湖北碳市場與中國股市之間動態相關性研究

王春霞

關鍵詞：動態相關性;湖北碳市場;VAR-DCC-GARCH模型;中國股市

中圖分類號：F830.91 ? ? ? ?文獻標志碼：A ? ? ?文章編號：1673-291X（2022）06-0081-04

引言

隨著我國金融體系的日益完善，市場之間的聯系越來越緊密，市場之間必然會互相影響。各個市場之間不再是相互獨立的個體，也就說明，市場的價格不僅受到市場本身前期信息的影響，而且還會受到其他市場信息的影響。碳排放權作為一種新的金融形式，具有金融資產的屬性（喬海曙、劉小麗，2011），股票市場作為實體經濟的晴雨表，兩者都是金融市場中的一部分，因此不可避免地會產生相互影響。目前隨著越來越多的國家開始開展碳排放權交易，越來越多的學者開始研究碳排放權交易市場和企業價值和股票市場之間的相互關系。

劉維權、趙凈（2011）運用DCC-MVGARCH模型分析標準普爾500指數和ECX碳排放期貨之間的聯動性，發現股票市場對EU ETS 期貨具有單方面的引導關系;秦天程（2014）采用了VAR模型和CAPM-GARCH模型分析了碳交易價格與新能源股價之間的關系，發現碳排放權的交易價格是引起新能源上市公司股價變動的重要因素;吳振信、萬埠磊、王書平（2015）構建VAR模型分析了歐盟碳交易市場、BRENT原油市場和倫敦股票市場之間的聯動關系，發現三個市場對重大事件影響的反應具有一定的聯動性，但是碳市場的波動主要是由于其自身的因素造成的，受到原油市場和股市的影響很小;陶春華（2015）采用VAR模型研究我國碳排放權交易和樣本行業股票收益率之間的關系，研究表明，高碳排放行業的股票收益率與上海碳排放權市場之間存在負相關關系，低碳行業的股票收益率與上海碳排放權市場之間的影響沒有規律性。鄒紹輝、張甜（2020）構建了MSVAR模型分析能源期貨市場、能源股票市場和碳市場之間的關系，認為國內能源期貨市場與能源股票市場對碳市場的影響較大，但是碳市場對能源期貨市場和股票市場的影響較小。

碳市場作為一個政策市場，反映的是實體經濟中企業減排的情況，股票市場作為“實體經濟的晴雨表”，因此對二者的相關關系進行研究非常有必要。研究中國碳排放權交易市場和中國股票市場之間的動態相關系數變化，可以幫助投資者建立合適的資產組合，減少市場風險帶來損失的可能性。對于市場監管者來說，在制定政策時應當注意碳市場和股票市場兩個市場之間的聯動關系，幫助相關的監管部門建立相應的風險預警體系。

一、描述性統計分析

本文所用數據是2014年4月3日至2020年6月30日的日收盤價數據。碳市場的數據選用的是湖北碳配額的日收盤價數據，湖北碳交易市場自2014年4月正式啟動碳排放權交易以來，碳交易市場平穩運行，成交量和成交額在全國7個試點省市中穩居首位，已經成為我國最大的碳排放交易市場，所以將湖北碳排放權交易市場作為碳市場的代表。股市數據則用的是滬市的上證指數和深市的深證成指的日收盤價數據。由于湖北碳排放交易市場開始交易的時間較晚，且股市和碳市場交易時間不能夠完全對應，因此除去節假日以及雙休日和剔除交易日期不匹配的數據后共有1 514×3個樣本。本文定義各個市場的日收益率為：

rjt=ln（Pjt-Pjt-1）×100

其中，Pjt表示市場j第t天的收盤價，Pjt-1表示市場j第t-1天的收盤價，rjt為市場j的日收益率序列。rhb、rsh、rsz分別表示湖北碳市場的日收益率，以及滬市和深市的股票日收益率。

表1給出了湖北碳配額、上證指數和深證綜指的描述性統計及檢驗結果。湖北碳配額、上證指數和深圳成指的日收益率的均值均在零附近且收益率均為正值。上證指數和深圳成指收益率的標準差較小，均在1左右，但是湖北的碳配額收益率的標準差較大，達到了3.358，說明數據分布較為分散。從偏度系數和峰度系數來看，股票市場和碳市場的偏度均小于零，即四個市場的收益率均為左偏分布;而峰度均大于零，說明湖北碳市場的收益率以及股票市場的收益率均為尖峰，三個市場的收益率符合一般金融市場中收益率尖峰厚尾的分布特點。并且湖北碳市場和滬深股市都在1%的置信水平下拒絕了Jarque-Bera正態分布的假設，即三個市場的收益率均不服從正態分布。Ljung-Box Q統計量檢驗表明，湖北碳配額的收益率序列以及上證綜指和深證成指的收益率序列及其它們收益率的平方序列均無法接受序列無關的假設，說明序列存在高階自相關性，它們的波動都具有時變性和聚集性等特征，因此，應當要引入GARCH模型來刻畫這種時變方差特征。

在進行正式建模之前，對收益率序列的平穩性進行檢驗。發現所有的收益率序列均為平穩時間序列，因此可以使用VAR-DCC-GARCH模型對數據進行建模分析。

二、實證結果分析

依據上述數據統計特征，本文采用三變量VAR（p）-DCC-GARCH模型。我們根據LR檢驗統計量，最終預測誤差FPE，AIC、SIC以及HQ信息準則作為判斷標準，選擇VAR模型的最優滯后階數，除了LR統計量選擇的最優滯后階數為4階之外，FPE、AIC、SIC以及HQ的最優滯后階數都選擇了1階，所以本文據此建立VAR（1）模型。

對建立的VAR（1）模型進行穩定性檢驗，可以知道VAR模型的根都在單位圓內，VAR（1）模型是穩定的，因此模型得出的檢驗結果是有意義的。

對VAR模型的殘差進行ARCH效應的檢驗發現，LM檢驗的統計量LM（10）的p值也都在1%的顯著性水平下顯著，說明VAR（1）模型的殘差項具有很強的ARCH效應，符合建立GARCH模型的前提，因此可以依據VAR模型的殘差建立DCC-GARCH模型對碳市場和股市之間的關系進行進一步研究。

表3給出了在t分布下，湖北碳配額與上證指數和深圳成指的VAR-DCC-GARCH模型估計結果并利用軟件得到碳市和滬深股市彼此之間的動態相關系數。湖北碳市場和滬、深股市之間的動態相關系數整體上呈現負相關，并且沒有明顯的趨勢走向，說明湖北碳市場與股票市場的聯動性并不好。湖北碳市場與滬市的平均相關系數為-0.016843，標準差為0.096266;而湖北碳市場與深市之間的平均相關系數為-0.018428，標準差為0.089739。由此可以看出，滬深股市對湖北碳市場的影響在整體上具有趨同性，但是就平均的相關系數來看的話，深市對湖北碳市場的影響比滬市對湖北碳市場的影響要更大一些，這也與“深比滬強”的常識相符。

觀察湖北碳市場與滬深股市之間的動態相關系數圖，我們可以發現，動態相關系數圖在303（2015年7月1日）左右開始從負相關轉成正相關，并且在340（2015年8月21日）達到最大，隨后又開始慢慢減小，直至460（2016年2月25日）恢復負相關。對應這段時間正好是我國發生股災的時間段，因此可以推斷，股災的發生導致湖北碳市場與滬深兩市之間的動態相關系數顯著增加，會導致風險從股市傳導到湖北碳市場。應該注意的是，中國碳市場和股票市場的動態相關性變化的過程比較劇烈，說明中國碳市場與股票市場之間的關聯基礎并不牢靠，兩個市場之間的信息傳遞受到阻礙。

結語

碳市場作為一個新興的市場，對新信息的敏感度較高，而股票市場作為相對成熟的金融市場，波動具有持續性。碳市場和股票市場之間的動態相關性存在時變性，它們之間的動態系數大體呈現出負相關關系。此外，滬深股市對碳市場的影響具有趨同性，但總的來說深市對碳市場的影響比滬市對碳市場的影響更大一些。基于實證結果，本文提出以下建議：首先，引入更多的碳金融產品。當前我國的碳排放權交易市場存在著交易不活躍，履約期集中交易等問題，這些問題都會導致碳排放權交易價格的失真，碳價可能并沒有真實的反映市場的需求，所以可以引入更多的碳金融產品，增強碳排放權市場的流動性，可以在一定程度上緩解碳排放權市場交易不活躍的情況。而且引入更多的碳金融產品也可以幫助投資者進行風險管理，這也會使得更多的投資者參與到碳市場當中，從而提高碳市場的交易效率。其次，應重視資本市場對碳市場的資源配置作用。當前，許多企業對碳排放權的資產屬性認識不深刻，參與熱情不高，所以應改變企業這種錯誤的固有認識，通過政策導向引導更多的企業參與到低碳減排的碳排放權交易當中，推進企業增長方式的轉變，推進資本市場對減排技術創新和低碳化發展的資金支持。

參考文獻：

[1] ?喬海曙，劉小麗.碳排放權的金融屬性[J].理論探索，2011，（3）：61-64.

[2] ?劉維權，趙凈.ECX碳排放期貨與歐美股市聯動性研究——基于DCC-MVGARCH模型的實證分析[J].蘭州學刊，2011，（3）：37-41.

[3] ?秦天程.傳統能源及碳交易價格與新能源股價——基于VAR和CAPM-GARCH模型的分析[J].技術經濟與管理研究，2014，（12）：120-124.

[4] ?吳振信，萬埠磊，王書平.碳交易市場、原油市場和股票市場的聯動關系——基于結構突變檢驗和VAR模型的實證研究[J].系統工程，2015，（3）：25-31.

[5] ?陶春華.我國碳排放權交易市場與股票市場聯動性研究[J].北京交通大學學報：社會科學版，2015，（4）：40-51.

[6] ?鄒紹輝，張甜.能源期貨市場、能源股票市場和碳市場的非線性關系動態分析[J].系統工程，2020，（5）：14.

[7] ?汪中華，胡垚.我國碳排放權交易價格影響因素分析[J].工業技術經濟，2018，（2）：128-136.

[8] ?孫彥林，陳守東.我國金融市場間風險傳染的VAR-GARCH-M-BEKK模型的實證分析[J].國有經濟評論，2014，（6）：75-93.

[9] ?谷耀，陸麗娜.滬、深、港股市信息溢出效應與動態相關性——基于DCC-（BV）EGARCH-VAR的檢驗[J].數量經濟技術經濟研究，2006，（8）：142-151.

[10] ?曹廣喜，姚奕.滬深股市動態溢出效應與動態相關性的實證研究——基于長記憶VAR-BEKK（DCC）-MVGARCH（1，1）模型[J].系統工程，2008，（5）.

[11] ?張秋莉，楊超，門明.國際碳市場與能源市場動態相依關系研究與其實——基于DCC-MVGARCH模型[J].經濟評論，2012，（5）：112-122.

3351500589288