赵立祥，王丽丽
(北京工业大学 经济与管理学院，北京 100124)
摘 要：选取北京、上海、广东、湖北碳交易市场自成立至2017年3月31日的收盘价数据，通过对日收益序列数据的分析，运用一阶自回归过程调整日收益序列以消除淡薄交易市场效应，之后综合运用检验性逐渐增强的4个方差比检验，判断4个碳交易市场的弱式有效性。研究结果表明：①国内碳交易市场属于淡薄交易市场；②市场中的价格信息堆积，信息透明度较差；③碳交易市场投资风险较大；④碳配额持有期不同，市场有效性具有差异，且具有阶段性特点；⑤北京碳交易二级市场属于弱式无效市场，上海、广东碳交易市场虽属于弱式无效市场，但随着碳额持有期增加，市场的弱式有效不断加强，湖北碳交易已经达到了弱式有效水平。最后，基于研究结论对如何加强中国碳交易二级市场有效性提出4点建议。
关键词：日收益序列；市场有效性；碳交易市场；方差比检验
20世纪60年代Fama[1]提出的有效市场假说理论奠定了西方现代金融市场的理论基础，其研究成果已对市场投资行为产生了重要影响。有效市场假说是指价格充分反映市场中全部信息。依据价格对信息的反映程度，将有效市场划分为3个层次[2]：弱式有效、半强式有效和强式有效。Shleifer[3]认为市场有效并非指市场完善，而是市场机制可以冲抵市场中非理性因素，确保市场价格回归理性。
国外较为成熟的股票市场、证券市场和期货市场已经达到了弱式有效。一些学者借鉴金融市场有效性研究方法检验了欧盟碳交易市场的有效性，研究显示欧盟碳交易市场在第一阶段未达到弱式有效，第二阶段达到了弱式有效，第三阶段呈现弱式无效[4]。而国内碳交易市场起步较晚，自2013年中国陆续建立了北京、天津、上海、湖北、广东、深圳、重庆、四川和福建9个碳交易市场，截至2016年12月31日碳交易累计成交量11 600万t，成交额约25亿元[5]，市场履约率不断提高，整体接近99%。然而，我国部分碳交易试点交易日有价无市的情况频发，碳价波动性大，碳配额流动性差，履约期内具有明显的量价齐升现象。而学者对国内碳交易市场有效性的研究不多，且已有研究对同一碳交易市场有效性的判断也具有较大争议。
随着我国碳交易市场不断深化和发展，全国统一碳交易市场建设也提上日程。由此可见，中国碳交易二级市场是否达到了有效水平对建设全国统一碳交易市场至关重要。
本文在现实背景和已有研究的基础上，以北京、上海、广东、湖北4个碳交易试点的日收益序列为研究对象，采用方差比检验方法判断市场有效性，针对碳交易市场存在的问题提出改进建议，对检验市场有效性的文献进行综述，阐述检验国内4个碳交易二级市场有效性的研究设计，分析碳交易二级市场有效性检验实证结果，最后提出结论和建议。
依据Fama[1]有效市场假说理论，若当前价格充分反映了市场中全部历史价格信息，则该市场达到了弱式有效；若当前价格充分反映了市场价格的全部公开信息，则市场达到了半强式有效；若当前价格充分反映了公司运作的全部信息(包括历史信息、公开信息和未公开信息)，则市场达到了强式有效。有效市场假说理论基于3个假设前提：理性参与者、无交易成本、无信息成本。3个假设条件为市场有效性的充分不必要条件，即使市场中存在交易成本和信息成本，由于参与者对市场信息的理解不同，也不一定会导致市场无效，其只是市场无效的潜在原因。
以往，市场有效性的研究领域主要集中在股票市场、证券市场和期货市场，以单位根过程、随机游程检验、序列相关检验、资本资产定价模型和方差比检验为检验市场有效性的主要研究方法[6-13]。近年，碳交易市场有效性的研究已成为学者研究的热点，但多集中于EU-EST市场有效性方面。George Daskalakis等[14]基于序列相关和传统方差比的检验方法，运用现货和期货交易数据研究欧盟碳交易市场，结果表明由于EU-ETS处于萌芽期，加之市场中买空卖空行为，导致了欧盟碳交易市场第一阶段未达到弱式有效水平。Montagnoli[15]运用方差比检验方法，检验了第一、二阶段持有期为2、5和10天的市场有效性，研究结果证实了George Daskalakis等的研究结论，表明欧盟碳交易市场第二阶段为弱式有效市场。Amélie Charle等[16]基于持有成本假说研究了影响欧盟市场有效性的因素，表明即使在结构突变的情况下期货价格与现货价格以及利率均为协整关系，市场缺乏持有成本是市场无效的主要原因。在此基础上，Gbenga Ibikunle等[17]研究了欧洲气候交易所中市场流动性和有效性的关系，表明市场流动性越大，收益回报的可预测性越会降低，欧盟碳交易市场第二阶段有效性则逐渐增强。
由于国内碳交易市场成立至今仅4年多时间，属新兴市场，受限于碳交易数据，国内碳交易市场有效性的研究成果有限。国内碳交易二级市场有效性的判断一直是学者研究的热点和争论的焦点，其中，王倩等[18]运用单位根检验和传统方差比模型，对深圳、北京、上海、天津碳交易市场有效性进行了研究，认为部分碳交易市场达到了弱式有效，增加市场流动性有助于提高市场有效性，但同时应避免个人投机者参与。王杨雷等[19]仅选取了北京碳交易市场自2013年11月28日到2015年6月29日的碳交易收盘价数据，基于分形市场理论，运用重标极差分析法得到碳价具有明显的记忆效应，上一时刻的碳价对下一时刻碳价的影响较大，表明北京碳交易市场尚未达到弱式有效水平。Lei Wu等[20]运用单位根检验和游程检验方法，研究了北京、上海、天津和深圳4个碳交易二级市场的有效性，结果显示随着市场参与者增多、碳配额流动性增强，4个碳交易市场均达到了弱式有效，但未达到半强式和强式有效。Zhao Xin-gang等[21]从碳价、碳交易量、流动性以及信息透明度等方面对市场有效性进行讨论，认为国内碳交易试点的有效性并不令人满意。
国内学者的上述研究填补了我国碳交易市场有效性研究的空白，但也存在以下两方面的不足：①检验方法。收益时间序列服从正态分布是选取单位根检验方法的前提，但碳价的日收益序列并不服从正态分布，故单位根检验方法不适合于检验碳交易市场有效性[22]。随机游程检验仅是市场弱式有效的充分条件，若收益时间序列偏离随机游程，则并不能证明市场无效[23]。传统方差比检验具有扭曲样本以及持有期不确定性的缺陷，容易导致检验结果偏差[24]；②数据处理。鉴于我国碳市场属于淡薄市场，而国内学者直接将交易量为零的交易日数据剔除，有可能对碳交易二级市场有效性的判断产生偏差。淡薄市场是指市场参与者不活跃、成交量少、流动性不足的市场[25]。
在已有研究的基础上，本文作出以下4点拓展：①将碳交易市场弱式有效定义为碳价充分反映与碳排放相关的全部信息；②综合运用传统方差比检验(Lo and MacKinlay(1998) test)、基于wild bootstrap 方法的Wright 秩和符号检验(Wright(2000)rank and sign test)、Wright秩和符号联合检验以及多重方差比检验(Wild and Bootstrap Chow-Denning test of kim(2006))4种检验效果逐渐增强的检验方法，检验北京、上海、广东、湖北碳交易市场的弱式有效并作出基本判断；③基于一阶自回归过程即AR(1)过程对淡薄碳交易市场进行调整；④分析碳配额不同持有期的碳交易二级市场有效性。将持有期设置为2、5、10、20、40天，若多于两个持有期的检验结果大于临界值，则拒绝原假设，说明该碳交易二级市场为弱式无效市场。
鉴于重庆、天津碳交易试点的碳交易记录数据缺失较多，四川、福建碳交易市场自成立至今的时间较短，深圳碳交易的品种较多且价格不统一，根据数据可得性和相对完整性，本文从中国碳交易网站选取北京、上海、广东、湖北4个碳交易所自开始运行至2017年3月31日的收盘价数据。样本区间分别为2013年11月28日-2017年3月31日、2013年12月19日-2017年3月31日、2013年12月19日-2017年3月31日、2014年6月19日-2017年3月31日。手动剔除休市数据，最终得到4个碳交易所的有效样本量分别为854、824、825和729个观察值。
碳交易市场价格波动性反映碳交易市场价格变化，是碳交易市场的常态，而过度波动则会提高市场交易者承担的风险以及流动成本，从而使市场缺乏价格发现功能，导致市场无效[26]。基于价格变化幅度，采用收益序列作为衡量各个碳交易市场波动性的指标，其中，收益序列Ri,t的计算公式如下：
Ri,t=lnPi,t-lnPi,t-1
(1)
式中，Pi,t为第i个碳交易市场第t日的收盘价，Pi,t-1为i个碳交易市场第t-1日收盘价。统计得到日收益序列的样本量分别为853、823、824、728个观察值。
Wirl[27]构建了非竞争交易许可证的新兴市场理论模型，认为新兴市场中成交笔数少且成交量小，属于淡薄交易市场。淡薄交易数据容易形成噪声，导致模型估计偏差。如Montagnoli[15]认为基于有效市场理论检验欧盟碳交易市场有效性时，若不调节淡薄市场效应，则检验结果不具有准确性。Ibikunle等[28]研究发现交易量低的碳配额更具有碳价发现功能，且流动性低的碳配额与价格变动基本上呈反向变动。因此，在检验市场有效性之前，有必要对淡薄交易市场数据进行调整。本文依据Milleretal[29]的方法调整国内碳交易市场中的日收益序列，降低日收益序列的自相关性，消除交易过程中罕见交易的市场现象。
首先，运用AR(1)过程对日收益序列进行调整：
Ri,t=α+βRi,t-1+εi,t
(2)
其次,利用回归的残差序εi,t进行点估计：
(3)
调整后的时间序列即为消除淡薄交易市场效应的日收益序列。
本文借鉴Omid Sabbaghi等[30]的研究思路，运用检验性逐渐增强的4个方差比模型判定市场有效性。
2.2.1 传统方差比检验
Lo 和 MacKinlay[31]方差比检验又称为传统方差比检验，该方法允许被检验序列服从非正态分布，同时允许存在异方差。鉴于其宽泛的检验条件，学者将其广泛运用于金融时间序列检验。若碳交易价格的日收益序列服从鞅过程，则日收益序列方差随着时间线性增加：第K期方差是第1期方差的K倍。日收益序列服从独立同分布(i.i.d)是该序列服从鞅过程的前提。原假设为：日收益序列服从鞅过程，即VR(k)=1。若|VR(k)|>1，则说明碳交易价格波动较大(大幅度上涨或者下跌)；若|VR(k)|<1，则表明碳交易价格趋于平稳。ri,t是碳交易市场i在时间样本T内碳价的日收益序列，其中，i代表北京、上海、广东、湖北碳交易市场，T→
。其渐进检验方程如下：
VR(k)=
(4)
式中，Yi,t为调整后的日收益序列，
为碳额的持有期。传统方差比检验结果分为同方差检验和异方差检验，其中，同方差检验公式为：
(5)
M1服从渐进正态独立同分布。异方差检验的前提是序列存在异方差，其检验方程为：
(6)
其中，j为持有期。
异方差检验也服从渐进正态分布。若统计量超过临界值则拒绝收益序列服从鞅过程的零假设，即市场为非弱式有效市场，反之，则接受零假设。然而，传统的方差比检验存在以下3个问题；一是由于样本趋近渐进正态分布导致样本量扭曲；二是原假设是否对所有K均成立；三是K值的任意选择性问题。
2.2.2 秩和符号检验
为了解决样本规模扭曲问题，Wright32]提出了收益序列的秩和符号非参数检验。当样本量较少时，样本量具有自身分布规律，因此，检验非正态性以及非稳定数据时，该方法具有更好的检验效果。原假设为：日收益序列服从鞅过程。因此，秩检验方程如下：
(7)
(8)
本文运用ri,t表示日收益序列的秩：
运用秩检验代替传统方差比中M1的检验值，检验结果不受样本大小和异方差的限制，比传统方差比检验结果更具有说服力。Wright的研究表明，即使在存在异方差的情况下，符号检验也具有相对准确性。其检验方程如下：
(9)
式中，Si,t服从独立同分布。若统计量超过临界值则拒绝零假设，反之则接受零假设。
2.2.3 秩和符号检验联合检验
为了解决持有期K不能拒绝零假设即收益序列服从鞅过程的问题，假设VR(km)=1对所有K值均成立。对所有K期的统计量均不能大于临界值的问题进行联合检验：
CD(R1)=max{|R1(k1)|,|R1(k2)|,…,|R1(km)|}
(10)
CD(R2)=max{|R2(k1)|,|R2(k2)|,…,|R2(km)|}
(11)
CD(S1)=max{|S1(k1)|,|S1(k2)|,…,|S1(km)|}
(12)
其中，CD(Rj)服从
分布。CD(Sj)服从
分布，其中，
依据独立同分布
序列计算。若统计量超过临界值，则拒绝零假设，反之则接受零假设。
2.2.4 多重方差比检验
多重方差比检验的零假设VR(km)=1对所有的K值均成立，备择假设VR(km)≠1对部分持有期成立，其中，m=1,…,m。该统计量的公式为MV=1≤m≤k|M(x;km)|。传统方差比检验的统计量的假设前提为V(k)=1，统计量为：
(13)
该统计量服从渐进正态分布，其中，V(k)为K阶回归方差与1阶回归方差比值的1/k，解决了样本持有期任意选择的问题。Kim[24]借鉴传统方差比和Chow &Denning检验，将自举法(wild boost)引入到方差比检验中，设置重复次数等于1 000。由于MV统计量具有近似抽样分布特征，解决了样本量较少导致的样本扭曲问题。
北京、上海、广东、湖北碳交易所成立至2017年3月31日的收益序列描述性统计如表1所示。其中，北京、上海、广东碳交易市场的零收益序列占比均超过了30%，上海碳交易市场高达49.5%，北京为37.28%，广东为35.80%，湖北为8.52%，且4个碳交易市场经常出现日单笔成交、交易量小甚至无交易量的情况，说明4个碳交易市场属于淡薄交易市场，对碳交易市场日收益序列的调整十分必要。4个碳交易市场日收益序列均值均在0附近，中位值也均接近于0，意味着碳价在一段时间内固定不变，市场不活跃。从收益序列波动幅度即最大值与最小值的差值来看，差值最小值为0.468 8，差值最大值为1.389 6，表明碳价的长期波动性较大。从标准差来看，上海碳交易市场为0.07，比广东、北京、湖北碳交易市场的标准差大，表明上海碳交易市场的价格波动性大于其它3个城市。北京、广东、湖北碳交易市场均呈现出负的偏度以及过高的峰度，其中，负的偏度表明碳交易市场收益在左侧厚尾。上海碳交易市场中的偏度为2.120 9，表明在正态分布中右侧厚尾。四大碳交易市场的日收益序列均呈现出尖峰厚尾特点，具有非正态分布特征，进一步说明市场不能完全反映市场信息从而导致信息堆积。
本文进一步对碳交易日收益序列进行了正态检验和异方差检验。JB统计量均在1%显著性水平上拒绝了日收益序列服从正态分布，这与Tsay[33]研究欧盟碳交易市场第一阶段日收益序列的分布具有一致性。4个碳交易市场中的数据具有波动集聚和非正态分布特征，与Bai等[34]研究欧盟碳交易市场碳交易数据特征具有一致性。对碳价的日收益序列进行一阶自回归过程即AR(1)，检验是否存在异方差。检验结果表明4个碳交易市场的日收益序列的LM统计量均在5%的显著性水平下拒绝了原假设，均存在异方差。
综上所述，4个城市的日收益序列具有尖峰厚尾特征；北京、湖北、广东碳交易市场左侧厚尾，上海碳交易市场右侧厚尾；碳价日收益序列服从非正态分布并存在异方差。
表1 碳交易市场日收益序列的描述性统计
注：***、**、*分别表示在1%、5%、10%的水平下显著，下同
3.2.1 传统方差比检验
4个碳交易市场日收益序列传统方差比(Lo and MacKinlay)的检验结果如表2所示。依据Miller等[28]对淡薄交易市场的处理方法，本文对4个碳交易市场的日收益序列数据均进行了调整，其中，M1和M2代表了日收益序列方差比的检验值。若两个及以上持有期的统计量大于临界值，则拒绝鞅过程的原假设，即非弱式有效市场。检验结果显示，北京碳交易市场日收益序列数据调整前，只有在持有期为5天或者10天时拒绝原假设，其它持有期均接受原假设；数据调整后仅持有期K=10时接受原假设，其它4个持有期的统计量均不同程度大于临界值，拒绝鞅过程的原假设。因此，北京碳交易市场为非弱式有效市场。该结论与王倩[18]和Lei Wu等[20]的研究结论不同，但与王扬雷[19]的研究结论具有一致性。而上海碳交易市场的日收益序列调整前后，均有3个持有期的统计量大于临界值，说明上海市碳交易市场未达到弱式有效水平，但当持有期为20天时统计量不显著，表示该市场的弱式有效趋势逐渐增强。广东和湖北碳交易市场日收益率序列的各个持有期均在1%、5%、10%水平上显著，为弱式无效市场。
综上，北京、广东和湖北碳交易市场的统计量均在不同程度上大于临界值，未达到弱式有效水平；上海碳交易市场为非弱式有效市场，但市场的弱式有效趋势不断增强。
表2 传统方差比检验结果
3.2.2 秩和符号检验
该检验是为了解决传统方差比检验导致的样本规模扭曲问题，相较于传统的方差比检验结果更具有可信性。每个持有期的3个统计量若有两个及以上统计量的值大于临界值，则该持有期未达到弱式有效。若有两个以上持有期的统计量大于临界值，则该市场为非弱式有效。Wright秩和符号方差比检验结果如表3所示，检验结果显示，北京碳交易市场和上海碳交易市场的秩检验和符号检验均显著大于临界值，秩和符号具有正向显著性，表明右侧厚尾、日收益序列具有明显的记忆效应，未达到弱式有效水平。广东碳交易市场中有3个持有期的统计量大于临界值，由于第20天持有期的统计量不显著，所以，该市场未达到市场弱式有效，但市场的弱式有效趋势呈增强状态。湖北碳交易市场日收益序列调整前为非弱式有效，但调整后统计量均非显著，符合弱式有效的原假设。
表3 日收益序列秩和符号检验
综上，北京、上海碳交易市场弱式无效，广东碳交易市场虽未达到弱式有效，但弱式有效趋势不断增强，湖北碳交易市场为弱式有效。
3.2.3 联合检验与多重方差比检验
联合检验和多重方差比检验结果如表4所示。联合检验是为了解决市场有效性是否任意K均成立的问题，由检验结果可知，北京、上海、广东碳交易市场的收益率均在1%的显著性水平上拒绝原假设，调整后的数据也在1%的显著性水平上拒绝原假设，湖北碳交易市场中日收益率的联合检验结果则不显著，表明北京、上海、广东碳交易市场为弱式无效市场，湖北碳交易市场为弱式有效市场。多重方差比检验方法以最优滞后期解决了K任意选择问题，多重方差比检验结果显示，北京碳交易市场在5%水平上拒绝原假设，上海、广东、湖北碳交易市场则接受鞅过程，呈现弱式有效。
总之，根据4个方差比检验结果可知，北京碳交易市场未达到弱式有效水平；上海、广东虽然也未达到弱式有效，但弱式有效趋势正逐步增强；湖北碳交易市场能够充分反映市场中历史信息，为弱式有效市场。
表4 秩和符号的联合检验与多重方差比检验
弱式有效是市场运行良好的表现，碳交易市场弱式有效性的基本判断对建设全国统一碳交易市场具有重要意义。在实证分析中，依据数据可得性和有效性，选取了北京、上海、广东、湖北碳交易市场自成立至2017年3月31日收盘价数据，进行市场弱式有效性检验。首先，基于市场弱式有效性检验的一般方法分别检验4个碳交易二级市场的日收益序列是否服从正态分布以及是否存在异方差。其次，利用AR(1)过程调整了碳交易日收益序列，消除淡薄交易市场效应。最后，运用传统方差比检验、秩和符号方差比检验、秩和符号联合检验以及多重方差比检验方法，依次检验4个碳交易二级市场弱式有效性，丰富了研究淡薄碳交易市场有效性的方法。
实证结果显示，国内各个碳市场碳价水平差异显著，国内碳市场发展不均衡；碳交易量为零的天数较多，国内碳市场属于淡薄交易市场；碳价的日收益序列均服从非正态分布，尖峰厚尾特征明显，碳价不能真实反映市场供需且更容易被操纵，市场投资风险较大；碳额持有期不同，有效性检验结果具有差异，碳交易市场的弱式有效具有阶段性；依据临界值原则并综合四重检验值，北京碳交易试点为弱式无效市场，上海、广东碳交易市场虽为弱式无效市场但随着碳额持有期的增加，市场弱式有效性不断增强，湖北碳交易市场已经达到了弱式有效水平。碳交易的价格引导了参与者的行为，市场弱式有效对市场良性运转具有重要作用。与欧盟碳交易市场第一阶段非弱式有效的研究结果相比，我国碳交易试点借鉴国外碳交易市场成功经验并结合国内实际情况，取得了初步成功，为构建全国统一的碳交易市场奠定了基础。
通过对市场弱式有效性的研究，本文为我国建立良好的碳交易市场提出以下4点建议：
(1)深化碳配额供给侧改革。我国碳交易市场形成与发展的主要目的在于形成倒逼机制，激励高碳排放企业减少碳排放。碳配额供给方式是平衡国内碳交易市场发展的关键，分配权应由地方转换到中央，同时，借鉴欧盟碳交易市场经验并结合我国各项制度不完善的现状，完善碳额的检测、监管和清缴机制，实施免费发放与拍卖相结合的碳额分配制度，既要体现效率，也要兼顾公平正义，既要避免鞭打快牛，也要保护民族产业，为建设全国统一碳交易市场作准备。
(2)提高碳配额市场流动性。相关研究表明流动性不足是导致市场淡薄的主要原因，且淡薄市场效应常常导致市场无效。交易主体是市场流动性的提供者，交易客体是流动性载体。应允许碳资产中介机构、监管机构以及其它盈利性机构加入，丰富碳交易市场中的品种(例如碳期货)，在提高碳配额市场流动性的同时减少非系统性风险。
(3)加强碳交易市场的信息披露能力。建立公认的碳信息量化标准，设立专门的碳资产咨询机构，采取由自愿到强制性过渡的碳信息披露方式，加强公众、媒体以及行业协会的外部监督机制，公布真实、完备的碳交易数据。碳交易市场透明程度越高，越有助于实现碳价发现功能，实现供需均衡，提升市场活跃度。
(4)培育碳资产管理人才。政府、碳资产管理部门应定期提供碳资产管理及运营培训，提高管理者的碳资产意识。现阶段，我国碳交易市场履约期内量价齐升的主要原因是碳交易市场发展不完善以及企业碳资产管理人员的碳资产管理意识薄弱，常常导致企业将碳额闲置并用来对冲风险。只有培育真正的碳资产管理人才，促使企业成为真正的碳资产管理者，才能更好地促进碳交易市场有序运行。
参考文献:
[1] FAMA E F. The behavior of stock-market prices[J].Journal of Business, 1965, 38(1):34-105.
[2] FAMA E F. Efficient capital markets: a review of theory and empirical work[J].The Journal of Finance, 1970, 25(2):383-417.
[3] [美]SHLEIFER A. 并非有效的市场-行为金融学导论[M].赵英军,译.北京：中国人民大学出版社,2015:18-23.
[4] JOYEUX R, MILUNOVICH G. Testing market efficiency in the EU carbon futures market[J].Applied Financial Economics, 2010, 20(10):803-809.
[5] 邹毅, 许小虎, 高原,等. 北京碳市场年度报告[R].北京环境交易所, 北京绿色金融协会, 2016.
[6] 戴晓凤, 杨军, 张清海.中国股票市场的弱式有效检验:基于单位根方法[J].系统工程, 2005, 23(11):23-28.
[7] 许涤龙, 吕忠伟.深圳证券市场有效性的统计检验[J].数量经济技术经济研究, 2003, 20(6):158-160.
[8] 陈小先.中国股市动态贝塔系数有效性研究[J].亚太经济, 2014, 29(4):40-45.
[9] LAURENCE M M, CAI F, QIAN S. Weak-form efficiency and causality tests in Chinese stock markets[J].Multinational Finance Journal, 1997, 1(4):291-307.
[10] 张小艳, 张宗成.期货市场有效性理论与实证检验[J].中国管理科学, 2005, 13(6):1-5.
[11] 刘雏奇, 史金凤.我国证券市场有效性的方差比检验[J].统计研究, 2006, 23(11):73-78.
[12] 李佳, 王晓.中国股票市场有效性的实证研究——基于方差比的检验方法[J].经济经纬, 2010, 27(1):137-140.
[13] 董晨昱, 刘维奇.股票收益反转效应及与买卖价差关系研究[J].管理科学学报, 2016, 19(6):171-182.
[14] DASKALAKIS G, MARKELLOS, RAPHAEL N. Are the European carbon markets efficient[J].Social Science Electronic Publishing, 2008, 17(2):103-128.
[15] MONTAGNOLI A, VRIES F P D. Carbon trading thickness and market efficiency [J].Energy Economics, 2010, 32(6):1331-1336.
[16] CHARLES A, DARNE O, FOUILLOUX J. Market efficiency in the European carbon markets[J].Energy Policy, 2013, 60(5):785-792.
[17] IBIKUNLE G, GREGORIOU A, HOEPNER A G F, et al. Liquidity and market efficiency in the world's largest carbon market[J].British Accounting Review, 2016, 48(4):431-447.
[18] 王倩, 王硕. 中国碳排放权交易市场的有效性研究[J].社会科学辑刊, 2014, 35(6):109-115.
[19] 王扬雷, 杜莉.我国碳金融交易市场的有效性研究——基于北京碳交易市场的分形理论分析[J].管理世界, 2015,32(12):174-175.
[20] ZHAO X G, WU L, LI A. Research on the efficiency of carbon trading market in China[J].Renewable & Sustainable Energy Reviews, 2017, 79(11):1-8.
[21] ZHAO X G, JIANG G W, NIE D, et al. How to improve the market efficiency of carbon trading: a perspective of China[J].Renewable & Sustainable Energy Reviews, 2016, 59(6):1229-1245.
[22] 陆金海.市场有效性理论研究综述[J].经济学动态, 2000, 41(6):63-66.
[23] 张兵, 李晓明.中国股票市场的渐进有效性研究[J].经济研究, 2003,49(1):54-61.
[24] KIM J H. Wild bootstrapping variance ratio tests[J].Economics Letters, 2006, 92(1):38-43.
[25] HAYENGA M L. Pricing problems in the food industry (with emphasis on thin markets)[M]. Illinois: North Central Regional Research Publication, 1979.
[26] 胡东滨, 汪静, 陈晓红.配额免费分配法下市场结构对碳交易市场运行效率的影响[J].中国人口·资源与环境, 2017, 27(2):52-59.
[27] WIRL F. Oligopoly meets oligopsony: the case of permits [J].Journal of Environmental Economics & Management, 2009, 58(3):329-337.
[28] IBIKUNLE G, GREGORIOU A, PANDIT N R. Price discovery and trading after hours: new evidence from the world’s largest carbon exchange [J].International Journal of the Economics of Business, 2013, 20(3):421-445.
[29] MILLER M H, MUTHUSWAMY J, WHALEY R E. Mean reversion of standard & poor's 500 index basis changes: arbitrage-induced or statistical illusion[J].The Journal of Finance, 1994, 49(2):479-513.
[30] SABBAGHI O, SABBAGHI N. The Chicago climate exchange and market efficiency: an empirical analysis[J]. Environmental Economics & Policy Studies, 2016, 19(4):1-24.
[31] LO A W, MACKINLAY A C. Stock market prices do not follow random walks: evidence from a simple specification test[J].Review of Financial Studies, 1988, 1(1):41-66.
[32] WRIGHT J H. Alternative variance-ratio tests using ranks and signs [J]. Journal of Business & Economic Statistics, 2000, 18(1):1-9.
[33] TSAY R S. Analysis of financial time series [J]. Wiley, 2010, 72(2):5880-5885.
[34] BAI X, RUSSELL J R, TIAO G C. Kurtosis of GARCH and stochastic volatility models with non-normal innovations[J].Journal of Econometrics, 2003, 114(2):349-360.
Zhao Lixiang, Wang Lili
(School of Economics and Management，Beijing University of Technology, Beijing 100124, China)
Abstract：This paper selects Beijing, Shanghai, Guangdong and Hubei carbon market close price from the market set up to March 31, 2017, examines the weak-form carbon trading market efficiency, analyzes the daily returns data which uses an autoregressive process to eliminate the thin trading effect, based on the four tests which the credibility gradually increased. The results show that the carbon markets in china are thin markets; the information of carbon price is pile and the information transparency is poor; with high investment risk in the carbon trading; the different holding periods of carbon quotas have different effective level, the carbon market efficiency has a stage characteristic; Beijing carbon trading market is weak-form efficient; Shanghai and Guangdong carbon trading market belongs to weak-form ineffective, but the effective of market is strengthening; Hubei carbon trading market has reached the level of weak-form efficiency. Finally，it puts forward four suggestions on how to strengthen the effectiveness of China carbon trading markets based on the empirical results.
Key Words:Daily Return Series; Market Efficiency; Carbon Trading Market; Variance Ratio Test
文章编号：1001-7348(2018)13-0034-07
文献标识码：A
中图分类号：F713.58
DOI：10.6049/kjjbydc.2017100178
作者简介：赵立祥(1957-)，男，北京人，博士，北京工业大学经济与管理学院教授、博士生导师，研究方向为资源环境经济及可持续发展；王丽丽(1990-)，女，河南安阳人，北京工业大学经济与管理学院硕士研究生，研究方向为战略管理。
基金项目：国家自然科学基金项目(71473010)；高等学校博士学科点专项科研基金项目(20131103110004)；北京市哲学社会科学规划重点项目(13JGA008)；北京市自然科学基金项目(9142001)
收稿日期：2018-01-17
(责任编辑：万贤贤)