原文标题：Pricing Climate Change Exposure

原文作者：Zacharias Sautner , Laurence van Lent , Grigory Vilkov , Ruishen Zhang

发表期刊：Management Science

关键词：气候金融、气候变化敞口、气候风险溢价、尾部风险、气候变化机遇

一、引言

气候变化给金融市场带来了巨大挑战。应如何衡量企业层面对气候变化的影响？气候变化敞口是否存在风险溢价？如果存在的话，它会如何随着时间的推移而演变？哪些潜在的气候相关经济变量推动了这种风险溢价？这方面的文献仍处于起步阶段，需要更多的证据来更全面地了解气候相关风险和机遇如何影响股票回报。在此背景下，本文作者以2005年至2020年期间标准普尔500指数成分股作为研究样本，采用时变的衡量标准来衡量市场参与者如何看待各个公司的气候变化风险，并研究这些感知的风险是否在金融市场中定价。

二、数据和变量统计

1.气候变化敞口

本文使用SvLVZ根据季度收益电话会议记录制定的一系列指标来捕捉股票的气候变化风险。具体来说，SvLVZ首先基于关键字算法提取一组气候变化相关的二元词组，包括机会（C Opp）、物理（C Phy）、监管（C Reg）三个类别；然后根据词组在电话会议文本中出现的频率构建公司层面的气候变化风险衡量指标。

其中，i代表公司，t代表季度时间，b表示财报电话会议中的二元词组，1[·]为指示性函数，若b属于C则取值为1，否则为0。

本文的一些测试考察了气候变化风险敞口的风险溢价是特定于股票的还是由投资者对特定行业的态度驱动的。因此，作者针对某个时间点行业中所有股票的CCExposure进行平均来计算行业级风险敞口CCExposureInd。

为了进一步探讨气候变化风险的定价影响，本文使用了反映气候变化讨论的负面基调或情绪的衡量标准（CCSentimentNeg）。CCSentimentNeg在以使用二元词的句子中是否存在否定语气词为条件后，对气候变化二元词的数量进行计数：

为了证明SvLVZ算法可以针对特定应用进行定制，本文作者专门开发了一种诉讼风险敞口度量（CCExposureLtg），计算气候变化二元组作为诉讼关键词出现在同一句子中的频率：

2.实际与预期收益

本文使用三个代理指标来衡量预期超额回报。一是已实现超额收益或RET，计算为下个月已实现收益减去相应期间的一个月国库券利率。为了估计的准确性，作者还基于Martin and Wagner(2019)和Chabi-Yo et al.(2022)的工作，根据前瞻性期权隐含数量构建了两个预期超额回报代理。

3.风险量

一些测试使用期权隐含的“风险量”，为了衡量股票i在时间t的隐含方差（IVi,t），本文使用Martin(2017)方差互换利率：

4.机构与市场相关指标

本文时间序列回归包括在t月水平上变化的总体机构和市场因素。其中，绿色创新是对过去三年在美国申请的绿色专利总数的月度衡量；ESG基金流量最低反映了ESG基金的每月净流入量；“三巨头”指Vanguard、BlackRock和StateStreet三大基金在标准普尔500指数股票中的CCExposure加权持有量；二氧化碳排放权的期货价格和WTI原油现货价反映了与企业发展绿色创新的激励相关的市场价格。

三、结果与讨论

1. 气候变化敞口的无条件风险溢价

已有观点表明，CCExposure 的风险溢价在概念上是模糊的，且具有时变特征。因此，CCExposure 的任何估计定价效应可能尚未反映长期均衡，而是反映长期均衡的路径。

本文使用Fama 和 MacBeth (1973) 的两阶段方法来测试 CCExposure 是否与股票横截面的超额收益相关。实证结果表明，基于RET的无条件估计为 CCExposure提供了正的但不显著的风险溢价；基于前瞻性的预期超额收益代理指标的估计中，CCExposure的风险溢价均为正且具有统计显著性。其中基于GLB的代理指标与MW相比，溢价幅度几乎翻倍，说明气候相关崩盘风险相对较高的股票（或气候相关机会较低的股票）在 GLB 代理下获得更高的风险溢价。

接着，将CCExposure分解为特定主题（机会、监管、物理），实证结果表明，无条件CCExposure的风险溢价主要来自于受气候相关机会冲击较大的股票所获得的较高补偿，以及在较小程度上来自于受监管冲击较大的股票。

此外，本文作者进行了一系列的拓展检验，发现CCExposure不能改变基于ISS 和 Sustainalytics 评级的碳风险的系数，说明两者之间体现了不同的经济概念。将CCExposure 替换为，发现无法检测到正的风险溢价。

2. 气候变化敞口的条件风险溢价

SvLVZ 表明，由于投资者对气候主题的关注度发生变化，CCExposure 会随着时间的推移而波动，气候相关风险数量或投资者偏好也可能会发生变化。因此，本文预计与气候相关的风险溢价也会随着时间的推移而变化。如图A所示，基于RET估计的CCExposure条件风险溢价在2008 年之前为正（每年约 1%），随着金融危机期间风险溢价急剧下降而结束（2008-2009 年），在危机之后则呈现上升趋势。图B则展示了基于MW和GLB的风险溢价的时间序列，表现出不同的动态过程。

接下来，本文作者进一步解释了条件风险溢价的动态。

这些动态表明CCExposure的补偿与高阶风险相关，尤其是左尾和右尾风险，并且这些风险随着时间的推移而发生变化。为了更正式地探讨这个问题，本文测试了CCExposure的风险溢价如何与投资者与CCExposure相关的风险量相关联。

一是基于风险量的渠道。作者首先计算一组风险量指标（标记为Risk）对CCExposure(CCE)的敏感度，接着将风险溢价对时间序列值回归。回归结果显示，风险量对CCExposure的敏感性在很大程度上与基于已实现收益(RET)的风险溢价无关；基于MW的溢价主要由二阶矩驱动；基于GLB的溢价则由高阶敏感性和尾部敏感性驱动。这些结果说明高风险股票的主要风险来源是波动性，波动性已反映在MW和GLB代理的预期超额回报中。此外，风险溢价时间序列中观察到的差异主要是由与CCExposure相关的不对称风险造成的，由偏度或隐含波动率斜率捕获。

二是基于机构与市场因子渠道。作者在本节考虑了几个与气候相关的经济渠道，第一个渠道反映了广义上的制度因素，并通过绿色创新、ESG资金流动和三大IO来捕获。第二组变量捕获与重要的气候相关市场价格相关的渠道，即二氧化碳价格、大米和石油价格。回归结果表明，绿色创新降低了风险溢价；气候适应力增加了气候风险溢价；ESG基金的流入会推高这些股票价格，从而降低CCExposure的风险溢价；油价与前瞻性风险溢价均呈正相关；三大基金持有量的增加降低了基于MW和GLB的溢价。

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：

张广逍 中央财经大学博士研究生

指导老师：

王遥 中央财经大学绿色金融国际研究院院长

原创声明

如需转载、引用本文观点，请注明出处为“中央财经大学绿色金融国际研究院”。