【摘" 要】在全球應對氣候變化的背景下，氣候政策不確定性日益成為影響金融市場穩(wěn)定的關鍵因素。論文通過構(gòu)建中國氣候政策不確定性指數(shù)（CCPU），并采用TVP-SV-VAR模型分析其對綠色債券指數(shù)和綠色金融指數(shù)波動率的動態(tài)影響。實證結(jié)果表明，氣候政策不確定性在初期顯著加劇了綠色債券市場的波動性，同時顯著降低了綠色股票市場的波動率。隨著政策目標和實施路徑的逐步明確，綠色債券市場波動率降幅放緩，2022年之后，兩類市場波動率降幅有所回升。

【關鍵詞】氣候政策不確定性；融資管理；市值管理；TVP-SV-VAR模型

【中圖分類號】F832.5；F275；P467" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）11-0028-03

1 引言

現(xiàn)有研究普遍認可氣候政策不確定性（CCPU）對綠色金融市場的影響，但多集中于靜態(tài)分析，缺乏對其動態(tài)效應及不同時間階段影響差異的探討。此外，關于CCPU通過綠色金融市場影響企業(yè)融資成本和市場價值的研究尚不充分。

2 問題研究動態(tài)

國內(nèi)研究表明，CCPU顯著加劇了綠色金融產(chǎn)品，尤其是綠色債券的市場波動，同時提升了高碳排放企業(yè)的融資成本，影響了其在綠色債券市場的資本獲取能力。此外，CCPU增強了投資者對氣候風險的感知，引發(fā)了對金融體系穩(wěn)定性的擔憂[1-3]。同時CCPU對綠色能源市場的沖擊尤為顯著，顯示出綠色市場對政策變化的高度敏感性。政策的穩(wěn)定性對綠色金融投資者信心具有重要影響，持續(xù)的不確定性可能導致資本流動劇烈波動，影響市場健康發(fā)展[4，5]。盡管已有研究認可氣候政策不確定性對綠色金融市場的影響，但多為靜態(tài)分析，為此，本文構(gòu)建中國氣候政策不確定性指數(shù)（CCPU），并運用時變參數(shù)隨機波動向量自回歸（TVP-SV-VAR）模型，研究揭示CCPU在不同時期對綠色金融市場波動性的動態(tài)影響機制。

3 研究設計

3.1 模型構(gòu)建

簡要介紹從基本的VAR模型得到TVP-SV-VAR模型的推導步驟?；镜腣AR模型如式（1）所示：

3.2 數(shù)據(jù)來源與處理

3.2.1 氣候政策不確定性指數(shù)構(gòu)建流程

本文參考Gavriilidis[6]的方法，篩選《人民日報》《經(jīng)濟日報》《北京日報》《環(huán)球時報》《21世紀經(jīng)濟報道》《第一財經(jīng)日報》6家具有政府背景和公眾信任的主流媒體作為數(shù)據(jù)來源。從Wisesearch數(shù)據(jù)庫搜集新聞文章，知網(wǎng)中收集每日發(fā)刊量，按3類關鍵詞（不確定性相關關鍵詞：不確定性、不確定、風險；氣候相關關鍵詞：二氧化碳、氣候、氣候風險、溫室氣體排放、溫室、排放、全球變暖、氣候變化、綠色能源、可再生能源、環(huán)境保護；政策相關關鍵詞：監(jiān)管、法規(guī)、國家、政府、環(huán)保部、法律、政策）進行篩選。數(shù)據(jù)收集的時間跨度為2016年5月到2024年4月，每篇文章需同時包含至少一個關鍵詞才能被選為樣本，初步篩選樣本總數(shù)為3 124篇，之后進行數(shù)據(jù)清理步驟，包括去除不相關字符（如標點、URL）和文本處理。為確保篩選結(jié)果的準確性，隨機選取20%的樣本進行人工校驗，之后使用MacBERT模型進行語句分析和語義相似度計算，剔除與氣候政策無關的樣本文本，整體流程如圖1所示。

3.2.2 構(gòu)建CCPU指數(shù)

由保留下的樣本計算每個月份的發(fā)刊量占比，計算方法如公式（5）所示：

3.3 指數(shù)波動率構(gòu)建

采用中債中國綠色債券指數(shù)（CGBI）和中證財通中國可持續(xù)發(fā)展100指數(shù)（ESG）作為綠色債券和綠色金融市場的代表，數(shù)據(jù)來源iFind數(shù)據(jù)庫?；谥笖?shù)日度收益率對每個指數(shù)的波動率進行估計，如公式（7）所示，并通過其在每月內(nèi)的標準差來表示月度波動率，如公式（8）所示。

4 實證分析

為保證數(shù)據(jù)在輸入前是平穩(wěn)且有效，使取對數(shù)后的數(shù)據(jù)進行ADF檢驗，如表1所示，p值均為0，表明這些變量為平穩(wěn)序列，同時在建模前本文采取AIC準測確定滯后階數(shù)為1階。

4.1 模型估計

本文參數(shù)設置參考了Nakajima[7]的實證研究中的初始參數(shù)設置。采用Matlab軟件對TVP-SV-VAR模型進行MCMC估計，10 000次抽樣（剔除前1 000次作為預熱），在5%的顯著性水平上，Geweke 統(tǒng)計量均小于臨界值1.96，說明模型估計收斂良好且后驗均值接近真實值，參數(shù)估計穩(wěn)健，結(jié)果如表2所示。

4.2 三維時點脈沖響應分析

從圖3的結(jié)果可以看出，CCPU對CGBI的影響具有明顯的時變特征。2017年及之前，CCPU上升顯著增加了CGBI的波動率，這一時期投資者對氣候政策的預期不明確，導致綠色資產(chǎn)的風險溢價上升，進而加劇市場波動。此后，隨著政策目標與實施路徑逐步清晰（尤其2019年后），CCPU對CGBI的擾動減弱，波動趨穩(wěn)，表明政策明朗化有助于市場穩(wěn)定。對于ESG指數(shù)，2017年及之前，CCPU的上升顯著降低了其波動率，可能因為在高政策不確定性時期，投資者更看好綠色企業(yè)的長期發(fā)展前景，從而減少股票市場的波動性。2017年至2022年，CCPU對ESG的負向影響進一步增強，波動率持續(xù)下降。2022年之后，CCPU對ESG的負向影響有所減弱，波動率的下降趨于平緩，反映出氣候政策不確定性對綠色金融市場影響的持續(xù)性減弱。

4.3 氣候政策不確定性對企業(yè)融資和市值管理的影響

同期綠色股票市場波動性較低，表明股權(quán)投資者對綠色企業(yè)長期發(fā)展的信心增強。2017年后，隨著氣候政策逐步明朗化，綠色債券市場的波動性顯著下降，股票市場的波動性下降幅度更大。政策透明度和連續(xù)性的提高增強了市場的穩(wěn)定性和投資者信心，改善了企業(yè)的融資環(huán)境，降低了融資成本，優(yōu)化了資本結(jié)構(gòu)。2022年之后，隨著更多氣候政策的出臺和市場共識的達成，綠色債券和股票市場的波動率下降幅度有所減緩，表明市場對政策不確定性的適應能力增強。在此背景下，企業(yè)需要進一步優(yōu)化融資管理和市值管理，這包括提升信息披露的透明度和增強抗風險能力，以鞏固市場信心，穩(wěn)定企業(yè)市值。

5 結(jié)論

本文通過構(gòu)建中國氣候政策不確定性指數(shù)（CCPU）并應用TVP-SV-VAR模型，實證分析了氣候政策不確定性對綠色債券市場（CGBI）和綠色金融市場（ESG）波動性的動態(tài)影響。研究發(fā)現(xiàn)，在初期（2017年及之前），CCPU的上升顯著增加了綠色債券市場的波動性，導致企業(yè)融資成本上升。與此同時，ESG的波動率降低，反映出股權(quán)投資者對綠色企業(yè)的信心增強。自2017年至2022年，隨著政策目標和實施路徑的明朗化，CGBI的波動率下降幅度減緩，而ESG的負向影響加劇，波動率持續(xù)下降，顯示市場適應能力提升。進入后期（2022年之后），CCPU對CGBI和ESG的影響趨于平緩，波動率下降幅度回升，表明市場對政策不確定性的適應能力進一步增強，企業(yè)的抗風險能力和信息披露透明度有所提升。

【參考文獻】

【1】馬正宇，宋玉娟.氣候變化對金融穩(wěn)定的影響：理論闡釋[J].南方金融，2023（03）：19-36.

【2】汪順，周澤將.氣候政策不確定性與企業(yè)債券發(fā)行——基于債券信用利差的經(jīng)驗證據(jù)[J].上海財經(jīng)大學學報，2023，25（06）：59-72+87.

【3】胡麗寧.氣候政策不確定性、投資者氣候風險感知與系統(tǒng)性金融風險[J].世界經(jīng)濟研究，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.