的角度。刘敏［７］建立了计算风机出力不确定性的风电项目总值估算模型，并应用实物期权理论建立了评估投资调整可能性的４种期权模型，定量分析了投资决策中不确定因素和各种可能的投资灵活性对项目可行性的影响。ＺＨＵ等［８］考虑火电发电成本、碳价格、含ＣＣＳ的火电发电成本及ＣＣＳ技术部署投资等不确定因素，基于实物期权理论建立了ＣＣＳ投资评估模型。２　模型考虑的因素在以上研究的基础上，本研究考虑火电发电成本、风电发电成本、碳排放权价格及政府的鼓励与补 贴４种 不 确 定 因 素，将 风 电 作 为复合投资期权，从政府的视角建立了评估风电发展的决策价值模型。由此，该模型将有助于政府评估含有一些不确定性的可再生能源发展。２．１　火电发电成本与风电发电成本目前，尽管全世界都在关注和重视新能源和可再生能源发展，但从近期和中期来看，新能源和可再生能源开发仍然存在诸多不确定因素，这些因素包括技术攻克、产业发展、政府政策、社会认同以及国际合作等，其中在近期影响最大的因素主要是化石能源的价格水平和价格走势。对于风电产业而言，最大的影响因素是火电发电成本。火电成本的波动决定风电的发展节奏。当火电成本较高时，风电发展会相对更具有吸引力；当火电成本远低于风电时，风电的发展就会停滞。由此，火电成本的波动性和不确定性可视为发展风电的消极因素。２．２　碳排放权交易中国目前没有成熟的碳交易市场，减排温室气体的交易主要通过《京都议定书》框架下的“清洁发展机制”（ＣＤＭ），即我国电厂的ＣＯ２排放量如果低于原有水平，就可以将核准的低出部分出售给国际市场。核准减排量的价格会受到国际碳交易市场的影响，所以另一个不确定因素来自于国际碳交易市场碳排放权的价格波动。２．３　政府的鼓励与补贴作为新兴的可再生能源，风电在我国的发展尚处于初级阶段，国家政策补贴对风电行业的发展影响很大，直接影响其成本及行业的生存。为了促进风电的发展，２００６年１月１日国家正式实施《可再生能源法》，通过减免税收、鼓励发电并网、优惠上网价格、贴息贷款和财政补贴等激励性政策来激励发电企业和消费者积极参与可再生能源发电。３　实物期权模型３．１　火电发电成本的二叉树模型众所周知，燃料（即煤炭）在火力发电厂的生产成本中所占比例已达到８０％左右。据中国电力企业联合会的统计数据显示，截至２０１０年１０月，全国平均供电耗煤３３３ｇ／ｋＷ·ｈ。假设Ｓ为煤炭价格，则火电发电成本为Ｓ８０％（３．３３×１０－４）＝４．１６２　５×１０－４　Ｓ， （１）式中，煤炭价格的单位为元／ｔ，火电发电成本的单位为元／ｋＷ·ｈ。由于煤炭市场是实物市场，各种市场信息对实物资产价格的影响往往有一个滞后期，因此不能简单地直接套用金融资产的价格变动模型来建立基于期权的煤炭价格评估方法，需要结合我国煤炭价格的形成机制和恰当的检验方法来选取符合我国煤炭价格实际变化情况的变动 模 型。 邹 绍 辉 等［９］运 用 单 位 根 检 验 和Ｍｏｎｔｅ－Ｃａｒｌｏ检验方法对煤炭价格变动模型进行了实证研究。结果表明，在正常情况下，几何布朗运动能较好地拟合我国煤炭价格的变动过程。由此，本研究假设煤炭价格服从几何布朗运动，运用二叉树随机过程模拟其价格变化过程，见图１。图１　煤炭价格的二叉树随机过程　假设ｋ为风电计划的时间段，ｉ为煤炭价格的移动次数（０≤ｉ≤ｋ），则Ｓ（ｋ，ｉ）为第ｋ期上升ｉ次的煤炭价格。Ｓ（０，０）为初期的煤炭价格，而在下一时期，煤炭价格是随机波动的，会产生２种结果：Ｓ（１，１）＝ｕＳ（０，０），概率为ｐ；Ｓ（１，０）＝ｄＳ（０，０），概率为１－ｐ｛。一般情况：Ｓ（ｋ＋１，ｉ＋１）＝ｕＳ（ｋ，ｉ），概率为ｐ，０≤ｋ≤Ｔ，０≤ｉ≤ｋ；Ｓ（ｋ＋１，ｉ）＝ｄＳ（ｋ，ｉ），概率为１－ｐ，０≤ｋ≤Ｔ，０≤ｉ≤ｋ｛，（２）式中，Ｔ为计划总时期；σ为波动率；ｕ为上涨幅度，ｕ＝ｅσ Ｔ／槡 ｎ；ｄ为下降幅度，ｄ＝１／ｕ；ｐ为风险中性概率，ｐ＝（ｅｒ（Ｔ／ｎ）－ｄ）／（ｕ－ｄ），ｎ为波动次·２６７·基于实物期权的中国风电发展政策评估———田立新　许培琳　傅　敏风险利率。假设Ｈ为火电成本，则Ｈ＝４．１６２　５×１０－４　Ｓ。根据几何布朗运动的离散形式［１０］，有ΔＳ／Ｓ＝μΔｔ＋σε 槡Δｔ，式中，ΔＳ为煤炭价格在短时间Δｔ后的变化；ε服从标准正态分布（期望值为０，方差为１．０）；μ为单位时间内价格的预期收益率，那么，Δ（ｋＳ）ｋＳ＝ｋΔＳｋＳ＝ΔＳＳ＝μΔｔ＋σε 槡Δｔ　（ｋ为常数）。　　由此可知，Ｈ也服从几何布朗运动，其风险中性概率ｐ及波动率σ与煤炭的价格一致。二叉树随机过程的刻画，关键是要确定σ的值。σ的估计可以采用如下的步骤进行［１０］：假设ｌ＋１为观察次数；Ｓｉ在第ｉ个时间间隔末的煤炭价格（ｉ＝０，１，…，ｌ），Δｔ以年为单位表示时间间隔的长度。（ｉ）根据历史样本数据计算煤炭价格的值μｉ＝ｌｎ（Ｓｉ／Ｓｉ－１），　（ｉ＝１，２，…，ｌ）。 （３）　　（ｉｉ）求出μｉ的标准差Ｓ的一般估计值：Ｓ＝１ｌ－１∑ｌｉ＝１（μｉ－μ）槡２　；即Ｓ＝１ｌ－１∑ｌｉ＝１μ２ｉ－１ｌ（ｌ－１（）∑ｌｉ＝１μ ）ｉ槡２　， （４）式中，μ为μｉ的均值。（３）波动率估计σ＝Ｓ／槡Δｔ。 （５）３．２　碳排放权价格的二叉树模型由于碳排放权价格（简称碳价格）机制是变动的，随机过程可以更好地反映价格变动趋势和波 动 情 况，见 图２。 在 以 往 的 相 关 研 究中［８，１１～１３］，碳价格均被假设服从几何布朗运动。由此，本研究中假设碳价格服从几何布朗运动。图２　碳价格的二叉树随机过程　假设Ｃ为碳价格，ｋ为风电计划的时间段，ｊ为碳价格的移动次数（０≤ｊ≤ｋ），则Ｃ（ｋ，ｊ）为第ｋ期上升ｊ次的碳价格。Ｃ（０，０）为初期的碳价格；Ｔ为计划总时期；ｎ为波动次数；ｕ′为上涨幅度，ｕ′＝ｅσ Ｔ／槡 ｎ；ｄ′为下降幅度，ｄ′＝１／ｕ′；ｑ为风险中性概率，ｑ＝（ｅｒ（Ｔ／ｎ）－ｄ′）／（ｕ′－ｄ′）；ｒ为无风险利率；σ′为波动率。３．３　风电成本学习曲线模型学习 曲 线 的 概 念 首 先 由ＷＲＩＧＨＴ［１４］提出。目前，国际上的诸多研究成果都指出，光伏发电、风力发电等新能源产业的发展符合学习曲线模型［１５～１８］。一般地，应用于风力发电领域最基本的学习曲线模型为ＬＢＤ学习曲线模型（ｌｅａｒｎｉｎｇ－ｂｙ－ｄｏｉｎｇ），该模型考虑累计装机容量对风力发电成本的影响。模型如下［１９］：Ｆｋ＝ＡＮ－Ｅｋ； （６）ＲＬ＝１－２－Ｅ； （７）ＲＰ＝２－Ｅ， （８）式中，Ｆｋ为第ｋ年的风力发电单位成本，是关于Ｎｋ的函数；Ａ为单位累计装机容量的风电成本；Ｎｋ为ｋ年内风电累计装机容量；Ｅ为实践学习指数，０＜Ｅ＜１；ＲＬ为学习率；ＲＰ为成本下降率，即技术进步率。当ＲＰ为８２％，意味着风力发电装机容量每增加１倍时，单位成 本 下 降 到 原 来 成 本 的８２％，从而单位成本减少了１８％。在运用学习曲线研究风电成本方面，徐丽萍［１９］及ＬＥＥ等［４］指出，风电成本的进步率为９５％，学习率为５％，即风力发电装机容量每增加１倍时，风力发电成本下降５％。由此，本研究中进步率取值为９５％。由ＲＰ＝９５％得，Ｅ＝０．０７４。Ｆｋ＝ＡＮ－ＥｋＦｋ－１＝ＡＮ－Ｅｋ－｛１ＦｋＦｋ－１＝（ＮｋＮｋ－）１－ＥＦｋ＝Ｆｋ－（１ＮｋＮｋ－）１－Ｅ。 （９）　　目前，我国风电发电成本为０．４３～０．５３元／ｋＷ·ｈ［２０］，本研究设定２０１１年的风电发电成本为０．５元／ｋＷ·ｈ。由式（９）及历年的累计装机容量（见图３），可求得２０１２～２０３０年各年份的风电发电成本（见图４）。图３　２０１１～２０３０年风电累计装机容量预测趋势图［２１］　３．４　决策价值评估模型根据以上分析，本研究以ＬＥＥ等［４］“决策价值＝节省价值—补贴支出”思想为基础，从政府视角出发，运用二叉树实物期权方法，建立评估风电发展的决策价值模型。所建模型虽以ＬＥＥ等［４］为基础，但是存在很多不同之处，具体如下：①原文中所提出的模型考虑的是ＣＯ２排放成本，是常量，本研究考虑碳价格，是随机变·２６８·管理学报第１０卷第２期２０１３年２月４　２０１１～２０３０年风电发电成本　化的，能更真实地反映减排带来的收益价值。②由于台湾省的可再生能源政策与中国大陆有差异，所以关于政府补贴支出的定义是不同的。③原文模型忽略了贴现因素。④本研究新建立的决策价值模型和原模型的计算思路不同，更为复杂，将原有的二叉树拓展为四叉树，较之前更能准确评估出风电发展的决策价值。⑤原文所得的最终结果只是初期的价值，仅作为当前发展可再生能源的依据。本研究的目的却是各年的价值，是通过分析保存路径比例的，从而得出发展风电的最佳时机。⑥本研究新添加了政策补贴系数，通过情景分析，设定不同的政策补贴系数，分析了政策补贴对总决策价值的影响，并给出各种情境下的最佳投资时机。下面详述本研究建立的决策价值模型。图５展现了风电发展的随机决策过程。实际上，在每个节点处，由于火电发电成本和碳价格都会发生随机变化，即火电发电成本以ｐ的概率上涨，碳价格以ｑ的概率上涨，所以每个节点到下一时刻会产生４种不同的情况，故原有的二叉树已经演化成四叉树。图５　风电发展的随机决策过程　假设政府在每个决策节点上都面临２个选择，即继续发展风电还是放弃风电。具体来说，政府需要在每个决策点上仔细权衡发展风电和火电的政策收益情况。当决策价值大于０时，表明现在发展风电是获益的，应该支持；反之，则应放弃发展风电。参数描述见表１。据此，本研究建立评估风电发展的决策价值模型如下Ｖ（Ｔ，ｉ，ｊ）＝ ｍａｘ｛［Ｈ（Ｔ，ｉ）－Ｆ（Ｔ）＋Ｃ（Ｔ，ｊ）］Ｑ（Ｔ）－αＲＧＱ（Ｔ），０｝，（０≤ｉ，ｊ≤Ｔ）， （１０）式中，［Ｈ（Ｔ，ｉ）－Ｆ（Ｔ）＋Ｃ（Ｔ，ｊ）］Ｑ（Ｔ）为发展风电相对于发展火电所节约的成本价值；αＲＧＱ（Ｔ）表１　参数描述参数 含义 参数 含义Ｖ（ｋ，ｉ，ｊ） 决策价值函数ＲＧ风电政策补贴Ｈ（ｋ，ｉ） 火电发电成本ｐ火电成本上涨的风险中性概率Ｃ（ｋ，ｊ） 碳价格ｑ碳价格上涨的风险中性概率Ｆ（ｋ） 风电发电成本α政策补贴系数Ｑ（ｋ） 风电发电量ｒ无风险利率Ｔ风电计划总时期ｎ成本或价格波动次数为政府为发展风电所支出的政策补贴费用。如果风电项目的决策价值为负，则停止发展该风电项目，此时对于决策者来说，项目的决策价值就是０，因此在决策的每个节点处，将直接求得的价值与０作比较。由于风电发展项目的决策权为美式期权，即可在项目计划总时期的任何时点进行决策，因此在各个时间点都要进行最佳策略的决策，以比较当前支持发展与延迟发展的项目价值。对于传统的二叉树模型，如前文中煤炭价格、火电成本和碳价格所采用的模型，均是运用倒推思想，从树的末端开始推算出各节点的值。运用倒推思想的前提是所分析的投资组合是固定不变的，譬如说从始至终都只分析１份期权的价值。当投资组合发生变化时，则不能直接运用倒推思想，需要间接转换。本研究新建立的模 型 中，对 于 一 般 情 况 ［Ｈ（ｋ，ｉ）－Ｆ（ｋ）＋Ｃ（ｋ，ｊ）］Ｑ（ｋ）－αＲＧＱ（ｋ），除了Ｈ（ｋ，ｉ），Ｃ（ｋ，ｊ）是随时间段ｋ变化之外，还存在其他变量Ｑ（ｋ）和Ｆ（ｋ），对应于金融期权，可理解为这是一个变化的投资组合，因此不能直接运用倒推思想将各节点的值进行贴现，需要间接转换。由于αＲＧ是常量，所以可以将Ｈ（ｋ，ｉ）＋Ｃ（ｋ，ｊ）－αＲＧ看作１份固定不变的实物期权，先通过倒推算得该式各节点的值，再代入｛［Ｈ（ｋ，ｉ）＋Ｃ（ｋ，ｊ）－αＲＧ］－Ｆ（ｋ）｝Ｑ（ｋ），最终求得各节点的决策价值。按照上述思路，故令Ｗ（Ｔ，ｉ，ｊ）＝ ｍａｘ｛Ｈ（Ｔ，ｉ）＋Ｃ（Ｔ，ｊ）－αＲＧ，０｝，（０≤ｉ，ｊ≤Ｔ）， （１１）则风电项目末期的决策价值为Ｖ（Ｔ，ｉ，ｊ）＝ ｍａｘ｛［Ｗ（Ｔ，ｉ，ｊ）－Ｆ（Ｔ）］Ｑ（Ｔ），０｝，（０≤ｉ，ｊ≤Ｔ）。 （１２）　　一般地，对于０＜ｋ＜Ｔ，Ｗ（ｋ，ｉ，ｊ）＝ ｍａｘ｛ｅ－ｒ（Ｔ／ｎ）｛ｐ［ｑＷ（ｋ＋１，ｉ＋１，ｊ＋１）＋（１－ｑ）Ｗ（ｋ＋１，ｉ＋１，ｊ）］＋（１－ｐ）［ｑＷ（ｋ＋１，ｉ，ｊ＋１）＋（１－ｑ）Ｗ（ｋ＋１，ｉ，ｊ）］｝，Ｈ（ｋ，ｉ）＋Ｃ（ｋ，ｊ）－αＲＧ｝，（１３）则风电决策价值Ｖ（ｋ，ｉ，ｊ）＝ ｍａｘ｛［Ｗ（ｋ，ｉ，ｊ）－Ｆ（ｋ）］Ｑ（ｋ），０｝，（０≤ｉ，ｊ≤ｋ）。 （１４）·２６９·基于实物期权的中国风电发展政策评估———田立新　许培琳　傅　敏要：考虑火电发电成本、风电发电成本、碳排放权价格及政府的鼓励与补贴４种不确定因素，基于实物期权理论从政府的视角，建立评估风电发展的决策价值模型。通过设定不同的政策补贴系数，分析政策补贴对总决策价值的影响，并给出各种情境下的最佳投资时机。关键词：实物期权；二叉树；风电；政策评估中图法分类号：Ｃ９３；Ｎ９４５　文献标志码：Ａ　文章编号：１６７２－８８４Ｘ（２０１３）０２－０２６６－０６Ｗｉｎｄ　Ｐｏｗｅｒ　Ｐｏｌｉｃｙ　Ｅｖａｌｕａｔｉｏｎ　ｉｎ　Ｃｈｉｎａ　Ｕｓｉｎｇ　Ｒｅａｌ　Ｏｐｔｉｏｎ　ＭｏｄｅｌＴＩＡＮ　Ｌｉｘｉｎ　ＸＵ　Ｐｅｉｌｉｎ　ＦＵ　Ｍｉｎ（Ｊｉａｎｇｓｕ　Ｕｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｔｈｅｏｒｙ　ｏｆ　ｒｅａｌ　ｏｐｔｉｏｎｓ，ｔｈｉｓ　ｐａｐｅｒ　ｅｓｔａｂｌｉｓｈｅｓ　ａ　ｐｏｌｉｃｙ　ｂｅｎｅｆｉｔ　ｍｏｄｅｌ　ｔｈａｔｃａｎ　ｂｅ　ｕｓｅｄ　ｔｏ　ｅｖａｌｕａｔｅ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｗｉｎｄ　ｐｏｗｅｒ　ｃｏｎｓｉｄｅｒｉｎｇ　ｆｏｕｒ　ｕｎｃｅｒｔａｉｎ　ｆａｃｔｏｒｓ：ｔｈｅｒｍａｌｐｏｗｅｒ　ｇｅｎｅｒａｔｉｎｇ　ｃｏｓｔ，ｗｉｎｄ　ｐｏｗｅｒ　ｇｅｎｅｒａｔｉｎｇ　ｃｏｓｔ，ｃａｒｂｏｎ　ｐｒｉｃｅ，ｉｎｃｅｎｔｉｖｅｓ　ａｎｄ　ｓｕｂｓｉｄｉｅｓ　ｆｒｏｍ　ｔｈｅｇｏｖｅｒｎｍｅｎｔ．Ｂｙ　ｓｅｔｔｉｎｇ　ｄｉｆｆｅｒｅｎｔ　ｃｏｅｆｆｉｃｉｅｎｔｓ　ｏｆ　ｓｕｂｓｉｄｙ，ｔｈｅ　ｐａｐｅｒ　ａｎａｌｙｚｅｓ　ｉｔｓ　ｅｆｆｅｃｔｓ　ｏｎ　ｔｈｅ　ｔｏｔａｌ　ｄｅ－ｃｉｓｉｏｎａｌ　ｖａｌｕｅ　ａｎｄ　ａｃｈｉｅｖｅｓ　ｔｈｅ　ｏｐｔｉｍａｌ　ｉｎｖｅｓｔｍｅｎｔ　ｔｉｍｉｎｇ　ｕｎｄｅｒ　ｖａｒｉｏｕｓ　ｓｉｔｕａｔｉｏｎｓ．Ｔｈｅ　ｒｅｓｅａｒｃｈ　ｈｅｌｐｓｔｈｅ　ｇｏｖｅｒｎｍｅｎｔ　ａｓｓｅｓｓ　ｔｈｅ　ｐｒｏｊｅｃｔｓ　ｏｆ　ｒｅｎｅｗａｂｌｅ　ｒｅｓｏｕｒｃｅｓ，ｗｈｉｃｈ　ｍａｙ　ｃｏｎｔａｉｎ　ｓｏｍｅ　ｕｎｃｅｒｔａｉｎｔｉｅｓ　ａｎｄｍａｋｅ　ｒｅｌｅｖａｎｔ　ｐｏｌｉｃｉｅｓ．Ｋｅｙ　ｗｏｒｄｓ：ｒｅａｌ　ｏｐｔｉｏｎｓ；ｂｉｎｏｍｉａｌ　ｔｒｅｅ；ｗｉｎｄ　ｐｏｗｅｒ　ｇｅｎｅｒａｔｉｎｇ；ｐｏｌｉｃｙ　ｂｅｎｅｆｉｔ收稿日期：２０１２－０９－１０基金项目：国家自然科学基金资助项目（７１０７３０７２，５２１７６０８１）；国家社会科学基金资助重大项目（１２＆ＺＤ０６２）；国家教育部博士点基金资助项目（２００９３２２７１１００１２）；江苏省自然科学基金资助项目（ＢＫ２０１０３２９）；江苏省高校优势学科建设工程资助项目；江苏省软科学资助项目（ＢＲ２０１２０２７）　　风能作为一种清洁的永续能源，目前已逐渐成为许多国家可持续发展战略的重要组成部分。然而，风能技术的发展具有研发投入庞大、规划时期长、投资风险高等特性，致使政府在规划发展政策时，常因不确定因素及风险的存在，而使政策制定时间长且易造成错误的决策。由此，迫切需要一个可将风险量化的投资辅助决策工具，政府可以据此定量分析相关政策对风电投资的影响，以制定合理的投资政策，促进风电的大力发展。１　研究现状近年来，实物期权已成为一种评估可再生能源项目和可再生能源发展计划总收益的分析工具。ＶＥＮＥＴＳＡＮＯＳ等［１］评估了风能投资项目的价值，并评估了风电站在面临能源市场不确 定 竞 争 下 的 收 益。ＫＪＡＥＲＬＡＮＤ［２］运 用ＤＩＸＩＴ等［３］建立的期权评估模型，分析了在考虑化石能源价格波动、水储量、无风险利率、投资成本、变动成本和最佳投资时间等因素的情况下，挪威水力发电的投资机会。ＬＥＥ等［４］在实物期权分析方法的基础上融入可再生能源的成本效率曲线，研究了一个政策受益评估模型，定量分析了在有ＮＲＥ成本和ＲＥ成本等不确定因素的影响下发展ＲＥ的政策价值。ＭＡＲ－ＴＩＮＥＺ－ＣＥＳＥＮＡ等［５］提出了可在风电规划中评估风能不确定性的方法，并通过实例进行研究分析。研究表明，不同的条件和假设前提会影响方法的结论，在大多数情形下应用该实物期权方法会使风能规划的价值增加。ＭＡＲ－ＴＩＮＥＺ－ＣＥＳＥＮＡ等［６］提出了一种研究可再生能源再生项目的实物期权方法，并结合水电个案进行实证分析。国内方面的相关研究刚刚起步，而且都是·２６６·风险利率和风险中性概率为基础，从最后节点开始倒推计算，可以求得风电计划时期内各个节点的决策价值。４　参数估计本研究的风电计划时期为２０１２～２０３０年，考虑成本及价格波动１９次，即二叉树模型的时间间隔长度为１年。４．１　火电发电成本的参数估计本研究采用近２年环渤海地区的市场动力煤的综合平均价格来描述我国煤炭价格，数据来自海运煤炭网［２２］，见图６。火电发电成本参数估计见表２。图６　环渤海地区港口平仓的发热量５　５００大卡　　市场动力煤的综合平均价格　按照前述方法对煤炭价格历史样本数据进行计 算，可 以 得 到 煤 炭 价 格 的 波 动 率σ＝０．０５２　６９。表２　火电发电成本二叉树展开表（元／ｋＷ·ｈ）２０１２年２０１３年２０１４年２０１５年２０１６年２０１７～２０２８年２０２９年２０３０年０．３４０　３００　 ０．３５８　７１１　 ０．３７８　１１８　 ０．３９８　５７６　 ０．４２０　１４０……０．８３３　４３７　 ０．８７８　５２８０．３２２　８３４　 ０．３４０　３００　 ０．３５８　７１１　 ０．３７８　１１８……０．７５０　０７８　 ０．７９０　６６００．３０６　２６４　 ０．３２２　８３４　 ０．３４０　３００……０．６７５　０５７　 ０．７１１　５８００．２９０　５４５　 ０．３０６　２６４……０．６０７　５４０　 ０．６４０　４０９０．２７５　６３２……０．５４６　７７５　 ０．５７６　３５７……０．４９２　０８８　 ０．５１８　７１１０．４４２　８７１　 ０．４６６　８３１０．３９８　５７６　 ０．４２０　１４００．３５８　７１１　 ０．３７８　１１８…… ……０．１３１　８１６　　煤炭初始价格Ｓ（０，０）取２０１１年４８周的平均价格８１７．４０８　２元／ｔ，由式（１）得，Ｈ（０，０）为０．３４０　３元／ｋＷ·ｈ。４．２　碳排放价格的参数估计由于我国现在还没有碳排放权交易市场，故无法得到碳排放权交易的场内数据，基于项目的交易成交价格也存在着太多的不确定因素，所以本研究以市场数据较丰富的欧洲碳排放权价格作为研究对象。由于数据有限，样本区间取２００９年１０月～２０１２年２月，碳排放价格见图７，碳价格二叉树情况见表３。表３　碳价格二叉树展开表（元／ｋＷ·ｈ）２０１２年２０１３年２０１４年２０１５年２０１６年２０１７～２０２８年２０２９年２０３０年０．１１６　５００　 ０．１６６　４９９　 ０．２３７　９５７　 ０．３４０　０８４　 ０．４８６　０４０……５０．４４２　６００　 ７２．０９１　４９００．０８１　５１５　 ０．１１６　５００　 ０．１６６　４９９　 ０．２３７　９５７……２４．６９５　８７０　 ３５．２９４　８１００．０５７　０３６　 ０．０８１５　１５０　 ０．１１６　５００……１２．０９０　６９０　 １７．２７９　７６００．０３９　９０９　 ０．０５７　０３６……５．９１９　４０５　 ８．４５９　８８９０．０２７　９２４……２．８９８　０４４　 ４．１４１　８２３……１．４１８　８３５　 ２．０２７　７６９０．６９４　６３８　 ０．９９２　７６２０．３４０　０８４　 ０．４８６　０４００．１６６　４９９　 ０．２３７　９５７…… ……０．０００　１８８　　通过对碳价格历史样本数据进行计算，得到碳价格的波动率σ′＝０．３５７　１。碳排放权初始价格Ｃ（０，０）取２０１１年１２个月的平均价格１３．０７７　５欧元／ｔ，换算成人民币为１１７．８９８　６元／ｔ。根据我国各区域火电厂ＣＯ２排放系数［２３］，利用加 权 平 均 方 法 可 求 得 我 国 火 电 厂ＣＯ２平均排 放 系 数 为０．９８８　４ ｋｇ／ｋＷ·ｈ，所 以Ｃ（０，０）＝０．９８８　４×１１７．８９８　６×１０－３＝０．１１６　５元／ｋＷ·ｈ。４．３　其他参数估计４．３．１　无风险利率本研究采用中国人民银行定期存款利率，从１９９０～２０１１年所有经历调整的１年期利率·２７０·管理学报第１０卷第２期２０１３年２月图７　碳排放的历史价格数据［２４］　图８　１９９０～２０１１年所有经历调整的１年期利率变化走势［２５］　（见图８）的平均值ｒ＝４．７６％作为模型中使用的无风险利率。４．３．２　风电政策补贴根据国家发改委风力上网电价政策［２６］，可以得出，ＲＧ＝风电上网电价—当地脱硫燃煤机组标杆上网电价。目前，全国风力发电标杆上网电价平均为０．５６元／ｋＷ·ｈ［２６］，当地脱硫燃煤机组标杆上网电价平均为０．３７７　９元／ｋＷ·ｈ［２７］，则ＲＧ＝０．５６－０．３７７　９＝０．１８２　１元／ｋＷ·ｈ。４．３．３　风电发电量一般风电厂年利用小时数为２　５００ｈ，则Ｑ（ｋ）＝２　５００　Ｎｋ。５实证分析５．１　风电发展项目的决策价值———ＮＰＶ方法与实物期权方法的比较根据 净 现 值ＮＰＶ方 法 （即Ｖ（ｋ，ｉ，ｊ）＝［Ｈ（ｋ，ｉ）－Ｆ（ｋ）＋Ｃ（ｋ，ｊ）］Ｑ（ｋ）－αＲＧＱ（ｋ），０≤ｉ，ｊ≤ｋ）可计算出各年的决策价值（见表４）的２０１２年决策价值为－３８．１１７亿元，反映出目前发展风电计划是没有利润的，应该放弃。在２０１２～２０３０年中，只有２０２６～２０３０年的保存路径的比例（即保存路径数目／所有路径数目）高于５０％，分 别 为５６．２３％、５３．７％、５３．９８％、５２．７８％及５２．６３％。这意味着从收益的角度看，２０２６～２０３０年间发展风电是合适的。表４　风电发展项目的决策价值表（ＮＰＶ方法）２０１２年／（１０１０元）２０１３年／（１０１０元）２０１４年／（１０１０元）２０１５～２０２８年２０２９年／（１０１３元）２０３０年／（１０１３元）－３．８１１　７ －２．８３８　５ －１．１５５　９……４．５９６　６　 ７．２３５　２－４．４４９　９ －３．６９５　７……２．２６０　３　 ３．５５５　５－３．５１８　８ －４．９３９　１……１．１１６　４　 １．７５４　０－５．１３０　２ －１．９４６　７……０．５５６　４　 ０．８７２　１－４．４８６　５……０．２８２　３　 ０．４４０　２－５．７２９　９……０．１４８　０　 ０．２２８　８－２．６５８　４……０．０８２　３　 ０．１２５　３－５．１９８　２……０．０５０　１　 ０．０７４　７－６．４４１　６……０．０３４　４　 ０．０４９　９…… …… ……０表５　风电发展项目的决策价值表（二叉树期权方法）２０１２年２０１３年２０１４年／（１０９元）２０１５～２０２８年２０２９年／（１０１３元）２０３０年／（１０１３元）０　 ０　 ８．７３９　４……４．５９７　４　 ７．２３５　２０ ０……２．２６１　０　 ３．５５５　５０ ０……１．１１７　２　 １．７５４　００　 ０．８３１　４……０．５５７　２　 ０．８７２　１０……０．２８３　０　 ０．４４０　２０……０．１４８　８　 ０．２２８　８０……０．０８３　１　 ０．１２５　３０……０．０５０　９　 ０．０７４　７０……０．０３５　２　 ０．０４９　９…… …… ……０　　由表５可见，采用实物期权法计算，所得计划初期的决策价值为０，表明当前情况下，发展风电会使政府蒙受损失。这个结论与ＮＰＶ方法的情况一致，同许多从企业角度研究风电发展的 研 究［７］相 比，结 论 正 好 相 反。在２０１２～２０３０年中，２０２５～２０３０年的保存路径的比例是高 于５０％的，分 别 为５６．２３％、５４．０１％、５４．３３％、５３．５２％、５２％及５１．０２％。总 的 来说，各年实物期权方法下保存路径的比例均高于ＮＰＶ方法下保存路径的比例，这是因为传统ＮＰＶ方法忽略了计划中的不确定性，低估了决策价值。可见，即使是二叉树方法也显示近期发展风电会使政府蒙受损失，若要逆转或减少损失，就需要对相关因素进行调整。鉴于此，下面具体分析政策补贴对决策价值的影响。５．２　情景分析———变动的政策补贴系数为了挽回政府所面临的风电损失的局面，需要适当降低风电政策补贴。风电政策补贴的目的是为了鼓励和促进风电的发展。从中长期发展来看，这项政策的实施已达到预期目的，可以适时降低其补贴份额。下面设定几种情景，·２７１·基于实物期权的中国风电发展政策评估———田立新　许培琳　傅　敏分别 将 风 电 政 策 补 贴 系 数 调 节 为０．８、０．５、０．３、０．２、０．１及０，以探讨其对决策价值的影响，见图９。当保存路径的比例大于５０％，即保存路径的比例大于被废路径的比例，是可以发展风电的。由此，将５０％看作风险临界线，当保存路径比例高于风险临界线时，风电项目可行。图９　基于政策补贴系数的决策价值情景分析　（１）α＝０．８情景　２０１２～２０１３年的决策价值均为负值，２０１４～２０２２年发展风电保存路径的比例均低于５０％，表明这段时间亏损的风险大于获益的风险，所以，２０２３年才是发展风电的获益时机。（２）α＝０．５情景　２０１２～２０１３年的决策价值均为负值，２０１４～２０２１年发展风电保存路径的比例均低于５０％，所以，发展风电的获益时机为２０２１年。（３）α＝０．３情景　 ２０１２年的决策价值小于０，２０１２～２０１８年发展风电保存路径的比例均低于５０％，所以，２０１２～２０１８年间发展风电的风险较大，获益时机需提前至２０１９年。（４）α＝０．２情景　 ２０１２～２０１８年的情况与α＝０．３时的情况几乎无异，２０１９～２０３０年间保存路径的比例均高于α＝０．３情景，此时，发展风电的获益时机依然是２０１９年。（５）α＝０．１情景　 ２０１２年的决策价值为负值，２０１３～２０１７年发展风电保存路径的比例均低 于５０％，２０１８～２０３０年 该 比 例 均 高 于５０％，所以，发展风电的获益时机是２０１８年。（６）α＝０情景　α＝０是理想情景，意味着国家停止对风电的补贴，即此时的风电上网电价与火电上网电价无差异。在此情况下，２０１２年的决策价值依然是负的，２０１７～２０３０年的保存路径比例均高于５０％。由此，发展风电的获益时机是２０１７年。从总体上看，当α减小时，即政府的补贴支出逐渐减少，也意味着风电上网电价逐渐接近于火电上网电价，那么政府的决策价值随之增加。然而，无论补贴系数如何调节，２０１７年之前发展风电都将对政府造成损失。主要原因一方面在于火力发电技术的进步已经将成本价值降得较低，另一方面由于风电造价高、起步晚，虽有一定的技术进步，但成本较火电仍然高出许多。为了进一步减少政府的损失，需要加强对风电技术的研究，以期大幅度降低风电成本，使风电成本逐步接近火电成本。６　结语本研究运用实物期权理论与学习曲线，将风力发电作为投资期权，从政府角度建立了可用于评估决策价值的模型。定量分析了决策中不确定因素对项目可行性的影响，为项目决策人提供了更多的决策参考。研究表明，影响风电发展的不确定因素主要有火电发电成本、风电发电成本、碳排放权交易及政府的鼓励与补贴。火电发电成本、碳排放权价格遵循几何布朗运动（即二叉树模型），风电发电成本满足学习曲线。根据对政策补贴系数的情景分析，得到计划期内发展风电的获益时机。当α＝１时，发展风电的获益时机为２０２５年，而当α＝０．５和α＝０．１时，发展风电的获益时机分别提前到２０２１年和２０１８年，说明降低政策补贴有益于政府的政策收益。从整体上看，无论如何调节政策补贴系数，发展风电补贴都将对政府造成损失。这意味着需要从其他发面进行平衡，譬如加强风电技术的研究。本研究给出的模型可用于分析其他可再生能源，为有关部门制定相关决策提供一定帮助。然而众所周知，可再生能源的发展是一项含有巨大不确定性的复杂决策。由此，尽管含有一些不确定性，这里所建立的模型仍然有其局限性：①由于资料的不可获得性，模型中的一些数据是笔者估计的，这对于计算结果的准确性有一定的影响；②模型没有考虑风电计划操作期间的灵活性：发电量设定为恒定的，虽然现实中部分发电企业会根据外界环境的变化调整发电量；③模型只考虑了与风电技术和经济评估高度相关的４种不确定因素，或许还有其他一些影响风电发展的因素。该问题需要在今后的工作中进一步探讨。参 考 文 献［１］ＶＥＮＥＴＳＡＮＯＳ　Ｋ，ＡＮＧＥＬＯＰＯＵＬＯＵ　Ｐ，ＴＳＯＵＴ－·２７２·管理学报第１０卷第２期２０１３年２月a