“双碳”目标下的金融摩擦与宏观审慎政策效应

车树林 石奇

摘要：碳达峰和碳中和是一场广泛而深刻的经济社会系统性变革，仅靠碳交易政策很难保证这一目标的实现，开征碳税是大势所趋。为此，构建环境—动态随机一般均衡（EDSGE）模型，模拟分析“双碳”目标下碳税政策和宏观审慎政策对中国宏观经济的影响效应和作用机制，并对不同政策冲击下的异质性福利损失进行估计。研究发现：第一，碳税政策有助于中国实现低碳转型，但会伴随一定的过渡风险，短期内出现政策性衰退。相较于永久性碳税政策，渐进式碳税政策更加有效，有助于缓解碳税政策冲击造成的负面影响。第二，在金融加速器效应下，金融摩擦会明显放大碳税政策对宏观经济的负面影响，通过引入逆周期资本充足率或动态存款准备金率宏观审慎政策规制，可以有效解决金融摩擦问题，但仅靠宏观审慎政策在解决气候外部性方面表现不佳，无法保证“双碳”目标的实现。第三，通过将碳税政策和宏观审慎政策同时纳入政策工具箱，尤其是采用“渐进式碳税政策+逆周期资本充足率宏观审慎政策”这种政策搭配设计，不但减排效果显著，还可以明显降低过渡风险，稳定经济增长，提高居民福利。因此，中國应力争在“十四五”期间推出从碳排放源头征收的碳排放税，并考虑纳入逆周期资本充足率或动态存款准备金率宏观审慎政策规制，助力“双碳”目标顺利实现。

关键词：“双碳”目标；碳税政策；金融摩擦；宏观审慎政策；福利损失

文献标识码：A   文章编号：100228482023（06）001415

一、研究背景

作为世界上最大的温室气体排放国和第二大经济体，中国在应对气候变化问题上的态度越来越受到国际社会的关注。习近平主席曾多次在国际会议上提出，中国将提高国家自主贡献力度，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。碳达峰碳中和目标（以下简称“双碳”目标）的达成事关中华民族永续发展和构建人类命运共同体，是一场广泛而深刻的经济社会系统性变革。2021年10月24日，中共中央、国务院印发《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》（以下简称《意见》）。作为碳达峰碳中和“1+N”政策体系中的“1”，《意见》为碳达峰碳中和这项重大工作进行了系统谋划、总体部署。2021年10月26日，国务院发布《2030年前碳达峰行动方案》（以下简称《方案》）。《方案》提出，到2030年单位国内生产总值二氧化碳排放比2005年下降65%以上，实现碳达峰目标。《意见》和《方案》一经颁布，引发了各行各业的广泛关注。

然而，当前中国经济发展正面临需求收缩、供给冲击、预期转弱三重压力，百年变局加速演进，外部环境更趋复杂严峻和不确定。在碳达峰碳中和成为国家战略、国家明确“双碳”目标和行动方案的背景下，低碳减排行动不仅导致战略性行业产业链的重构，还可能会冲击现存的经济体系，加大当前经济下行的压力。2021年以来，一些地区、行业、企业在制定“双碳”目标时比较冒进，一些地区在“双碳”目标压力下实施了限产限电等“运动式减碳”措施，将长期化、系统化的“双碳”目标短期化和碎片化，不仅对“双碳”目标不利，而且对当前的经济发展也产生了负面影响。因此，“双碳”目标约束下，如何进行有效适宜的碳减排政策设计显得尤为迫切和重要。

低碳减排背景下，相对传统气候政策工具，拥有总量控制优势的碳排放权交易市场（以下简称“碳交易”）和依靠价格导向的碳税赢得了诸多国家和地区的青睐。就本质而言，碳交易属于数量政策，碳税属于价格政策，这两种政策的选择其实就是数量政策和价格政策之间的比较。Weitzman［1］最早提出了两种政策有效性的判定标准，即通过比较两种政策造成的效率损失来评定其有效性。此后，很多学者按照这一理论框架从减排效果和社会经济影响等方面比较研究了碳交易和碳税这两种政策的有效性，但由于研究对象的区别、所选模型的不同等，学者们得出了迥异的结论。Heutel等［2］基于商业周期模型展开研究，发现碳税政策比碳交易政策更易造成经济波动。Dissou等［3］通过构建多部门经济周期模型，得到了类似的结论。王文军等［4］在计算碳排放权配额总量松弛度的基础上，构建了一个碳排放权交易机制减排有效性评价方法，以此评估和分析中国碳排放权交易试点机制的减排有效性。他们发现，当碳排放需求大于碳排放权配额总量时，碳交易机制促进减排的作用非常有效。丁冠群等［5］则认为在行业正向技术冲击下，经济的扩张效应会因为碳减排政策的实施而受到明显抑制，且不同的碳减排政策表现出异质性，碳税政策的抑制效果显著大于许可证交易政策。也有学者认为碳税是比碳交易更有效的制度。Richard等［6］考虑时间折现、成本收益以及不确定性等因素，构建社会福利水平评价模型，发现碳税政策比碳交易政策更加有效。王博等［7］认为在面对碳排放技术冲击时，相比碳税政策，碳交易政策下碳价大幅波动会进一步加剧经济波动。李毅等［8］通过构建一般均衡（CGE）模型研究发现，征收碳税能够减少化石能源的消费，降低二氧化碳排放，进一步研究表明碳税水平越高，降碳效果越显著。此外，还有学者研究认为碳税和碳交易这两种减排机制可以融合实施，因为它们之间会产生某种交互强化效应，使减排效果更加有效［9］。2021年7月16日，中国根据实际情况，在试点的基础上优先选择碳交易作为减排的突破口，并建立全国碳排放权交易市场。但从中国近期的实践情况来看，基于科斯定理和产权理论的碳交易受覆盖面和调控范围限制、碳交易价格形成机制构建难度大、市场失灵等因素影响，全面运行的全国碳排放交易市场也只能覆盖中国50%的碳排放量。面对“双碳”目标下更为紧迫和更大的碳减排压力，仅以碳交易一种手段恐难以有效保证目标实现，长远看来还需加快碳税政策的落地，以此提高碳减排调控力度。

基于庇古理论的碳税政策是由税收直接进行的价格干预，即通过相对价格的改变来引导经济主体的行为，实现减少二氧化碳排放的目的。由于气候变化具有典型的外部性，政府运用碳税对微观主体减排进行干预，实现碳排放企业的外部成本内在化，可能会引起负面效应，在经济下行趋势下进一步拖累经济增长，难以实现碳减排和经济高质量发展的“双重红利”。已有大量文献表明，气候政策冲击会造成宏观经济波动，影响金融稳定。Heutel［10］研究发现，环境政策具有明显的顺周期性，针对既定碳减排目标，经济上行时比经济下行时需要付出更高的成本。Annicchiarico等［11］将环境政策置于新凯恩斯框架中，分析其对宏观经济的影响，发现环境政策具有明显的负面效应，且效应大小主要受价格黏性和货币政策的影响。此外，还有一部分研究也证明气候政策的实施会造成一定的经济转型风险，降低经济产出，放大金融部门“隐性风险”，不利于金融稳定［1213］。因此，如何在保持中国宏观经济稳定的前提下开征碳税，尽可能降低碳税政策对经济社会发展的影响，助力实现“双碳”目标，推动经济高质量发展，值得深入探讨。

针对上述担忧，部分学者尝试通过引入宏观审慎政策解决。Tayler等［14］研究发现，面对供给冲击，单一的货币政策很难平衡产出和通货膨胀，而《巴塞尔协议Ⅲ》的实施则有效破解了这一难题，表明相较于单一的货币政策，宏观审慎政策与货币政策相结合的复合政策设计效果更优。王博等［7］基于动态随机一般均衡（DSGE）模型研究不同碳定价政策对中国宏观经济的影响效应及其作用机制，发现不论是碳税政策还是碳交易政策短期均会造成经济衰退，长期则不显著，金融摩擦的存在还会进一步放大气候政策的负面影响，而引入“双支柱”调控后，碳定价政策造成的负面冲击明显减弱。因此，要想实现降碳促增的双重红利效应，在实施气候政策的同时应该辅以合理的经济政策［8］。

梳理现有文献可以发现，关于碳税政策减排效应的研究已取得部分成果，但在“双碳”目标约束下，结合中国数据实证分析碳税政策在碳減排中所导致的宏观经济冲击效应及其作用机制却鲜有涉及，尤其是关于实施不同类型碳税政策的经验研究则更为匮乏。此外，虽然有部分文献验证了宏观审慎政策工具在面对气候政策所导致的经济波动和金融不稳定时的有效性［7，14］，但是缺乏将碳税政策、金融摩擦与宏观审慎政策置于同一分析框架下的研究。有鉴于此，本文尝试构建一个环境—动态随机一般均衡（EDSGE）模型，分析“双碳”目标下碳税政策和宏观审慎政策对中国宏观经济的影响效应和作用机制。

本文的边际贡献主要有：第一，在模型方法上，在标准的DSGE模型中纳入环境因素，构建EDSGE模型，并引入金融摩擦机制和宏观审慎政策（逆周期资本充足率、动态存款准备金率），探讨碳税政策和宏观审慎政策的宏观影响和微观机理，以期尽可能贴近现实地模拟“双碳”目标下经济系统的真实情况；第二，在分析碳税政策对宏观经济的冲击效应时，既比较了有无金融摩擦两种情形，也模拟了永久性碳税和渐进式碳税的区别，同时还将碳税这一气候政策与宏观审慎政策相结合，模拟了这两种政策组合在中国经济低碳转型过程中的有效性；第三，在传统社会福利损失函数基础上，通过引入碳排放构建新的社会福利损失函数，评估了不同政策冲击下的异质性福利损失，为应对中国宏观经济转型风险提供有益参考。

二、理论模型

本文在借鉴已有文献的基础上［12，1516］，结合中国现实经济特征，构建了一个环境—动态随机一般均衡（EDSGE）模型，分析“双碳”目标下碳税政策和宏观审慎政策对中国宏观经济的影响效应和作用机制。

（一）家庭部门

假定模型中的家庭部门生存无限期，每期的效用由消费（Ct）和总劳动时长（Lt）决定，Lt=（Lbt）1+ρL+（Lgt）1+ρL1/（1+ρL），Lbt和Lgt分别代表家庭向棕色企业和绿色企业提供的劳动时长。因此，代表性家庭效用最大化的目标函数为

E0∑∞t=0βt/（1－η）Ct－ω-（Lbt）1+ρL+（Lgt）1+ρL（1+ξ）／（1+ρL）/（1+ξ）1－η（1）

其中，β为家庭的主观贴现因子（β<1），ω-为家庭的劳动厌恶程度，ξ为家庭的劳动供给弹性的倒数，η为家庭的风险厌恶系数。

家庭在最大化跨期效用时受到预算约束的限制，即

Ct+Bt+Dt+Tt=wbtLbt+wgtLgt+Rt－1Bt－1Pt－1/Pt+Rd，t－1Dt－1Pt－1/Pt+∏t+Trt （2）

其中，等式左侧表示家庭在每一期的支出，包括用于购买复合消费品（Ct）、家庭持有无风险债券（Bt）、向金融中介提供储蓄存款（Dt）以及政府税收（Tt）。等式右侧表示家庭在每一期的收入，包括向棕色企业和绿色企业提供劳动获得的工资收入wbtLbt和wgtLgt，无风险债券收益Rt－1Bt－1Pt－1/Pt和金融资产收益Rd，t－1Dt－1Pt－1/Pt，来自企业的利润分红（∏t）和政府转移支付（Trt）。根据家庭效用最大化目标可得家庭的随机贴现因子为

Mt，t+1=βCt+1－ω-L1+ξt+1/（1+ξ）－η/Ct－ω-L1+ξt/（1+ξ）－η（3）

家庭部门效用最大化时有关消费和劳动的一阶条件为

C－ηt=βEt（1+Rd，t）（Pt/Pt+1）C－ηt+1（4）

wbt=LbtξCηt，wgt=LgtξCηt（5）

（二）金融中介

金融中介部门从家庭部门吸收储蓄，然后结合自有资金向企业提供贷款。本文在模型中引入金融摩擦，在面对外源冲击时，金融摩擦的存在会对金融中介部门净值产生作用，从而影响整个经济的信贷总量，通过标准的金融加速器摩擦机制，最终放大经济系统对于微小负面冲击的反应［17］。模型中的金融摩擦主要来源于两个方面：一是存贷溢价摩擦，二是金融加速器摩擦。具体设定如下：

本文假设金融中介部门的违约风险主要来源于对外投资失败，以此内生化金融部门违约风险［18］。金融中介部门的预算约束为

QbtSbj，t+QgtSgj，t+Ψ（QgtSgj，t，Wj，t）=（1－ψt）Dj，t+Nj，t（6）

其中，QbtSbj，t和QgtSgj，t分别表示金融中介部门所持有的棕色和绿色资产，Wj，t=QbtSbj，t+QgtSgj，t则表示金融中介部门所持有的总资产。Ψ是二次成本函数，Ψ（QgtSgj，t，Wj，t）=［ψc（QgtSgj，t/Wj，t－S-g）2Wj，t］/2，S-g=QgtSgt/Wt表示金融中介部门最优资产组合时绿色资产占总资产的比重，ψc是金融中介资产组合调整成本参数。ψt为动态存款准备金率，Dj，t和Nj，t则分别表示金融中介获取的存款和所有者权益。

假设t时期金融中介部门持有的棕色和绿色资产平均收益率分别为Rbk，t和Rgk，t，家庭部门的存款收益率为Rt，则单个金融中介的权益运动方程为

Nj，t+1=Rbk，t+1QbtSbj，t+Rgk，t+1QgtSgj，t－Rd，tDj，t（7）

根据Gertler等［19］的研究，假设金融中介部门管理人员存在道德风险，需要通过设定激励约束条件来防止其转移金融资产，具体设定为

Vj，t=Εt∑∞τ～=t+1（1－γ）γτ～－t－1Mt，τ～Nj，τ～≥κ（QbtSbj，t+QgtSgj，t）（8）

其中，Vj，t为t期末金融中介的特许经营权价值，κ为金融中介可转移资产占总资产的比重；Mt，τ～是家庭的随机贴现因子，且Mt，τ～≡βτ～－tU′c，τ～/U′c，t。假设金融中介的特许经营权价值是其总资产净值的线性函数，即Vj，t=φtNj，t，φt≥1是金融中介净值随时间变化的影子价值［17］。式（8）中的激励约束条件可进一步表示为

Qbj，tSbj，t+Qgj，tSgj，t≤φtNj，t/κ（9）

式（9）是捕捉金融加速器和金融部门效率低下的关键方程，表示金融中介所持有的棕色和绿色资产Wj，t不能超过其总资产净值的φt/κ部分，即经济中的资本需求会受到金融中介净值的限制。在本文的校准模型中，式（9）被始终控制在恒等的状态，据此也就确定了金融中介的棕色和绿色资产总额，进而可以得到金融中介所持有的绿色资产为

Sgt=ΕtΩt+1Rgk，t+1－Rbk，t+1－Rd，t/［ψΕtΩt+1Rd，t］+S-g（10）

其中，Ωt+1≡Mt，t+1（1－γ+γφt+1）是金融中介的有效隨机贴现因子。

此外，本文还假设金融中介在每一期都会以1-γ的概率退出市场以防止其资产净值的不断累积，同时还会有新金融中介进入，初始启动资金为ζ∑i={g，b}QitSit/（1－γ），ζ为新进金融中介禀赋资产比例。因此，整个金融中介部门的权益运动方程为

Nt+1=γ∑i={g，b}Rik，t+1QitSit－Rd，tDt+ζ∑i={g，b}QitSit（11）

（三）最终产品部门

两类代表性企业生产最终产品：棕色企业和绿色企业。棕色企业会产生碳排放，造成污染，而绿色企业则不会。这两个生产部门都依赖从金融中介部门获得贷款来购买资本品。

1.生产函数

二氧化碳污染对棕色企业和绿色企业的生产率都有负面影响。假设两种类型的企业都使用柯布道格拉斯生产函数，并投入资本（Kit）和劳动力（Lit），记为

Yit=1－d（Xt）AtKitαiLit1－αi（12）

其中，d（Xt）=d0+d1Xt+d2X2t表示碳排放所造成的的产出损失，Xt是环境中的碳存量。At表示全要素生产率，并假定服从对数AR（1）过程，即logAt=ρAlogAt－1+εA，t，εA，t～Ν0，σ2A。αi∈（0，1）表示企业资本产出份额。

假设棕色企业和绿色企业生产的产品之间具有不完美替代性，且作为中间产品投入生产最终产品，生产函数为

Yt=πb1/ρYYbt+1－πb1/ρYYgt（ρY－1）/ρYρY/（ρY－1）（13）

其中，ρY>0是替代弹性参数，πb是最终产品中棕色产品投入的权重。

2.棕色企业

棕色企业的生产将碳排放作为副产品。碳存量Xt的变化符合以下条件：

Xt=δXXt－1+et+erowt（14）

其中，δX表示二氧化碳存量的自相关系数，et表示当期的国内碳排放量，erowt表示本国以外其他国家（地区）的碳排放量。国内碳排放量et取决于棕色企业产出Ybt和减排努力程度μt，即et=ξe，t1－μthYbt，其中，碳排放技术冲击ξe，t服从对数AR（1）过程，logξe，t=ρξelogξe，t－1+εξe，t，εξe，t～N（0，σ2ξe）。同时，借鉴已有文献做法［10］，令hYbt=Ybtε，ε为碳排放弹性系数。本文将棕色企业的减排成本Zt设定为

Zt=fμtYbt（15）

其中，fμt=θ1μθ2t，θ1和θ2为企业减排努力系数。

在社会经济发展实践中，政府部门可以根据需要决定是否执行碳减排政策。对于棕色企业而言，不同情况下面临的目标函数以及碳排放约束均不相同。

（1）当政府部门不执行减排政策时，棕色企业的减排成本也不存在，其目标函数为

∏bt=pbtYbt－wbtLbt－Rbk，tQbt－1Kbt－1+1－δbQbtKbt－1（16）

此时，劳动力工资率wbt和棕色资产收益率满足的一阶最优条件分别为

wbt=1－αbpbtYbt/Lbt（17）

Rbk，t=αbpbtYbt/Kbt－1+1－δbQbt/Qbt－1（18）

（2）当政府部门执行减排政策时，将向棕色企业征收碳排放税τet，此时棕色企业需要付出一定的碳排放成本和减排成本，棕色企业目标函数为

∏bt=pbtYbt－τetet－Zt－wbtLbt－Rbk，tQbt－1Kbt－1+1－δbQbtKbt－1（19）

此时，劳动力工资率wbt和棕色资产收益率满足的一阶最优条件分别为

wbt=1－αbYbt/Lbtpbt－fμt－τet1－μth′Ybt（20）

Rbk，t=αbYbt/Kbt－1pbt－fμt－τet1－μth′Ybt+1－δbQbt/Qbt－1 （21）

3.绿色企业

与棕色企业类似，绿色企业以市场价格Qgt从资本生产商处购买资本Kgt，并通过向金融中介发行债券Sgt募集资金，且QgtKgt=QgtSgt。绿色企业的一阶最优条件为

wgt=1－αgpgtYgt/Lgt（22）

Rgk，t=αgpgtYgt/Kgt－1+1－δgQgt/Qgt－1（23）

（四）资本品生产企业

模型中的资本品生产企业在t期初从企业处收购使用后的资本1－δiKit-1，并结合新的投资Iit生产新的资本品Kit。资本品的跨期累积方程为

Kit=1－δiKit-1+Iit，i={g，b}（24）

参考Christiano等［20］的研究，本文假设新资本品在生产过程中存在一定的调整成本，1单位新的投资需要消耗［1+φi（Iit/Iit－1－1）2/2］单位成本，φi为调整成本参数。因此，资本品生产企业的目标函数为

maxIiti={g，b}Ε0∑∞t=0M0，t∑i={g，b}QitIit－1+ξIi，tφi/2Iit/Iit－1－12Iit（25）

其中，投资技术冲击ξIi，t服从对数AR（1）过程，logξIi，t=ρξIilogξIi，t－1+εξIi，t，εξIi，t～N（0，σ2ξIi）。资本品市场价格Qit满足的一阶最优条件为

Qit=1+φi/2Iit/Iit－1－12+φiIit/Iit－1－1（Iit/Iit－1）－ΕtMt，t+1φiIit+1/Iit－1Iit+1/Iit2 （26）

（五）政府部门

1.财政政策

根据前文模型设定，假设政府部门采用财政政策需满足的预算约束条件为

Bt+Tt+τetet=Rt－1Bt－1Pt－1/Pt+Gt+Trt（27）

其中，Gt为政府购买支出，服从对数AR（1）过程，logGt=ρGlogGt－1+εG，t，εG，t～N（0，σ2G）。

2.货币政策

借鉴常用做法，假设货币政策服从泰勒规则：

Rt=R（πt/π）ρπ（Yt/Yt－1）ρYξR，t（28）

其中，ρπ为利率对通货膨胀的反应系数，ρY为利率对产出的反应系数；R为名义利率的稳态值，π为通货膨胀率的稳态值。货币政策冲击ξR，t服从对数AR（1）过程，logξR，t=ρξRlogξR，t－1+εξR，t，εξR，t～N（0，σ2ξR）。

3.宏观审慎政策

在宏观审慎政策规则设定方面，结合前文模型设定，假设政府部门主要采用两种宏观审慎政策工具。

一是逆周期资本充足率。类似于《巴塞尔协议Ⅲ》中对高风险业务征收更高的资本金，假定政府部门根据企业贷款风险的动态变化来逆向调整资本充足率。具体规则为

ρt=ρdρc，t（29）

其中，ρt为逆周期资本充足率，ρd和ρc，t分别为法定资本充足率和补充资本充足率。ρc，t=φt/φ-θ，θ为调控力度，中间厂商（棕色企业和绿色企业）的违约概率偏离程度越高，逆周期资本充足率要求越高。

二是动态存款准备金率。借鉴已有文献［2122］，本文假定存款准备金率政策采用既钉住经济变量又钉住金融变量的规则进行动态调整：

ψt=ψκψt－1ψ（Yt/Yt－1）κY（πt/π）κπ（φt/φt－1）－κφ（φt/φt－1）－κφ1－κψξψ，t（30）

宏观审慎政策冲击ξψ，t服从对数AR（1）过程，logξψ，t=ρξψlogξψ，t－1+εξψ，t，εξψ，t～N（0，σ2ξψ）。ψ和κψ分别为存款准备金率的稳态值和平滑系数，κY、κπ、κφ和κφ分别为存款准备金率对产出、通货膨胀、银行杠杆率及违约风险的反应系数。

（六）市场出清

模型满足的市场出清条件为

Yt=Ct+It+Gt+［ψc（QgtSgj，t/Wj，t－S-g）2Wj，t］/2+φ/2（It/It－1－1）2It+Zt（31）

三、参数估计和校准

本文模型中的参数主要分为两类：一类是标准性参数，根据DSGE模型代表性研究的參数设定来校准；另一类是结构性参数，在借鉴最新的DICE模型等研究结果的基础上，使用季度频率的中国实际宏观数据进行贝叶斯估计。

（一）标准性参数的校准

借鉴文献常见做法，本文设定家庭的主观贴现因子β=0.995，风险厌恶系数η=2，劳动供给弹性的倒数ξ=2，劳动厌恶程度ω-=1/3；参考何国华等［23］的研究，设定资本季度折旧率标准值δb=δg=0.025；长期以来，中国劳动报酬占总产出的比重一直低于世界很多国家的55%～65%的水平，2005—2020年的平均比重仅48%左右，考虑到统计核算误差以及经济中棕色企业资本密集度要高于绿色企业，同时参考现有文献［7，15］，本文将绿色企业资本产出份额设定为αg=0.45，棕色企业资本产出份额设定为αb=0.5；参考Annicchiarico等［11］的研究，设定部门间劳动替代弹性ρL=1，产品间替代弹性ρY=2；对于最终产品中棕色产品投入的权重，本文参考刘锡良等［24］的研究，令πb=0.42；此外，参考梅冬州等［25］的经验做法，设定绿色企业和棕色企业两个部门的资本调整成本参数φb=φg=10。

（二）结构性参数的校准

结构性参数主要包括环境方面的参数、银行方面的参数以及外生冲击相关的参数。

对于环境方面的参数，根据已有研究［2627］，过去250年全球碳储量的平均值为2 030 GtC（1GtC为10亿吨碳），本文借鉴该研究成果，将稳态碳排放水平设置为2 030 GtC。根据Gibson等［28］关于污染损失函数的研究结果，本文设定参数d0=-0.007 6，d1=8.10×10-6，d2=1.05×10-8。针对棕色企业减排成本函数中的参数，参考Nordhaus［26］的做法，设定企业减排努力系数θ1=0.033 5，θ2=2.6，二氧化碳存量的自相关系数δX=0.996 5。2005年以来，中国碳排放量一直高居世界榜首。2020年，碳排放量达到98.99亿吨，同比增长0.6%，再创历史新高，占全球碳排放量的比重也提升至30.7%。与此同时，全球主要国家（地区）中仅中国碳排放量保持增加，其他所有国家（地区）均出现下滑，如图1所示。因此，本文假设全球其他国家（地区）的碳排放量总和在未来几年基本保持不变，即erowt=erow，并将erow设定为国内稳态排放值的2倍。

对于银行方面的参数，本文借鉴已有经验做法［17，22］，设定金融中介生存率γ=0.97，金融中介管理者可转移资产比例κ=0.34，新进金融中介禀赋资产比例ζ=0.003。为了保证金融中介的稳态投资组合具有确定性，本文参考Diluiso等［12］的做法，将金融中介资产组合调整成本系数设置为一个非常小的数值，ψ=0.000 1。同时考虑到国内金融部门绿色资产的投资组合份额占比一般为60%，故将g设定为0.6。

此外，对于棕色企业的碳排放冲击系数、外生冲击相关的参数，本文通过使用季度频率的中国实际宏观数据进行贝叶斯估计，相关参数的先验分布和贝叶斯后验估计结果如表1所示。样本区间为2001年第一季度—2020年第四季度，数据均来源于CEIC数据库、Wind数据库、中经网统计数据库以及中国人民银行公布的数据。

四、数值模拟：碳税政策和宏观审慎政策的效应评价

基于上述模型，本文利用MATLAB环境下的Dynare工具箱首先分别模拟“双碳”目标下，碳税政策和宏观审慎政策的宏观经济效应，然后在此基础上进一步对碳税政策和宏观审慎政策的综合产出效应进行数值模拟，并进行效力评价。

（一）碳税政策的宏观经济效应分析

1.永久性碳税

由于中国尚未正式对碳排放进行征税，本文通过求解拉姆齐最优碳税作为相应的碳税冲击。通过模型模拟，求得拉姆齐最优碳税为0.007 74。2021年中国GDP约为114.37万亿元人民币、二氧化碳排放量约为101.5亿吨，最优碳税折算后大约对应每吨二氧化碳37.6元，该结果既接近当前中国碳排放市场的交易价格，也与现有研究结果每吨二氧化碳38.4元基本一致［7］。

图2具体刻画了面对永久性碳税政策冲击，不同金融摩擦条件下主要宏观经济变量的变动情况。可以看出，经济最开始处于基线稳定状态，在第5期引入永久性的碳税政策（每吨二氧化碳37.6元）。在两种情形中，面对永久性碳税政策冲击，碳排放量均会出现永久性的下降，产出会在小幅上升后陷入持续衰

图2 永久性碳税政策冲击下的宏观经济效应

注：图中纵轴为偏离稳态的百分比，横轴为以季度为单位的模拟时期。

退，而通货膨胀则会出现短暂上升，然后转向通货紧缩。这主要是因为，突然的、永久性的气候政策会导致经济体对绿色产品的有效需求上升，但由于绿色产品价格高于棕色产品，故而会抬升整个经济体的通货膨胀率，带动短期有效需求上升，从而使产出出现短暂的上升。同时，永久性碳税政策的实施会导致银行净值迅速下降约8%，随后出现反弹。这主要是因为，气候政策会放大金融部门的违约风险，进而导致银行净值出现快速下降，而伴随着银行违约风险的降低，银行净值也逐渐出现回升。此外，绿色投资下降后会快速上升，这是因为从短期来看，气候政策会导致资产收益率下降，信贷供给下降，进而导致绿色投资下降，但从长远来看，永久的气候政策又会导致经济体对绿色产品的有效需求不断上升，经济体中原有的棕色投资会转向绿色投资，所以绿色投资持续增加。

两种情形下脉冲反应幅度也呈现出显著差异。具体来说，永久性碳税政策冲击下，不存在金融摩擦情形中，产出、投资、银行净值、银行风险、通货膨胀、存款利率和杠杆率等宏观经济变量反映幅度均更小，仅绿色资产在经历短暂下降后反映幅度更大。这主要是因為，存在金融摩擦时，在金融加速器作用下，绿色投资下降更多、上升更慢，而不存在金融摩擦时，永久性碳税政策实施后，经济快速从棕色投资转向绿色投资，绿色资产因此扩张，棕色资产趋于萎缩。

上述结果表明，在确定性模拟下，永久性碳税政策的实施可以产生很好的碳减排效果，但与此同时，也会带来一定的过渡风险。对比两种情形，存在金融摩擦时，碳税冲击所导致的经济的波动性更大，这间接证明了本文内生化金融部门违约风险非常必要。因此，“双碳”目标下，金融摩擦伴随的过渡风险需要政策当局引起足够的重视。

2.渐进式碳税

考虑到“双碳”目标的实现需要将碳排放的外部性完全内生化，永久性碳税可能很难解决问题，因此，需要在未来实施渐进式碳税。渐进式碳税不同于永久性碳税，它通过逐步提高税率，可以在一定程度上降低碳税政策对企业造成的成本冲击［7，26］。鉴于此，本文还进一步在图3中模拟了渐进式碳税政策的宏观经济效应。

图3 渐进式碳税政策冲击下的宏观经济效应

注：图中纵轴为偏离稳态的百分比，横轴为以季度为单位的模拟时期。

在模拟分析过程中，本文先将碳税从较低的水平开始，到第30期时增加到有效水平（每吨二氧化碳37.6元），然后永久保持在该有效水平。从中可以看出，在渐进式碳税冲击下，碳排放强度会随着碳税税率的上升而下降，且下降速度逐渐放缓。相比较而言，虽然减排效果没有永久性碳税立竿见影，但长期来看成效依旧明显。随着碳排放的下降，产出、绿色投资的稳态值都会上升，有效避免了突然的、永久性的碳税政策对宏观经济造成的较大负面冲击，保持经济发展韧性。这主要是因为：一方面，渐进式碳税政策冲击，更有利于金融机构将棕色投资向绿色投资转变，避免投资大幅减少，从而保持经济稳定；另一方面，一开始企业利润的下降导致产出水平下降，但实际碳排放量的下降又改善了生态环境质量，减少了污染损失，提高了总产出。此外，需要注意的是，渐进式碳税政策冲击下，通货膨胀也处于一个较低且稳定的水平。这主要是因为，不同于永久性碳税政策，渐进式碳税政策并没有导致棕色产品供给大幅下降，反而是先上升后缓慢下降，进而避免了绿色产品价格出现快速上涨，抬高整体物价，引发滞胀。

（二）宏观审慎政策的宏观经济效应分析

外源性碳税政策的引入虽然有利于实现“双碳”目标，但会伴随一定的过渡风险，接下来，本文模拟政府采用宏观审慎政策的宏观经济效应，考察宏观审慎政策是否可以有效缓解因金融摩擦带来的这种过渡风险。假设在没有引入碳税政策之前，政府部门通过逆周期资本充足率和动态存款准备金率两种宏观审慎政策工具改变金融中介部门的稳态投资组合构成，促进“双碳”目标的实现。图4刻画了两种宏观审慎政策工具冲击下的具体模拟结果。

图4 宏观审慎政策冲击下的宏观经济效应

注：图中纵轴为偏离稳态的百分比，横轴为以季度为单位的模拟时期。

可以看出，在第5期引入宏观审慎政策后，逆周期资本充足率和动态存款准备金率模型各变量的脉冲响应反应基本相同，仅在大小方面存在差异。具体而言，相较于动态存款准备金率，当采用逆周期资本充足率宏观审慎政策工具时，碳排放量下降更加明显，产出、投资、银行净值、通货膨胀、银行杠杆率等经济变量波动幅度更小。这表明在“双碳”目标下，逆周期资本充足率宏观审慎政策规则要优于动态存款准备金率宏观审慎政策规则。这可能是由于逆周期调节能够降低杠杆率的波动，从而降低企业受到流动性风险冲击时资金链断裂的风险，避免违约概率在流动性风险冲击下出现大幅上升或资本收益率出现大幅下降，提升金融和经济稳定效果。

（三）碳税政策和宏观审慎政策的综合效应分析

根据前文的模拟分析，在“双碳”目标下，无论是碳税政策还是宏观审慎政策都可以起到一定的减排效果，但同时也会造成一定的宏观经济冲击。相比较而言，碳税政策减排效果更加显著，但不利于宏观经济稳定；宏观审慎政策减排效果虽然有限，但有利于维护宏观经济稳定。为此，本文将同时引入碳税政策和宏观审慎政策，进一步模拟两种政策冲击下的綜合效应，通过比较选择有效的减排政策设计。图5模拟了四种政策组合脉冲响应结果。可以看出，在第5期同时引入碳税政策和宏观审慎政策后，四个模型的碳排放量均出现永久性下降，而且与图2和图3中的单独实行碳税政策相比，碳税政策和宏观审慎政策同时实施，减排效果更加明显，在模拟期内，碳排放量巨降后还会呈现出进一步下降的趋势。四个模型的总产出、总投资的下滑幅度均小于图2和图3中的单一碳税政策冲击，同时银行净值的下滑幅度以及银行杠杆率的上升幅度也均小于图2和图3中的脉冲响应结果。上述结果表明，引入宏观审慎政策后，碳税政策冲击下的经济波动和金融风险均有所改善，因此，政策当局需同时使用碳税政策和宏观审慎政策，这样既能保证“双碳”目标的顺利实现，又能降低过渡风险，平衡经济稳定与金融稳定，符合当前中国政府提出的“稳字当头、稳中求进”全局性任务要求。此外，对比图5中四种政策搭配的脉冲响应结果可以看出，“渐进式碳税政策+逆周期资本充足率政策”的政策组合设计模拟结果表现最优。

图5 碳税政策和宏观审慎政策冲击下的综合效应

注：图中纵轴为偏离稳态的百分比，横轴为以季度为单位的模拟时期。

五、进一步讨论：不同政策冲击下的异质性福利损失估计

为更好评估“双碳”目标下两种政策的重要性及其有效性，本文还将使用福利损失函数法来评估外生冲击下社会福利的变化。在传统社会福利损失函数基础上，借鉴现有文献［21］，通过引入碳排放构建新的社会福利损失函数，具体形式如下：

W=1/2E0∑∞t=0βt（λ1y2t+λ2π2t+λ3φ2t+λ4e2t）（32）

其中，β为主观贴现因子，取值与前文一致；y表示产出，π表示通货膨胀率，φ表示金融稳定（采用金融机构不良贷款率作为代理指标），e表示碳排放；λ1、λ2、λ3和λ4分别为政策当局的目标偏好参数。本文设定五种典型的情况以代表政策当局不同的目标偏好：（1）Ω1={λ1=1，λ2=1，λ3=1，λ4=1}，表示政策当局对产出、通货膨胀、金融稳定和碳排放具有相同的偏好；（2）Ω2={λ1=2，λ2=1，λ3=1，λ4=1}，表示政策当局的主要目标是经济增长；（3）Ω3={λ1=1，λ2=2，λ3=1，λ4=1}，表示政策当局的主要目标是物价稳定；（4）Ω4={λ1=1，λ2=1，λ3=2，λ4=1}，表示政策当局的主要目标是金融稳定；（5）Ω5={λ1=1，λ2=1，λ3=1，λ4=2}，表示政策当局的主要目标是低碳转型。

基于上述设定，不同政策冲击下的异质性福利损失估计情况如表2所示。可以看出，在没有任何政策冲击下Ω1的值最大，这说明政府部门并没有设定相应的转型目标，也就意味着企业都不会主动将生产负外部性内部化，从而导致市场失灵，使经济处于低效率状态，造成较大社会福利损失。在绝大部分情况下，逆周期资本充足率或是动态存款准备金率宏观审慎政策规则的加入都能够减少社会福利损失，这与上文脉冲响应模拟结果是一致的。从各政策组合的福利损失对比来看，采用对金融稳定重视程度最高的Ω4权重结构时，宏观审慎政策的引入对社会福利增进效果最为显著；采用对低碳转型重视程度最高的Ω5权重结构时，效果次之；采用对物价稳定重视程度最高的Ω3权重结构时，效果再次；采用对产出波动重视程度最高的Ω2权重结构时，效果最差。

总体来看，表2的福利分析结果表明，无论采用何种权重结构的社会福利函数，宏观审慎政策的加入均能在总体上减小经济和金融的波动，从而增进社会福利。这意味着，基于碳税政策和宏观审慎政策组合使用的政策搭配设计在总体上要优于单一使用碳税政策。特别是，当政策当局将低碳转型视为重要的政策目标时，最宜采用“渐进式碳税政策+逆周期资本充足率宏观审慎政策”，可以显著降低社会福利损失。该结果与前文中关于不同政策冲击下对宏观经济影响的脉冲响应分析结果相一致。

六、结论与政策建议

本文在标准的DSGE模型框架下，引入环境因素和金融摩擦机制，构建一个符合中国经济结构性特征的环境—动态随机一般均衡（EDSGE）模型，模拟分析了碳税政策和宏观审慎政策对中国宏观经济的影响效应和作用机制，并对不同政策冲击下的异质性福利损失进行估计。主要得到以下结论：（1）碳税政策有助于中国实现低碳转型，但会伴随一定的过渡风险，短期内出现政策性衰退。在面对碳税政策冲击时，相较于永久性碳税政策，渐进式碳税政策更加有效，有助于缓解碳税政策冲击造成的负面影响。（2）在金融加速器效应下，金融摩擦会明显放大碳税政策对宏观经济的负面影响，通过引入逆周期资本充足率或动态存款准备金率宏观审慎政策规制，可以有效解决金融摩擦问题，进而在一定程度上降低“双碳”目标下出现大幅经济衰退的风险；但仅靠宏观审慎政策在解决气候外部性方面表现不佳，无法保证“双碳”目标的实现。（3）通过将碳税政策和宏观审慎政策同时纳入政策工具箱，尤其是采用“渐进式碳税政策+逆周期资本充足率宏观审慎政策”这种搭配设计，不但减排效果显著，还可以明显降低过渡风险，稳定经济增长，提高居民福利。

根据以上结论，本文得到如下政策启示：第一，中国政府应将碳税作为中长期实现“双碳”目标的重要环境经济手段，建议由国家税务总局等相关部门牵头，力争“十四五”期间推出从碳排放的源头征收的碳排放税。同时，在进行碳税税率设计时，应采取渐进式策略，即先设定一个较低的税率，后期再逐步提高，以此降低碳税突然实施对宏观经济造成的负面冲击。第二，由于金融部门的风险规避效应会显著放大碳税政策的负面影响，中国政府应考虑纳入逆周期资本充足率或动态存款准备金率宏观审慎政策规制，在一定程度上鼓励金融部门进行风险分担，有效应对绿色低碳转型过程中可能伴随的经济、金融、社会风险，防止过度反应，确保安全降碳。第三，由于碳税政策和宏观审慎政策工具箱都有多种具体政策工具，不同工具组合对宏观经济的影响可能存在差异，正确认识这些差异并根据实际情况选择合适的工具组合对“双碳”目标顺利实现具有重要意义。

参考文献：

［1］ WEITZMAN M L. Prices vs. quantities［J］. Review of Economic Studies， 1974， 41（4）： 477491.

［2］ HEUTEL G， FISCHER C. Environmental macroeconomics： environmental policy， business cycles and directed technical change［J］. Annual Review of Resource Economics， 2013， 5（1）： 197210.

［3］ DISSOU Y， KARNIZOVA L. Emissions cap or emissions tax？ A multisector business cycle analysis［J］. Journal of Environmental Economics & Management， 2016， 79（9）： 169188.

［4］ 王文軍， 谢鹏程， 李崇梅， 等. 中国碳排放权交易试点机制的减排有效性评估及影响要素分析［J］. 中国人口·资源与环境， 2018（4）： 2634.

［5］ 丁冠群， 王铮， 孙翊. 基于多行业DSGE模型的中国碳减排政策效应［J］. 中国人口·资源与环境， 2022（1）： 1930.

［6］ RICHARD G N， WILLIAM A P. Regulating stock externalities under uncertainty［J］. Journal of Environmental Economics and Management， 2003， 45（2）： 416432.

［7］ 王博， 徐飘洋. 碳定价、双重金融摩擦与“双支柱”调控［J］. 金融研究， 2021（12）： 5774.

［8］ 李毅， 石威正， 胡宗义. 基于CGE模型的碳税政策双重红利效应研究［J］. 财经理论与实践， 2021（4）：8289.

［9］ 刘海英，郭文琪.碳排放权交易政策试点与能源环境效率：来自中国287个地级市的实证检验［J］.西安交通大学学报（社会科学版），2022（5）：7286.

［10］HEUTEL G. How should environmental policy respond to business cycles？ Optimal policy under persistent productivity shocks［J］. Review of Economic Dynamics， 2012， 15（2）： 244264.

［11］ANNICCHIARICO B， DI DIO F. Environmental policy and macroeconomic dynamics in a new Keynesian model［J］. Journal of Environmental Economics and Management， 2015， 69（1）： 121.

［12］DILUISO F， ANNICCHIARICO B， KALKUHL M， et al. Climate actions and stranded assets： the role of financial regulation and monetary policy［R］. CESifo Group Munich Working Paper， No. 8486， 2020.

［13］王博， 宋玉峰. 气候变化的转型风险对宏观经济和金融稳定的影响：基于存量流量一致性模型视角［J］. 经济学动态， 2020（11）： 8499.

［14］TAYLER W J， ZILBERMAN R. Macroprudential regulation， credit spreads and the role of monetary policy［J］. Journal of Financial Stability， 2016， 26（C）： 144158.

［15］IACOVIELLO M. Financial business cycles［J］. Review of Economic Dynamics， 2015， 18（1）： 140163.

［16］馬勇， 姚驰. 双支柱下的货币政策与宏观审慎政策效应：基于银行风险承担的视角［J］. 管理世界， 2021（6）： 5169.

［17］GERLER M， KARADI P. A model of unconventional monetary policy［J］. Journal of Monetary Economics， 2011， 58（1）： 1734.

［18］ANGELONI I， FAIA E， DUCA M L. Monetary policy and risk taking［J］. Journal of Economic Dynamics and Control， 2015， 52（3）： 285307．

［19］GERTLER M， KIYOTAKI N. Financial intermediation and credit policy in business cycle analysis［J］. Handbook of Monetary Economics， 2010（3）： 547599.

［20］CHRISTIANO L J， EICHENBAUM M， EVANS C L. Nominal rigidities and the dynamic effects of a shock to monetary policy［J］. Journal of Political Economy， 2005， 113（1）： 145.

［21］马勇， 付莉. “双支柱”调控、政策协调搭配与宏观稳定效应［J］. 金融研究， 2020（8）： 117.

［22］张云， 李俊青， 张四灿. 双重金融摩擦、企业目标转换与中国经济波动［J］. 经济研究， 2020（1）： 1732.

［23］何国华， 李洁. 跨境资本流动的国际风险承担渠道效应［J］. 经济研究， 2018（5）： 146160.

［24］刘锡良， 文书洋. 中国的金融机构应当承担环境责任吗：基本事实、理论模型与实证检验［J］. 经济研究， 2019（3）： 3854.

［25］梅冬州， 宋佳馨. 金融业开放与宏观经济去杠杆［J］.中国工业经济， 2021（10）： 7897.

［26］NORDHAUS W. Evolution of modeling of the economics of global warming： changes in the DICE model， 19922017［J］. Climatic Change， 2018， 148（4）： 623640.

［27］PINDYCK R S. The social cost of carbon revisited［J］. Journal of Environmental Economics and Management， 2019， 94（3）： 140160.

［28］GIBSON J， HEUTEL G. Pollution and labor market search externalities over the business cycle［R］. NBER Working Paper， No. 27445， 2020.

［本刊相關文献链接］

［1］ 冯素玲，许德慧，张榕.数字金融发展如何赋能二氧化碳减排：来自地级市的经验证据［J］.当代经济科学，2023（4）：1528. 

［2］ 邓翔，何瑞宏.房产税改革、宏观审慎政策与房地产市场长效机制［J］.当代经济科学，2023（4）：2944. 

［3］ 袁晓玲，郭一霖，黄涛，等.碳汇银行：碳汇生态产品价值实现路径的创新模式研究［J］.当代经济科学，2023（4）：5971. 

［4］ 王遥，任玉洁.“双碳”目标下的中国绿色金融体系构建［J］.当代经济科学，2022（5）：113.

［5］ 韦东明，顾乃华.城市低碳治理与绿色经济增长：基于低碳城市试点政策的准自然实验［J］.当代经济科学，2021（4）：90103.

［6］ 吴立元，刘研召，赵扶扬，等.PPI与CPI背离、金融摩擦异质性与货币政策选择［J］.当代经济科学，2021（3）：115.

［7］ 王博，徐飘洋.经济不确定性、资产再平衡与中国经济波动［J］.当代经济科学，2021（1）：1833.

［8］ 郭娜，彭玉婷，冯立.影子银行、金融风险与宏观审慎监管有效性［J］.当代经济科学，2021（2）：1626.

［9］ 马勇，刘琳箫.金融周期、经济活动与宏观政策：最新文献述评［J］.当代经济科学，2020（4）：8089.

［10］丁凡琳，陆军.居民能耗碳强度测算及其空间影响研究：来自中国285个地级市面板数据［J］.当代经济科学，2020（2）：92103.

［11］唐慧玲.低碳经济背景下绿色供应链中政企博弈的研究：基于企业自主减排的目标［J］.当代经济科学，2019（6）：108119.

［12］姜佳祺，许志伟.经济波动与宏观审慎：银行负债渠道的视角［J］.当代经济科学，2019（5）：5261.

［13］赵胜民，梁璐璐，罗琦.宏观审慎体制下的金融摩擦与房地产市场［J］.当代经济科学，2015（1）：4755.

编辑：郑雅妮，高原