中國碳市場與資本市場的風(fēng)險溢出效應(yīng)探究

摘 要：隨著“雙碳”目標(biāo)的提出，碳排放權(quán)逐漸受到投資者和監(jiān)管者的廣泛關(guān)注。本文從雙向風(fēng)險角度出發(fā)，對近年碳市場與資本市場的動態(tài)相依關(guān)系和風(fēng)險溢出效應(yīng)進(jìn)行研究。研究發(fā)現(xiàn)：碳市場與資本市場存在一定的時變正相依關(guān)系，但在長期內(nèi)無顯著波動趨勢；碳市場的波動及風(fēng)險高于資本市場；碳市與股市存在雙向的強(qiáng)極端風(fēng)險溢出，與債市存在雙向的弱極端風(fēng)險溢出。

關(guān)鍵詞：碳市場；資本市場；DCC-GARCH-CoVaR；動態(tài)相依關(guān)系；風(fēng)險溢出效應(yīng)

本文索引：李天鑫.<變量 2>[J].中國商論，2024（09）：-110.

中圖分類號：F062.2 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2024）05（a）--04

1 引言

21世紀(jì)，厄爾尼諾現(xiàn)象等極端氣候頻發(fā)，如何合理有效地解決全球面臨的環(huán)境問題是各國政府面臨的難題。2016年，我國在《巴黎協(xié)定》中承諾，預(yù)計到2030年國內(nèi)碳減排較2005年將下降60%～65%。全國碳排放權(quán)交易市場是我國為實現(xiàn)“雙碳”目標(biāo)推出的一項核心政策工具。從2011年開始，我國陸續(xù)在北京、天津、上海、重慶、湖北、廣東及深圳7個省市啟動了碳排放權(quán)交易試點工作。2021年7月，全國碳排放權(quán)交易市場正式啟動交易，現(xiàn)階段我國碳市場已成為全球覆蓋溫室氣體排放量規(guī)模最大的市場。

碳市場不僅是一項節(jié)能減排的政策工具，還是一項金融工具，能夠發(fā)揮資源配置的重要作用，并與資本市場相互作用和影響。因此，為了更好地推動我國碳排放權(quán)交易市場的健康發(fā)展，本文對碳市場與資本市場的動態(tài)相依關(guān)系和風(fēng)險溢出效應(yīng)進(jìn)行深入分析具有重要的現(xiàn)實意義。

2 文獻(xiàn)綜述

當(dāng)前學(xué)術(shù)界普遍認(rèn)為碳市場與資本市場存在相關(guān)關(guān)系。Zachmann和Hirschhausen（2008）首次提出歐盟碳排放權(quán)交易價格與電力行業(yè)股票收益有關(guān)的觀點。陶春華（2015）基于VAR模型研究發(fā)現(xiàn)，高碳排放行業(yè)股市收益率與上海碳排放權(quán)市場價格之間存在顯著負(fù)相關(guān)性。劉勝粵（2019）認(rèn)為，上海碳配額市場與歐盟碳排放權(quán)交易市場、股票市場、能源市場均存在一定的相關(guān)性。Tan等（2020）基于Diebold-Yilmaz模型的研究發(fā)現(xiàn)，在歐盟“碳-商品-金融市場”系統(tǒng)內(nèi)碳市與股市的關(guān)聯(lián)性較強(qiáng)。

Creti等（2012）認(rèn)為，股票指數(shù)會對不同階段歐洲碳排放權(quán)市場的碳價波動產(chǎn)生影響，且影響程度隨著階段的不同而發(fā)生改變。胡志瑋（2018）借助RSDGC-MSV-t模型發(fā)現(xiàn)，碳市場與電力供熱業(yè)股票市場存在一定的溢出效應(yīng)，且股市對碳市的溢出效應(yīng)更強(qiáng)。王超、楊寶臣（2021）基于 Diebold-Yilmaz模型發(fā)現(xiàn)，國內(nèi)碳市場主要表現(xiàn)為收益的凈傳遞方和波動的凈接受方，且國內(nèi)碳交易行為市場化不足，歐盟則反之。趙明明（2021）借助Copula函數(shù)、VaR和CoVaR方法發(fā)現(xiàn)，碳排放權(quán)市場、低碳產(chǎn)業(yè)股票和綠色債券間的風(fēng)險波動溢出存在不對稱性。

本文對上述文獻(xiàn)進(jìn)行梳理可以發(fā)現(xiàn)：（1）從研究對象來看，現(xiàn)有文獻(xiàn)主要圍繞歐盟碳市場與股票市場的相關(guān)關(guān)系和風(fēng)險溢出效應(yīng)展開研究，關(guān)于國內(nèi)碳市與債市的研究較少。（2）從研究方法來看，對于兩市的相關(guān)關(guān)系，少有學(xué)者利用DCC-GARCH模型進(jìn)行研究；對于兩市的溢出效應(yīng)，鮮有學(xué)者通過DCC-GARCH模型計算CoVaR指標(biāo)測度風(fēng)險溢出。（3）從溢出測度方向來看，現(xiàn)有研究成果主要集中于金融資產(chǎn)價格波動對碳市場的單向風(fēng)險溢出，忽略了碳價波動同樣可能對資產(chǎn)價格產(chǎn)生影響。因此，本文從雙向風(fēng)險的角度出發(fā)，采用DCC-GARCH模型刻畫碳市場與資本市場的非線性動態(tài)相依關(guān)系，并基于CoVaR指標(biāo)測度風(fēng)險溢出大小和方向，以反映兩者的時變交互關(guān)系。

3 數(shù)據(jù)來源與描述

3.1 數(shù)據(jù)選取

本文以廣東碳排放權(quán)配額收盤價、滬深300指數(shù)和中證全債指數(shù)的日度交易數(shù)據(jù)為研究對象，數(shù)據(jù)均來自Wind數(shù)據(jù)庫。考慮到廣東碳排放權(quán)交易市場交易初期的數(shù)據(jù)缺失較嚴(yán)重，因此以2016年5月3日—2021年11月30日為樣本區(qū)間。

3.2 數(shù)據(jù)處理

為保證樣本數(shù)據(jù)區(qū)間一致，本文根據(jù)研究對象的不同交易日匹配出一致數(shù)據(jù)，共得到1286組日度數(shù)據(jù)。為避免異方差問題，本文以對數(shù)一階差分后的收益率數(shù)據(jù)Carbon、Stock和Bond進(jìn)行后續(xù)研究。

3.3 平穩(wěn)性檢驗

經(jīng)ADF檢驗，在1%的顯著性水平上，檢驗結(jié)果均統(tǒng)計顯著，說明樣本數(shù)據(jù)平穩(wěn)。

3.4 描述性統(tǒng)計

由表1可知，均值方面，各收益率序列的均值為正，說明樣本期內(nèi)碳價、股指和債指均呈現(xiàn)上升趨勢。標(biāo)準(zhǔn)差方面，債券收益的標(biāo)準(zhǔn)差最小，碳收益的標(biāo)準(zhǔn)差最大，說明債券收益的波動程度最小，碳收益的波動程度最大。

偏度與峰度方面，碳收益和股票收益的偏度小于0，說明碳收益和股票收益的分布為左偏厚尾分布，負(fù)向沖擊對碳價和股價更為明顯。同理，債券收益的分布為右偏厚尾分布，正向沖擊對債價更為明顯；峰度均大于3，說明收益分布為尖峰分布，且債券收益的峰度值更大。結(jié)合偏度和峰度可知，各序列呈現(xiàn)“尖峰厚尾”的特點，說明碳市、股市和債市極易發(fā)生極端風(fēng)險事件。JB統(tǒng)計量方面，三者在1%的顯著性水平上拒絕了服從正態(tài)分布的原假設(shè)。

4 實證分析

4.1 碳市場與資本市場的動態(tài)相依測度

4.1.1 單序列ARMA-GARCH-SKST模型估計

考慮到各序列均具有非正態(tài)性，本文需進(jìn)行Ljung-Box Q自相關(guān)檢驗，根據(jù)Ljung和Box（1978）的研究，對不存在季節(jié)效應(yīng)的數(shù)據(jù)，推薦設(shè)定滯后階數(shù)為10。由表2可知，當(dāng)滯后階數(shù)為10時，碳價和債指收益率序列在99%的置信水平上均存在自相關(guān)性。對于存在自相關(guān)性的序列，根據(jù)AIC信息準(zhǔn)則對各序列的最優(yōu)ARMA均值方程進(jìn)行定階，以消除自相關(guān)性。

考慮到各序列的均值方程對應(yīng)的最優(yōu)階數(shù)有所不同，本文需進(jìn)行ARCH效應(yīng)檢驗。由表3可知，各收益率殘差項在10%的顯著性水平上不存在自相關(guān)性，而各收益率殘差平方項在99%的置信水平上存在自相關(guān)性。

由表4可知，各收益率殘差項在1%的顯著性水平上存在異方差性，呈現(xiàn)“波動聚集”效應(yīng)，故適合采用GARCH簇模型構(gòu)建各序列的邊緣分布。其中，對于不存在自相關(guān)性的序列直接構(gòu)建GARCH模型；針對存在自相關(guān)性的序列，將基于ARMA模型對各收益率序列的條件均值進(jìn)行擬合，再依次構(gòu)建GARCH模型。

由于偏t分布適合描述呈現(xiàn)尖峰厚尾形態(tài)的時間序列，且各序列的均值方程對應(yīng)的最優(yōu)階數(shù)不盡相同，故設(shè)定ARMA（m，n）-GARCH（1，1）-SKST模型的具體形式如下：

其中，ri，t表示序列i在時間t的收益率。

4.1.2 雙序列DCC-GARCH模型估計

在實際研究中，通常基于GARCH（1，1）模型處理金融時間序列，本文擬采用二元DCC-GARCH（1，1）模型做進(jìn)一步分析，以探究碳價與股債指數(shù)的動態(tài)相關(guān)關(guān)系（見表5）。

由表5可知，參數(shù)β均在1%的顯著性水平上拒絕參數(shù)為0的原假設(shè)。參數(shù)α的檢驗結(jié)果表明，一階滯后的標(biāo)準(zhǔn)化殘差對動態(tài)相關(guān)系數(shù)的影響并不顯著；參數(shù)β的檢驗結(jié)果表明，碳價收益率與股債指數(shù)收益率的相關(guān)性均具有很強(qiáng)的持續(xù)性。此外，對于碳價收益率與股債指數(shù)收益率的聯(lián)動關(guān)系，均滿足α+β<1的關(guān)系，因此DCC-GARCH模型的建立是正確的。

由圖1可知，碳價與債指的動態(tài)相關(guān)系數(shù)在樣本期內(nèi)波動劇烈，具有較強(qiáng)的時變特征，而碳價與股指的動態(tài)相關(guān)系數(shù)在長期內(nèi)無明顯波動趨勢。碳價與債指的動態(tài)相關(guān)系數(shù)在正值區(qū)間持續(xù)波動，碳價與股指的動態(tài)相關(guān)系數(shù)維持在0.04，說明碳價與股指、債指整體上表現(xiàn)為一定的正相關(guān)關(guān)系，且碳價與股指的正相關(guān)關(guān)系更強(qiáng)，碳價與債指的正相關(guān)程度變化更大。

4.2 碳市場與資本市場的雙向風(fēng)險溢出測度

4.2.1 VaR和CoVaR的計算

本文基于構(gòu)建的DCC-GARCH模型，可計算碳市場與資本市場的動態(tài)VaR及CoVaR。其中，VaRCarbon表示碳價的VaR，CoVaRSC、CoVaRBC分別代表碳價對股指和債指的CoVaR，其他指標(biāo)同理（見表6）。

由表6可知，碳價的VaR均值和標(biāo)準(zhǔn)差的絕對值最大，債指的VaR均值和標(biāo)準(zhǔn)差的絕對值最小且趨于零，表明碳市場的波動及風(fēng)險相較資本市場更高，股市的波動及風(fēng)險相較債市更高。此外，碳價與股指的CoVaR均值和標(biāo)準(zhǔn)差的絕對值均大于碳價與債指的CoVaR，說明碳價與股債指數(shù)之間存在協(xié)同運動，碳價對債指的協(xié)同運動風(fēng)險低于碳價對股指的協(xié)同運動，股指對碳價的協(xié)同運動風(fēng)險高于債指對碳價的協(xié)同運動。

4.2.2 碳市場波動對資本市場的風(fēng)險溢出測度

?CoVaR可測度兩市間絕對的極端風(fēng)險溢出，將碳價對股指的CoVaR與股指的VaR相減，即可得到碳價對股指的?CoVaRSC；同理，可得碳價對債指的?CoVaRBC。由圖2可知，碳市極端波動風(fēng)險對股債兩市的影響存在差異。

圖2 碳市對股債兩市的極端風(fēng)險溢出

具體而言，碳價對債指的極端風(fēng)險溢出為負(fù)值且趨于零，說明樣本期內(nèi)碳價對債指產(chǎn)生了較弱的極端風(fēng)險溢出。究其原因，債券指數(shù)是基于一籃子債券為標(biāo)的進(jìn)行編制的，而債券作為固定收益證券，其價格的時變趨勢并不太強(qiáng)，因此債指受到碳價波動的影響比較有限，使得碳價對債指表現(xiàn)出較弱的風(fēng)險溢出。

此外，碳價對股指的極端風(fēng)險溢出程度較大且波幅劇烈，尤其是自2018年開始碳價對股指的極端風(fēng)險溢出多次出現(xiàn)暴漲暴跌現(xiàn)象，可能與2018年伊始爆發(fā)的中美貿(mào)易摩擦有關(guān)，使得中美兩國摩擦不斷，直接對國際商品貿(mào)易產(chǎn)生了較大的不確定性沖擊，這種沖擊通過商品市場傳導(dǎo)至股市，使得我國經(jīng)濟(jì)和股市受到較大波動。

4.2.3 資本市場波動對碳市場的風(fēng)險溢出測度

由圖3可知，股債兩市極端波動風(fēng)險對碳市的影響存在差異。

具體而言，樣本期內(nèi)債指對碳價的極端風(fēng)險溢出趨于零，說明債指對碳價的極端風(fēng)險溢出較弱。究其原因，債指作為固收指數(shù)，其時變趨勢較弱，因此債指對碳價波動的影響有限。

此外，股指對碳價的極端風(fēng)險溢出波幅更大、整體水平更高，且前期的振幅高于后期。究其原因，一方面，可能與2017年底國內(nèi)正式啟動碳排放權(quán)交易，使得碳交易進(jìn)一步市場化，能更加真實地反映當(dāng)期碳市場的供求關(guān)系有關(guān)。另一方面，2017—2020年頒布的多項涉及碳市場的政策文件推動了國內(nèi)碳市場的發(fā)展和定價機(jī)制的完善，使得碳市受到股市的影響減弱。

4.2.4 穩(wěn)健性檢驗

為了檢驗滬深300股指和中證全債指數(shù)能否有效代表股市和債市，本文擬將滬深300股指和中證全債指數(shù)分別替換為上證綜合指數(shù)和中證綜合債指數(shù)后進(jìn)行穩(wěn)健性檢驗，數(shù)據(jù)處理步驟與前文一致。經(jīng)檢驗發(fā)現(xiàn)，實證結(jié)果并未發(fā)生顯著改變，且所得結(jié)果與前文基本一致，證明研究結(jié)果具有穩(wěn)健性。

5 結(jié)語

本文選取2016年5月3日—2021年11月30日的廣東碳排放權(quán)配額收盤價、滬深300指數(shù)和中證全債指數(shù)的日度數(shù)據(jù)作為研究對象，構(gòu)建DCC-GARCH-CoVaR模型，對碳市場與資本市場的動態(tài)相依關(guān)系及雙向風(fēng)險溢出進(jìn)行探討，主要結(jié)論為：第一，碳價與股債指數(shù)在樣本期內(nèi)具有一定的動態(tài)正相依關(guān)系，即碳市的走強(qiáng)總是伴隨股債兩市的走強(qiáng)。第二，碳市與債市的正相依關(guān)系具有較強(qiáng)的時變特征，但在長期內(nèi)并無明顯的波動趨勢。碳市與股市正相關(guān)關(guān)系的時變特征較弱。第三，碳市的波動及風(fēng)險均高于股債兩市，在資本市場內(nèi)部則表現(xiàn)為股市的波動及風(fēng)險高于債市，且碳市與股債兩市均存在較低風(fēng)險的協(xié)同運動。第四，碳市與股市存在雙向的強(qiáng)極端風(fēng)險溢出，與債市存在雙向的弱極端風(fēng)險溢出。

根據(jù)上述研究結(jié)論，本文提出以下政策建議：

第一，我國碳排放權(quán)交易政策應(yīng)根據(jù)國內(nèi)宏觀經(jīng)濟(jì)走向?qū)嵭许樦芷诨芾怼Ｒ环矫妫墒凶鳛榻?jīng)濟(jì)的晴雨表，股市的波動與國內(nèi)經(jīng)濟(jì)的現(xiàn)實狀況密切相關(guān)；另一方面，碳市場與資本市場呈動態(tài)正相依關(guān)系。因此，本文建議政府及有關(guān)部門在制定碳排放權(quán)交易政策時應(yīng)結(jié)合國內(nèi)經(jīng)濟(jì)的實際運行狀況進(jìn)行相機(jī)抉擇，實行順周期化管理。

第二，碳市場投資者可以通過構(gòu)建“固收+碳排放權(quán)”的資產(chǎn)組合規(guī)避風(fēng)險。根據(jù)投資組合理論，由相關(guān)性越弱的資產(chǎn)構(gòu)建的資產(chǎn)組合的風(fēng)險防范功能越強(qiáng)。在資本市場中，碳市與債市的相關(guān)性較股市弱，因此對于風(fēng)險厭惡型碳市場投資者而言，可以嘗試構(gòu)建諸如“固定收益證券+碳排放權(quán)”的資產(chǎn)組合用于避險。

第三，建立健全碳市場風(fēng)險防控機(jī)制，防范極端風(fēng)險溢出。由于股市與碳市存在雙向的強(qiáng)極端風(fēng)險溢出效應(yīng)，因此股市收益率的波動極有可能引發(fā)碳市的尾部風(fēng)險，故加快建立和完善碳金融的風(fēng)險識別分析框架及建立健全碳市場的風(fēng)險防控機(jī)制對我國碳市場的長遠(yuǎn)發(fā)展具有重要的戰(zhàn)略意義。

參考文獻(xiàn)

Zachmann G， Von Hirschhausen C. First evidence of asymmetric cost pass-through of EU emissions allowances： Examining wholesale electricity prices in Germany[J]. Economics Letters， 2008， 99（3）： 465-469.

陶春華.我國碳排放權(quán)交易市場與股票市場聯(lián)動性研究[J].北京交通大學(xué)學(xué)報（社會科學(xué)版），2015，14（4）：40-51.

劉勝粵. 我國碳排放權(quán)交易市場與大類資產(chǎn)的聯(lián)動性研究[D].南寧： 廣西大學(xué)，2019.

Tan X， Sirichand K， Vivian A， et al. How connected is the carbon market to energy and financial markets？ A systematic analysis of spillovers and dynamics[J]. Energy Economics， 2020， 90： 104870.

Creti A， Jouvet P A， Mignon V. Carbon price drivers： Phase I versus Phase II equilibrium？[J]. Energy Economics， 2012， 34（1）： 327-334.

胡志瑋. 考慮狀態(tài)轉(zhuǎn)移的中國碳市場與股票市場間波動溢出效應(yīng)研究[D].合肥： 合肥工業(yè)大學(xué)，2018.

王超，楊寶臣.碳市場對商品、金融市場的溢出效應(yīng)分析[J].南開學(xué)報（哲學(xué)社會科學(xué)版），2021（5）：110-122.

趙明明. 綠色債券、低碳產(chǎn)業(yè)股票和碳排放權(quán)市場聯(lián)動分析[D].蘭州： 蘭州大學(xué)，2021.

Ljung G M， Box G E P. On a measure of lack of fit in time series models[J]. Biometrika， 1978， 65（2）： 297-303.