中国七大试点碳市场2014–2017年交易信息数据集

中国七大试点碳市场2014–2017年交易信息数据集
作者:张倩云 李瑾 张瑶 赵东 刘琛
2020年1月13日
本作品收錄於《中国科学数据
张倩云, 李瑾, 张瑶, 等. 中国七大试点碳市场2014–2017年交易信息数据集[J/OL]. 中国科学数据, 2020, 5(1). (2019-09-23). DOI: 10.11922/csdata.2019.0030.zh.


摘要&关键词 编辑

摘要:在碳排放权交易市场中,研究市场交易信息有助于了解碳价格形成过程中存在的信息披露和信息传输等问题。本数据集对上海、北京、广东、深圳、湖北、天津和重庆等七个试点碳市场2014–2017年的成交数据进行收集。数据主要来源于各试点官方网站公布的信息。为了保证数据的连续性,数据采集过程中剔除了所有无交易的日期。本数据集包含各试点碳市场配额日成交量和日成交额等较全面的交易信息,为开展碳市场量价关系分析与有效性研究等相关工作提供数据支持,也可以为全国碳市场的建设总结相关经验,以供借鉴。

关键词:碳市场;量价关系;碳价日变化率;有效性

Abstract & Keywords 编辑

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

数据库(集)基本信息简介 编辑

数据库(集)名称 中国七大试点碳市场2014–2017年交易信息数据集
数据作者 张倩云、李瑾、张瑶、赵东、刘琛
数据通讯作者 李瑾(lijinpiga@163.com)
数据时间范围 2014–2017年
地理区域 上海、北京、广东、深圳、湖北、天津、重庆
数据量 1494 KB
数据格式 *.XLS
数据服务系统网址 http://www.sciencedb.cn/dataSet/handle/819
基金项目 国家发展改革委促进大数据重大工程项目(2016-999999-65-01-000696-03)
数据库(集)组成 数据集为一份Excel数据表,包含七个市场的配额日成交量和成交额等数据。

Dataset Profile 编辑

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 编辑

碳市场建设是我国构建绿色金融体系的关键内容,根据各试点每日交易价格判断碳市场的有效性是衡量碳市场发展成熟度的关键依据[1]。关于国外的碳市场价格研究,Daskalakis 和Markellos利用欧洲碳交易数据,实证检验碳市场的有效性[2];Seifer等通过随机均衡模型得出了欧洲碳市场信息充分有效的结论[3];Alberto Montagnoli等采用方差比率法对欧盟碳市场的有效性进行检验[4];Amelie Charles等亦证实欧盟碳市场有效[5];国内研究部分,王倩、王硕选取2013年下半年至2014年上半年范围内上海、北京、深圳和天津4个试点的碳交易数据进行有效性研究[6];赵长红等采用面板回归模型分析能源价格、宏观经济等因素对碳交易价格的影响[7];王扬雷选取2013年11月至2015年6月期间北京碳排放权交易价格作为研究对象,进行市场分析[8]。可以看出,碳市场的交易信息为市场有效性的研究提供基础的数据支撑。

相对目前国内已有的研究来看,本数据集覆盖的试点范围和时间范围更广,包括2013年12月31日至2017年12月31日北京、上海、广东、深圳、湖北、天津、重庆7个省市试点碳市场的配额日成交量和日成交额数据。根据这些数据可以整理出碳交易市场配额日成交均价以及碳价日变化率序列,为进一步分析碳市场价格变化趋势及市场有效性提供必要的数据支持。

1 数据采集和处理方法 编辑

1.1 数据来源 编辑

本数据主要来源于市场公开数据,覆盖各个试点碳市场官方网站的交易信息。其中,上海碳市场的交易数据由上海环境能源交易所根据交易系统内部成交信息进行统计汇总形成。对于北京、广东、深圳、湖北、天津和重庆碳市场,分别进入各自的碳排放权交易所官网,将2013年12月31日至2017年12月31日时间范围内的交易信息完整下载,得到原始数据。

1.2 数据预处理 编辑

数据收集过程中通常会受到噪声数据、缺失数据、冲突数据等影响,导致采集到的原始数据比较“脏”。因此,首先需要对原始数据进行预处理,以保证数据的质量和应用价值。本文的预处理环节主要包括数据集成、数据清洗和数据转换等方面。

(1)数据集成

由于交易信息不是来源于同一网站,需要将数据进行整合,形成一个综合数据集。将不同数据源的数据进行形式统一,有利于提高数据的集中性和一致性。

在这个过程中,主要是对不同来源的数据名称、长度、格式和单位等进行统一,并进行字段检查。对不同的字段进行删除或合并,避免出现冗余。

(2)数据清洗

对数据的不一致检验、噪声数据的识别、数据过滤与修正,有利于提高数据的真实性和可用性。本文清洗过程包括以下几个方面:

①数据不一致。由于数据的来源不同,名称和单位可能有所差异。在使用前,对数据进行检查和统一,避免由于内容不一致带来的误差。

②空缺值。原始数据中存在少量空缺值,这是由于当天没有成交记录造成的,对数据的分析与研究并没有实际意义,故直接将空缺值做删除处理。

③异常值识别。通过单变量的描述统计及图形法,识别有无异常值或明显错误值。本文分别将七个试点的成交量和成交额进行描述性统计分析得出每月碳配额价格的加权平均值,然后利用散点图将碳配额日均价可视化处理。对于明显偏离加权平均值的数据可视为异常情况,可能原因是原始数据的记录错误或者数据收集过程中的操作错误。对于有异常值出现的情况,经人工查证后利用上一交易日的有效成交数据进行替换处理。

(3)数据转换

利用对数收益率计算方式将配额日成交均价转化成碳价日变化率,可以为市场有效性研究提供基础数据支持,计算公式为[9]:Xt=ln(Pt/Pt-1),其中,Xt为第t日的碳价日变化率;Pt为第t日的碳市场价格;Pt- 1 为第t-1日的碳市场价格。

数据预处理阶段的整体流程如图1所示。


图片

图1 数据处理流程图


2 数据样本描述 编辑

经过数据处理,得出七个试点2014–2017年的交易数据,详情如表1所示。


表1 七个试点交易数据详情

试点 数据来源 时间范围 样本数量
上海 上海环境能源交易所 2013.12.31-2017.12.29 595
北京 北京环境交易所 2014.01.02-2017.12.29 673
广东 广州碳排放权交易所 2014.03.11-2017.12.29 732
深圳 深圳排放权交易所 2015.05.18-2017.12.29 596
湖北 湖北碳排放权交易中心 2014.04.02-2017.12.29 903
天津 天津排放权交易所 2013.12.31-2017.12.22 457
重庆 重庆碳排放权交易中心 2014.06.19-2017.12.29 240

注:其中深圳排放权交易所的官网数据开始于2015年5月18日。

本数据集由七个试点碳市场2014–2017年的交易情况组成,每个试点的数据内容包括配额日成交量、配额日成交额、配额日成交均价以及碳价日变化率。根据这些数据可以单独研究各试点的市场交易情况,也可以将七个试点作对比分析。以上海碳市场为例,数据具体信息如图2所示。


图片

图2 上海碳市场部分交易数据信息


3 数据质量控制和评估 编辑

由于原始数据属于外部二手数据,所以在使用前对数据的准确性、适用性和一致性进行审核。

(1)准确性

本数据来源于各试点官网信息,是所有交易情况的汇总统计,保证了数据的真实性和准确性。

(2)适用性

本文收集的原始数据中包含市场成交量和成交价等重要信息,是碳市场量价关系分析以及有效性研究等工作必不可少的目标数据。

(3)一致性

不同试点官方网站包含的数据字段有所差别,但是均包含完整的交易信息,根据数据集需求进行统一筛选。

4 数据价值 编辑

本数据集来源可靠,包含了七个试点2014–2017年较完整的交易数据。各数据可以直接参考使用,为中国碳市场历年进展情况或七个试点交易情况对比等相关研究提供可靠的数据支持。

致 谢 编辑

衷心感谢中国科学院上海高等研究院“碳排放特色数据产品及系统开发”项目的大力支持。

参考文献 编辑

  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 (6): 109-115.
  7. 赵长红, 张明明, 翟迪. 基于试点碳市场的中国碳价驱动因素实证研究[J]. 经济论坛, 2018, 581(12): 138-143.
  8. 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(12): 174-175.
  9. 周天芸, 许锐翔. 中国碳排放权交易价格的形成及其波动特征——基于深圳碳排放权交易所的数据[J]. 金融发展研究, 2016(1): 16-25.

数据引用格式 编辑

张倩云, 李瑾, 张瑶, 等. 中国七大试点碳市场2014–2017年交易信息数据集[DB/OL]. Science Data Bank, 2019. (2019-09-23). DOI: 10.11922/sciencedb.819.


 

本作品在“知识共享-署名 4.0 国际”协议下发表。

Public domainPublic domainfalsefalse