我國碳市場與化石能源市場溢出效應研究
——基于VAR－GARCH－BEKK 模型的分析

趙一航 趙會茹

（華北電力大學經濟與管理學院，北京 102206）

引言

2020 年9 月22 日，習近平總書記在第七十五屆聯合國大會一般性辯論上提出了“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” 的氣候目標。為實現“雙碳目標”，我國提出了構建綠色低碳循環發展經濟體系、提升能源利用效率、提高非化石能源消費比重、降低二氧化碳排放水平、提升生態系統碳匯能力等五方面主要目標。碳市場由于低成本和可持續性強等特點，被認為是最有效的碳減排政策工具之一［1］。自2010 年我國首次提出建立碳市場以來，我國碳排放交易體系已經歷了超過10 年的發展歷程。2013 年，深圳、上海、北京、廣東和天津5個省市率先開始試點交易。2014 年，重慶和湖北碳試點市場也正式開始交易。2016 年，福建省也加入了試點碳市場的行列。由于全國統一大市場的建設有助于充分發揮市場在資源配置中的決定性作用，對于降低市場交易成本、推動市場高效暢通和規模拓展具有顯著意義［2］。因此，在2017年底我國正式建立全國統一的碳市場，并于2021年7 月16 日正式開啟上線交易，至今已經度過第一個履約周期。

溢出效應，用于描述市場間的信息傳遞以及資本流動，被廣泛應用于金融領域［3］。通過對市場間溢出效應的研究，有助于了解市場價格變化的外部成因和驅動因素，對于加強金融市場風險防范、提高市場監管力度起到重要作用。由于碳市場中所交易的碳排放權同樣具有金融產品的屬性，因此也有部分學者針對碳市場的溢出效應開展研究。已有的研究主要圍繞3 個方面：（1）各個碳市場之間的溢出效應，研究主體主要包含國內各碳試點以及以歐盟為主的國外碳市場。汪文雋等［4］基于三元GARCH－BEKK 模型分析了我國廣東、湖北和深圳3 個碳試點之間的波動溢出效應。劉建和等［5］基于VAR－GARCH－BEKK 模型研究了我國7 個碳試點與歐盟碳市場之間的溢出效應。許悅和翟大宇［6］基于時變參數自回歸方法和VAR 模型研究了聯合國氣候談判背景下歐盟碳市場（EUA 和CER）之間的溢出效應；（2）碳市場與金融市場之間的溢出效應。李剛和朱莉［7］采用MGARCH－BEKK 模型研究了歐洲和美國的碳市場與股票市場之間的動態相關性。王倩和路京京［8］基于EGARCH－Copula 模型分析了人民幣匯率對我國各試點碳價的異質性影響。王超和楊寶臣［9］構建了我國與歐盟“碳－商品－金融” 的市場聯動框架，測算了各市場之間的溢出指數。此外，由于工業生產活動中使用的化石能源造成大量的二氧化碳排放，因此研究碳市場與化石能源市場之間的溢出效應也是國內外學者的主要關注點之一。趙領娣等［10］基于DY 溢出指數模型，分別針對上海、北京、廣東及湖北4 個碳試點和動力煤、原油、天然氣及液化氣4 個能源市場之間的溢出效應展開研究。海小輝和楊寶臣［11］基于DCC－MVGARCH 模型研究了歐盟碳市場與煤炭、石油及天然氣等化石能源市場之間的動態相依關系。也有部分學者針對特定周期（階段）內碳市場與化石能源市場之間的溢出效應展開研究，如中美貿易戰期間［12］等。

然而，已有的研究中碳市場的選取主要以單一試點市場為主，或是選取幾個典型碳試點，分別研究每一個碳試點與各類化石能源市場之間的聯動關系和溢出效應。盡管這些研究有助于挖掘各個碳試點的異質性，但卻無法體現出我國碳市場的整體發展規律。也有部分學者嘗試通過將各個碳試點的價格數據進行平均處理，以期用平均交易價格表征我國碳市場的整體發展規律。但我國各個碳試點的交易規模和交易價格存在顯著差異，平均交易價格不具備代表性。因此，如何集成各個碳試點的交易數據，構建能夠反映我國碳市場整體發展規律的碳排放權價格模型是待解決的問題之一，分析碳價集成數據與化石能源市場價格數據之間的溢出效應也更具實際意義。隨著全國統一碳市場的建立，全國碳排放權交易市場已逐步成為碳交易的“主戰場”，其交易價格呈現怎樣的變化規律？全國統一碳市場建立前后碳市場與化石能源市場之間的溢出效應又會產生怎樣的變化？這些問題是全國統一碳市場成立之后亟需解決的問題之二。

當前，我國碳市場尚屬于起步階段，市場規則尚未完善、市場機制尚不健全，風險防范及規避能力較差。通過研究其他成熟市場對我國碳市場交易價格產生的溢出效應，有助于明確碳價的外部影響因素，對于加強碳市場的風險管理、構建科學合理的市場聯合風險防范機制具有重要意義。因此，本文對全國統一碳市場建立前后我國碳市場與化石能源市場之間的動態溢出效應展開研究，并沿用金融市場中廣泛應用的VAR－GARCHBEKK 模型對二者間的均值溢出效應和波動溢出效應進行測算。通過本文的研究，可以更加全面地掌握我國碳市場與化石能源市場之間的交互關系與聯動機理，同時為全國統一碳市場的進一步完善提供理論基礎。

1 理論分析與模型構建

1.1 理論分析

市場間的溢出效應大多建立在兩種情況之上：

（1）市場間存在一定的共有信息，容易受到外部因素帶來的沖擊影響，由于交易規模、市場流動性差異，強有效市場會對弱有效市場產生價格上的溢出效應［13］。以本文所研究的碳市場和能源市場為例，當有關能源轉型、低碳環保的相關政策出臺時，將會同時對兩個市場產生影響，從而造成市場間價格的溢出效應。另外，當宏觀經濟和氣候政策調整時，外部信息也會快速作用于上述市場，造成市場間的風險傳染。

（2）市場要素之間存在聯動關系，當一個市場發生調整后，會直接影響到另一個市場。同樣以本文所研究的碳市場和能源市場為例，當碳排放權交易價格提升時，用戶為避免高昂的碳成本，會自主減少化石能源的使用或使用更加清潔化、低碳化的生產方式，從而對能源市場價格產生影響。相似地，當化石能源價格發生波動時，又會通過市場主體所產生的二氧化碳排放量的變化間接傳遞至碳市場，造成碳價的波動［10］。

1.2 VAR－GARCH－BEKK 模型

為了明確碳市場與化石能源市場之間的溢出效應，本文構建二者之間的VAR－GARCH－BEKK模型。其中，VAR 模型用于計算二者之間的均值溢出效應，從而明確某一市場價格或收益率變動對另一市場的影響；GARCH－BEKK 模型能夠測度二者之間的波動溢出效應，可用于分析市場價格波動對其他市場價格產生的影響。

（1）構建碳市場與化石能源市場的二元VAR均值溢出模型。

式中，Rc，t和Re，t分別表示碳市場和化石能源市場在時間t的收益率；μc和μe表示常數項；εc，t和εe，t表示殘差項；k表示滯后階數；θc，k表示化石能源市場對碳市場的均值溢出效應；φe，k表示碳市場對化石能源市場的均值溢出效應；φc，k和θe，k分別表示碳市場和化石能源市場的自回歸滯后因子。

（2）構建基于GARCH－BEKK 的碳市場與化石能源市場波動溢出效應模型。作為ARCH 模型的擴展，波勒斯勒夫在1986 年提出的GARCH 模型進一步對誤差的方差進行了建模，有助于更好地刻畫市場的波動性。然而，傳統的GARCH 模型存在兩個主要缺點［14］：①模型需要估計的參數數量眾多；②方差－協方差矩陣的正定性難以保證。為了解決上述問題，恩格爾和克羅納在1995 年提出了GARCH－BEKK 模型，該模型可以表示為：

式中，Ht表示協方差矩陣；C表示常數項矩陣；A表示ARCH 項系數矩陣，可以反映波動的聚合；B表示GARCH 項系數矩陣，可以反映波動的持續性；ε表示隨機擾動項，且εt＝（εm，t，εn，t）。

式（2）中各項可以進一步表示為：

式中，hcc，t表示碳市場在時間t的條件方差，hce，t表示碳市場和化石能源市場在時間t的協方差；acc和bcc分別代表碳市場對自身的ARCH、GARCH波動溢出效應；非對角線的ace和bce代表化石能源市場對碳市場的ARCH、GARCH 波動溢出效應。

為了判斷各個市場之間是否存在波動溢出效應，本文做出如下假設：①碳市場對化石能源市場不存在單向波動溢出效應，H0：aec＝bec＝0；②化石能源市場對碳市場不存在單向的波動溢出效應，H0：ace＝bce＝0。

1.3 主成分分析方法

作為一種通過降維來簡化數據結構的方法，主成分分析（Principal Component Analysis，PCA）的主要思想是把多個變量轉化為幾個可以反映原來多個變量大部分信息的綜合變量，且各個成分之間互不相關［15］。

其基本步驟為：（1）構建原始數據矩陣和協方差矩陣；（2）計算特征值和特征向量；（3）計算貢獻率和累積貢獻率，確定主成分的個數。

根據柴尚蕾［16］的研究，將式（1）進行改寫，以I（I＜8）個碳市場主成分分量對化石能源市場均值溢出效應為例：

式中，φei，k表示第i個碳市場主成分分量對化石能源市場的均值溢出效應；Rci，t表示第i個碳市場主成分分量在時間t的收益率。

2 實證研究

2.1 數據來源和描述性統計

由于福建碳試點于2016 年底建成，因此本文以2017 年8 月14 日到2022 年5 月30 日的碳市場、化石能源市場價格作為樣本數據。為了進一步明確全國統一碳市場建立前后，我國碳市場與化石能源市場之間溢出效應的變化情況，將樣本數據劃分為兩個階段。在考慮數據可獲得性和完整性的基礎上，兩個階段的劃分如下：

第一階段：2017 年8 月14 日到2020 年12 月31 日。

第二階段：2021 年7 月16 日到2022 年5 月30 日。

第一階段將以各地方碳試點的數據表征碳市場價格，而第二階段則主要以全國碳排放權交易市場的碳價數據進行分析（考慮到2021 年全國碳市場正式掛牌交易，部分行業從地方碳市場剝離，可能會影響投資者情緒，造成市場價格的劇烈波動。為此，第一階段截取至2020 年底的價格數據進行分析）。化石能源市場主要以煤炭市場、石油市場和天然氣市場作為研究對象，實證的數據分別為鄭州商品交易所上市的動力煤價格、大慶原油價格以及中國液化天然氣進口到岸價格（由于我國是全球最大的液化天然氣進口國，對外依存度達43%，因此采用進口到岸價格），以上數據均來源于Wind 數據庫。為保證數據的平穩性，本文通過對數差分方法將原始價格數據轉換為收益率，公式如下：

各碳試點、全國統一碳市場以及化石能源市場的收益率和描述性統計結果如圖1 和表1 所示。可以看出：在第一階段的8 個碳試點中，深圳和福建碳試點平均收益率為負，而其他碳市場則保持良好收益水平；重慶和深圳碳試點收益率標準差最大，表明這兩個碳試點存在較高風險；相比于碳市場，化石能源市場的波動風險明顯較小，但僅有煤炭市場呈現正收益。在第二階段內，全國統一碳市場的平均收益率均為正，且標準差相對較小，整體呈現“高收益、低風險” 特點。相比之下，各化石能源市場則呈現異質性特點，其中：煤炭市場平均收益率為負且標準差相對較小，石油和天然氣市場呈現較高收益，但天然氣市場的風險明顯高于煤炭和石油市場。此外，在兩階段內各碳市場和化石能源市場收益率的偏度均不為0 且峰度均大于3，證明各市場均呈現“尖峰厚尾” 特點；ADF 檢驗結果表明，各市場收益率均為平穩序列；除第一階段的上海和福建碳試點外，其他市場的ARCH－LM 檢驗結果均顯著，因此，可對全國統一碳市場和化石能源市場進行GARCH 模型參數估計。

表1 各市場描述性統計

2.2 基于PCA 的碳試點收益率集成

基于IBM SPSS Statistics 26 軟件對第一階段內各碳試點的收益率數據進行主成分分析，總方差解釋結果如表2 所示。

根據累計貢獻率超過80%作為主成分數量的篩選標準，最終確定的主成分分量個數為1。該主成分分量與我國8 個碳試點的日收益率有關，是我國8 個碳試點的綜合因子，用于表征第一階段我國碳試點收益率集成結果。第一階段我國碳市場整體收益率表現和描述性統計結果如圖2 和表3 所示。

表3 第一階段我國碳市場描述性統計

圖2 第一階段我國碳市場整體收益率

可以看出，第一階段我國碳市場整體呈現“低收益、低風險” 的特點；偏度不為0 且峰度大于3，J－B 統計量顯著，證明第一階段我國碳市場整體同樣呈現“尖峰厚尾” 的特點；ADF 檢驗結果顯著證明第一階段我國碳市場整體收益率平穩；ARCH－LM 檢驗結果顯著表明通過對第一階段我國各碳試點的收益率進行集成，整體收益率存在顯著的ARCH 效應，可以進一步進行GARCH 模型構建和參數估計。

2.3 第一階段碳市場與化石能源市場間的溢出效應

2.3.1 最優滯后階數確定

在構建第一階段碳市場與化石能源市場之間的二元VAR 模型之前，需要首先確定模型的最優滯后階數，表4 列出了利用LR 似然比檢驗、FPE準則、AIC 準則、SC 準則和HQ 信息準則5 種信息準則方法所確定的VAR 模型最優滯后階數。

表4 第一階段VAR 模型最優滯后階數

因此，第一階段碳－煤炭、碳－石油和碳－天然氣3 組二元VAR 模型的最優滯后階數設置為8 階。

2.3.2 模型平穩性檢驗

在VAR 模型參數估計之前，需要對VAR 模型進行平穩性檢驗，當VAR 模型的所有特征根均落在單位圓內時證明模型具有穩定性。圖3 為第一階段碳－煤炭、碳－石油和碳－天然氣3 組二元VAR 模型的平穩性檢驗結果。可以看出，第一階段3 組VAR 模型均平穩，可以進一步進行參數估計。

圖3 第一階段VAR 模型平穩性檢驗結果

2.3.3 均值溢出效應分析

對第一階段碳市場與各類化石能源市場之間的均值溢出效應進行分析，VAR 模型參數估計結果如表5 所示①。

從表5 可以看出，我國碳市場與化石能源市場之間的均值溢出效應主要體現于前者對后者。具體而言，碳市場的一階滯后項和八階滯后項在5%顯著水平下分別對石油市場和天然氣市場收益率產生負向的均值溢出效應，意味著碳價的提高在一定程度上會帶來石油、天然氣價格的下降，而碳價的變化并未對煤炭市場的價格產生影響。相反，煤炭市場的二階滯后項在10%顯著水平下對碳市場收益率產生影響，意味著煤炭價格的上漲對于碳市場價格的提高有著顯著的引導作用。相比之下，石油市場和天然氣市場的價格并未直接作用于碳市場。造成這一現象的原因主要是由于我國對煤炭的高依賴度。根據國家統計局數據，2022 年我國煤炭、石油、天然氣三類主要化石能源消費比重分別為56.2%、17.9%和8.4%，煤炭市場價格的變化對于國民生產活動的影響相比于其他兩類化石能源更為顯著，從而對碳市場價格的影響也更加明顯。

2.3.4 波動溢出效應分析

對第一階段碳市場與各類化石能源市場之間的波動溢出效應進行分析，GARCH－BEKK 模型參數估計結果如表6 所示。

表6 第一階段GARCH－BEKK 模型參數估計結果

根據Wald 檢驗結果，煤炭市場價格對碳市場價格的影響不僅體現在直接的均值溢出，還體現在間接的波動溢出。換言之，當煤炭市場價格出現波動時，碳市場的價格同樣會產生劇烈波動。然而，石油市場和天然氣市場則呈現明顯不同的規律。具體而言，碳市場和石油市場之間的雙向Wald 檢驗結果均未拒絕原假設，意味著碳市場和石油市場之間的波動溢出效應并不顯著，即二者自身的價格波動并未傳導至彼此。相反，碳市場和天然氣市場之間波動溢出效應的Wald 檢驗結果分別在10%和1%水平上顯著，拒絕了原假設。這意味著碳市場和天然氣市場之間存在顯著的雙向波動溢出效應，而后者對于前者的風險傳染更為顯著。

2.4 第二階段碳市場與化石能源市場間的溢出效應

2.4.1 最優滯后階數確定

與第一階段相似，第二階段仍采用LR 似然比檢驗、FPE 準則、AIC 準則、SC 準則和HQ 信息準則5 種信息準則方法進行VAR 模型最優滯后階數確定，結果如表7 所示。

表7 第二階段VAR 模型最優滯后階數

可以看出，第二階段內碳－煤炭及碳－天然氣兩組VAR 模型的最優滯后階數為6 階，碳－石油VAR 模型的最優滯后階數為1 階。

2.4.2 模型平穩性檢驗

圖4 為第二階段碳－煤炭、碳－石油和碳－天然氣3 組二元VAR 模型的平穩性檢驗結果。

圖4 第二階段VAR 模型平穩性檢驗結果

可以看出，第二階段內3 組VAR 模型均平穩，可以進一步進行參數估計。

2.4.3 均值溢出效應分析

第二階段碳市場與各類化石能源市場的VAR模型參數估計結果如表8 所示。

表8 第二階段VAR 模型參數估計結果

從表8 可以看出，在全國統一碳市場成立后，煤炭市場對碳市場仍保持一定程度的均值溢出影響。相比之下，碳市場與石油、天然氣市場之間的均值溢出效應并不顯著。

2.4.4 波動溢出效應分析

第二階段碳市場與各類化石能源市場的GARCH－BEKK 模型參數估計結果如表9 所示。

表9 第二階段GARCH－BEKK 模型參數估計結果

從碳市場和天然氣市場之間的波動溢出效應來看，無論在全國統一碳市場成立前后，二者之間均保持顯著的雙向波動溢出效應，即二者之間的風險傳染明顯。相比于前一階段，碳市場對天然氣市場的波動溢出效應明顯增強，而后者的風險回饋效果有所衰減。然而，碳市場和煤炭、石油市場之間的波動溢出效應在第二階段發生了變化。具體而言，碳市場的價格波動受到石油市場的價格波動影響更為顯著，而煤炭市場的價格波動并未對碳市場價格波動產生顯著影響。

3 結語

本文以2017 年8 月14 日到2022 年5 月30 日我國碳市場與化石能源市場的交易價格為樣本數據，基于VAR－GARCH－BEKK 模型分析并測算了二者之間的溢出效應。為探究全國統一碳市場建立前后碳市場和化石能源市場間溢出效應的變化情況，本文將樣本數據劃分為兩個階段。第一階段主要以我國8 個碳試點的交易價格為樣本數據，通過主成分分析方法進行數據集成，從而表征試點階段我國碳市場的總體交易價格規律；第二階段則采用全國碳排放權交易市場的交易價格數據進行研究。結果表明：

（1）在試點階段，我國碳市場對石油和天然氣市場產生顯著的單向均值溢出效應。這意味著，隨著我國碳價的調整，化石能源市場價格也會同步受到影響，從而加速各地區的碳減排進程［17］。這在一定程度上會促進我國能源結構的轉型，推動實現“雙碳” 目標。

然而，除煤炭市場外，在試點階段我國碳市場似乎并未受到各能源市場的“反哺”，二者之間的均值溢出效應均為單向，這與已有的研究存在一定出入［5，10］。本文認為，造成這一現象的原因可能包含兩個方面：①所選用的數據樣本時間尺度不同；②由于已有研究中所選取的碳市場主要以湖北、廣東等活躍的碳試點為主，缺乏對天津、重慶等活躍度較低的碳試點進行分析。這在一定程度造成了我國碳市場與化石能源市場之間存在顯著關聯關系與聯動效應的假象，也從側面印證了我國部分碳試點有效性較低的事實［18］。本文的研究從試點層面上升至全國層面，得到的結果能夠更加真實反映我國碳市場建設發展的實際情況，對于衡量試點階段我國碳市場與化石能源市場之間溢出效應提供參考。

此外，由于試點階段引入了大量的機構與個人投資者，碳市場價格收益的變化與波動將直接影響投資者的投資策略與交易行為，這也造成了碳市場與其他化石能源市場之間的“風險傳染”［19］。然而，我國碳試點流動性較低，因此風險傳染的方向主要來源于化石能源市場，碳市場主要是風險的接受者。

（2）隨著全國統一碳市場的建立，碳市場與化石能源市場之間的“橋梁” 似乎并未完全打通，二者之間的均值溢出效應僅體現在煤炭市場和碳市場之間的單向作用。本文認為，造成這一現象的原因主要包含三方面：①由于我國化石能源消費分布的不均衡現象，煤炭仍是我國能源消費的主要產品，因此煤炭價格的調整對于碳市場價格的引導作用依然顯著；②2022 年初爆發的俄烏沖突造成了全球石油、天然氣價格的大幅上漲［20］，而碳市場作為我國應對氣候變化的主要政策工具，其價格受到政府嚴格管控。盡管在一定程度上受到石油、天然氣價格波動帶來的風險傳染，但并未受到直接的價格影響；③由于全國碳排放權交易市場成立初期，僅有電力行業參與到市場交易，因此碳市場與化石能源市場之間的相互影響甚微。隨著全國碳排放權交易市場步入第二個履約階段，市場參與主體將進一步擴大，市場交易規則將進一步完善，碳市場與化石能源市場之間的聯動效應將會更加明顯，從而合力助推我國“雙碳” 目標的實現。此外，隨著全國統一碳市場的建立，碳市場與化石能源市場之間的波動溢出效應更加顯著。盡管目前碳市場仍是主要的風險凈接受者，但隨著我國碳市場的逐步發展，其與能源市場之間的關系將會更加緊密，需要進一步防范化石能源市場和碳市場之間的風險傳導。

為此，提出如下幾條建議：

（1）對于政策制定者而言，在設計相關政策時需要考慮到市場間的互通關系，即發布低碳能源轉型的有關政策時，需要同時考慮到該政策對碳市場和化石能源等多市場的影響，加強頂層機制設計，提高立法效力。

（2）對于市場監管者而言，應加強市場風險防范，完善監管政策體系。當一方市場發生價格波動時，需要迅速做出風險應對，并設立“風險識別－風險評估－風險預警－風險管控” 的閉環管理機制。

（3）對于企業而言，尤其是化石能源使用比例較高、碳排放量較大的工業企業，需要盡快厘清碳市場與化石能源市場之間的信息傳遞機制，動態關注各市場的價格波動情況，加強企業的風險應對能力。

注釋：

①為簡化分析，僅列出碳市場與化石能源市場之間的均值溢出效應參數，碳市場和化石能源市場對自身的均值溢出效應參數在此不多做表述，后文中針對第二階段均值溢出效應以及第一二階段波動溢出效應分析采取同樣處理方式，對這一結果感興趣的讀者可以聯系作者索要。