中国碳排放权价格调控机制研究

蒋凡

摘要：我国于2013年陆续启动了7个碳交易试点，全国统一的碳排放权市场计划于2017年启动。文章运用灰色关联分析模型，研究了我国6个碳试点的碳权价格与能源价格、经济情况等因素的关联性，结果表明，不同试点的碳权价格受这些因素的影响存在地区差异性。提出实行具有地方差异性的能源价格调控机制，加强地区环境质量监管、提高环境质量标准，结合政府参与配额交易，加快经济发展，促进国际合作的政策建议。

关键词：碳排放权；影响因素；调控机制；灰色理论

一、引言及文献回顾

环境污染问题愈发受到全球重视，以二氧化碳为主的温室气体（Green House Gas，GHG）排放成为了各界关注的焦点。全球84个国家于1998年签订了以降低GHG排放为核心的环境保护公约——《京都议定书》。随后，欧盟、美国、澳大利亚、日本等国陆续建立了本国的GHG减排体系。我国于2013年陆续启动了深圳、上海、北京等7个碳交易试点，全国统一的碳排放市场计划于2017年启动。为保证启动后各地方碳市场能顺利对接，高效的價格调控机制是关键。正确的碳权价格不仅能提高资源配置效率，还能有效反映减排成本。

要想实行有针对性的碳价调控机制，必须了解影响碳权价格因素的地方差异性。在碳排放价格影响因素方面，Kanen等（2007）认为，化石能源的使用会导致高碳排放，并认为碳价的波动与化石能源价格的波动应具有显著的正相关性。Burger等（2008）从供需的角度对影响碳价的因素进行了研究，认为燃料价格、气候变化、政治风险、国民经济总产值及技术进步是影响碳价波动的主要因素。郭文军（2015）通过自适应Lasso法及回归分析对深圳碳价的影响因素进行了研究，发现其主要受欧元汇率、国内石油价格、经济状况的影响。在价格调控机制方面，陈晓红、王陟昀（2012）及周建国等（2016）认为应将政策工具及市场机制相结合，并伴随市场的成熟逐渐减少政府干预。郭文军（2015）、周建国等（2016）认为应加快我国碳市场与国际市场的接轨，提高我国碳市场的活跃度及广度。

综上所述，国内外学者均认为能源价格、经济增长及政策制定是影响碳价波动的主要因素。但少有学者将空气质量指数（Air Quality Index，AQI）作为指标纳入研究，AQI是定量描述空气质量状况的无量纲指数，能在一定程度上反映GHG的排放状况。中国碳权市场研究方面，大部分学者分析了我国单一地区碳权市场存在的问题，忽略了我国不同地区的差异性。故本文的创新点在于：在纳入AQI作为碳权价格影响因素的基础上，分别对我国6个碳试点（重庆碳试点的交易活跃天数过少，故剔除）的价格影响因素进行分析及横向比较，并提出有地方差异性的价格调控机制。

二、模型与指标介绍

（一）模型介绍

现有研究大多通过计量分析进行实证检验，往往对数据的样本点数、概率分布、统计特征等方面有一定要求。而我国碳排放市场刚建立不久，统计数据不多且存在样本点不连续、起伏大的特征。灰色关联分析法适用范围广，能够较好的包容这些缺陷，且不会存在定量分析与定性分析结果不符的情况。本文主要采用灰色关联理论中的三个模型：

1. 灰色绝对关联度模型

灰色绝对关联度反应了相同时距下，参照序列与被比较序列折线的相似程度。计算方法如下：假设参照序列X0=[X0（1），X0（2），...，X0（n）]，被比较序列Xi=[Xi（1），Xi（2），...，Xi（n）]。首先，根据各序列的零点化算子D求得X0，Xi的零点化像：X00=[X00（1），X00（2），...，X00（n）]、Xi0={Xi0（1），Xi0（2），...Xi0（n）}；其次，求|S0|、|Si|、|Si-S0|（|S0|=|∑ 、X00（k）+ X00（n）|、|Si|=|∑ 、X0i（k）+ X0i（n）|、|Si-S0|=|∑ （Xi0（k）-X0i（k）-X00（k））+ （Xi0（n）-X00（n））|）；最后，计算参照序列与各被比较序列的灰色绝对关联度ε0i：ε0i= 。

2. 灰色相对关联度模型

为了避免各序列不同的量纲可能造成的估计偏差，灰色相对关联度模型通过运用初值化的办法，衡量了参照序列与各被比较序列相对于始点的变化速率的相似程度，有效的消除了不同量纲造成的影响。计算方法如下：假设参照序列X0={X0（1），X0（2），...，X0（n）}，被比较序列Xi={Xi（1），Xi（2），...，Xi（n）}。首先，求出各序列的初值像：X0′={ ， ，…， }、X1′={ ， ，…， }；其次，根据各序列的零点化算子D′求得X0′，Xi′的零点化像： X0′0={X0′0（1），X0′0（2），...，X0′0（n）}、Xi′0={Xi′0（1），Xi′0（2），...，Xi′0（n）}；再次，求|S0′|、|Si′|、|Si′|-|S0′|（|S0′|=|∑ Xi′0（k）+ Xi′0（n）|、|Si′|=|∑ Xi′0（k）+ Xi′0（n）|、|Si′|-|S0′|=|∑ （Xi′0（k）-X0′0（k））+ （Xi′0（k）-X0′0（n））|；最后，计算参照序列与各被比较序列的灰色相对关联度γ0i：γ0i= 。

3. 灰色综合关联度模型

灰色综合关联度将序列的曲线相似程度与速率变化程度相结合，能更为全面地反映序列之间的联系是否紧密，假设序列X0，Xi的灰色绝对关联度为ε0i，灰色相对关联度为γ0i：，则序列X0，Xi的灰色综合关联度为ρ0i=θε0i+（1-θ）γ0i，其中θ∈[0，1]，通常取θ=0.5。

（二）指标及数据说明

借鉴国内外学者研究得出的一致结论，考虑到时距的一致性及数据的可获得性。本文选取北京、上海、广东、深圳、天津、湖北6个碳试点的碳权价格作为参照序列的指标。并选取CER期货价格、煤炭价格、原油价格、天然气价格、经济情况、工业情况、空气质量指数作为被比较序列的指标，数据选取时段为2014年5月8日至2016年6月9日，具体见表1。

三、实证分析

根据上述计算方法，分别计算6个碳权试点碳权价格与碳权价格影响因素的灰色绝对关联度、灰色相对关联度、灰色综合关联度，结果见表2。

根据计算结果初步可看出，各试点碳权价格与不同因素的关联度程度存在差异性。且与能源价格指标、环境指标的关联度普遍高于与国际市场指标、经济指标的关联度。所有指标的灰色关联度均达到0.5以上，说明碳权价格与所选指标的联系均较为紧密，与学界达成的结论一致。其中，北京、上海、广东、湖北4个地区碳权价格受空气质量指数的影响均较高，验证了AQI指标引入的必要性。为了能更直观的比较各试点碳权价格受不同因素影响的差异性，导出各试点影响因素灰色综合关联度排序表，见表3。

结合表2、表3可发现，北京、广东、深圳、天津的碳权价格与能源价格的灰色关联性最强，上海、湖北的碳权价格则与空气质量指数的灰色关联性最强，且灰色综合关联度分别达到0.807，0.791，湖北的碳权价格与空气质量指数的灰色绝对关联度甚至接近于1。而北京、广东的碳权价格与空气质量指数的灰色关联性仅次于能源价格。各试点碳权价格与空气质量的关联程度均比经济因素更高，说明我国的发展水平已开始趋向环境库茨涅兹曲线的拐点，高速的经济发展不再是我国一味追求的，实现可持续发展才是长久之计。此外，除了湖北，各试点碳权价格与能源价格的关联度仍较高，其中上海、广东、深圳、天津原油价格的灰色相对关联度水平均在0.9左右，说明四个地区的碳权价格变动速率与原油价格变动呈现高度的同步性，上海的碳权价格则与煤炭价格关联度更高。各试点碳权价格与经济情况的关联程度均高度接近于与工业情况的关联度，说明我国的经济发展与工业产出仍存在紧密联系。各试点碳权价格与国际市场产品CER的期货价格均体现出了关联性，关联度均在0.5左右水平，说明我国碳试点的国际化建设都有了一定成效，但還不够显著。

四、启示与建议

（一）能源调控机制方面

我国大部分地区的发展仍较为依赖高碳排放的化石能源。如北京、天津较为依赖煤炭，广东地区较为依赖原油。当地区碳排放权价格过高时，通过提高地区依赖的碳排放能源价格，使企业寻求其他碳排放较低的替代能源，地区碳排放总量降低，碳排放权市场供过于求，能向下调节碳权价格，当地区碳排放权价格过低时，通过结合政府回收配额，则能有效的控制碳权价格的底线。此外，为了鼓励企业参与碳市场的积极性，在实行提高化石能源价格的同时，可以对开发、使用新能源的企业予以补贴。

（二）环境制度建设方面

研究结果表明，不同地区对环境问题的重视程度存在差异性。当AQI升高时，对环境质量较为敏感的地区的碳权需求量会增加，继而导致碳权价格上升。于是，通过提高地区空气质量标准，建立相关奖惩机制，能有效增强AQI与碳权价格联系的紧密性，继而提高地区碳权价格市场的敏感度及活跃度，将环境保护与碳排放交易有机结合。

（三）经济建设方面

我国的碳权价格水平与经济发展状况相关，但不存在显著的地方差异性。由于我国整体呈现高碳排放依赖的发展模式，在环境保护的框架下尽快加强经济建设，摆脱高碳排放依赖经济发展模式，对我国碳权市场未来与国际市场接轨至关重要。

（四）国际化建设方面

全球经济一体化是个缓慢但必然的进程，在未来，全球将会形成统一的碳权市场。而我国大部分试点的碳权价格还远低于国际市场碳权的价格。通过制定相应政策激励地方碳试点与国外碳权市场的合作，能够有效拉动我国整体碳权价格水平。

综上所述，实行具有地方差异性的能源价格调控机制，加强地区环境质量监管、提高环境质量标准，结合政府参与配额交易，加快经济发展，促进国际合作，是目前调节我国地方碳权价格差异性及提升整体碳权价格水平的有效手段，并有助于我国未来与国际碳权市场顺利接轨。

参考文献：

[1]Simone Pereira de Souza et al. Greenhouse gas emissions and energy balance of palm oil biofuel[J]. Renewable Energy， 2010（35）.

[2]Niels Anger， Ulrich Oberndorfer. Firm Performance and Employment in the EU Emissions Trading Scheme： An empirical assessment For Germany[J].Energy Policy，2008（36）.

[3]王庆山，李健.基于时变参数模型的中国区域碳排放权价格调控机制研究[J].中国人口·资源与环境，2016（01）.

[4]佟昕，陈凯，李刚.中国碳排放与影响因素的实证研究——基于2000～2011年中国以及30个省域的灰色关联分析[J].工业技术经济，2015（03）.

[5]董文学.碳排放权交易价格影响因素与定价策略研究[D].天津财经大学，2013.

[6]刘思峰，谢乃明.灰色系统理论及其应用[M].科学出版社，2013.

*基金项目：2016年广东大学生科技创新培育专项资金（攀登计划专项资金）项目“中国碳排放权交易定价机制研究”（项目编号：pdjh2016b0206）。

（作者单位：广东财经大学）