易蘭++楊歷++李朝鵬++任鳳濤??

摘要作為一項(xiàng)市場(chǎng)創(chuàng)新和政策創(chuàng)新，即將啟動(dòng)的中國(guó)全國(guó)性碳市場(chǎng)備受國(guó)內(nèi)外關(guān)注。為保證其成功建立與平穩(wěn)發(fā)展，相關(guān)經(jīng)驗(yàn)借鑒已刻不容緩，但作為投石問(wèn)路的7大試點(diǎn)碳市場(chǎng)發(fā)展層次不齊，可供參考的模式有限，因此研究全球第一大碳市場(chǎng)——?dú)W盟碳排放交易體系（EU ETS）及其對(duì)中國(guó)的可參照性尤為迫切；而作為市場(chǎng)是否成熟的風(fēng)向標(biāo)，碳價(jià)規(guī)律性特征的挖掘尤為重要。前期國(guó)內(nèi)外學(xué)者分別發(fā)現(xiàn)CER價(jià)格、原油價(jià)格、煤炭?jī)r(jià)格、天然氣價(jià)格、歐洲工業(yè)指數(shù)、聯(lián)合國(guó)氣候變化大會(huì)、政府政策、極寒天氣、暖冬天氣、自然災(zāi)害、重大事件等多種因素都有可能引起EUA期貨價(jià)格波動(dòng)。本研究通過(guò)引入MIVBP神經(jīng)網(wǎng)絡(luò)模型，對(duì)EU ETS二期和三期的EUA期貨價(jià)格進(jìn)行訓(xùn)練和測(cè)試，模擬了上述11個(gè)因素對(duì)EUA價(jià)格的影響，彌補(bǔ)了傳統(tǒng)計(jì)量模型難以同時(shí)處理較多變量及不能整合定性與定量變量等缺點(diǎn)。通過(guò)對(duì)EU ETS二期1 149組和三期775組數(shù)據(jù)的挖掘，得出了各變量對(duì)EUA期貨價(jià)格的影響程度。其中，二期運(yùn)行階段各變量影響程度從大到小排序?yàn)椋鹤匀粸?zāi)害>COP>CER>極寒天氣>Coal>重大事件>Brent>政府政策>Stock600>Gas>暖冬天氣；三期運(yùn)行階段各變量影響程度從大到小排序?yàn)椋篊OP>Stock600>Coal>自然災(zāi)害>極寒天氣>重大事件>政府政策>Brent>Gas>CER>暖冬天氣。最后，本研究對(duì)二、三期各變量對(duì)碳價(jià)影響程度的變化進(jìn)行了解釋，并對(duì)中國(guó)未來(lái)建立全國(guó)性碳市場(chǎng)提出了以下四點(diǎn)建議：①穩(wěn)定碳市場(chǎng)參與主體預(yù)期；②完善核證減排抵消機(jī)制，保持政策穩(wěn)定；③配額分配考慮區(qū)域差異；④建立配額應(yīng)急機(jī)制。

關(guān)鍵詞EU ETS；BP神經(jīng)網(wǎng)絡(luò)；碳價(jià)；影響因素

中圖分類號(hào)F830.9文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2017）06-0042-07

DOI： 10.12062/cpre.20170361

2017年中國(guó)將全面啟動(dòng)全國(guó)碳市場(chǎng)，首期納入11個(gè)行業(yè)的7 000多家大型企業(yè)，覆蓋的排放交易量約為30—40億 t，現(xiàn)貨交易額有望達(dá)到80億元/年，納入期貨交易的全國(guó)碳市場(chǎng)規(guī)模或達(dá)4 000億元。屆時(shí)，全國(guó)碳市場(chǎng)將一舉超越歐盟碳排放交易體系（EU ETS）成為全球第一大碳市場(chǎng)。目前，中國(guó)7個(gè)區(qū)域碳市場(chǎng)為期3年的試運(yùn)行階段已基本結(jié)束，7大試點(diǎn)很多良好的經(jīng)驗(yàn)及模式給全國(guó)碳市場(chǎng)提供了重要參考，但也出現(xiàn)了碳價(jià)信號(hào)不明顯、市場(chǎng)信息傳導(dǎo)機(jī)制不暢通、碳價(jià)偏低難以反映減排成本等問(wèn)題。因此，研究全球最為成熟的碳市場(chǎng)——EU ETS的價(jià)格形成機(jī)制，將對(duì)全國(guó)性碳市場(chǎng)的成功建立與平穩(wěn)發(fā)展提供借鑒。本研究在前人研究基礎(chǔ)上，針對(duì)碳價(jià)影響因素展開(kāi)探討，通過(guò)對(duì)EU ETS最新碳價(jià)數(shù)據(jù)挖掘發(fā)現(xiàn)各影響因素對(duì)碳價(jià)的影響機(jī)制。

1研究綜述

EU ETS作為全球第一大碳市場(chǎng)，歷來(lái)是國(guó)內(nèi)外學(xué)者的主要研究對(duì)象，碳價(jià)影響因素的研究又是國(guó)內(nèi)外學(xué)者研究的重要議題。相關(guān)研究發(fā)現(xiàn)，能源價(jià)格、氣溫、宏觀經(jīng)濟(jì)發(fā)展情況、CER價(jià)格等諸多變量均對(duì)EUA價(jià)格的波動(dòng)產(chǎn)生影響。

部分學(xué)者發(fā)現(xiàn)能源價(jià)格與碳價(jià)之間存在較強(qiáng)相關(guān)性：如Mansanet[1]發(fā)現(xiàn)原油和天然氣價(jià)格與碳價(jià)呈正相關(guān)，煤炭?jī)r(jià)格對(duì)碳價(jià)無(wú)顯著影響；海小輝[2]認(rèn)為布倫特原油通過(guò)天然氣市場(chǎng)間接影響碳價(jià)；陳曉紅[3]認(rèn)為煤炭?jī)r(jià)格是碳價(jià)最大的影響因素。同時(shí)，也有部分學(xué)者研究了溫度與碳價(jià)的關(guān)系，汪文雋[4]認(rèn)為溫度對(duì)碳價(jià)并沒(méi)有顯著影響，而Mansanet[1]則發(fā)現(xiàn)溫度極值對(duì)碳價(jià)存在正向影響。Alberola[5]發(fā)現(xiàn)極寒氣溫下溫度的變化對(duì)碳價(jià)的影響比起極低氣溫本身對(duì)碳價(jià)影響更大，而極高溫度則不存在這樣的影響。在宏觀經(jīng)濟(jì)對(duì)碳價(jià)影響上，Christiansen[6]等認(rèn)為宏觀經(jīng)濟(jì)環(huán)境會(huì)對(duì)碳價(jià)產(chǎn)生影響，當(dāng)經(jīng)濟(jì)形勢(shì)上行時(shí)，工業(yè)生產(chǎn)活動(dòng)增多，碳排放權(quán)需求增加，碳價(jià)會(huì)相應(yīng)升高，經(jīng)濟(jì)形勢(shì)下行時(shí)，碳價(jià)也會(huì)相應(yīng)下降；Chevallier[7]認(rèn)為EU ETS運(yùn)行期初，歐洲股市、債市對(duì)碳價(jià)沒(méi)有呈現(xiàn)顯著影響，但到2007年8月之后股市對(duì)碳價(jià)開(kāi)始呈現(xiàn)顯著影響。針對(duì)CER與EUA價(jià)格之間的互動(dòng)機(jī)理，目前學(xué)術(shù)界則尚無(wú)統(tǒng)一定論。Fatemeh[8]研究了CER與EUA價(jià)差的形成機(jī)理，發(fā)現(xiàn)不同的外部市場(chǎng)環(huán)境對(duì)兩者價(jià)格影響程度不同；Barrieu[9]等人認(rèn)為CER與EUA價(jià)格之間具有較強(qiáng)的相關(guān)性；Cao[10]等利用MFDFAEMD模型發(fā)現(xiàn)CER與EUA價(jià)格的波動(dòng)趨勢(shì)和特征較為類似；王玉[11]認(rèn)為EUA對(duì)CER價(jià)格呈主導(dǎo)拉動(dòng)關(guān)系，盛春光[12]則認(rèn)為CER價(jià)格波動(dòng)起主導(dǎo)作用。

除上述影響因素外，還有部分學(xué)者研究了自然災(zāi)害、不可控因素、政策頒布等定性因素對(duì)碳價(jià)的影響。如朱幫助[13]等研究了巴厘行動(dòng)計(jì)劃、全球金融危機(jī)以及歐債危機(jī)對(duì)碳價(jià)的影響；齊紹洲[14]等研究了市場(chǎng)投機(jī)行為、氣候變化問(wèn)題談判對(duì)碳價(jià)的影響；張躍軍[15]等研究了政治決策、異常天氣等對(duì)碳價(jià)的綜合影響。上述研究基本以多元線性回歸、格蘭杰因果關(guān)系檢驗(yàn)、協(xié)整理論等傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)方法為主。

綜上所述，國(guó)內(nèi)外學(xué)者針對(duì)碳價(jià)影響因素進(jìn)行了大量研究，但仍存在一定不足：第一，碳價(jià)影響因素的選取多為定量變量，未能將定性變量納入模型；第二，運(yùn)用傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)模型進(jìn)行研究時(shí)，當(dāng)影響因子數(shù)目過(guò)多，往往會(huì)導(dǎo)致模型結(jié)構(gòu)不穩(wěn)定、模型結(jié)果精準(zhǔn)度降低；第三，各變量對(duì)碳價(jià)的影響機(jī)制尚未有定論?；谏鲜霾蛔?，本研究擬利用MIVBP神經(jīng)網(wǎng)絡(luò)模型，研究CER價(jià)格、能源（布倫特原油、歐盟天然氣、歐洲煤炭）價(jià)格、宏觀經(jīng)濟(jì)發(fā)展形勢(shì)（Stock600工業(yè)指數(shù)）、天氣（暖冬、極寒）、政策（聯(lián)合國(guó)氣候變化大會(huì)COP、政府政策）以及不可控因素（自然災(zāi)害和重大事件）等11個(gè)變量對(duì)碳價(jià)的影響。

2MIVBP神經(jīng)網(wǎng)絡(luò)模型搭建

誤差反向傳播（Back Propagation）神經(jīng)網(wǎng)絡(luò)模型是包括輸入層、隱含層和輸出層，按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)模型，具有較強(qiáng)的自組織、自適應(yīng)能力。它可以逼近任意連續(xù)函數(shù)，非線性映射能力強(qiáng)，而且網(wǎng)絡(luò)中各層節(jié)點(diǎn)數(shù)及網(wǎng)絡(luò)學(xué)習(xí)系數(shù)等參數(shù)可根據(jù)具體情況設(shè)定，在許多科學(xué)研究領(lǐng)域發(fā)揮了重要作用。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由信號(hào)正向傳播與誤差逆向傳播組成。首先是正向傳播過(guò)程，輸入信息通過(guò)輸入層經(jīng)各隱含層，逐層處理并計(jì)算每個(gè)單元的實(shí)際輸出值；其次是反向過(guò)程，若在輸出層未能得到期望的輸出值，則逐層遞歸計(jì)算實(shí)際輸出與期望輸出的差值，通過(guò)修改權(quán)值，使得總誤差函數(shù)達(dá)到最小。輸入信息重復(fù)進(jìn)行正向傳播與誤差反向傳播來(lái)修改各層權(quán)值矩陣。權(quán)值不斷修改的過(guò)程被稱為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程， 直到網(wǎng)絡(luò)輸出誤差減少到可接受程度或達(dá)到設(shè)定的學(xué)習(xí)次數(shù)為止[16]。

2.1變量選取及數(shù)據(jù)說(shuō)明

通過(guò)梳理國(guó)內(nèi)外文獻(xiàn)并結(jié)合歐盟專家意見(jiàn)，本研究確定了以EUA價(jià)格作為解釋變量，CER價(jià)格、能源（Brent、Gas、Coal）價(jià)格、宏觀經(jīng)濟(jì)發(fā)展指數(shù)（Stock600工業(yè)指數(shù)）、天氣（暖冬、極寒）、政策（聯(lián)合國(guó)氣候變化大會(huì)和政府政策）以及不可控因素（自然災(zāi)害和重大事件）作為影響變量。模型具體變量及解釋見(jiàn)表1。

由于EU ETS交易以期貨為主，本研究從歐洲洲際期貨交易所（ICE）中選取了2012年12月31日到期（DEC12）與2015年12月31日到期（DEC15）的EUA期貨價(jià)格數(shù)據(jù)進(jìn)行研究，以覆蓋EU ETS二期運(yùn)行的全部時(shí)段（2008年1月1日—2012年12月31日）及部分三期運(yùn)行時(shí)段（2013年1月1日—2015年12月31日）。此外，為保證數(shù)據(jù)的一致性，本研究涉及到的CER、Brent、Gas等期貨價(jià)格也從ICE中獲取。Stock600指數(shù)從Wind數(shù)據(jù)庫(kù)獲取，Coal價(jià)格來(lái)自歐洲能源交易所（EEX）。其余定性變量通過(guò)綜合整理多種渠道和來(lái)源所得，其中聯(lián)合國(guó)氣候變化大會(huì)影響時(shí)長(zhǎng)是通過(guò)Google趨勢(shì)搜索指數(shù)來(lái)確定。暖冬天氣、極寒天氣、COP、政府政策、自然災(zāi)害、重大事件等6個(gè)定性變量，如果發(fā)生則記為1，未發(fā)生則記為0。綜上所述，本研究共獲取DEC12數(shù)據(jù)1 149組，DEC15數(shù)據(jù)775組。

2.2BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)在完成非線性回歸時(shí)，需要經(jīng)歷三個(gè)步驟：第一步網(wǎng)絡(luò)構(gòu)建，確定網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)和傳遞函數(shù)；第二步網(wǎng)絡(luò)訓(xùn)練，判斷訓(xùn)練結(jié)果是否達(dá)到該模型的最優(yōu)設(shè)置；第三步網(wǎng)絡(luò)預(yù)測(cè)，利用已經(jīng)訓(xùn)練好的模型進(jìn)行預(yù)測(cè)并輸出預(yù)測(cè)結(jié)果。

2.2.1BP神經(jīng)網(wǎng)絡(luò)構(gòu)建

（1）確定訓(xùn)練樣本集與測(cè)試樣本集：本文對(duì)DEC12和DEC15的總樣本數(shù)隨機(jī)選取80%作為訓(xùn)練樣本集（分別為919與620），通過(guò)多次訓(xùn)練構(gòu)造模型；其余20%作為測(cè)試樣本集（230與155），輸入模型以檢驗(yàn)?zāi)Ｐ偷姆夯芰Α?/p>

（2）數(shù)據(jù)歸一化：由于各影響因子變量的數(shù)量級(jí)不一致，有可能導(dǎo)致網(wǎng)絡(luò)的預(yù)測(cè)誤差較大。因此，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理以消除數(shù)量級(jí)差別。BP神經(jīng)網(wǎng)絡(luò)中常用到mapstd函數(shù)或mapminmax函數(shù)進(jìn)行歸一化處理。本研究數(shù)據(jù)測(cè)試顯示，mapstd函數(shù)歸一化后得到的數(shù)據(jù)相較于mapminmax函數(shù)處理后的數(shù)據(jù)更加平穩(wěn)，因此本研究使用mapstd函數(shù)來(lái)進(jìn)行數(shù)據(jù)預(yù)處理。預(yù)處理公式為y=（x-xmean）（ystd/xstd）+ymean，其中x為原始樣本數(shù)據(jù)，y為轉(zhuǎn)化得到的新數(shù)據(jù)（其中ystd=1，ymean=0）。

（3）確定網(wǎng)絡(luò)輸入層、隱含層及輸出層節(jié)點(diǎn)數(shù)：模型的輸出變量為EUA，故輸出層節(jié)點(diǎn)數(shù)為1；輸入變量為CER、Brent、Gas、Coal、Stock600等5個(gè)定量變量，以及COP、暖冬天氣、極寒天氣、政府政策、自然災(zāi)害、重大事件等6個(gè)定性變量，因此輸入層節(jié)點(diǎn)數(shù)為11。隱含層節(jié)點(diǎn)數(shù)可首先通過(guò)經(jīng)驗(yàn)公式l

（4）各層傳遞函數(shù)的確定：本研究所建立的模型，隱含層的節(jié)點(diǎn)傳遞函數(shù)為正切S型傳遞函數(shù)tansig；輸出層的節(jié)點(diǎn)傳遞函數(shù)為線性傳遞函數(shù)purelin。

2.2.2BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

（1）網(wǎng)絡(luò)初始化：網(wǎng)絡(luò)權(quán)值的初始化決定了網(wǎng)絡(luò)模型訓(xùn)練的誤差曲面起點(diǎn)，因此初始化方法對(duì)縮短網(wǎng)絡(luò)的訓(xùn)練時(shí)間至關(guān)重要，通常有三種方法常被使用：取足夠小的初始權(quán)值，使初始值為+1和-1的權(quán)值數(shù)相等，隨機(jī)初始權(quán)法。本研究采用第三種方法以避免人為因素干擾，保證模型的有效性。

（2）模型設(shè)定：模型所選取的訓(xùn)練算法為L(zhǎng)evenbergMarquardt方法，該算法可以有效克服梯度下降法、牛頓法、共軛梯度法等算法所普遍存在的收斂速度慢、往往收斂于局部極小值等缺陷。學(xué)習(xí)函數(shù)為帶動(dòng)量項(xiàng)的BP學(xué)習(xí)規(guī)則learngdm。性能分析函數(shù)選取的是均方差性能分析函數(shù)MSE。最大迭代次數(shù)net.trainParam.epochs=2 000；學(xué)習(xí)率net.trainParam.lr=0.05；最小誤差net.trainParam.goal=0.000 001；最小梯度net.trainParam.min_grad=0.000 000 1；最大失敗次數(shù)net.trainParam.max_fail=50。

（3）網(wǎng)絡(luò)訓(xùn)練結(jié)果：以DEC15結(jié)果為例，利用建立的模型對(duì)EUA價(jià)格進(jìn)行模擬，大量重復(fù)實(shí)驗(yàn)后，根據(jù)MSE最小值作為判定依據(jù)選取最優(yōu)模型。雖然網(wǎng)絡(luò)未達(dá)到最優(yōu)設(shè)置的0.000 001，但Validation Checks已達(dá)到上限50，此時(shí)迭代次數(shù)為72，網(wǎng)絡(luò)誤差為0.016 1。

2.2.3BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練效果

針對(duì)上文已選擇的最優(yōu)參數(shù)對(duì)樣本進(jìn)行預(yù)測(cè)，得到模型預(yù)測(cè)的相對(duì)殘差（誤差百分比）如圖1所示，可直觀看到模型有著較好的擬合效果，相對(duì)殘差基本處于-1.5%—1.5%之間，多數(shù)集中在0%附近，這表明模型的訓(xùn)練結(jié)果精確度高、誤差小。

2.3影響因素程度模型（MIV方法）

通過(guò)建立的模型雖可進(jìn)行預(yù)測(cè)，但無(wú)法直接判斷各個(gè)輸入變量對(duì)EUA價(jià)格的影響程度。因此本研究引入MIV（Mean Impact Value）方法來(lái)評(píng)價(jià)各自變量對(duì)因變量影響的重要程度。MIV是用于確定輸入神經(jīng)元對(duì)輸出神經(jīng)元影響大小的指標(biāo)，其符號(hào)代表相關(guān)的方向，絕對(duì)值大小代表影響的相對(duì)重要性。具體計(jì)算過(guò)程是：在網(wǎng)絡(luò)訓(xùn)練終止后，將訓(xùn)練樣本P中每一自變量特征在其原值基礎(chǔ)上分別加、減10%構(gòu)成兩個(gè)新的訓(xùn)練樣本P1和P2，將P1和P2分別作為仿真樣本利用已建成的網(wǎng)絡(luò)模型進(jìn)行仿真得到兩個(gè)仿真結(jié)果A1和A2，求出A1和A2的差值，即為變動(dòng)該自變量后對(duì)輸出產(chǎn)生影響的變化值（IV），最后將IV按觀測(cè)例數(shù)平均得出該自變量對(duì)因變量的影響度——網(wǎng)絡(luò)輸出MIV。按照以上步驟依次算出各自變量的MIV值，最后根據(jù)MIV絕對(duì)值大小為各自變量影響度排序得到各自變量對(duì)網(wǎng)絡(luò)輸出影響相對(duì)重要性。

3實(shí)證研究結(jié)果及分析

根據(jù)上述模型，本研究得出各變量影響程度在DEC12期間從大到小依次為：自然災(zāi)害>COP>CER>極寒天氣>Coal>重大事件>Brent>政府政策>Stock600>Gas>暖冬天氣，其中COP和重大事件為負(fù)相關(guān)，暖冬天氣與Gas均為不相關(guān)，其余為正相關(guān)；在DEC15期間依次為：COP>Stock600>Coal>自然災(zāi)害>極寒天氣>重大事件>政府政策>Brent>Gas>CER>暖冬天氣，其中COP和重大事件為負(fù)相關(guān)，CER和暖冬天氣為不相關(guān)，其余均為正相關(guān)。具體結(jié)果見(jiàn)表2。

DEC12與DEC15結(jié)果表明，每年一度的聯(lián)合國(guó)氣候變化大會(huì)對(duì)碳價(jià)有著顯著的負(fù)向影響，這與Chevallier[17]等人的研究結(jié)果基本一致。聯(lián)合國(guó)氣候變化大會(huì)的召開(kāi)，通常決定全球氣候變暖問(wèn)題走向及碳市場(chǎng)建立的政治意義，因此對(duì)碳價(jià)產(chǎn)生了巨大沖擊。2008—2015年聯(lián)合國(guó)氣候變化大會(huì)各國(guó)就減排目標(biāo)與應(yīng)對(duì)氣候變化專項(xiàng)資金等一系列問(wèn)題始終未達(dá)成一致意見(jiàn)與實(shí)質(zhì)性條款。如2008年加拿大對(duì)《京都議定書》第二承諾期持反對(duì)態(tài)度；2009年大會(huì)召開(kāi)期間的“氣候門事件”使得人們普遍懷疑全球氣候變暖的可信性；2010年美國(guó)拒絕承擔(dān)“共同但有區(qū)別的責(zé)任”，日本聲明永遠(yuǎn)不會(huì)對(duì)《京都議定書》第二階段減排目標(biāo)做出承諾；2011年加拿大宣布正式退出《京都議定書》；2012年加拿大、日本、新西蘭明確不參加《京都議定書》第二承諾期。三期運(yùn)行階段，2013年日本公布修正后的減排目標(biāo)不降反升，澳大利亞拒絕在大會(huì)上做出履行出資義務(wù)的新承諾；2014年巴黎協(xié)議草案遲遲未能達(dá)成一致意見(jiàn)；2015年包括歐盟在內(nèi)的發(fā)達(dá)國(guó)家不愿對(duì)具體援助金額做出承諾。綜上所述，聯(lián)合國(guó)氣候變化大會(huì)近年來(lái)進(jìn)程步履維艱，在一定程度上影響了市場(chǎng)主體的信心，因而對(duì)碳價(jià)走勢(shì)造成了負(fù)向影響。

DEC12與DEC15結(jié)果都表明，自然災(zāi)害對(duì)EUA價(jià)格有較大的正向影響，目前學(xué)術(shù)界針對(duì)自然災(zāi)害對(duì)碳價(jià)的影響鮮有研究，只有部分學(xué)者研究了極端天氣事件對(duì)碳價(jià)的變動(dòng)并發(fā)現(xiàn)其對(duì)碳價(jià)有著較為顯著的影響。根據(jù)瑞士再保險(xiǎn)公司統(tǒng)計(jì)，DEC12期間洪災(zāi)、風(fēng)暴以及高溫等一系列自然災(zāi)害頻發(fā)，DEC15期間歐盟境內(nèi)洪災(zāi)、熱浪以及冰雹災(zāi)害頻發(fā)對(duì)境內(nèi)電廠等為代表的基礎(chǔ)設(shè)施造成較大破壞，如核電廠維修頻繁、水利發(fā)電減少，煤炭發(fā)電增加導(dǎo)致EUA價(jià)格上升。

在DEC12期間，CER價(jià)格對(duì)EUA價(jià)格存在較強(qiáng)正向影響，這與盛春光[12]等人的研究結(jié)論基本一致。歐盟委員會(huì)規(guī)定EU ETS控排主體的排放量最高可以被13.4%的CER抵消，CER與EUA之間屬同質(zhì)單向替代品，EUA價(jià)格升高在一定程度上會(huì)拉動(dòng)CER價(jià)格升高，在二期運(yùn)行階段EUA與CER價(jià)格之間波動(dòng)幅度較為趨同，兩者之間呈較強(qiáng)正相關(guān)；DEC15期間，CER與EUA價(jià)格之間則呈不相關(guān)，原因在于歐盟第三階段的新政策規(guī)定京都信用將不再作為履約單位，其與EUA的互換也是有條件的，對(duì)于2012年之后新項(xiàng)目產(chǎn)生的議定書第二承諾期的CER替換為EUA，歐盟將只接受來(lái)自最不發(fā)達(dá)國(guó)家或與歐盟簽署雙邊協(xié)議的國(guó)家的CER，此外，EU ETS第三階段禁止使用氫氟碳化物和氧化亞氮項(xiàng)目產(chǎn)生的CER，直接導(dǎo)致全球CDM項(xiàng)目不景氣，加之審批與抵消制度更加嚴(yán)格，使得CER價(jià)格幾乎跌落為零，因此兩者在這一階段呈不相關(guān)。

DEC12與DEC15結(jié)果顯示政府政策對(duì)EUA價(jià)格有著相對(duì)較弱的正向影響，這與Chevallier[17]的研究結(jié)論基本一致。2008—2015年期間歐盟委員會(huì)頒布的相關(guān)文件多數(shù)是有關(guān)完善EU ETS的條款，對(duì)市場(chǎng)平穩(wěn)運(yùn)行具有促進(jìn)作用，因此政府政策與EUA價(jià)格之間呈正相關(guān)。

DEC12結(jié)果顯示Stock600指數(shù)與EUA價(jià)格之間呈現(xiàn)較弱的正相關(guān)，DEC15階段這種正相關(guān)變強(qiáng)，這與以往研究經(jīng)濟(jì)發(fā)展與碳價(jià)相關(guān)的結(jié)論一致。EU ETS二期運(yùn)行階段，遭遇金融危機(jī)與歐債危機(jī)，整個(gè)歐盟經(jīng)濟(jì)萎靡，因此EUA價(jià)格與Stock600指數(shù)之間的相關(guān)性較弱。而隨著歐盟經(jīng)濟(jì)的逐步回漲，工業(yè)生產(chǎn)大幅上升，EUA價(jià)格與宏觀經(jīng)濟(jì)發(fā)展之間呈正相關(guān)且關(guān)聯(lián)性增強(qiáng)。

DEC12與DEC15結(jié)果都顯示極端天氣會(huì)對(duì)碳價(jià)造成一定的影響，這與Chevallier[17]、Liu[18]等人的觀點(diǎn)一致，極端天氣通過(guò)影響能源需求進(jìn)而影響碳排放權(quán)需求的變化，最終引起碳價(jià)波動(dòng)。DEC12與DEC15結(jié)果顯示極寒天氣對(duì)EUA價(jià)格造成正向影響，而暖冬天氣則與EUA價(jià)格不相關(guān)。極寒天氣出現(xiàn)會(huì)導(dǎo)致冬季水力發(fā)電減少煤電上升，進(jìn)而導(dǎo)致碳排放量上升，EUA價(jià)格升高。

DEC12與DEC15結(jié)果顯示重大事件與EUA價(jià)格呈負(fù)相關(guān)，本研究諸多重大事件均為與碳市場(chǎng)相關(guān)的負(fù)面事件，如2008年的航空減排納稅事件，2011年的核證減排失竊事件，2012年的市場(chǎng)穩(wěn)定計(jì)劃延遲公布，2014年蘇格蘭公投脫英事件等，通常會(huì)引起EUA價(jià)格的下跌，上述時(shí)間段內(nèi)的碳價(jià)走勢(shì)也直接驗(yàn)證了本研究的觀點(diǎn)。

化石能源價(jià)格對(duì)EUA價(jià)格的影響則較為復(fù)雜。DEC12結(jié)果顯示，煤炭?jī)r(jià)格與碳價(jià)存在較強(qiáng)的正相關(guān)，其次是石油，而天然氣價(jià)格與碳價(jià)則不相關(guān)，這與前期的研究結(jié)果不盡相同，但目前能源價(jià)格對(duì)碳價(jià)影響機(jī)制，學(xué)術(shù)界也尚未達(dá)成一致。如陳曉紅[3]等認(rèn)為二期運(yùn)行過(guò)程中煤炭?jī)r(jià)格是對(duì)碳價(jià)變動(dòng)影響最大的因素，而張躍軍[15]等的研究結(jié)論卻認(rèn)為歐盟碳價(jià)變動(dòng)最大的影響因素是油價(jià)，其次是天然氣價(jià)格，煤炭?jī)r(jià)格的影響程度最小。根據(jù)BP能源統(tǒng)計(jì)2012年鑒，2011年歐盟天然氣消費(fèi)下降了9.9%，創(chuàng)有史以來(lái)的最大降幅。2012年由于俄羅斯遭遇嚴(yán)冬，導(dǎo)致了天然氣價(jià)格居高不下，促使人們轉(zhuǎn)而使用價(jià)格較為低廉的煤炭，因而煤炭使用量上升，碳排放權(quán)需求也隨之上升，進(jìn)而促使了碳價(jià)的上漲。由于天然氣供給不足，天然氣價(jià)格的變化對(duì)碳價(jià)的變化并未產(chǎn)生影響。根據(jù)歐盟相關(guān)報(bào)道，歐盟大量使用煤炭進(jìn)行發(fā)電，導(dǎo)致了歐盟2012年1 890億歐元的環(huán)境損失，這同時(shí)也佐證了本研究的結(jié)論。DEC15研究結(jié)果表明，煤炭?jī)r(jià)格與EUA價(jià)格之間呈現(xiàn)較強(qiáng)的正相關(guān)，石油價(jià)格與EUA價(jià)格之間呈現(xiàn)較弱的負(fù)相關(guān)，而天然氣價(jià)格在三期運(yùn)行中與EUA價(jià)格呈弱正相關(guān)。天然氣價(jià)格由不相關(guān)變?yōu)槿跽嚓P(guān)，原因在于EU ETS三期運(yùn)行階段，歐盟由于能源安全考慮大幅降低了天然氣消耗，同時(shí)天然氣價(jià)格也不斷下降，而EUA價(jià)格也長(zhǎng)期處于下降趨勢(shì)，因此兩者之間呈現(xiàn)了一定的弱相關(guān)。

4研究結(jié)論及對(duì)中國(guó)碳市場(chǎng)的啟示

4.1研究結(jié)論

本研究針對(duì)EU ETS二、三期運(yùn)行價(jià)格的影響因素進(jìn)行了研究，通過(guò)建立具有11個(gè)節(jié)點(diǎn)輸入層、1個(gè)節(jié)點(diǎn)輸出層、[10，10]節(jié)點(diǎn)隱含層的BP神經(jīng)網(wǎng)絡(luò)模型分析了化石能源市場(chǎng)、宏觀經(jīng)濟(jì)運(yùn)行情況等5個(gè)定量因子和聯(lián)合國(guó)氣候變化大會(huì)、政府政策、自然災(zāi)害等6個(gè)定性因子對(duì)DEC12與DEC15兩組EUA期貨價(jià)格的影響，并使用MIV方法計(jì)算了這11個(gè)影響因子對(duì)EUA價(jià)格變化的貢獻(xiàn)度。EU ETS二期運(yùn)行階段各變量影響程度從大到小為：自然災(zāi)害>COP>CER>極寒天氣>Coal>重大事件>Brent>政府政策>Stock600>Gas>暖冬天氣；EU ETS三期運(yùn)行階段為：COP>Stock600>Coal>自然災(zāi)害>極寒天氣>重大事件>政府政策>Brent>Gas>CER>暖冬天氣。

其中Stock600指數(shù)在二期運(yùn)行階段為弱正相關(guān)，在三期運(yùn)行階段成為強(qiáng)相關(guān)；Gas價(jià)格由二期運(yùn)行階段的不相關(guān)變?yōu)槿谶\(yùn)行階段的弱正相關(guān)；CER價(jià)格由二期運(yùn)行階段的強(qiáng)正相關(guān)變?yōu)槿谶\(yùn)行階段的不相關(guān)，其余各因素在兩期影響程度基本一致。Stock600指數(shù)的影響程度由弱正相關(guān)變?yōu)閺?qiáng)正向相關(guān)，原因在于歐盟從經(jīng)濟(jì)危機(jī)中已逐漸復(fù)蘇，特別是汽車業(yè)和建筑業(yè)逐漸回升，促進(jìn)了碳價(jià)的上升。這表明，碳價(jià)與宏觀經(jīng)濟(jì)發(fā)展形勢(shì)較為密切，較好的經(jīng)濟(jì)發(fā)展態(tài)勢(shì)會(huì)促使碳價(jià)上升，而低迷的經(jīng)濟(jì)態(tài)勢(shì)則易導(dǎo)致碳價(jià)與經(jīng)濟(jì)發(fā)展的脫鉤現(xiàn)象；由于三期運(yùn)行中歐盟天然氣價(jià)格與消費(fèi)量同等下降，所以Gas價(jià)格由二期運(yùn)行中的不相關(guān)變?yōu)槿跽嚓P(guān)；CER價(jià)格影響程度出現(xiàn)較大變化的原因在于三期運(yùn)行階段全球CDM項(xiàng)目審批更加嚴(yán)格且抵消規(guī)則進(jìn)一步收緊，CER價(jià)格幾乎跌落為0，同質(zhì)單向替代品屬性消失。因此，碳市場(chǎng)在運(yùn)行過(guò)程中，不但應(yīng)維持配額市場(chǎng)運(yùn)行的穩(wěn)定性，也應(yīng)保持CER市場(chǎng)運(yùn)行的穩(wěn)定性，避免CER市場(chǎng)價(jià)格劇烈波動(dòng)影響配額市場(chǎng)的運(yùn)行。

4.2對(duì)全國(guó)碳市場(chǎng)建立的啟示

（1）穩(wěn)定碳市場(chǎng)參與主體預(yù)期。聯(lián)合國(guó)氣候變化大會(huì)與政府政策對(duì)碳價(jià)存在正向影響。因此，碳市場(chǎng)建立及運(yùn)行初期，穩(wěn)固市場(chǎng)參與主體對(duì)碳市場(chǎng)的發(fā)展預(yù)期，對(duì)于碳價(jià)的穩(wěn)定會(huì)起到重要作用。首先，我國(guó)應(yīng)從上位法層面確保碳市場(chǎng)運(yùn)行的法律地位，使碳市場(chǎng)建立有法可依；其次提高控排主體參與碳市場(chǎng)的意愿與能力；第三，注重碳市場(chǎng)政策連續(xù)性，避免政策不穩(wěn)定影響市場(chǎng)參與主體的預(yù)期，從而引起碳價(jià)劇烈波動(dòng)。

（2）完善核證減排抵消機(jī)制，保持政策穩(wěn)定。CER與EUA屬于同質(zhì)單向替代品，一定量CER可抵消一定比例碳排放量。因此，CER價(jià)格的平穩(wěn)在一定程度上可以促進(jìn)碳市場(chǎng)的平穩(wěn)運(yùn)行。全國(guó)碳市場(chǎng)建設(shè)中，可控制核證減排項(xiàng)目審批量，防止核證減排量過(guò)多或過(guò)緊對(duì)配額市場(chǎng)造成沖擊；其次，保持核證減排制度運(yùn)行穩(wěn)定性，避免核證減排制度的頻繁變化對(duì)碳市場(chǎng)運(yùn)行造成間接不良影響。

（3）配額分配考慮區(qū)域差異。EU ETS在二期、三期運(yùn)行過(guò)程中，宏觀經(jīng)濟(jì)發(fā)展情況、極寒天氣以及化石能源消費(fèi)對(duì)碳價(jià)均存在正向影響。我國(guó)幅員遼闊，區(qū)域經(jīng)濟(jì)發(fā)展水平、能源消耗以及自然環(huán)境差異較大，因此，全國(guó)碳市場(chǎng)在配額分配過(guò)程中既應(yīng)考慮冬季取暖與夏季炎熱所導(dǎo)致南北方碳排放需求差異；也應(yīng)考慮到東部地區(qū)經(jīng)濟(jì)發(fā)展水平高、第三產(chǎn)業(yè)占據(jù)主導(dǎo)地位、配額需求較少，中部地區(qū)處于快速發(fā)展階段、第二產(chǎn)業(yè)占主導(dǎo)、能耗大、碳排放需求處于上升階段，西部地區(qū)當(dāng)前碳排放需求較少但未來(lái)經(jīng)濟(jì)發(fā)展?jié)摿Υ蟆?duì)碳排放存在較大潛在需求等現(xiàn)實(shí)，統(tǒng)籌好區(qū)域經(jīng)濟(jì)發(fā)展與控制碳排放兩方面需求，在配額分配過(guò)程中體現(xiàn)區(qū)域差異。

（4）建立配額應(yīng)急機(jī)制。自然災(zāi)害對(duì)碳價(jià)存在正向影響，重大事件對(duì)碳價(jià)存在負(fù)向影響，而兩者的發(fā)生都具有一定的不可預(yù)測(cè)性。我國(guó)是一個(gè)自然災(zāi)害頻發(fā)國(guó)，而自然災(zāi)害的發(fā)生會(huì)間接影響工業(yè)生產(chǎn)，進(jìn)而對(duì)碳價(jià)造成影響，因此全國(guó)碳市場(chǎng)建立過(guò)程中應(yīng)設(shè)立相應(yīng)配額預(yù)留機(jī)制，以專門應(yīng)對(duì)突發(fā)自然災(zāi)害對(duì)碳價(jià)的影響，避免對(duì)碳市場(chǎng)的運(yùn)行造成重大影響。重大事件的發(fā)生對(duì)碳價(jià)往往存在負(fù)向影響，此類事件的發(fā)生會(huì)導(dǎo)致碳價(jià)暴跌，為避免市場(chǎng)投機(jī)主體趁機(jī)倒買倒賣進(jìn)一步擾亂市場(chǎng)，政府可以設(shè)立救市機(jī)制，收購(gòu)配額以提升碳價(jià)，穩(wěn)定市場(chǎng)運(yùn)行。因此全國(guó)碳市場(chǎng)建立過(guò)程中，可考慮設(shè)立配額應(yīng)急機(jī)制以穩(wěn)定市場(chǎng)運(yùn)行。

（編輯：于杰）

參考文獻(xiàn)（References）

[1]MANSANETBATALLER M， VALOR E. CO2 prices， energy and weather [J]. Energy journal， 2007， 28（3）：73-92.

[2]海小輝，楊寶臣.歐盟排放交易體系與化石能源市場(chǎng)動(dòng)態(tài)關(guān)系研究[J].資源科學(xué)，2014（7）：1442-1451.[HAI Xiaohui， YANG Baochen. The dynamic relationship between the European Unions emission trading scheme and energy market[J].Resources science， 2014（7）：1442-1451.]

[3]陳曉紅，王陟昀.碳排放權(quán)交易價(jià)格影響因素實(shí)證研究——以歐盟排放交易體系（EUETS）為例[J].系統(tǒng)工程，2012（2）：53-60. [CHEN Xiaohong，WANG Zhiyun. Empirical research on price impact factor of carbon emission exchange： evidence from EU ETS [J]. Systems engineering， 2012（2）：53-60.]

[4]汪文雋，柏林.歐盟碳配額價(jià)格影響因素研究[J].云南師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2013（4）：135-143. [WANG Wenjun， BO Lin. A study of the impacting factors related to EUCA price[J].Journal of Yunnan Normal University （philosophy and social sciences edition）， 2013（4）： 135-143.]

[5]ALBEROLA E， CHEVALLIER J， CHEZE B. Price drivers and structural breaks in European carbon prices 2005-2007[J]. Energy policy， 2008， 36（2）：787-797.

[6]CHRISTIANSEN A C， ARVANITAKIS A， TANGEN K， et al. Price determinants in the EU emission trading scheme[J]. Climate policy， 2005， 5（1）：15-30.

[7]CHEVALLIER J. Carbon futures and macroeconomic risk factors： a view from the EU ETS [J]. Energy economics， 2009， 31（4）：614-615.

[8]NAZIFI F. Modeling the price spread between the EUA and the CER carbon prices [J]. Energy policy， 2010， 56（5）：434-445.

[9]BARRIEU P M， FEHR M. Integrated EUA and CER price modeling and application for spread option pricing [J]. Ssrn electronic journal， 2011.

[10]CAO Guangxi， WEI Xu. Multifractal features of EUA and CER futures markets by using multifractal detrended fluctuation analysis based on empirical model decomposition [J]. Chaos solitons & fractals， 2016， 83：212-222.

[11]王玉，郇志堅(jiān).歐盟碳排放權(quán)交易市場(chǎng)的價(jià)格發(fā)現(xiàn)和波動(dòng)溢出研究[J].中國(guó)人口·資源與環(huán)境，2012（S1）：244-249.[WANG Yu， HUAN Zhijian. Research on price discovery and volatility spillover effect in EU carbon emissions trading market[J].China population， resources and environment， 2012（S1）：244-249.]

[12]盛春光.碳市場(chǎng)EUA與CER期貨價(jià)格變動(dòng)關(guān)系的實(shí)證研究[J].經(jīng)濟(jì)數(shù)學(xué)，2013（4）：38-44.[SHENG Chunguang. An empirical study on the relationship between EUA and CER futures price in carbon market [J].Journal of quantitative economics， 2013（4）： 38-44.]

[13]朱幫助.國(guó)際碳市場(chǎng)價(jià)格驅(qū)動(dòng)力研究——以歐盟排放交易體系為例[J].北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2014（3）：22-29. [ZHU Bangzhu. Research on the international carbon price driving factors：a case study of the European Union emission trading scheme[J]. Journal of Beijing Institute of Technology （social sciences edition）， 2014（3）：22-29.]

[14]齊紹洲，趙鑫，譚秀杰.基于EEMD模型的中國(guó)碳市場(chǎng)價(jià)格形成機(jī)制研究[J].武漢大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015（4）：56-65. [QI Shaozhou，ZHAO Xing，TAO Xiujie.A study on the formation mechanism of Chinese carbon market price based on EEMD model[J].Wuhan University Journal（philosophy and social sciences）， 2015（4）：56-65.]

[15]張躍軍，魏一鳴.國(guó)際碳期貨價(jià)格的均值回歸：基于EU ETS的實(shí)證分析[J].系統(tǒng)工程理論與實(shí)踐，2011（2）：214-220. [ZHANG Yuejun，WEI Yiming. Interpreting the mean reversion of international carbon futures price： empirical evidence from the EU ETS[J]. Systems engineering-theory & practice， 2011（2）：214-220.]

[16]史峰. Matlab神經(jīng)網(wǎng)絡(luò)43個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社， 2013. [SHI Feng. Matlab neural network analysis of 43 cases [M]. Beijing： Beihang University Press， 2013.]

[17]朱利恩·謝瓦利爾. 碳市場(chǎng)計(jì)量經(jīng)濟(jì)學(xué)分析[M].大連：東北財(cái)經(jīng)大學(xué)出版社， 2016.[CHEVALLIER J. Carbon market econometric analysis [M]. Dalian： Dongbei University of Finance and Economics Press， 2016.]

[18]LIU H H， CHEN Y C. A study on the volatility spillovers， long memory effects and interactions between carbon and energy markets： the impacts of extreme weather [J]. Economic modelling， 2013， 35（5）：840-855.

Impacts of multiple factors on EU carbon price and implications to China

YI LanYANG LiLI ZhaopengREN Fengtao

（International Business School， Shaanxi Normal University， Xian Shaanxi 710119， China）

AbstractAs a market and policy innovation， Chinas national carbon market attracts great attention at home and abroad. In order to ensure its smooth establishment and sustainable development， it is rather urgent to learn from relevant best practices. However， as the only references in China， the 7 pilot carbon trading schemes could only provide very limited experiences. Therefore， studying and learning from EU ETS the largest carbon market in the world has become very important. As a significant indicator of whether a market matures or not， carbon price is able to present considerable signal. Various scholars have found respectively that prices of CER carbon， crude oil， coal and natural gas， along with Euro Stoxx index， UN climate change conferences， government policies， extreme weathers， warm winters， natural disasters and important events can all trigger EUA carbon prices fluctuating. This study therefore tries to introduce a MIVBP model to train and test EUA prices during second and third phases and simulate how the above 11 factors influenced EUA prices. The model can well compensate the shortcomings of traditional models which are not able to handle multivariate or integrate quantitative and qualitative variables. Through data mining of 1 149 groups of phase 2 data and 775 groups of phase 3 data， the study finds out the degrees of how different variables can influence EUA prices， which the descending order in phase 2 is： natural disaster>UN conferences>CER>extreme weathers>coal prices>important events>Brent oil prices>government policies>Stock600 index>natural gas prices>warm winters； the order in phase 3 changes to： UN conferences>Stock600 index>coal prices>natural disasters>extreme weathers>important events>government policies>Brent oil prices>natural gas prices>CER>warm winters. Based on further analysis， the study presents explanation of why this change happened and gives suggestions to Chinas future national carbon market： ①stabilize the expectation of market participants； ②improve permits offset mechanism and maintain policy consistency； ③take regional differences into account when allocate permits； ④establish emergency response mechanism of carbon rights allocation.

Key wordsEU ETS； BP neural network； carbon price； influencing factors