考虑状态转移下中国碳市场与股票市场波动溢出效应的动态解析与策略研究

考虑状态转移下中国碳市场与股票市场波动溢出效应的动态解析与策略研究一、引言1.1研究背景在全球气候变化的严峻挑战下，减少温室气体排放、实现低碳转型已成为国际社会的广泛共识。为了有效应对这一挑战，碳市场作为一种重要的市场化减排工具应运而生。碳市场通过建立碳排放权的交易机制，使得企业能够在市场中买卖碳排放配额，从而激励企业采取更加积极的减排措施，降低碳排放成本。其不仅为企业提供了一种灵活的减排方式，还通过价格信号引导资源向低碳领域配置，促进了低碳技术的创新和发展。中国作为全球最大的碳排放国和能源消费国，在碳减排方面承担着重要的责任。自2011年起，中国开始在多个地区开展碳排放权交易试点工作，包括北京、天津、上海、重庆、广东、湖北、深圳和福建等地。这些试点地区在碳市场建设方面进行了积极的探索和实践，积累了丰富的经验，为全国碳市场的建立奠定了坚实的基础。2021年7月16日，全国碳排放权交易市场正式启动上线交易，标志着中国碳市场进入了一个新的发展阶段。截至目前，全国碳市场已纳入发电行业重点排放单位2257家，年覆盖温室气体排放量约51亿吨二氧化碳当量，成为全球覆盖温室气体排放量最大的碳市场。随着碳市场的不断发展和完善，其在推动中国碳减排目标实现方面发挥着越来越重要的作用。股票市场作为国民经济的“晴雨表”，反映了宏观经济的运行状况和企业的经营业绩。在低碳经济发展的大背景下，股票市场也受到了碳减排政策和碳市场发展的深刻影响。一方面，碳减排政策的实施促使企业加大对低碳技术的研发和应用，推动了相关产业的发展，从而为股票市场带来了新的投资机会。例如，新能源、节能环保等低碳产业的上市公司在股票市场上表现出了良好的发展潜力，吸引了大量投资者的关注。另一方面，碳市场的波动也可能通过企业的经营成本、收益预期等因素对股票市场产生影响。当碳价上涨时，高耗能企业的碳排放成本增加，可能导致其利润下降，进而影响其股票价格；而对于低碳企业来说，碳价上涨则可能带来更多的收益和发展机会，推动其股票价格上涨。因此，研究中国碳市场与股票市场之间的关联关系，对于投资者合理配置资产、企业制定经营策略以及政策制定者完善政策体系都具有重要的意义。传统的金融市场波动溢出效应研究往往假设市场处于单一的稳定状态，忽略了市场在不同经济环境、政策条件和突发事件影响下可能发生的状态转移。然而，现实中的金融市场是复杂多变的，市场状态会受到多种因素的影响而发生改变。在经济衰退时期，市场的波动性往往会增大，投资者的风险偏好会降低；而在经济繁荣时期，市场的波动性则相对较小，投资者的风险偏好会提高。碳市场和股票市场也不例外，它们在不同的市场环境下可能表现出不同的波动特征和溢出效应。因此，考虑状态转移的因素，能够更加准确地刻画中国碳市场与股票市场间的波动溢出效应，为投资者和政策制定者提供更具针对性的决策依据。1.2研究目的与意义本研究旨在深入探究考虑状态转移情况下中国碳市场与股票市场间的波动溢出效应，通过运用科学的研究方法和模型，揭示两个市场之间波动溢出的特征、方向和程度，以及市场状态转移对波动溢出效应的影响机制。具体而言，本研究将分析不同市场状态下碳市场与股票市场之间的波动溢出关系，包括牛市、熊市以及平稳市场等状态，明确在各种市场环境中两个市场之间的风险传导路径和强度，为市场参与者提供更为精准的风险评估和投资决策依据。研究中国碳市场与股票市场间的波动溢出效应具有重要的理论和现实意义。从理论层面来看，有助于丰富金融市场间波动溢出效应的研究。以往对金融市场波动溢出效应的研究多集中于传统金融市场，如股票市场、外汇市场、债券市场等之间的关系，对碳市场这一新兴市场与股票市场间波动溢出效应的研究相对较少。尤其是考虑市场状态转移因素的研究更为稀缺。本研究将填补这一领域在考虑状态转移情况下的研究空白，进一步拓展和完善金融市场波动溢出效应的理论体系，为深入理解金融市场之间的复杂关联提供新的视角和理论依据。通过对碳市场与股票市场波动溢出效应的研究，能够揭示碳减排政策、低碳经济发展等因素对金融市场的影响机制，丰富金融市场与宏观经济环境相互作用的理论研究。从现实意义角度出发，为投资者提供决策依据。随着碳市场的发展和完善，越来越多的投资者开始关注碳市场与股票市场的投资机会。了解两个市场之间的波动溢出效应，投资者可以更好地把握市场趋势，合理配置资产，降低投资风险。在碳市场出现大幅波动时，投资者可以根据波动溢出效应的特征，提前调整股票投资组合，避免因市场风险传导而遭受损失。同时，对于关注低碳产业的投资者来说，研究碳市场与股票市场的关联关系，有助于发现具有潜力的投资标的，提高投资收益。帮助企业制定经营策略。碳市场的发展对企业的经营产生了深远影响，尤其是高耗能企业。企业需要了解碳市场与股票市场的波动溢出效应，以便更好地应对碳减排压力，制定合理的生产和投资计划。当碳价上涨时，高耗能企业的碳排放成本增加，可能会影响其利润和股票价格。企业可以通过关注碳市场与股票市场的关联关系，提前采取措施，如加强节能减排技术研发、优化生产流程等，降低碳排放成本，提高企业的竞争力。此外，企业还可以利用碳市场的金融工具，如碳配额质押贷款、碳期货等，进行风险管理和融资，促进企业的可持续发展。为政策制定者提供参考。政府在推动碳减排和发展低碳经济的过程中，需要制定合理的政策措施。研究碳市场与股票市场间的波动溢出效应，能够帮助政策制定者更好地评估政策的实施效果，及时调整政策方向和力度。在制定碳市场相关政策时，政策制定者需要考虑到政策对股票市场的影响，避免因政策调整导致市场波动加剧。同时，政策制定者还可以通过引导市场预期，促进碳市场与股票市场的协调发展，实现经济增长与环境保护的双赢目标。1.3研究方法与创新点本研究采用多种研究方法，力求全面、深入地分析中国碳市场与股票市场间的波动溢出效应。在数据处理方面，收集了中国碳市场和股票市场的相关历史数据，包括碳价、股价、成交量等时间序列数据，并运用数据清洗和预处理技术，确保数据的准确性和可靠性，为后续的实证分析奠定坚实基础。在实证分析中，运用GARCH族模型对碳市场和股票市场的波动性进行建模。GARCH族模型能够充分捕捉金融时间序列数据的异方差性和波动聚集性，通过对条件方差的建模，可以准确地刻画市场波动的动态变化特征。通过该模型分析碳市场和股票市场各自的波动规律，为研究波动溢出效应提供基础。采用DCC-GARCH模型研究两个市场之间的动态条件相关性。DCC-GARCH模型可以动态地捕捉碳市场与股票市场之间的相关关系随时间的变化情况，能够反映出市场之间的时变相关特征，有助于深入了解两个市场在不同时期的关联程度。运用TVP-VAR模型分析市场状态转移对波动溢出效应的时变影响。TVP-VAR模型考虑了参数的时变特性，能够更灵活地反映经济变量之间的动态关系。通过该模型可以研究在不同市场状态下，如经济繁荣期、衰退期或政策调整期等，碳市场与股票市场间波动溢出效应的变化情况，揭示市场状态转移对波动溢出的动态影响机制。本研究的创新点主要体现在两个方面。在研究视角上，全面考虑市场状态转移因素，突破了传统研究中假设市场处于单一稳定状态的局限。市场状态会受到多种因素的影响而发生改变，本研究将市场状态转移纳入研究框架，能够更准确地刻画碳市场与股票市场间的波动溢出效应在不同市场环境下的变化特征，为投资者和政策制定者提供更具针对性的决策依据。在研究内容上，综合考虑了多种因素对碳市场与股票市场间波动溢出效应的影响。不仅分析了市场自身的波动特征和动态相关性，还深入探讨了市场状态转移、宏观经济环境、政策因素以及投资者情绪等多方面因素对波动溢出效应的作用机制，从多个维度揭示了两个市场之间复杂的关联关系，丰富了金融市场波动溢出效应的研究内容。二、理论基础与文献综述2.1相关理论基础2.1.1金融市场波动理论金融市场波动是指金融资产价格在一定时期内围绕其均值上下变动的现象，它反映了市场的不确定性和风险程度。这种波动是金融市场的固有属性，广泛存在于股票、债券、外汇、大宗商品等各类金融市场中。例如，股票市场中股价的频繁涨跌，外汇市场中汇率的波动等，都是金融市场波动的具体表现。在金融市场波动的度量方面，标准差是一种常用的方法。它通过计算资产收益率与均值的偏离程度来衡量波动大小，标准差越大，说明资产价格的波动越剧烈，风险也就越高。方差作为标准差的平方，同样可以用于衡量波动程度。在实际应用中，对数收益率也常被用于度量金融市场波动，它具有良好的数学性质，能够更好地反映资产价格的连续变化。金融市场波动呈现出多种显著特征。波动聚集性是其中之一，即较大的波动往往会集中在某些时间段内出现，而较小的波动也会相对集中。在股票市场的牛市行情中，股价可能会连续多日上涨，波动相对较小；而在熊市或市场出现重大事件时，股价可能会大幅下跌，波动急剧增大。这种波动聚集性表明市场波动并非随机发生，而是具有一定的持续性和趋势性。波动持续性也是金融市场波动的重要特征。一旦市场出现波动，这种波动往往会持续一段时间，不会立即消失。当某一突发事件导致股票市场出现大幅下跌后，后续的交易日中股价仍可能在一定程度上延续下跌趋势，波动依然较大，需要经过一段时间的调整才会逐渐恢复平稳。这种持续性使得市场参与者在进行投资决策时，需要充分考虑到市场波动的长期影响，而不仅仅是短期的变化。金融市场波动还具有尖峰厚尾的特征。尖峰意味着资产收益率的分布在均值附近的峰值比正态分布更高，即出现极端值的概率相对较大；厚尾则表示资产收益率分布的尾部比正态分布更厚，也就是说出现极端事件的可能性更大。在金融市场中，虽然大部分时间资产价格的波动相对平稳，但偶尔也会出现诸如金融危机、重大政策调整等极端事件，导致资产价格大幅波动，这些极端事件的发生概率虽然较低，但一旦发生，对市场的影响却非常巨大。尖峰厚尾特征的存在，使得投资者在进行风险管理时，不能仅仅依赖于基于正态分布假设的传统风险度量方法，而需要采用更加稳健的风险管理模型，以应对可能出现的极端风险。2.1.2波动溢出效应理论波动溢出效应是指一个金融市场的波动不仅受到自身过去波动的影响，还会受到其他相关金融市场波动的影响，这种影响会在市场之间传递和扩散。在全球金融市场日益一体化的背景下，不同金融市场之间的联系愈发紧密，波动溢出效应也变得更加显著。股票市场的波动可能会通过投资者的资产配置调整、资金流动等渠道，影响到债券市场、外汇市场以及大宗商品市场等。当股票市场出现大幅下跌时，投资者可能会减少股票投资，将资金转移到债券市场，从而导致债券市场需求增加，价格上涨，同时也会引发债券市场的波动。波动溢出效应的产生原因是多方面的。信息传播是其中一个重要因素。在当今信息时代，金融市场中的信息传播速度极快，几乎能够瞬间传遍全球各个市场。当某一市场出现重大利好或利空消息时，其他市场的参与者会迅速获取并做出反应，从而导致波动在市场之间传递。某家大型科技公司发布了超出市场预期的业绩报告，这一消息不仅会推动该公司股票价格上涨，还可能引发整个科技板块股票价格的波动，同时也会影响到与科技行业相关的上下游企业的股价，甚至对其他金融市场产生间接影响。投资者的心理和行为也会导致波动溢出效应。投资者往往具有从众心理和羊群效应，当一部分投资者对某个市场表现出强烈的兴趣或担忧时，这种情绪可能会传染给其他投资者，从而使得资金在不同市场之间流动，引发市场波动。在股票市场牛市行情中，投资者普遍看好股市前景，纷纷加大股票投资，这种热情可能会吸引更多资金流入股市，进一步推动股价上涨，同时也可能导致其他市场资金流出，引发其他市场的波动。波动溢出效应的传导机制较为复杂，主要包括投资者行为、资金流动和宏观经济因素等多个方面。从投资者行为角度来看，投资者通常会根据不同金融市场的风险收益特征来调整自己的投资组合。当一个市场的风险增加或预期收益下降时，投资者可能会减少在该市场的投资，转而将资金投向其他风险相对较低或预期收益较高的市场，从而引发资金在市场之间的流动，导致波动溢出。资金流动也是波动溢出的重要传导途径。金融市场之间存在着密切的资金联系，不同市场的资金可以相互流动。银行资金可以通过多种渠道流入股票市场和债券市场，而国际资本也会在全球不同金融市场之间进行配置。当一个市场的资金供求关系发生变化时，会通过资金流动影响其他市场的资金供求，进而引发波动溢出。宏观经济因素如经济增长、通货膨胀、利率变化等，也会对不同金融市场产生广泛影响，从而导致波动溢出。当经济增长放缓时，企业的盈利能力可能下降，股票市场表现不佳，同时债券市场的需求可能会增加，导致债券价格波动。利率的调整也会影响不同金融市场的资金成本和收益预期，引发资金流动和市场波动。2.1.3状态转移理论在金融市场中的应用状态转移理论最初源于随机过程理论，它认为一个系统在不同的时间点可以处于不同的状态，并且系统状态之间的转移是由一定的概率规则所决定的。在金融市场中，状态转移理论可以用来描述市场在不同经济环境、政策条件和突发事件影响下的状态变化。金融市场可以被划分为牛市、熊市和平稳市场等不同状态，市场在这些状态之间的转移并非完全随机，而是受到多种因素的影响。在金融市场波动分析中，状态转移理论有着广泛的应用。它能够帮助研究者更好地理解市场波动的动态变化过程，以及市场状态转移对波动特征的影响。通过运用状态转移模型，如马尔可夫状态转移模型（MS模型），可以将金融市场的波动过程划分为不同的状态，并估计不同状态之间的转移概率。在股票市场中，利用MS模型可以识别出市场处于牛市和熊市的不同阶段，以及这两个阶段之间的转换概率。当市场处于牛市状态时，股票价格呈现上涨趋势，波动相对较小；而当市场进入熊市状态时，股票价格下跌，波动增大。通过分析市场状态的转移概率，可以预测市场未来可能的走势，为投资者提供决策依据。状态转移理论还可以用于研究金融市场间的波动溢出效应在不同市场状态下的变化情况。不同市场状态下，金融市场之间的关联程度和波动溢出方向、强度可能会有所不同。在经济繁荣时期，股票市场和债券市场之间的波动溢出效应可能相对较弱，因为投资者对经济前景较为乐观，资金会相对均衡地分布在不同市场；而在经济衰退时期，股票市场的波动可能会更强烈地传导至债券市场，因为投资者为了规避风险，会大量抛售股票，转而购买债券，导致债券市场波动加剧。考虑状态转移因素，能够更加准确地刻画金融市场间的波动溢出效应，为投资者和政策制定者提供更具针对性的决策信息。2.2国内外研究现状2.2.1碳市场与股票市场关系研究在全球积极推进碳减排、发展低碳经济的大背景下，碳市场与股票市场作为金融市场的重要组成部分，二者之间的关系受到了国内外学者的广泛关注。国外学者在该领域的研究起步较早，取得了丰富的成果。Benz等学者的研究表明，碳市场价格的波动会对能源企业的成本和利润产生直接影响，进而影响其在股票市场上的表现。当碳价上升时，高耗能的能源企业需要支付更多的碳排放成本，这可能导致其利润下降，从而使股票价格下跌；反之，碳价下降则可能使能源企业的成本降低，利润增加，股票价格上涨。这一研究成果揭示了碳市场与股票市场之间存在着紧密的经济联系，碳市场价格的变动能够通过企业的经济活动传导至股票市场。Cao等人的研究则从行业层面分析了碳市场与股票市场的关系。他们发现，对于不同行业的企业，碳市场的影响程度和方向存在差异。对于可再生能源行业，碳市场的发展为其提供了更多的发展机遇和政策支持，有助于提升企业的市场竞争力和盈利能力，从而对股票价格产生积极影响；而对于传统高耗能行业，碳市场的严格监管和碳价上涨可能会增加企业的运营成本，对股票价格产生负面影响。这一研究进一步细化了碳市场与股票市场关系的研究，为投资者在不同行业的资产配置提供了参考依据。国内学者也对碳市场与股票市场的关系进行了深入研究。李婷等学者通过实证分析发现，中国碳市场与股票市场之间存在着显著的动态相关性。这种相关性并非固定不变，而是会随着市场环境、政策变化等因素的影响而发生改变。在某些特定时期，如政策调整、重大事件发生时，两个市场之间的相关性可能会增强，表明市场之间的信息传递和风险传导更为迅速。这一研究结果提醒投资者和政策制定者，在关注碳市场和股票市场时，需要密切关注市场环境的变化，及时调整投资策略和政策措施。马骏等人的研究探讨了碳市场政策对股票市场行业板块的影响。他们指出，碳市场政策的出台会引导资金流向低碳环保行业，推动这些行业的股票价格上涨；而对于高碳排放行业，政策的限制可能导致资金流出，股票价格面临下行压力。这一研究从政策角度分析了碳市场与股票市场的关系，为政策制定者评估碳市场政策的实施效果提供了理论支持，也为投资者把握行业投资机会提供了指导。2.2.2波动溢出效应研究方法综述波动溢出效应的研究方法众多，不同的方法具有各自的特点和适用范围。早期的研究主要采用格兰杰因果检验方法来分析金融市场间的波动溢出效应。该方法通过检验一个变量的滞后值是否对另一个变量的当前值具有显著影响，来判断两个变量之间是否存在因果关系。在研究碳市场与股票市场的波动溢出效应时，可以通过格兰杰因果检验来判断碳市场的波动是否会引起股票市场的波动，或者股票市场的波动是否会对碳市场产生影响。格兰杰因果检验只能判断变量之间是否存在因果关系，无法准确衡量波动溢出的强度和方向。随着计量经济学的发展，GARCH族模型逐渐成为研究波动溢出效应的常用方法。该模型能够充分考虑金融时间序列数据的异方差性和波动聚集性，通过对条件方差的建模，可以准确地刻画市场波动的动态变化特征。在研究碳市场与股票市场的波动溢出效应时，可以运用GARCH族模型分别对两个市场的波动性进行建模，然后通过构建二元GARCH模型来分析它们之间的波动溢出关系。BEKK-GARCH模型可以直接检验两个市场之间的波动溢出效应，通过矩阵形式来表示条件方差和协方差的动态变化，能够清晰地反映出波动溢出的方向和强度。DCC-GARCH模型则可以动态地捕捉两个市场之间的相关关系随时间的变化情况，更准确地刻画市场之间的时变相关特征，从而更好地研究波动溢出效应的动态变化。近年来，Copula理论在波动溢出效应研究中得到了广泛应用。Copula函数能够描述变量之间的非线性相关关系，克服了传统线性相关系数在刻画金融市场复杂相关结构时的局限性。在研究碳市场与股票市场的波动溢出效应时，通过Copula函数可以构建两个市场收益率之间的联合分布函数，从而更准确地分析它们之间的相关结构和波动溢出效应。可以运用时变Copula模型来研究碳市场与股票市场之间的动态相关关系，进一步分析不同市场状态下波动溢出效应的变化情况。此外，VAR模型及其扩展形式如SVAR模型、TVP-VAR模型等也被用于波动溢出效应的研究。VAR模型可以将多个变量纳入一个系统中进行分析，通过脉冲响应函数和方差分解来研究变量之间的动态关系和波动溢出效应。SVAR模型在VAR模型的基础上，引入了结构冲击的识别方法，能够更准确地分析不同冲击对市场波动的影响。TVP-VAR模型则考虑了参数的时变特性，能够更灵活地反映经济变量之间的动态关系，在研究碳市场与股票市场的波动溢出效应时，可以捕捉到市场状态转移等因素对波动溢出效应的时变影响。2.2.3考虑状态转移的波动溢出效应研究进展考虑状态转移的波动溢出效应研究在近年来逐渐成为金融领域的研究热点。国外学者在这方面进行了大量的研究，取得了一系列有价值的成果。Hamilton最早提出了马尔可夫状态转移模型（MS模型），并将其应用于经济时间序列分析。该模型假设经济系统存在不同的状态，如扩张期和收缩期，且状态之间的转移是由马尔可夫过程决定的。在金融市场研究中，MS模型可以用来识别市场的不同状态，并分析波动溢出效应在不同状态下的差异。通过MS-GARCH模型，研究人员发现股票市场在牛市和熊市状态下，与其他金融市场之间的波动溢出效应存在显著差异。在牛市状态下，股票市场的波动对其他市场的溢出效应相对较弱；而在熊市状态下，波动溢出效应则明显增强，市场之间的风险传导更为迅速。Diebold和Yilmaz提出了基于VAR模型的溢出指数方法，该方法可以衡量不同金融市场之间的波动溢出程度和方向。在此基础上，一些学者将状态转移因素纳入溢出指数的计算中，进一步研究了市场状态变化对波动溢出效应的影响。他们发现，在市场处于不同状态时，金融市场之间的波动溢出网络结构会发生变化，不同市场在波动溢出中的角色和作用也会有所不同。在经济危机时期，一些原本处于边缘地位的市场可能会成为波动溢出的重要源头，对整个金融市场的稳定性产生重大影响。国内学者在考虑状态转移的波动溢出效应研究方面也取得了一定的进展。张兵等学者运用MS-VAR模型研究了中国股票市场与债券市场之间的波动溢出效应。他们发现，两个市场之间的波动溢出效应在不同的市场状态下表现出明显的非对称性。在股票市场处于牛市状态时，对债券市场的波动溢出效应相对较小；而当股票市场处于熊市状态时，对债券市场的波动溢出效应显著增强，且债券市场对股票市场的反向溢出效应也有所增加。这一研究结果对于投资者在不同市场状态下合理配置资产、降低投资风险具有重要的指导意义。王博等人采用TVP-SV-VAR模型研究了宏观经济因素对金融市场波动溢出效应的时变影响。他们发现，宏观经济变量如经济增长、通货膨胀、利率等的变化会导致金融市场状态的转移，进而影响金融市场之间的波动溢出效应。在经济增长放缓、通货膨胀上升的时期，金融市场的波动性增加，市场之间的波动溢出效应也更为显著。这一研究从宏观经济角度分析了市场状态转移与波动溢出效应之间的关系，为政策制定者制定宏观经济政策、维护金融市场稳定提供了理论依据。2.3文献评述现有关于碳市场与股票市场关系以及波动溢出效应的研究取得了丰硕的成果，但仍存在一些不足之处，为本研究提供了进一步拓展和深入的方向。在研究视角方面，虽然已有众多文献关注碳市场与股票市场之间的关联，但大多数研究未充分考虑市场状态转移这一重要因素。传统研究往往假设市场处于单一稳定状态，然而现实中的金融市场受到宏观经济形势、政策调整、突发事件等多种因素的影响，市场状态会频繁发生变化。在经济衰退、政策收紧或重大突发事件发生时，市场的风险偏好、资金流动和投资者行为都会发生显著改变，进而影响碳市场与股票市场之间的波动溢出效应。忽略市场状态转移，可能导致对两个市场之间复杂关系的刻画不够准确，无法全面揭示市场波动的传导机制和规律。研究方法上，部分研究方法存在一定局限性。例如，格兰杰因果检验虽然能够判断变量之间是否存在因果关系，但无法精确衡量波动溢出的强度和方向，难以深入分析市场之间的动态联系。一些传统的波动溢出效应研究模型，如简单的GARCH模型，在捕捉金融市场的时变特征和复杂相关结构方面存在不足，无法准确反映碳市场与股票市场之间随时间变化的波动溢出关系。虽然Copula理论和TVP-VAR模型等新兴方法在一定程度上能够弥补这些不足，但在实际应用中，如何合理选择和运用这些方法，以及如何进一步优化模型以提高对市场波动溢出效应的刻画精度，仍有待进一步研究和探讨。研究内容的广度和深度也有待加强。目前的研究主要集中在碳市场与股票市场之间的直接关联和波动溢出效应，对于其他可能影响二者关系的因素，如宏观经济环境、政策因素、投资者情绪等，缺乏系统全面的分析。宏观经济变量如经济增长、通货膨胀、利率等的变化，不仅会直接影响碳市场和股票市场的运行，还会通过改变市场参与者的预期和行为，间接影响两个市场之间的波动溢出效应。政策因素如碳市场政策、货币政策、财政政策等的调整，也会对碳市场与股票市场的关系产生重要影响。投资者情绪作为市场参与者心理和行为的重要体现，同样会在市场波动传导过程中发挥作用。然而，现有研究在这些方面的探讨还不够深入，未能充分揭示多因素共同作用下碳市场与股票市场间波动溢出效应的内在机制。本研究将针对现有研究的不足，从多个方面进行改进和创新。在研究视角上，充分考虑市场状态转移因素，运用状态转移模型对市场状态进行划分和识别，深入分析不同市场状态下碳市场与股票市场之间的波动溢出效应，以更准确地刻画两个市场之间的动态关系。在研究方法上，综合运用多种先进的计量经济学模型，如GARCH族模型、DCC-GARCH模型、TVP-VAR模型等，并结合Copula理论，全面、准确地衡量碳市场与股票市场之间的波动溢出强度、方向和时变特征，提高研究结果的可靠性和精度。在研究内容上，拓展研究范围，系统分析宏观经济环境、政策因素、投资者情绪等多因素对碳市场与股票市场间波动溢出效应的影响机制，从多个维度深入挖掘两个市场之间的复杂关联，为投资者、企业和政策制定者提供更全面、更有价值的决策依据。三、中国碳市场与股票市场发展现状分析3.1中国碳市场发展历程与现状中国碳市场的建设是一个逐步探索、稳步推进的过程，其发展历程可追溯到2011年。当年10月，国家发改委发布《关于开展碳排放权交易试点工作的通知》，批准在北京、天津、上海、重庆、广东、湖北、深圳这七个省市开展碳排放权交易试点工作，这一举措标志着中国碳市场建设正式拉开帷幕。在试点阶段，各试点地区积极探索，陆续出台了一系列碳交易相关制度，包括碳排放核算与报告、配额分配、交易规则等，为碳市场的运行奠定了制度基础。同时，各试点地区建立了各自的碳排放权交易市场，如北京环境交易所、上海环境能源交易所、深圳排放权交易所等，这些交易平台的建立为碳排放权的交易提供了场所。2013年，我国首个碳排放权试点市场在深圳成立，随后北京、上海、天津、重庆、湖北以及广东共7个第一批碳试点市场相继成立，后续福建成为国内第8个碳市场交易试点。在试点运行过程中，各试点市场广泛纳入包括电力、钢铁、水泥等20多个行业，近3000个重点排放单位。通过这些试点市场的运行，积累了丰富的经验，包括如何确定合理的配额分配方法、如何加强市场监管、如何提高市场流动性等，同时也对推动试点省市控制温室气体排放、探索“双碳”目标实现路径发挥了积极的作用。从碳交易量来看，我国地方碳市场在2019年达到交易峰值7090.25万吨，之后逐年下降，仅福建、上海和湖北碳市场的成交量近两年有所增加；从各碳市场交易总额来看，我国碳交易市场交易总额约为123.18亿元，于2022年达到交易峰值22.07亿元。从各碳市场成交均价来看，我国碳交易市场配额均价涨幅明显，2022年达51.85元/吨，同比增幅54.69%，其中北京碳交易试点市场的成交均价是所有碳交易试点市场中最高的，达66.88元/吨，远高于其他地方碳市场。随着试点工作的深入推进，全国统一碳市场的建设提上日程。2013年，党的十八届三中全会明确建设全国碳市场成为全面深化改革的重要任务之一。2014年底，国家发改委发布《碳排放权交易管理暂行办法》，首次从制度层面明晰了全国统一碳市场建设的总体框架。2015年9月，首次确认将于2017年开启全国统一碳市场交易体系。2017年12月，《全国碳排放权交易市场建设方案(发电行业)》的发布，标志着全国统一碳市场建设正式拉开帷幕。此后，碳市场建设的具体技术性操作加速推进，数据报送、注册登记等系统建设工作不断完善。2019年，以发电行业配额交易为主的全国统一碳市场进入重要的模拟、运行阶段。2020年全国碳市场建设进入深化完善阶段。经过近3年的准备与模拟运行，2021年7月16日，以电力行业为对象的全国统一碳市场正式上线，纳入发电行业2162家重点排放单位，年覆盖的二氧化碳排放量约为45亿吨，占全国碳排放量约40%，成为全球覆盖碳排放量最大的碳市场。这一里程碑事件标志着中国碳市场进入了一个全新的发展阶段，对我国“双碳”目标的实现具有重大的现实意义。自全国碳市场启动以来，市场规模不断扩大。截至2024年，全国碳配额累计成交量突破6亿吨，成交额超350亿元。在市场机制方面，不断优化完善，2024年《碳排放权交易管理暂行条例》的颁布实施，标志着碳市场法治化进程的重要里程碑，形成了“行政法规+部门规章+技术规范”的多层级制度体系。2024年碳市场还迎来重大调整，钢铁、水泥、电解铝行业的二氧化碳间接排放不再纳入管理，转而聚焦直接排放控制，这一举措旨在降低企业监管成本并推动国际接轨。在交易机制方面，全国碳市场现阶段主要有挂牌协议交易和大宗协议交易两种方式。挂牌协议交易是指买卖双方通过交易系统进行报价、询价、成交确认等操作，交易过程相对灵活，适合中小规模的交易。大宗协议交易则适用于大规模的碳排放配额交易，单笔买卖最小申报数量应当不小于10万吨，且有30%的涨跌幅限制，这种交易方式能够满足企业大规模的碳资产配置需求。除了碳排放配额交易，国家核证自愿减排量（CCER）也在碳市场中发挥着重要作用。CCER是对我国境内可再生能源、林业碳汇、甲烷利用等项目的温室气体减排效果进行量化核证，并在国家温室气体自愿减排交易注册登记系统中登记的温室气体减排量。2024年重启的CCER市场成交量迅速攀升，单日最高达37.53万吨，为企业提供了低成本减排路径。企业可以通过购买CCER来抵消部分碳排放配额，从而降低减排成本。从价格走势来看，全国碳市场碳价呈现出稳步上涨的态势。2024年平均价格达91.8元/吨，碳价站稳百元关口，价格发现机制逐步成熟。碳价的上涨反映了市场对碳排放权价值的认可，也激励着企业加大减排力度，通过技术创新和管理优化来降低碳排放。当碳价上升时，企业的碳排放成本增加，促使企业采取更加积极的减排措施，如采用清洁能源、改进生产工艺等，以减少对碳排放配额的需求，从而降低成本。在市场覆盖范围方面，2025年碳市场覆盖行业逐步扩展至钢铁、建材等高耗能领域，并探索纳入航空、航运等国际关注行业。市场覆盖范围的扩大将进一步提高碳市场的减排效果，推动更多行业实现低碳转型。钢铁行业作为高耗能、高排放行业，纳入碳市场后，将面临更大的减排压力，这将促使钢铁企业加大节能减排技术研发和改造投入，提高能源利用效率，降低碳排放。纳入航空、航运等国际关注行业，也有助于提升我国在全球碳减排领域的影响力和话语权。试点市场在发展过程中也不断创新，为全国碳市场的发展提供了有益借鉴。湖北建立了“电—碳—金融”联动市场，通过将电力市场、碳市场和金融市场有机结合，实现了资源的优化配置，提高了市场效率。在“电—碳—金融”联动市场中，电力企业的碳排放情况与电力交易价格挂钩，促使电力企业更加注重减排；同时，金融机构为碳市场提供了多样化的金融产品和服务，如碳配额质押贷款、碳金融衍生品等，为企业参与碳市场交易提供了更多的融资渠道和风险管理工具。北京细化了配额回购原则，明确了配额回购的条件、价格和程序等，增强了市场的稳定性和可预期性。重庆实现了“碳市场-碳抵消-碳普惠”联动机制，将碳市场与碳抵消项目、碳普惠活动相结合，鼓励企业和个人参与碳减排，形成了全社会共同参与碳减排的良好氛围。3.2中国股票市场发展概况中国股票市场的发展历程可追溯至20世纪80年代，1984年11月18日，中国第一个公开发行的股票——飞乐音响诞生，标志着新中国股票市场的萌芽。此后，随着改革开放的深入推进，中国经济迅速发展，对资本市场的需求日益增长，股票市场迎来了重要的发展契机。20世纪90年代初，上海证券交易所和深圳证券交易所相继成立，1990年12月19日，上海证券交易所正式开业；1991年7月3日，深圳证券交易所正式开业。这两个证券交易所的成立，为股票的集中交易提供了规范的平台，标志着中国股票市场进入了快速发展阶段。在此期间，大量国有企业进行股份制改革，通过发行股票筹集资金，推动了企业的发展和壮大。许多知名企业如中国石油、中国石化、工商银行等在股票市场上市，不仅为企业的发展提供了资金支持，也丰富了股票市场的投资品种，吸引了众多投资者的参与。股权分置改革是中国股票市场发展历程中的重要里程碑。2005年，股权分置改革启动，旨在解决非流通股和流通股的股权差异问题。这一改革措施消除了市场的制度性缺陷，促进了市场的公平和效率，使得股票市场的资源配置功能得到更好的发挥。改革后，上市公司的治理结构得到优化，股东的利益更加趋于一致，市场的活跃度和稳定性显著提高。在股权分置改革的推动下，中国股票市场迎来了一轮大牛市，上证指数从2005年的1000点左右飙升至2007年的6000点以上，市场规模迅速扩大，投资者数量大幅增加，股票市场在国民经济中的地位日益重要。然而，2008年全球金融危机爆发，对中国股票市场造成了巨大冲击。市场经历了剧烈的调整，上证指数大幅下跌，许多股票价格腰斩，投资者遭受了重大损失。为了应对金融危机，中国政府采取了一系列积极的财政政策和货币政策，加大了对实体经济的支持力度，同时加强了对股票市场的监管，稳定市场信心。随着经济的逐步复苏，股票市场也逐渐走出低谷，开始恢复性上涨。近年来，中国股票市场不断开放，吸引了越来越多的外资进入。2014年沪港通启动，实现了上海证券交易所和香港联合交易所之间的互联互通，为内地和香港的投资者提供了更加便捷的投资渠道。2016年深港通开通，进一步扩大了内地与香港资本市场的合作范围。通过沪港通和深港通，外资可以更加方便地投资中国内地股票市场，为市场带来了新的资金和投资理念，促进了市场的国际化进程。注册制改革也在逐步推进，提高了市场的资源配置效率。注册制改革以信息披露为核心，简化了股票发行的审核程序，缩短了企业上市的时间，使得更多具有创新能力和发展潜力的企业能够获得资本市场的支持，促进了新兴产业的发展。截至2024年，中国股票市场市值规模已位居全球前列，上市公司数量众多，涵盖了国民经济的各个领域。市场结构不断优化，主板市场作为传统的核心市场，为大型成熟企业提供了融资平台；科创板专注于支持科技创新企业，为科技创新企业提供了更加便捷的融资渠道，推动了科技创新和产业升级；创业板则主要服务于成长型创新创业企业，为这些企业的发展提供了有力的资金支持。从主要指数表现来看，上证指数作为中国股票市场的代表性指数，反映了上海证券交易所上市股票的总体价格走势。在过去几十年中，上证指数经历了多次起伏，见证了中国经济的发展和变革。在经济快速增长时期，上证指数往往呈现出上涨趋势，如2005-2007年的大牛市期间，上证指数大幅上涨，充分反映了当时中国经济的强劲发展态势。在经济面临调整或外部冲击时，上证指数也会出现下跌，如2008年全球金融危机期间，上证指数大幅下跌，市场陷入低迷。深证成指是深圳证券交易所的主要指数，它选取了在深交所上市的具有代表性的500家公司股票作为样本，能够较好地反映深圳证券市场的整体表现。与上证指数相比，深证成指更侧重于反映中小市值企业和新兴产业的发展情况。在新兴产业快速发展的时期，深证成指往往表现出较强的增长动力，如近年来随着科技、消费等新兴产业的崛起，深证成指在相关板块的带动下表现出色，涨幅超过上证指数。创业板指则专门反映创业板市场的整体表现。创业板市场主要面向成长型创新创业企业，这些企业通常具有较高的成长性和创新性，但也伴随着较高的风险。创业板指的走势与新兴产业的发展密切相关，在科技创新浪潮的推动下，创业板指近年来表现活跃，许多创业板上市公司在科技创新领域取得了显著成果，推动了创业板指的上涨。但在市场风险偏好下降或行业竞争加剧时，创业板指也会面临较大的波动。中国股票市场在不断发展和完善的过程中，逐渐与国际市场接轨，为企业融资和投资者财富管理提供了重要的平台。随着市场制度的不断健全、对外开放程度的不断提高以及投资者结构的逐步优化，中国股票市场在国民经济中的作用将更加凸显，为推动中国经济的高质量发展发挥重要的支持作用。3.3碳市场与股票市场的关联分析碳市场与股票市场之间存在着多层面的紧密关联，这种关联源于宏观经济环境、政策导向以及企业经营等多个因素的交织影响。从宏观经济层面来看，碳市场和股票市场都与宏观经济的发展态势息息相关。宏观经济的增长状况会直接影响到企业的生产经营活动，进而对碳市场和股票市场产生作用。在经济繁荣时期，企业的生产规模通常会扩大，能源消耗增加，导致碳排放增多，这使得企业对碳配额的需求上升，从而推动碳市场价格上涨。经济繁荣也会提升企业的盈利能力和市场信心，吸引更多投资者进入股票市场，推动股票价格上涨。反之，在经济衰退时期，企业生产活动受限，能源消耗减少，碳排放降低，对碳配额的需求也随之减少，碳市场价格可能下跌；同时，企业的业绩下滑，投资者对股票市场的信心受挫，股票价格也会受到负面影响。当宏观经济出现波动时，如经济增速放缓、通货膨胀加剧或失业率上升等，会引发市场参与者对未来经济形势的担忧，导致他们调整投资策略，资金在碳市场和股票市场之间流动，从而使两个市场的关联性增强。在2008年全球金融危机期间，宏观经济形势恶化，碳市场和股票市场都遭受了严重冲击，市场价格大幅下跌，两个市场之间的波动溢出效应明显增强。政策因素是影响碳市场与股票市场关联的重要纽带。碳市场作为政策驱动型市场，其发展和运行受到一系列政策的严格监管和引导。碳排放权交易政策、碳税政策、节能减排政策等的出台和调整，都会直接影响碳市场的供求关系和价格走势。当政府加大对碳排放的管控力度，收紧碳配额发放时，碳市场的供给减少，碳价上涨；反之，若政府放宽碳配额发放或降低碳税，碳价则可能下跌。这些政策变化不仅会对碳市场产生影响，还会通过企业的经营活动传导至股票市场。对于高耗能企业而言，碳价上涨会增加其生产成本，压缩利润空间，导致其股票价格面临下行压力；而对于新能源、节能环保等低碳产业的企业，碳市场的发展则为其提供了更多的发展机遇和政策支持，有助于提升企业的市场竞争力和盈利能力，推动其股票价格上涨。政府还可以通过货币政策和财政政策来影响股票市场和碳市场。宽松的货币政策会增加市场流动性，降低企业融资成本，刺激企业投资和生产，从而对碳市场和股票市场产生积极影响；而紧缩的货币政策则会减少市场流动性，提高企业融资成本，抑制企业投资和生产，对两个市场产生负面影响。财政政策如税收优惠、补贴等，也会对不同行业的企业产生不同的影响，进而影响碳市场和股票市场的表现。在企业层面，碳市场与股票市场的关联主要体现在企业的生产经营决策和财务状况上。企业的碳排放情况直接关系到其在碳市场的交易成本和收益。高碳排放企业在碳市场中可能需要购买更多的碳配额来满足其排放需求，这会增加企业的生产成本；而低碳排放企业则可以通过出售多余的碳配额获得额外的收益。这种成本和收益的变化会直接影响企业的财务状况和盈利能力，进而影响其股票价格。当一家高耗能企业由于碳排放超标，需要在碳市场上高价购买碳配额时，其生产成本大幅增加，利润减少，这可能导致投资者对该企业的未来发展前景产生担忧，从而抛售其股票，使得股票价格下跌。企业的低碳转型战略也会对碳市场和股票市场产生影响。随着社会对环境保护和可持续发展的关注度不断提高，越来越多的企业开始积极推进低碳转型，加大对节能减排技术的研发和应用，调整产业结构，减少碳排放。企业的低碳转型不仅有助于其在碳市场中降低交易成本，提高收益，还能提升企业的社会形象和市场竞争力，吸引更多投资者的关注和青睐，推动其股票价格上涨。一些新能源汽车企业，通过加大对新能源技术的研发和生产投入，实现了低碳转型，在碳市场和股票市场上都取得了良好的表现。四、考虑状态转移的波动溢出效应模型构建4.1模型选择与原理4.1.1Markov区制转换模型Markov区制转换模型由Hamilton于1989年提出，该模型的核心思想是假设时间序列数据的生成过程存在多个不同的状态，这些状态之间的转移由一个不可观测的离散Markov链控制。在金融市场中，这些状态可以代表市场的不同运行阶段，如牛市、熊市或平稳市。设y_t为金融时间序列，如碳市场或股票市场的收益率序列，s_t表示市场所处的状态，s_t\in\{1,2,\cdots,k\}，其中k为状态的数量。在Markov区制转换模型中，y_t的条件均值和条件方差等参数会随着状态s_t的变化而变化。假设y_t服从以下的自回归过程：y_t=\mu_{s_t}+\sum_{i=1}^{p}\varphi_{i,s_t}y_{t-i}+\varepsilon_{t}其中，\mu_{s_t}是状态s_t下y_t的均值，\varphi_{i,s_t}是状态s_t下自回归系数，p是自回归的阶数，\varepsilon_{t}是白噪声过程，且\varepsilon_{t}\simN(0,\sigma_{s_t}^2)，\sigma_{s_t}^2是状态s_t下的方差。Markov链的转移概率矩阵P定义为：P=\begin{bmatrix}p_{11}&p_{12}&\cdots&p_{1k}\\p_{21}&p_{22}&\cdots&p_{2k}\\\vdots&\vdots&\ddots&\vdots\\p_{k1}&p_{k2}&\cdots&p_{kk}\end{bmatrix}其中，p_{ij}=P(s_{t+1}=j|s_t=i)表示在时刻t处于状态i的情况下，下一时刻t+1转移到状态j的概率，且满足\sum_{j=1}^{k}p_{ij}=1，i=1,2,\cdots,k。通过最大似然估计等方法，可以估计出Markov区制转换模型中的参数，包括自回归系数、均值、方差以及转移概率矩阵等。然后，利用这些估计参数，可以推断出市场在不同时刻处于各个状态的概率，从而识别市场所处的状态，并分析不同状态下金融时间序列的特征。例如，在研究股票市场时，可以通过Markov区制转换模型识别出牛市和熊市的时期，分析在这两种不同状态下股票收益率的均值、方差以及自相关结构等特征的差异。4.1.2VAR-BEKK-GARCH模型VAR-BEKK-GARCH模型是一种用于分析多个金融时间序列之间波动溢出效应的有效模型，它结合了向量自回归（VAR）模型、BEKK模型和广义自回归条件异方差（GARCH）模型的优点。向量自回归（VAR）模型是一种常用的多变量时间序列分析模型，它将每个变量都表示为自身和其他变量滞后值的线性函数。对于两个金融时间序列x_t和y_t，二元VAR(p)模型可以表示为：\begin{bmatrix}x_t\\y_t\end{bmatrix}=\begin{bmatrix}\mu_1\\\mu_2\end{bmatrix}+\sum_{i=1}^{p}\begin{bmatrix}\varphi_{11,i}&\varphi_{12,i}\\\varphi_{21,i}&\varphi_{22,i}\end{bmatrix}\begin{bmatrix}x_{t-i}\\y_{t-i}\end{bmatrix}+\begin{bmatrix}\varepsilon_{1t}\\\varepsilon_{2t}\end{bmatrix}其中，\mu_1和\mu_2是截距项，\varphi_{ij,k}是自回归系数，p是滞后阶数，\begin{bmatrix}\varepsilon_{1t}\\\varepsilon_{2t}\end{bmatrix}是残差向量，且E(\begin{bmatrix}\varepsilon_{1t}\\\varepsilon_{2t}\end{bmatrix})=0。然而，VAR模型假设残差的方差-协方差矩阵是常数，这与金融时间序列的实际情况不符，金融时间序列通常具有波动聚集性和时变方差的特征。为了捕捉这些特征，引入GARCH模型对残差的方差-协方差矩阵进行建模。BEKK-GARCH模型是GARCH模型的一种多元扩展形式，由Baba、Engle、Kraft和Kroner提出。对于二元BEKK-GARCH(1,1)模型，其条件方差-协方差矩阵H_t的表达式为：H_t=C'C+A'\begin{bmatrix}\varepsilon_{1,t-1}^2&\varepsilon_{1,t-1}\varepsilon_{2,t-1}\\\varepsilon_{2,t-1}\varepsilon_{1,t-1}&\varepsilon_{2,t-1}^2\end{bmatrix}A+B'H_{t-1}B其中，C是下三角矩阵，A和B是系数矩阵，它们的元素决定了波动的持续性和溢出效应。\varepsilon_{1,t-1}^2和\varepsilon_{2,t-1}^2分别是t-1时刻两个市场的残差平方，\varepsilon_{1,t-1}\varepsilon_{2,t-1}是两个市场残差的交叉乘积。在VAR-BEKK-GARCH模型中，通过VAR模型捕捉变量之间的线性动态关系，而BEKK-GARCH模型则用于刻画残差的时变方差和波动溢出效应。矩阵A和B中的元素可以反映出一个市场的波动对另一个市场波动的影响，即波动溢出效应。如果A矩阵中的某个非对角元素显著不为零，则表示一个市场的前期波动会对另一个市场的当前波动产生直接影响，即存在波动溢出；B矩阵中的非对角元素显著不为零，则表示一个市场前期的条件方差会对另一个市场当前的条件方差产生影响，也体现了波动溢出效应。4.1.3模型结合思路将Markov区制转换模型与VAR-BEKK-GARCH模型相结合，可以更全面地分析考虑状态转移的中国碳市场与股票市场间的波动溢出效应。在结合模型中，首先利用Markov区制转换模型对碳市场和股票市场的收益率序列进行状态划分，确定市场在不同时刻所处的状态。由于市场状态会受到宏观经济形势、政策调整、突发事件等多种因素的影响而发生变化，Markov区制转换模型能够通过估计不同状态之间的转移概率，准确地识别市场状态的变化。在经济衰退时期，市场可能会进入低波动、低收益的状态；而在经济繁荣时期，市场则可能处于高波动、高收益的状态。通过Markov区制转换模型，可以将这些不同的市场状态区分开来。然后，针对不同的市场状态，分别估计VAR-BEKK-GARCH模型的参数。因为在不同市场状态下，碳市场与股票市场之间的波动溢出效应可能存在差异。在牛市状态下，投资者的风险偏好较高，资金流动较为活跃，碳市场与股票市场之间的波动溢出效应可能较强；而在熊市状态下，投资者的风险偏好降低，市场流动性减弱，波动溢出效应可能相对较弱。分别估计不同状态下的VAR-BEKK-GARCH模型参数，能够更准确地捕捉到市场状态对波动溢出效应的影响。具体实现时，可以通过构建Markov-SwitchingVAR-BEKK-GARCH模型来完成。在该模型中，VAR-BEKK-GARCH模型的参数，如均值、自回归系数、条件方差-协方差矩阵的参数等，都依赖于Markov区制转换模型所确定的市场状态。假设市场存在k种状态，对于每个状态s_t=i（i=1,2,\cdots,k），有不同的VAR-BEKK-GARCH模型参数。例如，在状态i下，VAR模型的自回归系数为\varphi_{ij,k}^i，BEKK-GARCH模型中的矩阵C^i、A^i和B^i也与状态i相关。通过这种方式，能够充分考虑市场状态转移对碳市场与股票市场间波动溢出效应的影响，更准确地刻画两个市场之间的动态关系。4.2数据选取与处理4.2.1数据来源本研究的数据来源广泛且具有权威性，旨在确保研究结果的准确性和可靠性。对于碳市场数据，主要来源于上海环境能源交易所官方网站，该平台作为全国碳排放权交易市场的核心交易平台，提供了全面且准确的碳市场交易数据，包括碳排放配额（CEA）的每日成交价格、成交量、成交额等关键信息。还参考了各地方碳排放权交易试点平台的数据，如北京绿色交易所、深圳排放权交易所、广州碳排放权交易所等。这些地方试点平台在碳市场发展初期积累了丰富的经验和数据，其交易数据能够为研究提供更全面的视角，有助于分析不同地区碳市场的特点以及与全国碳市场的关联。通过对多平台数据的综合分析，可以更准确地把握碳市场的整体运行态势和价格波动规律。在股票市场数据方面，主要选取了沪深300指数作为代表。沪深300指数由上海和深圳证券市场中市值大、流动性好的300只A股作为样本编制而成，能够综合反映中国A股市场上市股票价格的整体表现，具有广泛的市场代表性。其数据来源于Wind数据库，该数据库是金融行业常用的专业数据提供商，涵盖了全球金融市场的各类数据，包括股票价格、成交量、财务数据等，数据质量高、更新及时，能够满足本研究对股票市场数据的需求。还收集了部分行业指数数据，如能源行业指数、环保行业指数等。能源行业与碳市场密切相关，碳市场的波动会直接影响能源企业的成本和收益，进而影响能源行业指数的表现；环保行业则是低碳经济发展的重要领域，其发展与碳市场的政策导向和市场需求紧密相连。通过分析这些行业指数与碳市场的关系，可以进一步深入了解碳市场对不同行业股票市场的影响机制。4.2.2变量选取对于碳市场，选择碳价收益率作为核心变量，用于衡量碳市场的价格波动情况。碳价收益率的计算公式为：r_{c,t}=\ln(P_{c,t})-\ln(P_{c,t-1})其中，r_{c,t}表示第t期的碳价收益率，P_{c,t}表示第t期的碳市场成交价格，P_{c,t-1}表示第t-1期的碳市场成交价格。碳价收益率能够直观地反映碳市场价格的变化幅度和方向，通过对碳价收益率的分析，可以了解碳市场价格的波动特征，如波动的大小、频率以及持续性等。成交量在金融市场中是一个重要的指标，它反映了市场的活跃程度和投资者的参与程度。在碳市场中，成交量的变化可以反映出市场对碳排放权的供需关系以及投资者对碳市场的信心。当成交量增加时，说明市场交易活跃，投资者对碳市场的关注度提高，市场的流动性增强；反之，成交量减少则可能表示市场交易清淡，投资者对碳市场的信心不足。因此，将碳市场成交量作为辅助变量纳入研究，有助于更全面地分析碳市场的运行状况。在股票市场，选取沪深300指数收益率作为代表变量，其计算公式为：r_{s,t}=\ln(I_{s,t})-\ln(I_{s,t-1})其中，r_{s,t}表示第t期的沪深300指数收益率，I_{s,t}表示第t期的沪深300指数收盘价，I_{s,t-1}表示第t-1期的沪深300指数收盘价。沪深300指数收益率能够综合反映股票市场的整体收益情况和波动水平，通过对其分析，可以了解股票市场的整体走势和风险特征。为了进一步分析碳市场与股票市场不同行业之间的关系，还选取了能源行业指数收益率和环保行业指数收益率作为补充变量。能源行业是碳排放的主要来源之一，碳市场的发展对能源行业的影响尤为显著。碳价的波动会直接影响能源企业的生产成本和利润，从而影响能源行业指数的表现。当碳价上涨时，高耗能的能源企业需要支付更多的碳排放成本，这可能导致其利润下降，进而使能源行业指数下跌；反之，碳价下降则可能使能源企业的成本降低，利润增加，能源行业指数上涨。环保行业则是低碳经济发展的重要支撑，随着碳市场的发展和对环境保护的重视程度不断提高，环保行业迎来了更多的发展机遇。环保企业在碳市场中可能通过提供碳减排技术、参与碳交易等方式获得收益，从而推动环保行业指数的上涨。因此，分析能源行业指数收益率和环保行业指数收益率与碳市场的关系，有助于深入了解碳市场对不同行业股票市场的影响差异和传导机制。4.2.3数据预处理在获取碳市场和股票市场的原始数据后，首先进行了平稳性检验。平稳性是时间序列分析的重要前提，如果时间序列不平稳，可能会导致伪回归等问题，影响实证结果的准确性。采用ADF（AugmentedDickey-Fuller）检验方法对碳价收益率序列r_{c,t}、沪深300指数收益率序列r_{s,t}以及其他相关变量序列进行平稳性检验。ADF检验的原假设为时间序列存在单位根，即序列不平稳；备择假设为时间序列不存在单位根，即序列平稳。检验模型通常包括三种形式：无常数项和趋势项、有常数项无趋势项、有常数项和趋势项。根据数据的特点和实际情况，选择合适的检验模型进行检验。若ADF检验的统计量小于给定显著性水平下的临界值，则拒绝原假设，认为时间序列是平稳的；反之，则接受原假设，认为时间序列不平稳。通过ADF检验发现，部分原始数据序列存在不平稳的情况，经过一阶差分处理后，所有序列均在1%的显著性水平下通过了平稳性检验，满足后续实证分析的要求。在数据中可能存在一些异常值，这些异常值可能是由于数据录入错误、市场突发事件等原因导致的，它们会对实证结果产生较大的干扰，影响模型的准确性和可靠性。因此，采用3σ原则对数据进行异常值处理。3σ原则是基于正态分布的原理，在正态分布中，数据落在均值加减3倍标准差范围内的概率约为99.7%，因此可以将超出这个范围的数据视为异常值。对于碳价收益率序列和股票市场收益率序列等变量，计算其均值\mu和标准差\sigma，将满足|x-\mu|>3\sigma的数据点视为异常值，并进行修正或删除处理。对于个别明显偏离正常范围的碳价收益率数据点，通过与原始数据来源进行核对，确认其为录入错误后，将其修正为合理的值；对于一些由于市场突发事件导致的异常值，如某一时期碳市场因政策调整出现短暂的大幅波动，若该波动不具有持续性且对整体数据趋势影响较大，则将该时期的数据点删除。通过3σ原则的处理，有效地消除了数据中的异常值，提高了数据的质量和稳定性。为了消除数据的异方差性和量纲差异，对数据进行了标准化处理。异方差性会导致参数估计的不准确和统计推断的失效，量纲差异则会影响模型的收敛速度和结果的解释。采用Z-score标准化方法对碳市场和股票市场的变量进行标准化处理，其公式为：x_{i}^{*}=\frac{x_{i}-\bar{x}}{s}其中，x_{i}^{*}为标准化后的数据，x_{i}为原始数据，\bar{x}为原始数据的均值，s为原始数据的标准差。经过标准化处理后，所有变量的均值变为0，标准差变为1，数据具有了相同的尺度和分布，便于后续模型的估计和分析。对于碳价收益率和沪深300指数收益率等变量，按照上述公式进行标准化处理后，不仅消除了数据的异方差性和量纲差异，还使得不同变量之间具有了可比性，为研究碳市场与股票市场间的波动溢出效应提供了更可靠的数据基础。五、实证结果与分析5.1市场状态识别结果运用Markov区制转换模型对碳市场和股票市场的收益率序列进行分析，以识别两个市场在不同时间段所处的状态。通过模型估计，将市场状态划分为高波动状态和低波动状态，这两种状态分别代表了市场的不同运行特征。对于碳市场而言，在样本期内，高波动状态主要集中在市场发展初期以及政策调整、重大事件发生的时期。在全国碳市场启动初期，由于市场规则尚不完善，参与者对市场的认识和适应程度较低，市场处于探索阶段，此时碳市场的价格波动较为剧烈，处于高波动状态。当国家出台新的碳减排政策或对碳市场的交易规则进行重大调整时，市场参与者需要时间来调整策略和预期，这也会导致碳市场价格出现较大波动，进入高波动状态。在某些突发事件发生时，如国际碳市场的重大变动、能源价格的大幅波动等，也会对中国碳市场产生影响，使其进入高波动状态。在国际碳市场价格出现大幅下跌时，可能会引发国内碳市场参与者的恐慌情绪，导致他们纷纷抛售碳配额，从而使碳市场价格波动加剧。低波动状态则多发生在市场运行相对稳定、政策环境相对宽松的时期。随着碳市场的逐渐发展和完善，市场规则日益健全，参与者对市场的熟悉程度和信心不断提高，市场交易趋于理性，此时碳市场的价格波动相对较小，处于低波动状态。当政策环境相对稳定，没有重大政策调整时，市场参与者能够根据现有的政策和市场情况制定合理的投资策略，市场的不确定性降低，碳市场也会处于低波动状态。在股票市场，高波动状态通常与经济周期的波动、重大宏观经济事件以及政策调整密切相关。在经济衰退时期，企业的盈利能力下降，投资者对股票市场的信心受挫，市场交易活跃度降低，股票价格波动加剧，股票市场进入高波动状态。在2008年全球金融危机期间，经济陷入衰退，股票市场遭受重创，股价大幅下跌，波动剧烈。当国家出台重大宏观经济政策或对金融市场进行重大改革时，也会对股票市场产生冲击，导致市场波动加剧。当央行调整货币政策，如加息或降息时，会影响企业的融资成本和投资者的资金成本，从而对股票市场产生影响，使股票市场进入高波动状态。低波动状态则对应着经济增长较为稳定、宏观经济环境良好的时期。在经济繁荣时期，企业的盈利能力增强，投资者对股票市场的信心充足，市场交易活跃，股票价格相对稳定，波动较小，股票市场处于低波动状态。当宏观经济政策保持稳定，没有重大政策调整时，市场参与者对市场的预期较为稳定，股票市场也会处于低波动状态。通过Markov区制转换模型的估计，得到了碳市场和股票市场在不同状态下的持续期和转移概率。在碳市场中，高波动状态的平均持续期约为[X1]天，低波动状态的平均持续期约为[X2]天。这表明碳市场低波动状态的持续时间相对较长，市场运行相对较为稳定。从转移概率来看，碳市场从高波动状态转移到低波动状态的概率为[P1]，从低波动状态转移到高波动状态的概率为[P2]。这说明碳市场在高波动状态下有较大的可能性向低波动状态转移，而在低波动状态下向高波动状态转移的可能性相对较小。在股票市场，高波动状态的平均持续期约为[X3]天，低波动状态的平均持续期约为[X4]天。与碳市场相比，股票市场高波动状态的持续期相对较长，这反映出股票市场受到宏观经济因素和投资者情绪的影响较大，一旦进入高波动状态，需要较长时间才能恢复稳定。股票市场从高波动状态转移到低波动状态的概率为[P3]，从低波动状态转移到高波动状态的概率为[P4]。可以看出，股票市场在高波动状态下向低波动状态转移的难度相对较大，而在低波动状态下向高波动状态转移的可能性相对较大，这也体现了股票市场的敏感性和易波动性。为了更直观地展示市场状态的识别结果，绘制了碳市场和股票市场的状态转移图（图1）。从图中可以清晰地看到两个市场在不同时间段所处的状态以及状态之间的转移情况。在某些时间段，碳市场和股票市场的状态呈现出一定的同步性，如在重大政策调整或宏观经济事件发生时，两个市场可能同时进入高波动状态；而在其他时间段，两个市场的状态也可能出现背离，这表明两个市场之间的关系并非完全一致，受到各自市场特性和影响因素的制约。[此处插入碳市场和股票市场的状态转移图][此处插入碳市场和股票市场的状态转移图]通过对市场状态识别结果的分析，能够更深入地了解碳市场和股票市场的运行规律，为后续研究不同市场状态下两个市场间的波动溢出效应奠定基础。不同市场状态下，碳市场与股票市场之间的波动溢出效应可能存在显著差异，准确识别市场状态有助于更准确地把握两个市场之间的动态关系，为投资者和政策制定者提供更有针对性的决策依据。5.2波动溢出效应估计结果5.2.1全样本波动溢出效应分析基于前文构建的Markov-SwitchingVAR-BEKK-GARCH模型，对全样本数据进行估计，以探究中国碳市场与股票市场间的波动溢出效应。在全样本估计中，重点关注VAR-BEKK-GARCH模型中参数的估计结果，特别是反映波动溢出效应的系数。从VAR模型部分的估计结果来看，碳市场收益率和股票市场收益率之间存在一定的线性动态关系。碳市场收益率的滞后项对股票市场收益率具有显著的正向影响，系数为[具体系数值1]，这表明碳市场前期收益率的上升会在一定程度上带动股票市场收益率的上升。这可能是因为碳市场的发展与宏观经济环境密切相关，当碳市场表现良好时，往往意味着经济环境较为稳定，企业的经营状况也相对较好，从而对股票市场产生积极影响。股票市场收益率的滞后项对碳市场收益率也存在显著影响，系数为[具体系数值2]，但影响方向为负向，即股票市场前期收益率的上升会导致碳市场收益率下降。这可能是由于资金在两个市场之间的流动导致的，当股票市场表现较好时，投资者可能会将资金从碳市场转移到股票市场，从而对碳市场的价格产生下行压力，导致碳市场收益率下降。在BEKK-GARCH模型部分，主要关注矩阵A和B中反映波动溢出效应的非对角元素。矩阵A中的非对角元素[具体元素值1]显著不为零，表明碳市场的前期波动会对股票市场的当前波动产生直接影响，即存在从碳市场到股票市场的波动溢出效应。当碳市场出现较大波动时，市场参与者会对未来的碳市场走势产生不确定性预期，这种不确定性可能会影响他们在股票市场的投资决策，从而导致股票市场的波动增加。矩阵B中的非对角元素[具体元素值2]也显著不为零，说明股票市场前期的条件方差会对碳市场当前的条件方差产生影响，体现了从股票市场到碳市场的波动溢出效应。股票市场的波动持续性较强，当股票市场连续出现较大波动时，会引发投资者对整个金融市场风险的担忧，从而使得资金在碳市场和股票市场之间重新配置，导致碳市场的波动也随之增加。通过计算波动溢出指数，进一步量化了碳市场与股票市场之间的波动溢出程度。波动溢出指数的计算公式为：SO_{ij}=\frac{\sum_{t=1}^{T}\sigma_{ij,t}}{\sum_{t=1}^{T}\sigma_{ii,t}+\sum_{t=1}^{T}\sigma_{jj,t}}\times100\%其中，SO_{ij}表示从市场i到市场j的波动溢出指数，\sigma_{ij,t}表示t时刻市场i和市场j的条件协方差，\sigma_{ii,t}和\sigma_{jj,t}分别表示t时刻市场i和市场j的条件方差，T为样本期。计算结果显示，从碳市场到股票市场的波动溢出指数为[具体数值1]%，从股票市场到碳市场的波动溢出指数为[具体数值2]%。这表明两个市场之间存在双向的波动溢出效应，且股票市场对碳市场的波动溢出程度相对较大。这可能是因为股票市场作为国民经济的“晴雨表”，其波动受到宏观经济、政策、企业业绩等多种因素的综合影响，这些因素的变化会通过投资者的行为和资金流动传导至碳市场，导致碳市场的波动增加。而碳市场作为一个新兴市场，其市场规模和影响力相对较小，对股票市场的波动溢出效应相对较弱，但随着碳市场的不断发展壮大，其对股票市场的影响可能会逐渐增强。5.2.2不同状态下波动溢出效应对比根据Markov区制转换模型识别出的市场状态，分别对高波动状态和低波动状态下碳市场与股票市场间的波动溢出效应进行估计和对比分析。在高波动状态下，VAR模型中碳市场收益率滞后项对股票市场收益率的影响系数为[高波动状态下系数值1]，与全样本估计结果相比，系数值有所增大，且在1%的显著性水平下显著。这表明在高波动状态下，碳市场前期收益率的变化对股票市场收益率的影响更为显著，碳市场的波动更容易传导至股票市场。在股票市场方面，股票市场收益率滞后项对碳市场收益率的影响系数为[高波动状态下系数值2]，同样在1%的显著性水平下显著，且绝对值较全样本估计结果也有所增大，说明在高波动状态下，股票市场对碳市场的反向影响也更为强烈。这可能是由于在高波动状态下，市场参与者的情绪更加敏感，信息传播速度更快，一个市场的波动会迅速引发投资者对另一个市场的关注和行为调整，从而导致两个市场之间的波动溢出效应增强。从BEKK-GARCH模型来看，在高波动状态下，矩阵A中从碳市场到股票市场的波动溢出系数[高波动状态下元素值1]明显大于全样本估计时的系数值，且在1%的显著性水平下显著，这进一步证实了在高波动状态下，碳市场的前期波动对股票市场当前波动的直接影响更为显著。矩阵B中从股票市场到碳市场的波动溢出系数[高波动状态下元素值2]也显著增大，表明股票市场前期的条件方差对碳市场当前条件方差的影响在高波动状态下更为明显。当股票市场处于高波动状态时，市场的不确定性增加，投资者为了分散风险，会更加频繁地在碳市场和股票市场之间调整投资组合，导致碳市场的波动受到股票市场的影响更大。计算高波动状态下的波动溢出指数，从碳市场到股票市场的波动溢出指数上