碳市場與股票市場間的風險溢出效應研究

王喜平，王婉晨

（華北電力大學經濟管理系，河北保定 071003）

一、引言

為應對能源與氣候挑戰、實現《巴黎協定》提出的2℃溫控目標，國際社會做出了不懈努力。中國作為碳排放最多的國家，于2020 年提出了“30·60”雙碳目標。碳交易作為實現上述目標的有效政策手段，已在全球30 多個國家和地區付諸實施。我國在試點市場的基礎上，全國碳排放權交易于2021 年7 月正式開市，其或將成為全球最大的碳排放權交易市場。從目前市場的運行情況來看，碳金融市場呈現出比傳統股票市場更大的不穩定性，這是由于碳價格除了受本身供需機制影響外，還會受到政策、極端天氣等諸多因素影響，碳價格的劇烈波動，潛藏著巨大風險。探究碳市場與股票市場間的風險溢出效應，深層次揭示其中的內在機制與規律，對于有效防范碳金融風險、促進碳市場健康平穩運行、助力國家雙碳目標的實現具有重要意義。

近年來，有關碳市場溢出效應的研究大多集中在考察不同碳市場之間及碳市場與能源市場之間的溢出。Chen et al（2020）研究了歐盟排放配額（European Union allowance，EUA）現貨與期貨之間的動態關聯性和波動溢出；Zeng et al（2021）研究發現EUA 與核證減排量（certification emission reduction，CER）市場之間存在不對稱的波動溢出效應。另有研究表明中國試點碳市場之間存在高度關聯，但各碳市場的波動溢出具有顯著的非對稱性（汪文雋等，2016；王倩和高翠云，2016；Zhu et al，2020）。針對歐盟與中國碳市場之間的溢出效應研究表明，兩個市場間存在長期均衡和相互引導關系，但就方向而言，歐盟對中國的溢出效應更加顯著（孫春，2018；王喜平和王雪萍，2021）。針對碳市場與能源市場之間的溢出，研究表明能源市場可通過替代效應、總需求效應及生產抑制效應等對碳市場產生影響（Zhang 和Sun，2016；Balc?lar et al，2016；Uddin et al，2018；Wang 和Guo，2018；Ji et al，2018）。Hanif et al（2021）研究證實歐盟碳市場與可再生能源市場之間存在較強的溢出，且短期溢出效應優于長期。以中國碳市場為樣本的研究發現，中國碳市場是能源市場風險的凈接收方，且不同區域、不同時期碳與能源市場之間的溢出關系存在差異，其中煤炭、焦炭市場對碳市場的影響較大（Lin 和Chen，2019；劉建和等，2020；Ma et al，2020；劉建和等，2021；Xu，2021；趙領娣等，2021）。Li et al（2020）分析發現“碳-電力”系統內部的溢出強度較高，且中國碳市場是電力市場信息和風險的凈接收方。

近來有研究關注了碳市場與金融市場之間的溢出效應，宋楠等（2015）研究發現歐盟碳市場與金融市場之間存在較為明顯的波動溢出；Yuan 和Yang（2020）研究發現金融市場對歐盟碳市場存在顯著的非對稱溢出效應。上述研究主要基于歐盟碳市場展開的，但針對中國碳市場與金融（尤其股票）市場之間的溢出效應的研究則尚未引起足夠重視。事實上，研究中國“碳-股票”系統的溢出效應和信息傳導機制對識別碳市場潛在風險、助力碳市場健康、穩定發展具有重要意義。

從研究方法的角度，有關碳市場溢出效應的研究主要是基于GARCH（generalized auto regressive conditional heteroscedasticity）模型和Copula 函數進行的。GARCH 族模型因其簡單易操作、能較好擬合碳價格序列的尖峰厚尾及波動聚集性，被廣泛運用到碳市場溢出效應的研究中，尤其DCC（dynamic conditional correlation）-GARCH（Zhang 和Sun，2016；Balc?lar et al，2016；孫春，2018；Lin 和Chen，2019；Chen et al，2020；劉建和等，2020；Ma et al，2020；劉建和等，2021）和BEKK（baba，engle，kraft and kroner）-GARCH（汪文雋等，2016；王倩和高翠云，2016；Zhang 和Sun，2016；Lin 和Chen，2019；Chen et al，2020；Zeng et al，2021）的應用更為多見。然而，GARCH 族模型僅能描述市場之間是否存在溢出卻不能具體刻畫溢出的方向和大小，考慮到碳市場與其他市場之間可能存在非線性相關和溢出，Copula 函數對于刻畫不同市場間的非線性、非對稱及尾部漸近相依具有獨特優勢（Zhu et al，2020；Yuan 和Yang，2020）。因此有研究將Copula 與CoVaR 相結合，在分析邊緣分布的基礎上，選取最優Copula 函數刻畫市場之間的相依結構，再運用CoVaR 方法度量市場之間的溢出效應（王喜平和王雪萍，2021；Uddin et al，2018；Xu，2021）。盡管基于Copula 函數的研究可以反映不同市場間復雜的非線性溢出效應，但卻不能反映溢出的方向，明確風險的溢出方和接收方，因而無法準確判斷風險的來源與傳播路徑。Diebold 和Yilmaz（后文中簡寫為DY）在2008 年創建（Diebold 和Yilmaz，2008）并于2012 年改進（Diebold 和Yilmaz，2012）的溢出指數模型則克服了上述缺陷，可以同時捕捉溢出的方向和強度，這為分析碳市場與股票市場之間的風險溢出提供了有益的參考借鑒。

本文的貢獻主要體現在以下三個方面：①研究內容上，不同于已有研究只關注不同碳市場之間或碳與能源市場之間的溢出，進一步將研究擴展至碳與股票市場之間的關聯，全面分析中國碳市場與電力、材料、房地產、工業、金融、傳統能源、新能源等股票板塊市場間的風險溢出，識別溢出機制和規律，豐富已有研究；②研究方法上，基于廣義預測誤差方差分解構建溢出指數模型，從靜態和動態兩個層面、強度和方向兩個維度捕捉碳市場與7 大股票板塊市場之間的風險溢出效應和信息傳導路徑；③考慮到溢出指數模型只能衡量兩兩市場之間的風險傳導機制，不能有效刻畫經濟一體化背景下碳市場與外部多個市場之間的交互關聯。因此進一步基于DY 凈配對溢出指數構建“碳-股票”系統風險溢出網絡，識別系統中的風險溢出中心。

二、理論分析與模型構建

（一）理論分析

Ross（1989）從“信息流”的角度提出波動溢出效應，即一個市場的波動可能會引起其他市場波動的現象。信息是造成這一現象的重要原因。由于碳市場與股票市場間具有相同的基本信息，如宏觀經濟環境、公共政策等，會導致信息在不同市場間相互傳導，造成碳市場與股票市場間的溢出效應，比如宏觀經濟繁榮、政策利好等可能會使碳價格、股票價格紛紛上漲。

此外，Hirschman（1958）的“聯動效應”理論指出，如果兩個市場間存在某種關聯，則一個市場私有信息的變化會引起其他相關聯的市場價格發生波動，從而形成市場間相互影響、出現聯動。如圖1 所示，一方面，碳市場通過高碳排放企業購買碳排放權的行為，將其產生的“環境負外部性”內部化，碳價格波動會影響企業生產成本、企業價值，進而影響企業股票價格，對股票市場產生影響。如碳價上升會造成企業生產成本上升，企業現金流短缺，股票價格下降；反之亦然。可見碳市場會在一定程度上影響股票市場。

圖1 碳與股票市場風險溢出機制圖

另一方面，股票市場也會對碳市場產生影響。股票市場是宏觀經濟的晴雨表，股價波動傳遞著宏觀經濟信號，通過影響投資者預期進而影響投資者的投資行為，比如股市繁榮可能會刺激投資者在碳市場的投資/投機需求，從而導致碳市場的價格波動；不僅如此，考慮到碳市場和股票市場均具有金融屬性，投資者可能會基于逐利目的將兩個市場之間的關聯資產進行組合，并根據預期價格波動調整資產配置，從而導致兩個市場間價格波動的相互傳導，并且這種傳導還可能由于投資者情緒、羊群效應等加劇市場波動，尤其在極端氣候或經濟危機發生時，也會更進一步加強碳市場與股票市場間的關聯，加劇風險溢出效應。

綜上分析，隨著碳市場的不斷發展、其金融屬性的不斷增強及經濟一體化的不斷深入，其與股票市場之間的風險溢出效應也會更加顯著。已有研究表明，波動率是市場信息的主要攜帶者。因此，本文基于波動率概念度量碳市場與股票板塊市場之間的風險溢出效應和傳導路徑。

（二）溢出指數模型

總溢出指數（TSI）是用來度量總體相關程度的指標，解釋整體的風險聯動程度，見式（3）：

方向性溢出指數（DSI）用來度量某個市場與其余所有市場之間的溢出程度。式（4）和式（5）可以分別度量市場i對其他市場的溢出指數、其他市場對市場i的溢出指數。

凈溢出指數（NSI）用來度量單個市場對于其他市場的凈溢出，由從市場i傳導到其他市場的沖擊減去其他市場傳導到市場i的總沖擊。

凈配對溢出指數［(H)，S代表spillover］用來衡量單個市場之間波動溢出效應。

（三）網絡分析方法

為進一步識別“碳-股票”系統的風險溢出中心，將各樣本市場視為網絡中的節點，節點的中心度定義為與該節點連邊的權重之和，以衡量市場的重要性；將兩兩市場間的溢出關系視為該網絡的邊，以DY 模型計算得到的凈配對溢出指數度量節點的出度和入度；采用閾值法（以90%為閾值）過濾溢出較小的邊，保留較大的溢出關系構造網絡，并通過7 種統計指標來分析市場的重要性及溢出網絡的特點和演化。

（1）網絡密度ρ：網絡中存在的邊數與可容納的邊數上限的比值。

其 中：∑Ai，j為 實 際 存 在 的 邊 數；N為 節 點 的 個 數。

（2）網絡聚類系數C：節點i的聚類系數為與該節點相鄰的兩個節點也相互連接的概率，網絡的聚類系數C為節點聚類系數的平均值。

其中：ki為與節點i有相鄰邊的節點數目之和；Ei為與節點i相鄰ki個節點間實際相連接的邊數。

（3）網絡直徑D：網絡中兩個節點i與j之間的最短路徑上的邊數為兩個節點之間的距離，其中距離最大的即為網絡直徑。

其 中：di，j為 節 點i到j的 最 短 路 徑。

（4）平均最短路徑L：網絡中兩個節點之間距離的平均值。

（5）點出度與點入度：點出度是該節點指向其他節點的邊數，入度則是其他節點指向該節點的邊數。

（6）中間中心度：網絡中某一節點的媒介程度。

（7）接近中心度：該節點與網絡中其他節點距離之和的倒數。

三、實證分析

（一）變量選取與數據描述

盡管全國碳排放權交易已于2021 年7 月16 日正式開市，但目前交易數據有限。因此選取區域碳交易市場數據進行研究。相較于我國其他試點市場而言，北京是中國最早實現控排單位覆蓋全行業的試點地區，其控排企業包括工業、服務業、農業等，且服務業數量占比超過50%，納入的排控企業多、交易產品豐富，在線上交易之外還發布了場外交易細則。因此，選擇北京碳市場作為研究對象。

為研究碳與股票市場之間的波動溢出，另外選取電力、材料、房地產等7 個股票板塊市場作為研究對象，最終的樣本選取和數據來源見表1。為避免數據刪減對時間序列一致性的影響，采用已實現周波動率作為波動率的代表。通過計算每交易日的收益率：rt，i=（t表示第t周，i表示第i日），得到第t周已實現的波動率（Wt表示第t周的交易日數）。所有數據的樣本區間為2015 年7 月14 日至2021 年6 月4 日。表2 給出了這8 個樣本數據的描述性統計。

表1 樣本市場的選取與數據來源

由表2 的數據可知：①碳市場的波動率最大，碳市場的最大值為0.1593，明顯高于其他市場，并且其標準差也是所有市場中最大的，為0.0318，可以看出碳市場相對于其他市場而言，具有更大的風險不確定性；②各指標波動率序列偏度皆大于0，且峰度都大于4，JB（Jarque-Bera）統計量的值也表明各變量的波動率序列都在1%的顯著性水平下拒絕原假設，即認為選取的樣本數據均不是正態分布，具有尖峰厚尾的特征；③ADF（Augmented Dickey-Fuller）和PP（Projection Pursnit）檢驗結果表明，各指標波動率序列在1%置信水平下平穩。因此可以構建DY 溢出指數模型。

表2 樣本市場波動率的描述性統計

（二）靜態溢出指數

表3 報告了碳市場與股票板塊市場之間風險溢出效應②滯后階數根據Akaik Information Criterion（AIC）和Schwarz Criterion（SC）準則確定為1 階，廣義方差分解的預測期（H）選為10 期（大概兩個半月）。，TO行表示某市場對其他市場的溢出效應，FROM列表示受其他市場風險溢出的程度，NET行表示兩者的差值，即對其他市場的凈溢出程度。從中可以發現：①所有市場受自身滯后效應影響均高于受其他市場風險溢出的影響。以碳市場為例，對角線上的值84.64%，表示自身滯后效應對當期碳市場的影響；在所有市場中，碳市場受自身的影響最大。②從方向性溢出來看，只有碳市場的凈溢出效應為負值（-12.51%），各股票板塊市場的凈溢出效應均為正值，表明碳市場是風險凈接收方，股票市場則為風險的凈溢出方。③總溢出指數為69.69%，說明我國的碳市場與上述各板塊市場之間具有很強的風險聯動性。

表3 各市場間溢出指數表

進一步觀察靜態溢出指數表發現，碳市場是最大的風險接收方，其接收的風險主要來自新能源、傳統能源、電力及工業等板塊市場的對外溢出。隨著光伏發電等新能源的快速發展，一定程度上減少了對化石能源的需求，因而減少碳排放和碳配額需求，碳價格因此會受到影響。由于新能源的經濟性、穩定性和便利性短期內還不能比擬化石能源，新能源逐步替代傳統化石能源是一個長期的過程。因此目前傳統能源市場對碳市場的影響也比較大；另外，碳市場對股票市場存在溢出效應，但對不同板塊的表現存在差異。比較而言，對電力板塊的溢出效應最大。這與Cong 和Wei（2010）、Lin 和Chen（2019）的研究結論一致。除電力市場外，受碳市場風險溢出最為顯著的是房地產市場。房地產行業的單位產值碳排放量是0.25 千克/元，比全國平均水平高出1 倍，導致其對碳排放權的需求量大，受碳價格波動影響顯著。

（三）時變溢出指數

靜態溢出指數無法反映溢出效應隨時間的動態變化情況，為此進一步將滾動窗口技術與DY 溢出指數相結合，使用50 周（約一年）的滾動窗口研究各市場之間的時變溢出效應。

1.總溢出指數

從圖2 可以看出，樣本期間，碳與各股票市場之間的總體溢出指數維持在40%～80%，市場整體聯動性較強；但同時總溢出指數存在波動性和不確定性，出現了三次顯著的波動周期，分別發生在2017 年初、2018 年初至2019 年中和2020 年初至今。2017 年是《中華人民共和國國民經濟和社會發展第十三個五年規劃綱要》的第二年，供給側結構性改革對中國宏觀經濟的影響逐漸顯現，“三去一降一補”中的去杠桿要求企業以股權融資的方式代替債券融資，在一定程度上對各市場進行了有效回調，降低了市場之間的聯動性。后隨著2017 年5 月在北京舉辦“一帶一路”國際合作高峰論壇，在推進中國經濟社會發展和結構調整的同時，有助于推動國際合作、實現共贏。在此背景下，為中國企業“走出去”減少了障礙，新的機遇下各市場之間的聯動性在短期內急速上升。2018 年，中美貿易戰持續升級、中國股市持續下跌，市場整體投資狀況消極，總溢出指數從2018 年初到2019年中，經歷了一個顯著波動下降的周期；從2020 年初開始，新冠疫情逐步蔓延全國，各行各業經濟呈現不景氣，經濟增長放緩，市場之間的風險聯動性降低，可以看出從2020 年初到2021 年初，是一個波動下降的周期，特別在2020 年底，呈現急劇下降的態勢。另外，在2020 年中受到全球范圍內的降息和動用非常規貨幣政策措施的影響，宏觀經濟狀況有所回升，但很快又陷入到“流動性陷阱”的風險中。因此在2020 年中總溢出指數呈現急速上升又迅速回落的趨勢。

圖2 碳與各股票市場總體溢出指數時變圖

2.方向性溢出指數和凈溢出指數

圖3 所示為2016—2021 年各市場的方向性溢出指數和凈溢出指數，從中可以看出：各市場的方向性溢出指數存在一定的波動性和不確定性，受極端經濟事件及政策不確定性的沖擊較大；同時，當受到沖擊時，各市場接收外來風險的水平與其對外溢出風險的水平呈反方向的變動趨勢，且各市場的風險凈溢出水平變動與其對外溢出水平的變動趨勢一致。

圖3 各市場方向性溢出和凈溢出的時變特征

從單個市場角度來看，碳市場更容易受到股票板塊市場的沖擊，其凈溢出水平多數時期為負值，屬于風險的凈接收方，且由于碳市場發展不完善，波動程度較大，市場風險不穩定程度較高。

進一步將碳市場溢出指數的時變情況劃分為四個階段：第一階段，2016 年中至2018 年初。在這一階段，碳市場主要受到股票市場的風險溢出，對外風險溢出除2017 年在短期有所上升外，其他時間幾乎為零。這在一定程度上反映了中國碳市場剛剛起步、配額分配和交易制度不完善的現狀。第二階段，2018 年初至2019 年中。從2018 年9 月開始碳市場的對外風險溢出指數迅速攀升，截至2019 年9 月，碳市場的凈溢出指數多次顯現出大于零，即在這一階段碳市場對外風險溢出的能力較大。2018 年4 月，碳交易主管部門由發改委轉至生態環境部，碳交易市場迎來了新一輪改革，加之這一時期國家宏觀經濟形勢面臨困境，各股票板塊市場活躍度低。因此，在這一階段，碳市場對外風險溢出水平較高，有時甚至成為風險凈溢出方。第三階段，2019 年中至2020 年中。這一階段碳市場接收股票板塊市場的風險溢出呈現出較大的波動，特別是在2020年初，國內各市場受到新冠疫情沖擊的影響，風險和不確定性加大，對外風險溢出能力不穩定，市場不確定性較大。第四階段，2020 年中至2021 年中。2021 年起，全國碳市場第一個履約周期正式啟動，兩千多家發電企業分到碳排放配額，以及2021 年全國碳市場建設的穩步推進，使得碳市場的市場有效性增加，風險的對外溢出水平提升，出現曲線末尾平穩上升的情況。

3.凈配對溢出指數

圖4 報告了各股票板塊市場與碳市場的凈配對溢出指數，從中可以看出：第一階段，2016 年中至2018 年初。碳市場主要受到來自電力板塊、工業板塊和傳統能源板塊的風險溢出，且工業板塊的影響最大，溢出指數突破7%。碳市場價格波動與其他較早納入碳排放權交易行業的減排狀況密切相關。這些行業企業通過減排二氧化碳出售碳配額而影響碳排放權的供給，而高耗能高污染企業的過量碳排放會影響碳排放權的需求，從而雙向作用于碳市場。第二階段，2018 年初至2019 年中。在這一階段，碳市場主要受到來自材料市場、金融市場和新能源市場的風險溢出，且新能源市場的影響最大，溢出指數突破8%。全國碳排放權交易啟動后，水泥熟料屬于首批納入行業，在此影響下，風險加速上升，在這一時期，材料市場對碳市場來說屬于風險的凈溢出方，且溢出值在樣本觀測期內達到最大值。在這一階段，金融市場對碳市場的凈配對時變溢出也達到樣本期內最大值，并呈現出最為明顯的頻繁波動，這可能與金融市場特殊的投資心理有關。當金融市場發生劇烈波動時，投資者謀取短期利益的投機心理加重，促使市場波動率發生劇烈變化，市場間的聯動性要顯著高于其他時期，此時金融市場一個輕微的波動將會迅速作用于其他市場，且作用的強度更大。新能源企業在逐步納入碳排控范圍后，對碳市場的價格波動影響逐漸上升。因此新能源市場是在此階段對碳市場溢出指數最強的市場。但隨著碳市場發展的不斷完善，碳市場價格將主要受到需求方的影響，做為碳排放權供給方的新能源市場，對碳市場的凈配對溢出指數有所降低。第三階段，2019 年中至2020 年中。碳市場主要受到來自房地產市場、工業市場的風險溢出，且工業市場最大，溢出指數突破6%。由圖4 可以看出，在整個樣本觀測期內，房地產市場對碳市場風險溢出效應最小，這是由于房地產市場納入碳交易時間較晚，且覆蓋企業有限。隨著房地產企業納入碳交易數量的不斷增加，房地產市場對碳市場的風險溢出效應也有所上升。這一階段碳市場價格波動也受工業市場的影響較大，這與工業市場對碳排放權需求量大的情況相吻合。第四階段，2020 年中至2021 年中。這一階段，全國碳排放權交易市場建設穩步推進，碳市場對外風險溢出能力較強，在部分時期為各板塊市場的風險凈溢出方。

4.溢出指數穩健性檢驗

首先，用更改預測期的方法對實證結果進行穩健性檢驗，計算預測期（H）為12 期和20 期的靜態溢出指數表，具體結果見表4。可以看出表中的結果與預測期為10 期的靜態溢出指數結果基本一致，說明增加預測期H 對估計結果幾乎沒有影響。

表4 基于不同預測期的溢出指數結果

其次，從更改變量順序和更改滾動窗口期兩個角度，對時變的溢出指數進行穩健性檢驗。圖5 將變量順序進行更改計算總溢出指數，圖6 將指數窗口期由50 周更改為55 周計算總溢出指數。總體來看，更改前后總溢出指數具有相似的路徑，之前所得出的分析結論依然成立。

圖5 穩健性檢驗結果（更改變量順序）

圖6 穩健性檢驗結果（更改窗口期）

5.溢出網絡分析

由圖7 可知，溢出具有復雜性，彼此之間普遍聯系、相互溢出，沒有任何一個市場是完全“孤立”于網絡之外的。表5 進一步報告了網絡的結構特征，從中發現，①網絡密度為0.4464，由于實際網絡中能夠發現的最大的密度是0.5，這說明各個市場之間溢出的密切程度相對較高；②平均聚類系數達到0.8955，表明溢出程度較高、溢出面較廣，其中碳市場的聚類系數是1，表明碳市場在網絡中與其他市場的關聯性較強、連通性較高；③平均最短路徑大于1，但與1 十分接近，且網絡直徑為2，表明風險在大多數市場是直接溢出的，少數市場間并不是直接溢出，而是通過中介渠道溢出的。

表5 網絡結構特征

圖7 風險溢出網絡

表6 進一步分析了各個市場的中心度，從中可以看出：①點出度和接近中心度（出度）排在第一位的是工業市場；且根據風險溢出網絡圖可以看出工業市場位于溢出網絡的核心，說明工業市場處于溢出的中心，具有輻射作用，對其他市場存在較多的溢出。②碳市場、材料市場的點入度和接近中心度（入度）排名均較為靠前，在整體上受到的風險溢出較強。這是由于碳市場運作機制體現了“誰排放誰買單”的原則，受每筆碳交易的主體不同所影響，其交易的區域、時間均不相同，導致中國碳市場存在著均衡性差、穩定性弱的缺陷。碳市場主要是風險的接收者，受工業市場的影響最強；對于材料市場而言，當市場條件發生變化時，材料需求方對原材料的需求種類會相應做出調整（原材料本身具有品類眾多，相互可替代性強的特點），從而影響材料市場的價格。因此，材料市場本身的價格變動不會對其他市場造成太為顯著的影響，反而受其他市場的風險溢出效應較大。③從中間中心度來看，工業市場、材料市場均為1，具有較強的中介性，助力溢出，加強溢出網絡的緊密性與關聯性。

表6 節點中心度分析

從整體來看，8 個市場之間的溢出兩極分化嚴重，存在明顯的異質性。可能原因在于：一方面，不同板塊的業務范圍和發展程度存在差異；另一方面，各市場面臨的共同風險敞口因近些年中國經濟增速放緩被進一步放大，容易遭受風險溢出。

從碳市場的角度來看，通過溢出網絡分析可以得到較溢出指數分析更為清晰的風險傳導路徑，且碳市場在網絡結構特征分析中的聚類系數也與整體均值較為接近，即網絡分析相對溢出指數而言結果更加顯著。網絡分析進一步印證了溢出指數分析的結論，即碳市場主要是被動受到溢出，且溢出的主要來源是能源市場和工業市場。

四、主要結論與政策建議

本文以北京試點碳市場為研究樣本，基于廣義預測誤差方差分解構建溢出指數，從靜態和動態兩個層面捕捉中國碳市場與電力、材料、房地產、工業、金融、傳統能源、新能源等股票板塊市場之間的風險溢出強度和方向；在此基礎上，進一步從復雜網絡視角構建“碳-股票”系統的風險溢出網絡，探尋碳與股票市場間風險溢出的機制與規律。研究發現：①從靜態指數看，碳與股票市場總溢出指數為69.69%，表明碳市場與股票市場之間存在較強的風險溢出效應，從溢出方向而言，碳市場屬于風險的凈接收方，但從強度而言，不同板塊市場的表現各異、具有非對稱性，對碳市場影響最為劇烈的是新能源市場，對碳市場價格變化最為敏感的是電力市場。②從時變指數看，碳市場與股票市場的風險溢出存在一定的波動性和不確定性，受極端事件沖擊較大，在宏觀經濟震蕩時期，碳市場受股票板塊市場的風險溢出效應顯著高于其他時期。③從“碳-股票”系統的網絡看，工業板塊是網絡的絕對核心，是風險溢出的中心，具有極強的輻射作用。

基于上述結論，得到以下啟示和政策建議：

（1）從政策制定者的角度，防范碳市場風險要有全局意識。碳市場不是孤立的，其與股票市場等外部環境存在錯綜復雜的關聯，股市波動會對碳市場產生溢出效應，并且不同板塊溢出強度各不相同。因此，防范碳市場風險要密切關注股市波動，尤其重點關注新能源、傳統能源、工業、電力等板塊市場的波動，防微杜漸，防患未然。

（2）從投資者的角度，碳排放權因其稀缺性而形成一定的市場價格，在碳約束時代，其逐漸成為企業繼現金資產、實物資產和無形資產后又一新型資產類型——碳資產，因而成為其資產配置中的重要組成部分，為保障其收益并防范風險，必須關注碳價格與股票等其他市場之間的關聯，重視市場之間價格信號的傳導。

（3）從碳市場發展的角度，目前全國碳市場雖已開市，但仍處于起步階段，如何保持碳市場的穩定運行未來仍有很長的路，不僅要借鑒發達國家經驗，更要立足國情，根據本國的政治、經濟和碳市場運行情況制定相應的政策措施，并不斷加強防范碳市場風險沖擊等能力的建設，只有保持碳市場的穩定性，才能更好地在實現國家雙碳目標的同時促進經濟高質量發展。