考虑电力行业碳排放的全国碳价预测

随着全球应对气候变化进程的不断推进，碳交易市场变得越来越重要。准确预测碳价，既能为政府宏观调控提供更好的参考指标，也能助力企业更有效地管理碳资产和碳金融风险。2021年7月中国全国碳市场正式启动交易，首先将电力行业纳入碳排放管控，未来计划陆续纳入建材、有色、钢铁、石化、化工、造纸、民航等高耗能行业。如何预测碳价走势，制定碳市场履约交易策略和减排战略是各重点排放单位面临的现实挑战。

（来源：中国电力 作者：王一蓉, 陈浩林, 林立身, 唐进）

《中国电力》2024年第5期刊发了王一蓉等人撰写的《考虑电力行业碳排放的全国碳价预测》一文。文章以全国碳市场当前发展阶段为背景，研究考虑电力行业碳排放数据的碳配额价格预测问题，提出带有外生变量的自回归差分移动平均模型（autoregressive integrated moving average with exogenous variable model，ARIMAX）。基于对全国碳市场现阶段制度规则和交易特征的观察和分析，研究发现全国碳市场价格在非履约期主要受参与者预期的影响，在履约期碳价主要受企业履约需求驱动，碳价在不同阶段呈现出不同的变化规律。

摘要

为更好预测全国碳价走势，基于带有外生变量的自回归差分移动平均模型（autoregressive integrated moving average with exogenous variable model，ARIMAX），分履约期和非履约期使用不同的外生变量分别构建了全国碳价预测模型。首先，基于对全国碳市场制度规则研究和交易特征分析，识别出全国碳价在非履约期主要受参与者预期的影响，在履约期碳价主要受企业履约需求驱动；其次，在模型训练方面，采用一种自回归差分移动平均模型，在不同阶段引入不同的外生变量来提升碳价预测效果；最后，基于全国碳市场第一履约期真实价格数据验证结果表明，所提的全国碳价预测模型在准确性方面优于基准模型。

01

全国碳市场配额价格形成机制

1.1 全国碳市场配额分配机制

全国碳市场现阶段实行全部配额免费分配，并采用基准法核算发电行业重点排放单位所拥有机组的配额量，基本计算公式为

式中：A为机组碳配额总量，t；Qe为机组供电量，MW·h；Be为机组所属类别的供电基准值，t/(MW·h)；F为修正系数；Qh为机组供热量，GJ；Bh为机组所属类别的供热基准值，t/GJ。

基准法核算配额表示对火力发电企业施加以企业实物产出量为基础的碳强度控制。火力发电企业的配额总量由供电配额量和供热配额量组成，其中供电配额量在配额总量中通常占据主要部分。

1.2 全国碳市场配额清缴机制

全国碳市场第一履约周期要求重点排放单位完成2019—2020年度的碳排放履约清缴，履约期为2个自然年，履约清缴截止时间为2021年12月31日。在未履约处罚上，重点排放单位未按时足额清缴碳排放配额的，由企业生产经营所在地的市级以上地方生态环境主管部门责令限期改正，处2万元以上3万元以下的罚款；逾期未改正的，对欠缴部分，等量核减其下一年度碳排放配额。

由于处罚机制的存在以及各省级政府主管部门积极组织区域重点排放单位开展配额清缴工作，截至2021年12月31日，全国碳市场第一履约周期履约完成率达99.5%（按履约量计）。

1.3 全国碳市场配额交易机制

交易主体上，现阶段政府主管部门未公布其他机构和个人参与碳交易的条件，仅允许重点排放单位参与交易。

交易方式上，当前碳排放配额仅允许碳排放配额现货交易，尚未开展配额期货交易，已开展的现货交易方式包括挂牌协议交易和大宗协议交易。挂牌协议交易的成交价格在上一个交易日收盘价的±10%之间确定，大宗协议交易的成交价格在上一个交易日收盘价的±30%之间确定。其中，上一个交易日收盘价为上一个交易日挂牌协议交易所有成交的加权平均价，该日无成交的以再上一个交易日收盘价为准。

交易支持系统中，全国碳市场采用“双城模式”，由上海环境能源交易所负责运行全国碳排放权交易平台，由湖北碳排放权交易中心负责运行全国碳排放权注册登记平台。重点排放单位需要在注册登记平台和交易平台分别开设账户，重点排放单位首先在注册登记账户中收到由政府主管部门分配的配额，此后重点排放单位可将配额从注册登记账户划转到交易账户并进行交易，之后重点排放单位可将配额从交易账户划转回注册登记账户，并需在履约截止前在注册登记账户清缴与应履约量等量的碳排放权。值得注意的是，从交易系统转出配额到注册登记系统的操作需要“T+1”日生效，这意味着有配额缺口的重点排放单位为了2021年12月31日在注册登记系统中完成配额清缴履约，需要2021年12月30日前在交易系统中完成碳配额的购买。全国碳市场整体运行框架流程如图1所示。

图1 全国碳市场整体运行框架流程

Fig.1 The overall operation process of the national carbon market in China

1.4 全国碳市场配额价格形成机制的特征

首先，全国碳市场交易量呈现显著的“潮汐现象”，可按时间划分为临近履约期（以下简称“履约期”）和非临近履约期（以下简称“非履约期”）2个阶段。非履约期交易活跃度低，履约期交易活跃度激增，全国碳市场第一履约周期近90%的交易集中在履约截止前的2个月内。履约结束进入下一个非履约期后，交易活跃度再次回到低迷水平。

这一划分的主要依据在于全国碳市场参与者的动机会随着时间发生相应变化。在非履约期，由于配额分配和减排量供给等供给层面的关键要素尚未明确，碳市场交易活跃度较低，配额价格主要受企业对自身未来配额需求量的预期影响，例如2021年7月发电行业碳排放量升高，多数企业将预期自身未来需要更多碳配额，这种预期将推动碳价上升；2021年8—10月发电行业碳排放量相较7月下降，企业将预期自身未来需要的碳配额减少，推动碳价下降。在履约期内，企业明确自身配额盈缺情况，并随着履约截止日期的临近积极开展配额交易，履约期内碳市场交易活跃度大幅提升。有配额缺口的重点排放单位的购买需求决定了碳交易市场价格的变化。

可将收盘价（即当日挂牌协议日成交加权均价）视为配额的主要参考价格。一方面，次日挂牌协议交易和大宗协议交易价格的上下限均由上一日收盘价确定；另一方面，在碳市场交易时间内，产生的挂牌协议成交情况实时在交易系统内公开，而产生的大宗协议成交情况不会实时公开，买卖双方协商大宗协议交易价格时通常将参考当前的挂牌协议成交价格来商定。

最后，全国碳市场现阶段配额交易主要由履约需求驱动。由于全国碳市场现阶段未纳入其他机构和个人参与碳交易，也未开展碳期货交易，由短期投资需求、长期投资需求和跨期保值需求驱动的交易量均较少，在终端买家和卖家间由中间商换手形成的交易量也较少。

综上，全国碳市场配额价格形成机制相比其他碳市场具有如下特点：在非履约期，碳价主要受参与者预期的影响；在履约期，碳价则由重点排放企业履约需求驱动，呈现趋势性变化。因此，本文将根据全国碳市场现阶段价格形成特征，分履约期和非履约期分别建立碳价预测模型。

02

电力行业碳排放数据对全国碳市场配额价格的影响机制

2.1 电力行业碳排放数据对碳价的作用机理

首先，通过火力发电量可推算电力行业直接碳排放量。电力行业是全国碳市场率先纳入的行业，碳排放规模达45亿t，约占全国碳排放总量的40%。火力发电在生产过程中消耗煤炭、天然气产生的直接排放，是中国直接碳排放的主要来源。通过电力生产量、生产结构和发电效率可推算出电力行业直接碳排放量。

其次，通过电力消费量可推算各行业间接碳排放量。全国碳市场除管控直接碳排放外，也管控企业消费电力、热力产生的间接碳排放。未来即将纳入全国碳市场的重点排放行业中，水泥行业的电力间接碳排放占比约为9%，钢铁行业的电力间接碳排放占比约为18%，而电解铝的电力间接碳排放占比超过70%。通过了解各行业的电力消费量，可推算出各行业的电力间接碳排放量。

然后，通过分机组供电量可推算电力行业碳配额发放量。全国碳市场电力行业配额分配采用基准线法，即发电企业每供应1 MW·h的电力会获得政府免费分配一定数额的配额。基准线分4种类型的机组分别制定，具体数值在各履约期的配额分配方案中通常会逐步下降。通过电力供应量和发电机组类型，结合配额分配基准线，可以推算出电力行业碳配额发放量。

最后，配额需求量和发放量的相对关系是碳排放配额价格的重要影响因素。全国碳市场现阶段对直接碳排放和消耗电力、热力产生的间接碳排放同时进行管控，要求重点排放单位在履约截止前清缴等同于其碳排放量的碳配额，由电力生产和消费带来的碳排放量是全国碳市场配额需求量的首要构成部分。配额需求量和发放量构成配额供需关系，全国碳市场配额供给与重点排放企业对全国碳市场配额需求的对比关系，决定碳市场交易价格的高低。一般情况下，当供求平衡时价格保持稳定，供不应求时价格上涨，供过于求时价格下跌。

2.2 电力行业碳排放数据在碳价预测中的优势

在碳价预测中应用电力行业碳排放数据具有2方面优势。

1）从碳配额供需关系角度出发，电力行业碳排放数据分别与碳配额供给量和碳配额需求量成正比。应用电力行业碳排放数据的预测方法，比单独应用宏观经济因素的预测方法更加直接，更能得出准确的预测结果。

2）电力行业碳排放数据时间频率以日为单位收集，时间粒度小，并具有较高的数据精度。在模型预测过程中，可用于针对日度碳价进行预测。

03

ARIMAX碳价预测模型原理

3.1 数据来源

全国碳市场配额成交价格和交易量数据均取自上海环境能源交易所（/）。上海环境能源交易所是全国碳市场交易的唯一交易场所。图2为2021年7月16日—12月31日的全国碳市场配额收盘价和成交量走势。本研究将采用带有外生变量的自回归差分移动平均模型（ARIMAX）对全国碳市场配额收盘价进行建模和预测。

图2 2021年7月6日—12月31日全国碳市场配额收盘价和成交量走势

Fig.2 Closing price and trading volume trend of the national carbon market quotas in China during July 7th and December 31st, 2021

电力行业碳排放量来源于全球实时碳数据库（.cn/）。全球实时碳数据库涵盖全球电力、工业、地面运输、航空运输、居民消费等部门排放的高分辨率活动数据，能够提供以日为分辨率的二氧化碳排放量数据。图3为2021年7月16日—10月31日的中国电力行业碳排放量，可以观察到全国碳市场配额收盘价在非履约期和电力行业碳排放量具有时序相关性。

图3 2021年7月16日—10月31日电力行业碳排放量和全国碳市场配额收盘价走势

Fig.3 Carbon emissions from the power industry and the closing price trend of the national carbon market quotas in China during July 16th and October 31st, 2021

3.2 数据特征检验

应用ARIMAX模型需要对数据特征进行检验，首先要求自变量和因变量的时序数据具有平稳性或者通过差分化后具有平稳性，其次要求自变量和因变量同阶单整并具有协整性，否则建立的模型可能存在伪回归。

对全国碳市场配额收盘价时间序列{yt}、电力行业碳排放量{x1,t}、全国碳市场配额成交量{x2,t}进行单位根检验，发现三者均不具有平稳性。对{yt}，{x1,t}，{x2,t}进行一阶差分处理后进行单位根检验，发现三者在显著性水平5%下均为平稳状态，说明{yt}，{x1,t}，{x2,t}均为一阶单整。对{yt}与{x1,t}，{yt}与{x2,t}进行协整性检验，发现2组变量在显著性水平5%下均具有协整关系。数据特征检验表明，可以对全国碳市场配额收盘价时间序列{yt}与电力行业碳排放量{x1,t}、全国碳市场配额成交量{x2,t}进行ARIMAX建模。

3.3 分阶段建立预测模型

根据对全国碳市场配额价格形成机制的分析可知，全国碳市场第一履约周期的交易日为2021年7月16日—12月31日，碳交易呈现显著的“潮汐现象”。本研究将2021年7月16日—10月31日界定为非临近履约期（简称“非履约期”），将2021年11月1日—12月31日界定为临近履约期（简称“履约期”）。

在非履约期，配额最终核定尚未完成，企业对于自身配额盈缺情况尚未得知最终确定的数值。非履约期内碳市场交易较为冷清，配额价格主要受到市场参与者预期的影响。非履约期内各重点排放单位的碳排放情况影响着其对自身未来配额需求量的预期，当电力行业碳排放量越高，多数企业将预期自身未来需要更多碳配额，这种预期将推动碳价上升，而反向的预期则将推动碳价下降。

在履约期内，企业明确自身配额盈缺情况，并随着履约截止日期的临近积极开展配额交易，履约期内碳市场交易活跃度大幅提升，重点排放单位履约需求在市场中释放，并推动配额价格呈现趋势性变化。履约期内配额交易量很大程度上代表有配额缺口的重点排放单位的配额购买需求，与碳配额价格的变化具有紧密关系。

本研究将在非履约期中应用电力行业碳排放量作为外生变量，在履约期内应用配额交易量作为外生变量，对非履约期碳配额价格和履约期碳配额价格分别建立自回归差分移动平均模型。

04

ARIMAX碳价预测模型实证分析

4.1 非履约期碳价模型建立与实证分析

使用ARIMAX(p,d,q)对2021年7月16日—10月31日的全国碳市场配额收盘价进行建模。首先识别预测模型中采用的自回归项数p、差分阶数d、滑动平均项数q。使用“SPSS软件-时间序列建模器-专家建模器”功能识别最优的模型参数，以贝叶斯信息准则（BIC准则）为判定标准，识别得到最优的自回归项数p=0、差分阶数d=1、滑动平均项数q=2。说明非履约期内碳配额价格数据在一阶差分后是稳定和移动平均的，一个时刻的碳配额价格估计值的差分与上2个时刻的预测误差有关。加入外生变量电力行业碳排放量{x1,t}，并进行一次差分后，拟合模型为

式中：yt和yt−1分别为第t个、t–1个交易日全国碳市场配额收盘价；εt−1和εt−2分别为第t–1个、t–2个交易日的预测误差；x1,t和x1,t−1分别为电力行业第t个、t–1个交易日的碳排放量。

非履约期预测价格与真实价格对比如图4所示。采用本方法得到的全国碳市场非履约期预测价格和实际价格的其他类型误差值如表1所示。可以看出全国碳市场非履约期预测价格和实际价格比较接近，对称平均绝对百分比预测误差（以下简称“平均预测误差”，symmetric mean absolute percentage error，SMAPE）为1.95%。使用上一个交易日的收盘价预测当日收盘价的平均预测误差为1.98%。使用包含电力行业碳排放量作为外生变量的ARIMAX(0,1,2)模型预测误差更小。这一结果表明，在非履约期，应用电力行业碳排放量作为外生变量的ARIMAX预测模型相较于仅基于时序的预测模型，预测效果得到提升。

图4 非履约期模型预测价格与实际价格对比

Fig.4 Comparison between fulfillment period model predicted prices and actual prices

表1 模型预测价格与实际价格误差

Table 1 Errors between model predicted prices and actual prices

各种误差的计算公式如下。

式中：n为样本数量；为预测值；yi为真实值。

4.2 履约期碳价模型建立与实证分析

使用ARIMAX(p,d,q)对2021年11月1日—12月30日全国碳市场配额收盘价进行建模。使用“SPSS软件-时间序列建模器-专家建模器”功能识别最优的模型参数，以贝叶斯信息准则（BIC准则）为判定标准，识别得到最优的自回归项数p=0、差分阶数d=1，滑动平均项数q=1。说明履约期内碳配额价格数据在一阶差分后也是稳定的和移动平均的，一个时刻的碳配额价格估计值的差分与上一个时刻的预测误差有关。加入外生变量全国碳市场成交量后，拟合模型为

式中：x2,t为全国碳市场第t个交易日的成交量。

在5%的显著水平下，移动平均项{εt−1}和外生变量{x2,t}的系数均显著。

履约期预测价格与真实价格对比如图5所示。全国碳市场履约期预测价格和实际价格的其他类型误差值如表1所示。可以看出全国碳市场履约期预测价格和实际价格曲线更加接近，平均预测误差为0.98%。相比之下，使用上一个交易日的收盘价预测当日收盘价的平均预测误差为1.08%。使用包含碳市场交易量作为外生变量的ARIMAX(0,1,1)模型预测误差更小。这一结果表明，在履约期，应用碳市场交易量数据作为外生变量的ARIMAX预测模型相较于仅基于时序的预测模型，预测效果得到提升。

图5 履约期模型预测价格与实际价格对比

Fig.5 Comparison between fulfillment period model predicted prices and actual prices

4.3 结果讨论

上述结果显示，相较于履约期预测约0.1个百分点的改善效果，非履约期预测改善效果约为0.03个百分点，改善程度较小，本研究认为有两方面的原因。

其一，非履约期预测的外生变量选取值得进一步探究。本研究选取电力行业碳排放量作为这一时期预测的外生变量，主要考虑市场供需对价格的影响。然而，全国碳市场受政策影响较深，鉴于政策因素难以量化，且市场因素在多大程度上发挥着影响价格的作用学术界尚未有明确结论，在非履约期暂未将政策因素纳入预测模型中，仅从市场角度考虑价格影响路径，或造成了预测改善效果较小的结果。

其二，非履约期交易稀疏，价格走向平稳，价格变化规律值得进一步探究。鉴于全国碳市场交易存在“潮汐现象”，非履约期价格较平稳的变化趋势是否存在规律性特征或仅为随机变化的结果会带来不同的结论：若价格变化存在规律性，需进一步挖掘除市场和政策因素外的其他外生变量对价格的影响；若价格变化是随机的，则需定性考虑是否存在突发事件或随机事件，造成了价格的波动。

此外，鉴于应用本方法最大优势在于在履约期提升预测误差约0.1个百分点，本研究进一步估算了本方法应用的投入产出效益，表现在以下3个方面。

1）履约期预测所需数据公开可得。全国碳市场配额收盘价和全国碳市场成交量均可在上海环境能源交易所免费获得，因此具有较低的数据获取成本。

2）模型操作方法简单，实现软件开源。ARIMAX预测模型实现步骤简单易懂，除了本研究使用的SPSS软件外，还可使用包括Python在内的开源建模工具，降低了模型操作成本。

3）从模型预测的经济收益看，预测误差的降低将为碳市场参与者带来一定投资收益。以2021年履约期配额交易45元/t的均价计算，由于预测精度的改进，应用本研究成果，每交易100万t全国碳配额，相较于运用其他时序预测模型，可提高45000元的收益。随着交易量的增加，市场参与者的投资收益也将成比例提升。

05

结语

本研究发现全国碳市场价格在不同阶段呈现出不同的变化规律，非履约期主要受参与者预期的影响，在履约期碳价主要受企业履约需求驱动。在非履约期，电力行业排放量和碳配额价格具有强相关性，将其作为外生变量代入基于时序的预测模型可以改善碳价预测效果；而在履约期，重点排放企业的履约需求驱动了碳价变化，表现为市场交易量越高，碳价增长幅度越大。本文提出了一种应用ARIMAX模型，分阶段建立全国碳市场配额价格预测模型的方法，并对全国碳市场第一履约周期内的收盘价进行了预测，研究结果表明在全国碳市场非履约期使用电力行业碳排放量作为外生变量，在全国碳市场履约期使用碳配额交易量作为外生变量，可以改善模型的预测效果。

目前全国碳市场进入了深化完善阶段，未来将陆续纳入水泥、钢铁、电解铝、石化、化工、建材、航空等重点排放行业，成为中国实现双碳目标的重要抓手。随着全国碳市场建设成熟度的不断提升，未来全国碳市场交易规模和碳配额价格有着很大的提升空间。对于企业而言，如何有效管理碳资产、参与碳交易将变得越来越重要。本文对建立碳配额价格预测模型并改善预测效果做出了尝试，以期更加准确预测碳价走势，从而帮助企业科学决策和有效管理碳资产，提升碳资产管理绩效，并规避潜在的交易损失。

在本文研究的过程中，由于全国碳市场仅完成了一个履约周期，可以观测获得的碳配额价格数据时长较短，研究识别的碳配额价格预测模型和估计得到的相关参数预计仍有很大的改进空间。未来随着全国碳市场纳入控排的行业逐步增加，碳捕捉等减排技术进一步发展，引入多元化的参与者，并和其他环境权益市场及能源市场形成有效衔接，预计全国碳配额价格的影响因素将变得更加丰富。