碳排放交易计划中的价格驱动因素：来自中国碳排放交易计划试点的证据

原文作者 Chang-Jing Ji,;ensp;Yu-Jie Hu;ensp;Bao-Jun Tang;ensp;Shen Qu

摘要：自中国开展碳排放权交易方案试点以来,碳价较低,波动较大。本文采用结构突变检验和自回归分布滞后模型对试点的价格驱动因素进行了研究。结果表明,补贴供过于求、低拍卖价格和使用中国认证的减排量会引起碳价格的显著下降,碳市场的扩大和集中交易将使碳价格上升。石油价格与碳价格正相关,煤炭价格与碳价格负相关。碳密集型产品价格也会影响碳价格。由于行业复盖率的差异,化工价格与深圳碳价呈正相关,而与北京和上海碳价呈负相关。由于产业结构的差异,有色金属价格对北京碳价有积极影响,但对深圳碳价有消极影响。金融市场和天气对碳价格的影响有限。我们的研究结果为试点和全国碳市场的发展提供了政策启示。

关键词：碳价格； 影响因素； 中国碳排放交易试点；结构性突破

（译文节选）

1.导言

自2013年以来，中国碳排放交易计划(ETS)试点项目的碳排放价格波动很大(Lyuetal.，2020)。以深圳碳市场为例，其历史最高价格达到130.9yen;/吨，而最低价格仅为15.67yen;/吨。与此同时，目前的全国平均碳价格仅为22yen;/吨左右，但中国实现减排目标的边际减排成本为345yen;/吨(Tangetal.，2020)。碳价格低于边际减排成本，迫使企业购买碳免税额，以实现碳市场的合规目标，从而降低碳交易机制的排放效率(Zhouetal.，2015)。因此，了解碳价格波动的原因和主要因素，对于构建合理的碳市场价格机制，最终实现减排具有重要意义。根据价格决定理论可知，碳价格由其边际减排成本决定。它们通常由供需平衡以及与市场结构和机构政策相关的其他因素驱动（(Chevallier，2013；Ji.etal.，2018）。基于碳价格的理论分析，研究欧盟碳市场的碳价格变化及其影响因素是当前的热点（Zhang和Wei，2010；Weietal.，2019）。研究人员使用计量经济学模型分析经济活动、能源价格、天气和金融市场造成的碳价格违规行为（(Christiansen等，2005；2011；; Nazififi,，2013；Aatola等，2013；koch等，2014；; Hintermann等，2014；张等，2018）。一些学者对欧盟碳市场政策和法规的变化所导致的碳价格的结构性变化感到担忧。Alberola等人（2008,2009）使用了单位根检验，发现2006年4月认证排放量中的信息泄漏立刻对碳价格产生了重大影响。Wei等人（2010）也实施了结构性断点。Tan和Wang（2017）应用了结构断点测试，发现在2006年后第二阶段的修改分配系统对碳价格的结构变化有显著影响。

中国ETS试点自2013年开始建立，但交易数据相对缺乏。因此，很少有研究密切关注试点碳价格的实证研究，而大多集中于宏观经济学、金融市场、能源价格等影响因素的分析。Cong和Lo（2017）采用广义自回归条件异方差(GARCH)模型，发现深圳碳市场中的碳价格与预期风险呈负相关。Zeng等人（2017）采用结构向量自相关(SVAR)模型，发现煤炭价格对北京碳市场的碳价格有影响，碳价格波动主要受历史碳价格的影响。Fan和Todorova（2017）采用多元回归分析方法分析了广东、湖北、深圳地区碳价格与股票指数、能源价格和经济气候的关系。他们得出结论，广东碳价格和深圳与股票指数正相关，湖北碳价格与国际天然气价格相关，而北京碳市场碳价格与上述三个影响因素没有明确相关性。

在现有论文的基础上，研究者倾向于从经济活动、能源价格、金融市场、温度变化等某些方面来分析碳价格波动的原因。他们忽视了对碳市场价格波动也有重大影响的政策和法规(Changetal.，2017a，b；Song等人，2018）。此外，大多数关于碳价格驱动的研究都集中在欧盟的ETS上，但这并不能为中国碳市场的发展提供可靠的参考。现有的关于中国试点的研究也不能对碳价格驱动因素得出一致的结果。因此，本文的贡献是：（1）本文系统地总结了碳价格波动的原因与影响碳价格的机制，尤其是政策和监管变化对碳价格的影响，（2）总结了不同地区不同行业结构和行业覆盖范围下的碳价格因素，为中国碳市场的发展提供了可靠的启示。

本文的组织结构如下：第2节介绍了中国ETS试点的现状，包括中国ETS试点机构设计和运行。第3节描述了研究方法和数据来源。在第4节中，我们将对研究结果进行分析和讨论。第5节对论文进行了总结，并提出了一些政策建议。

2.中国ETS试点概述

2.1.中国排放交易计划试点的制度设置

自2013年以来，中国已经启动了碳排放交易计划试点项目，包括深圳、北京、上海、广东、重庆、天津和湖北的7个试点区域。由于各试验区在资源、经济发展条件和产业结构方面的差异，7个试验区的覆盖部门、覆盖阈值和津贴分配方法也不同（Changetal.，2018；Ji等，2018）。不同的机构设置对减排成本产生不同的影响，导致碳价格存在显著差异（Fan和Todorova，2017；Chang等，2017a，b；Tang等，2020年）。

由于各区域的经济发展水平和产业结构不同，各试点区域的覆盖部门、阈值和津贴分配方法也有所不同(Fan和Todorova，2017；Tangetal.，2020)。表1显示，7个试点区域的覆盖阈值（能源消耗超过该阈值的企业将被纳入碳市场）存在差异。北京、重庆、广东、河北、天津等行业的阈值都一致，上海、深圳等行业的阈值也不同。深圳、北京等较富裕城市的覆盖阈值相对较湖北等欠发达城市的覆盖阈值相对较低。此外，北京在2016年降低了行业进入门槛。在行业覆盖方面，北京、上海和广东的服务业均纳入其碳市场，而其他地区碳市场

只覆盖该行业。2016年，北京、广东和上海都扩大了他们对碳市场的行业覆盖范围。2017年，这些碳市场上的企业数量大幅增加。津贴配额有两种类型：免费分配和拍卖分配。免费分配是指企业在政府分配津贴时免费获得津贴；拍卖分配是指企业通过政府组织的拍卖购买津贴。上海、北京、湖北、广东和深圳引入有偿配额，但初始配额时只有广东拍卖配额。只有广东省将其拍卖价格与市场价格联系起来。剩余地区碳市场的拍卖集中在上市之前。

表1 中国碳排放交易方案试点的比较

所有试点都建立了价格调整机制来调节碳价格，他们接受中国认证减排1(CCER)的合规性。价格调整机制包括津贴准备金和对价格波动的限制。政府可以在碳价格过高时保留分配的某些津贴，而在碳价格过低时购买某些津贴(Jietal.，2019)。限制价格是防止价格大幅波动的直接价格调控政策。表1为日碳价格波动率限值，即日碳价格波动不能超过波动率限值。湖北国家统计局曾将降价上限降低到1%，以抑制价格下跌。试点中允许碳补偿，但每个碳市场的碳补偿的来源和数量有不同的监管。表1显示，在不同的试点中，CCER的使用仅限于每年分配的10%以下，因为CCER的过度使用将降低碳价格(Kochetal.，2014)。2016年，上海将CCER的使用率降低至1%。此外，为了促进碳市场的价格发现功能，湖北和上海都推出了远期交易。目前，湖北二级市场的绝大多数交易都来自于远期交易。

2.2.中国排放量交易计划试点中的配额交易

试点项目的交易量随合规期的变化而发生季节性波动。如图1所示，交易量高度集中，试点交易主要在合规期内的6月和7月完成(CongandLo，2017)。在湖北的交易相对分散,2014-2018年交易集中度为62%。重庆和天津的交易是最集中的城市，平均集中达到90%以上，其他试点交易的集中均在70%以上。一个更活跃的市场的特点是高流动性和良好的价格发现功能（Fan和Todorova，2017）。试点的活跃度一般不高，其中深圳的交易活跃度最高，平均活跃度为8%，而天津和重庆是两个最不活跃的城市，活跃度小于1%。

发达地区的碳价格相对较高，而早期建立的试点项目中的碳价格波动很大。如图1所示，截至2019年7月，在所有试点中，北京ETS的平均碳价格最高，达到55.72yen;/吨，而重庆ETS的平均碳价格最低，仅为3.36yen;/吨。七个试点的平均碳价为21.70日元/吨。北京、深圳和上海的平均价格均高于全国平均价格，这主要与被覆盖行业的边际减排成本较高有关(Changetal.，2017a，b)。从图2可以看出，试点项目的碳价格波动很大。深圳和广东等早期建立市场的碳价格波动最大，极端价格频繁出现。两个城市的碳价格范围分别为106yen;/吨和71yen;/吨。最终建立的湖北ETS的碳排放价格相对较小。中国ETS试点项目的碳排放价格集中在10-50yen;/吨。

图1在试点项目中碳配额的交易量

3.方法

本文首先在均衡价格理论的基础上讨论了碳价格的影响因素，然后建立了不同影响因素的模型进行实证分析（图3）。碳价格将受到ETS中碳配额供需平衡的影响。碳价格受到供应方面的影响，即国家发展和改革委员会设定的上限(包括初始津贴、拍卖津贴和CCER)。碳价格也受到需求方面的影响，即ETS所涵盖的企业的拍卖排放。政府的一些惯例如限价和拍卖储备价格将直接影响碳价格，因为这并不是一个完整的市场，碳市场是由政府主导的 (Jietal.，2018)。一些市场因素会通过对企业实际排放量的影响来间接影响碳价格。被覆盖企业的实际排放量可分解为生产结构、产业结构、能源强度、能源结构和碳排放系数(Weietal.，2008)。工业结构与ETS中的行业覆盖范围有关。生产和能源结构是受其他经济因素影响的两个主要因素。企业生产的产品越多，排放量就越多；能源结构越清洁，就越少。它们将会被几个市场因素所改变，首先，最终产品价格、材料价格（成本）、经济预测将会影响生产（Zhang等，2015；Ji等，2019）。最终产品价格越高，材料价格越低，经济前景越光明，企业生产越多。其次，能源价格将严重影响能源结构，如果煤炭价格上涨，企业将消耗更多的天然气和石油。第三，天气不仅会影响生产，还会影响能源结构。高温会刺激空气条件的使用，然后增加发电能力。天气会影响可再生能源发电，例如，降雨会影响水力发电。

图2试点项目中的碳价格曲线图

图3模型框架

外文文献出处：Journal of Cleaner ProductionVolume 278, 2021. PP 123469-

外文原文（节选）

Price drivers in the carbon emissions trading scheme: Evidence from Chinese emissions trading scheme pilots

原文作者 Chang-Jing Ji;ensp;Yu-Jie Hu ;ensp;

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

lt;a data-cke-saved-href='https://scholar.cnki.net/home/search?sw=6amp;sw-input=Bao-Jun Tang' href='https://scholar.cnki.net/home/search?sw=6amp;sw-input=Bao-Jun Tang' target='h

资料编号：[598009]，资料为PDF文档或Word文档，PDF文档可免费转换为Word