中国碳试点市场集中交易行为的理论研究

涂志勇，熊 灵，雎 岚

(1.北京大学汇丰商学院，广东 深圳 518055； 2.武汉大学国际问题研究院，湖北 武汉 430072)



中国碳试点市场集中交易行为的理论研究

涂志勇1，熊 灵2，雎 岚1

(1.北京大学汇丰商学院，广东 深圳 518055； 2.武汉大学国际问题研究院，湖北 武汉 430072)

通过构建一个代表性控排企业跨期决策理论模型，分析碳配额交易企业在履约日与非履约日的最优交易量。均衡结果显示，企业在非履约日的最优交易量与其自身的风险规避系数、市场流动性提供者的风险规避系数、履约日随机碳需求的标准差成正比，而与企业的碳产出效率成反比。在此基础上，探讨了中国碳交易试点市场上履约日附近交易量巨大，而非履约日交易量稀少的原因，并提出相关政策建议，以帮助实现我国碳市场交易量的平滑及整体市场效率的提升。

碳配额市场；集中交易行为；交易量

一、引 言

在2009年哥本哈根气候大会上，中国承诺到2020年将会把碳强度指标降至比2005年低40-45%的水平。为了实现控制温室气体排放行动目标，中国政府决定运用市场机制来推动节能减排。2011年10月，国家发改委批准北京市、天津市、上海市、重庆市、湖北省、广东省及深圳市开展碳排放权交易试点。这七个碳交易试点地区先后于2013年6月至2014年6月间正式开始市场交易，其中北京、天津、上海、深圳和广东试点都已经完成首年履约的程序。

尽管七个碳交易试点市场具有各自不同的市场微观结构，但一年多的交易数据显示，各个市场上的交易行为均表现出一个共同特征：即平时交易不活跃，成交量很小，而到碳配额履约日临近却突然放大，履约结束后迅速恢复至与前期类似的不活跃状态。图1描绘了五个完成首年履约的碳市场成交价格与成交量的时间序列。可以看到，全年成交大部分集中于履约月份。

上海、深圳碳交易试点首个履约期的最后期限都是2014年6月30日，截至6月30日，深圳交易碳配额约152万吨，其中有108万吨是在6月份内完成的，占比超过71%；上海从2013年11月开市以来，大多数情况下每日的交易量仅有数万吨，累计成交量为155.3万吨，其中2014年6月份市场成交量就高达111.5万吨，占71.8%；北京2014年6月份成交量达141.1万吨，为5月份成交量的5.4倍、4月份成交量的19.1倍，占北京碳市场首年总成交量的75.3%；广东碳交易2014年6月至7月15日的成交量为85万吨，占全年总成交量的71.4%；天津碳市场在2014年7月份内截至25日最后履约期的成交量达到81.3万吨，占首年总成交量的76.9%*根据北京、上海、广东、天津、深圳碳交易所公告数据整理所得。。

国外成熟的碳交易市场上，碳配额的交易一般比较平均地分布于全年各个交易日。图2描绘了2013年9月到2014年9月欧盟碳交易现货市场的价格与成交量序列。注意到欧盟碳交易市场每年的最后履约期为4月30日，而图2中并未显示出履约期前突然放大的交易量，全年交易量相对比较平均。

图1 中国碳试点的市场交易情况*数据来源：根据北京、上海、广东、天津、深圳碳交易所公告数据整理所得。

我国碳配额市场这种集中交易的特点大大降低了市场流动性，严重影响了市场的碳配额价格发现功能。它不利于我国企业实时将碳配额成本纳入其生产规划并进行风险对冲，从而导致整体碳交易市场的效率不高。国家发改委于2014年12月发布全国《碳排放权交易管理暂行办法》，将推动建立全国碳排放权交易市场。因此，研究当前碳交易试点市场的经验对于建立完善的全国碳交易市场具有重要的意义。本文将研究碳交易试点市场集中交易特征的成因及其影响因素，从而为提升我国碳排放权交易市场效率提供理论指导与政策建议。

图2 欧盟碳交易现货市场2013-2014年交易情况*数据来源：European Energy Exchange，https://www.eex.com/。

中国的碳交易试点获得了国内外众多学者的关注。在中国碳交易试点筹备期间，Han等(2012) 和Lo (2013) 就对其进展进行了评论，认为其在理论和实践上都将面临巨大挑战并将产生重大影响[1][2]。在中国碳交易试点陆续运行之后，Zhang等 (2014) 对中国七个碳交易试点的现状和问题做了总体评估，认为碳交易市场试点是很重要的实验和学习机会，虽然存在一些机制设计问题，但必将为未来全国碳交易市场建设提供关键参考[3]。而Jiang等 (2014)[4]、Wu 等(2014)[5]和Qi 等(2014)[6]分别对深圳、上海和湖北碳交易试点的制度框架和机制设计进行了分析，总结上述三个碳交易试点的制度特征，也发现了一些机制缺陷。熊灵和齐绍洲(2012)[7]对EU ETS 三个阶段制度的改善进行了比较分析，并据此提出了中国碳交易市场建设应该吸取的经验教训。而Shen等(2014)[8]则在详细剖析美国加州碳交易机制基础上，对中国的碳交易试点进行了比较与借鉴。对于碳交易市场的改进方向，陈波(2014)从市场机制失灵的角度探讨了碳交易市场结构性改革的可能措施[9]，张继宏和张希良(2014)则提出，将商业银行业强制纳入碳交易市场可使碳交易市场活跃度增加[10]。可以看到，目前尚未有文献对中国碳交易市场的实际交易行为特征进行分析，本文的贡献在于弥补这一方面的文献空白。

我们借鉴 Guo 等 (2012) 以及涂志勇和郭明(2008)的理论框架，构建了一个代表性控排企业跨期决策理论模型，分析碳配额交易企业在履约日与非履约日的最优交易量。均衡结果显示，企业在非履约日的最优交易量与其自身的风险规避系数、市场流动性提供者的风险规避系数、履约日随机碳需求的标准差成正比，而与企业的碳产出效率成反比[11][12]。我们据此分析了中国碳交易试点市场上履约日附近交易量巨大，而非履约日交易量稀少的原因，并提出相关政策建议，以帮助实现我国碳市场交易量的平滑及整体市场效率的提升。

二、中国碳配额交易市场的结构与机制

中国的碳交易试点地区在对当地企业分配完碳配额之后，都指定了各自唯一的交易平台来交易本地的碳配额现货。五个已经完成首年履约的试点指定的交易平台分别为：北京环境交易所、上海环境能源交易所、深圳排放权交易所、广州碳排放权交易所和天津排放权交易所。除天津试点需交易10吨或其整数倍外，市场参与者在其他四个试点可以1吨为单位进行买卖。

从交易主体来看，2013-2014年度一级市场上五个试点都只允许纳入控排的企业或履约机构单位参与*2014-2015年度广东也允许符合条件的投资机构参与 一级市场的配额拍卖。2014年9月26日，广东省本年度首次配额有偿发放中，机构投资者竞买量占总量的46%，达92万吨。，但是在二级市场上除北京试点不允许个人参与交易外，其他地区试点对交易主体范围原则上没有设置过多限制，不仅容纳了控排企业或履约机构，还允许包括投资机构在内的其他组织或非履约机构参与其中。

从交易方式来看，主要采取线上公开交易和协议转让交易，各交易所在具体交易方式设计上有所区别。北京试点开发了整体竞价交易、部分竞价交易、定价交易和协议转让等四种方式；广东市场提供挂牌竞价、挂牌点选、单向竞价、协议转让等方式；深圳市场提供现货交易、电子竞价和大宗交易等交易方式，现货交易为限价委托申报形式；上海试点采取的挂牌交易方式与深圳的现货交易非常类似，即在规定的时间内交易系统对买卖申报进行单向逐笔配对的公开竞价交易方式；天津试点则采用网络现货、协议和拍卖交易等方式。各试点对大额交易均要求采用协议方式进行交易。

在风险控制上，主要通过设置收盘价和涨跌幅来实现。除北京试点外，其余四个市场均设置了收盘价，并以收盘价为基础计算涨跌幅。深圳市场的涨跌幅比例以前收盘价为准，限制在10%，大宗交易的涨跌幅限制为30%；广东试点也以前收盘价为准设置10%的涨跌幅限制，但仅对挂牌竞价交易和挂牌点选交易有效，对单向竞价交易不设涨幅限制；以前收盘价为基准，上海试点限制的涨跌幅比例为30%；天津试点则以“结算价”即某交易日内按照成交量计算的加权平均价格为基础，实行10%的涨跌幅限制；北京市场没有收盘价，其限制公开交易方式涨跌幅为当日基准价的±20%，“基准价”的计算方式与天津“结算价”相同。

各试点均设置了纳入控排企业或履约单位的最后履约日期。然而，在首年实际履约过程中，除上海和深圳试点严格按照管理办法规定的日期(6月30日)进行履约外，其余三个试点为保证履约率都向后做了延迟调整，北京从6月15日推迟到6月27日，广东试点从6月20日推迟到7月15日，而天津试点的履约期更是从5月31日延期至7月25日。

基于以上特征事实，我们构建以下控排企业跨期决策模型，分析参与碳交易市场的企业主体在履约日与非履约日的最优决策行为。

三、碳交易市场企业两期决策模型

本节将首先构建碳配额交易市场的企业跨期决策模型，然后对模型进行求解，最后分析企业的最优决策及其影响因素。

(一)模型的建立

图3描绘了企业的两期决策。在交易年度的年中(第一期)，控排企业交易X单位的碳配额，X>0或X<0分别意味着企业买入或卖出碳配额。到交易年度期末(第二期)，控排企业已拥有ω+X单位的配额，而其随机碳需求q也得以实现，为满足其排放需求，企业须交易Δ=q-(ω+X)单位的碳配额。如果Δ>0，那么控排企业将从市场上再购买Δ单位配额以履行其责任；而如果Δ<0，那么控排企业就可以在市场上出售-Δ单位配额，这些多余的配额就成为其收益的一部分。

图3 碳配额市场企业跨期决策模型

用α·q表示控排企业从日常生产中获得的收益，这里α是单位碳排放所带来的增加值。不失一般性，我们假设代表性控排企业具有指数效用函数-exp(-γ1W)，其中，W是控排企业的总收益水平，等于企业从日常生产活动中产生的收益与从碳配额交易中产生收益的总和，而γ1则是该企业的风险厌恶系数，γ1>0。

碳交易市场上的碳配额价格由企业的需求驱动，而市场上的流动性提供者则被动出清市场需求从而产生均衡价格，这一功能由目前中国碳市场里机构投资者承担。我们假设流动性提供者同样具有指数效用函数-exp(-γ2W)，其中γ2是它的风险厌恶系数，γ2>0。根据Subrahmanyam (1991)，它以如下规则来出清市场：

(1)

控排企业需要决定其在交易年度的年中(第一期)的最优交易量X*，以便对冲其在年末(第二期)的随机碳配额兑付需求，同时使其整个跨期收益最大化。

(二)模型的解

1.均衡价格

首先，需要获得控排企业在跨期交易过程中的均衡价格，它们由碳市场出清方程(1)决定。在一个交易年度内，流动性提供者两次出清市场。因而，在第一期有：

X+Q1=0

(2)

在第二期有：

-Δ+Q2-Q1=0

(3)

以下推论1给出了碳市场交易的第一期和第二期均衡出清价格。

2.控排企业第一期的最优交易量

控排企业从跨期碳配额交易中获得的收益为(ω-q)P2+X(P2-P1)，因而其在交易年度期末(第二期)的总收益为W=αq+(ω-q)P2+X(P2-P1)。那么，控排企业在年中(第一期)所面临的决策就是选择最优的X，以使期末的效用-exp(-γ1W)最大化。所以控排企业的问题为*对于指数效用函数，MaxE[-exp(-γ1W)]等同于Max[E(W)-(γ1/2)Var(W)]。：

s.t.W=αq+(ω-q)P2+X(P2-P1)

企业的第一期最优交易量X*由以下定理1给出：

3.控排企业第二期的交易量

注意到控排企业第二期的交易量是为了满足其随机碳需求实现之后，配额兑付时可能存在的碳盈余或碳缺口。我们用Y来表示企业第二期的期望交易量，那么：

Y=Pr(q>ω+X*)E(q-ω-X*|q>ω+X*)+Pr(q<ω+X*)E(ω+X*-q|q<ω+X*)

(4)

以上等式右侧第一项表示企业在第一期交易了X*单位碳配额后，第二期还需再购买的期望碳配额数量；而右侧第二项则表示企业在第二期需要出售的期望碳配额数量。下面的定理2给出了控排企业年未(第二期)期望交易量。

(三)均衡分析及参数讨论

以上模型推导，为我们分析中国碳交易市场的行为特征提供了理论指导。

基于中国碳交易市场的实际，我们来分析决定X*的各参数的情况。我国碳交易试点对纳入配额管理的企业都设置了较高的排放门槛，北京、上海、天津、广东和深圳的纳入企业门槛值分别为年排放1万吨、2万吨、2万吨、2万吨和0.5万吨以上。其覆盖的行业也大多数是传统国有企业占主导的电力、钢铁、水泥、石化、有色等行业，所以导致纳入控排的企业中国有大中型企业占据很大比例*见中创碳投《中国市场2013年度报告》，2014年1月。。

首先，国有大中型企业的风险规避系数γ1相较中小型私营企业要小，即它承受生产波动的能力更强。因为国有大中型企业的资源及要素禀赋(如多样化经营程度、银行授信等)更高，所以能够更有效地对冲波动。而中小型私营企业一旦发生大的生产波动，可能会累及整个企业的生存，因此必须更加重视生产波动管理，即γ1更大。何光辉和杨咸月(2012)[13]、Audia和Greve (2006)[14]分别从企业性质与企业规模角度，进行了实证研究，得出类似结论。

其次，国有大中型企业的生产计划性更强，产量受外部市场需求影响更小，因此其履约日的随机碳需求标准差σ也相对较小。受限于数据，我们仅以湖北碳交易市场上的30家电力企业及34家水泥企业的碳排放情况来看企业规模对碳排放量波动率的影响。我们按企业规模将每个行业的企业分为数量相等的两个子样本，即大企业与小企业样本，然后分别计算当年排放量的变异系数(标准差/均值)，其结果见表1。可以看到,企业规模越大,年度碳排放量的变异系数越小，即碳排放的波动越小。

表1 企业规模与年度碳排放量变异系数

资料来源：湖北省发改委碳交易试点盘查数据。

最后，大多数国有大中型企业受到节能减排政策的约束，其生产碳强度下降较快，导致单位碳排放产出效率α也相对较高。卢现祥和许晶(2011)以及王群伟等(2010)应用省级面板数据均发现国有企业性质对碳排放强度有着显著的负影响[15][16]。

根据定理1，以上这些因素均会减少年中的最优交易量X*，从而导致碳市场在非履约日交易普遍清淡。

四、结论与政策建议

为了以最优的成本效率获得节能减排效果，中国引入了碳交易市场机制。然而从中国已完成的首年履约碳交易试点来看，其市场交易表现出过于集中于履约日附近的特征，这导致我国碳配额市场流动性下降，严重影响了碳交易市场的效率。分析该市场特征形成的原因与机制，对于改善碳交易试点市场的效率，为全国碳交易市场设计提供借鉴，均具有重要意义。

本文通过构建一个代表性控排企业跨期决策理论模型，分析了碳配额交易企业在履约日与非履约日的最优交易量。均衡结果显示，企业在非履约日的最优交易量与其自身的风险规避系数、市场流动性提供者的风险规避系数、履约日随机碳需求的标准差成正比，与企业的碳产出效率成反比。我们据此分析了中国碳交易试点市场上履约日附近交易量巨大，而非履约日交易量稀少的原因。

基于以上模型与理论分析，我们提出如下政策建议，以帮助提升碳交易市场流动性，改善市场效率。

第一，企业是碳交易的重要主体，政府应积极培育企业的碳资产管理意识，将碳配额作为企业的一种重要资产及企业收益的一个部分，进行主动管理，推动碳市场被更多地利用，流动性也会相应提升。

第二，当前碳配额主要为免费分配，在充分考虑行业承受能力的情况下，应逐步降低免费配额的比例，以使企业期末碳需求的期望值大于其期初的碳禀赋ω。企业将需要更多地在非履约日交易，以应对期末的履约需求，进而活跃碳市场日常交易。

第三，应该增加纳入碳配额交易的企业数量，增加交易企业的多样性，提升履约日碳配额需求的总体波动性σ，而控排企业为了实时对冲履约风险就会增加非履约日的碳交易量。

第四，应改善参与碳配额交易的企业构成，增加私营中小型企业的比重。这些企业较国有大中型企业更需要管理生产波动，风险规避系数γ1更大，因此会更多地应用日常碳交易来对冲因生产波动带来的碳需求变化风险。同时，私营中小型企业的碳产出效率α相对较低，也会导致其更高的碳交易需求。

最后，应引入更多专业的机构投资者，包括国外机构投资者。更多流动性提供者参与碳配额交易，相互竞争，可以有效提高碳市场的流动性，企业主体也可获得更为有利的碳配额价格，从而促进其日常碳资产管理。

[1]Han,G.,M.Olsson,K.Hallding,and D.Lunsford.China’s Carbon Emission Trading:An Overview of Current Development [R].FORES and Stockholm Environment Institute,Stockholm,2012.

[2]Lo,A.Y..Carbon trading in a socialist market economy:Can China make a difference? [J].Ecological Economics,2013,Vol.87:72-74.

[3]Zhang,D.,V.J.Karplus,C.Cassisa,and X.Zhang.Emissions trading in China:Progress and prospects [J].Energy Policy,2014,Vol.75:9-16.

[4]Jiang,J.J.,B.Ye,and X.M.Ma.The construction of Shenzhen’s carbon emission trading scheme [J].Energy Policy,2014,Vol.75:17-21.

[5]Wu,L.,H.Qian,and J.Li.Advancing the experiment to reality:Perspectives on Shanghai pilot carbon emissions trading scheme [J].Energy Policy,2014,Vol.75:22-30.

[6]Qi,S.,B.Wang,and J.Zhang.Policy design of the Hubei ETS pilot in China [J].Energy Policy,2014,Vol.75:31-38.

[7]熊灵,齐绍洲.欧盟碳排放交易体系的结构缺陷、制度变革及其影响[J].欧洲研究,2012,(1):51-65.

[8]Shen,B.,F.Dai,L.K.Price,and H.Lu.California’s Cap-and-Trade programme and insights for China’s pilot schemes [J].Energy & Environment,2014,Vol.25:551-575.

[9]陈波.碳交易市场的机制失灵理论与结构性改革研究[J].经济学家,2014,(1):32-39.

[10]张继宏,张希良.建设碳交易市场的金融创新探析[J].武汉大学学报(哲学社会科学版),2014,(2):102-108.

[11]Guo,M.,Z.Li and Z.Tu.A unique “T+1 trading rule” in China:Theory and evidence [J].Journal of Banking and Finance,2012,Vol.36:575-583.

[12]涂志勇,郭明.股指期货推出对现货市场价格影响的理论分析[J].金融研究,2008,(10):104-116.

[13]何光辉,杨咸月.融资约束对企业生产率的影响[J].数量经济技术经济研究,2012,(5):19-35.

[14]Audia,P.G.and H.R.Greve.Less likely to fail? Low performance,firm size,and factory expansion in the shipbuilding industry [J].Management Science,2006,Vol.52:83-94.

[15]卢现祥,许晶.工业企业结构差异与CO2排放强度实证研究——基于省级动态面板[J].广东社会科学,2011,(6):82-90.

[16]王群伟,周鹏,周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素[J].中国工业经济,2010,(1):45-54.

(责任编辑:原 蕴)

A Theoretical Study on the Concentrated Trading Behavior of Chinese Carbon Pilot Markets

TU Zhi-yong1，XIONG Ling2，JU Lan1

(1.HSBC Business School,Peking University,Shenzhen 518055,China; 2.Institute for International Studies,Wuhan University,Wuhan 430072,China)

This paper builds a representative firm’s cross-period decision model to analyze the firm’s optimal trading volumes on the quota-fulfillment day and the non-quota-fulfillment days.The equilibrium results show that the firm’s optimal trading volume on the non-quota-fulfillment days positively correlates to its own risk aversion coefficient,market maker’s risk aversion coefficient and the standard deviation of the random carbon demand on the quota-fulfillment day; while negatively correlates to the firm’s carbon output efficiency.Our model explains why in Chinese carbon pilot markets the trading volume is huge around the quota-fulfillment day while scarce onthe non-quota-fulfillment days.We propose corresponding policy suggestions to help smooth the trading volumes and improve the efficiency of Chinese carbon markets.

carbon quota markets; concentrated trading behavior; trading volume

2015-03-29

涂志勇(1975-)，男，湖北武汉人，北京大学汇丰商学院副教授，博士；熊灵(1976-)，男，湖北钟祥人，武汉大学国际问题研究院副教授，武汉大学气候变化与能源经济研究中心副教授，博士；雎岚(1979-)，女，江苏扬州人，北京大学汇丰商学院副教授，博士。

F830.59

A

1004-4892(2016)05-0045-08