气候风险、投资者绿色偏好与股票市场波动

绪论1.1研究背景近年来，全球气候变暖趋势加剧，干旱、洪涝等极端天气事件呈现频率增加、强度升级、持续时间延长的三重特征。人类赖以生存的生态环境面临着巨大的威胁，减缓和适应气候变化成为了人类社会21世纪面临的最重要议题之一。气候风险在受到各专业学者关注的同时，也受到来自国际组织、各国政府的高度重视。IPCC第六次评估报告（2023）表示，当下全球极端气候事件的发生频率相比于前工业化时期已经提升了4.7倍，已经直接威胁到全球生态系统的稳定性以及人类社会发展的可持续性。针对这个状况，各国政府也采取了不同的应对政策，主要可以划分为调整碳定价机制、推动关键行业低碳转型、进行气候适应投资以及制定信息披露要求。在调整碳定价机制方面，欧盟碳排放交易体系是全球首个且规模最大的碳市场，它对电力、工业、航空等行业实施“限额与交易”，设定排放总量的上限，同时允许市场进行配额交易，利用经济手段推动减排；在推动关键行业低碳转型方面，德国出台《可再生能源》等政策推动能源转型，其核心目标是2030年淘汰煤电、2035年实现100%可再生能源发电；在进行气候适应投资方面，荷兰改变了原本的治水理念，从“筑堤拦水”发展为”与水共存”，并在2007年启动“空间还水”计划，投资29亿欧元进行河道改造，还地于河，从而适应气候；在制定信息披露要求方面，自2022年起，英国开始要求所有的大型企业按照TCFD标准报告气候风险。我们国家提出的“碳达峰”“碳中和”目标更是系统性应对气候风险的顶层设计，党的二十大报告也明确指出，通过统筹产业结构调整来应对气候变化，积极推动应对气候变化工作取得新的进展，这些目标以及政策的提出，也彰显了中国积极参与全球气候治理的积极态度以及决心，在全球气候治理中贡献重要力量。现有研究通过建立理论模型和进行实证分析，已经证实了气候风险对于金融体系有着显著的、多方面的冲击作用（Batten等，2020），尤其是在极端气候事件频发、全球低碳政策密集出台的背景下，这种冲击效应呈现出非线性放大特质（IPCC,2022）。其主要通过物理风险和转型风险两大传导渠道，对金融体系的稳定性、抗风险能力等产生影响（Bolton等，2022）。从作用机制来看，气候风险会导致金融资产的基本面价值重估（Bansal等，2022），表现为高碳资产会面临“搁浅资产”风险（Caldecott等，2021）以及低碳资产实现“绿色溢价”；同时，气候风险可以通过资产负债渠道以及流动性渠道引发跨机构、跨市场的系统性风险传染（Roncoroni等）。然而，虽然越来越多的学者开始研究气候风险对金融体系的冲击作用，但目前的研究更偏向于宏观层面，气候风险在微观层面上对企业股票市场表现的研究屈指可数（Hong等，2020），直接探讨气候风险对企业股票波动率的研究更是凤毛麟角。这一现状在最新发布的IPCC第六次评估报告中也有被提及，“针对相关气候风险对个股波动性的非线性影响进行量化分析，仍然是气候经济学与金融学交叉领域亟待解决的关键问题”。企业的股票波动率衡量股价的波动程度，可以迅速反映投资者对行业未来发展的预期，而股票因气候风险而产生的震荡不仅体现了市场对气候相关信息的非对称反应，更直接表现了股票持有者所面临的绝对风险的大小。对于企业来说，股票波动率既是市场情绪的天气预报，更是测评企业经营治理能力、风险应对能力以及可持续发展能力的重要指标。股票波动率高会增加企业的融资成本，压缩资本的运作空间，同时会提高企业战略决策的不确定性，使企业面临更多未知的风险，迫使企业延缓投资、并购等行为。此外，高波动率可能会引发企业估值折价、恶化股东结构、降低品牌声誉等风险，从而降低企业的长期竞争力和可持续发展水平。那么，气候风险会显著影响股票波动率吗？如果影响，那潜在的影响机制是什么样的？这些问题的答案为企业应对气候风险、投资者为气候风险理性定价以及完善相关信息披露要求有着重要的意义。1.2研究意义1.2.1理论意义本研究丰富了有关气候风险与金融体系研究的理论框架。以往学者研究气候风险对金融体系的影响时，多聚焦于宏观层面或中观层面，直接探讨气候风险对企业股票波动率研究少之又少，本研究对这一方面进行了补充。本研究系统地阐释了气候风险对企业股票波动率的影响机制。气候风险可以通过“基本面渠道”改变企业基础财务指标和经营状况，引发股价波动。此外，气候信息也可以通过投资者绿色偏好冲击引发投资者非理性行为，从而放大市场波动。这一理论框架弥补了传统股票波动率研究忽视非财务因素的缺陷，更创新性地提出了“气候信息冲击—投资者绿色偏好——股票波动反馈”的动态传导机制。本研究具有显著的交叉学科价值，既搭建了气候科学与金融经济学之间的理论桥梁，促进了自然科学与社会科学的融合；又推动了环境经济学、行为金融学与金融计量学的交叉创新，为构建可持续金融理论体系奠定了重要基础。这些理论突破不仅拓宽了金融学的研究领域，更为应对气候变化这一全球性挑战提供了重要的学术支持。本研究也为气候风险对企业股票波动率的影响机制提供了中国视角。根据中国2010-2023年上市公司的数据显示，气候风险对股票价格波动的冲击表现出显著的异质性，特别是非国有企业、大规模企业、高污染行业以及位于东部地区的企业。这些发现丰富了气候金融领域的跨国比较研究，通过提供系统的中国证据，对推动建立更具包容性的气候金融理论体系具有重要价值。1.2.2现实意义本研究量化了气候风险对企业股票波动率的影响，投资者可以更准确地评估股票的风险溢价，避免因信息不对称导致的错误定价。本研究也有助于优化ESG投资与风险管理策略。随着ESG投资的兴起，机构投资者亟需科学评估气候风险对投资组合的影响。而股票波动率是衡量投资风险的重要指标，气候因素的引入能显著提高风险模型的预测能力。基于这一研究，投资者可以调整资产配置，如增加气候适应型资产的权重，以降低组合的整体波动率。本研究有助于引导企业低碳转型以及完善企业气候信息披露。气候风险较高的公司往往面临更高的资本成本（Pástor等,2021），而股票波动率上升可能会进一步提高融资难度。通过研究气候风险与波动率的关系，企业可以识别关键风险来源，并制定相应的减排和适应策略。此外，这一研究可推动企业完善气候信息披露，减少市场因信息不对称而导致的异常波动。1.3研究内容与方法1.3.1研究内容本文以气候风险对股票波动率的影响为核心研究，本文的写作分为以下几部分：第一部分为绪论。本部分从全球气候治理的实践出发，梳理了各国政府对气候风险的监管政策，揭示了气候风险问题已经从环境领域向金融领域延伸。在这一基础上，结合股票波动率作为资本市场的风险核心指标的理论内涵，说明将气候风险这一日益突出的社会问题与微观企业股票波动率联系起来的重要性，从理论意义与现实意义两个维度说明研究意义。接着对本文使用的研究方法以及创新点进行阐述，并通过研究思路图直观展示全文的写作框架。第二部分为文献综述。本部分围绕三个核心议题系统梳理了国内外相关研究，分别是气候风险的经济效应研究、投资者绿色偏好理论的发展脉络及其对投资决策的影响机制和股票波动率的相关研究。通过对现有文献的评述，厘清行文思路。第三部分为理论分析与研究假设。本部分系统阐述了本文所依托的相关理论基础，为后续的分析和研究提供坚实的理论支撑。基于理论，分析气候风险与企业股票波动率的关系，以及其中涉及的影响路径，同时提出相应的研究假设。第四部分为研究设计。选取我国全部A股上市公司2010年至2023年的相关数据以及相关的气候数据，基于前文的理论分析与研究假设，本文借鉴以往的相关研究，构建了适用于本研究的双向固定效应模型并对模型中包含的变量进行解释说明。第五部分为实证分析。将第四部分研究设计中选取的数据代入搭建的双向固定效应模型，从而验证了气候风险会显著提高股票波动率的研究假设。为确保结论的稳健性和可靠性，本研究进行了稳健性检验、内生性检验、中介效应分析和异质性分析，增强了研究的实用性和指导意义。第六部分为研究结论与建议。本部分全面、系统的归纳总结了实证分析结果，并进一步提出了切实可行的建议，旨在为监管机构、企业及相关利益方提供决策参考，从而更好地应对气候风险带来的挑战。具体研究思路图如下：图1-1研究思路图1.3.2研究方法文献综述法：文献梳理工作是学术研究中不可或缺的环节，本研究通过权威数据库获取并深入分析国内外众多文献，包括学术期刊、学位论文等等，旨在研究和总结目前关于气候风险、投资者绿色偏好以及股票波动率的研究，进而深入分析气候风险如何影响企业的股票波动率。严谨的文献分析工作不仅可以夯实理论基础，确立可能取得突破的切入点，还为后续的实证分析提供了科学的理论依据和方法指导。理论分析与实证检验相结合：在阐述文献综述的基础上，本文首先介绍了相关理论，包括气候决定论、信息不对称理论、社会责任理论、信号传递理论以及行为金融学理论，并结合相关理论分析了气候风险如何影响企业股票波动率的理论机制。在实证研究上，选取我国气候风险、股票波动率等相关数据，通过构建双向固定效应模型进行分析，验证了气候风险与股票波动率之间的关系。1.4研究创新本研究对现有研究进行了补充和拓展。以往的研究多集中于气候风险的宏观经济影响，很少关注气候变化对企业水平的影响，更鲜有学者从气候风险角度考虑企业的股票波动率。本研究聚焦于气候风险与企业的股票波动率，既有助于理解气候变化与企业在微观层面上的关系，又补充了企业股票波动率的影响因素这一领域的相关研究。本研究系统性分析了气候风险与股票波动率二者存在何种关系、有何作用机理。研究结果表明绿色投资者持股比例起到部分中介作用，即高绿色偏好投资者的存在会显著加剧高气候风险企业的股价波动。这不仅有利于探究气候风险影响企业股票波动的作用机理和所需条件，更全面地了解气候风险及其经济后果，还丰富了股票波动率影响因素的相关研究。本研究立足于中国情境，本文把气候风险的度量引入到微观企业层面，通过对企业年度财务报告这一非结构化文档数据的挖掘，基于文本分析与机器学习方法测度出微观企业层面的气候风险水平，从而延伸了气候风险的定量研究，为我国政府完善气候信息披露机制、企业应对气候变化风险和投资者为气候风险理性定价提供了经验证据和政策参考。文献综述2.1气候风险2.1.1气候风险的概念及特征气候变化是指一种长期性的并且具有持续性的气候变动，或者说气候平均状态的变化（彭黎明，2012）。气候变化不仅仅只表现在气候要素数据平均值的系统性变化，更体现在气候变率的显著提高。根据世界气象组织的统计结果，2000-2019年全球气候相关灾害数量相比于1980-1999年增加了83%（WMO，2021）。气候变化的表现形式主要分为渐进性气候变化和突变式极端事件，渐进性气候变化主要是全球气候变暖、海平面上升、冰川退缩等，突变式极端事件包括暴雨洪涝、高温热浪等，这些气候变化所带来的潜在风险便是气候风险。气候风险是指气候变化直接或者间接地引发的对生态系统、社会经济和人类生活的潜在负面影响，通常呈现出空间异质性和行业差异性。发展中国家相比于发达国家，适应能力更弱，面临的风险敞口更大，而农业、旅游业等行业和气候密切相关，属于气候敏感型行业，因此相比于其他行业会受到更加直接的冲击（UNDP，2020）。2.1.2气候风险的作用机制气候风险主要通过物理风险和转型风险两大传导渠道对金融体系的稳定性、抗风险能力等产生影响，物理风险是指由于气候事件直接导致的资产损失或者供应链中断，转型风险是指通过技术变革等方式向低碳经济转型而造成的财务风险（TCFD，2017）。进一步探究这两大渠道的作用机制，物理风险一方面通过极端天气直接导致企业固定资产损毁、正常经营活动中断，直接导致企业经营性现金流减少；另一方面极端天气使得投资者不免作出“最坏情形假设”，要求获得更高的回报来补偿气候不确定性，最终导致资本成本溢价（Giglio等，2021）。转型风险则会使金融体系面临三种风险，气候政策处于收紧状态，碳定价的调整、行业禁令等均会导致市场对高碳资产价值进行重新评估，产生资产价格风险；高碳企业的盈利情况恶化，银行重新评估风险，从而提高高碳行业的贷款标准，产生信用风险；机构抛售高碳资产，当高碳资产日交易量超过市场总容量的15%时，可能会引发系统性流动性枯竭，产生流动性风险。2.1.3国内外关于气候风险的研究国外关于气候风险的研究要早于国内。Nordhaus（1977）首次搭建了气候变化经济分析框架，提出“气候外部性”的概念，建立DICE模型，量化CO2排放的社会成本。Schneider（1989）首次提出“气候敏感性概率分布”的概念，系统地评估了气候变暖对农业、海平面的影响，提出CO2浓度倍增将导致全球升温1.5-4.5摄氏度。而气候风险更是被证实对全球各产业部门构成系统性冲击。对于农业来说，全球主要作物的产量由于气候变暖已经下降3-5%，极端高温更是让非洲粮食减产风险提高了40%（Lobell等，2011）。对于金融业来说，气候风险可能导致全球银行系统的贷款损失率提高0.7-2.4个百分点，保险行业气候相关的索赔金额更是年均增长5-7%（NGFS，2020）。对于制造业来说，当气温超过27摄氏度时，每提高1摄氏度，制造业的劳动生产率会下降5-8%（Kalkuhl，2020）。气候变化所造成的影响对中国也大多不利。气候风险会直接作用于我国的农业经济产出，造成显著的负面影响（丁宇刚等，2022）。对2011—2021年我国31个省级行政区的样本数据进行分析，气候变化也会对区域金融稳定产生显著的系统性冲击，作用时滞为3年，即影响通常在气候事件发生后的三年内逐步显现（张帅等，2023）。2.1.4全球气候治理体系的形成与现状气候风险在受到学术界关注的同时，也受到国际组织、世界各国政府的关注。为应对日益严峻的全球气候变化挑战，国际社会于1992年在里约地球峰会上通过《联合国气候变化框架公约》，标志着全球气候治理体系正式确立（Bodansky，2016）。不过，虽然这份公约确立了“共同但有区别的责任”这一原则，但是作为一份框架性协议，它没有设立明确的减排目标并且缺乏法律效力（Rajamani，2021）。于是，《京都协议书》应运而生。《京都协议书》实现了重要的制度创新，首次量化了发达国家的减排目标，要求其在第一承诺期2008-2012年间平均减排5.2%（Grubb等，2021）。然而，它的局限性也很快显现了出来，《京都协议书》只针对发达国家设立了相关目标，而未对发展中国家提出相应的减排要求（Zhang，2020），这不免引发部分发达国家的不满，而美国、加拿大等发达国家相继退出更是进一步削弱了协议效力（Victor，2011）。2015年通过的《巴黎协定》构建了更加具有包容性的治理框架，成为首个具有普遍约束力的全球气候协议，包含中国在内的194个缔约方签署该协定，明确了将全球温升控制在2℃以内，努力限制在1.5℃的目标（Rogelj等，2016）。至此，全球气候治理机制基本形成。然而，依据联合国环境规划署于2020年发布的《排放差距报告》来看，当下各个国家自主进行减排所取得的成效，还没办法达到《巴黎协定》对于温度控制的要求，有研究显示，要是依照当前各个国家的减排规划来计算，到本世纪末的时候，全球平均气温的升幅有可能会突破3℃，这远远超出了协定所设定的2℃甚至1.5℃的安全阈值范围。这一数据同样说明，各个国家在遏制气候变暖这件事情上的投入和预期目标之间存在着差距，深入剖析其原因，主要在于经济增长与气候治理之间存在着短期矛盾。各个国家追求GDP的快速增长，往往是依赖高碳产业，但严格的减排政策又可能对传统经济的发展模式形成制约。这样一种两难的局面，让全球气候治理面临着现实的阻力，迫切需要跨国之间进行协作并且共同来承担责任。在这样的背景之下，中国所提出的“碳达峰与碳中和”目标成为了应对气候风险的核心策略，该战略通过对经济发展以及低碳转型进行统筹规划，为全球气候治理提供了可行的实践途径。“双碳”战略的全球意义，不仅体现在其减排目标的绝对值方面，更在于其示范效应以及带动作用，借助实施这一战略，中国正在以实际行动向全球证明，经济发展和环境保护是可以同时进行且互不冲突的，这为破解全球气候治理过程中“发展优先”与“减排优先”之间的矛盾提供了中国方案（李慧明等，2025）。党的二十大报告将应对气候风险纳入国家发展战略，强调要通过优化产业结构从而增强经济韧性，这也充分体现了气候治理在我们国家发展全局中的战略地位。2.1.5气候风险的经济效应气候变暖几乎成为全球性现象，世界各区域均观测到明显的温度上升趋势，这对社会经济活动产生了重大影响（IPCC，2014），因此深入分析气候风险以及其对经济活动产生的影响有着非常宝贵的研究价值（Dell等，2012）。现有文献在气候风险与资本市场关联性的研究上已构建起比较完善的理论框架（Hong等，2019），从研究范式的演进情况来看，学界主要是从宏观经济传导以及微观主体行为这两个维度来展开分析的，当下学者大多将重点放在气候风险造成的宏观经济影响上。Burke等（2015）分析了1960至2010年166个国家的经济数据，建立了囊括农业生产率、劳动效率和工业产出等多渠道的综合评估模型，首次对气温变化对经济产出的非线性影响进行了量化。研究发现，经济产出与气温呈倒U型关系，最优年均温为13°C，超过阈值后，当气温每升高1°C，人均GDP将下降1.4%，热带国家更是达到了2.6%。Hsiang等（2017）将高分辨率气候模型和县域经济数据进行了耦合，以此来评估美国各个行业因为气候风险而遭受的损失情况，研究结果显示，当气温每上升1°C时，县域GDP的中位数会下降1.2%，沿海地区的房地产行业由于海平面上升出现了150亿美元的贬值，劳动力密集型行业受到热浪冲击的程度最为严重。Apurba（2019）的研究中，构建了全球面板数据模型，针对气候变异给农、林、水等行业带来的经济影响做了系统量化，此研究运用动态面板GMM估计方法，依据1960-2015年102个国家的行业GDP数据，发现国家层面的年均温度极值变动和GDP增长率呈现出十分突出的负相关关系。从微观角度进行剖析可以发现，气候风险对企业的运营以及金融体系都有着不容忽视的影响，对于金融机构来讲，气候因素有可能致使信贷资产质量变差、债券违约率升高以及投资组合价值减少，在短时间内会直接对机构的资本充足率和盈利能力产生影响（陈雨露，2020）。然而需要留意的是，气候转型也潜藏着新的发展契机。在碳中和的发展形势下，清洁能源、节能技术等绿色产业迅速兴起，为银行等金融机构开辟了绿色信贷、碳金融等创新业务的空间（Levin等，2020），对于实体企业而言，气候风险的传导途径更为多样（Ghisetti等，2017），极端气候事件会破坏生产设施以及供应链的稳定性，碳定价等相关政策同样也会增加企业的运营成本，投资者偏好的改变更会推高融资成本（Doh等，2006）。为了应对这些挑战，领先企业也开始采取不同的应对政策，主要可以归结为三类，分别为加大对清洁技术的研发投入，比如开发碳捕集与封存技术；重构供应链体系，建立气候韧性评估机制；主动披露环境信息，提升ESG评级，实证研究显示，积极的气候风险管理可降低监管合规成本，还可以凭借绿色品牌溢价获取市场竞争优势（陈国进等，2021）。2.2投资者绿色偏好2.2.1投资者绿色偏好的形成投资者偏好（InvestorPreference）是指投资者在资产配置决策中表现出的系统性倾向，通常受风险厌恶、收益预期、社会价值观等因素影响（Barberis等，2003）。传统金融理论假设投资者仅关注风险与收益，但行为金融学研究表明，投资者可能因心理、道德或政策约束而偏离完全理性决策（Kahneman等，1979）。20世纪60-90年代，社会责任投资兴起，投资者开始基于伦理、社会标准来选择投资，由此形成了最早的“投资者绿色偏好”雏形（Moskowitz，1972）。20世纪90年代-2010年，环境、社会、治理三个因素被系统化为投资分析维度，绿色偏好成为ESG的核心组成部分，由此投资者绿色偏好这一概念正式形成。投资者绿色偏好（GreenInvestorPreference）特指投资者在决策中，基于环境可持续性考量对绿色资产或负责任企业表现出的倾向性选择行为（Hong等，2009）。投资者绿色偏好既可以作为市场信号，可能会导致高碳企业的估值降低，并推动资本流向向清洁技术领域（Krueger等，2020），又可以作为一种政策工具，通过资本配置推动企业减少排放（Deng等，2023）。2.2.2投资者绿色偏好对于全球经济金融的影响机制综合目前已有的各项研究，投资者的绿色偏好正以引导资本从高碳资产转向低碳资产进行再配置、推动被投资企业改进环境治理结构以及在资产定价中融入碳风险溢价这三重机制，对全球经济金融格局进行重塑，就资本配置机制而言，ESG因素可让投资组合的夏普比率提高0.15至0.3，全球每年大概有2.3万亿美元的资本从棕色资产流向绿色资产，资本再配置效应在政策严格的地区呈现得更为突出（Pedersen等，2021）。借助对全球439家机构投资者展开调查发现，欧盟投资者因监管压力减持高碳资产的比例要明显高于美国，这种资本配置上的差异致使欧洲高碳企业估值比美国同类企业低6-8%，投资者的绿色偏好同样依靠跨境资本流动对全球产业格局产生影响（Krueger等，2020）。不过显而易见的是，投资者绿色偏好的资本配置机制对于高碳企业带来了重大冲击。碳价一吨每上涨10美元，高碳企业的资本成本将会增加0.8%，这种资本成本差异显著影响了全球产业资本配置格局（Bolton等，2021）。来自中国的数据也验证了投资者绿色偏好的资本配置机制，并提出投资者绿色偏好可以通过改变资本可获得性推动企业绿色转型，并提出数字技术可以放大资本配置效果这一创新性发现（张澜琼，2024）。从企业治理来看，基于41个国家5,000家企业的面板数据，研究证明ESG导向的机构投资者持股比例每增加10%，企业环境违规率将下降19%，研发投入将增加7%，这种治理改善效应在法治较弱国家表现得更加明显（Dyck等，2019）。企业环境治理与投资者绿色偏好之间也存在着双向互动关系，完善的环境治理体系可以使机构投资者持股比例提升12.6%，环境信息披露质量每提高1个等级，吸引绿色资金规模将增加8.3%；而投资者绿色偏好也可以反哺企业治理，绿色投资者持股比例每增加5%，企业环境治理评分将提升9.4%（肖建忠等，2024）。中国上市公司的数据证实，ESG导向的治理结构变革可提升资本配置效率，同时也体现了中国市场环境下投资者偏好与企业治理的互动特征（姬晓聪等，2024），从市场定价角度分析，投资者的绿色偏好有重大影响，构建碳Beta因子后研究发现，高碳排放企业需提供年均2.4%的额外收益补偿，碳价每上升10美元/吨，股权融资成本会增加0.8%，且这种定价效应在《巴黎协定》后明显提高（Bolton等，2021）。另外ESG股票隐含波动率比传统股票低1.8个标准差，碳期货价格每变动1%，会致使相关股票期权溢价变化0.6%，这种定价联动在能源转型期尤其明显（Bekaert等，2022）。2.2.3气候风险对投资者绿色偏好的作用机制气候风险正借由风险规避以及价值认同这两个渠道来塑造投资者的绿色偏好，就风险规避而言，气候风险凭借改变资产定价逻辑对投资者的决策模式产生着深刻影响，依据Bolton等（2021）发表的实证研究，碳排放强度与资本成本之间呈现出正相关关系，他们所构建的碳风险溢价模型说明，在标普500成分股里，碳排放强度每增加1吨/百万美元营收，公司估值便会相应降低1.5%，这种折价效应在能源和材料行业格外突出。这种市场定价机制的形成源自两个相互强化的过程，物理风险致使高碳资产面临更高的经营不确定性，像洪水、干旱等极端天气事件会使化石能源企业的生产设施停工风险上升37%，转型政策风险正在加速资产重估，碳边境调节机制等政策工具预计会让欧盟进口的高碳产品成本增加20-35%（Bruegel，2023）。这种双重风险挤压促使机构投资者不得不调整资产配置策略，全球最大的主权财富基金挪威政府养老基金在2020年已全面撤资134家煤炭相关企业，其投资组合碳强度由此降低了25%，投资者的风险规避行为也呈现出十分突出的空间异质性，根据对432家机构投资者的调研发现，处于气候脆弱地区的养老基金对绿色资产的配置比例比低风险区域的基金高出18个百分点（Krueger等，2020）。这种差异在资产选择标准上体现为热带地区的投资者更关注物理风险对冲，而发达经济体的投资者则更看重转型风险管控，这种分化趋势在债券市场表现得非常明显，气候高风险企业债券的信用利差平均比低碳企业高35个基点，且这种差异在气候政策密集出台期会扩大至50个基点以上（Jung等，2018）。除了风险方面的考量之外，投资者的绿色偏好还受到价值观以及社会规范等因素的影响，依据Hartzmark等（2019）发表的实验研究结果显示，当对财务回报等传统变量进行控制之后，实验者依旧愿意为绿色基金支付年化0.4%的溢价，而这种“绿色溢价”在千禧世代投资者群体当中高达0.7%。由此可看出，代际价值观的差异正在对资产管理行业的格局进行重塑，摩根士丹利在2022年所做的调查说明，30岁以下的投资者配置ESG产品的比例达到了75%，这一比例是60岁以上投资者的2.1倍，这种价值观的转变促使了新的金融产品创新的出现，全球可持续债券的发行规模从2015年的900亿美元急剧增长至2022年的1.6万亿美元，其中社会影响力债券的年均增长率达到了45%。社会规范的内化过程也正依靠三个渠道来强化绿色偏好，其一，机构投资者的受托责任内涵正在不断扩展，美国劳工部在2020年修订了ERISA法案，明确准许退休基金考虑ESG因素，其二，同行压力会引发模仿行为，PRI签署机构的资产管理规模已经突破了120万亿美元，其成员在绿色债券市场的份额达到了68%，其三，声誉机制形成了约束，晨星的可持续评级使得资金持续从低评级基金流出，2022年的净流出规模达到了1200亿美元。这种规范内化在中国市场呈现出独特的路径，央行将绿色信贷占比纳入MPA考核之后，主要商业银行绿色贷款余额的年均增速达到了35%，比传统贷款12%的增速要高出许多。2.2.4投资者绿色偏好对于股票波动率的作用机制投资者绿色偏好目前也以三种途径影响股票波动率，其一，投资者绿色偏好可以通过改善企业信息环境显著降低股票波动率。根据Dhaliwal等（2011）发表的研究，ESG信息的披露质量与股价波动性呈现显著负相关关系。高质量的环境信息披露可以减少分析师预测分歧度，研究显示披露GRI标准可持续发展报告的公司，分析师EPS预测标准差平均降低18%（Cheng等，2014），此外绿色认证可充当可信信号机制，减少投资者对“漂绿”行为的顾虑，让机构投资者持股稳定性提升2.3个百分点，最后标准化ESG数据的运用对市场定价效率有改善作用，MSCIESG评级提高一级时股票流动性会提高7%，买卖价差缩小0.15个百分点。其二，绿色偏好可凭借改变投资者构成来对市场波动特征施加影响，依据Baker等（2022）所开展的跨国研究结果显示，ESG基金的持股集中度相较于传统基金低15%-20%，并且换手率仅仅是传统基金的60%，这样的投资行为差异会产生相应的稳定作用，长期导向的ESG投资者平均持股周期可达到3.2年，而传统基金的平均持股周期为1.5年，这可以有效地缓解市场的过度反应，并且社会责任投资者所采用的“负面筛选”策略减少了动量交易行为，使得纳入ESG指数的股票收益率序列相关性降低了0.08。研究说明，当绿色投资者占比超过30%的时候，市场针对负面冲击的调整速度会加快23%，波动持续的时间会缩短40%（Pástor等，2021），机构投资者绿色化的结构性转变也正在对市场微观结构产生影响，全球ESG资产管理规模从2016年的23万亿美元增长至2022年的41万亿美元，占总量的比例达到了36%。这种变化给予了市场质量的改善，BlackRock的实证分析说明，其ESGETF产品的追踪误差波动率比传统产品低0.5个百分点，挪威主权财富基金的持股分析同样显示，其绿色投资组合的日内波动幅度缩小了12%，CalPERS等大型养老金的气候投票政策也让标的公司股价对盈余公告的反应更为平稳，超常波动的天数减少了25%。其三，投资者的绿色偏好可以依靠推动企业转型间接地稳定股价，Ferrell等（2016）所做的实证研究说明，ESG表现处于前1/3的公司，它们的现金流波动性会比处于后1/3的公司低32%，这种稳定性来源于经营方面的改进，绿色技术投资可使企业生产成本波动降低18%至25%（Bloom等，2013），可持续供应链管理可减少原材料价格冲击所带来的影响会使毛利率波动范围缩小0.8个百分点（Eccles等，2014），绿色品牌建设能够提高客户粘性，使得销售收入波动性下降12%（Servaes等，2021）。2.3股票波动率2.3.1股票波动率的概念及经济意义股票波动率是金融市场的核心风险指标，指的是股票价格在一定时间内变化的百分比，反映的是市场对于企业未来收益以及风险的预期。这一指标还有多重经济意义，首先，股票波动率可以作为风险定价的基础。资本资产定价模型的扩展研究中将波动率引入模型，说明其是决定风险溢价的关键要素。Merton（1980）的ICAPM模型进一步说明他们之间的关系，波动率每上升1个百分点，股票要求回报率需相应提高0.3-0.5个百分点以补偿风险。其次，股票波动率反映市场效率。French等（1986）发现，美股非交易时段的波动率仅为交易时段的15%，表明信息消化过程会显著影响价格波动。最后，股票波动率还可以作为宏观经济的晴雨表。Schwert（1989）的里程碑研究揭示，工业产出增长率与股市波动率呈显著负相关，且波动率对经济衰退具有3-6个月的领先预测能力。2.3.2国内外关于股票波动率的研究国外针对股票波动率的研究要先于国内。Engle（1982）提出的ARCH模型开创了波动率动态建模的先河，其核心发现是波动聚集效应，即大幅波动往往伴随着后续大幅波动。Bollerslev（1986）发展的GARCH模型则进一步引入长期记忆性，对美股波动率的样本外预测误差降低23%。Andersen等（2001）基于5分钟高频数据将标普500波动率估计效率提升40%，构建了已实现波动率的框架。同期，Barndorff-Nielsen等（2004）提出实现二次变差理论，为跳跃波动分离奠定基础。自2010年开始，股票波动率的研究已经进入机器学习时代。Christoffersen等（2018）将LSTM神经网络应用于VIX预测，较传统GARCH模型误差减少28%。最新研究开始关注气候风险因子对波动率的解释力，证明碳价波动可解释欧股15%的波动率变异（Bansal等，2022）。而中国在这方面的研究呈现着一定的独特性。用2010-2020年中国A股市场沪深300指数每月交易数据进行实证研究，发现经济政策不确定性对股票市场波动率的影响呈现出显著的时间传导特征，而且当政策不确定性水平显著提升时，股票市场波动率会立即产生正向响应，表现为当日，甚至是第二天、第三天的波动率都会显著上升（赵锦，2025），这种差异使得气候政策对中国股票市场的波动放大效应更加显著。值得注意的是，良好的企业ESG表现有助于降低股价波动风险（何诚颖等，2025），但在政策密集期该效应会增强至1.2个百分点（Pedersen等，2021），表明制度环境是调节传导强度的重要边界条件。2.4文献评述随着全球气候治理进程持续深入，学术界针对气候风险的研究，已从最初的概念界定，逐渐延伸至对其金融传导机制的量化剖析，全面系统地梳理现有文献后可明确看到，气候风险对资本市场造成的冲击，已然成为不可被忽视的系统性因素，然而在这种影响的具体路径、方向等方面，学术界依旧存在着许多的分歧。多数研究说明，气候风险会借助资产重估、资本成本上升等途径，加剧市场波动，给金融稳定带来潜在威胁，不过也有学者提出，气候风险所催生的绿色偏好，或许可优化市场结构，降低高碳资产的波动性，为绿色金融发展带来新的机遇，一个关键的共识是，唯有借助科学的方式识别并积极应对气候风险的传导机制，才可切实有效地实现金融体系韧性的提升以及可持续发展。理论基础与研究假设3.1理论基础3.1.1气候决定论亨廷顿的气候决定论是20世纪初颇具影响力的环境决定论学说，其理论重点在于系统地阐述气候条件对人类文明发展程度的决定性作用，给当代气候风险与股票波动率研究给予了不少价值启示，他所提出的“气候最优区间”概念，在微观层面得到了现代神经科学的验证，哈佛医学院在2018年进行的实验说明，在22℃环境下进行认知测试，成绩有着一定优势，这为了解极端气温怎样凭借影响交易员决策行为加剧市场波动奠定了生理学基础。他对气候突变引发文明崩溃的历史案例等展开的分析，和当前研究物理风险对系统性金融冲击的机制十分契合，就像亨廷顿所指出的，玛雅文明在年降水量跌破800mm阈值后，呈现出迅速衰败的态势，现代研究也发现，当气温超过行业特定临界值时，企业生产率会出现非线性下降，这种突变效应会直接在股价波动率的变化上体现出来。关键的是，亨廷顿理论中暗含的气候—社会反馈机制，为理解绿色偏好的形成提供了新的角度，这一见解预示了当今气候风险如何借助推动ESG投资来重塑市场结构。在实践方面，亨廷顿的警示为金融机构的气候风险管理提供了深层逻辑依据，一个世纪前他就留意到气候适宜区的历史迁移规律，这一发现前瞻性地说明了地理风险分布的动态变化，当下气候模型预测本世纪末主要城市气候带会发生位移，这正促使全新的资产重估浪潮出现，高盛2023年研究报告说明，受海平面上升威胁的沿海房地产信托基金波动率比内陆同类产品高出1.8个波动点，这种差异实际上印证了亨廷顿关于“地理命运”的核心观点。其理论中未被充分关注的气候与技术创新的关联，为理解绿色科技股票的超常波动提供了关键，就像亨廷顿观察到寒冷能刺激北欧技术革新一样，现代数据也显示碳价每突破一个整数关口，清洁能源板块的波动率会先大幅上升然后趋于稳定，这反映了市场对技术突破的预期重构过程。亨廷顿气候决定论在当代的意义并非在于其得出的简单化决定论结论，而是在于它以开创性的方式构建起了气候系统与人类活动之间的分析性联系，在当今气候风险日益朝着金融化方向发展的形势下，重新审视这一理论可帮助研究者突破短期数据所带来的限制，从文明演进的长周期角度去掌握气候与市场之间深层次的互动规律。在新兴市场环境下该理论应用范围的拓展，这些地区大多时候同时面临着严峻的物理风险以及剧烈的转型波动，就如同亨廷顿当年所观察到的“气候边缘带”文明一样，其股票市场所呈现出的波动性特征或许蕴含着气候金融研究的下一个理论突破要点。3.1.2信息不对称理论信息不对称理论作为现代经济学里非常关键的基础理论之一，是于20世纪70年代被系统地提出来并不断发展完善的，该理论的关键命题是市场交易双方的信息分布不均衡会致使资源配置出现扭曲以及市场失灵，Akerlof（1970）借助二手车市场模型首次证实，当卖方比买方掌握更多商品质量信息时，市场可能会陷入“劣币驱逐良币”这种逆向选择困境，最终使得市场萎缩甚至走向崩溃。Spence（1973）提出的信号传递模型指出教育文凭作为能力信号所有的功能，Stiglitz（1975）的筛选模型说明了保险公司怎样借助合同设计来识别高风险客户，三位学者共同获得了2001年诺贝尔经济学奖，这标志着该理论在解释市场不完全性方面拥有范式地位。在气候风险和股票波动率的研究范畴内，信息不对称理论构建起关键的分析架构，此理论阐释了气候风险致使市场波动率出现结构性上升的缘由，鉴于企业碳排放数据、气候适应策略等关键信息于不同市场主体间分布不均衡，投资者难以精准评估气候风险敞口，这种“碳信息不对称”会引发市场扭曲现象。欠缺专业分析能力的散户投资者或许会过度反应，致使股价对气候新闻的敏感度出现异常增高的情况，机构投资者可能借助私有信息进行选择性披露，造成“漂绿”行为泛滥，这种道德风险加剧了市场的不确定性，关键的是，信息不对称视角指出投资者绿色偏好的内生形成进程，随着碳信息披露质量的提升，市场逐步发展出区分“真绿”与“伪绿”企业的能力，这种鉴别机制的完善使得绿色资产的流动性溢价降低，系统性地降低其波动率。3.1.3社会责任理论社会责任理论在20世纪中叶得以形成，它是对传统企业仅仅追求利润最大化这一单一目标的重大改变，该理论的主要观点是企业在追逐经济利益之际，还要承担起对利益相关者以及社会的责任。HowardBowen首次较为系统地阐述了这一理论，还提出企业做决策的时候应该考虑对社会价值观以及福祉所产生的影响。这个理论框架在70年代的时候得到了拓展，形成了有名的“三重底线”原则，也就是经济、社会、环境这三个方面，并且在90年代随着利益相关者理论的不断完善而深化，在理论的演进进程中，Davis提出的“责任铁律”同样有着关键的意义，社会给予企业的权力要和社会责任相匹配，这一观点为理解企业环境责任奠定了法理基础。Carroll于1991年构建的金字塔模型把社会责任划分成了经济、法律、伦理和慈善四个层次，其中环境伦理被看作是现代企业的核心责任维度。社会责任理论也为我们理解投资者绿色偏好的形成机制开辟了新的角度，传统金融学在解释投资者为何甘愿为绿色资产支付溢价这一问题上存在险阻，而基于社会责任理论构建的行为模型则揭示出多种动机，其中有伦理动机，也就是代际公平信念，以及声誉动机，指的是机构投资者所面临的社会压力，另外以及长期价值动机，也可以说是碳定价预期。这些非财务考量因素致使绿色投资呈现出独特的市场特征，Pedersen等（2021）研究发现ESG基金的持股周期为3.2年，是传统基金持股周期的两倍，这种“耐心资本”使得标的股票的周转率波动明显降低。3.1.4信号传递理论信号传递理论是由MichaelSpence于1973年开创性地提出来的，他也因为在信息经济学领域有着杰出贡献，获得了2001年诺贝尔经济学奖，该理论的核心命题就是，在信息不对称的市场环境当中，高质量主体会借助可观测的成本信号主动和低质量主体区分开，Spence最开始是凭借教育市场模型来证明，求职者会凭借获取高等教育文凭这个需要付出真实成本的信号，向雇主传递自身能力的私有信息。这一理论有突破性地解决了Akerlof“柠檬市场”里提出的逆向选择困境，给理解市场信号的筛选功能提供了一个系统框架。在气候金融领域，信号传递理论为理解企业环境信息披露行为也提供了关键分析框架，高质量企业会借助相应方式传递可信的气候承诺，而这些信号可有效缓解“漂绿”疑虑，MSCI研究显示，有上述信号特征的企业在气候危机期间的股价波动率比同业低1.2个标准差。3.1.5行为金融学理论行为金融学理论对传统有效市场假说提出了根本性的质疑，其核心命题是投资者在决策过程中存在系统性的心理偏差，这种偏差致使金融市场出现有可预测性的非理性波动，这一理论体系由Kahneman和Tversky于1979年提出的前景理论奠定基础，随后经过Thaler、Shiller等学者的不断发展与完善。和标准金融学不一样，行为金融学认可市场参与者“有限理性”的本质，觉得资产价格不光反映基本面信息，还覆盖投资者情绪等心理方面的因素，2002年卡尼曼荣获诺贝尔经济学奖，这意味着该理论得到了主流学界的认可。行为金融学也为气候风险定价提供特殊的微观基础，心理会计会致使投资者把气候风险归入“道德账户”，使得碳密集型股票出现估值粘性，而且有限注意力会造成气候信息吸收不充足，碳政策冲击引发的股价调整呈现出“过度反应—回调”的波动模式，像中国A股对于“双碳”政策的反应就存在着3至6个月的认知时滞，此外现状偏好会抑制资产再配置，即便气候风险证据确凿，养老基金对高碳资产的减持速度依旧比模型预测慢40%，这些行为特征共同致使气候风险的金融影响呈现非线性累积特征。行为金融学还揭示出气候风险传导的心理学路径，其一为模糊厌恶的放大效应，当面对气候相关不确定性时，投资者的模糊厌恶倾向会使市场反应大幅放大，在转型风险评估里，因缺少历史数据以及明确标准，投资者对政策变化方向的模糊感知就会引发过度反应。其二是框架效应的调节作用，信息呈现方式会使投资者对气候风险的反应强度产生系统性影响，机构投资者也借助这一效应进行预期管理，把减排目标表述为“范围1+2”而非全价值链披露的企业，使其股价对负面气候新闻的抵抗能力更强，其三是处置效应的扭曲影响，投资者往往倾向于过早卖出盈利的绿色资产，却长期持有亏损的棕色资产，这种行为模式加剧了两类资产的波动率分化。3.2研究假设3.2.1气候风险与股票市场波动在有效市场假说这一理论背景之下，股票价格理应充分地反映出所有可获取到的信息，其中就覆盖了与气候风险相关的数据信息，然而鉴于气候风险本身所有的长期性、复杂性以及不确定性等特点，市场针对其进行定价的时候，有可能出现滞后的情况，亦或是产生过度反应，使得股价波动的状况加剧。从投资者行为这个角度去进行分析，气候风险信息的披露可能会引发市场参与者出现异质性反应，理性的投资者会依据气候风险来对企业未来的盈利能力预期作出调整，要是觉得风险相对较高，那么或许会要求获取更高的风险溢价，又或者是降低自身的持股比例，这样一来就会导致股价波动变得更加剧烈。投资者在面对不确定性状况的时候，也可能呈现出过度反应，或是存在保守偏差，在气候灾害事件发生之后可能会出现恐慌性抛售的行为，或是在政策出现变化的初期会低估其长期影响，使得市场波动被放大，另外机构投资者对于ESG因素越来越重视，可能会针对高气候风险公司采取撤资的策略，这会加大这些股票的流动性风险以及价格波动。气候风险也有多种渠道可以对公司经营稳定性产生影响，物理风险有可能直接对生产设施造成破坏，使得保险以及运营成本增加，转型风险则有可能迫使企业承担更高的合规成本，或者是面临资产减值的情况，这些因素都会让企业盈利的不确定性有所提高，使得股票估值更容易受到市场情绪以及外部冲击的影响。因为气候风险存在行业异质性，市场对于不同企业的风险敞口或许会形成差异化定价，这会加剧个股的波动，基于上述分析，本文提出假设1：H1：面临气候风险越高的公司，股票市场波动越大。3.2.2气候风险、投资者绿色偏好与股票市场波动在全球碳中和进程不断加速以及ESG投资理念逐渐普及的大背景之下，投资者对于气候风险的认知程度持续加深，而这样的认知变化，会对资产定价产生影响，并且可能借助改变市场参与者的交易行为，影响到股价的稳定性。从投资者行为存在异质性这个方面来看，气候变化风险可借助三种机制对股票波动率造成影响。有关气候的信息被披露出来之后，会吸引更多投资者的关注，不过不同投资者对于这些信息的解读并不一样，那些环境意识比较强的投资者，有可能会高估气候风险实际所产生的影响，而传统价值投资者则有可能低估长期转型风险，这样的认知分歧会让交易活跃度提高，价格波动也会更加剧烈。机构投资者的ESG筛选行为有顺周期性，当气候政策收紧或者极端气候事件发生的时候，机构有可能会同时减持高碳资产，这就会造成流动性突然枯竭，价格出现剧烈波动，散户投资者的情绪更容易受到媒体报道的影响，气候风险的负面新闻可能会引发恐慌性抛售，而绿色企业的利好消息则可能会导致过度追捧，这种由情绪驱动的交易行为会加大股价波动。气候变化风险对股票波动率的影响呈现出非线性的特征，高气候风险企业面临的政策不确定性以及技术颠覆风险，会让信息环境的不透明度提高，使得分析师预测分歧以及投资者估值差异增加，这种基本面的不确定性是股价波动的内在驱动因素。此外绿色偏好致使的投资者结构变化，也会对市场稳定性产生影响，随着ESG基金规模的扩大，高气候风险股票的持有者结构从长期价值投资者转变为短期套利者，这类投资者对短期信息更为敏感，交易行为更具投机性，加剧股价波动。而TCFD的完善程度，可能会调节投资者绿色偏好对波动率的影响。信息披露比较完善的企业，可减少市场参与者的认知差异，降低信息不对称所带来的交易摩擦，而披露质量比较差的企业，则会放大投资者的疑虑，在面对气候相关冲击的时候，表现出更为剧烈的价格调整，这种差异可能会造成“披露质量溢价”，也就是说气候信息披露质量与股价波动率呈现出负相关的关系。基于上述理论分析，本文提出假设2：H2：投资者绿色偏好会强化气候变化风险对股票波动率的正向影响，即在投资者高绿色偏好的情况下，高气候风险企业的股价波动率显著增加。3.2.3异质性相关假设在中国独特的制度环境之中，不同所有制企业在应对气候风险时，存在着较为十分突出的资源禀赋差异以及治理结构差异，这些差异有可能借助信息透明度、风险应对能力以及融资渠道等途径，使得气候风险对股票波动率的影响呈现出所有制方面的异质性。国有企业一般享有更为强势的政府隐性担保以及更为丰富的政策资源，当面临气候风险冲击的时候，国有企业可更为迅速地获取政府救助、税收优惠以及低息贷款等支持，切实降低了其经营风险以及市场波动，与之相比，非国有企业欠缺类似的制度保障，在应对极端气候事件或者低碳转型政策时，面临着更大的适应成本，而且非国有企业的外部融资成本更高，当气候风险增加时，其融资约束会收紧，致使投资者对于企业偿债能力以及持续经营能力的担心加剧，放大股价波动。国有企业与非国有企业在气候风险管理方面同样存在着系统性的差异，国有企业一般有更为完善的风险管理体系以及更为严格的监管要求，其气候相关信息披露更为规范且透明，这种治理优势可减少信息不对称的情况，稳定投资者的预期，而非国有企业在公司治理结构方面相对薄弱，气候风险管理机制不够健全，信息透明度较低，容易引发投资者的猜疑与分歧。当气候风险上升时，非国有企业较差的治理表现会强化投资者的负面预期，导致更为剧烈的股价调整过程。机构投资者对于不同产权性质的企业的气候风险也存在着差异化的认知，由于国有企业有政府隐形担保，机构投资者一般觉得其抗风险能力更强，即便面临气候冲击也会维持相对稳定的持股策略。而非国有企业则更容易受到机构投资者ESG投资策略调整的影响，当气候风险上升时，机构投资者可能集中减持非国有企业的股票，这种同步交易行为会较大加剧股价波动。基于上述理论分析，本文提出假设3a：H3a：气候风险对非国有企业的股票波动率的正向影响更为显著。在气候变化不断加剧以及低碳转型进程加速的当下，企业规模作为一项关键的组织特征，或许可借助多种途径对气候风险给股价稳定性造成的影响成效给予调节，大规模企业一般有更为繁杂的供应链网络以及更为广泛的地理分布范围，这样的经营特性致使它们面临着更为系统的气候风险暴露状况。不难看出，大规模企业的运营体系有着更强的风险传导特性，局部出现的气候冲击有可能借助供应链引发一系列连锁反应，放大对企业整体经营所产生的负面作用，与之相比，小规模企业的业务结构相对简单，风险传导路径较短，气候冲击的影响范围相对有限，这种差异致使市场针对大规模企业的气候风险定价更为敏感，使得其股价波动更为明显。尽管大规模企业理论上拥有更多资源用以应对气候风险，但其组织惯性以及转型成本也会更高，大规模企业在面对低碳转型时，其资产结构、技术路径以及商业模式会产生更强的锁定效应，使得转型调整更为险阻。这种“规模不经济”现象会让投资者对大规模企业的气候适应能力产生担心，放大股价波动，相比之下，小规模企业有“船小好调头”的优势，可更为灵活地调整业务结构来应对气候风险。机构投资者对于不同规模企业的气候风险也存在差异化交易策略，大规模企业的股票一般流动性更好，机构投资者可更方便地调整持仓，当气候风险上升时，ESG导向的机构投资者可能集中减持大规模高碳企业的股票，这种同步交易行为会加剧股价波动，而小规模企业由于流动性较差，机构投资者的调仓行为相对谨慎，股价波动较为温和。基于上述理论分析，本文提出假设3b：H3b：气候风险对大规模企业的股票波动率的正向影响更为显著。各个不同行业对于气候风险的暴露程度实际上存在着系统性的差异情况，而这种差异很有可能会借助政策冲击、技术替代以及市场预期等诸多渠道，使得气候风险对于股票波动率所产生的影响呈现出十分突出的行业异质性特征。高排放行业对于气候政策的变动有更为强烈的敏感性，像碳税、排放权交易等这类气候规制政策一旦出台或者进行调整，就会直接使得高排放企业的运营成本有所增加，压缩其利润空间。因为政策变动有突发性以及不可预测性，这种政策风险会较大提升企业经营的不确定性，引发更为剧烈的股价波动，与之相比，低碳排放行业受到气候政策的影响相对比较间接，故而其股价对于气候风险的敏感性也就较弱，世界银行所开展的研究显示，碳定价政策实施之后，高碳企业的股价波动率平均要比低碳企业高出30%，这也就印证了政策敏感性所起到的调节作用。高排放行业也面临着更高的转型风险，承担迫切的技术转型压力，清洁能源技术实现突破性发展很可能会让传统高碳资产提前退役，产生十分突出的“搁置资产”风险，这种技术替代风险有高度的不确定性，投资者很难准确评估其影响程度以及时间节点，这就导致估值分歧不断加大以及交易活跃度有所上升，最终体现为更高的股价波动。机构投资者对于高排放行业也存在着特殊的ESG筛选机制，ESG投资者会系统性地减持或者排除高排放行业的股票，当气候风险有所上升的时候，这种减持行为有可能会形成羊群效应，导致高排放企业股票流动性突然下降以及价格剧烈波动。而低碳行业则有可能会吸引ESG资金持续不断地流入，形成一定程度的“绿色溢价”，以此来缓冲气候风险所带来的冲击。基于上述理论分析，本文提出假设3c：H3c：在高排放行业，气候风险对股票波动率的正向影响更为显著。在中国区域发展不均衡的状况之下，东部地区因为其自身独特的经济结构以及气候特征，或许会让气候风险对资本市场产生的影响呈现出与其他地区明显不一样的作用机制，东部地区聚集了大量的制造业企业以及高新技术企业，这些行业对于气候条件的变化更为敏感。制造业密集区域内的企业供应链网络更为复杂，当遭遇极端气候事件的时候，通过产业集聚产生的连锁反应也会更为强烈，国家统计局的数据说明，东部地区制造业企业数量在全国所占的比重超过60%，这样的产业结构特征致使该地区企业面临的气候风险传导效应更为突出。相比较而言，西部地区以资源型产业作为主要产业，东北地区以重工业作为主要产业，它们的生产活动对气候变化的敏感度相对较低。东部地区面临的气候风险类型更加多样，气象数据显示，东部沿海地区同时面临台风、风暴潮等海洋性气候风险以及极端降水等内陆气候风险这两种威胁，这种复合型气候风险加重了企业经营环境的不确定性，多重气候风险的交互作用会产生大于“1+1>2”的放大效应，致使投资者对企业未来现金流预测的险阻程度大幅上升，引发更为剧烈的股价波动。此外，东部地区资本市场更为发达，市场效率更高，在市场化程度比较高的区域，信息传递更为迅速且充分，投资者对气候风险信息的反应更为敏感及时，深交所研究报告显示，东部地区上市公司分析师覆盖度是西部地区的2.3倍，这种市场关注度差异致使气候风险信息在中东部地区可更快且更充分地反映在股价中，表现为更大的波动幅度。机构投资者在东部地区的持股比例更高，其ESG投资理念的实践会放大气候风险对股价的影响，从政策执行力度方面来看，东部地区对“双碳”政策的落实更为严格，生态环境部数据显示，东部省份的碳排放权交易活跃度明显高于其他地区，碳价波动更为频繁，这种政策执行强度的区域差异使得东部企业面临更强的气候政策不确定性，根据政策不确定性理论，这种不确定性会较大提升企业的合规成本和转型风险，反映为更高的股价波动率。基于上述理论分析，本文提出假设3d：H3d：在我国东部地区，气候风险对股票波动率的正向影响更为显著。研究设计4.1样本选择与数据来源本文选取2010年1月至2023年12月中国A股上市公司的财务数据以及中国各地级市的气候数据，从地理和气候多样性的层面而言，中国地域广袤，跨越多个气候带，囊括热带、亚热带、温带以及高原寒带等，这种十分突出的地域气候差异为剖析不同气候风险对企业股票波动率的影响提供了丰富的样本基础，有利于提升研究结论的可靠性与外部有效性。从经济与气候风险的关联角度出发，中国作为全球最大的新兴经济体之一，面临着严峻的气候变化挑战，以中国A股上市公司作为研究对象，可深入考察气候风险对微观企业的影响机制，也能为政策制定者和企业管理者提供更具实践价值的决策依据，在数据选取方面，鉴于1973年之前全球气象观测网络尚不完善，中国境内的气象站点稀疏且数据连续性较差，本研究将样本期限限定为1973年之后的气候数据，以保障数据的完整性、准确性与可比性，提高实证分析的科学性。在样本处理方面，本研究排除了金融公司以及ST、PT公司，对连续变量进行了1%的缩尾处理，最终得到公司—年度观测值共计34473个，本研究的公司股票波动率源自Wind数据库，公司规模、上市年龄、资产负债率等公司层面控制变量均来自CSMAR数据库，气候风险变量的文本数据抓取于WinGo财经文本数据平台。4.2变量选择与说明4.2.1气候风险指标构建科学度量企业层面气候风险是本文实证研究的关键。本文基于企业年度财务报告利用文本挖掘技术和机器学习算法构建适合中文语境下企业层面的气候风险度量指标。具体而言，核心解释变量气候风险（CliRisk）的度量，包括气候风险初始词集选取→气候风险相似词扩充→气候风险指标测算与有效性验证等三个步骤。①气候风险初始词集选取。首先，本文对于Sautner等（2023）和Li等（2020）文献中披露的气候变化风险初始英文词汇运用有道翻译工具进行英译中翻译识别；其次，剔除词义明显不符合中文语境下气候变化风险的词汇；再者，人工对照百余份不同年份、不同行业企业的年度财务报告对语义模糊的词汇进行二次确认；最后，结合《中国气象灾害年鉴》、国家气象科学中心数据对气候风险初始词集进行最终核验和确认。经上述步骤得到的气候风险初始词集不仅避免了直接翻译的主观性，而且符合中文实际语境。②气候风险相似词扩充。由于在不同文本中可能使用语义相近的不同词汇对同一语义进行描述，为了进一步增强初始词集的全面性和客观性，本文采用基于神经网络的自然语言机器学习模型Word2Vec模型对初始词集进行扩充。根据相似度排序结果，得到96个最相似的气候风险词汇作为最终的气候风险词集，如表4-1所示。表4-1气候风险词集气候风险（96个）灾害地震台风海啸节能能源恶劣内涝大风沙尘环境转型水灾风暴泥石流滑坡核电风电旱灾洪涝暴雨龙卷风再生减排雨雪冰冻暴雪冻害燃料节水强降雨洪水严寒风沙电耗能耗潮湿水温降温寒冷清洁生态温度雨水雨季雨情太阳能升级多雨极寒冬季汛期天然气增效水位光照缺水高寒环保绿色地下水汛情地表蓄水光伏高效旱涝极端气候天气风电光伏飓风霜冻气温降雨效能集约凌冻雪灾降水阴雨循环利用率冰雹洪灾高湿水情燃油效率干旱旱情寒潮沉降低碳降耗臭氧冰雪③气候风险指标测算。相较于目标词集总频数或其对数值，采用目标词集总频数占文本总词数的比例能够降低文本容量对所衡量指标有效性的潜在影响。鉴于此，本文采用企业年报中出现气候风险词集中词汇的总频数除以该企业年度财务报告总词汇数作为企业气候风险（CliRisk）的代理指标。该指标值越大，表明企业面临相关气候变化风险的水平越高。4.2.2被解释变量参照鉴巴曙松和朱虹(2016)的研究，在基准模型中本文考虑利用上市公司股票的日度数据计算日度股票收益率的标准差，从而得到其年度股票的波动率（VOVALL）。该变量用以衡量股票价格在一定时期内的波动幅度，反映投资风险水平。本研究采用经市场调整的年度化日收益率标准差进行测算，该指标能有效捕捉企业特定风险，避免系统性因素的干扰。作为被解释变量，股价波动率能够灵敏反映市场对企业气候风险暴露程度的定价。4.2.3中介变量本文选用各公司“绿色投资者持股比例”这一变量，用以衡量投资者的绿色偏好。参考王辉等（2022）所开展的研究，本文运用了一种方式去识别以及分析上市企业的绿色投资者，具体的步骤如下：把“基金主体信息表”和“股票投资明细表”进行数据整合，借此构建出一个详细清单，这个清单涉及了哪些基金对特定上市公司进行了投资，然后对每一家基金的投资策略展开人工审查，着重关注其声明的“投资目标”以及“投资范围”里是否提到了和环境保护与可持续发展相关的关键词，像“环保”“生态”“绿色”“新能源开发”“清洁能源”“低碳”“可持续”“节能”等。要是在某基金的官方文件里发现了这些关键词，便将其认定为该上市企业的绿色投资者。该变量用于衡量机构投资者里绿色投资者的持股比重，体现企业所面临的环保监督压力以及市场关注度。该变量通过改变气候风险对股价波动的传导强度发挥调节作用，当绿色投资者持股较高时，可能通过更严格的信息披露要求和长期价值导向，放大市场对气候风险的定价敏感性。4.2.4控制变量在选择控制变量时本文参考了李博阳等（2024）以及杜剑等（2023）的研究，本文挑选了一系列在企业层面的关键的控制变量，囊括公司规模、上市年龄、资产负债率、总资产净利润率、账面市值比、独董比例、董事会规模以及股权集中度。公司规模是借助企业总资产的自然对数来加以衡量，以此反映企业整体的经营规模大小，上市年龄是指公司从IPO开始到观测年度所经历的年限，可用来体现企业成熟度，资产负债率是总负债与总资产的比值，可用来衡量企业财务的杠杆水平高低，总资产净利润率是净利润和总资产的比率，能够反映出资产盈利能力，账面市值比是账面价值与市场价值的比值，可用于评估价值投资特征情况，独董比例指的是独立董事占董事会总人数的比例，能体现公司治理的独立程度，董事会规模按照董事会总人数来计量，反映出决策机制的复杂程度，股权集中度以前十大股东持股比例之和来衡量，可表征公司控制权的分布状况。表4-2主要变量定义变量属性变量名称变量符号变量描述被解释变量股票波动率VOVALL中证全指日收益率的月度标准差解释变量气候风险CliRisk气候风险词集中词汇的总频数除以年报总词汇数控制变量公司规模Size总资产的自然对数上市年龄Age会计年份与企业上市年份之差加1取对数资产负债率Lev负债总额与资产总额之比总资产净利润率ROA净利润与总资产余额之比账面市值比BMR资产总额与企业市值之比独董比例Indep独立董事数量与董事会人数之比董事会规模Board董事人数加1的自然对数股权集中度Sharehold公司第一大股东持股比例调节变量绿色投资者持股比例Inprop上市企业的绿色投资者持股比重4.3模型构建在检验企业气候风险对股票波动率的影响时，需要剔除地理环境因素和企业自身的一些特性对回归产生的影响。企业所处的地理位置、所在地区特有的风俗习惯以及企业本身的特质均有可能对企业股票波动率产生影响，而这些影响可能与气候风险无关。若不对企业的个体进行控制，就会导致回归系数估计产生误差，故本回归模型加入个体固定效应。此外，为了消除因时间变化而产生的共同趋势以及波动的影响，本回归模型还加入了时间固定效应。为验证本文假设，本研究参考了Dell等（2012），Huang等（2018）和SimingY等（2022）构建的回归模型，在基准检验中以股票波动率（VOVALL）为被解释变量、气候变化风险（CliRisk）为核心解释变量，构建如下双向固定效应模型：VOVALL式（1）中，i表示企业，t表示年份，α0为截距项，β1为核心解释变量气候变化风险对应的系数估计值，β为控制变量对应的系数估计矩阵，λt表示不因个体而改变的时间固定效应，μi表示不随时间改变的个体固定效应，实证分析5.1描述性统计与相关性分析5.1.1描述性统计表5-1展示的是主要变量的描述性统计结果，股票波动率（VOVALL）的平均值是12.806，这意味着在2010年1月至2023年12月期间，中国A股上市公司股票波动率的平均波动幅度大概为12.81%，其中位数为11.277，略微低于平均值，波动率分布呈现出右偏的特征，也就是说有部分高波动率的上市公司使得整体平均水平被拉高。部分高风险公司大多时候呈现出异常高的股价波动性，也就是说这样的分布特征与A股市场的实际状况相契合，标准差达到了6.717，这体现出不同上市公司之间的股票波动率存在较大的差异，结合最大值44.463和最小值4.049来看，波动率的极差高达40.414，这证实了A股市场个股波动特性存在较大的分化。气候风险指数（CliRisk）的平均值为0.179，在2010年1月至2023年12月期间，A股上市公司所面临的气候风险整体处于中等偏下的水平，其中位数为0.117，明显低于平均值，也就是说大部分公司的气候风险较低，但存在少数高气候风险公司拉高了整体平均水平，气候风险指数分布呈现出较大的右偏特征。标准差达到0.189，反映出不同上市公司之间的气候风险暴露存在较大差异。结合最大值1.049和最小值0.020来看，极差高达1.029，表明A股市场中不同企业对气候风险的敏感度差异显著。控制变量方面，公司规模（Size）的平均值为22.227，中位数为22.020，两者相对接近但平均值略高，表明A股上市公司规模整体呈现轻微右偏分布特征。这一结果反映出多数上市公司集中在中等规模区间，分布形态相对均衡，未出现严重偏态。其标准差为1.308，相对较小，说明中国A股上市公司规模差异相对可控，市场已形成较为稳定的规模结构。但极差达到6.350，表明仍存在显著的大小企业差异。上市年龄（Age）平均值为9.483年，中位数为7年，呈现显著右偏分布。这表明多数公司集中在较短上市年限区间，且市场结构呈现“多数新生代+少数元老级”的特征。资产负债率（Lev）均值为0.398，标准差为0.198，中位数为0.388，最小值为0.051，最大值为0.847。总资产净利润率（ROA）均值为0.053，标准差为0.040，中位数为0.045，最小值为0.002，最大值为0.197。账面市值比（BMR）均值为0.627，标准差为0.246，中位数为0.626，最小值为0.126，最大值为1.189。独董比例（Indep）均值为37.574，标准差为5.292，中位数为37.360，最小值为33.330，最大值为057.140。董事会规模（Board）均值为8.496，标准差为1.629，中位数为9，最小值为5，最大值为14。股权集中度（Sharehold）均值为34.935%，中位数为32.974%，呈现轻微右偏分布。这表明多数上市公司股权集中度集中在30%-35%区间，中国上市公司总体上呈现“相对集中型”股权结构。其标准差达14.929%，结合极差65.873%，表明股权结构存在显著差异。最大值为74.658%，多为国有绝对控股企业或家族绝对控股民营企业。表5-1描述性统计变量名称观测数均值标准差中位数最小值最大值VOVALL3447312.8066.71711.2774.04944.463CliRisk344730.1790.1890.1170.0201.049Size3447322.2271.30822.02019.96026.310Age344739.4837.8317.0000.00028.000Lev344730.3980.1980.3880.0510.847ROA344730.0530.0400.0450.0020.197BMR344730.6270.2460.6260.1261.189Indep3447337.5745.29237.36033.33057.140Board344738.4961.6299.0005.00014.000Sharehold3447334.93514.92932.9748.78574.6585.1.2相关性分析表5-2显示的是主要变量之间的相关性分析统计结果，从Pearson检验结果可以看到解释变量气候风险（CliRisk）与被解释变量股票波动率（VOVALL）的相关系数为0.038，在1%水平上显著为正，表明气候风险与股票波动率有着密切的正相关性。根据表中数据可以观察到，所有变量间的相关系数都保持在0.6以下，这一结果表明本文所构建的回归模型并未出现严重的多重共线性问题。表5-2相关性分析VOVALLCliRiskSizeAgeLevROABMRIndepBoardShareholdVOVALL1CliRisk0.038***1Size-0.207***0.244***1Age-0.183***0.077***0.447***1Lev-0.076***0.182***0.545***0.363***1ROA0.067***-0.085***-0.115***-0.198***-0.404***1BMR-0.324***0.194***0.503***0.194***0.367***-0.355***1Indep0.013**-0.03