基于微觀建模的重慶市碳排放權交易模擬研究

吳 靜，朱潛挺

(1.中國科學院 科技戰略咨詢研究院， 北京 100190; 2.中國石油大學(北京)， 北京 102249)

2011年，國家發改委辦公廳發布了《關于開展碳排放權交易試點工作的通知》，正式批準上海、北京、廣東、深圳、天津、湖北、重慶等7省市開展碳交易試點工作。重慶市作為重要的試點城市之一，其碳市場于2014年6月正式開市。在未來長期的運行中，重慶碳市場將對重慶市未來的碳排放和經濟發展產生何種影響？這需要展開定量的模擬研究。

當前，國內外已經開展了較多的關于碳市場的研究，從研究方法加以區分，大致可分為兩類模型：一為自頂向下的建模；二是自底向上的建模。

在自頂向下的建模研究中，主要的建模方法是基于CGE的建模，所謂CGE建模是采用一組方程來描述經濟系統，以分析各種政策對經濟的影響。基于CGE模型的碳市場分析的主要工作包括： McLibbin等采用多區域多部門跨期一般均衡模型來考察碳交易及其資金流[1]；Baron利用8個模型對國際碳交易的配額分配和交易機制進行分析，從而評價發展中國家參與國際碳交易的可能方式[2]；Leimbach基于ICLIPS(Integrated Assessment of Climate Protection Strategies)模型以社會福利最大化為目標對碳交易的經濟影響進行評估，得出未來中國對碳排放權的需求巨大，并將成為碳交易市場的主要買方[3]；Ellerman等采用CGE模型，對幾種不同碳交易情景下的邊際減排成本進行分析和評估，并得出有碳交易的減排成本要低于無碳交易的減排成本，碳交易潛力巨大[4]；Nijkamp等在GTAP-E模型的基礎上構建了國際排放權交易模型來分析全球氣候變化政策的影響[5]；Szabó等建立一個水泥行業全球動態模擬系統(CEMSIM)對歐盟以及其他國家CO2排放交易進行模擬分析[6]；Cho等基于CGE建模分析了4種不同分配原則和排放權存儲機制對韓國工業的影響[7]。

在自底向上的建模中，基于自主體建模(Agent-based Simulation，ABS)是主要的建模方法。所謂ABS是以若干自主體模擬現實中的個體，通過自主體之間以及自主體與環境之間的交互推動系統的演化，分析自主體行為對系統整體的影響。基于自主體模擬的碳交易研究主要包括：Chappin基于自主體技術來模擬歐盟碳交易對荷蘭電力部門投資的影響[8]；Bakam等基于自主體模擬構建了蘇格蘭地區的農業部門碳交易系統[9]；Mizuta等基于自主體技術建立了一個拍賣機制下的國際溫室氣體排放交易模型，但該模型的缺陷是沒有結合實際數據[10]；Zhang等基于自主體模擬建立了江蘇省二氧化硫排放權交易市場模擬系統，分析了交易費用對排放權交易市場的影響[11]。這些研究一方面展示了基于自主體模擬對多個異質主體參與的公共拍賣建模、市場動態建模具有良好的建模能力，另一方面也為碳交易市場的自主體模擬在主體選擇、交易機制設計等方面提供了大量的經驗借鑒。

因此，本文將采用自底向上的基于自主體的模擬方法對重慶市碳排放權交易市場展開建模研究。

一、模型構建

本文的模型是借鑒吳靜等所建立的將基于自主體模擬和投入產出模型相結合的建模方法，擴展建立碳交易模塊。因此，鑒于篇幅所限，關于模型的宏觀經濟模塊、微觀企業技術進步模塊、能源-碳排放模塊的詳細建模請參見參考文獻[12]，本文將主要介紹碳排放權配額分配模塊和碳交易模塊的構建。

(一)碳排放權配額分配

在碳交易的過程中，配額的分配是第一步。國內外對于配額分配的研究已經較多，這些研究雖然是國家層面的配額分配，但可以為重慶市碳排放權配給提供參考。

Rose等[13]，Cazorla等[14]就氣候保護政策中排放權分配的公平性做了綜合比較研究，基于對公平性定量分析的角度不同，將配額分配的公平原則分為三大類：基于分配公平的標準、基于產出公平的標準、基于過程公平的標準，具體分配原則如表1所示。雖然基于產出公平和基于過程公平的標準具有較好的動態性和靈活性，但是這兩種標準在實施的過程中都離不開各國經濟增長趨勢、技術水平、減排成本、排放權交易市場等相關事實的估計，而這些估計目前仍具有較大的不確定性、不完善性，容易產生爭端。因此，基于產出公平和過程公平的配額分配標準的使用頻率仍小于基于分配公平的標準。例如，歐盟在聯合履約機制中就是采取了基于分配公平的原則在國家間完成排放權的初始分配。

在我國，自2011年11月，國家發展改革委批準北京、天津、上海、重慶、湖北、廣東、深圳“兩省五市”開展碳排放交易試點以來，各個試點都推出了各自的配額分配機制。其中，重慶市于2014年6月發布的《重慶市碳排放配額管理細則》規定：以配額管理單位既有產能2008—2012年最高年度排放量之和作為基準配額總量，2015年前，按逐年下降4.13%確定年度配額總量控制上限，2015年后根據國家下達本市的碳排放下降目標確定。配額管理單位在2011—2012年擴能或新投產項目，其第一年度排放量按投產月數占全年的比例折算確定。2015年前配額實行免費分配。因此，在配額模塊中，模型將遵照重慶市的實際配額機制進行構建。

根據企業的能源消費總量Enk,i,t和企業中各種能源的消費比重Hk,i,t，結合各種能源的碳排放系數，可以計算得到每個企業每年的碳排放量：

(1)

根據重慶市碳市場的配額機制，計算得到2014年的配額量，并在2014年之后，逐年下降4.13%：

Qk,i,t=0.041 3n*max{Ek,i,2008,Ek,i,2009,Ek,i,2010,Ek,i,2011,Ek,i,2012}

(2)

其中，n=1,2,3,…

表1 基于不同公平原則的配額分配[13]

(二)碳排放權交易建模

在配額分配模塊基礎上，交易模塊對重慶市碳交易覆蓋行業的企業在碳市場中的交易行為進行模擬。交易模塊中最關鍵的問題是對企業邊際減排成本的計算，根據朱潛挺等的研究[15]，得到企業的邊際減排成本為：

(3)

其中：b1和b2為參數，σk,i,t為企業碳排放強度，μk,i,t為企業減排率。

由式(3)進一步轉變得到企業的減排率為：

(4)

式(4)表明，在企業碳排放強度和碳價格(即邊際減排成本)給定的情況下，我們可以計算得到所有企業各自的減排控制率。

對于任意企業來說，每一年都有一定的配額量Qk,i,t，且在配額總量控制下總有：

Trk,i,t=Qk,i,t-Ek,i,t

(5)

其中，Trk,i,t為企業的碳交易量，并且，每一期碳市場出清，即所有交易量之和為零：

(6)

如式(4)中已經給出的，在碳價格一定的情況下，企業可以計算得到自身的減排率，從而再進一步核算可以交易的配額量。當重慶市整體的配額量等于所有企業排放量之和時，碳市場的交易價格為均衡價格。此時，所有企業的邊際減排成本均相等且都等于碳交易均衡價格，即：

Pt=Mac1,1,t=Mac1,2,t=…=Mack,i,t

(7)

碳交易中，區域碳交易額應等于區域碳交易量乘以碳交易均衡價格，于是，t時期各企業的碳交易額可用方程表示為：

Tvk,i,t=Trk,i,tPt

(8)

二、重慶碳市場運行政策模擬分析

為了獲得實施碳交易后對經濟、排放的影響的評估，研究假設了兩個情景，即：無碳交易的情景1和有碳交易的情景2。通過對兩個情景下重慶市經濟與排放的比較，進而分析重慶碳市場對各方面將產生的影響。

在情景2中，根據重慶市當前的碳排放權交易相關機制，我們將模型中碳市場的交易機制做如下假設：① 關于配額機制的假設。重慶市碳市場規定以2008—2012年最高年度排放量作為基準配額總量，2015年前，按逐年下降4.13%確定年度配額總量控制上限，而2015年以后如何確定配額尚不明確，因此本研究暫且假設至2050年重慶市將繼續執行逐年下降4.13%的配額控制機制。② 關于碳市場覆蓋行業的假設。根據重慶市碳排放配額管理細則，主要工業企業納入到配額交易的體系中，因此結合本文對投入產出表的17個部門的劃分，模擬的碳市場的微觀交易企業主要包括：采掘業、食品制造業、紡織縫紉及皮革制造業、其他制造業、電力及蒸汽熱水生產和供應業、煉焦煤氣及石油加工業、化學工業、建筑材料及其他非金屬礦物制品業、金屬制造業以及機械設備制造業。

(一)碳市場下重慶市產出變化

模擬得到，在碳交易的情景下，從重慶市整體GDP看，情景2的全市GDP值與情景1持平，其中的原因在于兩個方面：① 雖然進行了碳交易，但每期交易額相對于每個部門的產出而言僅占很小的一部分，圖1為2015—2050年各部門碳交易額占本部門總產出比例的平均絕對值，可以看出，碳交易額占部門產出的比例絕對值基本在0.1%左右，比例最高的為紡織、縫紉及皮革制造部門的份額，約為0.35%。因此，總體而言，碳交易對部門的經濟影響并不顯著。② 由于是區域內的碳交易，并不存在由于碳交易而造成的資金外流，因此從全市經濟整體而言，碳市場交易造成的資金流在參與企業的買方流向賣方，這僅為區域內部的資金流動，對全市GDP水平影響較小。

雖然碳市場對重慶市GDP水平影響較小，但由于在實施碳交易之后，部門的產出將發生一定的變化，這種變化也將導致重慶市產業結構發生變化。比較情景2與情景1，重慶市三大產業的比重如表2所示。分析可知，在碳市場的作用下，至2050年，第三產業的比重較情景1略有上升，第二產業和第一產業的比重略有下降，表明碳市場將有助于重慶市的產業結構升級，進一步促進服務業的擴張。

(二)碳市場下重慶市部門產出變化

雖然在全市層面上，碳市場交易對重慶市GDP的影響較小，但企業將參與碳市場的碳排放權買或賣，使得企業資金在部門間流動，從而造成部門的產出在有碳市場或無碳市場的情況下發生波動。圖2展示了在情景2(即有碳交易的情景)下，各部門產出相對于情景1(即無碳交易的情景)的變化率。可以看出，在碳市場的作用下，各部門的產出均發生了一定的波動，這種波動不僅限于參加了碳交易的工業企業，而且波及到了經濟整體的各個部門，其中的原因在于經濟各部門存在內在的中間投入關系，但工業企業進行碳交易時，其生產成本的變化間接影響了產品的市場價格，從而作用于與之存在投入產出關聯的其他部門企業[16]。

圖1 部門碳交易額占部門總產出的平均比例絕對值

時間一產占比/%二產占比/%三產占比/%情景120205.0347.9946.9820303.1940.8355.9820402.1133.9563.9420501.5328.9469.53情景220205.0048.0346.9820303.1340.7756.1020402.0933.7364.1720501.5228.6469.85

圖2 2015—2050年情景2下各部門產出相對情景1的年變化率

按照產出受碳市場影響的變化方向的不同，可以將部門分為以下幾種類型：① GDP始終收益的部門，即在實施碳交易后，情景2下部門的產出較情景1有所增長，這類部門包括食品制造業、化學工業、機械設備制造業、運輸郵電業、金融保險業、其他服務業。2015—2050年，以上各部門的平均產出增幅分別為0.85%、0.25%、0.53%、0.95%、0.47%、0.26%，可以看出，在碳交易作用下運輸郵電業和食品制造業受益較大。② 始終受損的部門，即在實施碳交易后，情景2下部門的產出較情景1有所下降，這類部門包括農業、采掘業、紡織縫紉及皮革制造業、電力及蒸汽熱水生產和供應業、其他制造業、建筑業、商業飲食業。2015—2050年，以上各部門的平均產出降幅分別為-0.54%、-1.78%、-1.50%、 -1.95%、-1.80%、-1.20%、-0.16%，可以看出，電力部門將在碳市場運行后受到較大的負面沖擊，其產出下降幅度最為顯著，其他制造業次之。而電力部門之所以受到如此顯著的沖擊，是因為當前重慶市發電仍以火電為主，碳排放較大，而實施碳排放控制之后，該行業需要較大的資金投入到碳排放權的買賣中，從而降低了部門的產出。同時，在碳排放控制作用下，其他部門對電力部門的需求也將有所降低，從而進一步促使電力部門產出下降。③ 初期受損后期受益的部門，即在實施碳交易后，在初始階段部門的產出較情景1有所下降，但隨著碳市場的發展部門產出較情景1上升，這類部門主要包括：煉焦煤氣及石油加工業、建筑材料及其他非金屬礦物制品業、金屬產品制造業、公共事業及居民服務業。這些部門2015—2050年平均產出變化率分別為0.02%、1.25%、0.95%、0.13%，可以看出，基本上這類部門均可在長期的碳交易中獲益，其中至2050年產出增幅較大的為建筑材料及其他非金屬礦物制品業，其增幅甚至超出了第一類中始終受到正面影響的郵電運輸業。整體而言，在碳市場影響下，產出受益較大的是建筑材料及其他非金屬礦物制品業，產出受損最大的是采掘業、電力及蒸汽熱水生產和供應業。

圖3 碳交易下重慶市三大產業累積產出變化率

而從三大產業在碳市場中的平均受影響程度分析，與情景1比較，實施碳交易后，2015—2050年，一產的累積產出降低0.62%，二產的累積產出降低0.66%，三產的累積產出上升0.12%(見圖3)。這與前文分析得到的碳市場將促進重慶市產業結構升級的結論一致。

(三)重慶市碳市場的構成

在碳市場中，鑒于對成本效益的考慮，參與企業將根據邊際減排成本與碳市場交易價格的權衡考慮，對配額的買賣進行決策，因此將分別形成碳市場的買方與賣方。模擬得到2015—2050年重慶市各部門在碳市場中的交易量如圖4所示，其中，作為賣方存在的部門主要有采掘業、食品制造業、建筑材料及其他非金屬礦物制品業、機械設備制造業；買方部門主要包括紡織縫紉及皮革產品制造業、其他制造業、電力及蒸汽熱水生產和供應業、煉焦煤氣及石油加工業、化學工業、金屬產品制造業。需要說明的是，這里買方與賣方部門的劃分是在行業層面上的整體統計特征，而在實際的交易中同一部門內可能同時包含買配額的企業和賣配額的企業。

國內主要脫硫技術主要分為濕法煙氣脫硫、干法煙氣脫硫和半干法煙氣脫硫等三大類。具體包括：石灰石/石灰-石膏法、雙堿法煙氣脫硫工藝、氨法煙氣脫硫、雙氧水脫硫、有機胺法、干式吸收劑噴射法、金屬氧化物脫硫法、噴霧干燥法脫硫等技術。

進一步細分買方與賣方市場(見圖5),在買方市場中，2015—2050年累積購買量最大的為電力部門，占碳市場總交易量的30%，其次為其他制造業，占29%，這種買方市場的結構也印證了前文對各部門產出變動的分析，電力部門和其他制造業為購買排放權支付了較多的資金，從而對本部門的產出產生負面影響；而在賣方市場中，2015—2050年累積出售量最大的為機械設備制造業，占出售量的42%，其次為采掘業，占32%。但同時我們也發現，在賣方中，雖然機械設備制造業和采掘業占據了主要的市場份額，但是這兩個部門的產出并沒有因此而較情景1有顯著上升，機械設備制造業的產出增幅為0.53%，而采掘業的產出增幅為-1.78%，表明這兩個行業雖然在碳交易中為資金流入方，但在產業部門聯動作用下，由于碳排放控制引起的中間需求降低基本抵消了這兩個部門在碳市場中的收益，采掘業甚至出現產出降低。

圖4 2015—2050年重慶市各部門交易量

圖5 重慶市碳市場買方與賣方市場構成

(四)重慶市碳排放與碳市場運行

在碳市場的作用下，情景2下重慶市的排放量較情景1發生了較大的變化，見圖6。若碳市場的排放權配額如情景2所假設，即至2050年每年配額遞減4.13%，則未來重慶市的碳排放軌跡將發生顯著的變化，碳排放在實施碳交易之后逐年下降，至2050年排放量為15.73百萬噸碳，比未實施碳交易時減少約10百萬噸碳；2015—2050年累積減少碳排放933百萬噸碳，減排量占原排放總量的36.69%。

圖6 情景1、情景2下重慶市碳排放總量變化

而各部門的碳排放與全市總排放的軌跡略有不同(見圖7)，特別是對于不參加碳市場的部門來說，他們的碳排放高峰將普遍晚于參加碳市場的工業部門，甚至在服務業內的一些部門的排放量至2050年仍呈現持續上升的狀態。

圖7 情景2下重慶市部門碳排放軌跡

排放量的下降得益于碳排放總量的控制，排放配額盈余或短缺的企業在碳市場進行交易，模擬顯示，隨著市場的發展，碳交易量將呈現先上升后略有下降的趨勢，如圖8所示。至2050年，累積交易量將達到58.6百萬噸碳。在2032年左右，碳交易量達到峰值，隨后交易量將出現略微下降，并伴隨不穩定的起伏。交易量峰值的出現反映了企業技術進步與碳交易之間的相互作用關系，在碳市場初期，交易量較小，交易價格較低(見圖9)，企業傾向于通過購買排放權來實現排放控制目標，但隨著碳價格的上升以及企業自身技術水平的進步，企業由購買排放權轉變為自行減排，從而降低了排放權的交易量，但市場價格相對于交易量而言具有一定的滯后期，其達到價格高峰的年份大約在2045年前后。

圖8 情景2下重慶市碳市場交易量變化

圖9 情景2下重慶市碳市場價格變化趨勢

三、結論

在碳市場中，微觀企業是市場的主體，在市場機制的作用下，企業將基于自身異質性的條件對市場運行狀態做出反饋，參與碳交易；同時，碳市場的存在也刺激了企業開展低碳技術創新，取得市場先機并在碳交易中獲益。在微觀企業行為的作用下，碳市場的宏觀狀態發生演變，從而構成一個自底向上的動力學系統。針對碳市場的這種自底而上的演化特征，我們需要采用自底而上的建模方法展開有效的模擬，而基于自主體模擬方法正好滿足了這種需求。

[1] MCLIBBIN W J，ROSS M T，SHACKLETON R，et al.Emissions trading，capital flows and the Kyoto protocol[EB/OL].(1999-12-19)[2017-05-15].http://citeseerx.ist.psu.edu/viewdoc/download?/.

[2] BARON R.International emission trading:From concept to reality[M].Paris:Intemational Energy Ageney，2001.

[3] LEIMBACH M.Equity and carbon emissions trading:A model analysis[J].Energy Policy，2003，31(10):1033-1044.

[4] ELLERMANA D，SUE W I.Absolute versus intensity-based emission caps[J].Climate Policy，2003(32):7-20.

[5] NIJKAMP P，WANG S L，KREMERS H.Modeling the impacts of international climate change policies in a CGE context:The use of the GTAP-E model[J].Economic Modelling，2005，22:955-974.

[6] SZABO′ L，HIDAGO I，CISCAR J C，et al.CO2emission trading within the European Union and Annex B countries:The cement industry case[J].Energy Policy，2006，34(1):72-87.

[7] CHO G L，KIM H，KIM Y D.Allocation and banking in Korean permits trading[J].Resource Policy，2010，35:36-46.

[8] CHAPPIN E J L.Carbon dioxide emission trade impact on power generation portfolio:Agent-based modelling to elucidate influences of emission trading on investments in dutch electricity generation [EB/OL].(2006-11-26)[2017-05-12].http://repository.tudelft.nl/view/ir/uuid:3b04ec6b-f8b0-4a4b-8cc0-dc92c9388006/.

[9] BAKAM I，MATTHEWS R B.Emission trading in agriculture:A study of design options using an agent-based approach[J].Mitigation and Adaptation Strategies for Global Change，2009，14:755-776.

[10]MIZUTA H，YAMAGATA Y.Agent-based simulation and greenhouse gas emissions trading[C]//Simulation Conference，2001.Proceedings of the Winter.IEEE，2001:535-540.

[11]ZHANG B，ZHANG Y，BI J.An adaptive agent-based modeling approach for analyzing the influence of transaction costs on emissions trading markets[J].Environmental Modelling & Software，2011，26(4):482-491.

[12]吳靜，王錚，朱潛挺，等.微觀創新驅動下的我國能源消費與碳排放趨勢研究[J].復雜系統與復雜性科學，2016，13(4):68-79.

[13]ROSE A，STEVENS B，EDMONDS J，et al.International equity and differentiation in global warming policy[J].Environmental and Resource Economics，1998，12(1):25-51.

[14]CAZORLA M，TOMAN M.International equity and climate change policy[G].Climate Change Economics and Policy:An RFF Anthology，2001:235.

[15]朱潛挺，吳靜，王錚.基于自主體的全球碳交易模擬[J].地理研究，2012，31(9):1547-1558.

[16]祝靜,林金釵.供應鏈企業間碳排放權共享協調策略研究[J].重慶理工大學學報(社會科學),2015(8):49-53,104.