气候政策不确定性变化与能源市场收益率——基于条件分位数的证据

徐义国 韩新运 胡超敏

1（中国社会科学院大学应用经济学院，北京 102488） 2（国家金融与发展实验室，北京 100020） 3（中央财经大学金融学院，北京 102206）

引 言

2022 年全球能源供需出现严重失衡，导致国际能源价格巨幅震荡。欧洲能源市场是此次能源危机的“震中”，究其原因，除了地缘政治风险导致能源贸易停滞之外，极端天气事件的发生和激进的能源转型政策也对能源价格波动造成了叠加影响。受“拉尼娜” 和“厄尔尼诺” 现象共同影响，欧洲地区极端天气事件频发，极端天气导致能源的季节性能源需求攀升，化石能源库存消耗严重；气象因素导致以水电和风电为代表的新能源发电设施大规模停摆，给能源供应总量和结构带来很大的影响。此外，欧洲国家一直致力于“碳中和” 目标，在能源领域通过增加碳交易税、削减碳配额等应对气候变化的政策手段来减少碳排放，强烈的政策导向抑制了传统化石能源产业的投资发展预期，导致化石能源产能不足，同时清洁能源供给不够稳定，新旧能源体系转换暴露了能源系统过早绿色化的脆弱性。Ren 等（2023）［1］认为激进的气候政策与日益加剧的全球能源危机所带来的不确定性密不可分。

气候变化是21 世纪的重要议题，与气候变化相关的风险和不确定性影响着全球经济体系的各个方面。近年来，气候政策的不确定性波动十分明显。由于减少碳排放的成本和收益难以相互匹配，国际单边主义等逆全球化势力抬头致使全球应对气候变化的一系列举措遭遇挫折，同时伴随着频发的极端气象和灾害事件，以及激进的低碳转型政策等多种因素影响，国际能源商品市场的金融属性趋势更加明显，气候政策的不确定性给由传统化石能源向绿色可再生能源过渡的投资需求带来了较大的不确定性。气候政策不确定性变化对能源市场的冲击不断加剧，能源价格常常表现出极端波动和急剧飙升；另外，作为当今工业化国家的基本投入，能源对经济发展和稳定起着重要作用。能源商品的市场表现也影响着能源生产成本和供需结构，反过来推动气候政策的制定者适时采取对应的调整措施平抑市场的价格震荡。因此，在不确定性事件对能源安全构成持续威胁，气候政策对能源市场外溢效应加剧的背景下，探讨气候政策不确定性变化与能源市场价格表现存在怎样的溢出关联特征，以及不同情境下气候政策不确定性的外部冲击如何影响能源市场回报，对于当前和未来的能源市场发展和气候政策设计具有重要的研究价值和现实意义。

1 文献综述

近些年，对于不同属性能源市场间价格联系的研究集中在以下几个方面。一些文献显示，化石能源市场之间存在着明显的依赖关系，替代效应引发了化石能源的价格竞争［2－5］。在《巴黎协定》签署之后，全球对绿色投资的关注更加明显。投资清洁能源对于从传统碳密集型能源向低碳清洁能源过渡以实现净零排放目标和缓解气候变化至关重要［6］。Maghyereh 等（2019）［7］和Chen 等（2022）［8］认为化石能源价格的变化可能会影响清洁能源股价的波动。由于替代效应的存在，原油与清洁能源保持着价格的共同运动趋势［9，10］。此外，化石能源和清洁能源之间存在显著的溢出效应和尾部依赖性［11］，化石能源和清洁能源之间的关系因市场条件而异，在极端条件下和危机期间，其市场联系显著增强［6，12］。

在全球应对气候变化和推进能源转型的过程中，探讨关于气候政策不确定性与能源市场表现之间关联性的研究正在不断增加。学者们将气候风险分为3 类：有形风险、责任风险和过渡风险。在研究意义上，最后一种类型最为重要，因为其涉及去碳化转型过程中可能引发的一系列金融风险，如政策的不确定性和技术创新的不稳定性［13］。气候风险常常伴随着不确定性，气候相关事件导致的不确定性或围绕政府减轻气候风险的政策措施带来的不确定性都被认为是气候政策的不确定性。Drouet 等（2015）［14］指出应量化不确定性并将其纳入政策框架，以应对异常气候变化。Gavriilidis （2021）［15］基于文本挖掘技术率先构建了气候政策不确定性指数（CPU），该指标广泛应用于与气候问题相关的能源和投资领域的研究。一些学者认为，通过引入气候政策不确定性变量，可以显著提升能源资产回报和波动性预测的精度［16，17］。

由于能源市场兼具商品与金融属性，气候政策不确定性对能源市场间的溢出效应主要通过供需基本面和投资者行为渠道实现。Gavriilidis （2021）［15］认为气候政策不确定性水平的上升会鼓励绿色投资以及清洁能源的研发和创新以减少碳排放；气候政策的模糊性也会影响未来能源的选择。不确定性增加导致投资受阻，进而影响能源价格。Zhang等（2023）［18］认为，投资者可以通过理解能源转型和碳中和阶段化石能源和清洁能源资产之间的相关性变化，动态地调整其投资策略以对冲风险，甚至预测超额回报。如在气候政策风险处于高位期间投资者可以选择投资低碳的绿色资产，而非高碳资产，在风险降低时进行反向配置，以便在气候政策变化期间实现投资收益的最大化。不过，也有一些学者发现投资者对气候风险关注度以及碳减排认识的不断提高，促使与气候问题相关的事件削弱了传统能源市场与清洁能源市场的积极联系［19，20］。在实证研究方面，Zhou 等（2023）［21］基于TVP－SV－VAR 模型，考察了气候政策不确定性、石油价格和可再生能源消费之间的时变关系以及CPU 对可再生能源消费的动态影响，研究发现，在大多数时期气候政策不确定性在短期和中期内正向影响油价，并且在短期和长期内正向影响可再生能源消费总量。Shang 等（2022）［22］基于自回归分布滞后（ARDL）模型研究了气候政策不确定性对美国能源消费的影响，发现气候政策不确定性是改变能源需求的潜在驱动因素，相较于原油价格上涨给不可再生能源需求带来的微弱刺激作用，气候政策不确定性显著降低了不可再生能源的需求。并且从长远看，气候政策不确定性还会对可再生能源需求产生积极影响。Ren 等（2023）［1］采用时变格兰杰因果关系方法，探讨气候不确定性与传统能源和绿色市场在时域下的潜在因果关系，研究发现，就方向性因果关系而言，CPU 更倾向于充当风险接受者，而不是市场价格波动的溢出者；就不同的能源属性而言，格兰杰因果关系的显著性会随着异常天气的出现或重大气候政策的出台而不断发生显著变化。Bouri 等（2022）［23］考察了气候政策不确定性对美国绿色能源股和棕色能源股的价格表现，研究发现CPU 相比于棕色能源股，其对绿色能源股的影响更为显著。

在研究方法上，现有文献所采用的GARCH模型、TVP－SV－VAR 模型、格兰杰因果关系等一类传统方法只能捕捉基于条件均值的冲击及其结构关系，而对于不同冲击规模条件下的影响，以及不同冲击方向可能存在异质性的特征容易造成忽略或低估。为解决上述问题，本文采用Ando 等（2022）［24］提出的基于QVAR 的溢出指数模型。该模型在条件分位数向量自回归（QVAR）模型框架下，基于不同条件分位数的溢出指数，不仅能够有效捕捉整个条件分布上的溢出效应，还可以精确挖掘左右尾部的传染特征。此外，该模型还可以有效地处理非线性、异方差和“尖峰厚尾” 等问题，有助于更加科学、准确地研究气候政策不确定性与能源市场收益率的关联溢出效应。

据此，本文采用全球主要能源市场的历史收益数据，如煤炭、石油、天然气、太阳能和风能，与气候政策不确定性数据，通过QVAR 模型构建基于不同条件分位数的溢出指数，研究气候政策不确定性变化与能源市场收益率在整个条件分布上的关联性并分析左右尾部的溢出特征。本文丰富和拓展了关于政策不确定性与能源市场关联的研究，将基于政策前沿的气候风险度量方法引入跨市场溢出效应的研究框架，从气候政策不确定性视角进一步揭示能源市场回报的溢出结构及其演变规律；突破了现有研究基于线性假设和条件均值估计溢出指数局限性，通过非线性跨分位数方法对正常状态和极端状态下的实证结果加以比较，有助于更好地理解不同情境下气候政策不确定性与不同属性的能源资产回报的溢出传染效应，旨在为受气候变化广泛影响的行业决策者、政策制定者、投资者及能源公司提供有益的参考依据。

2 实证研究

2.1 基于QVAR 的溢出指数模型

首先，在条件分位数τ下的N维QVAR（p）过程如下：

其中，τ∈［0，1］，yt和yt－j为k×1 维内生变量向量，μ（τ）表示与条件分位数τ相对应的k×1维的条件均值向量，Φj（τ）表示与条件分位数τ相对应的k×k维的系数矩阵，ut（τ）～i．i．d．（0，Σ（τ））表示与条件分位数τ相对应的k×1 维误差向量。

采用Wold 定理将式（1） 的QVAR（p）模型转换为无限阶的分位数向量移动平均QVMA（∞）过程：

随后，基于广义预测误差方差分解方法（GFEVD）计算在预测期H下变量j对变量i的溢出水平：

其中，ei为选择列向量，第i个元素取值为1，其余元素为0。此时，经过标准化处理后，度量了在预测期H下变量j对变量i的溢出水平。

在此基础上，构建在分位数τ下方向性溢出指数、净溢出指数和总溢出指数，具体公式如下所示：

To（τ）和From（τ）是与条件分位数τ相对应的方向性溢出指数，分别衡量在分位水平τ下变量i对其它所有变量溢出和接收水平。Net（τ）是To（τ）和From（τ）的差值，表示变量i传递的溢出效应减去接收的溢出效应，即与条件分位数τ相对应的净溢出指数。TSI（τ）是与条件分位数τ相对应的总溢出指数，衡量在分位水平τ下整个系统的总溢出水平。

2.2 变量选取与描述性统计

本文采用Gavriilidis （2021）［15］构建的气候政策不确定性指数（CPU）来衡量气候政策的不确定性①。考虑到澳大利亚市场仍然是制定世界煤炭价格的主导力量［25］，本文以澳大利亚Newcastle港动力煤价格作为煤炭价格指数（COAL）。此外，天然气市场、原油市场、太阳能市场和风能市场价格分别选取标普高盛天然气指数（GAS）、标普高盛原油指数（OIL）、MAC 全球太阳能指数（SOLAR）、ISE 全球风能指数（WIND）来衡量。五类能源价格指数数据均来源于彭博（Bloomberg）数据库。本文数据的时间范围涵盖自2008 年12 月至2023 年4 月，共173 期月度数据。

为消除异方差的影响，同时考虑到以气候政策不确定性变化与能源市场回报作为研究对象，本文对样本数据进行对数差分处理。表1 为数据处理后的描述性统计结果，可以发现：天然气和原油价格收益率在样本期间表现为负值；气候政策不确定性变化的标准差显著高于能源市场回报标准差；煤炭、天然气、石油以及风能市场价格收益率呈现负偏态；所有变量均表现出不同程度的“尖峰后尾” 分布特征；样本中所有时间序列均在1%的显著性水平上拒绝含有单位根的原假设，均为平稳的时间序列数据，适合构建溢出指数模型。

表1 变量的描述性统计

2.3 实证分析

2.3.1 静态溢出分析

为研究气候政策不确定性变化与能源市场回报溢出效应，本文根据AIC 准则确定QVAR 模型的最优滞后阶数为1 阶，预测误差方差分解步长设定为12。气候政策不确定性变化及能源市场回报的不同分位点能够捕捉冲击规模的大小，各变量所受冲击规模越大，其变动幅度越大。因此，由中间分位点到左右尾部代表递增的冲击规模。本文以条件中位数τ＝0.50 表示正常状态，以条件分位数τ＝0.05 和条件分位数τ＝0.95 分别表示极端下行状态和极端上行状态。

表2 报告了正常状态（τ＝0.50）、极端下行（τ＝0.05）和极端上行（τ＝0.95）状态下气候政策不确定性变化与能源市场回报的静态溢出效应。（1） 可以发现，正常状态下气候政策不确定性变化与能源市场回报所受冲击的总溢出效应（39.39%）显著低于极端状态下的水平，其中，在极端下行状态下，气候政策不确定性下降（政策连续性上升）与能源市场处于熊市时总溢出效应为75.84%；在极端上行状态下，气候政策不确定性上升（政策连续性下降）与能源市场处于牛市时总溢出效应为76.26%，略高于极端下行状态的水平；（2） 对于能源市场，在正常状态下，气候政策不确定性变化对天然气市场回报的溢出效应贡献最大，对煤炭市场回报的溢出效应贡献最小；在极端下行状态下，气候政策连续性上升对处于熊市的化石能源市场相比清洁能源市场的回报溢出效应更大；在极端上行状态下，气候政策不确定性上升对处于牛市的清洁能源市场相比化石能源市场的平均回报溢出效应更大，其中气候政策不确定性上升对太阳能市场回报溢出效应贡献最大。该发现与Hoque 和Batabyal （2022）［26］研究得到的结论保持一致，其通过GARCH 模型和引入虚拟变量的分位数回归模型，验证了2016 年《巴黎协定》 签署前后数据的子样本，发现清洁能源资产的对冲和避险属性与牛市和熊市条件相关，当面临气候不确定事件发生时，清洁能源资产可以作为一类避险资产；（3） 气候政策不确定性变化对能源市场回报的方向性溢出效应在极端状态下更为明显，能源市场处于正常状态下接收到来自气候政策不确定性冲击的溢出效应为29.03%，而处于熊市和牛市下接收到气候政策不确定性冲击带来的溢出效应分别为65.09%和74.48%；（4） 尽管气候政策不确定性变化对能源市场回报的方向性溢出效应在极端状态下更为明显，但考虑到方向性溢入效应的影响，在极端状态下，气候政策不确定性变化倾向于充当能源市场回报溢出效应的净接收方；而在正常状态下，气候政策不确定性变化倾向于充当能源市场回报溢出效应的净输出方。能源市场价格的极端变动不仅会引起能源供需结构的改变，还会驱使决策者对碳定价机制和气候政策作出相应调整。上述发现弥补了Ren 等（2023）［1］利用时变格兰杰因果关系不能解决的因素间非线性、非对称相关问题以及缺少对不同情境下差异性分析的局限性。

表2 不同状态下CPU 变化与能源市场回报溢出指数

2.3.2 动态溢出分析

参考已有文献的做法，本文将QVAR 模型的滚动窗口设定36 个月。图1 刻画了正常状态（τ＝0.50）、极端下行（τ＝0.05）和极端上行（τ＝0.95）状态下的CPU变化与能源市场回报动态总溢出效应的时序特征。可以发现，（1） 不同状态下CPU变化与能源市场回报动态总溢出效应具有时变性特点，且极端状态下的总溢出水平波动范围相比于正常状态下更小。条件中位数τ＝0.50 下，总溢出指数在35.56%～63.95%范围内波动，条件分位数τ＝0.05 和τ＝0.95 下，总溢出指数的波动范围显著缩小，分别为81.34%～103.29%和81.49%～101.57%；（2） 样本期间内CPU变化与能源市场回报左右尾部极端状态下的溢出水平显著高于正常状态，这与前面静态溢出分析得到的结论保持一致。

图1 正常状态与极端状态下的CPU 变化与能源市场回报动态总溢出指数

为进一步研究动态情形下，气候政策不确定性变化与能源市场收益率在整个条件分布上的关联性，本文分析了在样本期间内［0，1］区间上全部分位点下总溢出指数的时序特征（图略）。可以发现，气候政策不确定性变化与能源市场回报总溢出指数随时间推移而改变，且在整个条件分布上呈现出显著的异质性，冲击规模越大，总溢出指数越高。图2 刻画了在［0，1］区间上取自不同条件分位点的总溢出指数，可以发现，气候政策不确定性变化与能源市场回报总溢出效应由中间分位点向左右尾部逐渐提升，且在整个条件分位数上呈现出U 型结构，表明随着施加冲击的规模不断增加，气候政策不确定性变化与能源市场回报的左右尾部溢出传染效应增强。此外，总溢出指数在极端上行与极端下行状态表现出非对称性影响。对中间分位点左右尾部溢出效应差异进行样本均值t 检验，发现极端上行状态的溢出传染效应显著高于极端下行状态。由于不确定性冲击的影响高度依赖于经济状态，并且不确定性正向冲击比负向冲击影响更大［27］，因此，相比于气候政策连续性，不确定性上行对经济活动的影响更大。

图2 不同条件分位数下CPU 变化与能源市场回报动态总溢出指数

2.3.3 方向性溢出分析

图3 和图4 分别描绘了不同条件分位数下，气候政策不确定性变化与能源市场回报方向性溢入指数与溢出指数的变化趋势。能够发现，各变量溢入指数水平、溢出指数水平与所施加冲击的规模基本呈正相关关系，极端状态下的溢入指数水平和溢出指数水平高于正常状态，且存在非对称性。

图4 不同条件分位数下CPU 变化与能源市场回报方向性溢出指数

对于方向性溢入效应，化石能源市场回报相比清洁能源市场回报溢入指数水平波动范围更大。具体来看，在正常状态下，清洁能源市场回报接收到来自其他能源市场的溢入效应显著高于化石能源市场。其中，条件中位数τ＝0.50 下，风能市场和太阳能市场回报方向性溢入指数分别为54.39%和46.40%，煤炭市场、天然气市场和原油市场回报方向性溢入指数分别为30.31%、35.49%和41.39%。此外，在极端状态下，相比于清洁能源市场，化石能源市场回报溢入传染效应的涨幅更大，煤炭市场和天然气市场回报方向溢入效应涨幅表现最为明显，而风能市场回报方向溢入效应涨幅表现最小。

对于方向性溢出效应，能源市场回报溢出传染效应的最低值并不一定出现在条件中位数τ＝0.50处，左尾和右尾部溢出效应的非对称性更为明显，且对极端冲击的方向更为敏感。与方向性溢入效应相似的是，化石能源市场回报相比清洁能源市场回报溢出指数水平波动范围更大，但是在受到极端正向冲击和极端负向冲击下，溢出指数的左右尾部涨幅差异较大，处于熊市的原油市场以及处于牛市的煤炭市场对系统内各要素的溢出传染效应最大。对于清洁能源市场，受到极端冲击时的左右尾部升降趋势表现不一致，受到极端正向冲击的太阳能市场和风能市场回报溢出效应表现出与左尾相反的变化趋势。

2.3.4 两两间溢出分析

在气候政策不确定性变化与能源市场回报的30 对两两间定向溢出效应中，极端下行状态和极端上行状态分别对应有28 对和27 对溢出指数显著高于正常状态，清洁能源市场间回报溢出传染效应均低于正常状态。

表3 列举了正常状态与极端状态下30 对两两间定向溢出效应中强度位于前15 的情况。可以发现，正常状态下清洁能源市场间回报溢出传染效应均高于极端状态，风能市场回报对太阳能市场回报的定向溢出传染效应最强，风能市场与原油市场间回报的溢出传染效应次之；极端下行状态下，原油市场回报为其他能源市场回报和气候政策不确定性变化的溢出传染效应最大输出方，当能源市场处于熊市中，原油市场回报对清洁能源市场回报的定向溢出影响尤为强烈；极端上行状态下，煤炭市场回报为其他能源市场回报和气候政策不确定性变化的溢出传染效应最大输出方，当能源市场处于牛市中，清洁能源市场相互间回报溢出传染效应，以及煤炭市场回报对清洁能源市场回报和气候政策不确定性增加的定向溢出影响都尤为强烈。这些发现进一步验证了Saeed 等（2021）［6］的观点。综上所述，基于条件中位数下的溢出效应对化石能源市场回报，特别是原油市场和煤炭市场回报的尾部定向溢出水平存在低估。

表3 正常状态与极端状态下两两间溢出指数及排序

3 结论及政策建议

本文采用全球主要能源市场的历史收益率与气候政策不确定性数据，通过QVAR 模型构建基于不同条件分位数的溢出指数，探讨了气候政策不确定性变化与能源市场收益率在整个条件分布上的关联性并分析左右尾部的溢出特征，揭示了不同情境下气候政策不确定性的外部冲击对能源市场回报的影响特征，以及不同属性能源市场之间的网络溢出结构和协同运动的演变规律。

本文研究得到如下主要结论：（1） 在极端状态下，气候政策不确定性变化倾向于充当能源市场回报溢出效应的净接收方；而在正常状态下，气候政策不确定性变化倾向于充当能源市场回报溢出效应的净输出方；（2） 气候政策不确定性变化与能源市场回报总溢出效应由中间分位点向左右尾部逐渐提升，且在整个条件分位数上呈现出U 型结构。随着施加冲击的规模不断增加，气候政策不确定性变化与能源市场回报的左右尾部溢出传染效应增强，且在极端上行与极端下行状态表现出非对称性影响；（3） 对于方向性溢入效应与溢出效应，其与所施加的冲击规模基本呈正相关关系，极端状态下的溢入效应和溢出效应水平高于正常状态，且存在非对称性。对于不同能源市场，化石能源市场回报相比清洁能源市场回报溢入指数和溢出指数水平波动范围更大；（4） 在气候政策不确定性变化与能源市场回报的两两间定向溢出效应中，极端状态下绝大多数溢出指数显著高于正常状态，而清洁能源市场间回报溢出传染效应均低于正常状态。原油市场和煤炭市场回报分别为极端下行和极端上行状态下其他能源市场回报和气候政策不确定性变化的溢出传染效应的最大输出方。基于条件中位数下的溢出效应对化石能源市场回报的尾部定向溢出水平存在低估。

根据本文的结果，提出以下相关政策建议：（1） 监管部门需要将气候政策不确定性纳入监管体系，通过增加气候政策调整的弹性和透明度，引导和稳定市场预期，防范和化解气候政策不确定性给能源市场带来的风险溢出；（2） 为避免激进的气候政策诱发能源贫困甚至是能源危机的可能性，确保能源转型过程中的价格稳定尤为重要，传统化石能源要持续发挥兜底保供、灵活调节的作用，清洁能源要成为能源增量的主要来源；（3）投资者和相关公司在预测和管理商品、股票等一系列能源资产时，应将气候政策不确定性指标纳入资产定价、资产配置等投资策略中，同时重点把握不同情境、不同属性能源资产的风格轮换和风险对冲。

注释：

①数据来源于https：／ ／www.policyuncertainty.com／climate＿uncertainty.html。