吴孟操

（贵州大学经济学院，贵阳 550025）

碳金融市场在国外已逐步完善。为进一步开放我国资本市场，提高我国金融工具的多元化，进而促进我国经济发展，我国也开始了初步尝试。2021 年7 月，我国开始对个别省份进行碳交易权市场开放试点。在这一起步阶段，对于碳排放权交易价格进行影响因素分析以及价格预测等研究是非常必要的，同时也可以为我国碳金融市场的完善提供重要依据。

相较于欧盟成熟的碳交易市场，我国碳交易市场建设时间不长。我国许多学者对碳交易权价格的形成机制和路径发表了不少看法，并通过碳价时间序列进行了测算和实证分析（郭蕾和赵方芳，2020）。譬如，在碳交易权价格研究方面，站在宏观经济视角，从能源价格以及气候政策等渠道来了解对于碳交易权价格的影响（王巍和韩丹丹，2018；崔焕影和窦祥胜，2018；闫梦和王聪，2020）。结合碳交易价格波动的趋势特点，学者们运用ga-bp 模型、经验模态分解算法等对中国碳市场交易价格进行短期和长期预测，试图构建出最优碳交易价格预测模型。此外，还分别用msm模型和面板协整检验方法对碳交易权价格进行分析，这也为市场参与者进行相关决策提供了参考依据（李少云等，2020；金林等，2020；李若山，2021）。

arima 模型有自回归模型、移动平均模型以及自回归平均移动模型3 种，下面是自回归移动平均模型arma（p，q）的表达式：

符合arima 模型具体的建模步骤分为以下几点：

1.对时间序列进行平稳性检验，若不平稳则进行平稳性处理。常见的平稳性处理方法有取对数和差分处理相结合。

2.通过自相关和偏相关检验定阶，具体的p，q 值还需通过aic 或bic 准则确定具体数值。

3.对参数进行t 检验，同时也对模型的残差做白噪声检验。如果残差序列相关则证明是白噪声，说明模型建立合理；如果不是白噪声，就证明残差中还有未提取信息，还需对时间序列作进一步处理。

4.利用建立的模型选择合适区间进行预测。

本研究从万德数据选取上海碳交易市场碳排放权价格的日收盘价，范围为2015 年1 月5 日至2021 年7月23 日，共以819 个样本作为研究对象，运用python建立arima 模型实证。

平稳性检验通常用单位根检验即adf 检验来监察时间序列是否平稳。结果表明，单位根检验中p 值为0.55，当p 值大于0.05 时可认为时序数列稳定，所以当前的时间序列不平稳，需要作进一步处理。该部分采用差分处理法。

差分处理后时序数列进行adf 检验，p 值小于0.05，具有稳定性。因此确定d=1，即一阶差分后的时间序列满足arima 模型的建立。

1.自相关（acf）与偏相关（pacf）分析

为确定p 和q 的具体数值，研究通过python 软件绘制一阶差分后数据的自相关性和偏相关性的图，通过观察得知p=2，q=2。

2.p 和 q 的定阶

根据自相关和偏相关分析，可以大致判断p 和q 值为（2，2）。为了选取最适用模型，研究引入赤池信息准则作为选取依据，aic 值的计算具体如下：

aic=-2ln（l）+2k

通过aic 值的计算得出结果中可以找到aic 值最小的一个，正好与上一步骤观察出的结果相符，因此得出最优模型为 arima（2，1，2）。

1.模型系数检验

模型的所有参数估计出来后，需要对模型arima（2，1，2）的参数进行 t 检验，t 检验结果如表 1 所示。

表1 系数检验结果

该结果表明，模型的各项参数的系数t 统计量中p值均小于 0.05，即 arima（2，1，2）的建立可取。

2.残差白噪声检验

从模型估计残差的检验中可知，序列的残差是不相关的。因此，以上所建立的arima（2，1，2）模型具有合理性。

3.模型拟合效果

结合观测样本，通过上述建立的 arima（2，1，2）模型进行预测拟合。拟合结果如图2 所示，并绘制噪声残值序列图可得预测数据能较好拟合，说明建模准确。

图1 模型噪声残值序列图

图2 模型拟合效果图

建立arima 模型其拟合精度尚可，具有有效性。因此，arima 模型对于碳市场其他预测的相关结论也能够为后续碳金融市场的波动性研究和预警机制构建提供一定的参考。但是本文也存在以下诸多不足。（1）样本量较少，精度不够，只选取上海市一个试点，可以充样本量至当前我国所有的碳交易试点。（2）本研究选取上海市试点，具有针对性但并不具有广泛适用性。（3）arima模型本身对于短期预测较为精确，但对长期数据预测精确度低，因此，为预测更多碳相关的经济类指标，还需结合其他模型进行探索。（4）仅考虑时间这一单一变量，但是真实生活中碳交易价格受诸多因素的影响，因此可以增加其他指标进行实证分析来提高预测结果的精准度。针对上述诸多不足，笔者给出了下列对于我国碳市场发展的相关建议。

首先，从研究层面来说，需向西方多学习，结合现有的新指标esg 等分析碳交易价格的影响因素，进而分析碳价格的作用机制等。模型的选择并不局限于单一的模型，可以神经网络、机器学习相结合。

其次，鉴于我国的碳交易市场仍处于初期阶段，交易活跃程度还远远不够，为了进一步刺激碳交易市场，激发资本市场与碳排放的深度融合，应该出台相关政策降低碳交易的费用，活跃碳交易市场。

除此之外，无论对于任何一个资本市场，信息的完全和及时披露都决定着市场长远的发展。相关部门应该优化碳交易细则，完善信息披露的法律法规，不仅事前敦促各地区公布交易信息，更要在事后监管信息披露的真实性。国外的碳交易已经发展得相对成熟，国内对碳交易市场的认知程度仍然很低，还缺乏市场交易的参与者，在一定程度上限制了我国碳交易的发展进程。我国应该加快碳交易市场在各城市试点的节奏，在积累实践经验的同时，积极学习西方的碳交易市场建设经验，将推进试点与布局全国碳交易市场相结合，稳中有快地建设我国碳交易市场。

最后，实际的市场交易中，需要结合我国具体情况，依据不同省份的经济发展水平以及要素禀赋来分配，不能一概而论。要在加强宏观调控基础上，了解碳价的作用机制，逐步拓展碳相关的衍生品交易市场，逐步建立以市场为导向的碳市场。另外，为加强碳交易市场的作用机制，加强更新相关法律条例，必须清楚界定市场监管主体、交易当事人的权利义务以及惩罚措施等方面。