基于GARCH模型的碳排放權(quán)價(jià)格估測(cè)實(shí)證研究目錄TOC\o"1-3"\h\u25863基于GARCH模型的碳排放權(quán)價(jià)格估測(cè)實(shí)證研究 16162一、評(píng)估市場(chǎng)背景 111759二、碳排放權(quán)的價(jià)格波動(dòng)與預(yù)測(cè)分析-GARCH模型 122352三、超越對(duì)數(shù)生產(chǎn)函數(shù) 729299（一）數(shù)據(jù)選取 74774（二）結(jié)果分析 930444四、線性規(guī)劃函數(shù) 1328266（一）模型引入 13559（二）數(shù)據(jù)選取 1325234（三）碳排放權(quán)評(píng)估結(jié)果分析 14以湖北省碳排放權(quán)交易試點(diǎn)作為案例進(jìn)行實(shí)證分析，對(duì)碳排放權(quán)價(jià)格的波動(dòng)趨勢(shì)、未來(lái)預(yù)測(cè)利用GARCH模型進(jìn)行進(jìn)一步闡述，通過(guò)影子價(jià)格模型對(duì)碳排放權(quán)價(jià)格進(jìn)行估測(cè)，其中影子價(jià)格估測(cè)包括兩個(gè)部分，第一，采取超越對(duì)數(shù)生產(chǎn)函數(shù)的方式，得出每增加一單位二氧化碳的排放對(duì)湖北省GDP產(chǎn)生的影響，更有利于對(duì)資源進(jìn)行合理配置，第二，采取線性規(guī)劃函數(shù)結(jié)合公平原則的方式，得出2014年至2019年度湖北省碳排放權(quán)影子價(jià)格。由于影子價(jià)格更接近于碳排放權(quán)交易的理想狀態(tài)價(jià)格，GARCH模型預(yù)測(cè)更貼近現(xiàn)實(shí)情況，由此將碳排放權(quán)影子價(jià)格、GARCH模型預(yù)測(cè)價(jià)格與實(shí)際價(jià)格進(jìn)行對(duì)比分析。一、評(píng)估市場(chǎng)背景湖北省位于我國(guó)的中部地區(qū)，根據(jù)2019年我國(guó)百?gòu)?qiáng)城市排名，湖北省省會(huì)城市武漢市位居全國(guó)前十，根據(jù)湖北省碳交易網(wǎng)最新數(shù)據(jù)顯示，由于新型冠狀病毒對(duì)生產(chǎn)造成的影響，2020年第一季度全國(guó)減排量下降11%，根據(jù)全國(guó)的統(tǒng)計(jì)數(shù)據(jù)，所有省份中湖北省貢獻(xiàn)最大，但即便如此，湖北省碳排放權(quán)交易市場(chǎng)規(guī)模建設(shè)依然是全國(guó)第一。2019年單位GDP資源消耗量目標(biāo)為2%，減排目標(biāo)基本完成。2020年的碳減排目標(biāo)為二氧化碳排放量下降目標(biāo)接近于20%。截至2020年底，湖北省碳排放權(quán)成交總量7803.7萬(wàn)噸，全國(guó)市場(chǎng)占比32.9%，碳成交量與成交額居于全國(guó)首位，能源總量較大，其中省會(huì)城市武漢市作為國(guó)家物流樞紐，工業(yè)生產(chǎn)保持穩(wěn)定增長(zhǎng)，節(jié)能減排工作穩(wěn)步推進(jìn)。但湖北省內(nèi)經(jīng)濟(jì)結(jié)構(gòu)發(fā)展依舊存在不平衡的現(xiàn)象，在未來(lái)的發(fā)展年限中依舊需要投入大量減排技術(shù)成本，我國(guó)的溫室氣體減排同樣依舊需要各省的共同努力。二、碳排放權(quán)的價(jià)格波動(dòng)與預(yù)測(cè)分析-GARCH模型通過(guò)第三章中對(duì)碳排放權(quán)交易現(xiàn)狀的碳排放量、成交額以及碳配額情況分析之后，進(jìn)一步對(duì)碳排放權(quán)價(jià)格探索是本文的研究重點(diǎn)，價(jià)格波動(dòng)分析是碳排放權(quán)交易市場(chǎng)運(yùn)行情況分析的最直觀反映，正常的價(jià)格波動(dòng)是市場(chǎng)有效性的前提，異常的價(jià)格波動(dòng)會(huì)給碳排放權(quán)交易市場(chǎng)帶來(lái)不必要的風(fēng)險(xiǎn)。從計(jì)量經(jīng)濟(jì)學(xué)的角度出發(fā)，對(duì)時(shí)間序列數(shù)據(jù)的波動(dòng)分析一直是研究熱點(diǎn)問(wèn)題，由此對(duì)碳排放權(quán)價(jià)格建立GARCH模型進(jìn)行實(shí)證分析，根據(jù)過(guò)往研究成果，GARCH模型可以預(yù)測(cè)金融變量的波動(dòng)幅度，為其價(jià)格的風(fēng)險(xiǎn)性進(jìn)行分析。GARCH模型適用于對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行預(yù)測(cè)，接近實(shí)際的交易價(jià)格，由下列的均值方程（3-14）與方差方程（3-16）所組成。根據(jù)模型得出碳排放權(quán)價(jià)格收益率具有一定的波動(dòng)特征。由于湖北省交易量與交易額一直全國(guó)前列，且大部分日期均有碳排放權(quán)交易量的存在，且其他交易所碳排放權(quán)價(jià)格獲取存在缺失現(xiàn)象，并觀察近幾年湖北省碳排放權(quán)交易市場(chǎng)發(fā)展較為穩(wěn)定，為保證數(shù)據(jù)選取的難度適中與真實(shí)性，由此，本文選取湖北碳排放權(quán)交易所進(jìn)行實(shí)證分析。本文采取日成交均價(jià)數(shù)據(jù)進(jìn)行建模分析，以湖北碳排放權(quán)交易市場(chǎng)為案例進(jìn)行實(shí)證分析的建模區(qū)間為2014年4月到2020年12月的日數(shù)據(jù)，樣本數(shù)據(jù)區(qū)間為2014年4月到2018年12月，預(yù)測(cè)區(qū)間為2019年1月至2020年12月，計(jì)算公式為：（5-1）（5-2）（5-3）（5-4）GARCH模型滿(mǎn)足正態(tài)分布，分布，其中，，，，，，為擾動(dòng)項(xiàng)是獨(dú)立同分布隨機(jī)變量序列。其中表示湖北省碳排放權(quán)交易市場(chǎng)交易日的收益率，表示日交易均價(jià)，表示第交易日的成交價(jià)格。本文的數(shù)據(jù)處理運(yùn)用Eviews軟件，由于GARCH模型比較適用于收益性時(shí)間序列分析，從原始價(jià)格波動(dòng)圖5-1中可以看出交易試點(diǎn)碳排放權(quán)交易價(jià)格時(shí)間序列較不平穩(wěn)，為了分析價(jià)格波動(dòng)特征，保證數(shù)據(jù)的平穩(wěn)性和適用性，對(duì)碳排放權(quán)價(jià)格進(jìn)行對(duì)數(shù)化處理，并用得到的數(shù)據(jù)作為波動(dòng)性分析的數(shù)據(jù)材料。計(jì)算公式如（5-4）所示。Eviews軟件實(shí)證結(jié)果如下列各圖、表所示：根據(jù)Eviews軟件繪制湖北省碳排放權(quán)交易試點(diǎn)2014年4月至2020年12月的價(jià)格時(shí)序圖5-1，價(jià)格波動(dòng)較為不平穩(wěn)，對(duì)數(shù)化處理后收益率序列如圖5-2所示，可以看出收益率波動(dòng)具有一定的聚集性，湖北省對(duì)于碳排放權(quán)價(jià)格的風(fēng)險(xiǎn)管控較為樂(lè)觀。序列存在明顯的條件異方差，整體價(jià)格具有一定的波動(dòng)性，圍繞0值進(jìn)行上下波動(dòng)，收益率的波動(dòng)可以看成一個(gè)隨機(jī)的過(guò)程，外部因素的沖擊會(huì)導(dǎo)致碳排放權(quán)價(jià)格進(jìn)行波動(dòng)。圖5-1湖北省交易試點(diǎn)碳排放權(quán)價(jià)格時(shí)序圖Figure5-1TimingchartofthepriceofcarbonemissionrightsforthetradingpilotinHubeiProvince圖5-2湖北省碳交易試點(diǎn)收益率序列圖Figure5-2SequencediagramofthereturnrateofHubeiProvince'scarbontradingpilot第二、通過(guò)均值方差做回歸分析，如表5-1所示，平穩(wěn)化信息中依舊存在波動(dòng)性。如表5-2所示，殘差中存在自相關(guān)性，對(duì)異方差LM檢驗(yàn)，P值較小。殘差序列存在自相關(guān)性，因此可以用GARCH建模，GARCH模型能夠更好的進(jìn)行資產(chǎn)波動(dòng)率分析。表5-1均值方差回歸分析表Table5-1Meanvarianceregressionanalysistable變量系數(shù)標(biāo)準(zhǔn)差t統(tǒng)計(jì)量P值C0.0002710.0012070.2247170.8222表5-2異方差的ARCH-LM檢驗(yàn)表Table5-2ARCH-LMtesttableforheteroscedasticityF統(tǒng)計(jì)量179.9446F值0.0000R2155.6859卡方0.0000表5-3GARCH（1,1）模型表Table5-3GARCH(1,1)modeltable變量系數(shù)標(biāo)準(zhǔn)差z統(tǒng)計(jì)量P值C-0.0009200.000696-1.3215360.1863方差方程C0.0001399.32E-0614.932720.0000RESID(-1)^20.3864410.03063712.613520.0000GARCH(-1)0.5795010.01671334.672970.0000在完成GARCH模型可行性分析后，則可以使用GARCH方法進(jìn)行建模，根據(jù)Eviews軟件得出的數(shù)據(jù)結(jié)果，如表5-3所示，滿(mǎn)足，，，,常數(shù)項(xiàng)近似接近于零的前提條件，表示過(guò)去碳排放權(quán)價(jià)格的波動(dòng)對(duì)未來(lái)價(jià)格的影響趨勢(shì)是逐步衰減的，擬合結(jié)果是合理且可靠的。系數(shù)相加小于1，且接近于1，說(shuō)明碳排放權(quán)交易市場(chǎng)中碳排放權(quán)價(jià)格受到外部因素的沖擊在短期內(nèi)很難消減，隨著條件方差的增大，波動(dòng)幅度增大，波動(dòng)的風(fēng)險(xiǎn)性也會(huì)上升，應(yīng)當(dāng)加強(qiáng)碳交易市場(chǎng)碳排放權(quán)價(jià)格的波動(dòng)風(fēng)險(xiǎn)價(jià)格管理。得出湖北省碳排放權(quán)交易市場(chǎng)均值方程以及方差方程為：第三、進(jìn)一步對(duì)模型的有效性進(jìn)行檢驗(yàn)。金融資產(chǎn)價(jià)格或者收益率波動(dòng)往往處于突然性的發(fā)生，往往大的波動(dòng)后面跟著更大的波動(dòng)，小的波動(dòng)后面跟著一個(gè)小波動(dòng)，也被定義為ARCH現(xiàn)象，根據(jù)表5-4的ARCH-LM檢驗(yàn)得出殘差值中不具有有效性信息，不殘余波動(dòng)信息。表5-4殘差A(yù)RCH-LM檢驗(yàn)表Table5-4ResidualARCH-LMtesttableF統(tǒng)計(jì)量2.583763

F值0.1082R22.582443卡方0.1081第四、進(jìn)一步通過(guò)使用T-GARCH，E-GARCH模型對(duì)湖北省碳排放權(quán)價(jià)格收益率波動(dòng)的非對(duì)稱(chēng)效應(yīng)進(jìn)行檢驗(yàn)，根據(jù)表5-5和表5-6所示，結(jié)果得出P值不顯著，湖北省碳排放權(quán)交易所價(jià)格波動(dòng)不具有對(duì)稱(chēng)性，并且具有尖峰厚尾的特征。第五、對(duì)GARCH模型的碳排放權(quán)價(jià)格進(jìn)行預(yù)測(cè)，如圖5-3所示，得出成交均價(jià)的真實(shí)值和預(yù)測(cè)數(shù)據(jù)的結(jié)果存在的差異較小，預(yù)測(cè)結(jié)果與真實(shí)結(jié)果較為接近，總體的擬合結(jié)果較為良好，結(jié)果圖的走勢(shì)基本一致。湖北碳排放權(quán)交易市場(chǎng)收益率波動(dòng)較小，不易受到其他因素的突發(fā)性影響。雖然每日的預(yù)測(cè)數(shù)據(jù)與真實(shí)值相比存在一定的差距，但2019年價(jià)格預(yù)測(cè)均值為32.6538元，真實(shí)年均值為32.6744元，誤差率為0.06%，2020年價(jià)格預(yù)測(cè)值均值為27.3412元，真實(shí)值年均值為27.3444，誤差率為0.01%，GARCH模型對(duì)碳排放權(quán)價(jià)格的預(yù)測(cè)值與真實(shí)值的年均值對(duì)比差距較小，GARCH模型對(duì)碳排放權(quán)的未來(lái)年度價(jià)格預(yù)測(cè)提供一定的參考作用，與此同時(shí)配合政府監(jiān)管、政策控制能更好的提高市場(chǎng)效率。分析碳排放權(quán)價(jià)格波動(dòng)規(guī)律以及極端價(jià)格出現(xiàn)的時(shí)間頻率，更好的把控價(jià)格波動(dòng)風(fēng)險(xiǎn)。對(duì)于碳排放權(quán)交易市場(chǎng)的發(fā)展來(lái)看，碳排放權(quán)的價(jià)格波動(dòng)的風(fēng)險(xiǎn)性極強(qiáng)的，突發(fā)性事件較容易對(duì)碳排放權(quán)交易市場(chǎng)產(chǎn)生沖擊，碳排放權(quán)價(jià)格具有波動(dòng)聚集性以及非正態(tài)性分布的特征。表5-5非對(duì)稱(chēng)效應(yīng)T-GARCH檢驗(yàn)表Table5-5T-GARCHtesttableforasymmetriceffects變量系數(shù)標(biāo)準(zhǔn)差z統(tǒng)計(jì)量P值C-0.0006020.000791-0.7614090.4464方差方程C0.0001409.23E-0615.128510.0000RESID(-1)^20.4320040.0437359.8778620.0000RESID(-1)^2*(RESID(-1)<0)-0.0756160.068873-1.0979070.2722GARCH(-1)0.5743110.01640235.014900.0000表5-6E-ARCH模型檢驗(yàn)表Table5-6E-ARCHmodelchecklist變量系數(shù)標(biāo)準(zhǔn)差z統(tǒng)計(jì)量P值C-0.0009220.000651-1.4147440.1571方差方程C(2)-1.7703990.080938-21.873530.0000C(3)0.6198820.03470317.862290.0000C(4)0.0018920.0297350.0636360.9493C(5)0.8017630.01045876.662310.0000綜合上述分析結(jié)果，GARCH模型能很好的反映數(shù)據(jù)的真實(shí)情況，我國(guó)的碳排放權(quán)交易市場(chǎng)發(fā)展前景較好，未來(lái)在全球的碳排放權(quán)交易過(guò)程中也會(huì)擁有發(fā)言權(quán)，未來(lái)我國(guó)碳排放權(quán)價(jià)格也會(huì)呈現(xiàn)一定程度的上升，更接近于影子價(jià)格的理想狀態(tài)，由此可以將GARCH預(yù)測(cè)值與下文對(duì)碳排放權(quán)的影子價(jià)格分析結(jié)果一同作為碳排放權(quán)價(jià)值評(píng)估區(qū)間參考，對(duì)碳排放權(quán)未來(lái)發(fā)展可以進(jìn)行很好的預(yù)測(cè)。圖5-32019-2020年碳排放權(quán)價(jià)格真實(shí)值與預(yù)測(cè)值擬合圖Figure5-3Fittingdiagramofthetruevalueandpredictedvalueofthepriceofcarbonemissionrightsfrom2019to2020三、超越對(duì)數(shù)生產(chǎn)函數(shù)（一）數(shù)據(jù)選取由于數(shù)據(jù)庫(kù)中的二氧化碳排放量數(shù)據(jù)、固定資產(chǎn)投資數(shù)據(jù)公開(kāi)至2017年，由此本文選取1997-2017年共十年的相關(guān)數(shù)據(jù)，利用公式（4-4）進(jìn)行分析。勞動(dòng)力數(shù)量選取就業(yè)人口數(shù)量作為代表，其中GDP，固定資產(chǎn)投資以及就業(yè)人口數(shù)量選取自湖北省統(tǒng)計(jì)局，二氧化碳排放量數(shù)據(jù)來(lái)自CEADs數(shù)據(jù)庫(kù)，數(shù)據(jù)選取如下表5-7所示。為了減小數(shù)據(jù)間的多重共線性影響，將選取的數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理，如下表5-8所示：表5-7建模數(shù)據(jù)選取表Table5-7Modelingdataselectiontable年份勞動(dòng)力數(shù)量（萬(wàn)）固定資產(chǎn)（億）GDP（億）19973311.21083.62856.4719983328.21231.13114.0219993358.11302.173229.2920003384.91421.553545.3920013414.51551.753880.53200234431695.224212.82200334761883.594757.45200435072356.385546.78200535372834.756469.66200635643572.697531.8200735844534.149451.39200836075798.5611497.46200936228211.8513192.142010364510802.6916226.942011367212935.0219942.452012368716504.1722590.892013369220753.9125378.0120143687.525001.7728242.132015365829191.06303442016363329503.88333532017361031872.5737235數(shù)據(jù)來(lái)源：湖北省統(tǒng)計(jì)局，CEADs數(shù)據(jù)庫(kù)表5-81997-2017年數(shù)據(jù)對(duì)數(shù)化處理表Table5-8Datalogarithmicprocessingtablefrom1997to2017年份二氧化碳排放量對(duì)數(shù)勞動(dòng)力數(shù)量對(duì)數(shù)固定資產(chǎn)對(duì)數(shù)勞動(dòng)力數(shù)量和固定資產(chǎn)對(duì)數(shù)交叉項(xiàng)勞動(dòng)力數(shù)量和二氧化碳排放量對(duì)數(shù)交叉項(xiàng)固定資產(chǎn)和二氧化碳排放量對(duì)數(shù)交叉項(xiàng)固定資產(chǎn)對(duì)數(shù)項(xiàng)平方勞動(dòng)力數(shù)量對(duì)數(shù)平方二氧化碳排放量對(duì)數(shù)平方19978.133.523.0310.6828.6124.669.2112.3966.0419988.123.523.0910.8828.6125.109.5512.4165.9819998.133.533.1110.9828.6725.329.7012.4366.1020008.143.533.1511.1328.7225.659.9412.4666.2020018.133.533.1911.2728.7325.9410.1812.4866.1120028.193.543.2311.4228.9626.4410.4312.5167.0420038.223.543.2711.6029.1026.9110.7312.5467.5420048.263.543.3711.9529.2827.8611.3712.5768.2420058.283.553.4512.2529.3728.5811.9212.5968.5120068.353.553.5512.6229.6729.6812.6212.6269.7720078.403.553.6613.0029.8530.7113.3712.6370.5220088.403.563.7613.3929.9031.6314.1612.6570.6420098.443.563.9113.9330.0433.0415.3212.6771.2320108.513.564.0314.3730.3134.3316.2712.6972.4420118.573.564.1114.6630.5635.2516.9112.7173.4920128.573.574.2215.0430.5536.1317.7912.7273.3720138.493.574.3215.4030.2936.6518.6412.7372.0820148.493.574.4015.6930.2937.3519.3412.7272.1120158.493.564.4715.9130.2537.9019.9412.7072.0620168.493.564.4715.9130.2437.9619.9812.6872.1320178.513.564.5016.0230.2838.3320.2812.6672.45（二）結(jié)果分析采用SPSS軟件進(jìn)行數(shù)據(jù)處理，利用主成分回歸的方式，減少估算所帶來(lái)的誤差，首先，通過(guò)下表5-9分析得出，主成分一的特征值為8.623，方差的貢獻(xiàn)率95.810%，表示了原始數(shù)據(jù)的絕大部分信息，由此選取主成分一作為重要的主成分指標(biāo)。表5-9湖北省主成分分析結(jié)果表Table5-9Hubeiprovinceprincipalcomponentanalysisresultstable成分初始特征值提取載荷平方和總計(jì)方差百分比累積%總計(jì)方差百分比累積%18.62395.81095.8108.62395.81095.810提取方法：主成分分析法。表5-10變量對(duì)主成分的貢獻(xiàn)大小表Table5-10Tableofthecontributionofvariablestoprincipalcomponents參數(shù)成分1二氧化碳排放量對(duì)數(shù)0.114勞動(dòng)力數(shù)量對(duì)數(shù)0.112固定資產(chǎn)對(duì)數(shù)0.114勞動(dòng)力數(shù)量和固定資產(chǎn)對(duì)數(shù)交叉項(xiàng)0.114勞動(dòng)力數(shù)量和二氧化碳排放量對(duì)數(shù)交叉項(xiàng)0.115固定資產(chǎn)和二氧化碳排放量對(duì)數(shù)交叉項(xiàng)0.114固定資產(chǎn)對(duì)數(shù)項(xiàng)平方0.112勞動(dòng)力數(shù)量對(duì)數(shù)項(xiàng)平方0.112二氧化碳排放量對(duì)數(shù)項(xiàng)平方0.114模型擬合度高，殘差存在自相關(guān)，根據(jù)主成分貢獻(xiàn)大小得出主成分表達(dá)式M如下所示：其次，為進(jìn)一步分析，利用提取的主成分與生產(chǎn)總值對(duì)數(shù)數(shù)值進(jìn)行回歸分析，得出整體模型結(jié)果較為顯著，分析結(jié)果如下表所示：表5-11模型摘要表Table5-11Modelsummarytable模型RR方調(diào)整后R方標(biāo)準(zhǔn)估算的錯(cuò)誤顯著性F10.987a0.9740.9720.0644399370.000表5-12方差分析表Table5-12ANOVAtable模型平方和自由度均方F顯著性1回歸2.92312.923703.9070.000b殘差0.079190.004總計(jì)3.00220表5-13系數(shù)表Table5-13Coefficienttable成分一系數(shù)顯著性常量3.9900.000主成分10.3820.000由于模型擬合條件較好，指標(biāo)值顯著，帶入上述M表達(dá)式，帶入主成分表達(dá)式，得出模型回歸方程如下所示：根據(jù)得出的方程式，湖北省碳排放權(quán)交易市場(chǎng)模型各系數(shù)值如下表所示：表5-14模型系數(shù)表Table5-14Modelcoefficienttable系數(shù)數(shù)值固定資產(chǎn)對(duì)數(shù)0.044勞動(dòng)力數(shù)量對(duì)數(shù)0.043二氧化碳排放量對(duì)數(shù)0.044勞動(dòng)力數(shù)量和固定資產(chǎn)對(duì)數(shù)交叉項(xiàng)0.044勞動(dòng)力數(shù)量和二氧化碳排放量對(duì)數(shù)交叉項(xiàng)0.044固定資產(chǎn)和二氧化碳排放量對(duì)數(shù)交叉項(xiàng)0.044固定資產(chǎn)對(duì)數(shù)項(xiàng)平方0.043勞動(dòng)力數(shù)量對(duì)數(shù)平方0.043二氧化碳排放量對(duì)數(shù)平方0.044最后，將得出的指標(biāo)系數(shù)值，帶入方程（4-5），得出P值如表5-15所示：表5-15數(shù)據(jù)結(jié)果表Table5-15Dataresulttable年份P（元）19972234.7719982465.2319992515.6520002731.6020013029.1920022902.1520033073.0220043273.5320053692.5920063650.9920074162.9520085005.1320095347.4120105639.9220116064.6520127007.4820139340.72201410394.70201511265.9820161227641根據(jù)表5-15所示，P值代表每一單位碳排放的邊際生產(chǎn)力，由此可以看出在實(shí)現(xiàn)“綠水青山”的前提保持“金山銀山”，達(dá)到資源的均衡是有一定難度的。P值表示，在資源最合理利用前提下，第二產(chǎn)業(yè)（碳排放企業(yè)）使用一單位碳排放權(quán)對(duì)應(yīng)減排成本大小?？梢钥闯鲭S著年份的遞增，二氧化碳排放對(duì)于GDP的影響是逐步遞增的，而且遞增速度不斷上升，反映了碳減排的同時(shí)帶來(lái)的經(jīng)濟(jì)成本。也可理解碳排放消耗會(huì)帶來(lái)經(jīng)濟(jì)利潤(rùn)增值，從1997-2011年，國(guó)家政策關(guān)于減排話題的涉及以及地方企業(yè)的碳減排意識(shí)有一定程度欠缺。從2011年之后，隨著試點(diǎn)城市的碳交易政策逐步完善，二氧化碳排放量對(duì)于地區(qū)GDP產(chǎn)值影響程度逐步加深，碳減排難度也進(jìn)一步提升。通過(guò)利用影子價(jià)格模型中的超越對(duì)數(shù)生產(chǎn)函數(shù)分析二氧化碳對(duì)GDP產(chǎn)值的影響后，可以發(fā)現(xiàn)碳排放權(quán)的價(jià)格的制定對(duì)于整個(gè)交易體系起到了至關(guān)重要的作用。由于各區(qū)域內(nèi)的經(jīng)濟(jì)發(fā)展存在差異，在對(duì)全國(guó)碳排放進(jìn)行總量控制下進(jìn)行地區(qū)分配，符合當(dāng)下的現(xiàn)實(shí)發(fā)展情況，由此本文接下來(lái)結(jié)合公平原則改進(jìn)使用影子價(jià)格的另一種方式——線性規(guī)劃函數(shù)，對(duì)于碳排放權(quán)的影子價(jià)格進(jìn)行估計(jì)。四、線性規(guī)劃函數(shù)（一）模型引入影子價(jià)格模型的建立，使用了數(shù)學(xué)中的線性規(guī)劃方法，碳減排制度的實(shí)施需要國(guó)家與企業(yè)兩者的相互配合合作，不論是國(guó)家使用碳減排策略為了降低溫室氣體排放，還是企業(yè)希望實(shí)現(xiàn)企業(yè)價(jià)值最大化，碳排放權(quán)作為一項(xiàng)重要資產(chǎn)，必然需要正確認(rèn)識(shí)碳排放權(quán)價(jià)值。由此，將企業(yè)價(jià)值最大化作為一種目標(biāo)函數(shù)，碳排放權(quán)則作為一種企業(yè)生產(chǎn)函數(shù)，而國(guó)家的碳配額總量作為一種約束函數(shù)。根據(jù)公式（4-10）所示，其中的為碳排放權(quán)的影子價(jià)格，等于某區(qū)域內(nèi)的平均利潤(rùn)與二氧化碳強(qiáng)度的比例系數(shù)，當(dāng)該地區(qū)的碳配額總量為一個(gè)確定的數(shù)值，得出的資源配置下的最優(yōu)價(jià)格為影子價(jià)格。此價(jià)格為資源配置下的理論價(jià)值，并非等同于市場(chǎng)價(jià)格。從經(jīng)濟(jì)學(xué)的角度理解，可以認(rèn)為每增加一單位的二氧化碳給對(duì)應(yīng)企業(yè)帶來(lái)的經(jīng)濟(jì)利潤(rùn)。從企業(yè)的角度出發(fā)，影子價(jià)格為企業(yè)投產(chǎn)帶來(lái)一定的指引作用，當(dāng)影子價(jià)格高于市場(chǎng)交易價(jià)格時(shí)，企業(yè)碳減排的成本低于碳排放權(quán)帶來(lái)的收益，應(yīng)該增加碳排放權(quán)使用，擴(kuò)大企業(yè)的生產(chǎn)規(guī)模。政府部門(mén)在制定碳排放權(quán)交易價(jià)格時(shí)，可以使用影子價(jià)格作為參考。（二）數(shù)據(jù)選取由于2011開(kāi)始建立碳排放權(quán)交易試點(diǎn)，并且全國(guó)碳排放權(quán)價(jià)格經(jīng)歷的小幅度的上升，并且二氧化碳排放量的CEADs公開(kāi)數(shù)據(jù)截止于2017年，根據(jù)碳交易網(wǎng)表述2018、2019年全國(guó)碳排放量同比分別上升2.3%和2.6%，由此2018、2019年碳排放量數(shù)據(jù)根據(jù)中國(guó)碳交易網(wǎng)公告相關(guān)內(nèi)容估計(jì)取得。本文在計(jì)算歷史平均原則時(shí)以2001-2010作為基期數(shù)據(jù)，因此選取2011年的數(shù)據(jù)為起始點(diǎn)，對(duì)2011年至2019年的各年份的碳排放權(quán)價(jià)格進(jìn)行分析。在過(guò)往研究中，在對(duì)碳排放權(quán)影子價(jià)格進(jìn)行計(jì)算時(shí)，未考慮地區(qū)經(jīng)濟(jì)發(fā)展所帶來(lái)的區(qū)域性差異。本文對(duì)影子價(jià)格的改進(jìn)研究中加入公平視角原則對(duì)碳排放權(quán)影子價(jià)格進(jìn)行計(jì)算。根據(jù)第二章的公平原則相關(guān)概念以及計(jì)算公式（4-11）、（4-12）和（4-13）所示，其中公平原則下碳排放量計(jì)算分為歷史平均原則、人口平均原則以及支付能力平均原則。湖北省碳排放權(quán)影子價(jià)格計(jì)算涉及的兩個(gè)重要指標(biāo)是碳排放權(quán)強(qiáng)度和產(chǎn)值收益率。其中碳排放強(qiáng)度用來(lái)衡量某一地區(qū)經(jīng)濟(jì)發(fā)展與二氧化碳排放之間的關(guān)系，指的是單位GDP產(chǎn)值所產(chǎn)生的二氧化碳排放量，被認(rèn)為來(lái)衡量能源的使用效率。產(chǎn)值收益率用于衡量某一地區(qū)的經(jīng)濟(jì)發(fā)展與利潤(rùn)總額之間的關(guān)系，由此需要選取地區(qū)內(nèi)經(jīng)濟(jì)發(fā)展GDP數(shù)據(jù)與地區(qū)內(nèi)碳排放量數(shù)據(jù)進(jìn)行分析。選取規(guī)模以上工業(yè)企業(yè)的利潤(rùn)總額代替地區(qū)利潤(rùn)總額，由于碳排放企業(yè)主要集中于第二產(chǎn)業(yè)，由此地區(qū)產(chǎn)量由工業(yè)產(chǎn)值所替代，在計(jì)算二氧化碳配額量時(shí)考慮的公平分配原則，人口平均原則與支付能力平均原則中的人口數(shù)據(jù)、GDP數(shù)據(jù)選自《湖北省統(tǒng)計(jì)年鑒》。（三）碳排放權(quán)評(píng)估結(jié)果分析我國(guó)近幾年進(jìn)行深度減排，同時(shí)也提出了逐步降低二氧化碳排放強(qiáng)度的目標(biāo)，根據(jù)圖5-3所示，近幾年湖北省不斷加強(qiáng)環(huán)境管理體制建設(shè)，大部分排污企業(yè)都進(jìn)行的相關(guān)的節(jié)能減排改革，這使得湖北省的碳排放強(qiáng)度呈現(xiàn)不斷下降的趨勢(shì)。本文根據(jù)2011-2019年湖北省的經(jīng)濟(jì)發(fā)展現(xiàn)狀，從公平視角對(duì)湖北省碳排放量進(jìn)行估計(jì)分析，其中單純使用歷史平均原則進(jìn)行估算忽視了區(qū)域內(nèi)的未來(lái)發(fā)展?jié)摿?，人口平均原則與支付能力原則考慮區(qū)域內(nèi)經(jīng)濟(jì)發(fā)展與人口規(guī)模相結(jié)合的情況，符合經(jīng)濟(jì)發(fā)展同時(shí)需要兼顧環(huán)境保護(hù)的原則，由此將碳配額與公平原則相結(jié)合進(jìn)行分析，將以上歷史、人口、支付能力平均原則結(jié)果的算術(shù)平均值作為二氧化碳的分配額。表5-16為湖北省碳排放配額量估計(jì)結(jié)果：圖5-32011-2019年度湖北省碳排放強(qiáng)度圖Figure5-3Hubeiprovincecarbonemissionintensitymapfrom2011to2019表5-162011-2019年基于公平視角下湖北省碳排放配額量估計(jì)表Table5-16BasedonthefairperspectiveofHubeiProvincecarbonemissionallowancesestimatetablefrom2011to2019年份歷史平均（噸）人口平均（噸）支付能力（噸）綜合（噸）2011346899931.56422975248.75447510905.27405795361.862012356516654.74432644391.45450769372.92413310139.702013356186466.82430484513.64443120594.29409930524.922014361698353.80434292081.85440033457.31412007964.322015361855943.49430690311.50433658191392016360767824.21428125059.42427364326.62405419070.082017370185684.21435909927.69433131668.12413075760.012018378699954.95446491805.26439236003132019388546153.77456934977.82445332635.37430271255.65表5-172011-2019年碳排放權(quán)價(jià)值評(píng)估表Table5-17Carbonemissionrightvalueevaluationformfrom2011to2019年份工業(yè)生產(chǎn)總值(億元）二氧化碳排放量（噸）碳排放強(qiáng)度利潤(rùn)總額（億元）產(chǎn)值收益率影子價(jià)格（元）GARCH模型預(yù)測(cè)（元）交易價(jià)格(元）20119766864.161864.4619.09%459.46--201211152.55413310139.703.712046.2818.35%495.10--201311846.30409930524.923.462475.0720.89%603.78--201413007.91412007964.323.172402.6318.47%583.15-24.06201513569.49408734815.393.01245618.10%600.88-24.41201614527.01405419070.082.792713.4618.68%669.30-17.85201715713.86413075760.012.632608.0316.6%631.37-15.27201817573.87421475921.132.43752.7621.35%890.39-21.43201919098.62430271255.652.253049.5715.97%708.7632.6532.67根據(jù)圖5-4所示，從2014年開(kāi)始建立碳排放權(quán)交易市場(chǎng)起，湖北省2014-2017年碳排放權(quán)交易價(jià)格呈現(xiàn)一定的下降趨勢(shì)，從2017年開(kāi)始建立全國(guó)統(tǒng)一交易市場(chǎng)后，交易價(jià)格逐年上升，碳排放權(quán)的影子價(jià)格整體呈現(xiàn)出逐年上升，影子價(jià)格遠(yuǎn)高于交易價(jià)格，2014-2019年湖北省碳排放權(quán)最高價(jià)格不超過(guò)50元，而影子價(jià)格最高超過(guò)800元，碳排放權(quán)交易價(jià)與影子價(jià)格存在差異，也體現(xiàn)了我國(guó)交易市場(chǎng)的碳排放權(quán)價(jià)格偏低，內(nèi)在價(jià)值扭曲。雖然影子價(jià)格不代表真實(shí)的價(jià)格但也在制定價(jià)格方面有一定指引作用，并且也給企業(yè)是否購(gòu)買(mǎi)碳排放權(quán)提供參考，當(dāng)交易價(jià)格低于影子價(jià)格時(shí)，邊際效益高，可以通過(guò)購(gòu)