基于CDM機制的國際碳排放權貿易價格波動性研究

黃曉鳳，程玉仙，唐嘉徽

（1.廣東商學院 國民經濟研究中心，廣東 廣州 510320； 2.中南林業科技大學 經濟學院，湖南 長沙 410004）＊

一、引言

隨著全球氣候變化問題日益突出，發展碳排放權新型國際貿易日益成為國內外理論界關注的焦點之一。隨著其他減排措施實施成本的增加和全球低碳經濟的蓬勃發展，碳排放權的國際貿易已不容回避。而碳排放權國際貿易的核心問題是碳排放權價格問題，只要尋找到通過公平、公正、公開的交易程序產生的價格，并在正常的范圍內波動，碳排放權國際貿易中的一切問題都將不再是問題。如貿易價格異常波動，不是互利的貿易無法發生，就是造成減排成本提高、社會資源浪費和新能源技術開發受阻。因此，研究價格波動規律，制定科學的定價機制，使價格盡可能地接近邊際減排成本，既達到公平貿易、創造收入的目的，也達到實現全球減排資源最優配置和全球溫室氣體減排目標，非常必要。

從現有文獻看，學者們對國際碳排放權的貿易價格問題進行了一些研究，但比較零散，且主要集中在歐盟排放貿易體系（EU ETS）價格決定以及石油價格波動對碳市場的溢出效應等方面。例如，張云、楊來科（2011）指出對于國際碳排放權貿易而言，市場均衡時各個國家的邊際減排成本等于排放權價格［1］。Emilie Alberola和Julien Chevallier（2008）等發現碳排放權價格不僅反映能源價格、天氣變動，而且和宏觀經濟活動有關［2］。王俊麗（2012）等認為國際石油價格波動對國際碳市場貿易價格具有波動溢出 效 應［3］。Sonia Labatt and Rodney R.White（2007）提出需進一步提高碳價格透明度，才能有效發揮價格引導機制［4］。洪涓（2010）等發現EU ETS市場引導CDM機制下碳排放權核證減排單位（簡稱CERs）市場，二者具有趨同趨勢［5］，黃明皓（2010）等研究結果顯示：EU ETS市場和CERs市場的現貨價格和期貨價格存在雙向波動效應［6］。

這些研究對國際碳排放貿易的發展和全球減排目標的實現都有重要理論意義和實踐價值。但不足之處在于：第一，國際碳排放權市場貿易形式與貿易產品呈現多樣化趨勢，在過分抽象前提下討論買賣雙方的定價行為，忽視了碳排放交易價格決定的復雜性；第二，學者的研究大多從理論層面研究國際碳排放權貿易價格的決定原理，通過碳排放貿易市場真實數據進行實證研究直接探究價格波動規律的不多；第三，研究歐盟排放貿易市場價格影響因素相對較多，而對于清潔發展機制（CDM）下國際碳排放市場的價格影響因素及波動規律的研究尚不多見。在國際碳排放權貿易市場上，中國是CDM項目的最大供應國，因此，本文擬選擇CDM機制下CERs市場價格為研究對象，從宏微觀層面對國際碳排放權貿易價格波動的影響因素進行研究，并希望通過理論和實證研究尋求市場價格波動規律，豐富碳排放權國際貿易價格理論，同時為中國參與國際碳排放權貿易取得定價權提供應對之策。

二、研究CERs價格波動的理論模型

Engle（1982）首次提出的ARCH模型［7］和Bollerslev（1986）擴展的GARCH模型［8］能準確捕捉到資產隨機波動性特征，對時間序列變化中存在的異方差和波動率聚類現象進行了很好的描述，因此，本文運用GARCH模型對國際碳排放權市場波動規律進行研究。

ARCH模型的主要思想是隨機誤差項μt的條件方差依賴于它的前期值μt－1的大小。設yt為因變量，xt為自變量，在t時刻可獲得的信息集為Ωt－1的假定條件下，隨機誤差項μt以0為期望值，σ2t為條件方差的正態分布。ARCH（q）的均值方程和方差方程分別為：

其中，常數ω＞0，參數αi≥0（i＝1，2，…，q），γ是待估參數。ARCH（q）模型表明隨機誤差項μt是服從q階的ARCH過程，市場當期或未來的波動受市場過去波動的正向影響。

ARCH（q）模型刻畫了市場波動的持續性特征，但不能反映實際數據的長期記憶性和非線性等問題，對此，Bollerslev（1986）提出了廣義自回歸異方差（GARCH）模型，即在ARCH（q）模型的方差方程中加入條件方差的滯后項，于是將方程式（2）拓展為式（3）：

式中，p為自回歸項（GARCH項）滯后階數、q為殘差平方項（ARCH項）的滯后階數，p≥0，q≥0；αi≥0（i＝1，2，…q），βj≥0（j＝1，2，…p），αi、βj為參數。

式（3）被稱為序列服從GARCH（p，q）過程，GARCH（p，q）過程是平穩過程的充分必要條件是：

式（3）表明，t時刻下的隨機誤差項μt的條件方差依賴于t－i時刻下的殘差（ARCH項）的大小和方差的預測值（GARCH項）。即為過去所有殘差的正加權平均，這正與波動聚類現象相吻合：隨機誤差項在大幅度波動后趨向于有更大的波動，小幅度波動后趨向于有更小的變化。因此，GARCH模型對時間序列變化中的波動聚類現象有很好的解釋力，從而提高了對價格波動規律研究的精準度。

GARCH模型對于國際碳排放權貿易價格波動規律研究具有重要實際意義。GARCH模型易于發現時間序列變化中存在的異方差和波動聚類性，而國際碳排放權交易市場的歷史CERs價格變化就是一典型具有異方差性和聚類性的序列，所以很適合用GARCH模型對CERs價格變化規律和趨勢進行分析。根據模型，殘差反應了因變量CERs價格的實際值偏離均值方程擬合值的大小，因此，可以通過不變方差ω、t－j時刻方差的預測值（GARCH項）及t－i時刻下的殘差（ARCH項）的加權平均來預測CERs當期或未來的價格。

三、CERs價格波動的實證分析

（一）數據的選取和預處理

結合數據的可獲得性、連續性及典型性要求，本文以歐洲氣候交易所交易品種為CERs（單位為歐元/噸二氧化碳當量）現貨的日交易收盤價數據作為研究樣本。時間序列為2008年3月14日～2011年12月9日。樣本數據來自Wind數據庫，運用Eviews6.0進行操作。以往大量研究表明，GARCH模型能夠較好地刻畫收益率波動聚類現象，因此，本文從收益率的視角，研究CERs價格的波動規律，并將收益率指標rt定義為：

式（5）中，pt為t期的收盤價，pt－1為t－1期的收盤價，根據式（5）運用Eviews6.0計算出收益率數據，并得日收益率的描述性統計特征（見圖1）。

由圖1可知：收益率序列的均值是－0.120295，接近0，符合收益率指標的普遍特征；偏度為－0.240003，說明收益率序列分布略微左偏；峰度為5.806550，明顯高于正態分布的峰值3；而JB＝317.1914，且其相伴概率為0，顯著拒絕正態分布的假設。因此，可以得出結論：CERs收益率序列與大多數金融時間序列一樣，呈現出“尖峰厚尾、不對稱分布”的特征，初步具備建立GARCH（p，q）模型的條件。

（二）單位根檢驗

由于GARCH（p，q）模型只適用于平穩序列建模，因此，首先對CERs收益率序列進行單位根檢驗（ADF），檢驗結果見表1。

圖1 CERs日收益率統計分布

表1 CERs收益率序列的ADF檢驗

從表1可知，CERs收益率序列的ADF檢驗統計量為－29.06323，小于不同顯著水平下的臨界值，且相伴概率P值為0，說明CERs收益率序列均在1%的顯著性水平下拒絕存在單位根的原假設，由此得到CERs收益率序列是平穩的，無需差分就可以直接建立模型。

（三）模型的建立與波動規律分析

1.ARCH模型與波動聚集性檢驗。通過CERs收益率的自相關函數和偏相關函數圖（在此圖略），發現CERs收益率的滯后4階的相關性比較顯著，因此，其均值方程為：

OLS回歸結果為：

方程的擬合效果并不是很好，從殘差圖（圖略）可以看出，CERs收益率序列并沒有呈現出規律性波動，而是表現出很強的時變性、突發性和波動聚集性特征，即模型可能存在異方差，因此，需對模型進行ARCH效應檢驗。對回歸方程的殘差進行滯后1～4期的ARCH－LM檢驗，其檢驗結果是F－statistic和Obs＊R－squared的相伴概率P值均為0.0000，拒絕“殘差不存在ARCH效應”的原假設，因此，可以建立GARCH模型。

2.GARCH模型及波動持續性檢驗。根據ARCH檢驗，在此建立GARCH（1，1）模型，均值方程為式（6），條件方差方程為：

對其參數進行估計的結果見表2。

表2 GARCH（1，1）回歸結果

根據估計結果，均值方程和方差方程分別表示為：

再對模型進行ARCH－LM檢驗，發現F統計量為0.2863，相伴概率為0.5927，接受“殘差不存在ARCH效應”的原假設，說明GARCH（1，1）模型很好地消除了殘差序列的條件異方差性，因此，均值方程和方差方程還是比較合理的，模型具有一定的解釋力。

由表2可知，參數估計系數都是統計顯著的，表明GARCH（1，1）模型能夠很好的擬合數據，方差方程中的ARCH項系數α為0.153625大于0，說明外部沖擊會加劇CERs價格的波動，同時GARCH項系數β為0.798249小于1，表明CERs價格的波動具有一定的持續性。α＋β＝0.9519＜1，滿足GARCH（1，1）模型中參數的約束條件。由于方差方程中系數之和又非常接近1，說明外部沖擊引起CERs價格的波動時間會比較長，持久性特征明顯。因此，模型對未來價格的預測和波動規律的掌握具有重要作用。

3.非對稱效應的檢驗。在國際碳排放權CERs市場運行過程中，是否存在CERs價格波動的非對稱性呢？在此，運用TGARCH（1，1）模型檢驗，均值方程為（6）式，條件方差方程為：

回歸結果見表3。

表3 TARCH（1，1）模型回歸結果

根據估計結果，均值方程和方差方程分別表示為：

在TARCH（1，1）模型中，杠桿效應項的系數φ＝0.116975，說明CERs價格的波動具有“杠桿效應”：利空負面沖擊能比等量的利好正面沖擊產生更大的波動。當國際宏觀經濟形勢趨好、或股票和匯率等市場價格上升、或CERs簽發率增加等利好消息出現時，μt－1＞0，則Dt－1＝0，利好消息只會對CERs價格帶來0.090589（α的估計值）倍的沖擊；當國際有關氣候變化政策不明朗，或發生全球金融危機等利空消息出現時，μt－1＜0，這時，Dt－1＝1，利空消息會帶來0.207564（α＋φ估計值）倍的沖擊。

利空沖擊比等量利好沖擊對CERs價格產生更大波動的結果在EGARCH模型中也能得到印證，在EGARCH模型（檢驗過程在此略）中，α的估計值為0.294304，非對稱項φ的估計值為－0.068714。當μt－1＞0，利好信息對CERs價格序列條件方差的對數帶來0.294304－0.068724＝0.22558倍的沖擊，當μt－1＜0，利空信息對CERs價格序列條件方差的對數帶來0.294304＋（－0.068714）×（－1）＝0.363018倍的沖擊。

四、結論與建議

以上運用基于GARCH模型族的實證分析，探討了國際碳排放權CERs市場的價格波動，研究結果表明：（1）CERs市場價格波動是政治博弈、國際宏觀經濟形勢和氣候變化等多重因素共同沖擊的結果。共贏性博弈均衡、全球經濟繁榮、氣候變化趨暖、國際原油和股票等市場價格上漲及CERs簽發率增加等對CERs市場價格波動構成利好信息沖擊；反之，零和博弈或負和博弈、國際經濟危機及CERs簽發率減少等對CERs市場價格波動構成利空信息沖擊。（2）CERs市場價格波動具有很強的波動聚類性與持續性。CERs市場價格并非規律性波動，而是有很強的時變性和波動聚集性特點。GARCH模型檢驗得出α＋β＝0.9519非常接近1，說明在美國經濟復蘇緩慢、歐洲深陷債務危機等利空信息沖擊下，波動會持續下去。（3）CERs價格波動存在杠桿效應。TARCH模型表明，CERs價格“杠桿效應”明顯，主要是國際金融危機和歐債危機等多重利空相互疊加帶來持續的悲觀預期，因此，每一次利空信息都比利好信息導致CERs價格更大的波動。

目前，我國已成為全球CERs市場最大供給方，作為CDM項目賣方參與CERs一級市場交易就成為我國參與國際碳排放權貿易的唯一途徑，在碳排放權市場，一級市場以二級市場的現貨價格為定價基礎。因此，我國在參與CERs一級市場貿易時，為了與國際碳貿易市場價格保持同比例上升、達到高價出售的目的，首先積極參與國際氣候環境條款的談判，制定互利共贏的新規則，對市場價格形成持續利好信息沖擊；其次必須掌握CERs二級市場價格波動的聚類性、持續性和杠桿性特征，分析CERs二級市場價格波動趨勢；再次，根據波動規律選擇恰當的貿易時機，盡可能地在CERs二級市場價格接近上升通道頂端時或下降通道起點時出售；最后，建立CDM項目投資風險管理體系，避免利空信息沖擊的杠桿效應。

［1］張云，楊來科.國際碳排放權交易價格決定與最優出口規模研究［J］.財貿經濟，2011，（7）：70－78.

［2］Alberola E.，Chevalier J.，Cheze B.Price drivers and structural breaks in european carbon prices 2005－2007［J］.Energy Policy，2008（39）：787－797.

［3］王俊麗.國際石油價格波動對碳市場溢出效應研究［J］.經濟研究導刊，2012，（5）：70－72.

［4］Sonia Labatt and Rodney R.White.Carbon Finance：The financial implications of climate change［M］.John Wiley ＆Sons，Inc，2007.

［5］洪涓，陳靜.國際碳排放權交易價格關系實證研究［J］.中國物價，2010，（1）：7－11.

［6］黃明皓，李永寧，肖翔.國際碳排放交易市場的有效性研究——基于CER期貨市場的價格發現和聯動效應分析［J］.財貿經濟，2010，（11）：131－137.

［7］喬榛，魏楓.世界性碳減排合作的出路［J］.稅務與經濟，2011，（5）：1－5.

［8］Engle，Robert.F，Autoregressive conditional heteroskedasticity with estimates of the variance of U.K.inflation［J］.Econometrica，1982，（50）：987－1008.

［9］吳碩，何菊蓮.低碳經濟研究的主要內容和方法——近10年國內外研究文獻比較［J］.湖湘論壇，2011，（5）：94－98.

［10］黃曉鳳，魯志堅.貿易保護主義的新變化對中國出口企業的影響及應對［J］.湖南大學學報（社會科學版），2010，（6）：67－71.

［12］Bollerslev T.，Generalized autoregressive conditional heteroskedasticity［J］.Journal of Economics，1986，（31）：307－327.