碳價區域差異成因的探究

李雨潤

(對外經濟貿易大學 國際經濟貿易學院，北京 100029)

1 我國碳交易市場現狀及價格特征

2013年，中國在京、津、滬、渝、鄂、粵、深7個省市的碳排放權交易試點正式開始交易活動；2021年，全國碳排放權交易市場開市。經歷7個履約周期，中國目前已成為配額成交量規模全球第二大的碳交易市場，其潛力巨大、前景廣闊。隨著碳配額交易規模的不斷增加，碳交易價格逐漸顯現出一個明顯的特征，即不同區域間碳交易價格差異明顯。然而，碳價差異的存在在一定程度上反映了我國不同地區碳減排的供需狀況、經濟發展水平及產業結構影響下碳減排的成本差異，同時也極大地影響了我國統一碳交易市場的形成進程和實際效果，以及碳配額資源的優化流動。

2 我國區域碳交易價格影響因素

(1)國外碳資源定價。EU ETS是世界首個也是迄今為止最大的控制溫室氣體排放量限額交易系統，而我國碳市場建立時間較晚，市場體制和政策體系尚未成熟，在價格和制度上多借鑒國外碳市場體系。因此，國外碳資產價格的變化可以在一定程度上改變國內碳交易價格。

(2)宏觀經濟狀況。宏觀經濟環境可直接或間接地作用于企業中長期發展戰略及經營決策的制定。在當前國際經濟環境下，我國的國內經濟將逐步走上高質量、低增長的良性發展軌道。因此，國內企業也必將面臨產業結構轉型升級、產品結構提質增效所帶來的機遇和挑戰。

(3)工業發展狀況。工業碳排放量在碳排放總量中占比較高。以2022年為例，我國碳排放量約占全球的28.87%，其中工業排放量占全國排放量的38.18%，與工業密切相關的電力行業排放量占全國排放量的46.37%。因此，工業部門發展狀況將直接影響我國碳排放總量，進而影響碳交易價格。

(4)國內外能源價格。煤炭、石油等化石燃料依然是企業當前的主要生產能源，也是導致大量溫室氣體排放的重要根源。同時，傳統能源價格的變化也會對企業的生產成本產生極大的影響。因此，傳統能源價格將直接影響企業的能源使用量，進而影響企業對碳排放權的需求量和碳價。

(5)匯率。匯率是連接國內外貿易、碳市場融合以及碳交易的樞紐，其主要是通過影響進口貿易規模對碳交易價格施以影響。相關研究表明，匯率對我國各地域的碳價均有顯著影響，但高、低波動狀態下的匯率對不同區域碳價影響的方向和程度存在差異。

(6)政策。國家政策的出臺，特別是國家的標志性政策，對于企業具有極強的導向性。它直接影響著企業在碳交易市場是否進行交易活動以及進行多少交易活動等決策的制定，從而影響碳交易價格。但是，隨著交易體系和制度的不斷完善，政策變化所帶來的影響將逐漸縮小。

(7)氣溫。氣溫變化，尤其是極端天氣的出現，會改變地面上各種設備的使用頻率，例如供暖設備，這樣就直接或間接地改變了傳統能源需求量，通過影響碳配額的需求量來影響碳交易價格。但也有部分研究表明，天氣變化對碳交易價格的影響非常微弱。

3 GA-BP-MIV模型設計

3.1 模型介紹

BP神經網絡是一種按照誤差反向傳導算法訓練的多層反饋網絡，主要由信息的正向傳導和誤差的反向傳導兩步構成。從輸出層開始，算法會將誤差按照梯度下降的方法對各層權值進行改正，并依次向隱含層、輸入層傳播。通過不斷的信息正向傳播和誤差反向傳播，各層權值會不斷進行調整，最終將誤差減小到期望程度并實現學習。

對于隱藏層有：

對于輸出層有：

當網絡輸出與期望輸出不同時，會存在輸出誤差E。一個樣本的均方差公式定義如下：

最終權值調整公式為：

ΔWh=η(Yh-1)Tδh

但是，由于BP神經網絡存在學習效率低、容易遺忘舊樣本等缺陷，因此，文章采用遺傳算法優化的BP神經網絡模型，即GA-BP模型對樣本進行訓練，并采用MIV方法對因子影響程度進行定量計算。

3.2 樣本選取

選擇2016—2020年北京、上海、廣東、湖北、深圳五個地區為研究樣本。

3.3 變量設定

本模型共選擇碳排放權交易價格、國際碳資產價格、國內經濟社會發展、工業發展指標、國內外能源價格、匯率、政策、氣溫八類指數，且設定碳排放權交易價格為因變數，其他七個因素為自變數。自變量的具體說明如下：

(1)國際碳資產價格：EUA期貨結算價年均值、CER期貨結算價年均值。

(2)國內外經濟社會發展：法蘭克福DAX價格指數、國際標準普爾500股指、滬深300股指。

(3)工業發展指標：上證工業指數。

(4)國內外能源價格：

國內：中國煤炭價格指數、中國大慶原油現貨價格、國內天然氣市價。

國際：布倫特原油期貨結算價、NYMEX天然氣期貨結算價、歐洲三港ARA電力煤現貨價。

(5)匯率：歐元兌人民幣中間價、美元兌人民幣中間價。

(6)政策：國家發布的標志性政策文件。有標志性政策文件即為1，沒有即為0。

通過中國碳交易網、Wind數據庫、大智慧及氣象網等數據中心，本模塊最終共獲取各變量的16個指標，即16種影響因子。

3.4 GA-BP神經網絡模型

(1)BP神經網絡構建。隨機選擇訓練集和檢測集：采用隨機抽樣方法，從2016—2020年的21個指標(共400個樣本)中選擇300個樣本作為練習集，進行集中模擬訓練；其余的100個樣本作為測試集，用來測試這些樣本的泛化程度。

對數值歸一性的預處理：因為數據中各因變數值的單位、數量級存在著很大不同，所以利用MATLAB中的mapminmax參數對現有數值進行預處理。

網絡架構搭建：考慮了該數據的十六個進入節點(十六個變動指標)和五個流出節點(五個試點區域的碳交易價格水平)，所選取的最多隱含層節點個數是18，故文章的神經網絡模型是16-18-5。

(2)GA-BP神經網絡模型訓練。GA-BP神經網絡模塊的訓練結果如圖1所示，即當迭代次數大于等于100時，適應性曲線趨于平穩，模型達到了較優水平。

圖1 GA-BP適應性曲線

(3)GA-BP神經網絡模型訓練效果。GA-BP神經網絡模擬對檢測集的分析結果如圖2所示，其預測值和實際值平均絕對誤差為2.4，均方根誤差為3.2。這意味著該預測擁有更高的準確度。

圖2 GA-BP神經網絡檢測集的預測值與實際值對比

4 實證分析

影響因素程度模型，即MIV方法，是反映各因素對世界各地區碳市場及碳交易價格影響程度的指數，其絕對值代表影響的顯著性，符號代表影響的可加與可減性。

MIV的測算流程：先把模擬訓練完成后的訓練集影響因素分別增減20%，形成新的訓練集M1、M2，隨后使用GA-BP模式對M1、M2進行模擬，將得出的預測結果計為S1、S2，然后再取S1、S2的比值，即為改變該因素之后對五個地區碳價的影響程度大小。最后再根據訓練集中樣本數量加以平均，即可得出該影響因素之后對我國五個試點地區碳配額交易定價的MIV數值。

基于對上述GA-BP神經網絡模型的研究結論，文章將根據MIV閾值的高低，把對各因子的干擾水平區分為強(MIV>0.5×10-14)、較強(0.1×10-14

由圖3可知，16種影響因子對我國七個試點地區的影響程度大小不盡相同。但總體來說，國內能源價格、經濟發達程度和匯率均是中國碳市、碳價最重要的影響要素。

在能源價格方面，煤、石油、天然氣對五個地區內的碳價都產生了較強的影響。其中，天然氣工業對五個區域都具有很重要的正向影響，特別是對上海和廣東，天然氣價格是MIV值最大的影響因素。

從匯率視角看，匯率與碳價存在正相關，尤其是對北京、深圳的碳價均形成了很大的影響。這些地區發展的市場化程度也較高，國際貿易占總交易量的比重較大。匯率也直接影響著國內公司對外國產品的進出口量，當匯率價格上升時，國內產品出口將受相應影響，而海外產品進口則得到了促進，此時國內公司就會減少生產量，使得生產活動減少，碳排放量降低，國內碳價也相應降低。

在國內外經濟發展水平方面，國外的經濟發展水平對國內的碳價影響較弱，而國內的經濟發展狀況向好則會對碳價產生較強的積極影響。比如，若國內經濟過熱，則國內企業會加大商品生產量，碳排放量也將急劇上升，致使碳排放配額需求量上升，進而導致碳價上升。

5 模型檢驗

5.1 穩健性檢驗

為檢驗上述實證分析結果的可靠性，文章使用面板數據模型進行穩健性檢驗。

(1)平穩性檢驗。為避免面板數據出現偽回歸，確保估計結果的有效性，文章利用LLC檢驗和ADF檢驗兩種方法，對面板數據的平穩性進行檢驗。

ADF單位根檢驗公式：

式中，yt為隨時間t變化的變量，Δ為差分因子，εt為服從獨立同分布的誤差項。

LLC檢驗原理仍采用ADF檢驗形式，但將Δyt和yt剔除自相關，并確定相影響的、標準的代理變量。

Δyit=ρyit-1+α0i+α1t+μit，i=1，2，…，N，t=1，2，…，T

式中，ρ是LLC個體間的其次自回歸系數，α1t是隨時間變化的變量，α0i是隨個體變化的變量，μit是誤差項。

通過計算得到ADF檢驗P值為0，LLC檢驗P值為0.2020，因此，各地區的碳交易價格序列通過了平穩性檢驗，不存在單位根，原序列平穩，可以進行回歸分析。

(2)模型選擇。針對文章的面板數據類型，首先使用F檢驗確定使用固定效應模型還是混合效應模型，使用Stata軟件計算可得，F檢驗P值等于0，強烈拒絕原假設，因此固定效應模型優于混合效應模型。

再使用Hausman檢驗確定是選擇固定效應模型還是隨機效應模型，使用Stata軟件計算可得，Hausman檢驗P值等于0.0337，小于0.05，拒絕原假設，因此固定效應模型的效果優于隨機效應模型。

綜上所述，選取固定效應模型更佳。

固定效應模型的數學公式如下：

Yit=β0+β1X1it+β2X2it+…+βnXnit+μi+ρt+σit

式中，μi是個體不可觀測因素，ρt是時間不可觀測因素，σit是其他隨時間和個體變化的不可觀測因素，且μi與X存在相關關系或者ρt與X存在相關關系。

(3)檢驗總結。為保證分析結果的穩健性，文章默認數據模型中的個體效應和時間效應存在，并對國內能源價格、經濟發展狀況和匯率三個變量分別進行了個體固定效應回歸分析和時間固定效應回歸分析。

分析結論為檢驗結果與實證分析的結果類似，顯示為國內能源價格、經濟發展狀況、匯率三個因素都與國內區域碳價保持極強的相關性，且上文的分析結果并不是由于地域差異或是時間因素引起的，而是受所選取變量的影響。因此，可以認為文章的研究結論符合一般規律，具有較好的穩健性。

5.2 異質性檢驗

由于文章選取的樣本涉及5個地區，地區之間的差異可能會對碳交易價格產生異質性影響，因此需進行異質性檢驗。碳交易活動依托于市場而存在，不同試點區域的市場化程度差異也可能對碳市場的活躍性和碳價產生影響。因此，本部分采用2016—2020年北京、上海、廣東、湖北、深圳五個地區的人均GDP數據對模型進行異質性檢驗。檢驗結果如表1所示。

上述異質性檢驗回歸結果顯示，隨著區域經濟水平的提高，中國煤炭價格指數、滬深300指數對碳價的正向影響越來越顯著，美元兌人民幣中間價對碳價的正向作用先被削弱，后又升高。以上結果較為符合正常預期，說明上文的研究結果比較可靠。

6 建議

6.1 推動全國統一碳市場的構建

強化區域碳市場與全國統一碳交易市場(以下簡稱“全國碳市場”)的協同發展，并進一步完善提升全國統一碳交易市場，將對消除區域碳市場交易價格差異發揮重要作用。建議各級政府運用區塊鏈技術等先進科技手段，打通區域間碳交易機制壁壘，解決市場透明度不足以及信息級差造成的碳配額失真等問題，以有效推動透明、公平的全國碳市場的構建。需要指出的是，區域間絕對統一的碳價并不適合目前中國的經濟發展與社會環境。絕對統一的碳價將導致碳排放向某一地區集中，形成國家整體碳排放降低，但某個地區的碳排放不降反增的狀況。

6.2 基于供需模型規范區域碳價浮動范圍

為避免由于定價不合理而引起市場主體交易成本過高，建議政府根據不同區域內影響因子的權重，為市場主體賦予合理碳價區間，同時充分發揮市場的調節作用，引導碳排放權配額等要素適度流動，實現產業發展與綠色低碳的良性互動。

6.3 加強與碳減排制度先進國家的交流與合作

按照形成價格的方式分類，碳定價主要分為顯性碳定價、隱性碳定價以及內部碳定價。目前中國主流的碳配額交易價格屬于顯性碳定價，是碳減排制度初步發展的產物。以歐美為代表的發達國家碳減排制度和手段已經發展到較為成熟的階段，諸多學者已開始對隱性碳定價的研究。而中國對于以碳交易為代表的碳減排方式的探索尚處于初步狀態，顯性碳定價仍占據學術研究的主要地位，對于更為復雜的隱性碳定價和內部碳定價的研究尚不完善。因此，需要加強與國際碳交易市場的合作交流，學習國際先進經驗，以不斷完善我國碳交易的體制機制和市場體系。