为应对温室气体排放下的气候变化问题，中国于2011年提出碳排放配额市场框架，2013年开始，中国陆续启动深圳、上海、北京、广东、天津、湖北、重庆七个试点碳排放配额交易市场，以保证全球碳减排目标的顺利实现。然而由于中国各试点碳市场独立运行，部分制度设计亦不相同（Zhang等，2017；Zhao等，2017；Zhu等，2020），具有较强的政策导向性与市场分割性特征（Chang等，2018a；Zhao等，2020），并且各地区企业因地理因素而面临完全不同的环境与气候冲击，各试点碳市场之间存在较为明显的绝对价格差异与价格收益变化差异（Jiang等，2014；Jotzo和Loeschel，2014；Qi等，2014；Munnings等，2016；Chang等，2018b），而这种差异的存在将为各试点碳市场间的价格联动溢出提供强大势能，其中市场参与者为溢出过程的重要信息枢纽（王倩和高翠云，2016；Song等，2019；Zhu等，2020）。此外，各试点碳市场于同一宏观经济背景下，将受到部分相同因素冲击，如宏观经济表现、市场共同利率、国家宏观政策等，故潜在的经济关联亦是各试点碳市场间存在溢出效应的重要因素（Fan和Todorova，2017；Chang等，2018c；Han等，2019；Zhu等，2020）。近年来，我国各试点碳市场不断发展，市场相关制度愈发完善，整体呈现稳中向好形势，为构建全国碳排放权交易市场打下了良好的数据和制度基础，亦为全国碳市场的后续发展提供了宝贵经验（Zhang等，2014；Pang和Duan，2016；Karplus和Zhang，2017；张希良等，2021），如表1所示。在总结各试点碳市场经验教训的基础上，全国碳市场于2021年7月16日正式上线交易。基于市场制度与设施关联角度，各试点碳市场处于全国碳市场发展上游，是全国碳市场建成落地与稳步发展的重要前提条件，故二者间存在紧密关联，这亦为试点碳市场与全国碳市场间的价格溢出提供便捷通道。值得注意的是，全国碳市场的出现或将为各试点碳市场原本相对稳定的价格溢出关系带来溢出缺口，推动新溢出关联结构的形成。

全国碳市场建立后，碳市场间的一体化程度如何动态变化？各碳市场间的价格关联变动趋势如何？全国碳市场是否存在价格话语权？各碳市场的价格溢出是否存在倾向性？这些问题是本文主要关注点，对上述问题的回答可厘清中国各碳市场间的新价格互动关系。明晰各碳市场的溢出地位及定价能力的动态变化，有助于发现在全国碳市场发展初期对其起主要价格引导作用的试点碳市场，进而可增强政府部门对试点碳市场与全国碳市场碳权价格调控的有效性。此外，明晰中国各碳市场间的价格溢出关联特征以及各碳市场间的价格溢出倾向性是推动全国碳市场与地方试点碳市场有序、高效衔接的重要前提，这可为促进试点碳市场与全国碳市场匹配协同发展提供政策依据，亦为完善全国碳市场的制度建设以进一步提升全国碳市场价格话语权提供前瞻性理论支撑。因此，现阶段对中国各碳市场间的溢出效应进行深入研究具有重要理论与现实意义。

本文的创新与贡献主要体现在以下两点：第一，本文将全国碳市场纳入碳价收益率溢出效应研究框架之中，扩大了研究标的数量；同时本文对碳市场间的微观动态溢出结构进行刻画以识别全国碳市场构建后各碳市场间的溢出路径，厘清各碳市场的溢出地位与定价权变化，尤其是全国碳市场。此外，本文构建溢出倾向性指数，对各碳市场间碳价收益率溢出的优先指向性进行捕捉，以期明晰中国各碳市场间的动态互动关系，深化对碳排放权交易市场碳价收益动态溢出研究，进而为全国碳市场的市场机制设计和相关政策制定提供理论依据和决策参考。第二，本文基于Diebold和Yilmaz（2014）、Antonakakis和Gabauer（2017）、Antonakakis等（2018）以及Gabauer和Gupta（2018）的研究，将TVP-VAR 关联方法与中国各碳市场间的碳价收益率溢出效应相结合，克服了VAR模型中的扰动项系数与方差固定不变的问题，展示了溢出效应的动态特征（Lundgren等，2018；Ji等，2018；Song等，2019；Gabauer和Gupta，2020）。此外，该方法亦克服了滚动窗口大小的主观性选择问题，提升了参数的稳定性与合理性，能有效防止数据丢失，并且能够克服时间序列较短的问题，可在较低频率和有限时间序列数据下考察变量间的动态关联性，为样本时间跨度选择提供便利条件。

学术界对碳排放权交易市场间溢出效应的研究主要分为两部分：其一，碳排放权交易市场与其他市场间的关联溢出效应（Oberndorfer，2009；李刚和朱莉，2014；Yu等，2015）；其二，碳排放权交易市场之间的关联溢出效应（Lv等，2020；Zhao等，2020；Guo和Feng，2021）。

目前对碳排放权交易市场与其他市场间溢出效应的研究成果已较为丰富（Kumar等，2012；宋楠等，2015；Fan和Todorova，2017；Jiménez-Rodríguez，2019；王超和杨宝臣，2021），如Jiang等（2018）研究发现上证综合指数对中国碳排放权交易试点市场的价格带来负面溢出冲击，同时碳配额市场对股票市场，尤其是对能源密集型行业和清洁能源行业股价存在较强溢出影响（Tan等，2020；Wen等，2020）；Ji等（2018）使用关联网络分析法研究了欧洲18家顶级电力公司的碳价格收益与股票收益之间的信息溢出。而张晨和刘宇佳（2017）研究亦发现碳现货、碳期货与碳期权之间存在溢出效应。除金融市场外，碳排放权价格与能源价格亦存在显著负向溢出关联（张秋莉等，2012），尤其是石油、煤炭和天然气价格（Yu等，2015；Balcilar等，2016；Chang等，2018b；Ma等，2020）。

为厘清各碳市场间的内部联动关系，提升碳市场建设的针对性与有效性，碳排放权交易市场间的溢出效应问题成为重要研究领域。由于国外碳市场比国内碳市场成立更早，故早期欧美碳排放权交易市场间的溢出效应成为学术界重点关注问题（Oberndorfer，2009；黄明皓等，2010；Kumar等，2012；刘纪显和谢赛赛，2014；Jiménez-Rodríguez，2019）。伴随中国经济快速发展与中国碳排放权交易试点市场快速推进，各国学者逐步将研究视角转向中国碳排放权交易市场间的溢出效应研究（Jiang等，2014；Qi等，2014；Fan和Todorova，2017；Zhang等，2017）。

当前，学术界对中国碳排放权交易市场间溢出效应的研究主要聚焦对碳价收益率溢出效应和碳价波动率溢出效应的研究。碳价收益率溢出效应是指一个碳市场价格收益的变动对其他市场的影响，而碳价波动溢出效应则指一个碳市场价格的波动对其他碳市场的影响。就二者的研究方法而言，向量自回归模型（VAR）与向量误差修正模型（VEC）为研究碳价收益率溢出的常用方法，如Lv等（2020）利用VAR模型和时变参数状态空间模型分析了中国七个试点碳市场间碳价回报溢出效应的变化趋势，发现七个试点碳市场之间存在平均溢出网络。王倩和高翠云（2016）基于六元VAR-GARCH-BEKK模型与社会网络分析法对中国各试点碳市场间碳价收益率溢出效应进行研究，发现试点碳市场之间具备高度关联性，并且存在双向溢出效应，此外，各碳市场之间的溢出效应具有显著的非对称性。而Zhao等（2020）利用HJ检验、DP检验与TVP-SVAR模型对广东、湖北以及深圳三者的碳排放权市场进行市场非线性Granger因果关系与时变效应研究，发现三者碳排放权交易市场之间存在时变协同关系，并随时间推移，三者间呈现明显的负相关或正相关关系，这意味着中国各碳排放权交易市场的建设存在深厚关联基础。现有研究对碳价波动率溢出效应的研究大多基于GRACH类模型（Engle等，2013；Nicola等，2016；Boubaker和Raza，2017），但该类模型只可测算规模大小，不可识别溢出方向。

此外，部分学者仍基于期限结构视角对碳市场间的溢出效应进行研究（Baruník and Křehlík，2018；Ferrer等，2018；Lovcha和Laborda，2020）。如Guo和Feng（2021）利用VAR过程中的广义预测误差方差分解与谱分解，将溢出分解为短期、中期与长期效应，研究中国碳排放权交易试点市场的碳价收益率与波动率的溢出。

然而，现有文献所采用的VAR模型存在扰动项系数与方差固定不变特征，难以对碳市场间的动态溢出效应进行有效捕捉与解释，故当前研究缺乏对中国碳排放权交易市场间溢出模式动态演化的探讨，而试点碳排放权交易市场与全国碳排放权交易市场为适应当地经济变化与工业碳排放强度变化形成了时变的碳价溢出效应。厘清溢出效应的动态变化过程可有效提升政府阶段性政策的针对性与有效性。同时，现有研究大多对部分试点碳市场（Zhao等，2020）或整体试点碳市场（Guo和Feng，2021）间的碳价溢出效应进行探究，鲜有文献将全国碳市场同步纳入碳价溢出效应的研究框架。此外，以碳价波动率为研究标的进行溢出效应分析仍存在一些问题，难以同时对市场间波动溢出方向与演化轨迹进行识别（Lv等，2020）。

基于此，本文借鉴Antonakakis和Gabauer（2017）提出的TVP-VAR 关联方法对包含地方和全国碳市场在内的八个碳市场碳价收益率的动态溢出效应进行分析，对包括全国碳市场在内的各碳市场间的微观动态溢出结构进行刻画，并有效捕捉各碳市场的溢出地位及定价权变化。此外，本文对各碳市场间碳价收益率溢出的优先指向性进行识别，以期明晰中国碳市场间的动态互动关系，为管理部门政策制定提供理论基础，并对已有研究进行补充。

本文采用Diebold和Yilmaz（2014）的TVP-VAR 关联方法进行研究，并对其进一步拓展。TVP-VAR 关联方法引入了Koop和Korobilis（2014）提出的遗忘因子，允许方差通过随机波动率卡尔曼滤波器估计而变化。因此该方法克服了对滚动窗口大小进行选择的主观性问题，进而保证了参数的合理性及数据的完整性；此外，该方法仍可用于检查较低频率和有限时间序列数据的动态关联性。

对于N变量的TVP-VAR系统，其各个参数均是时变的，因此，在任意时刻，本文均可将VAR用其向量移动平均值（VMA）来表示，表达式如下：

其中， $ {\beta _t} = [{\beta _{1,t}},{\beta _{2,t}}, \cdots ,{\beta _{p,t}}]' $ ， $ {A_t} = [{A_{1,t}},{A_{2,t}}, \cdots ,{A_{p,t}}]' $ ，因此， $ {\beta _{i,t}} $ 与 $ {A_{i,t}} $ 是 $ N \times N $ 维时变参数矩阵， $ {Y_t} $ 表示 $ N \times 1 $ 条件波动率向量， $ {\varepsilon _t} $ 是一个 $ N \times 1 $ 维误差扰动向量。

随后本文基于Koop等（1996）、Pesaran和Shin（1998）提出，并且由Diebold和Ylmaz（2014）采用的广义脉冲响应函数（GIRF）与广义预测误差方差分解（GFEVD）对碳市场间溢出关联性进行估计。

首先，广义脉冲响应函数 $ \psi _{ij,t}^g(J) $ 表示碳市场i的碳价收益率向碳市场j溢出冲击后，碳市场j的碳价收益率变化情况。本文借鉴Antonakakis和Gabauer（2017）的溢出冲击捕捉方法，计算了碳市场i碳价收益率变动与未变动两种情况下提前J步预测值的差值，该差值即归因于碳市场i的溢出冲击，可表示如下：

其中， $ J $ 表示预测范围， $ {\delta _{j,t}} $ 表示在位置 $j$ 为1，否则为0， $ {F_{t - 1}} $ 表示 $ t - 1 $ 期的所有可用信息集，上角标 $ g $ 表示本文采用的是广义脉冲响应函数， $ {S_t} $ 为 $ N \times N $ 时变方差−协方差矩阵。

然后，本文计算了可以解释为单一碳市场对其他碳市场碳价收益率变动贡献度的广义预测误差方差分解，并将这些方差份额标准化，这样每一行的加总即为一个整体，这意味着所有碳市场共同解释了碳市场 $ i $ 的预测误差方差的100%，其计算公式如下所示：

假设 $\sum\nolimits_{j = 1}^N {\tilde \phi _{ij,t}^g(J) = 1}$ ，则 $\sum\nolimits_{i,j = 1}^N {\tilde \phi _{ij,t}^g(J) = N}$ 。式（8）中分母表示所有冲击的累积效应，分子为变量 $ i $ 溢出冲击的累积效应。通过广义预测误差方差分解，总溢出关联指数可表示为：

同时，TVP-VAR 关联方法亦可对两城市间的溢出关联水平进行测算。首先，可计算碳市场 $ i $ 对碳市场 $ j $ 溢出冲击的大小 $ C_{i \to j,t}^g(J) $ ，如式（10）所示：

其次，本文测算了碳市场 $ i $ 受到其他碳市场 $ j $ 溢出冲击的大小 $ C_{i \leftarrow j,t}^g(J) $ ，表达式为：

最后，通过提取式（10）与式（11），将碳市场 $ i $ 对碳市场 $ j $ 的净溢出 $C_{i,t}^ g$ 表示为碳市场 $ i $ 对碳市场 $ j $ 的溢出水平减去碳市场 $ i $ 接收来自碳市场 $ j $ 的溢出水平，如式（12）所示：

基于前文所构造的指数，本文亦可对各碳市场的总溢出与总溢入水平进行测度。碳市场 $ i $ 的总溢出，即碳市场 $ i $ 对其他碳市场溢出的加总值 $T{O_{i,t}}$ ，如式（13）所示：

而碳市场 $ i $ 的总溢入可表示为碳市场 $ i $ 受到来自其他碳市场溢出的加总值 $FRO{M_{i,t}}$ ，如式（14）所示：

根据公式（13）和（14），碳市场i净总溢出可表示为 $T{O_{i,t}}$ 和 $FRO{M_{i,t}}$ 之间的差值，本文亦将该指标用于衡量各碳市场定价权的大小，如式（15）所示:

此外，本文还构建了溢出效应倾向性指数，主要通过计算某时间跨度内碳市场i与碳市场j之间溢出关联的算数平均值以判断各碳市场间的溢出距离，即溢出指向性的高低。分别如式（16）、式（17）所示：

其中，K表示测度某碳市场某时间段内的溢出/溢入倾向性指数时，该时间段内的时间节点个数， $ C_{i \to j,t}^g(J) $ 表示碳市场 $ i $ 对碳市场 $ j $ 的溢出冲击大小，而 $ C_{j \to i,t}^g(J) $ 表示碳市场 $ i $ 受到其他碳市场 $ j $ 的溢出冲击大小， $ T_{}^{} $ 即为碳市场 $ i $ 的溢出效应倾向性指数。

2021年7月16日全国碳市场正式上线交易，自此中国的碳市场可划分为全国碳市场与地方试点碳市场。全国碳市场建立后，为明晰中国各碳市场间的新价格互动关系，本文将全国碳市场与深圳、上海、北京、广东、天津、湖北以及重庆七个地方试点碳市场共同作为研究样本。随后，本文以各碳市场成交均价的一阶对数差分对碳价收益率加以衡量，并基于碳价收益率对各碳市场间的溢出效应进行研究。值得注意的是，在本文所选择的样本中，部分市场包含了对应于零成交量的价格数据，如天津碳市场、重庆碳市场等，而零成交量的存在或可真实地反映市场有效需求与无效需求的变化，是测算市场间溢出效应的重要基础，为市场间溢出分析提供有效的经济信息，因此，本文亦将零成交量数据纳入样本数据之中。本文数据来自中国碳排放交易网（http://www.tanpaifang.com/）。考虑到样本市场碳排放权价格数据的可获取性与时间跨度一致性，本文选择样本时间跨度为2021年7月16日−2021年11月19日。样本数据为日频数据，共计672个观测值。

深圳试点碳市场的碳配额与其他市场不同。深圳市场对每年新上市交易的碳配额产品赋予带有年份标签的新名称，并对其进行差异化定价，一旦某类产品上市后，交易者于随后的年份中可继续交易该产品，因此深圳市场中存在多类可供交易的碳配额产品，如SZA-2013，该产品可用于2013年及随后年份的交易中。而对于深圳碳市场代表产品的选择，本文借鉴Guo和Feng（2021）的处理方式，通过日平均交易量大小筛选出最活跃的碳配额产品种类，以此表示深圳碳市场的运行状况，本文最终选择SZA-2017作为样本期内深圳碳市场的主要交易产品。

本文基于广义脉冲响应与广义预测误差方差分解测算得出中国各碳市场间的碳价收益率溢出表，如表2所示。可以看出，各碳市场间的碳价收益率溢出率总体高达180.645%，平均单个碳市场溢出率为22.58%，表明中国各碳市场之间存在较为明显的溢出关联；其中北京碳市场为主要溢出者，这主要与其政策实施的强制力相关。北京为中国首都，其政策具有较强约束力，是推进本地碳市场快速发展的关键力量，故北京在样本期间具有较高的溢出水平，这与汪文隽等（2016）的研究结论一致。重庆碳市场亦存在一定的溢出能力，这主要得益于其市场交易的活跃性，即碳价收益率波动性；而天津与广东为其他碳市场碳价收益率溢出的主要接收者。其中天津在地理位置上紧邻北京，故北京对当地碳市场所实施的政策亦会通过交易者预期或交易者交易行为波及天津碳市场（王倩和高翠云，2016）。因此，中国各碳市场间的溢出效应具有政策导向性。

基于静态溢出视角，全国碳市场整体溢出率为−7.487%，即处于被动接收外部溢出的状态，这与全国碳市场的发展期限与构建基础相关，如全国碳市场相较于地方试点碳市场成立时间晚，仍处于发展萌芽期，市场定价能力相对薄弱。此外，全国碳市场的建设立足于地方试点碳市场，全国碳市场碳配额价格的形成对地方碳市场碳价走势存在一定依赖性。

为使静态溢出结论更加清晰，本文对表2中的静态溢出效应结果进行可视化分析，结果如图1所示。基于节点大小，可以发现北京碳市场的网络节点大小居于首位，北京碳市场占据绝对溢出地位；而基于拓扑网络图的加权连边，各碳市场间的溢出关联存在明显异质性。①

图  1  中国各碳市场间碳价收益率溢出加权网络^①

本文基于式（9）与式（10）所构建的总溢出关联指数对中国各碳市场间碳价收益率总溢出水平变化趋势进行刻画分析，具体如图2所示。全国碳市场的建立打破了各试点碳市场间溢出的相对均衡状态，如全国碳市场建立初期，碳市场间的溢出效应逐步攀升至相对高点，碳价收益率经由各市场交易行为与预期传导外溢，致使溢出率突破40%，而这主要与处于萌芽期的全国碳市场尚未形成有效的碳权定价机制相关，故在此阶段，全国碳市场的碳权价格受到各试点碳市场的溢出影响，致使中国碳市场一体化程度于短期内迅速增加。

图  2  中国碳市场间碳价收益率总体动态溢出效应

由于全国碳市场的启动受到政府部门高度重视，自2021年8月开始，政策着力点不断向低碳减排方向偏倚，政策压力对所有试点碳市场的完善与发展提出更高、更迫切的要求。2021年8月17日，国家发改委表示正在抓紧制定完善碳达峰、碳中和“1+N”政策体系^②，推进减碳市场化机制建设；2021年9月8日，中国环境与发展国际合作委员会发布的“全球气候治理与中国贡献”专题政策研究报告^③指出，中国应加快碳定价、碳市场机制建设，推动绿色金融发展；同年9月，生态环境部亦表示“十四五”时期碳强度应下降18%^④，并将此约束目标分解至地方并加以落实；同时，政府对全国碳市场建设步伐同步加快，努力做好降排减碳“全国一盘棋”工作，故政策支撑下各碳市场的定价独立性均有所提升，碳市场间的溢出水平开始逐步下降。由此印证中国碳市场间的溢出效应具有明显的时变性与政策导向性特征。

对各碳市场间的一对一溢出关联水平进行度量是探究微观溢出结构的重要内容，结果如图3、图4、图5所示。

图  3  北京碳市场碳价收益率动态溢出效应^①

图  4  全国碳市场碳价收益率动态溢出效应

图  5  中国其他碳市场碳价收益率动态溢出效应

北京碳市场与其他碳市场间的碳价收益率动态溢出效应如图3所示，可以发现，自全国碳市场上线后，北京碳市场于短期内对其他碳市场均存在较强溢出冲击，具有绝对溢出优势，原因可能是北京作为首都，其对绿色经济、低碳发展高度重视，政策推动力较强。如同期北京正加速推进碳市场核算体系与环境信息披露机制建设，健全碳市场基本制度；同时推动绿色银行落地，加快全球绿色金融中心建设，推出ESG中国版指数，建设基于碳账户一体化的金融服务体系，加快碳金融发展步伐，这增强了北京的信息交互与枢纽作用；然而，随后北京碳市场对其他碳市场，如天津、广东、湖北以及上海等碳市场的溢出水平逐渐下降，双边溢出能力存在收敛趋同趋势，这主要与政策推动下各试点区域加快本地碳市场改革步伐相关。如2021年8月，上海碳市场开展碳排放配额第一次有偿竞价发放，推动配额方式由免费配额逐步向有偿配额过渡；天津市于2021年8月成立碳中和与绿色金融研究中心，为天津碳金融的稳步发展提供有力支撑，为天津碳市场赋予新活力；而广东亦将碳权赋予金融属性，具体表现为2021年9月广东首笔碳配额质押业务落地等。各市场碳价溢出能力均有所增强，净溢出水平逐步趋同。因此，基于中长期视角，政府宏观调控可有效提升碳市场的溢出能力与定价独立性。

就全国碳市场而言，其改革步伐不断加快，以推动碳金融发展，如赋予碳配额质押资质以重新定义碳权价值，发展碳排放权期货交易等，促使碳金融对全国碳市场形成有利发展支撑；推动建立海南国际碳排放权交易所，加强全国碳市场与国际市场的连接。此外，政府仍欲扩大全国碳市场覆盖范围，如将“国家核证自愿减排量（CCER）”交易重启，并将其纳入全国碳排放权交易市场第一个履约周期之中。基于此，政策驱动下全国碳市场溢出能力亦逐步提升，甚至呈现出明显的溢出反转趋势，如图4中全国碳市场与湖北、广东、天津及重庆等其他试点碳市场间的溢出关联所示。⑤

中国其他碳市场碳价收益率动态溢出效应如图5所示，可以发现，重庆亦为主要溢出者之一，对除北京外的其他碳市场均存在较强的溢出效应。值得注意的是，该溢出效应不具备持续性。其原因或在于重庆碳市场的溢出水平与其交易活跃性相关，即碳价收益率波动性相关，故伴随重庆市场碳价收益率逐步平稳，重庆碳市场溢出能力即随之走低。因此，市场活跃性的提升仅在短期内放大碳市场溢出能力。

本文以单一碳市场对其他碳市场的净溢出之和，即 $ NET $ ，来衡量该市场定价权大小，如图6所示。北京碳市场于样本期内对中国其他碳市场均具有较强的定价能力。伴随政策驱动下各市场的定价独立性不断提升，北京碳市场的对外溢出水平（ $ TO $ ）持续走低，故北京碳市场定价话语权有所下降，即使这样，北京碳价对其他碳市场的碳配额价格依然具备引导力。

图  6  中国各碳市场定价权动态变化

其他碳市场的定价能力均伴随自身定价独立性的增强而有所提升，其中最为明显的是全国碳市场。自2021年8月开始，在宏观政策的强力支撑下，全国碳市场对其他市场的价格依赖性逐步下降、价格引导力不断凸显，全国碳市场逐步掌握国内碳权的部分定价权，而“双碳”目标或将加快该趋势。此外，值得注意的是，全国碳市场于较短时间内即可实现定价身份的转变，由价格跟随者转变为定价者，证明现阶段全国碳排放权交易市场落地。

中国碳市场间的溢出效应不仅具有时变性，亦存在较强异质性，基于此，通过构建溢出效应倾向性指数，对各市场的主要溢出市场与主要溢入市场进行识别。限于篇幅，本文只记录排名居前两位的市场，如图7所示。

图  7  中国各碳市场主要溢出市场与主要溢入市场^①

研究发现碳市场间存在溢出惯性，即部分碳市场的优先溢出市场不随时间变化而发生改变，二者间存在较强的溢出稳定性，如上海与广东碳市场、上海与天津碳市场、湖北与天津碳市场、天津与深圳碳市场等；而就全国碳市场而言，北京、深圳碳市场与全国碳市场间的溢出惯性最大，关联最为紧密，二者对全国碳市场价格发挥持续引导作用，而天津碳市场对全国碳市场具有较为稳定的价格依赖性。⑥

此外，图7亦证明全国碳市场碳权价格对中国各碳市场碳价的引导力逐步增强。如2021年7月16日−2021年8月31日，全国碳市场为其他碳市场的优先溢出市场，而2021年9月1日−2021年11月19日，全国碳市场成为其他碳市场的主要溢入市场，表明全国碳市场的溢出能力不断提升，其碳配额定价权亦有所增强，印证了前文结论的稳健性。

本文基于TVP-VAR关联方法，构建时变溢出指数与溢出效应倾向性指数，对中国碳市场间的动态溢出关联进行研究，对全国碳排放权交易市场成立后中国各碳市场间溢出关联结构、各碳市场的价格主导性以及溢出倾向性进行分析，得出如下主要结论：

第一，现阶段北京碳市场为中国各碳市场中的核心市场，具有较高的溢出地位与较强的碳配额定价权；重庆碳市场亦为主要溢出者，其溢出地位仅次于北京，但重庆碳市场的溢出能力并不具备持续性；此外，广东碳市场与天津碳市场受外部溢出影响最为严重，为外部溢出的主要接收者；随各市场定价独立性的逐步增强，市场间溢出水平呈逐步收敛趋同趋势。

第二，中国碳市场间的溢出效应具有较强的政策导向性。政策驱动下的市场完善不仅可有效提升碳市场对外溢出能力，而且能够提高碳市场抵御外部溢出冲击的能力，中国碳市场的定价独立性将进一步增强；短期来看，以碳价收益率波动性衡量的市场交易活跃度越高，碳市场溢出能力越强。

第三，中国碳市场间存在溢出惯性，即部分碳市场溢出的主要靶向市场不随时间变化而变动，二者间存在较强稳定性与紧密关联性。其中，北京、深圳碳市场与全国碳市场间存在较强的溢出惯性，二者对全国碳市场价格发挥持续引导作用，而天津碳市场对全国碳市场具有稳定的价格依赖性。

第四，全国碳市场的落地水到渠成。政策驱动下全国碳市场溢出水平与溢出地位逐步提升，定价话语权亦呈逐步增强的趋势，如全国碳市场收益率对越来越多的地方碳市场产生溢出冲击；短期内，全国碳市场对地方碳市场影响有限；从中长期看，全国碳市场将逐步掌握全国碳定价权。

基于上述结论，得到如下政策启示：

第一，政府应促进试点碳市场与全国碳市场协调发展，尤其在全国碳市场初期运行阶段，充分发挥地方试点碳市场的区域性减碳优势以填补全国碳市场的减碳空白区，同时建立各试点市场与全国碳市场间碳排放覆盖范围的动态调整机制，保证在全国碳市场不断完善下二者间的比例可灵活动态调整。

第二，在全国碳市场不断推进的过程中，政府应充分考虑各试点碳市场的溢出地位及定价能力的动态变化，可根据试点碳市场溢出水平，将试点碳市场由弱至强、循序渐进地纳入全国碳市场，保证试点碳市场与全国碳市场的高效运行，防止纳入过程中碳泄漏问题发生。

第三，在充分考虑各市场发展水平与定价能力基础上，政府应建立制度持续优化机制和兼容机制以促进全国碳市场快速发展，充分发挥其价格引导作用。

第四，政府应加快各试点碳市场与全国碳市场立法进程，从法律上明确参与各方责任与权利，对违法行为制定可行、有力的处罚手段，引导市场交易者积极入市交易，提升交易主动性与市场活跃度。