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、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，前者的周期長度為1～6個(gè)月，后者的周期長度在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)變量內(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.