通過格蘭杰因果檢驗發現北京、上海、深圳碳排放權價格之間不存在互為格蘭杰因果關系，而焦炭、原油、天然氣以及滬深300指數都為各區域碳排放權價格的格蘭杰因，可見中國各區域碳排放權價格之間不存在長期均衡關系，但與焦炭、原油、天然氣價格和經濟發展指數存在長期均衡關系，這與EU ETS下EUA和CER價格關系類似。

根據本文2.1節，考慮中國碳排放權交易體系的區域差異和向全國性碳市場的過度性明顯，本文采用基于Phillips and Sul開發的面板分析技術進行數據收斂性檢驗，得出：

logH1Ht-2logL（t）=-2.781 3-2.418 7logt

<0，拒絕原假設，認為當t→∞時，Ht不收斂于0，即雖然短期內北京、上海、深圳碳排放權價格在某一期間收斂于某一價格，但在長期內，理論上中國區域碳排放權價格不會收斂于同一價格水平，表明僅僅依靠長期市場運作，難以實現全國性的統一碳排放權價格，需要通過政府宏觀價格調控進行干預。這一結論與李俊峰等人觀點相同[6]。

4.2 中國區域碳排放權價格差異化影響因素

運用構建的中國區域碳排放權價格差異時變參數模型，通過EViews 6.0軟件，計算公式6中βijt參數值變化趨勢，表征不同區域碳排放權價格收斂程度。如圖1所示，北京和上海之間（bjsh曲線）以及上海和深圳之間（shsz曲線）的β12t和β23t值顯著偏離單位1，而北京和深圳之間（bjsz曲線）的β13t值在單位1上下波動，表明北京和上海之間以及上海和深圳之間碳排放權價格不存在明顯的收斂關系，但北京和深圳的碳排放權價格則顯著收斂。這一結果不同于Nazifi[25]、王軍鋒[23]等學者研究的CER和EUA價格不收斂關系，表明中國區域碳排放權價格差異的影響因素結構與CER和EUA之間具有差異。圖1中β12t和β23t雖然同是偏離單位1，但二者偏離方向相反。β12t逐漸向上偏離單位1水平線，并呈現多頻率突變現象，表明北京和上海碳排放權價格差異波動幅度較大，且同趨勢收斂性變化程度較低；反之β23t逐漸向下偏離單位1水平線，但波動較為穩定，較少出現突變性變化，表明上海和深圳碳排放權價格雖然同趨勢收斂變化程度較弱，但價格差距變化較為穩定，這與Nazifi[25]關于CER和EUA的價格變化情況類似。

從表3可以看出，不同能源價格和經濟指標對于中國區域間碳排放權價格差異作用方向和影響程度均有差異。2.2節已指出βijt值與區域i和j的碳排放權價格差異程度呈反向關系，因而從表3中各參數系數的正負水平可以看出：原油價格和經濟發展水平的下降會縮小中國區域碳排放權價格差異，焦炭價格增加僅會擴大北京與上海、北京與深圳之間的碳排放權價格差異，天然氣價格的減小也同樣只能縮小北京和上海之間碳排放權價格差異，兩者對于其他區域碳排放權價格差異具有正向作用。比較同一區域間參數數值關系，焦炭價格和原油價格是導致中國區域碳排放權價格差異主要影響因素，但在各區域間作用程度差距較大，如焦炭價格對于北京和上海碳排放權價格差異作用程度約占全部驅動力的32.33%，而在北京和深圳之間僅占全部影響程度的2.74%。滬深300的影響程度在所有區域間作用最弱，僅為0.48%-2.60%，原油價格影響程度最強，約為64.59%-92.88%。這表明，中國區域碳排放權價格當前與社會經濟發展水平相關性較低，通過調整產品市場價格影響中國碳排放權價格的調整手段可能收效甚微，而能源價格則是影響中國區域碳排放權價格變化的關鍵因素，其中原油價格是其決定因素。

5 中國區域碳排放權價格調控機制分析

5.1 能源價格調控機制

從表3可見，不同能源價格對βijt的影響不同，表明不同能源價格對中國區域碳排放權價格差異具有不同作用機制。北京和上海碳排放權價格差異化程度，隨著焦炭、天然氣和石油價格減小而降低；北京和深圳碳排放權價格差異化程度，隨著焦炭和石油價格的降低以及天然氣價格的增加而降低；上海和深圳碳排放權價格差異化程度，隨著焦炭和天然氣價格增加以及石油價格減小而降低。

造成這一現象的原因在于各區域碳排放權交易涉及行業及配額分配方式的差異，表4所示，電力行業是北京、上海、深圳碳交易市場涉及的主要耗煤行業，北京采用祖父制的分配方式向其分配初始碳配額，而上海和深圳則采取標準法進行分配?；谧娓钢频姆峙浞绞诫m然使得多數電廠短時間內產生額外效益，但長期則不然[43]，因而為保證區域電力的正常供應，多數電廠會獲得較多的免費配額，此時焦炭價格的增長不僅不會影響電廠產能，反而會促使電廠加大產能，進而電力行業提高對碳排放權的需求，進而提升碳排放權價格。反之，上海和深圳采取標準法進行電力行業的碳配額分配工作，電廠產量與碳排放權需求量緊密相關，焦炭價格提升，會增加電廠生產成本，降低行業產量，減少電力行業對碳排放權的需求，進而促使碳排放權價格降低。如此，在不同碳排放權分配方式下，焦炭價格的提升促使北京碳排放權價格的提升，上海和深圳碳排放權價格的減小，進而使得北京和上海之間以及北京和深圳之間的碳排放權價格差異化程度增加，上海和深圳之間的碳排放權價格差異化減小。

原油價格的降低，則會促使化工企業能夠用更低廉的價格替換原油等高碳強度能源，進而減少更多的碳排放權量，降低碳排放權需求，促使碳排放權價格降低[25]，而航空等行業由于無法替換原油價格相關的燃料使用，當原油價格降低時則會大量購入，增加產量，進而提升對碳排放權需求，促使碳排放權價格提升。在中國區域碳排放權交易市場中，一方面由表4可知，北京碳排放權交易市場中涉及原油價格的行業主要為化工行業，上海則是航空行業，深圳涉及較少。另一方面從圖1可知，自2014年12月18日之后，北京碳排放權價格大于深圳大于上海。因而，此時原油價格降低，會降低北京碳排放權價格，提升上海碳排放權價格，進而縮小各區域之間碳排放權價格差異。

天然氣在北京和上海之間正向，在北京和深圳以及上海與深圳之間為負向。主要是由于中國使用天然氣行業主要為水泥、公共建筑和燃氣電廠等行業，天然氣價格的降低，促使這類行業行業推進天然氣替換焦炭進度，提高天然氣需求量，增加碳排放量，需求更多的碳排放權，進而提升碳排放權價格。北京、上海和深圳碳排放權交易市場均涉及電力行業，但北京還囊括水泥行業，上海也包含了公共建筑行業，且公共建筑行業規模遠大于水泥行業，因此三個區域碳排放權價格受天然氣價格降低引起的增加幅度可以表示為上海大于北京大于深圳，考慮圖1中三個區域碳排放權價格高低排序，可見天然氣價格的降低，縮小了北京和上海碳排放權價格的差異，而增大了北京和深圳以及深圳和上海之間的碳排放權價格差異。

5.2 經濟發展調控機制

從表3可知，滬深300指數的提升會縮小區域間碳排放權價格的差異，滬深300指數在一定程度上表征了中國整體經濟發展水平[23]，因此，中國整體經濟的提升，會擴大中國區域碳排放權價格的差異，表明在相同基金增長水平下，北京、上海、深圳碳排放權需求量存在差異性，由于2014年12月18日之后，北京碳排放權價格高于深圳高于上海的價格形勢，經濟增長對于碳排放權的需求程度排序應為北京小于深圳小于上海?？紤]企業對于碳排放權的需求與其碳排放量的對應關系，區域碳排放權需求量一定程度上反映了區域碳排放量，因而經濟增長對于碳排放權價格的影響，體現了經濟增長對于區域碳排放量增加的影響，可見經濟增長引起的碳排放量增加程度北京小于深圳小于上海，李丹丹等[43]對中國區域能源強度的劃分證明了這一結論。

5.3 政策制度調控機制

從圖1可知，北京和深圳碳排放權價格顯著收斂，反映于圖1則是在2014年8月17日至2014年10月17日和2015年4月17日至2015年6月17日兩個時間段，北京和深圳碳排放權價格曲線重合。對比表4中國區域碳排放權市場差異，北京和深圳碳排放權配額總量、納入企業總數以及處罰力度相近，而北京和上海、深圳和上海之間則相距較大。北京和深圳碳排放權總量相對上海較低，分別占上海配額總量的44.1%和24.3%，而納入企業總數則是上海的2.5和3.2倍，企業碳排放權供給量相對較少，且北京和深圳的違約處罰力度相對上海較大，因此，北京和深圳碳排放權交易活躍性較高。可見，活躍的市場是促使中國區域碳排放權價格收斂的關鍵因素，也是促使中國區域碳排放權交易市場向統一碳排放權交易市場的重要因素。在碳排放權分配方式方面，北京主要采用祖父制方式，深圳主要采取基準值方式，二者差異較大；上海則采取祖父制和基準值相結合的分配方式，與北京和深圳差異較小。但是從圖1可見，北京和上海、上海和深圳碳排放權價格差異收斂性不顯著，反映于圖1則是在全部交易期間北京和上海、上海和深圳碳排放權價格曲線不存在重合區域，可見碳排放權分配方式的不同與中國區域碳排放權價格差異無顯著關聯。

6 結論與啟示

中國碳排放權交易還處于起步階段，但建立統一碳市場的任務已正式提上工作日程，研究各試點省市區域碳排放權價格調控機制，是全國性統一碳市場建立過程中必不可少的重要環節，也關乎我國節能減排、低碳經濟的未來發展。本文首先運用Phillips and Sul收斂模型分析了北京、上海、深圳等中國區域碳排放權價格收斂性，并通過構建中國區域碳排放權價格差異時變參數模型，從能源價資料來源：北京市碳排放權電子交易平臺、深圳碳排放權交易所、上海環境能源交易所。

格、經濟發展和政策制度方面探討了中國區域碳排放權價格差異的影響因素組成，研究發現：

（1）通過單純市場運作無法實現全國性統一碳排放權價格。長期內北京和深圳碳排放權價格呈現不同區域相同價格現象；北京和上海、上海和深圳碳排放權價格則難以出現相同價格現象。雖然理論上，通過單純市場運作可以形成統一的價格信號，但是受各區域資源稟賦、碳市場發展成熟度差異和地方性保護主義的影響，適當的政府干預是形成全國性統一碳排放權價格不可或缺的。

（2）中國統一碳排放權價格的形成需要針對不同區域采取差異化能源調控政策。影響區域碳排放權價格差異的關鍵因素在于焦炭和原油價格，經濟發展影響程度較弱，且焦炭價格和整體經濟指數與中國區域碳排放權價格之間具有正相關性，而天然氣和原油價格對于中國區域碳排放權價格差異的作用具有區域差異性，難以通過同一化政策實現統一價格。

（3）降低焦炭價格、減緩經濟發展速度、提升交易市場活躍程度以及加大違約處罰力度，是形成中國統一碳排放權價格的通用性調控方式，助于減弱中國區域碳排放權價格差異程度，構建巴黎氣候變化商業峰會上，中國政府提出的統一價格的碳市場。

（編輯：徐天祥）

參考文獻（References）

[1]江國成.中國在7省市開展碳排放權交易試點[N/OL].北京：新華網.2012-01-13[2015-08-28] http：//news.xinhuanet.com/fortune/2012-01/13/c_111436257.htm. [Jiang Guocheng. Carbon Emissions Trading Is Carried out in The Seven Pilot Cities in China[N/OL].Beijing：Xinhua. 2012-01-13[2015-08-28] http：//news.xinhuanet.com/fortune/2012-01/13/c_111436257.htm.]

[2]中華人民共和國國家發展和改革委員會. 國家發展改革委關于印發國家應對氣候變化規劃（2014-2020年）的通知[N/OL].2014-09-19. http：//www.sdpc.gov.cn/zcfb/zcfbtz/201411/t20141104_642612.html. [NDRC. Notice about The Issued by The National Climate Change Program （2014-2020） [N/OL].2014-09-19. http：//www.sdpc.gov.cn/zcfb/zcfbtz/201411/t20141104_642612.html.]

[3]陳波. 中國碳排放權交易市場的構建及宏觀調控研究[J]. 中國人口·資源與環境， 2013， 23（11）：7-13.[Chen Bo.The Establishment of Chinas National Carbon Market and Its Macrocontrol Strategy[J]. China Population， Resources and Environment.2013， 23（11）：7-13.]

[4]胡藝瀚. 巴黎商業氣候峰會：國際商界期盼中國統一的碳價市場[OL/R].2015-05-23. http：//www.yicai.com/news/2015/05/4621527.html. [Hu Yihan.Business Climate Summit in Paris：International Business is Eagering for Chinas Unified Carbon Price Market[R/OL].2015-05-23.http：//www.yicai.com/news/2015/05/4621527.html.]

[5]戴麗. 建立全國統一碳市場已經提上日程[J].節能與環保，2014，（7）：30-31.[Dai Li. Establish a Unified National Carbon Markets Have Been on the Agenda[J]. Energysaving and Environment Protection， 2014，（7）：30-31.]

[6]李炯， 陳清清. 區域碳市場價格制度、價格差異及產業競爭力影響[J].中共浙江省委黨校學報，2015，（4）：53-60.[Li Jiong，Chen Qinqin. The Impact of Regional Carbon Market Price System， Price Difference and Industry Competitiveness[J]. Journal of Zhejiang Provincial Party School，2015，（4）：53-60.]

[7]郭文軍. 中國區域碳排放權價格影響因素的研究：基于自適應Lasso方法[J].中國人口·資源與環境，2015，（S1）：305-310.[Guo Wenjun. Factors Impacting on the Price of Chinas Regional Carbon Emissions Based on Adaptive Lasso Method[J].China Population， Resources and Environment，2015，（S1）：305-310.]

[8]Li J F， Wang X， Zhang Y X， et al. The Economic Impact of Carbon Pricing with Regulated Electricity Prices in China： An Application of a Computable General Equilibrium Approach[J].Energy Policy，2014，75：46-56.

[9]Fahimnia B， Sarkis J， Dehghanian F， et al. The Impact of Carbon Pricing on a Closedloop Supply Chain： An Australian Case Study[J].Journal of Cleaner Production，2013，59（18）：210-225.

[10]Alberola E， Chevallier J， Chèze B. Price Drivers and Structural Breaks in European Carbon Prices 2005-2007[J].Energy Policy，2008，36（2）：787-797.

[11]Benz E， Trück S. Modeling the Price Dynamics of CO2 Emission Allowances[J].Social Science Electronic Publishing，2008，31（1）：4-15.

[12]MansanetBataller M， Pardo A， Valor E. CO2 Prices， Energy and Weather[J].Energy Journal，2007， 28（3）：73-92.

[13]Seifert J， UhrigHomburg M， Wagner M. Dynamic Behavior of CO2 Spot Prices[J].Social Science Electronic Publishing，2008，56（2）：180-194.

[14]Benz E， Trück S. CO2 Emission Allowances Trading in Europe： Specifying a New Class of Assets[J]. Proposal Published European Commission，2006，10：1-14.

[15]Daskalakis G， Psychoyios D， Markellos R N. Modeling CO2 Emission Allowance Prices and Derivatives： Evidence from the European Trading Scheme[J].Journal of Banking & Finance，2009，33（7）：1230-1241.

[16]Hintermann B. Allowance Price Drivers in The First Phase of the EU ETS[J].Journal of Environmental Economics and Management，2010，59（1）：43-56.

[17]Montagnoli A， Vries F P D. Carbon Trading Thickness and Market Efficiency[J].Energy Economics，2010，32（6）：1331-1336.

[18]Conrad C， Rittler D， Rotfuβ W. Modeling and Explaining The Dynamics of European Union Allowance Prices at Highfrequency[J].Energy Economics，2012，34（1）：316-326.

[19]AlexeevaTalebi V. Cost Passthrough of The EU Emissions Allowances： Examining The European Petroleum Markets[J].Energy Economics，2011，33（6）：S75-S83.

[20]Creti A， Jouvet P A， Mignon V. Carbon Price Drivers： Phase I versus Phase II Equilibrium？[J].Energy Economics，2012，34（1）：327-334.

[21]Reboredo JC. Modeling EU Allowances and Oil Market Interdependence. Implications for Portfolio Management[J].Energy Economics，2013，36（3）：471-480.

[22]Wagner L， Molyneaux L， Foster J. The Magnitude of The Impact of a Shift from Coal to Gas under a Carbon Price[J].Energy Policy，2014，66（2）：280-291.

[23]王軍鋒， 張靜雯， 劉鑫. 碳排放權交易市場碳配額價格關聯機制研究：基于計量模型的關聯分析[J].中國人口·資源與環境，2014，24（1）：64-69.[ Wang Junfeng，Zhang Jingwen，Liu Xin. The Study of Allowance Prices Association Mechanism on Carbon Emissions Trading Market： Based on Econometric Model Association Analysis[J]. China Population，Resources and Environment， 2014，24（1）：64-69.]

[24]張躍軍， 魏一鳴. 化石能源市場對國際碳市場的動態影響實證研究[J].管理評論，2010，（6）：34-41.[ Zhang Yuejun，Wei Yiming. Interpreting the Complex Impact of Fossil Fuel Markets on the EU ETS Futures Markets： An Empirical Evidence[J]. Management Review，2010，（6）：34-41.]

[25]Nazifi F. Modelling the Price Spread Between EUA and CER Carbon Prices[J].Energy Policy，2013，56：434-445.

[26]MansanetBataller M， Chevallier J， HervéMignucci M， et al. EUA and CER Phase II Price Drivers： Unveiling The Reasons for The Existence of The EUACER Spread[J].Energy Policy，2011，39（3）：1056-1069.

[27]Barrieu P， Fehr M. Integrated EUA and CER Price Modeling and Application for Spread Option Pricing[R].Centre for Climate Change Economics and Policy Working Paper，2011.

[28]Barrieu P， Fehr M. Marketconsistent Modeling for Capandtrade Schemes and Application to Option Pricing[J].Operations Research，2014，62（2）：234-249.

[29]Chevallier J， Sévi B. On the Stochastic Properties of Carbon Futures Prices[J].Environmental and Resource Economics，2013，58（1）：127-153.

[30]Jenkins J D. Political Economy Constraints on Carbon Pricing Policies： What Are the Implications for Economic Efficiency， Environmental Efficacy， and Climate Policy Design？[J].Energy Policy，2014，69：467-477.

[31]Littell D， SpeakesBackman K. Pricing Carbon Under EPAs Proposed Rules： Cost Effectiveness and State Economic Benefits[J].The Electricity Journal，2014，27（8）：8-18.

[32]Ezcurra R. Is There Crosscountry Convergence in Carbon Dioxide Emissions？[J].Energy Policy，2007，35（2）：1363-1372.

[33]Stegman A， Mckibbin W J. Convergence and Per Capita Carbon Emission[R].Brookings Discussion Papers in International Economics， 2005.

[34]Van P N. Distribution Dynamics of CO2 Emissions[J].Thema Working Papers，2005，32（4）：495-508.

[35]Jobert T， Karanfil F， Tykhonenko A. Convergence of Per Capita Carbon Dioxide Emissions in The EU： Legend or Reality？[J].Energy Economics，2010，32（6）：1364-1373.

[36]Brock W A， Taylor M S. The Green Solow Model[J].Journal of Economic Growth，2010，15（2）：127-1253.

[37]Sul D. Transition Modeling and Econometric Convergence Tests[J].General Information，2007，75（6）：1771-1855.

[38]Phillips P C B， Sul D. Economic Transition and Growth[J].Journal of Applied Econometrics，2009，24（7）：1153-1185.

[39]Herrerias M J， Ordoez J. New Evidence on the Role of Regional Clusters and Convergence in China （1952-2008）[J].China Economic Review，2012，23（4）：1120-1133.