中国试点碳市场有效性的决定因素

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

吴伟光^,¹^,²^,³, 祝雅璐¹, 顾光同^,¹^,²^,³

1.浙江农林大学经济管理学院,杭州 311300

2.浙江农林大学浙江省乡村振兴研究院,杭州 311300

3.浙江农林大学生态文明与碳中和研究院,杭州 311300

Determinants of the effectiveness of China’s pilot carbon market

WU Weiguang^,¹^,²^,³, ZHU Yalu¹, GU Guangtong^,¹^,²^,³

1. School of Economics and Management, Zhejiang A&F University, Hangzhou 311300, China

2. Research Academy for Rural Revitalization of Zhejiang Province, Zhejiang A&F University, Hangzhou 311300, China

3. Institute of Ecological Civilization & Institute of Carbon Neutrality, Zhejiang A&F University, Hangzhou 311300, China

通讯作者: 顾光同,男,云南宣威人,副教授,研究方向为数量经济、绿色金融、环境经济学。E-mail: guguangtong@163.com

收稿日期:2020-08-13修回日期:2020-11-8

基金资助:

国家社会科学基金项目(19BGL158)
国家自然科学基金项目(71873126)
浙江省自然科学重点项目(LZ19G030001)

Received:2020-08-13Revised:2020-11-8
作者简介 About authors
吴伟光,男,浙江缙云人,教授,研究方向为资源与环境经济学。E-mail: wuwgccap@126.com

摘要
温室气体大量排放引起的全球变暖受到广泛关注,中国政府试图通过发展碳市场以缓解气候变化问题和实现经济的绿色可持续发展。碳市场的有效性不仅对于能否实现减排目标、有效降低减排成本有重要影响,而且对我国统一碳市场的建立具有重要参考价值。目前全国统一碳市场正处于政策设计、基础建设和模拟运行阶段,由于碳交易是人为创设的市场,配额分配、惩罚、可抵消等政策制度对其有效性的影响值得深入分析。本文基于我国7省市试点碳市场碳交易历史数据,首先构造指标体系,对试点碳市场有效性进行测度;然后建立双向固定效应模型,定量估计了政策制度因素差异对市场有效性的影响,旨在为优化我国统一碳市场政策制度、从而提高碳市场有效性提供依据。研究表明：①2014—2018年,我国7省市试点碳市场有效性峰值在一年之中二、三季度出现。各试点碳市场有效性相差较大,其中,湖北碳市场有效性最高,而天津、重庆碳市场有效性较低。②相较于需求状况而言,目前碳市场的供给状况对碳市场有效性的影响更大。从需求角度来看,控排企业数量、惩罚力度对有效性的影响较大;从供给角度来看,配额总量的影响作用较大。③宏观经济产业结构对碳市场有效性影响明显,尤其是三产比重。④地区可再生能源占比对碳市场有效性具有正面影响。基于上述研究结论,本文认为目前应重点完善配额发放模式、惩罚机制和逐步增加控排企业数量,以提高碳市场有效性。
关键词： 试点地区;碳市场有效性;基于熵的TOPSIS方法;双向固定效应模型;政策制度

Abstract

Global warming caused by massive emissions of greenhouse gases has attracted widespread attention. The Chinese government tries to alleviate the problem of climate change and achieve green and sustainable economic development by developing the carbon market. The effectiveness of the carbon market not only has an important impact on achieving emission reduction targets and effectively lowering emission reduction costs, but also has important reference value for the establishment of a unified carbon market in China. At present, the national unified carbon market is in the stage of policy design, infrastructure construction, and simulation operation. Since carbon trading is an artificial market, the impact of quota allocation, punishment, offsetting and other policies and systems on its effectiveness is worthy of in-depth analysis. Based on the historical data of carbon trading market in seven cities and provinces, this study first constructed an indicator system to measure the effectiveness of the pilot carbon market, and then established a two-way fixed effects model and quantitatively estimated the impact of policy and institutional factors on market effectiveness. It aimed to provide a basis for optimizing China’s unified carbon market policy and institution, so as to improve the effectiveness of the carbon market. The research results show that: (1) From 2014 to 2018, the effectiveness of the pilot carbon market in seven cities and provinces in China peaked in the second and third quarters of the year. The effectiveness of the carbon market in the pilot areas varied greatly, among which the carbon market in Hubei Province was the most effective, while Tianjin and Chongqing’s carbon markets were less effective. (2) Currently the supply situation of the carbon market has a greater impact on the effectiveness of the carbon market than the demand situation. From a demand perspective, the number of companies that control emissions and the intensity of punishment have a greater impact on effectiveness. From a supply perspective, the total amount of allowances has a greater impact. (3) The macroeconomic industrial structure has a significant impact on the effectiveness of the carbon market, especially the proportion of tertiary industries. (4) The proportion of regional renewable energy has a positive impact on the effectiveness of carbon market. Based on these conclusions, the current focus should be to improve the quota distribution mode, improve the penalty mechanism, and gradually increase the number of companies that control emissions to improve the effectiveness of the carbon market.

Keywords：pilot areas;carbon market effectiveness;TOPSIS method based on entropy;two way fixed effect model;policy system

PDF (2210KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
吴伟光, 祝雅璐, 顾光同. 中国试点碳市场有效性的决定因素[J]. 资源科学, 2021, 43(10): 2119-2129 doi:10.18402/resci.2021.10.15
WU Weiguang, ZHU Yalu, GU Guangtong. Determinants of the effectiveness of China’s pilot carbon market[J]. RESOURCES SCIENCE, 2021, 43(10): 2119-2129 doi:10.18402/resci.2021.10.15

1 引言

气候变化是当今世界各国共同面临的重大挑战,碳交易机制被认为是实现温室气体减排最为有效的途径^[1]。目前全球已有21个碳交易排放体系正在运行^[2]。我国于2013年率先在北京、上海等7个省市试点探索建立碳交易,并于2017年开始着手推进全国统一碳市场建设,2021年全国碳市场首个履约周期正式启动。碳市场有效性对于实现我国承诺的减排目标,有效降低减排成本,提高中国在全球碳市场中的地位及国际气候变化中的发言权等均有重要影响。但我国试点碳市场仍是新兴市场,交易主体大部分是纳入强制减排的企业,且控排企业参与碳市场交易的积极性不强,导致碳市场活跃度和流动性不高,整体有效性偏低。与欧盟等国际较为成熟的碳市场相比,我国试点碳市场存在配额总量和配额分配方法不合理、碳排放数据的数量和质量较低、法律基础薄弱等不足,在发展过程中,碳排放配额分配方式、配额总量及覆盖面相关的制度亟需改进。因此,对我国试点碳市场有效性作出科学评估,并探究影响市场有效性的制度性因素,对于我国统一碳市场建设及提高运行效率具有重要借鉴意义。

围绕我国试点碳市场有效性已有一定的研究积累,但尚不深入。夏晖等^[3]、王文举等^[4]、赵永斌等^[5]、潘晓滨^[6]就中国试点碳市场配额总量和分配方法的优化,王文军等^[7]就碳市场制度的评价,谭冰霖^[8]就如何完善市场制度与法律进行了探讨。吕靖烨等^[9]、Liu等^[10]、易兰等^[11]、Zhang等^[12]对中国试点碳市场的有效性和发育度等进行了测算和评价。但已有相关研究往往将碳市场有效性与政策制度因素割裂开来;换句话说,并没有在对有效性进行测度的基础上,研究政策制度因素对市场有效性的定量影响。同时,已有碳市场有效性评价指标体系设置也存在一定的缺陷：①基于年度数据进行评价缺乏时效性;②仅仅以市场主体数量来衡量市场结构缺乏全面性。

鉴于此,本文拟以我国7省市试点碳市场为对象,首先,对已有有效性指标体系进行完善,并基于更具时效性的季度时频数据,对试点碳市场有效性进行定量测度;然后,构建双向固定效应模型,定量分析碳市场有效性的决定因素,进而提出相应政策建议。

2 机制分析与研究方法

2.1 政策制度对碳市场有效性的影响机制分析

碳市场是人为建立的市场交易体系,碳市场政策制度与交易规则对碳市场供给与需求状况及其有效性有直接影响^[13,14],惩罚规模、配额分配等制度会对碳价格产生影响^[15]。碳市场政策等对供给和需求产生影响,供给、需求状况的改变会影响有效性,有效性又主要体现在试点省市与碳配额相关的市场交易中,包括市场交易价格和交易量,进而影响市场的规模、活跃度和波动性等。总体来说,在地区经济、能源、环境既定的条件下,碳市场供给与需求状况取决于控排企业实际排放量与政府碳配额发放情况,以及相应的违约惩罚力度与允许的抵消比例。图1是政策制度因素对市场有效性的影响机制示意图。

图1

新窗口打开|下载原图ZIP|生成PPT
图1碳市场政策制度对有效性影响机制图

Figure 1Impact mechanism of policies and institutions on carbon market effectiveness

具体而言,从需求角度来看,在其他条件既定的情况下,纳入控排的覆盖行业范围越大、纳入门槛越低、控排企业数量越多,实际碳排放量相应就越大,理论上可能的需求量也就越大。此外,碳需求还取决于政府对控排企业违约的惩罚力度,惩罚力度越大、企业不履约的成本越高,相应的需求也就越大,从而市场有效性越高。

从供给角度来看,主要来源于政府发放的配额数量以及允许抵消比例。一般而言,政府发放的免费配额越多,则允许抵消比例越大,进而碳市场供给量越大;在市场需求既定的情况下,那么市场有效性就越低。

2.2 有效性测度指标体系构建

科学合理的指标体系是碳市场有效性测度的关键。国际著名金融经济学家Fama于1965年提出有效市场理论,并于1970年提出有效市场假说,将市场划分为强式有效、半强式有效、弱式有效市场3种形式。Daskalakis等^[16]根据Fama的理论与假说把碳金融市场的有效性定义为：碳配额的价格反映了碳市场内外的所有信息。由此可见,碳市场有效性本质上是反映价格对碳市场内外信息的充分程度。活跃度是评价碳市场有效性的核心因素,但由于目前碳市场作为新兴市场仍较不成熟,仅依靠活跃度无法准确评价,因此,本文在参考已有相关研究指标体系的基础上^[11,12,17],选择市场规模、市场结构、市场活跃度、市场波动性4个一级指标,并对二级指标进行了优化与改进。例如,考虑到交易主体和产品均会对有效性产生一定影响,在市场结构指标下设置交易主体和产品种类两个二级指标,而不是仅通过交易主体数量来测算^[18];考虑到目前试点市场交易主要集中在第二、三季度,以年度数据评价市场有效性,无法反映年度内不同时期的差异,测度结果缺乏时效性^[11],本文将以季度为时间单位对碳市场有效性进行评价。具体评价指标（表1）选择如下：

Table 1
表1
表1碳市场有效性评价指标
Table 1Evaluation indicators for the effectiveness of the carbon market

一级指标	二级指标	单位	定义	方向
市场规模	累计交易量Y₁	万t	季度累计交易量	+
市场规模	累计交易额Y₂	万元	季度累计交易额	+
市场结构	交易主体种类Y₃	种	碳市场参与者类型	+
市场结构	产品种类Y₄	种	碳市场产品类型	+
市场活跃度	最大日交易量Y₅	万t	季度最大日交易量	+
	平均日交易量Y₆	万t	季度累计日交易量/交易总天数	+
	交易量集中度Y₇	无	日交易量前20%的交易量之和/季度总交易量	-
	有效交易日比率Y₈	无	有效交易日/季度总交易日	+
	流动性Y₉	无	季度总交易量/年度总配额量	+
市场波动性	收盘差价Y₁₀	元	最高收盘价-最低收盘价	-
	碳价格幅度Y₁₁	无	（最高碳成交价-最低碳成交价）/最低碳成交价	-
	交易量分散度Y₁₂	无	日交易量的标准差/平均日交易量	-

注：日交易量不为0为有效交易日。

新窗口打开|下载CSV

（1）市场规模可直接反映碳市场表现和容量,主要侧重对整个碳市场状况的了解,以累计交易量和累计交易额两个指标来衡量^[19,20],交易量和交易额越大,表明市场表现越好、有效性越高。

（2）市场结构包括市场主体的参与规模和产品结构,可间接反映出潜在交易量,并衡量市场交易模式是否多样化,交易产品类别是否充裕。若市场多样化程度较高,那么其应对风险的能力也较高,相对而言市场波动性会较小,则市场较为稳定。目前,碳市场的交易主体主要包括企业、投资机构和个人,产品类型主要包括配额和抵消项目,抵消项目包括CCER及其他项目。交易主体和产品种类越多,说明市场结构越多元化,有效性越高。

（3）市场活跃度主要侧重于了解市场参与者的积极性和参与度,从市场日交易量的角度进行衡量。运行良好的碳市场一般市场活跃度较高^[21]。可通过最大日交易量、平均日交易量、交易量集中度、有效交易日比率、流动性来衡量^[12,22]。其中,流动性主要源于股票市场,碳配额作为金融资产考虑时,可通过流动性衡量碳市场有效性,是衡量有效性的关键指标^[23]。流动性越高,则市场活跃度越高,进而有效性越高。

（4）市场波动性反映市场是否稳定和市场应对风险的能力,主要通过收盘差价、碳价格幅度、交易量分散度3个指标来进行衡量。市场波动性越大,表明市场应对风险的能力越弱,市场有效性越低。

2.3 碳市场有效性测度方法

常规的有效性测度方法主要包括模糊综合评价、因子分析、灰色关联度评价、层次分析法等。其中,灰色关联度评价、模糊综合评价和层次分析法主要基于专家打分方法来确定最优序列和指标权重,具有较强的主观性;因子分析可解释度相对较差,且不直观。基于熵的TOPSIS方法是一种理想点排序法,其目的是找到最接近理想点的方案,并且是根据每个指标的变化程度来确定权重,具有较强的客观性,而且可以很好地反映各指标之间的差异^[11,24]。此方法目前在金融股票等资本市场、水资源等环境质量评价领域已有广泛使用,而温室气体碳排放权与金融资产具有相似性,碳配额在某种程度上可以视为金融资产^[25],因此本文采用此方法对试点碳市场有效性进行测度。

试点碳市场有效性指标的初始矩阵为X=

[x_{ij}]_{m \times n} (0 \leq i \leq m, 0 \leq j \leq n),

m、n分别为碳市场数量及指标数量。

（1）建立无量纲数据矩阵

在初始矩阵上执行无量纲处理以消除索引维度的影响,以此获得无量纲数据

x_{ij}^{*}

。

（1）

正向指标 : x_{ij}^{*} = \frac{x_{ij} - \min x_{j}}{\max x_{j} - \min x_{j}}, 0 \leq i \leq m, 0 \leq j \leq n

（2）

负向指标 : x_{ij}^{*} = \frac{\max x_{j} - x_{ij}}{\max x_{j} - \min x_{j}}, 0 \leq i \leq m, 0 \leq j \leq n

式中：x_ij为第i个碳市场第j项指标,

\min x_{j}

和

\max x_{j}

为第j个指标的最小值和最大值。

（2）矩阵加权

碳市场i对评价指标j的比例定义为p_ij：

（3）

p_{ij} = \frac{x_{ij}}{\overset{m}{\sum_{i = 1}} x_{ij}}

评估指标j的熵e_j定义为：

（4）

e_{j} = - \frac{1}{\ln m} \overset{m}{\sum_{i = 1}} {p_{i}}_{j} \ln p_{ij}

权重w_j定义为：

（5）

w_{j} = \frac{1 - e_{j}}{\overset{n}{\sum_{j = 1}} (1 - e_{j})}

进而得到加权矩阵

Y = {[{y_{i}}_{j}]}_{m \times n}, {y_{i}}_{j} = x_{ij}^{*} \times w_{j}

。

（3）有效性综合评价

进行矩阵加权处理后,得到正负理想解为：

y_{j}^{+} = ma x_{1 \leq i \leq m} {y_{i}}_{j}

y_{j}^{-} = mi n_{1 \leq i \leq m} {y_{i}}_{j}

,求得与正负理想解的欧氏距离

s_{i}^{+}

、

s_{i}^{-}

,进而得到市场有效性为

d_{i} = \frac{s_{i}^{-}}{s_{i}^{+} + s_{i}^{-}}

。

2.4 模型设定

影响有效性的因素较为复杂,除了受政策制度、经济发展、能源消耗、资源环境等可观测因素影响以外,可能还受其他非观测因素的影响^[26,27,28]。对于研究对象存在明显的非观测效应情形,采用普通的OLS估计,将会导致参数估计偏误。对于非观测效应计量经济学目前已有较为成熟的方法,主要有固定效应模型和随机效应模型两类^[29]。其中,固定效应假定非观测效应与随机扰动项相关,随机效应则假定非观测效应与随机扰动项不相关。在具体应用中,到底应该选择固定效应模型还是随机效应模型,一般可以通过Hausman检验进行判断。本文通过Hausman检验,得到

χ^{2} (6) = 39.28

,p值为0.0000,故拒绝原假设,选择固定效应模型。非观测效应模型中包括不随时间变化的个体差异,同时加入季度时间虚拟变量来刻画随时间变化的差异及考虑碳市场存在时变效应,具体模型设计如下：

（6）

d_{kt} = α + \overset{q}{\sum_{l = 1}} β_{l} Z_{kt} + \overset{c}{\sum_{v = 1}} γ_{v} r_{kt} + \overset{f}{\sum_{h = 1}} λ_{h} t_{k} b_{k} + u_{k} + T_{t} + ε_{kt}

式中：下标k表示省市;t表示时间,即季度时频;被解释变量

d_{kt}

为k省市t季度的碳市场有效性;

Z_{kt}

为控制变量,包括地区经济（用一产和三产比重、人均GDP、GDP增速来衡量,其中,一产和三产比重分别表示季度一产和三产生产总值占季度地区生产总值的比重）、能源消耗（用能源消耗量、单位GDP能耗、可再生能源占比来衡量）、森林资源（用森林覆盖率来衡量）等;

β_{l}

表示

Z_{kt}

的第l个参数,共q个;解释变量

r_{kt}

为碳市场各制度因素,包括控排企业数量、覆盖行业范围、纳入门槛、惩罚力度、配额总量、配额分配标准;

γ_{v}

表示

r_{kt}

的第v个参数,共c个;

b_{i}

为可抵消比例,因碳市场的可抵消比例不随时间变化,因此将其与季度时间虚拟变量

t_{k}

相结合,观察随时间的变化情况;

λ_{h}

表示

t_{k} b_{k}

的第h个参数,共f个;α代表不随时间和省市个体改变的平均效应;u_k为k省市个体特有的且不随时间变化的非观测效应,比如各碳市场的地理位置、碳市场间的空间距离等;T_t表示不因省市个体而改变的时间效应,比如国家出台的碳市场政策制度;

ε_{kt}

表示随机扰动项;β、γ、λ等为待估参数。

3 数据来源与描述性统计

3.1 数据来源

本文的数据主要来源于：①试点地区经济、能源、资源环境等统计数据。基于EPS（Economy Prediction System）全球统计数据分析平台、国家和7个试点省市的统计年鉴,获取试点地区经济（GDP,一二三产GDP,人均GDP）、能源（能源消耗量、可再生能源使用量）、资源环境（森林覆盖率）等数据。②碳市场交易数据。基于中国碳排放权交易网平台,获取7个试点碳市场的交易数据。③碳市场政策相关资料。本文基于国家发改委、生态环境部,7个试点省市的发改委及生态环境局（厅）、中国碳排放权交易网等官方网站以及《全国七省市碳交易试点调查与研究》,获取配额总量、控排企业数、覆盖行业范围、纳入门槛、惩罚力度、可抵消比例、配额分配标准等数据。

3.2 试点碳市场交易现状

国家发改委于2011年发布了《关于开展碳排放权交易试点工作的通知》。深圳碳市场于2013年6月率先启动,随后北京、上海、广东（不含深圳,下同）、天津、湖北、重庆碳市场相继开始交易。本文选取7个省市的试点碳市场2013—2019年共计16063组日交易数据,分析各试点市场交易动态变化与特征差异,具体见表2。①从市场规模来看,湖北、广东碳市场位居前两位,累计交易量与交易额分别为63.82、55.64百万t和12.88、9.92亿元;天津与重庆市场规模最小,累计交易量与交易额分别仅为3.05、8.46百万t和0.42、0.48亿元。②从碳交易平均价格来看,北京市场最高,超过55元/t;深圳与上海分别为33.84和29.95元/t;天津与重庆市场最低,不足20元/t。

Table 2
表2
表22013—2019年试点碳市场交易现状
Table 2Status of China’s carbon market trading, 2013-2019

碳市场	累计交易量/百万t	累计交易额/亿元	平均碳价/（元/t）
北京	13.30	7.95	55.31
上海	15.08	4.26	29.95
天津	3.05	0.42	18.42
湖北	63.82	12.88	22.64
重庆	8.46	0.48	16.93
广东	55.64	9.92	24.68
深圳	26.41	7.25	33.84

新窗口打开|下载CSV

与欧盟碳市场相比,中国试点碳市场无论在交易规模还是交易价格上均有较大差距。2019年ICAP报告显示,2018年欧盟碳市场的平均价格是15.82欧元/t,交易额达到142亿欧元,自市场建立以来累计交易额达到359亿欧元。交易规模与交易价格是市场有效性的重要指标,表明相比欧盟碳市场中国试点碳市场有效性仍存在较大的提升空间。

3.3 试点地区经济发展、能源消耗、资源环境状况

气候变化与经济、能源、资源环境等均具有高度关联性,各试点市场区域跨度大,经济发展、能源消费、资源环境等均存在明显差异,碳市场政策制度设计需充分考虑上述因素的差异及其可能的影响。从本质上来讲,碳市场有效性直接取决于碳市场供给和需求状况,而经济发展、能源消耗、环境资源等因素则会直接或间接对碳市场供给和需求产生影响^[30]。在其他条件既定的情况下,经济发展水平越高,能源消耗量越高,温室气体排放量越高,则需求越大;资源环境禀赋越高,对环境的承载能力越高,则需求越弱。

表3为2014—2018年试点省市经济发展、能源消耗、森林资源状况。从表3可以看出：①不同省市经济发展存在明显差异。深圳经济发展水平最高,人均GDP为16.62万元;北京、上海和天津经济发展水平较高,人均GDP接近12万元;广东、重庆、湖北经济发展水平相对较低,人均GDP不足7万元。北京、上海、天津和深圳三产比重均超过50%,其中北京三产比重高达79.88%;广东、湖北、重庆三产比重不足50%。就GDP增速而言,深圳增速最快,为10.80%;湖北、重庆增速相对较快,超过了9.50%;北京、上海和广东增速相对较缓,位于8.00%~9.00%的区间;天津增速最缓,为5.50%。②从单位GDP能耗指标来看,最低的是深圳市,为0.21 t标准煤/万元,相对较高的是湖北与重庆,超过0.50 t标准煤/万元。从可再生能源占比来看,广东最高,超过22%,重庆最低,仅为12.50%。③就森林覆盖率而言,广东森林覆盖率最高,超过50%;天津与上海较低,仅为10%左右。

Table 3
表3
表32014—2018年试点省市经济发展、能源消费、森林资源状况
Table 3Economic development, energy consumption and forest resources in the pilot areas, 2014-2018

地区	人均GDP /万元	一产比重/%	三产比重/%	GDP增速/%	单位GDP能耗/ （t标煤/万元）	可再生能源占比/%	能源消费量/ 万t标煤	森林覆盖率/%
北京	11.86	0.54	79.88	8.8	0.28	17.80	7071	37.4
上海	11.58	0.41	68.29	8.4	0.42	15.60	12000	11.4
天津	11.29	1.12	54.99	5.5	0.47	12.80	8145	10.3
广东	6.25	5.85	49.51	8.9	0.45	22.20	27000	51.8
湖北	5.59	10.59	44.52	9.7	0.52	14.40	17000	38.6
重庆	5.73	7.09	48.84	9.8	0.53	12.50	9218	39.4
深圳	16.62	0.05	58.80	10.8	0.21	19.20	4076	40.7

注：广东省为除深圳市外的数据。

新窗口打开|下载CSV

3.4 碳市场政策制度情况

表4为7个试点碳市场2014—2018年主要政策制度情况。从表4可以看出：①从控排规模来看,北京、深圳碳市场控排规模最大,控排企业数量超过700家,纳入控排企业的门槛最低,分别为0.70和0.30万t/年,配额总量少于0.50亿t,政府给控排企业发放的免费配额比例即配额分配标准超过95.50%。天津和重庆碳市场的控排规模最小,控排企业数少于200家;纳入门槛较高,均为2.1万t/年,覆盖行业较少;天津市场配额分配标准为98.20%,重庆市场则为企业自主申报后政府审核,配额分配标准平均为98.50%。上海、广东、湖北碳市场控排规模处于中间水平,控排企业数介于250~280家之间,覆盖范围为6~8个行业。②从可抵消比例来看,均在5%~10%之间,其中天津、广东、深圳、湖北的可抵消比例均为10%;其次是重庆碳市场,为8%;北京、上海碳市场可抵消比例较低,为5%。③惩罚力度是指市场均价乘违约罚款的倍数。从惩罚力度来看,湖北、广东、深圳、北京等碳市场的惩罚力度较大;天津碳市场的惩罚力度最小,仅通过规范性文件规定企业3年内不得享受相关政策;重庆、上海处于中间水平。

Table 4
表4
表42014—2018年碳市场主要政策制度情况
Table 4Main policies and institutions of the carbon market, 2014-2018

地区	控排企业数量/家	纳入门槛/（万t/年）	覆盖行业范围/个	配额总量/亿t	配额分配标准/%	可抵消比例/%	惩罚力度/元
北京	777	0.70	6	0.50	95.60	5	165.90
天津	109	2.10	5	1.60	98.20	10	0.00
上海	280	1.60	8	1.60	96.70	5	89.90
广东	257	2.00	6	4.20	96.40	10	123.40
深圳	733	0.30	8	0.30	95.70	10	101.50
湖北	250	7.80	7	2.70	94.60	10	113.20
重庆	187	2.10	6	1.20	98.50	8	50.80

注：配额分配标准测度方法为各行业免费配额比例或控排系数乘以权重,权重为各行业控排企业数占该地区控排企业总数的比例。

新窗口打开|下载CSV

4 结果与分析

4.1 试点碳市场有效性评价

本文利用基于熵的TOPSIS方法测算中国试点碳市场2014—2018年各季度的有效性,有效性得分及演变趋势如表5和图2所示。

Table 5
表5
表52014—2018年中国试点碳市场有效性描述性统计
Table 5Descriptive statistics of China’s pilot carbon market effectiveness, 2014-2018

地区	平均值	最大值	最小值	峰度	偏度	标准差
北京	0.42	0.82	0.05	-0.75	0.03	0.22
天津	0.24	0.64	0.05	3.29	1.53	0.14
上海	0.41	0.82	0.04	-1.11	0.11	0.23
广东	0.53	0.96	0.10	-1.41	0.11	0.29
深圳	0.51	0.86	0.10	-0.19	-0.64	0.20
湖北	0.65	0.98	0.28	-0.58	-0.20	0.20
重庆	0.32	0.68	0.06	-1.56	0.52	0.23

注：峰度代碳市场有效性相对正态分布的陡峭程度,大于3说明有效性较为陡峭,小于3表示较为平坦。偏度表示试点碳市场有效性相对正态分布拖尾特征,小于0表示有效性主要分布在均值右侧,大于0表示有效性主要分布在均值左侧。

新窗口打开|下载CSV

图2

新窗口打开|下载原图ZIP|生成PPT
图22014—2018年各季度试点碳市场有效性

Figure 2Effectiveness of the pilot carbon market in each quarter, 2014-2018

从表5可以看出：①就总体有效性而言,中国的7个试点碳市场大致可分为3个等级：第一等级为湖北、广东、深圳,其有效性平均值介于0.65~0.51,有效性最大值介于0.98~0.86;第二等级为北京、上海,其有效性平均值分别为0.42和0.41,有效性最大值均为0.82;第三等级为天津、重庆,其有效性平均值分别为0.24和0.32,有效性最大值分别为0.64和0.68。且在样本期内的分布仅第三等级的天津市场峰度超过3;第一等级的深圳和湖北碳市场的偏度小于0,有效性主要分布在均值右侧。②从波动性来看,7个试点碳市场的有效性波动都较大,标准差在0.14~0.29之间,其中天津碳市场波动性相对较小,标准差仅为0.14;广东碳市场波动性相对较大,标准差为0.29。

从图2可以看出7个碳市场波动性较大,且一年之中二季度或三季度的有效性相比一季度和四季度高,这主要与各地控排企业往往选择履约期前进行交易有关,履约期主要集中于5—7月,这段时期的市场活跃度较高^[31]。

总之,由于各碳市场的政策制度及交易状况的不同,碳市场有效性参差不齐,但随着市场的逐步发展和政策体系的不断完善,市场之间的差距在逐步缩小。

4.2 试点碳市场有效性影响因素分析

表6为通过双向固定效应模型得到的实证结果。列（1）表示在对经济、能源、森林资源进行控制后,使用双向固定效应进行估算的结果。列（2）是在列（1）的基础上,加入2014年二季度至2018年四季度的季度虚拟变量和可抵消比例的交互作用,检验在这段时间内可抵消比例对有效性的影响是否不变。研究发现：

Table 6
表6
表6碳市场有效性影响因素估计结果
Table 6Effectiveness influencing factor estimation results

变量	（1）	（2）
控排企业数量	0.001**(0.000)	0.001*(0.000)
纳入门槛	-0.013(0.011)	-0.014(0.015)
覆盖范围	0.102**(0.051)	0.069(0.067)
配额总量	-0.787***(0.255)	-0.719**(0.348)
配额发放标准	-0.146(0.154)	-0.174(0.191)
惩罚力度	0.034*(0.020)	0.041*(0.023)
人均GDP	-0.001(0.062)	-0.006(0.079)
一产比重	0.013*(0.008)	0.012(0.009)
三产比重	-0.016***(0.005)	-0.016***(0.005)
GDP增速	0.073(0.160)	0.055(0.265)
单位GDP能耗	-0.213(0.608)	-0.074(0.780)
可再生能源占比	0.451***(0.112)	0.312(0.203)
能源消耗量	7.380e-06(0.000)	0.000(0.000)
森林覆盖率	0.006(0.017)	0.017(0.033)
可抵消比例×time201402		0.038(0.036)
可抵消比例×time201403		0.016(0.037)
可抵消比例×time201404		-0.005(0.038)
可抵消比例×time201501		-0.002(0.013)
可抵消比例×time201501		0.003(0.015)
可抵消比例×time201503		0.051(0.036)
可抵消比例×time201504		0.062*(0.036)
可抵消比例×time201601		3.580e-05(0.015)
可抵消比例×time201602		0.005(0.016)
可抵消比例×time201603		0.009(0.017)
可抵消比例×time201604		0.008(0.019)
可抵消比例×time201701		0.005(0.033)
可抵消比例×time201702		0.017(0.019)
可抵消比例×time201703		0.013(0.0215)
可抵消比例×time201704		0.013(0.023)
可抵消比例×time201801		0.024(0.047)
可抵消比例×time201802		0.053(0.047)
可抵消比例×time201803		0.007(0.047)
可抵消比例×time201804		0.009(0.047)
观测数	137	137
R²	0.617	0.656

注：括弧为标准误,***、**、*分别表示在显著水平1%、5%、10%下显著。本文主要重点关注碳市场政策制度对其有效性的影响,鉴于此类模型的实证文献和篇幅有限,表中未列出时间虚拟变量的系数估计值。

新窗口打开|下载CSV

（1）控排企业数量、惩罚力度对有效性的影响为正,表明控排企业数量、惩罚力度对碳市场有效性具有显著的正向作用,这印证了控排企业的数量越多、惩罚力度越大使得碳市场活跃度和有效性越高的分析结果。其原因在于控排企业数越多,那么潜在的交易主体数越多,相对而言碳市场是较为活跃的。在其他条件不变情况下,惩罚力度越大,控排企业不履行控排义务的违约成本越高,参与碳交易的积极性越高,碳市场有效性也越高。

（2）配额总量对碳市场有效性的影响因素为负,表明配额总量对碳市场有效性具有显著的负向作用,这印证了配额总量越少使得碳市场有效性越高的分析结果。原因在于目前碳市场仍存在配额总量过多的问题,导致市场活跃度不够,有效性较低。

（3）控排企业的市场纳入门槛和配额发放标准对碳市场有效性的影响系数为负,但目前未通过统计显著性检验,说明碳市场纳入门槛对控排企业数量的增加、配额发放标准对配额总量的减少这些因素起到的作用尚不明显。

（4）时间虚拟变量与可抵消比例的交叉项表示某一季度可抵消比例的影响作用,估计结果大部分为正（除2014年四季度和2015年一季度外）,且交互项联合F检验相应的P值为0.018,通过5%的显著性检验,表明总体而言,随着时间的推移,可抵消比例对市场有效性有正向作用。

（5）宏观经济产业结构对碳市场有效性影响较大,具体而言,在其他条件不变情况下,第三次产业比例越高,市场有效性越低。其背后的原因在于在既定的条件下,第三次产业比重较高时,该地区排放总量与强度相对较低,对配额需求也相对较小,故市场活跃程度相对较低。

（6）地区可再生能源占比对碳市场有效性具有正面影响,具体而言,在其他条件不变情况下,可再生能源占比越高,碳市场有效性越高。这可能是由于可再生比例较高时,会引导当地控排企业加快向低碳方向转型,从而提高碳交易需求和市场有效性。

5 结论与政策建议

5.1 结论

本文通过构建指标体系,从更实时的季度时频测算我国碳市场的有效性,并运用双向固定效应模型,分析碳市场政策制度和碳市场有效性之间的关系,深入挖掘碳市场有效性的决定因素,得到以下主要结论：

（1）2014—2018年,我国7省市试点碳市场有效性峰值在一年之中二、三季度出现。各碳市场有效性不仅存在较大差异,而且波动性较大,其中湖北碳市场有效性最高,其次为广东、深圳、北京、上海等碳市场,而天津、重庆碳市场有效性较低。

（2）相较于需求状况而言,碳市场的供给状况对碳市场有效性的影响更大,这可能与目前试点市场总体处于买方市场有关。即考虑到对经济平稳发展以及控排企业接受程度,主要以免费方式发放配额,且配额总量相对宽松,导致需求相对不足。从需求角度来看,控排企业数量、惩罚力度对有效性的影响较大且系数为正;从供给角度来看,配额总量的影响作用较大且系数为负。此外,随着时间的推移,可抵消比例对市场有效性有正向作用。

（3）宏观经济产业结构对碳市场有效性的影响明显,尤其三产比重对碳市场有效性的影响显著为负。

（4）地区可再生能源占比对碳市场有效性具有明显的正面影响。

5.2 政策建议

碳市场有效性的研究对于加强统一碳市场的建设是有益的,有助于减少碳排放并发展低碳绿色经济、绿色金融,实现经济高质量、可持续发展。本文提出以下建议：

（1）完善配额发放模式

对于发展中的中国来说,经济发展与环境保护相矛盾,应采取符合国情的配额模式。配额总量对碳市场有效性具有显著的负向作用,在考虑经济发展目标的前提下可适当降低配额总量。在减少控排企业的免费配额分配量的同时,提高配额总量中政府预留部分用于调节市场配额以保持价格平稳,并提高政府预留配额中公开竞价等有偿购买的比例或制定定价出售模式,制定可操作性强的规则,以增加碳市场活跃度。

（2）完善惩罚机制

惩罚机制是保障碳市场秩序和效率的前提,也是预防控排企业履约风险的基础。为防止主观性地处罚控排企业,应当使控排企业接受处罚的裁量有法可依,即制定相关惩罚机制的法律规则;但目前的法律依据主要为地方性法规或规范性文件,法律约束力薄弱,因此,需要制定具有较强法律约束力的法规。另外,可考虑将惩罚机制与奖励机制相结合,如资金补贴等,通过奖励措施来激励控排企业的履约和碳市场的交易。

（3）逐步增加控排企业数量

实证分析结果表明,在其他条件既定情况下,控排企业数量越多,碳市场有效性越高。因此,无论是从提高碳市场有效性角度来说,还是从减少排放总量以减缓气候变化角度来说,均应将更多的高排放企业纳入市场体系,从而真正实现绿色发展。当然,在具体操作中,也需要考虑经济发展平稳性和企业的承受能力。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

, Bai

, Yang

, et al. Evaluation on the effectiveness of China’s pilot carbon market policy
[J]. Journal of Cleaner Production, 2020, DOI: http://www.resci.cn/article/2021/1007-7588/10.1016/j.jclepro.2019.119039.

URL [本文引用: 1]

[2]

International Carbon Action Partnership. Global Carbon Market Progress Report 2020
[R]. Lisbon: ICAP, 2020.

[本文引用: 1]

[3]

夏晖, 王思逸, 蔡强. 多目标条件下企业碳配额分配和政府公平: 基于(p, α)比例公平的视角
[J]. 中国管理科学, 2019, 27(4):48-55.