中国碳市场波动溢出效应研究

汪文隽　周婉云　李瑾　黄钰

摘要：自2013年以来，中国已先后建立了七个区域性碳市场。研究中国碳市场之间的波动溢出效应，有助于发现在碳市场运行初期起价格引导作用的区域市场，为其它地区碳市场的发展和全国碳市场的建立提供建议。本文选择广东、湖北和深圳三个交易量最大的区域碳市场为样本，利用多元GARCH（1，1）-BEKK模型，检验其波动溢出效应。为了消除履约期的影响，本文根据履约期将样本划分为阶段一（2014年7月1日—2015年6月30日）和阶段二（2015年7月1日—2016年7月19日），分阶段进行了检验，并从市场有效性的视角解释了检验结果。波动溢出效应检验结果显示：在阶段一内，广东碳市场对湖北碳市场、湖北碳市场对深圳碳市场、深圳碳市场对广东碳市场分别存在单向的波动溢出效应；在阶段二内，只存在深圳碳市场对广东碳市场的单向波动溢出效应；在整个样本期内，只存在深圳碳市场对广东碳市场的单向波动溢出效应。基于方差比的市场有效性检验结果显示：无论是阶段一、阶段二或整个样本期，三个碳市场均没有达到弱式有效。本文进一步在多重分形检验的基础上，利用多重分形谱宽度，比较了三个碳市场的非有效性程度，结果显示：在阶段一、阶段二和整个样本期，三个碳市场有效性大小关系分别为：湖北>广东>深圳、深圳>湖北>广东、广东>深圳>湖北。可见，三个碳市场早期的波动溢出效应不完全符合市场有效性大小关系，而较晚期的波动溢出效应符合市场有效性大小关系，这证明了中国碳市场在阶段二相比阶段一更为成熟。本文最后对中国碳排放权交易市场的发展提出了政策建议。

关键词 ：碳市场；波动溢出效应；有效性；分形市场

中图分类号：F830.9 文献标识码： A 文章编号： 1002-2104（2016）12-0063-07

气候变暖已经成为一个国际性的问题，全球诸多国家纷纷建立碳市场来帮助减少温室气体的排放。自2013年6月深圳碳交易所启动以来，中国已先后成立上海、北京、广东、天津、湖北和重庆共七个碳排放交易所，而且在“十三五”规划纲要中已经明确提出要建立全国统一的碳市场。中国作为一个温室气体排放大国，有义务减少温室气体的排放，并且也作出了减少温室气体排放的承诺。不论是出于社会责任还是为了履行承诺，今后中国进行碳交易来减少二氧化碳的排放是势在必行的。碳交易这种为减少温室气体排放而设计的市场机制被公认为可以降低减排成本并且是有效的。碳资产这种温室气体排放权与金融资产具有类似之处，因为持有碳配额代表了拥有排放温室气体的权利，持有证券则代表拥有获得未来一系列现金流的权利。可见，从两者都是一种求索权（claim）的角度来说，碳配额在某种程度上可以作为金融资产来考虑。乔海曙和刘小丽[1]提出，碳市场交易的碳排放权具有金融产品的属性。在中國几个碳市场之间联系日益紧密的情况下，运用金融市场波动溢出性的研究方法对中国碳市场之间的波动溢出效应进行研究，有助于发现在我国碳市场运行初期起价格引导作用的区域市场，为其它地区碳市场的发展和全国碳市场的建立提供建议。

1 文献综述

国外碳市场比国内碳市场成立较早，所以关于国外碳市场的研究比国内多，而且研究内容更广泛，相对越来越完善。总的来说，关于国外碳交易的研究可以分为三种类型。第一类是对碳交易的理论研究，集中于对模型的研究[2-3]；第二类是关于碳价格的研究[4-5]；第三类是关于碳市场有效性的研究[6-7]。从2013年开始国内的碳交易所才陆续成立，关于国内碳交易的研究才逐渐展开，所以相关文献并不多，主要可以分为两种类型。第一类是关于我国碳交易市场现状以及碳交易市场发展对策研究[8-9]；第二类是关于我国碳市场价格的研究[10-11]。

对于金融市场间波动溢出效应的研究，国内外学者最常用的方法为多元GRACH模型[12-16]，李成、马文涛和王彬[17]发现多元的GARCH模型能够同时涵盖多个对市场造成影响的因素，并且提供更多的信息，从而更全面地描绘出多个市场之间的波动溢出效应。多数文献利用GARCH研究波动溢出效应仅仅局限于证券市场，而对于我国碳市场波动溢出效应的研究目前还是空白。

现代金融学对波动溢出效应产生的原因分析建立在有效市场理论的基础上。市场的有效程度是随着掌握有效信息的增多而提高的，而信息是引起金融市场发生波动的重要因素。对于市场有效性的研究，Zunion等人[18]以世界股票市场为研究样本，证明市场低效率的排名可以从市场分形的分析中得出。目前已有学者对中国碳市场进行了有效性的研究，王倩和王硕[19]用方差比方法检验了我国四个碳交易市场的有效性，王扬雷和杜莉[20]而是用分形市场的研究方法R/S检验对北京碳市场进行有效性研究，其原理是如果一个市场具有分形特征则可以反证它没有达到弱式有效，最后指出加强信息披露能提高市场有效性。

本文将研究金融市场间波动溢出效应的多元GARCH模型应用于中国的深圳、湖北和广东碳市场，并对这三个碳市场的有效性进行检验以解释波动溢出效应的结果。

2 中国碳市场发展现状

2011年10月，国家发展改革委员会批准北京、上海、天津、广东、深圳、湖北和重庆等七个省市开展碳排放权交易试点工作，至 2014年6月，这七个碳交易所全部成立。七个碳市场从成立至今的七个交易所累计成交量如图1所示。

如图所示，广东碳市场、湖北碳市场和深圳碳市场的累计成交量明显大于其余四个碳交易所，所以本文仅选取广东碳市场、湖北碳市场和深圳碳市场进行波动溢出效应的研究。对中国七个碳市场的波动溢出效应也进行了检验，发现成交量较小的四个市场未呈现波动溢出特征。广东碳市场、湖北碳市场和深圳碳市场的日收盘价如图2所示。

由图可知，三个碳市场在2014年和2015年6、7月份左右价格波动较大，而每年的6、7月份是各大交易所的配额清缴日期，为了消除履约期的影响，本文将样本区间（2014年7月1日—2016年7月19日）分为两个阶段。

对比广东、湖北和深圳碳市场的纳入企业标准，深圳门槛最低，为年碳排放量达到3千t以上的工业企业行

业；广东为年排放量达到2万t及以上的工业行业企业；湖北门槛最高，为年排放量达到6万t及以上的工业行业企业。对比广东、湖北和深圳碳市场的纳入行业范围，深圳纳入行业范围最广，包括26个工业行业，而广东和湖北

分别包括4个和12个工业行业。对比广东、湖北和深圳碳市场的纳入企业数量，2015年度深圳排控企业数最多，为636家，广东和湖北排控企业分别为186家和138家。

中国将于2017年启动全国碳交易市场，各项基础准备工作也在逐步跟进。从目前的全国碳市场建设思路来看，国家发展改革委将在总结七个区域市场经验的基础上，进一步制定并完善碳排放权交易市场的顶层设计。要实现2017年建成全国碳排放交易市场，那么2015年和2016年无疑将是碳市场飞速发展的阶段，在这两年有许多工作需要实施，比如要加强地方碳交易的能力、盘查企业历史碳排放量和完善碳排放报送系统。可以预计，在2016年，国家将会有更多关于碳交易的政策出台、实施，为实现2017年建成全国碳排放交易市场的目标做好准备。另外，会有更多的碳金融产品面世，比如各种碳衍生品。无疑，2016年将是吸取经验、继续发展和承上启下的一年。

3 中国碳市场溢出效应的实证研究

3.1 数据说明和描述性统计

由于重庆、上海、北京和天津碳交易所数据缺失比较多或者交易量比较小，因此本文仅选取广东、湖北和深圳碳交易所这三个碳交易市场，以三个碳市场配额的日收盘价为研究样本，样本的时间区间为2014年7月1日—2016年7月19日。剔除了非交易日数据后，共得到505组数据，数据来源于中国碳排放交易网（http：//www.tanpaifang.com/）。为了减小时间序列数据的波动并消除异方差，将原始数据处理如下，得到三组收益率序列：

其中，Ri，t代表第i个市场第t日的收益率，同理，Pi，t代表第i个市场第t日的收盘价，i=1，2，3分别代表广东碳交易所，湖北碳交易所和深圳碳交易所这三个碳交易市场，表1对Ri，t序列进行了描述性统计。其中，GD代表广东碳交易所的收益率数据，同理，HB和SZ分别代表湖北碳交易所和深圳碳交易所的收益率序列。

由表1的数据可知：①从标准差看，在阶段一，深圳碳交易所的收益率序列标准差最大，而阶段二广东碳市场的标准差最大，而湖北碳市场的标准差两阶段均最小，标准差越大代表风险越大，即湖北碳市场风险相对最小。②由偏度系数知，三个碳市场在两个阶段偏度系数均发生了相反方向的变化。从峰度系数来看，除了阶段一深圳碳市场的收益率序列峰度系数小于3，其余的收益率序列都大于3，為尖峰。③JarqueBera统计量的相伴概率表明，除了阶段一的广东碳市场，其余两个阶段的收益率序列都在0.05的显著性水平下拒绝原假设，认为样本数据均不是属于正态分布，表现出尖峰厚尾的特征。④ADF的检验结果证明，这三个碳交易所的收益率序列均不存在单位根，为平稳序列，因此可以建立GARCH模型。

3.2 波动溢出效应检验

BEKK模型由Engle和Kroner在1995年提出的，表达式为：

表示在信息集It-1下的3×3维的条件协方差矩阵，是收益率残差项，m和n分别是残差项和条件方差项的滞后阶数。C，A，B都是系数矩阵，其中C是下三角形式的常数矩阵，A是ARCH项系数矩阵，用来表示残差滞后项对当期条件方差造成的影响，B是GARCH项系数矩阵，用来表示条件方差滞后项对当期条件方差造成的影响，A和B矩阵对角线元素分别表示各个碳市场对自身的ARCH和

GARCH效应，除了矩阵对角元素的其他元素表示各个市场之间的ARCH项波动溢出效应和GARCH项溢出效应。

本文研究的是三个碳市场之间的溢出效应，方差方程采用三元GARCH（1，1）-BEKK模型，所以多元GARCH（1，1）-BEKK表达式可以简化为：

由表2结果知，各阶段矩阵A，B的对角线上的元素α11，α22，α33，α44，α55，β11，β22，β33，β44，β55均显著，说明广东，湖北和深圳这三个碳交易市场收益率序列都受到自身波动的影响，证明三个碳交易市场收益率序列都存在条件异方差，即存在波动的集聚性，每个市场前期大的波动会以前各自市场当期大的波动，并且波动具有持久性。在阶段一，广东碳市场对湖北碳市场波动溢出效应的参数α12和β12、湖北碳市场对深圳碳市场波动溢出效应的参数α23和β23、深圳碳市场对广东碳市场波动溢出效应的参数α31和β31均显著，表明在阶段一，广东碳市场对湖北碳市场、湖北碳市场对深圳碳市场、深圳碳市场对广东碳市场存在单向的波动溢出效应。在阶段二，只有深圳碳市场对广东碳市场波动溢出效应的参数α31和β31显著，表明在阶段二只存在深圳碳市场对广东碳市场的单向波动溢出效应。纵观整个样本区间，只有深圳碳市场对广东碳市场波动溢出效应的参数α31和β31显著，表明在整个样本区间只存在深圳碳市场对广东碳市场的单向波动溢出效应。不论是阶段一、阶段二还是整个样本区间，深圳碳市场均有向广东碳市场发生波动溢出的情况，也可以表明深圳碳市场有效性程度比广东碳市场的高，深圳碳市场价格的波动会造成广东碳市场价格发生波动。

3.3 实证结果讨论

若一个市场是有效的，那么证券价格就可以根据信息进行调整，从而证券价格的变动也就可以反应当前的各种信息；反之，各种信息的变动也会造成证券价格的波动。换一个角度来说，若所有市场都是有效的，各种信息都会被这些市场同时吸收，这也就是说，它们之间就不会存在波动溢出效应。一个金融市场的有效程度越高，它越容易向其它市场发生波动溢出效应。

为了对波动溢出效应结果进行解释，本文采用方差比检验对各阶段三个碳市场的有效性进行检验，检验结果如表3—表5所示。

不论是阶段一、阶段二还是整个样本期的三个碳市场方差比检验结果均显著，因此，各期个市场的收益率不是一个随机游走的过程，即三个碳市场都没有达到弱式有效。为了进一步对三个碳市场的非有效程度进行对比，本文参照王扬雷和杜莉[20]，采用多重分形的方法对市场非有效性进行检验。多重分形谱宽度估计结果如表6所示。

由于分形程度越大的市场有效性越小，由此可知，在阶段一三个碳市场有效性大小关系为：湖北>广东>深圳；阶段二三个碳市场有效性大小关系为：深圳>湖北>广东；整个样本期三个碳市场有效性大小关系为：广东>

深圳>湖北。

4 结论与建议

4.1 结论

本文以广东碳交易所、湖北碳交易所和深圳碳交易所这三个碳交易市场的从2014年7月1日—2016年7月19日的收益率序列为研究样本，并将样本区间划分为两个履约期，通过建立多元GARCH（1，1）-BEKK模型，对三个碳市场各阶段的波动溢出效应进行检验，结果表明：在阶段一，广东碳市场对湖北碳市场、湖北碳市场对深圳碳市场、深圳碳市场对广东碳市场存在单向的波动溢出效应；在阶段二只存在深圳碳市场对广东碳市场的单向波动溢出效应；在整个样本区间只存在深圳碳市场对广东碳市场的单向波动溢出效应。

市场有效性是解释波动溢出效应的重要因素，即市场有效性程度越高越容易向其它市场发生波动溢出，所以本文在研究波动溢出效应之后，分别对两个阶段的三个碳市

场之间的有效性进行了检验，方差比的检验结果表明阶段一、阶段二或整个样本期的三个碳市场均没有达到弱式有效。为了比较三个碳市场的非有效性程度，通过多重分形检验得出的多重分形谱宽度显示在阶段一三个碳市场有效性大小关系为：湖北>广东>深圳；階段二三个碳市场有效性大小关系为：深圳>湖北>广东；整个样本期三个碳市场有效性大小关系为：广东>深圳>湖北。进而比较有效性和波动溢出检验结果发现，阶段一波动溢出效应关系不完全符合有效性大小关系，而阶段二的波动溢出效应关系符合有效性大小关系，这证明中国碳市场在阶段二相比阶段一更显成熟，中国碳市场正在逐步发展与完善中，但从整个样本期来看，波动溢出效应的关系不符合有效性大小关系，本文推测是受阶段一的影响而导致。

从对中国碳市场现状的分析可见，首先，深圳碳市场成立的时间最早，比其它交易所发展的时间更长；其次，深圳碳市场相对于其余两个碳市场行业范围广、控排企业数量多，这在一定程度上更有利于市场信息的传播，掌握的信息越多，市场有效性也就越强，也越容易向其它市场发生波动溢出。

4.2 建议

我国已明确提出将于2017年建成全国碳排放交易市场，为了实现这一目标，2015年和2016年无疑是碳市场飞速发展的阶段。本文研究结果已经证明中国碳市场正在逐步成熟中，为了进一步完善中国碳市场，促进碳市场更快地发展，做好建立全国性碳市场的准备，本文提出几点建议：

（1）增加碳市场流动性。流动性直接关系到市场的繁荣程度，目前中国碳市场流动性不足，主要原因在于碳金融工具品种较少。有几种方法可以增加市场流动性。第一，采用类似于广东碳市场的低价策略可以增加交易量从而增加流动性；第二，适当引入机构投资者，机构投资者相比个人投资者专业性和风险承受能力更强，更大程度上避免信息对波动的影响产生偏离，起到稳定价格的作用，并且实现碳市场参与者的多元化和市场的活跃化；第三，积极开发碳金融产品，碳金融创新将会吸引更多投资者参与碳交易以增加碳市场的流动性。

（2）完善碳交易平台建设。未来应建立融合性、多层次、多产品的碳交易平台，各试点碳市场不应以赢利为主要目的，而是为2017年建立全国统一碳市场积累经验，逐步创建全国统一碳交易平台。在全国统一碳市场建设初期，全国可能会建立近十家碳交易所，这种市场分割的状态不利于碳市场的整合。随着全国碳市场逐渐发展成熟，应逐步将全国碳交易所的数量减少，最终融合为一到两家碳现货或碳期货市场。

（3）尝试采用免费配额发放和有偿配额发放相结合的方式，以保证顺利过渡到全国统一的免费配额发放和有偿配额发放相结合碳排放交易市场。具体措施为，现阶段以配额免费发放为主，之后应逐渐提高发放配额总量中有偿发放的比例，有偿分配所取得的收入可以用于建设节能减排项目。另外，各地区在发放碳配额之前，应在配额总量中预留一部分用于以后对市场的调节。预计全国统一碳市场运行的第一年配额将完全免费发放，但配额拍卖的比例将在接下来的几年里逐年升高。

（4）完善碳市场制度建设。首先要建立全国性的碳市场法律制度，这就要求在国家层面应尽快出台《碳排放权交易管理条例》，以规范碳市场交易主体的行为；其次应完善碳交易市场监管制度，信息会影响市场间的波动，所以确保信息的公开透明尤为重要，有效的市场监管制度能防止市场操纵行为，同时确保市场流动性和透明性，实现市场的资源配置和价格发现功能；最后应该完善碳市场激励和惩罚政策，适当的激励政策有利于提高参与主体的积极性，而惩罚力度直接与违约成本相关，所以应实行全国统一的、科学的激励和惩罚制度。

（5）减少政府干预，促进碳市场市场化发展。除了在总量目标、覆盖范围、配额分配方式和碳市场监管等方面须由政府主导，其它方面应倡导市场化发展。政府宏观调控的功能一定程度上能确保管理措施的科学性以及监督激励机制的有效性，以确保中国碳交易能顺利进行，但是过度的市场干预反而会损害碳市场的效率，所以政府干预的程度是各地区碳市场应该慎重考虑的。

（6）引入社会监督。社会监督在一定程度上可以减少市场或者政府失灵。目前碳市场只有相关监管部门进行监督，尚没有建立起碳市场行业协会，应该借鉴证券业协会，建立碳市场行业协会以完善中国碳市场体系并对会员行为进行监督管理。另外可以引入媒体、能源环保协会或者会计法律机构等社会监督成员，监督政府关于碳配额总量的确定，碳配额的发放等活动；监督碳交易所信息的公开情况；监督交易者是否在碳交易中有违规行为。

（编辑：刘照胜）

参考文献（References）

[1]乔海曙，刘小丽. 碳排放权的金融属性[J]. 理论探索， 2011 （3）：61-64.[QIAO Haishu， LIU Xiaoli. The financial attribute of carbon emission permit[J].Theoretical exploration， 2011 （3）：61-64.]

[2]HOLTMARK B， OTTAR M. Emission trading under the Kyoto protocoleffects on fossil fuel markets under alternative regimes[J]. Energy policy， 2002， 30（3）： 207-218.

[3]SPRINGER U. The market for tradable GHG permits under the Kyoto protocol： a survey of model studies[J]. Energy economics， 2003， 25（5）： 527-551.

[4]CONVERY F J， REDMOND L. Market and price developments in the European Union emissions trading scheme[J]. Review of environmental economics and policy， 2007， 1（1）： 88-111.

[5]SZWARCBERG R， KELLER B. Causes of the EU ETS price drop： recession， CDM， renewable policies or a bit of everything？：new evidence[J]. Journal of pharmacy practice & research， 2014， 73（13）：676-685.

[6]DASKALAKIS G， MARKELLOS R N. Are the European carbon markets efficient[J]. Review of futures markets， 2008， 17（2）： 103-128.

[7]EHRHART K M， HOPPE C， LOSCHEL R. Abuse of EU emissions trading for tacit collusion[J]. Environmental and resource economics， 2008， 41（3）： 347-361.

[8]何海霞. 后京都時代我国碳金融市场发展研究[J]. 当代经济管理， 2013， 35（2）： 93-97.[HE Haixia. Research on Chinas development of the carbon finance market in the postKyoto era[J]. Contemporary economic management， 2013， 35（2）： 93-97.]

[9]周峤. 碳排放权交易现状研究[J]. 中国物价， 2015（6）：64-66.[ZHOU Jiao. Research on the state of carbon emission trading[J].China price， 2015（6）：64-66.]

[10]李晨洋， 李晓丹， 吕福财. 基于碳价格与环境能源关联分析的中国碳交易市场研究[J]. 商业研究， 2010（8）：113-118.[LI Chenyang， LI Xiaodan， LV Fucai. Study on carbon trading market development of China based on correlation analysis of carbon price and environment energy problems[J].Commercial research， 2010（8）：113-118.]

[11]齐绍洲， 赵鑫， 谭秀杰. 基于EEMD模型的中国碳市场价格形成机制研究[J]. 武汉大学学报（哲学社会科学版）， 2015， 68（4）：56-65.[QI Shaozhou， ZHAO Xin， TAN Xiujie. A study on the formation mechanism of Chinese carbon market price based on EEMD model[J]. Wuhan University journal（philosophy & social sciences）， 2015， 68（4）：56-65.]

[12]EWING B T， MALIK F. Volatility spillovers between oil prices and the stock market under structural breaks[J].Global finance journal，2015，29：12-23.

[13]BRAYEK A B， SEBAI S， NAOUI K. A study of the interactive relationship between oil price and exchange rate： a copula approach and a DCCGARCH model[J]. Journal of economic asymmetries，2015，12（2）：173-189.

[14]HEGERTY S W. Commodityprice volatility and macroeconomic spillovers： evidence from nine emerging markets[J]. North American journal of economics & finance， 2016， 35：23-37.

[15]靳珂. 中國金融市场间溢出效应研究[J].金融理论与实践， 2015 （1）：82-85.[JIN Ke. Research on spillover effect within Chinese financial markets[J]. Financial theory & practice， 2015 （1）：82-85.]

[16]熊正德，文慧，熊一鹏. 中国外汇市场与股票市场间波动溢出效应实证研究——基于小波多分辨的多元BEKKGARCH（1，1）模型分析[J].中国管理科学，2015，23（4）：30-38.[XIONG Zhengde， WEN Hui， XIONG Yipeng. Empirical research on spillover effect between foreign exchange market and stock market by wavelet multiresolution analysis and multivariate BEKKGARCH（1，1） model[J].Chinese journal of management science， 2015，23（4）：30-38.]

[17]李成， 马文涛， 王彬.我国金融市场间溢出效应研究[J]. 数量经济技术经济研究， 2010（6）：3-19.[LI Chen， MA Wentao， WANG Bin. Research on spillover effect within financial markets[J]. Journal of quantitative & technical economics， 2010（6）：3-19.]

[18]ZUNINO L， TABAK B M， FIGLIOLA A，et al. A multifractal approach for stock market inefficiency[J]. Physica A：statistical mechanics & its applications， 2008， 387（26）：6558-6566.

[19]王倩， 王硕. 中国碳排放权交易市场的有效性研究[J]. 社会科学辑刊， 2014（6）：109-115.[WANG Qian， WANG Shuo. Research on the Chinese carbon emission trading market efficiency[J]. Social science journal， 2014（6）：109-115.]

[20]王扬雷， 杜莉. 我国碳金融交易市场的有效性研究——基于北京碳交易市场的分形理论分析[J]. 管理世界， 2015（12）：174-175.[WANG Yanglei， DU Li. Research on the Chinese carbon finance trading market efficiency：an analysis of Beijing carbon trading market based on fractal theory[J]. Management world， 2015（12）：174-175.]

Abstract Since 2013， seven regional carbon trading markets have been set up in China. The study on the volatility spillover effects among the markets will help to identify the leading market in price discovery during the prior stage and provide suggestions for the further development of other regional markets and the establishment of the national carbon market. This paper selects three carbon markets with the largest trading volumes， which are Guangdong， Shenzhen and Hubei respectively， employs the multivariate GARCH （1，1）BEKK model to analyze the volatility spillovers on Chinese carbon markets and explains the results from the perspective of market efficiency. To eliminate the effect of compliance， the samples are divided into two phases according to the compliance date： Phase I covers the period from July 1st， 2014 to June 30th， 2015 and Phase II covers the period from July 1st， 2015 to July 19th， 2016. The empirical results from the volatility spillover tests show that， during Phase I， there are significant spillover effects from Guangdong to Hubei， Hubei to Shenzhen and Shenzhen to Guangdong， respectively. During Phase II as well as the whole sampling period， the spillover effect is only significant from Shenzhen to Guangdong. Empirical results from variance ratio tests indicate that， either in Phase I， Phase II or in the whole sampling period， the three carbon markets have not reached weakefficiency. Furthermore， based on multifractal tests， the spectrum width is calculated to compare the nonefficiency of the three markets and the results show that， during Phase I， II and the sampling periods， the market efficiency degrees are respectively： Hubei>Guangdong>Shenzhen， Shenzhen>Hubei>Guangdong， Guangdong>Shenzhen>Hubei. As it can be seen， the volatility spillover effects completely comply with the efficiency degree during the later stage but not during the earlier stage， which indicates the Chinese carbon markets are more mature in Phase II compared to Phase I. Finally， the paper puts forward policy suggestions for the future development of Chinese carbon markets.

Key words carbon market； volatility spillover； efficiency； fractal market