摘要：本文通過熵值法構(gòu)建了2011～2021年除港澳臺西藏以外的中國30個省份區(qū)域金融風(fēng)險指標(biāo)體系，從“物理風(fēng)險”和“轉(zhuǎn)型風(fēng)險”角度實證研究了氣候變化對我國區(qū)域金融風(fēng)險的影響。結(jié)果表明，氣候風(fēng)險會導(dǎo)致區(qū)域金融風(fēng)險水平上升，其中轉(zhuǎn)型風(fēng)險對區(qū)域金融風(fēng)險水平上升的作用更強?；诖?，本文從居民、企業(yè)、政府和監(jiān)管部門的角度出發(fā)，針對如何提高物理風(fēng)險的防范能力、加強對轉(zhuǎn)型風(fēng)險的監(jiān)管防控提出了相應(yīng)的對策建議。

關(guān)鍵詞：物理風(fēng)險；轉(zhuǎn)型風(fēng)險；區(qū)域金融風(fēng)險；熵值法

DOI：10.12433/zgkjtz.20242707

一、引言

2020年國際清算行（Bolton et al， 2021）首次提出了“綠天鵝”這一概念，是指氣候變化引發(fā)的極端事件在影響環(huán)境、社會、經(jīng)濟(jì)、地理生態(tài)的同時，對金融市場構(gòu)成系統(tǒng)性威脅，造成的損失無法預(yù)測且不可逆轉(zhuǎn)。近年來，已有不少學(xué)者開始關(guān)注氣候金融風(fēng)險這一議題。氣候風(fēng)險可以分為“物理風(fēng)險”和“轉(zhuǎn)型風(fēng)險”兩類。“物理風(fēng)險”是指氣候變化造成的直接經(jīng)濟(jì)損失。物理風(fēng)險會使得經(jīng)濟(jì)生產(chǎn)活動中斷、企業(yè)資產(chǎn)價值萎縮、其金融資產(chǎn)收益率也會因此大幅下跌（Massa amp; Zhang，2021）?！稗D(zhuǎn)型風(fēng)險”代表各市場在低碳轉(zhuǎn)型過程中政策、消費者低碳偏好等因素變化影響經(jīng)濟(jì)金融活動而積聚的金融風(fēng)險。據(jù)此，本文分別從物理風(fēng)險與轉(zhuǎn)型風(fēng)險的視角出發(fā)，剖析氣候風(fēng)險對我國系統(tǒng)性金融風(fēng)險的影響。由于中國不同區(qū)域之間資源稟賦、經(jīng)濟(jì)發(fā)展水平以及氣候特征存在異質(zhì)性，因此本文結(jié)合我國各省的氣候風(fēng)險相關(guān)數(shù)據(jù)，通過構(gòu)建省級區(qū)域金融風(fēng)險指標(biāo)對兩者的關(guān)系進(jìn)行深入研究。

二、研究設(shè)計與數(shù)據(jù)說明

（一）變量選取

1. 被解釋變量

本文參考李林漢等（2023）研究成果，分金融、企業(yè)、政府和宏觀經(jīng)濟(jì)四個部分，加入住房平均銷售價格和房地產(chǎn)投資增速衡量房地產(chǎn)市場對金融風(fēng)險的影響。運用熵值法構(gòu)建中國區(qū)域金融風(fēng)險指數(shù)（FR）作為被解釋變量。表1展示了詳細(xì)指標(biāo)構(gòu)成，根據(jù)指標(biāo)特性，將測度指標(biāo)分為正向、負(fù)向和適度指標(biāo)三種，剔除數(shù)據(jù)缺失較多的西藏，最終得到包含30各?。ㄗ灾螀^(qū)、直轄市）2011～2021年的面板數(shù)據(jù)。

2. 核心解釋變量與控制變量

本文解釋變量選取氣候安全指數(shù)（CS）和經(jīng)濟(jì)敏感性指數(shù)（ES）衡量氣候風(fēng)險中的物理風(fēng)險，用各省份碳排放強度（CI）衡量氣候風(fēng)險中的轉(zhuǎn)型風(fēng)險。氣候安全指數(shù)計算方法為各省氣候災(zāi)害經(jīng)濟(jì)損失/土地面積，經(jīng)濟(jì)敏感性指數(shù)表示各省氣候災(zāi)害直接經(jīng)濟(jì)損失率；碳排放強度（CI）計算方法為碳排放量/GDP。

本文參考鄭艷等（2016）的研究，為控制各省經(jīng)濟(jì)發(fā)展水平、自然資本水平、人力資本水平和對外開放程度之間的差異，選取氣候敏感行業(yè)指數(shù)（CSI）、水資源安全指數(shù)（WS）、人口脆弱性指數(shù)（PV）、生計脆弱性指數(shù)（LV）、公共衛(wèi)生適應(yīng)能力指數(shù)（PR）、外商直接投資（PR）作為本文的控制變量。氣候敏感行業(yè)指數(shù)計算方法為農(nóng)業(yè)占地區(qū)GDP的比重、水資源安全指數(shù)為人均用水量/人均水資源、人口脆弱性指數(shù)代表脆弱人口比重、生計脆弱性指數(shù)指家庭撫養(yǎng)比、公共衛(wèi)生適應(yīng)能力指數(shù)用千人醫(yī)師數(shù)來衡量。

本文的所有變量如表2所示，選取2011～2021年作為本文研究的時間跨度。

（二）熵值法指標(biāo)構(gòu)建

熵值法的主要目的為統(tǒng)一不同指標(biāo)在維度和量級上的差異，在進(jìn)行指標(biāo)合成前，根據(jù)指標(biāo)方向性質(zhì)，通過公式（1）至公式（3）對各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理。

正向指標(biāo)標(biāo)準(zhǔn)化：

負(fù)向指標(biāo)標(biāo)準(zhǔn)化：

適度指標(biāo)標(biāo)準(zhǔn)化：

其中，rjt為指標(biāo)體系中的代理變量指標(biāo)，表示第t年第j項指標(biāo)值。

Pjt即為計算第j項指標(biāo)第t年的樣本值占該指標(biāo)的比重。

接下來，計算第j項指標(biāo)的熵值為：

計算信息熵冗余度：g_j=1-H_j，數(shù)值越大表明系統(tǒng)越無序，指標(biāo)在綜合指數(shù)中占比越高。計算各指標(biāo)權(quán)重：

該權(quán)重越大表明j項指標(biāo)的貢獻(xiàn)越多。最后計算第t年第j項指標(biāo)的綜合得分：

根據(jù)熵值法構(gòu)建的30個省2011～2021年區(qū)域金融風(fēng)險水平測度結(jié)果如表3所示。

圖1為根據(jù)表3生成的各省2011～2021區(qū)域金融風(fēng)險水平測度結(jié)果，可以直觀看出，絕大部分省份2011～2021年區(qū)域金融風(fēng)險水平測度結(jié)果低于0.5，北京、上海、江蘇、浙江、廣東等經(jīng)濟(jì)較發(fā)達(dá)省份金融風(fēng)險水平較低，而內(nèi)蒙古、黑龍江、海南、貴州、青海、甘肅等經(jīng)濟(jì)較落后地區(qū)金融風(fēng)險水平較高。各省區(qū)域金融風(fēng)險水平呈波動上升趨勢，其中青海省區(qū)域金融風(fēng)險水平明顯高于其他省份，其最高值2019年青海省區(qū)域金融風(fēng)險水平為0.64。

（三）面板回歸模型構(gòu)建

本文構(gòu)建的面板回歸模型為：

其中a為常數(shù)項，ε為誤差項，b～q為各變量的回歸系數(shù)。

四、實證結(jié)果分析

（一）描述性統(tǒng)計

由于部分統(tǒng)計數(shù)據(jù)缺失，本文首先對數(shù)據(jù)進(jìn)行清洗，剔除缺失值后數(shù)據(jù)的描述性統(tǒng)計結(jié)果如表4所示。通過觀察標(biāo)準(zhǔn)差一列可知，2011～2021年我國30個省份之間生計脆弱性指數(shù)（LV）值最大，而外商直接投資（FDI）值最小，這說明我國各省份之間對外開放程度差異不大，而各省份之間生計脆弱性的差異較大。被解釋變量區(qū)域金融風(fēng)險（FR）方差較小，其最小值為0.097，最大值為0.36，說明鄰接省份的區(qū)域金融風(fēng)險異質(zhì)性較小，但從全國角度看，區(qū)域間金融風(fēng)險水平差異較大。解釋變量氣候安全指數(shù)、經(jīng)濟(jì)敏感性指數(shù)最小值均為0，最大值均為1，說明我國地區(qū)之間的氣候地理特征差異較大，部分省份的部分年份并未因氣候變化帶來經(jīng)濟(jì)損失，部分省份氣候風(fēng)險較高；碳排放強度最小值為0.003，最大值為0.122，說明我國部分省份綠色低碳轉(zhuǎn)型進(jìn)展迅速，而部分仍保留著相對高污染的發(fā)展方式，這也表明這些省份存在著更大的減排壓力，面臨較大的轉(zhuǎn)型風(fēng)險。

（二）豪斯曼檢驗

本文數(shù)據(jù)時間跨度小于20年，這樣的面板偽回歸產(chǎn)生的問題并不嚴(yán)重。因此為進(jìn)一步確認(rèn)面板模型采用的回歸方式，在回歸前僅需要先進(jìn)行豪斯曼檢驗，結(jié)果如表5所示。

根據(jù)表5，為了提高模型的估計精度，消除不可觀測的異質(zhì)性和時間變化帶來的影響，本文選擇使用雙固定效應(yīng)模型進(jìn)行回歸。

（三）回歸結(jié)果與分析

表6回歸結(jié)果顯示核心解釋變量CI和CS回歸系數(shù)在5%統(tǒng)計水平上顯著，其中CI系數(shù)為0.42，CS回歸系數(shù)為0.032。這說明氣候風(fēng)險所帶來的物理風(fēng)險和轉(zhuǎn)型風(fēng)險均會導(dǎo)致區(qū)域金融風(fēng)險水平上升，而為應(yīng)對氣候變化，節(jié)能減排過程中可能出現(xiàn)的轉(zhuǎn)型風(fēng)險會比由氣候災(zāi)害引發(fā)的物理風(fēng)險更大程度上導(dǎo)致區(qū)域金融風(fēng)險的上升。氣候災(zāi)害的直接經(jīng)濟(jì)損失率（ES）系數(shù)不顯著，從經(jīng)濟(jì)意義上可以理解為經(jīng)濟(jì)直接損失并不是導(dǎo)致區(qū)域金融風(fēng)險水平上升的原因。從各個控制變量的回歸結(jié)果來看，家庭撫養(yǎng)比的提升、公共適應(yīng)能力的增強以及外商直接投資提高均會有助于區(qū)域金融風(fēng)險水平降低，而氣候敏感行業(yè)指數(shù)越高，人均用水量的提升以及脆弱人口數(shù)量增加均會導(dǎo)致區(qū)域金融風(fēng)險水平上升。

五、研究結(jié)論與對策建議

本本研究得出的主要結(jié)論為：氣候變化引發(fā)的物理風(fēng)險和轉(zhuǎn)型風(fēng)險均會提高各區(qū)域的金融風(fēng)險水平，且轉(zhuǎn)型風(fēng)險相比于物理風(fēng)險會更大程度上導(dǎo)致區(qū)域金融風(fēng)險水平上升。而各個區(qū)域經(jīng)濟(jì)發(fā)展水平、對外開放水平、自然資源安全性以及人力資本的提高對于降低該地區(qū)的金融風(fēng)險水平有著顯著的促進(jìn)作用。據(jù)此，本文提出三點建議：一是完善差異化氣候風(fēng)險預(yù)警機制與防護(hù)體系，進(jìn)一步提升居民、企業(yè)應(yīng)對氣候環(huán)境風(fēng)險的意識和能力。二是統(tǒng)籌規(guī)劃各地區(qū)綠色發(fā)展，因地制宜，制定合適的轉(zhuǎn)型政策。三是將氣候風(fēng)險管理納入金融風(fēng)險管理體系，進(jìn)一步加強低碳綠色轉(zhuǎn)型過程中的金融監(jiān)管，對碳密集行業(yè)開展風(fēng)險評估，將風(fēng)險敞口限制在風(fēng)險容限以內(nèi)。

參考文獻(xiàn)：

[1]Bolton P.，Despres M.，Samama F.，et al. The Green Swan[M].BIS Books，2020.

[2]Massa，M. and Zhang，L.，，The Spillover Effects of Hurricane Katrina on Corporate Bonds and the Choice between Bank and Bond Financing[J].Journal of Financial and Quantitative Analysis，2021，56（3）：885-913.

[3]李林漢，韓景旺.金融創(chuàng)新加劇了區(qū)域金融風(fēng)險嗎？——基于社會網(wǎng)絡(luò)與動態(tài)面板門檻效應(yīng)的研究[J].證券市場導(dǎo)報，2023，（03）：68-79.

[4]鄭艷，潘家華，謝欣露等.基于氣候變化脆弱性的適應(yīng)規(guī)劃：一個福利經(jīng)濟(jì)學(xué)分析[J].經(jīng)濟(jì)研究，2016，51（02）：140-153.

作者簡介：沈宇辰（2000），男，漢族，江蘇鹽城人，蘇州大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)碩士研究生，研究方向為金融學(xué)。