碳市場對高耗能行業(yè)的風(fēng)險傳染研究

徐玉華 黃意強(qiáng)

1（南京審計大學(xué)統(tǒng)計與數(shù)據(jù)科學(xué)學(xué)院，南京 211815）2（南京審計大學(xué)金融學(xué)院，南京 211815）

引言

全球氣候變暖加劇，各國正采取相應(yīng)措施應(yīng)對這場全球性的危機(jī)。《京都議定書》 將各國聯(lián)系在一起，共同應(yīng)對氣候問題。2016年，在國際社會的努力下，《巴黎協(xié)定》 簽署，締約方承諾共同努力實現(xiàn)2 攝氏度溫控目標(biāo)。中國作為碳排放大國，莊嚴(yán)提出2030年實現(xiàn)碳達(dá)峰，2060年實現(xiàn)碳中和的偉大目標(biāo)。碳金融市場作為實現(xiàn)世界低碳經(jīng)濟(jì)發(fā)展，推動能源結(jié)構(gòu)轉(zhuǎn)型的重要手段，引起了廣大學(xué)者的廣泛關(guān)注。

對于金融市場的研究，風(fēng)險是一個主要課題。眾多學(xué)者對“風(fēng)險”發(fā)表了自己的理解，如美國學(xué)者奈特按是否可度量，明確了風(fēng)險與不確定性。當(dāng)下主要以狹義和廣義兩個層面來理解風(fēng)險。從狹義的視角來看，風(fēng)險表現(xiàn)為損失的不確定性，而從廣義視角來看，風(fēng)險則表現(xiàn)為收益的不確定性。金融風(fēng)險則是在從事金融活動過程中，所伴隨的風(fēng)險，包括市場風(fēng)險、信用風(fēng)險、操作風(fēng)險等。碳金融風(fēng)險是金融風(fēng)險的擴(kuò)展，表現(xiàn)為碳金融活動過程中遭受損失的不確定性，具體可分為市場風(fēng)險、政策風(fēng)險、項目風(fēng)險、操作風(fēng)險、信用風(fēng)險和流動性風(fēng)險，其中市場風(fēng)險最為突出。相比于其他金融資產(chǎn)，碳金融市場價格波動更為復(fù)雜，更容易遭受匯率、價格等因素的變化的影響。所以，精準(zhǔn)識別和度量碳金融市場風(fēng)險，能有效提高碳市場風(fēng)險管理水平，防范碳市場風(fēng)險，助力雙碳目標(biāo)實現(xiàn)。

在金融全球化的視角下，金融系統(tǒng)愈加復(fù)雜，不同金融市場和其子市場之間存在著高度的依賴性，進(jìn)而出現(xiàn)市場間風(fēng)險聯(lián)動現(xiàn)象，嚴(yán)重的將會影響金融系統(tǒng)的運行，因此風(fēng)險傳染研究一直是風(fēng)險研究的重要內(nèi)容。

金融風(fēng)險傳染從宏觀角度體現(xiàn)為國家受到?jīng)_擊，市場間依賴性增強(qiáng)。微觀角度體現(xiàn)為，金融機(jī)構(gòu)和子市場在受到?jīng)_擊變動時，會傳遞到聯(lián)系緊密的其他機(jī)構(gòu)和市場，出現(xiàn)“多米諾骨牌”的傳染效應(yīng)［1］。早期風(fēng)險傳染研究主要圍繞于市場間“兩兩”線性溢出效應(yīng)，研究方法包括GARCH類模型［2］、CoVaR 模型［3］、Copula 模型［4］、SV 模型［5］等。但上述方法存在一定缺陷，“兩兩”線性溢出效應(yīng)的研究不能準(zhǔn)確反映復(fù)雜金融體系真實的風(fēng)險傳染特征，也忽略了金融市場的復(fù)雜性，會使得市場間風(fēng)險傳染出現(xiàn)非線性特征。

因此，后續(xù)學(xué)者基于網(wǎng)絡(luò)結(jié)構(gòu)視角對金融風(fēng)險傳染進(jìn)行了大量的研究，主要圍繞著收益率溢出［6］、波動溢出［7］和尾部風(fēng)險溢出3 個角度出發(fā)，構(gòu)造金融風(fēng)險網(wǎng)絡(luò)。在宏觀金融層面，Uluceviz 和Yilmaz（2021）［8］使用方差分解的方法構(gòu)建了經(jīng)濟(jì)實體部門和金融部門之間的連通性網(wǎng)絡(luò)，分析了實體部門和金融市場的連通性變化。宮曉莉和熊熊（2020）［9］基于TVP-VAR 模型分析金融系統(tǒng)風(fēng)險溢出，在波動溢出效應(yīng)的基礎(chǔ)上采用方差分解網(wǎng)絡(luò)方法構(gòu)建起信息溢出復(fù)雜網(wǎng)絡(luò)，從網(wǎng)絡(luò)視角分析系統(tǒng)性金融風(fēng)險傳染特征。楊子暉和王姝黛（2021）［10］從收益溢出和波動溢出兩個角度，構(gòu)建了在新冠肺炎疫情沖擊下，全球股市系統(tǒng)性金融風(fēng)險傳染網(wǎng)絡(luò)，研究風(fēng)險傳染關(guān)系和驅(qū)動機(jī)制。劉超和郭亞東（2022）［11］利用極大重疊離散小波變換和溢出指數(shù)方法構(gòu)建了多時間尺度的風(fēng)險溢出網(wǎng)絡(luò)，分析了我國市場行業(yè)間的系統(tǒng)性金融風(fēng)險特性。從微觀金融層面，Demirer 等（2018）［12］使用LASSO 方法來收縮，選擇和估計連接世界前150 大銀行的公開交易子集的高維網(wǎng)絡(luò)，并使用滾動窗口估計動態(tài)網(wǎng)絡(luò)連接性。張偉平和曹廷求（2022）［13］基于SIM-CoVaR 指標(biāo)構(gòu)造尾部風(fēng)險網(wǎng)絡(luò)，研究房地產(chǎn)企業(yè)間的風(fēng)險溢出的聚類性和傳播途徑。劉超和錢存（2022）［14］使用貝葉斯網(wǎng)絡(luò)與R 藤Copula-CAViaR-CoVaR 模型對我國商業(yè)銀行間的風(fēng)險溢出效應(yīng)進(jìn)行研究，并構(gòu)建風(fēng)險傳染網(wǎng)絡(luò)剖析了銀行間的風(fēng)險傳染路徑。

碳金融市場作為實現(xiàn)國家“雙碳”目標(biāo)的新興交易市場，相比于傳統(tǒng)市場有著更大的波動性，由此研究其本身的風(fēng)險溢出和對其他市場產(chǎn)生的風(fēng)險傳染效應(yīng)成為必要，目前碳市場風(fēng)險傳染的研究主要圍繞著碳市場-能源市場、碳市場-碳市場和碳市場-股票市場3 個角度。能源市場作為碳排放產(chǎn)生的源頭，成為了碳市場運行的重要關(guān)注對象，由此引發(fā)了學(xué)者對二者的風(fēng)險研究。Zhang和Sun（2016）［15］基于DCC-GARCH 和BEKKKGARCH 模型，分析了歐洲碳市場和化石能源市場間的動態(tài)溢出效應(yīng)。Hanif 等（2021）［16］探討了歐洲排放配額（EUA）價格與可再生能源指數(shù)之間的頻率波動溢出效應(yīng)、連通性和非線性依賴性。隨著碳市場數(shù)量的增加，碳市場之間的風(fēng)險聯(lián)動關(guān)系也引發(fā)了學(xué)者的關(guān)注。Zhu 等（2020）［17］運用Rvine copula-CoES 方法，刻畫碳市場間的尾部相關(guān)性，進(jìn)而研究了七大碳市場間的風(fēng)險溢出效應(yīng)。Wang 等（2020）［18］以中國、美國和歐盟的碳市場為研究對象，采用歷史模擬方法和蒙特卡洛模擬對碳交易市場的風(fēng)險進(jìn)行測度，再利用復(fù)雜網(wǎng)絡(luò)研究市場信息傳遞和市場交易企業(yè)決策變化引起的風(fēng)險傳染。碳市場作為金融市場的一部分，滿足傳統(tǒng)金融市場的風(fēng)險特性，其波動引發(fā)的風(fēng)險，不僅僅會對能源市場和碳市場內(nèi)部產(chǎn)生風(fēng)險傳染，同樣會影響到傳統(tǒng)的金融市場，因此也有學(xué)者對碳市場和股票市場風(fēng)險溢出進(jìn)行了研究。王喜平和王婉晨（2022）［19］基于廣義預(yù)測誤差方差分解構(gòu)建溢出指數(shù)，捕捉碳市場和股票市場的風(fēng)險溢出，在此基礎(chǔ)上構(gòu)建碳市場-股票市場的風(fēng)險溢出網(wǎng)絡(luò)，識別風(fēng)險中心和傳染路徑。Tian 等（2022）［20］采用動態(tài)溢出方法研究了商品和金融市場以及新興經(jīng)濟(jì)體的碳市場之間的沖擊傳遞模式，并揭示了“碳-商品-金融”系統(tǒng)中的溢出層次、大小、方向和模式。

通過對金融風(fēng)險傳染的文獻(xiàn)梳理，發(fā)現(xiàn)現(xiàn)有文獻(xiàn)對風(fēng)險傳染的研究已經(jīng)相當(dāng)豐富了，但對于碳市場風(fēng)險傳染的研究較少。本文將從碳市場與高耗能行業(yè)之間的溢出入手，識別溢出的機(jī)制和規(guī)律。本文研究了被納入碳市場的高耗能行業(yè)與碳市場間的溢出機(jī)制和風(fēng)險傳染；使用TVP-VAR方差分解溢出指數(shù)識別碳市場和高耗能行業(yè)的波動溢出效應(yīng)，并構(gòu)建風(fēng)險溢出網(wǎng)絡(luò)，避免了以往研究使用滑動窗口VAR 方法研究時變溢出效應(yīng)時價值信息的損失；研究重大事件沖擊下，碳市場和高耗能行業(yè)風(fēng)險傳染的變化。總體看，本文的研究框架對分析碳市場風(fēng)險提供了一些新思路，同時本文的分析結(jié)論對于碳市場建設(shè)過程中如何防范風(fēng)險傳染問題具有一定啟示意義。

1 研究方法

1.1 理論分析

碳市場作為一種市場機(jī)制，建立目的在于方便企業(yè)間購買和銷售碳排放配額。如圖1所示，高耗能企業(yè)作為二氧化碳排放主體，被強(qiáng)制納入碳市場中，政府每年度向碳市場主體發(fā)放固定數(shù)量的碳排放額，高耗能企業(yè)排放超過發(fā)放額度，將面臨懲罰。超過排放額的企業(yè)，可以在碳市場中購買碳排放額，存在剩余排放額的企業(yè)，也能從中獲利，進(jìn)而促使企業(yè)主動節(jié)能降碳。股票市場方面，高耗能企業(yè)綠色轉(zhuǎn)型已是必然趨勢，其積極參與環(huán)境治理，降低碳排放量，能向市場反映出其未來可能的潛在價值，投資者將會繼續(xù)持有該股票，為企業(yè)提供穩(wěn)定的資金。當(dāng)高耗能企業(yè)未達(dá)成碳排放限額目標(biāo)時，投資者對其未來價值產(chǎn)生悲觀情緒，因此會導(dǎo)致股價出現(xiàn)波動乃至下跌。這就使得碳市場和高耗能行業(yè)間聯(lián)系密切。基于“聯(lián)動效應(yīng)”理論，在一個市場發(fā)生價格波動時，關(guān)聯(lián)市場將會受到影響，出現(xiàn)聯(lián)動現(xiàn)象。因此，本文建立碳市場和高耗能行業(yè)波動風(fēng)險網(wǎng)絡(luò)，研究碳市場和高耗能行業(yè)風(fēng)險溢出效應(yīng)和傳染路徑。

圖1 碳市場與高耗能行業(yè)風(fēng)險溢出機(jī)制

1.2 溢出指數(shù)模型

本文借鑒Balcilar 等（2021）［21］提出的基于時變參數(shù)-向量自回歸（TVP-VAR）模型的動態(tài)溢出指數(shù)法進(jìn)行實證分析。該方法擴(kuò)展了Diebold 和Yilmaz（2014）［7］采用的滾動窗VAR 模型構(gòu)建的靜態(tài)溢出指數(shù)模型，克服了主觀選擇滾動窗口所帶來的偏差，同時也避免了潛在價值數(shù)據(jù)的缺失。TVP-VAR（p）模型如下：

預(yù)測誤差協(xié)方差矩陣為：

獲得預(yù)測誤差和預(yù)測誤差協(xié)方差后，可以通過如下過程得到廣義預(yù)測誤差方差分解的溢出指數(shù)為：

1.3 網(wǎng)絡(luò)分析方法

（1）度與點權(quán)

節(jié)點的度定義為與該節(jié)點連接的邊數(shù)。關(guān)聯(lián)網(wǎng)絡(luò)中節(jié)點的度表示與該節(jié)點相關(guān)聯(lián)的其他節(jié)點數(shù)量，一個節(jié)點度越大，說明該節(jié)點在某種程度上越為重要。點權(quán)是無權(quán)網(wǎng)絡(luò)節(jié)點度的自然推廣，節(jié)點vi的點權(quán)Si定義為與它關(guān)聯(lián)的邊權(quán)之和，即：

（2）平均路徑長度

網(wǎng)絡(luò)的平均路徑長度L定義為任意兩節(jié)點之間的距離的平均值，即：

（3）聚類系數(shù)

1.4 最大樹形圖

最大樹形圖模型是最小生成樹模型的一種拓展，是指在一個有向圖中存在一個特殊根點root，從根點出發(fā)到圖中所有節(jié)點而生成的樹形圖。定義G＝（V，E）為有向圖，其具有以下性質(zhì)：G中不包含有向環(huán)；存在一個節(jié)點vi，它不是任意一條弧的終點，而V中的其他節(jié)點都是唯一的某條弧的終點，則稱G是以vi為根的樹形圖。本文采用的算法是由朱永津和劉振宏于1965年提出的朱劉算法。下面都指定為根的頂點是v0。最大樹形圖與最小生成樹的思想一致，都是基于貪心和縮點的思想。縮點是指將多個點看成是一個點，所有連到這幾個點的邊都看成是連到這個收縮點，而從這幾個點出發(fā)的所有邊都看成是從收縮點出發(fā)的。具體由以下4 步組成：

（1）求最大弧集

從所有以vi（i≠0）為終點的弧中都要取一條最大弧，若對于某一點vi不是根節(jié)點且其不存在入邊，則不能生成最小樹形圖，算法結(jié)束；如果除根節(jié)點以外的節(jié)點都存在入邊，則可以得到一個權(quán)值最大的子圖G′，而子圖G′中的弧集就是最大弧集。

（2）檢查環(huán)

完成步驟1 后，得到最大弧集，則需要檢查連好的圖中是否存在有向環(huán)及收縮點。存在3 種情況：①若不存在有向環(huán)且不含收縮點，則計算結(jié)束，步驟1 生成的就是以v0為根點的最大樹形圖；②若不存在有向環(huán)但含有收縮點，則需要展開收縮點；③若存在有向環(huán)，則需要將有向環(huán)收縮成一個點，生成一個新的圖G1。

（3）收縮有向環(huán)

將原圖G中的有向環(huán)收縮成一個點，此時原圖G中屬于有向環(huán)的邊被收縮，而其他弧仍保留，從而得到一個新的圖G1。與原圖G相比，新圖G1中以該收縮點為終點的弧的長度變化方向不變，且關(guān)于是否生成最大樹形圖的性質(zhì)不變。同時需要對新圖G1進(jìn)行步驟1 的操作，直至圖中不存在有向環(huán)為止。

（4）展開收縮點

若原圖存在有向環(huán)，且新圖G1的最大樹形圖T1已經(jīng)求出，那么T1中的所有弧都同樣屬于T。再將圖G1的一個收縮點展開成有向環(huán)，同時去掉T1中有相同終點的弧，其他弧都屬于T。

2 實證分析

2.1 變量選取與數(shù)據(jù)描述

盡管全國碳排放權(quán)交易已于2021年7月16日正式開市，但目前交易數(shù)據(jù)有限，因此選取區(qū)域碳交易市場數(shù)據(jù)進(jìn)行研究。大部分碳市場的研究局限于使用部分碳市場的數(shù)據(jù)進(jìn)行研究，不能準(zhǔn)確反映碳市場整體的波動，因此本文將湖北、廣東、北京、上海、深圳、重慶和天津七大區(qū)域碳市場碳交易價格波動進(jìn)行匯總，選取平均值代表整個碳市場的風(fēng)險波動。區(qū)域碳市場的價格數(shù)據(jù)來自于四川聯(lián)合環(huán)境交易所。

為研究碳市場與高耗能行業(yè)市場間的波動溢出，本文基于區(qū)域碳市場所納入的高耗能行業(yè)，選擇電力、造紙、鋼鐵、有色金屬、化工、紡織、建材、煤炭、石油和水泥10 個股票行業(yè)板塊作為高耗能行業(yè)研究對象，數(shù)據(jù)來源于東方財富Choice數(shù)據(jù)庫。選取的數(shù)據(jù)區(qū)間為2019年1月2日～2023年1月20日，每個觀測對象日時間序列包含968個值。對各行業(yè)計算對數(shù)收益率，即對各行業(yè)的收盤價進(jìn)行一階差分，公式為Ri＝logPi（t）-logPi（t-1）。表1 給出了樣本的描述性統(tǒng)計。

表1 描述性統(tǒng)計

由表1 可以看出，碳市場的波動最為顯著，標(biāo)準(zhǔn)差達(dá)到了0.063，遠(yuǎn)大于高耗能行業(yè)。觀察偏度和峰度可以看出，所有數(shù)據(jù)都存在明顯的偏態(tài)，且具有較大的峰度，存在尖峰厚尾的特性，通過JB 檢驗進(jìn)一步得出數(shù)據(jù)不是正態(tài)分布。此外，為防止數(shù)據(jù)不平穩(wěn)出現(xiàn)偽回歸現(xiàn)象，進(jìn)行ADF檢驗，結(jié)果顯示數(shù)據(jù)平穩(wěn)。在此條件下可以進(jìn)行DY 溢出指數(shù)模型構(gòu)建。

從2020年初開始，新冠肺炎疫情逐步蔓延至全國，對我國經(jīng)濟(jì)運行體系產(chǎn)生了嚴(yán)重沖擊，加大了宏觀環(huán)境的不確定性。在此期間，資本市場波動劇烈，上證綜指出現(xiàn)巨大跌幅，各行各業(yè)停工停產(chǎn)，減排企業(yè)對碳排放權(quán)需求降低，碳市場交易活動減少，流動性風(fēng)險增大。因此，為研究新冠肺炎疫情對碳市場造成的影響，本文將新冠肺炎疫情暴發(fā)點作為分界線，將樣本區(qū)間分成前疫情時期和疫情時期，前疫情時期為2019年1月1日～2020年1月1日，疫情時期為2020年1月1日～12月31日。2021年全國碳市場上線交易，電力行業(yè)首批被納入全國碳市場，碳市場規(guī)模進(jìn)一步擴(kuò)大，無疑增強(qiáng)了碳市場的風(fēng)險溢出能力，因此將2021年1月4日～2023年1月20日作為第三階段。

2.2 波動溢出指數(shù)分析

圖2 是基于時變參數(shù)-向量自回歸（TVP-VAR）模型構(gòu)造出的碳市場和高耗能行業(yè)板塊的動態(tài)溢出效應(yīng)圖。其中TO 代表的是該市場對其他市場的溢出效應(yīng)，用虛線表示，F(xiàn)ROM 代表其他市場對該市場的溢入效應(yīng)，用點線表示，NET 代表的是凈溢出效應(yīng)，用實線表示。從圖2 可以看出，碳市場相比高耗能行業(yè)，風(fēng)險溢出并不強(qiáng)烈，但卻有著明顯的波動現(xiàn)象，原因在于碳市場尚在建設(shè)階段，規(guī)模較小且風(fēng)險溢出能力較弱。在2020年初期和2021年間，碳市場溢出出現(xiàn)明顯波動，溢入和溢出都出現(xiàn)了明顯的增加，原因在于新冠肺炎疫情沖擊和全國碳市場建立，帶來了更多的不確定性。觀察高耗能行業(yè)，在2020年初期，都產(chǎn)生了不穩(wěn)定波動。在2021年間，電力行業(yè)溢出效應(yīng)出現(xiàn)了明顯降低，原因在于作為首批納入全國碳市場的行業(yè)，為實現(xiàn)履約，采取了保守的經(jīng)營策略，不確定性降低。

圖2 溢出效應(yīng)

為定量分析外部沖擊對碳市場和高耗能行業(yè)風(fēng)險溢出情況的影響，本文生成三階段（疫情暴發(fā)前、疫情暴發(fā)后、全國碳市場建立）的靜態(tài)溢出指數(shù)表進(jìn)行分析。考慮篇幅有限，本文僅展示了疫情暴發(fā)前時期，碳市場與高耗能行業(yè)的靜態(tài)溢出指數(shù)，即表2。可以看出碳市場溢出較少，更多的是作為風(fēng)險的溢入方，凈溢入效應(yīng)為-3.98，說明其受到其他市場的風(fēng)險沖擊更強(qiáng)。在高耗能行業(yè)內(nèi)部，有色金屬、石油和水泥行業(yè)凈效用為負(fù)值，其他均為正值，說明除有色金屬、石油和水泥行業(yè)外，其他行業(yè)作為風(fēng)險的凈溢出方，其中化工行業(yè)的凈溢出效應(yīng)最高，說明化工行業(yè)是風(fēng)險的主要貢獻(xiàn)者。進(jìn)一步觀察二階段靜態(tài)溢出指數(shù)表發(fā)現(xiàn)，在新冠肺炎疫情沖擊下，碳市場凈溢出效應(yīng)有了明顯變化，溢入效應(yīng)明顯增加，尤其是對化工行業(yè)對碳市場的溢入效應(yīng)有了明顯增加。這說明碳市場在面臨重大公共事件沖擊時，極易受到風(fēng)險傳染，出現(xiàn)劇烈波動，從而增加碳市場的不確定性。觀察三階段靜態(tài)溢出指數(shù)表發(fā)現(xiàn)，全國碳市場建立后，碳市場的總溢出效應(yīng)顯著提高，說明隨著碳市場規(guī)模的進(jìn)一步擴(kuò)大，其對高耗能行業(yè)的沖擊能力顯著提升。觀察總溢出指數(shù)可以看出，相比一、二階段，出現(xiàn)了下降，高耗能行業(yè)之間的風(fēng)險傳染有所降低。

表2 一階段靜態(tài)溢出指數(shù)

2.3 溢出網(wǎng)絡(luò)分析

基于三階段凈態(tài)溢出指數(shù)表，構(gòu)造復(fù)雜網(wǎng)絡(luò)圖，以此可視化分析各板塊風(fēng)險傳染路徑。本文將碳市場和高耗能行業(yè)各板塊作為網(wǎng)絡(luò)節(jié)點，板塊間的凈配對溢出指數(shù)作為邊的權(quán)重，凈配對溢出指數(shù)為正則為溢出，為負(fù)則為溢入。然后對凈配對溢出指數(shù)進(jìn)行歸一化處理，將指數(shù)控制在［0，1］區(qū)間。常用于構(gòu)建有向復(fù)雜網(wǎng)絡(luò)的方法有最小樹形圖法和閾值法。本文也將基于這兩種方法構(gòu)建復(fù)雜網(wǎng)絡(luò)。閾值法存在一個最佳閾值選擇的問題。本文假定溢出指數(shù)服從正態(tài)分布假設(shè)，借鑒統(tǒng)計學(xué)中1%、5%和10%的拒絕域，采用10%作為剔除凈配對溢出指數(shù)較小的連邊的閾值，構(gòu)建波動溢出網(wǎng)絡(luò)以反映風(fēng)險傳染的變化情況。原因在于，1%、5%作為閾值時，網(wǎng)絡(luò)圖趨向于有向完全圖，不利于進(jìn)行網(wǎng)絡(luò)特性分析，因此選擇10%作為閾值。

首先用閾值法構(gòu)建網(wǎng)絡(luò)。圖3、圖4 和圖5分別展示了三階段的波動溢出網(wǎng)絡(luò)圖。圖中深色節(jié)點表示該對象是風(fēng)險的凈溢出方，淺色節(jié)點代表凈溢入方，圓圈的大小代表總的溢出值，線條寬度代表溢出和溢入強(qiáng)度。從一階段網(wǎng)絡(luò)可以看出化工行業(yè)是主要的風(fēng)險溢出對象，有色金屬行業(yè)、水泥行業(yè)、石油行業(yè)和碳市場是這一時期的主要風(fēng)險接收對象，說明在該時期這幾個板塊在網(wǎng)絡(luò)中是風(fēng)險傳染的關(guān)鍵節(jié)點。但該階段碳市場與高耗能行業(yè)間的風(fēng)險聯(lián)系并不突出，網(wǎng)絡(luò)連接較為稀疏，網(wǎng)絡(luò)在整體的關(guān)聯(lián)性較弱。

圖3 一階段風(fēng)險溢出網(wǎng)絡(luò)

圖4 二階段風(fēng)險溢出網(wǎng)絡(luò)

圖5 三階段風(fēng)險溢出網(wǎng)絡(luò)

從二階段溢出網(wǎng)絡(luò)可以看出，在新冠肺炎疫情沖擊下，碳市場和高耗能行業(yè)聯(lián)系相比于一階段更加緊密，網(wǎng)絡(luò)連接更為復(fù)雜。碳市場和水泥行業(yè)依舊是風(fēng)險的凈溢入方，且凈溢入方增加了紡織行業(yè)，其他高耗能行業(yè)都作為風(fēng)險的溢出方。第三階段風(fēng)險網(wǎng)絡(luò)連接密度進(jìn)一步提高，風(fēng)險溢出節(jié)點減少。化工行業(yè)溢出強(qiáng)度加強(qiáng)，成為了網(wǎng)絡(luò)的溢出中心，碳市場始終處于溢入地位。

進(jìn)一步用最大樹形圖法構(gòu)建復(fù)雜網(wǎng)絡(luò)。圖6、圖7 和圖8 展示了三階段的最大樹形圖。可以看出化工行業(yè)在3 個時期均處于樹形圖的根點，證明了化工行業(yè)絕對的風(fēng)險溢出地位。一、二階段碳市場并未受到化工行業(yè)直接風(fēng)險傳染，而是受到了鋼鐵行業(yè)和煤炭行業(yè)的風(fēng)險溢出。鋼鐵行業(yè)和煤炭行業(yè)接收風(fēng)險小于溢出風(fēng)險，可以說明二者有效的將風(fēng)險轉(zhuǎn)嫁給了碳市場。對比一、二階段的最大樹形圖可以得出，新冠肺炎疫情沖擊下并未對關(guān)鍵傳染路徑產(chǎn)生較大影響，只有碳市場的風(fēng)險溢入方發(fā)生了變化。第三階段樹形圖，相較于前兩階段有了明顯變化。碳市場從風(fēng)險接收方，變?yōu)榱孙L(fēng)險的轉(zhuǎn)嫁方。被納入全國碳市場的電力行業(yè)成為了煤炭行業(yè)的風(fēng)險轉(zhuǎn)嫁對象。

圖6 一階段最大樹形圖

圖8 三階段最大樹形圖

為研究剖析復(fù)雜網(wǎng)絡(luò)特性，本文基于閾值法構(gòu)建的三階段網(wǎng)絡(luò)，對各節(jié)點的度分布和中心性進(jìn)行研究。表3 展示了三階段的平均聚類系數(shù)，平均路徑長度和直徑。從平均聚類系數(shù)可以看出，二、三階段相比于第一階段有了較大的提高，說明在重大事件產(chǎn)生時，碳市場和高耗能行業(yè)間的聯(lián)系會更加緊密，更容易出現(xiàn)風(fēng)險相互傳染。二、三階段的平均路徑長度和直徑有所減小，說明節(jié)點與節(jié)點之間的風(fēng)險傳染距離縮短，風(fēng)險更容易在節(jié)點之間進(jìn)行傳染，進(jìn)而導(dǎo)致大規(guī)模的風(fēng)險波動。

表3 網(wǎng)絡(luò)結(jié)構(gòu)特征

表4 展示了三階段各節(jié)點的點權(quán)分布。一階段碳市場，有色金屬和水泥行業(yè)是具有較高的入度點權(quán)，是主要溢入節(jié)點，化工行業(yè)有著最大的出度點權(quán)，說明其處在一階段溢出的核心位置，其次是建材行業(yè)。在二階段時期，碳市場、紡織和水泥行業(yè)處于風(fēng)險溢入的中心地位，化工依舊是溢出的核心。三階段時期，多個溢入中心出現(xiàn)，主要的溢出行業(yè)為鋼鐵和化工。總體而言，碳市場始終是溢入核心，這在一定程度上是由于碳市場機(jī)制不夠健全，尚處于發(fā)展階段，穩(wěn)定性較差所致。化工行業(yè)一直處于出度核心的原因在于，其處在供應(yīng)鏈的首部，當(dāng)其出現(xiàn)風(fēng)險波動時，將會從上游逐步向下游擴(kuò)散，因此成為主要的溢出節(jié)點。

表4 點權(quán)分布

為進(jìn)一步研究各節(jié)點在網(wǎng)絡(luò)中的重要性，接下來將從接近中心性、介數(shù)中心性和PageRank 中心性3 個方面分析。

接近度中心性反映了節(jié)點在網(wǎng)絡(luò)中居于中心的程度，其度量思想在于一個節(jié)點與多個節(jié)點都很接近，這說明該節(jié)點處于網(wǎng)絡(luò)的中心地位。考慮本文研究對象是有向的非連通圖，參考Dangalchev（2006）［22］接近度中心性計算方法，計算三階段入度與出度的接近度中心性。從圖9 可知，在一、二階段碳市場出度接近中心性為0，原因在于其作為風(fēng)險的接收方，沒有對其他市場產(chǎn)生溢出效應(yīng)，與其他市場不存在連通。出度中心性排名第一位的是化工行業(yè)，三階段始終處于溢出輻射中心。從圖10 可以看出，在一、二階段碳市場是風(fēng)險溢入的核心，在電力行業(yè)被納入全國碳市場后，電力行業(yè)則取代碳市場成為了核心的風(fēng)險溢入點。

圖9 接近出度中心性

圖10 接近入度中心性

介數(shù)中心性也是測度網(wǎng)絡(luò)節(jié)點重要性的一個重要指標(biāo)，其度量思想為一個節(jié)點在最短路徑上出現(xiàn)的次數(shù)越多，該節(jié)點越重要。通過計算發(fā)現(xiàn)，在一、二階段節(jié)點之間直接相連，最短路徑為1，無法探究介數(shù)中心性特征。因此，本文只考察第三階段的各節(jié)點的介數(shù)中心性。從表5 可以看出，碳市場的介數(shù)中心性排名第一，說明碳市場在網(wǎng)絡(luò)中具有較強(qiáng)的中介性，會推動風(fēng)險溢出的速度。

表5 介數(shù)中心性

PageRank 值是測算有向網(wǎng)絡(luò)節(jié)點重要性的指標(biāo)之一。作為特征向量中心性的一個變種，PageRank算法首先給定每個點一個初始值，假設(shè)甲節(jié)點指向乙節(jié)點，乙獲得分值，同時甲節(jié)點本身的分值越高，乙獲得的分值也越高，說明當(dāng)指向節(jié)點越重要時，被指向節(jié)點也更重要。圖11 給出了三階段各個節(jié)點的PageRank 值，可以看出在一、二階段碳市場的PageRank 得分處于第一位，反映了碳市場在網(wǎng)絡(luò)中具有重要地位。第二階段，碳市場的PageRank 得分有所上漲，說明在新冠肺炎疫情沖擊下，碳市場在網(wǎng)絡(luò)中的重要性進(jìn)一步提高。第三階段，全國碳市場建立，其PageRank 得分有所下降，但僅次于紡織行業(yè)在網(wǎng)絡(luò)中的重要性。

3 結(jié)論與啟示

“雙碳”目標(biāo)下，碳金融市場成為了控制碳排放的重要手段。由于其建設(shè)時間短，與相關(guān)行業(yè)具有緊密聯(lián)系，以及容易受到極端事件的沖擊，碳市場風(fēng)險研究成為一個重要課題。本文選取區(qū)域碳市場平均收益率指數(shù)，與高耗能行業(yè)收益率指數(shù)作為研究對象，基于廣義預(yù)測誤差方差分解構(gòu)建溢出指數(shù)，研究碳市場和高耗能行業(yè)間的溢出效應(yīng)，并在此基礎(chǔ)上構(gòu)造復(fù)雜網(wǎng)絡(luò)模型，研究在極端事件沖擊下，碳市場和高耗能行業(yè)的風(fēng)險波動，以及風(fēng)險如何在兩者間進(jìn)行傳導(dǎo)。

實證研究得出，碳市場和高耗能行業(yè)之間存在波動溢出效應(yīng)，且具有不對稱性和不確定性，相互之間存在較強(qiáng)的聯(lián)動性。從風(fēng)險溢出方向來看，碳市場主要作為風(fēng)險的接收方，在受到極端事件沖擊時，會成為風(fēng)險傳染的關(guān)鍵節(jié)點。此外，在全國碳市場建立后，碳市場的溢入和溢出效應(yīng)有了明顯的提高，說明隨著規(guī)模的擴(kuò)大，碳市場本身的波動性出現(xiàn)了放大現(xiàn)象。化工行業(yè)總體來說是風(fēng)險的凈溢出方，原因在于化工行業(yè)處在供應(yīng)鏈的頭部，極容易將自身風(fēng)險通過供應(yīng)鏈條傳遞給其他行業(yè)。

基于以上結(jié)論，得出以下啟示：

（1）我國碳市場尚處于發(fā)展階段，規(guī)模和成熟度有限，容易受到外部風(fēng)險的沖擊。因此，應(yīng)逐步擴(kuò)大碳金融市場規(guī)模，加快碳金融相關(guān)立法建設(shè)，加速碳金融產(chǎn)品創(chuàng)新，規(guī)范碳金融產(chǎn)品發(fā)展，提高碳金融市場風(fēng)險韌性。同時在碳市場規(guī)模擴(kuò)大時，防范碳市場自身對傳統(tǒng)高耗能行業(yè)的風(fēng)險擴(kuò)散，推動“雙碳”目標(biāo)穩(wěn)中有進(jìn)的實現(xiàn)。

（2）對于政策制定者而言，防范碳金融風(fēng)險不能僅局限于碳市場本身，也需考慮復(fù)雜的金融市場環(huán)境。監(jiān)管部門應(yīng)完善碳市場風(fēng)險識別和預(yù)警機(jī)制，在可能發(fā)生較大市場風(fēng)險時，利用壓力測試方法檢測碳市場在極端情況下的表現(xiàn)，減少碳市場自身風(fēng)險發(fā)生的可能；另外，從風(fēng)險網(wǎng)絡(luò)視角出發(fā)，警惕高耗能行業(yè)的風(fēng)險傳導(dǎo)，識別網(wǎng)絡(luò)中心，對關(guān)鍵節(jié)點進(jìn)行有效監(jiān)督，降低個體風(fēng)險傳染概率和范圍。

（3）對于高耗能行業(yè)而言，既要關(guān)注宏觀環(huán)境所帶來的風(fēng)險，也需要應(yīng)對來自碳市場波動的風(fēng)險。因此，高耗能行業(yè)應(yīng)該搭建符合自身特點的財務(wù)預(yù)警模型，演繹宏觀環(huán)境變化對企業(yè)財務(wù)可能的影響，同時加速綠色創(chuàng)新研發(fā)，實現(xiàn)企業(yè)的綠色轉(zhuǎn)型發(fā)展，以此降低可能的風(fēng)險損失。