第52卷第5期2012年9月口低碳经济与发展吉林大学社会科学学报Jilin University Journal Social Sciences Edition 中国碳金融对产业结构和能源消费结构的影响一二基于CDM视角的实证研究杨大光刘嘉夫Vol. 52 No. 5 Sep. , 2012 [摘要]碳金融在中国的发展刚刚起步。中国作为京都议定书附件二国家之一，在第一承诺期内暂无减排义务，目前主要借助清洁发展机制CDM通过碳排放权交易参与国际碳金融市场活动。选取2∞6年到2010年我国十个省份基于CDM碳交易的预计碳减排量数据，通过面板数据模型分析碳金融对各省份产业结构及能源消费结构的影响。根据实证分析的结果显示，各地区单位GDP的锁减排量对其产业结构和能源消费结构的影响是显著的，即发展碳金融有利于促进各省产业结构和能源消费结构的优化调整。[关键词]碳金融;清洁发展机制;产业结构;能源消费结构;西板数据模型[基金项目]中央高校基本科研业务费专项资金IOSSXT013 [收稿日期2012 -05 -16 [作者简介]杨大光，东北师范大学经济学院教授刘嘉夫，东北师范大学经济学院金融学专业硕士研究生o长春130117 、引言近年来碳金融作为金融市场上的一股新生力量，逐步开始显现其对产业结构及能摞消费结构的重要影响。有关碳金融的准确定义学术界尚无定论，一般将碳金融表述为为减少温室气体排放所进行的各种金融制度安排和金融交易活动，包括碳排放权及其衍生产品的交易、低碳项目开发的投融资，也包括碳保险、碳基金，以及相关金融咨询服务等业务。叫IJ碳金融活动所依赖的碳金融市场的出现源于两个国际公约一一联合国气候变化框架公约和京都议定书。这两个公约将国际社会对于积极应对气候变化的共识转化为强制减排的义务，因此也造就了国际碳金融市场的迅猛发展。根据世界银行统计数据显示，2005年国际碳金融市场交易总额为108.65亿美元，到2010年交易额激增到1419亿美元①，5年间交易规模超过13倍。随着国际碳金融市场的发展壮大，市场参与者正在以碳权交易、衍生产品交易、低碳项目投资、碳基金等多种方式影响着世界经济结构的变化。① 数据来源世界银行，State and Trends of the Car七onMarket 2011。.98. 目前，中国参与国际碳金融活动的途径比较单一，主要以发展中国家身份作为京都议定书中的附件二缔约方与附件一缔约方之间通过清洁发展机制CDM进行碳排放权交易。截至2012年1月16日，国家发改委共批准CDM项目3700个，预计实现碳减排量55817万吨二氧化碳当量①。如此规模的碳排放权交易对我国经济结构的变化是否产生了影响，国内学者对于这一问题的研究还比较少。高建良首次论证了绿色金融与可持续发展之间的关系，明确了发展绿色金融对我国经济协调发展的重要性。[2J刑继俊和赵刚从技术经济学的角度论述了发展低碳经济与调整产业结构、调整能源结构、提高能源效率之间的关系，并指出发展低碳经济的重要意义。[3J 然而，已有的研究成果侧重于从理论角度分析碳金融的发展如何促进我国经济结构调整和优化，相应的实证研究几乎没有。本文将在定性分析碳金融活动对经济结构影响方式的基础上，基于我国部分地区的历史数据对这一论题进行实证研究。这将为我国政府采取通过促进碳金融市场发展的方式实现经济结构调整优化提供更重要的依据。二、中国碳金融对产业结构及能源消费结构的影响方式当前国际范围内的碳金融活动主要包括四个方面一是基于碳排放配额的实物交易活动;二是机构投资者和风险投资者介入资本市场的投融资活动;三是基于碳权交易的金融衍生产品市场，如碳排放期货、期权市场;四是商业银行的碳金融创新活动。[4J在这一部分，笔者将深入分析我国目前开展的各项碳金融活动对产业结构及能源消费结构的影响方式。1碳排放权交易的影响碳排放权交易泛指各类温室气体排放权的交易，最早是由联合国为应对气候变化创建的一种贸易体系。[盯在国际碳金融市场发展历程中，以碳排放权交易为基础派生出了各种相关的金融衍生产品。中国的碳金融发展进程尚处起步阶段，还没有建立起完善的碳交易市场规则和制度，以此为基础的金融衍生产品也尚未开展。目前我国的碳交易主要基于京都议定书引进的清洁发展机制CDM，该机制为附件一缔约方和附件二缔约方创造了一种合作机制，发达国家或企业通过向发展中国家投资具有减排作用的项目，利用项目产生的减排量抵消其超出京都议定书减排承诺的部分，同时，作为被投资方发展中国家获得投资方提供的技术支持或额外收入。在此模式下，碳排放量作为一种有价商品被市场交易，某一产业的碳排放量越大，随之产生的机会成本就越高。尤其是在碳交易的收益大于低碳技术改造成本或者新产业的投资成本时，在经济利益的驱动下，更多的资金会流入到现有产业的低碳技术研发应用和以低碳技术为核心的新兴产业，包括清洁能源产业，如核能、风能、太阳能和水力发电等，从而推动产业结构升级和能源消费结构的进一步优化。2商业银行碳金融创新的影响绿色信贷业务是国内碳金融活动的核心。2008年初，中国银监会发布节能减排授信工作指导意见，从源头出发对高污染、高耗能、高排放的三高企业和项目釜底抽薪。在绿色信贷政策推行过程中，→方面，许多三高企业难以从商业银行得到资金支持;另一方面，商业银行依据国家的环境经济政策和产业政策，对研发和生产治污设施、从事生态保护、开发利用新能源、从事循环经济生产的企业或机构等，提供贷款扶持，有效扩大了这些行业或企业的发展空间。[4J与此同时，越来越多的商业银行意识到绿色信贷业务对其自身发展的重要性。其二，绿色信贷可以有效规避企业由于环保原因而被迫停产或关闭的潜在风险，从而避免不良贷款的增① 数据来源中罔清洁发展机制网，http;//cdm. ccchina. gov. cnlweb/main. asp Co\umnld 18。.99. 加;其二，绿色信贷项目可以帮助企业树立环保形象，彰显企业社会责任感;其三，绿色信贷的市场发展前景不可限量，将会成为未来银行业竞争的一个主战场02008年10月31日，兴业银行正式公开承诺采纳赤道原则，成为中国首家赤道银行。此后，兴业银行在绿色信贷方面大胆创新，研发出了覆盖能源生产、能源输送、能源使用等多个环节的新型授信模式，有效解决企业融资困难问题的同时为自己赢取了经济利益和社会声誉。因此，商业银行积极探索碳金融业务创新之路不仅可以解决低碳技术企业和新能源行业的融资问题，促进低碳经济发展，同时可以促使银行业在绿色金融背景下迎来自身发展的新机遇，进而引领金融业进入一个新的高速发展期。3碳基金的影响碳基金是在京都议定书下为促进低碳经济发展而衍生出来的新型金融工具，由政府、金融机构、企业和个人投资设立，致力于在全球范围购买碳信用或投资于温室气体减排项目，以获得碳信用或现金回报。[6J根据世界银行的统计数据显示，国际碳基金的数量随着碳交易的迅猛发展，以每年20的幅度增加，其中欧盟碳基金数量占全球数量的56①。从投资主体来看，国际碳基金中机构投资者的数量已经超过半数，超越政府主导型基金成为碳基金投资的主要力量。我国碳基金的发展还不够成熟，目前主要以政府引导为主，金融机构、企业和个人投资基金数量不多。从基金投向来看，碳基金主要有两种投资方式一是碳减排购买协议方式ER PAs ，即直接购买温室气体减排量;二是直接融资方式，即基金直接为相关项目提供融资支持，如股权投资、直接信贷支持等。我国目前成立的碳基金多用于为低碳项目提供直接融资支持，进而促进低碳产业发展。二、基于CDM的碳交易影响的实证分析下面我们以与碳交易关系最密切的产业结构和能源消费结构为例，通过实证研究，分析碳交易对地区产业结构和能源消费结构的影响，探究其对于优化结构调整的推动作用。表1中国CDM项目数及估计年减排量年份2006 2007 2008 2009 201 0 2011 合计CDM项目数个237773 769 530 520 713 3542 估计年减排量mtC02e63.796 140.322 109.252 75.189 64.587 91. 477 544.623 50口450 400 350 30口250 200 150 100 50 o 云陶四JII内.山东甘肃河北湖南山西河南辽宁回项目数t个.预计碳减排晕〈百万吨C02e图12006-2010年各省累计获批CDM项目数及预计碳减排量②① 数据来源世界银行，10 Years of Carbon Fnance Experience , 2009。② 表1及图l数据来源中国清洁发展机制网，hUpllcdm. ccchna. gov. cnlweb/man. asp Columnld 18 0 .100. 2006-2011年，国家发改委累计批准CDM项目3542项，累计实现碳减排量54462万吨二氧化碳当量，如表1所示。笔者对已获批CDM项目按省归类，得到2006年到2010年各省获批的CDM项目数及其预计碳减排量。本文选取5年间CDM项目数量及碳减排量处于前十位的省份作为本文的研究对象，见图1。在该部分的实证分析中，需要定义几个变量1产业结构变化值lndustrialStructure Variation ISV ;I I Qi - QiQ I 0其中矶、Q2、Q3分别表示第一、第二、第三产业等占当年GDP的百分比，矶。表示2005年基期年份三次产业各占当年GDP的百分比。2能源消费结构变化值EnergyConsumption Structure Variation ECSV 主JEi-EρJ 0 其中EI、E2、矶、E4分别表示煤炭、石油、天然气、其他能源主要包括水电、核电和风电等能源消费占当年各省份能源消费总量的百分比，E;Q表示2005年基期年份各种能源消费各占当年各省份能源消费总量的百分比。3单位GDP碳减排量CarbonEmission Reduction per GDP CERG CER/GDP。其中CER表示基于CDM项目的预计碳减排量GDP为各省份的地区生产总值。由于地区生产总值与各种能源的消费总量成正相关关系，并且各种能源消耗量可以按一定比例折算出相应的碳排放量，因此该指标值越大，说明基于CDM碳交易的碳减排量在单位GDP耗能所产生的碳排放量中占比越大，同时说明基于CDM碳交易的碳金融发展规模越大;反之，该指标值越小，、说明基于CDM碳交易的碳减排量在单位GDP耗能所产生的碳排放量中占比越小，同时说明基于CDM碳交易的碳金融发展规模较小。通过对2006-2010年间本文研究对象的各地区单位GDP碳减排量、产业结构变化值、能源消费结构变化值的变化趋势的研究，笔者发现3个指标在5年间的变化存在一定共性。第一，过去五年间单位GDP碳减排量的变化表现出先增后减逐渐趋于平稳的趋势，除辽宁省外其他地区该指标值都在2007年达到一个峰值，其中云南省最为显著，2006年该省每百万GDP的碳减排量为1.68万吨C02e，2007年该指标激增到22.85万吨C02eo之后3年中各省该指标值都表现出比较平稳的下降趋势，只有2010年个别省份的碳交易量表现出较大幅度的增长，如甘肃。第二，样本地区产业结构变化值在2007年相较2006年而言均表现出→定程度的增长，其中内蒙古、山西等省份该指标值的增长率超过1000之后两年间各省的产业结构变化值整体呈减小趋势，波动幅度不大。2010年部分省份表现出较大的正向波动，如内蒙古、四川等。第二，样本地区能源消费结构变化值与单位GDP碳减排量的变化趋势极为相似，大多地区该指标值在2007年达到一个峰值，而此后的3年进入4个相对平稳期，整体较2007年的水平有所下降，但各省的产业结构变化值基本维持在一个狭窄的区间内。为了进一步验证上述三个指标之间确实存在共性关系，下面采用精确的计量经济模型进行论证。l.数据来源本文模型分析的原始数据选取2006-2010年我国云南、四川、内蒙古、山东、甘肃、河北、湖南、山西、河南和辽宁等省份的地区生产总值、地区生产总值构成按第一、第二、第三产业划分、能源消费结构按煤炭、石油、天然气、其他能源划分、基于CDM项目的预计碳减排量等指标数据。数据来源于中国统汁年鉴2011}、中国能源统计年鉴2011}、新中国60年统计资料汇编及中国清洁发展机制网公布的CDM项目相关数据。2.模型选取目前有关CDM项目碳减排量的时间序列数据较少，官方统计数据始于2005年。为提高模型估计的精确度和可靠性，基于本文的数据结构笔者选取面板数据PanelData模型进行实证. 101 . 分析。考虑k个经济指标在N个个体及T个时间点上变动关系的面板数据模型基本形式如下[7]rit αuzuβi， Ui 1 ,2 , ,N , t1 ,2 , ,T 1 其中，.N表示个体截面成员的个数，T表示每个截面成员的观测时期总数，参数αιt表示模型的常数项，β表示对应于解释变量向量凡的kx1维系数向量，k表示解释变量的个数。根据不同的形式，干扰项阳的构成可以进行单因素和双因素分解。干扰项在截面个体上的单因素分解形式为Uμi叫2其中，μz是一个时间恒定的变量，在不同的观测期间内取值相同，表示不能观测的个体特征对因变量产生的影响，用以解释回归中未包含的个体特征影响;Vit表示剩余的扰动项，它随着观测个体和时间同时发生变化，被看做是一般回归模型中的误差项。若μ0 ，模型1式的系数估计方法就是普通最小二乘法OL5，称为混合估计模型PooledOL5。若假定μz为固定的非零参数，it服从独立同分布，那么面板数据模型的构建将有效地解择N个样本自身观测不到的特征对因变量的影响，称为固定效应模型FixedEffect Model。若假定μz随机变化，并服从独立同分布，称为随机效应模型RandomEffect Model。在本文的实证分析中，笔者将采用上述三种面板数据模型逐次讨论基于CDM的碳交易对样本地区产业结构和能源消费结构的影响。3.模型估计及检验首先，我们研究基于CDM的碳交易对各样本地区产业结构的影响。参数估计分别采用混合估计模型、固定效应模型和随机效应模型进行计算，估计结果如表2所示。表2基于CDM的碳交易对产业结构影晌的面板数据模型分析结果变量名称1昆合估计模型固定效应模型随机效应模型估计值标准误差P值估计值标准误差P值估计值标准误差P值截距项U6.6588 0.8667 0.0000 6.2863 0.7776 0.0000 6.3767 1. 5650 O. 0002 CERG 0.0423 0.0959 0.3612 0.0953 0.1020 0.0856 0.0820 0.0892 0.0926 R2 0.0040 0.7331 0.0173 调整R2- O. 0167 0.6264 - O. 0032 F统计量O. 1945 6. 8674 O. 8450 P值0.6612 0.0000 0.3626 Hausman检验X2统计量0.0718 P值O. 7886 固定效应检验F统计量7.3549 P值0.0000 在给定10的置信水平下，单位GDP的碳减排量与产业结构变化值之间存在正相关关系，根据t检验量的P值显示，这种相关关系在固定效应模型和随机效应模型中的表现是显著的。由于随机效应模型的Hausman检验的矿统计量置信度较低P值0.7886 ，并且回归模型拟合度R2 0.0173偏小，所以暂不考虑。在固定效应模型中，个体固定影响、时期固定影响以及个体、时期联合影响的显著性检验统计量分别为F个体 6.4744 , P值0.0000 F时期 9.3364 , P值0.0000 F联合 7.3549 , P值0.0000 由其P值可以判定固定效应模型形式设定正确，且模型拟合度R2 O. 7331 较高，所以.102. 选取固定效应模型。根据最小二乘方法得到的模型估计结果为ISVit ; 6. 2863 μi O. 0953CERGit i 3 其中，μa表示各样本省份产业结构变化值对平均产业结构变化值的偏离，结果见表30Vi表示时期变化带来的样本省份产业结构的变化，结果见表40表3样本地区产业结构变化对平均变化值的偏离地区估计值地区估计值云南一2.9140河北一2.652657四川2.8315 湖南1. 1534 内蒙古5.6761 山西一2.1136 山东-2.0610 河南1. 2169 甘肃一1.2587辽宁O. 1221 表4样本地区2006-2010年产业结构变化对平均变化值的偏离气『-ζU72伊b-nunuc←-nυnu 庐尘-9叫L估计值-3.1569 -1. 1329 刊一则川估计值0.2515 3.2407 2008 0.7976 从模型估计结果3式可以看出，单位GDP碳减排量CERG的系数为正数，且回归方程的拟合程度较高。说明了产业结构变化值ISV与单位GDP碳减排量CERG呈正相关关系。单位GDP碳减排量CERG越大，说明该地区碳减排量占其单位GDP能耗的碳排放量越大，由于存在正相关性，产业结构变化值就越大;单位GDP碳减排量CERG越小，碳减排量占其单位GDP能耗的碳排放量越小，由于正相关性，产业结构变化值就越小。由此得出的结论是，某一地区基于CDM的碳交易对该地区产业结构的变化有积极的正向作用。其次，我们分析基于CDM碳交易的碳减排量对各样本省份能源消费结构的影响。参数估计依然采用混合估计模型、固定效应模型和随机效应模型，估计结果如表5所示。表5基于CDM的碳交易对能源消费结构影晌的面板数据模型分析结果变量名称截距项CERG R2 调整R2F统计量P值2.4337 0.3440 0.0000 3.3378 0.3568 0.0000 0.1254 0.0380 0.0018一0.00670.0468 0.8866 O. 1846 O. 7080 O. 1676 0.5912 10. 8655 6.0623 0.0018 0.0000 混合估计模型固定效应模型随机效应模型估计值标准误差P值估计值标准误差P值估计值标准误差P值2.8791 0.4605 0.0000 0.0603 0.0358 0.0984 0.0559 0.0362 2.8401 0.0984 X2统计量4.9500 P值0.0261 Hausman检验固定效应检验F统计量4. 8266 P值O. 0001 在给定10的置信水平下，单位GDP的碳减排量与能源消费结构变化值之间同样存在正相关关系，上表中t检验量的P值显示，这种相关关系在混合估计模型和随机效应模型中的表现是 103 . 显著的。但是随机效应模型的模型拟合度R2 O. 0559 偏小，并且解释变量和F统计量的P值都接近0.1，置信度不高，所以暂不考虑。在给定1的置信水平下，混合估计模型中t检验量显示单位GDP的碳减排量与能源消费结构变化值之间依然存在正相关关系，并且F统计量可以通过检验P值0.0018 ，模型设定正确。同时注意到，混合估计模型的拟合程度不高R2 O. 1846 ，这跟模型中解释变量数日较少有关，但基本不会影响模型结论。根据普通最小二乘方法得到的模型估计结果为ECSVit 2. 4337 O. 1254CERGit 4 从回归方程4式可以看出，单位GDP碳减排量CERG的系数为正数，说明能源消费结构变化值ECSV与单位GDP碳减排量CERG呈正相关关系。单位GDP碳减排量CERG越大，说明该地区碳减排量占其单位GDP能耗的碳排放量比例越大，为了达到减排目的，该地区会转变能源消费结构或者提高能源利用效率，从而在数据上表现出能源消费结构变化值越大;相反，单位GDP碳减排量CERG越小，说明该地区碳减排量占其单位GDP能耗的碳排放量比例越小，减排压力小导致缺乏创新的动力，所以能源消费结构变化值就越小。由此可以得出结论，某一地区基于CDM的碳交易对该地区能源消费结构的调整亦有积极的正向作用。4.模型结果分析根据面板数据模型得出的方程3与方程4表明某一地区碳交易规模的大小会对该地区产业结构和能源消费结构的变动产生显著的积极影响。具体地第一，某一地区基于CDM的碳交易会促进该地区产业结构的调整。当某一地区基于CDM的碳交易量占其单位GDP比重较大时，由于方程3中CERG与ISV之间存在正相关关系，会导致该地区产业结构随之出现较大变化。并且由方程3中解释变量的系数可以看出，当单位GDP碳减排量增长一倍时，相应的产业结构将会变动9.53，这将会对各地区产业结构调整产生非常积极的促进作用。第二，某一地区基于CDM的碳交易会促进该地区能源消费结构的调整。某一地区基于CDM的碳交易量占其单位GDP比重越大，基于方程4中CERG与ECSV之间的正相关关系，该地区能源消费结构会随之出现较大变化。同样根据方程4中解释变量的系数可以得出，当单位GDP的碳减排量增长一倍时，相应的能源消费结构会变动12.549毛。相比对于产业结构的影响，碳交易对能源消费结构的影响更加明显。第三，各地区产业结构变化呈现出明显的差异性。由固定效应模型参数估计得到的表3可以看出，扣除碳交易这一因素的影响之外，各地区产业结构变化对其平均值呈现出不同方向上的较大偏离。比如内蒙古表现出明显的正向偏离，即样本期间内其产业结构变化异常剧烈，第一产业占地区生产总值的比重5年间降幅达37.8，而第二产业占比则表现出明显的上升趋势，增长20。这样的结果与当地的社会经济基础有密切关系，主要是因为地处内陆边疆的内蒙古经济发展比较落后，在样本期内正处于工业化的高速发展期，因此出现第一产业比重下降，第二产业比重增加的结果。比较而言，辽宁省的产业结构变化则比较温和，作为东北老工业基地之一，辽宁省的工业基础雄厚，产业结构比较稳定。根据各地区实际情况分析得出其产业结构变动的影响因素对于推动当地产业结构的进一步优化具有重要意义。限于篇幅，本文不再详尽分析。此外，在对日前已批准CDM项目的归纳分析中，笔者还发现我国目前CDM项目实施过程中尚存在一些问题，比如从项目类型来看，项目过度集中于新能源和可再生能源领域比如水电、风电，而一些减排潜力巨大的领域如交通运输、建筑节能等由于方法学复杂、交易成本较高等原因没有得到有效开发。从项目所处地域来看，已批准项目在各省之间分布严重不均，过度集中于云南、四川、内蒙古、甘肃等地，一定程度上是因为这些地区具有丰富的水能和风能资. 104. 源。同时，我国还存在缺乏核查认证机构、项目中介机构混乱、项目减排量转让价格总体偏低等问题。[8J 四、政策建议通过本文的论证可以看出发展基于CDM的碳金融对于地区经济结构调整具有积极的促进作用，并且这种影响在实证分析中得到了数据支持。因此，在十二五期间，各地区为了圆满完成调结构的重要任务，各级政府需要高度重视大力发展基于CDM的碳金融。针对目前CDM在我国实施过程中的问题，笔者简要提出几点建议。第一，完善CDM项目管理制度。2011年8月3日，国家发改委、科技部、外交部、财政部联合发布了清洁发展机制项目运行管理办法修订}，对2005年起实施的管理办法进行了修订。但是对于中介机构行为规范、市场准入制度、项目监管等问题还是没有做出明确规定。因此，政府部门应根据联合国气候管理框架公约和京都议定书等有关规定，结合我国具体情况尽早制订出符合国情的管理规定，促进我国CDM项日的健康发展。第二，建立统一的碳交易体系，鼓励碳交易金融产品创新。目前，虽然我国已在北京、天津、上海等地建立碳排放交易所、环境气候交易所和能源交易所，但由于交易区域、功能等方面的局限，发挥的作用十分有限。借鉴欧洲的先进经验，我国应该建立统一的碳交易体系，完善碳交易市场运行机制，并逐步形成有效的市场运价机制以合理确寇碳排放权价格。鼓励企业和金融机构进入碳交易市场，充分发挥自身优势，大力开发碳期权、碳期货、碳基金等金融衍生产品，促进我国碳交易市场的发展壮大。第三，鼓励开展CDM项目研究。CDM作为一种同际环境与经济合作的新模式，其运行涉及环境、经济、管理、技术、法律等诸多领域，要实现CDM的可持续发展就需要开展跨学科、多层次的研究。尤其是2012年作为京都议定书第一承诺期的收宫之年，CDM未来的发展存在一定的不确定性，这就更需要广大学者及时跟踪京都灵活机制的发展态势，研究2012年后灵活机制可能面临的问题和相应对策，为CDM在我国的可持续发展奠定根基。[参考文献][ 1 J袁鹰碳金融不仅仅是机会，金融博览银行客户，2008年8期。[2J高建良，，1998年4期。[3J刑继俊、赵刚，上海金融，2010年8期。[5J李婷、李成武、何剑锋同际碳交易市场发展现状及我罔碳交易市场展望，，，能源与环境，2011年4期。[责任编辑赵东奎] 105