“雙碳”背景下碳交易市場風險分析

摘 要：隨著“雙碳”政策的提出，碳交易市場發展迅速。然而，在碳交易過程中，存在著各種對碳交易市場的發展產生不利影響的風險。研究碳交易風險，可以幫助監管部門和參與主體識別碳交易市場的風險特征，進而更好地管理和控制風險，推動碳交易市場健康發展，促進“雙碳”目標的實現。文章根據我國典型碳交易試點省數據，利用ARCH簇模型，科學分析了不同碳交易市場的風險。結果顯示：各碳交易市場的市場風險因子均出現波動性集聚的特性；在外部沖擊下，各省碳交易所的市場風險因子波動程度存在差異性[1]。

關鍵詞：碳交易市場；碳交易市場風險；市場風險因子；風險溢價；碳交易機制

中圖分類號：F832.5文獻標識碼：A文章編號：1005-6432（2025）24-0067-04

DOI：10.13939/j.cnki.zgsc.2025.24.017

1 引言

中國碳交易市場仍處于起步階段，發展還不夠完善，且由于各省碳交易市場相關政策和機制存在差異，因而各省碳交易市場參與者所面臨的風險各不相同；同時因風險因子的交互聯動，投資收益具有很大不確定性。這些都給中國碳交易市場的風險管理帶來挑戰。所以，幫助碳交易市場的參與者識別碳交易風險、把握市場風險的規律迫在眉睫，如此才能有效保障碳交易市場平穩運行，促進“雙碳”目標實現[2]。

碳排放權交易，作為一種有效的市場手段，對于控制溫室氣體排放起到了關鍵作用，并已成為我國實現減排目標所倚賴的重要政策工具。然而，由于氣候、政策調整、能源價格波動等多重因素的影響，碳資產價格的波動性極大，其不穩定性甚至超過了傳統的股票市場。這種潛在的巨大風險引起了學術界和業界的高度關注和深入研究（王喜平和王雪萍，2021[3]）。有學者通過選取合理模型實現對我國碳交易市場正常波動風險描述以及測算，并在定量實證分析的基礎上探討得到風險產生的成因（李冠旭，2022[4]）。通過拆解碳排放交易所，以北京碳交易市場為起點，利用GARCH-VaR模型更好地度量市場風險（張曉楠和蔣語然，2021[5]）。國外碳交易市場的量化研究比較成熟，且在研究對象方面多以歐盟碳市場為主。早在2011年，就有學者（Blyth和Bunn，2011[6]） 對歐盟碳排放交易體系的市場風險和政策風險進行了度量。

少數學者會進行面向中國碳市場的研究，并且，在這些文獻中，也多以碳價預測為主。但我國碳交易市場的風險究竟如何，還需要國內外進一步研究測算。因此，文章根據我國四個碳交易試點省市日成交量和成交均價數據確定市場風險因子變量，利用ARCH簇模型對我國不同碳交易市場風險進行了實證分析。

2 數據與模型

2.1 數據選取和初步分析

文章選取了我國數據披露比較全面同時具有代表性和典型性的四所碳排放權交易所：深圳、上海、廣東、湖北。因而文章選定Wind數據庫公布的從2014年4月28日到2023年9月23日的四省市碳交易所的碳排放權配額當日成交均價和碳排放權配額當日成交量，分別為深圳，2294；上海，2083；廣東，2425；湖北，2261。

2.2 碳交易市場的市場風險因子的選取

市場風險是指因資產價格變動而導致資產價值發生未預料到的變動的風險。文章選取碳交易市場的價格損失率作為其市場風險因子，從而能夠精準表述碳市場價格變動對投資者造成的潛在損失，從而衡量碳市場風險。具體公式詳見式（1）。

Mit=－ln（PitPit－1）（1）

其中，Pit是碳交易試點所i在第t天的碳排放權成交均價；Mit表示碳交易試點所i的市場風險，Mit數值越大，表明碳市場存在的市場風險等級越高。

2.3 理論模型構建

2.3.1" ARCH模型參數估計

ARCH模型可以用來檢測波動的持續性特征，因此為了更好地刻畫市場風險因子的變動規律，文章選定ARCH （q）模型。假設yt是因變量，xt是自變量，在時間t時可以獲得的信息集是πt－1，那么隨機誤差項μt服從以0為期望值，以σ2t為條件方差的正態分布。為了確定滯后階數q，首先估計各交易所市場風險因子殘差序列的自回歸系數。

設定ARCH（p）模型的均值方程（ARCH-M）為：

yt=xtγ+μt（2）

方差方程為：

σ2t=ω+∑qi=1αiμ2t－i（3）

其中，常數項 ω＞0，參數項αi≥0（i=1，2，…，q），γ則是待估的參數。

2.3.2 GARCH模型參數估計

GARCH模型除了可以檢測波動的持續性特征，還能反映出波動的非線性以及長期記憶性特征[7]，提高了對波動性特征研究的準確性，其方差方程為：

σ2t=ω+∑qi=1αiμ2t－i+∑pj=1βjσ2t－j" （4）

其中，p≥0，q≥0，αi≥0 （i=1，2，…，q），βj≥0 （j=1，2，…，p），q為殘差平方項的滯后階數，p為自回歸項的滯后階數。

2.3.3 TGARCH模型參數估計

為了探究利好消息和利空消息給碳交易市場帶來的波動非對稱特征，在GARCH模型中加入一個TGARCH項，其方差方程為：

σ2t=ω+∑qi=1αμ2t－i+φμ2t－1Dt+∑pj=1βσ2t－j（5）

其中，若μt－1gt;0，表明有利好消息出現，則Dt=0；若μt－1lt;0，表明有利空消息出現，則Dt=1。當參數φgt;0時，說明利空消息對波動所帶來的影響要大于利好消息所帶來的影響；參數φlt;0時，表示利好消息對波動所帶來的影響要大于利空消息所帶來的影響[8]。

3 實證分析

3.1" ADF平穩性檢驗

進一步對四個碳交易所對數市場風險因子進行平穩性檢驗，四個碳交易所的P值均小于0.05，拒絕了原假設即存在單位根，證明各省的市場風險因子序列是平穩的，詳見表1。

3.2 ARCH模型與波動聚集性檢驗

表3的ARCH項系數反映了外部沖擊對碳收益率波動的影響，若其值大于零，則說明外部沖擊會加劇系統的波動性[1]。所有交易所ARCH項系數皆為正，表明外部沖擊會加劇中國碳交易市場風險因子的波動。在外部沖擊下，廣東碳交易市場的波動程度最強，這說明其很容易被外部因素所影響。

3.3 GARCH模型與波動持續性檢驗

GARCH項系數反映了系統的長期記憶性，兩系數之和為波動集群性和持續性的一個度量[1]。四個省市的GARCH項都具有統計顯著性。從沖擊衰退速度來看，深圳交易所市場風險因子最慢，表明其市場價格長期記憶性比較強，反之，湖北交易所市場的長期記憶性較弱;此外，廣東和上海的ARCH項和GARCH項系數之和都大于1，證明在應對外部變化上，兩所價格的波動遞增速度快且持續性強，詳見表4。

3.4 TGARCH模型與波動非對稱性檢驗

深圳、上海交易所的TGARCH項不顯著，即不存在不對稱效應，反之，廣東、湖北交易所存在明顯的不對稱效應。此外，不對稱效應在廣東和湖北交易所的TGARCH項都為正，這證明利好消息對廣東和湖北碳均價波動性的影響大于利空消息。同時，廣東和湖北的TGARCH項系數并不接近，說明它們不對稱的規模也不相近，詳見表5。

3.5 穩健性分析

根據white檢驗結果可知，深圳、湖北、上海、廣東均不存在異方差的結論。ARCH模型、GARCH模型、TGARCH模型設定相對合理，參數估計量有效，變量的顯著性檢驗有意義，模型的預測能力較強。詳見表6。

另外，文章均假設碳交易市場風險因子服從正態分布，但結果表明，四個交易所的市場風險因子都不是正態分布，因此假設擾動項服從t分布進行重新估計，其結果與之前差異不大。

4 結論與建議

文章對我國四個地區的碳交易市場的市場風險因子進行了探究，得出以下結論：各碳交易所收益率均出現波動性集聚的特性，推測是由于平臺內部機制的不完善；各交易所受外部沖擊后的波動程度呈現出不同的特點。具體而言，深圳交易所的市場價格顯示出最強的長期記憶性，表明其市場價格受到歷史信息的影響較大。而廣東交易所的市場風險因子波動性則主要受到外部沖擊的影響，顯示出其市場更為敏感和脆弱。

因此，為降低中國碳排放權交易市場風險，首先，在制定碳交易市場的風險管理策略時，需要針對不同交易市場的特點和風險狀況進行差異化的考慮和應對。其次，總量控制與配額分配機制相結合，同時建立配額儲存與預留機制，利用市場信號給予所有減排主體公平的競爭機會，分配過程透明化，緩解政府與企業之間的信息不對稱情況。最后，增加碳金融產品種類，完善碳金融基礎服務，推動銀行、保險公司等金融機構積極開展碳資產管理、碳融資等業務，以滿足投資者的需求及“雙碳”目標下我國碳市場的發展需要。

參考文獻：

[1]申晨，林沛娜.中國碳排放權交易試點市場的現狀特征及風險分析[J].產經評論，2017，8（4）：123-134.

[2]呂靖燁，范欣雅，吳浩楠.中國碳排放權價格影響因素的參數靈敏度分析[J].軟科學，2021，35（5）：123-130.

[3]王喜平，王雪萍.歐盟和國內碳交易市場的相依結構及風險溢出效應研究[J].工業技術經濟，2021，40（7）：72-81.

[4]李冠旭.基于T-GARCH-VaR模型的我國碳交易市場價格波動風險測度研究[D].北京：對外經濟貿易大學，2022.

[5]張曉楠，蔣語然.碳金融市場風險度量在全國碳市場交易中的應用[J].投資與創業，2021，32（21）：38-40.

[6]BLYTH" W，BUNN D.Coevolution of policy， market and technical price risks in the EU ETS[J].Energy policy，2011，39（8）： 4578-4593.

[7]張婕，孫立紅，邢貞成.中國碳排放交易市場價格波動性的研究——基于深圳、北京、上海等6個城市試點碳排放市場交易價格的數據分析[J].價格理論與實踐，2018（1）：57-60.

[8]李亞群.我國金屬期貨市場之間的波動溢出效應[D].杭州：浙江工商大學，2020.

［基金項目］北京工業大學星火計劃項目（項目編號：XH-2023-07-13）。

［作者簡介］金韜（2002—），女，北京人，就讀于北京工業大學經濟與管理學院，研究方向：會計學；阿麗米熱·蘇來曼（2002—），女，新疆吐魯番人，就讀于北京工業大學經濟與管理學院，研究方向：會計學；劉懿（2003—），女，北京人，就讀于北京工業大學經濟與管理學院，研究方向：會計學；孫懿虹（2003—），女，北京人，就讀于北京工業大學經濟與管理學院，研究方向：會計學；郭思萌（2003—），女，北京人，就讀于北京工業大學經濟與管理學院，研究方向：會計學。