碳交易价格的驱动因素与结构性断点 ——基于中国七个碳交易试点的实证研究-陈欣.pdf

《碳交易价格的驱动因素与结构性断点 ——基于中国七个碳交易试点的实证研究-陈欣.pdf》由会员分享，可在线阅读，更多相关《碳交易价格的驱动因素与结构性断点 ——基于中国七个碳交易试点的实证研究-陈欣.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 2016年第11期收稿日期:2016 -08 -17基金项目:教育部人文社会科学规划基金项目“中国碳交易市场研究:价格与效率”(16YJA790008);教育部人文社会科学重点基地重大项目“西北资源开发生态补偿金融支持政策体系研究”(12JJD790020)作者简介:陈欣(1974 ),女,陕西西安人,陕西师范大学国际商学院博士研究生,西安外国语大学经济金融学院副教授,研究方向为资源与环境金融、农村金融;刘明(1954 ),男,陕西渭南人,陕西师范大学西北历史环境与经济社会发展研究院教授,博士研究生导师,研究方向为环境金融、农村金融、货币理论与政策。碳交易价格的驱动因素与结构性断点 基于中国

2、七个碳交易试点的实证研究陈欣1a,2 ,刘明1b ,刘延2(1陕西师范大学a国际商学院;b西北历史环境与经济社会发展研究院,陕西西安 710119;2西安外国语大学经济金融学院,陕西西安 710128)摘要:在推进全国统一碳交易市场进程中,对当前7个碳交易试点价格运行的研究无疑对未来价格调控机制设计及排控企业碳资产管理具有重要意义。为从不同角度揭示中国碳交易价格的影响因素,运用多种计量方法对7个碳交易试点进行多维度实证研究。采用静态面板模型与动态面板VAR模型进行线性回归分析,研究发现:PMI、煤炭价格对碳价有正向影响,而石油价格、股市对碳价有负向影响,天气变化对碳价影响不显著;碳价波动的方差

3、分解中PMI贡献最大,但对碳价影响通常要滞后60期即60天才较为显著。运用Bai - Perron方法对碳价波动进行非线性检验,发现7个碳交易试点价格波动均有断点存在且断点发生时间与履约到期时间相吻合,证明目前履约日是价格波动的重要影响因素。关键词:碳价;驱动因素;碳交易试点;结构性断点中图分类号:F206 文献标识码:A 文章编号:1004 -972X(2016)11 -0029 -07一、引言中国自2007年成为全球温室气体排放总量最大的国家后,碳排放量持续上升。 2012年温室气体排放量占全球总量的26%,几乎等于欧盟与美国的温室气体排放量之和,碳排放量更是高达85亿吨。在全球积极应对气

4、候变化的背景下,中国政府面临巨大的国际减排压力。未来的中国,如何借助碳交易市场机制更有效地配置资源和控制温室气体排放,使其成为科学有效的碳定价工具,是一个重大课题。碳交易市场建立的初衷在于,在政府确定碳排放总量的目标下,市场机制发挥作用,产生均衡价格,环境资源获得最优配置。然而,通过碳交易市场实现环境效益和经济效益的重要前提是价格的有效运行,即碳交易能够得到合理定价并且市场有效 碳价能够反映各种影响二氧化碳减排成本的要素价格变化。此外,碳交易市场也会出现市场失灵,即表现为交易价格大幅偏离理论价格(即边际减排成本)。以EU ETS(欧盟碳排放交易体系)为代表,其价格运行受到突发性事件影响而存在结

5、构性间断点,这时低于边际减排成本的价格难以实现助推经济低碳化的初衷。因此,研究碳交易价格形成机制中的驱动因素以及结构性断点变化对于构建合理的碳交易机制具有重要意义。目前,我国碳交易市场尚处于探索发展阶段,鲜有相关实证文献。本文以7个交易试点为研究对象,采用多种计量方法对碳交易价格的影响因素进行实证分析,多维度揭示现行碳价运行规律,以期为进一步构建中国碳交易市场提供理论和经验支持。二、文献综述国内外学者对碳价格的研究大多聚焦于EU92万方数据陈欣,刘明,刘延:碳交易价格的驱动因素与结构性断点ETS,其EUA(欧盟碳排放配额)交易价格波动规律及影响因素即是一个关注热点。从影响碳价需求角度展开的实证

6、研究往往假定供给不变,取不同的需求变量检验其与碳价波动的关系。首先,碳价与能源价格关系密切,其机理为能源价格变化影响能源需求,而能源需求变化会影响碳排放企业对于排放权的需求,从而对碳市场价格产生冲击。针对EU ETS碳价波动,学者们普遍得出能源价格对碳价影响较大的结论。 Kanen(2006)1研究发现油价变动能够推动天然气价格发生变化,继而影响电价并最终对碳价造成影响。Mansanet - Bataller等(2007)2利用虚拟变量和多元回归方法对碳价与天然气价格、布伦特原油价格的关系进行了研究,结果也表明能源价格的确能够对碳价产生影响。 Alberola等(2008)3基于结构变化理论,

7、研究发现能源价格是第一阶段EUA现货价格的主要驱动因素之一。王恺(2010)4利用阈值协整方法进行分析,发现碳价与原油价格之间存在非线性的传导机制,即在不同机制之间油价变动造成的碳价下跌或上升幅度是不同的。魏一鸣等(2008)5采用协整理论研究了能源价格与碳价之间的长期和短期互动关系,结果表明能源价格与碳价存在长期均衡关系但相互影响程度不同。其次,天气情况尤其温度变化会对碳价产生影响,其机理为在极端天气中无论是冷或热,对能源的需求量都会增加,进而影响碳价。 Mansanet - Bataller等(2007)2研究表明只有极端温度才会影响碳排放价格,Alberola等(2008)3对碳价时间序

8、列变量进行季节敏感性检验,发现碳市场是温度敏感性市场,且极端天气对EUA的影响是非线性的。最后,宏观经济对碳市场无疑也会产生影响,其机理为工业经济活动加速发展时所消耗的原材料必然增多,对碳排放权需求量的增加导致碳价上升,反之亦然。Chevallier(2009)6发现EU ETS市场明显受到电力需求的影响。 Alberola等(2009)7对欧洲工业部门与碳价的关系进行了研究,结果表明德国、西班牙、波兰、英国工业部门活动对碳价产生影响,而德国电力生产对碳价的影响最大。 Chevallier (2011)8使用了Self - exciting Threshold Autoregressive(自

9、激励门限自回归)、Smooth Transition Auto Regression(平滑转移自回归)、 Markov - Switching Autoregressive(马尔科夫回归)三种模型,发现碳价和宏观经济活动之间确实存在关系。从影响碳价供给角度展开的研究认为,碳市场属于政策引导下的市场,配额发放以及机制设计所引起的配额预期变化均会对碳价有显著影响。 Al-berola等(2008)3识别了2005 - 2007年之间的EUA价格经历的两次主要调整,认为发生第一次调整与EUA存在过度配发密切相关,而发生第二次调整与2006年10月欧盟委员会宣布2008 - 2012第二阶段的EUA供

10、给将会收紧有关。 Daskalakis等(2009)9对三个交易所交易的EUA产品的价格进行了研究,发现EU ETS禁止跨期存储的限制显著影响了EUA的价格。魏一鸣等(2008)5通过Bai- perron模型及异常收益率检验EUA价格突变点并认为碳价大幅下跌是碳排放权过度分配的结果。郭福春等(2011)10发现期货价格都发生了较为明显的结构突变且具有非线性特征,而价格突变的主要原因可归结于外部市场信息、经济危机、核准信息泄露事件和金融危机等。中国碳交易市场自2013年启动后已成为全球第二大碳交易市场,但有关碳价的研究远未引起应有关注。张云(2015)11基于2013 -2015年6个碳交易试

11、点的面板数据进行了碳交易价格影响因素的研究,认为碳价的影响主要借助于能源价格变动来实现,供给层面的政策信息对碳价影响有限;王倩等(2015)12发现7个试点的碳交易价格影响因素存在差异。纵观现有文献,可发现目前对于中国碳交易市场缺乏碳价驱动因素的动态研究以及结构性突变检验与原因剖析。本文借鉴前人研究成果,采用静态与动态相结合、线性与非线性相结合的研究方法,多维度揭示碳价运行影响因素与规律。首先,从需求供给的角度,提炼对碳价产生影响的需求变量,采用静态面板模型进行线性回归分析,研究哪些因素对碳价产生影响,7个试点是否存在显著差别;其次,利用动态面板VAR模型研究这些影响因素动态变化对碳价冲击大小

12、;最后,运用Bai - Perron方法对碳价波动断点进行非线性检验,结合中国碳交易特点及交易制度,探究引发结构性变化的原因。三、实证模型与数据描述本文基于2014年6月19日至2016年3月31日7个碳交易试点数据,采用多种计量模型对碳价驱动因素进行多维度分析。在变量选取上,参考国外文献已有研究成果,主要选取能反映能源价格、天气以及宏观经济的各种变量。(一)相关模型1面板线性回归模型。本文首先考虑用静态03 万方数据 2016年第11期面板回归模型分析不同影响因素对碳交易价格影响的大小。为了保持数据一致性与可比性,采用平衡面板数据。通过Hausman检验,选择适宜的面板模型,继而估计结果并进

13、行分析。本文构建的面板数据线性模型如下:yit = i + jixit + jit i = (1,2,3,4,5,6,7)j = (1,2,3,4,5) (1)其中,i = (1,2,3,4,5,6,7)代表7个不同试点,分别为北京、上海、广州、天津、深圳、湖北、重庆,j =(1,2,3,4,5)分别代表5种不同的影响因素,分别为工业采购经理指数( PMI)、股票市场指数(STOCK)、煤炭价格(COAL)、燃料油价格(OIL)以及气温偏差(TEM)。2面板向量自回归模型(PVAR)。普通线性回归仅能分析变量之间的静态关联影响,却不能刻画存在滞后影响下的长期动态影响,因此本文将采用面板向量自回

14、归模型(PVAR)做进一步分析,研究碳交易价格与宏观经济变量、能源价格和气温偏差之间存在的动态影响关系。该模型不仅可以解决变量内生性问题,还能反映系统变量间变化所产生的冲击以及冲击中各个因素所起作用大小。模型结构如下:yit = i + t + it + xit (2)其中,yit = (CPit,PMIit,STOCKit,COALit,OILit,TEMit)是基于面板数据的5 1的变量向量,i代表不同试点,xit = yit -1,yit -2, ,yit - p是yit的p阶滞后项,i是5 1的个体效应向量,t是5 1时间效应向量,it是随机扰动项,且满足E(it | i,i,yit

15、-1,yit -2, ) = 0。在PVAR的基础上,本文还将进一步使用脉冲响应函数(Impulse - Responses)和方差分解(Analysis of Variance)对建立起的模型进行分析。脉冲响应函数描述一个内生变量对来自另一个内生变量的一个单位变动冲击所产生的响应,而方差分解则是测定不同扰动项对某一内生变量方差的影响程度。3 Bai - Perron结构突变检验。静态面板和动态面板都是对变量进行线性回归,而结构突变检验方法用以检验价格是否出现断点,即发生非线性的突变。由于碳价影响因素众多,且我国部分碳交易试点价格波动剧烈,因此有必要考察其价格时间序列可能呈现的非线性特征。此外

16、,有些影响碳价的因素无法获得连续性的数据(比如制度性因素)但确实又会对碳价产生影响,那么基于结构突变检验以及事件分析,可以进一步揭示碳价的运行规律。因此,本文还将对碳交易价格是否存在断点进行检验并进而探究其影响因素。数据生成过程如下:yt = xt + ztj + ut t = Tj -1 +1,Tj -1 +2, ,Tjj =1,2, ,m +1 (3)其中,yt为因变量,(xt)p 1向量,(zt)q 1向量,、j为对应的系数向量,ut为残差项,m次结构突变点(T1,T2, ,Tm)未知。用矩阵形式表示为:Y = X + Z_ + U (4)其中,Y = (y1,y2, ,yT),X =

17、(x1,x2, ,xT),U = (u1,u2, ,uT),(1,2, ,m +1),Z_为对角矩阵,Z_ = diag(Z1,Z2, ,Zm +1),Zi = (ZTi -1 +1, ,ZTi)。对式(4)求解,首先是对于每个可能的分割(T1,T2, ,Tm)通过最小二乘法得出和的估计值,并求出残差平方和:ST(T1,T2, ,Tm) = min m +1i =1 Tit = Ti -1 +1yt -x t + ztt2 (5)然后对每一个不同的分割方式所得到的残差平方和进行比较,使残差平方和达到最小的分割就是估计所得的分割,求得:(T 1,T 2, ,T m) = argminSt (T1

18、,T2, ,Tm)(6)最后对数据生成过程是否存在结构性突变进行显著性检验。(二)变量、数据来源及说明1碳交易价格。为了保证数据的一致性与可比性,本文选取时间范围为2014年6月19日至2016年3月31日,即选取所有碳交易试点城市均开始进行碳交易的2014年6月19日为时间起点。本文剔除了非交易日(即节假日),碳配额交易价格来自于碳K线网站每日报价,用CP表示。2宏观经济。本文选取制造业PMI和上证指数作为宏观经济的衡量因素。由于PMI是月度数据,因此进行平滑处理后得到日数据,用PMI表示。上证指数选择每日收盘价作为样本数据来源,记为STOCK 。数据均来自于wind数据库。3能源价格。二氧

19、化碳排放的来源是化石能源的消耗。本文选取天津港中国产煤炭平仓价格作为煤炭代表价格,用COAL表示。燃料油价格选取港口内贸燃料油经销价作为代表价格,用OIL表示。两者样本选取也均剔除非交易日。4天气因素。本文采用气温偏差作为天气因13万方数据陈欣,刘明,刘延:碳交易价格的驱动因素与结构性断点素的代表。气温偏差即每日平均气温和历史当日平均气温之差的绝对值。其中湖北试点气温数据以武汉作为代表,其他试点气温数据均为该城市气温数据。当日历史平均气温来自于对中国气象数据网统计数据的整理,记为TEM。四、实证结果与分析(一)静态面板模型回归分析为了消除量纲不同带来的影响,本文对所有变量都进行取对数处理。对面

20、板模型进行Hausman检验,结果表明固定效应模型为适宜模型。为谨慎选择,依然分别采用固定效应模型、混合效应模型以及随机效应模型三种模型进行估计并比较差别。表1估计结果显示,固定效应模型的R2达到78 9%,远高于混合效应模型和随机效应模型,解释力度最大,因此是最适宜采用的模型,与Hausman检验结果一致。就解释变量而言,煤炭价格、PMI和股票指数在三种模型中均显著,其作用方向也一致,而天气因素和燃料油价格则均不显著。首先,PMI与碳价相关性强,说明我国碳交易价格与经济发展联系紧密,经济景气、工业活跃下消耗原材料增多会增加碳排放需求,对碳价产生正向影响,实证检验结果与理论一致。而我国股票指数

21、与碳交易价格之间存在负向关系,似乎与传统理论相悖,对此的解释与我国金融发展特点有关。就理论而言,成熟市场的股票价格指数是经济的“晴雨表”,向上的股票市场往往伴随着经济形势的走强。然而,在某些阶段,我国股市受到利率政策和资金面的影响更大,股票指数可能与实体经济走势相反,2013 - 2015年这段时间便是如此。因此本文基于这期间股票指数与碳交易价格的检验,恰是股市走强而经济疲软的时期,因而它们之间的关系表现为负向关系。其次,就能源价格与碳交易价格的关系而言,能源价格中的煤炭与燃料油价格均与碳排放价格成正向关系,表明我国煤炭价格与燃油价格的升高会促使碳交易价格上升,这与一些国外的实证检验结果不同。

22、当发电可以采用清洁能源(天然气)与肮脏能源(煤炭)时,煤炭价格的上升会使发电企业转而寻求作为替代品的清洁能源,由于天然气的排放系数低于煤炭,因而二氧化碳排放会减少,进而降低碳价。我国的情况有所不同,由于产业结构以及发电定价没有完全市场化,对煤炭一定程度的需求刚性使得煤炭价格上升导致碳减排成本加大,碳价因此上升。燃油价格与碳价的关系亦是如此。最后,模型检验显示气候条件与碳交易价格的关系不显著。从我国实际情况来看,随着产业升级,近年来火电发电量有下降趋势,能源供给充分,因此极端天气对于我国碳交易价格并无太大影响。表2为固定效应模型下个体特征的估计结果,7个交易市场价格运行解释力度存在较为显著的差异

23、,说明碳交易价格运行在不同地区存在不同的特征,各碳交易试点价格水平及波动存在较大差异也反映了这一点。交易试点个体效应差异,反映了不同试点交易制度及经济结构差异可能会对碳交易价格的运行产生显著影响,由此可推断由区域性试点向全国性统一碳市场的过渡会对中国当前运行中的碳市场形成一定的冲击。表1面板模型估计结果变量随机效应模型固定效应模型混合效应模型系数P系数P系数PlnPMI 267 3953 0 0000 267 3968 0 0000 264 8025 0 0000 lnSTOCK -5 7626 0 0000 -5 7626 0 0000 -5 7789 0 0000 lnCOAL 21 84

24、05 0 0000 21 5400 0 0000 22 6570 0 0000 lnTEM 0 0858 0 2731 0 0660 0 2722 -0 1789 0 2379lnOIL 0 3904 0 8174 0 3906 0 6174 0 0615 0 9851c -1106 1250 0 0000 -1106 1220 0 0000 -1098 4404 0 0000 R2 0 4834 0 7890 0 1987P 0 0000 0 0000 0 0000 注: 、 、分别表示估计结果在1%、5%、10%的水平下显著。表2个体固定效应Fixed Effects(Cross)BJ -

25、 C SH - C GZ - C TJ - C SZ - C HB - C CQ - C17 70342 -6 20962 -5 67301 -7 19292 16 09717 -6 38157 -8 39998注:BJ -北京,SH -上海,GZ -广州,TJ -天津,SZ -深圳,HB -湖北,CQ -重庆。23 万方数据 2016年第11期(二)动态面板向量自回归模型分析由于面板VAR模型需要估计的系数太多且经济含义较难解释,因此主要对脉冲和方差响应检验结果作重点分析。从脉冲响应(见图1)来看,PMI和气温偏差对于碳交易价格的冲击最为显著。如果在本期PMI给碳价一个冲击,将会对碳交易价格

26、产生持续性的影响。如果对气温偏差施加一个正向冲击,同样将会对碳交易价格产生持续性的影响,在第10期开始达到平稳。股票市场上的波动对于碳交易价格影响较小,这也与我国碳交易市场中金融工具较少、碳交易市场不够发达有关。煤炭价格的变动在短期内会给碳交易价格正向冲击,但从长期来看,煤炭价格的变动对于碳交易价格的影响为负。在长期中如果煤炭价格持续升高,企业会寻求替代能源以代替煤炭,因此从长期来看,煤炭价格的冲击影响为负向,9期后趋于平稳。燃料油价格变动对碳交易价格的冲击为负向,10期后开始稳定,并趋于收敛,说明能源市场价格给碳交易价格的冲击为负向。图1碳交易价格(lnCP)对不同变量的脉冲响应方差分解结果

27、如表3所示,碳交易价格的方差主要由自身解释,但随着时间推移其对自身解释呈现下降,而其他变量中PMI对碳交易价格的影响最为显著。 PMI在20期内影响较小,但随着时间推移解释力度不断增加,90期开始渐入稳定状态,能够解释约17%的碳价方差变化。方差分解结果说明经济环境的变化对于煤炭交易价格的影响并非立刻显现,经济环境变化对碳交易价格影响有较长滞后期,约为2 4个月。从实际经济运行来看,大部分履约企业的碳排放来自于工业排放,短期内企业难以大幅提升产能或是更换设备。而从中长期来看,经济环境向好,企业将会购进设备,提升产能,碳排放也随之增加,市场价格将会受到影响。(三)非线性Bai - Perron检

28、验从碳排放交易价格的7个试点的走势中可发现,每年6月至7月碳排放交易价格均发生大幅波动,这是否会导致碳交易价格发生结构性、非线性变化?若如此,即需要探讨导致结构性突变的原因。本文分别使用Bai - Perron下的Unweighted max - F条件和LWZ标准对碳交易价格进行结构性检验。表3 PVAR模型碳价方差分解Period lnCP lnPMI lnTEM DlnSTOCK DlnCOAL DlnOIL1 100 0 0 0 0 02 99 93678 0 000697 0 0297872 72E -060 000377 0 032363 99 84291 0 005576 0 0

29、4582 8 87E -060 016495 0 0891944 99 77971 0 017949 0 041137 0 001286 0 022812 0 1371075 99 58631 0 056043 0 08836 0 001259 0 055291 0 2127366 99 54605 0 065976 0 127909 0 004888 0 053202 0 2019727 99 44318 0 071172 0 158878 0 006652 0 04826 0 2718578 99 3824 0 065983 0 155266 0 016463 0 045445 0 334

30、449 99 2824 0 093736 0 164839 0 015147 0 053577 0 39030710 99 20152 0 110374 0 242679 0 014556 0 053671 0 37719620 98 56327 0 482157 0 505486 0 014307 0 099605 0 33517230 97 41069 1 606182 0 627731 0 018858 0 087728 0 24881360 89 97525 9 02142 0 597187 0 116326 0 123344 0 16647490 82 86886 15 84094

31、0 469501 0 268484 0 340911 0 211298100 81 38815 17 2422 0 439484 0 308279 0 400968 0 220915根据数据整体信息准则进行判断,在最大结构变化点为5的条件下,UDMax方法和LWZ标准两33万方数据陈欣,刘明,刘延:碳交易价格的驱动因素与结构性断点种方法所确定的结构突变点数量相同。由表4观察突变发生的时间节点,可发现:第一,每个试点的碳价均发生了多次结构突变;第二,结构性突变的发生时间与履约时间吻合,除湖北外每个试点碳交易价格都在5 6月发生有一次突变,表现形式为碳价的一次大幅度波动。其中北京、上海、广州、天津

32、、深圳、重庆这6个城市均有结构突变点,时间在规定履约时间前后:北京规定履约时间为6月15日,其结构突变点2为2015年6月4日;上海规定履约时间为6月1日至6月30日,其结构突变点3为2015年6月9日;广州规定履约时间为6月2日,其结构突变点3为2015年5月26日;天津规定履约时间为5月31日,其结构突变点1为2015年5月13日;深圳规定履约时间为6月2日,其结构突变点2为2015年6月29日;重庆规定履约时间为6月20日,其结构突变点2为2015年6月25日。表4中国碳价Bai - Perron结构突变检验结果碳交易试点结构突变次数结构突变时点1结构突变时点2结构突变时点3结构突变时点

33、4规定履约时间实际履约时间北京市2 2014 9 19 2015 6 4 6 15 6 27上海市4 2014 9 19 2015 3 20 2015 6 9 2015 12 4 6 1 -6 30 6 30广东省3 2014 9 20 2015 1 10 2015 5 26 6 2 7 8天津市2 2015 5 13 2015 8 13 5 31 7 1深圳市3 2014 10 10 2015 6 29 2015 9 30 6 2 6 3湖北省3 2014 9 9 2015 3 6 2015 9 17 5 29 7 24重庆市3 2015 3 17 2015 6 25 2015 10 16

34、6 20 7 23从碳交易市场运行实际情况来看,大量碳交易集中于每年履约日前后发生。履约日前需清缴当年碳配额,当地政府对碳排放超标所采取的惩罚措施(如罚款、扣除配额、减少甚至取消财政补贴等)促使控排企业会在履约日前集中通过二级市场交易以完成履约。 2014 - 2015年,由于经济存在下行趋势,大部分企业在履约日前发现配额较为充裕,短时间碳配额供给加大导致碳价大幅走低;履约日后,政府会进行新一轮的碳配额总量和分配的调整与发放,可能会收缩对控排企业的碳排放目标,而从确定政策意向到政策实施将经历一定时滞,因此每年9-10月部分试点也会发生一次结构突变。湖北交易试点比较特殊,在7个试点交易中最活跃且

35、交易集中度最低,政府对价格的调控力度最大,企业能方便地从二级市场进行碳配额交易。因此,在每年履约日前后湖北碳交易价格并未发生结构性变化。五、结论与启示(一)中国碳价驱动因素及运行规律1宏观经济与能源价格对碳价影响较为显著,而天气因素未对碳价产生显著影响。 PMI系数为正且数值显著,说明我国经济发展尤其是工业景气会推升碳价;股票价格指数与碳交易价格存在负向关系,潜在原因是股票市场运行疏离出宏观经济变动趋势,在此期间股票市场与实体经济表现相反;煤炭价格及油价上升均会推升碳价,其机理为在产业结构制约及电价未市场化条件下,对煤炭等能源商品的刚性需求导致碳价上升;天气变化对于目前能源消耗影响不大,因此对

36、碳价影响不显著。2碳价驱动因素较多且比较复杂,与碳交易价格相关的价格联动机制尚未形成。从静态面板检验结果看,78 9%的解释力度一方面反映了还有其21 1%的因素没有在模型中体现,尚待挖掘;另一方面也说明碳交易市场以及其能源等市场还未完全市场化,抑或企业未遵循市场规律进行碳资产管理,以致驱动因素不能完全反映于碳价;从PVAR结果看,施加于各种驱动因素变量的单位冲击在短时间均不能够对碳价产生明显冲击,宏观经济变化对碳价的冲击在3个月后才比较明显。3结构性突变检验结果显示,7个碳交易试点除湖北外碳价突变发生时间与履约时间相吻合。一方面,检验结果表明,集中交易下的价格巨变说明排控企业碳资产管理意识不

37、强,临到履约时才发现存在配额需求或存在剩余;另一方面,碳价履约到期前的突变主要变现为价格下跌,也反映了碳配额供给较大。由于碳价波动存在诸多驱动因素,因此我国在推进碳交易市场建设时必须重视碳价影响因素。要使价格机制充分发挥作用从而对企业碳减排形成正向激励;同时重视可能发生的价格突变,维护市场平稳运行。(二)政策建议1提高市场运行效率,促进碳交易市场价格机制的发挥。目前碳交易对其影响因素反应不充分,碳价与实体经济各要素价格联动性不强,其实质意义是碳价变动没有充分体现出经济动态内在的以及政策调控意图所施加的碳排放成本变化。因此,需要通过提高市场运行效率,使价格能够反映各种信息从而使碳交易市场更趋近有

38、效市场。这包括:建立完善的监管机制,对企业排污行为予以有效监督,规范交易市场,引入竞争机制,在公开、公平、公正原则下实现二氧化碳交易的市场化运作13;增加配额总量与覆盖企业数量,提升交易市场覆盖排放比例,采取适宜的配额分配方式。唯有如此,才能培育碳价成为一种有效的引导资源优化配置的信号,调节要素的有效分配与利用,最终激励企业自主节能减43 万方数据 2016年第11期排的市场机制。2积极推进全国碳交易市场建设,同时注重地区差异可能带来的冲击。 7个区域性碳交易试点的个体效应存在一定差异,表明区域性交易制度的差异可能会影响碳交易价格的运行。因而可以推断全国性碳市场构建方式的不同选择可能会对现行碳

39、市场形成冲击,碳价格的运行虽然依赖于国家顶层设计,但在国家统一的减排目标与制度框架之下,结合区域差异选择多样化的交易制度具有可行性。3加强排控企业碳资产管理意识,制定合理的配额发放数额。实证结果表明,试点碳价发生突变时间与履约时间相吻合,集中交易下的价格迅速下跌反映了控排企业碳资产管理意识不足。作为一种外生秩序主导设立的市场,碳交易市场发挥市场作用的前提是控排企业具有减排意识和碳资产管理能力。因此,应通过培训等多种方式加强遵约企业碳资产管理意识,着力提升控排企业的碳资产管理能力,培养机构等理性投资者。此外,履约时间碳价的突然下跌在一定程度上也反映了碳配额供给充足,因而制定合理的配额发放数额,适

40、度缩减并且提高拍卖比例十分必要。参考文献:1KANEN J Carbon trading and pricingM London: Envi-ronmental Finance Publications,2006:15 -222MANSANET - BATALLER M, PARDO A, VALOR E CO2prices,energy and weatherJ The Energy Journal,2007,28(3):73 -923ALBEROLA E,CHEVALLIVER J, CHZE B Price driversand structural breaks in european

41、 carbon prices 2005 -2007J Energy Policy,2008,36(2):787 -7974王恺碳市场复杂系统研究:方法与实证D北京:中国科学院,20105魏一鸣,刘兰翠,范英,等中国能源报告(2008):碳排放研究M北京:科学出版社,20086 CHEVALLIER J Carbon futures and macroeconomic riskfactors: a view from the EU ETSJ Energy Economics,2009,31(4):614 -6157 ALBEROLA E, CHEVALLIVER J, CHZE B Emissi

42、onscompliances and carbon prices under the EU ETS: a coun-try specific Analysis of Industrial sectorsJ Journal ofPolicy Modeling, 2009(31):446 -4628 CHEVALLIER J Econoetric analysis of carbon marketsM Springer,2011:21 -899DASKALAKIS G,MARKELLOS R Are eclectricity risk pre-mia affected by emission al

43、lwance prices? Evidence from theEEX,nord pool and powernextJ Energy Policy, 2009,37(7):2594 -60410郭福春,潘锡泉碳市场价格波动及风险测度 基于EUETS期货合约价格的实证分析J财贸经济,2011(7):110 -11811张云中国碳金融交易价格机制研究D长春:吉林大学,201512王倩,路京京中国碳配额价格影响因素的区域性差异J浙江学刊,2015(4):162:16813刘军低碳经济社会福利视角下排污权交易机制的理论解释J经济问题,2012(12):19 -24Price Drivers and

44、Structural Breaks in Chinas Carbon Prices:Based on Seven Carbon Trading PilotsCHEN Xin1a,2, LIU Ming1b,LIU Yan2(1a International Business College;1b Northwest Research Center,Shaanxi Normal University ,Xian 710119, China;2 Economic and Financial College , Xian International Studies University, Xian

45、710128, China)Abstract:In the process of advancing the unified national carbon trading market, the research on the prices ofthe seven carbon trading pilots is very important for the future design of price regulation mechanism and asset man-agement for enterprises To reveal the factors that influence

46、 Chinas carbon trading prices from different angles,this paper uses a variety of methods to make multi - dimensional empirical study on seven carbon trading pilotsFirst, use static panel model and dynamic panel model (VAR) to make linear regression analysis The result indi-cates that PMI and coal pr

47、ices have a positive impact on the carbon price, oil price and stock market has a negativeimpact on the carbon price, while changes in the weather does not have significant effect on carbon price Carbonprice variance decomposition reveals that PMI makes the greatest contribution, however PMIs impact on the car-bon trading price would be significant after sixty or more lags Last, this paper uses Bai - Perron method to estimatewhether breakpoints of carbon prices exist Then we find that breakpoints exist and these breakpoints are compliedwith expiration coincide This proves that compliance d