1. 引言
1.1. 研究背景
近年来,随着人类活动范围的不断拓展,环境问题日益严峻,特别是因温室效应带来的全球气候变暖问题日益突出。作为世界上最大的发展中国家和全球第二大经济体,在经济高速发展的同时,我国政府也高度重视生态环境的保护,同时积极为全球碳减排世界作出贡献。在2020年的第七十五届联合国大会中,国家主席习近平向世界各国宣布中国的“双碳”目标,即“二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和”。
碳达峰是指二氧化碳的排放达到历史峰值,之后逐步回落的过程,是二氧化碳排放量由增转降的历史拐点,标志着碳排放与经济发展实现脱钩 [1] 。中国是全球温室气体排放最大国,2019年二氧化碳排放量达到98.3亿吨,占据全球总排放的28%。为了在2030年实现碳达峰目标,必须使单位国内生产总值的二氧化碳排放量比2005年减少65%以上 [2] 。可以说,中国完成双碳目标时间紧,任务重,只有“技术”“政策”双管齐下,多种机制相互配合才能完成。因此本文通过多种模型对我国碳排量趋势进行预测,以期为科学合理地制定碳达峰目标下的碳排放路径提供一定的数据支持。
1.2. 欧盟碳排放权交易市场发展历史
碳市场被塑造为一个由政府政策主导的市场,其核心在于通过二氧化碳排放权作为资产进行买卖,以市场机制有效降低温室气体排放 [3] 。在这个过程中,高耗能企业为了尽可能降低成本则会最大程度控制碳排放量,承担起自身的社会责任;而碳市场中的投资机构和个人投资者也通过碳交易为企业提供了资金支持,促进了碳市场的流动性和发展。
2005年,欧盟碳市场EU ETS (European Union Emissions Trade System)正式启动,是世界上首个,也是最成熟的碳市场。EU ETS采用“基于总量”的调控方式,政府首先在一级市场规定碳排总量,限制温室气体排放的总体水平;再由各个排放总体在二级市场买卖配额,实现碳配额的市场定价,借助市场机制促使各个排放主体履行减排义务,达成减排目标 [4] 。
EU ETS在过去近20年给整个欧盟的碳减排进程带来深刻影响,也是其他国家和地区进行碳市场建设的主要借鉴对象。在过去的八年中,欧盟仅通过碳市场拍卖碳配额就获得累计570亿欧元的收入,这些资金也被用于支持欧盟资助的气候项目。根据《欧洲绿色协议投资计划》,未来十年计划动员至少1万亿欧元的可持续投资,重点支持碳中和和绿色经济领域的发展 [5] 。碳市场的发展也促进了欧盟经济朝着脱碳方向的成功转型。为了应对减排压力,欧洲各大制造企业正在逐步减少对传统能源的依赖,向更多使用清洁能源的制造服务业转型。欧盟制造业占GDP的比重从1991年的19.8%下滑至2020年的13.6%,而同一时期服务业增加值占比也从59%爬升至65.8%,使欧盟过去15年GDP的增长划出了与二氧化碳排放量呈现负相关的漂亮轨迹。
1.3. 我国碳排放权交易市场发展现状
2011年,中国首次宣布利用排放权交易管理二氧化碳排放的提议,并于2013年开始在七个省市进行试点。2017年底,有关部门正式宣布启动建立中国国家碳排放权交易市场。我国碳市场在2021年2月开始试行,目前运转良好。但结合中国碳排放权交易市场相关数据和诸多专家学者的研究,发现我国碳市场仍旧存在一些问题,包括碳配额分配方式相对单一、市场监管存在漏洞等等,说明中国碳排放权交易市场建设任务依旧艰巨 [6] 。
2022年4月10日,《中共中央、国务院关于加快建设全国统一大市场的意见》 [7] 指出,打造统一的要素和资源市场,培育发展全国统一的生态环境市场。依托公共资源交易平台,建设全国统一的碳排放权、用水权交易市场,实行统一规范的行业标准、交易监管机制 [8] 。在此背景下讨论全国统一碳排放大市场的基准概念,运行机制及各省份额分配具有重要意义。因此本文试图通过一系列建模方法对全国碳排放总量做出预测,并在此基础上根据各地区的实际情况为该地区分配碳排量配额,同时结合“全国统一大市场”背景对现有碳排放交易体系作出建议,以其服务国家战略。
2. 全国碳排放量规模预测
2.1. 基于ARIMA的全国碳排放规模预测
尽管《联合国气候变化框架公约》《京都议定书》及《巴黎协定》确定了共同但有区别责任的原则(Common but Differentiated Responsibility),反映各缔约国历史排放责任、经济发展水平等方面的差别,中国作为负责任的大国,不断推行碳减排与经济发展并行的模型 [10] 。基于2000~2019年全国碳排放规模历史数据,本文对2020~2030年全国碳排放内生性规模增长做预测。2020年,新型冠状病毒肺炎(COVID-19,简称“新冠疫情”)的全球大流行是一场前所未有的全球性公共卫生危机,也对全球经济生产带来巨大冲击。因此,考虑到2020~2022年新冠疫情的影响,不使用这几年的数据做预测。
碳排放规模数据是典型的时间序列(Time Series),因此本文利用自回归求和滑动平均(Autoregressive Integrated Moving Average, ARIMA)模型对线性时间序列预测性较优的特点对我国碳排放总量进行预测。
ARIMA模型是一种广泛应用于时间序列分析和预测的统计模型。它结合了自回归(AR)和移动平均(MA)的特性,同时考虑了时间序列的差分(Integrated),因此被称为ARIMA模型。ARIMA(p, d, q)模型中三个主要的组成部分为:
自回归(AR)部分:表示当前观测值与过去观测值之间的关系。AR部分用p表示,表示模型中考虑的过去观测值的数量。
差分(Integrated)部分:表示时间序列的差分,即当前观测值与前一个观测值之间的差异。通过差分,可以使非平稳的时间序列变得平稳。差分部分用d表示,表示差分的次数。
移动平均(MA)部分:表示当前观测值与过去观测值的误差(残差)之间的关系。MA部分用q表示,表示模型中考虑的过去观测值的残差的数量。
结合这三部分,可以得到ARIMA模型的公式:
(1)
其中,
是时间序列在时刻t的观测值;
是自回归系数,表示当前观测值与过去p个观测值的线性关系;
是移动平均系数,表示当前观测值与过去q个残差的线性关系;
是白噪声误差项,代表模型未能解释的随机波动;p是自回归的阶数;q是移动平均的阶数;d是差分的次数,用来使时间序列平稳。
ARIMA模型的关键是通过对时间序列进行适当的差分(d次)以使其平稳,然后通过自回归和移动平均项来拟合平稳的序列。模型的阶数
的选择通常通过观察自相关图(ACF)和偏自相关图(PACF),以及一些统计准则来确定。
本文收集了我国的历史碳排放数据并采用1阶差分将非平稳的数据平稳化 [11] ,建立了ARIMA预测模型,其结果如图1及表1。
![](//html.hanspub.org/file/12-1701471x13_hanspub.png?20240409094323460)
Figure 1. Trend of total carbon emissions predicted by ARIMA model
图1. ARIMA模型预测全国碳排放总量趋势
![](Images/Table_Tmp.jpg)
Table 1. Results of the ARIMA model predicting the total carbon emission in China
表1. ARIMA模型预测全国碳排放总量结果
2.2. 基于STIRPAT模型的全国碳排放规模预测
上一节对碳排放规模预测所利用的ARIMA模型是根据碳排放量自身的变化规律所建立的模型,但在现实中,经济、人口、技术等多方面的因素都会影响到碳排放。因此,我们查阅参考文献后,又建立了在环境领域最常用的STIRPAT拟合模型,并与ARIMA模型进行了对比。STIRPAT模型是YORK R和DIETZ T等 [12] 在IPAT恒等式的基础上提出的随机特殊形式,考虑了人口、财富和技术等因素各自变动时对环境的单独影响,消除了同比例变动问题的影响。该模型是目前研究碳排放规模与路径最常用的方法,克服了Kaya方程和IPAT模型的缺陷,并且具有很好的拓展性。因此,利用STIRPAT拓展模型对我国的碳排放规模变化进行研究是可行的。
STIRPAT模型表示为:
(2)
式中,
代表各指标的弹性系数。
扩展的STIRPAT模型表示为:
(3)
式中,全国碳排放量(C)单位为万吨;人口(P)单位为万人;人均GDP(A)单位为万元/人;碳排放强度(T)单位为吨/万元、能源消耗强度(
)单位为吨标煤/万元、能源结构(
)为百分比%;产业结构(
,表示第二产业占比)为百分比%;
代表各指标的弹性系数;h表示误差。
表2给出了预测工作所需要的统计数据以及相应的说明。
![](Images/Table_Tmp.jpg)
Table 2. Description of STIRPAT model variables
表2. STIRPAT模型变量说明
由于变量较多,且变量之间可能存在相关性,因此我们需要对上述六个变量进行筛选和取舍。我们应用回归法检验各变量的显著性,结果如下表3、表4所示。
![](Images/Table_Tmp.jpg)
Table 3. The significance of each variable was tested by regression method
表3. 进入回归法回归检验各变量显著性
![](Images/Table_Tmp.jpg)
Table 4. The significance of each variable was tested by stepwise regression method
表4. 逐步回归法回归检验各变量显著性
以上检验结果表明,在0.05的显著性水平下,总人口(P)、人均GDP (A)、碳排放强度(T)、能源消耗强度(
)可以通过显著性检验,因此可以作为自变量构建模型。
为了规避面板数据自身存在的多重共线性干扰,更大限度保留自变量和因变量的信息 [13] ,我们采用岭回归方法对数据进行回归。岭回归分析是一种专用于共线性数据分析的有偏估计回归方法,实质上是一种改良的最小二乘估计法,通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法,对病态数据的耐受性远远强于最小二乘法 [14] 。
我们以总人口、人均GDP、碳排放强度和能源消耗强度为自变量,碳排放总量为因变量,得到不同岭参数K值对应的方程、岭迹图和拟合优度R2值,K值越小,样本数据损失的信息越少,模型精确度越高。根据岭迹图变化情况,当K = 0.1时,系数逐步趋于稳定,R2为0.991,拟合程度较好,可选择参数为0.1进行回归,岭迹图如图2所示。
选择K值为0.1,进行岭回归分析,得到结果如下表5、表6所示。
根据上表,我们构建出SPIRTPAT模型:
(4)
采用该模型对我国历史碳排放总量进行模拟,并将模拟值与历史值进行回归,结果发现拟合效果较好,R2达到0.99。因此,采用该模型对未来我国的碳排放总量进行预测是可行的。模拟值与预测值对比如图3所示。
为了利用所建立的模型更准确预测我国未来的碳排放发展趋势,参考我国目前应对气候变化以及能源相关的政策文件,按照常规发展速度预测人口、人均GDP、碳排放强度、能源消耗强度这四个因素的变化。各因素变化速度以及具体情景模式参数设置如表7、表8所示。
![](Images/Table_Tmp.jpg)
Table 5. Ridge regression analysis results
表5. Ridge回归分析结果
![](Images/Table_Tmp.jpg)
Table 6. Summary of Ling regression models
表6. 岭回归模型汇总
![](//html.hanspub.org/file/12-1701471x27_hanspub.png?20240409094323460)
Figure 3. Comparison between prediction results of SPIRTPAT model and actual values
图3. SPIRTPAT模型预测结果与实际值对比
![](Images/Table_Tmp.jpg)
Table 8. Setting of speed parameters of each factor change
表8. 各因素变化速度参数设置
依据设定的情景模式,并基于STIRPAT拓展模型对我国2020~2030年的碳排放总量进行拟合,我国未来的碳排放量并与前文所建立的ARIMA模型的预测结果进行对比,如图4所示。
![](//html.hanspub.org/file/12-1701471x29_hanspub.png?20240409094323460)
Figure 4. Comparison of predicted carbon emission results of the two models
图4. 两种模型预测碳排放量结果对比
从已有结果看,ARIMA模型所得结果近似线性增长,所得结果与目前普遍预测或减排目标下的碳排放规模控制目标相差较大;而STIRPAT模型结果较为接近,且出现逐年缓增趋势。从模型原理分析角度,ARIMA模型适用于波动较大、信息较多、数据较大的时间序列,这也正是此模型的优势,然而,全国碳排放总量是一个比较平稳的过程,且数据量不大,利用一次差分预测,即出现增长线近似“直线”的现象;而我们在STIRPAT模型中选定的几个因素既是影响碳排放的主要因素,又是比较平稳的量,且该模型为我们做减排决策也提供了参考信息。综述,我们将在下文基于STIRPAT模型预测结果做进一步分析,供制定“双碳”目标下碳排放路径规划时参考。
3. 碳达峰战略目标下碳排放路径预测
3.1. 碳达峰峰值及年份
从碳排放现状看,我国是世界第一大排放国,且我国从2030年前碳达峰到实现2060年碳中和时间仅为30年左右,远远少于欧美(45年左右或更长)。因此,我国近5-8年需尽早达峰并尽可能降低峰值,长期来看要提前部署碳中和实施路径和技术研发,在实现碳达峰目标基础上,顺利实现碳中和目标 [15] 。王灿等人 [16] 基于碳中和愿景将2020~2060年排放路径分为4个阶段,并对过程特征做了很好地描述,即达峰期(尽早达峰,2020~2030年)–平台期(稳中有降,2030~2035)–下降期(快速减排,2035~2050年)–中和期(深度脱碳,2050~2060年)。
对中国碳达峰达峰年份和峰值,许多学者或机构也做过不同预测 [17] [18] 。在2022年3月31日召开的第六届创新与新兴产业发展国际会议上,中国工程院发布重大咨询项目成果《中国碳达峰碳中和战略及路径》 [19] 。报告指出,通过积极主动作为,全社会共同努力,我国二氧化碳排放有望于2027年前后实现达峰,峰值控制在122亿吨左右。在此基础上推动发展模式实现根本转变,可在2060年前实现碳中和。
综合研判,我们将面向碳中和愿景的碳排放路径重新划分为5个阶段,达峰期(尽早达峰,2020~2027年)–波动期(抑制增长,2028~2030)–平台期(稳中有降,2030~2035)–下降期(快速减排,2035~2050年)–中和期(深度脱碳,2050~2060年)。并据此,本文选定2027年及125亿吨作为达峰年份和峰值目标,为2028~2030年碳排放总量波动提供对冲空间,以服务我国碳达峰目标能如期达成。
3.2. 基于相似方法的碳排放达峰路径预测
我们需要注意,第二章对碳排放增长规模所做的预测,实质上是对碳排放规模依惯性增长做出的预测。但依据预测数据来看,我国的碳排放规模与2030年前实现碳达峰、2060年前实现碳中和的目标仍有一定差距。因此本节将在此达峰目标下,“倒向”预测2023~2026年的全国碳排放总量,为实现“双碳目标”制定碳排放倒逼机制提供参考。
针对已知的序列
(即第二章第二节所得基于STIRPAT模型的全国碳排放2020~2027年预测数据),为了使碳达峰目标下采取的各类调节方式不利影响尽可能小,即尽可能地符合自发增长,我们建立基于相似方法的反问题预测模型。
设碳达峰目标下的序列为
,满足
1) 初值条件:
(即2020年实际全国碳排放总量)
2) 终值条件:
(碳达峰峰值及达峰年份)
3) 相似条件:
(增长幅度保持相似)
据此可以推出2020~2027年碳排放达峰路径,如图5及表9所示。
4. 全国统一碳排放交易市场下碳排放量配额
4.1. 基准制度及各省基础配额
全国统一大市场背景下的碳排放权交易的交易机制应该具有鲜明的市场主导,政府辅助这一特色,这是中国特色社会主义市场经济制度所决定的,也是经济学界目前公认的理想市场,即有效市场和有为政府并举相协调,而在2021年2月1日起实施的《碳排放权交易管理办法(试行)》文件中,已明确规定我国碳排放权交易的管理部门为发展与改革委员会。
![](//html.hanspub.org/file/12-1701471x35_hanspub.png?20240409094323460)
Figure 5. Prediction trend of carbon peaking path based on similar methods
图5. 基于相似方法碳达峰路径预测趋势
![](Images/Table_Tmp.jpg)
Table 9. Prediction results of carbon peaking path based on similar methods
表9. 基于相似方法碳达峰路径预测结果
前文已对碳达峰战略目标下全国2023~2027年的碳排放路径做了预测,本节在此基础上,将所得数据视为全国年度可排放的碳总量,结合各省碳排放增长需求“分配”给各省。由此即得碳达峰战略下30个地区2023~2027年碳排放管控目标。进一步考虑全国统一大市场战略措施具体实施过程中,以省份划分配额(基于30个地区2015~2019年碳排放规模占全国碳排放的平均比例)后,在微观内部层面中省内企业可自由交易,考虑到地区间资源丰富程度,经济发展水平,人口密度等因素差异,在宏观层面的规模交易中以省为基本单位进行交易。
由上述讨论,我们建立“预期–目标误差最小化优化模型”。设基于STIRPAT模型所得第j个地区第i年碳排放量预测值为:
(5)
设碳达峰战略下第j个地区第i年碳排放量记为:
(6)
依据矩阵二范数,建立优化问题:
(7)
其中
表示碳达峰战略目标下全国第i年碳排放总量预测值。
据此,得到碳达峰战略下30个地区碳排放规模分配。我们以2025年全国碳排放预测规模(11501.810百万吨)为参照,设定11500为碳排放权交易市场初始免费配额,各个地区的具体配额如下表10及图6所示。
![](Images/Table_Tmp.jpg)
Table 10. Carbon emission quotas for 30 regions in 2025
表10. 30个地区2025年碳排放规模配额
为贯彻《中共中央、国务院关于加快建设全国统一大市场的意见》,本文提出在中央层面领导下,在各省设立交易分所,摒弃地域设分交易所的制度。在定价方面,根据《意见》原则,考虑区域经济融合、产业差异、生态环境等因素,分阶段在在京津冀(北京、天津、河北)、长三角(上海、江苏、浙江、安徽)、川渝(重庆、四川)、东北(吉林、黑龙江、辽宁)、中部五省(河南、山西、湖北、湖南、江西)、西北五省(陕西、甘肃、青海、新疆、宁夏)实施区域统一定价,而后逐步破除各省交易壁垒。如广西、内蒙古
![](//html.hanspub.org/file/12-1701471x40_hanspub.png?20240409094323460)
Figure 6. Comparison of carbon emission quotas of 30 regions in 2025
图6. 30个地区2025年碳排放配额对比
以区域交易市场的外延形式融入西北五省碳交易市场,京津冀、山东、长三角、广东和福建以区域交易市场的融合形式建立更大范围的区域碳交易市场。据此,持续推进“泛全国统一大市场”(全国仅剩三到四个大区),在2027年最终建立真正的“全国统一大市场”。
4.2. 交易制度
全国统一大市场背景交易制度的内核机制为钉住爬行波动制度,所谓钉住,即该制度参考一个由一系列碳相关锚定物所综合的指标,锚定物的价格可包括当年GDP增速,当年CO2排放量增速,人口密度变化等多重指标。爬行波动则突出其波动幅度较小的特点。考虑到设立初期激发市场活力的需求,参照欧盟碳排放交易波动幅度200%,结合我国特色社会主义市场经济制度,拟在2023年设立最大波动幅度为100%,后随各市场主体的参与积极性和综合预期的不断平稳逐步回落,最终在2021年达到50%的最终波动范围。在该波动机制外,监管机构根据交易频率,权额流向进行综合研判,有权进行价格回溯和交易终止和取消等方式维护全国碳排放权交易市场的稳定。而在交易成本方面,为响应《意见》中进一步降低交易成本要求,同时也为增强碳排放权流动性,提高其调控效率,在2023年设立初期,每手交易手续费为2.5‰,相较于现有制度中的7.5‰,费用降低幅度达66%,同时针对绿色科技转型企业的大规模交易进行资费减免,最终在2027年全国统一碳排放权交易市场建立时,资费降至0.1‰。
4.3. 监管机构
碳排放权交易市场与其他金融市场一样存在风险,如价格风险、流动性风险、操作风险等。建立统一的碳排放权交易市场监管体系,制定规范化的交易规则、监管规则、信息披露规则,是防止碳排放权交易市场失灵、防范和化解风险并保护交易安全的有效途径。碳排放权交易市场与其他金融市场一样,具有价格敏感度高、波动性强、风险传导性强的特点。在碳排放权交易市场上,同样存在借助信息优势进行的内幕交易、欺诈、市场操纵等违规行为。因此,必须加强对碳排放权交易市场的统一监管,对交易的全过程进行监管,其中明确监管主体、制定相关的信息披露规范是关键。
此外,随着我国碳排放权交易市场的发展,除了控排主体,越来越多的其他投资者,包括自然人,将会参与到市场中,因而,应当未雨绸缪,进一步完善我国碳排放权交易市场监管体系,加强统一监管,保护市场参与者利益。
5. 总结与讨论
为积极响应我国的“双碳”政策并助力建设我国碳排放权交易市场,本文利用ARIMA模型、STIRPAT模型预测了我国未来的碳排放趋势,并结合碳达峰目标所明确定义的达峰时间与总排放量规模为我国的碳排放路径做出规划。在此基础上,将预测所得数据视为全国年度可排放的碳总量,结合各地区的碳排放增长需求对不同省份的碳排放配额做出合理分配,得到碳达峰战略下30个地区2023~2027年碳排放管控目标,并针对我国碳市场的交易制度和监管措施提出了一系列切实可行的建议,为我国设计、建设、发展碳市场提供了一定的参考。结果发现,仅仅从碳排量自身规律出发使用ARIMA模型拟合我国碳排放量数据,所得结果与实际值相差较大,而考虑到了现实中经济、人口、技术等多方面的因素的STIRPAT模型效果更优;此外,除了依惯性增长做出碳排放规模的预测,根据碳达峰战略明确定义的时间与总量“倒向”预测我国的碳排放路径则是以目标为导向,能够更加突出我国的达峰目标,因此以该方法为基础分配各地区的碳排量配额更为科学合理。
通过本文的研究讨论,可以发现我国碳排放内生性增长需求与碳达峰目标峰值存在一定差距,可见中国未来面临5~10亿吨的减排压力,因此需采取一系列切实可行的减排措施,以实现“双碳”目标并推动碳排放的逐步减少。从国家层面,应该重点关注山西、山东、内蒙古、陕西、广东等地区,其减排侧重点又有不同。如山西、内蒙古主要原因在于能源领域,应加速经济产业结构调整;广东和山东,作为东部沿海地区,应给自身提出更高减排目标,承担责任,为后发地区留有碳排放空间。本文给各省份未来五年年度碳排放规模制定了配额,实质是为各地区提出了控制碳排放规模增长的目标。考虑到全国统一碳排放权交易市场,规模应在120亿吨左右,中央可以截留部分配额,向特定地区免费释放,把碳排放权作为新形式财政转移工具,促进共同富裕。
然而本文的研究也存在一定的不足。首先,在进行碳排放趋势预测和碳排放配额规划时,所使用的模型仍然具有一定的不确定性。未来的碳排放受到多种因素的影响,包括经济增长、技术创新、政策调整等,这些因素难以完全被模型考虑到。因此,在未来研究中可以考虑引入更多因素,采用多种模型组合的方法,提高对未来碳排放趋势预测的准确性。其次,碳排放配额的分配涉及到多方面的考虑,包括地区经济发展水平、产业结构、能源利用状况等。本文虽然考虑了各地区的碳排放内生性的增长需求,但在具体实施时还需要更加详细的因素考虑,以确保分配的公平和科学性。未来的工作可以进一步加强对不同地区碳排放分布规律以及地区经济、人口、政策、技术等多方面的深入分析,更精准地确定碳排放配额。