摘要：“双碳”目标的达成不是简单的减少碳排放量，而是在碳排放约束下实现更高质量的经济发展，平衡稳增长和促减排之间的关系。本文应用动态随机一般均衡模型，通过开展多情景政策模拟，分别考察碳税与碳减排支持工具的经济影响、作用机制及协调联动效果。研究发现：一是碳税工具虽然可以促进碳减排，但也会引发经济收缩，使金融体系面临较大转型风险，而碳减排支持工具虽然能够有效缓解经济下行压力及转型风险，但碳减排效果有限；二是碳税和碳减排支持工具协调联动既能缓解经济收缩压力、控制转型风险，又有显著的碳减排效果，能够在稳增长和促减排之间达到较好的平衡；三是居民消费偏好和绿色与非绿色产品之间的替代弹性大小，对两种工具在缓解经济收缩、控制转型风险及促进碳减排等方面的政策效果具有边际改善作用。

关键词：碳税；碳减排支持工具；政策协调联动

中图分类号：F832.1        文献标识码：A        文章编号：1007-0753（2023）06-0044-15

收稿日期：2022-10-14

作者简介：何莎，中国人民银行邵阳市中心支行，研究方向为能源经济、货币政策与财政政策协调。

一、引言

近年来，气候环境不断恶化所引发的一系列极端天气和自然灾害事件，引发了国际社会对人与自然关系的深刻反思，气候治理备受关注。为应对全球气候变化的挑战，目前已有约130个国家和地区提出碳减排目标，绿色低碳可持续发展已成为国际共识。从政策设计看，碳税是目前世界范围内影响较大、使用较普遍的碳减排手段，已在40多个国家落地实施，有效减少了约20%的全球温室气体排放量。同时，作为金融工具之一的碳排放权交易，也是一个被广泛使用的碳减排工具。从世界各国的实践来看，越来越多的国家和地区意识到了碳税与碳交易的各自优劣，如果将两者进行结合，可实现覆盖范围和价格机制上的互补，从而更好地实现碳减排目标。2020年初，新冠肺炎疫情冲击使世界经济环境愈加复杂，同时也使得各国的政策空间变得更为有限，在此背景下，如何有效协调运用财政政策和货币政策工具，使其在碳减排领域发挥更大的作用变得日益重要。

实现碳达峰、碳中和是党中央统筹国内和国际两个大局做出的重大战略决策，是生态文明建设的重要组成部分。2021年11月，中国人民银行创设推出结构性货币政策工具——碳减排支持工具，旨在引导金融机构在自主决策、自担风险的前提下，向碳减排重点领域内的各类企业提供低成本的碳减排贷款，以“先贷后借”的直达机制，支持碳减排领域发展，并由此撬动更多社会资金促进碳减排。在货币政策刺激下，碳减排工作取得有效进展。但在新冠肺炎疫情大流行后，不同部门均承受着经济下行的压力，其中，既有低碳转型支柱的“绿色部门”，又有碳排放密集的“棕色部门”，在此大环境下，碳减排工作也显得动能不足。此外，“双碳”目标要求建立一种新的经济模式，兑现巴黎气候协议（Paris Climate Agreement，PCA）目标。这意味着实现碳达峰、碳中和不可能毕其功于一役，而是一项长期、复杂、艰巨的任务，需要协调好经济、社会、环境发展全局，按照各地资源禀赋条件进行权衡，做到有进有退，有保有压。这种权衡带来了许多疑问，譬如什么样的政策能够在不助长碳排放的情况下有效实现经济复苏？如何为这样的政策融资？是否有一种政策比其他政策效果更好？为此，本文将围绕财政政策、货币政策协调联动的碳减排政策组合展开研究。

二、文献综述

财政政策和货币政策是调节宏观经济运行的两个主要“阀门”。2008年全球金融危机后，各国政府深刻认识到独立运行的财政政策和货币政策实际上很难熨平大的经济波动，进而表现出对经济政策组合的重视，对两者之间的协调配合关系逐渐形成一些共识。在新冠肺炎疫情冲击后经济逐步实现复苏的过程中，既要稳住经济增长，又要推动绿色低碳转型以应对气候变化，这引起社会各界对经济政策之间协调联动的进一步反思，将目光越来越聚焦于财政政策与货币政策在碳减排与促增长方面的搭配效果研究。

在财政政策方面，有学者指出，税收等财政政策工具比其他政策工具更有效，其中庇古税是最有效的解决方式（王信等，2020）。碳税已被证明是可行的碳减排工具，它可以将单个企业环境污染的外部性内部化，将污染的社会成本内化成企业的生产成本（Baranzini等，2000）。在贯彻落实国际、国家以及行业层面的碳减排目标上，碳税叠加税收返还优惠政策还能增加社会福祉，有效提升社会福利水平（Fried等，2021），在绿色低碳转型过程中发挥重要作用（Parry，2021）。马丽丽和赵华伟（2021）通过对碳金融相关文献进行梳理，发现以税收为主的财政政策可以为我国碳金融发展实践提供参考。然而也有研究表明，以碳税为代表的财政政策会带来一定的负面影响。具体而言，碳税政策会冲击劳动力市场（Mohommad，2021），引发经济衰退（Shi等，2015），并通过资产价格等渠道冲击金融市场，影响金融稳定（BCBS，2021）。Brunetti等（2021）认为，碳税作为一种负向供给冲击，大概率会降低经济产出，甚至会催生一些金融风险，但经济体有能力承受这种产出下降，投资者也有能力承受部分投资损失，因此监管部门无需配合碳税政策去完全消除这些不利影响。另外，也有研究者对此持谨慎态度，他们认为单纯依赖能源補贴而不实施化石燃料税对于缓解全球变暖是无效的（Hassler等，2012）。还有学者认为，碳减排政策引发的转型风险应视政策强度和国家具体情况而定，经济发展水平越低、对化石能源依赖度越高的国家，其面临的转型风险压力越大（Bolton和Kacperczyk，2021）。

在货币政策方面，目前各国央行在应对气候变化方面采取了包括合格抵押品、信贷分配政策等在内的货币政策工具，学术界也对此展开了相关研究，国内有学者对气候变化与货币政策之间的关系进行了定性分析（马骏，2015）。王遥等（2019）通过构建DSGE模型对绿色信贷激励与经济转型之间的关系进行研究，发现一定强度的绿色信贷激励能够在促进经济增长的同时较好地实现经济绿色转型。国外学者也开展了相关研究，Annicchiarico和DiDio（2017）对不同货币政策和气候政策组合的效果进行对比，发现考虑到温室气体排放的情况，应当适当收紧货币政策才是最优选择。Papoutsi等（2021）研究了央行绿色资产购买计划的环境效益，发现这一政策发挥效果的关键在于资产购买计划对企业资金成本的影响程度和企业债券融资比例的大小。

此外，近年来，部分经济体针对包括转型风险在内的气候风险，采取了压力测试、调整低碳资产资本要求、加强气候风险披露等监管措施（Dikau 和Ryan-Collins，2017）。但这些监管举措的必要性、有效性仍存在争议，Campiglio（2016）研究认为，如果银行无法评估一笔资产属于棕色还是绿色，或者因不熟悉绿色操作而需要支付较大的评估成本，那么监管政策可能就不再“锋利”，难以达到其效果。就工具合意度看，税收和数量监管等政策工具比货币政策等监管政策更有效，后者可以作为前者的补充，但不能替代前者（王信等，2020）。综上所述，单一政策存在针对性不强、转型风险滋生等弊端，而政策协同则能够较好地平衡稳增长与促减排之间的关系，用最小代价实现最大减排，最大限度降低对经济社会的负面冲击影响，因此亟须充分发挥政策协同作用。

现有研究主要集中在碳减排政策的宏观经济效应方面，多数研究证明碳税、碳配额等财政政策对遏制污染企业生产、减少碳排放具有显著效果，但少有文献关注财政货币政策在应对碳排放问题上的协同效应，对碳减排工具的协同配合研究缺乏理论支持。从研究方法来看，目前对碳减排金融支持工具的定量研究较少，且忽略了不同碳减排政策背后的传导机制。鉴于此，本文在以碳税为代表的财政减排措施的基础上，结合国内碳减排支持工具，运用动态随机一般均衡模型（Dynamic Stochastic General Equilibrium，DSGE）分析不同政策工具的作用机制、碳减排效果及协同联动经济效应。

三、理论模型

图1为本文使用的DSGE模型框架，在模型中将经济社会分为居民部门、绿色企业部门、非绿色企业部门、中间品厂商部门、最终品厂商部门、中央银行部门以及政府部门等，各个部门根据效用和利润最大化进行决策，部门之间的决策又相互影响，最终实现系统均衡。其中，居民部门由多个代表性居民构成，代表性居民的效用由劳动和消费所决定，其消费绿色和非绿色部门所生产的产品，也同时为这两个部门提供劳动，消费和劳动各自是不完全替代。代表性厂商的最优决策取决于劳动和资本使用量，其他部门以此类推，均作出最优决策。在实体经济方面，借鉴Annicchiarico和DiDio（2015）的研究，由于非绿色厂商生产具有外部性，生产过程会产生碳排放，增加大气中碳含量，会对全要素生产率产生损害，而全要素生产率降低会抑制产出增长。因此，政府对非绿色厂商征收碳税，以增加其污染成本并内化外部污染问题。在金融方面，借鉴Gertler和Karadi（2011）的研究，银行接受居民存款，向厂商提供贷款。银行资产包括绿色、非绿色贷款和政府债券，这些资产之间存在不完全替代的关系。中央银行通过碳减排支持工具，向绿色厂商提供额外融资。可见，系统模型在各个部门之间建立起了联系，一个部门决策的变化会引起其他部门的决策变化，由此形成本文的动态模型系统。

（一）居民部门

代表性居民从消费Ct和休闲1-Ht中获得效用，Ht表示居民劳动，居民预期效用水平为：

其中，E0表示0时期的预期，β为主观贴现率，γ为跨期消费替代弹性的倒数，σ为劳动供给工资收入弹性的倒数。

居民消费C  t是绿色消费Cg，t和Cb，t非绿色消费的组合，即：

其中，μc表示非绿色消费在居民消费篮子中的权重，用以捕捉居民对非绿色商品的偏好。ε表示绿色消费与非绿色消费之间的替代弹性。

居民就业Ht是绿色就业Hg，t与非绿色就业Hb，t的组合，即：

其中，μh表示非绿色就业在居民就业篮子中的权重，刻画居民在非绿色厂商中的劳动占比。居民预算约束为：

其中，Dh，t表示居民储蓄，Rdt表示储蓄利率，Wj表示不同劳动工资率，（1-σb）Nt表示银行家也是居民部门的成员，因此银行破产后最终会由居民部门得到其净资产。Tt表示一次性政府转移支付，Pb，t和Pg，t分别表示非绿色和绿色商品相对价格。

居民最优一阶条件为：

式（5）和式（6）分别表示居民对非绿色和绿色消费的最优决策，式（7）和式（8）分别表示居民对非绿色和绿色就业的最优决策，式（9）表示居民跨期消费最优决策，即欧拉方程。

（二）厂商部门

1.最终品厂商

代表性最终品厂商以中间品为生产要素投入，生产最终产品Yt，价格为Pt ，其生产函数为：

其中，Yt（i）是中间品厂商i生产的中间品，其价格为Pt （i），ω表示中间投入品之间的替代弹性。

最终品厂商利润最大化公式为：

2.中间品厂商

代表性中间品厂商生产函数为：

YtI是非绿色产品Yb，t和绿色产品Yg，t的组合，即：

其中，xi表示非绿色投入占总投入的比重，如前所述ε表示绿色消费与非绿色消费之间的替代弹性。中间品厂商以绿色产品和非绿色产品作为原材料投入生产中间产品，其绿色产品（Yg，t）与非绿色产品（Yb，t）最优投入分别为：

中间品厂商价格Pt I为：

在垄断竞争市场上，中間品厂商i面临二次价格调整成本ACt（i），即：

上式为中间品厂商的二次价格调整成本函数，其中，κp表示中间品厂商投资调整成本参数，通货膨胀水平为两期价格水平之比，可以表示为πt = Pt /Pt-1，π ? 表示稳态条件下的通胀水平，中间品厂商i的跨期价格决策为：

在对称经济均衡下，可得菲利普斯曲线为：

3.非绿色厂商部门

非绿色厂商的生产函数为：

其中，Kb，t和Hb，t分别表示非绿色生产中投入的资本和劳动，非绿色厂商从银行贷款购买资本，投资Ib，t运动方程为：

其中，δ和αb分别表示资本折旧率和资本产出弹性，Ab，t表示非绿色厂商的全要素生产率。本文借鉴Heutel（2012）、Annicchiarico和Di Dio（2015）的研究，考虑到大气碳含量的提高会增加地表平均温度，从而降低全要素生产率，抑制产出增长，设非绿色厂商全要素生产率与碳排放之间的关系为：Ab，t=1-D（x）ab，t。其中，d（x）表示碳排放损失函数，即：

其中，d0 、d1、d2分别表示零阶、一阶和二阶碳排放损失函数参数，xt表示碳排放存量，生产冲击ab，t服从随机过程为：

碳排放演化方程为：

其中，δx表示污染自然衰减率，国内碳排放量et取决于碳产出和碳减排努力，即：

其中，ηt表示减排努力程度，φ表示每单位产出的碳排放水平。et    row表示世界其他地区碳排放，根据《2020年世界能源统计》，我国碳排放量占全球1/3左右，故设et     row=2et 。借鉴Annicchiarico 和Di Dio（2015）的研究，减排成本Zt 是减排努力和产出的函数，即：

其中，ψ1＞0且ψ2＞1，这表明随着减排努力增加，减排成本将上升。τe，t    表示政府对非绿色厂商征收的碳排放税。非绿色厂商进行利润最大化决策，即：

maxPb，tYb，t -Zt -τe，t et -Wb，t Hb，t -（Rι b，t -1 ）Kb，t-1

非绿色厂商最优一阶条件为：

式（27）和式（28）分别表示非绿色厂商资本和劳动的最优决策，式（29）表示非绿色厂商最优减排努力决策。

4.绿色厂商部门

绿色厂商的生产函数为：

其中，Kg，t 和Hg，t分别表示绿色生产中投入的资本和劳动，绿色厂商从银行贷款购买资本，ag表示绿色厂商生产中的资本份额。投资Ig，t运动方程为：

Ag，t 表示绿色厂商的全要素生产率，服从一个随机过程为：

绿色厂商进行利润最大化为：

绿色厂商最优一阶条件为：

（三）银行部门

借鉴Auray等（2018）研究，银行信贷资产包括绿色厂商、非绿色厂商和政府债券，银行资产负债约束条件为：

其中，Assett 表示银行资产，Nt 表示银行净资本，其动态调整方程为：

其中，Rta表示银行资产平均回报率，银行随机贴现率βt，t+1 = βλt+1/λt，银行寻找值函数最优现值，即未来净资本折现值最大化。银行值函数为：

猜银行值函数是资产和净资本的线性组合，即：

借鉴Gertler和Karadi（2011）的研究，银行激励约束条件为：

银行杠杆率?t = Assett/Nt，利用待定系数法求解，得：

银行非绿色、绿色资产及政府债券价格分别为qtb、qtg和qtB，资产平均价格为qta ，则有qtaAssett =

qtbKb，t + qtgKg，t + qtBBt，總资产与各类资产关系为 Assett =[μ1/ε（Kb，t）（ε-1）/ε + ηB1/ε（Kg，t）（ε-1）/ε + （1-μ-ηB）1/εBt（ε-1）/ε]ε/（ε-1），其中μ和ηB分别表示非绿色和绿色贷款相对权重。固定收益类资产价格与其预期回报率成反比，银行资产最优配置为：

其中，GQEt表示对绿色融资的支持，譬如央行碳减排支持工具。在我国，碳减排支持工具实际上属于再贷款的一种，即商业银行向企业发放碳减排贷款后，可向央行申请再贷款。考虑到央行按贷款本金的60%向银行提供资金支持，剩下的40%是银行配套资金，设GQEt = 0.6Kg，t。此外，银行平均收益率与各类资产收益率的关系为：

银行净资本积累包括两部分，一部分是存活下来继续经营的银行净资本，另一部分是新设银行净资本，Ψ表示新设银行净资本占上一期银行资产的比重。

（四）政府部门

央行采用泰勒规则进行政策利率调控，即：

其中，Rn、π和Y分别为稳态下名义利率、通货膨胀率和产出水平。?r为利率政策平滑系数，Φπ和ΦY分别为利率对通胀缺口和产出缺口的反馈系数。名义政策利率与实际利率、通胀率之间的Fisher关系为：

财政预算平衡约束条件为：

四、参数校准、估计与适用性检验

本文采用校准与贝叶斯估计相结合的方法进行模型参数取值。其中，对模型结构参数，采用直接校准法；对模型动态特征参数，采用贝叶斯计量估计取值。本文仅考虑未受疫情影响的经济常态时期，选择2010年1季度至2018年4季度为样本时期。为避免估计的非奇异矩阵问题，选取的观测变量个数等于结构性冲击个数。此外，对观测变量进行季节调整和价格指数冲减后折算为实际变量，并对部分观测变量进行单边滤波去趋势处理①。

（一）参数校准

校准法虽然不是严格意义上的统计估计方法，但校准法得到的参数来源于现实经济数据，是对稳态变量之间长期关系的良好近似替代，能较好地解决卢卡斯批判问题。本文从我国相关文献研究中选取模型参数校准，对一些目前没有可参考借鉴的部分参数，则依据我国经济变量数据匹配标靶稳态变量，然后依据标靶稳态变量校准参数。参数校准值和取值依据见表1。

（二）贝叶斯估计

为使观测变量与模型变量保持经济意义匹配的一致性，在模型中增加量测方程刻画观测变量与模型变量之间的关系。根据已有文献先验信息给出待估参数初始值，缺少先验信息的则采用较为宽松设定，尽量使估计结果较少受先验分布误设的影响。由于Dynare优化算法进行贝叶斯估计存在两个问题：一是只能找到局部最大后验密度，不能确保全局最大值；二是后验密度海森矩阵非正定（Hessian Matrix is not positive），算法可能无法收敛。鉴于此，本文调用外部函数从先验分布中执行随机模式搜索1 000次，并利用后验分布MCMC通过Markov链抽样20 000次模拟估计，提高对数数据密度（Log data density），保证估计稳健性（Kriwoluzky，2017）。

（三）适用性检验

本文通过匹配比较经济模型与现实经济中主要宏观变量的一阶矩和二阶矩条件，交叉验证模型对现实经济的拟合效果。表3结果显示，尽管模型为封闭经济体，未包含净出口市场，与现实经济存在稍许偏差，但从经济结构角度看，经济模型与实际样本较为接近，这说明决定模型稳态的结构参数校准较为合理；从经济波动角度看，经济模型与实际样本高度拟合，这说明观测变量数据已充分识别估计待估参数。整体上，本模型对现实经济的拟合效果较好。

五、政策数值模拟

本文用碳排放税来刻画碳减排的财政政策工具，用碳减排支持工具來捕捉支持绿色发展的货币政策工具。首先，分析财政政策工具和货币政策工具各自独立实施的政策效果，并在此基础上，分析两类工具协调联动对于缓解转型风险压力、改善政策效果的作用，考察政策协调联动对缓解转型风险的不同影响。其次，进一步研究政策协调的影响因素，并考察其背后的作用机理。

（一）长期稳态分析

两种碳减排政策的侧重点有所不同，以碳排放税为主的财政政策旨在将碳排放的环境成本内部化，增加厂商碳排放生产成本，抑制粗放型发展。以碳减排支持工具为主的货币政策则通过影响银行持有绿色和非绿色资产的结构偏好，定向精准增加绿色厂商贷款，促进集约型发展。

表4为引入财政货币政策工具前后关键经济变量的稳态均衡值对比情况。与基准情景相比，在单独实施碳排放税的情景下，产出、就业、投资等变量长期稳态值分别增长9.6%、15.5%和12.9%，绿色产出和绿色就业分别增长7.1%和24.2%，而非绿色产出和非绿色就业分别下降6.3%和13.3%。这表明从长期看，碳排放税通过价格手段抑制了非绿色生产，变相提高绿色生产市场竞争力，促进经济结构优化。在单独实施碳减排支持工具的情景下，产出、就业、投资等变量长期稳态值分别增长14.2%、69.0%和23.8%，绿色产出和绿色就业分别增长10.4%和30.3%，非绿色产出和非绿色就业分别增长4.9%和11.1%。这表明从长期看，碳减排支持工具保证了增量资金对绿色行业的精准投放，直达实体，但受市场流动性总量丰沛等因素影响，反过来也促进了非绿色产出和改善就业。在同时实施碳排放税和碳减排支持工具的情景下，由绿色流动性外溢所引致的非绿色产出和非绿色就业增长都有所下降，而绿色产出和绿色就业增幅加大，经济产出结构得到进一步优化。

（二）政策协调的背后逻辑分析

本文设计两种政策情景：仅征收碳排放税方案和仅实施碳减排支持工具方案，并分别模拟该两种政策实施的效果。图2为单独实施碳排放税政策的效果图。模拟结果显示，征收碳排放税具有显著的碳减排效果。碳排放税税率上升25个基点，当期碳排放下降5%以上，碳减排效果明显。同时，碳排放税也会带来转型风险，体现在以下两方面：一是引发经济收缩。由图2可知，产出、投资和就业分别下降了1%、4%和0.2%，通货膨胀却上升了0.2%。这说明碳排放税在短期内给经济活动带来额外成本，从而影响投资、就业和产出。二是加剧金融脆弱性。碳排放税增加了非绿色厂商的相对成本，直接损害非绿色厂商资产负债表。反过来，非绿色厂商资产估值的大幅降低，也会带给银行巨大的信贷损失风险敞口，银行净资产下降2%，杠杆率上升3%，对金融稳定构成严峻挑战。这说明转型风险可能被金融加速器放大，减排政策所产生的影响先触及实体经济，然后传导至金融体系，再通过金融体系回摆至实体经济。这种“循环反馈”式的传导路径是形成重大系统性冲击的决定性因素，极易放大风险，形成气候“明斯基时刻”（Breeden，2019）。

图3为单独实施碳减排支持工具政策的效果图，模拟结果显示，碳减排支持工具可以减缓政策转型风险。第一，对实体经济而言，在其向低碳经济转型的过程中，产出、投资、就业等宏观经济变量分别上升1%、4%和3%，避免了经济大幅收缩。而且，由于再贷款规模与绿色信贷资产规模挂钩，绿色产出增加了0.5%，促进了经济结构绿色转型。第二，从政策效果看，央行碳减排支持工具实施后，市场流动性增加，促进了非绿色产出增长，也带来了碳排放规模的扩大，这说明央行碳减排支持工具存在政策外溢性。但从碳强度（碳排放/产出）角度看，由于绿色产出增长大于非绿色产出增长，碳强度下降1%，即单位GDP产出所对应的碳排放量在减少。货币政策是一种总量工具，尽管其可以通过结构性定向支持特定行业的发展，但其外溢性仍是不可忽视的因素。这说明央行碳减排支持工具政策面临稳增长与促减排的权衡，即如何在放大支持绿色产业或产出增长效果的同时，减小政策外溢性，即减小对非绿色产出增长的支持作用。第三，对金融市场而言，在部分碳资产重新定价的过程中，银行净资产和杠杆率并未明显下降或抬高，由政策转型所引发的金融风险一定程度上得到抑制。这说明在充分识别绿色资产的前提下，碳减排支持工具能促进银行绿色资产效应增强，从而加强银行体系韧性，提高其转型风险应对能力。

总体而言，碳减排是一项复杂的系统工程，并非单种政策能够解决，而且若没有相关政策支持需求，政策转型冲击会带来更大的需求下行压力，并通过金融体系进一步放大风险。因此，需要协调使用财政货币政策工具，避免“政策叠加”或“政策冲突”等问题，平衡好稳增长和促减排之间的关系。

（三）政策协调的经济效果分析

为研究政策协调联动能否在保持经济稳定增长且具有一定增长速度的同时，保障就业民生，但又不与碳减排目标冲突，本文设计两种政策情景。情景一：仅开征碳排放税，央行不采取任何行动；情景二：在开征碳排放税的同时，央行采取碳减排支持工具政策。两种情景下的模拟结果如图4所示，其中实线表示情景一的冲击结果，虚线表示情景二的冲击结果。模拟结果显示，两种情景下的碳减排效果差异不大，但经济金融指标表现截然不同。与仅实施碳排放税情景相比，碳排放税与碳减排支持工具的协调实施能使缓解经济收缩压力与减缓转型风险达到较好的平衡。产出、投资和就业等重要宏观经济指标降幅显著收窄，银行净资产下降幅度减小，银行杠杆率有所下降。可见，在协调实施碳排放税和碳减排支持工具政策情景中，经济收缩压力和金融体系面临的转型风险都小于单独实施碳排放税政策情景。

（四）政策协调的影响因素分析

国际实践表明，消费者偏好、绿色与非绿色商品之间的替代弹性都是政策工具边际效应的重要影响因素，鉴于此，本文探究这两个指标对碳排放税和碳减排支持工具政策协调联动的影响情况，结果见图5。结果显示，碳排放税与碳减排支持工具协调联动的边际效应取决于居民消费偏好。随着居民对绿色商品消费偏好的增加（即从0.9下降到0.5），产出、投资、就业等宏观经济变量指标降幅显著收窄，银行净资产下降幅度明显减小，银行杠杆率抬高幅度骤降，政策协调联动在缓解经济收缩压力、减缓转型风险方面的效果得以放大。但隨着居民对绿色消费偏好的提高，这种政策效果的“边际改善”会降低，表明财政货币政策协调联动应与推广绿色消费习惯、培育绿色消费意识进行配合，能够实现政策效果的持续改善。

图6为商品替代弹性对碳排放税和碳减排支持工具政策协调联动的影响情况，结果显示，绿色与非绿色商品之间的替代弹性也是影响碳排放税与碳减排支持工具协调联动效果的一个重要因素。绿色产品与非绿色产品之间的可替代性越高，财政和货币政策协调效果就越好。这意味着需要加快建立绿色生产生活模式，提高绿色产品的可得性，增加绿色和非绿色商品之间的替代性，促使消费者选择绿色消费方式，通过这些辅助措施提高碳减排政策协调效果。

六、结论与政策建议

本文基于动态随机一般均衡模型框架，研究碳减排财政与货币政策协调联动的必要性及其作用机制。研究发现：

单独实施碳排放税能有效抑制碳排放，但同时也会带来经济产出、投资和就业的下降，甚至催生出一些金融风险，譬如银行净资产下降和杠杆抬高。单独实施碳减排支持工具措施能有效控制低碳转型风险，避免实体经济过度收缩，缓解经济下行压力，增强银行体系韧性，但受市场整体流动性增加的影响，其也会促进非绿色行业产出的扩张，导致碳减排效果有限。

碳排放税和碳减排支持工具协调联动实施有助于形成稳定的市场预期，减少金融市场不确定性，将对金融稳定的影响降到最低，从而在缓解经济收缩压力、防范转型风险方面达到较好平衡。

在碳排放税和碳减排支持工具叠加实施过程中，财政与货币政策协调联动效果也受居民消费偏好以及绿色与非绿色商品之间替代弹性等外部因素的影响。居民对绿色消费偏好的增加和绿色与非绿色商品之间替代弹性的增大，都会放大政策协调联动在缓解经济收缩压力、减缓转型风险方面的效果，但其对政策效果的“边际改善”会降低。

基于上述研究结论，本文提出如下政策建议：一是重视顶层制度设计。在对不同碳减排财政货币工具的协调配合效果进行量化评估的基础上，搭建复合型的减排政策组合制度，发挥各类调控方式的长处，形成有机互补、综合发展的碳减排政策体系。二是强化政策协调和部门合作。在国家层面，可考虑在金融稳定发展委员会下成立特别工作组，明确统筹财政政策、货币政策应对碳减排工作的协调机制；在地方层面，发挥金融委办公室地方协调机制作用，促进信息共享和行动协同，有效评估和应对重点地区、重点行业转型风险。三是普及绿色理念，提高绿色商品可得性。一方面，要充分发挥媒体的舆论引导作用，培育绿色消费意识，推广绿色消费习惯，普及绿色消费理念；另一方面，引导企业进行绿色生产，如鼓励企业引进绿色环保产品设备，加大绿色产品的供给，提高绿色消费方式获取的便利度，进而增强财政货币协调联动政策效果。

注释：

① 无特别说明的数据均来自WIND数据库和CQER数据库（https：//www.frbatlanta.org/cqer.aspx的中国宏

观数据）。

参考文献：

[1]王信，杨娉，王琰，持续强化对低碳绿色发展的金融支持[J].当代金融家，2020（12）：26-29.

[2] BARANZINI A，GOLDEMBERG J，SPECK S.A future for carbon taxes[J].Ecological Economics，2000，32（03）：395-412.

[3] FRIED S，NOVAN K，PETERMAN W B．Recycling carbon tax revenue to maximize welfare[J]. Finance and Economics Discussion Series，2021，23：1-30．

[4] PARRY I. Implementing the United States'domestic and international climate mitigation goals[J]. IMF Working Papers，2021，21（57）：132-169．

[5] 马丽丽，赵华伟.国内外碳金融研究综述[J].区域金融研究，2021，589（08）：12-17.

[6] MOHOMMAD A. Employment effects of environmental policies–evidence from firm-level data[J]. IMF Working Papers，2021（140）：76-101．

[7] SHI J R，TANG L，YU L A. Economic and environmental effects of coal resource tax reform in China：Based on a dynamic CGE approach[J]. Procedia Computer  Science，2015，55：1 313-1 317．

[8] BCBS. Climate-related financial risks-measurement methodologies[J]. BCBS Publicaitons，2021（04）：27-54.

[9] BRUNETTI C， DENNIS B， GATES D. Climate change and financial stability[J].FEDS Notes， 2021，36：1 217-1 257.

[10] HASSLER J， KRUSELL P， OLOVSSON C. Energy-saving technical change[J].CEPR Discussion Papers， 2012，32：1-40.

[11] BOLTON P ， KACPERCZYK M .Global pricing of carbon-transition risk[J].NBER Working Papers， 2021，54：342-276.

[12]马骏.论构建中国绿色金融体系[J].金融论坛，2015，20（05）：18-27.

[13]王遥，潘冬阳，彭俞超，等.基于DSGE模型的绿色信贷激励政策研究[J].金融研究，2019（11）：1-18.

[14] ANNICCHIARICO B， DI DIO F. GHG emissions control and monetary policy[J].Environmental and Resource Economics，2017，67（04）：823-851.

[15] PAPOUTSI M， PIAZZESI M，SCHNEIDER M. How unconventional is green policy[J].Working Paper，2021，23：78-134.

[16] DIKAU S， RYAN-COLLINS J. Green central banking in emerging market and developing countries[J].New Economics Foundation，2017，16：46-75.

[17] CAMPIGLIO E．Beyond carbon pricing：The role of banking and monetary policy in financing the transition to a low-carbon economy[J].Ecological Economics，2016，121：220-230．

[18] ANNICCHIARICO B， DI DIO F. Environmental policy and macroeconomic dynamics in a new Keynesian model[J].Journal of Environmental Economics and Management，2015，69：1-21．

[19] GERTLER M， KARADI P. A model of unconventional monetary policy[J]. Journal of Monetary Economics，2011（58）：17-34.

[20] HEUTEL G. How should environmental policy respond to business cycles？ Optimal policy under persistent productivity shocks[J].Review of Economic Dynamics， 2012，15（02）：244-264.

[21] AURAY S， EYQUEM A， MA F. Banks， sovereign risk and unconventional monetary policies[J]. European Economic Review，2018，108：153-171．

[22] BENKHODJA M T ， MA X ， RAZAFINDRABE T.Build back better： The role of green monetary and fiscal policies[J].Social Science Electronic Publishing 2022，34：124-142.

[23]陳小亮，马啸，“债务—通缩”风险与货币政策财政政策协调[J].经济研究，2016（08）：28-42.

[24] CARATTINI S，HEUTEL G ， MELKADZE G .Climate policy， financial frictions， and transition risk[J].Social Science Electronic Publishing，2021，58：1-59.

[25]许志伟，王文甫.经济政策不确定性对宏观经济的影响——基于实证与理论的动态分析[J].经济学（季刊），2019，18（01）：23-50．

[26] NORDHAUS W.Evolution of modeling of the economics of global warming：Changes in the DICEmodel，  1992—2017[J].Climatic Change，2018，148（04）：623-640.

[27]中国人民银行天津分行课题组，碳减排，转型风险与监管应对——基于DSGE的政策模拟研究[J].金融监管研究， 2022（06）：1-27.

[28] KRIWOLUZKY A. Bayesian estimation of DSGE models[J].Journal of Economics， 2017，56（03）：97-120.

[29] BREEDEN S. Avoiding the storm： Climate change and the financial system[Z].Official Monetary & Financial Institutions Forum，15 April，2019， London.

（責任编辑：张艳妮）

Research on the Coordinated Linkage of Fiscal and Monetary Policies under the Background of "Dual Carbon"

—— Based on DSGE Scenario Simulation

He Sha

（Shaoyang Central Branch， People's Bank of China）

Abstract： Achieving the "dual carbon" goal is not simply reducing carbon emissions， but achieving higher levels of economic development under carbon emission constraints and balancing the relationship between steady growth and promoting emission reduction. This paper applies a dynamic stochastic general equilibrium model to examine the economic impact， mechanism and coordinated linkage effect of carbon tax and carbon emission reduction support tools by conducting multi-scenario policy simulations. The study found： First， although the carbon tax tool can promote carbon emission reduction， it will also lead to economic contraction and pose greater transformation risks to the financial system. Although carbon emission reduction support tools can effectively alleviate economic downturn pressure and transformation risks， the effect of carbon emission reduction is limited. Second， the coordinated linkage of carbon tax and carbon emission reduction support tools can alleviate economic contraction pressure， control transformation risks， and have significant carbon emission reduction effects， achieving a good balance between steady growth and promoting emission reduction. Third， the marginal improvement of residents' consumption preferences and the substitution elasticity between green and non-green products has a marginal improvement effect on the policy effects of the two tools in alleviating economic contraction， controlling transformation risks and promoting carbon emission reduction.

Keywords： Carbon tax; Carbon emission reduction support tools; Policy coordination and linkage