亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        氣候變化下高碳企業(yè)轉(zhuǎn)型對(duì)金融風(fēng)險(xiǎn)的影響研究

        2023-08-24 10:46:09劉文歡趙衍馨李斌
        金融發(fā)展研究 2023年7期
        關(guān)鍵詞:金融穩(wěn)定金融風(fēng)險(xiǎn)氣候變化

        劉文歡 趙衍馨 李斌

        摘? ?要:氣候變化帶來的物理風(fēng)險(xiǎn)和轉(zhuǎn)型風(fēng)險(xiǎn)不僅對(duì)實(shí)體經(jīng)濟(jì)發(fā)展造成威脅,而且會(huì)對(duì)金融系統(tǒng)穩(wěn)定造成重要影響。本文采用分位數(shù)、時(shí)域和頻域連通性方法,評(píng)估氣候變化對(duì)中國高碳行業(yè)的影響,進(jìn)而分析對(duì)以商業(yè)銀行不良貸款率為代表的金融風(fēng)險(xiǎn)產(chǎn)生的影響。實(shí)證結(jié)果表明:首先,在極端經(jīng)濟(jì)狀態(tài)下,氣候變化對(duì)高碳企業(yè)的影響,以及高碳企業(yè)對(duì)商業(yè)銀行不良貸款率的影響均遠(yuǎn)高于正常經(jīng)濟(jì)狀態(tài)下氣候變化對(duì)上述變量的影響。其次,氣候變化對(duì)城市商業(yè)銀行、農(nóng)村商業(yè)銀行和股份制商業(yè)銀行不良貸款率的影響,遠(yuǎn)大于氣候變化對(duì)國有商業(yè)銀行不良貸款率的影響。最后,變量之間具有較強(qiáng)的時(shí)變特征,且重大事件加劇了變量的溢出效應(yīng)。因而,相較于長(zhǎng)期風(fēng)險(xiǎn),應(yīng)當(dāng)重點(diǎn)關(guān)注氣候突發(fā)事件在短期內(nèi)對(duì)金融機(jī)構(gòu)造成的風(fēng)險(xiǎn)沖擊。

        關(guān)鍵詞:氣候變化;高碳企業(yè);商業(yè)銀行;金融風(fēng)險(xiǎn);金融穩(wěn)定

        中圖分類號(hào):F830? 文獻(xiàn)標(biāo)識(shí)碼:A? 文章編號(hào):1674-2265(2023)07-0033-10

        DOI:10.19647/j.cnki.37-1462/f.2023.07.004

        一、 引言

        越來越多的證據(jù)表明,氣候變化會(huì)以各種形式影響人類社會(huì)的經(jīng)濟(jì)、福利和環(huán)境治理。為此,《巴黎協(xié)定》將全球升溫目標(biāo)控制在2°C以下,并提出了在未來幾十年大幅減少溫室氣體排放的具體行動(dòng)計(jì)劃,由此,降低溫室氣體尤其是碳排放成為大勢(shì)所趨。然而,降低溫室氣體排放的行動(dòng)必然會(huì)對(duì)碳排放部門及其供應(yīng)鏈和價(jià)值鏈造成沖擊,特別是會(huì)對(duì)化石燃料行業(yè)的資產(chǎn)價(jià)值和企業(yè)估值產(chǎn)生負(fù)面影響。如何衡量這種影響及其連鎖反應(yīng),已經(jīng)成為當(dāng)今具有爭(zhēng)論性的話題。

        《巴黎協(xié)定》承諾“使資金流動(dòng)符合溫室氣體低排放和氣候適應(yīng)型發(fā)展的路徑”,即實(shí)現(xiàn)氣候和可持續(xù)發(fā)展目標(biāo)需要將資金與可持續(xù)性發(fā)展相掛鉤,因而需要大規(guī)模增加對(duì)低碳企業(yè)和部門的投資,同時(shí)減少對(duì)碳密集型企業(yè)的投資。然而,目前的投資仍然被大量分配到與氣候目標(biāo)不一致的經(jīng)濟(jì)活動(dòng)上。比如,投資基金約有40%的股票投資組合暴露于擱淺資產(chǎn)上①。Hansen(2022)[1]的研究結(jié)果顯示,全球化石燃料儲(chǔ)量將貶值37%~50%,達(dá)到13萬億~17萬億美元。因化石燃料行業(yè)轉(zhuǎn)型風(fēng)險(xiǎn)敞口巨大,部分金融機(jī)構(gòu)已經(jīng)開始從化石燃料領(lǐng)域撤資,這會(huì)導(dǎo)致相關(guān)行業(yè)借貸成本上升,進(jìn)一步增加化石燃料行業(yè)風(fēng)險(xiǎn),形成惡性循環(huán)。氣候變化迫使能源、工業(yè)和建筑等方面實(shí)施快速而深遠(yuǎn)的轉(zhuǎn)型。轉(zhuǎn)型過程中一定會(huì)涉及高碳資產(chǎn)的重新定價(jià)和企業(yè)財(cái)產(chǎn)受損,進(jìn)而導(dǎo)致金融機(jī)構(gòu)資產(chǎn)負(fù)債表受損,對(duì)金融體系的穩(wěn)定性造成威脅。因此,轉(zhuǎn)型金融逐漸進(jìn)入研究者的視野,具體指通過金融政策(貨幣政策和金融監(jiān)管政策等)來防范和化解氣候風(fēng)險(xiǎn)對(duì)經(jīng)濟(jì)和金融穩(wěn)定性沖擊的研究。

        對(duì)中國來說,《巴黎協(xié)定》具有潛在的挑戰(zhàn)性。2021年10月,中共中央和國務(wù)院發(fā)布《關(guān)于完整準(zhǔn)確全面貫徹新發(fā)展理念做好碳達(dá)峰碳中和工作的意見》,隨著碳達(dá)峰、碳中和工作的推進(jìn),資產(chǎn)擱淺風(fēng)險(xiǎn)逐步顯現(xiàn)。對(duì)風(fēng)險(xiǎn)的識(shí)別、對(duì)風(fēng)險(xiǎn)傳導(dǎo)機(jī)制的研判以及對(duì)風(fēng)險(xiǎn)量級(jí)的評(píng)估,不僅可以有效防范金融風(fēng)險(xiǎn)的傳遞,還有利于減少對(duì)企業(yè)的沖擊并促進(jìn)各行業(yè)的低碳轉(zhuǎn)型。在此背景下,本文研究了氣候變化對(duì)實(shí)體經(jīng)濟(jì)和金融體系的溢出效應(yīng),并提出了化解資產(chǎn)擱淺風(fēng)險(xiǎn)的措施。

        本文的主要貢獻(xiàn)體現(xiàn)在以下幾個(gè)方面:第一,本文利用靜態(tài)分析和時(shí)變分析方法評(píng)估了氣候變化、高碳企業(yè)轉(zhuǎn)型和商業(yè)銀行風(fēng)險(xiǎn)三者之間的內(nèi)在聯(lián)系,討論極端環(huán)境和正常經(jīng)濟(jì)狀態(tài)下的不同影響,發(fā)現(xiàn)了不同經(jīng)濟(jì)狀態(tài)下的溢出行為之間存在不對(duì)稱性的證據(jù)。第二,從氣候風(fēng)險(xiǎn)出發(fā),對(duì)氣候風(fēng)險(xiǎn)的規(guī)模進(jìn)行了量化,并就氣候變化對(duì)實(shí)體經(jīng)濟(jì)和金融穩(wěn)定的影響進(jìn)行了相關(guān)研究。第三,基于Diebold和Y?lmaz(2014)[2]的均值VAR估計(jì)的連通性方法,本文創(chuàng)新性地采用了最近發(fā)展起來的分位數(shù)VAR方法分析變量之間的溢出效應(yīng),進(jìn)而研究在正常、極端積極和動(dòng)蕩時(shí)期的不同傳染效應(yīng)。

        二、 文獻(xiàn)綜述

        (一)氣候風(fēng)險(xiǎn)的傳導(dǎo)

        Johnson 等(2015)[3]發(fā)現(xiàn)加強(qiáng)近期氣候政策(即在2030年降低全球溫室氣體排放目標(biāo))通常會(huì)降低擱淺的煤炭產(chǎn)能及其成本。Pfeiffer 等(2018)[4]調(diào)查顯示,如果世界要實(shí)現(xiàn)其氣候目標(biāo),全球大部分發(fā)電資本存量將陷入困境。這種擱淺可能會(huì)對(duì)亞洲的煤炭行業(yè)產(chǎn)生最大的影響,目前64%的發(fā)電資本位于亞洲,其中大部分是燃煤發(fā)電機(jī)。Caldecott 等(2021)[5]發(fā)現(xiàn)環(huán)境因素特別是與氣候危機(jī)相關(guān)的因素使擱淺資產(chǎn)對(duì)經(jīng)濟(jì)、公司、金融機(jī)構(gòu)、社區(qū)和工人產(chǎn)生影響。

        Zhang 等(2018)[6]認(rèn)為,對(duì)中國而言,到21世紀(jì)中葉氣候變化將導(dǎo)致制造業(yè)產(chǎn)出降低12%,并對(duì)全球供應(yīng)鏈產(chǎn)生重大沖擊。Sun等(2020)[7]表示氣候變化對(duì)礦業(yè)公司的財(cái)務(wù)業(yè)績(jī)既有正向影響也有負(fù)面影響,且擁有不同類型資源的礦業(yè)公司對(duì)氣候變化風(fēng)險(xiǎn)的敏感性不同。劉文歡(2023)[8]、Li和 Zhang(2023)[9]發(fā)現(xiàn)企業(yè)氣候風(fēng)險(xiǎn)敞口顯著降低了企業(yè)的財(cái)務(wù)杠桿,其負(fù)面影響對(duì)轉(zhuǎn)型風(fēng)險(xiǎn)較高的公司而言更為突出。

        一些研究表明,氣候變化產(chǎn)生的潛在影響(造成資產(chǎn)擱淺)可能會(huì)蔓延影響到金融體系的穩(wěn)定性。Authority(2015)[10]發(fā)現(xiàn)與氣候相關(guān)的物理風(fēng)險(xiǎn)可能會(huì)增大承保易受物理風(fēng)險(xiǎn)影響的資產(chǎn)的保險(xiǎn)公司的風(fēng)險(xiǎn)敞口。Batten等(2016)[11]討論了氣候變化及其緩解政策的作用渠道,認(rèn)為這會(huì)影響中央銀行實(shí)現(xiàn)其貨幣和金融穩(wěn)定目標(biāo)的能力,從而引發(fā)金融和宏觀經(jīng)濟(jì)不穩(wěn)定。Harnett(2018)[12]討論了資產(chǎn)擱淺對(duì)投資決策的影響,認(rèn)為擱淺資產(chǎn)應(yīng)被視為投資成本不可逆轉(zhuǎn)的增加。

        (二)氣候風(fēng)險(xiǎn)的規(guī)模和量化

        許多研究集中在擱淺資產(chǎn)的規(guī)模計(jì)算方面。Johnson 等(2015)[3]從化石燃料公司下游資產(chǎn)的角度計(jì)算,認(rèn)為全球會(huì)有165億~5500億美元的電力資產(chǎn)擱淺。Mercure等(2018)[13]統(tǒng)計(jì)發(fā)現(xiàn)擱淺的化石能源資產(chǎn)可能會(huì)造成全球財(cái)富損失1萬億~4萬億美元,這相當(dāng)于2008年金融危機(jī)造成的損失。Hansen(2022)[1]的結(jié)果顯示,儲(chǔ)量化石燃料將貶值37%~50%,貶值金額達(dá)到13萬億~17萬億美元。

        綜上所述,由氣候變化引起的資產(chǎn)擱淺風(fēng)險(xiǎn)相關(guān)研究逐漸增多,研究領(lǐng)域逐漸擴(kuò)展至擱淺資產(chǎn)的測(cè)度與量化方面。本文將深化這方面的研究,并重點(diǎn)研究資產(chǎn)擱淺對(duì)金融領(lǐng)域的異質(zhì)性影響和時(shí)變特征。

        三、 理論分析與假設(shè)和方法

        (一)理論分析與假設(shè)

        1. 氣候變化與高碳企業(yè)。溫室氣體(主要指二氧化碳)排放帶來的氣候風(fēng)險(xiǎn),推動(dòng)政府實(shí)施更嚴(yán)格的氣候政策,碳稅、提高碳交易價(jià)格、“雙碳”政策等措施會(huì)增加高碳企業(yè)的成本(中國人民銀行西安分行課題組,2023)[14]。一方面,傳統(tǒng)高碳企業(yè)的產(chǎn)品因陷入轉(zhuǎn)型壓力而導(dǎo)致市場(chǎng)供求不平衡,短期內(nèi)引發(fā)價(jià)格的波動(dòng)。另一方面,相關(guān)基礎(chǔ)設(shè)施等大量高碳資產(chǎn)被人為加快折舊速度,或在使用周期中提前沖銷。這些影響使高碳企業(yè)的資產(chǎn)負(fù)債表嚴(yán)重受損(中國人民銀行天津分行課題組,2022:Sun等,2023)[15,16]。據(jù)此,提出以下假設(shè):

        假設(shè)一:氣候變化對(duì)高碳企業(yè)資產(chǎn)負(fù)債率有溢出效應(yīng)。

        2. 氣候變化與金融體系。氣候變化的宏觀金融風(fēng)險(xiǎn)主要包括物理風(fēng)險(xiǎn)和轉(zhuǎn)型風(fēng)險(xiǎn)等(王博和宋玉峰,2020:馬正宇和秦放鳴,2022)[17,18],可能對(duì)生產(chǎn)率、經(jīng)濟(jì)增長(zhǎng)、通脹及其預(yù)期等經(jīng)濟(jì)和金融變量產(chǎn)生持久影響。物理風(fēng)險(xiǎn)指自然災(zāi)害的頻率和規(guī)模增加帶來的經(jīng)濟(jì)影響(Dietz等,2016)[19];轉(zhuǎn)型風(fēng)險(xiǎn)指實(shí)現(xiàn)低碳經(jīng)濟(jì)需要在政策和技術(shù)上進(jìn)行調(diào)整,這些變化導(dǎo)致大量的資產(chǎn)擱淺,進(jìn)而對(duì)金融資產(chǎn)進(jìn)行重估定價(jià),可能引發(fā)高碳企業(yè)及其相關(guān)企業(yè)的財(cái)務(wù)損失風(fēng)險(xiǎn),從而對(duì)商業(yè)銀行等金融機(jī)構(gòu)帶來信用風(fēng)險(xiǎn)(中國人民銀行研究局課題組,2020)[20]。據(jù)此,提出以下假設(shè):

        假設(shè)二:氣候變化造成高碳企業(yè)財(cái)務(wù)風(fēng)險(xiǎn),進(jìn)而對(duì)商業(yè)銀行不良貸款率有溢出效應(yīng)。

        (二)方法

        1. 分位數(shù)VAR模型。根據(jù)Koenker和Bassett(1978)[21],通過分位數(shù)回歸,可以在[yt/xt]條件分布的任何分位數(shù)[τ]上得到[yt]對(duì)解釋變量[xt]的估計(jì)相關(guān)性??紤]到這一點(diǎn),n維QVAR(P)過程為:

        [yt=cτ+i=1pBiτyt-i+etτ,τ∈0,1]? ? ? ? ?(1)

        其中,[yt]是因變量的n維向量:[cτ]和[etτ]表示分位數(shù)[τ]處n維截距向量和殘差向量:[Biτ]表示分位數(shù)[τ]上的滯后系數(shù)矩陣,其中[i]=1,…p。在估計(jì)[Biτ]和[cτ]時(shí),我們假設(shè)余數(shù)超過了總體分位數(shù)限制,[Qtetτ|Ft-1=0],其中[Ft-1]表示[t-1]時(shí)的信息集。因變量[y]的總體第[τ]個(gè)條件分位數(shù)可以表示如下:

        [Qτyt|Ft-1=cτ+i=1pBiτyt-i]? ? ? ? ? ? ? ? ? ? (2)

        因此,可通過分位數(shù)回歸方法來估計(jì)方程(2)。

        2. 分位數(shù)連通性度量。當(dāng)滿足協(xié)方差平穩(wěn)性條件時(shí),我們將方程(1)重寫為無限階向量的移動(dòng)平均過程:

        [yt=μτ+s=0∞Asτet-sτ,t=1,…T]? (3)

        其中,[μτ=In-B1τ-…-Bpτ-1cτ,Asτ=? ? ? ? ? ? ? ? ?0,s<0? ? ? ? ? ? ? ? ?In,s=0 B1τAs-1τ+…+Bpτ,s>0]

        其中,[yt]由每個(gè)分位數(shù)[τ]中殘差[etτ]的剩余和給出。

        我們采用了Koop等(1996)[22]、Pesaran和Shin(1998)[23]的方法,該方法的變量排序是不變的。這表明,每個(gè)變量的影響不是正交的,預(yù)測(cè)誤差方差的貢獻(xiàn)之和也可能不等于1。由于預(yù)測(cè)水平H的不同變量的沖擊,廣義預(yù)測(cè)誤差方差分解(GFEVD)如下:

        [θgijH=σ-1jjh=0H-1e′ihhej2h=0H-1e′ihhej]? ? ? ? ? ? ? ? ? ? ? (4)

        [θgijH]表示水平H處第[j]個(gè)變量對(duì)第[i]個(gè)變量的預(yù)測(cè)誤差方差的貢獻(xiàn),∑表示誤差向量的方差矩陣,[σjj]是∑矩陣的第[j]個(gè)對(duì)角元素,量[ei]為選擇向量,第[i]個(gè)元素的值為1,其余元素為0。我們規(guī)范化方差分解矩陣如下:

        [θgijH=θgijHj=1NθgijH]? ? ? ? ? ? ? ? ? ? ? ? ? ? (5)

        根據(jù)Diebold和Y?lmaz(2014)[2]提出的框架,我們確定了條件分位數(shù)[τ]下的連通性的各種度量。其中包括總連通性指數(shù)、所有指數(shù)到指數(shù)[i]的總方向連通性指數(shù)、從指數(shù)[i]到所有指數(shù)的總方向關(guān)聯(lián)性指數(shù)、凈總連通性指標(biāo)和成對(duì)連通性指數(shù),分別如式(6)—(10)所示:

        [TCIτ=i=1Nj=1,i≠jNθgijτi=1Nj=1Nθgijτ×100]? ? ? ? ? ? ? ? ? ? ?(6)

        [CIi→τ=j=1,i≠jNθgijτj=1Nθgijτ×100=TO]? ? ? ? ? ? ? ? ? ?(7)

        [CIi←τ=j=1,i≠jNθgijτj=1Nθgijτ×100=FROM]? ? (8)

        [NCIiτ=CIi→τ-CIi←τ]? ? ? ? ? ? ? ? ? ? ?(9)

        [CIijτ=θgjiτ-θgijτ]? ? ? ? ? ? ? ? ? ? ?(10)

        3. 頻域下的連通性度量——BK溢出指數(shù)。在DY方法的基礎(chǔ)上,Baruník和káehlík(2018)[24]提出了以下方法來測(cè)量特定頻率范圍內(nèi)的連通性。頻率[ω]下的廣義因果譜定義如下:

        [(f(ω))k,j=-1j,j(ψ(e-iω)Σ)k,j2(ψ(e-iω)Σψ'(e+iω))k,k]? ? ? ? ? ? ? ? ? ?(11)

        其中,[ψ]是傅里葉變換,因此 ,[ψ(e-iω)=he-iωhψh,h=1,…,H],[i=-1]。頻帶[d]上的方差分解由Baruník和k?ehlík(2018)[24]定義,其中,[d=a,b,a,b∈-π,π]。[(f(ω))k,j] 由[j-th]個(gè)波動(dòng)率的方差的頻率份額加權(quán)。以下是頻帶[d]的方差分解:

        [(θd)k,j=12d∞Γkω(f(ω))k,jdω]? ? ? ? ? ? ? ? ? ? ? ? (12)

        其中,[Γkω]是加權(quán)函數(shù)。以下是進(jìn)一步標(biāo)準(zhǔn)化的廣義方差分解:

        [(θ~d)k,j=(θd)k,jj=1(θ∞)k,j]? ? ? ? ? ? ? ? ? ? ? ? ? ? (13)

        其中,[(θ∞)k,j=12-ππΓkω(f(ω))k,jdω]? 。在頻帶[d]下,總溢出效應(yīng)可以估計(jì)為:

        [Cwd=100×1-Trθ~dθ~d]? ? ? ? ? ? ? ? ? ? ? ? ? ? ?(14)

        在頻帶[d]下,頻率連通性為:

        [CFd=100×θ~dθ~∞-Trθ~dθ~d]? ? ? ? ? ? ? ? ? ? ? ? ?(15)

        溢出效應(yīng)廣泛用于描述金融市場(chǎng)之間的信息傳遞。一個(gè)市場(chǎng)出現(xiàn)的波動(dòng)或沖擊不僅會(huì)影響本身市場(chǎng)的發(fā)展,而且很容易傳導(dǎo)至另一個(gè)市場(chǎng)。因此,采用實(shí)證分析氣候變化的溢出效應(yīng),即其對(duì)實(shí)體經(jīng)濟(jì)乃至金融部門產(chǎn)生的影響。實(shí)證分析包括靜態(tài)分析和動(dòng)態(tài)分析。靜態(tài)分析運(yùn)用分位數(shù)連通性方法。與基于均值連通性的方法不同,基于分位數(shù)的方法允許在極端積極、正常和極端消極的市場(chǎng)條件(例如新冠肺炎疫情)下捕捉氣候變化、實(shí)體經(jīng)濟(jì)與金融部門之間的溢出動(dòng)態(tài)。此方法的三個(gè)分位數(shù),包括上分位數(shù)(τ=0.9)、中分位數(shù)(τ=0.5)和下分位數(shù)(τ=0.1),分別代表極端積極、正常和極端消極的市場(chǎng)環(huán)境。溢出指數(shù)(值)、連通性測(cè)度指一個(gè)變量對(duì)另一個(gè)變量傳遞的信息量、風(fēng)險(xiǎn)沖擊或變量之間的關(guān)聯(lián)程度。數(shù)值越大,代表變量之間傳遞的信息和風(fēng)險(xiǎn)越大,關(guān)聯(lián)程度越強(qiáng),在本文中即指氣候變化對(duì)高碳企業(yè)資產(chǎn)負(fù)債率和商業(yè)銀行不良貸款率的影響程度。動(dòng)態(tài)分析運(yùn)用時(shí)頻連通性方法,與靜態(tài)分析的區(qū)別在于,可以觀察到整個(gè)樣本期變量之間隨時(shí)間變化的溢出效應(yīng)。此外,為了分別研究氣候變化、高碳企業(yè)和金融部門在短周期和長(zhǎng)周期中的溢出效應(yīng),頻域空間分為高頻段d1=( p /6, p)和低頻段d2=(0, p /6 )。其中,前者的周期長(zhǎng)度為1~6個(gè)月,后者的周期長(zhǎng)度在6個(gè)月以上。

        四、實(shí)證檢驗(yàn)

        (一)變量選取和數(shù)據(jù)來源

        本文樣本范圍為2000年1月—2021年12月,選擇了四類變量的月度數(shù)據(jù),包括碳排放量(CO2)、技術(shù)創(chuàng)新(TI)、高碳企業(yè)資產(chǎn)負(fù)債率(HC)和商業(yè)銀行不良貸款率。

        1. 衡量氣候變化風(fēng)險(xiǎn)。氣候風(fēng)險(xiǎn)包括物理風(fēng)險(xiǎn)與轉(zhuǎn)型風(fēng)險(xiǎn),物理風(fēng)險(xiǎn)主要通過極端溫度和氣候?yàn)?zāi)難影響企業(yè)經(jīng)營狀況,而轉(zhuǎn)型風(fēng)險(xiǎn)主要通過氣候相關(guān)金融政策(包括貨幣政策和監(jiān)管政策等)或技術(shù)升級(jí)影響企業(yè)經(jīng)營狀況(陳國進(jìn)等,2021)[25]。

        (1)碳排放(CO2)。氣候變化吸引了全世界科學(xué)家和公眾越來越多的關(guān)注,與氣候變化相關(guān)的風(fēng)險(xiǎn)是當(dāng)前研究的重點(diǎn)(Gasbarro等,2017)[26]。根據(jù)政府間氣候變化專門委員會(huì)(IPCC)的報(bào)告,燃燒化石燃料產(chǎn)生的溫室氣體排放是全球變暖的主要原因之一。經(jīng)濟(jì)活動(dòng)是二氧化碳排放量增加的主要驅(qū)動(dòng)力,能源消費(fèi)帶動(dòng)的經(jīng)濟(jì)增長(zhǎng)將帶來過多的碳排放,增加未來氣候變化的風(fēng)險(xiǎn)(Yang等,2020)[27]。參考Yang等(2020)[27]和Ding等(2023)[28]的研究,我們用二氧化碳排放量作為氣候風(fēng)險(xiǎn)的代理指標(biāo)之一。

        (2)技術(shù)創(chuàng)新(TI)。由于缺乏氣候相關(guān)金融政策的月度數(shù)據(jù),對(duì)轉(zhuǎn)型風(fēng)險(xiǎn)的衡量具有一定局限性。政策對(duì)技術(shù)創(chuàng)新存在直接和間接的影響(Zhu和Lee,2022:Jiang和Xu,2023)[29,30]。因此,本文將技術(shù)創(chuàng)新視為一種政策效果,包含了政策驅(qū)動(dòng)的信息。在創(chuàng)新的衡量中,專利數(shù)據(jù)在以往的研究中被廣泛用作衡量指標(biāo)(Omri,2020:Cao等,2022)[31,32]。專利指標(biāo)在衡量創(chuàng)新產(chǎn)出方面較為可靠,隨著創(chuàng)新要素的變化,專利和創(chuàng)新產(chǎn)出的變化是一致的(Acs等,1992)[33]。因此,我們用專利數(shù)量反映技術(shù)創(chuàng)新水平,并以此作為氣候變化帶來的轉(zhuǎn)型風(fēng)險(xiǎn)的代理指標(biāo)。

        2. 衡量高碳企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)。氣候變化帶來的物理風(fēng)險(xiǎn)和轉(zhuǎn)型風(fēng)險(xiǎn)將使企業(yè)生產(chǎn)能力下降甚至中斷,運(yùn)營成本和資本成本增加,加重企業(yè)的財(cái)務(wù)負(fù)擔(dān),影響企業(yè)的還款能力。企業(yè)資產(chǎn)負(fù)債率過高已成為經(jīng)濟(jì)轉(zhuǎn)型期內(nèi)面臨的重大挑戰(zhàn)。本文選用石化(PET)、化工(CHE)、鋼鐵(STE)、有色(NONF)、造紙(PAP)和電力(POW)行業(yè)的資產(chǎn)負(fù)債率作為實(shí)體經(jīng)濟(jì)部門財(cái)務(wù)信息的度量指標(biāo)。此外,高碳行業(yè)整體的資產(chǎn)負(fù)債率(HC)運(yùn)用熵權(quán)法對(duì)以上主要高碳行業(yè)的資產(chǎn)負(fù)債率合成得到。

        3. 衡量金融部門風(fēng)險(xiǎn)。氣候變化加重企業(yè)的財(cái)務(wù)負(fù)擔(dān),影響企業(yè)的還款能力,從而增加銀行的不良貸款。因此,本文選用國有商業(yè)銀行(sb)、股份制商業(yè)銀行(eb)、城市商業(yè)銀行(ucb)和農(nóng)村商業(yè)銀行(rcb)的不良貸款率作為銀行業(yè)經(jīng)營風(fēng)險(xiǎn)的度量指標(biāo)。該變量在于孝建和詹愛娟(2021)[34]、魏雷等(2022)[35]研究中使用過。

        (二)實(shí)證結(jié)果

        1.? 靜態(tài)分析。(1)氣候變化與高碳企業(yè)。本節(jié)分別采用基于條件中位數(shù)(τ=0.5)、極端條件分位數(shù)(τ =0.1,τ=0.9)的溢出指數(shù)進(jìn)行全樣本估計(jì)。表1—表3分別顯示了不同分位數(shù)下變量之間的靜態(tài)溢出水平。FROM代表各行所對(duì)應(yīng)變量受到其他變量的總溢出。TO和NET分別代表各列所對(duì)應(yīng)變量對(duì)其他變量的總溢出和凈溢出。TCI值是整個(gè)系統(tǒng)的總溢出強(qiáng)度。以表1為例,總溢出TCI值為23.4,反映整個(gè)系統(tǒng)的關(guān)聯(lián)度。根據(jù)表1第一列數(shù)據(jù),碳排放對(duì)技術(shù)創(chuàng)新以及石化、鋼鐵、化工、有色、造紙和電力行業(yè)的影響分別是0、0.3、0.2、0.4、0.1、0.1、1,TO值為2.1,是碳排放對(duì)其他變量影響的總指數(shù)。根據(jù)表1第一行數(shù)據(jù),碳排放接收來自技術(shù)創(chuàng)新以及石化、鋼鐵、化工、有色、造紙和電力行業(yè)的影響分別是0、0.4、0.1、1.5、0.1、0.1、4.7,F(xiàn)ROM值為7,是碳排放接受來自其他變量影響的總溢出指數(shù)。表格對(duì)角線是每一行和列的最大值,是指每個(gè)變量?jī)?nèi)部的影響,例如碳排放變化有93是自身造成的。NET是凈溢出指數(shù),也就是TO與FROM之差。正值代表該變量是信息和風(fēng)險(xiǎn)的凈傳遞者,負(fù)值代表該變量是信息和風(fēng)險(xiǎn)的凈接收者。碳排放對(duì)應(yīng)的NET值是-4.9,代表碳排放是整個(gè)系統(tǒng)中信息和風(fēng)險(xiǎn)的凈接收者。碳排放對(duì)應(yīng)的NPDC值是2,代表碳排放可以主導(dǎo)系統(tǒng)中兩個(gè)變量的波動(dòng)。該值越大,代表該變量對(duì)整個(gè)系統(tǒng)的影響力越大。

        本節(jié)考察相較于氣候風(fēng)險(xiǎn)與高碳行業(yè)財(cái)務(wù)信息關(guān)聯(lián)性微弱的中間狀態(tài),他們?cè)跇O端沖擊下溢出指數(shù)的變化,見表2和表3。左右尾部的總溢出TCI值明顯大于中值,在較低分位數(shù)處為67.7(τ=0.10),上分位數(shù)處為66.4(τ=0.90),而中間分位數(shù)處為23.4(τ=0.50)。這表明在極端沖擊下,特別是在消極沖擊中,氣候風(fēng)險(xiǎn)與高碳企業(yè)整體的關(guān)聯(lián)將更加緊密。在極端條件下,氣候變化對(duì)電力行業(yè)的風(fēng)險(xiǎn)溢出最大,其次是鋼鐵行業(yè)、造紙行業(yè)、石化行業(yè)和有色行業(yè)。

        此外,當(dāng)不同分位數(shù)切換時(shí),某些變量的凈溢出符號(hào)發(fā)生了變化。例如,在極端情況下(τ= 0.1和τ= 0.9),電力行業(yè)是明顯的信息接收者,而在中分位數(shù)上,它傳遞信息。鋼鐵行業(yè)在下分位數(shù)是信息發(fā)射者,在中分位數(shù)和上分位數(shù)是接收者。這些發(fā)現(xiàn)證明了氣候變化風(fēng)險(xiǎn)和高碳企業(yè)之間連通性的不對(duì)稱性,還表明二者具有相互影響的特征。代表氣候風(fēng)險(xiǎn)的兩個(gè)變量(CO2和TI)、石化、化工、有色、造紙行業(yè)的凈波動(dòng)溢出在考慮的所有條件分位數(shù)上表現(xiàn)出一致的行為。碳排放、技術(shù)創(chuàng)新和石化產(chǎn)業(yè)在所有分位數(shù)上是信息凈溢出的接收者??梢越忉尩氖窃趪艺咛蕴浜螽a(chǎn)能和供給側(cè)改革的背景下,這些高耗能行業(yè)不斷開發(fā)新的技術(shù),提高能效,降低碳強(qiáng)度,減少碳排放。

        圖1分別繪制了所有變量之間的成對(duì)網(wǎng)絡(luò)方向連通性。低分位數(shù)和高分位數(shù)下代表關(guān)聯(lián)的直線比中分位數(shù)下代表關(guān)聯(lián)的直線要粗,表明低分位數(shù)和高分位數(shù)下的關(guān)聯(lián)度明顯高于中位數(shù)關(guān)聯(lián)度。例如,氣候變化風(fēng)險(xiǎn)和高碳企業(yè)的連通性在低分位數(shù)和高分位數(shù)下對(duì)應(yīng)的網(wǎng)絡(luò)線路更粗,這表明三個(gè)市場(chǎng)的溢出聯(lián)系在極端環(huán)境下更緊密。因此,從網(wǎng)絡(luò)連通性的角度來看,三個(gè)分位數(shù)下變量之間的關(guān)系存在顯著不同??梢杂^察到碳排放在中間分位數(shù)下與其他變量的聯(lián)系甚微,然而在上下分位數(shù)時(shí),關(guān)聯(lián)的變量明顯增多,且關(guān)聯(lián)強(qiáng)度更大。這表明,在極端環(huán)境下,尤其是面對(duì)極端消極的經(jīng)濟(jì)環(huán)境時(shí),氣候風(fēng)險(xiǎn)傳遞信息和風(fēng)險(xiǎn)的作用更強(qiáng)。作為世界上最大的碳排放國,高碳企業(yè)無疑是中國實(shí)現(xiàn)減排目標(biāo)的重點(diǎn)對(duì)象。因此,面對(duì)極端環(huán)境時(shí),例如全球經(jīng)濟(jì)的巨大不確定性和經(jīng)濟(jì)衰退風(fēng)險(xiǎn),氣候風(fēng)險(xiǎn)與高碳企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的關(guān)聯(lián)性增強(qiáng)。

        (2)高碳企業(yè)與金融部門。根據(jù)表4—表6,左右尾部的總溢出TCI值明顯大于中值,在較低分位數(shù)為52.3(τ=0.10),上分位數(shù)為50.1(τ=0.90),而中間分位數(shù)為24.2(τ=0.50)。這表明在極端情況下,高碳企業(yè)資產(chǎn)負(fù)債率與商業(yè)銀行不良貸款率之間的溢出聯(lián)系將更加緊密。在消極沖擊下,高碳企業(yè)與金融部門的連通性最強(qiáng),即兩個(gè)市場(chǎng)之間的風(fēng)險(xiǎn)和信息的傳遞更加強(qiáng)烈。分商業(yè)銀行類別來看,在正常的市場(chǎng)環(huán)境下,高碳企業(yè)對(duì)股份制商業(yè)銀行不良貸款率的影響最大,其次是農(nóng)村商業(yè)銀行。在極端消極的市場(chǎng)環(huán)境下,高碳企業(yè)對(duì)農(nóng)村商業(yè)銀行和城市商業(yè)銀行的影響更大。在極端積極的市場(chǎng)條件下,高碳企業(yè)對(duì)農(nóng)村商業(yè)銀行的影響更大。

        圖2顯示了變量的成對(duì)連通性,三個(gè)分位數(shù)下關(guān)聯(lián)性強(qiáng)的變量各不相同。其中,在極端沖擊時(shí),高碳企業(yè)資產(chǎn)負(fù)債率與股份制商業(yè)銀行和城市商業(yè)銀行不良貸款率的關(guān)聯(lián)性最強(qiáng)。

        2. 時(shí)變溢出分析。在研究了靜態(tài)效應(yīng)之后,我們進(jìn)行了時(shí)變分析,以捕獲時(shí)域和頻域中總溢出水平的動(dòng)態(tài)演變特征(見圖3、圖4)。淺色區(qū)域部分代表短期(1~6個(gè)月)溢出水平,深色區(qū)域部分代表長(zhǎng)期(超過6個(gè)月)溢出水平,總溢出指數(shù)由這兩部分組成。我們可以捕獲任意兩個(gè)變量之間的溢出效應(yīng),例如A—B大于0,代表A變量向B變量傳遞信息和風(fēng)險(xiǎn),小于0則代表A接收B的信息和風(fēng)險(xiǎn)。淺色區(qū)域部分若大于深色區(qū)域部分,說明變量之間的影響是短期作用,反之,則是長(zhǎng)期作用的結(jié)果。

        (1)氣候風(fēng)險(xiǎn)與高碳企業(yè)。我們先考慮氣候變化和高碳行業(yè)資產(chǎn)負(fù)債率的雙邊凈溢出效應(yīng)。如圖3所示,在大部分時(shí)期,高碳企業(yè)資產(chǎn)負(fù)債率接受由碳排放帶來的氣候風(fēng)險(xiǎn)的溢出。長(zhǎng)期溢出水平和短期溢出水平差距不大,高頻和低頻同時(shí)驅(qū)動(dòng)了時(shí)域的總溢出。這說明由碳排放帶來的氣候風(fēng)險(xiǎn)在短期和長(zhǎng)期都對(duì)高碳企業(yè)資產(chǎn)負(fù)債率產(chǎn)生影響。因此,減少碳排放的政策和行動(dòng)不可盲目鼓勵(lì)低碳行業(yè)的投資,也要兼顧高碳行業(yè)的可持續(xù)發(fā)展。

        有色和造紙行業(yè)是技術(shù)創(chuàng)新帶來的氣候風(fēng)險(xiǎn)溢出的主要接受者。有色行業(yè)幾乎在整個(gè)樣本期是技術(shù)創(chuàng)新帶來的氣候風(fēng)險(xiǎn)的接收者,且在2016、2017、2020和2021年極其顯著:2007年是溢出的發(fā)射者。而造紙行業(yè)在2006—2019年幾乎全作為接收者,在2005年和2021年是發(fā)射者。其他行業(yè)與技術(shù)創(chuàng)新作為溢出效應(yīng)的接收者和發(fā)射者的身份隨著時(shí)間的變化而變化,說明這些行業(yè)不僅會(huì)接受技術(shù)創(chuàng)新帶來的氣候風(fēng)險(xiǎn),也會(huì)刺激技術(shù)創(chuàng)新的發(fā)展。短期溢出水平遠(yuǎn)高于長(zhǎng)期,表明高頻主要驅(qū)動(dòng)時(shí)域的總溢出。

        氣候變化驅(qū)動(dòng)的技術(shù)創(chuàng)新和高碳行業(yè)之間的溢出效應(yīng)主要發(fā)生在短期內(nèi)(1~6個(gè)月)。特別是短期溢出水平在幾個(gè)時(shí)期內(nèi)急劇上升,主要是由于緩解氣候變化行動(dòng)帶給高碳行業(yè)的風(fēng)險(xiǎn)增加。例如,為積極應(yīng)對(duì)全球氣候變化,進(jìn)一步加強(qiáng)碳減排工作,形成“行政秩序+市場(chǎng)化機(jī)制”相結(jié)合的碳減排體系,中國于2011年10月在北京、上海、天津、湖北、廣東、深圳、重慶7個(gè)?。ㄊ校┱絾?dòng)碳排放權(quán)交易試點(diǎn)。此外,2020年9月,國家主席習(xí)近平在聯(lián)合國大會(huì)上提出“30·60”目標(biāo)。新目標(biāo)對(duì)新時(shí)代中國應(yīng)對(duì)氣候變化工作提出了新的要求。為了響應(yīng)氣候變化承諾,中國鼓勵(lì)投資低碳技術(shù),減少石油開發(fā)和利用中的碳排放,促進(jìn)新能源應(yīng)用。隨著能源行業(yè)低碳轉(zhuǎn)型,高碳行業(yè)長(zhǎng)期走下坡路,迎來了嚴(yán)峻的挑戰(zhàn)。除了政策和技術(shù)的變化外,消費(fèi)者和投資者偏好的變化也會(huì)給高碳行業(yè)等環(huán)境敏感的企業(yè)帶來重大的不確定性(Pfeiffer等,2018:Liu等,2022)[4,36]。

        (2)高碳企業(yè)與金融部門。接下來,我們關(guān)注高碳行業(yè)與金融部門的雙邊溢出效應(yīng)。如圖4所示,高碳企業(yè)對(duì)國有商業(yè)銀行作為信息發(fā)射者的時(shí)間段有2009—2011年、2014—2015年、2017年、2019年,其余時(shí)間信息發(fā)射和接收交叉進(jìn)行。淺色區(qū)域部分遠(yuǎn)高于深色區(qū)域部分說明影響大多是短期效果。高碳企業(yè)對(duì)股份制商業(yè)銀行作為信息發(fā)射者的時(shí)間段有2010—2011年和2014—2021年,此作用是短周期影響的效果。同時(shí)我們也觀察到高碳行業(yè)對(duì)股份制商業(yè)銀行在長(zhǎng)周期下有較小的信息接收作用。高碳企業(yè)對(duì)城市商業(yè)銀行作為信息發(fā)射者存在于整個(gè)樣本期,且是短期作用的結(jié)果。長(zhǎng)期來看高碳企業(yè)也會(huì)少量接收城市商業(yè)銀行發(fā)射的信息和風(fēng)險(xiǎn)。高碳企業(yè)對(duì)農(nóng)村商業(yè)銀行作為信息發(fā)射者的時(shí)間段有2009—2012年、2014—2016年、2021年,作為信息接收者的時(shí)間段有2018—2019年,幾乎都是短期內(nèi)產(chǎn)生的影響。實(shí)證結(jié)果表明,高碳企業(yè)對(duì)四類商業(yè)銀行的溢出值(TO-From)幾乎在所有在樣本期內(nèi)都是正值,這表明高碳企業(yè)在此系統(tǒng)中充當(dāng)風(fēng)險(xiǎn)和信息的發(fā)射者。更準(zhǔn)確來看,高碳企業(yè)對(duì)城市商業(yè)銀行和農(nóng)村商業(yè)銀行不良貸款率的影響最大,其次是股份制商業(yè)銀行,對(duì)國有商業(yè)銀行的影響最小??赡艿脑蛟谟趪猩虡I(yè)銀行和股份制商業(yè)銀行的服務(wù)主體是大型企業(yè),而城市商業(yè)銀行和農(nóng)村商業(yè)銀行的貸款主體是小微企業(yè),小微企業(yè)相比大型企業(yè)應(yīng)對(duì)氣候變化和經(jīng)濟(jì)變化的能力更弱。因此,當(dāng)氣候變化導(dǎo)致資產(chǎn)擱淺發(fā)生時(shí),服務(wù)小微企業(yè)的城市商業(yè)銀行和農(nóng)村商業(yè)銀行受到的影響更大。

        此外,圖4中淺色區(qū)域部分遠(yuǎn)大于深色區(qū)域部分,表明二者之間的溢出效應(yīng)主要是短期作用驅(qū)動(dòng)的結(jié)果。長(zhǎng)期來看,商業(yè)銀行的不良貸款率也會(huì)對(duì)高碳企業(yè)的資產(chǎn)負(fù)債率帶來不利影響。2016年9月,中國加入《巴黎協(xié)定》。2017年6月,金融穩(wěn)定委員會(huì)發(fā)布了氣候相關(guān)財(cái)務(wù)信息披露工作組的建議,公司必須提供有關(guān)其財(cái)務(wù)衡量基礎(chǔ)的信息,并披露與氣候變化相關(guān)的風(fēng)險(xiǎn)和機(jī)遇。這些要求給高碳行業(yè)帶來不少壓力。出于應(yīng)對(duì)氣候變化的需要,特別是環(huán)境、社會(huì)和治理(ESG)評(píng)級(jí)納入信用評(píng)級(jí),商業(yè)銀行貸款、債券市場(chǎng)以及股票市場(chǎng)大大減弱了對(duì)化石能源行業(yè)的支持以避免環(huán)境風(fēng)險(xiǎn)?;剂夏茉幢磺鍧嵞茉刺娲赡軒砀咛夹袠I(yè)的資產(chǎn)擱淺。氣候風(fēng)險(xiǎn)導(dǎo)致的業(yè)績(jī)不佳可能會(huì)增加高碳行業(yè)違約的可能性,引發(fā)商業(yè)銀行不良貸款率升高。

        五、結(jié)論與政策建議

        本文運(yùn)用時(shí)域和頻域連通性方法,考察氣候變化的相關(guān)風(fēng)險(xiǎn)對(duì)實(shí)體經(jīng)濟(jì)(主要指高碳行業(yè))和金融部門(主要指商業(yè)銀行)的靜態(tài)溢出和時(shí)變溢出。實(shí)證結(jié)果表明:第一,在極端經(jīng)濟(jì)狀態(tài)下氣候變化對(duì)高碳企業(yè)及商業(yè)銀行不良貸款率的影響遠(yuǎn)高于正常經(jīng)濟(jì)狀態(tài)。第二,在不同經(jīng)濟(jì)條件下,氣候風(fēng)險(xiǎn)對(duì)不同類型商業(yè)銀行會(huì)產(chǎn)生異質(zhì)性的影響。在正常環(huán)境下,氣候風(fēng)險(xiǎn)對(duì)股份制商業(yè)銀行的影響最大:在極端情況下對(duì)農(nóng)村商業(yè)銀行和城市商業(yè)銀行的影響最大。第三,氣候風(fēng)險(xiǎn)對(duì)城市商業(yè)銀行、農(nóng)村商業(yè)銀行和股份制商業(yè)銀行不良貸款率的影響遠(yuǎn)大于國有商業(yè)銀行。應(yīng)當(dāng)重點(diǎn)關(guān)注氣候變化對(duì)于尾部金融機(jī)構(gòu)的沖擊,尤其是在極端經(jīng)濟(jì)狀態(tài)下,重點(diǎn)關(guān)注上述機(jī)構(gòu)的潛在流動(dòng)性風(fēng)險(xiǎn)以及可能由此引發(fā)的流動(dòng)性危機(jī)。第四,變量之間的時(shí)變特征得到證實(shí)且重大事件加劇了溢出效應(yīng)。碳排放和以技術(shù)創(chuàng)新為表征的轉(zhuǎn)型風(fēng)險(xiǎn)是向高碳企業(yè)和金融系統(tǒng)溢出信息和風(fēng)險(xiǎn)的主要發(fā)射者。第五,應(yīng)當(dāng)重點(diǎn)關(guān)注敏感性行業(yè)(有色和造紙行業(yè))和敏感性金融機(jī)構(gòu)(城市商業(yè)銀行和農(nóng)村商業(yè)銀行)。

        為此,提出以下建議:第一,對(duì)于主要服務(wù)于地方經(jīng)濟(jì)的城市商業(yè)銀行和農(nóng)村商業(yè)銀行,其不良貸款率受到氣候風(fēng)險(xiǎn)的影響較大,應(yīng)重點(diǎn)關(guān)注行業(yè)環(huán)境和宏觀經(jīng)濟(jì)變化,加強(qiáng)對(duì)高碳行業(yè)的研究以積極調(diào)整資產(chǎn)結(jié)構(gòu),避免在高風(fēng)險(xiǎn)行業(yè)投入過量貸款。國有商業(yè)銀行的不良貸款率受氣候變化和高碳企業(yè)的影響較小,經(jīng)營較為穩(wěn)健,因此,在經(jīng)濟(jì)下行期需要承擔(dān)更多的托底責(zé)任。第二,采取循序漸進(jìn)原則推動(dòng)綠色低碳轉(zhuǎn)型,避免對(duì)高碳行業(yè)企業(yè)經(jīng)營發(fā)展造成過度影響。在設(shè)計(jì)氣候政策時(shí),既要按照國際協(xié)議實(shí)現(xiàn)脫碳的目標(biāo),又要保障金融體系的健全和穩(wěn)定。金融政策制定者應(yīng)加強(qiáng)與氣候政策制定者的協(xié)調(diào)和對(duì)話,制定關(guān)于貸款業(yè)務(wù)氣候轉(zhuǎn)型風(fēng)險(xiǎn)的監(jiān)管規(guī)范準(zhǔn)則。第三,企業(yè)部門在規(guī)劃基礎(chǔ)設(shè)施建設(shè)和未來生產(chǎn)活動(dòng)時(shí),應(yīng)充分考慮氣候變化風(fēng)險(xiǎn)的趨勢(shì),必要時(shí)建立應(yīng)對(duì)氣候變化的職能部門,將氣候變化風(fēng)險(xiǎn)納入公司風(fēng)險(xiǎn)管理體系。

        注:

        ①與氣候危機(jī)相關(guān)的因素使資產(chǎn)滯留在不同的行業(yè)和地區(qū)。這些遭受意外或過早減記、貶值或轉(zhuǎn)換為負(fù)債的資產(chǎn),被稱為擱淺資產(chǎn),主要是指化石燃料行業(yè)的資產(chǎn)。

        參考文獻(xiàn):

        [1]Hansen T A. 2022. Stranded Assets and Reduced profits:Analyzing the Economic Underpinnings of the Fossil Fuel Industry's Resistance to Climate Stabilization [J].Renewable and Sustainable Energy Reviews,158.

        [2]Diebold F X,Y?lmaz K. 2014. On the Network Topology of Variance Decompositions:Measuring the Connectedness of Financial Firms [J].Journal of Econometrics,182(1).

        [3]Johnson N,Krey V,McCollum D L,Rao S,Riahi K,Rogelj J. 2015. Stranded on a Low-Carbon Planet:Implications of Climate Policy for the Phase-Out of Coal-Based Power Plants [J].Technological Forecasting and Social Change,90.

        [4]Pfeiffer A,Hepburn C,Vogt-Schilb A,Caldecott B. 2018. Committed Emissions from Existing and Planned Power Plants and Asset Stranding Required to Meet the Paris Agreement [J].Environmental Research Letters,13(5).

        [5]Caldecott B,Clark A,Koskelo K,Mulholland E,Hickey C. 2021. Stranded Assets:Environmental Drivers,Societal Challenges,and Supervisory Responses [J].Annual Review of Environment and Resources,46.

        [6]Zhang P,Deschenes O,Meng K,Zhang J. 2018. Temperature Effects on Productivity and Factor Reallocation:Evidence from a Half Million Chinese Manufacturing Plants [J].Journal of Environmental Economics and Management, 88.

        [7]Sun Y,Yang Y,Huang N,Zou X. 2020. The Impacts of Climate Change Risks on Financial Performance of Mining Industry:Evidence from Listed Companies in China [J]. Resources Policy,69.

        [8]劉文歡.套期風(fēng)險(xiǎn)信息披露與投資者判斷 [M].經(jīng)濟(jì)科學(xué)出版社,2023.

        [9]Li Y,Zhang Z. 2023. Corporate Climate Risk Exposure and Capital Structure:Evidence from Chinese Listed Companies [J].Finance Research Letters,51.

        [10]Authority P R. 2015. The Impact of Climate Change on the UK Insurance Sector [R].A Climate Change Adaptation Report.

        [11]Batten S,Sowerbutts R,Tanaka M. 2016. Let's Talk About the Weather:the Impact of Climate Change on Central Banks [W].Bank of England Working Papers,05-20.

        [12]Harnett E. 2018. Stranded Assets:An Environmentally Driven Framework of Sunk Costs,Stranded Assets and the Environment [M].Routledge.

        [13]Mercure J F,Pollitt H,Vi?uales J E,Edwards N R,Holden P B,Chewpreecha U,Salas P,Sognnaes I,Lam A,Knobloch F. 2018. Macroeconomic Impact of Stranded Fossil Fuel Assets [J].Nature Climate Change,8.

        [14]中國人民銀行西安分行課題組.氣候變化對(duì)系統(tǒng)性金融風(fēng)險(xiǎn)的影響研究——兼論應(yīng)對(duì)氣候變化的宏觀審慎管理 [J].金融發(fā)展研究,2023,(01).

        [15]中國人民銀行天津分行課題組.碳減排、轉(zhuǎn)型風(fēng)險(xiǎn)與監(jiān)管應(yīng)對(duì)——基于DSGE的政策模擬研究 [J].金融監(jiān)管研究,2022,126(06).

        [16]Sun Y,Zou Y,Jiang J,Yang Y. 2023. Climate Change Risks and Financial Performance of the Electric Power Sector:Evidence from Listed Companies in China [J].Climate Risk Management,39.

        [17]王博,宋玉峰.氣候變化的轉(zhuǎn)型風(fēng)險(xiǎn)對(duì)宏觀經(jīng)濟(jì)和金融穩(wěn)定的影響——基于存量流量一致性模型視角 [J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2020,717(11).

        [18]馬正宇,秦放鳴.宏觀金融網(wǎng)絡(luò)中的氣候政策沖擊機(jī)制和效應(yīng)分析 [J].金融與經(jīng)濟(jì),2022,(04).

        [19]Dietz S,Bowen A,Dixon C,Gradwell P. 2016. "Climate value at risk" of Global Financial Assets [J].Nature Climate Change,6(7).

        [20]中國人民銀行研究局課題組.氣候相關(guān)金融風(fēng)險(xiǎn)——基于央行職能的分析[W].中國人民銀行工作論文,No.2020/03.

        [21]Koenker R, Bassett G. 1978. Regression Quantiles[J] The Econometric Society, 46(1).

        [22]Koop G,Pesaran M H,Potter S M. 1996. Impulse Response Analysis in Nonlinear Multivariate Models[J].Journal of Econometrics,74(1).

        [23]Pesaran M H,Shin Y. 1998. An Autoregressive Distributed-Lag Modelling Approach to Cointegration Analysis [R].Econometrics and Economic Theory in the 20th Century:The Ragnar Frisch Centennial Symposium,31.

        [24]Baruník J,K?ehlík T. 2018. Measuring the Frequency Dynamics of Financial Connectedness and Systemic Risk [J].Journal of Financial Econometrics,16(2).

        [25]陳國進(jìn),郭珺瑩,趙向琴.氣候金融研究進(jìn)展 [J].經(jīng)濟(jì)學(xué)動(dòng)態(tài),2021,(08).

        [26]Gasbarro F,Iraldo F,Daddi T. 2017. The Drivers of Multinational Enterprises' Climate Change Strategies:A Quantitative Study on Climate-Related Risks and Opportunities [J].Journal of Cleaner Production,160.

        [27]Yang F,Chou J,Dong W,Sun M,Zhao W. 2020. Adaption to Climate Change Risk in Eastern China:Carbon Emission Characteristics and Analysis of Reduction Path [J]. Physics and Chemistry of the Earth, Parts A/B/C,115.

        [28]Ding X,Li J,Song T,Ding C,Tan W. 2023. Does Carbon Emission of Firms Aggravate the risk of Financial Distress? Evidence from China [J].Finance Research Letters:56.

        [29]Zhu C,Lee C C. 2022. The Effects of Low-Carbon Pilot Policy on Technological Innovation:Evidence from Prefecture-Level Data in China [J].Technological Forecasting and Social Change,183.

        [30]Jiang Z,Xu C. 2023. Policy Incentives, Government Subsidies,and Technological Innovation in New Energy Vehicle Enterprises:Evidence from China [J].Energy Policy,177.

        [31]Omri A. 2020. Technological Innovation and Sustainable development:Does the Stage of Development Matter?[J].Environmental Impact Assessment Review,83.

        [32]Cao J,Law S H,Bin Abdul Samad A R,Binti W Mohamad W N,Wang J,Yang X. 2022. Effect of Financial Development and Technological Innovation on Green Growth——Analysis Based on Spatial Durbin Model [J]. Journal of Cleaner Production,365.

        [33]Acs Z J,Audretsch D B,F(xiàn)eldman M P. 1992. Real Effects of Academic Research:Comment [J].The American Economic Review,82(1).

        [34]于孝建,詹愛娟. 基于碳稅沖擊的我國商業(yè)銀行氣候轉(zhuǎn)型風(fēng)險(xiǎn)壓力測(cè)試分析 [J].南方金融,2021,(06).

        [35]魏雷,王元海,楊志峰,趙照.我國銀行業(yè)氣候轉(zhuǎn)型風(fēng)險(xiǎn)壓力測(cè)試研究 [J].金融發(fā)展評(píng)論,2022,(05).

        [36]Liu W,Tan HT,Xu T,Zhang J. 2022. The Joint Effect of Presentation Format and Disclosure Balance on Investors' Reactions to Sensitivity Disclosures of Hedging Instruments [J].Accounting Horizons,36.

        猜你喜歡
        金融穩(wěn)定金融風(fēng)險(xiǎn)氣候變化
        《應(yīng)對(duì)氣候變化報(bào)告(2022)》發(fā)布
        金融風(fēng)險(xiǎn)防范宣傳教育
        大社會(huì)(2020年3期)2020-07-14 08:44:16
        構(gòu)建防控金融風(fēng)險(xiǎn)“防火墻”
        氣候變化與環(huán)保法官
        氣候變化:法官的作用
        大力增強(qiáng)憂患意識(shí) 進(jìn)一步防范金融風(fēng)險(xiǎn)
        信用衍生產(chǎn)品的風(fēng)險(xiǎn)轉(zhuǎn)移功能綜述
        貨幣政策對(duì)金融穩(wěn)定的影響機(jī)制及實(shí)現(xiàn)途徑
        經(jīng)濟(jì)開放度對(duì)金融穩(wěn)定的影響研究
        商(2016年33期)2016-11-24 23:03:21
        我國銀行同業(yè)業(yè)務(wù)發(fā)展對(duì)貨幣政策和金融穩(wěn)定的影響
        亚洲高清一区二区三区视频| 摸丰满大乳奶水www免费| 亚洲免费观看视频| 一本一道久久综合久久| 国产成人精品电影在线观看18 | 成人av在线免费播放| 亚洲最大水蜜桃在线观看| 精品卡一卡二卡3卡高清乱码| 色婷婷五月综合久久| 欧美极品少妇性运交| 久久精品国产99精品国偷| 国产av一区二区三区在线| 白白在线视频免费观看嘛| 色偷偷噜噜噜亚洲男人| 久久青草免费视频| 亚洲综合天堂av网站在线观看| 蜜桃视频免费进入观看| 乌克兰少妇xxxx做受野外| 天天插视频| 国产精品亚洲二区在线| 国产色系视频在线观看| 亚洲中文字幕无码永久在线 | 成人国产精品一区二区八戒网| 少妇高潮喷水久久久影院| 中文字幕第八页| 骚货人妻视频中文字幕| 伊人久久精品无码av一区| 日韩电影一区二区三区| 成人精品免费av不卡在线观看| 国产精品一区二区偷拍| 极品少妇xxxx精品少妇偷拍| 丰满人妻被黑人中出849| 日韩激情网| 日本亚洲中文字幕一区| 国产成人一区二区三区| 久久精品国产91久久性色tv| 精品在线亚洲一区二区三区| 免费在线黄色电影| 欧美真人性做爰一二区| 性感人妻一区二区三区| 蜜桃视频免费进入观看|