气候政策不确定性与绿色金融市场波动：企业管理视角

【摘" 要】在全球应对气候变化的背景下，气候政策不确定性日益成为影响金融市场稳定的关键因素。论文通过构建中国气候政策不确定性指数（CCPU），并采用TVP-SV-VAR模型分析其对绿色债券指数和绿色金融指数波动率的动态影响。实证结果表明，气候政策不确定性在初期显著加剧了绿色债券市场的波动性，同时显著降低了绿色股票市场的波动率。随着政策目标和实施路径的逐步明确，绿色债券市场波动率降幅放缓，2022年之后，两类市场波动率降幅有所回升。

【关键词】气候政策不确定性；融资管理；市值管理；TVP-SV-VAR模型

【中图分类号】F832.5；F275；P467" " " " " " " " " " " " " " " " " " " " " " "【文献标志码】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章编号】1673-1069（2024）11-0028-03

1 引言

现有研究普遍认可气候政策不确定性（CCPU）对绿色金融市场的影响，但多集中于静态分析，缺乏对其动态效应及不同时间阶段影响差异的探讨。此外，关于CCPU通过绿色金融市场影响企业融资成本和市场价值的研究尚不充分。

2 问题研究动态

国内研究表明，CCPU显著加剧了绿色金融产品，尤其是绿色债券的市场波动，同时提升了高碳排放企业的融资成本，影响了其在绿色债券市场的资本获取能力。此外，CCPU增强了投资者对气候风险的感知，引发了对金融体系稳定性的担忧[1-3]。同时CCPU对绿色能源市场的冲击尤为显著，显示出绿色市场对政策变化的高度敏感性。政策的稳定性对绿色金融投资者信心具有重要影响，持续的不确定性可能导致资本流动剧烈波动，影响市场健康发展[4，5]。尽管已有研究认可气候政策不确定性对绿色金融市场的影响，但多为静态分析，为此，本文构建中国气候政策不确定性指数（CCPU），并运用时变参数随机波动向量自回归（TVP-SV-VAR）模型，研究揭示CCPU在不同时期对绿色金融市场波动性的动态影响机制。

3 研究设计

3.1 模型构建

简要介绍从基本的VAR模型得到TVP-SV-VAR模型的推导步骤。基本的VAR模型如式（1）所示：

3.2 数据来源与处理

3.2.1 气候政策不确定性指数构建流程

本文参考Gavriilidis[6]的方法，筛选《人民日报》《经济日报》《北京日报》《环球时报》《21世纪经济报道》《第一财经日报》6家具有政府背景和公众信任的主流媒体作为数据来源。从Wisesearch数据库搜集新闻文章，知网中收集每日发刊量，按3类关键词（不确定性相关关键词：不确定性、不确定、风险；气候相关关键词：二氧化碳、气候、气候风险、温室气体排放、温室、排放、全球变暖、气候变化、绿色能源、可再生能源、环境保护；政策相关关键词：监管、法规、国家、政府、环保部、法律、政策）进行筛选。数据收集的时间跨度为2016年5月到2024年4月，每篇文章需同时包含至少一个关键词才能被选为样本，初步筛选样本总数为3 124篇，之后进行数据清理步骤，包括去除不相关字符（如标点、URL）和文本处理。为确保筛选结果的准确性，随机选取20%的样本进行人工校验，之后使用MacBERT模型进行语句分析和语义相似度计算，剔除与气候政策无关的样本文本，整体流程如图1所示。

3.2.2 构建CCPU指数

由保留下的样本计算每个月份的发刊量占比，计算方法如公式（5）所示：

3.3 指数波动率构建

采用中债中国绿色债券指数（CGBI）和中证财通中国可持续发展100指数（ESG）作为绿色债券和绿色金融市场的代表，数据来源iFind数据库。基于指数日度收益率对每个指数的波动率进行估计，如公式（7）所示，并通过其在每月内的标准差来表示月度波动率，如公式（8）所示。

4 实证分析

为保证数据在输入前是平稳且有效，使取对数后的数据进行ADF检验，如表1所示，p值均为0，表明这些变量为平稳序列，同时在建模前本文采取AIC准测确定滞后阶数为1阶。

4.1 模型估计

本文参数设置参考了Nakajima[7]的实证研究中的初始参数设置。采用Matlab软件对TVP-SV-VAR模型进行MCMC估计，10 000次抽样（剔除前1 000次作为预热），在5%的显著性水平上，Geweke 统计量均小于临界值1.96，说明模型估计收敛良好且后验均值接近真实值，参数估计稳健，结果如表2所示。

4.2 三维时点脉冲响应分析

从图3的结果可以看出，CCPU对CGBI的影响具有明显的时变特征。2017年及之前，CCPU上升显著增加了CGBI的波动率，这一时期投资者对气候政策的预期不明确，导致绿色资产的风险溢价上升，进而加剧市场波动。此后，随着政策目标与实施路径逐步清晰（尤其2019年后），CCPU对CGBI的扰动减弱，波动趋稳，表明政策明朗化有助于市场稳定。对于ESG指数，2017年及之前，CCPU的上升显著降低了其波动率，可能因为在高政策不确定性时期，投资者更看好绿色企业的长期发展前景，从而减少股票市场的波动性。2017年至2022年，CCPU对ESG的负向影响进一步增强，波动率持续下降。2022年之后，CCPU对ESG的负向影响有所减弱，波动率的下降趋于平缓，反映出气候政策不确定性对绿色金融市场影响的持续性减弱。

4.3 气候政策不确定性对企业融资和市值管理的影响

同期绿色股票市场波动性较低，表明股权投资者对绿色企业长期发展的信心增强。2017年后，随着气候政策逐步明朗化，绿色债券市场的波动性显著下降，股票市场的波动性下降幅度更大。政策透明度和连续性的提高增强了市场的稳定性和投资者信心，改善了企业的融资环境，降低了融资成本，优化了资本结构。2022年之后，随着更多气候政策的出台和市场共识的达成，绿色债券和股票市场的波动率下降幅度有所减缓，表明市场对政策不确定性的适应能力增强。在此背景下，企业需要进一步优化融资管理和市值管理，这包括提升信息披露的透明度和增强抗风险能力，以巩固市场信心，稳定企业市值。

5 结论

本文通过构建中国气候政策不确定性指数（CCPU）并应用TVP-SV-VAR模型，实证分析了气候政策不确定性对绿色债券市场（CGBI）和绿色金融市场（ESG）波动性的动态影响。研究发现，在初期（2017年及之前），CCPU的上升显著增加了绿色债券市场的波动性，导致企业融资成本上升。与此同时，ESG的波动率降低，反映出股权投资者对绿色企业的信心增强。自2017年至2022年，随着政策目标和实施路径的明朗化，CGBI的波动率下降幅度减缓，而ESG的负向影响加剧，波动率持续下降，显示市场适应能力提升。进入后期（2022年之后），CCPU对CGBI和ESG的影响趋于平缓，波动率下降幅度回升，表明市场对政策不确定性的适应能力进一步增强，企业的抗风险能力和信息披露透明度有所提升。

【参考文献】

【1】马正宇，宋玉娟.气候变化对金融稳定的影响：理论阐释[J].南方金融，2023（03）：19-36.

【2】汪顺，周泽将.气候政策不确定性与企业债券发行——基于债券信用利差的经验证据[J].上海财经大学学报，2023，25（06）：59-72+87.

【3】胡丽宁.气候政策不确定性、投资者气候风险感知与系统性金融风险[J].世界经济研究，2024（08）：29-43+135-136.

【4】Ren X，Li J，He F，et al.Impact of climate policy uncertainty on traditional energy and green markets： Evidence from time-varying granger tests[J].Renewable and Sustainable Energy Reviews，2023（173）：113058.

【5】Bouri E，Iqbal N，Klein T.Climate policy uncertainty and the price dynamics of green and brown energy stocks[J].Finance Research Letters，2022（47）：102740.

【6】Gavriilidis K.Measuring Climate Policy Uncertainty[J].Social Science Electronic Publishing，2021.

【7】Nakajima J.Time-Varying Parameter VAR Model with Stochastic Volatility： An Overview of Methodology and Empirical Applications[J].Monetary and Economic Studies，2011，29.