【碳金融交易價格影響因素文獻綜述2100字】

碳金融交易價格影響因素研究文獻綜述通過對文獻的閱讀，我們發(fā)現(xiàn)歐盟碳交易體系5(EUETS)的市場機制是成熟的，并且運行了很長一段時間。許多學者研究了碳期貨(EUA)的影響因素和波動特征。例如Deeney(2019)運用事件分析方法，探討歐洲議會決議對EUA價格波動的影響。Aatola(2018)通過對歐盟ETS市場的探索，我們發(fā)現(xiàn)碳期貨價格與電價、能源價格之間存在著很強的相關性。Tan(2019)基于分位數(shù)回歸，探討能源和經(jīng)濟因素對EUA價格的依賴關系和影響路徑。研究發(fā)現(xiàn)，早期能源價格對碳交易市場的影響較大，后期工業(yè)發(fā)展和股票市場因素的影響逐漸增大。這表明建立碳市場是一個漫長而艱巨的過程，為了不斷完善碳交易定價機制，有必要定期分析碳交易價格的影響因素。雖然國際市場對碳交易價格的影響因素已經(jīng)有了較好的探索——一個以宏觀經(jīng)濟和能源市場為主要影響因素，輔以政策因素和其他因素的影響體系，然而，中國經(jīng)濟社會的宏觀形勢與國外有很大的不同，各影響因素在碳交易市場上的作用機制可能存在較大差異。如果倉促采納國外研究的結論，可能會帶來很多負面影響。因此，從我國的實際出發(fā)，研究碳交易價格的影響因素，對我國碳排放權制度的構建具有重要的指導意義。經(jīng)過近年來中國碳排放交易市場試點地區(qū)的數(shù)據(jù)積累，學者們也參與到碳交易市場的研究中，為碳定價和配額提供建議。王倩(2019)認對于在中國碳排放交易市場占據(jù)主導地位的需求方而言，能源、氣候和經(jīng)濟對碳交易價格的波動有顯著影響。趙立祥(2019)研究表明，市場環(huán)境是影響碳交易價格的主要因素，政策和氣候環(huán)境對碳交易價格有一定的影響，能源價格的影響較弱。范燕燕(2018)采用穩(wěn)健的靜態(tài)面板回歸模型，發(fā)現(xiàn)煤炭價格波動對碳交易價格有顯著影響。但我們也發(fā)現(xiàn)，在影響因素的研究中，大多數(shù)文獻都是主觀選擇“重要”因素，并使用回歸方程來探究其影響。當前，隨著大數(shù)據(jù)的快速發(fā)展，我們可以通過大數(shù)據(jù)的方法進行客觀變量篩選，從多個角度探究影響因素的影響。此外，隨著市場的日益成熟，交易者對價格的關注也越來越多。我們能預測碳交易市場的價格嗎?姚毅(2020)以湖北省為樣本，建立emD-SVM6模型，探討碳交易價格的形成機制和預測。胡根華(2018)建立了基于無限活動率Levy過程的碳排放權價格預測模型，表明碳交易市場價格預測具有現(xiàn)實意義和可預測性。預測一直是學術研究的焦點，國外早期開發(fā)，深入研究，不斷完善預測方法。具體來看，Hyndman等(2019)改進了ARIMA和指數(shù)平滑法的自動預測，實現(xiàn)了季節(jié)數(shù)據(jù)和非季節(jié)數(shù)據(jù)的預測。LiveraAMD(2019)提出了一種基于狀態(tài)空間框架的改進指數(shù)平滑自動預測方法。 Taylor(2018)提出了一種基于Prophet方法的模塊化時間序列預測，利用社交網(wǎng)絡的周期性數(shù)據(jù)進行預測。國內的預測方法主要是從兩個方面發(fā)展起來的，一是傳統(tǒng)的基于平穩(wěn)序列的時間序列預測方法，二是基于非平穩(wěn)序列的預測方法。例如，王娜(2019)利用Boosting-Arma預測EUA的價格。趙青(2019)應用HPfilter分解黃金價格，分別完成趨勢序列和周期序列的構建模擬。張晨(2020)利用改進的灰色-markvon模型預測深圳碳排放交易價格的波動?？傮w而言，目前價格預測的研究方法主要體現(xiàn)在三個方面:(1)基于傳統(tǒng)時間序列模型的擴展預測;(2)采用時間序列分解進行預測；(3)基于大數(shù)據(jù)預測方法進行預測。綜上所述，目前的研究重點是碳交易價格的影響因素分析，國際上的研究重點是碳現(xiàn)貨或期貨價格及其影響因素，國內的研究重點是七大市場的時空異質性研究。主要原因是國際碳交易市場現(xiàn)在更加成熟，更容易獲取數(shù)據(jù);國內碳交易市場的時空異質性研究主要集中在碳交易價格的波動上。但是，在閱讀文獻后發(fā)現(xiàn)，在對影響因素的分析中，宏觀經(jīng)濟考慮仍然存在缺陷，綜合考慮國內外因素的研究也很少。此外，在建立面板回歸的情況下，大多數(shù)文章都是主觀選擇重要的影響因素來探討影響因素。與此同時，隨著企業(yè)需求的不斷增長，價格預測也成為一個熱門話題。國外的自動預測方法(如自動ARMA模型、Prophet模型7等)已經(jīng)比較成熟。在實踐中，它具有很好的預測效果，但在我國碳交易價格的預測中還很少使用，目前大數(shù)據(jù)方法被廣泛使用。因此，本文擬在發(fā)現(xiàn)的不足和當前研究趨勢的基礎上進行研究。參考文獻[1]陳曉紅,胡維,王陟昀.自愿減排碳交易市場價格影響因素實證研究——以美國芝加哥氣候交易所(CCX)為例[J].中國管理科學,2013,21(4):8.[2]莫冬清.碳金融衍生品價格影響因素的實證研究.2011.[3]樊艷艷.我國碳金融市場中碳排放權交易價格的影響因素分析——基于4個碳交易試點的面板數(shù)據(jù)[D].山西財經(jīng)大學,2017.[4]樊艷艷.我國碳金融市場中碳排放權交易價格的影響因素分析——基于4個碳交易試點的面板數(shù)據(jù)[D].山西財經(jīng)大學.[5]王揚雷.碳金融交易市場的效率及其溢出效應研究[D].吉林大學,2016.[6]楊大光,劉嘉夫.中國碳金融對產業(yè)結構和能源消費結構的影響——基于CDM視角的實證研究[J].吉林大學社會科學學報,2012(5):8.[7]李麗,董必俊,李玉坤.碳金融市場發(fā)展與產業(yè)升級關系實證分析——基于歐盟碳交易市場[J].商業(yè)經(jīng)濟研究,2018(13):3.[8]薛國順.低碳經(jīng)濟下碳排放驅動因素與碳金融市場實證研究[D].2013.[9]薛國順.低碳經(jīng)濟下碳排放驅動因素與碳金融市場實證研究.[10]艾明.EU-ETS碳期貨價格影響因素分析[D].中國石油大學(福建),2020.[11]魏一鳴.碳金融與