基于VAR模型的碳价格影响因素研究——以湖北碳排放交易为例*

● 郑君君 邵 聪

(1，2 武汉大学经济与管理学院 武汉 430072)

基于VAR模型的碳价格影响因素研究
——以湖北碳排放交易为例*

● 郑君君1邵 聪2

(1，2 武汉大学经济与管理学院 武汉 430072)

本文从宏观与微观的角度分析碳排放交易价格的影响因素，并运用VAR模型进一步深入分析碳价格形成的可能机制。实证结果表明，湖北碳排放权价格(HBEA)对数收益率主要受其自身的历史数据的影响，这反映出碳交易市场效率不高。原油价格的变动幅度与欧盟碳排放权价格(EUA)对数收益率也对HBEA对数收益率有一定的影响，其中，原油价格波动对HBEA对数收益率有负的冲击，EUA对数收益率对HBEA对数收益率在短中期有负的冲击。而煤炭期货价格对数收益率和市场指数对数收益率对HBEA对数收益率的影响相对较小。最后，本文提出了完善相关的能源政策，提高企业碳交易意识，推进碳金融衍生品市场发展等政策建议。

碳市场 碳交易价格 影响因素 VAR模型

1.引言

随着人类经济社会的不断发展，环境问题日益凸现出来，其中二氧化碳等温室气体的大量排放对环境造成的危害逐渐成为人们讨论的热点，众多学者就环保问题展开了研究(Agliardi等，2012；郑君君等，2017)。作为有效控制二氧化碳等温室气体排放的一种手段，关于如何完善碳排放权交易体系的讨论不断地深入。排污权交易理论最早由Dales于1968年在《污染、财产与价格：一篇有关政策制定和经济学的论文》一文中提出，他界定了排污权的定义：在符合法律规定的条件下权利人向环境排放污染物的权利，这也是后来学者研究排污权问题最基础的理论。Montgomery从理论上证明了用排放权解决污染问题可以使得总的成本最低，即排污权在解决环境问题中是有效的。之后，Hahn又对如何设计和实施排放权进行了早期的研究。在理论研究的基础上，排放权交易得以实施并逐步发展，2005年全球碳排放市场建立，目前已有多个国家或地区建立了碳排放交易体系。我国的碳排放交易起步相对较晚，但自2013年以来，我国七个试点碳交易市场相继开市，我国的碳排放交易取得了快速的发展。

在碳排放权交易市场中，碳价格作为一个重要的信号，不仅反映出碳排放权交易的活跃性，影响投资者的决策，同时也关系到碳市场的有效性。研究碳价格对于完善和进一步发展我国碳排放交易市场以及碳金融市场具有一定的政策含义。从国内外的研究结果来看，碳排放权交易价格存在明显的波动性，其价格的变动受到自身价格、相关碳产品价格、能源价格、宏观经济等多种因素的影响，而在不同的研究背景下各种因素对碳价格的影响又存在差异。例如，陈晓红等(2013)认为美国芝加哥气候交易中合约配额价格主要受配额工序、能源价格、天然气价格的影响；Sousa等(2014)认为碳价格与电力、煤炭价格存在相关关系，而与天然气价格之间不存在显著的相关性；Bredin等(2016)认为持有碳配额现货和短期期货头寸所带来的收益与市场利率之间的差异会导致碳配额市场价格的波动；Balietti等(2016)则在实证研究中发现，交易者的类型会对欧盟碳排放权(EUA)现货价格的波动性产生影响，其中，能源供应商的交易活动对EUA现货价格波动幅度的影响程度最大。可见，碳价格的波动具有复杂性，且不同地区碳配额交易市场上的价格变动具有异质性。基于此，本文将以湖北省碳排放权交易市场为例对我国碳市场价格的决定因素进行分析，以探究市场有效性。

2.文献综述

对于碳排放权交易的研究，国内外学者运用理论模型和实证检验，进行了逐步深入的研究。对于碳排放权定价的理论模型研究，Soest等(2006)分析认为可以通过衡量污染量的影子价格与其市场价格的差别来对排污权进行定价分析,也可以直接运用成本-收益模型来分析碳价格。张坤等(2013)提出可利用分散决策模型对碳排放权交易一级市场进行定价，证明了其可行性，并设计了实施步骤。朱跃钊等(2013)选取实物期权定价模型，并运用欧盟配额短期期权交易数据进行实证研究，认为利用B-S模型对碳排放配额进行定价可以为我国提供借鉴。可见，在理论层面上，学者们较为关注碳配额的定价模型，而事实上，影响碳价格的因素是多种多样的，只有理解碳价格变动的联动机制，我们才能构建更加合理的定价模型。基于此，本文将对我国碳价格波动的影响因素进行分析。

在实证分析层面，学者们主要对碳价格的波动性以及不同碳排放权交易市场上碳价格的影响因素进行了探究。对于碳价格的波动特点，陈伟等(2013)利用R/S分形法对欧盟排放交易体系(EU ETS)和芝加哥环境交易所(CCX)的碳排放交易数据进行分析，发现CCX的市场效率相对EU ETS低，价格存在正持续性，而EU ETS中EUA价格存在周期不定的长期持续性波动，CER价格则基本呈随机波动。Arouri等(2012)从现货和期货价格的相互关系的角度，运用VAR模型和STR-EGARCH模型分析欧盟碳排放交易第二阶段的EUAs即期与远期价格之间的动态关系，认为碳即期产品与远期产品价格之间呈非对称、非线性关系。王军锋等(2014)采用自回归模型分析了欧盟碳排放交易市场上不同碳排放权交易产品价格对碳配额现货的影响，认为随着市场发展，不同产品间价格关系会越来越紧密。

对于碳价格波动影响因素，学者们采用了不同的实证方法进行分析。Benz等(2009)运用马尔科夫状态转移模型和AR-GARCH模型对EUA收益率的波动性进行研究，认为碳价格与政策因素、未来交易的不确定性及天气的不确定性等因素相关。Chevallier(2011)运用马尔科夫转换VAR模型研究了欧盟碳价格与宏观经济、能源价格之间的关系，认为碳价格会受到宏观经济的影响，同时，能源价格中布伦特原油价格对碳价格的影响最为明显。Hammoudeh等(2014)运用分位数回归法研究了欧洲能源交易所的EUA价格与原油、天然气、煤炭、电力价格之间的关系，认为碳价格与这些因素均相关，且在不同的状态下影响的方向可能不同。Sousa等(2014)运用多元小波分析方法探究了碳价格与能源价格以及经济活动之间的关系，其实证结果表明碳价格与电力、煤炭价格存在相关关系，而与天然气价格之间不存在显著的相关性。由于国内碳交易起步较晚，对于中国碳交易价格的研究主要基于CDM项目下产生的CER价格。马艳艳等(2013)以中国碳交易市场CDM项目产生的CER价格为研究数据进行实证分析，认为中国CDM价格与国际原油期货价格、EUA期货价格具有正相关关系，与联合国对中国CDM项目的CER签发率有微弱负相关关系。可见，在实证研究方面，学者们多以欧盟碳交易市场的交易数据为基础进行分析，鲜有针对我国的碳交易市场展开的实证研究。然而，我们知道，由于经济环境的差异，不同碳交易市场中交易价格的影响因素往往会存在差异，以我国碳排放权交易数据为基础进行研究具有重要的现实意义。

在对价格等时间序列进行实证检验时，学者们采用不同的计量模型并对模型不断进行优化。在价格的波动性分析及预测中主要选取GARCH模型，马尔科夫模型等进行研究(Benz等，2009；Chevallier，2009；Byun等，2013)；在研究价格间的动态关系方面，学者采用了多元回归模型，VAR模型及其相关拓展模型等方法进行实证研究(Chevallier，2011；方舟等，2011；郑君君等，2014)。由于本文研究的是碳排放权交易价格的影响因素，选取VAR模型进行实证分析。

综上所述，学者们对于碳排放权交易价格进行了大量的理论与实证研究，而实证研究多以国外交易市场上的碳价格作为对象，对国内碳市场的研究大多集中在定性研究上，例如Zhang等(2014)，李志学等(2014)以及其他学者对我国碳交易机制的设计、目前碳市场的运行状况等进行了定性分析，实证研究相对较少。而事实上，对我国碳交易市场上碳价格波动影响因素的研究有助于我们更好地把握我国碳交易市场的运行状况，并在此基础上制定合理的定价机制以及完善碳交易体系。基于此，本文通过实证研究对目前我国碳价格影响因素进行探究，希望通过分析对完善和进一步发展我国碳排放交易市场以及碳金融市场带来一定的参考价值。

3.碳价格影响因素分析

对于碳价格的影响因素，学术界运用不同的计量方法进行了不同的研究，本文从宏观和微观两个方面进行分析。

3.1 宏观因素

3.1.1 经济环境因素

经济环境的好坏通过影响碳排放权的需求而影响碳交易价格。从我国各交易试点的控制范围来看，工业以及制造业是主要的控排目标，而工业以及制造业的发展与经济周期具有很强的正相关性，当经济发展处于繁荣时期时，社会总需求量高，投资规模、生产规模扩大，对能源的需求增大，产生的碳排放量也相应增加，从而对碳配额的需求也增加，导致碳交易价格上升；当经济处于衰退期时，社会需求缩小，生产与投资规模缩小，产生的碳排放量也下降，对碳配额的需求也相应减少，从而其交易价格也会下跌。例如2008年经济危机以后，欧洲碳市场碳价格从30欧元左右一路下跌至现今的7欧元左右，最低甚至低于5欧元，可见在经济不景气的情况下市场上碳配额过剩导致其价格大幅下降，经济发展状况与碳配额价格呈明显的相关性。

3.1.2 能源价格

碳排放权市场建立的目的主要是控制温室气体的排放，因此，含碳能源价格的变化会影响碳交易价格。目前，人类的生产生活主要是使用含碳能源，因此，在考虑能源对碳交易价格的影响时主要考虑含碳能源相对价格变化对碳交易价格的影响。由于不同能源的产能效率不同，碳排放量也不同，当煤炭、石油、天然气等不同能源的相对价格不同时，企业出于效益考虑会选择相对价格较低的能源以降低生产成本，这就导致碳排放量的差异，影响碳配额的需求，从而影响碳交易价格。

3.1.3 气候因素

气候因素通过影响人们对煤炭、天然气的使用而影响碳排放总量，进而影响对碳配额的需求从而影响碳排放交易的价格。从学者的研究结果来看，当出现极端天气，无论是过冷还是过热的天气变化，人们都会增加煤炭、天然气等能源的使用量，而能源使用量的增加会导致温室气体排放总量的上升，从而受碳配额限制的主体对于碳排放权的需求会增加，这会导致碳排放权交易价格提高，即极端天气出现的频率与碳交易价格呈正相关关系。

3.1.4 政策因素

碳排放权是由于政府的相关政策规定才成为一种稀缺资源进行交易，因此其价格变化也会受到政策因素的影响。

一方面，配额数量直接从供给方面影响碳配额的价格。我国碳交易体系的设计是以总量控制为基础的，各试点根据国家的相关法规以及交易所的相关交易规则确定控排企业的碳配额，配额的多少直接影响企业可排放的温室气体量，实际的碳排放量高于配额量的需要从市场上购买，而有剩余的则可出售配额，因此总的配额数量会影响市场上总的碳排放供给从而影响碳交易价格。

另一方面，碳配额的分配方式也会影响碳交易价格。目前主要的配额分配方式为免费分配和拍卖，两种方式各有优缺点：通过拍卖的方式进行配额的分配可以充分发挥市场机制，使得资源配置相对更为合理，但这种方式会增加企业的成本，使得企业参与碳交易的积极性下降，在碳交易市场尚不成熟时采用这种方式会局限碳市场的发展。目前，我国各试点的配额多以免费分配为主拍卖为辅的方式进行分配，这种分配方式可以降低企业的减排成本，但这种方式容易造成市场扭曲，降低市场效率。不同的配额分配方式会影响企业的碳排放策略，从而间接影响碳交易价格。

3.1.5 技术因素

企业的减排技术水平直接影响企业的碳排放水平，从而影响其对碳配额的需求，进一步影响碳交易价格。控排企业的减排技术水平与其能否在规定期限内达到减排标准直接相关，若企业不能达到标准，则需要在碳交易市场上购买配额。当减排技术发展到一个较高的水平时，企业的碳排放量会降低，从而对碳配额的总需求下降，碳交易价格就会相应降低。碳排放交易的开展也会促进企业提高自身减排水平从而降低生产成本。但考虑到企业的技术水平难以在短时间内得到大幅度的提高，因此，本文认为技术因素在短期内对碳交易价格几乎不产生影响。

3.2 微观因素

从微观层面上来说，对于作为碳交易市场的参与者的企业个体而言，其碳配额是固定分配的，一般只能调节自身的需求。企业为降低生产成本而调节自身的经营活动，从而调节碳排放量，即影响对碳配额的需求。而企业的经营活动往往又与经济环境、能源价格、政策因素等宏观因素相关，因此本文考虑从宏观因素入手进行实证分析。

4.碳交易价格的实证分析

基于前文的分析，本文选取VAR模型进行实证分析。碳交易价格选取湖北碳排放权交易中心从2014年4月2日到2015年3月31日每个交易日的结算价。欧盟碳交易价格选取EU ETS体系下欧洲气候交易所的EUA现货2014年4月2日到2015年3月31日每个交易日的结算价，同时为方便对比两者的价格关系，选取人民币兑欧元的每个对应交易日的央行中间价将其转换为人民币价格。能源价格选取原油和煤炭价格进行分析，其中，原油价格选取布伦特原油的日交易价格，煤炭价格选取郑州商品交易所的动力煤期货价格，由于期货合约存在时限性，本文选取当月的主力合约价格进行分析。此外，由于宏观经济数据一般没有日数据，本文选取沪深300指数来反映宏观经济状况。

基于前文的讨论，同时考虑到数据的可得性等方面的问题，本文选取部分变量进行实证研究，并对模型结果作如下假设。

H1：国内碳排放权交易价格与欧盟碳价格呈负相关关系。

在现实中，为了保证碳市场参与者能够更加灵活地使用碳资产，不同的碳市场之间往往会存在关联(Kanamura, 2016)。根据京都协议书的规定，不同国家或地区之间可以进行碳排放权的交易，且清洁发展机制(CDM)允许发达国家与发展中国家展开项目级的合作以降低总体碳排放量，因此我们认为我国碳交易市场价格与欧盟碳价格之间存在一定的相关性。当国外碳价格提高时，国外企业会通过与国内企业展开合作获得核证减排量，国内企业可以获得技术转让和额外的资金支持，从而国内企业的减排技术水平提高，减少温室气体的排放，则国内碳价格下降，即国内碳价格与国际碳价格存在负相关性。

H2：碳交易价格与煤炭、原油等能源价格相关。

在总量控制与交易制度下，排污企业的生产经营活动会同时受到能源价格与碳价格的影响，这两种价格之间存在着联动关系(Sousa等，2014)。从以往的研究结果来看，能源价格是影响碳价格最为重要的因素之一(Alberola等, 2008; Bredin等, 2011; Sousa等, 2014)：在现实的生产过程中，煤炭、原油等的燃烧会带来温室气体的排放，而温室气体的排放量又直接关系到碳配额的需求，因此我们认为煤炭、原油等能源的价格会影响碳价格。根据前文对相关影响因素的分析，不同能源的相对价格变化会影响碳交易价格。和煤炭相比，原油燃烧效率较高，污染也相对较小，当原油价格上升时，企业为降低生产成本会选择价格相对较低但使用效率也较低的煤炭代替原油，这就导致碳排放量上升，对碳配额的需求增加，从而碳排放权交易价格上升，即假设原油价格与碳交易价格呈正相关关系，与煤炭价格呈负相关关系。但考虑到现实生活中有许多的能源产品可以替代，这种关系可能并不明显或者并不一定成立。

H3：碳交易价格与市场指数呈正相关关系。

Christiansen等(2005)以及Bredin等(2011)认为经济增长是影响碳价格的一个重要因素，经济增长越快，碳价格相应也越高。从理论层面来看，当经济处于繁荣期时，社会需求大，企业的生产规模也会相应扩大，从而生产排放量增加，对碳配额的需求也增加，这将进一步导致碳交易价格上升；而当经济萧条时，社会总需求缩减，企业的生产规模也相应缩小，那么生产所排放的温室气体将会减少，社会对碳配额的总需求下降，其价格也会相应下降。因此，我们认为碳交易价格与经济发展呈正相关关系。

1）杰出的切削性能 满足黑色金属和有色金属的中等负荷至重负荷加工，可延长刀具寿命并改善工件表面光洁度，降低次品率；

由以上假设，得出碳交易价格的VAR模型为：

其中，c为截距项，ε为随机波动项，p为最大滞后期。HBEA代表湖北碳价格，EUA表示欧盟碳价格，Oil表示原油价格，Coal表示煤炭价格，Index则表示市场指数。

4.2 碳交易价格波动性分析

湖北碳排放权交易中心自开市以来，交易状况较为良好，一直保持着较为稳定的交易价格，价格保持在20与30元之间波动。与EUA价格相比，湖北碳交易价格明显较低，且其波动性小于EUA价格的波动性(如图1所示)。

图1 湖北碳交易价格与EUA价格的对比图

由于所选取的变量的数量级相差较大，本文对各变量进行对数处理，同时也可以消除异方差性。从描述性统计结果来看(如表1所示)，湖北碳交易价格的波动性较小。

表1 描述性统计结果

4.3 变量的平稳性检验

本文通过ADF方法对各变量进行单位根检验(如表2所示)，以判断变量的平稳性。从检验结果来看lnHBEA和lnEUA序列平稳，而lnOil、lnCoal和lnIndex序列非平稳，其一阶差分序列平稳。因此，本文将对变量的一阶差分项(即价格的对数收益率)进行实证模型分析。

表2 ADF单位根检验结果

注：C代表截距项，T=0表示不存在趋势项，T=1表示存在趋势项。

4.4 模型的滞后阶数选择及平稳性检验

根据五个指标的结果来看(如表3所示)，有三个指标应建立VAR(2)模型，因此选择VAR(2)模型。

表3 滞后阶数选择

对所得到的VAR(2)模型进行平稳性检验，从结果可以看出所有特征根均小于1，则所建立的模型是平稳的(如图2所示)。

图2 模型平稳性检验

4.5 脉冲响应结果分析

本文进一步运用脉冲响应来分析各研究变量对碳交易价格的对数收益率的影响。图3为脉冲响应结果，其中，横轴表示观察期限，纵轴表示冲击程度。由于本文研究数据期限较短，因此选择10期的观察期限。

图3 脉冲响应结果

从脉冲响应结果来看，在短期内，HBEA的对数收益率上升时对其收益率有正的效应，这种效应快速减弱并在第2期到第3期呈现较小的负效应，第4期及以后HBEA的对数收益率对自身几乎没有影响。这说明HBEA近期价格变动对自身有一定影响，而在远期这种影响几乎不存在。从EUA的对数收益率对HBEA的对数收益率的脉冲响应结果来看，在短期内，其收益率的上升会对HBEA的收益率产生微弱的负效应，并且这种效应先增强后减小，到了中后期，EUA的对数收益率对HBEA对数收益率基本没有影响。从原油价格的对数收益率对HBEA对数收益率的脉冲响应结果来看，短期内原油价格上涨幅度的冲击会对HBEA的收益率产生负的冲击，且这种负效应在短期内呈现先增加后减小的趋势，第4期及以后其影响基本不存在了。从煤炭期货的对数收益率对HBEA对数收益率的影响来看，短期内煤炭期货价格上涨幅度的冲击会对HBEA对数收益率产生微弱的负效应，到了中期，其影响变成微弱的正效应，而在长期，煤炭期货价格的波动幅度对HBEA价格波动幅度的影响几乎不存在。从沪深300对数收益率对HBEA对数收益率的脉冲响应结果来看，沪深300指数对数收益率在很短的一段时间内会对HBEA对数收益率产生正效应，在第3期产生负效应，在4～6期产生正的冲击，此后沪深300指数对数收益率对HBEA对数收益率的冲击基本不存在。

4.6 方差分解

本文进一步通过方差分解来解释各变量对HBEA对数收益率的解释程度，以更好地分析碳排放价格的影响因素。

从方差分解结果来看(如表4所示)，HBEA对数收益率对自身解释的贡献度逐渐下降，但其贡献率一直保持在90%以上，说明HBEA对数收益率主要受其自身变动情况的影响，这也说明碳交易市场效率不高，其次是EUA对数收益率和原油价格的变动幅度，而动力煤期货价格对数收益率对HBEA对数收益率方差预测的解释程度很低。

表4 方差分解结果

5.结论及政策建议

本文对碳排放交易价格的理论与实证分析，以湖北碳排放交易价格(HBEA)为研究对象，分析其与欧盟碳排放权价格(EUA)、原油价格、煤炭价格以及市场指数之间的相互关系。实证结果表明，HBEA对数收益率主要受其自身的历史数据的影响，这说明碳市场的市场效率不高。其次，原油价格的变动幅度与EUA对数收益率也对HBEA对数收益率有一定的影响，其中，原油价格波动对HBEA对数收益率有负的冲击，EUA对数收益率对HBEA对数收益率在短中期有负的冲击。而煤炭期货价格对数收益率和市场指数对数收益率对HBEA对数收益率的影响相对较小。与以往的研究相比，本文以中国碳排放权交易市场为背景，选取了湖北碳市场的交易数据进行了实证研究，并且考虑了不同地区碳交易市场之间可能存在的联动效应，分析了我国碳价格与欧盟碳价格之间的关联性，所得到的研究成果有助于我们更好地理解我国碳价格变动的作用机制。

基于对我国碳排放权交易市场的研究以及碳排放交易价格影响因素的分析，本文提出以下几点建议：

(1)完善相关的能源政策，协同促进低碳经济的发展。从理论上来说，能源价格与碳价格有较显著的相关关系，而通过实证发现碳交易价格与煤炭价格相关性不强，这可能与煤炭使用量下降有关，从而其价格对于碳交易价格的影响下降，这也说明《大气污染防治行动计划》等政策效果显现。因此，政府通过完善能源政策并有效地执行，配合碳排放权交易的进行，可以有效控制温室气体的排放。

(2)提高企业的碳交易意识，协调地区之间的差异。从我国目前各试点交易的开展状况来看，各试点的交易价格与成交量都存在一定的差距。此外，由于企业的碳交易意识不够强，很多试点的碳交易并不活跃。这与我国碳交易开展时间不长，企业对碳排放权交易的认识程度不够有一定的关系，此外，被纳入碳排放权交易体系的企业可能会增加企业成本。因此，为促进碳交易的进行应该加强对企业的培训，通过舆情引导等方式提升其对碳交易的认知以及参与意识(郑君君等，2015)，同时，协调各试点之间的政策，加强试点之间的交流，促进各试点的协调发展。

(3)推进碳金融衍生市场的建设, 提高碳排放权交易的流动性。从国外的交易经验来看，碳金融衍生产品对于碳排放权交易具有价格发现等功能，能够促进碳排放权交易市场的发展。要推进碳金融市场的多样性发展，就需要加强碳金融创新，不断地设计出能够满足市场需求的碳金融创新产品。一方面促进碳排放权贷款、碳资产托管、碳债券、碳基金、碳掉期等金融产品的发展，吸引更多资金流向碳市场，增强碳市场的流动性，从而推动企业减排技术创新。另一方面，逐步推进碳期货市场的建设与发展，利用碳期货市场的价格发现功能以及风险管理功能，使企业能够更加主动地参与碳交易，进一步推动碳市场发展。

[1]陈伟, 宋维明. 国际主要碳交易市场价格形成机制及其借鉴[J]. 价格理论与实践, 2014(1).

[2]陈晓红, 胡维, 王陟昀. 自愿减排碳交易市场价格影响因素实证研究——以美国芝加哥气候交易所(CCX)为例[J]. 中国管理科学, 2013, 21(4).

[3]方舟, 倪玉娟, 庄金良. 货币政策冲击对股票市场流动性的影响——基于Markov区制转换VAR模型的实证研究[J]. 金融研究, 2011(7).

[4]李志学, 张肖杰, 董英宇. 中国碳排放权交易市场运行状况、问题和对策研究[J]. 生态环境学报, 2014, 23(11).

[5]高铁梅. 计量经济分析方法与建模：Eviews应用及实例[M]. 北京：清华大学出版社, 2006.

[6]马艳艳, 王诗苑, 孙玉涛. 基于供求关系的中国碳交易价格决定机制研究[J]. 大连理工大学学报(社会科学版), 2013, 34(3).

[7]王军锋, 张静雯, 刘鑫. 碳排放权交易市场碳配额价格关联机制研究——基于计量模型的关联分析[J]. 中国人口·资源与环境, 2014, 24(1).

[8]郑君君, 李诚志, 刘春燕. 公众环保参与行为的影响因素研究[J]. 郑州大学学报：哲学社会科学版, 2017, 50(3).

[9]郑君君, 闫龙, 张好雨, 等. 基于演化博弈和优化理论的环境污染群体性事件处理机制[J]. 中国管理科学, 2015, 23(8).

[10]张坤, 孙涛, 戴红军. 初始排污权定价的分散决策模型[J]. 技术经济, 2013, 32(7).

[11]朱跃钊, 陈红喜, 赵志敏. 基于B-S定价模型的碳排放权交易定价研究[J]. 科技进步与对策, 2013, 30(5).

[12]Agliardi, E., Sereno, L. Environmental protection, public finance requirements and the thing of emission reductions[J].EnvironmentandDevelopmentEconomics, 2012, 17.

[13]Alberola,E., Chevallier，J., Chèze, B. Price drivers and structural breaks in European carbon prices 2005-2007[J].EnergyPolicy, 2008(36).

[14]Arouri, M. E. H., Jawadi, F., Nguyen，D. K. Nonlinearities in carbon spot-futures price relationships during Phase II of the EU ETS[J].EconomicModelling, 2012, 29(3).

[15]Balietti, A. C. Trader types and volatility of emission allowance prices. Evidence from EU ETS Phase I[J].EnergyPolicy, 2016(98).

[16]Benz, E., Trück，S. Modeling the price dynamics of CO2emission allowances[J].EnergyEconomics, 2009, 31(1).

[17]Bredin,D., Muckley, C. An emerging equilibrium in the EU emissions trading scheme[J].EnergyEconomics, 2011(33).

[18]Bredin, D., Parsons，J. E. Why is spot carbon so cheap and future carbon so dear? The term structure of carbon prices[J].SocialScienceElectronicPublishing, 2016(37).

[19]Byun,S. J., Cho，H. Forecasting carbon futures volatility using GARCH models with energy volatilities[J].EnergyEconomics, 2013, 40(2).

[20]Chevallier, J. A model of carbon price interactions with macroeconomic and energy dynamics[J].EnergyEconomics, 2011, 33(6).

[21]Chevallier, J. Carbon futures and macroeconomic risk factors: A view from the EU ETS[J].EnergyEconomics, 2009, 31(4).

[22]Christiansen,A. C., Arvanitakis, A., Tangen，K., et al. Price determinants in the EU emissions trading scheme[J].ClimatePolicy, 2005, 5(1).

[23]Hahn, R. W., Noll，R. G.Designingamarketfortradableemissionspermits[M].Working Papers, 2000.

[24]Hammoudeh, S., Nguyen, D. K., Sousa, R. M. Energy prices and CO2emission allowance prices:Aquantile regression approach[J].EnergyPolicy, 2014, 70(7).

[25]Hass, J. E., Dales, J. H. Pollution, property, and prices[M]. Canada: University of Toronto Press, 1968.

[26]Kanamura, T. Role of carbon swap trading and energy prices in price correlations and volatilities between carbon markets[J].EnergyEconomics, 2016(54).

[27]Montgomery, W. D. Markets in licenses and efficient pollution control programs[J].Journalofeconomictheory, 1972, 5(3).

[28]Soest,D. P. van, List, J. A., Jeppesen, T. Shadow prices, environmental stringency, and international competitiveness[J].EuropeanEconomicReview, 2006, 50(5).

[29]Sousa, R., Aguiar-Conraria, L., Soares, M. J. Carbon financial markets: A time-frequency analysis of CO2math container loading mathjax, prices[J].PhysicaA:StatisticalMechanics&ItsApplications, 2014(414).

[30]Zhang, D., Karplus，V. J., Cassisa, C., et al. Emissions trading in China: Progress and prospects[J].EnergyPolicy, 2014, 75(4).

ResearchofCarbonPriceInfluenceFactorsBasedonVARModel—ACaseStudyofHubeiCarbonEmissionsTrading

Zheng Junjun1Shao Cong2

(1,2 Economics and Management School of Wuhan University, Wuhan, 430072)

This article will analyze the factors that influence the price of carbon emissions trading in both of the angle of macroscopic and microscopic. Then, the article will use VAR model to further the analysis. The empirical results show that HBEA’ logarithm yield is mainly influenced by its own historical data, additionally, they are influenced by the volatility of crude oil price and EUA’ logarithmic yield. We also find that the volatility of the price of crude oil has negative effects on HBEA’ logarithm yields in short term. EUA’ logarithmic yield has a negative effect on HBEA’ logarithm yields in the short and medium term. While the influence of volatility of coal future price and market index are not so obvious.Finally, we propose to improve relevant energy policies, improve awareness of carbon trading, and promote the development of financial derivatives.

Carbon market；Carbon prices；Influence factors；VAR model

本文是湖北省教育厅哲学社会科学研究重大项目“经济新常态下湖北省环境污染治理机制研究”(16zd002)的阶段性成果。

郑君君，E-mail99zhengjunjun@163.com。

F12

A

专业主编：许明辉