徐玉華 黃意強(qiáng)

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

引言

全球氣候變暖加劇，各國(guó)正采取相應(yīng)措施應(yīng)對(duì)這場(chǎng)全球性的危機(jī)?！毒┒甲h定書(shū)》 將各國(guó)聯(lián)系在一起，共同應(yīng)對(duì)氣候問(wèn)題。2016年，在國(guó)際社會(huì)的努力下，《巴黎協(xié)定》 簽署，締約方承諾共同努力實(shí)現(xiàn)2 攝氏度溫控目標(biāo)。中國(guó)作為碳排放大國(guó)，莊嚴(yán)提出2030年實(shí)現(xiàn)碳達(dá)峰，2060年實(shí)現(xiàn)碳中和的偉大目標(biāo)。碳金融市場(chǎng)作為實(shí)現(xiàn)世界低碳經(jīng)濟(jì)發(fā)展，推動(dòng)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(duì)于金融市場(chǎng)的研究，風(fēng)險(xiǎn)是一個(gè)主要課題。眾多學(xué)者對(duì)“風(fēng)險(xiǎn)”發(fā)表了自己的理解，如美國(guó)學(xué)者奈特按是否可度量，明確了風(fēng)險(xiǎn)與不確定性。當(dāng)下主要以狹義和廣義兩個(gè)層面來(lái)理解風(fēng)險(xiǎn)。從狹義的視角來(lái)看，風(fēng)險(xiǎn)表現(xiàn)為損失的不確定性，而從廣義視角來(lái)看，風(fēng)險(xiǎn)則表現(xiàn)為收益的不確定性。金融風(fēng)險(xiǎn)則是在從事金融活動(dòng)過(guò)程中，所伴隨的風(fēng)險(xiǎn)，包括市場(chǎng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)等。碳金融風(fēng)險(xiǎn)是金融風(fēng)險(xiǎn)的擴(kuò)展，表現(xiàn)為碳金融活動(dòng)過(guò)程中遭受損失的不確定性，具體可分為市場(chǎng)風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)、項(xiàng)目風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)和流動(dòng)性風(fēng)險(xiǎn)，其中市場(chǎng)風(fēng)險(xiǎn)最為突出。相比于其他金融資產(chǎn)，碳金融市場(chǎng)價(jià)格波動(dòng)更為復(fù)雜，更容易遭受匯率、價(jià)格等因素的變化的影響。所以，精準(zhǔn)識(shí)別和度量碳金融市場(chǎng)風(fēng)險(xiǎn)，能有效提高碳市場(chǎng)風(fēng)險(xiǎn)管理水平，防范碳市場(chǎng)風(fēng)險(xiǎn)，助力雙碳目標(biāo)實(shí)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(chǎng)和其子市場(chǎng)之間存在著高度的依賴(lài)性，進(jìn)而出現(xiàn)市場(chǎng)間風(fēng)險(xiǎn)聯(lián)動(dòng)現(xiàn)象，嚴(yán)重的將會(huì)影響金融系統(tǒng)的運(yùn)行，因此風(fēng)險(xiǎn)傳染研究一直是風(fēng)險(xiǎn)研究的重要內(nèi)容。

金融風(fēng)險(xiǎn)傳染從宏觀(guān)角度體現(xiàn)為國(guó)家受到?jīng)_擊，市場(chǎng)間依賴(lài)性增強(qiáng)。微觀(guān)角度體現(xiàn)為，金融機(jī)構(gòu)和子市場(chǎng)在受到?jīng)_擊變動(dòng)時(shí)，會(huì)傳遞到聯(lián)系緊密的其他機(jī)構(gòu)和市場(chǎng)，出現(xiàn)“多米諾骨牌”的傳染效應(yīng)［1］。早期風(fēng)險(xiǎn)傳染研究主要圍繞于市場(chǎng)間“兩兩”線(xiàn)性溢出效應(yīng)，研究方法包括GARCH類(lèi)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(xiàn)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(shí)的風(fēng)險(xiǎn)傳染特征，也忽略了金融市場(chǎng)的復(fù)雜性，會(huì)使得市場(chǎng)間風(fēng)險(xiǎn)傳染出現(xiàn)非線(xiàn)性特征。

因此，后續(xù)學(xué)者基于網(wǎng)絡(luò)結(jié)構(gòu)視角對(duì)金融風(fēng)險(xiǎn)傳染進(jìn)行了大量的研究，主要圍繞著收益率溢出［6］、波動(dòng)溢出［7］和尾部風(fēng)險(xiǎn)溢出3 個(gè)角度出發(fā)，構(gòu)造金融風(fēng)險(xiǎn)網(wǎng)絡(luò)。在宏觀(guān)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(shí)體部門(mén)和金融部門(mén)之間的連通性網(wǎng)絡(luò)，分析了實(shí)體部門(mén)和金融市場(chǎng)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(xiǎn)溢出，在波動(dòng)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(xiǎn)傳染特征。楊子暉和王姝黛（2021）［10］從收益溢出和波動(dòng)溢出兩個(gè)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(xiǎn)傳染網(wǎng)絡(luò)，研究風(fēng)險(xiǎn)傳染關(guān)系和驅(qū)動(dòng)機(jī)制。劉超和郭亞?wèn)|（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(shí)間尺度的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，分析了我國(guó)市場(chǎng)行業(yè)間的系統(tǒng)性金融風(fēng)險(xiǎn)特性。從微觀(guān)金融層面，Demirer 等（2018）［12］使用LASSO 方法來(lái)收縮，選擇和估計(jì)連接世界前150 大銀行的公開(kāi)交易子集的高維網(wǎng)絡(luò)，并使用滾動(dòng)窗口估計(jì)動(dòng)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(xiǎn)網(wǎng)絡(luò)，研究房地產(chǎn)企業(yè)間的風(fēng)險(xiǎn)溢出的聚類(lèi)性和傳播途徑。劉超和錢(qián)存（2022）［14］使用貝葉斯網(wǎng)絡(luò)與R 藤Copula-CAViaR-CoVaR 模型對(duì)我國(guó)商業(yè)銀行間的風(fēng)險(xiǎn)溢出效應(yīng)進(jìn)行研究，并構(gòu)建風(fēng)險(xiǎn)傳染網(wǎng)絡(luò)剖析了銀行間的風(fēng)險(xiǎn)傳染路徑。

碳金融市場(chǎng)作為實(shí)現(xiàn)國(guó)家“雙碳”目標(biāo)的新興交易市場(chǎng)，相比于傳統(tǒng)市場(chǎng)有著更大的波動(dòng)性，由此研究其本身的風(fēng)險(xiǎn)溢出和對(duì)其他市場(chǎng)產(chǎn)生的風(fēng)險(xiǎn)傳染效應(yīng)成為必要，目前碳市場(chǎng)風(fēng)險(xiǎn)傳染的研究主要圍繞著碳市場(chǎng)-能源市場(chǎng)、碳市場(chǎng)-碳市場(chǎng)和碳市場(chǎng)-股票市場(chǎng)3 個(gè)角度。能源市場(chǎng)作為碳排放產(chǎn)生的源頭，成為了碳市場(chǎng)運(yùn)行的重要關(guān)注對(duì)象，由此引發(fā)了學(xué)者對(duì)二者的風(fēng)險(xiǎn)研究。Zhang和Sun（2016）［15］基于DCC-GARCH 和BEKKKGARCH 模型，分析了歐洲碳市場(chǎng)和化石能源市場(chǎng)間的動(dòng)態(tài)溢出效應(yīng)。Hanif 等（2021）［16］探討了歐洲排放配額（EUA）價(jià)格與可再生能源指數(shù)之間的頻率波動(dòng)溢出效應(yīng)、連通性和非線(xiàn)性依賴(lài)性。隨著碳市場(chǎng)數(shù)量的增加，碳市場(chǎng)之間的風(fēng)險(xiǎn)聯(lián)動(dòng)關(guān)系也引發(fā)了學(xué)者的關(guān)注。Zhu 等（2020）［17］運(yùn)用Rvine copula-CoES 方法，刻畫(huà)碳市場(chǎng)間的尾部相關(guān)性，進(jìn)而研究了七大碳市場(chǎng)間的風(fēng)險(xiǎn)溢出效應(yīng)。Wang 等（2020）［18］以中國(guó)、美國(guó)和歐盟的碳市場(chǎng)為研究對(duì)象，采用歷史模擬方法和蒙特卡洛模擬對(duì)碳交易市場(chǎng)的風(fēng)險(xiǎn)進(jìn)行測(cè)度，再利用復(fù)雜網(wǎng)絡(luò)研究市場(chǎng)信息傳遞和市場(chǎng)交易企業(yè)決策變化引起的風(fēng)險(xiǎn)傳染。碳市場(chǎng)作為金融市場(chǎng)的一部分，滿(mǎn)足傳統(tǒng)金融市場(chǎng)的風(fēng)險(xiǎn)特性，其波動(dòng)引發(fā)的風(fēng)險(xiǎn)，不僅僅會(huì)對(duì)能源市場(chǎng)和碳市場(chǎng)內(nèi)部產(chǎn)生風(fēng)險(xiǎn)傳染，同樣會(huì)影響到傳統(tǒng)的金融市場(chǎng)，因此也有學(xué)者對(duì)碳市場(chǎng)和股票市場(chǎng)風(fēng)險(xiǎn)溢出進(jìn)行了研究。王喜平和王婉晨（2022）［19］基于廣義預(yù)測(cè)誤差方差分解構(gòu)建溢出指數(shù)，捕捉碳市場(chǎng)和股票市場(chǎng)的風(fēng)險(xiǎn)溢出，在此基礎(chǔ)上構(gòu)建碳市場(chǎng)-股票市場(chǎng)的風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，識(shí)別風(fēng)險(xiǎn)中心和傳染路徑。Tian 等（2022）［20］采用動(dòng)態(tài)溢出方法研究了商品和金融市場(chǎng)以及新興經(jīng)濟(jì)體的碳市場(chǎng)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(guò)對(duì)金融風(fēng)險(xiǎn)傳染的文獻(xiàn)梳理，發(fā)現(xiàn)現(xiàn)有文獻(xiàn)對(duì)風(fēng)險(xiǎn)傳染的研究已經(jīng)相當(dāng)豐富了，但對(duì)于碳市場(chǎng)風(fēng)險(xiǎn)傳染的研究較少。本文將從碳市場(chǎng)與高耗能行業(yè)之間的溢出入手，識(shí)別溢出的機(jī)制和規(guī)律。本文研究了被納入碳市場(chǎng)的高耗能行業(yè)與碳市場(chǎng)間的溢出機(jī)制和風(fēng)險(xiǎn)傳染；使用TVP-VAR方差分解溢出指數(shù)識(shí)別碳市場(chǎng)和高耗能行業(yè)的波動(dòng)溢出效應(yīng)，并構(gòu)建風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)，避免了以往研究使用滑動(dòng)窗口VAR 方法研究時(shí)變溢出效應(yīng)時(shí)價(jià)值信息的損失；研究重大事件沖擊下，碳市場(chǎng)和高耗能行業(yè)風(fēng)險(xiǎn)傳染的變化?？傮w看，本文的研究框架對(duì)分析碳市場(chǎng)風(fēng)險(xiǎn)提供了一些新思路，同時(shí)本文的分析結(jié)論對(duì)于碳市場(chǎng)建設(shè)過(guò)程中如何防范風(fēng)險(xiǎn)傳染問(wèn)題具有一定啟示意義。

1 研究方法

1.1 理論分析

碳市場(chǎng)作為一種市場(chǎng)機(jī)制，建立目的在于方便企業(yè)間購(gòu)買(mǎi)和銷(xiāo)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(chǎng)中，政府每年度向碳市場(chǎng)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(guò)發(fā)放額度，將面臨懲罰。超過(guò)排放額的企業(yè)，可以在碳市場(chǎng)中購(gòu)買(mǎi)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(dòng)節(jié)能降碳。股票市場(chǎng)方面，高耗能企業(yè)綠色轉(zhuǎn)型已是必然趨勢(shì)，其積極參與環(huán)境治理，降低碳排放量，能向市場(chǎng)反映出其未來(lái)可能的潛在價(jià)值，投資者將會(huì)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(shí)，投資者對(duì)其未來(lái)價(jià)值產(chǎn)生悲觀(guān)情緒，因此會(huì)導(dǎo)致股價(jià)出現(xiàn)波動(dòng)乃至下跌。這就使得碳市場(chǎng)和高耗能行業(yè)間聯(lián)系密切?；凇奥?lián)動(dòng)效應(yīng)”理論，在一個(gè)市場(chǎng)發(fā)生價(jià)格波動(dòng)時(shí)，關(guān)聯(lián)市場(chǎng)將會(huì)受到影響，出現(xiàn)聯(lián)動(dòng)現(xiàn)象。因此，本文建立碳市場(chǎng)和高耗能行業(yè)波動(dòng)風(fēng)險(xiǎn)網(wǎng)絡(luò)，研究碳市場(chǎng)和高耗能行業(yè)風(fēng)險(xiǎn)溢出效應(yīng)和傳染路徑。

圖1 碳市場(chǎng)與高耗能行業(yè)風(fēng)險(xiǎn)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(shí)變參數(shù)-向量自回歸（TVP-VAR）模型的動(dòng)態(tài)溢出指數(shù)法進(jìn)行實(shí)證分析。該方法擴(kuò)展了Diebold 和Yilmaz（2014）［7］采用的滾動(dòng)窗VAR 模型構(gòu)建的靜態(tài)溢出指數(shù)模型，克服了主觀(guān)選擇滾動(dòng)窗口所帶來(lái)的偏差，同時(shí)也避免了潛在價(jià)值數(shù)據(jù)的缺失。TVP-VAR（p）模型如下：

預(yù)測(cè)誤差協(xié)方差矩陣為：

獲得預(yù)測(cè)誤差和預(yù)測(cè)誤差協(xié)方差后，可以通過(guò)如下過(guò)程得到廣義預(yù)測(cè)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(diǎn)權(quán)

節(jié)點(diǎn)的度定義為與該節(jié)點(diǎn)連接的邊數(shù)。關(guān)聯(lián)網(wǎng)絡(luò)中節(jié)點(diǎn)的度表示與該節(jié)點(diǎn)相關(guān)聯(lián)的其他節(jié)點(diǎn)數(shù)量，一個(gè)節(jié)點(diǎn)度越大，說(shuō)明該節(jié)點(diǎn)在某種程度上越為重要。點(diǎn)權(quán)是無(wú)權(quán)網(wǎng)絡(luò)節(jié)點(diǎn)度的自然推廣，節(jié)點(diǎn)vi的點(diǎn)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(zhǎng)度

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

（3）聚類(lèi)系數(shù)

1.4 最大樹(shù)形圖

最大樹(shù)形圖模型是最小生成樹(shù)模型的一種拓展，是指在一個(gè)有向圖中存在一個(gè)特殊根點(diǎn)root，從根點(diǎn)出發(fā)到圖中所有節(jié)點(diǎn)而生成的樹(shù)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(gè)節(jié)點(diǎn)vi，它不是任意一條弧的終點(diǎn)，而V中的其他節(jié)點(diǎn)都是唯一的某條弧的終點(diǎn)，則稱(chēng)G是以vi為根的樹(shù)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(diǎn)是v0。最大樹(shù)形圖與最小生成樹(shù)的思想一致，都是基于貪心和縮點(diǎn)的思想?？s點(diǎn)是指將多個(gè)點(diǎn)看成是一個(gè)點(diǎn)，所有連到這幾個(gè)點(diǎn)的邊都看成是連到這個(gè)收縮點(diǎn)，而從這幾個(gè)點(diǎn)出發(fā)的所有邊都看成是從收縮點(diǎn)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(diǎn)的弧中都要取一條最大弧，若對(duì)于某一點(diǎn)vi不是根節(jié)點(diǎn)且其不存在入邊，則不能生成最小樹(shù)形圖，算法結(jié)束；如果除根節(jié)點(diǎn)以外的節(jié)點(diǎn)都存在入邊，則可以得到一個(gè)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(diǎn)。存在3 種情況：①若不存在有向環(huán)且不含收縮點(diǎn)，則計(jì)算結(jié)束，步驟1 生成的就是以v0為根點(diǎn)的最大樹(shù)形圖；②若不存在有向環(huán)但含有收縮點(diǎn)，則需要展開(kāi)收縮點(diǎn)；③若存在有向環(huán)，則需要將有向環(huán)收縮成一個(gè)點(diǎn)，生成一個(gè)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(gè)點(diǎn)，此時(shí)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(gè)新的圖G1。與原圖G相比，新圖G1中以該收縮點(diǎn)為終點(diǎn)的弧的長(zhǎng)度變化方向不變，且關(guān)于是否生成最大樹(shù)形圖的性質(zhì)不變。同時(shí)需要對(duì)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(kāi)收縮點(diǎn)

若原圖存在有向環(huán)，且新圖G1的最大樹(shù)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(gè)收縮點(diǎn)展開(kāi)成有向環(huán)，同時(shí)去掉T1中有相同終點(diǎn)的弧，其他弧都屬于T。

2 實(shí)證分析

2.1 變量選取與數(shù)據(jù)描述

盡管全國(guó)碳排放權(quán)交易已于2021年7月16日正式開(kāi)市，但目前交易數(shù)據(jù)有限，因此選取區(qū)域碳交易市場(chǎng)數(shù)據(jù)進(jìn)行研究。大部分碳市場(chǎng)的研究局限于使用部分碳市場(chǎng)的數(shù)據(jù)進(jìn)行研究，不能準(zhǔn)確反映碳市場(chǎng)整體的波動(dòng)，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(chǎng)碳交易價(jià)格波動(dòng)進(jìn)行匯總，選取平均值代表整個(gè)碳市場(chǎng)的風(fēng)險(xiǎn)波動(dòng)。區(qū)域碳市場(chǎng)的價(jià)格數(shù)據(jù)來(lái)自于四川聯(lián)合環(huán)境交易所。

為研究碳市場(chǎng)與高耗能行業(yè)市場(chǎng)間的波動(dòng)溢出，本文基于區(qū)域碳市場(chǎng)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(gè)股票行業(yè)板塊作為高耗能行業(yè)研究對(duì)象，數(shù)據(jù)來(lái)源于東方財(cái)富Choice數(shù)據(jù)庫(kù)。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(gè)觀(guān)測(cè)對(duì)象日時(shí)間序列包含968個(gè)值。對(duì)各行業(yè)計(jì)算對(duì)數(shù)收益率，即對(duì)各行業(yè)的收盤(pán)價(jià)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(jì)。

表1 描述性統(tǒng)計(jì)

由表1 可以看出，碳市場(chǎng)的波動(dòng)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(guān)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(guò)JB 檢驗(yàn)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(yàn)，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(kāi)始，新冠肺炎疫情逐步蔓延至全國(guó)，對(duì)我國(guó)經(jīng)濟(jì)運(yùn)行體系產(chǎn)生了嚴(yán)重沖擊，加大了宏觀(guān)環(huán)境的不確定性。在此期間，資本市場(chǎng)波動(dòng)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(duì)碳排放權(quán)需求降低，碳市場(chǎng)交易活動(dòng)減少，流動(dòng)性風(fēng)險(xiǎn)增大。因此，為研究新冠肺炎疫情對(duì)碳市場(chǎng)造成的影響，本文將新冠肺炎疫情暴發(fā)點(diǎn)作為分界線(xiàn)，將樣本區(qū)間分成前疫情時(shí)期和疫情時(shí)期，前疫情時(shí)期為2019年1月1日～2020年1月1日，疫情時(shí)期為2020年1月1日～12月31日。2021年全國(guó)碳市場(chǎng)上線(xiàn)交易，電力行業(yè)首批被納入全國(guó)碳市場(chǎng)，碳市場(chǎng)規(guī)模進(jìn)一步擴(kuò)大，無(wú)疑增強(qiáng)了碳市場(chǎng)的風(fēng)險(xiǎn)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(dòng)溢出指數(shù)分析

圖2 是基于時(shí)變參數(shù)-向量自回歸（TVP-VAR）模型構(gòu)造出的碳市場(chǎng)和高耗能行業(yè)板塊的動(dòng)態(tài)溢出效應(yīng)圖。其中TO 代表的是該市場(chǎng)對(duì)其他市場(chǎng)的溢出效應(yīng)，用虛線(xiàn)表示，F(xiàn)ROM 代表其他市場(chǎng)對(duì)該市場(chǎng)的溢入效應(yīng)，用點(diǎn)線(xiàn)表示，NET 代表的是凈溢出效應(yīng)，用實(shí)線(xiàn)表示。從圖2 可以看出，碳市場(chǎng)相比高耗能行業(yè)，風(fēng)險(xiǎn)溢出并不強(qiáng)烈，但卻有著明顯的波動(dòng)現(xiàn)象，原因在于碳市場(chǎng)尚在建設(shè)階段，規(guī)模較小且風(fēng)險(xiǎn)溢出能力較弱。在2020年初期和2021年間，碳市場(chǎng)溢出出現(xiàn)明顯波動(dòng)，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(guó)碳市場(chǎng)建立，帶來(lái)了更多的不確定性。觀(guān)察高耗能行業(yè)，在2020年初期，都產(chǎn)生了不穩(wěn)定波動(dòng)。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(guó)碳市場(chǎng)的行業(yè)，為實(shí)現(xiàn)履約，采取了保守的經(jīng)營(yíng)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(duì)碳市場(chǎng)和高耗能行業(yè)風(fēng)險(xiǎn)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(guó)碳市場(chǎng)建立）的靜態(tài)溢出指數(shù)表進(jìn)行分析?？紤]篇幅有限，本文僅展示了疫情暴發(fā)前時(shí)期，碳市場(chǎng)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(chǎng)溢出較少，更多的是作為風(fēng)險(xiǎn)的溢入方，凈溢入效應(yīng)為-3.98，說(shuō)明其受到其他市場(chǎng)的風(fēng)險(xiǎn)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(shuō)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(xiǎn)的凈溢出方，其中化工行業(yè)的凈溢出效應(yīng)最高，說(shuō)明化工行業(yè)是風(fēng)險(xiǎn)的主要貢獻(xiàn)者。進(jìn)一步觀(guān)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(chǎng)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(duì)化工行業(yè)對(duì)碳市場(chǎng)的溢入效應(yīng)有了明顯增加。這說(shuō)明碳市場(chǎng)在面臨重大公共事件沖擊時(shí)，極易受到風(fēng)險(xiǎn)傳染，出現(xiàn)劇烈波動(dòng)，從而增加碳市場(chǎng)的不確定性。觀(guān)察三階段靜態(tài)溢出指數(shù)表發(fā)現(xiàn)，全國(guó)碳市場(chǎng)建立后，碳市場(chǎng)的總溢出效應(yīng)顯著提高，說(shuō)明隨著碳市場(chǎng)規(guī)模的進(jìn)一步擴(kuò)大，其對(duì)高耗能行業(yè)的沖擊能力顯著提升。觀(guān)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(xiǎn)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(xiǎn)傳染路徑。本文將碳市場(chǎng)和高耗能行業(yè)各板塊作為網(wǎng)絡(luò)節(jié)點(diǎn)，板塊間的凈配對(duì)溢出指數(shù)作為邊的權(quán)重，凈配對(duì)溢出指數(shù)為正則為溢出，為負(fù)則為溢入。然后對(duì)凈配對(duì)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(shù)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(gè)最佳閾值選擇的問(wèn)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(jì)學(xué)中1%、5%和10%的拒絕域，采用10%作為剔除凈配對(duì)溢出指數(shù)較小的連邊的閾值，構(gòu)建波動(dòng)溢出網(wǎng)絡(luò)以反映風(fēng)險(xiǎn)傳染的變化情況。原因在于，1%、5%作為閾值時(shí)，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(dòng)溢出網(wǎng)絡(luò)圖。圖中深色節(jié)點(diǎn)表示該對(duì)象是風(fēng)險(xiǎn)的凈溢出方，淺色節(jié)點(diǎn)代表凈溢入方，圓圈的大小代表總的溢出值，線(xiàn)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(xiǎn)溢出對(duì)象，有色金屬行業(yè)、水泥行業(yè)、石油行業(yè)和碳市場(chǎng)是這一時(shí)期的主要風(fēng)險(xiǎn)接收對(duì)象，說(shuō)明在該時(shí)期這幾個(gè)板塊在網(wǎng)絡(luò)中是風(fēng)險(xiǎn)傳染的關(guān)鍵節(jié)點(diǎn)。但該階段碳市場(chǎng)與高耗能行業(yè)間的風(fēng)險(xiǎn)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(xiǎn)溢出網(wǎng)絡(luò)

圖4 二階段風(fēng)險(xiǎn)溢出網(wǎng)絡(luò)

圖5 三階段風(fēng)險(xiǎn)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(chǎng)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(chǎng)和水泥行業(yè)依舊是風(fēng)險(xiǎn)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(xiǎn)的溢出方。第三階段風(fēng)險(xiǎn)網(wǎng)絡(luò)連接密度進(jìn)一步提高，風(fēng)險(xiǎn)溢出節(jié)點(diǎn)減少?；ば袠I(yè)溢出強(qiáng)度加強(qiáng)，成為了網(wǎng)絡(luò)的溢出中心，碳市場(chǎng)始終處于溢入地位。

進(jìn)一步用最大樹(shù)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(shù)形圖?？梢钥闯龌ば袠I(yè)在3 個(gè)時(shí)期均處于樹(shù)形圖的根點(diǎn)，證明了化工行業(yè)絕對(duì)的風(fēng)險(xiǎn)溢出地位。一、二階段碳市場(chǎng)并未受到化工行業(yè)直接風(fēng)險(xiǎn)傳染，而是受到了鋼鐵行業(yè)和煤炭行業(yè)的風(fēng)險(xiǎn)溢出。鋼鐵行業(yè)和煤炭行業(yè)接收風(fēng)險(xiǎn)小于溢出風(fēng)險(xiǎn)，可以說(shuō)明二者有效的將風(fēng)險(xiǎn)轉(zhuǎn)嫁給了碳市場(chǎng)。對(duì)比一、二階段的最大樹(shù)形圖可以得出，新冠肺炎疫情沖擊下并未對(duì)關(guān)鍵傳染路徑產(chǎn)生較大影響，只有碳市場(chǎng)的風(fēng)險(xiǎn)溢入方發(fā)生了變化。第三階段樹(shù)形圖，相較于前兩階段有了明顯變化。碳市場(chǎng)從風(fēng)險(xiǎn)接收方，變?yōu)榱孙L(fēng)險(xiǎn)的轉(zhuǎn)嫁方。被納入全國(guó)碳市場(chǎng)的電力行業(yè)成為了煤炭行業(yè)的風(fēng)險(xiǎn)轉(zhuǎn)嫁對(duì)象。

圖6 一階段最大樹(shù)形圖

圖8 三階段最大樹(shù)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(duì)各節(jié)點(diǎn)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(lèi)系數(shù)，平均路徑長(zhǎng)度和直徑。從平均聚類(lèi)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(shuō)明在重大事件產(chǎn)生時(shí)，碳市場(chǎng)和高耗能行業(yè)間的聯(lián)系會(huì)更加緊密，更容易出現(xiàn)風(fēng)險(xiǎn)相互傳染。二、三階段的平均路徑長(zhǎng)度和直徑有所減小，說(shuō)明節(jié)點(diǎn)與節(jié)點(diǎn)之間的風(fēng)險(xiǎn)傳染距離縮短，風(fēng)險(xiǎn)更容易在節(jié)點(diǎn)之間進(jìn)行傳染，進(jìn)而導(dǎo)致大規(guī)模的風(fēng)險(xiǎn)波動(dòng)。

表3 網(wǎng)絡(luò)結(jié)構(gòu)特征

表4 展示了三階段各節(jié)點(diǎn)的點(diǎn)權(quán)分布。一階段碳市場(chǎng)，有色金屬和水泥行業(yè)是具有較高的入度點(diǎn)權(quán)，是主要溢入節(jié)點(diǎn)，化工行業(yè)有著最大的出度點(diǎn)權(quán)，說(shuō)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(shí)期，碳市場(chǎng)、紡織和水泥行業(yè)處于風(fēng)險(xiǎn)溢入的中心地位，化工依舊是溢出的核心。三階段時(shí)期，多個(gè)溢入中心出現(xiàn)，主要的溢出行業(yè)為鋼鐵和化工?？傮w而言，碳市場(chǎng)始終是溢入核心，這在一定程度上是由于碳市場(chǎng)機(jī)制不夠健全，尚處于發(fā)展階段，穩(wěn)定性較差所致?；ば袠I(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(xiǎn)波動(dòng)時(shí)，將會(huì)從上游逐步向下游擴(kuò)散，因此成為主要的溢出節(jié)點(diǎn)。

表4 點(diǎn)權(quán)分布

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

接近度中心性反映了節(jié)點(diǎn)在網(wǎng)絡(luò)中居于中心的程度，其度量思想在于一個(gè)節(jié)點(diǎn)與多個(gè)節(jié)點(diǎn)都很接近，這說(shuō)明該節(jié)點(diǎn)處于網(wǎng)絡(luò)的中心地位。考慮本文研究對(duì)象是有向的非連通圖，參考Dangalchev（2006）［22］接近度中心性計(jì)算方法，計(jì)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(chǎng)出度接近中心性為0，原因在于其作為風(fēng)險(xiǎn)的接收方，沒(méi)有對(duì)其他市場(chǎng)產(chǎn)生溢出效應(yīng)，與其他市場(chǎng)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(chǎng)是風(fēng)險(xiǎn)溢入的核心，在電力行業(yè)被納入全國(guó)碳市場(chǎng)后，電力行業(yè)則取代碳市場(chǎng)成為了核心的風(fēng)險(xiǎn)溢入點(diǎn)。

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(cè)度網(wǎng)絡(luò)節(jié)點(diǎn)重要性的一個(gè)重要指標(biāo)，其度量思想為一個(gè)節(jié)點(diǎn)在最短路徑上出現(xiàn)的次數(shù)越多，該節(jié)點(diǎn)越重要。通過(guò)計(jì)算發(fā)現(xiàn)，在一、二階段節(jié)點(diǎn)之間直接相連，最短路徑為1，無(wú)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(diǎn)的介數(shù)中心性。從表5 可以看出，碳市場(chǎng)的介數(shù)中心性排名第一，說(shuō)明碳市場(chǎng)在網(wǎng)絡(luò)中具有較強(qiáng)的中介性，會(huì)推動(dòng)風(fēng)險(xiǎn)溢出的速度。

表5 介數(shù)中心性

PageRank 值是測(cè)算有向網(wǎng)絡(luò)節(jié)點(diǎn)重要性的指標(biāo)之一。作為特征向量中心性的一個(gè)變種，PageRank算法首先給定每個(gè)點(diǎn)一個(gè)初始值，假設(shè)甲節(jié)點(diǎn)指向乙節(jié)點(diǎn)，乙獲得分值，同時(shí)甲節(jié)點(diǎn)本身的分值越高，乙獲得的分值也越高，說(shuō)明當(dāng)指向節(jié)點(diǎn)越重要時(shí)，被指向節(jié)點(diǎn)也更重要。圖11 給出了三階段各個(gè)節(jié)點(diǎn)的PageRank 值，可以看出在一、二階段碳市場(chǎng)的PageRank 得分處于第一位，反映了碳市場(chǎng)在網(wǎng)絡(luò)中具有重要地位。第二階段，碳市場(chǎng)的PageRank 得分有所上漲，說(shuō)明在新冠肺炎疫情沖擊下，碳市場(chǎng)在網(wǎng)絡(luò)中的重要性進(jìn)一步提高。第三階段，全國(guó)碳市場(chǎng)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(chǎng)成為了控制碳排放的重要手段。由于其建設(shè)時(shí)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(chǎng)風(fēng)險(xiǎn)研究成為一個(gè)重要課題。本文選取區(qū)域碳市場(chǎng)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(duì)象，基于廣義預(yù)測(cè)誤差方差分解構(gòu)建溢出指數(shù)，研究碳市場(chǎng)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(chǎng)和高耗能行業(yè)的風(fēng)險(xiǎn)波動(dòng)，以及風(fēng)險(xiǎn)如何在兩者間進(jìn)行傳導(dǎo)。

實(shí)證研究得出，碳市場(chǎng)和高耗能行業(yè)之間存在波動(dòng)溢出效應(yīng)，且具有不對(duì)稱(chēng)性和不確定性，相互之間存在較強(qiáng)的聯(lián)動(dòng)性。從風(fēng)險(xiǎn)溢出方向來(lái)看，碳市場(chǎng)主要作為風(fēng)險(xiǎn)的接收方，在受到極端事件沖擊時(shí)，會(huì)成為風(fēng)險(xiǎn)傳染的關(guān)鍵節(jié)點(diǎn)。此外，在全國(guó)碳市場(chǎng)建立后，碳市場(chǎng)的溢入和溢出效應(yīng)有了明顯的提高，說(shuō)明隨著規(guī)模的擴(kuò)大，碳市場(chǎng)本身的波動(dòng)性出現(xiàn)了放大現(xiàn)象?；ば袠I(yè)總體來(lái)說(shuō)是風(fēng)險(xiǎn)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(xiǎn)通過(guò)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(guó)碳市場(chǎng)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(xiǎn)的沖擊。因此，應(yīng)逐步擴(kuò)大碳金融市場(chǎng)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(chǎng)風(fēng)險(xiǎn)韌性。同時(shí)在碳市場(chǎng)規(guī)模擴(kuò)大時(shí)，防范碳市場(chǎng)自身對(duì)傳統(tǒng)高耗能行業(yè)的風(fēng)險(xiǎn)擴(kuò)散，推動(dòng)“雙碳”目標(biāo)穩(wěn)中有進(jìn)的實(shí)現(xiàn)。

（2）對(duì)于政策制定者而言，防范碳金融風(fēng)險(xiǎn)不能僅局限于碳市場(chǎng)本身，也需考慮復(fù)雜的金融市場(chǎng)環(huán)境。監(jiān)管部門(mén)應(yīng)完善碳市場(chǎng)風(fēng)險(xiǎn)識(shí)別和預(yù)警機(jī)制，在可能發(fā)生較大市場(chǎng)風(fēng)險(xiǎn)時(shí)，利用壓力測(cè)試方法檢測(cè)碳市場(chǎng)在極端情況下的表現(xiàn)，減少碳市場(chǎng)自身風(fēng)險(xiǎn)發(fā)生的可能；另外，從風(fēng)險(xiǎn)網(wǎng)絡(luò)視角出發(fā)，警惕高耗能行業(yè)的風(fēng)險(xiǎn)傳導(dǎo)，識(shí)別網(wǎng)絡(luò)中心，對(duì)關(guān)鍵節(jié)點(diǎn)進(jìn)行有效監(jiān)督，降低個(gè)體風(fēng)險(xiǎn)傳染概率和范圍。

（3）對(duì)于高耗能行業(yè)而言，既要關(guān)注宏觀(guān)環(huán)境所帶來(lái)的風(fēng)險(xiǎn)，也需要應(yīng)對(duì)來(lái)自碳市場(chǎng)波動(dòng)的風(fēng)險(xiǎn)。因此，高耗能行業(yè)應(yīng)該搭建符合自身特點(diǎn)的財(cái)務(wù)預(yù)警模型，演繹宏觀(guān)環(huán)境變化對(duì)企業(yè)財(cái)務(wù)可能的影響，同時(shí)加速綠色創(chuàng)新研發(fā)，實(shí)現(xiàn)企業(yè)的綠色轉(zhuǎn)型發(fā)展，以此降低可能的風(fēng)險(xiǎn)損失。