原文標題：Pricing Climate Change Exposure
原文作者：Zacharias Sautner , Laurence van Lent , Grigory Vilkov , Ruishen Zhang
發(fā)表期刊：Management Science
關(guān)鍵詞：氣候金融、氣候變化敞口、氣候風(fēng)險溢價(jià)、尾部風(fēng)險、氣候變化機遇
一、引言
氣候變化給金融市場(chǎng)帶來(lái)了巨大挑戰。應如何衡量企業(yè)層面對氣候變化的影響？氣候變化敞口是否存在風(fēng)險溢價(jià)？如果存在的話(huà)，它會(huì )如何隨著(zhù)時(shí)間的推移而演變？哪些潛在的氣候相關(guān)經(jīng)濟變量推動(dòng)了這種風(fēng)險溢價(jià)？這方面的文獻仍處于起步階段，需要更多的證據來(lái)更全面地了解氣候相關(guān)風(fēng)險和機遇如何影響股票回報。在此背景下，本文作者以2005年至2020年期間標準普爾500指數成分股作為研究樣本，采用時(shí)變的衡量標準來(lái)衡量市場(chǎng)參與者如何看待各個(gè)公司的氣候變化風(fēng)險，并研究這些感知的風(fēng)險是否在金融市場(chǎng)中定價(jià)。
二、數據和變量統計
1.氣候變化敞口
本文使用SvLVZ根據季度收益電話(huà)會(huì )議記錄制定的一系列指標來(lái)捕捉股票的氣候變化風(fēng)險。具體來(lái)說(shuō)，SvLVZ首先基于關(guān)鍵字算法提取一組氣候變化相關(guān)的二元詞組，包括機會(huì )（C Opp）、物理（C Phy）、監管（C Reg）三個(gè)類(lèi)別；然后根據詞組在電話(huà)會(huì )議文本中出現的頻率構建公司層面的氣候變化風(fēng)險衡量指標。
其中，i代表公司，t代表季度時(shí)間，b表示財報電話(huà)會(huì )議中的二元詞組，1[·]為指示性函數，若b屬于C則取值為1，否則為0。
本文的一些測試考察了氣候變化風(fēng)險敞口的風(fēng)險溢價(jià)是特定于股票的還是由投資者對特定行業(yè)的態(tài)度驅動(dòng)的。因此，作者針對某個(gè)時(shí)間點(diǎn)行業(yè)中所有股票的CCExposure進(jìn)行平均來(lái)計算行業(yè)級風(fēng)險敞口CCExposureInd。
為了進(jìn)一步探討氣候變化風(fēng)險的定價(jià)影響，本文使用了反映氣候變化討論的負面基調或情緒的衡量標準（CCSentimentNeg）。CCSentimentNeg在以使用二元詞的句子中是否存在否定語(yǔ)氣詞為條件后，對氣候變化二元詞的數量進(jìn)行計數：
為了證明SvLVZ算法可以針對特定應用進(jìn)行定制，本文作者專(zhuān)門(mén)開(kāi)發(fā)了一種訴訟風(fēng)險敞口度量（CCExposureLtg），計算氣候變化二元組作為訴訟關(guān)鍵詞出現在同一句子中的頻率：
2.實(shí)際與預期收益
本文使用三個(gè)代理指標來(lái)衡量預期超額回報。一是已實(shí)現超額收益或RET，計算為下個(gè)月已實(shí)現收益減去相應期間的一個(gè)月國庫券利率。為了估計的準確性，作者還基于Martin and Wagner(2019)和Chabi-Yo et al.(2022)的工作，根據前瞻性期權隱含數量構建了兩個(gè)預期超額回報代理。
3.風(fēng)險量
一些測試使用期權隱含的“風(fēng)險量”，為了衡量股票i在時(shí)間t的隱含方差（IVi,t），本文使用Martin(2017)方差互換利率：
4.機構與市場(chǎng)相關(guān)指標
本文時(shí)間序列回歸包括在t月水平上變化的總體機構和市場(chǎng)因素。其中，綠色創(chuàng )新是對過(guò)去三年在美國申請的綠色專(zhuān)利總數的月度衡量；ESG基金流量最低反映了ESG基金的每月凈流入量；“三巨頭”指Vanguard、BlackRock和StateStreet三大基金在標準普爾500指數股票中的CCExposure加權持有量；二氧化碳排放權的期貨價(jià)格和WTI原油現貨價(jià)反映了與企業(yè)發(fā)展綠色創(chuàng )新的激勵相關(guān)的市場(chǎng)價(jià)格。
三、結果與討論
1. 氣候變化敞口的無(wú)條件風(fēng)險溢價(jià)
已有觀(guān)點(diǎn)表明，CCExposure 的風(fēng)險溢價(jià)在概念上是模糊的，且具有時(shí)變特征。因此，CCExposure 的任何估計定價(jià)效應可能尚未反映長(cháng)期均衡，而是反映長(cháng)期均衡的路徑。
本文使用Fama 和 MacBeth (1973) 的兩階段方法來(lái)測試 CCExposure 是否與股票橫截面的超額收益相關(guān)。實(shí)證結果表明，基于RET的無(wú)條件估計為 CCExposure提供了正的但不顯著(zhù)的風(fēng)險溢價(jià)；基于前瞻性的預期超額收益代理指標的估計中，CCExposure的風(fēng)險溢價(jià)均為正且具有統計顯著(zhù)性。其中基于GLB的代理指標與MW相比，溢價(jià)幅度幾乎翻倍，說(shuō)明氣候相關(guān)崩盤(pán)風(fēng)險相對較高的股票（或氣候相關(guān)機會(huì )較低的股票）在 GLB 代理下獲得更高的風(fēng)險溢價(jià)。
接著(zhù)，將CCExposure分解為特定主題（機會(huì )、監管、物理），實(shí)證結果表明，無(wú)條件CCExposure的風(fēng)險溢價(jià)主要來(lái)自于受氣候相關(guān)機會(huì )沖擊較大的股票所獲得的較高補償，以及在較小程度上來(lái)自于受監管沖擊較大的股票。
此外，本文作者進(jìn)行了一系列的拓展檢驗，發(fā)現CCExposure不能改變基于ISS 和 Sustainalytics 評級的碳風(fēng)險的系數，說(shuō)明兩者之間體現了不同的經(jīng)濟概念。將CCExposure 替換為，發(fā)現無(wú)法檢測到正的風(fēng)險溢價(jià)。
2. 氣候變化敞口的條件風(fēng)險溢價(jià)
SvLVZ 表明，由于投資者對氣候主題的關(guān)注度發(fā)生變化，CCExposure 會(huì )隨著(zhù)時(shí)間的推移而波動(dòng)，氣候相關(guān)風(fēng)險數量或投資者偏好也可能會(huì )發(fā)生變化。因此，本文預計與氣候相關(guān)的風(fēng)險溢價(jià)也會(huì )隨著(zhù)時(shí)間的推移而變化。如圖A所示，基于RET估計的CCExposure條件風(fēng)險溢價(jià)在2008 年之前為正（每年約 1%），隨著(zhù)金融危機期間風(fēng)險溢價(jià)急劇下降而結束（2008-2009 年），在危機之后則呈現上升趨勢。圖B則展示了基于MW和GLB的風(fēng)險溢價(jià)的時(shí)間序列，表現出不同的動(dòng)態(tài)過(guò)程。
接下來(lái)，本文作者進(jìn)一步解釋了條件風(fēng)險溢價(jià)的動(dòng)態(tài)。
這些動(dòng)態(tài)表明CCExposure的補償與高階風(fēng)險相關(guān)，尤其是左尾和右尾風(fēng)險，并且這些風(fēng)險隨著(zhù)時(shí)間的推移而發(fā)生變化。為了更正式地探討這個(gè)問(wèn)題，本文測試了CCExposure的風(fēng)險溢價(jià)如何與投資者與CCExposure相關(guān)的風(fēng)險量相關(guān)聯(lián)。
一是基于風(fēng)險量的渠道。作者首先計算一組風(fēng)險量指標（標記為Risk）對CCExposure(CCE)的敏感度，接著(zhù)將風(fēng)險溢價(jià)對時(shí)間序列值回歸?；貧w結果顯示，風(fēng)險量對CCExposure的敏感性在很大程度上與基于已實(shí)現收益(RET)的風(fēng)險溢價(jià)無(wú)關(guān)；基于MW的溢價(jià)主要由二階矩驅動(dòng)；基于GLB的溢價(jià)則由高階敏感性和尾部敏感性驅動(dòng)。這些結果說(shuō)明高風(fēng)險股票的主要風(fēng)險來(lái)源是波動(dòng)性，波動(dòng)性已反映在MW和GLB代理的預期超額回報中。此外，風(fēng)險溢價(jià)時(shí)間序列中觀(guān)察到的差異主要是由與CCExposure相關(guān)的不對稱(chēng)風(fēng)險造成的，由偏度或隱含波動(dòng)率斜率捕獲。
二是基于機構與市場(chǎng)因子渠道。作者在本節考慮了幾個(gè)與氣候相關(guān)的經(jīng)濟渠道，第一個(gè)渠道反映了廣義上的制度因素，并通過(guò)綠色創(chuàng )新、ESG資金流動(dòng)和三大IO來(lái)捕獲。第二組變量捕獲與重要的氣候相關(guān)市場(chǎng)價(jià)格相關(guān)的渠道，即二氧化碳價(jià)格、大米和石油價(jià)格?；貧w結果表明，綠色創(chuàng )新降低了風(fēng)險溢價(jià)；氣候適應力增加了氣候風(fēng)險溢價(jià)；ESG基金的流入會(huì )推高這些股票價(jià)格，從而降低CCExposure的風(fēng)險溢價(jià)；油價(jià)與前瞻性風(fēng)險溢價(jià)均呈正相關(guān)；三大基金持有量的增加降低了基于MW和GLB的溢價(jià)。
四、原文摘要
We estimate the risk premium for firm-level climate change exposure among S&P 500 stocks and its time-series evolution between 2005 to 2020. Exposure reflects the attention paid by market participants in earnings calls to a firm’s climate-related risks and opportunities. When extracted from realized returns, the unconditional risk premium is insignificant but exhibits a period with a positive risk premium before the financial crisis and a steady increase thereafter. Forward-looking expected return proxies deliver an unconditionally positive risk premium, with maximum values of 0.5% to 1% p.a., depending on the proxy, between 2011 and 2014. The risk premium has been lower since 2015, especially when the expected return proxy explicitly accounts for the higher opportunities and the lower crash risks that characterize high-exposure stocks. This finding arises as the priced part of the risk premium primarily originates from uncertainty about climate-related upside opportunities. In the time series, the risk premium is negatively associated with green innovation, Big Three holdings, and ESG fund flows, and positively associated with climate change adaptation programs.
作者：
張廣逍 中央財經(jīng)大學(xué)博士研究生
指導老師：
王遙 中央財經(jīng)大學(xué)綠色金融國際研究院院長(cháng)
原創(chuàng )聲明
如需轉載、引用本文觀(guān)點(diǎn)，請注明出處為“中央財經(jīng)大學(xué)綠色金融國際研究院”。
