碳市场与有色金属期货市场时变溢出效应研究

韩佳彤 江彦博

（天津财经大学金融学院，天津 300222）

引 言

近年来，全球变暖问题日益严峻，控制和减少温室气体排放已成为当前世界环境政策的主要目标。在此背景下，欧盟碳排放权交易体系（EU ETS）在2005年正式开放运行。我国也于2011年试行了首个碳排放交易市场，并不断发展和完善，最终形成了8家碳排放交易场所，通过合理布局实现碳减排资源的优化配置，引导和鼓励企业开展节能减排。而有色金属行业是行业碳排放大户，温室气体的产生与其有着密切关系 （王威等，2021）［1］。2020年新冠肺炎疫情后，我国各行业的复工复产对有色金属的需求不断增长，有色金属行业碳排放量逐渐加大，进而加剧了温室气体减排的难度。那么我国有色金属市场与国内外碳排放市场三者间到底存在着怎样的联动机制呢？这对于实现 “双碳”目标下中国绿色低碳转型和高质量发展以及推动全球气候治理具有重要的启示作用和实践意义。

在全球经济一体化的背景下，国内外碳交易市场之间的联系也更加紧密。孙春 （2018）［2］利用DCC－MGRCH模型发现国内碳市场和欧盟碳市场在长期内存在均衡关系，且二者之间存在双向波动溢出效应。Zhang等 （2019）［3］认为在碳交易市场中，成熟度最高的是欧盟碳交易市场，而中国碳市场的成熟度总体上较低。Lyu等 （2020）［4］运用马尔可夫链蒙特卡罗随机波动模型与小波多分辨分析方法将中国碳市场与欧盟碳交易市场进行了对比，结果表明二者在波动稳定性方面均有所不足。

目前国内外文献较少关注碳市场和有色金属行业的直接互动影响，但有色金属行业生产伴随着化石燃料燃烧、原料使用、电力和热力输入，是典型的高能耗高排放的行业 （王威等，2021）［1］，这也使探讨碳市场和有色金属市场之间直接影响的研究不可或缺。陶春华 （2015）［5］利用VAR模型和脉冲响应函数，检验了我国碳交易市场与有色金属、热力、钢铁、石油、和化工行业之间的联动关系，研究表明碳交易市场对有色金属行业影响更为显著。现有文献多从国内外碳市场出发，研究其与有色金属行业生产所需能源、原料之间的关系。在国内碳交易市场方面，邹绍辉和张甜（2020）［6］通过VAR模型和MSVAR模型阐述了能源期货市场、能源股票市场与国内碳交易市场之间的动态互动关系。Liu（2020）［7］采用VECM模型发现国内碳市场价格与煤炭、柴油和天然气价格之间存在长期协整关系。Yin等 （2021）［8］运用多尺度和跨尺度的样本熵研究了我国碳交易市场与煤炭市场之间的关系，结果发现国内碳市场和煤炭市场之间存在一定同步性。在国外碳交易市场方面， 郭福春和潘锡泉 （2011）［9］利用 Bai－perron结构突变检验模型发现欧盟配额以及经核准的减排量碳期货合约价格存在明显的结构性变化，并进一步采用资本资产定价单因素模型发现二者在样本期内所受到的风险较小。刘坚等 （2020）［10］采用SVCopula模型发现欧盟碳现货和碳期货价格之间存在高度相依性。 Mansanet－Bataller等 （2007）［11］利用多元回归模型进行研究，结果发现碳价格与化石能源价格相关。 Gronwald等 （2011）［12］通过研究EUA期货市场与煤、石油等金融商品之间的关系，得出了与 Mansanet－Bataller等 （2007）［11］相同的结论。 Zhang 和 Wei （2010）［13］利用状态空间模型和VAR模型，发现碳市场和化石能源市场之间有显著的协整关系。 Cotton 和 Trück （2011）［14］将数据分成两阶段进行研究，发现只有在第二阶段碳价格和电价之间才存在显著相关关系。Dutta等（2018）［15］采用 VAR－GRACH 方法发现 EUA 价格和可再生能源股票收益率之间显著正相关。

此外，在相关波动溢出研究中，多数学者主要聚焦于碳市场和各金融市场之间波动溢出效应存在与否。海小辉和杨宝臣 （2014）［16］基于DCCGARCH模型发现，碳市场与煤炭市场、碳市场与天然气市场之间的动态条件相关系数波动相似，布伦特原油市场对于碳市场的动态相关系数波动幅度则很小。 Byun和 Cho （2013）［17］利用 GARCH模型研究了碳、原油、天然气、煤炭和电力之间的关系，结果发现碳市场和能源市场之间存在显著的波动溢出效应。 Uddin等（2018）［18］基于VARBEKK模型和脉冲响应函数发现在德国能源市场中，煤和天然气在整个样本期间均产生了显著的波动溢出效应，而碳市场在样本前期和后期的波动溢出效应很小。也有少数学者从波动溢出强度和方向上分析碳市场和各金融市场的关系。Wang和Guo （2018）［19］采用 Diebold 和 Yilmaz （2012）［20］的方法构建溢出指数，研究发现天然气对碳市场的溢出效应最显著。Ji等 （2018）［21］利用基于滚窗VAR的方差分解溢出指数发现布伦特原油价格在影响碳价方面发挥着重要作用，且电价是最大的风险承受者。王超和杨宝臣 （2021）［22］利用Diebold－Yilmaz模型发现相较于欧盟碳交易市场，我国碳市场、金融市场以及商品之间的稳定性相对较弱，风险冲击下更容易产生系统性风险。

通过上述文献分析发现：（1）学者们主要研究单一碳市场和各金融市场之间的关系，很少将国内、国外碳交易市场同时考虑进去来研究二者的影响。且研究大多集中在EUA现货价格，很少考虑EUA期货。而相比于现货，EUA期货在反映碳价的未来价值上具有更好的价格发现功能 （Li等，2021）［23］；（2） 现有研究多是从国内单一或者几个碳交易市场出发进行研究。孙春 （2018）［2］在分析国内碳交易市场时，选取了7个碳交易试点平均现货价格。陶春华 （2015）［5］分别用6个碳交易市场价格进行与样本行业的研究。邹绍辉和张甜（2020）［6］选取了国内首个且活跃度最高的深圳碳排放权交易所进行分析。吕靖烨等 （2021）［24］则选取了湖北、上海和深圳3家碳排放权试点市场现货收盘价进行研究分析。上述研究的不足之处在于忽略了中国碳市场价格总体变化特征 （王文举和李峰， 2016）［25］； （3） 从研究方法上看， 多数学者采用的方法忽略了各市场之间的非线性特征，虽然有部分学者尝试运用非线性分析方法对碳市场和金融市场之间进行分析，如Gong等 （2021）［26］运用TVP－VAR模型分析了欧盟碳交易市场和化石能源市场时变溢出效应；Li等 （2021）［23］同样运用TVP－VAR模型研究了石油、天然气、电力股价与EUA期货价格之间的时变特征，但都并未继续深入研究碳市场和各金融市场之间的波动溢出强度和方向。

基于以上分析，为了更好反映国内碳市场真实的交易情况，本文运用Paasche指数 （王文举和李峰，2016）［25］构建了国内碳市场统一价格指数，采用TVP－VAR模型探讨EUA期货价格、国内碳交易价格以及有色金属期货价格之间的关系，并进一步结合TVP－VAR模型的方差分解溢出指数考察三者之间的溢出效应强度和方向。

1 模 型

1.1 TVP－VAR 模型

自 Sims （1980）［27］提出 VAR 模型以来， VAR模型被广泛应用于经济研究。但是，该模型的缺陷是变量之间的当期相关关系会隐藏在滞后误差项的相关结构中。 因此， Sims（1986）［28］对其进行了改进，提出了结构向量自回归SVAR模型。然而，传统的向量自回归模型难以解决非线性时间序列的有效估计问题。 因此，Primiceri（2005）［29］在SVAR模型的基础上进行改进提出了TVP－VAR模型，很好地解决这一问题。

一个基本结构VAR模型的具体形式为：

其中 Yt为 K×1 维列向量， A，F1，…，Fs为 K×K维系数矩阵，随机扰动项μt为K×1维结构冲击向量， 服从N（0，ΣΣ）， 其中：

此外，为简化模型，参考Primiceri（2005）［29］和 Nakajima （2011）［30］的做法， 假设 αt是矩阵 At的下三角累积向量， 其中 αt＝（α21，α31，α32，α41，…，αk，k－1）。

同时， 参照 Primiceri （2005）［29］的做法， 假设式 （4）中的所有参数均为如下随机游走过程：βt＋1＝βt＋μβt， αt＋1＝αt＋μαt， ht＋1＝ht＋μht， 其中 ht＝（h1t，…，hkt）， hit＝lnδ2it， i＝1，…，k， t＝s＋1，…，n。

其中 βs＋1～ N（μβ0，Σβ0）， αs＋1～ N（μα0，Σα0），hs＋1～N（μh0，Σh0）。

1.2 时变波动溢出指数构建

Diebold和 Yilmaz （2009）［31］在 2009 年基于VAR模型进行方差分解构建了溢出指数，但通过这一方法构建的指数并不能体现溢出效应的时变特征。 因此 Diebold和 Yilmaz （2012）［20］在 2012年对方法进行了改进，通过滚窗VAR方法，进一步实现了对溢出效应时变特征的考察。但该方法还是存在一定缺陷，如对于窗宽选择具有依赖性且无客观依据标准、估计结果受异常值影响明显、样本损失等问题 （郑挺国和刘堂勇，2018）［32］。

Antonakakis和 Gabauer （2017）［33］运用 TVPVAR模型，并将其与Diebold和Yilmaz构建溢出指数的方法相结合建立了时变波动溢出指数。该方法不需要设定任何窗度，因此没有样本损失，克服了 Diebold 和 Yilmaz （2012）［20］溢出指数方法的缺点。由此本文基于TVP－VAR模型构建的波动溢出指数进行研究。

在式 （6）中TVP－VAR模型已表示为：

方差贡献可以表示为在给定变量yi且当yi受到外部影响时，yi的h步预测误差方差中，可以由yj解释的比例dij（h）。可以表示为：

其中，Σ表示扰动向量εt的协方差矩阵，σii是εt的标准差，ej为第j个元素是1，其余为0的单位向量， i，j＝1，…，N， i≠j。 叠加来自不同市场的所有方差贡献，可以构成方差分解矩阵Dij（h），用来表示不同市场间的风险溢出效应的大小。

其中矩阵D中的非对角线元素表示不同市场的风险溢出水平。每一行行向量各元素之和表示该市场受到其他市场冲击时所能承受风险能力的大小。每一列列向量各元素之和表示该市场对其他市场风险溢出程度。矩阵D中所有元素之和的平均值表示整体风险溢出程度。定义净溢出效应为对外溢出效应（To）与受其他市场溢出的风险承受程度（From）的差值。

由于方差分解矩阵Dij（h）每行行向量的各元素之和不为1，为了更好分析各市场之间的波动溢出效应，可对各行按如下公式进行归一化处理，使得各行行和为1：

综上，反映市场间风险溢出对整体金融体系影响的总溢出指数S（h）表示为：

2 数据选取与指数构造

2.1 数据选取

自2011年以后，国内先后有8家碳交易场所成立。其中，由于福建碳交易市场成立不久，交易数据较少。因此本文选取深圳、上海、北京、广东、天津、湖北和重庆7家碳交易市场成交均价构建国内碳市场价格指数，实证的起始时间选取为2014年6月19日，即最后一个试点碳市场——重庆市碳排放交易市场的开市时间。由于各试点碳市场均存在没有交易量的交易日，因此本文参考王文举和李峰 （2016）［25］的方法使用月度数据，以2014年6月作为基期。2014年7月至2021年8月为研究样本区间。在计算月度成交均价时，由于多家碳交易市场存在大量无成交量的交易日，为了很好的解决交易量在时间上的不连续这一问题，对于无成交量交易日的成交价格，本文参考朱丽娜 （2017）［34］的做法，按照上一个有成交量交易日的成交价格计算，进而补全7家碳交易市场每月的日度交易数据得到月度成交均价。

2.2 碳市场价格指数构造

目前对于价格指数的研究可以分为简单价格指数和综合价格指数两类 （杨绪忠和张玉玲，2007）［35］。 基于王文举和李峰 （2016）［25］的研究，随着国内碳交易市场的发展和完善，中国碳市场统一价格指数适合采用以报告期成交量为权重的Paasche指数进行编制 （李丰，1995）［36］。因此本文选择Paasche指数来构建国内碳市场价格指数。Paasche指数公式如下：

选取上期有色金属期货价格指数（SHFE－IM⁃CI）作为有色金属期货市场的代表。

综上，本文分别用EUA期货价格、Paasche指数构建的国内碳交易市场价格（CCM）、上期有色金属期货价格指数（SHFE－IMCI）作为国内外碳交易市场以及有色金属期货市场的测度。其中数据均来源于Wind数据库。

2.3 数据检验

在建立TVP－VAR模型前需要对原始时间序列数据进行平稳性检验，从而避免出现结果的“伪回归”问题。表1的ADF检验结果表明国内碳交易市场价格在1%的显著性水平下平稳，EUA期货价格以及上期有色金属期货价格指数在1%、5%、10%3个显著性水平上均不能拒绝原假设，即原始序列不平稳。因此本文选取EUA期货价格、上期有色金属期货价格指数的一阶差分序列以及原始的国内碳交易市场价格进行后续实证研究。

表1 ADF检验结果

3 实证结果

3.1 模型估计

本文采用基于马尔可夫链蒙特卡罗模拟（MC⁃MC）对模型进行估计，同时根据VAR模型的AIC和SC准则，确定模型的最优滞后阶数为1阶。此外，MCMC抽样次数被设定为10000次，并舍弃了前1000的预烧样本，以保证抽样结果准确性和可靠性，由表2参数结果可得如下结论：

表2 TVP－VAR模型参数估计结果

（1） 由Geweke检验可知，所有值均低于1.96，即在5%的显著性水平下不能拒绝参数收敛于后验分布的假设； （2）待估参数的无效影响因子都很小。最大值为93.41，这意味着至少可以从10000个模拟中获得约107个不相关的样本，符合后验推理要求。综上，TVP－VAR模型估计取得了较为良好的结果。

3.2 时变脉冲响应结果分析

3.2.1 等间隔脉冲响应分析

在时间间隔选择方面，本文选取了滞后1月、滞后3月和滞后6月分别测量短期、中期和长期国内外碳交易市场对有色金属期货市场的冲击响应。

图1为不同滞后期EUA期货市场、国内碳市场交易市场以及有色金属期货市场之间的等间隔脉冲响应。

图1 目标变量之间等间隔脉冲响应图

（1）国内碳交易市场对EUA期货市场的脉冲响应。EUA期货市场对国内碳交易市场的冲击效应具有明显的时变特征，表明EUA期货市场对国内碳交易市场的溢出效应在不同时期存在差异。国内碳交易市场受EUA期货市场的影响持续为正，且在短期内受EUA期货市场影响最大。随着时间间隔的增加，EUA期货市场对国内碳交易市场的影响逐渐减弱，不同于短期的正向反应，中长期情形下的响应程度相对较弱。

（2）有色金属期货市场对EUA期货市场的脉冲响应。短期内，有色金属期货市场受EUA期货市场的影响持续为负。此外，短期的脉冲响应在2015年之后表现为不断攀升的趋势，而在2020年转变为下降趋势。这主要是由于2015年后为适应中国经济的产业升级，有色金属期货市场不断完善和发展，期货交易规模及有色金属实物交割总量稳步增长。但2020年由于新冠肺炎疫情的影响，短期内有色金属企业的生产受到较大影响，进而使得整体有色金属行业供给在一定程度上出现下滑。随着时间间隔的增加，EUA期货市场对有色金属期货市场的影响逐渐减弱，不同于短期的负向反应，中长期情形下的响应程度相对较弱。在滞后6期时，EUA期货市场对有色金属期货市场冲击的响应基本围绕零点上下浮动，表明EUA期货市场对有色金属期货市场的冲击受时间的推移而缓慢消逝。

（3）有色金属期货市场对国内碳交易市场的脉冲响应。2016年以前国内碳交易市场对有色金属期货市场的影响持续为负，在短期内受国内碳交易市场影响最大。2016年以后国内碳交易市场对有色金属期货市场的影响持续为正，同样是在短期内受国内碳交易市场影响最大。从整体来看，国内碳交易市场对有色金属期货市场的影响由负向转变为正向。这可能是由于国内碳交易市场建立初期，碳市场交易价格的提高可能会在一定程度上提高有色金属行业企业的成本，从而影响有色金属行业企业的利润。但是中国自2016年下半年起迎来了供给侧改革的重塑期，随着有色金属行业的产业升级，企业的盈利能力在碳中和的背景下也逐步提高。

3.2.2 等时点脉冲响应分析

在时间点的选择上，本文选取的3个时间点为EUA期货价格阶段性低点，包括2016年6月的英国公投脱欧、2018年10月的美国全球贸易战和2020年3月的全球新冠肺炎疫情，如图2所示。

图2 EUA期货价格

图3为不同时点下EUA期货市场、国内碳市场交易以及有色金属期货市场之间的等时点脉冲响应。

图3 目标变量之间等时点脉冲响应图

（1）国内碳交易市场对EUA期货市场的脉冲响应。3个时点下的影响效果类似，均在滞后1期后冲击效应达到最大，随后开始衰退，直至为0。此外，值得注意的是新冠肺炎疫情导致的正向冲击略高于美国发动全球贸易战带来的正向冲击，并且它们均明显高于由英国公投脱欧带来的冲击。也就是说，伴随着国内碳交易市场与EUA期货市场联系的日益紧密，国内碳市场交易受外部不确定性的正向冲击愈发明显。这也在一定程度上印证了前文等间隔脉冲响应结果的推断。

（2）有色金属期货市场对EUA期货市场的脉冲响应。3个时点下的脉冲响应结果基本相同，在滞后1期后冲击效应达到最大且正向极大响应程度要明显高于负向极大响应程度。所有冲击均可持续4个月左右，并且都是在3个月左右将EUA期货价格的信息释放完毕。

（3）有色金属期货市场对国内碳交易市场的脉冲响应。所有冲击均在当期影响最大，随后逐渐减弱。美国发动全球贸易战和新冠肺炎疫情时期的冲击均可以持续1年左右，并且都是在10个月左右将国内碳市场交易的信息释放完毕。而英国脱欧时期的冲击基本在当期就释放完毕。负向极大响应程度要明显高于正向极大响应程度。这一点突出体现在新冠肺炎疫情时期和美国发动全球贸易战时期，它们各自带来的负向冲击明显高于其引发的正向冲击。

3.3 波动溢出效应分析

为了进一步研究EUA期货市场、国内碳交易市场以及有色金属期货市场之间的波动溢出效应，本文基于TVP－VAR模型构建了目标变量之间的时变波动溢出指数。

表3给出了EUA期货市场、国内碳交易市场以及有色金属期货市场之间风险溢出大小。由表3可以得到如下结论：对角线上的值明显高于其他值，说明各市场之间更容易受到自身滞后效应的影响。从风险溢出的方向上看，EUA期货市场和国内碳交易市场净溢出效应均为负值，但EUA期货市场的净溢出大于国内碳交易市场的净溢出，有色金属期货市场净溢出为正值。这说明有色金属期货市场对外溢出效应较大，且国内碳交易市场更容易受其他市场的风险冲击的影响。从风险溢出的强度上看，相比于国内碳交易市场，EUA期货市场对有色金属期货市场产生了较大的溢出效应，其值为1.81%。有色金属期货市场对国内碳交易市场的影响大于对EUA期货市场影响。同时有色金属期货市场对EUA期货市场以及国内碳交易市场的溢出效应大于EUA期货市场以及国内碳交易市场对有色金属期货市场的溢出效应。

表3 目标变量之间风险溢出表

图4给出了上述目标变量之间的时变风险溢入效应、风险溢出效应以及净溢出效应。由图4可以得出如下结论：有色金属期货市场在整个样本期间内对其余市场有较大的净风险溢出效应。EUA期货市场在整个期间内受到了净溢入效应，这说明EUA期货市场易受其余市场影响而引发市场风险。国内碳交易市场除了新冠肺炎疫情期间有短暂的净风险溢出效应，大部分期间受到了净溢入效应，并且在2014～2015年国内股市大幅波动期间净风险溢出效应达到了最低。有色金属期货市场在2014年10月风险溢出效应达到最高峰，之后一直处于波动下降的趋势。2014～2015年期间中国股市经历了1年多的牛市阶段，有色金属期货价格也随之大涨，因此这一阶段的有色金属期货市场风险溢出水平也处于阶段性峰值。随后，2015年中央为了防控股市风险，实行了以去杠杆为目标的稳健货币政策，进而使得有色金属期货市场的对外溢出效应相对减弱。同时在2016年下半年随着我国迎来了供给侧结构性改革，随着供给侧结构性改革的推进，有色金属行业也经历了产业升级，因此在2016年后风险溢出效应进一步下降。这也再次印证了前文等间隔脉冲响应结果的分析。

图4 目标变量之间波动溢出、溢入和净溢出指数

4 结论及政策建议

在全球变暖问题日益严峻的背景下，有色金属行业的高排碳生产成为了全球气候变暖的突出问题。然而，很少有学者关注国内外碳交易市场和有色金属行业的直接时变溢出效应和方向。因此本文从国内7家碳交易场所出发，基于Paasche指数构建了国内碳市场价格统一指数，同时采用TVP－VAR以及基于该模型的时变波动溢出指数分析了EUA期货市场、国内碳交易市场和有色金属期货市场的时变溢出效应和风险溢出方向。

研究结果表明EUA期货市场、国内碳交易市场和有色金属期货市场之间的溢出效应具有明显的时变特征。EUA期货市场在短、中、长期内对有色金属期货市场均产生了负向影响，这与国内碳交易市场对有色金属期货市场的影响有显著差异。国内碳交易市场对有色金属期货市场的影响随着时间推移由负向影响转为正向影响。这表明我国有色金属行业与国内碳交易市场联系日趋紧密，且不断进行着产业升级和结构调整，逐步与中国低碳经济相适应。EUA期货市场相比于国内碳交易市场对有色金属期货市场产生了更大的溢出效应，是有色金属期货市场风险波动的主要来源。

对于投资者来说，可以更清晰地了解EUA期货市场和国内碳交易市场对有色金属期货市场的影响程度。因此，投资者可以依靠碳市场价格的变化来预测有色金属期货价格的变化。对于有色金属企业来说，随着国内碳交易市场的进一步发展和完善，国内碳交易市场对有色金属行业的时变溢出效应变得更加显著。因此，企业应该积极关注国内碳交易价格，这对有色金属企业的生产经营有重要影响；另外，随着低碳经济成为经济发展的主要趋势，这必然会要求有色金属企业相关技术的升级和创新。因此，有色金属企业需要不断提高自主创新能力，促进企业升级和结构调整，进而向低碳经营模式转变。对于决策部门来说，可以意识到EUA期货市场、国内碳交易市场和有色金属期货市场之间的时变溢出效应持续时间较长，进而可以提高政策的有效性和灵活性；随着国内供给侧结构性改革的推进，国内碳交易市场对有色金属期货市场的时变溢出效应存在显著差异。因此在低碳经济的大背景下，要不断完善国内碳交易市场，进而引导国内有色金属行业的产业升级和调整；（3）EUA期货市场是有色金属期货市场的主要风险来源，因此为了促进有色金属期货市场的稳定，应着重防范来自国外碳交易市场的风险冲击。