碳配額價值的評估定價研究
——基于非平衡面板數據

■錢金波 黃西勤

（國眾聯資產評估土地房地產估價有限公司，廣東深圳 518001）

一、研究背景

隨著世界工業經濟的發展，溫室氣體排放猛增導致全球變暖，人類面臨的生存環境越來越嚴峻。在節能降碳政策的驅使下，碳排放權交易逐漸成為各國首推的減排手段。從2013年以深圳為代表的碳排放權交易試點啟動，到2021年7月16日全國碳排放權交易市場（以下簡稱“碳市場”）建立，中國已成為全球覆蓋溫室氣體排放量規模最大的碳交易市場。

國家碳交易市場的建立使得碳排放配額（簡稱“碳配額”）交易更加頻繁，交易價格波動大（特別是月度交易價格）。碳配額交易價值的波動產生的損失，不同產業（控排企業）承受能力不一。開展碳配額價值評估研究，不斷提高定價精準度，既能反映碳配額的真實價值，為企業能效提供參考，提升企業減排動力，又能為碳配額交易市場提供價格預期，穩定碳排放權交易市場價格劇烈波動。

（一）國內外研究現狀

1.國內研究現狀

國內外文獻研究主要集中在以碳資產或碳金融為開發對象的項目上，而對這種已經在市場上交易的產品（例如碳配額）研究較少。除了研究對象有差別外，另一個不同主要體現在評估定價方法的選擇上。目前評估方法以市場法、收益法、成本法等傳統評估方法為主，除傳統的評估方法以外，還有影子價格、期權定價及其他定價模型等，但這些評估定價爭議較大。

影子價格定價法，國內學者普遍持反對意見：林幼斌［2］（2001）和陳敏敏［3］等研究認為為影子價格不能反映真正意義上的價格，它只是為了探究資源的真實價值的一種工具。與影子價格相比，使用期權定價法較多，但也有人對其應用提出了不同的觀點：伊靜［4］（2016）認為我國碳交易市場發育不夠充分和完善，樣本數據量較小，并且各試點的數據差異性較大，一些模型所須的假設與實際情況并不完全吻合，碳價可能受到其他非市場因素影響，所以在碳排放權評估中用實物期權法使用的普遍性有待商榷。

2.國外研究現狀

國外碳交易市場啟動較早對碳資產評估和定價方法的研究較早，但是同樣的，對市場上交易的產品——碳配額的評估定價涉及較少。國外碳資產評估定價研究的貢獻主要表現在研究方法的創新上：Garcia-Martos［5］（2013）建立 GARCH 模型探究碳價、電價以及化石能源價格三者之間的關聯性；Zhu［6］（2013）運用自回歸移動平均模型、最小二乘支持向量機和粒子群優化算法進行價值評估等。這些通過建立復雜的定價模型或者多個模型混合的復合模型能大幅度提高碳資產評估定價準確率。

綜上所述，對于提高碳資產評估定價準確性和方法的選擇上：國內外學者偏向于運用影子工程法、期權法，但該法對模擬環境要求苛刻，與現實碳交易市場情況脫離嚴重，也失去了傳統的評估方法的簡潔便利。對于碳資產的評估內容：國內外學者主要集中在成本可核算、未來收益可預期的項目開發上，例如CDM 和CCER 等核證項目；而對于成本為零（目前碳配額免費分配）未來收益不確定的碳資產——碳配額的評估定價幾乎沒有。本文以市場法間接比較法——回歸分析法為基礎，建立多種面板回歸模型，分析在不同評估策略下最優解，確定碳配額年度和分品種的價值（單價），彌補關于碳配額評估定價的空白區域。

二、數據來源與模型估計

選取深圳排放權交易所2013年6月19日——2021年4月7日共8 403 個碳配額交易數據（包括交易量為0 的數據），碳配額品種為SZA-2013①SZA-2013 表示2013年的碳配額代碼，下略。、SZA-2014、SZA-2015、SZA-2016、SZA-2017、SZA-2018、SZA-2019 共7 種產品，組成截面（tradetype）n=7，時間（date）T=2159 的非平衡長面板（T>n）。為減少計算復雜度，借助計量統計軟件Stata17 做數據處理分析，主要指標軟件統計結果顯示（表1）交易價格最低價3 元/噸碳配額，最高價143.99 元/碳配額，交易價均價為31 元/碳配額，碳交易價格波動較大。

表1 主要指標統計

（一）模型建立

為有效去除市場波動（去偽存真），尋找碳配額的真實價值，本文在擬建立面板數據進行回歸分析。選擇面板數據基于面板優良特性：一是面板數據既有時間又有空間維度的考慮可以很好的解決模型存在的遺漏變量的問題；二是面板數據通常樣本容量大（如本文樣本容量觀測值達到8 403 個），通常具有很高的估計精準度；三是通過計量方法可以有效的去除時間趨勢和個體效應，相比于其他統計方法可以很好的通過各種統計檢驗。

設個體效應面板模型為：

通過個體效應檢驗和時間趨勢圖（圖3.1）確定式（3.1）為帶有時間趨勢項的固定效應模型①1）個體效應檢驗過程省略；2）時間趨勢處理：t=date-2013/9/18,生成去除時間趨勢t 變量；3）以下模型的建立、檢驗、預測都考慮時間趨勢的影響。：

圖3.1 碳配額交易價的時間趨勢圖

設date 為時間變量，tradetype 為個體變量，交易價格（Transactionprice）為因變量②根據科斯定理及資產評估市場法原則，資產的真實價值更接近于近期交易價，故這里選擇碳配額的交易價我研究的因變量。，其他為自變量，則碳配額價值評估定價模型為：

其中Openingprice、Maximumprice、Minimumprice、ClosingPrice、Sumamount、Tradingvolume 分別為開盤價、最高價、最低價、收盤價、交易額和交易量。

（二）模型估計

1.FGLS 策略下的碳配額價值估計

模型（3.3）存在組內自相關，考慮模型中每個面板都有相同的自相關系數情形：假設碳配額的交易價格僅受前一期的影響，所有個體擾動項都服從自回歸系數相同的AR（1）過程。

自回歸系數相同的AR（1）過程結果（表2）顯示，在5%的顯著性水平下，收盤價、開盤價、最高價和最低價對碳配額價格的影響顯著，交易額和交易量對碳配額價值的影響不明顯（沒有通過顯著性檢驗）。與自相關系數不同的情形(psar1)相比回歸系數（Coef.）和P 值變化不大（表3）。

表2 FGLS 下組內自相關AR 過程回歸

表3 FGLS 下組內自相關PSAR 過程回歸

2.PCSE 策略下的碳配額價值估計

PCSE 估計能很好的解決非平衡面板組間異方差和組間同期相關估計缺陷。PCSE 估計方法：首先用OLS 估計，然后用面板校正標準誤PCSE 校正OLS估計因組間異方差或組間同期相關導致的不一致性。

OLS 估計結果（表4）顯示，在5%的顯著性水平下碳配額的虛擬變量很顯著，存在固定效應，也就是說每年的碳配額價值的初始價因該是不同的；交易額和開盤價對碳配額的交易價影響不明顯，沒有通過顯著性水平檢驗；時間效應t 的p 值高達0.421，不顯著，與時間效應檢驗結果相悖。

表4 OLS 回歸估計

PCSE（表5）與OLS 估計系數完全一樣，但PCSE 標準誤差小且具有一致性，表現更為穩健。

表5 PCSE 回歸估計

為便于比較，把以上4 種估計的系數、估計值和標準誤匯總列表：

表6 估計結果匯總表

續表

通過對比AR1、PSAR1、OLS、PCSE：從估計系數的誤差來說，OLS 和PCSE 的標準誤差比AR1和PSAR1 小，也就是說OLS 和PCSE 估計的系數更加精準；從模型擬合度來說，OLS 和PCSE 可決系數（R-sq）為0.996，高于AR1、PSAR1 的0.994和0.993，即OLS 和PCSE 模型擬合度更好，更具有解釋力；從顯著性水平上來說，在5%的顯著性水平上，PCSE 有12 個參數通過了顯著性水平檢驗，其他即使顯著性水平放寬到10% 也最多只有11 個能通過檢驗，這表明PCSE 估計極端（即使在1%的顯著性水平上）嚴苛性檢驗更好；從擾動項問題來說，PCSE 是唯一能解決模型（非平衡性面板）存在的組內異方差、組內自相關和組間同期相關問題的估計方法，AR1、PSAR1、OLS 估計存在不同的缺點。

綜上所述，模型（3.3）的碳配額價值的最佳估計為PCSE，最佳估計模型回歸結果如下：

回歸結果表明，碳配額價值受最低價的影響最大，開盤價和最高價次之，影響最低的是收盤價，沒有證據表明交易額和交易量對碳配額價值的影響。具體來說：在其他條件不變時，開盤價每提高1 元時，碳配額價值增加0.217 元；最高價每提高1 元時，碳配額價值增加0.251 元；最低價每提高1 元時，碳配額價值可以增加0.453 元；而收盤價每提高1 元時，碳配額價值只能增加0.071 元，交易額和交易量在統計上（沒有通過顯著性檢驗）對碳配額價值的影響不明顯，即使有影響也非常小（回歸系數分別為-6.210-9和1.5310-7）。

三、碳配額定價

根據模型回歸結果（式3.4）做碳配額價值定價(動態預測）統計表。定價統計表（表7）能直觀的看出碳配額的交易價和定價價值的均值、標準差、最小值、最大值差別極為微小。也從側面說明了市場法評估碳配額價值參照選擇碳配額交易價是合理的。

表7 碳配額動態價值定價統計表

（一）按交易頻次評估定價

交易頻次①按該交易價交易的次數統計。評估：根據動態預測結果按交易頻次的年度數據統計。統計結果（表8）表明評估價與交易價相差不大，碳配額價值總體呈逐年下降趨勢，從2013年的61 元/噸下降到2020年25 元/噸。年交易總額和交易總量趨勢不明顯且年波動較大。截至2021年4月7日，深圳碳交易市場碳配額交易額達到73 747.285262 萬元，交易量2 710.7308 萬噸。

表8 碳配額價值按頻次估計結果匯總表

續表

1.按交易年度評估定價

交易年度評估定價：根據每年實際發生的交易額、交易量統計交易次數②按交易額、交易量大于0 統計。計算得出，也是最符合資產評估的方法之一。碳配額價值年度估計結果（表9）對比碳配額價值頻次估計結果發現：年度評估的交易價格、評估價格高于頻次評估統計（主要原因在于年度評估中去掉了交易額、交易量為0 的無效數據），年度評估碳配額價值更加準確。表8 和表9反映從2013 到2021年的碳配額價值總體趨勢走低，體現的政府的量化寬松政策。

表9 碳配額價值按年度估計結果匯總表

2.按配額品種評估定價

除了按年度統計，本文同樣統計出按碳配額品種的資產評估結果。結果（表10）顯示SAZ-2013和SAZ-2014 的價值較高，維持在35 元/ 噸以上，SAZ-2016、SAZ-2017 價值較低，價格在25 元/噸以下，其他配額品種價格基本維持在30 元/噸左右。

表10 碳配額價值按品種估計結果匯總表

3.按加權均值評估定價

前面對于配額品種的評估主要以算數平均法來統計（結果見表11）沒考慮極端值的影響，實際碳配額價值的評估受大額、大量交易的極端異常值的影響較大，無疑加權平均統計更合理（表12）。

表11 碳配額價值估計結果匯總表（算數平均）

表12 碳配額價值估計結果匯總表（加權平均）

續表

表11 碳配額的評估價值和交易價格基本相等，他們的區別僅僅在標準差和極值（見表7）方面，而表12 碳配額評估價值和交易價格差別較大，因此碳配額交易價格的算數均值可以作為碳配額資產評估操作的簡易之法。對比表11 和表12 無論是算數平均還是加權平均對交易價格的影響不大，但對于評估價值的影響巨大（例如SAZ-2013 算術平均評估價格48.01 元/噸，而加權平均評估的價值為60.61 元/噸）。此外，個別品種的評估定價和交易價格均值差別較大，如果簡單的運用市場交易價格均值作為評估價值會造成巨大的資產損失，例如表12 加權平均計算的SAZ-2016 交易價格15.55 元/噸，而評估的價值為24.67 元/噸。

四、結論與建議

碳配額評估與定價不同于其他資產，數據可獲得性和評估方法有限，對于有大量交易數據的碳配額，采用市場法評估是最有效率的。

對于配額品種評估定價，算數均值法可以作為碳配額資產評估操作的簡易之法，但要想精準評估則需要建立面板回歸模型，做加權平均統計。相比按交易頻次評估定價，年度評估定價更能反映碳配額價值的真實價值，既能去除無效交易數據，也充分反映資產評估對評估基準日的考量。本次對深圳市碳配額的綜合定價為35.41 噸/元，也是碳配額交易價格的一個參考值。

對于存在大量交易數據的碳配額評估與定價，建議采用間接比較法做動態定價，碳配額交易價的算數均值可以作為評估的參考對象，但想要獲取精確的定價，應通過嚴苛的計量檢驗，建立適當的統計模型輔助評估。

碳配額從SAZ-2013年到SAZ-2019年碳配額價值是遞減的，這時深圳市碳配額分配方法逐漸偏向于量化寬松政策，對市場交易的活躍性有促進作用。雖然量化寬松政策有助于活躍碳市場，但不利于發揮市場機制在控制溫室氣體排放、促進綠色低碳技術創新和引導氣候投融資等方面的重要作用。建議深圳市碳配額分配的方法根據經濟壓力大小做動態調整，更好的發揮碳交易市場機制作用。