中國碳市場與電力市場間的風險溢出效應研究
——基于BK溢出指數模型

王喜平 王婉晨

（華北電力大學經濟管理系，保定 071000）

引 言

進入21世紀，伴隨著極端天氣、自然災害的頻發，加速傳統能源向清潔低碳轉型、積極應對氣候變化成為全球共同性議題。我國積極宣傳并推動碳達峰、碳中和目標的實施，既是踐行習近平生態文明思想的重大實踐，也體現了促進經濟社會綠色轉型的決心與擔當。目前，碳排放交易市場是全球公認的促進低碳經濟發展和減少溫室氣體排放的最有效手段，已在全球30多個國家和地區付諸實施。我國在試點市場的基礎上，全國碳排放權交易已于2021年7月正式開市，但由于其交易標的復雜性、時間的跨期性以及結果的不確定性，碳金融市場呈現出比傳統股票市場更大的不穩定性，蘊含著巨大的風險。與此同時，發電企業作為首批納入全國碳市場的行業，同時參與碳市場和電力市場。致使兩個市場的參與主體高度一致、交錯重疊、相互影響，應當形成合力、實現協同發展。因此，準確刻畫碳市場與電力市場之間的溢出效應對碳交易市場風險管理、國家節能減排戰略的穩步推進以及雙碳目標的實現具有重要意義。

近年來，有關碳市場與能源市場之間的溢出效應研究已成為學界關注的焦點。事實上，已有大量研究證明，碳市場與能源市場之間存在明顯的溢出效應。歐盟碳市場作為目前全球最具代表性的碳交易市場，是許多研究的主要考察對象。如Liu 和 Chen （2013）[1]基于 FIEC-HYGARCH 模型，研究證實了歐盟碳市場與原油、煤炭、天然氣市場之間存在波動溢出效應。 Balc?lar等 （2016）[2]采用MS-DCC-GARCH模型研究發現能源市場對歐盟碳市場的風險傳導具有顯著的波動性和時變性。 Zhang 和 Sun （2016）[3]基于 DCC-TGARCH和BEKK-GARCH模型，證實了歐盟碳市場與煤炭市場、天然氣市場具有明顯的單向溢出效應，但與原油市場之間溢出效應并不明顯。Wang和Guo（2018）[4]運用 Diebold 和 Yilmaz（簡寫為 DY）溢出指數研究發現WTI原油與天然氣市場對歐盟碳市場的溢出效應較強，且一些重大政策變化會導致溢出指數發生較大波動。Tan等 （2020）[5]運用DY溢出指數模型研究發現化石能源、大宗商品市場以及股市對歐盟碳期貨的溢出效應較為顯著，且溢出強度與重大危機事件緊密相關。

隨著中國碳試點市場投入運行，國內外學者開始關注中國碳市場與能源市場的聯動性和溢出效應。 Lin 和 Chen （2019）[6]運用 VAR（1）-DCCGARCH（1，1）模型和 VAR（1）-BEKK-GARCH（1，1）模型研究發現國內碳市場與煤炭市場和新能源市場之間存在一定的相關性和風險溢出效應。劉建和等 （2020）[7]運用VAR和DCC-GARCH 模型分析發現我國焦煤市場與碳市場之間的溢出效應在所有能源市場中最強。趙領娣等 （2021）[8]運用DY溢出指數模型研究發現中國碳市場與能源市場之間存在雙向溢出效應，但不同區域碳市場與能源市場間溢出效應的特征和凈溢出關系存在差異。

然而，上述針對碳市場與能源市場之間溢出效應的研究，僅局限于煤炭、石油、天然氣等化石能源。在我國，二氧化碳排放主要來自于能源活動，其排放量約占全社會二氧化碳排放量的87%、全部溫室氣體排放量的73%，但其中電力部門是重要的碳排放部門，約占能源碳排放的40%，因此探究碳市場與電力市場之間的風險溢出效應具有重要意義。Ji等 （2019）[9]運用DY溢出指數模型研究發現碳市場價格與歐洲主要電力公司股票收益之間存在強烈的信息溢出，碳市場為信息接收者，且越大型電力公司往往對外信息溢出越明顯。從動態來看，溢出指數呈現不穩定狀態，其波動與碳市場運營狀況和金融市場的風險事件有關。Yang （2020）[10]運用DY溢出指數研究發現碳市場是歐盟 “碳-電力”系統的凈接收方，德國和奧地利的電力公司在系統中起主導作用，且電力需求在風險溢出傳遞過程中起到了至關重要的作用。

從方法論的角度來看，雖然DY溢出指數模型可以克服GARCH模型不能具體刻畫溢出的方向和強度的缺陷。但該模型僅局限于時域下溢出效應的探究，無法衡量頻域下不同程度的溢出效應。Barunik 和 Krehlik （2018）[11]基于廣義方差分解譜構建的溢出指數模型（簡寫為BK），可以捕捉在高頻率短周期、中頻率中周期和低頻率長周期下溢出程度的相同和不同，而傳統的時域研究無法獲取這種差異。因此，深入探究不同頻域下碳市場與電力市場間的溢出效應對于精準把握風險溢出的時效性至關重要。

本文的貢獻主要體現在以下兩個方面：（1）不同于針對中國碳市場的大部分研究關注碳市場與化石能源市場之間的溢出效應，本文選取的研究對象針對中國的電力上市公司，且樣本量選取具有一定廣泛性，結合了大、中、小不同規模的發電企業，以及火電、水電、風電、光電和核電等多種發電模式，識別溢出機制和規律，豐富了已有研究；（2）大多運用溢出指數模型的文獻，只針對溢出的強度和方向測算DY溢出指數，而本文在DY溢出指數的基礎上，運用BK溢出指數，分析在短、中、長期狀態下碳市場與電力市場之間的溢出效應，研究更具有全面性。與此同時，本文在溢出指數的基礎上構建溢出網絡，刻畫經濟一體化背景下碳市場與外部市場之間的交互關聯，識別“碳-電力”系統中的風險溢出中心。

1 理論分析與模型構建

1.1 理論分析

眾所周知，市場間的溢出效應是指一個市場的發展變化不僅會對自身產生影響，還會對其他市場產生的影響。本質上，溢出效應是一種信息的跨市場傳播現象。與此同時，溢出效應的機制可以用兩種理論來解釋：（1）有效市場理論。①由于市場之間共同信息的存在，以及不同市場對信息的反應速度不同，會導致強有效市場對弱有效市場產生風險溢出；②由于市場私有信息的存在，會導致一個市場所產生的波動信息溢出到其他市場。（2）行為金融理論。由于市場參與者往往都是非理性的，因此投資者情緒、羊群效應和啟發式決策等投資行為，會導致兩個市場之間的信息流動更加頻繁，尤其是在經濟不平穩時期，會進一步放大市場間的溢出效應。

具體到本文所選取的研究對象來說，圖1列示了碳市場與電力市場間的風險溢出機制，從中可以看出：發電企業在參與碳市場交易時，由于碳排放約束的存在，將會影響其發電決策和投資行為。因此，碳價格的波動將影響電力公司的發電成本，進而影響這些公司的股票價值；另外，發電企業發電方式的變動，也會影響碳排放權的供求，進而影響碳價格。因此，發電企業的經營發展狀況將通過影響電力市場發電結構來影響碳價格。此外，極端氣候、宏觀經濟波動和政策變動沖擊也都會對碳和電力市場造成一定的影響，這些危機事件的出現也會進一步加強各市場之間的關聯性。

圖1 碳市場與電力市場風險溢出機制

綜上分析，隨著碳市場的不斷發展以及經濟一體化的不斷深入，其與電力市場之間的風險溢出效應也會更加顯著。已有研究表明，波動率是市場信息的主要攜帶者，因此，本文基于波動率概念度量碳市場與電力市場之間的風險溢出效應。

1.2 模型構建

1.2.1 時域下的溢出測度——DY溢出指數

1.2.2 頻域下的溢出測度——BK溢出指數

1.2.3 網絡分析方法

為識別 “碳-電力”系統中的風險溢出中心，本文將各樣本市場視為網絡中的節點，節點的中心度定義為與該節點連邊的權重之和，以衡量市場的重要性；將兩兩市場間的溢出關系視為該網絡的邊，以DY或BK模型計算得到的凈配對溢出指數度量節點的出度和入度。

2 實證分析

2.1 變量選取與數據描述

盡管全國碳排放權交易已于2021年7月16日正式開市，但目前交易數據有限，因此本文選取區域碳交易市場數據進行研究。相較于我國其他試點市場而言，湖北碳市場碳交易量占全國33.14%，碳交易額占全國55.41%，遠高于其他市場，在全國碳交易試點市場中具有舉足輕重的地位，因此本文選擇湖北碳市場作為研究對象。

為研究碳市場與電力市場之間的風險溢出效應，本文選取了7家電力上市公司作為電力市場的代表，最終所選取公司和其他相關信息如表1所示。湖北碳市場交易數據來自于湖北碳排放權交易中心，電力上市公司交易數據來自于CSMAR（國泰安）數據庫。本文采用日波動率來表示市場之間的風險溢出，借鑒 Schwert（1989）[12]和 Engle等 （2013）[13]的方法，計算各個市場收益率ARMA過程的殘差序列，將殘差序列的絕對值做為波動率。所有數據的樣本區間皆為2015年6月3日～2021年12月13日，且剔除了部分碳交易量為0的日期。表2給出了這8個變量數據的描述性統計。

表1 電力市場的選取與相關信息

表2 各變量波動率的描述性統計

由表2的數據可知：（1）深南電A的波動率最大，國電電力的波動率最小，且碳市場的最大值為0.2378，高于其他變量，并考慮到碳市場的標準差是除深南電A外所有變量中最大的，為0.0244，可以看出碳市場相對于其他市場而言，具有更大的風險不確定性；（2）表2中各變量波動率序列偏度皆不等于0，且峰度都大于4，JB統計量的值也表明，各變量的波動率序列都在1%的顯著性水平下拒絕原假設，即認為選取樣本數據均不是正態分布，具有尖峰厚尾的特征；（3）采用ADF和PP兩種方法進行平穩性檢驗，檢驗結果表明，每個波動率序列在1%置信水平下均平穩，因此可以構建DY和BK溢出指數模型。

2.2 靜態溢出指數

表3和表4報告了碳市場與股票市場之間的時域和頻域風險溢出效應①，TO行表示某市場對其他市場的溢出效應，FROM列表示受其他市場風險溢出的程度，NET表示兩者的差值，即對其他市場的凈溢出程度。

表3 各變量間的時域溢出指數表 單位：%

表4 各變量間的頻域溢出指數表 單位：%

續 表

2.2.1 時域靜態溢出

表3為各個變量之間的時域溢出指數表，結果表明：（1）總溢出指數為50.72%，即50.72%的系統變量變化可以用系統中其他變量的變化來解釋；（2）所有市場受自身滯后效應影響均高于受其他市場風險溢出的影響。碳市場對角線上的值為96.42%，而其他電力上市公司都至少從 “碳-電力”系統中獲得了40%以上的影響；（3）從方向性溢出來看，各個變量之間的風險溢出效應是雙向、非對稱的，其中國電電力、上海電力和湖北能源為主要的風險溢出方，他們的股價波動不太可能會受到其他變量價格波動的影響，并且在“碳-電力”系統中具有主導作用；湖北碳市場、寶新能源、金風科技、深南電A為主要的風險接收方，其價格將面臨更多的不確定性；（4）除部分發電量較小的電力企業外，風險溢出方的火電裝機比例處于較低水平，風險接收方的火電裝機比例處于較高水平。因此可再生能源發電比例較高的企業股價波動將更不容易受到碳價和其他企業股價波動的影響，成為風險溢出方。這表明，增加可再生能源發電比例將有助于發電企業降低風險；（5）碳市場的凈溢出指數為-1.55%，這表明中國碳市場在樣本期內主要是從電力市場獲取信息，但向電力市場傳遞的信息則相對較少，這是由碳價過低和過于寬松的配額分配政策所導致的。該結論與Li等 （2020）[14]的研究結果基本一致，即電力企業的股票價格波動可以為碳價格變化提供一些參考信息，但中國的碳市場尚未對電力公司產生較大的影響。

2.2.2 頻域靜態溢出

2.3 動態溢出指數

由于溢出效應隨時間的動態變化無法通過靜態溢出表反映，本文進一步將滾動窗口技術②與DY、BK溢出方法相結合，計算各變量的總溢出指數。

圖2所示為2015～2021年 “碳-電力” 系統總體溢出的時變情況。從頻域的維度上看，在樣本期內短期溢出水平與時域溢出水平的時變軌跡高度協同，遠高于中期和長期，且中長期的溢出水平在大多數時間內接近于0，僅在2021年底超過了短期的溢出水平。表明時域下 “碳-電力”系統的溢出效應持續時間在半個月以內，半個月之后溢出效應就微乎其微。從整體來看，“碳-電力”系統的總溢出指數呈現出隨時間變化的不同階段，其時變趨勢在很大程度上是由政策變動和宏觀經濟波動所驅動的。2015～2017年初，隨著我國輸配電價改革不斷深入，以及我國碳交易市場的逐步活躍，總溢出指數維持在較高水平。2017年初～2018年初，總溢出水平從70%波動降至20%，與我國供給側結構性改革以及碳市場較低的交易價格和活躍度有一定關聯。后隨著中美貿易戰持續升級、人民幣持續貶值、中國股市持續下跌等宏觀經濟狀況波動，整體的系統性風險上升，因此總風險溢出指數從2018年開始有小幅上升，并在接下來幾年中，保持相對穩定。在2021年全國碳排放權交易正式開始之后，“碳-電力”系統的總體溢出效應呈現上升態勢，且一度長期溢出水平大于短期和中期，即在該時間段內，政策實施帶來的溢出影響具有一定的滯后性。

圖2 碳-電力市場總溢出指數時變圖

2.4 溢出網絡分析

圖3報告了 “碳-電力”系統的時域以及頻域下的短中長期網路，從中可以看出：（1）國電電力公司作為系統中規模最大的電力上市公司，處于風險溢出的中心，進一步佐證了 “發電企業輸出風險的能力與發電量有關”的論點。這與Ji等[9]和 Yang[10]的研究結論一致；（2）從溢出網絡的結構特征來看，時域和短期基本一致，中期和長期基本一致。由此可知，在 “碳-電力”系統中，雖然風險的傳導主要發生在短期，但在短期與中長期具有不同的傳導路徑，各節點在溢出網絡中的地位和作用也不盡相同；（3）對于碳市場而言，從溢出網絡圖中可以更加直觀的感受到，碳市場對電力市場的中長期溢出影響比短期要大，是風險的溢出方。從長遠來看，碳市場對促進我國電力行業向更加清潔、高效和低碳的方向發展具有重要意義。

圖3 “碳-電力”系統時域和頻域溢出網絡

2.5 溢出指數穩健性檢驗

（1）用更改預測期的方法對實證結果進行穩健性檢驗，計算預測期為150期和200期的靜態時域溢出指數表，具體結果見表5。可以看出表5中的結果與預測期為100期的靜態溢出指數結果基本一致，說明增加預測期H對估計結果幾乎沒有影響。

表5 基于不同預測期的時域溢出指數結果 單位：%

（2）從更改變量順序和更改滾動窗口期兩個角度，對時變的溢出指數進行穩健性檢驗。圖4將變量順序進行更改計算總溢出指數，圖5將滾動窗口期由100天更改為150天計算總溢出指數。總體來看，更改前后總溢出指數具有相似的路徑，之前所得出的分析結論依然成立。

圖4 穩健性檢驗結果（更改變量順序）

圖5 穩健性檢驗結果（更改窗口期）

3 主要結論與政策建議

本文以湖北碳試點市場為研究樣本，基于廣義方差分解譜構建的溢出指數，從頻域視角考察中國碳市場與電力市場在短、中、長期的靜態溢出和時變溢出。并在此基礎上，進一步從復雜網絡視角構建 “碳-電力”系統的風險溢出網絡，探尋碳與電力市場間風險溢出的機制與規律。研究發現：（1）從時域溢出來看，“碳-電力”系統總溢出指數為50.72%，存在一定的波動性和不確定性，受宏觀經濟驅動較大。同時，發電企業接收到風險的多少與火電裝機比例有關，火電裝機比例越高的企業越容易成為風險接收方；發電企業輸出風險的能力與發電量有關，年度發電量越大的企業越容易成為風險的溢出方；（2）從頻域溢出來看，“碳-電力”系統的風險溢出短期＞中期＞長期。對碳市場而言，短期內對電力市場的風險溢出較不顯著，主要是被動受到電力市場影響。而在中長期，碳市場輸出風險的能力要大于接收到的風險，屬于風險的溢出方。

基于上述結論，本文得到以下啟示和建議：從政策制定者角度，應著力提升碳市場與電力市場改革等政策間的協同效果，促進碳價信號的充分發揮，加強生產和投資的有效開展，提升碳市場的減排效果。從電力企業發展角度，從短期來看，應當防范碳價波動對企業生產成本產生的沖擊，及時調整碳資產配置，防范碳價波動風險。從長期來看，應當不斷提升可再生能源發電比例，降低企業發電成本對碳價格的依賴程度，進而從根源上防范碳價波動帶來的風險。從碳市場發展角度，應當厘清 “碳-電力”系統的信息傳遞機制，監測電力行業的發展狀況，重點關注發電量較大和火力發電占比較高的企業。同時，完善碳市場相關風險防范機制，防范由風險溢出效應導致的碳價暴跌風險，并采取適當的價格穩定機制對碳價進行干預。

注釋：

①滯后階數根據AIC和SC準則確定為2階，廣義方差分解的預測期選為100期（約3個月）。

②使用100天的滾動窗口研究各市場之間的時變溢出效應。