温室气体排放剧增是导致全球环境负外部性的直接诱因。将碳排放权赋予商品属性,依靠市场化金融手段解决碳减排问题,已成为国际社会应对气候变化、抑制温室气体排放的主要手段。碳金融市场的创建立足于国际社会履行减排责任的各项公约和协议,发展于各国推进碳金融市场运行的政策措施。作为碳金融市场的核心,有效的碳金融资产定价机制将推动碳金融市场机制的成熟和完善、市场效率的提升,更好地服务于碳减排落实。碳金融资产定价研究不仅需要遵循一般金融资产的基本定价方法,还要反映碳价特殊的驱动特征。而现有碳金融资产定价研究,聚焦从收益率低阶矩视角研究碳金融资产的价格信息传递和风险波动溢出等,忽略从更高阶矩属性,研究市场非对称信息和极端冲击等因素对碳金融资产收益的影响。特别是随着全球资本流动的增强,碳金融市场与资本市场和能源市场等在发生低阶矩属性联动关系的同时,也会产生因市场非对称信息和极端事件冲击而导致的偏度和峰度等高阶矩属性的风险传染现象。而基于高阶矩属性风险传染理论,显著性的高阶矩属性风险传染能够对市场非理性协同运动和极端冲击所导致的价格变动提供有效解释,这一解释视角契合碳金融资产所具备的市场非对称性和极端冲击敏感性等特殊性特征。因此,将高阶矩属性风险传染关系纳入碳金融资产定价框架,符合碳金融资产的特殊性特征,能够从新的证据因子解释碳金融资产的溢价波动。基于此,本文研究创新和结论如下:(1)构建考虑高阶矩属性风险传染关系的碳金融资产定价框架。首先,将二元资产高阶矩CAPM资产定价框架拓展至多因子,形成基于高阶矩的碳金融资产多因子定价框架。其次,基于碳金融资产高阶矩属性风险传染理论,对定价框架中碳价及其定价因子间的风险传染关系进行检验和识别,研究市场波动趋势异质性下的风险传染关系和传染强度,从市场非理性协同运动和极端冲击角度解释碳金融资产溢价波动。第三,将识别的高阶矩风险传染关系反馈到拓展高阶矩碳金融资产定价框架中,形成考虑高阶矩属性风险传染的碳金融资产定价框架。该理论框架遵循“一般到特殊”的构建思想,将融合碳金融资产特征的高阶矩属性风险传染关系纳入定价框架中,为碳金融资产溢价波动提供新的证据解释。(2)使用非参数统计计量模型检验基于波动趋势异质性的碳金融资产及其定价因子间的高阶矩属性风险传染关系。市场收益波动隐含了碳金融资产对遭受极端冲击或非对称信息冲击的市场反映,研究基于市场波动趋势差异的风险传染关系符合碳金融市场波动异质性特征。研究发现:(1)碳金融资产及其定价因子间不仅存在低阶矩属性的风险传染关系,而且还存在协偏度、协峰度和协波动率等高阶矩属性渠道的风险传染关系。这表明从高阶矩属性出发,考虑碳金融资产及其定价因子间因市场非对称信息和极端事件冲击而导致的风险传染关系,已经成为影响碳金融资产价格驱动机制的新的因子证据。(2)快速波动趋势下的风险传染强度大于缓慢波动的强度。不同风险波动趋势的传染强度差异,本质上是碳金融资产收益及其蕴含的风险和收益对应关系的一种表征。结论为筛选具有高阶矩属性风险传染关系的碳定价因子,开展定价模型的拟合与预测提供分析基础。(3)构建多层多变量LSTM模型实现碳金融资产定价框架的拟合与预测。根据所识别的具有高阶矩属性风险传染关系的碳价及其定价因子,构建基于碳金融资产定价框架的实证模型,构造处理金融时间序列具有优势的多层多变量长短期记忆神经网络(multi-layer and multi-variable Long Short-Term Memory Network,Multi-LSTM)对定价框架进行拟合。通过实验手段确定最优的网络结构和参数,提高模型拟合和泛化能力,实现有效收敛。研究发现,相比不考虑高阶矩属性的碳金融资产定价框架,考虑高阶矩属性风险传染的定价框架能够对碳金融资产收益,特别是较长期限(12个月)的收益进行较好的精度预测和模型拟合,Multi-LSTM模型的预测效果和稳定性显著优于其他深度网络模型(Multi-GRU,RNN,MLP)、波动率模型(Garch-M)以及神经网络模型(BP)等分类器,印证了定价模型的优越性以及机器学习方法的拟合优势。研究在理论上证明了所构建的考虑高阶矩属性风险传染的碳金融资产定价框架,能对碳金融资产溢价提供有力解释,表明将高阶矩属性风险传染关系纳入碳资产定价框架的合理性和有效性,拓展了碳金融资产定价理论和方法;在实践上,为碳金融资产定价机制的成熟和完善、减排作用的发挥以及不确定环境下碳金融市场的投融资决策提供参考。