【作　　者】
马慧敏（副教授），赵静秋

【作者单位】
武汉理工大学管理学院，武汉430070

【摘　　要】

  【摘要】研究碳排放权交易价格，不仅有利于我国在国际交易市场上获得公正合理的经济利益，也有利于进一步完善国内碳排放交易市场，促进全国范围内的节能减排。本文以我国碳排放权交易中的自愿减排交易作为研究对象，采用主成分分析法，选取北京市碳排放交易所2013 ~ 2016年的交易价格数据，寻找对其产生显著影响的关键因素。实证结果表明：国际CERs价格、工业发展水平和BEA成交均价负相关，传统能源价格、金融市场繁荣程度与BEA成交均价正相关。
【关键词】碳排放权；交易价格；影响因素；主成分分析法
【中图分类号】F205           【文献标识码】A           【文章编号】1004-0994（2016）29-0022-5一、引言
随着1997年《京都议定书》的签订，确定了碳交易的三种机制，我国作为发展中国家，目前只适用于以清洁发展机制项目（CDM）为载体的项目型交易。在清洁发展机制下，发达国家被纳入《京都议定书》的缔约国，拥有绝对减排目标，但由于其工业化发达，很难达到这一目标，发达国家就可以通过提供技术或者资金在发展中国家建立有利于温室气体排放的项目，项目产生的经核证的减排量（CERs）可以作为本国减排任务的一部分，而中国成为全球碳排放权的最大供给方。随着后京都时代的到来，发展中国家也将承担起一定的温室气体减排义务，如果长此以往，我国将来很可能以高出几倍的价格从国外购买碳排放权。
为了促使我国减排，2011年国务院出台《关于开展碳排放权交易试点工作的通知》，提出逐步开展碳排放权交易试点。我国于2013年率先成立深圳碳交易所，北京、天津、上海、广东、湖北、重庆也相继获得批准建立碳排放权交易试点，截至2015年6月，七大试点碳市场累计成交二氧化碳约2509万吨，总金额约8.3亿元。北京市碳排放交易试点目前仍是以配额型交易为主，即政府向参与企业免费发放碳排放额度，企业在用尽自身配额后，可以从有剩余配额的企业那里购买碳排放权许可。由于我国尚未建立全国统一的碳排放交易市场，缺乏统一完善的定价机制，各个试点市场之间碳交易价格差异很大。本文研究的主要目的是通过对我国区域范围内碳交易价格进行实证分析，寻找其价格的显著影响因素，为企业更深层次地参与节能减排提供建议，也为我国完善碳交易定价机制提供一定的参考。
二、文献综述
目前我国关于国内区域市场碳价的研究文献比较少。国内外学者对碳排放权定价的研究多集中于欧盟碳排放交易体系下的配额型交易（EUA）和欧洲核证减排量（CERs），主要研究集中在三个方面：从理论上探讨碳资源定价问题及解决途径、构建模型研究合理的定价机制、实证检验碳资源价格的显著影响因素。国内外关于碳排放权影响因素的实证研究主要集中于以下三个理论：
1. 供给、需求、市场三因素理论。市场因素包括政策、能源价格、天气因素、宏观经济环境等方面。陈晓红（2012）从供给、需求、市场三个维度选取变量，采用面板回归与残差检验，分两个阶段进行实证设计，得出EUA供给因素在两个阶段内分别不同程度地影响了EUA交易价格的结论。邹亚生、魏薇（2013）利用向量误差修正模型和公共因子模型，实证分析了CERs现货价格的影响因素，研究结果表明，宏观经济指标、气候指标和CERs期货市场价格发现功能都会对CERs现货产品价格有显著影响。丁可等（2015）基于供需层面对CERs的七个影响因素进行了定量分析，认为CDM项目注册数量是CERs二级市场价格的最大决定因素。Marc（2011）使用copula模型得出结论：在经济衰退时期，EUA期货价格收益率和宏观经济市场存在很强的相关性。Littell D.和Jenkins（2014）认为政策约束对碳价有显著影响。Reboredo（2014）运用时变copula模型得出结论：EUA价格和原油价格之间存在正向均值依赖和极值对称关系。
2. EUA和CERs价格、现货与期货价格相互影响理论。洪涓、陈静（2010）认为CERs期货价格主要受现货价格引导。盛春光（2013）选取欧洲气候交易所EUA期货价格和CERs期货价格为研究对象，通过协整性检验、因果关系检验等形成的递进式计量分析框架，得出CERs期货和EUA期货价格相互影响的结论。章淑威（2015）选取ICE交易所EUA期货和CERs期货日数据，构建VAR模型并得出结论：从短期看，二者间存在正向变动关系；但长期来看，二者的价格关系走势是趋近的，长期处于平稳均衡状态。Rittler（2012）运用 GARCH 模型，发现 EUA 期货市场会首先捕捉到新信息，随着EUA期货市场价格的浮动逐渐影响到现货市场。Koop、Tole（2013）利用时间序列模型进行研究，结果表明EUA期货价格对于CERs价格有决定性作用。Azifi（2013）在EUA和CERs价格数据平稳的前提下，对两者间的价格波动规律进行实证研究，结果表明，短期内EUA和CERs现货价格相互引导，但从长期来看，二者之间并不相关。
3. 影响因素不确定理论。郑春梅等（2014）运用MS-VAR（马尔科夫机制转换向量自回归模型）研究欧盟碳期货价格波动的影响因素，研究结果表明，不同时期的碳期货价格受到不同因素的影响。Alberola（2008）就能源市场和碳排放权价格的关系进行了计量分析，得出不同阶段能源和碳排放权价格之间的关系存在不同特征的结论。
可见，国内外大量研究成果主要集中在欧洲市场，与我国市场发展程度结合度不高，对国内碳交易市场价格的研究几乎一片空白，不能为国内市场的发展提供可靠的参考。
三、变量选取与研究假设
1. 变量选取与数据来源。本文选取2013年11月 ~ 2016年2月北京市碳排放交易平台公布的每日成交均价（BEA成交均价）作为研究对象，计价单位为元/吨，处理后得到的每月平均价格作为被解释变量。北京市碳排放交易所于2013年11月28日在北京环境交易所正式开市，涵盖发电、制造和大型建筑行业的500多家企业。开市两年多来，市场成交量和成交额均位居全国7个碳排放交易试点前列。
本文从以下五个方面选取9个解释变量进行实证研究：
（1）国内区域碳价与CERs项目性交易在本质上存在共性，很有必要研究不同碳资产之间的价格是否具有联动性，本文选取同一时期的CERs期货结算价格。
（2）国际CERs价格受到国际市场配额、CDM签发量、国际能源价格等诸多因素的影响。基于CDM项目型交易来讲，一个典型的CDM项目要经过漫长严格的审批环节才能产生核证减排量（CERs），短期内CERs不可能产生较大的变化，故不考虑国际碳资源供应方面的影响，一种能源价格的波动将直接影响其替代品的使用量，传统能源价格波动将影响作为其替代用品的清洁能源使用量，从而影响二氧化碳等温室气体的排放量。通过对西方传统能源结构的分析，本文选取煤、石油、天然气三种能源价格作为衡量国际能源价格的被解释变量，分别为在国际能源市场比较有代表性的欧洲三港 ARA动力煤现货价、布伦特原油期货每日交易结算价格、NYMEX天然气期货日结算价格。
（3）基于价格供需理论，分别考虑碳资源的供需对碳价造成的影响，我国国内碳市场目前仍以配额型交易为主导，碳资源的供应量相对平稳，故本文不考虑。从需求层面看：需求量=配额量-实际排放量，而实际排放量又受到工业发展水平、能源使用、技术手段等众多因素的影响，本文选取中证工业指数代表我国工业发展总水平。从我国的工业能源消耗结构来看，消耗量最大的能源是煤炭和石油，其次才是天然气，考虑到数据的可靠性与可得性，只选取环渤海动力煤价格指数和大庆原油现货价作为能源消耗的衡量指标。
（4）温度也是影响碳交易价格波动的关键性指标，过低或过高的气温都会使能源需求急剧升高，使温室气体排放量增加，从而引起碳排放权需求的增加。本文选取北京市月平均最高温作为解释变量，以北京市2000年以来的平均气温为基准，如月平均最高温高于2000年来的平均气温，则视为较为温暖，记作1，反之视作较为寒冷，记作0。
（5）金融市场是否繁荣稳定也是影响碳金融市场交易的一个重要因素，本文选取沪深300指数作为衡量国内市场的指标，用来反映国内资本市场整体走势。
为使以上时间序列数据具有平衡性与连续性，均处理后得到每月平均值变量，各解释变量与数据来源见表1。

 研究假设。我国作为发展中国家，在国际碳排放交易市场主要是基于CDM项目的CERs交易，国际CERs交易和国内市场交易本质上是相同的。近年来，受欧洲经济衰退和配额供应过量等原因影响，国际CERs价格持续走低，这或许会带动中国的减排项目转向更具诱惑的国内市场，从而使国内市场交易量大幅上升。为此，本文提出研究假设1。
假设1：国际CERs价格和BEA成交均价负相关。
以煤炭、石油、天然气为主的传统能源，是温室气体的主要来源，传统能源价格的波动将直接影响企业对于其替代品的使用。当传统能源价格上涨，企业对其使用量降低，温室气体排放量大大降低，导致碳排放权的需求下降，必然引起其交易价格下跌。为此，本文提出研究假设2。
假设2：传统能源价格和BEA成交均价负相关。
我国是一个重视工业生产的国家，工业生产排放的二氧化碳占二氧化碳排放总量的绝大部分份额，目前国内区域范围内的碳排放交易所都将重污染的工业企业纳入其交易范围。工业企业的高产值必然导致温室气体排放量增加，导致碳排放权需求量增加，从而带动其交易价格上升。为此，本文提出研究假设3。
假设3：工业发展水平和BEA成交均价正相关。
碳排放权是一个虚拟概念，其交易也类似于期货交易，碳金融作为一种新型的投资形式，受到越来越多金融机构的青睐，金融市场是否繁荣稳定影响着投资者的投资决策。金融市场稳定成熟，全国范围内经济势头发展良好，会带动碳交易市场的发展。为此，本文提出研究假设4。
假设4：金融市场繁荣程度与BEA成交均价正相关。
四、实证分析
本文利用Eviews 6.0软件进行数据的平稳性检验和协整性检验，利用SPSS 17.0软件进行数据的相关性分析、主成分分析以及多元回归分析。
1. 单变量分析。平稳性检验和协整性检验结果见表2。
（1）平稳性检验。由于本文选取的数据为时间序列，为了防止出现伪回归，有必要先对时间序列数据进行平稳性检验，本文采取单位根检验法中的ADF检验法检验数据的平稳性。检验结果表明：BEA成交均价和各解释变量都是非平稳序列，进一步检验可得到各个非平稳序列的单整阶数，各个变量在5%的显著性水平上均是一阶单整。
（2）协整性检验。在各个变量满足同阶单整的情况下，可进一步对数据进行协整性检验，检验各个非平稳的经济变量是否存在某种线性组合是平稳的。本文采用EG两步法进行协整性检验，通过对回归残差序列的ADF检验可知，BEA 成交均价和各个解释变量之间均存在长期协整关系，因此多元回归结果具备一定的经济意义。
2. 多变量分析。
（1）相关性分析。为了避免出现多重共线性，首先对各变量进行相关性分析，相关系数见表3。从表3可以看出，一部分变量之间存在着严重的多重共线性。严重的多重共线性会使得用普通最小二乘法得到的回归参数估计值很不稳定，回归系数的方差随着多重共线性强度的增大而加速增长，甚至可能出现回归系数的正负得不到合理经济解释的情况。为了避免这种情况，此处采用主成分分析法，从9个解释变量中抽取几大公共因子，利用公共因子与被解释变量做回归分析。
（2）主成分分析。因计量单位不同，各变量之间不具备可比性，如果直接做主成分分析，则会夸大数值大的变量在分析过程中的作用，为防止误差产生，先对各变量进行标准化处理。本文采取Z方法对数据进行标准化，即Z=           （X代表均值，S代表标准差），各个变量的标准化表达式为：
Z（Y）=（Y-50.0136）/6.80806
Z（X1）=（X1-0.2982）/0.19332
Z（X2）=（X2-65.9854）/11.98403
Z（X3）=（X3-75.7786）/28.40377
Z（X4）=（X4-3.4621）/0.92568
Z（X5）=（X5-3224.4968）/1180.61573 
Z（X6）=（X6-476.8686）/71.77967
Z（X7）=（X7-69.2879）/29.63116
Z（X8）=（X8-0.5714）/0.50395
Z（X9）=（X9-3080.2839）/857.19018  式①
然后，对标准化之后的数据进行KMO检验和Bartlett球度检验，以判断数据是否适合做主成分分析。检验结果（略）显示：KMO统计值为0.755，Bartlett球度检验的观测值为442.521，伴随概率P小于显著性水平0.05，说明数据非常适合做主成分分析。
由主成分分析输出结果（详见表4）可知，2个因子解释了原有变量总方差的81.567%，故只需要提取2个公共因子就可以较大程度地概括变量信息，起到了降维的作用。

从因子碎石图可以看出，有2个因子的特征值大于1，到第3个因子之后，特征值变化不明显，曲线趋向平稳，可见，取2个因子是比较合适的。
为了明确两个主成分的含义，表5给出了旋转后的因子载荷矩阵。成分1在欧洲三港（ARA）动力煤现货价、大庆原油现货价、布伦特原油期货结算价（连续）、CERs期货价格等9个指标上有较高的载荷，成分2在气温上有较高的载荷，因将影响BEA成交均价的因素归纳为三个：国内外能源价格因素、宏观经济环境因素、天气因素。根据成分得分系数矩阵，可以得出各个主成分因子的线性表达式：
F1=10.096Z（X1）+0.155Z（X2）+0.155Z（X3）+0.145Z（X4）+0.14Z（X5）+0.147Z（X6）+0.155Z（X7）+0.141Z（X9）
F2=0.056Z（X1）+0.083Z（X2）+0.202Z（X3）+0.053Z（X4）+0.254Z（X5）+0.107Z（X6）+0.203Z（X7）+0.788Z（X8）+0.19Z（X9）    式②
（3）多元回归分析。用两个因子作为解释变量，得出的回归结果（略）显示：调整R2为0.513，F统计值为15.228，伴随概率P值为0.000，模型较好地拟合了变量间的关系，F值显著，对应的P值也远小于给定的显著性水平，各个解释变量也均通过了T检验，说明两个因子共同对解释变量有显著影响，也都单独对其有显著影响，可以建立如下回归模型：
Z（Y）=0.672F1+0.312F2-27.371 式③
将式①、②代入式③可还原得到影响我国BEA成交均价的多元回归模型，即：
Y=-2.8879X1+0.0397X2+0.040X3+0.8382X4-
0.0001X5+0.0062X6+0.0385X7+3.3214X8+0.0071X9+
33.6927  式④
从式④可以初步判定，我国BEA成交均价和国际CERs期货价格、中证工业指数负相关，而受到CERs期货价格的负相关影响更为严重；我国BEA成交均价与欧洲三港（ARA）动力煤价格、布伦特原油价格、NYMEX天然气价格、环渤海动力煤价格、大庆原油价格、气温及沪深指数均正相关。单纯从式④多元回归方程来看，部分结论并不符合相关假设。
3. 实证结果分析。本文先对时间序列进行平稳性检验，各个时间序列虽然是一阶单整序列，但各个变量间存在协整关系，排除了回归结果伪回归的问题。然后又采用主成分分析法进行回归分析，结果显示：国内外能源价格因素、宏观经济环境因素、天气因素对我国BEA成交均价具有正向影响，其中：①能源和宏观市场因子和BEA成交均价的回归系数达到了0.672，说明二者之间存在密切的正相关关系。②气温和BEA成交均价间的回归系数达到了0.312，表明二者之间的相关程度并不是很高。虽然国内外的很多文献都得出结论：气温也是影响碳价的因素，气温过低或者过高都会引起企业对能源的需求发生变化，但是由于气温对碳价的影响并不是直接的，其作用机理也很复杂，所以从总体看来，气温对碳价的影响并不是很严重。
从还原得到的各个原始变量与被解释变量的线性表达式中，可以更加细化地分解出各个自变量对因变量的影响：①国际CERs和BEA成交均价负相关，有效地验证了本文假设1。②传统能源价格和BEA成交均价正相关，这与本文的假设2并不相符。不相符的原因可能是高污染能源一般与碳价是呈反比例关系的，煤炭和天然气是国内企业大量排放二氧化碳的主要来源，这类能源价格上涨，很可能带动企业转向使用稍为清洁的天然气等清洁能源，从而使市场上对碳排放权的需求下降，导致碳排放权价格下跌。但是由于我国碳市场的交易不够活跃，成交价格不断走低，并不能激励企业节能减排，所以检验结果出现了正相关关系。③工业发展水平和BEA成交均价负相关，这与本文的假设3并不相符。不相符的原因可能是我国近年来工业化进程不断加快，资源消耗已远超过资源再生速度和环境承载能力，随着国家资金技术的不断投入，产业升级加快，以能源密集型为主的重工业开始转型，导致环境污染开始减少。④金融市场繁荣程度与BEA成交均价正相关，有效地验证了本文的假设4。
五、研究结论与建议
1. 研究结论。为研究我国区域碳排放权成交价格的影响因素，本文选取北京市碳排放交易所2013年11月 ~ 2016年2月的数据作为研究样本，借助Eviews和SPSS统计软件进行回归分析，得出结论：国际CERs价格、工业发展水平和BEA成交均价负相关，传统能源价格、金融市场繁荣程度与BEA成交均价正相关。但是，我国建立碳市场的根本目的是促进减排而非交易。成熟、完善的交易市场是促进减排的一种形式，活跃的交易、公允的价格才能实现减排成本的最小化。
2. 建议。为了促进减排，本文提出以下建议：①由于当前国际CERs价格持续走低且同我国碳价负相关，应着力提高我国区域碳市场的市场化程度，尽快建立并完善全国统一的碳交易平台，同时尽快与国际对接。而且企业和投资者可以将目光转向国内市场，在合适的时间选择增持或抛售碳资产，以此规避风险。②国内外传统能源价格对碳排放权价格有显著影响，对于企业来讲，有必要分析能源价格走势，衡量碳排放成本与能源替代成本之间的差异，使企业在能源的选择与使用上做出更好的决策。③我国目前的碳交易大多属于配额型交易，在经济发展势头良好、资本市场稳健的时候，政府应该适当增加配额供给，避免因碳排放成本的增加影响企业经济活力。

主要参考文献：
邹亚生，魏薇．碳排放核证减排量（CER）现货价格影响因素研究［J］．金融研究，2013（10）．
丁可，潘焕学，秦涛．基于供需层面的国际碳排放权价格影响因素的实证研究［J］．金融经济，2015（22）．
章淑威．欧盟碳金融衍生品EUA与CER关联度研究［D］．杭州：浙江工商大学，2015．
郑春梅，刘红梅．欧盟碳排放权价格波动影响因素研究——基于MS-VAR模型［J］．山东工商学院学报，2014（5）．
盛春光．碳市场EUA与CER期货价格变动关系的实证研究［J］．经济数学，2013（4）．