氣候政策不確定性變化與能源市場收益率
——基于條件分位數的證據

徐義國 韓新運 胡超敏

1（中國社會科學院大學應用經濟學院，北京 102488） 2（國家金融與發展實驗室，北京 100020） 3（中央財經大學金融學院，北京 102206）

引 言

2022 年全球能源供需出現嚴重失衡，導致國際能源價格巨幅震蕩。歐洲能源市場是此次能源危機的“震中”，究其原因，除了地緣政治風險導致能源貿易停滯之外，極端天氣事件的發生和激進的能源轉型政策也對能源價格波動造成了疊加影響。受“拉尼娜” 和“厄爾尼諾” 現象共同影響，歐洲地區極端天氣事件頻發，極端天氣導致能源的季節性能源需求攀升，化石能源庫存消耗嚴重；氣象因素導致以水電和風電為代表的新能源發電設施大規模停擺，給能源供應總量和結構帶來很大的影響。此外，歐洲國家一直致力于“碳中和” 目標，在能源領域通過增加碳交易稅、削減碳配額等應對氣候變化的政策手段來減少碳排放，強烈的政策導向抑制了傳統化石能源產業的投資發展預期，導致化石能源產能不足，同時清潔能源供給不夠穩定，新舊能源體系轉換暴露了能源系統過早綠色化的脆弱性。Ren 等（2023）［1］認為激進的氣候政策與日益加劇的全球能源危機所帶來的不確定性密不可分。

氣候變化是21 世紀的重要議題，與氣候變化相關的風險和不確定性影響著全球經濟體系的各個方面。近年來，氣候政策的不確定性波動十分明顯。由于減少碳排放的成本和收益難以相互匹配，國際單邊主義等逆全球化勢力抬頭致使全球應對氣候變化的一系列舉措遭遇挫折，同時伴隨著頻發的極端氣象和災害事件，以及激進的低碳轉型政策等多種因素影響，國際能源商品市場的金融屬性趨勢更加明顯，氣候政策的不確定性給由傳統化石能源向綠色可再生能源過渡的投資需求帶來了較大的不確定性。氣候政策不確定性變化對能源市場的沖擊不斷加劇，能源價格常常表現出極端波動和急劇飆升；另外，作為當今工業化國家的基本投入，能源對經濟發展和穩定起著重要作用。能源商品的市場表現也影響著能源生產成本和供需結構，反過來推動氣候政策的制定者適時采取對應的調整措施平抑市場的價格震蕩。因此，在不確定性事件對能源安全構成持續威脅，氣候政策對能源市場外溢效應加劇的背景下，探討氣候政策不確定性變化與能源市場價格表現存在怎樣的溢出關聯特征，以及不同情境下氣候政策不確定性的外部沖擊如何影響能源市場回報，對于當前和未來的能源市場發展和氣候政策設計具有重要的研究價值和現實意義。

1 文獻綜述

近些年，對于不同屬性能源市場間價格聯系的研究集中在以下幾個方面。一些文獻顯示，化石能源市場之間存在著明顯的依賴關系，替代效應引發了化石能源的價格競爭［2－5］。在《巴黎協定》簽署之后，全球對綠色投資的關注更加明顯。投資清潔能源對于從傳統碳密集型能源向低碳清潔能源過渡以實現凈零排放目標和緩解氣候變化至關重要［6］。Maghyereh 等（2019）［7］和Chen 等（2022）［8］認為化石能源價格的變化可能會影響清潔能源股價的波動。由于替代效應的存在，原油與清潔能源保持著價格的共同運動趨勢［9，10］。此外，化石能源和清潔能源之間存在顯著的溢出效應和尾部依賴性［11］，化石能源和清潔能源之間的關系因市場條件而異，在極端條件下和危機期間，其市場聯系顯著增強［6，12］。

在全球應對氣候變化和推進能源轉型的過程中，探討關于氣候政策不確定性與能源市場表現之間關聯性的研究正在不斷增加。學者們將氣候風險分為3 類：有形風險、責任風險和過渡風險。在研究意義上，最后一種類型最為重要，因為其涉及去碳化轉型過程中可能引發的一系列金融風險，如政策的不確定性和技術創新的不穩定性［13］。氣候風險常常伴隨著不確定性，氣候相關事件導致的不確定性或圍繞政府減輕氣候風險的政策措施帶來的不確定性都被認為是氣候政策的不確定性。Drouet 等（2015）［14］指出應量化不確定性并將其納入政策框架，以應對異常氣候變化。Gavriilidis （2021）［15］基于文本挖掘技術率先構建了氣候政策不確定性指數（CPU），該指標廣泛應用于與氣候問題相關的能源和投資領域的研究。一些學者認為，通過引入氣候政策不確定性變量，可以顯著提升能源資產回報和波動性預測的精度［16，17］。

由于能源市場兼具商品與金融屬性，氣候政策不確定性對能源市場間的溢出效應主要通過供需基本面和投資者行為渠道實現。Gavriilidis （2021）［15］認為氣候政策不確定性水平的上升會鼓勵綠色投資以及清潔能源的研發和創新以減少碳排放；氣候政策的模糊性也會影響未來能源的選擇。不確定性增加導致投資受阻，進而影響能源價格。Zhang等（2023）［18］認為，投資者可以通過理解能源轉型和碳中和階段化石能源和清潔能源資產之間的相關性變化，動態地調整其投資策略以對沖風險，甚至預測超額回報。如在氣候政策風險處于高位期間投資者可以選擇投資低碳的綠色資產，而非高碳資產，在風險降低時進行反向配置，以便在氣候政策變化期間實現投資收益的最大化。不過，也有一些學者發現投資者對氣候風險關注度以及碳減排認識的不斷提高，促使與氣候問題相關的事件削弱了傳統能源市場與清潔能源市場的積極聯系［19，20］。在實證研究方面，Zhou 等（2023）［21］基于TVP－SV－VAR 模型，考察了氣候政策不確定性、石油價格和可再生能源消費之間的時變關系以及CPU 對可再生能源消費的動態影響，研究發現，在大多數時期氣候政策不確定性在短期和中期內正向影響油價，并且在短期和長期內正向影響可再生能源消費總量。Shang 等（2022）［22］基于自回歸分布滯后（ARDL）模型研究了氣候政策不確定性對美國能源消費的影響，發現氣候政策不確定性是改變能源需求的潛在驅動因素，相較于原油價格上漲給不可再生能源需求帶來的微弱刺激作用，氣候政策不確定性顯著降低了不可再生能源的需求。并且從長遠看，氣候政策不確定性還會對可再生能源需求產生積極影響。Ren 等（2023）［1］采用時變格蘭杰因果關系方法，探討氣候不確定性與傳統能源和綠色市場在時域下的潛在因果關系，研究發現，就方向性因果關系而言，CPU 更傾向于充當風險接受者，而不是市場價格波動的溢出者；就不同的能源屬性而言，格蘭杰因果關系的顯著性會隨著異常天氣的出現或重大氣候政策的出臺而不斷發生顯著變化。Bouri 等（2022）［23］考察了氣候政策不確定性對美國綠色能源股和棕色能源股的價格表現，研究發現CPU 相比于棕色能源股，其對綠色能源股的影響更為顯著。

在研究方法上，現有文獻所采用的GARCH模型、TVP－SV－VAR 模型、格蘭杰因果關系等一類傳統方法只能捕捉基于條件均值的沖擊及其結構關系，而對于不同沖擊規模條件下的影響，以及不同沖擊方向可能存在異質性的特征容易造成忽略或低估。為解決上述問題，本文采用Ando 等（2022）［24］提出的基于QVAR 的溢出指數模型。該模型在條件分位數向量自回歸（QVAR）模型框架下，基于不同條件分位數的溢出指數，不僅能夠有效捕捉整個條件分布上的溢出效應，還可以精確挖掘左右尾部的傳染特征。此外，該模型還可以有效地處理非線性、異方差和“尖峰厚尾” 等問題，有助于更加科學、準確地研究氣候政策不確定性與能源市場收益率的關聯溢出效應。

據此，本文采用全球主要能源市場的歷史收益數據，如煤炭、石油、天然氣、太陽能和風能，與氣候政策不確定性數據，通過QVAR 模型構建基于不同條件分位數的溢出指數，研究氣候政策不確定性變化與能源市場收益率在整個條件分布上的關聯性并分析左右尾部的溢出特征。本文豐富和拓展了關于政策不確定性與能源市場關聯的研究，將基于政策前沿的氣候風險度量方法引入跨市場溢出效應的研究框架，從氣候政策不確定性視角進一步揭示能源市場回報的溢出結構及其演變規律；突破了現有研究基于線性假設和條件均值估計溢出指數局限性，通過非線性跨分位數方法對正常狀態和極端狀態下的實證結果加以比較，有助于更好地理解不同情境下氣候政策不確定性與不同屬性的能源資產回報的溢出傳染效應，旨在為受氣候變化廣泛影響的行業決策者、政策制定者、投資者及能源公司提供有益的參考依據。

2 實證研究

2.1 基于QVAR 的溢出指數模型

首先，在條件分位數τ下的N維QVAR（p）過程如下：

其中，τ∈［0，1］，yt和yt－j為k×1 維內生變量向量，μ（τ）表示與條件分位數τ相對應的k×1維的條件均值向量，Φj（τ）表示與條件分位數τ相對應的k×k維的系數矩陣，ut（τ）～i．i．d．（0，Σ（τ））表示與條件分位數τ相對應的k×1 維誤差向量。

采用Wold 定理將式（1） 的QVAR（p）模型轉換為無限階的分位數向量移動平均QVMA（∞）過程：

隨后，基于廣義預測誤差方差分解方法（GFEVD）計算在預測期H下變量j對變量i的溢出水平：

其中，ei為選擇列向量，第i個元素取值為1，其余元素為0。此時，經過標準化處理后，度量了在預測期H下變量j對變量i的溢出水平。

在此基礎上，構建在分位數τ下方向性溢出指數、凈溢出指數和總溢出指數，具體公式如下所示：

To（τ）和From（τ）是與條件分位數τ相對應的方向性溢出指數，分別衡量在分位水平τ下變量i對其它所有變量溢出和接收水平。Net（τ）是To（τ）和From（τ）的差值，表示變量i傳遞的溢出效應減去接收的溢出效應，即與條件分位數τ相對應的凈溢出指數。TSI（τ）是與條件分位數τ相對應的總溢出指數，衡量在分位水平τ下整個系統的總溢出水平。

2.2 變量選取與描述性統計

本文采用Gavriilidis （2021）［15］構建的氣候政策不確定性指數（CPU）來衡量氣候政策的不確定性①。考慮到澳大利亞市場仍然是制定世界煤炭價格的主導力量［25］，本文以澳大利亞Newcastle港動力煤價格作為煤炭價格指數（COAL）。此外，天然氣市場、原油市場、太陽能市場和風能市場價格分別選取標普高盛天然氣指數（GAS）、標普高盛原油指數（OIL）、MAC 全球太陽能指數（SOLAR）、ISE 全球風能指數（WIND）來衡量。五類能源價格指數數據均來源于彭博（Bloomberg）數據庫。本文數據的時間范圍涵蓋自2008 年12 月至2023 年4 月，共173 期月度數據。

為消除異方差的影響，同時考慮到以氣候政策不確定性變化與能源市場回報作為研究對象，本文對樣本數據進行對數差分處理。表1 為數據處理后的描述性統計結果，可以發現：天然氣和原油價格收益率在樣本期間表現為負值；氣候政策不確定性變化的標準差顯著高于能源市場回報標準差；煤炭、天然氣、石油以及風能市場價格收益率呈現負偏態；所有變量均表現出不同程度的“尖峰后尾” 分布特征；樣本中所有時間序列均在1%的顯著性水平上拒絕含有單位根的原假設，均為平穩的時間序列數據，適合構建溢出指數模型。

表1 變量的描述性統計

2.3 實證分析

2.3.1 靜態溢出分析

為研究氣候政策不確定性變化與能源市場回報溢出效應，本文根據AIC 準則確定QVAR 模型的最優滯后階數為1 階，預測誤差方差分解步長設定為12。氣候政策不確定性變化及能源市場回報的不同分位點能夠捕捉沖擊規模的大小，各變量所受沖擊規模越大，其變動幅度越大。因此，由中間分位點到左右尾部代表遞增的沖擊規模。本文以條件中位數τ＝0.50 表示正常狀態，以條件分位數τ＝0.05 和條件分位數τ＝0.95 分別表示極端下行狀態和極端上行狀態。

表2 報告了正常狀態（τ＝0.50）、極端下行（τ＝0.05）和極端上行（τ＝0.95）狀態下氣候政策不確定性變化與能源市場回報的靜態溢出效應。（1） 可以發現，正常狀態下氣候政策不確定性變化與能源市場回報所受沖擊的總溢出效應（39.39%）顯著低于極端狀態下的水平，其中，在極端下行狀態下，氣候政策不確定性下降（政策連續性上升）與能源市場處于熊市時總溢出效應為75.84%；在極端上行狀態下，氣候政策不確定性上升（政策連續性下降）與能源市場處于牛市時總溢出效應為76.26%，略高于極端下行狀態的水平；（2） 對于能源市場，在正常狀態下，氣候政策不確定性變化對天然氣市場回報的溢出效應貢獻最大，對煤炭市場回報的溢出效應貢獻最小；在極端下行狀態下，氣候政策連續性上升對處于熊市的化石能源市場相比清潔能源市場的回報溢出效應更大；在極端上行狀態下，氣候政策不確定性上升對處于牛市的清潔能源市場相比化石能源市場的平均回報溢出效應更大，其中氣候政策不確定性上升對太陽能市場回報溢出效應貢獻最大。該發現與Hoque 和Batabyal （2022）［26］研究得到的結論保持一致，其通過GARCH 模型和引入虛擬變量的分位數回歸模型，驗證了2016 年《巴黎協定》 簽署前后數據的子樣本，發現清潔能源資產的對沖和避險屬性與牛市和熊市條件相關，當面臨氣候不確定事件發生時，清潔能源資產可以作為一類避險資產；（3） 氣候政策不確定性變化對能源市場回報的方向性溢出效應在極端狀態下更為明顯，能源市場處于正常狀態下接收到來自氣候政策不確定性沖擊的溢出效應為29.03%，而處于熊市和牛市下接收到氣候政策不確定性沖擊帶來的溢出效應分別為65.09%和74.48%；（4） 盡管氣候政策不確定性變化對能源市場回報的方向性溢出效應在極端狀態下更為明顯，但考慮到方向性溢入效應的影響，在極端狀態下，氣候政策不確定性變化傾向于充當能源市場回報溢出效應的凈接收方；而在正常狀態下，氣候政策不確定性變化傾向于充當能源市場回報溢出效應的凈輸出方。能源市場價格的極端變動不僅會引起能源供需結構的改變，還會驅使決策者對碳定價機制和氣候政策作出相應調整。上述發現彌補了Ren 等（2023）［1］利用時變格蘭杰因果關系不能解決的因素間非線性、非對稱相關問題以及缺少對不同情境下差異性分析的局限性。

表2 不同狀態下CPU 變化與能源市場回報溢出指數

2.3.2 動態溢出分析

參考已有文獻的做法，本文將QVAR 模型的滾動窗口設定36 個月。圖1 刻畫了正常狀態（τ＝0.50）、極端下行（τ＝0.05）和極端上行（τ＝0.95）狀態下的CPU變化與能源市場回報動態總溢出效應的時序特征。可以發現，（1） 不同狀態下CPU變化與能源市場回報動態總溢出效應具有時變性特點，且極端狀態下的總溢出水平波動范圍相比于正常狀態下更小。條件中位數τ＝0.50 下，總溢出指數在35.56%～63.95%范圍內波動，條件分位數τ＝0.05 和τ＝0.95 下，總溢出指數的波動范圍顯著縮小，分別為81.34%～103.29%和81.49%～101.57%；（2） 樣本期間內CPU變化與能源市場回報左右尾部極端狀態下的溢出水平顯著高于正常狀態，這與前面靜態溢出分析得到的結論保持一致。

圖1 正常狀態與極端狀態下的CPU 變化與能源市場回報動態總溢出指數

為進一步研究動態情形下，氣候政策不確定性變化與能源市場收益率在整個條件分布上的關聯性，本文分析了在樣本期間內［0，1］區間上全部分位點下總溢出指數的時序特征（圖略）。可以發現，氣候政策不確定性變化與能源市場回報總溢出指數隨時間推移而改變，且在整個條件分布上呈現出顯著的異質性，沖擊規模越大，總溢出指數越高。圖2 刻畫了在［0，1］區間上取自不同條件分位點的總溢出指數，可以發現，氣候政策不確定性變化與能源市場回報總溢出效應由中間分位點向左右尾部逐漸提升，且在整個條件分位數上呈現出U 型結構，表明隨著施加沖擊的規模不斷增加，氣候政策不確定性變化與能源市場回報的左右尾部溢出傳染效應增強。此外，總溢出指數在極端上行與極端下行狀態表現出非對稱性影響。對中間分位點左右尾部溢出效應差異進行樣本均值t 檢驗，發現極端上行狀態的溢出傳染效應顯著高于極端下行狀態。由于不確定性沖擊的影響高度依賴于經濟狀態，并且不確定性正向沖擊比負向沖擊影響更大［27］，因此，相比于氣候政策連續性，不確定性上行對經濟活動的影響更大。

圖2 不同條件分位數下CPU 變化與能源市場回報動態總溢出指數

2.3.3 方向性溢出分析

圖3 和圖4 分別描繪了不同條件分位數下，氣候政策不確定性變化與能源市場回報方向性溢入指數與溢出指數的變化趨勢。能夠發現，各變量溢入指數水平、溢出指數水平與所施加沖擊的規模基本呈正相關關系，極端狀態下的溢入指數水平和溢出指數水平高于正常狀態，且存在非對稱性。

圖4 不同條件分位數下CPU 變化與能源市場回報方向性溢出指數

對于方向性溢入效應，化石能源市場回報相比清潔能源市場回報溢入指數水平波動范圍更大。具體來看，在正常狀態下，清潔能源市場回報接收到來自其他能源市場的溢入效應顯著高于化石能源市場。其中，條件中位數τ＝0.50 下，風能市場和太陽能市場回報方向性溢入指數分別為54.39%和46.40%，煤炭市場、天然氣市場和原油市場回報方向性溢入指數分別為30.31%、35.49%和41.39%。此外，在極端狀態下，相比于清潔能源市場，化石能源市場回報溢入傳染效應的漲幅更大，煤炭市場和天然氣市場回報方向溢入效應漲幅表現最為明顯，而風能市場回報方向溢入效應漲幅表現最小。

對于方向性溢出效應，能源市場回報溢出傳染效應的最低值并不一定出現在條件中位數τ＝0.50處，左尾和右尾部溢出效應的非對稱性更為明顯，且對極端沖擊的方向更為敏感。與方向性溢入效應相似的是，化石能源市場回報相比清潔能源市場回報溢出指數水平波動范圍更大，但是在受到極端正向沖擊和極端負向沖擊下，溢出指數的左右尾部漲幅差異較大，處于熊市的原油市場以及處于牛市的煤炭市場對系統內各要素的溢出傳染效應最大。對于清潔能源市場，受到極端沖擊時的左右尾部升降趨勢表現不一致，受到極端正向沖擊的太陽能市場和風能市場回報溢出效應表現出與左尾相反的變化趨勢。

2.3.4 兩兩間溢出分析

在氣候政策不確定性變化與能源市場回報的30 對兩兩間定向溢出效應中，極端下行狀態和極端上行狀態分別對應有28 對和27 對溢出指數顯著高于正常狀態，清潔能源市場間回報溢出傳染效應均低于正常狀態。

表3 列舉了正常狀態與極端狀態下30 對兩兩間定向溢出效應中強度位于前15 的情況。可以發現，正常狀態下清潔能源市場間回報溢出傳染效應均高于極端狀態，風能市場回報對太陽能市場回報的定向溢出傳染效應最強，風能市場與原油市場間回報的溢出傳染效應次之；極端下行狀態下，原油市場回報為其他能源市場回報和氣候政策不確定性變化的溢出傳染效應最大輸出方，當能源市場處于熊市中，原油市場回報對清潔能源市場回報的定向溢出影響尤為強烈；極端上行狀態下，煤炭市場回報為其他能源市場回報和氣候政策不確定性變化的溢出傳染效應最大輸出方，當能源市場處于牛市中，清潔能源市場相互間回報溢出傳染效應，以及煤炭市場回報對清潔能源市場回報和氣候政策不確定性增加的定向溢出影響都尤為強烈。這些發現進一步驗證了Saeed 等（2021）［6］的觀點。綜上所述，基于條件中位數下的溢出效應對化石能源市場回報，特別是原油市場和煤炭市場回報的尾部定向溢出水平存在低估。

表3 正常狀態與極端狀態下兩兩間溢出指數及排序

3 結論及政策建議

本文采用全球主要能源市場的歷史收益率與氣候政策不確定性數據，通過QVAR 模型構建基于不同條件分位數的溢出指數，探討了氣候政策不確定性變化與能源市場收益率在整個條件分布上的關聯性并分析左右尾部的溢出特征，揭示了不同情境下氣候政策不確定性的外部沖擊對能源市場回報的影響特征，以及不同屬性能源市場之間的網絡溢出結構和協同運動的演變規律。

本文研究得到如下主要結論：（1） 在極端狀態下，氣候政策不確定性變化傾向于充當能源市場回報溢出效應的凈接收方；而在正常狀態下，氣候政策不確定性變化傾向于充當能源市場回報溢出效應的凈輸出方；（2） 氣候政策不確定性變化與能源市場回報總溢出效應由中間分位點向左右尾部逐漸提升，且在整個條件分位數上呈現出U 型結構。隨著施加沖擊的規模不斷增加，氣候政策不確定性變化與能源市場回報的左右尾部溢出傳染效應增強，且在極端上行與極端下行狀態表現出非對稱性影響；（3） 對于方向性溢入效應與溢出效應，其與所施加的沖擊規模基本呈正相關關系，極端狀態下的溢入效應和溢出效應水平高于正常狀態，且存在非對稱性。對于不同能源市場，化石能源市場回報相比清潔能源市場回報溢入指數和溢出指數水平波動范圍更大；（4） 在氣候政策不確定性變化與能源市場回報的兩兩間定向溢出效應中，極端狀態下絕大多數溢出指數顯著高于正常狀態，而清潔能源市場間回報溢出傳染效應均低于正常狀態。原油市場和煤炭市場回報分別為極端下行和極端上行狀態下其他能源市場回報和氣候政策不確定性變化的溢出傳染效應的最大輸出方。基于條件中位數下的溢出效應對化石能源市場回報的尾部定向溢出水平存在低估。

根據本文的結果，提出以下相關政策建議：（1） 監管部門需要將氣候政策不確定性納入監管體系，通過增加氣候政策調整的彈性和透明度，引導和穩定市場預期，防范和化解氣候政策不確定性給能源市場帶來的風險溢出；（2） 為避免激進的氣候政策誘發能源貧困甚至是能源危機的可能性，確保能源轉型過程中的價格穩定尤為重要，傳統化石能源要持續發揮兜底保供、靈活調節的作用，清潔能源要成為能源增量的主要來源；（3）投資者和相關公司在預測和管理商品、股票等一系列能源資產時，應將氣候政策不確定性指標納入資產定價、資產配置等投資策略中，同時重點把握不同情境、不同屬性能源資產的風格輪換和風險對沖。

注釋：

①數據來源于https：／ ／www.policyuncertainty.com／climate＿uncertainty.html。