我國碳排放權交易市場的跳躍與共跳研究

【摘? 要】習近平總書記在黨的十九大報告中明確指出，我國要積極穩妥推進碳達峰碳中和。黨的二十大報告提出，要完善碳排放統計核算制度，健全碳排放權市場交易制度。基于此，論文運用BN-S模型對我國碳排放權交易市場的價格跳躍特征進行了估計，構建了共跳模型以研究影響碳市場價格波動的主要因素。研究發現，我國碳排放權交易市場存在顯著的價格跳躍現象，不同市場之間跳躍特征差異顯著，且與市場位置相關。研究結果豐富了人們對我國碳排放權交易市場的認知，為未來的碳市場政策制定提供了重要參考，特別是對于地理位置相近但發展水平不同的地區，可以通過優化市場設計和政策支持來促進碳市場的穩定發展。

【關鍵詞】碳排放權交易市場；跳躍；共跳

【中圖分類號】F832.5；X196? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文章編號】1673-1069（2023）09-0063-03

1 引言

在40多年的改革開放進程中，我國經濟的快速增長帶來了大量的二氧化碳排放，引發了氣候變暖等氣候變化問題。同時，作為全球最大的碳資源儲備國，我國近年來面臨嚴峻的減排壓力與綠色低碳轉型挑戰。為了應對這一挑戰并實現減排目標，我國逐步建立了8個試點碳排放權交易平臺，于2017年開啟全國碳排放權交易市場建設，并于2020年提出“雙碳”目標。2021年7月16日，全國碳排放權交易市場正式啟動交易，但目前交易市場并不活躍，碳價波動頻繁導致市場交易的收益不穩定，制約著市場的可預測性，這必然對碳定價機制產生不利影響，引致碳排放權交易市場的交易價格產生跳躍性波動，碳收益存在突增或驟降的現象，從而對碳排放權交易市場的穩定性和可持續發展產生了一定的負面影響。因此，識別碳排放權交易市場收益的跳躍行為，分析并度量碳排放權交易市場的共同跳躍特征，對于建設統一的碳市場具有重要的現實研究價值。這一方面的研究不僅可以推動我國碳排放權交易市場的健康發展，而且可以為全球氣候變化問題的解決提供有價值的參考。

近年來，學術界對碳排放權交易市場的波動特性進行了深入研究。特別是碳交易價格的跳躍方面[1，2]。這些學術研究共同為了解碳排放權交易市場的價格波動特性提供了深入的理論和實證分析。隨著碳排放權交易市場的不斷擴張，市場成交量與成交額持續出現高增長態勢，引起了國內學者的廣泛興趣[3]。例如，趙昕等[4]采用SVCJ模型估計了中國碳金融市場價格的跳躍概率、跳躍幅度和跳躍擴散效應的特征，評估了中國碳金融市場的動態極端跳躍風險。然而，目前較少文獻關注中國碳排放權交易市場價格的共跳問題。因此，本文通過Barndorff-Nielsen and Shephard（2004）模型（以下簡稱“BN-S模型”）評估我國碳排放權交易市場價格的跳躍特征[5]，并結合共跳模型，剖析我國碳排放權交易市場的跳躍和共跳特征，從而為更深入地理解我國碳排放權交易市場的價格波動機制提供參考。

2 跳躍與共跳的定義與衡量方法

近年來，學界檢驗價格跳躍的方法主要通過非參方法，統計在無跳躍和有跳躍兩種情境下關鍵變量的顯著性差異來判定資產價格是否存在跳躍，例如，常見的已實現波動率方法（Realized Volatility，RV）與BN-S檢驗。由于已實現波動率方法和BN-S檢驗等方法為研究資產價格的跳躍和波動性提供了強大的工具和技術，這些方法的應用有助于更全面地理解資產價格波動的機制和特性。本文采用BN-S檢驗模型，以區分存在跳躍和不存在跳躍情況下的統計顯著性。

2.1 BN-S檢驗方法

式中，Mkt代表t時間的市場集合；Jump代表m市場下的i產品在t時間發生了跳躍；I代表跳躍次數總和；COJump函數代表t時間不同市場的共同跳躍次數。這一研究旨在更全面地理解多個碳排放權交易市場之間的共同跳躍現象，對于深化碳市場的波動性和關聯性的認識具有重要的學術意義。

3 實證研究

3.1 數據來源

本研究的數據樣本來自我國6個碳排放權交易所，具體為北京、上海、廣東、天津、深圳和湖北，數據來源于科華碳（北京）信息技術研究院研發的“碳K線”，其中深圳市場每年都會發布當年的期貨合約。為了確保數據的有效性，本文從2013年6月19日至2019年4月18日的每日成交價格中提取樣本數據，并計算每日價格的收益率，重慶碳排放權交易所與福建碳排放權交易所因為數據量不足，因此并不在本文研究范圍內。

本文使用MATLAB進行計算，并得到6個碳排放權交易所的跳躍時間，結果如表1所示。可以觀察到，不同市場的跳躍行為存在差異。例如，相對成熟的市場如北京和上海，其跳躍行為更為活躍，通常伴隨更大的價格波動。這一觀察結果反映了不同市場的特點和波動性。

3.2 共跳檢驗

本部分基于緯度接近因素，對比處于同一緯度的碳市場共振現象。具體分為3組進行對比，分別是：①北京與天津；②上海與湖北；③廣東與深圳。

3.2.1 北京與天津

共跳特征檢驗表明，北京與天津的碳排放權交易市場呈現相似的跳躍特征，跳躍強度隨時間推移發生明顯變化。根據表1的數據可知，北京與天津同時跳躍集中發生在2014年5～7月以及2015年1月、3～4月。這與2014年5月“新國九條”政策的發布和《北京市碳排放權交易管理辦法（試行）》的實施相關，刺激了北京碳市場的活躍度，其后的6～7月，北京市發改委分別發布《關于再次督促重點排放單位加快開展二氧化碳排放履約工作的通知》和《關于2014年配額交易有關事項的通知》，進一步推動了北京碳市場發展，7月30日的累計成交量突破200萬噸。天津市發改委印發的《天津市碳排放權交易管理暫行辦法》以及天津市人民政府發布的《天津市2014年國民經濟和社會發展計劃》，標志著天津碳排放權交易市場正式啟動。2014年6月，北京和天津的試點碳市場進入履約期，自5月開始，兩市的交易活動逐漸升溫，6月達到高峰。2015年，《政府工作報告》《關于加快推進生態文明建設的意見》這兩份文件出臺，標志著擴大碳排放權交易試點和建立全國碳排放權交易市場成為碳排放權交易的重要發展方向，顯著地刺激了碳市場的活躍度，使得這兩個市場出現顯著的共同跳躍特征。

3.2.2 上海與湖北

根據表1的數據可知，上海與湖北發生共跳的時間集中在2014年4～5月、9月、11～12月，2015年1月、3月以及2016年的3月。其中，2014年4～5月的上海市場與北京、天津市場一樣，面臨首次履約期沖擊。在2015年之前，上海市場碳價格波動幅度較大且呈現明顯下降趨勢。經濟增速下降是造成碳排放權交易市場波動的因素之一，特別是能源密集型行業，如電力和鋼鐵等大宗能耗企業的碳排放需求減少，對碳市場的需求下降。此外，碳減排額度（CCER）能夠對碳排放權交易價格跳躍產生影響。2015年，湖北碳市場試點地區將碳減排額度納入市場交易，低成本的CCER導致碳市場排放權出現供過于求的現象。隨后，2016年3月碳市場面臨新產品的不斷涌現以及股票市場的劇烈波動，這進一步打壓了碳配額價格，使其持續下跌。例如，2016年3月國內首單碳配額賣出回購業務落地上海碳市場及2016年1月的股災沖擊，使得上海與湖北碳配額市場日漸冷淡，共振現象明顯。

3.2.3 廣東與深圳

根據表1的數據可知，廣東與深圳發生共跳的時間較早，集中在2014年3月、7月、12月，2015年3～6月，2016年11月，2017年1月以及2018年11月。上述多個時間點的主要影響因素可分為3類：首先是受到政策導向事件的影響，如2014年發布的《深圳市碳排放權交易管理暫行辦法》《廣東省2015年度碳排放配額分配實施方案》；其次是受到履約期的影響，如廣東披露的2014年度企業碳排放權履約率為100%；最后受到市場沖擊性事件的影響，即2016年1月的股災沖擊，以及2018年11月的泉港碳九泄漏事故。

4 結論

綜上所述，可以發現六大市場發生跳躍的影響因素，通過相近緯度的市場兩兩對比，得出六大試點市場共振的時間多數不同、反應不一致的結論。究其原因，得到如下結論：首先，我國碳排放權交易市場表現出高度波動性，呈現明顯的跳躍特征，且各個市場之間存在跳躍的差異。其次，在市場發展初期，我國碳市場的共跳現象主要發生在履約期，尤其是2014年的3～6月。然而，隨著政策和機制的逐漸成熟，履約期對跳躍現象的影響顯著減弱。再次，廣東和深圳市場的共跳現象較為顯著，占據了全國碳排放權交易市場中的較大比例。這一現象與廣東和深圳市場在碳金融產品開發方面的高度成熟有關，同時，突發事件（如碳九泄露事件）對市場的影響也較為顯著。值得注意的是，湖北和上海市場的跳躍頻率最高，反映出金融市場越發達，市場跳躍的概率越高。最后，地理位置差異在一定程度上影響了市場之間的共跳現象。因此，我國碳排放權交易市場的參與者應積極了解市場價格跳躍行為及其共跳效應，以規避潛在的極端風險事件可能引發的市場波動。同時，投資者和監管部門可以借助量化模型，對價格波動的風險水平進行監測，以確保我國的統一碳排放權交易市場能夠穩健有效地運行。

【參考文獻】

【1】George Daskalakis，Dimitris Psychoyios，Raphael N. Markellos.Modeling CO2 Emission Allowance Prices and Derivatives： Evidence From the European Trading Scheme[J].Journal of Banking & Finance，2009，33（7）：1230-1241.

【2】María-Eugenia Sanin，Francesco Violante，Maria Mansanet-Bataller.Understanding volatility dynamics in the EU-ETS market[J].Energy Policy，2015，82（1）：321-331.

【3】胡根華，朱福敏.碳價格波動率模型構建與預測：基于無窮活動率Levy過程[J].數理統計與管理，2018，37（5）：892-903.

【4】趙昕，丁貝德.中國碳金融市場價格跳躍擴散效應及風險研究[J].山東財經大學學報，2019，31（2）：19-30.

【5】Ole E. Barndorff-Nielsen，Neil Shephard.Econometric Analysis of Realized Covariation： High Frequency Based Covariance， Regression， and Correlation in Financial Economics[J].Econometrica，2004，72（3）：885-925.

【6】Ole Martin，Mathias Vetter.Testing for simultaneous jumps in case of asynchronous observations[J].Bernoulli，2016，24（4）：3522-3567.

【作者簡介】黃菲菲（1989-），女，廣東清遠人，助理研究員，研究方向：綠色低碳與數字貿易。