■武漢大學學報
■作者簡介：王倩，經濟學博士，吉林大學經濟學院教授；吉林 長春 130012。
路京京，吉林大學經濟學院博士生。
■責任編輯：劉金波
註：需要原文的後臺回覆：「論文」
人民幣匯率對中國碳價的衝擊效應
——基於區域差異的視角
王倩路 路京京
摘要: 匯率從能源相對價格和進出口渠道影響企業生產、衝擊碳價。碳價影響低碳轉型和減排主體的成本與發展權。在金融市場開放加速、匯率波幅增大的背景下，外匯市場對碳市場的衝擊事關全國碳市場的成敗與低碳減排的區域平衡發展。基於EGARCH-Copula模型的計量研究發現，人民幣匯率對試點碳市場的衝擊呈顯著的區域差異：對天津碳價有顯著負向衝擊，對北京、上海和深圳有顯著正向衝擊，對湖北和廣東的正向衝擊較弱；對北京、上海碳價的衝擊呈顯著上尾相關性，對廣東呈下尾相關性。全國統一碳市場的制度設計應關注區域差異；考慮匯率衝擊碳市場的區域異質性，構建聯動機制，完善碳價管理體系；推動能源產品人民幣計價，促進碳金融創新。
關鍵詞: 匯率衝擊； 碳定價； 區域差異； Copula模型
中圖分類號: F4文獻標識碼: A文章編號: 1672-7320（2018）02-0157-09
基金項目：教育部人文社會科學重點研究基地重大項目 (16JJD790018)；吉林大學研究生創新研究計劃項目（2016051）；國家社會科學基金重大項目(15ZDA015)
一、 引言
《京都議定書》引入的碳排放權交易體系被世界多國採用，成為降低減排成本、激勵和約束企業減排的政策工具。中國亦於2013年啟動了 「兩省五市」 碳交易試點，於2017年底啟動了全國統一的碳市場。碳交易使碳排放權成為一種有價值的金融資產。碳資產的定價機制不僅影響著減排績效，亦影響減排主體的成本與發展，從而成為學術界和巴黎氣候大會上關注的新熱點。作為一個新問題，碳資產定價理論仍在探索中，尚未形成完善的理論體系。雖然，中國試點碳市場間的高度關聯性已為全國統一碳市場的構建提供了基礎[1]（P57-67）[2]（P63-69），但在中國區域經濟發展不平衡的背景下，如何構建全國統一的碳價機制，特別是如何處理外部衝擊的區域差異性，兼顧減排的公平與效率，成為亟待解決的現實問題。碳價的區域差異，意味著不同區域減排成本的差異。在金融市場開放加速、人民幣匯率波動幅度加大的背景下，中國碳價會受到怎樣的衝擊？能源稟賦與貿易開放度的差異，是否會加劇中國在減排領域的區域不平衡？全國統一碳市場的價格管理應如何增加彈性以應對外部衝擊？這些問題不僅事關全國統一碳市場的構建，亦是各區域低碳轉型過程中不平衡發展矛盾是否加深的關鍵。
碳資產價格取決於政府的碳排放權供給與企業的碳排放權需求。匯率通過能源與貿易渠道影響碳需求進而影響碳價。能源相對價格的變化推動企業變換能源消費結構[3]（P40-46）。中國的能源稟賦呈富煤、缺油和少氣的特點。煤炭的碳排放係數遠高於石油和天然氣。為改變高碳排放的能源結構，須增加石油和天然氣的消費與進口，而石油和天然氣等能源的國際價格均以美元標價。因此，人民幣兌美元匯率的變化，會顯著衝擊能源進口量與消費結構，進而影響碳需求，引發碳價波動；另一方面，匯率直接影響企業的進出口[4]（P365-439）。在滿足馬歇爾—勒納條件下，本幣貶值增加出口訂單和企業能源消耗，進而提升碳排放需求和碳價。作為能源進口和貿易大國，中國的能源價格與進出口貿易受人民幣匯率波動的直接影響。本文力圖剖析匯率衝擊碳價的機制，明確衝擊的區域差異效應，為匯率波動下全國碳市場的碳價管理提出對策建議。
二、 文獻綜述
碳排放主要源於經濟活動中的化石能源燃燒。因此，有關碳價影響因素的研究亦從能源價格與經濟活動兩個方面展開。許多學者證實了各類能源市場如原油市場[5]（P2594-2604）[6]（P112-122+160）、電力市場[7]（P1236-1251）、天然氣市場[8]（P1442-1451）等與碳市場存在顯著的聯動關係。Zhang等發現EU ETS與煤炭市場的相關性最強，且存在單向的波動溢出效應，而布倫特原油價格對歐洲碳價的影響是非對稱的[9]。
Alberola等[10]（P787-797）、Chevalier[11]（P1295-1312)[12](P2634-2656）等研究表明，經濟因素影響碳價波動。經濟增長對碳價有正向推動作用，經濟擴張、企業生產活躍、排放量增大、助推碳價上升；當經濟萎縮時，企業生產減少甚至停滯，導致碳價下跌。鄒亞生等[13]（P142-153）基於VECM證實宏觀經濟對核證減排單位（CER）現貨價格有顯著正向影響。Yu等[14]（P145-161）構建了匯率影響歐洲碳價的理論框架，並用SVAR模型證明了歐元兌美元匯率對碳價的衝擊。黃曉鳳等[15]（P1-9）利用TGARCH模型和主成分分析法，證實外匯市場對核證減排單位（CER）交易市場的波動溢出效應強於股票和原油市場。周建國等[10]（P85-88）運用VAR模型研究深圳碳價，證實匯率是碳價的重要影響因素之一。
現有文獻為碳定價提供了基本的思路和框架。然而，從金融市場間溢出效應角度，研究外匯市場對碳市場的衝擊還有待進一步深入。特別是，作為區域經濟差異較大的經濟體，中國碳試點為剖析外部衝擊的區域差異效應提供了難得樣本。由此得到的政策啟示對中國在區域發展不平衡背景下全面推行碳交易體系及低碳轉型有著重要的借鑑作用。本文運用Copula函數刻畫外匯市場與碳市場間的相依結構和尾部關係,實現了研究方法的創新，突出了碳資產作為一種新型金融資產的屬性。
三、 數據與方法
（一） 數據描述
筆者選取深圳、北京、廣東、上海、天津、湖北六個碳市場的碳價日收益率和匯率中間價的日收益率數據。樣本期為各碳市場首個交易日至2016年2月29日。碳價數據來源於碳K線網站和wind資料庫。人民幣兌美元匯率中間價數據來源於國家外匯管理局網站。由圖1可知，六個碳市場的價格收益率均體現出一定的波動聚集性。
由表1可知：深圳碳市場的收益率均值最大，上海碳市場的最小。僅深圳和湖北的收益率均值為正，其餘均為負數；上海碳價收益率的標準差最大，為0.0756；廣東的最小，為0.0244。這說明上海碳市場的價格波動劇烈，風險較大；而廣東碳市場的波動較小，市場較穩定。從偏度和峰度看，六個碳市場的峰度均大於正態分布的峰度3，北京和廣東的收益率左偏，其他四個市場右偏。
由圖2可知，各碳市場的收益率分布與正態分布圖相差較大，呈現明顯的「尖峰」特點。收益率分布還具有一定的「厚尾」特徵。這說明碳市場存在大幅的價格波動，市場風險較大。
綜合峰度和偏度的數值，可知各碳市場的收益率均呈現出「尖峰厚尾」的金融特徵。
圖1各地碳價收益率序列趨勢圖
圖2碳價收益率的頻率直方圖與正態分布密度曲線
表1 碳價收益率描述性統計量
樣本量
均值
標準差
最大值
最小值
偏度
峰度
深圳
598
0.0002
0.0295
0.1872
-0.1452
0.3053
7.9167
北京
552
-0.0005
0.0493
0.1828
-0.2580
-0.6794
12.7419
廣東
543
-0.0012
0.0244
0.1322
-0.1461
-0.0548
10.9733
上海
532
-0.0021
0.0756
0.8854
-0.5042
2.2196
50.2870
天津
524
-0.0005
0.0444
0.4320
-0.3560
1.0181
29.8604
湖北
461
0.0001
0.0280
0.1542
-0.1462
0.7994
11.3293
（二） 模型方法
本文選取Copula模型作為實證研究的方法。Copula模型被廣泛應用於金融資產間的相關性分析。Copula函數能夠捕捉非線性和非對稱相關性,避免線性相關係數可能帶來的誤差；靈活地選擇資產邊緣分布的具體形式，對金融序列呈現出的「尖峰厚尾」特徵具有很強的刻畫能力；適用於任何分布，由其導出的一致性和相關性測度具有更廣泛的實用性。因此，該模型適用於分析匯率市場與碳市場間的影響特點和相關結構。Copula模型的界定採用Nelsen[17]的定義：
Copula函數是將隨機向量的聯合分布函數與各自的邊緣分布函數相連接的連接函數，即有函數，使得
（1）
常見N元Copula函數的分布函數表達式如表2：
表2 常見N元Copula函數的分布函數表達式
分類
名稱
分布函數表達式
橢圓類
正態Copula
t-Copula
阿基米德類
Gumbel Copula
Clayton Copula
Frank Copula
四、 實證分析
單位根檢驗結果顯示，碳價收益率和匯率收益率均為平穩序列。基於各序列的自相關係數和自相關圖，北京、天津和湖北的碳價收益率序列的滯後階數為3，上海、廣東和深圳碳價收益率序列的滯後階數為1，匯率收益率序列的滯後階數為1。殘差時序圖、自相關函數檢驗與LM檢驗，說明相關序列存在ARCH效應。為體現出正負資產收益率的非對稱效應並放鬆對模型係數非負性的限制，我們選擇建立EGARCH模型。表3和表4給出了碳收益率和匯率收益率的模型估計結果。可看出，各GARCH項係數均在1%水平上顯著。
表3 碳價收益率EGARCH模型估計結果
深圳
北京
廣東
上海
天津
湖北
µ
-2.33e-06（0.0009）
0.0014***
（0.0005）
7.43e-07（9.00e-06）
-0.0020（0.0034）
-0.0009***（0.0001）
-0.0011*（0.0006）
ψ1
-0.1925***（0.0420）
-0.3266***
（0.0502）
0.0017（0.0018）
-0.1207*（0.0676）
0.0458（0.0373）
-0.2288***（0.0602）
ψ2
_
-0.2345***（0.0474）
_
_
-0.0520**（0.0257）
-0.2126***（0.0506）
ψ3
_
-0.2192***（0.0489）
_
_
0.0488（0.0305）
-0.0439（0.0457）
α0
-1.2502***（0.2089）
0.2995***（0.0211）
-0.8542***（0.0506）
-1.4898***（0.2603）
-0.2435***（0.0096）
-1.9730***（0.1593）
α1
0.1867***（0.0346）
0.2712***（0.0164）
0.3617***（0.0198）
0.1812***（0.0342）
0.3394***（0.0123）
0.4962***（0.0567）
θ
-0.0397（0.0258）
0.0890***（0.0118）
-0.0413***（0.0151）
-0.0382*（0.0213）
-0.0493***（0.0117）
-0.2922***（0.0556）
β1
0.8427***（0.0263）
0.9751***（0.0035）
0.9151***（0.0056）
0.7270***（0.0479）
0.9920***（0.0017）
0.7848***（0.0175）
註： *，** ，***，分別表示估計在10%，5%和1%的水平上顯著，括號內為相應的標準差。
表4 匯率收益率EGARCH模型估計結果
深圳
北京
廣東
上海
天津
湖北
µ
0.0002***
(3.64e-05)
0.0002***
(3.81e-05)
0.0002***（3.85e-06）
-0.0002***
(4.31e-05）
-0.0002***
(3.82e-06）
0.0002***
(4.00e-05)
ψ1
-0.1565（0.0967）
-0.0909（0.0851）
-0.0847（0.0875）
0.0852（0.0952）
0.0981（0.0871）
-0.1412（0.0934）
α0
-8.8458***（1.0882）
-9.0020***（0.9509）
-9.0212***（0.9550）
-8.9279***（1.0186）
-8.9204***（0.9664）
-8.9319***（0.9575）
α1
0.8231***（1.0882）
0.9122***（0.1108）
0.9239***（0.1122）
0.8828***（0.1170）
0.9509***（0.1145）
1.0886***（0.1290）
θ
-0.3380***（0.1020）
-0.3346***（0.0863）
-0.3424***（0.0875）
-0.3141***（0.0906）
-0.3605***（0.0896）
0.1413***（0.0228）
β1
0.3905***（0.0777）
0.3752***（0.0689）
0.3741***（0.0693）
0.3750***（0.0745）
0.3822***（0.0701）
0.9265***（0.0097）
註： *，** ，***，分別表示估計在10%，5%和1%的水平上顯著，括號內為相應的標準差。
表5和表6分別給出的碳價和匯率收益率序列的K-S檢驗結果，經過概率積分變換後的邊緣分布序列服從（0，1）區間內的均勻分布。
表5 K-S檢驗結果（碳價收益率）
深圳
北京
廣東
上海
天津
湖北
K-S統計量
0.0579
0.0579
0.0579
0.0580
0.0579
0.0580
p
0.0392
0.0510
0.0544
0.0726
0.0581
0.0878
h
0
0
0
0
0
0
表6 K-S檢驗結果（匯率）
深圳
北京
廣東
上海
天津
湖北
K-S統計量
0.0579
0.0590
0.0579
0.0580
0.0578
0.0575
p
0.0392
0.0447
0.0544
0.0726
0.0588
0.0934
h
0
0
0
0
0
0
表7為匯率市場與碳市場的Copula模型估計結果。根據平方歐氏距離最小原則，可選最優Copula函數。針對平方歐氏距離相等的情況，我們結合收益率的標準差與相關係數來選擇：深圳選Frank Copula，北京、上海選Gumbel Copula，廣東選Clayton Copula，天津選t-Copula，而對於湖北，正態Copula和t-Copula均能刻畫碳市場與匯率市場間的關係。其中，正態Copula和t-Copula用估計係數來描述相關關係，Clayton Copula、Gumbel Copula和Frank Copula用非線性相關係數Kendall_τ來描述相關關係。
表7 碳市場與匯率市場的Copula模型估計結果
Gaussian
T
Clayton
Gumbel
Frank
深圳
ρ
0.0154
0.0154
1.45e-06
1.0000
0.1254
d2
0.0321
0.0321
0.0349
0.0317
0.0317
Kendall_τ
0.0098
0.0098
7.2543e-07
0.0074
0.0139
北京
ρ
0.0382
0.0380
1.45e-06
1.0000
0.2094
d2
0.0166
0.0166
0.0239
0.0157
0.0164
Kendall_τ
0.0243
0.0242
7.2543e-07
0.0319
0.0233
廣東
ρ
-0.0111
-0.0111
1.45e-06
1.0000
-0.0700
d2
0.0224
0.0224
0.0222
0.0232
0.0226
Kendall_τ
-0.0071
-0.0070
7.2543e-07
0.0074
-0.0078
上海
ρ
0.0152
0.0152
1.45e-06
1.0000
0.0129
d2
0.0169
0.0169
0.0156
0.0156
0.0157
Kendall_τ
0.0097
0.0097
7.2543e-07
1.3575e-06
0.0014
天津
ρ
-0.0268
-0.0237
1.45e-06
1.0000
-0.1183
d2
0.0347
0.0346
0.0395
0.0395
0.0350
Kendall_τ
-0.0171
-0.0151
7.2543e-07
1.3575e-06
-0.0131
湖北
ρ
0.0200
0.0200
0.0521
1.0000
0.0994
d2
0.0202
0.0202
0.0192
0.0220
0.0203
Kendall_τ
0.0127
0.0127
0.0254
1.3575e-06
0.0110
由估計結果可知，各碳市場與匯率市場的相關結構具有較大差異。從匯率影響能源相對價格的角度分析，我們給出了匯率與能源相對價格的走勢（如圖3）。其中oil/coal表示石油與煤炭的相對價格，gas/coal表示天然氣與煤炭的相對價格，usd表示美元兌人民幣匯率的中間價。可見，在樣本期石油與煤炭的相對價格低於天然氣與煤炭的相對價格。
圖3能源相對價格與匯率走勢圖
進一步地，我們用ρ1、ρ2分別表示usd與oil/coal的相關係數、usd與gas/coal的相關係數，估計結果如表8。可見，匯率與能源的相對價格均有顯著的相關關係，其中與oil/coal呈負相關，與gas/coal呈正相關。近十年來，我國能源使用總量逐年上升，但煤炭使用量的增長率已逐漸放緩。自2011年以來，煤炭佔總能源消費量的比重逐年遞減，能源的轉型升級已初顯成效（如圖4）。但各地區能源替代結構的差異，使得人民幣匯率波動對碳價的衝擊具有較大差異。
表8 相關係數估計結果
ρ1
ρ2
Pearson相關係數
-0.1286*
（0.0039）
0.5675*
（0.0000）
Spearman相關係數
-0.0574
（0.1989）
0.2097*
（0.0000）
Kendall相關係數
-0.0445
（0.1361）
0.1177*
（0.0001）
註： *表示估計在1%的水平上顯著，括號內為顯著性檢驗的p值。
圖4 中國能源消費量與煤炭消費量佔比
從上述計量結果，我們可知：
1.匯率市場與天津碳市場呈顯著負相關，而與其餘五個碳市場的相關係數均為正，其中對北京、上海和深圳的正向衝擊非常顯著，而對湖北、廣東的正向衝擊較弱。天津碳價與匯率的相關係數為-00237，與其它市場正的相關係數明顯不同。這是因為，在所有試點地區中，天津石油消耗量增速最快，能源轉換結構主要體現為用石油替代煤炭，因此對石油與煤炭的相對價格更敏感。而其它試點地區天然氣的使用量增長很快，對天然氣與煤炭的相對價格更敏感。例如，天津2014年的石油消耗量為1615萬噸，比2007年的768萬噸增加了2倍多。2014年武漢消耗天然氣40億立方米，比2007年的86億立方米增加了4倍多。廣東和北京2014年使用的天然氣分別為133.8億和113.7立方米，不僅總量在試點地區中最高，而且增長率也較快。上海在2007年至2014年間，石油消費的增長率僅為115%，而天然氣消費的增長率為2.6%。特別是北京和上海煤炭消費總量已經出現了負增長，以北京為例，2014年的煤炭消費量為1737萬噸，比2007年的2985萬噸下降了42%。可見，各試點地區的能源替代效應均比較明顯。但由於石油的碳排放量係數高於天然氣，從而導致天津的能源替代效應及匯率衝擊效應區別於其它地區。各地區能源消費結構與能源替代效應的差異亦影響了匯率衝擊碳價的差異。此外，天津自2009年以來，進口總額一直大於出口總額①。在樣本期內，人民幣匯率主要處於升值狀態。天津進口大於出口的貿易結構使得人民幣匯率升值（美元貶值）減少出口、碳價的作用弱於增加進口、拉升碳價的作用，從而亦使匯率對碳價具有負向衝擊。這是因為人民幣匯率升值，降低中國出口產品的價格競爭力，減少出口企業的生產訂單，出口企業生產規模的縮小會降低企業的碳配額需求，從而拉低碳價；而另一方面，人民幣匯率升值，會提高中國進口企業的支付能力和進口需求，增加進口企業的生產能力，提高碳配額需求，推高碳價。試點地區進出口結構的差異使得匯率衝擊碳價的方向相反。
2.匯率市場與北京、上海的碳市場呈顯著的上尾相關性，與廣東則呈現下尾相關性，與天津呈現尾部極值相關。Gumbel Copula函數具有「上尾高，下尾低」的特點，說明匯率暴漲時，北京、上海碳價出現暴漲的概率較大。Clayton Copula函數具有「下尾高，上尾低」的特點，因此匯率暴跌時，廣東碳價暴跌的可能性較大；t-Copula函數對尾部的敏感度較高,天津碳市場與匯率市場尾部相關最明顯，當匯率發生較大波動時，天津碳市場也會產生劇烈的震蕩。
五、 結論與對策建議
為揭示人民幣匯率波動對碳價的衝擊，豐富碳定價理論，完善碳價管理機制，本文選取深圳、北京、廣東、上海、天津、湖北六個碳市場的碳價收益率以及人民幣兌美元匯率中間價的日收益率數據，基於指數自回歸條件異方差Copula模型，考察了各碳市場與匯率市場的相關結構。結論表明：匯率對各市場碳價的衝擊呈現顯著的區域差異。對天津碳價有負向衝擊，對其餘五個市場的影響均為正，對北京、上海和深圳的衝擊較顯著，對湖北、廣東的影響較弱；對北京、上海碳價的衝擊呈顯著的上尾相關性，對廣東呈下尾相關性，對天津呈尾部極值相關。進一步的能源替代效應分析表明，各地區的煤炭替代效應較顯著，其中天津石油替代煤炭的比重較大，其餘地區天然氣替代煤炭的比重較大。
本文的發現說明人民幣匯率波動對中國碳價有顯著衝擊且衝擊具有區域異質性。中國的減排政策體系應根據這一特徵進行調整：全國碳市場交易規則的設計，應關注區域差異，綜合考慮地區的資源稟賦、產業結構、貿易結構等問題，充分考慮碳排放權的收入分配效應。避免全國統一碳市場運行中出現地區性的淨碳排放權買入者與賣出者，特別是要避免碳交易使經濟落後地區承擔更高的減排成本而擴大區域差異；碳價管理機制應增加彈性，應充分考慮匯率等金融資產價格波動對碳價的衝擊及其區域差異效應，積極構建聯動機制，避免外部衝擊影響碳市場的穩定與減排企業的投融資決策；積極推進能源產品的人民幣定價、促進人民幣匯率的穩定，以降低國際能源價格對我國能源價格的衝擊，並利用全國統一碳市場將是全球最大碳市場的規模優勢，提升碳定價的國際話語權；加強碳市場與其它金融市場的合作，鼓勵碳金融創新，充分發揮碳市場在促進我國能源轉型過程中的積極作用。
參考文獻：
[1]王倩，高翠雲.中國試點碳市場間的溢出效應研究——基於六元VAR-GARCH-BEKK模型與社會網絡分析法.武漢大學學報(哲學社會科學版)，2016，（6）.
[2]汪文雋，周婉雲，李瑾等.中國碳市場波動溢出效應研究.中國人口·資源與環境，2016，（12）.
[3]E.Delarue,K.Voorspool,W.Dhaeseleer.Fuel Switching in the Electricity Sector under the EU ETS:Review and Prospective.Energy Engineering,2008,134(2).
[4]D.Rodrik.The Real Exchange Rate and Economic Growth.Brookings Papers on Economic Activity,2008,39(2).
[5]G.Daskalakis，R.N.Markellos.Are Electricity Risk Premia Affected by Emission Allowance Prices? Evidence From the EEX,Nord Pool And Powernext.Energy Policy,2009,(37).
[6]張秋莉，楊超，門明.國際碳市場與能源市場動態相依關係研究與啟示——基於DCC-MVGARCH模型.經濟評論，2012，（5）.
[7]P.Atola，M.Ollikainen,A.Toppinen.Impact of the Carbon Price on the Integrating European Electricity Market.Energy Policy,2013,(61).
[8]海小輝，楊寶臣.歐盟排放交易體系與化石能源市場動態關係研究.資源科學，2014，（7）.
[9]Y.J.Zhang,Y.F.Sun.The Dynamic Volatility Spillover Between European Carbon Trading Market and Fossil Energy Market.Journal of Cleaner Production,2016,112.
[10]E.Alberola，J.Chevallier，B.Chèze.Price Drivers and Structural Breaks in European Carbon Prices 2005-2007.Energy Policy,2008,(36).
[11]J.Chevallier.A Model of Carbon Price Interactions With Macroeconomic and Energy Dynamics.Energy Economy,2011,33(6).
[12]J.Chevallier.Evaluating the Carbon—Macroeconomy Relationship:Evidence from Threshold Vector Error-correction and Markov-Switching VAR Models.Economy Model,2011,28(6).
[13]鄒亞生，魏薇.碳排放核證減排量(CER)現貨價格影響因素研究.金融研究，2013,（10）.
[14]J.M.Yu,M.L.Mallory.Exchange Rate Effect on Carbon Credit Price Via Energy Markets.Journal of International Money and Finance,2014,47.
[15]黃曉鳳，王廷惠，程玉仙.國際股票、外匯及原油市場對CER市場的波動溢出效應.系統工程,2015，（5）.
[16]周建國,劉宇萍,韓博.我國碳配額價格形成及其影響因素研究——基於VAR模型的實證分析.價格理論與實踐,2016，（5）.
[17]D.B.Nelson.ARCH Models as Diffusion Approximations.Journal of Economics,1990,45.
The Impact of Exchange Rate on China’s Carbon Price：
From the Perspective of Regional Differences
Wang Qian & Lu Jingjing （Jilin University）
Abstract:Exchange rate impacts carbon price by changing energy relative price，import and export.Carbon pricing not only affects low carbon transition but also influences abatement cost and development rights of emitters.In the context of speeding up of financial market’s opening up and the increasing of exchange rate volatility,the impact of foreign exchange market on carbon is a key factor for the success of the national unified carbon market and the regional balance development in mitigation.Based on an EGARCH-Copula model,we find the impacts of RMB exchange rates on the carbon prices of six pilot carbon markets in China has significant regional differences.The impact on the carbon prices in Tianjin is negative,but positive in the other five carbon markets; RMB exchange rate has a strong impact on the carbon prices in Beijing,Shanghai and Shenzhen,but weak in Tianjin,Hubei and Guangdong；RMB exchange rate has strong upper tail correlation with the carbon prices in Beijing and Shanghai,but strong lower tail correlation with the carbon prices in Guangdong.Therefore,the design of the national unified carbon market should take regional differences into account; establish a response mechanism and improve the carbon price management by considering the regional heterogeneity of external impacts of exchange rate market on carbon market, and strengthen the role of RMB in energy pricing and promote the carbon financial innovation.
Key words:exchange rate; carbon pricing; regional differences; Copula model