中國七大試點碳市場2014–2017年交易信息數據集

中國七大試點碳市場2014–2017年交易信息數據集
作者：張倩雲　李瑾　張瑤　趙東　劉琛
2020年1月13日

本作品收錄於《中國科學數據》

張倩雲, 李瑾, 張瑤, 等. 中國七大試點碳市場2014–2017年交易信息數據集[J/OL]. 中國科學數據, 2020, 5(1). (2019-09-23). DOI: 10.11922/csdata.2019.0030.zh.

摘要&關鍵詞

摘要：在碳排放權交易市場中，研究市場交易信息有助於了解碳價格形成過程中存在的信息披露和信息傳輸等問題。本數據集對上海、北京、廣東、深圳、湖北、天津和重慶等七個試點碳市場2014–2017年的成交數據進行收集。數據主要來源於各試點官方網站公布的信息。為了保證數據的連續性，數據採集過程中剔除了所有無交易的日期。本數據集包含各試點碳市場配額日成交量和日成交額等較全面的交易信息，為開展碳市場量價關係分析與有效性研究等相關工作提供數據支持，也可以為全國碳市場的建設總結相關經驗，以供借鑑。

關鍵詞：碳市場；量價關係；碳價日變化率；有效性

Abstract & Keywords

Abstract: In the carbon market, the research on trade information is conducive to understanding the problems of information disclosure and information transmission in the formation of carbon price. The trading data during 2014 – 2017 of Shanghai, Beijing, Guangdong, Shenzhen, Hubei, Tianjin and Chongqing were collected from the official websites of seven pilot markets. To ensure the continuity of data, all non-trade dates were removed during the data collection process. This dataset contains comprehensive trade information such as daily transaction volume and daily transaction turnover of each pilot market. It can not only serve as data support for relevant researches such as the analysis of the relationship between volume and price and the research on the effectiveness of carbon market, but also provide experience and reference for the construction of the carbon market nationwide.

Keywords: carbon market; relationship between volume and price; daily rate of carbon price; effectiveness

數據庫（集）基本信息簡介

數據庫（集）名稱	中國七大試點碳市場2014–2017年交易信息數據集
數據作者	張倩雲、李瑾、張瑤、趙東、劉琛
數據通訊作者	李瑾（lijinpiga@163.com）
數據時間範圍	2014–2017年
地理區域	上海、北京、廣東、深圳、湖北、天津、重慶
數據量	1494 KB
數據格式	*.XLS
數據服務系統網址	http://www.sciencedb.cn/dataSet/handle/819
基金項目	國家發展改革委促進大數據重大工程項目（2016-999999-65-01-000696-03）
數據庫（集）組成	數據集為一份Excel數據表，包含七個市場的配額日成交量和成交額等數據。

Dataset Profile

Title	A dataset for the trade information during 2014 – 2017 of seven pilot carbon markets in China
Data authors	Zhang Qianyun, Li Jin, Zhang Yao, Zhao Dong, Liu Chen
Data corresponding author	Li Jin（lijinpiga@163.com）
Time range	2014 – 2017
Geographical scope	Shanghai, Beijing, Guangdong, Shenzhen, Hubei, Tianjin, Chongqing
Data volume	1494 KB
Data format	*.XLS
Data service system	<http://www.sciencedb.cn/dataSet/handle/819>
Sources of funding	Big Data Project of the National Development and Reform Commission (2016-999999-65-01-000696-03).
Dataset composition	The dataset is an Excel sheet of data, including daily trading information like transaction volume and turnover of the seven markets.

引 言

碳市場建設是我國構建綠色金融體系的關鍵內容，根據各試點每日交易價格判斷碳市場的有效性是衡量碳市場發展成熟度的關鍵依據^[1]。關於國外的碳市場價格研究，Daskalakis 和Markellos利用歐洲碳交易數據，實證檢驗碳市場的有效性^[2]；Seifer等通過隨機均衡模型得出了歐洲碳市場信息充分有效的結論^[3]；Alberto Montagnoli等採用方差比率法對歐盟碳市場的有效性進行檢驗^[4]；Amelie Charles等亦證實歐盟碳市場有效^[5]；國內研究部分，王倩、王碩選取2013年下半年至2014年上半年範圍內上海、北京、深圳和天津4個試點的碳交易數據進行有效性研究^[6]；趙長紅等採用面板回歸模型分析能源價格、宏觀經濟等因素對碳交易價格的影響^[7]；王揚雷選取2013年11月至2015年6月期間北京碳排放權交易價格作為研究對象，進行市場分析^[8]。可以看出，碳市場的交易信息為市場有效性的研究提供基礎的數據支撐。

相對目前國內已有的研究來看，本數據集覆蓋的試點範圍和時間範圍更廣，包括2013年12月31日至2017年12月31日北京、上海、廣東、深圳、湖北、天津、重慶7個省市試點碳市場的配額日成交量和日成交額數據。根據這些數據可以整理出碳交易市場配額日成交均價以及碳價日變化率序列，為進一步分析碳市場價格變化趨勢及市場有效性提供必要的數據支持。

1 數據採集和處理方法

1.1 數據來源

本數據主要來源於市場公開數據，覆蓋各個試點碳市場官方網站的交易信息。其中，上海碳市場的交易數據由上海環境能源交易所根據交易系統內部成交信息進行統計匯總形成。對於北京、廣東、深圳、湖北、天津和重慶碳市場，分別進入各自的碳排放權交易所官網，將2013年12月31日至2017年12月31日時間範圍內的交易信息完整下載，得到原始數據。

1.2 數據預處理

數據收集過程中通常會受到噪聲數據、缺失數據、衝突數據等影響，導致採集到的原始數據比較「髒」。因此，首先需要對原始數據進行預處理，以保證數據的質量和應用價值。本文的預處理環節主要包括數據集成、數據清洗和數據轉換等方面。

（1）數據集成

由於交易信息不是來源於同一網站，需要將數據進行整合，形成一個綜合數據集。將不同數據源的數據進行形式統一，有利於提高數據的集中性和一致性。

在這個過程中，主要是對不同來源的數據名稱、長度、格式和單位等進行統一，並進行字段檢查。對不同的字段進行刪除或合併，避免出現冗餘。

（2）數據清洗

對數據的不一致檢驗、噪聲數據的識別、數據過濾與修正，有利於提高數據的真實性和可用性。本文清洗過程包括以下幾個方面：

①數據不一致。由於數據的來源不同，名稱和單位可能有所差異。在使用前，對數據進行檢查和統一，避免由於內容不一致帶來的誤差。

②空缺值。原始數據中存在少量空缺值，這是由於當天沒有成交記錄造成的，對數據的分析與研究並沒有實際意義，故直接將空缺值做刪除處理。

③異常值識別。通過單變量的描述統計及圖形法，識別有無異常值或明顯錯誤值。本文分別將七個試點的成交量和成交額進行描述性統計分析得出每月碳配額價格的加權平均值，然後利用散點圖將碳配額日均價可視化處理。對於明顯偏離加權平均值的數據可視為異常情況，可能原因是原始數據的記錄錯誤或者數據收集過程中的操作錯誤。對於有異常值出現的情況，經人工查證後利用上一交易日的有效成交數據進行替換處理。

（3）數據轉換

利用對數收益率計算方式將配額日成交均價轉化成碳價日變化率，可以為市場有效性研究提供基礎數據支持，計算公式為^[9]：Xt=ln（Pt/Pt-1），其中，Xt為第t日的碳價日變化率；Pt為第t日的碳市場價格；Pt- 1 為第t-1日的碳市場價格。

數據預處理階段的整體流程如圖1所示。

圖片

圖1 數據處理流程圖

2 數據樣本描述

經過數據處理，得出七個試點2014–2017年的交易數據，詳情如表1所示。

表1 七個試點交易數據詳情

試點	數據來源	時間範圍	樣本數量
上海	上海環境能源交易所	2013.12.31-2017.12.29	595
北京	北京環境交易所	2014.01.02-2017.12.29	673
廣東	廣州碳排放權交易所	2014.03.11-2017.12.29	732
深圳	深圳排放權交易所	2015.05.18-2017.12.29	596
湖北	湖北碳排放權交易中心	2014.04.02-2017.12.29	903
天津	天津排放權交易所	2013.12.31-2017.12.22	457
重慶	重慶碳排放權交易中心	2014.06.19-2017.12.29	240

註：其中深圳排放權交易所的官網數據開始於2015年5月18日。

本數據集由七個試點碳市場2014–2017年的交易情況組成，每個試點的數據內容包括配額日成交量、配額日成交額、配額日成交均價以及碳價日變化率。根據這些數據可以單獨研究各試點的市場交易情況，也可以將七個試點作對比分析。以上海碳市場為例，數據具體信息如圖2所示。

圖片

圖2 上海碳市場部分交易數據信息

3 數據質量控制和評估

由於原始數據屬於外部二手數據，所以在使用前對數據的準確性、適用性和一致性進行審核。

（1）準確性

本數據來源於各試點官網信息，是所有交易情況的匯總統計，保證了數據的真實性和準確性。

（2）適用性

本文收集的原始數據中包含市場成交量和成交價等重要信息，是碳市場量價關係分析以及有效性研究等工作必不可少的目標數據。

（3）一致性

不同試點官方網站包含的數據字段有所差別，但是均包含完整的交易信息，根據數據集需求進行統一篩選。

4 數據價值

本數據集來源可靠，包含了七個試點2014–2017年較完整的交易數據。各數據可以直接參考使用，為中國碳市場歷年進展情況或七個試點交易情況對比等相關研究提供可靠的數據支持。

致 謝

衷心感謝中國科學院上海高等研究院「碳排放特色數據產品及系統開發」項目的大力支持。

參考文獻

1. FAMA E F. Efficient Capital Market: A Review of Theory and Empirical Work[J]. The Journal of Finance, 1970, 25(2): 383-417.
2. DASKALAKIS G, MARKELLOS B N. Are The European Carbon Markets Efficient?[J]. Review of Future Markets, 2008, 17(2): 103-128.
3. SEIFERT J, UHRIG-HOMBURG M, WAGNER M. Dynamic behavior of CO2 spot prices[J]. Journal of Environmental Economics & Management, 2008, 56(2): 0-194.
4. MONTAGNOLI A, VRIES F P D. Carbon trading thickness and market efficiency[J]. Energy Economics, 2010, 32(6): 1331-1336.
5. CHARLES A. DARNE O. FOUILLOUX J. Testing the martingale difference hypothesis in CO2 emission allowances[J]. Economic Modelling, 2011, 28(1-2): 0-35.
6. 王倩, 王碩. 中國碳排放權交易市場的有效性研究[J]. 社會科學輯刊, 2014 (6): 109-115.
7. 趙長紅, 張明明, 翟迪. 基於試點碳市場的中國碳價驅動因素實證研究[J]. 經濟論壇, 2018, 581(12): 138-143.
8. 王揚雷, 杜莉. 我國碳金融交易市場的有效性研究——基於北京碳交易市場的分形理論分析[J]. 管理世界, 2015(12): 174-175.
9. 周天芸, 許銳翔. 中國碳排放權交易價格的形成及其波動特徵——基於深圳碳排放權交易所的數據[J]. 金融發展研究, 2016(1): 16-25.

數據引用格式

張倩雲, 李瑾, 張瑤, 等. 中國七大試點碳市場2014–2017年交易信息數據集[DB/OL]. Science Data Bank, 2019. (2019-09-23). DOI: 10.11922/sciencedb.819.