#八百回合經濟談
〔#賣碳權竟然比賣電動車還賺？#讓特斯拉賺翻的意外之財〕
我們和壯士分享過，電動車大廠特斯拉（Tesla）在 2021 年第一季，靠著出售碳權獲利 5.18 億美元，創造 4.38 億的淨利，如果沒有碳權這項綠色收入，特斯拉還是虧損的呢！
（忘記的壯士請點👉 4 月 30 日的 #時事星期五資訊不落伍。）
碳權，這個比賣車還賺錢的酷東西究竟是什麼呢？今天就要來帶壯士們認識它！
▌ 什麼是碳權？
認識碳權之前，要先認識一種「鼓勵企業減少排放汙染物」的制度，叫做 Cap and Trade。
先看字面：Cap 的意思是「限額」，Trade 的意思是「交易」。
而 Cap and Trade 的意思就是：由一個核心機構（通常是政府單位）制定一定時間內，企業可排放的污染物總上限，並分配排放額度給受其管轄的所有企業。
在這個「Cap」的限制下，各企業可以自由「Trade」所分配到的可排放額度。
重點是：不論交易結果如何，每一家企業都不能排放超過自己擁有排放額度的汙染物，否則會吃到鉅額罰款！
舉例來說，假設 A、B 兩公司每年都會被分配到 10 公噸的汙染物排放額，而 A、B 兩公司每年固定會排出的汙染量是 15 公噸和 2 公噸。
這時 A 公司可以向 B 公司購買 5 公噸的排放額（15-10），以避免因為超額排放被罰。
在各種應用 Cap and Trade 制度的汙染物中，發展得最完整的就是二氧化碳，而各企業拿到的碳排放額度，就稱為「碳權」！
總結來說，「碳權」是一種無形資產，又稱為「碳排放額度」（Carbon Emission Credit），代表一間公司能夠排放多少單位的二氧化碳，是一種管制碳排放總量的工具。
▌ 碳權成立的前提
碳權之所以成立，是因為每個企業多減少一單位碳排放的成本不同，aka 邊際成本曲線不同。
舉例來說，同樣是減少一噸的碳排放，A 公司的成本可能比 B 公司的成本更高。
利用不同的邊際減排成本，成本低的人多減一些碳，成本高的人少減一些碳，就可以使效益最大化。
▌ 從經濟模型認識碳權（強烈建議以下部分搭配圖 6-8 服用！）
在圖 6 的模型中，R 為二氧化碳的減排量、Req 為歐盟規定各國需達成的碳排量、P 為碳排放市場的交易價格。
首先，由於邊際成本會遞增，因此邊際成本曲線（MC）是一條負斜率的線。
我們在此例中假設德國能以比瑞典「更低」的成本減少碳排放，也就是瑞典的邊際成本曲線的斜率會大於德國的斜率。
先看圖 6 中的右圖，瑞典的目標是減排量達到 Req。如果瑞典只靠一己之力減排，當減排量達到 Req 時，它的每單位邊際成本遠高於交易價格 P。
也就是說，如果瑞典能用每單位 P 元的價格向他國購入減排量，補齊它所需要的減排缺口，就能夠節省成本！
說時遲那時快，佛心減排大國來啦！
圖 6 的左圖是減排大國德國的 MC 曲線。
德國的目標減排量同樣是歐盟規範的 Req，但這對德國來說根本是一塊蛋糕。
當德國的減排量達到 Req 時（X 軸為 Req），MC 曲線甚至還沒和市場價格 P 相交。
聰明的壯士們看出來了嗎？德國還可以持續投入減排，直到邊際成本上升至市場價格 P 為止。
結論是，瑞典只會靠自己減少 R* 的排放量，還剩下的部分（Req-R*）則以每單位 P 元的價格從德國購買減排量，以達成目標減排量 Req。
瑞典節省的成本是：自行減排所需的額外費用（Δ d-e-f）。
而德國也能從它額外的減排中獲利：它不僅達成歐盟要求的減排量 Req，還能將自己額外的減排量以每單位 P 元的價格出售給瑞典。
盤點德國在這次交易後，總收入是長方形面積（Req-1-2-R*），減排總成本是梯形面積（Req-2-3-R*），出售減排的淨收益是面積（Δ1-2-3）。
▌ 碳排放市場的實際案例
從 2021 年起，歐盟規定每輛新車每公里的碳排放額為 95 公克，如不符合規範，每超過 1 公克碳排放，會被罰 €95 歐元的罰款。
福斯汽車（Volkswagen）今年一月就因不符合歐盟規範，吃了一張高達 1 億歐元的巨額罰款。
相較於罰款，碳交易市場上的碳權價格就便宜非常多！1 公噸 €30 歐元，等於每公克只有 €0.00003 歐元，和罰單每公克 €95 歐元相比差了將近 317 萬倍呀！
所以為了規避罰單，大部分車廠都會選擇跟幾乎是 0 排碳量的特斯拉購買碳權。2020 年特斯拉的碳權交易所得為 16 億美元，是 2019 年碳權所得（5.94 億）的 2.69 倍 。
▌ 結語
在「減少溫室氣體排放」的全球共識下，「碳權」成為眾多經濟體採取的作法之一。
其實除了發展碳交易最完整的歐盟之外，中國、美國、紐西蘭也都正在嘗試運用碳交易制度降低碳排放哦！
這禮拜我們從經濟學模型的角度分析，向壯士們介紹「碳權」為什麼能夠起作用，但其實碳權也是有缺點的，還有沒有其他制度比碳權更有效率呢？之後獨編再跟大家介紹！（留言還有字！）
經濟學e意思 在 Re: [心得] 對經濟學的淺見(文長慎入) - 看板Economics 的推薦與評價
（手機排版，敬請見諒）
再次重申，我只是個沒見過世面的大學生，
其思想有不完備之處，也沒有要往經濟學
更高的領域發展，只是好奇而已，如果有
冒犯到任何在此領域更高層級的人，請跟
我說，我會考慮要不要把原文直接刪掉！
先謝謝errard大大願意跟我分享意見，
也讓我自己知道自己的盲點所在，就
我現在的高度，仍存在許多偏誤，因為
我並無體驗過如e大這樣的經歷，也因
此非常謝謝任何給我意見的人，我認為
學問就是如此，有問題就問，有人回答
就再反思自己是否過於偏激，真的要慎獨啊！
※ 引述《errard (What a beautiful day)》之銘言：
: 1.
: 如果是一般的經濟系學生，照著必修規劃一路往上念到研究所
: 通常感想就像這篇作者一樣，後悔自己大學念的不是數學
: https://www.econjobrumors.com/topic/why-econ-needs-so-much-math
: 但這並不代表要學會一定程度的經濟學就要先把數學修滿不可!
: 以台大經濟的規劃來看，系定必修的數學相關課程只有微積分乙和統計與計量
: 我自己的母校中山政經也是一學期微積分、一學期經濟數學和兩學期統計就沒了
: 對於一般人來說，要了解大學部水準的個體總體大概這樣也就可以了。
: 再者許多數學困難的理論，例如一般均衡、福利經濟學第一定理、瓦拉斯法則等等
: 都有不需要高深數學就可以理解的版本。
: 對於沒有意願要念經研所的學生，大可以不必過度投資數學能力。
我非常同意這點，原文可能是因為我一下
評論學生一下評論學者讓大家誤會了，如
我在的經濟系的確也常常跟學生說我們當
User就好，但像我就會想把後面”為什麼”
這樣搞懂，就把自己弄的很累。
: 2.
: 學界都愛複雜數學?偏好用高深數學包裝的經濟理論?
: 不妨看看最新一期的AER就好
: https://www.aeaweb.org/issues/558
: 你會意外發現它們如此和藹可親。
: 而且許多經濟學家崇尚的模型是越簡潔越好，
: 例如著名的囚犯兩難賽局、最後通牒賽局
: Diamond and Dybvig的銀行擠兌模型等等。
: 其實你現在的數學能力就足夠讓你發表研究成果了，
: 不需要真的念完一個數學系。
謝謝e大這邊的分享，我是真的沒看過
這類最新的論文，有空我會好好的去各大
經濟期刊看一下的。
: 3.
: 我覺得某個理論是誰說的或他們原先是怎麼想的
: 對了解這個理論來說不是很重要
: (ex: Pareto efficiency或comparative advantage，
: 我承認我完全沒看過Pareto大大以及李嘉圖大大的原文)
: 經濟學不是O學也不是X學，
: 我們在做的研究不是去解讀或詮釋某人的某些想法
: 好變成他們的鸚鵡
: 而是根據觀察，設法理解事件發生的機制
: 況且提出某個想法的人不一定是最後完善整套理論的人
: 為什麼我們要在乎或糾結某個特定人物的思想?
: 經濟學者在辯論的時候也不會拿ooo說或xxx說來支持自己的論點。
: 我們拿的是統計資料、攻擊的是模型假設背離現實之處
: 看看Lagos and Wright (2005) JPE的文章，
: 裡面有供給 = 需求的一般均衡市場，
: 也有同時存在被隨機配對交易，需要討價還價的市場。
: 看似對立的理論也可以像樂高一樣拆解、重組，
: 最後變成更有解釋力、更符合現實的模型
我想表明的是，當我們學習一個理論模型時，
可以試著想想看，若你是當下的他你會
怎麼看待現實的樣貌，為什麼這個模型
會因而產生，如同Keynes在經濟衰退的
時候提出乘數的概念去解釋為何儲蓄
不管用了，節儉的矛盾也不是憑空臆測，
而是由觀察社會的變動而來。
我並不覺得只能依照模型的作者思想而行，
只是每個模型都能當作一個事件研究，在當
下的社會環境底下，為何會有這類的經濟現象，試著將自己代入那個環境，想想看自己
會怎麼想，為何當初建模的人會這樣想，如
果利用我們現有的工具，我們該怎麼做之類的，每個經典模型一定都是在當下有一定的
解釋力，但人的一生就這短短幾十年，知名
模型的出現通常都搭配著重大經濟事件的出現，人一生能遇幾次，因此若能藉由歷史來
刺激自己的思考，為什麼不呢？
舉例而言，古典理論在理論的當下的確沒有
儲蓄造成經濟衰退的現象，為什麼1930年代會發生呢？我就會比較環境的不同，依我而言
，可能是在過去金融體系還未健全，相互
作用並無使經濟有明顯乘數作用。如果用數
學就是跑回歸看乘數到底有多小。但囿於過
去的資料不全，這僅僅只能做為猜想。
用數學角度來看，經濟學就是一直不斷對
現實這個隨時間不斷變動的母體，進行一
連串的估計、並不斷的修正，然而過多的
殘差項，使經濟理論無法完整解釋，而每
一個經典模型，都在告訴我們這個母體的
解釋變數究竟為何，或者更細一點，解釋
母體的解釋變數的解釋變數為何，（利用
檢定估計其係數是否為0）
我認為經濟理論的起點應該是類似這樣的，
想法應該才是起點，而非僅僅只是數學的
推導，當然，這僅是我的想法。
: 4.
: 最後，理性 =/= 自利。
: 經濟學一般設定的理性是偏好符合一些性質(像是遞移律)，
: 然後人會依據偏好選擇，而偏好不會任意改變(至少某個時間內)。
: 實際上在某些領域真的有具利他性質的模型，例如家庭經濟學。
: 一些過去看似不理性的行為，例如在最後通牒賽局拒絕對方給予的微小報酬
: 其實反倒可以理性解釋，因為它讓使用這個策略的人得到更高的報酬
: (有興趣可以看看情緒賽局一書或聽聽介紹
: https://www.youtube.com/watch?v=q8XHTOT7W_o)
: 某個層面來說，理性不理性也和belief有關。
: 你覺得我拒絕微小報酬不理性，
: 其實只是你不知道我相信你知道我會生氣地拒絕不公平的對待 :p
: 理性是可以有更一般化或特殊化的設定，端看分析的情境而定
這一段我有站內信給大大了，希望您有空
時能與我分享您的意見
: 5.
: 我很羨慕你在大學的時候就能有這麼好的數學基礎，
: 如果我是你的話可能會花一些時間去修研究所有興趣領域的課程，
: 讀一讀該領域最新的和有代表性的論文。
: 或是找個老師跟著一起做研究，可以更了解現在的發展。
謝謝您的建議，我有在思考這件事，
但我還在尋覓代表性的論文有哪些
最後，謝謝您以上的意見分享。
補充：經濟學不是歷史也非哲學，
然而當我接觸到各類學問，常常會
驚訝其實許多事情都是相通的，物
理學也常常被用在經濟上的思考，
然而，人的精力有限，不太可能所有
都精通，但滿多時候，只要知道概念
就能為自己本科帶來許多可能性。
我想這就是為何要有通識課程吧。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.8.69.211 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Economics/M.1564874855.A.4EB.html
※ 編輯: kkwomen (39.8.69.211 臺灣), 08/04/2019 07:53:01
※ 編輯: kkwomen (39.8.69.211 臺灣), 08/04/2019 07:59:35
只是說如果有人看到這些想法不舒服的話
我就會把文章刪掉。
※ 編輯: kkwomen (39.8.69.211 臺灣), 08/04/2019 18:12:52
的確，那一段其實只是要表達許多我們以為是原模型作者的想法經由不同人解讀後才會有
不一樣的意思，大多時候是沒問題的，但有時當被解讀後的意思已經非原作所闡述的，造
成其他人對原作的想法有所偏誤，常常會讓他人就有既定印象，開始不信任他所說的東西
，但其實他不是這樣想的。
可以想成誤解造成資訊解讀不完全的成本(?)
→ wen17: https://blog.ylib.com/lai/Archives
2006/06/07/98 開拓視野 08/04 23:29
我不是指沒學過經濟學的人要直接看歷史，而是當學過一輪經濟學模型後（這邊的學過是
至少知道假設是什麼，內生、外生變數有哪些），除了看看現在新的研究方向外，也能透
過過往那些知名經濟學家的思考的模式，可以瞭解為何將問題模型化需要這些假設，也學
習一些這些經濟學巨人的思考，最重要還是要有自己的想法。
現今的社會和過往相比，是一個成本降低許多，但卻越來越緊密的國際交互關係，然而許
多事件的根源仍是人的動機，以近期為例好了，就我的看法，美中雙方在角逐全球霸主的
地位，中國過去幾年就已經從一帶一路等許多政策，已經利用基本建設掌控許多國家的根
本，剝奪那些國家的利益(壟斷市場)，出口產品利用高額補貼拿下市占，華為的5G專利技
術早就申請了一千多項，大中華圈儼然而生，我是美國當然看不下去，全球霸主代表的是
決定國際市場動向的主導者，利益何其龐大，所以就先以關稅開刀，除了壓壓中國，還能
使川普的正當性越加強烈(為了美國的正義），你如果稍微瞭解過川普勝選的關鍵就會知
道為何他要這麼做，而最近歐洲國家開始不想管美國，就要便宜的華為5G建設，美國華為
供應商那些大公司看情勢不對，跟川普討論先講華為供應鏈的眼前的利益吃下來，所以放
寬限制，然而還是不能讓華為成長，所有決定將不保護他的專利權，我要預測之後發展的
話，就會先看這些資訊給予權重，權重取決於我要預測哪個地方會有所不同，類似這樣的
概念。
而人類的行為，其實並沒有改變太多，仍然是以自身的利益為主，而我這裡講的自利並非
是教科書提到的效用，因為人的利益取向，會隨著時間不斷改變。
實際運用在我生活中，我傾向就當下時間點(將t固定住），考慮當下的國際、社會環境、
相關法規去估算條件機率，在套用到我所學的模型，去做預測，然而我的應用方法這樣難
以數學化，可能動態模型有機會做出來，但我認為我這樣處理似乎就已經能解決我面臨的
問題，所以我並未再花時間成本去研讀更深的數學，當然，當我覺得需要用到的時候，我
會再去OCW或是一些網路資源學習。
※ 編輯: kkwomen (36.225.5.176 臺灣), 08/05/2019 07:49:18
※ 編輯: kkwomen (39.9.168.53 臺灣), 08/05/2019 08:37:13
※ 編輯: kkwomen (39.9.168.53 臺灣), 08/05/2019 08:38:58
... <看更多>