欧盟碳期货价格影响因素分析.pdf

环境经济研究２０１８年第３期ＤＯＩ１０.１９５１１/ ｊ.ｃｎｋｉ.ｊｅｅ.２０１８.０３.００３欧盟碳期货价格影响因素分析艾 明 王海林 文武康 潘勋章∗摘要我国碳市场和碳金融体系建设正处于起步和探索阶段ꎬ对欧盟排放交易体系开展研究ꎬ可为我国碳市场建设提供一定借鉴经验ꎮ本文综合运用ＢＰ结构突变检验、多元ＡＲＭＡ回归以及ＤＣＣ－ＧＡＲＣＨ模型ꎬ分析了２０１０－２０１６年间欧盟碳市场碳期货价格影响因素以及碳期货价格与其他商品价格之间的联动效应ꎮ结果表明欧债危机、欧盟提出延迟配额拍卖等政治事件均使得欧盟碳期货价格序列出现结构性突变ꎻ在２０１４年延迟拍卖政策公布之前ꎬ碳期货价格与电力转换变量之间不存在明显相关性ꎬ之后电力转换变量的一期滞后对碳期货价格开始产生显著影响ꎻ碳期货市场与能源和金融市场的价格波动之间存在一定联动效应ꎬ但总体而言并不明显ꎮ我国在建立和完善碳交易体系进程中ꎬ应注意建立完善的价格稳定机制ꎬ关注能源供需变动对碳价格影响ꎬ并提高风险管理水平ꎮ关键词欧盟排放交易体系ꎻ碳期货价格ꎻＤＣＣ－ＧＡＲＣＨ模型一、引言欧盟排放交易体系ＥＵ ＥＴＳ经过十几年发展ꎬ拥有丰富的交易数据和完善的交易机制ꎬ在全球碳交易中发挥着重要作用ꎮ ＥＵ ＥＴＳ建立至今ꎬ经历了多个发展阶段ꎬ由于受到多种复杂因素影响ꎬ在不同阶段和经济背景下ꎬ碳价的波动也表现出较大差异Ｈｉｎｔｅｒｍａｎｎꎬ２０１０ꎻＣｒｅｔｉ ｅｔ ａｌ.ꎬ２０１２ꎻＬｕｔｚ ｅｔ ａｌ.ꎬ２０１３ꎮ当前ꎬ我国已建立起全国碳市场ꎬ这是支持我国能源转型、应对气候变化、实现绿色低碳发展的重要选择ꎮ碳价格是碳市场的核心指标ꎬ价格会如何波动受哪些因素影响因此ꎬ研究欧盟碳价格影响因素ꎬ对我国碳市场建设和碳金融业务９１∗艾明ꎬ中国石油大学北京中国能源战略研究院ꎬ邮政编码１０２２４９ꎬ电子信箱ｃｕｆｅａｍ＠ １６３.ｃｏｍꎻ王海林ꎬ清华大学能源环境经济研究所ꎬ邮政编码１０００８４ꎬ电子信箱ｗａｎｇｈａｉｌｉｎ＠ ｔｓｉｎｇｈｕａ.ｅｄｕ.ｃｎꎻ文武康ꎬ中国石油大学北京中国能源战略研究院ꎬ邮政编码１０２２４９ꎬ电子信箱ｗｅｎｗｕｋａｎｇ＠ １６３.ｃｏｍꎻ潘勋章通讯作者ꎬ中国石油大学北京中国能源战略研究院ꎬ邮政编码１０２２４９ꎬ电子信箱ｐｘｚ０６＠ １６３.ｃｏｍꎮ本研究系国家自然科学基金青年项目“巴黎协定背景下国家自主贡献的评估、强化及影响研究”７１７０３１６７和科技部国家重点研发计划课题“世界主要国家碳减排潜力与经济代价研究”２０１７ＹＦＡ０６０５３０２的阶段性成果ꎮ感谢匿名审稿人的宝贵意见ꎬ文责自负ꎮ艾 明 王海林 文武康 潘勋章欧盟碳期货价格影响因素分析开展具有一定借鉴意义和参考价值ꎮ根据文献调研ꎬ总体上可将碳价格①的影响因素分为以下四类１气候因素ꎮ直观上ꎬ极端天气带来的能源使用高峰会促进能源生产商生产ꎬ增加对碳排放配额的需求ꎬ进而推高碳价ꎮ例如ꎬＡｌｂｅｒｏｌａ等２００８对不同类型气候因素进行汇总ꎬ通过实证研究发现ꎬ温度、降雨量以及风速等会对碳价格产生显著影响ꎬ类似研究还包括汪文隽和柏林２０１３ꎮ ２经济因素ꎮ目前对于经济与碳价格之间关系的研究主要集中在一些具体指标上ꎮ例如ꎬＯｂｅｒｎｄｏｒｆｅｒ２００９运用多元ＧＡＲＣＨ模型研究了不同行业股价指数对碳价格影响ꎬ发现大部分行业股票指数对碳价格存在正向影响ꎮ Ｍａｒｃ等２０１１使用Ｃｏｐｕｌａ模型对碳价格在不同经济周期下的变化进行实证研究ꎬ发现经济不景气如２００８年全球金融危机会显著带动价格下行ꎮ ３能源价格因素ꎮ从基本面来看ꎬ能源供需影响企业生产行为ꎬ进而影响碳价格ꎮ例如ꎬＭａｎｓａｎｅｔ等２００７通过实证检验发现ꎬ布伦特原油期货价格和荷兰天然气现货价格对欧洲碳远期价格具有正向影响ꎮ煤油气电价格会对碳价格产生影响易兰等ꎬ２０１７ꎬ同时ꎬ能源市场价格也受到碳价格影响ꎮ在建立计量模型时ꎬ有些文献考虑了其他市场与碳市场的相互作用ꎮ例如ꎬＲｅｉｎａｕｄ２００７运用ＶＡＲ模型研究发现英国电力市场价格受到碳价格和天然气价格的共同影响ꎬ并通过脉冲响应函数分析了三者间相互影响关系ꎬ类似研究还包括王玉和郇志坚２０１２ꎮ ４政策因素ꎮ例如ꎬＡｌｂｅｒｏｌａ等２００８利用计量方法对ＥＵ ＥＴＳ第一阶段价格进行分析ꎬ发现欧盟发布关于碳排放配额供求的政策信息如公布上一期配额过剩数据、发布减少下一期配额发放声明等对碳价格有重要影响ꎮ Ｇｒｏｎｗａｌｄ和Ｋｅｔｔｅｒｅｒ２００９指出碳价格出现多次阶段性变化均由政策性因素如各国公布排放结果、改变行业间分配方式等导致ꎬ类似研究还包括朱帮助２０１４ꎮ尽管普遍认为碳价格变动的影响因素主要有以上四类ꎬ但是ꎬ目前文献对不同阶段或不同时期下影响因素变化的研究相对较少ꎬ影响因子也往往集中在某一项因素ꎬ综合考虑和比较多种因素较少ꎮ单独的某一种因素可以在短期内使碳价格偏离正常轨道ꎬ但却难以合理解释碳市场在过去十年里发生剧烈波动的原因ꎮ在不同时期ꎬ主导碳价格的因素可能是不尽相同的ꎮ同时ꎬ在经济下行背景下ꎬ全球减排合作的走向曾经出现不明朗趋势ꎬ并且随着ＥＵＥＴＳ进入第三阶段ꎬ相关分配规则有了较大改动ꎬ新的政策不断出台ꎬ这些政策因素是否会使碳价格驱动因素产生结构性变化ꎬ相关文献并未给出明显论述ꎮ针对以上问题ꎬ本文将基于文献调研识别的四类影响因素纳入统一分析框架ꎬ综合运用ＢＰ结构突变检验、多元ＡＲＭＡ０２①现有文献对ＥＵ ＥＴＳ碳价格的研究ꎬ大多基于碳期货价格进行ꎬ一是因为ＥＵ ＥＴＳ碳现货市场分割严重ꎬ缺乏统一的碳价格ꎬ二是现货市场交易并不非常活跃ꎬ无法形成连续有效的现货价格ꎮ环境经济研究２０１８年第３期回归和ＤＣＣ－ＧＡＲＣＨ模型对２０１０－２０１６年间① ＥＵ ＥＴＳ碳期货价格影响因素进行深入分析ꎬ探索在样本期间内各因素对价格的影响及变化ꎬ从而为更好地理解价格驱动因素的影响机制及变动程度提供参考ꎮ二、变量选取及数据处理本文所采用的碳期货价格变量ＰＲＩＣＥ来自欧洲气候交易所的期货连续价格ꎬ所采用的解释变量如下ꎬ所有数据均主要源自ＷＩＮＤ数据库ꎮ一气候变量本文所采用的气候变量ＴＥＭＰ来自芝加哥商品交易所基于欧洲天气的天气期货制热日指数② ꎮ基于气温低于华氏６５度摄氏１８.３度ꎬ常出现在采暖通风和空调调节的技术标准中时消费者会使用更多能源进行采暖的假设ꎬ该指数为伦敦、巴黎和柏林日平均温度低于华氏６５度的程度ꎬ当温度高于华氏６５度时ꎬ其值等于０ꎮ制热日指数作为反映天气风险的指标之一ꎬ在天气期货交易中得到广泛认同ꎮ二经济变量本文主要选用两个市场的价格变量作为经济变量一是代表大宗商品市场的ＣＲＢ指数价格ＣＲＢꎬ该指数包括全球主要大宗商品价格变化ꎬ被当做商品市场与经济波动的风向标ꎬ是揭示经济变化状况的提前指标之一ꎬ同时该指标对生产者和消费者物价指数的变化也比较敏感ꎻ二是欧洲斯托克５０指数ＳＴＯＣＫꎬ该指数被看作是反映欧元区大型上市公司股票价格整体情况的指标性指数ꎬ指数成分股主要来自欧洲主要股票市场的能源、化工、航空、工业品、原材料、银行、通讯、医疗等行业ꎬ基本覆盖了ＥＵ ＥＴＳ纳入的行业ꎮ三能源价格变量本文所采用的能源价格变量主要包括原油价格变量ＯＩＬ、天然气价格变量ＧＡＳ、煤炭价格变量ＣＯＡＬ以及电力转换变量ＳＷＩＴＣＨꎮ其中ꎬ原油价格来自布伦特原油期货连续价格ꎬ这是北欧地区原油出产价格的代表性指标ꎬ能够很好地代表欧洲大陆能源生产投入的石油成本ꎻ天然气价格来自英国国家平衡点交割的未来一个月的天然气期货价格ꎬ英国国家平衡点是欧洲最具流动性的天然气交易市场之一ꎬ对欧洲消费者所支付的天然气价格有关键性影响ꎬ同时也是代表终端用户天然气使用成本的最佳指标之一ꎻ煤炭价格来自欧洲安特卫普、鹿特丹、阿１２①②２００５－２００８年为ＥＵ ＥＴＳ第一阶段ꎬ政策因素基本完全主导了碳价格变动ꎬ波动十分剧烈ꎮ进入第二阶段后ꎬ市场规则基本确立ꎬ但全球金融危机基本主导了２００８－２００９年碳价格变动并导致价格持续暴跌ꎬ２００９年之后碳价才开始慢慢稳定ꎮ因此本文采用２０１０年作为样本起始时间ꎮ由于欧洲日平均气温较低ꎬ出现极端炎热气候的概率较低ꎬ持续时间较短ꎬ同时ꎬ由于生活习惯和环保意识的原因ꎬ空调普及率较低ꎬ高耗能制冷需求较少ꎬ影响不显著ꎬ因此此处仅采用制热日指数ꎮ艾 明 王海林 文武康 潘勋章欧盟碳期货价格影响因素分析姆斯特港口交割的未来一个月煤炭的期货价格ꎬ主要指的是欧洲西北部进口煤炭ꎮ电力企业作为ＥＵ ＥＴＳ重要参与者也是目前我国碳市场参与者ꎬ对碳排放配额需求和价格走势有至关重要的影响Ｐａｏｌｏ ｅｔ ａｌ.ꎬ２０１３ꎮ在引入碳约束后ꎬＥＵ ＥＴＳ中电力企业为最小化生产成本ꎬ可能会在使用煤炭和天然气作为燃料之间进行灵活转换① Ｄｅｌａｒｕｅ ｅｔ ａｌ.ꎬ２０１０ꎬ从而改变配额需求ꎮ由于欧洲电价受各国政策调控影响较大ꎬ电力因素对碳期货价格影响无法直接通过电价变动反映ꎮ因此ꎬ本文参考Ｃｈｅｖａｌｌｉｅｒ２０１５通过构造与发电边际成本有关的电力转换变量来表征电力企业的转换行为ꎬ进而分析电力因素对碳价格的影响ꎮ发电边际成本主要取决于燃料价格、设备效率和碳强度等参数ꎬ如式１ꎬ其中ＭＣ为边际成本ꎬＦＣ为燃料价格ꎬｐ为净热效率ꎬＥＦ为燃料碳排放因子ꎬＥＣ为碳排放成本ꎮ电力转换变量可由式２计算得出ꎬ对应了煤炭和天然气发电边际成本相等时的转换点碳排放成本ꎮＭＣ ＝ ＦＣｐ ＋ ＥＦ ＥＣ １ＳＷＩＴＣＨ ＝ ＦＣｃｏａｌｐｃｏａｌ－ ＦＣｇａｓｐｇａｓæèçöø÷/ ＥＦｇａｓ － ＥＦｃｏａｌ ２四变量描述性统计以上变量描述性统计量见表１ꎮ可以看到碳期货价格、天然气指数、电力转换变量的变动幅度较大ꎬ而其他变化相对更稳定ꎻ从偏度和峰度来看ꎬ原油和天然气价格数据为负偏态ꎬ其他为正偏态ꎻ所有数据列的峰度均小于３ꎬ均为平峰分布ꎮ需注意的是ꎬ原油、天然气、煤炭和期货价格均采用的是当期活跃合约的期货价格连续数据ꎬ由于合约间的转换以及交易量较小等问题ꎬ天然气和煤炭期货连续价格出现了少量明显的断点和异常值ꎬ本文对该部分数据进行了剔除和指数平滑处理ꎮ表１ 原始数据描述性统计变量符号平均值中间值最大值最小值标准差偏度峰度碳期货价格ＰＲＩＣＥ ８.３０ ７.０７ １６.８８ ２.７０ ３.８０ ０.９２ ２.５１气候变量ＴＥＭＰ ７.２０ ６.６０ ２７.７０ ０.００ ５.７０ ０.５５ ２.６８ＣＲＢ指数价格ＣＲＢ ４６５.７７ ４７３.４２ ５８０.３２ ３７１.１７ ４７.１１ ０.１９ ２.５８欧洲斯托克５０指数ＳＴＯＣＫ ２７５６.９８ ２７１３.４８ ３５９１.４７ ２０２８.０３ ３１７.０４ ０.４４ ２.８１原油价格ＯＩＬ ６８.４７ ７７.０６ ９６.６６ ２５.４７ １７.４５ －０.６２ ２.０８天然气价格ＧＡＳ ５１.８９ ５４.３４ ７１.６８ ２６.３８ １１.７３ －０.３５ ２.０６煤炭价格ＣＯＡＬ ６４.２６ ６１.０２ １００.８６ ３８.６７ １４.１５ ０.３６ ２.２１电力转换变量ＳＷＩＴＣＨ １０４.６５ ９２.９７ ２８４.６２ －４.６６ ６１.５９ ０.２９ ２.２２注共１５０９个观测值ꎮ２２①从历史情况看ꎬ样本区间内煤气转换行为较频繁ꎮ同时ꎬ考虑样本区间将被分为两个三年左右子区间见后文ꎬ长度较短ꎬ可能无法较好反映可再生能源发电对碳价影响ꎮ燃气设备是基于已有气电厂ꎬ短期进行减碳替代可能更倾向于燃气电厂ꎬ且已有相应文献研究基础ꎬ故本文采用煤气转换而没有新能源转换ꎮ环境经济研究２０１８年第３期三、多元ＡＲＭＡ模型分析一Ｂａｉ－Ｐｅｒｒｏｎ结构突变检验结构突变会对线性模型的估计产生显著影响ꎬ不考虑时间序列的结构突变ꎬ往往会造成单位根检验失效ꎮ ＢＰ结构突变检验被广泛应用于检验多元线性模型的结构变化ꎬ并可同时给出突变产生位置ꎮ考虑存在ｍ个断点的情况ꎬ有如式３所示模型ꎬ其中ｙｔ为第ｔ个观测值对应的因变量值ꎬｘｔ和ｚｔ为协变量向量ꎬβ和δｊｊ＝２ꎬ􀆺 ꎬｍ为协变量向量对应的系数ꎬμｔ为扰动项ꎬＴｊ为第ｊ个断点位置ꎬＴ为观测值总数ꎮｙｔ ＝ ｘＴｔ β ＋ ｚＴｔ δ１ ＋ μｔꎬｔ ＝ １ꎬ２ꎬ􀆺 ꎬＴ１ｙｔ ＝ ｘＴｔ β ＋ ｚＴｔ δｊ ＋ μｔꎬｔ ＝ Ｔｊ－１ ＋ １ꎬＴｊ－１ ＋ ２ꎬ􀆺 ꎬＴｊｙｔ ＝ ｘＴｔ β ＋ ｚＴｔ δｍ＋１ ＋ μｔꎬｔ ＝ Ｔｍ ＋ １ꎬＴｍ ＋ ２ꎬ􀆺 ꎬＴìîíïïïï３分别计算不同断点数情况下的最小绝对残差平方和ꎬ并构造ＳｕｐＦＴℓ＋１｜ℓ统计量Ｂａｉ＆ Ｐｅｒｒｏｎꎬ２００３对２０１０－２０１６年间碳期货价格序列进行检验ꎬ如表２ꎮ根据统计量和突变点临界值标准ꎬ顺序测试结果拒绝了最多有０ꎬ１和２个断点的原假设ꎬ接受了最多有３个断点的原假设ꎬ三个相应断点的９５％置信区间如表３ꎮ具体地ꎬ第一次结构突变发生在２０１１年１０月底ꎬ该时点正值欧债危机爆发ꎬ欧洲经济景气度自此持续下滑ꎬ企业生产意愿减弱ꎬ全社会能源消耗降低导致配额需求大幅减少ꎮ根据联合国政府间气候变化专业委员会发布的评估报告ꎬ２０１２年初欧盟配额供求失衡达近１０亿吨ꎬ配额过剩导致碳期货价格持续下行且低迷不振ꎮ第二次突变发生在２０１３年４月ꎬ即ＥＵ ＥＴＳ从第二阶段到第三阶段的过渡时期ꎬ同样也是一个下行区间ꎮ ２０１３年４月１６日ꎬ随着欧洲议会投票否决了被称为ＥＵ ＥＴＳ“救命稻草”的延迟拍卖措施ꎬ碳期货价格迅速暴跌至２.６３欧元/吨的历史低位ꎬ此后一直在低位徘徊ꎮ第三次突变发生在２０１４年１月底ꎬ碳期货价格终于恢复上行趋势ꎬ这次结构突变点同样源于延迟拍卖政策ꎮ ２月６日ꎬ欧洲议会投票同意了关于缩短延迟配额发放提议的审议期ꎬ从而消除了政府手段干预碳市场的最后障碍ꎮ延迟拍卖使得９亿吨配额能推迟到第三阶段末期发放以缓解市场过剩困境ꎮ到２０１４年１２月ꎬ碳期货价格大涨１０％ꎬ一度达到１３个月以来最高点６.７４欧元/吨ꎮ表２ 断点个数检验最多断点个数ＳｕｐＦＴℓ＋１｜ℓ统计量临界值０∗ １２.３８ ８.５８１∗ ２８.６４ １０.１３２∗ ２４.４７ １１.１４３ ０.００４ １１.８３注临界值由Ｂａｉ和Ｐｅｒｒｏｎ２００３给出ꎬ当统计量大于临界值则拒绝原假设ꎬ用∗进行标记ꎮ３２艾 明 王海林 文武康 潘勋章欧盟碳期货价格影响因素分析表３ 结构性断点时间区间结构性断点开始日期结束日期１ ２０１１/１０/３１ ２０１１/１１/２６２ ２０１３/４/８ ２０１３/４/１０３ ２０１４/１/２４ ２０１４/２/２４以上ＢＰ结构突变检验结果显示ꎬ直接影响市场内配额供应量的政策因素和事件对碳期货价格有着明显影响ꎮ从欧债危机到是否延迟拍卖投票的两次政策性事件ꎬ三个结构性断点大致构成两段完整的价格运行区间通过延迟拍卖政策即第三个结构性断点之前为下行区间ꎬ之后为上行区间ꎮ与ＥＵ ＥＴＳ第一和第二阶段不同的是ꎬ进入第三阶段后ꎬ尽管政策制度要求不断加强ꎬ但政策性事件导致的碳期货价格波动幅度相比前两个阶段小了很多ꎬ这或预示着ＥＵ ＥＴＳ价格传导机制逐渐稳定ꎬ政策制定者的价格预期管理水平不断进步ꎮＡＤＦ检验如表４表明ꎬ各变量在样本区间２０１０－２０１６年内的对数收益率序列和气候变量的一阶差分均为平稳序列ꎬ因此可以利用它们建立多元ＡＲＭＡ回归ꎮ根据上文结果ꎬ本节接下来分别对两个子样本２０１０－２０１４年ꎬ２０１４－２０１６年构建ＡＲＭＡ模型ꎬ分析和比较不同区间碳期货价格影响因素及其变化情况ꎮ模型如式４ꎬ其中ｙｔ为碳期货价格ꎬｘｉｔ为影响因子ꎬθｉＢ和ϑｉＢ分别为第ｉ个因子的自回归系数多项式和移动平均系数多项式ꎬμ为漂移项ꎬεｔ为残差ꎮｙｔ ＝ μ ＋ ∑ ｎｉ ＝ ０ θｉＢϑｉＢｘｉｔ ＋ εｔ ４表４ ＡＤＦ单位根检验结果变量符号ＡＤＦ统计值Ｐ值平稳性碳期货价格对数收益率ＤＩＦＦＰＲＩＣＥ －５９.３２ ０.０００１平稳ＣＲＢ指数对数收益率ＤＩＦＦＣＲＢ －３２.６９ ０.０００１平稳斯托克５０对数收益率ＤＩＦＦＳＴＯＣＫ －２７.５３ ０.００００平稳原油价格对数收益率ＤＩＦＦＯＩＬ －５０.３４ ０.０００１平稳天然气价格对数收益率ＤＩＦＦＧＡＳ －５７.４７ ０.０００１平稳煤炭价格对数收益率ＤＩＦＦＣＯＡＬ －３８.０３ ０.００００平稳电力转换变量对数收益率ＤＩＦＦＳＷＩＴＣＨ －６７.４３ ０.０００１平稳气候变量一阶差分ＤＴＥＭＰ －３９.３９ ０.００００平稳二第一个子样本多元ＡＲＭＡ回归根据自相关、偏相关系数以及对比１－３阶滞后模型的ＡＩＣ、ＳＣ和ＨＱ信息准则如表５４２环境经济研究２０１８年第３期发现ꎬ模型最优滞后阶数为２ꎮ对ＡＲＭＡ模型各项参数显著性和特征值进行检验发现ꎬ除了商品市场指数、煤炭价格和电力转换变量的对数收益率不显著外ꎬ其他均显著ꎬ见表６ꎮ煤炭价格与商品市场指数不显著可能是因为建模时变量顺序问题ꎬ煤炭影响通过油气和电力等其他能源传导至碳期货价格ꎬ商品市场影响也通过欧洲斯托克５０指数和一些能源变量进行传导ꎮ电力转换变量不显著则可能是由于以下两个方面原因首先ꎬ在本文分析中燃煤和天然气电厂的成本计算比较简略ꎬ只考虑了燃料价格影响ꎬ忽略了运行维护成本ꎻ其次ꎬ燃料转换潜力非常依赖于负载变化ꎬ当满载时如冬天电力消费高峰期ꎬ所有电厂都运转ꎬ不存在转换机会ꎬ只有在非满载情况下转换行为才可能发生ꎮ转换的最佳时机是在负载相对较低且主要被燃煤电厂满足时如周末、晚上或夏天ꎬ在有足够经济激励下ꎬ此时空闲的燃气电厂才可能用作转换ꎮ表５ 判断第一个子样本模型滞后阶数的信息准则滞后阶数对数似然值ＡＩＣ信息准则ＳＣ信息准则ＨＱ信息准则１ ３６６２９.３９ －４９.８３ －４９.５４ －４９.８０２ ３６６９１.００ －４９.８７∗ －４９.８１∗ －４９.８２∗３ ３６７８３.７１ －４９.８３ －４９.１５ －４９.６０注 ∗为该准则最小值ꎬ据此识别出模型最优滞后阶数为２ꎮ表６ 第一个子样本回归系数及其显著性变量系数标准差Ｔ统计值Ｐ值ＤＩＦＦＰＲＩＣＥ２ －０.２４１４９１ ０.０１４１７１１ －１７.０４０８６ ０.００ＤＩＦＦＳＴＯＣＫ ０.１３４８７９ ０.０５１２８７ ２.６２９８６８ ０.００ＤＩＦＦＯＩＬ ０.１９７４４１ ０.０３５３０１ ５.５９３００９ ０.００ＤＩＦＦＧＡＳ ０.２５７９６６ ０.０７６７８６ ３.３５９５２９ ０.００ＤＴＥＭＰ －０.０３１７６９ ０.００６３７９ －４.９７９８７２ ０.００ＭＡ２ ０.１７３５４１ ０.０１３０５８ １３.２８９８６ ０.００ＳＩＧＭＡＳＱ ０.０００２０３ ３.３５Ｅ－０６ ６０.８０３３９ ０.００通过分析各变量系数可以看到碳期货价格对数收益率的二阶滞后对其本身存在负向影响ꎻ原油和天然气价格对碳期货价格存在较为明显的正向影响ꎬ更高的原油和天然气价格将增加企业对配额需求ꎻ欧洲斯托克５０指数对碳期货价格也存在正向影响ꎬ当经济向好时ꎬ企业更有意愿参与配额市场交易ꎬ从而推高价格ꎻ在统计学意义上ꎬ以超预期温差为代表的气候变动因素确实对碳期货价格有显著影响ꎬ气温降低时价格上升ꎮ５２艾 明 王海林 文武康 潘勋章欧盟碳期货价格影响因素分析三第二个子样本多元ＡＲＭＡ回归采取相同方法可对第二个子样本进行回归如表７ꎬ经检验ꎬ模型最优滞后阶数同样为２ꎮ与第一个子样本相比ꎬ在经历了结构性断点即同意延迟拍卖政策后ꎬ自身滞后因子、气候、经济和油气价格变量的系数正负号没有发生变化且仍然显著ꎮ这或许说明ꎬ随着碳市场发展成熟ꎬ气候条件、经济指标和能源价格对碳期货价格的传导路径开始逐渐稳定ꎮ值得注意的是ꎬ在新子样本下ꎬ电力转换变量对数收益率的系数由不显著变为显著ꎬ其一阶滞后对于碳期货价格存在负向影响ꎬ电力转换变量在已有文献中较少提及ꎬ本文通过对碳期货价格结构性断点的检验和分段回归ꎬ在统计学意义上证实了该因子显著性ꎮ回头来看ꎬ为什么２０１４年１月这一结构性断点前后电力转换变量回归结果会有所不同本文推断可能有两方面原因一方面ꎬ２０１４年１月延迟拍卖措施的出台有效限制了配额供应量ꎬ引起价格逐渐提振并恢复到电力转换均衡价格附近ꎬ从而对电力企业燃料转换行为产生影响ꎬ使得电力转换变量从第一个子样本的不显著变为显著ꎻ另一方面ꎬ电力企业在ＥＵ ＥＴＳ前两阶段以碳市场提高生产成本为由来提升电价并谋取了巨额利润ꎬ而进入第三阶段后ꎬ政策制定者对电力企业配额分配数量和方式趋向严格和成熟ꎬ使得第三阶段电力企业的碳约束逐渐增强ꎬ碳价上升对电力企业清洁能源使用产生正向激励作用ꎮ表７ 第二个子样本回归系数及其显著性变量系数标准差Ｔ统计值Ｐ值ＤＩＦＦＰＲＩＣＥ２ －０.０７７７６１ ０.０３３７１５ －２.３０６４１２ ０.０２１４ＤＩＦＦＳＴＯＣＫ ０.２７０６３８ ０.０７２６８２ ３.７２３６０６ ０.０００２ＤＩＦＦＯＩＬ ０.１４２６９４ ０.０４６７８１ ３.０５０２６７ ０.００２４ＤＩＦＦＧＡＳ ０.１４９９２４ ０.０３１８０５ ４.７１３９１３ ０.００００ＤＴＥＭＰ －０.０２３８０７ ０.００６８９１ －３.４５４６９６ ０.０００６ＤＩＦＦＳＷＩＴＣＨ１ －０.０２０４７１ ０.００６９３４ －２.９５２１５０ ０.００３３ＭＡ１ －０.０５４０６７ ０.０２８６３０ －１.８８８４５２ ０.０５９４ＳＩＧＭＡＳＱ ０.０００１２７ ４.６６Ｅ－０６ ２７.２９９２３０ ０.００００四、ＤＣＣ－ＧＡＲＣＨ模型分析一ＤＣＣ－ＧＡＲＣＨ模型构建随着ＥＵ ＥＴＳ不断发展完善ꎬ与能源、金融等其他市场的联系也在不断增强ꎬ已有研究主要着眼于碳期货价格与其他资产价格的相关关系和程度研究ꎬ对于它们之间的波动相关性研究较少ꎮ ＤＣＣ－ＧＡＲＣＨ模型不仅能考虑变量同期冲击的相互关联ꎬ同时也能很好地刻画序列之间的波动性扩散性质Ｌｕ ＆ Ｗａｎｇꎬ ２００９ꎮ考察两个子样本ＡＲＭＡ模型残差的自相关性发６２环境经济研究２０１８年第３期现ꎬ自相关系数和偏相关系数均不存在特定模式ꎬ对均值模型残差进行ＡＲＣＨ效应检验表８显示ꎬＦ统计量显著ꎬ存在ＡＲＣＨ效应ꎮ因此ꎬ本节进一步构建ＤＣＣ－ＧＡＲＣＨ模型研究碳期货价格与其他资产价格波动率之间的动态相关性ꎮ表８ 残差ＡＲＣＨ效应检验Ｆ统计量２８.９７２１４ Ｐｒｏｂ. Ｆ１ꎬ１４９１ ０.００００ＬＭ统计量２８.４５８０２ Ｐｒｏｂ. Ｃｈｉ－Ｓｑｕａｒｅ１ ０.００００参照Ｅｎｇｌｅ２００２对ＤＣＣ－ＧＡＲＣＨ模型的构建ꎬ考虑ｋ个价格时间序列的情况ꎬ其条件收益率服从均值为０ꎬ协方差矩阵为Ｈｔ的正态分布ꎬ可表示为式５－７ꎬ其中ｒｔ为价格收益率ꎬΩｔ －１为到ｔ－１时刻为止的信息集ꎬｈｉｔ为第ｉ个ｉ＝１ꎬ２ꎬ􀆺 ꎬｋ时间序列用如式７所示单变量ＧＡＲＣＨ模型得到的条件方差ꎬＤｔ为ｈｉｔ平方根为元素所形成的对角矩阵ꎬＲｔ为动态条件相关系数矩阵ꎬαｉｐ和βｉｑ分别为前期残差平方项和前期条件方差的系数ꎬｐ和ｑ分别为残差平方项和条件方差的滞后阶数ꎮ此外ꎬ单变量模型中ｈｉｔ需满足非负及平稳条件ꎬ即αｉｐ≥ ０ꎬβｉｑ≥ ０且∑ ｐｉｐ ＝ １αｉｐ ＋ ∑ ｑｉｑ ＝ １βｉｑ １ꎮｒｔ ｜ Ωｔ－１ Ｎ ０ꎬＨｔ ５Ｈｔ ＝ ＤｔＲｔＤｔ ６ｈｉｔ ＝ ∑ ｐｉｐ ＝ １αｉｐε２ｉｔ－ｐ ＋ ∑ ｑｉｑ ＝ １βｉｑｈｉｔ－ｑ ７动态条件相关系数Ｒｔ结构如式８－１０ꎬ其中Ｑｔ为协方差矩阵ꎬＱｔ∗为Ｑｔ对角元素平方根所形成的对角矩阵ꎬ Ｑ－为标准化残差所求出的无条件协方差ꎬαｍ和βｎ分别为前期残差平方项和前期条件方差的系数ꎬｍ和ｎ分别为残差平方项和条件方差的滞后阶数ꎬ约束条件为αｍ≥ ０ꎬβｎ≥ ０且∑ Ｍｍ ＝ １αｍ ＋ ∑ Ｎｎ ＝ １βｎ １ꎮ模型估计方法为先估计ＧＡＲＣＨ模型ꎬ再根据ＧＡＲＣＨ模型标准化残差进行动态条件相关系数的估计ꎮＲｔ ＝ Ｑ∗ｔ －１ＱｔＱ∗ｔ －１ ８Ｑｔ ＝ １ － ∑ Ｍｍ ＝ １αｍ － ∑ Ｎｎ ＝ １βｎ Ｑ－ ＋ ∑ Ｍｍ ＝ １αｍ εｔ－ｍε ｔ－ｍ ＋ ∑Ｎｎ ＝ １βｎＱｔ－ｎ ９Ｑ∗ｔ ＝ｑ１１ 􀆺 ０⋱０ 􀆺 ｑｋｋéëêêêêêùûúúúúú１０二联动效应分析本节主要关注欧洲斯托克５０指数、原油价格、天然气价格和电力转换变量的对数收益率与碳期货价格对数收益率的关系ꎬ由于电力转换变量在第二个子样本内显著ꎬ选择第二个子７２艾 明 王海林 文武康 潘勋章欧盟碳期货价格影响因素分析样本２０１４－２０１６年进行建模ꎮ众多实证研究表明ꎬＧＡＲＣＨ１ꎬ１能较好刻画资产价格收益率波动特征ꎬ因此本节所使用的ＤＣＣ－ＧＡＲＣＨ模型为ＤＣＣ－ＧＡＲＣＨ１ꎬ１ꎬ参数估计结果见表９ꎮ表中Ｐ为假设动态相关系数是恒定的概率ꎬ χ２值为相应Ｐ值的检验值ꎬ不难发现ꎬ收益率动态相关系数都十分显著ꎮ α系数代表本期新信息对下一期波动性的影响大小ꎬα值越大对新信息敏感性越强ꎬ反映在公式中ꎬ滞后一期的标准化残差乘积对动态相关系数的影响越大ꎻβ系数代表本期新信息对下一期波动性影响的持续程度ꎬβ值越大波动衰减越慢ꎬα＋β越接近于１则相应波动持续性越明显ꎮ可以看到ꎬ碳期货价格对数收益率的α值与股票市场接近ꎬ远大于原油价格、天然气价格和电力转换变量ꎻα＋β值与能源市场相近ꎬ大于欧洲斯托克５０指数ꎮ说明碳期货市场在对新信息反应方面ꎬ相对类似股票市场一些ꎬ但在波动持续性方面ꎬ则更类似于能源市场ꎮ表９ ＤＣＣ－ＧＡＲＣＨ参数估计参数ＤＩＦＦＰＲＩＣＥ ＤＩＦＦＳＴＯＣＫ ＤＩＦＦＯＩＬ ＤＩＦＦＧＡＳ ＤＩＦＦＳＷＩＴＣＨα ０.０８１６２４ ０.０３９７９８ ０.００５３２ ０.００７８０６ ０.００４５８２２β ０.９０８３３４ ０.９０２１７７ ０.９８２５７３ ０.９７４１１５ ０.９７０８９６α＋β ０.９８９９５８ ０.９４１９７５ ０.９８７８９３ ０.９８０９２１ ０.９７５４１８Ｐ ０.００００ ０.００００ ０.００００ ０.００００ ０.００００χ２ ３１.２０５４２ ２９.３５０６１ ９４.０９８２７ ４０.５１６８１ ２７.６３０４２将估计的ＤＣＣ－ＧＡＲＣＨ模型Ｒｔ提取出来ꎬ可绘制如图１所示的动态条件相关系数图ꎮ可以看到ꎬ碳期货市场与原油市场之间的波动联动性在初期并不明显ꎬ并且时正时负ꎮ随着时间推移ꎬ两者开始出现正向联动ꎬ动态条件相关系数逐渐增强到０.３以上ꎮ碳期货价格与欧洲斯托克５０指数的对数收益率之间动态条件相关系数变动较大ꎬ并且与天然气价格对数收益率的动态条件相关系数变动趋势相近ꎬ均在每年年末位置波幅趋近于０ꎬ而在２０１６年达到较高区间随后出现较大幅度下降ꎬ说明碳期货市场与欧洲股票和天然气市场之间存在一定正向联动关系ꎮ碳期货价格与电力转换变量的对数收益率之间动态条件相关系数长期为负ꎬ２０１４年末转正后又迅速衰弱ꎬ大体处于－０.１左右ꎬ说明碳期货市场与电力转换行为之间存在一定负向联动关系ꎮ但是ꎬ由于所有动态条件相关系数均较小ꎬ尽管碳期货市场与能源和金融市场的价格波动之间存在一定联动效应ꎬ这一效应总体而言并不明显ꎮ８２环境经济研究２０１８年第３期图１ 碳期货收益率与各变量收益率动态相关系数图五、结论与政策建议针对２０１０－２０１６年间ＥＵ ＥＴＳ碳期货价格ꎬ本文通过剔除碳交易市场中结构突变带来的伪持续性ꎬ建立了两段子样本的多元ＡＲＭＡ和ＤＣＣ－ＧＡＲＣＨ模型ꎬ分析了在不同子样本条件下各影响因素对碳期货价格变动的影响及各市场波动的联动效应ꎮ研究发现１受经济形势等外界冲击时ꎬ碳期货价格序列中存在突变点ꎮ结构突变点的引入对分析碳期货价格波动的影响因素可能有较大影响ꎮ突变点发生的原因不仅包括之前文献识别的经济危机影响ꎬ还包括欧债危机、欧盟推迟配额拍卖等政策事件ꎮ ２碳期货价格时间序列不服从正态分布ꎬ存在波动持续性现象和条件异方差ꎮ对结构性断点前后两个子样本进行多元ＡＲＭＡ回归显示ꎬ气候、经济和能源价格变量的系数均显著且方向相同、大小相近ꎬ这或可说明气候、经济和能源价格等因素对碳期货价格的传导路径随着碳市场发展成熟开始逐渐稳定ꎮ ３电力转换变量在２０１４年延迟配额拍卖政策公布之前的子样本中不显著ꎬ在之后的子样本中变得显著ꎬ这可能是由于之前配额数量过剩ꎬ电力企业并没有燃料转换动力ꎬ而延迟拍卖政策推迟了配额供应时间ꎬ促使企业产生转换行为ꎬ从而开始对碳期货价格产９２艾 明 王海林 文武康 潘勋章欧盟碳期货价格影响因素分析生影响ꎮ ４根据ＤＣＣ－ＧＡＲＣＨ模型动态条件相关系数的分析ꎬＥＵ ＥＴＳ碳期货市场与欧洲能源和金融市场的价格波动之间存在一定联动效应ꎬ但这一效应总体上并不明显ꎮ当前ꎬ我国碳市场和碳金融体系正处在探索建设阶段ꎬ刚建成的全国碳市场只纳入了电力行业ꎮ基于研究结果ꎬ本文对我国建立和完善碳交易体系提出以下政策建议１建立完善的价格稳定机制ꎮ价格指标是反映碳市场价格供需情况的最重要指标ꎬ合理的价格指标能够真正反映全社会边际减排成本ꎮ作为一个受政策性因素影响较大的市场ꎬ相关部门应当完善碳定价体系ꎬ出台相应政策措施ꎬ形成完善的价格稳定机制ꎬ保证价格体系的正常运行ꎮ同时ꎬ应特别关注经济与各类能源价格的波动情况ꎬ当出现经济或能源价格大幅波动时ꎬ主动采用积极手段调整碳排放配额供需ꎬ避免供需失衡导致碳市场失灵ꎮ ２构建全国性碳市场的同时ꎬ更加关注能源供需变动对碳价格的影响ꎮ完善我国能源统计制度ꎬ加强对高耗能企业的盘查力度以及对各类细分能源的识别ꎬ完善碳排放核查方法学ꎬ建立从能源供需到碳价变化的可靠传导机制ꎬ避免碳价大幅偏离均衡价格导致企业失去生产意愿或碳约束ꎮ ３提高风险管理水平ꎮ建立相关服务机构ꎬ如建立碳风险评级机构、碳资产管理公司和碳金融信息服务机构ꎬ以促进风险识别和碳交易信息公开化ꎮ政府要加快推进相关法律法规ꎬ将碳交易和相关风险纳入法律体系ꎬ从制度层面为管理碳风险提供配套工具和公平的发展环境ꎮ参考文献[１]汪文隽ꎬ柏林.欧盟碳配额价格影响因素研究[Ｊ].云南师范大学学报哲学社会科学版ꎬ２０１３ꎬ４１３５－１４３.[２]王玉ꎬ郇志坚.欧盟碳排放权交易市场的价格发现和波动溢出研究[Ｊ].中国人口􀅰资源与环境ꎬ２０１２ꎬ２２Ｓ１２４４－２４９.[３]易兰ꎬ李朝鹏ꎬ杨历ꎬ刘杰.欧盟碳价走势情景模拟分析及对中国的启示[Ｊ].环境经济研究ꎬ２０１７ꎬ２３２２－３５.[４]朱帮助.国际碳市场价格驱动力研究－以欧盟排放交易体系为例[Ｊ].北京理工大学学报社会科学版ꎬ２０１４ꎬ３２２－２９.[５]ＡｌｂｅｒｏｌａꎬＥ. ꎬＪ. Ｃｈｅｖａｌｌｉｅｒꎬａｎｄ Ｂ. Ｃｈｅｚｅ. Ｐｒｉｃｅ Ｄｒｉｖｅｒｓ ａｎｄ Ｓｔｒｕｃｔｕｒａｌ Ｂｒｅａｋｓ ｉｎ Ｅｕｒｏｐｅａｎ Ｃａｒｂｏｎ Ｐｒｉｃｅｓ[Ｊ].Ｅｎｅｒｇｙ Ｐｏｌｉｃｙꎬ２００８ꎬ３６７８７－７９７.[６]ＢａｉꎬＪ. ａｎｄ Ｐ. Ｐｅｒｒｏｎ. Ｃｏｍｐｕｔａｔｉｏｎ ａｎｄ Ａｎａｌｙｓｉｓ ｏｆ Ｍｕｌｔｉｐｌｅ Ｓｔｒｕｃｔｕｒａｌ Ｃｈａｎｇｅ Ｍｏｄｅｌｓ[Ｊ]. Ｊｏｕｒｎａｌ ｏｆ ＡｐｐｌｉｅｄＥｃｏｎｏｍｅｔｒｉｃｓꎬ２００３ꎬ１８１１－２２.[７]ＣｈｅｖａｌｌｉｅｒꎬＪ.程思ꎬ等译.碳市场计量经济学分析[Ｍ].大连东北财经大学出版社ꎬ２０１５.[８] ＣｒｅｔｉꎬＡ. ꎬＰ. Ｊｏｕｖｅｔꎬａｎｄ Ｖ. Ｍｉｇｎｏｎ. Ｃａｒｂｏｎ Ｐｒｉｃｅ Ｄｒｉｖｅｒｓ Ｐｈａｓｅ Ｉ ｖｅｒｓｕｓ Ｐｈａｓｅ ＩＩ Ｅｑｕｉｌｉｂｒｉｕｍ [Ｊ].Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓꎬ２０１２ꎬ３４３２７－３３４.[９]ＤｅｌａｒｕｅꎬＥ. ꎬＡ. Ｄ. Ｅｌｌｅｒｍａｎꎬａｎｄ Ｗ. Ｄ. Ｄ’ｈａｅｓｅｌｅｅｒ. Ｓｈｏｒｔ－ｔｅｒｍ ＣＯ２ Ａｂａｔｅｍｅｎｔ ｉｎ ｔｈｅ Ｅｕｒｏｐｅａｎ ＰｏｗｅｒＳｅｃｔｏｒ２００５－２００６[Ｊ]. Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ Ｅｃｏｎｏｍｉｃｓꎬ２０１０ꎬ１０２１１３－１３３.[１０]ＥｎｇｌｅꎬＲ. Ｄｙｎａｍｉｃ Ｃｏｎｄｉｔｉｏｎａｌ Ｃｏｒｒｅｌａｔｉｏｎ Ａ Ｓｉｍｐｌｅ Ｃｌａｓｓ ｏｆ Ｍｕｌｔｉｖａｒｉａｔｅ ＧＡＲＣＨ Ｍｏｄｅｌｓ[Ｊ]. Ｊｏｕｒｎａｌ ｏｆＢｕｓｉｎｅｓｓ ａｎｄ Ｅｃｏｎｏｍｉｃ Ｓｔａｔｉｓｔｉｃｓꎬ ２００２ꎬ ２０３３９－３５０.０３环境经济研究２０１８年第３期[１１]ＧｒｏｎｗａｌｄꎬＭ. ａｎｄ Ｊ. Ｋｅｔｔｅｒｅｒ. Ｅｖａｌｕａｔｉｎｇ Ｅｍｉｓｓｉｏｎ Ｔｒａｄｉｎｇ ａｓ ａ Ｐｏｌｉｃｙ Ｔｏｏｌ－Ｅｖｉｄｅｎｃｅ ｆｒｏｍ ＣｏｎｄｉｔｉｏｎａｌＪｕｍｐ Ｍｏｄｅｌｓ[Ｒ]. ２００９.[１２]ＨｉｎｔｅｒｍａｎｎꎬＢ. Ａｌｌｏｗａｎｃｅ Ｐｒｉｃｅ Ｄｒｉｖｅｒｓ ｉｎ ｔｈｅ Ｆｉｒｓｔ Ｐｈａｓｅ ｏｆ ｔｈｅ ＥＵ ＥＴＳ[Ｊ]. Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｅｃｏ￣ｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔꎬ２０１０ꎬ５９４３－５６.[１３]ＬｕꎬＷ. ａｎｄ Ｗ. Ｗａｎｇ. Ｄｙｎａｍｉｃ Ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ Ｃａｒｂｏｎ Ｍａｒｋｅｔ ａｎｄ Ｃｈｉｎｅｓｅ Ｓｔｏｃｈ Ｍａｒｋｅｔ Ｂａｓｅｄ ｏｎＡｇｄｃｃ－Ｇａｒｃｈ [Ｒ]. ２００９.[１４]Ｌｕｔｚꎬ Ｂ. Ｊ. ꎬ Ｕ. Ｐｉｇｏｒｓｃｈꎬ ａｎｄ Ｗ. Ｒｏｔｆｕｓ. Ｎｏｎｌｉｎｅａｒｉｔｙ ｉｎ Ｃａｐ－ａｎｄ－ｔｒａｄｅ Ｓｙｓｔｅｍｓ Ｔｈｅ ＥＵＡ Ｐｒｉｃｅ ａｎｄ ＩｔｓＦｕｎｄａｍｅｎｔａｌｓ[Ｊ]. Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓꎬ２０１３ꎬ４０２２２－２３２.[１５]Ｍａｎｓａｎｅｔꎬ Ｍ. ꎬＡ. Ｐａｒｄｏꎬａｎｄ Ｅ. Ｖａｌｏｒ. ＣＯ２ Ｐｒｉｃｅｓꎬ Ｅｎｅｒｇｙ ａｎｄ Ｗｅａｔｈｅｒ[Ｊ]. Ｔｈｅ Ｅｎｅｒｇｙ Ｊｏｕｒｎａｌꎬ２００７ꎬ２８７３－９２.[１６]ＭａｒｃꎬＧ. ꎬＫ. Ｊａｎｉｎａꎬａｎｄ Ｔ. Ｓｔｅｆａｎ. Ｔｈｅ Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ Ｃａｒｂｏｎꎬ Ｃｏｍｍｏｄｉｔｙ ａｎｄ Ｆｉｎａｎｃｉａｌ ＭａｒｋｅｔｓＡ Ｃｏｐｕｌａ Ａｎａｌｙｓｉｓ[Ｊ]. Ｔｈｅ Ｅｃｏｎｏｍｉｃ Ｓｏｃｉｅｔｙ ｏｆ Ａｕｓｔｒａｌｉａꎬ２０１１ꎬ８７ｓ１１０５－２４.[１７]ＯｂｅｒｎｄｏｒｆｅｒꎬＵ. ＥＵ Ｅｍｉｓｓｉｏｎ Ａｌｌｏｗａｎｃｅｓ ａｎｄ ｔｈｅ Ｓｔｏｃｋ Ｍａｒｋｅｔ Ｅｖｉｄｅｎｃｅ ｆｒｏｍ ｔｈｅ Ｅｌｅｃｔｒｉｃｉｔｙ Ｉｎｄｕｓｔｒｙ[Ｊ].Ｅｃｏｌｏｇｉｃａｌ Ｅｃｏｎｏｍｉｃｓꎬ２００９ꎬ６８１１１６－１１２６.[１８]ＰａｏｌｏꎬＦ. ꎬＦ. Ｄａｎｉｅｌｅꎬａｎｄ Ｓ. Ｓｉｌｖａｎａ. Ｆｒｅｅ ＥＵＡｓ ａｎｄ Ｆｕｅｌ Ｓｗｉｔｃｈｉｎｇ[Ｊ]. Ｅｎｅｒｇｙ Ｅｃｏｎｏｍｉｃｓꎬ２０１３ꎬ３５１４－２１.[１９]ＲｅｉｎａｕｄꎬＪ. ＣＯ２ Ａｌｌｏｗａｎｃｅ ａｎｄ Ｅｌｅｃｔｒｉｃｉｔｙ Ｐｒｉｃｅ Ｉｎｔｅｒａｃｔｉｏｎꎬ Ｉｍｐａｃｔ ｏｎ Ｉｎｄｕｓｔｒｙ’ｓ Ｅｌｅｃｔｒｉｃｉｔｙ ＰｕｒｃｈａｓｉｎｇＳｔｒａｔｅｇｉｅｓ ｉｎ Ｅｕｒｏｐｅ[Ｒ]. ２００７.Ａｎａｌｙｚｉｎｇ ｔｈｅ Ｉｍｐａｃｔ Ｆａｃｔｏｒｓ ｏｆ ｔｈｅ Ｃａｒｂｏｎ Ｆｕｔｕｒｅ Ｐｒｉｃｅｓ ｉｎ ｔｈｅ ＥＵ ＥＴＳＡｉ Ｍｉｎｇａꎬ Ｗａｎｇ Ｈａｉｌｉｎｂꎬ Ｗｅｎ Ｗｕｋａｎｇａ ａｎｄ Ｐａｎ ＸｕｎｚｈａｎｇａꎬｂａＡｃａ