我國碳金融價格的影響因素實證分析TOC\o"1-3"\h\u一、引言 1二、中國碳金融市場發(fā)展背景及交易現(xiàn)狀 1（一）中國碳金融市場發(fā)展背景 2（二）中國碳金融市場交易現(xiàn)狀 2三、碳金融價格影響因素分析 4（一）宏觀經(jīng)濟因素 4（二）貨幣政策因素 4（三）能源價格因素 5（四）碳排放成本 5（五）碳排放政策 5（六）環(huán)境氣候因素 5四、我國碳金融價格影響因素實證分析 5（一）樣本選取及描述性統(tǒng)計 61.樣本選取 62.描述性統(tǒng)計 7（二）實證分析過程 81.平穩(wěn)性檢驗 82.ARDL模型分析 93.實證結果分析 14五、結論建議與展望 16主要參考文獻 19附錄一 20附錄二 22附錄三 24一、引言環(huán)境惡化越來越嚴重，人類的生存發(fā)展被全球變暖所導致的氣候等問題影響嚴重。正因如此，為了改善二氧化碳排放問題，“碳金融”這種市場機制被創(chuàng)造出來。“碳金融”的本質便是將碳排放當做現(xiàn)貨、期貨等交易的標的物進行買賣。追溯“碳金融”的起源，主要是兩個國際上重大的公約。一個是1992年的《聯(lián)合國氣候變化框架公約》，該公約對發(fā)達國家進行要求，要求其限制和管理溫室氣體的排放，并對發(fā)展中國家提供技術和資金的幫助。另一個是1997年通過的《京都議定書》，該文件規(guī)定了減排任務。自此以后，碳交易、碳金融在國際上被多次提及。作為世界上第一大碳排放國家，中國近些年來采用多種方式來盡力完成碳減排任務，各個碳排放權交易市場也陸續(xù)被建立起來。碳金融交易市場的核心指標便是碳金融價格，在碳金融交易市場中主要是碳排放權交易市場，因此，研究我國碳排放權交易價格影響因素對中國碳金融市場具有重要的意義。本課題利用ARDL模型，運用中國的實際數(shù)據(jù)進行實證分析，通過模型分析來研究所選取的指標對碳排放權交易價格的實際影響。該研究有助于提前預測碳金融價格的波動并及時采取措施來應對各種變化，進一步維持碳排放權交易市場的穩(wěn)定性和正常運行。目前國內(nèi)外研究所選取的數(shù)據(jù)主要集中在歐美市場，對中國碳金融市場的研究相較之更少，因此，本文的研究有助于提供更多的中國碳金融相關數(shù)據(jù)分析，使碳金融的研究體系更加完善。二、中國碳金融市場發(fā)展背景及交易現(xiàn)狀環(huán)境不斷惡化的原因之一便是化石能源等資源的過度利用，因此，環(huán)境治理和資源的合理運用被越來越重視。石油、煤炭、天然氣等化工燃料的燃燒等過程會產(chǎn)生大量的二氧化碳，導致全球氣候變暖等環(huán)境問題。但是排放二氧化碳的企業(yè)卻并沒有對排放廢氣的行為支付一定的補償，這部分的危害反而被轉移到整個社會，也就是社會替這些排放二氧化碳的主體承擔了很大一部分成本。為了更好的解決這一問題，我國利用市場機制來解決碳排放的問題，促進“低碳經(jīng)濟”。（一）中國碳金融市場發(fā)展背景 近些年來，碳達峰和碳中和的概念被相繼提出?！疤歼_峰”是指煤炭、石油、天然氣等化石能源燃燒活動和工業(yè)生產(chǎn)等活動產(chǎn)生的溫室氣體排放不再增長，達到峰值（碳峰值）。在一定時間內(nèi)直接或間接產(chǎn)生的溫室氣體排放總量，通過植樹造林、節(jié)能減排等形式，以抵消自身產(chǎn)生的二氧化碳排放量，實現(xiàn)二氧化碳“零排放”，被稱為“碳中和”。2020年12月16日至18日北京舉行的的中央經(jīng)濟工作會議中，“做好碳達峰、碳中和工作”被列為2021年的八大任務之一。我國承諾爭取在2030年以前二氧化碳排放到達峰值，2060年以前使得“碳中和”目標能夠實現(xiàn)。由此可見，我國對二氧化碳排放管制十分重視，對能夠治理好二氧化碳排放問題信心滿滿。我國整個宏觀背景非常重視二氧化碳排放問題，對碳金融市場的發(fā)展有很好的促進作用。在“低碳經(jīng)濟”的背景下，碳排放權以及碳金融的概念應運而生。以碳排放權為標的物進行交易的金融活動被稱為碳金融，這是金融體系的一大創(chuàng)新。碳排放權交易市場是碳金融體系中最為主要的市場，是一個政策性市場。對一定范圍的排放者規(guī)定碳排放總量上限，依據(jù)一定原則將排放配額分配給排放者，排放配額可在排放者等各種市場主體之間進行交易，排放者的碳排放量不能超過其持有的配額數(shù)量。我國目前已有八個碳排放權交易市場。（二）中國碳金融市場交易現(xiàn)狀我國碳金融市場主要包括兩個市場，一個是現(xiàn)貨市場，另一個是衍生品市場?，F(xiàn)貨市場主要包括了碳排放權交易和減排信用交易兩個交易市場，在現(xiàn)貨市場的基礎上，開展碳遠期、碳期貨等衍生品交易，還衍生出碳質押、碳回購、碳基金等業(yè)務，其中碳排放權交易市場被認為是碳金融體系能夠有效運轉的核心?？嘏牌髽I(yè)、減排信用開發(fā)企業(yè)、投資機構、個人等是碳金融體系主要交易主體。自2011年開始，我國北京、天津、上海、重慶、廣東、湖北、深圳、福建被陸續(xù)作為試點建立碳排放交易市場。我國各個碳交易市場的碳交易量和碳交易額數(shù)據(jù)如下表1、圖1、圖2，該數(shù)據(jù)來源于中國碳交易網(wǎng)。從圖表中可知，根據(jù)碳交易量（萬噸）大小排序，碳交易市場占比由大到小為：湖北（7827.6，占比32.5%）>廣東（7755.1，占比32.2%）>深圳（2708.5，占比11.2%）>上海（1739.7，占比7.2%）>北京（1449.6，占比6.0%）>天津（920.1，占比3.8%）>重慶（869，占比3.6%）>福建（947，占比3.5%）。根據(jù)碳交易額（萬元）大小排序，碳交易市場占比由大到小為：湖北（168834.7，占比28.8%）>廣東（159065.6，占比27.1%）>北京（89972.9，占比15.4%）>深圳（73737.4，占比12.6%）>上海（51842.5，占比8.8%）>天津（20103.6，占比3.4%）>福建（17138，占比2.9%）>重慶（5309.5，占比0.9%）。由此可以看出，我國湖北碳排放交易市場在我國碳市場中占比最大，其次為北京碳排放交易市場。此外，全國碳排放交易市場被定于2017年12月正式啟動，據(jù)全國碳市場的建設方案可知，試運行和完善階段是2017年至2020年，全面實施階段在2020年以后。表1各碳交易市場碳交易量和碳交易額匯總北京福建廣東湖北上海深圳天津重慶碳交易量萬噸1449.68477755.17827.61739.72708.5920.1869占比%6.0%3.5%32.2%32.5%7.2%11.2%3.8%3.6%碳交易額萬元89972.917138159065.6168834.751842.573737.420103.65309.5占比%15.4%2.9%27.1%28.8%8.8%12.6%3.4%0.9%數(shù)據(jù)來源：2021/3/29中國碳交易網(wǎng)-碳K線/圖1我國碳交易量餅圖圖2我國碳交易額餅圖三、碳金融價格影響因素分析碳金融價格的影響因素有很多，本文選取宏觀經(jīng)濟因素、貨幣政策因素、能源價格因素、碳排放成本、碳排放政策、環(huán)境氣候因素六個因素進行理論分析，以下為理論分析內(nèi)容。（一）宏觀經(jīng)濟因素世界各國在制定減排策略時都會考慮經(jīng)濟發(fā)展的狀況，宏觀經(jīng)濟因素對碳金融價格具有一定的影響。當經(jīng)濟發(fā)展繁榮時，企業(yè)為了增加利益可能會擴大生產(chǎn)規(guī)模，排放二氧化碳的企業(yè)對碳排放權的需求會增加，由于碳排放權的供給難以改變，碳金融價格會上升；反之亦然。此外，宏觀經(jīng)濟對碳金融價格的影響更多地體現(xiàn)于第二產(chǎn)業(yè)（工業(yè)），輕重工業(yè)的比重、產(chǎn)業(yè)的發(fā)展情況等多個因素都會影響碳排放情況。（二）貨幣政策因素碳金融市場的金融性的屬性越來越明顯，而金融市場中一個市場的波動會對其他金融市場產(chǎn)生一定的影響，因此碳金融市場與傳統(tǒng)金融市場之間也存在一定的關系，利率市場的波動會影響碳交易市場中企業(yè)的貸款成本，企業(yè)貸款成本會因利率的上升而增加，企業(yè)可能會減少對減排設備和技術的投入，導致碳排放增加，碳金融產(chǎn)品的需求量增加，導致碳金融價格上升；反之亦然。匯率會通過影響碳金融產(chǎn)品需求而影響碳金融價格。當本幣匯率下降外幣匯率上升時，外幣升值購買力上升，外國市場對國內(nèi)市場碳金融產(chǎn)品的需求量會因此增加，出口的碳金融產(chǎn)品的價格因需求量的增加而上升，與此同時，國內(nèi)市場的碳金融產(chǎn)品的價格也會因此上升；反之亦然。劉宇萍：《我國碳金融產(chǎn)品價格影響因素及定價機制研究》，華北電力大學,2017年。（三）能源價格因素能源主要分為傳統(tǒng)的非清潔能源（石油、煤炭等）以及清潔能源（天然氣等）。二氧化碳會在能源的使用過程中產(chǎn)生，非清潔能源所產(chǎn)生的二氧化碳比清潔能源所產(chǎn)生的多。當石油、煤炭等非清潔能源價格上升的時候，由于難以快速轉變生產(chǎn)過程中的能源結構，在有限碳排放容量下，企業(yè)的減排壓力會因此變大，很多依賴能源的企業(yè)會轉而購買碳排放權，這會使中國碳金融市場產(chǎn)品的需求增加，碳金融交易價格上升；反之煤炭、能源價格下降時，碳金融交易價格下降。但也存在可能，當能源價格上升的時候，為控制碳排放企業(yè)選擇減少非清潔能源使用碳排放量少的清潔能源，導致碳金融產(chǎn)品需求下降，碳排放權交易價格下降。樊艷艷：《我國碳金融市場中碳排放權交易價格的影響因素分析》，山西財經(jīng)大學,2017年。（四）碳排放成本當企業(yè)碳排放成本和碳交易成本較高時，企業(yè)可能會采用二氧化碳排放更少的替代能源、提高碳減排技術等方法來減少碳排放成本，放棄進行碳交易，進而影響碳金融價格；反之亦然。（五）碳排放政策碳排放政策會規(guī)定碳排放權的供給，當碳排放權配額供給變化時，會影響碳排放權配額的供給需求曲線，供給曲線的移動會影響碳金融價格。此外，碳排放政策會規(guī)定不同行業(yè)、不同企業(yè)所能獲得的免費碳排放權配額，當企業(yè)免費碳排放權不夠時只能到碳金融市場上尋找碳金融產(chǎn)品，企業(yè)免費碳排放權較多時便會到市場上出售，從而引起碳金融產(chǎn)品價格的變化。（六）環(huán)境氣候因素當環(huán)境氣候因素惡化時，國家對二氧化碳排放的管制會更加嚴格，會減少碳排放配額，即會減少碳金融產(chǎn)品的供給，進而導致碳金融價格上升；與此同時，企業(yè)可能會使用更加清潔的能源而減少碳排放，但綜合來說，碳金融價格還是會上升。四、我國碳金融價格影響因素實證分析本文采用ARDL模型對我國碳金融價格影響因素進行實證分析，以下是實證分析內(nèi)容，包括樣本選取和描述性統(tǒng)計、實證分析過程（平穩(wěn)性檢驗、ARDL模型分析、實證結果分析）。（一）樣本選取及描述性統(tǒng)計1.樣本選取本文選取碳排放權交易價格作為被解釋變量。參考已有的國內(nèi)外文獻，選取宏觀經(jīng)濟因素、貨幣政策因素、能源價格因素三個方面作為解釋變量。由于碳排放成本、碳排放政策、環(huán)境氣候因素這三個方面的價格影響因素難以尋找具體的數(shù)據(jù)進行量化，因此在模型分析部分去除這三個碳金融價格影響因素。各個變量的樣本選取為2014年1月-2020年12月的月度數(shù)據(jù)，每個變量原始數(shù)據(jù)樣本量均為84，樣本選取如表2.表2各變量樣本選取匯總指標指標符號數(shù)據(jù)來源樣本量被解釋變量廣東碳排放權收盤價GDEA中國碳交易網(wǎng)84上海碳排放權收盤價SHEA解釋變量上證指數(shù)SSEC英為財情上海銀行間同業(yè)拆放利率SHIBOR中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫人民幣兌美元匯率中間價eWTI原油期貨WTI英為財情秦皇島動力煤（Q5500）CoalWind數(shù)據(jù)庫數(shù)據(jù)來源：作者整理（1）碳排放權交易價格。雖然2017年12月全國碳交易市場正式啟動，但是由于全國碳交易市場目前沒有完全落地，因此并沒有統(tǒng)一的全國碳交易價格。目前我國存在北京、上海、廣東、天津、深圳、湖北、重慶、福建八個國內(nèi)碳排放權交易市場，根據(jù)中國碳市場成交量和成交額、市場成熟度等因素，本文選取了廣東、上海兩個碳市場。樣本選取2014年1月-2020年12月期間每月最后一個交易日的廣東碳排放權收盤價（GDEA）以及上海碳排放權收盤價（SHEA），該數(shù)據(jù)來源于中國碳交易網(wǎng)。（2）宏觀經(jīng)濟因素。宏觀經(jīng)濟因素如GDP、第二產(chǎn)業(yè)發(fā)展狀況等會對碳排放權交易價格有一定的影響。由于宏觀經(jīng)濟數(shù)據(jù)一般為年度或季度，很少有月度數(shù)據(jù)，因此本文選取了上證指數(shù)（SSEC）作為指標表示宏觀經(jīng)濟因素。④上證指數(shù)來源于英為財情。（3）利率。利率會影響碳排放權交易價格，上海銀行間同業(yè)拆借利率是根據(jù)信用等級高的銀行所報出的人民幣同業(yè)拆出利率計算所得的算術平均利率，該利率能更好的反映市場利率，因此文中選取上海銀行間同業(yè)拆放利率-隔夜（SHIBOR）的月度數(shù)據(jù)作為指標代表利率水平。上海銀行間同業(yè)拆放利率數(shù)據(jù)來源于中國外匯交易中心。（4）匯率。匯率會影響產(chǎn)品需求，進而影響碳排放權交易價格。本文選取人民幣兌美元匯率中間價（期末）指標代表匯率因素，樣本選取頻數(shù)為月度，該指標的數(shù)據(jù)來源于中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。（5）能源價格。我國碳排放主要來源之一便是煤炭、石油、天然氣等化石能源的燃燒，因此能源價格對碳排放交易價格也有重要的影響。本文主要選取了原油價格和煤炭價格作為能源價格指標。由于WTI原油期貨價格（美國西德克薩斯輕質中間基原油）是世界上原油市場三大基準價格之一，具有代表性，因此本文選取WTI原油期貨價格表示原油價格，數(shù)據(jù)選用每月最后一個交易日的收盤價，數(shù)據(jù)來源于英為財情。根據(jù)我國煤炭的用途，我國煤炭主要被分為三大類，一類是動力煤，一類是無煙煤，最后一類是煉焦煤。雖然各個煤炭種類的價格不盡相同，價格波動也不同，由于動力煤在我國使用更多，因此本文采取秦皇島動力煤價格（5500大卡）作為指標，該指標是我國煤炭市場上主流的指標之一，具有很強的代表性，該數(shù)據(jù)來源于wind數(shù)據(jù)庫。2.描述性統(tǒng)計以下列舉了各個變量描述性統(tǒng)計的結果，包括均值、中位數(shù)、最小值、最大值、標準差、偏度以及峰度，見表3。表3各變量描述性統(tǒng)計結果均值中位數(shù)最大值最小值標準差偏度峰度GDEA23.256418.705071.09008.190014.09712.01643.7477SHEA31.273635.400048.00004.900011.8468-0.9803-0.3663SSEC3018.79043051.45004611.74002026.3600479.83730.30511.9634SHIBOR2.34152.40704.43501.03900.56280.25241.6324e6.59966.64007.13006.11000.3224-0.1914-1.2753WTI56.729653.0400105.370018.840018.33101.09731.2063Coal2.88822570.0000787.5000370.000084.3462-0.51820.0531數(shù)據(jù)來源：作者整理如上表3，廣東碳排放交易每月收盤價的平均價格為23.2564，中位數(shù)為18.7050，最大值和最小值之間相差63.71，且標準差為14.0971說明價格波動比較大，偏度2.0164與正態(tài)分布相比較說明該分布呈現(xiàn)右偏狀態(tài)，在正態(tài)分布下峰度系數(shù)值為3，該數(shù)據(jù)的峰度為3.7477說明該數(shù)據(jù)分布相對于正態(tài)分布更陡峭一些。上海碳排放交易每月收盤價的平均價格為31.2736，中位數(shù)35.4000，比廣東碳價高。最大值和最小值之間相差43.1，且標準差為11.8468說明價格波動比較大，偏度-0.9803相較于正態(tài)分布呈現(xiàn)左偏狀態(tài)，該數(shù)據(jù)的峰度為-0.3663表明該數(shù)據(jù)分布比正態(tài)分布更加平緩，與廣東碳排放價格數(shù)據(jù)分布情況不同。上證指數(shù)每月收盤價的平均價格為3018.7904，中位數(shù)為3051.4500，最大值和最小值之間相差2585.38，標準差為479.8373說明價格波動也比較大，偏度為0.3051相較于正態(tài)分布呈現(xiàn)右偏狀態(tài)，峰度為1.9634說明相比正態(tài)分布更為平緩。上海銀行間同業(yè)拆借利率的均值為2.3415%，中位數(shù)為2.4070，最大值和最小值之間相差3.396，標準差為0.5628，說明該數(shù)據(jù)波動幅度不大，偏度為0.2524說明呈現(xiàn)右偏狀態(tài)，峰度為1.6324表明比正態(tài)分布更為平緩。人民幣兌美元匯率的均值為6.5996，中位數(shù)為6.64，最大值和最小值之間相差1.02，標準差為0.3224說明匯率波動并不是特別大，偏度為-0.1914表明數(shù)據(jù)呈左偏狀態(tài)，峰度-1.2753表示與正態(tài)分布相比更為平緩。WTI原油期貨每月收盤價的平均價格為56.7296，中位數(shù)為53.04，最大值和最小值之間相差86.53，標準差為18.3310說明價格波動比較大，偏度為1.0973相較于正態(tài)分布呈現(xiàn)右偏狀態(tài)，峰度為1.2063說明相比正態(tài)分布更為平緩。秦皇島5500大卡動力煤每月收盤價的平均價格為2.88822，中位數(shù)為570，最大值和最小值之間相差417.5，標準差為84.3462說明價格波動比較大，偏度為-0.5182相較于正態(tài)分布呈現(xiàn)左偏狀態(tài)，峰度為0.0531說明相比正態(tài)分布更為平緩。（二）實證分析過程1.平穩(wěn)性檢驗若要建立ARDL模型，為防止出現(xiàn)偽回歸這種非正常結果，時間序列數(shù)據(jù)必須為平穩(wěn)的或者是協(xié)整的。因此在對數(shù)據(jù)構建ARDL模型之前需要對數(shù)據(jù)進行平穩(wěn)性檢驗，若數(shù)據(jù)為平穩(wěn)的便可直接使用數(shù)據(jù)進行檢驗，若數(shù)據(jù)不平穩(wěn)則需要數(shù)據(jù)進行差分處理之后再構建ARDL模型。本文采用ADF檢驗（AugmentedDicky-Fullertest）也稱為單位根檢驗，對各個變量原始數(shù)據(jù)做對數(shù)處理，對其進行平穩(wěn)性檢驗。本文用軟件eviews10.0對廣東碳排放價格（LNGDEA）、上海碳排放價格（LNSHEA）、上證指數(shù)（LNSSEC）、上海銀行間同業(yè)拆借利率（LNSHIBOR）、人民幣兌美元中間價_期末（LNe）、WTI原油期貨價格（LNWTI）、秦皇島5500大卡動力煤價格（LNCoal）7個變量進行ADF單位根檢驗。各變量ADF檢驗結果如下表4。表4ADF檢驗結果變量檢驗形式（C,T,K）ADE檢驗值各個顯著水平臨界值P值檢驗結果1%5%10%LNGDEA（0,0,11）-2.35-3.5123-2.8972-2.58590.1589不平穩(wěn)LNSHEA（0,0,11）-1.5481-3.5123-2.8972-2.58590.5045不平穩(wěn)LNSSEC（0,0,11）-2.9899-3.5123-2.8972-2.58590.0400平穩(wěn)（I0）LNSHIBOR（0,0,11）-4.3213-3.5123-2.8972-2.58590.0008平穩(wěn)（I0）LNe（0,0,11）-1.9218-3.5123-2.8972-2.58590.3209不平穩(wěn)LNWTI（0,0,11）-3.2090-3.5123-2.8972-2.58590.0230平穩(wěn)（I0）LNCoal（0,0,11）-0.6014-3.5123-2.8972-2.58590.8637不平穩(wěn)?LNGDEA（0,0,11）-8.82-3.5123-2.8972-2.58590.0000平穩(wěn)（I1）?LNSHEA（0,0,11）-8.2959-3.5123-2.8972-2.58590.0000平穩(wěn)（I1）?LNSSEC（0,0,11）-6.9523-3.5123-2.8972-2.58590.0000平穩(wěn)?LNSHIBOR（0,0,11）-12.3633-3.5123-2.8972-2.58590.0001平穩(wěn)?LNe（0,0,11）-6.5264-3.5123-2.8972-2.58590.0000平穩(wěn)（I1）?LNWTI（0,0,11）-7.1745-3.5123-2.8972-2.58590.0000平穩(wěn)?LNCoal（0,0,11）-6.4022-3.5123-2.8972-2.58590.0000平穩(wěn)（I1）注：C-常數(shù)項，T-趨勢項，K-滯后階數(shù)。?-一階差分。數(shù)據(jù)來源：作者利用Eviews軟件計算并保留四位小數(shù)所有變量選用Eviews軟件根據(jù)SIC原則（SchwarzInfoCriterion）自動選取的滯后階數(shù)11，常數(shù)項和趨勢項都為0。根據(jù)每個變量所得的P值大小判斷該變量是否為平穩(wěn)序列，只有當p值小于臨界值0.05時，該時間序列才是平穩(wěn)的。根據(jù)上表3-ADF檢驗結果可知，LNGDEA、LNBEA、LNe、LNCoal四個變量原始序列的p值大于0.05，為不平穩(wěn)序列，但是經(jīng)過一階差分之后，這四個變量的一階差分序列平穩(wěn)，因此，這四個變量均為一階單整時間序列（I1）。LNSSEC、LNSHIBOR、LNWTI這三個變量的原始序列的p值都小于0.05，說明這三個變量的原始序列為平穩(wěn)序列，為零階單整序列（I0）。所有變量經(jīng)過一階差分后都平穩(wěn)。2.ARDL模型分析由于本文中七個變量有三個變量為零階單整，四個變量為一階單整，并不是同階單整。傳統(tǒng)標準的協(xié)整檢驗并不符合本文所選變量數(shù)據(jù)，因此，本文選用自回歸分布滯后模型（ARDL）分析變量之間的長期關系，其優(yōu)點便是不要求變量為同階單整，變量可以為零階單整（I0）也可以為一階單整（I1）。本文運用ARDL模型研究上證指數(shù)（SSEC）、銀行間同業(yè)拆借利率（SHIBOR）、匯率（e）、石油價格（WTI）、秦皇島煤炭價格（Coal）對廣東（GDEA）和上海（SHEA）碳排放權價格的影響，以此推出這幾個變量對全國碳排放權交易價格的影響。但由于進行ARDL模型檢驗之后并沒有進行殘差平穩(wěn)檢驗，根據(jù)上表4可知所有7個變量（取對數(shù)后）通過一階差分之后都是平穩(wěn)的，因此在模型中采用一階差分變量進行分析。（1）ARDL邊限協(xié)整檢驗。在本文邊限協(xié)整檢驗中，變量之間不存在長期的協(xié)整關系被設為原假設，即H0：β1=β2=β3=β4=β5。變量間存在長期的協(xié)整關系被設為備擇假設，即β1、β2、β3、β4、β5至少存在一個是不為零的。將F統(tǒng)計量與上臨界值進行對比，若大于臨界值，則表明拒絕原假設，即變量之間存在協(xié)整關系。本文的ARDL邊限協(xié)整檢驗選用Eviews10軟件進行檢驗，最優(yōu)滯后階數(shù)是通過Eviews10根據(jù)AIC原則自動確定。第一，研究被解釋變量LNGDEA和解釋變量LNSSEC、LNSHIBOR、LNe、LNWTI。構建模型表達式（1-1）：其中j、k、l、m、n是變量的滯后階數(shù)，t是變量的滯后期，β0是常數(shù)項，μt是白噪聲，?表示變量一階差分。式（1-1）經(jīng)過測算得出統(tǒng)計值如下表5，模型（1-1）的F統(tǒng)計值為8.449943，大于10%、2.5%、5%、1%的上邊界值4.06、4.57、5.07、5.72，因此拒絕原假設，即自變量（LNGDEA）和因變量（LNSSEC、LNSHIBOR、LNe、LNWTI）之間存在協(xié)整關系。第二，研究被解釋變量LNGDEA和解釋變量LNSSEC、LNSHIBOR、LNe、LNCoal。構建模型表達式（1-2）：其中j、k、l、m、n、t、β0、μt、?的解釋同表達式（1-1）。式（1-2）經(jīng)過測算得出的模型（1-2）的F統(tǒng)計值為8.516267（見表5），大于10%、2.5%、5%、1%的上邊界值4.06、4.57、5.07、5.72，因此拒絕原假設，即自變量（LNGDEA）和因變量（LNSSEC、LNSHIBOR、LNe、LNCoal）之間存在協(xié)整關系。第三，研究被解釋變量LNSHEA和解釋變量LNSSEC、LNSHIBOR、LNe、LNWTI。構建模型表達式（1-3）：其中j、k、l、m、n、t、β0、μt、?的解釋同表達式（1-1）。式（1-3）經(jīng)過測算得出的模型（1-3）的F統(tǒng)計值為12.57443（見表5），大于10%、2.5%、5%、1%的上邊界值4.06、4.57、5.07、5.72，因此拒絕原假設，即自變量（LNSHEA）和因變量（LNSSEC、LNSHIBOR、LNe、LNWTI）之間存在協(xié)整關系。第四，研究被解釋變量LNSHEA和解釋變量LNSSEC、LNSHIBOR、LNe、LNCoal。構建模型表達式（1-4）：其中j、k、l、m、n、t、β0、μt、?的解釋同表達式（1-1）。式（1-4）經(jīng)過測算得出的模型（1-4）的F統(tǒng)計值為20.76642（見表5），大于10%、2.5%、5%、1%的上邊界值4.06、4.57、5.07、5.72，因此拒絕原假設，即自變量（LNSHEA）和因變量（LNSSEC、LNSHIBOR、LNe、LNCoal）之間存在協(xié)整關系。表5模型（1）ARDL邊限協(xié)整檢驗函數(shù)F統(tǒng)計值10%5%2.5%1%I(0)I(1)I(0)I(1)I(0)I(1)I(0)I(1)表達式（1.1）8.4499433.034.063.474.573.895.074.45.72表達式（1.2）8.5162673.034.063.474.573.895.074.45.72表達式（1.3）12.574433.034.063.474.573.895.074.45.72表達式（1.4）20.766423.034.063.474.573.895.074.45.72數(shù)據(jù)來源：作者利用Eviews軟件計算所得（2）長期系數(shù)估計。利用ARDL模型分析各個解釋變量對GDEA的長期影響。第一，模型（1-1）存在協(xié)整關系，表明變量之間存在長期均衡關系，因此構建ARDL模型（2-1）來估計上證指數(shù)、上海銀行間同業(yè)拆借利率、利率、WTI石油價格分別與廣東碳排放價格之間的長期彈性系數(shù)。模型（2-1）中n是滯后階數(shù)，t為滯后期，β0是常數(shù)項，μt是白噪聲。?LNGDEAt=利用模型（2-1）估計時，采用AIC原則軟件自動確定該模型的最優(yōu)滯后階數(shù)，最大滯后階數(shù)限定為4，估計得到最優(yōu)滯后階數(shù)為p=3，q1=2，q2=1，q3=0，q4=0，得到最優(yōu)模型為ARDL（3,2,1,0,0），模型估計結果見表6。表6ARDL(3,2,1,0,0)的長期均衡系數(shù)估計變量相關系數(shù)標準差T統(tǒng)計值P值?LNSSEC0.44560.40411.10270.2740?LNSHIBOR0.24110.13551.77910.0797?LNe2.45201.33491.83690.0706?LNWTI0.06060.09600.63200.5295模型檢驗：F-statistic=3.931431，p=0.0002，D-W=1.921469第二，模型（1-2）表明變量之間存在長期均衡關系，因此構建ARDL模型（2-2）來估計上證指數(shù)、上海銀行間同業(yè)拆借利率、利率、秦皇島5500大卡動力煤價格分別與廣東碳排放價格之間的長期彈性系數(shù)。模型（2-2）中n是滯后階數(shù)，t為滯后期，β0是常數(shù)項，μt是白噪聲。

?LNGDEAt=β0+i=1利用模型（2-2）估計時，采用AIC原則確定最優(yōu)滯后階數(shù)，最大滯后階數(shù)限定為4，估計得到最優(yōu)滯后階數(shù)為p=3，q1=2，q2=1，q3=0，q4=0，得到最優(yōu)模型為ARDL（3,2,1,0,0），模型估計結果見表7。表7ARDL(3,2,1,0,0)的長期均衡系數(shù)估計變量相關系數(shù)標準差T統(tǒng)計值P值?LNSSEC0.48230.42711.12930.2627?LNSHIBOR0.25300.14431.75290.0841?LNe2.50921.41351.77520.0803?LNCoal0.21760.29560.73610.4642模型檢驗：F-statistic=3.961850，p=0.0002，D-W=1.930456（3）穩(wěn)健性檢驗。本文研究我國碳排放價格的影響因素，由于選用單個省/市的碳排放交易市場分析，可能存在偶然性，難以代表我國整個碳排放交易市場的情況，因此，本文在選用廣東碳排放價格作為被解釋變量進行分析之后，進而選用上海碳排放價格作為被解釋變量進行分析，來進行穩(wěn)健性檢驗，檢驗分析結果是否穩(wěn)定準確。第一，模型（1-3）存在協(xié)整關系，表明變量之間存在長期均衡關系，因此構建ARDL模型（2-3）來估計上證指數(shù)、上海銀行間同業(yè)拆借利率、利率、WTI石油價格分別與上海碳排放價格之間的長期彈性系數(shù)。模型（2-3）中n是滯后階數(shù)，t為滯后期，β0是常數(shù)項，μt是白噪聲。

?LNSHEAt式（2-3）利用模型（2-3）估計時，采用AIC原則軟件自動確定該模型的最優(yōu)滯后階數(shù)，最大滯后階數(shù)限定為4，估計得到最優(yōu)滯后階數(shù)為p=1，q1=0，q2=3，q3=4，q4=2，得到最優(yōu)模型為ARDL（1,0,3,4,2），模型估計結果見表8。表8ARDL(1,0,3,4,2)的長期均衡系數(shù)估計變量相關系數(shù)標準差T統(tǒng)計值P值?LNSSEC0.31480.41360.76110.4494?LNSHIBOR0.95860.33062.89960.0051?LNe3.02423.47570.87010.3875?LNWTI0.44500.27701.60680.1131模型檢驗：F-statistic=2.575731，p=0.0046，D-W=1.9202165第二，模型（1-4）表明變量之間存在長期均衡關系，因此構建ARDL模型（2-4）來估計上證指數(shù)、上海銀行間同業(yè)拆借利率、利率、秦皇島5500大卡動力煤價格分別與上海碳排放價格之間的長期彈性系數(shù)。模型（2-4）中n是滯后階數(shù)，t為滯后期，β0是常數(shù)項，μt是白噪聲。

?LNSHEAt式（2-4）利用模型（2-4）估計時，采用AIC原則確定最優(yōu)滯后階數(shù)，最大滯后階數(shù)限定為4，估計得到最優(yōu)滯后階數(shù)為p=1，q1=0，q2=4，q3=0，q4=4，得到最優(yōu)模型為ARDL（1,0,4,0,4），模型估計結果見表9。表9ARDL(1,0,4,0,4)的長期均衡系數(shù)估計變量相關系數(shù)標準差T統(tǒng)計值P值?LNSSEC0.42670.32071.33030.1881?LNSHIBOR0.23950.32840.72940.4684?LNe4.98611.69052.94940.0044?LNCoal2.23910.73583.04320.0034模型檢驗：F-statistic=3.010223，p=0.0001，D-W=2.0442803.實證結果分析第一，由上表6可知，模型（2-1）的D-W值為1.921469接近2，說明模型殘差間相互獨立，不存在自相關性。雖然上證指數(shù)對廣東碳排放價格的長期影響系數(shù)為0.4456，但是由于P值為0.2740大于0.1表明P值并不顯著，因此無法說明上證指數(shù)對廣東碳排放價格有長期正向的影響。上海銀行間同業(yè)拆借利率相關系數(shù)為0.2411，P值為0.0797表明在10%的顯著水平下顯著，若其他變量不變，則上海銀行間同業(yè)拆借利率每上升1個百分點，廣東碳排放價格會上升大約0.24個百分點，從長期來看，上海銀行間同業(yè)拆借利率對廣東碳排放價格有正向影響。人民幣兌美元匯率對廣東碳排放價格的長期影響系數(shù)為2.4520，P值為0.0706在10%的顯著水平下顯著。由于我國人民幣兌美元匯率采用直接標價法，本幣匯率下降1個百分點即美元匯率上升1個百分點，廣東碳排放價格上升2.45個百分點，人民幣兌美元匯率對廣東碳排放價格在長期有正向影響。WTI原油期貨價格對廣東碳排放價格的長期影響系數(shù)為0.0606，但由于P值為0.5295大于0.1，即P值并不顯著，因此無法說明WTI原油期貨價格對廣東碳排放價格有長期影響。根據(jù)各個相關系數(shù)和P值的大小可知，匯率對廣東碳排放價格的影響大于上海銀行間同業(yè)拆借利率，而上證指數(shù)和WTI原油期貨對廣東碳排放價格的影響并不不顯著。第二，構建的模型（2-2）中將模型（2-1）代表能源價格的WTI原油期貨價格指標換為秦皇島5500大卡動力煤價格指標，通過與模型（2-1）的實證結果進行比較，分析煤炭價格與原油價格兩個變量對碳排放價格影響的區(qū)別。模型（2-2）的D-W值為1.930456接近2，說明模型殘差間相互獨立，不存在自相關性。當變量WTI原油期貨價格改為秦皇島5500大卡動力煤價格指標后，其他變量的相關系數(shù)也有所變化，上證指數(shù)對廣東碳排放價格的長期影響系數(shù)由0.4456變?yōu)?.4823，P值由0.2740變?yōu)?.2627，仍然不顯著。上海銀行間同業(yè)拆借利率的P值為0.0841在10%的顯著水平下顯著，相關系數(shù)有0.2411變?yōu)?.2530，說明對廣東碳排放價格的正向影響稍微有所上升。人民幣兌美元匯率（直接標價法）對廣東碳排放價格的P值為0.0803在10%的顯著水平下顯著，長期影響系數(shù)由2.4520變?yōu)?.0242，對廣東碳排放價格的影響上升。秦皇島5500大卡動力煤價格對廣東碳排放價格的P值為0.4642大于0.1并不顯著，即使長期影響系數(shù)為0.2176，也無法說明動力煤價格對廣東碳排放價格有長期影響。變量對廣東碳排放價格的影響系數(shù)從大到小為：匯率、上海銀行間同業(yè)拆借利率、而上證指數(shù)和秦皇島動力煤價格對廣東碳排放價格并不顯著。與模型（2-1）的結果相比可以看出，雖然秦皇島5500大卡動力煤價格和WTI原油期貨價格對廣東碳排放價格的影響均不顯著，但是動力煤價格相較于WTI對碳排放價格更有影響。第三，模型（2-3）的D-W值為1.9202165接近2，說明模型殘差間相互獨立，不存在自相關性。上證指數(shù)對上海碳排放價格的P值為0.4494并不顯著，雖然長期影響系數(shù)為0.3148，但是無法說明上證指數(shù)對上海碳排放價格有長期影響。上海銀行間同業(yè)拆借利率的P值為0.0051在10%的水平下顯著，其相關系數(shù)為0.9586，若其他變量不變，則上海銀行間同業(yè)拆借利率每上升1個百分點，上海碳排放價格會上升大約0.96個百分點，從長期來看，上海銀行間同業(yè)拆借利率對上海碳排放價格有正向影響。人民幣兌美元匯率對上海碳排放價格的P值為0.3875不顯著，長期影響系數(shù)為3.0242，無法說明人民幣兌美元匯率對上海碳排放價格在長期有影響。WTI原油期貨價格對上海碳排放價格的P值為0.1131不顯著，長期影響系數(shù)為0.4450，,無法說明WTI原油期貨價格對上海碳排放價格在長期有正向影響。根據(jù)各個P值和相關系數(shù)的大小可知，上海銀行間同業(yè)拆借利率對上海碳排放價格影響為正，上證指數(shù)、匯率、WTI影響不顯著。對比模型（2-1）的實證分析結果，與對廣東碳排放價格的影響基本一致。第四，模型（2-4）的D-W值為2.044280接近2，說明模型殘差間相互獨立，不存在自相關性。當WTI原油期貨價格指標替換為秦皇島5500大卡動力煤價格指標后，各解釋變量與上海碳排放價格的P值和相關系數(shù)也有所變化。上證指數(shù)對上海碳排放價格的P值從0.4494變?yōu)?.1881仍不顯著，長期影響系數(shù)由0.3148變?yōu)?.4267。上海銀行間同業(yè)拆借利率P值從0.0051上升為0.4684，影響不再顯著。而人民幣兌美元匯率（直接標價法）對上海碳排放價格P值下降為0.0044，在5%的水平下顯著，長期影響系數(shù)變?yōu)?.861，說明其對上海碳排放價格開始有長期正向影響。秦皇島5500大卡動力煤價格對上海碳排放價格的P值為0.0034，在5%水平下顯著，長期影響系數(shù)為2.2391，即從長期看動力煤價格每上升1個百分點，上海碳排放價格上升2.24個百分點，秦皇島動力煤（5500大卡）價格對上海碳排放價格在長期有正向影響。其中匯率的長期影響系數(shù)>秦皇島動力煤價格。首先，與模型（2-3）的長期影響系數(shù)結果相比可以看出，秦皇島5500大卡動力煤價格對上海碳排放價格有正向影響，比WTI原油期貨價格對上海碳排放價格的影響大，與對廣東碳排放價格的分析基本一致。其次，將模型（2-4）與模型（2-2）相比，直接標價法下的匯率對廣東和上海碳排放價格的正向影響最大，上證指數(shù)對廣東和上海的碳排放價格的影響都不顯著。綜上所述，上海銀行間同業(yè)拆借利率和匯率對廣東和上海的碳交易價格更為顯著，有長期正向影響，而上證指數(shù)和WTI原油期貨對廣東和上海碳交易價格影響并不顯著，秦皇島動力煤價格對廣東碳排放價不顯著而對上海碳排放價格顯著。由于碳排放權交易市場是金融性市場，會受到投資者的影響，市場參與者不只有能源企業(yè)還有很多其他的投資者，市場存在很多投資和投機行為，這可能導致實體能源價格的影響對碳排放市場影響較小。當上證指數(shù)上升代表經(jīng)濟增長，我國碳市場并不是十分完善，投資者可能會選擇把多余的錢投入到其他更加完善、收益更多的金融市場，因而對碳市場的影響較小。隨著碳交易市場的逐步發(fā)展和完善，碳交易市場的金融屬性也變得更加明顯。當金融性過大時，市場價格與其他金融市場的聯(lián)系也更加密切，受到金融性指標的影響會更大，這導致碳排放權交易價格受到基本面的影響很小，因此會出現(xiàn)上證指數(shù)、WTI和秦皇島動力煤價格的影響存在不顯著的情況。五、結論建議與展望（一）結論由于中國碳金融市場中碳排放交易市場最為主要，因此本文選用ARDL模型對中國碳排放市場價格進行研究，對廣東碳排放市場價格進行研究后，又采用同樣的方法對上海碳排放市場價格進行分析確保研究結果具有穩(wěn)健性。通過ARDL實證分析，本文得出了以下結論：第一，匯率（直接標價法）對我國碳排放權交易價格的影響最大，為正向影響即碳排放價格會隨著本幣匯率的下降美元匯率的上升而上升。這可能與我國廣東和上海碳金融市場的國際化程度比較高有關。第二，根據(jù)實證結果可以看出，煤炭價格對我國碳排放權交易價格的影響比石油的影響更大，說明我國目前二氧化碳排放仍然主要來源于煤炭。第三，除匯率外其他因素對廣東和上海碳排放交易市場價格影響大小的排序并不同，這與廣東和上海碳排放交易市場的實際發(fā)展情況不同有關。第四，上證指數(shù)（宏觀因素）和WTI原油期貨（能源價格）對廣東和上海碳排放價的影響不顯著，秦皇島動力煤價格對廣東碳價不顯著但對上海碳價有正向影響，而匯率和利率影響（金融市場因素）相比較上證指數(shù)和能源價格的分析結果更加顯著。出現(xiàn)這種結果的原因可能是由于我國碳排放交易市場的金融性更加突出，因此金融因素對其價格影響更加明顯，而宏觀因素和能源價格因素（基本面因素）對其影響不大。（二）建議一是促進企業(yè)進行能源使用結構的調整。積極發(fā)展清潔能源，鼓勵企業(yè)能夠調整能源使用，如減少使用傳統(tǒng)非清潔能源，增加清潔能源的使用；通過技術提升來增加能源使用的效率，減少碳排放。二是進一步健全碳交易市場。通過健全完善我國碳金融市場，進一步提高碳交易市場的運行效率和穩(wěn)定。我國目前所存在的八個碳交易市場的交易現(xiàn)狀、政策制度存在一定的差異，健全和完善碳交易市場，減少各交易試點之間