基于ICA碳交易价格影响因素实证分析.docVIP

基于ICA碳交易价格影响因素实证分析 　　摘 要：构建碳排放交易市场，引导社会各层面主动参与温室气体减排，是实现气候改善和低碳发展的有效途径。本文以我国碳交易市场价格的影响因素为研究对象，以6个碳市场日均交易价格走势作为混合信号，利用独立成分分析（ICA）方法对其进行深层次的分析，找出混合信号中隐含的信息，分离出4个独立成分，发现政策、经济和能源价格是影响交易价格的重要因素，为规范市场行为、构建全国性的碳交易市场等提供一定的参考和借鉴。 　　关键词：碳交易；价格影响因素；独立成分分析（ICA） 　　碳排放权交易是在全球关注气候变化问题的大背景下形成的。2005年2月16日，《京都议定书》正式生效，这不仅首次以法规的形式限制了各发达国家温室气体的排放量，更是催生出一个以二氧化碳排放权为主的碳交易市场。目前，国际上已形成多个排放权交易市场，比如芝加哥气候交易所（CCX）、欧洲碳排放交易体系（EU ETS）和蒙特利尔气候交易所（MCEX）等。 　　我国政府于1998年5月签署并于2002年8月核准了《京都议定书》。目前，我国已建成深圳、上海、北京、广东、天津、湖北、重庆7个碳交易市场，并拟于2016年建立全国性的碳交易市场。7个试点累计成交额近13亿元，而全国性碳市场交易额可达12至80亿元。价格是一个市场必不可少的构成要素，也是一个市场能够持续健康运行的核心。我国碳市场拥有巨大的发展潜力和商机，研究探讨碳减排市场价格影响因素，对于我国推动碳市场的稳步健康发展有重要意义。 　　国外学者对于碳排放权交易价格影响因素的研究较早。初期，大多数学者采用格兰杰因果检验法研究单个变量与碳排放权交易价格的关系，比如煤炭、石油等能源，随着自回归模型的应用扩展，学者们开始使用自回归多变量模型研究多个因素同时对碳排放交易价格的影响，Kainuma等（1999）同时考虑了生态、气候、经济等多个方面对碳排放权价格的影响。Considine（2000）认为天气会影响能源消费和温室气体排放，从而影响碳排放权价格。Burniaux等（2000）研究了政策对碳排放权价格的影响。Manasanet Bataller、Pardo 和Volor （2007）分析了石油、天然气、煤炭价格以及气候对碳排放价格的影响。Reilly和Paltesv（2007）提出了碳排放交易价格的影响因素不仅有能源，还有市场参与者的准备程度。Jaehn和Peter Letmathe（2010）通过研究，认为影响碳排放交易价格的因素，除了能源、市场因素外，信息的透明度、物价指数和碳配额等也会影响碳价格的波动。国外关于碳排放权交易价格的研究已经有了很大的成果，既有理论研究，也有实证分析。实证大多基于欧盟排放交易体系和美国芝加哥气候交易所。我国对于该方面的研究还处于起步阶段，大多都是从理论上定性分析影响碳排放权价格的因素，实证分析研究较少。有国内学者进行了碳排放权价格影响因素的实证分析，但仍基于欧盟或是美国的市场。陈晓红（2013）以芝加哥气候交易所为例，以回归模型对其进行实证分析。到目前为止，针对我国碳交易市场进行的实证研究还比较缺乏。 　　本文以我国已成立的7个碳市场中的6个市场的数据为样本，由于数据的非高斯性，本文采用了独立成分分析法，找出影响我国6个碳排放权市场交易价格隐含的公共因素，为2016年的全国碳交易市场以及完善目前已有各市场的定价机制提供一些借鉴和参考。 　　一、ICA的基本原理和方法 　　（一）ICA基本原理 　　ICA是一种非常有用的统计分析工具，它能从可观测的混合信息中分离出独立成分。假设这些独立成分是非高斯分布和相互独立的，典型的ICA模型已被广泛用于处理盲源信号、特征提取等问题。 　　假设观察到个随机变量，这些变量是由另外n个随机变量线性组合得到的： 　　式中，是未知参数，称为混合系数。在统计上相互独立，称为独立成分（Independent Components）简称，假设相互独立且为非高斯分布，这些独立成分不能直接被观测，是模型中的隐藏变量，而也是未知的 。 　　基于以上假设，上述模型也可用矩阵形式表达， 　　是未知的混合系数矩阵，是隐藏的独立成分矩阵，这些隐藏的成分不易被直接的观测到。ICA模型的目标就是通过计算混合矩阵的逆矩阵， 　　从而估计出独立成分： 　　（二）ICA方法 　　中心极限定理表明，在大样本条件下，独立随机变量的和趋于高斯分布。观测变量是独立成分的线性组合，因此观测变量比独立成分中的任何一个更接近于高斯分布。ICA的本质就是找到最大非高斯性的投影，因此对高斯性的度量成为关键的问题，目前常用的方法是用负熵来度量其非高斯性。 　　熵是信息论的基本概念，随机变量的熵与观测给出的信息量有关，变量越随机，熵越大。一个密度为的