碳排放與低碳指數波動溢出效應研究

龔玉霞 王珊 李萌 牛海艷

【摘 要】 第七十五屆聯合國大會上習近平主席指出我國要在堅持“創新、協調、綠色、開放、共享的新發展理念”基礎上，堅持把握“全球綠色低碳轉型”的大方向，推動我國“二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和”[1]。在全國推進節能減排，爭取早日實現碳中和的愿景下，發展低碳經濟，關注低碳行業，助力企業低碳轉型顯得至關重要。在此背景下，文章利用VAR模型研究碳排放交易與中國低碳指數間的影響機制，脈沖響應結果表明碳試點交易價格與低碳指數收益率之間確實存在溢出效應，且隨著時間推移低碳指數面對碳價的沖擊脈沖響應值表現為前期負向，中期由負轉正，根據實證結果提出相關建議以促進碳金融發展以及碳中和目標的實現。

【關鍵詞】 碳中和; 碳交易價格; 低碳指數; 波動溢出; VAR模型

【中圖分類號】 F832.5;X196? 【文獻標識碼】 A? 【文章編號】 1004-5937（2022）13-0069-07

20世紀因大量排放溫室氣體導致全球變暖問題日益嚴重，直至80年代才引起人們重視。“十四五”規劃指出要貫徹“創新、協調、綠色、開放、共享”的新發展理念，以實現“加快推動綠色低碳發展”的目標;2020年3月，習近平總書記在中央財經委員會第九次會議講話中提到，要將“碳中和、碳達峰融入到生態文明建設整體布局”當中，確保在2030年實現碳達峰、2060年達到碳中和[2]。在當前背景下，推動全民減排，提倡低碳經濟成為社會經濟綠色發展的關鍵，碳排放交易市場作為最能夠直觀反映碳排放行情的市場自然成為推動低碳經濟的著力點，而低碳經濟落實到企業層面上要求企業加強節能減排力度，實現行業低碳轉型。從本質上講，碳排放權交易與行業低碳轉型都是為了促進低碳經濟發展，企業參與到碳排放交易中會在一定程度上促進行業低碳轉型，而行業低碳轉型是推進碳中和愿景實現的關鍵。碳排放交易與低碳行業股票的聯動效應如圖1所示，具體表現為低碳企業通過使用清潔能源或開發低碳生產技術達到節能減排的目的，企業碳排放配額會出現盈余，企業在碳排放交易中出售盈余配額，資金流入必然會改變企業生產成本以及利潤率，進而影響企業未來現金流，表現為股票價格的上漲，低碳行業股價的上漲一方面會使低碳企業有充足的資金繼續開發低碳生產技術，另一方面也會激勵其他行業向低碳轉型，加快碳中和愿景的實現。深化碳中和進程，實現低碳綠色經濟，建設全國統一碳排放市場，是打造統一的要素和資源市場的重要內容。因此，促進行業低碳轉型，加強碳排放交易與低碳行業股票聯動性顯得尤為關鍵。本文在碳中和愿景下研究碳排放交易與低碳行業股票指數之間的波動溢出效應具有重要的理論和現實意義。

一、文獻綜述

（一）碳排放交易及發展背景

在歐盟碳排放交易體系成功建立的基礎上，中國于2011年底開展碳排放交易市場建設工作，并開放上海、深圳、湖北、北京等七個碳排放交易試點。國際碳排放交易體系主要分為自愿減排和強制減排兩種，胡登龍[3]認為雖然目前強制減排交易機制是國際主流模式，但結合我國碳交易市場實際情況來看并不適用。為全面推進全國統一碳排放市場建設進程，引導企業參與自愿減排，我國碳排放交易市場推出部分碳配額免費發放政策，胡東濱等[4]通過研究碳配額分配方式對碳交易市場運行效率的影響，認為不同的初始分配方式對不同行業聚集區域產生的影響并不相同。行業間碳排放強度的差異性導致某些區域進口產品產生額外的碳排放，張少雪等[5]提出隨著“一帶一路”建設不斷推進，各地區應實現碳技術共享，加強碳關聯，早日實現碳減排目標。隨著碳減排目標的深化以及2060年實現碳中和愿景的提出，我國能源、經濟等方面均面臨巨大的挑戰，王燦[6]指出碳中和目標的實現離不開資本市場的支持，鼓勵金融機構進行綠色投資，加快綠色轉型，促進低碳經濟是實現碳中和達標的基礎。

（二）碳中和及其對低碳行業的影響

中國作為國際碳排放量最高的國家之一，是引領世界能源轉型的關鍵之一。為減緩碳排放量，推動社會經濟低碳綠色發展，我國政府明確提出爭取在2060年前實現碳中和，該目標的提出指明了我國行業發展應走低碳環保道路。當前，把握“全球綠色轉型”的大方向，注重國內低碳行業發展成為推進碳中和目標的關鍵。低碳產業泛指以低碳減排為特征的行業，包含清潔能源以及節能減排技術開發。關于能源的開發與利用，孫旭東等[7]認為碳中和目標對我國化石能源發展影響巨大，碳中和目標映射在能源行業上主要表現為要求該行業以可持續發展為基礎，積極開發綠色清潔體系。對此，鄒才能等[8]認為我國能源發展需采取化石能源清潔利用以及清潔新能源并重的發展路徑與發展模式。清潔新能源是實現碳中和的主導，鄒才能等[9]指出其區分于傳統化石能源，在技術、成本等方面顯著不同，屬于可再生清潔能源，在第三次能源轉換背景下，新能源行業推動了低碳行業的發展，促進全球經濟綠色轉型。另外，針對節能減排技術方面，劉萍等[10]從高能效循環、負排放、零碳能源技術三方面分析，認為單一技術并不能高效實現碳中和，應充分利用技術耦合應用，發揮低碳減排潛力。

（三）低碳經濟與VAR模型

國內外有眾多指標用來衡量綠色經濟發展，例如道瓊斯可持續發展指數重點考察社會經濟與環境之間的關系，我國主要采用中國綠色發展指數兼顧社會發展與環境資源狀況。但這些指數弱化了碳排放以及溫室效應在發展綠色經濟中所占的比重，鄭林昌等[11]提出低碳經濟指數、中國低碳指數更能反映出社會經濟活動的碳排放。低碳經濟綜合評價指標是影響碳排放的關鍵因素之一，Pei et al.[12]利用低碳經濟、低碳能源、低碳政策等因素構建低碳經濟評價指標，結果表明該評價指標有效促進了經濟社會低碳轉型，另有Shang et al.[13]將低碳評價指標用于衡量行業的低碳水平。發展低碳經濟，推動行業綠色轉型的首要任務是充分剖析我國行業特征，陳慶能等[14]將行業劃分為高碳行業、低碳行業、非典型低碳行業等，提出應著力提升典型低碳行業比重。在此基礎上，陳智穎等[15]提出為了促進低污染、低能耗、低排放的低碳經濟發展模式，要將碳排放、行業控排以及金融手段聯系起來。

VAR模型常被用于探討碳排放與經濟發展的實證分析中，陶春華[16]認為來自碳交易市場的沖擊會引起行業股票收益率的波動，二者之間存在一定的聯動效應，這種效應同時存在于低碳行業。碳排放試點不僅與股票市場存在波動溢出效應，王倩等[17]通過測度碳市場的溢出效應，認為各個試點之間也存在著高度關聯性;崔婕等[18]進一步探究碳市場與資本市場的內在關系，選取股票指數作為資本市場的代表，結果表明資本市場對碳市場存在促進作用;李強林等[19]利用VAR模型對煤炭股指數與碳交易價格建模，指出碳市場價格與煤炭股指數成反比關系，陳向陽等[20]對碳交易試點的價格、收益率以及股票指數進行實證分析，結果表明無論短期還是長期，碳交易市場與股票市場間都存在顯著關聯性。

綜上所述，專家學者們的研究集中于利用VAR模型探究碳交易市場與資本市場的聯動效應，將碳排放交易與低碳行業股票聯系起來的研究文獻較少，故本文在眾多學者研究的基礎上，結合碳排放與低碳行業股票關聯性的理論分析，認為采用VAR模型能夠充分反映二者間的動態聯動關系，并通過格蘭杰因果檢驗、脈沖響應分析、方差分解結果探究給碳排放交易施加一個正向沖擊對低碳行業股票指數的影響方式和程度。

二、數據選取與模型構建

（一）數據選取

我國碳排放權交易試點主要有北京、天津、上海、深圳、廣東、湖北、重慶、福建八個交易地區，其中福建交易試點開放時間較短。碳試點交易涵蓋范圍較廣，各試點交易范圍各不相同，大多涉及鋼鐵、電力、化工等高碳排放行業，這些行業作為排放溫室氣體主要來源，成為碳排放交易管控的重點對象。我國碳排放交易市場雖然是繼歐盟之后全球第二大碳排放交易體系，但交易體系等方面并不完善。例如重慶交易試點因缺乏經驗在交易啟動前夕并沒有完成必要的準備工作，導致試點出現很長時間的零成交局面。因此，綜合考慮各個碳交易試點成立的時間、交易狀況是否穩定等因素，本文選取成立時間較久，交易數據較齊全的上海、湖北、深圳、廣東四個碳交易試點作為碳交易價格的數據來源。

本文選取中國低碳指數代表低碳行業股票，該指數由北京環境交易所聯合清潔技術投資基金Vantage Point Partners共同推出，是國際首個能夠反映低碳行業發展的指數。該指數由四個部分構成，涉及廢物處理、清潔生產以及消費、清潔能源發電、能源存儲與轉換，四大主體又下分太陽能、核能、風能等九個部門;其要求組成成分公司最少一半的收入或者將收入折合成人民幣超過35億元來自于低碳業務，再對入圍股票資本、技術創新等方面進行考察，選取綜合排名前四十只的股票作為低碳指數樣本股;另外，樣本股的選取每半年調整一次。由中國低碳指數的構成可以看出該指數的推出不僅能實時反映低碳行業發展現狀，同時也為企業樹立了低碳發展的衡量標準，促使企業開發低碳技術，有利于低碳行業資金以及技術手段匯集。

（二）模型構建

碳交易與低碳行業股票指數間的聯動效應不僅存在于當期，還受到滯后期的影響，為全面反映碳排放交易與低碳行業股票指數間的波動溢出關系，構建VAR模型作為實證分析的基礎。VAR模型又稱向量自回歸模型，表現為自回歸模型的聯立形式，其將方程進行聯立，在各個方程中回歸每個內生變量對系統中所有內生變量的滯后值，形成多元變量的自回歸模型，從而達到將單變量自回歸模型衍生為多元變量自回歸模型的目的。VAR模型打破傳統計量方法依靠經濟理論描述變量關系的困境，采用非結構性方法建立變量間的動態聯系，該模型的提出并不局限于經濟理論，也因其不依靠嚴格的理論基礎，被廣泛應用于經濟領域中并得到了較好的反響。VAR模型定義如下：

建立時間序列y1t，y2 t，…，yn t，并將其向量化，定義為n×1維向量Yt=（y1t，y2 t，…，yn t）'。進一步推出P階VAR模型VAR（P）表現為：

Yt=C+φ1Yt-1+φ2Yt-2+…+φpYt-p+εt? （1）

其中，C是常數項，φi是自回歸矩陣，p為滯后階數，εt為誤差項，誤差項滿足下述條件：

E（εt）=0

E（εtε't）=？贅? ? ? ? ? （2）

E（εtε's）=0，對于t≠s

VAR模型建立后還應考慮模型穩定性問題，判斷碳排放交易與低碳行業股票指數VAR模型穩定性的關鍵在于其脈沖響應是否會隨時間推移逐漸消失，若消失說明模型建立穩定。另外含有單位根的VAR模型在受到沖擊時變現為非平穩，故在建立VAR模型之前，需確保每個變量都通過單位根檢驗。在此基礎上仍需保證滯后期選取的正確性，滯后期選取過小易導致模型中誤差項自相關問題進而影響參數估計，滯后k值的增加有利于消除誤差項的自相關，但滯后期過大又會造成自由度的減小，滯后期選取的正確性也為后續格蘭杰因果檢驗提供檢驗基礎。VAR模型中的脈沖響應能夠描述模型中內生變量在面對誤差項沖擊的反應，其記錄內生變量的當期值、未來值在誤差項受到一個標準差大小的沖擊后受到的影響，即碳排放誤差項的脈沖響應函數衡量的是給碳排放交易價格一個單位沖擊對低碳行業股票指數當期、未來值的影響。方差分解同樣也是評價VAR模型的辦法，其結果能夠反映隨機信息的相對重要性，也就是某一信息的方差在內生變量總方差的占比。

三、碳市場對低碳行業指數溢出效應實證分析

為探究碳市場與低碳指數波動溢出效應，本文選取2017年5月8日至2020年9月30日上海、湖北、深圳、廣東碳交易試點日數據以及相同時間點的中國低碳指數日數據，分別建立不同碳交易市場與低碳指數的VAR模型，數據均來源于Wind數據庫。

（一）描述性統計

首先對數據進行預處理，整理各個碳交易試點日交易價格，并分別取對數，得到碳交易價格對數序列LGDEA、LSHEA、LHBEA、LSZEA;對低碳指數日數據采取對數收益率法，得到低碳指數日收益率序列，記為RZDT。對序列進行描述性統計，結果如表1所示。

從表1可以看出，各碳交易試點均值接近，上海碳交易試點均值較大;標準差越小說明該序列越穩定，可以看出除低碳指數外，上海試點碳交易價格較穩定;各碳交易價格序列以及低碳指數序列均出現輕微左偏現象;從峰度來看數值均大于3，顯現出“尖峰厚尾”特征;JB檢驗結果顯著，說明序列不服從正態分布。

（二）ADF檢驗

為減少序列的異方差性，在對數據整理時已經進行過對數處理，故直接檢驗LGDEA、LHBEA、LSHEA、LSZEA、RZDT序列，檢驗結果如表2。由表中結果可知，LGDEA、LHBEA、LSHEA、LSZEA序列并不平穩，依次對序列取一階差分，檢驗所得結果皆平穩。

（三）滯后期選取、格蘭杰因果檢驗

在序列平穩性檢驗通過后需要確定VAR模型的滯后階數，滯后期的選取直接影響變量間的動態關系，從而影響模型估計的有效性。以廣東碳交易試點為例，對其進行滯后期選取，根據AIC、SC、HQ的信息準則（見表3），確定選取滯后階數為3階。在確定滯后階數的基礎上，進一步檢驗模型的穩定性，檢驗結果表示所有點均落在單位圓內，故模型穩定。

利用格蘭杰因果檢驗各碳試點交易價格序列與中國低碳指數序列間的因果關系，檢驗結果如表4，結果表明DLGDEA、DLHBEA、DLSHEA、DLSZEA對RZDT格蘭杰檢驗結果顯著，即各碳試點序列是引起RZDT變動的格蘭杰原因;相反，RZDT對各碳試點交易序列的檢驗結果并不顯著，說明RZDT并不是引起碳試點序列波動的格蘭杰原因。

（四）脈沖響應、方差分解

為探究各碳交易試點對低碳指數影響過程分析，分別建立不同碳交易試點與低碳指數的VAR模型，利用脈沖響應圖作用時長與影響途徑反映碳交易試點在受到沖擊后對低碳指數的作用過程。依據EViews軟件得出廣東、湖北、上海和深圳4個碳交易試點與低碳指數脈沖響應圖如圖2—圖5所示。

由上述脈沖結果可以觀察到，低碳指數在受到各交易試點碳價的一個正向沖擊后，在第1—5期波動較為劇烈，第5期過后RZDT序列受沖擊影響逐漸趨于穩定。從圖中得知，在第1期至第3期內，給廣東、湖北、上海交易試點碳價一單位的正向沖擊，低碳指數收益率脈沖響應值從正向轉為負向，并在第3期達到負向最小值，深圳交易試點對低碳指數脈沖響應值始終保持負向;第3期至第5期內，給各碳交易試點碳價正向沖擊后，低碳指數收益率序列脈沖值整體來看由負轉正;第5期過后，在給碳交易試點碳價一個單位正向沖擊，低碳指數序列波動較小且逐漸趨于穩定。

為更加清晰反映碳交易試點價格與低碳指數收益率之間的波動溢出效應，本文采用方差分解法簡化各序列之間的貢獻程度，具體方差分解結果如表5。由方差分解結果得知，模型滯后10階的碳交易價格對低碳指數收益率的貢獻率隨著時長的推遲呈逐漸上升趨勢，其中上海碳交易試點對低碳指數收益率波動貢獻程度較為明顯。

（五）結果分析

本文通過建立碳交易價格與低碳指數收益率的VAR模型探究碳排放與低碳指數的聯動效應。首先對碳交易價格以及低碳指數日數據進行預處理，旨在消除異方差，由描述性統計結果可知各試點碳交易價格序列均值相近且相比較下，上海試點價格序列較為穩定。對碳價格序列采取一階差分處理，使得碳價格序列與低碳指數收益率序列均通過平穩性檢驗，依次建立廣東、湖北、上海、深圳試點碳價與低碳指數收益率的VAR模型，根據AIC、SC、HQ信息準則判定模型選取的最佳滯后階數并驗證各VAR模型建立的穩定性。基于此，進一步驗證各試點碳交易價格序列與低碳指數收益率的格蘭杰因果關系，碳試點交易價格對低碳指數收益率的格蘭杰因果檢驗結果顯示P值均小于0.05，即在5%顯著性水平拒絕原假設，碳交易價格是引起低碳指數收益率變動的格蘭杰原因，相反的低碳指數收益率并不是引起碳價格變動的格蘭杰原因;其原因在于低碳行業股票指數因行業低碳的特性對碳排放市場價格波動較為敏感，而我國碳交易市場建設尚未完善，與資本市場聯系較為薄弱，故低碳行業股票指數收益率不是引起碳價變動的格蘭杰原因。對各VAR模型進行脈沖響應分析探究碳交易價格與低碳指數收益率的動態關系，根據實證檢驗結果得出，我國碳交易價格與低碳指數收益率之間確實存在波動溢出效應，具體表現為當對各個碳交易試點碳價施加正向沖擊，都會引起低碳指數收益率序列的波動。前期脈沖響應值為負，是因為碳價上漲，企業減少對碳排放的需求，低碳行業出售結余配額困難，盈利能力下降導致市場資本降低對低碳行業股票的追逐，最終造成行業股票收益率下降;中期脈沖響應值由負轉正，說明隨著時間推移，碳價上漲會促使企業減排，企業逐步向低碳轉型，低碳行業的壯大自然會吸引社會資金，行業股票收益率也會上漲;后期指數序列出現小幅波動后趨于穩定，說明隨著我國碳中和目標的不斷推進，碳排放交易機制仍需完善。方差分解結果顯示各試點碳價對低碳指數收益率的貢獻程度，分析滯后10階結果顯示這種貢獻程度會隨著滯后階數的增加而上漲。

四、相關建議

綜上，我國碳交易試點價格變動確實會對低碳指數收益率造成影響，且低碳指數對于碳交易市場價格變動表現較為敏感。單從廣東、湖北、上海、深圳這幾個碳交易試點來看，其與低碳指數收益率之間的關系并不穩定，隨著時間的推移，低碳指數收益率的脈沖響應值會由負向轉為正向。這說明碳交易體系并不完善，為促進我國碳排放交易市場建設，早日實現碳中和目標，應更加注重碳市場與股票市場之間的聯系，加強碳金融發展。由此本文提出以下建議：

（一）防范碳排放交易價格波動風險

碳交易價格的波動是引起低碳指數收益率變動的格蘭杰原因，這說明低碳行業股票市場容易受碳交易價格波動的影響，為有效促進低碳行業股票市場的發展，鼓勵其他行業低碳轉型，政府及其他監管部門有必要針對碳排放交易價格波動，提出相應解決方案。我國各碳交易試點價格波動表現為明顯的非線性，隨著時間推移具有相應的周期性，隨機性誤差明顯，想要發揮碳交易價格波動對低碳行業股票收益率的正向影響，政府應聯合有關部門根據碳交易價格波動的特性建立一套完整的風險預警機制。在當今數字時代迅速發展的前提下，應充分利用互聯網資源，將大數據技術整合進價格波動風險預警體系中，深度剖析各碳交易試點交易情況，采集價格變動信息，利用技術手段對價格波動進行實時監控，及時做出預警。

（二）完善碳交易體系監管

碳交易市場因其涉及的主體以及主體生產活動等因素，與股票、能源以及其他市場間相互影響，碳交易市場受到沖擊必然會波及到這些市場，為確保碳交易市場、企業、股票等市場之間的平衡，要求政府完善碳交易體系的監管。保障碳交易價格正常波動以及碳交易市場的發展離不開法律監管制度，自2021年7月全國碳排放權交易啟動上線，要按照建設統一大市場的要求，推動建成全國統一碳市場，各碳交易試點還未形成專門的監管機構，為促進我國碳交易市場健康有序的發展，應將監管部門機構的設立作為首要任務。該監管部門的設立主要負責對加入到碳交易市場的企業主體進行資格認證，盤點主體減排程度、綠色項目以及對碳配額的履行程度，減排成效好、綠色項目占比較高的企業可實行優先進場政策，以此鼓勵實行低碳減排的企業。另外，還應加強碳交易市場管理，針對不同的交易主體采取不同的初始分配及定價，完善相關法律法規，杜絕有關主體，擾亂碳交易市場正常交易，對情節惡劣的主體給予永不進場的處罰。

（三）加強碳交易市場與股票市場的聯系

碳交易市場對低碳指數收益率的脈沖響應值早期為負，中期由負轉正，說明低碳行業股票對碳價格變動敏感，但隨著時間推移碳交易市場與股票市場之間的聯系并不是很強，為加強二者之間的聯系，應鼓勵發展碳金融市場，推進碳金融產品與技術創新，加快促進我國產業低碳轉型。發展碳金融除加強碳市場與股票市場之間的聯系外，還可以引導產業低碳化以及國民整體碳排放下降，有效推進我國2060年實現碳中和的愿景。碳金融的發展離不開政府的支持與管控，當前我國統一的碳交易市場尚未建成，各碳試點交易機制相互獨立，交易價格也各不相同，為保障各交易所公平發展，政府應出臺相關政策完善定價體系，有效避免市場失靈以及負外部性問題。另外，碳金融的發展需要政府從中調控，通過政策推動加強碳金融與產業低碳轉型共同發展，利用碳市場對產業的傳導機制，配合政策強制高碳排放企業節能減排，完成產業低碳轉型。

【參考文獻】

[1] 習近平.在第七十五屆聯合國大會一般性辯論上的講話[N].人民日報，2020-09-23（003）.

[2] 中共中央關于制定國民經濟和社會發展第十四個五年規劃和二O三五年遠景目標的建議[N].人民日報，2020-11-04（001）.

[3] 胡登龍.我國碳交易價格影響因素及價格機制研究[J].價格月刊，2016（10）：21-26.

[4] 胡東濱，彭麗娜，陳曉紅.配額分配方式對不同區域碳交易市場運行效率影響研究[J].科技管理研究，2018，38（19）：240-246.

[5] 張少雪，蔣雪梅.“一帶一路”背景下中國與東盟雙邊貿易對全球碳排放的影響[J].生態經濟，2020，36（3）：24-30，58.

[6] 王燦.碳中和愿景下的低碳轉型之路[J].中國環境管理，2021，13（1）：13-15.

[7] 孫旭東，張蕾欣，張博.碳中和背景下我國煤炭行業的發展與轉型研究[J].中國礦業，2021，30（2）：1-6.

[8] 鄒才能，何東博，賈成業，等.世界能源轉型內涵、路徑及其對碳中和的意義[J].石油學報，2021，42（2）：233-247.

[9] 鄒才能，熊波，薛華慶，等.新能源在碳中和中的地位與作用[J].石油勘探與開發，2021，48（2）：411-420.

[10] 劉萍，楊衛華，張建，等.碳中和目標下的減排技術研究進展[J].現代化工，2021，41（6）：6-10.

[11] 鄭林昌，付加鋒，齊蒙.中國省域層面低碳環保發展指數評價及對比研究[J].生態經濟，2015，31（8）：47-52，66.

[12] PEI GUIFEN，et al.Competitive comprehensive evaluation of low-carbon city in Beijing-Tianjin-Hebei region using intuitionistic fuzzy set theory[Z].2016.

[13] SHANG MEI，et al.Measuring low-carbon development level of provincial construction industry[C].2017 rd International Conference on Energy，Environment and Materials Science，2017.

[14] 陳慶能，沈滿洪，孫澤生.中國完全碳排放的行業特征分析[J].企業經濟，2017，36（4）：12-17.

[15] 陳智穎，許林，錢崇秀.中國碳金融發展水平測度及其動態演化[J].數量經濟技術經濟研究，2020，37（8）：62-82.

[16] 陶春華.我國碳排放權交易市場與股票市場聯動性研究[J].北京交通大學學報（社會科學版），2015，14（4）：40-51.

[17] 王倩，高翠云.中國試點碳市場間的溢出效應研究——基于六元VAR-GARCH-BEKK模型與社會網絡分析法[J].武漢大學學報（哲學社會科學版），2016，69（6）：57-67.

[18] 崔婕，黃杰，李凱.基于VAR的碳排放權現貨價格、能源價格及道中指數關系研究[J].經濟問題，2018（7）：27-33.

[19] 李強林，張甜，鄒紹輝.煤炭股指數與碳市場價格動態關系研究[J].價格理論與實踐，2019（4）：79-82.

[20] 陳向陽，何海靖.我國碳排放權交易市場與股票市場的關聯——基于非線性Granger因果檢驗與非平衡面板模型的實證分析[J].技術經濟，2021，40（3）：36-46.

[21] 劉曉龍，崔磊磊，李彬，等.碳中和目標下中國能源高質量發展路徑研究[J].北京理工大學學報（社會科學版），2021（3）：1-8.

[22] 宋敏，辛強，賀易楠.碳金融交易市場風險的VaR度量與防控——基于中國五所碳排放權交易所的分析[J].西安財經大學學報，2020，33（3）：120-128.

[23] 張志俊，閆麗俊.碳排放權交易價格的VaR風險度量研究[J].生態經濟，2020，36（1）：19-25，33.

[24] 周納，董璐，陳黎明.碳排放、經濟增長與可持續發展關系的實證[J].統計與決策，2019，35（18）：130-134.

[25] 白世秀，韓月明，張德剛.碳減排與企業價值相關性研究[J].會計之友，2019（7）：148-155.