郭 森，張凱文，祁 澤

（1. 華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院, 北京 102206；2. 新能源電力與低碳發(fā)展研究北京市重點實驗室（華北電力大學(xué)）, 北京 102206）

在能源結(jié)構(gòu)轉(zhuǎn)型和“雙碳”目標(biāo)背景下，我國正大力推動碳市場建設(shè)，以期利用市場機(jī)制推動碳減排步伐，實現(xiàn)經(jīng)濟(jì)綠色高質(zhì)量發(fā)展。與此同時，通過對現(xiàn)有能源結(jié)構(gòu)和經(jīng)濟(jì)發(fā)展趨勢的判斷，在現(xiàn)階段及今后的一段時期，能源轉(zhuǎn)型仍需立足以煤為主的基本國情。在此基本國情下的碳減排行動將催生煤炭價格和二氧化碳排放成本的較強關(guān)聯(lián)關(guān)系。

目前，不同學(xué)者運用多種模型研究了碳市場中碳價的影響因素及風(fēng)險溢出效應(yīng)。辛姜（2018）等人利用向量自回歸模型對不同條件下的碳價波動特征進(jìn)行分析，結(jié)果顯示碳價會受到金融市場和工業(yè)市場等的影響[1]。夏睿瞳（2018）利用AR-GARCH 模型對深圳市、北京市、上海市、天津市和武漢省碳排放交易市場的日收益率序列進(jìn)行擬合，結(jié)果顯示當(dāng)期的收益率會受到內(nèi)部沖擊和外部沖擊的雙重影響，滯后期會對當(dāng)前收益率造成影響，外部沖擊會加大收益率的波動，使波動時間變長[2]。王心悅（2021）對我國五個試點地區(qū)的碳市場收益率和交易價格進(jìn)行分析，結(jié)果顯示不同地區(qū)的碳價和碳價收益率存在顯著差別，但外部信息會對不同地區(qū)碳價造成影響，使得碳價發(fā)生波動[3]。周子璇（2021）利用ARIMA 模型探究碳價的特征，結(jié)果顯示碳價呈非線性特征[4]。李菲菲等人（2019）利用GARCH 模型對六大碳市場的碳價數(shù)據(jù)的波動性進(jìn)行分析，結(jié)果顯示上海碳價波動幅度較大，北京的碳價收益率在極端情況下所面臨的風(fēng)險損失最大[5]。吳永等人（2021）構(gòu)建ARMAGARCH（1,1）模型對試點地區(qū)的碳價進(jìn)行分析，結(jié)果顯示風(fēng)險溢出效應(yīng)僅存在于部分碳市場之間[6]。王喜平（2021）等人對歐洲碳市場對國內(nèi)碳市場的風(fēng)險溢出效應(yīng)進(jìn)行分析，結(jié)果顯示歐洲碳市場對國內(nèi)碳市場表現(xiàn)為正向的風(fēng)險溢出[7]。張建文（2020）采用GARCH 模型和D-Y 溢出指數(shù)對我國地方碳市場之間的風(fēng)險溢出效應(yīng)進(jìn)行刻畫，結(jié)果顯示碳市場的風(fēng)險溢出效應(yīng)具有時變性[8]。楊靜（2021）采用BEKK-GARCH 和DCC-GARCH 模型分析資本市場和碳市場的風(fēng)險溢出效應(yīng)，指出資本市場與碳市場存在明顯的風(fēng)險溢出效應(yīng)[9]。Bredin 等人研究經(jīng)濟(jì)環(huán)境、能源市場和氣候環(huán)境等外部因素對歐洲碳價的影響，結(jié)果顯示上述影響因素均會對歐盟的碳價產(chǎn)生有利影響[10]。Benz（2009）對歐洲碳市場進(jìn)行分析，發(fā)現(xiàn)碳價格收益率具有高峰值，尾部較粗和波動性集聚等特征[11]。Alberola 等人（2008）則通過分析歐美碳價的影響因素，發(fā)現(xiàn)能源價格和溫度能對歐美碳價造成影響[12]。Seifert（2008）通過構(gòu)建歐盟碳現(xiàn)貨價格的隨機(jī)均衡模型來分析歐盟碳市場的影響因素，結(jié)果表明歐盟碳現(xiàn)貨價格不受季節(jié)性影響[13]。Lin 和Chen（2019）分析北京碳市場、煤炭市場和資本市場間的動態(tài)關(guān)系和風(fēng)險溢出效應(yīng)，結(jié)果表明北京碳市場與煤炭市場間不存在風(fēng)險溢出效應(yīng)[14]。此外，Chang 和Ye（2019）對我國碳市場與能源市場的風(fēng)險關(guān)系進(jìn)行分析，指出能源市場與碳市場之間存在風(fēng)險溢出效應(yīng)[15]。Balcilar 等（2016）通過分析能源市場與歐洲碳市場之間的動態(tài)關(guān)系和風(fēng)險溢出效應(yīng)，發(fā)現(xiàn)能源市場與碳市場的關(guān)系存在明顯的時效性，且風(fēng)險溢出效應(yīng)顯著[16]。

上述文獻(xiàn)中，一些學(xué)者分析了碳市場與能源市場之間的動態(tài)關(guān)系和風(fēng)險溢出效應(yīng)，研究表明碳市場和能源市場的動態(tài)關(guān)系和風(fēng)險溢出效應(yīng)會隨碳市場建設(shè)地點、氣候環(huán)境等外部因素發(fā)生變化。但上述研究主要是基于模型所估計出的相關(guān)系數(shù)顯著性分析兩個市場的風(fēng)險溢出效應(yīng)，缺乏對溢出的時變性和方向性的考察，并且上述文獻(xiàn)主要從全國視角剖析了能源市場對碳市場的單向風(fēng)險溢出關(guān)系，缺乏對地區(qū)之間異質(zhì)性的分析，沒有對不同地區(qū)碳市場和煤炭市場之間的雙向風(fēng)險溢出效應(yīng)進(jìn)行深入分析。因此，本文考慮我國碳市場發(fā)展現(xiàn)狀及不同試點地區(qū)之間的經(jīng)濟(jì)結(jié)構(gòu)、資源環(huán)境的異質(zhì)性，運用DCC-GARCH-ΔCoVaR 模型對武漢、廣東、深圳碳市場和煤炭市場的風(fēng)險溢出效應(yīng)進(jìn)行研究，分析不同地區(qū)碳市場和煤炭市場之間的風(fēng)險溢出時變性和方向性，從而為我國完善地區(qū)碳市場和能源市場機(jī)制提供政策參考，亦能夠為市場主體規(guī)避碳市場與能源市場風(fēng)險提供決策幫助。

一、研究設(shè)計

（一） DCC-GARCH 模型

DCC-GARCH 模型最早由Engle（2002）[17]提出，該模型用來描寫兩個變量在同一時刻的非線性關(guān)系，兩個變量的DCC-GARCH 模型表達(dá)式為：

其中，Rt、 θ1、 θ2分別為動態(tài)條件相關(guān)系數(shù)矩陣、正的標(biāo)量參數(shù)、負(fù)的標(biāo)量參數(shù)，且θ1+θ2<1,qAB為t 時期變量A、B之間的協(xié)方差。

因此基于DCC-GARCH（1,1）模型，兩個變量的動態(tài)相關(guān)系數(shù)ρAB,t的計算公式為：

動態(tài)條件相關(guān)系數(shù)ρAB,t越大，表示風(fēng)險溢出效應(yīng)的程度越高。即當(dāng)其中一個變量所代表的市場價格發(fā)生大幅度波動，所對應(yīng)的另一個市場的價格波動幅度也會增大。

（二） CoVaR 模型

通常VaR 方法主要用來衡量在某一置信水平下，單個資產(chǎn)或機(jī)構(gòu)所面臨的最大損失，但是該方法只能用來衡量單個資產(chǎn)或機(jī)構(gòu)內(nèi)部的風(fēng)險，無法衡量外部資產(chǎn)或機(jī)構(gòu)波動所造成的系統(tǒng)性風(fēng)險。系統(tǒng)性風(fēng)險的主要特征為：1.一個極端事件對整個系統(tǒng)造成沖擊，2.該極端事件也讓第三方承擔(dān)額外的成本。因此系統(tǒng)性風(fēng)險的典型特征表現(xiàn)為風(fēng)險存在溢出性和傳染性[18]。

CoVaR 方法對VaR 方法進(jìn)行改進(jìn)，可以用來衡量系統(tǒng)性金融風(fēng)險，CoVaR 表示在給定的時間和置信水平下，變量A發(fā)生損失時，變量B所面臨的最大潛在風(fēng)險損失。因此當(dāng)變量A的所面臨風(fēng)險損失為VaRqA時，變量B的所面臨最大風(fēng)險潛在損失為：

式中CoVaRqBA為變量B所面臨的最大潛在風(fēng)險損失，1-q 為置信水平，在此基礎(chǔ)上構(gòu)建變量 A 對變量 B 的ΔCoVaR 模型：

（三） DCC-GARCH-ΔCoVaR 模型

根據(jù)王周偉（2015）[19]對VaR 的定義，單個資產(chǎn)的VaR 計算式為:

由式（1）-（9）可推導(dǎo)出基于DCC-GARCH 模型的變量A對變量B的風(fēng)險溢出效應(yīng)值：

二、實證分析

（一） 數(shù)據(jù)選取和處理

我國現(xiàn)有8 個碳市場試點地區(qū)，即北京、上海、天津、重慶、湖北、廣東、福建和深圳八省市地區(qū)，其中重慶、福建、天津和上海的碳交易量小，碳市場不活躍，在一段時間處于暫停交易階段，不具備實證的條件，將以上四個市場剔除。北京碳排放市場雖然成立時間早，但是北京市在2016 年起就開始限制煤炭的使用，煤炭對碳排放市場的溢出效應(yīng)無法很好地反映，且北京碳市場交易量小，交易不活躍。因此本文選取成立時間長、交易量大的武漢碳市場、深圳碳市場和廣東碳市場作為研究對象。

武漢碳市場在三個市場中最晚成立，相關(guān)數(shù)據(jù)從2014 年5 月開始，本文選取2014 年5 月5 日到2021 年10 月14 日的武漢碳價收盤價格、廣東碳價收盤價格、深圳碳價收盤價格以及動力煤價格的日度數(shù)據(jù)，刪除日期不重合的數(shù)據(jù)，得到有效數(shù)據(jù)5372 個。對有效數(shù)據(jù)進(jìn)行對數(shù)化處理，所得到的數(shù)據(jù)不僅可以用來衡量收益率，還消除了異方差問題。其中武漢碳價、深圳碳價、廣東碳價來自碳排放交易網(wǎng)（http://www.tanpaifang.com/），煤炭價格數(shù)據(jù)來自Wind 數(shù)據(jù)庫。

對相關(guān)數(shù)據(jù)進(jìn)行定義，R1表示武漢碳價收益率序列，R2表示廣東碳價收益率序列，R3表示深圳碳價收益率序列，R4表示煤炭價格收益率序列。

（二） 數(shù)據(jù)的描述性統(tǒng)計和ADF 檢驗

由表1 可知，武漢、廣東、深圳的碳價收益率序列以及煤炭價格收益率序列的J-B 統(tǒng)計量p 值都為0，說明4 個市場的收益率序列都不服從正態(tài)分布。從標(biāo)準(zhǔn)差來看，深圳碳價收益率的數(shù)值最大，為0.388，說明深圳的碳價收益率波動及對應(yīng)風(fēng)險相對于其他三個市場大。武漢、廣東、深圳的碳價收益率序列以及煤炭價格收益率序列在99%的置信度水平下都是顯著的，說明3 個碳市場和煤炭市場的收益率均為平穩(wěn)序列，可以進(jìn)行后續(xù)ARCH 檢驗。

表1 描述性統(tǒng)計和ADF 檢驗

（三） 自相關(guān)檢驗與ARCH 檢驗

對四個收益率序列進(jìn)行自相關(guān)性檢驗。通過檢驗可知，R1、R3、R4存在自相關(guān)性，R2不存在自相關(guān)性。因此對上述變量建立多個ARMA 模型，并根據(jù)AIC 值和SC 值確定各變量的最終方程，并對最終方程進(jìn)行ARCH 檢驗，檢驗結(jié)果如下表2 所示：

表2 ARCH 檢驗表

可以發(fā)現(xiàn)，R1，R2，R3，R4的F 統(tǒng)計量在99%的水平下顯著，說明對各變量所建立的模型存在ARCH 效應(yīng)，進(jìn)而對各變量構(gòu)建GARCH 模型。

（四） GARCH 模型構(gòu)建

由上文可知，四個收益率存在ARCH 效應(yīng)，考慮4 個市場中可能存在非對稱效應(yīng)。因此分別對4 個市場構(gòu)建GARCH 模型、TGARCH 模型、EGARCH 模型，結(jié)果如表3 所示：

表3 模型擬合表

其中， α0表示常數(shù)項， α1表示ARCH 項系數(shù)，在經(jīng)濟(jì)學(xué)中解釋為外部沖擊對條件方差的影響，反映市場對外部沖擊的敏感程度； β表示GARCH 項系數(shù)，在經(jīng)濟(jì)學(xué)中解釋為內(nèi)部沖擊對條件方差的影響，反映了收益率波動的持續(xù)性； γ表示非對稱項系數(shù)，在經(jīng)濟(jì)學(xué)中表示杠桿效應(yīng)，由表3 可知：R1，R2，R3，R4的 γ均不為0，各變量均存在非對稱效應(yīng)。綜合模型系數(shù)、AIC 和SC 信息準(zhǔn)則，對R1，R2和R3構(gòu)建TGARCH 模型，對R4構(gòu)建GARCH 模型。

α1數(shù)值顯示，R1>R2>R3>R4，說四個市場中武漢碳市場對新信息最敏感，廣東和深圳次之，煤炭市場對新信息的反映最為遲鈍。 β數(shù)值顯示，R3>R2>R4>R1，說明市場沖擊對深圳碳市場造成的沖擊最為持久。R1和R2的 γ都大于0，說明武漢碳市場和廣東碳市場存在杠桿效應(yīng)，也就是說當(dāng)市場中存在新消息時，新消息會對這兩個市場造成正向沖擊，且該沖擊還會隨著杠桿效應(yīng)不斷加大。R3和R4的 γ都小于0，說明非對稱效應(yīng)使得市場波動減小，當(dāng)有新消息存在時，會使得深圳碳市場和煤炭市場的波動減小。

（一） 模型結(jié)果和分析

1. 武漢碳市場和煤炭市場

利用R1和R4的GARCH 模型所得出的殘差序列進(jìn)行DCC-GARCH 分析，從而得到廣東碳市場和煤炭市場之間的動態(tài)相關(guān)系數(shù)、風(fēng)險溢出關(guān)系以及風(fēng)險溢出值，動態(tài)相關(guān)系數(shù)如圖1 所示。

圖1 R4 與R1 的動態(tài)相關(guān)系數(shù)

結(jié)合圖1 結(jié)果從波動范圍進(jìn)行分析，2014—2020 年R1和R4的動態(tài)相關(guān)系數(shù)在-0.2 與0.2 范圍內(nèi)波動，到了2021 年動態(tài)相關(guān)系數(shù)波動幅度增大，在-0.4 與0.4 之間波動；從動態(tài)方向進(jìn)行分析，2014 年—2020 年R1與R4總體呈現(xiàn)出正向的動態(tài)關(guān)系。

當(dāng)煤價出現(xiàn)劇烈波動時，兩個市場的相關(guān)系數(shù)隨之發(fā)生劇烈波動，煤炭市場通過電力企業(yè)這一中介因素對碳市場產(chǎn)生影響。圖2 顯示武漢碳價和煤炭兩個市場的風(fēng)險溢出關(guān)系。

圖2 武漢碳市場與煤炭市場的風(fēng)險溢出關(guān)系

從表4 和圖2 可以看出，R4的CoVaR 的值比R1的值大，說明煤炭價格的條件風(fēng)險價值比武漢碳交易價格的條件風(fēng)險價值大。從兩個市場的△CoVaR 值和△CoVaR 圖形來看，煤價市場對武漢碳價的風(fēng)險溢出大于武漢碳價對煤價市場的風(fēng)險溢出。煤炭市場在整個電力生產(chǎn)行業(yè)中處于上游市場，同時由于武漢以重工業(yè)為經(jīng)濟(jì)支柱，對煤炭以及電力的需求量大，碳排放量高，煤炭市場在“炭-電-碳”的傳導(dǎo)途徑中占比大，煤炭市場的風(fēng)險通過該傳導(dǎo)路徑直接影響碳市場。

表4 條件風(fēng)險價值、邊際風(fēng)險溢出值

從時間維度來看，煤炭價格在2015 年和2016 年對武漢碳市場有著很大的風(fēng)險溢出，在這兩個時間點，煤價都出現(xiàn)了很強的價格波動，對發(fā)電企業(yè)的發(fā)電量造成了直接沖擊進(jìn)而影響碳價波動。雖然武漢的碳市場已經(jīng)成為全國最大的碳市場，但此時由于武漢的碳市場建設(shè)才兩年，制度建設(shè)不健全，國內(nèi)主流對碳排放不夠重視，使得碳市場無法對煤炭市場造成反向沖擊。到了2021 年，隨著“雙碳”目標(biāo)的提出，國家進(jìn)一步重視綠色建設(shè)，同時經(jīng)過5 年的發(fā)展，武漢碳市場交易機(jī)制不斷完善，交易量持續(xù)上漲，碳市場對煤炭市場造成反向風(fēng)險沖擊。

2. 廣東碳市場和煤炭市場

利用R2和R4的GARCH 模型所得出的殘差序列進(jìn)行DCC-GARCH 分析，從而得到廣東碳市場和煤炭市場之間的動態(tài)相關(guān)系數(shù)、風(fēng)險溢出關(guān)系以及風(fēng)險溢出值，動態(tài)相關(guān)系數(shù)如圖3 所示。

圖3 R2 與R4 的動態(tài)相關(guān)系數(shù)

結(jié)合圖3 結(jié)果從波動范圍進(jìn)行分析，2014—2020 年R4和R1的動態(tài)相關(guān)系數(shù)在0 至-0.6 范圍內(nèi)波動；從動態(tài)方向進(jìn)行分析，2014—2020 年R1與R4總體呈現(xiàn)出負(fù)向的動態(tài)關(guān)系，在2015 年5 月出現(xiàn)不顯著的正向動態(tài)關(guān)系。

總體而言，廣東碳價和煤炭兩個市場表現(xiàn)出負(fù)向的動態(tài)相關(guān)關(guān)系，當(dāng)煤價出現(xiàn)劇烈波動時，兩個市場的相關(guān)系數(shù)隨之發(fā)生劇烈波動。圖4 顯示廣東碳價和煤炭兩個市場的風(fēng)險溢出關(guān)系。

圖4 廣東碳市場和煤炭市場的風(fēng)險溢出水平

從表5 和圖4 可以看出，R4的CoVaR 的值比R2的值大，說明煤炭價格的條件風(fēng)險價值比廣東碳交易價格的條件風(fēng)險價值大，從兩個市場的△CoVaR 值和△CoVaR 圖形來看，煤炭市場對廣東碳價的風(fēng)險溢出大于廣東碳價對煤價市場的風(fēng)險溢出。

表5 條件風(fēng)險價值、邊際風(fēng)險溢出值

從時間維度上看，2014 年煤價對廣東碳市場有著很大的風(fēng)險溢出，廣東省的碳排放價格在2014 年 成 立 之 初 出 現(xiàn) 過 暴 跌，由2014 年5 月5 日 的66.8 元 下 跌 到2014 年10 月16 日的25.65 元。2014 年，由于廣東省碳市場處于起步階段，為實現(xiàn)碳履約的正常進(jìn)行，廣東碳市場采用3%的有償配額和97%的無償配額機(jī)制的碳配額分配機(jī)制，企業(yè)所持有的碳排放配額較寬松，企業(yè)缺乏交易需求，導(dǎo)致廣東碳市場800 萬噸碳配額沒能全部競拍出去，碳價格不斷下跌，此后廣東省的碳排放價格在30 元范圍波動。在煤價正常波動范圍內(nèi)，廣東碳市場本身機(jī)制使得兩個市場在期初呈現(xiàn)負(fù)的溢出效應(yīng)。到2021 年，隨著市場機(jī)制不斷完善，廣東碳市場能對上游煤價市場產(chǎn)生影響，對煤價造成反向的風(fēng)險溢出。

3. 深圳碳市場和煤炭市場

利用R3和R4的GARCH 模型所得出的殘差序列進(jìn)行DCC-GARCH 分析，從而得到深圳碳市場和煤炭市場之間的動態(tài)相關(guān)系數(shù)、風(fēng)險溢出關(guān)系以及風(fēng)險溢出值，動態(tài)相關(guān)系數(shù)如圖5 所示。根據(jù)圖5 結(jié)果從波動范圍進(jìn)行分析，2014—2020 年R3和R4的動態(tài)相關(guān)系數(shù)在-0.15 與-0.05 范圍內(nèi)波動，到了2021 年動態(tài)相關(guān)系數(shù)波動幅度減小，在0.5 范圍內(nèi)波動；從動態(tài)方向進(jìn)行分析，2014—2020 年R3與R4呈現(xiàn)出負(fù)向的動態(tài)關(guān)系，在2020 年5 月—2021年呈現(xiàn)出正向的動態(tài)關(guān)系。

圖5 R3 與R4 的動態(tài)相關(guān)系數(shù)

圖6 顯示深圳碳價和煤炭兩個市場的風(fēng)險溢出關(guān)系。

圖6 深圳碳市場與煤炭市場的風(fēng)險溢出水平

從表6 和圖6 可以看出，R4的CoVaR 的值比R3的值大，說明煤炭價格條件風(fēng)險價值比深圳碳交易權(quán)的條件風(fēng)險價值大。從兩個市場的△CoVaR 值和△CoVaR 圖形來看，兩個市場在樣本期間內(nèi)大部分呈現(xiàn)負(fù)向的風(fēng)險溢出效應(yīng)。就具體數(shù)值而言，煤炭價格對深圳碳價的風(fēng)險溢出程度大于后者對前者的風(fēng)險溢出程度。

表6 條件風(fēng)險價值、邊際風(fēng)險溢出值

從時間軸上來看，在2019 年5 月份，煤炭市場對深圳碳排放市場的風(fēng)險溢出效應(yīng)達(dá)到最大值。在動態(tài)相關(guān)系數(shù)圖中，兩個市場的動態(tài)相關(guān)系數(shù)也達(dá)到了最大值，其中2020 年煤炭市場對深圳碳市場的溢出效應(yīng)變?yōu)檎担c動態(tài)相關(guān)系數(shù)圖變動一致。

三、結(jié)論與建議

基于上文的實證分析，本文主要得出以下結(jié)論：

（1）從單個市場角度來看，武漢碳市場對外部信息最敏感，廣東和深圳次之，煤炭市場對外部信息的反映最為遲鈍。市場沖擊對深圳碳市場造成的沖擊最為持久，深圳碳市場需要長時間去吸收沖擊所造成的影響。武漢碳市場和廣東碳市場存在杠桿效應(yīng)，當(dāng)市場出現(xiàn)一個利好消息時，會對這兩個市場造成正向沖擊，且這個沖擊會隨著杠桿效應(yīng)不斷加大。深圳碳市場和煤炭市場存在反杠桿效應(yīng)，當(dāng)有外部信息沖擊時，會使得兩個市場的波動減小。

（2）從碳市場和煤炭市場的風(fēng)險溢出角度而言，碳市場在建設(shè)初期，由于市場機(jī)制的不完善和交易量的不活躍，兩個市場之間主要表現(xiàn)為煤炭市場對碳市場的風(fēng)險溢出效應(yīng)。隨著碳市場的不斷完善，碳市場對煤炭市場造成風(fēng)險溢出，此時碳市場和煤炭市場之間存在雙向的風(fēng)險溢出效應(yīng)。與此同時，由于三個地區(qū)的電力結(jié)構(gòu)不同，也會對風(fēng)險溢出效應(yīng)的方向造成不同影響，相對于煤價的波動溢出對武漢碳市場的正向沖擊，廣東碳市場和深圳碳市場由于存在“西電東送”政策，可以從外省獲得大量電力，煤價的波動溢出會對碳價造成負(fù)向沖擊。

綜上，由于碳價市場和煤炭市場之間具有顯著的風(fēng)險溢出效應(yīng)，以及兩個市場的溢出水平和溢出方向存在著強烈的區(qū)域性變化，這些因素均不利于有效防范碳價市場以及煤炭市場的價格風(fēng)險，為此本文提出以下建議：

（1）根據(jù)建立全國統(tǒng)一碳市場的實際需求，綜合考慮并合理協(xié)調(diào)各區(qū)域差異，以形成多元貿(mào)易體系

從上述結(jié)論可以看出不同的碳市場對信息的敏感程度不同，相同的信息可能會對不同的地方碳市場造成不同的影響，煤炭市場會對各個區(qū)域的碳市場會產(chǎn)生不同的風(fēng)險溢出效應(yīng)。因此，在我國建立統(tǒng)一碳市場制度背景下，因地制宜，綜合考量各地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)環(huán)境、人口比例等外部因素，結(jié)合該地區(qū)的碳市場的碳配額分配方法，選擇多樣化的交易制度，搭建碳現(xiàn)貨、碳期貨等碳金融工具，通過套期保值等市場化手段減少外部信息所造成的碳市場價格波動，合理規(guī)避碳風(fēng)險。此外,政府部門在碳市場的制度設(shè)計和運行管理過程中，還須加強宏觀調(diào)控，避免過度投機(jī)等市場內(nèi)部行為造成碳價劇烈波動，通過市場監(jiān)管、定期抽查企業(yè)碳排放量等行政手段降低碳價波動風(fēng)險，并維護(hù)碳價的在合理范圍波動。

（2）完善我國碳市場自身風(fēng)險監(jiān)測機(jī)制

從本文研究結(jié)論可以看出，碳市場成立初期由于市場機(jī)制的不完善和交易量的不活躍，兩個市場之間主要表現(xiàn)為煤炭市場對碳市場的風(fēng)險溢出效應(yīng)。因此，在全國統(tǒng)一碳市場建立初期需要構(gòu)建相應(yīng)的風(fēng)險預(yù)警制度，以減少煤炭市場對碳市場產(chǎn)生的單方向性風(fēng)險溢出。一方面，全國統(tǒng)一碳市場監(jiān)管者必須對可能造成碳市場價格劇烈波動的因素進(jìn)行防范，避免碳市場價格劇烈波動，另一方面，在建立全國統(tǒng)一碳交易市場時，也必須充分考慮煤炭價格波動等干擾風(fēng)險對區(qū)域減排成本所產(chǎn)生的不良影響，并提出有效合理可行的風(fēng)險監(jiān)控方法。