引言

在全球化的背景下，气候变化已成为全球性挑战，对经济社会产生深远影响，尤其是对金融市场的稳定性和宏观经济增长构成威胁。气候风险，包括物理风险和转型风险，不仅直接影响企业财产和财务状况，还通过金融市场传导，引发金融风险。中国作为世界第二大经济体，其股票市场在全球金融市场中扮演着重要角色，政府积极推动绿色金融和低碳经济的发展，出台了一系列相关政策，这些政策的实施对投资者的风险偏好和投资决策产生了影响，从而对股票市场产生间接作用。本研究采用文本分析方法和分位数回归模型，旨在探讨气候风险对中国股票市场收益率的影响，分析不同市场状态下的异质性影响，以期为投资者、企业和政策制定者提供决策支持，推动股票市场的可持续发展。通过这种方法，我们期望能够更全面地理解气候风险如何影响股票市场的表现，特别是在不同市场条件下的影响差异，从而为相关领域的研究提供新的视角和方法论。

文献综述

气候风险对股票市场的影响研究

现有文献对气候风险对股票市场影响的研究主要集中在以下几个方面：气候风险溢价，极端天气事件的影响，气候变化政策的影响和投资者行为。一些研究表明，投资者可能会要求气候风险溢价，即在预期未来可能受到气候变化负面影响的公司股票上要求更高的回报。这通常体现在碳密集型公司的股票表现上。极端天气事件，如干旱、洪水和热浪，直接影响公司的运营和盈利能力，进而影响其股票价格。研究发现，这些事件会导致相关行业或地区的公司股票价格下跌。政府的气候变化政策，如碳税和排放交易制度，可能会影响公司的运营成本和竞争力，从而影响其股票表现。研究显示，这些政策对不同行业的影响各不相同。投资者对气候变化的关注和感知可能会影响他们的投资决策。例如，当公众对气候变化的关注增加时，可能会减少对碳密集型公司的投资，导致这些公司的股票表现不佳。

气候风险度量研究

气候风险有多种不同的度量方法。目前的研究多使用单一的极端天气或现象进行分析，也有学者运用文本分析法对气候风险进行度量。例如创建气候风险指数，如中国气象局开发的气候风险指数（CRI），以综合衡量不同气候因素对特定地区或行业的影响。通过分析新闻报道、政策文件和社交媒体等文本数据，提取与气候变化相关的信息，以量化公众对气候风险的关注程度。使用CMIP5模型来预测未来气候变化情景，并评估这些变化对经济和金融的影响。

文本分析在金融、能源及气候领域的应用研究

本研究还与文本分析的应用有关。在金融领域，文本分析被用于分析新闻报道、分析师报告、社交媒体等，以衡量市场情绪和投资者信心。这些情绪指标可以预测股票市场的表现和波动性。在能源领域，研究者利用文本分析来评估能源政策公告对能源市场的影响，包括石油、天然气和可再生能源市场的价格和交易量。在气候领域，文本分析被应用于气候变化相关文献，以评估公众、政府和企业对气候变化的关注程度，以及这些关注如何影响投资决策和风险管理。此外，文本分析还被用于评估公司报告中的ESG信息，以及这些信息如何影响投资者对公司的看法和投资决策，也被用于宏观经济预测，通过分析经济政策报告、政治事件和新闻报道来预测经济指标，如GDP增长、通货膨胀和失业率。

目前学者关于气候风险度量的研究仍处于起步阶段，尚未形成统一的度量方法和标准。国内学者在探讨气候风险对股票市场的影响机制时，主要从资产定价、风险管理和行为金融等方面进行研究。但国内关于气候风险对股票市场影响机制的研究仍处于探索阶段，尚未形成完整的理论体系。

综上所述，本研究力图填补国内外关于气候风险与中国股票市场关系的研究空白，为理解并应对气候风险在股票市场中的作用提供新的视角和方法论，以期为投资者、企业决策者和政策制定者提供参考和指导，推动我国股票市场的可持续发展。

数据和方法

研究方法

分位数回归方法

分位数回归方法作为一种灵活且稳健的统计建模工具，通过刻画解释变量对响应变量整个条件分布的异质性影响，弥补了最小二乘仅估计条件均值的局限，即对异常值的敏感性和随机误差的正态分布假设。将其用于处理新闻报道、研究报告、社交媒体文本等非结构化数据所提取的情绪、关注度与气候风险指标，可在低、中、高不同市场状态下，系统识别气候风险对资产价格、投资者行为及政策响应的非线性、尾部和极端影响。这不仅帮助投资者和金融机构在常规与极端情景下更精准地评估气候风险，优化投资组合与尾部风险管理策略，也为政策制定者和监管机构提供分位点差异化的政策阈值与监测指标，促进股票市场稳健运行与高质量发展。本文利用分位数回归模型分析气候风险在不同市场水平下对股票市场影响的异质性。本研究具体设计的模型如下：

其中，解释变量表示中国股票市场收益率，表示时间，表示特定分位数。自变量、和分别代表中国气候灾害发生频率、中国气候政策不确定性指数和中国气候风险关注度的对数变化率。

文本分析方法

本研究采纳了文本分析技术以解析通过爬虫技术采集的非结构化文本数据源，这些数据源自新闻媒体和网络搜索引擎。该分析手段使得研究者能够识别并提取关键信息，包括市场情绪指标、投资者关注焦点以及与气候风险相关的主题动向。研究过程中，首先运用爬虫软件捕获相关文本数据，随后实施文本分析，涵盖分词处理、噪声过滤和命名实体识别等步骤，旨在精确抓取与气候风险紧密相关的信息。对气候风险相关文本的深入分析有助于辨识主要风险因素及其对股票市场的影响，进而反映股票市场对气候风险认知的变化趋势。此类信息对于投资者及金融实体在更深层次上理解气候风险、评估相关风险并据此优化其投资组合与风险控制措施具有重要意义。

数据来源

本研究所用的股票市场数据来源于Compustat数据库，从中下载了中国的个股日度收益率。对所有的股票数据，剔除IPO后前六个月的数据（包括上市当月），剔除ST、PT 股票数据，剔除账面价值为负的股票，剔除金融类公司的股票。个股收益率采用考虑现金红利再投资的日个股收益率。无风险利率选择一年期银行定期存款利率，并根据复利计算方法将年度无风险利率转化为日度利率。基于金融数据的可获得性，研究区间统一定为2020年1月22日至2022年5月20日。

本研究采用的气候数据分为三类，一是气候灾害数据，来源于EM-DAT数据库，该数据库为全球灾害数据库，用于收录全球气候灾害的发生情况、伤亡情况和损失情况等，本文筛选我国气候相关的灾害的，计算其发生频率，作为我国气候灾害的代理变量。二是气候政策不确定指数，参考Ma等，采用爬虫技术收集数据，并对收集到的文本数据进行预处理，包括分词、去噪、实体识别等，以提取气候风险相关的关键信息。抓取中国上市公司气候政策新闻数据库（CPND），信源来自400多家主流互联网媒体的气候政策频道或环保板块，如生态环境部官网、中国环境报、界面新闻“碳中和”频道、财新“ESG30”、中国证券网“绿色金融”栏目、新浪财经“ESG”频道、东方财富“碳交易”板块等，据此构建日度气候政策不确定性指数。三是气候关注度数据，根据关键词“气候变化”、“气候变暖”以及“全球变暖”爬取百度指数上的搜索量数据，并构建每日搜索量指数作为气候关注度指数代理我国的气候关注，为了保证数据的平稳性，讲该指数进行对数变化计算。

实证结果

描述性分析

表1为各变量的描述性统计情况。其中，chn代表我国股票市场收益率，ccd代表我国气候灾害指数，ccpu代表我国气候政策不确定性指数，ccrc代表我国气候关注度指数。每个变量均基于539个观测值。由表1可以看出，我国股票市场收益率数据的平均值为1.8757，标准差高达138.7923，显示出极大的数据变异性和左偏分布，峰度为3.6911，表明分布尖峭且存在极端值。相比之下，我国气候灾害指数和国气候政策不确定性指数的变异性较小，平均值分别为0.9425和1.3538，标准差分别为0.7048和1.245，且均呈现右偏分布，峰度接近正态分布。我国气候关注度指数变量的平均值接近0，标准差最小，为0.1326，同样右偏，但峰度异常高，为14.2212，表明极端值较多，气候关注度会受到特定的气候事件影响，产生较大波动。这些统计特征揭示了变量间在分布形态和变异性上的显著差异，对于后续的数据分析和模型构建具有指导意义。

	chn	ccd	ccpu	ccrc
count	539	539	539	539
mean	1.8757	0.9425	1.3538	-0.0213
std	138.7923	0.7048	1.245	0.1326
min	-833	0	0	-0.7944
25%	-69	0	0	-0.0781
50%	8	1	1.0301	-0.0267
75%	82	1	1.9882	0.0333
max	400	3	6.3461	1.075
Kurtosis	3.6911	0.3299	0.9455	14.2212
Skewness	-0.864	0.4954	1.011	0.8755

相关性分析

表2相关系数矩阵显示，我股票市场收益率与我国气候关注度指数的相关系数最高，为0.0758。三类气候风险指数之间的相关系数低于±0.05，总体来看，其解释对方方差的比例均低于1%，表明它们携带的独立信息重叠度极低，线性视角下彼此几乎互不相干。因此，三类气候风险可以更好地从不同角度解释气候风险对我国股票市场数据的影响。

	chn	ccd	ccpu	ccrc
chn	1	-0.0049	-0.0014	0.0758
ccd	-0.0049	1	-0.0254	0.0459
ccpu	-0.0014	-0.0254	1	-0.0451
ccrc	0.0758	0.0457	-0.0451	1

分位数回归

本研究通过构建分位数回归模型，深入探讨了气候灾害、气候政策不确定性和气候风险关注度对中国股票市场收益率的边际贡献及其影响机制。分位数回归模型能够对因变量的特定分位数进行建模，从而捕捉不同信息溢出水平下的动态关系。为此，参考现有文献，本研究选取了七个具有代表性的分位数，包括较低分位数（0.10、0.25）、中间分位数（=0.50）和较高分位数（=0.75、0.90），分别代表不同的市场水平。

在对中国股票市场的分析中，我们重点关注气候相关变量对股票市场收益率的潜在影响。分位数回归的主要结果如表3所示，其中列(1)为普通最小二乘回归（OLS）的结果，而列(2)-(6)详细说明了不同分位数回归的估计结果。结果显示，在平均水平上，变量ccd（我国气候灾害发生频率）和ccpu（我国气候政策不确定性指数）对我国股票市场收益率的影响不具有统计学意义。而ccrc（我国气候风险关注度）对我国股票市场收益率在统计学上具有10%的显著性，并且系数为正数，说明我国气候风险关注度的上升会引起股票市场收益率的上升。而中国股票市场收益率对国内气候灾害发生频率和气候政策不确定性的敏感性较低。

然而，分位数回归模型进一步地揭示了在不同信息溢出水平下的显著差异。在高市场收益率水平（Q=0.90）上，我国气候灾害发生频率的上升会降低股票市场收益率，并且在统计学上具有10%的显著性。这说明在股票市场高收益时期，投资者对于潜在风险的敏感度增加，气候灾害的发生频率作为一个重要的外部风险因素，对市场情绪和投资者预期产生了显著影响。在市场收益率较高时，投资者可能已经对市场前景持有乐观态度，资产价格可能已经包含了对未来增长的预期。此时，任何增加不确定性的因素，如气候灾害的频繁发生，都可能导致投资者重新评估风险，从而影响他们的投资决策。气候灾害不仅可能导致直接的经济损失，还可能通过影响供应链、生产活动和消费者信心等途径，对宏观经济产生间接影响。在高收益时期，这些间接影响可能会被放大，因为投资者可能更加关注任何可能威胁到当前收益水平的因素。此外，气候灾害的增加可能引发对政策干预的预期，如政府可能采取的应对措施，这些措施可能会对某些行业产生影响，进一步影响市场收益率。

其次，极高市场收益率水平（Q=0.90）时，我国气候政策不确定性指数会在5%的显著性水平下降低股票市场收益率。相反，在极低市场收益率水平（Q=0.10）上，我国气候政策不确定性会在5%的显著性水平下增加股票市场收益率。这可能是因为在不同的市场情绪和预期背景下，投资者对气候政策不确定性的解读和反应存在显著差异。在极高市场收益率水平时，市场普遍处于乐观情绪，投资者对未来经济增长和企业盈利预期较高。此时，任何形式的政策不确定性，包括气候政策的不确定性，都可能被视为对现有增长预期的威胁。由于投资者倾向于规避风险，特别是在市场估值较高时，这种不确定性可能导致他们减少对风险资产的投资，从而对股票市场收益率产生负面影响。此外，气候政策不确定性可能引发对监管成本增加、企业合规负担加重以及潜在的行业结构调整的担忧，这些因素都可能对市场收益率构成压力。相反，在极低市场收益率水平时，市场可能已经对经济前景持悲观态度，资产价格可能已经反映了较多的负面信息。在这种情况下，气候政策不确定性可能被解读为政府积极应对气候变化的信号，预示着未来可能会有更多支持绿色经济和可持续发展的政策出台。这种政策导向可能会激发投资者对相关行业和企业的信心，尤其是在可再生能源、环保技术和清洁生产等领域，从而在一定程度上提升股票市场收益率。此外，极低市场收益率水平可能意味着市场已经对许多风险因素进行了定价，因此在这种情况下，额外的不确定性可能不会对市场产生太大的负面影响，反而可能被视为市场底部的一个信号，激发投资者的抄底行为。

再次，从表3可以看出，我国气候关注度在Q=0.25、0.75、0.95的市场水平上显著影响我国股票市场收益率，并且具有1%的统计学显著性。这表明随着气候问题的社会关注度提升，投资者越来越将气候因素纳入投资决策中，可能导致对高碳行业的风险评估增加，对绿色产业的投资偏好上升，以及对政策变动的预期调整，进而影响相关股票的估值和市场表现，显示出市场对气候变化长期影响的担忧和对可持续发展机遇的期待。

	(1)	(2)	(3)	(4)	(5)	(6)
VARIABLES	OLS	Q=0.10	Q=0.25	Q=0.50	Q=0.75	Q=0.90
ccd	-1.6433	11.4066	-3.6510	4.0331	-8.2588	-25.1653*
	(8.4818)	(16.6027)	(10.3909)	(7.3812)	(8.2091)	(13.2890)
ccpu	0.1988	13.7019**	3.6199	2.5295	-4.2142	-15.9169**
	(4.3063)	(6.5562)	(5.4847)	(3.5897)	(4.1896)	(6.4103)
ccrc	79.8573*	68.8670	130.0907***	73.3506*	81.0654***	213.2679***
	(43.1051)	(78.0693)	(45.3936)	(38.8156)	(15.9529)	(66.1096)
Constant	4.8561	-187.7041***	-67.1612***	2.1502	97.6049***	213.2297***
	(13.7555)	(25.4786)	(14.7963)	(11.3078)	(15.4830)	(20.1432)
Observations	539

注：*** p<0.01，** p<0.05，* p<0.1。

研究结论

本研究通过实证分析探讨了气候风险对中国股票市场收益率的影响，主要结论如下：

一是气候风险显著影响中国股票市场收益率。通过构建分位数回归模型，本研究发现，在不同的市场收益率水平下，气候风险对中国股票市场收益率的影响存在显著差异。在高市场收益率水平（Q=0.90）上，气候灾害发生频率的上升会降低股票市场收益率，并且在统计学上具有10%的显著性。这表明在市场高收益时期，投资者对潜在风险的敏感度增加，气候灾害的发生频率作为一个重要的外部风险因素，对市场情绪和投资者预期产生了显著影响。

二是气候政策不确定性对股票市场的影响具有非线性特征。在极高市场收益率水平（Q=0.90）时，气候政策不确定性指数会在5%的显著性水平下降低股票市场收益率。相反，在极低市场收益率水平（Q=0.10）上，气候政策不确定性会在5%的显著性水平下增加股票市场收益率。这可能是因为在不同的市场情绪和预期背景下，投资者对气候政策不确定性的解读和反应存在显著差异。

三是气候关注度在特定市场水平上显著影响股票市场收益率。从表3可以看出，我国气候关注度在Q=0.25、0.75、0.95的市场水平上显著影响我国股票市场收益率，并且具有1%的统计学显著性。这表明随着气候问题的社会关注度提升，投资者越来越将气候因素纳入投资决策中，可能导致对高碳行业的风险评估增加，对绿色产业的投资偏好上升，以及对政策变动的预期调整，进而影响相关股票的估值和市场表现。

基于研究结论，本研究提出以下政策建议：首先，政府和监管机构应加强对气候风险的监管，推动金融机构建立气候风险评估和管理机制，以提高金融市场对气候风险的适应能力。其次，鼓励金融机构开发绿色金融产品，支持低碳经济和可持续发展项目，引导资金流向绿色产业，以促进经济结构的绿色转型。此外，提高企业和金融机构气候相关信息的披露质量，增强市场对气候风险的认识和理解，为投资者提供更准确的风险评估依据。最后，提高投资者对气候风险的认识，教育投资者如何在投资决策中考虑气候因素，以促进理性投资和市场稳定。

本研究存在一定的局限性，如数据范围限制、变量选择限制以及模型设定限制。尽管本研究考虑了多种气候风险因素，但仍可能存在其他未被纳入分析的重要变量。分位数回归模型虽然能够捕捉不同市场状态下的异质性影响，但可能无法完全解释所有复杂的市场动态。未来的研究可以进一步探讨气候风险与其他金融风险因素的交互作用，以及不同类型气候风险对不同行业股票市场的影响差异。结合气候科学、经济学和金融学等多学科知识，开展气候风险评估和金融风险管理的跨学科研究。研究气候风险对股票市场的长期影响，以及政策干预对缓解气候风险的潜在效果。比较不同国家和地区在应对气候风险方面的政策和市场反应，为全球气候风险管理提供参考。通过这些未来的研究方向，可以更全面地理解和应对气候风险，促进金融市场的稳定和可持续发展。

参考文献：

1. [1] Baker S R, Bloom N, Davis S J. Measuring economic policy uncertainty[J]. Quarterly journal of economics, 2016, 131(04):1593-1636.
2. [2] Bartram S M, Hou K, Kim S. Real effects of climate policy: Financial constraints and spillovers[J]. Journal of financial economics, 2022, 143(02):668-696.
3. [3] Choi D, Gao Z, Jiang W. Attention to global warming[J]. Journal of financial economics, 2020, 33(03):1112-1145.
4. [4] Engle R F, Giglio S, Kelly B, et al. Hedging climate change news[J]. Review of financial studies, 2020, 33(03):1184-1216.
5. [5] Hong H, Li W F, Xu J. Climate risks and market efficiency[J]. Journal of econometrics, 2018, 208(01):265-281.
6. [6] Li H, Bouri E, Gupta R, Fang L. Return volatility, correlation, and hedging of green and brown stocks: Is there a role for climate risk factors?[J]. Journal of cleaner production, 2023, 414:137594.
7. [7] Lin B, Wu N. Climate risk disclosure and stock price crash risk: The case of China[J]. International review of economics & finance, 2023, 83:21-34.
8. [8] Liu H, Lin C. Climate change news risk and corporate bond returns in China[J]. Finance research letters, 2023, 58:104526.
9. [9] Ma D, Zhang Y, Ji Q, Zhao W, Zhai P. Heterogeneous impacts of climate change news on China's financial markets[J]. International review of financial analysis, 2024, 91:103007.
10. [10] Nordhaus W D. A review of the "Stern Review on the Economics of Climate Change"[J]. Journal of economic literature, 2007, 45(03):703-724.
11. [11] Reboredo J C, Ugolini A. Climate transition risk, profitability and stock prices[J]. International review of financial analysis, 2022, 83:102271.
12. [12] Oestreich A M, Tsiakas I. Carbon emissions and stock returns: Evidence from the EU emissions trading scheme[J]. Journal of banking & finance, 2015, 58:294-308.
13. [13] Schlenker W, Charles A T. Market expectations of a warming climate[J]. Journal of financial economics, 2021, 142(02):627-640.
14. [14] Wang Y, Song L, Ye D, et al. Construction and application of a climate risk index for China[J]. Journal of meteorological research, 2018, 32(06):937-949.