一、引 言

气候问题是21世纪全人类共同面临的重大课题。自1997年的《京都议定书》至2016年的《巴黎协定》，各国政府为实现温室气体排放的减少做出了共同或各自的努力。二十年来，特别是党的十八大以来，中国坚持走可持续的发展道路，贯彻绿色发展理念，推进生态文明建设，环境质量改善的成效显著。为此，绿色经济和绿色金融发挥了重要的作用，碳交易体系则是其中最为重要的一个环节。

美国种植的大豆品种同中国种植的大豆品种有何不同？依据新近完成的中国大豆基因组测序，科学家发现，中美大豆品种在基因组上存在着大量的遗传变异。中国大豆基因组测序的完成，为优良大豆品种的培育奠定了基础。相关研究以封面文章形式在线发表于最新一期的《中国科学·生命科学》（英文版）上。

自2013年全国各试点省市的碳排放权交易所开市以来，中国的深圳、北京、上海、广东、天津、湖北、重庆、福建8个交易所(交易中心)累计总成交超过13564.8万吨二氧化碳排放配额(EA)①。中国又宣布2018年开始启动建立全国统一碳交易市场(CNETS)的进程，国际碳行动伙伴组织(ICAP)预计，CNETS正式成立后，其二氧化碳控制排放体量的绝对规模将达到30～50亿吨二氧化碳当量，届时超过欧盟碳排放权交易体系(EU ETS)的19.39亿吨成为全球最大的碳市场②。

EU ETS建立于2005年，至今已运行十二年，历经三个阶段(第一阶段是2005～2007年，第二阶段是2008～2012年，第三阶段是2013～2020年)。欧盟碳交易市场建设的正反两方面经验丰富，国内外碳交易领域的学者均十分关注，进行了大量研究。Seifert，Uhrig-Homburg，Wagner(2008)构建随机均衡模型分析欧盟碳排放配额(EUA)历史价格，发现现价不具备季节性，价格贴现值具有鞅性，而碳价格过程表现出依赖于时间和价格的波动性结构。[1]180-194Benz，Trück(2009)用马尔可夫变换和AR-GARCH模型建立EUA价格的动态模型，发现EUA收益率具备“尖峰厚尾”性质，并捕捉到在特定阶段的波动性的运动。[2]4-15Chevallier，Pen，Sévi(2011)建立GARCH模型进一步研究了碳期权对EUA现货价格波动性的影响。[3]855-880荆克迪，安虎森，田柳(2014)则通过建立A-PARCH模型分析Bluenext交易所(已关闭)的EUA现货全部历史价格进行分析，发现该市场上存在杠杆效应，EUA价格的变动方向与其波动的变化趋势呈负相关，并认为A-PARCH模型能很好地拟合该市场的收益率状况。[4]24-32

在中国即将进入统一碳交易市场的时代之际，认真回顾、总结我国试点市场的经验是必要的。在目前八个试点交易所中，从减排体量、价格稳定性、交易总量和总额等各方面指标来看，湖北碳排放权交易中心(湖北碳交中心)名列前茅，显然是最合适的分析研究对象。湖北碳交中心还在全国碳排放交易体系启动工作中承担全国碳排放权交易注册登记系统建设任务，未来在CNETS中将具有举足轻重的地位。因此，湖北的经验也将是CNETS建设过程中十分重要的借鉴。

二、模型选取与数据说明(一)模型选取

在金融时间序列的研究中，国内外学者普遍使用广义自回归条件异方差(GARCH)族模型。GARCH模型是基于Engle(1982)提出的自回归条件异方差(ARCH)模型，[1][5]987-1007被Bollerslev(1986)改进而来的，它使高阶ARCH模型的构建变得更为简单。GARCH(p,q)模型[6]307-327的均值方程与条件方差方程分别为

αi≥0,i=1,2,…,p

rt=μ+ρ·rt-1+εt

 

其中，εt=stet，et～N(0,1)。当p=0时，GARCH(p,q)模型则退化为ARCH(q)模型。当然，et可以根据需要设定为服从标准正态分布以外的分布，如标准学生t分布、广义误差分布(GED)等。

然而Ding, Granger & Engle(1993)通过实证分析发现，没有理由可以解释在GARCH模型中的条件方差必须是一个线性方程。他们提出了新的模型——非对称的幂自回归条件异方差(Asymmetric Power ARCH或A-PARCH)模型，即使得条件方差的幂为未知参数[7]83-106。其一般式形如

rt=μ+ρ·rt-1+εt

 

目前，中国统一的碳交易市场尚未建成，在正在运行的全国八个试点省市的碳排放权交易所中，我们从价格波动的剧烈程度、碳排放权配额(EA)的日成交量、开市以来的总成交量等诸多因素考虑，发现湖北碳排放权交易中心现货交易的湖北省碳排放权配额(HBEA)表现均好于其他试点市场的EA交易情况。

紫丹银屑颗粒联合阿维A胶囊和复方氟米松软膏治疗寻常型银屑病的临床观察 ………………………… 毛荣超等（6）：800

苏轼“以诗为词”的词学理论是建立在“诗词同源”基础之上的，“清诗绝俗，甚典而丽。搜研物情，刮发幽翳，微词宛转，盖诗之裔”［3］。词为诗之苗裔，苏轼重点强调的是词如诗的主观抒情性、个性化的色彩，用以淡化词之媚俗，展现文人士大夫刚健清雅的精神境界，这就打破了词为艳科的藩篱，摆脱了音律对词的束缚，从而改革词风，扩大词境，促进词之雅化，提高词之品格。古往今来的论者，对“以诗为词”的褒扬者，其在自己所处时代的历史境遇内，皆是以诗词的相通之处——诗词均出自于《诗》、《骚》、古乐府，都能吟咏性情，皆可作为察政观俗的工具，词可寓诗人的句法［4］50为基点，进而对苏轼“以诗为词”理论的进行发扬。

其中，Pt为当日HBEA收盘价，Pt-1为前一日HBEA收盘价。

βj≥0,j=1,2,…,q

A-PARCH模型施加了一个条件标准差过程和非对称残差绝对值的Box-Cox转换，这样就可以把非线性模型线性化。该模型的的et也可以根据需要设定为服从标准正态分布以外的分布如标准学生t分布、GED等。并且，当δ取不同值时，PARCH模型就可以变为其他GARCH族模型[8]52：

当δ=0,γi=0,βj=0时为Engle(1982)的ARCH模型；

当δ=2,γi=0时为Bollerslev(1986)的GARCH模型；

当δ=1时为Zakoian(1994)的TARCH模型；

我们首先将每日收益率汇总如图2所示，通过EViews10软件作出其频率分布直方图和各项统计量分别如图3、表1所示。结果显示，HBEA的每日收益率平均值为-0.0004，中位数为0.0000，偏度为-0.0260，峰度为8.1779，说明收益率呈现明显的“尖峰厚尾”性质；Jarque-Bera统计量为1045.715，拒绝正态分布的假设。

当δ=2时为Glosten et al.(1993)的GJR模型；

水力压裂技术可以使煤层中的含水饱和度增加，进而减弱煤体结构的强度数据，使煤层之间的抗压、抗拉强度均得到有效降低，这样煤层开采的难度会减少很多，同时进一步减少工作人员煤层开采的安全风险。

选择受众面广、建设难度较低的课程为资源共享课程。以安徽新华学院信息工程学院为例，选择《计算机基础》、《C/C++语言程序设计》、《计算机导论》这三门课程进行资源共享课程建设。这三门课程有共同的特点：受众面广、课时较少、内容资源丰富。这样的课程进行资源共享课程建设可以达到资源利用的最大化。

1.21对照组 采用传统护理培训方法,临床护理学习主要采用PPT集中学习的方式,一人讲课,台下多人听课,每周1次,次日科室晨会提问,记录提问知晓率、每季度理论考试及医院组织的三基考试成绩。

当γi=0,βj=0时为Higgins & Bera(1992)的NARCH模型；

当δ→0时为Geweke(1986)，Pentula(1986)的Log-ARCH模型。

在金融学的文献中，学者们普遍认为资产价格的波动性对正、负冲击的反应是不对称的，这被称作股市收益的杠杆效应。[9]177-181股票的收益与收益率的波动变化呈负相关，即当遇到“坏消息”时波动性会增大(此时超额收益低于预期)，而当遇到“好消息”时波动性会变小(此时超额收益高于预期)。因此，能够概括这种非对称特征对于金融时间序列模型来说至关重要。

如上所述，A-PARCH模型能够很好地概括非对称特征，而且它又是ARCH模型等七个模型的一般形式。另一方面，碳排放权作为一种类似于股票(股权)的金融资产，同样具备非对称收益率的特征。在研究碳交易的收益与波动时，使用这一模型不失为一种最佳选择。

(二)数据来源和处理

其中，εt=stet，et～N(0,1)；α0>0，δ≥0，

本文的研究将使用自湖北碳交中心开市以来的HBEA每日收盘价作为HBEA的每日成交价。HBEA的每日开盘价、收盘价、最高及最低价、成交量、成交额均可从中国碳排放交易网获取。原始数据区间为2014年4月2日至2018年1月22日，其中有效的交易日数据为934个，2个缺失的交易日数据采用前后交易日收盘价取均值的办法补充，1个原始数据中的异常价格经多处核实进行了修正，最终共有937个样本数据。HBEA价格走势如图1所示。

  

图1 HBEA每日收盘价

三、基于A-PARCH模型的实证分析

(一)描述性统计

我们将着重于分析HBEA的每日对数收益率rt，构建收益率模型。设当日收益率

rt=lnPt-lnPt-1

-1<γi<1,i=1,2,…,p

在此次停工吹扫期间，严格把关。在流程较长和换热器较多的管线吹扫过程中，先从后端换热器给汽贯通赶油，可确保快速贯通和赶油，再依次从后往前赶油贯通，直至整个流程贯通，在吹扫过程中快速贯通是关键，一方面可有效保证管线大量油赶至塔内，主路畅通，另一方面可确保蒸汽和主线温度，防止产生大量冷凝水。贯通赶油完毕后，关死或关小后端给汽点蒸汽，再从前往后给汽憋压吹扫。在憋压吹扫期间，逐台换热器进行憋压吹扫。每台换热器憋压至少三次，直至出口放空蒸汽无油渍，换热器吹扫干净后，出口重污油过汽，换热器跨线过汽5 min，吹扫线路上每个放空均要确保畅通和见汽。

当δ=1,γi=0时为Taylor(1986)，Schwert(1990)的GARCH模型；

  

图2 HBEA每日收益率趋势

  

图3 HBEA每日收益率的频率分布

 

表1 HBEA每日收益率统计量汇总

  

样本量平均值中位数最大值最小值标准差偏度峰度r936-0.00040.00000.1562-0.16390.0290-0.02608.1779

(二)平稳性检验与ARCH效应检验

我们对HBEA每日收益率进行平稳性检验。结果显示，ADF检验统计量为-36.0623，即在1%显著性水平上，可以拒绝r为单位根的原假设，HBEA的每日收益率是序列平稳的。

看！好美呀。女友兴奋地喊道，我顺着她的惊叫声看到在泛绿的树丛中，一株桃花灿灿地开放，格外鲜艳，却又有些孤傲的味道。

在此基础上，我们进一步做ARCH效应检验。首先用最小二乘法估计自回归模型，得到

rt=-0.0006-0.1588rt-1+εt

再对该式进行ARCH-LM检验，结果显示滞后1阶时F统计量为4.7175，其相伴概率为0.0301，这表明在5%显著性水平上，存在ARCH效应。

(三)A-PARCH模型的参数估计与分析

在上述操作的基础上，我们可以利用BHHH算法构建A-PARCH(1,1)模型，并分别假设et服从正态分布、学生t分布和GED，由此构成A-PARCH-N模型、A-PARCH-t模型和A-PARCH-GED模型。各模型的参数估计结果如表2所示。

 

表2 不同分布条件下的A-PARCH(1,1)模型参数

  

A-PARCH-NA-PARCH-tA-PARCH-GED参数Z统计量参数Z统计量参数Z统计量μ-0.0003-0.4135-0.0012***-2.5979-0.0003-1.3601ρ-0.2361***-6.3508-0.2128***-6.4032-0.1458***-8.0321α00.00021.32080.00100.33610.00160.6707

续表

  

A-PARCH-NA-PARCH-tA-PARCH-GED参数Z统计量参数Z统计量参数Z统计量αi0.2983***7.26597.41090.44270.6756***3.4406γi0.06301.1452-0.0281-0.3546-0.0461-0.4117βj0.4944***10.49950.1765***2.93580.3022***3.2723δ1.9247***9.24692.0703***11.55951.4399***3.7036自由度2.0772***10.67820.7051***18.7749Log L2118.6762296.6462304.809LBQ(20)26.07927.74726.990AIC-4.5170-4.8955-4.9130SIC-4.4807-4.8541-4.8715

注：(1)***表示1%显著性水平上。(2)Log L是指对数极大似然值，LBQ是指Ljung-Box检验的Q值。

从表2的结果可以看出，三个模型都可以对收益率的序列相关性进行改进，A-PARCH-t模型和A-PARCH-GED模型的自由度均在1%显著性水平上，说明收益率具有“右偏峰”和“厚尾”的特征。但是，经过对各个模型的参数、极大似然值和信息准则的比较，我们发现A-PARCH-GED模型的AIC和SIC均最小，分别为-4.9130和-4.8715，极大似然值对数最大，为2304.809，故A-PARCH-GED模型的拟合效果优于另外两个模型。

综上所述，A-PARCH-GED模型可以很好地拟合湖北碳交中心HBEA的收益率表现。根据上述实证分析，我们最终得到如下A-PARCH-GED(1,1)模型估计结果：

rt=-0.0003-0.1458rt-1+εt

 

 

上述结果中，δ的估计结果为1.44，说明可以拒绝GARCH模型，采用A-PARCH模型更有效。γ为负数但不显著，证明湖北碳交易市场不存在明显的杠杆效应，即在出现“坏消息”时与出现“好消息”时价格的波动率接近。

对于镁肥的应用有以下建议：一是应该根据土壤性质(如土壤酸度)来选择适宜的镁肥品种。酸性土壤上适合施用白云石粉、氢氧化镁及氧化镁等碱性肥料，而接近中性的旱地土壤则适合施用硫酸镁等速效性镁肥；二是在降水量较大，淋溶较强的地区，适合施用白云石粉、氧化镁和钙镁磷肥等溶解性较小的镁肥；三是为充分保证作物对镁的吸收，镁肥的施用量要适宜；四是镁肥与其它肥料合理配合能够提高其肥效。在施用氮磷钾肥的基础上配合施用镁肥，对作物的增产效果较好；五是镁肥肥效的大小也与作物的特性有关。与禾本科作物相比，豆科作物如大豆和花生等对于镁肥的反应比较明显。

进一步地，我们还拟合了A-PARCH-GED(1,2)、(2,1)、(2,2)模型，发现部分参数变得不显著了，因此A-PARCH-GED(1,1)模型的拟合效果相对于A-PARCH-GED(1.2)、(2,1)、(2,2)模型更好。

在AP3综合异常区发现有三条银矿体，规模不大， Ag品位68.35×10-6—159.0×10-6，矿体宽1.0-3.0 m。

利用该模型，可以用静态预测法测算HBEA的收益率和方差，二者的预测结果及模型的预测误差结果分别如图4a、图4b、表3所示。从预测结果来看，A-PARCH-GED(1,1)模型预测的收益率非常接近实际的收益率，预测的误差结果很小，证明了该模型适用于湖北碳交易市场收益率的建模。

  

图4 A-PARCH-GED(1,1)模型的预测结果

 

表3 A-PARCH-GED(1,1)模型的预测误差结果

  

指标RMSEMAETIC结果0.02850.01760.8607

四、研究结论与启示

通过前面的实证分析可知，目前湖北碳交中心交易的HBEA现货具有以下特点：第一，HBEA的收益率与股票市场的表现非常类似，也呈现“尖峰厚尾”的非正态分布性；第二，HBEA的收益率不存在明显的杠杆效应，现货价格受到“坏消息”的冲击时仍能保持一定的稳定性，表明市场具备一定的理性；第三， HBEA收益率的均值为负数，综合成交价格和成交量分析来看，湖北碳市场缺乏充分的外部投资力量。这些结论充分展示了在试点时期，湖北碳市场的建设取得了一定成效，但也存在着一些不足，下一步应当继续完善交易制度、定价制度、配额制度等，做好低碳社会的宣传力度，以提高市场流动性，吸引更多投资者参与到碳市场的交易中。CNETS应当注意利用好湖北碳市场的成功经验，并从上述几个方面避免问题，完善制度。

注释：

① 根据中国碳交易网(www.tanjiaoyi.com)数据汇总，不含中国核证自愿减排量(CCER)交易数据，时间截至2018年1月底。

② 根据ICAP《全球碳交易进展2017年度报告》。

参考文献：

[1] Seifert J, Uhrig-Homburg M, Wagner M. Dynamic behavior of CO2 spot prices[J]. Journal of Environmental Economics and Management, 2008(2).

[2] Benz E, Trück S. Modeling the price dynamics of CO2 emission allowances[J]. Energy Economics, 2009(1).

[3] Chevallier J, Le Pen Y, Sévi B. Options introduction and volatility in the EU ETS[J]. Resource and Energy Economics, 2011(4).

[4] 荆克迪, 安虎森, 田柳. 国际碳交易市场收益波动率研究及其对中国的启示——基于 A-PARCH 模型的 Bluenext 碳交易市场的实证分析[J]. 南京社会科学, 2014 (3).

[5] Engle R F. Autoregressive conditional heteroscedasticity with estimates of the variance of United Kingdom inflation[J]. Econometrica: Journal of the Econometric Society, 1982.

[6] Bollerslev T. Generalized autoregressive conditional heteroskedasticity[J]. Journal of econometrics, 1986(3).

[7] Ding Z, Granger C W J, Engle R F. A long memory property of stock market returns and a new model[J]. Journal of empirical finance, 1993(1).

[8] Laurent S. Analytical derivates of the APARCH model[J]. Computational Economics, 2004(1).

[9] Black F. Stuedies of stock price volatility changes[J]. 1976.