碳市場與有色金屬期貨市場時變溢出效應(yīng)研究

韓佳彤 江彥博

（天津財經(jīng)大學金融學院，天津 300222）

引 言

近年來，全球變暖問題日益嚴峻，控制和減少溫室氣體排放已成為當前世界環(huán)境政策的主要目標。在此背景下，歐盟碳排放權(quán)交易體系（EU ETS）在2005年正式開放運行。我國也于2011年試行了首個碳排放交易市場，并不斷發(fā)展和完善，最終形成了8家碳排放交易場所，通過合理布局實現(xiàn)碳減排資源的優(yōu)化配置，引導(dǎo)和鼓勵企業(yè)開展節(jié)能減排。而有色金屬行業(yè)是行業(yè)碳排放大戶，溫室氣體的產(chǎn)生與其有著密切關(guān)系 （王威等，2021）［1］。2020年新冠肺炎疫情后，我國各行業(yè)的復(fù)工復(fù)產(chǎn)對有色金屬的需求不斷增長，有色金屬行業(yè)碳排放量逐漸加大，進而加劇了溫室氣體減排的難度。那么我國有色金屬市場與國內(nèi)外碳排放市場三者間到底存在著怎樣的聯(lián)動機制呢？這對于實現(xiàn) “雙碳”目標下中國綠色低碳轉(zhuǎn)型和高質(zhì)量發(fā)展以及推動全球氣候治理具有重要的啟示作用和實踐意義。

在全球經(jīng)濟一體化的背景下，國內(nèi)外碳交易市場之間的聯(lián)系也更加緊密。孫春 （2018）［2］利用DCC－MGRCH模型發(fā)現(xiàn)國內(nèi)碳市場和歐盟碳市場在長期內(nèi)存在均衡關(guān)系，且二者之間存在雙向波動溢出效應(yīng)。Zhang等 （2019）［3］認為在碳交易市場中，成熟度最高的是歐盟碳交易市場，而中國碳市場的成熟度總體上較低。Lyu等 （2020）［4］運用馬爾可夫鏈蒙特卡羅隨機波動模型與小波多分辨分析方法將中國碳市場與歐盟碳交易市場進行了對比，結(jié)果表明二者在波動穩(wěn)定性方面均有所不足。

目前國內(nèi)外文獻較少關(guān)注碳市場和有色金屬行業(yè)的直接互動影響，但有色金屬行業(yè)生產(chǎn)伴隨著化石燃料燃燒、原料使用、電力和熱力輸入，是典型的高能耗高排放的行業(yè) （王威等，2021）［1］，這也使探討碳市場和有色金屬市場之間直接影響的研究不可或缺。陶春華 （2015）［5］利用VAR模型和脈沖響應(yīng)函數(shù)，檢驗了我國碳交易市場與有色金屬、熱力、鋼鐵、石油、和化工行業(yè)之間的聯(lián)動關(guān)系，研究表明碳交易市場對有色金屬行業(yè)影響更為顯著?，F(xiàn)有文獻多從國內(nèi)外碳市場出發(fā)，研究其與有色金屬行業(yè)生產(chǎn)所需能源、原料之間的關(guān)系。在國內(nèi)碳交易市場方面，鄒紹輝和張?zhí)穑?020）［6］通過VAR模型和MSVAR模型闡述了能源期貨市場、能源股票市場與國內(nèi)碳交易市場之間的動態(tài)互動關(guān)系。Liu（2020）［7］采用VECM模型發(fā)現(xiàn)國內(nèi)碳市場價格與煤炭、柴油和天然氣價格之間存在長期協(xié)整關(guān)系。Yin等 （2021）［8］運用多尺度和跨尺度的樣本熵研究了我國碳交易市場與煤炭市場之間的關(guān)系，結(jié)果發(fā)現(xiàn)國內(nèi)碳市場和煤炭市場之間存在一定同步性。在國外碳交易市場方面， 郭福春和潘錫泉 （2011）［9］利用 Bai－perron結(jié)構(gòu)突變檢驗?zāi)Ｐ桶l(fā)現(xiàn)歐盟配額以及經(jīng)核準的減排量碳期貨合約價格存在明顯的結(jié)構(gòu)性變化，并進一步采用資本資產(chǎn)定價單因素模型發(fā)現(xiàn)二者在樣本期內(nèi)所受到的風險較小。劉堅等 （2020）［10］采用SVCopula模型發(fā)現(xiàn)歐盟碳現(xiàn)貨和碳期貨價格之間存在高度相依性。 Mansanet－Bataller等 （2007）［11］利用多元回歸模型進行研究，結(jié)果發(fā)現(xiàn)碳價格與化石能源價格相關(guān)。 Gronwald等 （2011）［12］通過研究EUA期貨市場與煤、石油等金融商品之間的關(guān)系，得出了與 Mansanet－Bataller等 （2007）［11］相同的結(jié)論。 Zhang 和 Wei （2010）［13］利用狀態(tài)空間模型和VAR模型，發(fā)現(xiàn)碳市場和化石能源市場之間有顯著的協(xié)整關(guān)系。 Cotton 和 Trück （2011）［14］將數(shù)據(jù)分成兩階段進行研究，發(fā)現(xiàn)只有在第二階段碳價格和電價之間才存在顯著相關(guān)關(guān)系。Dutta等（2018）［15］采用 VAR－GRACH 方法發(fā)現(xiàn) EUA 價格和可再生能源股票收益率之間顯著正相關(guān)。

此外，在相關(guān)波動溢出研究中，多數(shù)學者主要聚焦于碳市場和各金融市場之間波動溢出效應(yīng)存在與否。海小輝和楊寶臣 （2014）［16］基于DCCGARCH模型發(fā)現(xiàn)，碳市場與煤炭市場、碳市場與天然氣市場之間的動態(tài)條件相關(guān)系數(shù)波動相似，布倫特原油市場對于碳市場的動態(tài)相關(guān)系數(shù)波動幅度則很小。 Byun和 Cho （2013）［17］利用 GARCH模型研究了碳、原油、天然氣、煤炭和電力之間的關(guān)系，結(jié)果發(fā)現(xiàn)碳市場和能源市場之間存在顯著的波動溢出效應(yīng)。 Uddin等（2018）［18］基于VARBEKK模型和脈沖響應(yīng)函數(shù)發(fā)現(xiàn)在德國能源市場中，煤和天然氣在整個樣本期間均產(chǎn)生了顯著的波動溢出效應(yīng)，而碳市場在樣本前期和后期的波動溢出效應(yīng)很小。也有少數(shù)學者從波動溢出強度和方向上分析碳市場和各金融市場的關(guān)系。Wang和Guo （2018）［19］采用 Diebold 和 Yilmaz （2012）［20］的方法構(gòu)建溢出指數(shù)，研究發(fā)現(xiàn)天然氣對碳市場的溢出效應(yīng)最顯著。Ji等 （2018）［21］利用基于滾窗VAR的方差分解溢出指數(shù)發(fā)現(xiàn)布倫特原油價格在影響碳價方面發(fā)揮著重要作用，且電價是最大的風險承受者。王超和楊寶臣 （2021）［22］利用Diebold－Yilmaz模型發(fā)現(xiàn)相較于歐盟碳交易市場，我國碳市場、金融市場以及商品之間的穩(wěn)定性相對較弱，風險沖擊下更容易產(chǎn)生系統(tǒng)性風險。

通過上述文獻分析發(fā)現(xiàn)：（1）學者們主要研究單一碳市場和各金融市場之間的關(guān)系，很少將國內(nèi)、國外碳交易市場同時考慮進去來研究二者的影響。且研究大多集中在EUA現(xiàn)貨價格，很少考慮EUA期貨。而相比于現(xiàn)貨，EUA期貨在反映碳價的未來價值上具有更好的價格發(fā)現(xiàn)功能 （Li等，2021）［23］；（2） 現(xiàn)有研究多是從國內(nèi)單一或者幾個碳交易市場出發(fā)進行研究。孫春 （2018）［2］在分析國內(nèi)碳交易市場時，選取了7個碳交易試點平均現(xiàn)貨價格。陶春華 （2015）［5］分別用6個碳交易市場價格進行與樣本行業(yè)的研究。鄒紹輝和張?zhí)穑?020）［6］選取了國內(nèi)首個且活躍度最高的深圳碳排放權(quán)交易所進行分析。呂靖燁等 （2021）［24］則選取了湖北、上海和深圳3家碳排放權(quán)試點市場現(xiàn)貨收盤價進行研究分析。上述研究的不足之處在于忽略了中國碳市場價格總體變化特征 （王文舉和李峰， 2016）［25］； （3） 從研究方法上看， 多數(shù)學者采用的方法忽略了各市場之間的非線性特征，雖然有部分學者嘗試運用非線性分析方法對碳市場和金融市場之間進行分析，如Gong等 （2021）［26］運用TVP－VAR模型分析了歐盟碳交易市場和化石能源市場時變溢出效應(yīng)；Li等 （2021）［23］同樣運用TVP－VAR模型研究了石油、天然氣、電力股價與EUA期貨價格之間的時變特征，但都并未繼續(xù)深入研究碳市場和各金融市場之間的波動溢出強度和方向。

基于以上分析，為了更好反映國內(nèi)碳市場真實的交易情況，本文運用Paasche指數(shù) （王文舉和李峰，2016）［25］構(gòu)建了國內(nèi)碳市場統(tǒng)一價格指數(shù)，采用TVP－VAR模型探討EUA期貨價格、國內(nèi)碳交易價格以及有色金屬期貨價格之間的關(guān)系，并進一步結(jié)合TVP－VAR模型的方差分解溢出指數(shù)考察三者之間的溢出效應(yīng)強度和方向。

1 模 型

1.1 TVP－VAR 模型

自 Sims （1980）［27］提出 VAR 模型以來， VAR模型被廣泛應(yīng)用于經(jīng)濟研究。但是，該模型的缺陷是變量之間的當期相關(guān)關(guān)系會隱藏在滯后誤差項的相關(guān)結(jié)構(gòu)中。 因此， Sims（1986）［28］對其進行了改進，提出了結(jié)構(gòu)向量自回歸SVAR模型。然而，傳統(tǒng)的向量自回歸模型難以解決非線性時間序列的有效估計問題。 因此，Primiceri（2005）［29］在SVAR模型的基礎(chǔ)上進行改進提出了TVP－VAR模型，很好地解決這一問題。

一個基本結(jié)構(gòu)VAR模型的具體形式為：

其中 Yt為 K×1 維列向量， A，F(xiàn)1，…，F(xiàn)s為 K×K維系數(shù)矩陣，隨機擾動項μt為K×1維結(jié)構(gòu)沖擊向量， 服從N（0，ΣΣ）， 其中：

此外，為簡化模型，參考Primiceri（2005）［29］和 Nakajima （2011）［30］的做法， 假設(shè) αt是矩陣 At的下三角累積向量， 其中 αt＝（α21，α31，α32，α41，…，αk，k－1）。

同時， 參照 Primiceri （2005）［29］的做法， 假設(shè)式 （4）中的所有參數(shù)均為如下隨機游走過程：βt＋1＝βt＋μβt， αt＋1＝αt＋μαt， ht＋1＝ht＋μht， 其中 ht＝（h1t，…，hkt）， hit＝lnδ2it， i＝1，…，k， t＝s＋1，…，n。

其中 βs＋1～ N（μβ0，Σβ0）， αs＋1～ N（μα0，Σα0），hs＋1～N（μh0，Σh0）。

1.2 時變波動溢出指數(shù)構(gòu)建

Diebold和 Yilmaz （2009）［31］在 2009 年基于VAR模型進行方差分解構(gòu)建了溢出指數(shù)，但通過這一方法構(gòu)建的指數(shù)并不能體現(xiàn)溢出效應(yīng)的時變特征。 因此 Diebold和 Yilmaz （2012）［20］在 2012年對方法進行了改進，通過滾窗VAR方法，進一步實現(xiàn)了對溢出效應(yīng)時變特征的考察。但該方法還是存在一定缺陷，如對于窗寬選擇具有依賴性且無客觀依據(jù)標準、估計結(jié)果受異常值影響明顯、樣本損失等問題 （鄭挺國和劉堂勇，2018）［32］。

Antonakakis和 Gabauer （2017）［33］運用 TVPVAR模型，并將其與Diebold和Yilmaz構(gòu)建溢出指數(shù)的方法相結(jié)合建立了時變波動溢出指數(shù)。該方法不需要設(shè)定任何窗度，因此沒有樣本損失，克服了 Diebold 和 Yilmaz （2012）［20］溢出指數(shù)方法的缺點。由此本文基于TVP－VAR模型構(gòu)建的波動溢出指數(shù)進行研究。

在式 （6）中TVP－VAR模型已表示為：

方差貢獻可以表示為在給定變量yi且當yi受到外部影響時，yi的h步預(yù)測誤差方差中，可以由yj解釋的比例dij（h）。可以表示為：

其中，Σ表示擾動向量εt的協(xié)方差矩陣，σii是εt的標準差，ej為第j個元素是1，其余為0的單位向量， i，j＝1，…，N， i≠j。 疊加來自不同市場的所有方差貢獻，可以構(gòu)成方差分解矩陣Dij（h），用來表示不同市場間的風險溢出效應(yīng)的大小。

其中矩陣D中的非對角線元素表示不同市場的風險溢出水平。每一行行向量各元素之和表示該市場受到其他市場沖擊時所能承受風險能力的大小。每一列列向量各元素之和表示該市場對其他市場風險溢出程度。矩陣D中所有元素之和的平均值表示整體風險溢出程度。定義凈溢出效應(yīng)為對外溢出效應(yīng)（To）與受其他市場溢出的風險承受程度（From）的差值。

由于方差分解矩陣Dij（h）每行行向量的各元素之和不為1，為了更好分析各市場之間的波動溢出效應(yīng)，可對各行按如下公式進行歸一化處理，使得各行行和為1：

綜上，反映市場間風險溢出對整體金融體系影響的總溢出指數(shù)S（h）表示為：

2 數(shù)據(jù)選取與指數(shù)構(gòu)造

2.1 數(shù)據(jù)選取

自2011年以后，國內(nèi)先后有8家碳交易場所成立。其中，由于福建碳交易市場成立不久，交易數(shù)據(jù)較少。因此本文選取深圳、上海、北京、廣東、天津、湖北和重慶7家碳交易市場成交均價構(gòu)建國內(nèi)碳市場價格指數(shù)，實證的起始時間選取為2014年6月19日，即最后一個試點碳市場——重慶市碳排放交易市場的開市時間。由于各試點碳市場均存在沒有交易量的交易日，因此本文參考王文舉和李峰 （2016）［25］的方法使用月度數(shù)據(jù)，以2014年6月作為基期。2014年7月至2021年8月為研究樣本區(qū)間。在計算月度成交均價時，由于多家碳交易市場存在大量無成交量的交易日，為了很好的解決交易量在時間上的不連續(xù)這一問題，對于無成交量交易日的成交價格，本文參考朱麗娜 （2017）［34］的做法，按照上一個有成交量交易日的成交價格計算，進而補全7家碳交易市場每月的日度交易數(shù)據(jù)得到月度成交均價。

2.2 碳市場價格指數(shù)構(gòu)造

目前對于價格指數(shù)的研究可以分為簡單價格指數(shù)和綜合價格指數(shù)兩類 （楊緒忠和張玉玲，2007）［35］。 基于王文舉和李峰 （2016）［25］的研究，隨著國內(nèi)碳交易市場的發(fā)展和完善，中國碳市場統(tǒng)一價格指數(shù)適合采用以報告期成交量為權(quán)重的Paasche指數(shù)進行編制 （李豐，1995）［36］。因此本文選擇Paasche指數(shù)來構(gòu)建國內(nèi)碳市場價格指數(shù)。Paasche指數(shù)公式如下：

選取上期有色金屬期貨價格指數(shù)（SHFE－IM?CI）作為有色金屬期貨市場的代表。

綜上，本文分別用EUA期貨價格、Paasche指數(shù)構(gòu)建的國內(nèi)碳交易市場價格（CCM）、上期有色金屬期貨價格指數(shù)（SHFE－IMCI）作為國內(nèi)外碳交易市場以及有色金屬期貨市場的測度。其中數(shù)據(jù)均來源于Wind數(shù)據(jù)庫。

2.3 數(shù)據(jù)檢驗

在建立TVP－VAR模型前需要對原始時間序列數(shù)據(jù)進行平穩(wěn)性檢驗，從而避免出現(xiàn)結(jié)果的“偽回歸”問題。表1的ADF檢驗結(jié)果表明國內(nèi)碳交易市場價格在1%的顯著性水平下平穩(wěn)，EUA期貨價格以及上期有色金屬期貨價格指數(shù)在1%、5%、10%3個顯著性水平上均不能拒絕原假設(shè)，即原始序列不平穩(wěn)。因此本文選取EUA期貨價格、上期有色金屬期貨價格指數(shù)的一階差分序列以及原始的國內(nèi)碳交易市場價格進行后續(xù)實證研究。

表1 ADF檢驗結(jié)果

3 實證結(jié)果

3.1 模型估計

本文采用基于馬爾可夫鏈蒙特卡羅模擬（MC?MC）對模型進行估計，同時根據(jù)VAR模型的AIC和SC準則，確定模型的最優(yōu)滯后階數(shù)為1階。此外，MCMC抽樣次數(shù)被設(shè)定為10000次，并舍棄了前1000的預(yù)燒樣本，以保證抽樣結(jié)果準確性和可靠性，由表2參數(shù)結(jié)果可得如下結(jié)論：

表2 TVP－VAR模型參數(shù)估計結(jié)果

（1） 由Geweke檢驗可知，所有值均低于1.96，即在5%的顯著性水平下不能拒絕參數(shù)收斂于后驗分布的假設(shè)； （2）待估參數(shù)的無效影響因子都很小。最大值為93.41，這意味著至少可以從10000個模擬中獲得約107個不相關(guān)的樣本，符合后驗推理要求。綜上，TVP－VAR模型估計取得了較為良好的結(jié)果。

3.2 時變脈沖響應(yīng)結(jié)果分析

3.2.1 等間隔脈沖響應(yīng)分析

在時間間隔選擇方面，本文選取了滯后1月、滯后3月和滯后6月分別測量短期、中期和長期國內(nèi)外碳交易市場對有色金屬期貨市場的沖擊響應(yīng)。

圖1為不同滯后期EUA期貨市場、國內(nèi)碳市場交易市場以及有色金屬期貨市場之間的等間隔脈沖響應(yīng)。

圖1 目標變量之間等間隔脈沖響應(yīng)圖

（1）國內(nèi)碳交易市場對EUA期貨市場的脈沖響應(yīng)。EUA期貨市場對國內(nèi)碳交易市場的沖擊效應(yīng)具有明顯的時變特征，表明EUA期貨市場對國內(nèi)碳交易市場的溢出效應(yīng)在不同時期存在差異。國內(nèi)碳交易市場受EUA期貨市場的影響持續(xù)為正，且在短期內(nèi)受EUA期貨市場影響最大。隨著時間間隔的增加，EUA期貨市場對國內(nèi)碳交易市場的影響逐漸減弱，不同于短期的正向反應(yīng)，中長期情形下的響應(yīng)程度相對較弱。

（2）有色金屬期貨市場對EUA期貨市場的脈沖響應(yīng)。短期內(nèi)，有色金屬期貨市場受EUA期貨市場的影響持續(xù)為負。此外，短期的脈沖響應(yīng)在2015年之后表現(xiàn)為不斷攀升的趨勢，而在2020年轉(zhuǎn)變?yōu)橄陆第厔荨＿@主要是由于2015年后為適應(yīng)中國經(jīng)濟的產(chǎn)業(yè)升級，有色金屬期貨市場不斷完善和發(fā)展，期貨交易規(guī)模及有色金屬實物交割總量穩(wěn)步增長。但2020年由于新冠肺炎疫情的影響，短期內(nèi)有色金屬企業(yè)的生產(chǎn)受到較大影響，進而使得整體有色金屬行業(yè)供給在一定程度上出現(xiàn)下滑。隨著時間間隔的增加，EUA期貨市場對有色金屬期貨市場的影響逐漸減弱，不同于短期的負向反應(yīng)，中長期情形下的響應(yīng)程度相對較弱。在滯后6期時，EUA期貨市場對有色金屬期貨市場沖擊的響應(yīng)基本圍繞零點上下浮動，表明EUA期貨市場對有色金屬期貨市場的沖擊受時間的推移而緩慢消逝。

（3）有色金屬期貨市場對國內(nèi)碳交易市場的脈沖響應(yīng)。2016年以前國內(nèi)碳交易市場對有色金屬期貨市場的影響持續(xù)為負，在短期內(nèi)受國內(nèi)碳交易市場影響最大。2016年以后國內(nèi)碳交易市場對有色金屬期貨市場的影響持續(xù)為正，同樣是在短期內(nèi)受國內(nèi)碳交易市場影響最大。從整體來看，國內(nèi)碳交易市場對有色金屬期貨市場的影響由負向轉(zhuǎn)變?yōu)檎?。這可能是由于國內(nèi)碳交易市場建立初期，碳市場交易價格的提高可能會在一定程度上提高有色金屬行業(yè)企業(yè)的成本，從而影響有色金屬行業(yè)企業(yè)的利潤。但是中國自2016年下半年起迎來了供給側(cè)改革的重塑期，隨著有色金屬行業(yè)的產(chǎn)業(yè)升級，企業(yè)的盈利能力在碳中和的背景下也逐步提高。

3.2.2 等時點脈沖響應(yīng)分析

在時間點的選擇上，本文選取的3個時間點為EUA期貨價格階段性低點，包括2016年6月的英國公投脫歐、2018年10月的美國全球貿(mào)易戰(zhàn)和2020年3月的全球新冠肺炎疫情，如圖2所示。

圖2 EUA期貨價格

圖3為不同時點下EUA期貨市場、國內(nèi)碳市場交易以及有色金屬期貨市場之間的等時點脈沖響應(yīng)。

圖3 目標變量之間等時點脈沖響應(yīng)圖

（1）國內(nèi)碳交易市場對EUA期貨市場的脈沖響應(yīng)。3個時點下的影響效果類似，均在滯后1期后沖擊效應(yīng)達到最大，隨后開始衰退，直至為0。此外，值得注意的是新冠肺炎疫情導(dǎo)致的正向沖擊略高于美國發(fā)動全球貿(mào)易戰(zhàn)帶來的正向沖擊，并且它們均明顯高于由英國公投脫歐帶來的沖擊。也就是說，伴隨著國內(nèi)碳交易市場與EUA期貨市場聯(lián)系的日益緊密，國內(nèi)碳市場交易受外部不確定性的正向沖擊愈發(fā)明顯。這也在一定程度上印證了前文等間隔脈沖響應(yīng)結(jié)果的推斷。

（2）有色金屬期貨市場對EUA期貨市場的脈沖響應(yīng)。3個時點下的脈沖響應(yīng)結(jié)果基本相同，在滯后1期后沖擊效應(yīng)達到最大且正向極大響應(yīng)程度要明顯高于負向極大響應(yīng)程度。所有沖擊均可持續(xù)4個月左右，并且都是在3個月左右將EUA期貨價格的信息釋放完畢。

（3）有色金屬期貨市場對國內(nèi)碳交易市場的脈沖響應(yīng)。所有沖擊均在當期影響最大，隨后逐漸減弱。美國發(fā)動全球貿(mào)易戰(zhàn)和新冠肺炎疫情時期的沖擊均可以持續(xù)1年左右，并且都是在10個月左右將國內(nèi)碳市場交易的信息釋放完畢。而英國脫歐時期的沖擊基本在當期就釋放完畢。負向極大響應(yīng)程度要明顯高于正向極大響應(yīng)程度。這一點突出體現(xiàn)在新冠肺炎疫情時期和美國發(fā)動全球貿(mào)易戰(zhàn)時期，它們各自帶來的負向沖擊明顯高于其引發(fā)的正向沖擊。

3.3 波動溢出效應(yīng)分析

為了進一步研究EUA期貨市場、國內(nèi)碳交易市場以及有色金屬期貨市場之間的波動溢出效應(yīng)，本文基于TVP－VAR模型構(gòu)建了目標變量之間的時變波動溢出指數(shù)。

表3給出了EUA期貨市場、國內(nèi)碳交易市場以及有色金屬期貨市場之間風險溢出大小。由表3可以得到如下結(jié)論：對角線上的值明顯高于其他值，說明各市場之間更容易受到自身滯后效應(yīng)的影響。從風險溢出的方向上看，EUA期貨市場和國內(nèi)碳交易市場凈溢出效應(yīng)均為負值，但EUA期貨市場的凈溢出大于國內(nèi)碳交易市場的凈溢出，有色金屬期貨市場凈溢出為正值。這說明有色金屬期貨市場對外溢出效應(yīng)較大，且國內(nèi)碳交易市場更容易受其他市場的風險沖擊的影響。從風險溢出的強度上看，相比于國內(nèi)碳交易市場，EUA期貨市場對有色金屬期貨市場產(chǎn)生了較大的溢出效應(yīng)，其值為1.81%。有色金屬期貨市場對國內(nèi)碳交易市場的影響大于對EUA期貨市場影響。同時有色金屬期貨市場對EUA期貨市場以及國內(nèi)碳交易市場的溢出效應(yīng)大于EUA期貨市場以及國內(nèi)碳交易市場對有色金屬期貨市場的溢出效應(yīng)。

表3 目標變量之間風險溢出表

圖4給出了上述目標變量之間的時變風險溢入效應(yīng)、風險溢出效應(yīng)以及凈溢出效應(yīng)。由圖4可以得出如下結(jié)論：有色金屬期貨市場在整個樣本期間內(nèi)對其余市場有較大的凈風險溢出效應(yīng)。EUA期貨市場在整個期間內(nèi)受到了凈溢入效應(yīng)，這說明EUA期貨市場易受其余市場影響而引發(fā)市場風險。國內(nèi)碳交易市場除了新冠肺炎疫情期間有短暫的凈風險溢出效應(yīng)，大部分期間受到了凈溢入效應(yīng)，并且在2014～2015年國內(nèi)股市大幅波動期間凈風險溢出效應(yīng)達到了最低。有色金屬期貨市場在2014年10月風險溢出效應(yīng)達到最高峰，之后一直處于波動下降的趨勢。2014～2015年期間中國股市經(jīng)歷了1年多的牛市階段，有色金屬期貨價格也隨之大漲，因此這一階段的有色金屬期貨市場風險溢出水平也處于階段性峰值。隨后，2015年中央為了防控股市風險，實行了以去杠桿為目標的穩(wěn)健貨幣政策，進而使得有色金屬期貨市場的對外溢出效應(yīng)相對減弱。同時在2016年下半年隨著我國迎來了供給側(cè)結(jié)構(gòu)性改革，隨著供給側(cè)結(jié)構(gòu)性改革的推進，有色金屬行業(yè)也經(jīng)歷了產(chǎn)業(yè)升級，因此在2016年后風險溢出效應(yīng)進一步下降。這也再次印證了前文等間隔脈沖響應(yīng)結(jié)果的分析。

圖4 目標變量之間波動溢出、溢入和凈溢出指數(shù)

4 結(jié)論及政策建議

在全球變暖問題日益嚴峻的背景下，有色金屬行業(yè)的高排碳生產(chǎn)成為了全球氣候變暖的突出問題。然而，很少有學者關(guān)注國內(nèi)外碳交易市場和有色金屬行業(yè)的直接時變溢出效應(yīng)和方向。因此本文從國內(nèi)7家碳交易場所出發(fā)，基于Paasche指數(shù)構(gòu)建了國內(nèi)碳市場價格統(tǒng)一指數(shù)，同時采用TVP－VAR以及基于該模型的時變波動溢出指數(shù)分析了EUA期貨市場、國內(nèi)碳交易市場和有色金屬期貨市場的時變溢出效應(yīng)和風險溢出方向。

研究結(jié)果表明EUA期貨市場、國內(nèi)碳交易市場和有色金屬期貨市場之間的溢出效應(yīng)具有明顯的時變特征。EUA期貨市場在短、中、長期內(nèi)對有色金屬期貨市場均產(chǎn)生了負向影響，這與國內(nèi)碳交易市場對有色金屬期貨市場的影響有顯著差異。國內(nèi)碳交易市場對有色金屬期貨市場的影響隨著時間推移由負向影響轉(zhuǎn)為正向影響。這表明我國有色金屬行業(yè)與國內(nèi)碳交易市場聯(lián)系日趨緊密，且不斷進行著產(chǎn)業(yè)升級和結(jié)構(gòu)調(diào)整，逐步與中國低碳經(jīng)濟相適應(yīng)。EUA期貨市場相比于國內(nèi)碳交易市場對有色金屬期貨市場產(chǎn)生了更大的溢出效應(yīng)，是有色金屬期貨市場風險波動的主要來源。

對于投資者來說，可以更清晰地了解EUA期貨市場和國內(nèi)碳交易市場對有色金屬期貨市場的影響程度。因此，投資者可以依靠碳市場價格的變化來預(yù)測有色金屬期貨價格的變化。對于有色金屬企業(yè)來說，隨著國內(nèi)碳交易市場的進一步發(fā)展和完善，國內(nèi)碳交易市場對有色金屬行業(yè)的時變溢出效應(yīng)變得更加顯著。因此，企業(yè)應(yīng)該積極關(guān)注國內(nèi)碳交易價格，這對有色金屬企業(yè)的生產(chǎn)經(jīng)營有重要影響；另外，隨著低碳經(jīng)濟成為經(jīng)濟發(fā)展的主要趨勢，這必然會要求有色金屬企業(yè)相關(guān)技術(shù)的升級和創(chuàng)新。因此，有色金屬企業(yè)需要不斷提高自主創(chuàng)新能力，促進企業(yè)升級和結(jié)構(gòu)調(diào)整，進而向低碳經(jīng)營模式轉(zhuǎn)變。對于決策部門來說，可以意識到EUA期貨市場、國內(nèi)碳交易市場和有色金屬期貨市場之間的時變溢出效應(yīng)持續(xù)時間較長，進而可以提高政策的有效性和靈活性；隨著國內(nèi)供給側(cè)結(jié)構(gòu)性改革的推進，國內(nèi)碳交易市場對有色金屬期貨市場的時變溢出效應(yīng)存在顯著差異。因此在低碳經(jīng)濟的大背景下，要不斷完善國內(nèi)碳交易市場，進而引導(dǎo)國內(nèi)有色金屬行業(yè)的產(chǎn)業(yè)升級和調(diào)整；（3）EUA期貨市場是有色金屬期貨市場的主要風險來源，因此為了促進有色金屬期貨市場的穩(wěn)定，應(yīng)著重防范來自國外碳交易市場的風險沖擊。