龔振庭，陳妍蓓

（1.湛江幼兒師范?？茖W校，廣東湛江 524037；2.嶺南師范學院基礎(chǔ)教育學院，廣東湛江 524000）

一、問題的提出

過度碳排放導致的全球變暖已成為迫切需要解決的問題，碳排放權(quán)交易體系（ETS，下文簡稱“碳交易市場”）是一種由供求關(guān)系所形成的碳價格“總量管制與交易”制度，被認為是解決過度碳排放這一世界難題的有效手段［1］。在過去的10年中，碳交易市場在中國逐漸發(fā)展起來，先后在北京、天津、上海、重慶、湖北、廣東、深圳、福建等8 個省市開展了碳交易市場建設(shè)的試點工作，2021 年7 月中國碳排放權(quán)交易體系（ETS）正式投入運行。碳排放權(quán)交易是中國溫室氣體減排工作邁出的重要一步，雖然目前只針對發(fā)電行業(yè)進行交易，但該系統(tǒng)未來將全面覆蓋8個主要的能源密集型行業(yè)，預計到2025年將覆蓋中國72%的碳排放［2］。

能源安全是國家安全的重要組成部分［3］，中國既是人口大國、工業(yè)大國，又是能源消費大國，當前世界面臨百年未有之大變局，“黑天鵝”“灰犀?！笔录l發(fā)，國際能源市場必然是各國博弈的重點領(lǐng)域。2021 年12 月召開的中央經(jīng)濟工作會議指出，要正確認識和把握碳達峰碳中和，深入推動能源革命，加快建設(shè)能源強國。黨的二十大報告指出要深入推進能源革命，確保能源安全。在此背景下，研究跨市場間的風險傳遞機制，對中國能源安全新戰(zhàn)略走深走實，合理科學地防范應對能源金融領(lǐng)域中可能發(fā)生的風險挑戰(zhàn)，更好應對多變的國際環(huán)境和市場波動具有重要意義。

龔旭［3］將能源商品金融市場相關(guān)性的研究定義為能源市場外部的跨市場耦合研究，并指出能源市場內(nèi)部、能源市場與商品市場之間以及能源市場與金融市場之間均存在相關(guān)關(guān)系。碳排放權(quán)作為一種新興金融產(chǎn)品，不僅存在自身價格調(diào)節(jié)機制不完善如管理水平不高、覆蓋范圍不廣、MRV 履約程度較低等問題，還會受到突發(fā)政治事件、外部環(huán)境因素（如節(jié)能減排政策、環(huán)境規(guī)制措施）的影響，從而造成碳交易市場價格波動。近年來，學者們將碳交易市場作為一個特殊的金融子市場引入能源金融風險領(lǐng)域的研究中。

碳排放權(quán)價格會通過影響投資、收益等經(jīng)營要素間接對企業(yè)價值產(chǎn)生影響，進而對股價形成傳導效應。企業(yè)的成本和營業(yè)收入決定了經(jīng)營收益，在碳排放限制政策的背景下，碳排放成本已成為企業(yè)必須考慮的生產(chǎn)成本，尤其在碳排放超標的情況下，企業(yè)需購買碳排放權(quán)，若碳價格上漲，企業(yè)購買成本增加，必然會擠占利潤空間，對收益造成負面影響，可能導致企業(yè)股價下跌。當碳配額出現(xiàn)結(jié)余時，企業(yè)則可將其出售以增加收益，從而帶動企業(yè)股價上漲。從投資角度來看，當碳價格處于高位時，購買成本較高，企業(yè)傾向于進行碳減排項目投資，并將減排技改后節(jié)省下來的碳配額高價出售，這既增加了企業(yè)資產(chǎn)又獲得了額外收益，能促進企業(yè)股價上漲；反之，當碳價格處于低位時，企業(yè)傾向于購買碳配額，這可能會導致企業(yè)股價不僅上漲受限，甚至還會出現(xiàn)下跌?？梢?，碳排放權(quán)價格的高低會對企業(yè)股價產(chǎn)生不同的影響，企業(yè)股價與碳排放權(quán)價格具有一定的相關(guān)性。

碳交易市場作為中國碳排放交易試點的一種形式，目前仍處于起步階段，存在諸如碳排放交易價格不合理、交易機制不完善等問題［4］，而歐盟碳排放交易系統(tǒng)（EU ETS）已進入第四階段，并逐步發(fā)展成為世界上最大的碳交易市場。基于歐盟碳交易市場是世界上最大的區(qū)域碳交易市場［5］，其對國際能源價格有著不可忽視的影響作用，因此本文在構(gòu)建碳-能源-低碳股票市場風險系統(tǒng)時，將歐盟碳交易市場納入其中。

除碳排放權(quán)之外，開發(fā)新能源也是減少溫室氣體排放的重要手段。傳統(tǒng)的化石能源價格上漲不僅會增加企業(yè)對碳排放配額的需求，較高的碳價格還會激勵企業(yè)將資金投入到清潔能源技術(shù)的研發(fā)之中。這不僅有助于降低可再生能源的成本，還可推動其他低碳行業(yè)技術(shù)的進步和創(chuàng)新。由于股票市場能很好地體現(xiàn)某個行業(yè)的發(fā)展情況以及當前投資者對特定行業(yè)的關(guān)注程度，而中國低碳指數(shù)涵蓋了太陽能、風能、核能、水電、清潔煤、智能電網(wǎng)、電池、能效（包括LED）、水處理、垃圾處理等多個清潔能源上市公司的指數(shù)，能夠較為準確地反映目前國內(nèi)低碳行業(yè)整體的市場表現(xiàn)［6］，因此本文在構(gòu)建碳-能源-低碳股票市場風險系統(tǒng)時，將2010年推出的中國低碳指數(shù)納入其中。

當資產(chǎn)出現(xiàn)同漲同跌或風險溢出（價格波動）時，表明市場上存在系統(tǒng)性風險［3］，因此研究市場間的相關(guān)性成為衡量市場系統(tǒng)性風險的常見方法，Diebold［7-8］提出的溢出指數(shù)模型（DY 模型），目前已被廣泛應用于能源金融領(lǐng)域的關(guān)聯(lián)性研究中。趙領(lǐng)娣［9］基于DY模型，刻畫了中國碳交易市場與能源市場之間的靜態(tài)波動溢出指數(shù)和時變波動溢出指數(shù)。

現(xiàn)有研究多將DY 模型簡單理解為測量來自其他變量的溢出效應，將溢出模型中變量j（除i 以外的其他變量）對變量i的溢出效應理解為變量i的預測誤差方差中由變量j所解釋的部分。事實證明這種理解并不完全正確，許多學者在應用DY 模型計算變量間的溢出效應時會出現(xiàn)理解上的偏差。對此，Lastrapes［10］不僅解釋了出現(xiàn)這種理解偏差的原因，還進一步提出了一種更為準確的測量其他變量沖擊對預測誤差方差貢獻度的方法，即聯(lián)合溢出指數(shù)模型（LW 模型），并且認為忽視變量間的交叉關(guān)聯(lián)性問題必定會影響其模型推斷的準確性。LW 模型將其他變量之間的交叉關(guān)聯(lián)性也納入考量之中，本文認為使用該方法計算出的溢出效應更加精確。

綜上，本文的邊際貢獻主要在于：一是有效衡量了碳交易市場、能源市場與低碳股票市場之間的溢出效應，豐富了國內(nèi)在這一領(lǐng)域的研究；二是不僅衡量了碳交易市場與能源市場之間的靜態(tài)溢出效應，還測量了其在動態(tài)下的總體風險溢出、方向性風險溢出以及凈溢出效應；三是運用了一種更為準確地衡量碳交易市場與相關(guān)市場間風險溢出效應的模型，即聯(lián)合溢出指數(shù)模型。

二、文獻綜述

目前關(guān)于碳交易市場、能源市場與股票市場間的跨市場耦合關(guān)系［3］的研究成果比較豐富，主要集中在能源市場內(nèi)部的關(guān)聯(lián)性、碳交易市場與能源市場的關(guān)聯(lián)性、碳交易市場與資本市場的關(guān)聯(lián)性方面。

一是能源市場內(nèi)部的關(guān)聯(lián)性。相關(guān)研究可分為單一能源產(chǎn)品在不同市場之間的關(guān)聯(lián)性和不同類型能源產(chǎn)品之間的關(guān)聯(lián)性。早期對單一能源產(chǎn)品的研究主要以石油為主，現(xiàn)有關(guān)于國內(nèi)外石油市場關(guān)系的研究主要集中在價格和波動關(guān)系上，如魏巍賢［11］、劉明磊［12］利用GARCH 類模型實證探討了國內(nèi)外原油價格波動性及其相互關(guān)系，張大永［13］利用DY 模型構(gòu)建原油-股票-匯率收益率和波動率的靜態(tài)和動態(tài)網(wǎng)絡(luò)，探討了中國原油期貨與國內(nèi)外市場之間的信息流向強度、方向和動態(tài)溢出效應。有學者發(fā)現(xiàn)不同石油市場之間存在相關(guān)關(guān)系。如Gong［14］通過TVP-VAR 模型研究了不同的石油沖擊如何影響石油價格的波動；Liu［15］利用TVP-VAR-SV 模型探索了國際4 個主要原油市場（WTI、Brent、Oman、Tapis）之間的時變波動率溢出效應，發(fā)現(xiàn)波動率和波動率溢出正相關(guān)；An［16］通過GARCHBEKK 模型研究了不同油價的波動溢出效應，指出不同油價的溢出效應在不同的樣本期存在變化，并從動態(tài)視角解釋了布倫特和WTI價格的基準作用。對不同類型能源產(chǎn)品之間關(guān)聯(lián)性的研究主要涉及石油、煤炭、天然氣之間的關(guān)聯(lián)性研究。如Dai［17］先利用DY模型研究了與“一帶一路”倡議相關(guān)的WTI原油期貨、天然氣期貨與中國股票市場之間的收益波動溢出效應和動態(tài)關(guān)系，再利用DCC-GARCHcopula 模型計算了套期保值比率、最優(yōu)投資組合權(quán)重以及相應的套期保值有效性；Gong［18］利用TVPVAR-SV模型實證研究了原油、汽油、取暖油、天然氣4種主要能源商品之間的時變方向性和配對波動性溢出指數(shù)；Walid［19］分析了WTI 原油期貨、紐約港汽油期貨、天然氣期貨與中東、北非地區(qū)重要股票市場之間的依賴結(jié)構(gòu)和系統(tǒng)性風險；Zhong［20］利用格蘭杰因果檢驗和DY模型研究了美國、歐洲和中國能源市場的關(guān)聯(lián)性，發(fā)現(xiàn)新興市場在收益率波動溢出系統(tǒng)中對許多發(fā)達市場都具有重要影響，且不同市場間的溢出指數(shù)具有明顯的時變特征；Kumar［21］分別采用非對稱和對稱的多元廣義自回歸條件異方差（MGARCH）模型分析了印度原油、天然氣和股票價格之間的時變波動程度與相關(guān)性，指出VARMADCC-GARCH模型在估計時變相關(guān)性方面比不對稱的CCC模型更有效；Ji［22］將關(guān)聯(lián)性網(wǎng)絡(luò)框架和集成經(jīng)驗模式分解（EEMD）方法相結(jié)合，實證研究了油氣市場中的信息溢出效應，指出石油和天然氣市場的總溢出效應具有動態(tài)、不穩(wěn)定的特征。

二是碳交易市場與能源市場的關(guān)聯(lián)性。由于我國碳排放權(quán)交易起步較晚，因此多數(shù)關(guān)于碳交易市場風險溢出的研究主要圍繞歐盟碳交易市場展開。Ren［23］通過分位數(shù)格蘭杰因果關(guān)系檢驗和雙分位數(shù)回歸法兩種模型分析了原油價格對EU-ETS 第三階段歐洲碳價格的影響，發(fā)現(xiàn)原油價格對碳價格的影響是不對稱的，其取決于整體碳價格和原油價格的分布情況；Dou［24］采用分位數(shù)格蘭杰檢驗法研究了經(jīng)濟政策不確定性（EPU）在不同市場條件下對碳期貨市場的溢出效應，以及EPU 對碳期貨價格收益的溢出在不同時域和頻域的演化，發(fā)現(xiàn)EPU 沖擊不能預測碳期貨日收益率的波動性。中國是世界上最大的碳排放國和全球碳交易市場上最大的供給方，隨著中國碳交易試點計劃的推行，對中國碳交易市場的研究也日趨豐富。Chang［25］采用DCC-GARCH 模型研究了中國碳排放配額與化石能源市場之間的波動溢出效應和動態(tài)相關(guān)性，證明了化石能源和區(qū)域碳排放配額市場之間的動態(tài)相關(guān)性存在時變趨勢；劉建和［26］采用DCC-GARCH模型比較我國碳交易市場與國內(nèi)焦煤市場、歐盟碳交易市場之間的溢出效應，發(fā)現(xiàn)國內(nèi)焦煤市場與我國碳交易市場之間的溢出效應最強；Wang［27］采用DY模型測量了WTI 石油、布倫特原油、天然氣市場這三大能源市場與碳交易市場的溢出效應，發(fā)現(xiàn)WTI 石油市場向系統(tǒng)傳導的溢出效應最強，天然氣市場對碳交易市場的溢出效應也較為突出；Xu［28］通過融合Copula 和CoVaR 模型，發(fā)現(xiàn)國際和國內(nèi)能源市場的不確定性對中國碳試點產(chǎn)生了顯著的風險溢出效應；Ji［5］利用DY模型研究了歐盟碳交易市場和能源市場之間的信息聯(lián)系和動態(tài)溢出效應，發(fā)現(xiàn)布倫特原油價格對碳價格變化和風險波動有著重要影響。

三是碳交易市場與資本市場的關(guān)聯(lián)性。有學者主要探討中國碳交易市場價格及收益率的相關(guān)影響因素［1，29-32］，還有學者主要關(guān)注中國碳交易市場與新能源股票市場之間的風險溢出效應。如Nie［33］利用DY 模型對湖北碳交易市場、新能源股票市場、原油市場、煤炭市場、天然氣市場之間的靜態(tài)溢出效應和動態(tài)溢出效應進行衡量，研究發(fā)現(xiàn)碳-能源-股票系統(tǒng)的溢出效應較低；Lin［4］應用VAR（1）-DCC-GARCH（1，1）模型和VAR（1）-BEKK-GARCH（1，1）模型分析了中國碳交易市場、煤炭市場、新能源股票市場之間的動態(tài)聯(lián)系和溢出效應，研究發(fā)現(xiàn)煤炭市場與新能源公司股票市場之間具有較高的波動持續(xù)性，煤炭市場與新能源公司股票市場之間存在雙向溢出效應；卜文珂［34］通過構(gòu)建VAR 模型，利用脈沖響應和方差分析等方法，對比分析檢驗了新舊兩類能源公司股票價格與碳排放權(quán)價格的關(guān)系；曾清［35］利用VECM 模型對比分析了碳排放權(quán)價格對傳統(tǒng)能源公司和新能源公司股價的影響，指出碳價格變動對資本市場的信息溢出效應值得關(guān)注。

近年來，越來越多的學者認識到需從系統(tǒng)性和整體性方面衡量碳交易市場、能源市場與股票市場之間的風險溢出效應，以及利用不同計量模型來理解其價格波動影響和風險波動傳遞模式的重要性。然而既有相關(guān)研究主要針對歐盟碳交易市場，鮮有研究在構(gòu)建風險系統(tǒng)時將歐盟碳交易市場和中國碳交易市場同時納入考量中。此外，既有研究主要討論碳交易市場與能源市場之間的風險關(guān)聯(lián)性，鮮有文獻將新能源股票市場納入風險系統(tǒng)之中。本文在進行指標選取時，將中國低碳指數(shù)作為風險溢出系統(tǒng)的組成部分之一，以考量當前碳交易市場、能源市場與低碳股票市場之間的風險聯(lián)動問題。隨著碳交易市場、能源市場和低碳行業(yè)的發(fā)展，市場之間可能存在的動態(tài)相關(guān)性和溢出效應將更加明顯?；谑袌鲩g的風險溢出聯(lián)動關(guān)系，政府和投資者可以提前作出戰(zhàn)略決策［4］，因此本文采用Lastrapes［10］提出的聯(lián)合溢出指數(shù)模型，對中國碳交易市場、歐盟碳交易市場、能源市場以及能夠反映中國低碳經(jīng)濟領(lǐng)域上市公司整體表現(xiàn)的中國低碳指數(shù)（低碳股票市場）進行研究，以期更為準確地把握碳交易市場、能源市場與低碳股票市場之間的動態(tài)關(guān)系，為市場投資者和風險管理者提供有效的投資信息，便于其制定有效的風險對沖策略。

三、研究設(shè)計

（一）指標選取

自2011年起，中國陸續(xù)在北京、天津、上海、重慶、湖北、廣東、深圳、福建等8個省市開展碳交易市場的試點建設(shè)工作，此外還有暫無碳配額交易的四川碳交易市場。由于每個碳交易市場的成立時間、交易量等差異較大，故選取深圳、上海、廣東、湖北這4個具有代表性的碳排放權(quán)交易市場的碳排放權(quán)交易價格代表中國碳交易市場。對于能源指標的選取，中國能源消費結(jié)構(gòu)中占比排名前兩位的能源為煤和原油，既有研究主要選用倫敦布倫特原油期貨價格或西德州原油期貨價格作為原油指標，選用紐約焦煤期貨價格作為煤炭指標，本文參考趙領(lǐng)娣［9］的研究，選用更能綜合反映石油市場整體概貌和運行狀況的卓創(chuàng)石油價格指數(shù)作為原油指標，選用南華指數(shù)中的動力煤價格指數(shù)作為煤炭指標，選用能反映中國低碳經(jīng)濟領(lǐng)域上市公司整體表現(xiàn)的中國低碳指數(shù)作為低碳股票市場指標，共同構(gòu)建聯(lián)合溢出指數(shù)模型來把握碳交易市場、能源市場與低碳股票市場之間的風險關(guān)聯(lián)性。

本文所選樣本數(shù)據(jù)截取自2017年4月24日至2021年12月16日，為保持時間序列的一致性，避免不必要的數(shù)據(jù)刪減，利用Python軟件中的Pandas包對所獲取的原始數(shù)據(jù)進行線性插值法補全，共得到1690個有效日數(shù)據(jù)。所選指標定義與數(shù)據(jù)來源如表1所示。

表1 指標定義與數(shù)據(jù)來源

表2為相關(guān)指標的描述性統(tǒng)計結(jié)果，可以看出廣東碳交易市場（GDEA）的平均收益率最高，深圳碳交易市場（SZA）的波動程度最大。觀察各指標的偏度和峰度值可以發(fā)現(xiàn)，LCI、EUA、OIL、SZA均為右偏，而COAL、SHEA、GDEA、HBEA均為左偏，所有指標均具有尖峰厚尾的特征。JB 檢驗結(jié)果拒絕各個碳交易市場、能源市場和低碳股票市場收益率服從正態(tài)分布的原假設(shè)。

表2 指標的描述性統(tǒng)計結(jié)果

在構(gòu)建聯(lián)合溢出指數(shù)模型之前，需要對相關(guān)序列進行單位根檢驗，本研究采用ADF 檢驗和PP 檢驗來確定序列的平穩(wěn)性，結(jié)果（限于篇幅未列示）顯示所有原階序列均在1%水平拒絕存在單位根的原假設(shè)，即相關(guān)序列為平穩(wěn)時間序列。

（二）模型構(gòu)建

本文使用Lastrapes［10］提出的聯(lián)合溢出指數(shù)模型來度量碳交易市場（包括中國碳交易市場與歐盟碳交易市場）、能源市場、低碳股票市場之間的溢出效應。

先構(gòu)建一個平穩(wěn)的K變量p階向量自回歸模型（VAR），再將VAR模型轉(zhuǎn)化為VMA模型的表達式，具體如式（1）所示：

式（1）中：Ah為一個N×N單位矩陣；若h<0，則Ah=0；若h=0，則Ah為N維的單位矩陣（即A0=IK）；∈t為白噪聲沖擊向量，是一個獨立同分布的擾動項向量。

由于沖擊的協(xié)方差矩陣和向量移動平均系數(shù)矩陣對H 步預測誤差的方差有重大影響，因此溢出效應的計算取決于預測殘差項的沖擊。式（2）為H步預測誤差，式（3）為K×K的預測誤差協(xié)方差矩陣。

一般情況下，所有其他市場對市場i的聯(lián)合溢出效應如式（4）所示：

式（4）中：H= 1,2,3,…,n；為市場i的H 步預測誤差方差中可以通過對所有非市場i的未來沖擊進行聯(lián)合調(diào)節(jié)來解釋的比例；Mi為一個K×K- 1 矩形矩陣，其為去掉第i列后的恒等矩陣；∈?≠i,t+1為K- 1個維度向量，代表來自除市場i之外的所有市場在t+ 1時間內(nèi)的沖擊；∑∈為誤差向量∈的方差矩陣；ei為選擇向量，其為第i個元素是1、其余元素為0的N維列向量。

聯(lián)合溢出效應指數(shù)（jSOI）可衡量全部市場的整體關(guān)聯(lián)性，表示所有其他市場的沖擊對個別市場的預測誤差方差的相對平均貢獻度，具體計算公式如式（5）所示：

由于目前未有直接計算某市場對其他市場溢出效應的方法，本文沿用Lastrapes［10］的處理方法，先計算溢出指數(shù)表gSOT［36］，具體如式（6）所示：

式（6）中：H= 1,2,3,…,n；變量Yj對變量Yi溢出效應的估計值為其是變量Yi的H 步預測誤差方差中來自于變量Yj的部分。經(jīng)過標準化處理后，可以將溢出指數(shù)表寫為式（7）：

在式（9）基礎(chǔ)上可計算出變量j對所有其他變量的聯(lián)合總溢出效應，具體如式（10）所示：

通過凈溢出指數(shù)可度量市場i對其他所有市場的凈溢出，并可由此判斷哪些變量是信息傳導的凈輸入方，哪些變量是凈輸出方。市場i的聯(lián)合凈溢出指數(shù)如式（11）所示：

四、實證分析

（一）靜態(tài)風險溢出效應分析

為估算碳交易市場、能源市場與低碳股票市場之間的靜態(tài)溢出效應，首先采用廣義方差分解法來構(gòu)建靜態(tài)溢出指數(shù)表。根據(jù)AIC 和SC 準則確定的VAR 模型最優(yōu)滯后階數(shù)為2，廣義方差分解的預測期數(shù)為30期，實證結(jié)果如表3所示。

表3 靜態(tài)溢出指數(shù)/%

表3中，左上角的8×8矩陣為配對關(guān)聯(lián)溢出效應，即市場i與市場j之間的方向性溢出效應，其中主對角線為來自市場自身的風險沖擊，和分別為來自其他市場的聯(lián)合溢出效應和市場i溢出到其他市場的聯(lián)合溢出效應為凈溢出效應。從碳交易市場來看：歐盟碳交易市場（EUA）來自自身的風險沖擊為98.70%，而其主要風險溢入源為低碳股票市場（LCI）（=0.38%），低碳股票市場對歐盟碳交易市場的預測誤差方差的解釋比例為0.38%；中國碳交易市場中深圳碳交易市場（SZA）、上海碳交易市場（SHEA）、廣東碳交易市場（GDEA）、湖北碳交易市場（HBEA）的主要風險溢入源分別為從能源市場來看：動力煤市場（COAL）的主要風險溢入源為低碳股票市場（LCI），其對動力煤市場（COAL）的解釋比例為0.71%；原油市場（OIL）的主要風險溢入源為歐盟碳交易市場（EUA），其對原油市場（OIL）的解釋比例為6.35%。從低碳股票市場（LCI）來看，其主要風險溢入源為深圳碳交易市場（SZA）。

從整體靜態(tài)溢出效應來看，表3右下方的系統(tǒng)內(nèi)部聯(lián)合溢出效應jSOI為2.64%，說明碳交易市場、能源市場與低碳股票市場之間存在風險溢出效應。對碳-能源-低碳股票市場系統(tǒng)風險溢出效應最大的是歐盟碳交易市場（EUA），其對其他市場的總溢出風險為由凈溢出指數(shù)的實證結(jié)果可知：碳交易市場中，EUA、SZA、GDEA皆為風險傳遞者，SHEA、HBEA皆為風險接受者；能源市場中，COAL、OIL皆為風險接受者；低碳股票市場LCI為風險傳遞者。其中，靜態(tài)凈溢出效應最大的為EUA，其凈溢出指數(shù)為5.83%。

（二）動態(tài)風險溢出效應分析

1.動態(tài)總溢出效應和方向性溢出效應分析。靜態(tài)溢出指數(shù)僅衡量和反映了樣本期內(nèi)碳交易市場、能源市場與低碳股票市場之間的平均溢出效應，無法反映隨時間變化而產(chǎn)生的周期性溢出效應［9］?？紤]到隨著中國碳交易市場的逐步完善以及國際大環(huán)境不確定性等因素對碳交易市場及其相關(guān)市場所產(chǎn)生的影響，為更好地了解相關(guān)風險的時變性，本文參考Antonakakis［37］的做法，使用滾動樣本窗口法進一步研究碳交易市場、能源市場與低碳股票市場之間的動態(tài)溢出效應。設(shè)定滯后階數(shù)為2，預測期數(shù)為30期，滾動窗口為350期。圖1為動態(tài)聯(lián)合總溢出指數(shù)，圖2為動態(tài)聯(lián)合方向性溢出指數(shù)。

圖1 動態(tài)聯(lián)合總溢出指數(shù)

圖2 動態(tài)聯(lián)合方向性溢出指數(shù)

由圖1 可以發(fā)現(xiàn)，動態(tài)聯(lián)合總溢出指數(shù)（jSOI）在研究期內(nèi)隨著時間變化而變化，在6%~13%之間波動，并且有兩個明顯的上升周期，分別為2018 年7 月至12 月和2020 年2 月至5 月。結(jié)合圖2 動態(tài)聯(lián)合方向性溢出指數(shù)可知，第一個上升階段主要是在能源市場與中國碳交易市場的作用下，聯(lián)合總溢出指數(shù)（jSOI）出現(xiàn)攀升。一是深圳、上海、廣東、湖北4 個碳交易市場的溢出指數(shù)（To-SZA、To-SHEA、To-GDEA、To-HBEA）都出現(xiàn)了不同程度的上升。二是能源市場中，由于美國制裁伊朗、沙特阿拉伯大幅提高石油產(chǎn)量、歐洲和亞洲發(fā)達國家石油需求相對疲軟等，導致該階段油價暴跌，中美貿(mào)易問題的反復也加劇了原油市場的動蕩，其風險溢出指數(shù)（To-OIL）出現(xiàn)明顯的上升趨勢；動力煤市場方面，由于黨的十八大以來我國著力推動煤炭供給側(cè)結(jié)構(gòu)性改革，我國動力煤供給主要依靠國產(chǎn)且占比高達90%以上，在國家嚴抓環(huán)保和安全生產(chǎn)的背景下，原煤產(chǎn)量增幅遠不及原煤需求缺口增幅，導致該階段的動力煤價格在高位波動不定，使得動力煤市場的風險溢出指數(shù)（To-COAL）出現(xiàn)一定程度的攀升。而第二個上升階段聯(lián)合總溢出指數(shù)（jSOI）主要是在歐盟碳交易市場與低碳股票市場的作用下出現(xiàn)顯著攀升。在該階段，受到新冠疫情的沖擊，歐洲電力需求和碳排放大幅下降，碳交易價格暴跌，致使歐盟碳交易市場風險溢出指數(shù)（To-EUA）迅猛提高。中國低碳指數(shù)的主要成分企業(yè)因受新冠疫情沖擊而出現(xiàn)大面積減產(chǎn)，股價波動幅度增大，致使其風險溢出指數(shù)（To-LCI）顯著攀升，同時也體現(xiàn)為聯(lián)合總溢出指數(shù)呈現(xiàn)增長趨勢。

圖2中，由歐盟碳交易市場和中國碳交易市場的方向性溢入指數(shù)可知，樣本期內(nèi)歐盟碳交易市場的方向性溢入指數(shù)（FROM-EUA）波動幅度較小，而中國碳交易市場的4 個子市場都呈現(xiàn)出程度不一的方向性溢入指數(shù)波動情況。尤其是在新冠疫情暴發(fā)后，4個子市場都出現(xiàn)了程度不一的方向性溢入指數(shù)增長趨勢，其中波動幅度最大的為廣東碳交易市場（FROM-GDEA），其方向性溢入指數(shù)在新冠疫情暴發(fā)后先是出現(xiàn)一段接近垂直的上升，從5%上升至10%，接著又出現(xiàn)一段波動上升，直到上升到13%后才開始波動下降。深圳和湖北碳交易市場也出現(xiàn)了與廣東碳交易市場相似的波動情況。值得注意的是，同時期上海碳交易市場的方向性溢入指數(shù)波動趨勢與其他3個子市場截然不同，其先呈快速下降趨勢，再呈波動上升趨勢。中國碳交易市場的4個子市場之所以會出現(xiàn)這樣不同的波動情況，與當前中國各碳交易市場的政策機制、市場參與主體、交易活躍度、交易工具等有關(guān)。從交易規(guī)模來看，廣東碳交易市場成交量第一，湖北第二，深圳第三，各地成交量參差不齊，這也在一定程度上解釋了新冠疫情暴發(fā)后廣東碳交易市場的方向性溢入指數(shù)波動幅度最大的原因。在機制設(shè)計方面，各碳交易市場都采用“免費+拍賣”的形式，除上海采用純市場機制運作外，其他各試點地區(qū)皆保留了政府干預機制。本文認為，正因為上海采用了公開透明的市場化運作機制，在面對重大不確定事件的沖擊時，其風險溢入指數(shù)（FROM-SHEA）才會不升反降，很好地抵御了來自外部的風險沖擊；且在新冠疫情中后階段，上海碳交易市場的風險溢入波動程度在4個子市場中也是較小的。

歐盟碳交易市場的方向性溢入指數(shù)在研究期內(nèi)保持在5%水平輕微波動，相對穩(wěn)定，這也從側(cè)面證明了歐盟所采取的一系列改革措施如配額總量遞減、折量拍賣和市場穩(wěn)定儲備機制（MSR）等，有效提高了歐盟碳交易市場的抗風險沖擊能力，尤其是MSR 的設(shè)立為歐盟碳交易市場建立了靈活調(diào)節(jié)供給的長效機制，為市場參與者提供了穩(wěn)定的政策預期，從而減輕了不確定性對市場造成的沖擊。由此可以看出：一方面，相較于發(fā)展更為成熟的歐盟碳交易市場，中國碳交易市場在面對能源價格、低碳股票市場波動等外部沖擊時會更為敏感，尤其是出現(xiàn)重大不確定事件時，碳價格極易產(chǎn)生較大波動，主要體現(xiàn)為方向性溢入指數(shù)波動幅度大；另一方面，由于不同碳試點地區(qū)經(jīng)濟發(fā)展水平、能源消費結(jié)構(gòu)及政府優(yōu)惠政策等存在很大差異，導致中國不同地區(qū)的碳交易市場具有區(qū)域異質(zhì)性［9］，因此其方向性溢出指數(shù)波動程度也不一致，呈現(xiàn)出顯著的地區(qū)時變異質(zhì)性。

2.動態(tài)凈溢出效應分析。隨著時間的變化，各個市場并不會一直為風險接受者或風險溢出者，而是會呈現(xiàn)出時變特性。圖3 為動態(tài)聯(lián)合凈溢出指數(shù)，從中能夠看出各個市場所扮演的風險角色。從碳交易市場來看，歐盟碳交易市場在研究期內(nèi)始終為風險溢出者，中國4個碳交易子市場雖然多為風險接受者，但在研究期內(nèi)常在風險接受者與風險溢出者之間不斷變換；從能源市場來看，原油市場在研究期內(nèi)始終為風險接受者，動力煤市場的風險角色是時變的；低碳股票市場在研究期內(nèi)始終為風險溢出者，表明低碳股票市場的價格變動會給系統(tǒng)中的其他市場帶來風險沖擊。

圖3 動態(tài)聯(lián)合凈溢出指數(shù)

由圖3 還可以發(fā)現(xiàn)，新冠疫情暴發(fā)后即2020 年上半年，原油市場、動力煤市場、深圳碳交易市場、湖北碳交易市場的凈溢出指數(shù)明顯下降，而歐盟碳交易市場、廣東碳交易市場、上海碳交易市場、低碳股票市場的凈溢出指數(shù)明顯增長，表明新冠疫情對碳-能源-低碳股票市場系統(tǒng)產(chǎn)生了巨大沖擊，體現(xiàn)為動態(tài)聯(lián)合凈溢出指數(shù)的大幅波動。其中，歐盟碳交易市場和原油市場受到的影響最大。

（三）穩(wěn)健性檢驗

為進一步驗證以上實證結(jié)果在不同的預測期和滾動窗口期下也具有穩(wěn)健性，本文先將預測期更改為25 期和50 期，重新計算靜態(tài)溢出指數(shù)來檢驗實證結(jié)果，具體如表4 所示。表4 結(jié)果顯示，預測期變?yōu)?5期和50期后的靜態(tài)溢出指數(shù)與預測期為30期是一致的。

表4 不同預測期數(shù)的靜態(tài)溢出指數(shù)/%

進一步地，再將滾動窗口期數(shù)分別設(shè)置為300 和400，重新計算動態(tài)聯(lián)合總溢出指數(shù)來檢驗實證結(jié)果，具體如圖4、圖5 所示。由圖4、圖5 可知，當滾動窗口期增加（減少）后，聯(lián)合總溢出指數(shù)相較于前文所使用的350 期減少（增加）了更多的樣本值，滾動窗口為300 期的樣本數(shù)為1393 個，滾動窗口為400期的樣本數(shù)為1293個，且除了溢出指數(shù)波動范圍略有變化之外，jSOI整體的變化趨勢一致，即聯(lián)合溢出指數(shù)動態(tài)變化趨勢基本不受滾動窗口大小的影響。由此，實證結(jié)果穩(wěn)健。

圖4 滾動窗口為300期的動態(tài)聯(lián)合總溢出指數(shù)

圖5 滾動窗口為400期的動態(tài)聯(lián)合總溢出指數(shù)

五、結(jié)論與建議

（一）結(jié)論

碳排放權(quán)交易是利用市場化手段，以最低的全社會成本降低二氧化碳排放量的有效方式。隨著碳排放權(quán)交易體系的逐漸發(fā)展，合理科學規(guī)避與防范可能出現(xiàn)的系統(tǒng)性風險，形成穩(wěn)定、清晰、合理的碳價信號，建立市場化碳價格形成機制，對于激勵企業(yè)轉(zhuǎn)型升級、降低社會總減排成本、實現(xiàn)我國碳達峰碳中和目標具有重要意義。本文通過構(gòu)建碳-能源-低碳股票市場系統(tǒng)，應用聯(lián)合溢出指數(shù)模型定量分析了碳交易市場、能源市場與低碳股票市場之間的風險聯(lián)動水平及變動趨勢，得到如下結(jié)論：

第一，靜態(tài)溢出效應的實證結(jié)果顯示：碳-能源-低碳股票市場系統(tǒng)內(nèi)部存在風險溢出效應，且系統(tǒng)中風險溢出效應最大的為歐盟碳交易市場；從配對關(guān)聯(lián)溢出效應來看，中國4個碳交易子市場之間存在配對風險溢出效應，其中深圳和湖北碳交易市場的風險溢出效應最為明顯，且二者互為主要風險溢入源，發(fā)展較為成熟的歐盟碳交易市場是原油市場的主要風險源；歐盟碳交易市場、深圳碳交易市場、廣東碳交易市場和低碳股票市場皆為風險傳遞者，而上海碳交易市場、湖北碳交易市場以及兩個能源子市場皆為風險接受者。

第二，動態(tài)風險溢出效應的實證結(jié)果顯示，聯(lián)合溢出指數(shù)呈現(xiàn)出明顯的時變特征，這是因為不同時期所發(fā)生的重大經(jīng)濟政治等不確定事件會給碳-能源-低碳股票市場系統(tǒng)中的部分或者全部子市場帶來價格波動，形成程度不一的風險沖擊效應。值得關(guān)注的是，發(fā)展較為成熟的歐盟碳交易市場在研究期內(nèi)的方向性溢入效應整體波動幅度最小，即使受到新冠疫情沖擊，其方向性溢入效應也只出現(xiàn)了輕微波動；而中國4 個碳交易子市場的方向性溢入效應波動明顯，且波動程度、波動方向均不相同。中國4個碳交易子市場的方向性溢出效應存在明顯的地區(qū)時變異質(zhì)性。

第三，動態(tài)凈溢出指數(shù)顯示：研究期內(nèi)歐盟碳交易市場、低碳股票市場始終扮演著風險溢出者的角色；能源市場中的原油市場為風險接受者，而動力煤市場的角色則具有時變性；中國4 個碳交易子市場盡管也有在風險接受者與風險溢出者兩個角色間不斷轉(zhuǎn)換的現(xiàn)象，但四者多為風險接受者。雖然中國4個碳交易子市場在政策、制度（配額分配、交易數(shù)據(jù)披露、核算、核查）、市場、產(chǎn)品等方面都進行了創(chuàng)造性的探索，但由于各碳交易市場的地方政策背景和覆蓋行業(yè)面不同，交易規(guī)則、排放量計算方法不同，且彼此之間缺乏協(xié)同機制，導致碳市場交易流動性較弱，在不同時期內(nèi)各自的變動趨勢也不盡相同，甚至會呈現(xiàn)截然相反的變動趨勢。當遇到不確定事件如新冠疫情的沖擊時，中國4個碳交易子市場的動態(tài)聯(lián)合凈溢出指數(shù)波動十分明顯。相較于我國，歐盟碳交易市場的抗風險能力更強。

（二）建議

基于上述研究結(jié)論，本文提出如下建議：

一是在中國碳交易市場、歐盟碳交易市場、能源市場、低碳股票市場之間建立有效的風險預警機制，尤其是防范重大經(jīng)濟政治事件對碳價格沖擊的預警機制，采用科學有效的方式方法預測價格波動風險程度，構(gòu)建完善的風險等級體系，以降低風險沖擊所帶來的負面影響。

二是借鑒較早發(fā)展起來的歐盟碳交易市場的運行和管理經(jīng)驗，在覆蓋行業(yè)、配額發(fā)放方式以及交易產(chǎn)品方面進行深化，豐富市場參與主體，提高市場流動性，逐步完善中國碳交易產(chǎn)品價格發(fā)現(xiàn)機制，引導碳配額供需合理化，尤其是要建立能夠靈活調(diào)節(jié)供給的長效機制，如歐盟碳交易市場的市場穩(wěn)定儲備機制（MSR），根據(jù)市場流通配額總量，在獨立運行的儲備庫中吸納和釋放配額，建立“蓄水池”，以提高中國碳交易市場的抗風險沖擊與市場價格穩(wěn)定能力，完善中國碳交易市場政策體系。

三是提高市場流動性，完善碳市場監(jiān)管機制，確保碳交易市場有效發(fā)揮引導資源向低碳活動配置的作用。各個碳交易市場不僅要結(jié)合自身供需和市場情況進行頂層設(shè)計，還要學習借鑒不同碳交易市場的優(yōu)點與成功經(jīng)驗，如上海碳交易市場公開透明的市場化運作機制。未來在碳市場建設(shè)過程中應逐步削減配額，各行業(yè)分批減少免費配額發(fā)放量，構(gòu)建有金融資源充分參與、有流動性的碳交易市場和衍生品市場，有效管理碳交易可能帶來的潛在金融風險和其他風險，建立碳價格穩(wěn)定機制，防范極端情況下碳價格的大幅波動。

四是政府應重視低碳股票市場的促進激勵作用，加快完善相關(guān)金融機構(gòu)信息披露機制。雖然中國低碳行業(yè)尚未進入全面發(fā)展階段，但已在很大程度上受到了資本市場的青睞。投資者對低碳企業(yè)的未來充滿信心，政府應著力為低碳企業(yè)提供良好的投資環(huán)境和發(fā)展空間。此外，隨著碳交易市場主體的多元化，控排企業(yè)和諸多金融機構(gòu)及各類投資者都會對碳交易價格產(chǎn)生不可忽視的影響，但目前中國金融業(yè)的綠色金融標準、信息披露水平和激勵機制尚不符合碳中和的要求，產(chǎn)品體系也未能充分解決低碳投資所面臨的瓶頸。對此，政府應發(fā)揮引導作用，提高金融機構(gòu)對氣候變化所帶來的金融風險的認識，提前制定防范措施，促進社會資本充分參與低碳、零碳建設(shè)，有效防范跨市場間的風險。