关于中国上市公司价值链碳足迹的学术研究报告
本研究由厦门大学环境与生态学院、海洋环境科学国家重点实验室的张增凯（Zengkai Zhang），天津大学管理与经济学部的李娇艳（Jiaoyan Li），以及清华大学地球系统科学系和伦敦大学学院巴特利特建设与项目管理学院的关大博（Dabo Guan）教授共同完成。研究成果于2023年发表在 Nature Communications 期刊上（文章链接：https://doi.org/10.1038/s41467-023-38479-5）。
一、 研究背景与目标
本研究属于环境经济学、产业生态学与气候变化减缓的交叉领域。随着全球应对气候变化行动的深入，企业的碳足迹核算，特别是涵盖整个价值链（包括上游供应商和下游客户）的间接排放（即范围三排放，Scope 3），正变得至关重要。上市公司作为经济活动的重要参与者和资本市场的主体，其碳足迹管理对于实现国家层面的气候目标（如中国的“双碳”目标）和引导资本进行气候友好型配置具有关键作用。
然而，上市公司在核算其价值链碳足迹时面临巨大挑战。传统的基于企业自下而上（bottom-up）的核算方法（如过程生命周期评估，process LCA）复杂、不系统，且难以获取供应链上下游所有环节的精确排放数据。根据碳披露项目（Carbon Disclosure Project, CDP）的数据，2021年中国仅有1.7%的上市公司提供了全面的气候变化报告。这种信息缺失或不准确的问题，严重阻碍了投资者评估气候风险和企业制定有效的减排策略。
因此，本研究旨在填补这一空白，核心目标是：开发一种适用于大规模企业群体的自上而下（top-down）核算框架，系统性地评估2010年至2019年间所有中国上市公司的完整价值链碳足迹（包括范围一、范围二和范围三排放），揭示其总量、结构、行业分布及随时间的变化趋势，并应用该结果评估主要资产管理机构在中国股市股权投资所对应的“融资排放”（financed emissions）。
二、 详细研究流程与方法
本研究主要包含以下几个步骤，其核心是基于经济投入产出生命周期评估（Economic Input-Output Life Cycle Assessment, EIO-LCA）方法的创新性拓展。
1. 方法框架构建与数据基础 本研究没有采用传统的实验或调查方法，而是基于宏观经济数据和公司公开信息，构建了一个综合性的核算模型。 * 理论基础：研究采用了温室气体核算体系（GHG Protocol）推荐的EIO-LCA方法作为基础。传统的EIO-LCA基于列昂惕夫投入产出（Leontief Input-Output, IO）框架，适用于评估最终需求相关的“从摇篮到大门”的环境影响。但该方法可能低估一个公司产品在被其他企业进一步加工的下游价值链中蕴含的碳排放。 * 方法创新：为了克服传统方法的局限，本研究整合了假设提取法（Hypothetical Extraction Method, HEM）与统一的投入产出框架。HEM允许将特定部门（此处对应上市公司）从整个经济系统中“提取”出来，从而能够同时捕捉其产出在上游（生产前阶段）和下游（生产后阶段）所引致的全部碳排放。这是本研究方法学的关键创新点，使其能够更完整地核算一个公司在其整个价值链网络（而不仅仅是面向最终消费的部分）中的碳足迹。 * 数据来源： * 投入产出表：采用中国国家统计局发布的2012年和2017年省级多区域投入产出表（Multi-Regional Input-Output, MRIO），并假设2010-2014年和2015-2019年两个时间段内的经济结构和技术水平分别与2012年和2017年相近。 * 碳排放数据：使用中国碳排放数据库（CEADs）提供的年度分行业、分省份的二氧化碳排放数据。 * 上市公司数据：从中国上市公司年度报告中获取所有约3800家上市公司的营业收入、行业分类和地域信息。将每家公司的营业收入匹配到MRIO表中的相应地区和行业部门。 * 资产管理机构数据：从Thinking Ahead Institute等来源获取领先的国内外资产管理机构名单及其在中国股市的股权投资组合数据。
2. 上市公司价值链碳足迹核算流程 * 核算单元：以每家上市公司为一个核算单元。 * 处理过程：将每家公司的营业收入作为其经济产出的代理变量，代入到整合了HEM的EIO-LCA模型中。模型通过数学公式（文中公式1-5）进行计算，将公司的总碳足迹分解为以下几个部分： * 直接排放（范围一，Scope 1）：公司自身运营中燃烧化石燃料等产生的排放。 * 间接排放（价值链碳足迹）： * 上游排放：公司因采购货物和服务而引发的其供应商（及其供应商的供应商……）的排放。这进一步可细分为： * 外购电力和热力相关排放（范围二，Scope 2）。 * 其他上游排放（范围三上游部分，Scope 3 upstream）。 * 下游排放：公司产品被其客户（及其客户的客户……）使用或进一步加工过程中产生的排放（范围三下游部分，Scope 3 downstream）。 * 为避免重复计算，模型还剔除了上游和下游足迹中可能重叠的部分（公式中的“重复项”）。 * 结构路径分析：该方法的另一个优势是能够整合结构路径分析（Structure Path Analysis）。这使得研究能够追踪碳排放具体蕴含在价值链的哪个层级（例如，第一层供应商、第二层供应商……；第一层客户、第二层客户……），从而更精细地揭示碳足迹的分布结构。
3. 融资排放评估流程 * 研究对象：选取了国内前十和国外前五的领先资产管理机构（共15家），评估其2019年在中国股市的股权投资组合所对应的碳足迹。 * 处理过程：根据每家资产管理机构持有的各上市公司股票市值占该公司总市值的比例，将该公司总碳足迹（本研究计算所得）按比例分配给该投资者。将所有投资对象的分配排放加总，即得到该资产管理机构的“融资排放”总量和排放强度（单位投资金额对应的排放量）。同时，分析其投资组合的行业构成变化。
4. 数据分析工作流程 * 时间序列分析：计算2010-2019年每年所有上市公司碳足迹的总量、直接与间接排放比例、以及占全国排放的比例，并分析变化趋势。 * 行业与公司层面分析：按八大行业（如电力、重工业等）汇总碳足迹，识别高排放行业。识别上游和下游碳足迹总量最高的前十名上市公司，并计算其碳足迹强度（单位营收的碳排放）。 * 价值链结构分析：选取石油、煤炭、设备制造、钢铁、建筑和金融六个关键行业的代表性公司，利用结构路径分析展示其碳足迹在上、下游各层级的分布情况。 * 融资排放分析：比较不同资产管理机构的融资排放总量和强度，分析其十年变化趋势，并分解为“规模效应”（投资总额变化）和“强度效应”（投资组合碳强度变化）进行解读。
三、 主要研究结果
1. 上市公司碳足迹总量与趋势（2010-2019） * 总量与占比：2019年，中国上市公司的直接排放达19亿吨，占全国排放的18.3%。而其间接排放（价值链排放）在2010-2019年间始终超过直接排放的两倍以上。2019年，上市公司价值链碳足迹总量达到64亿吨的峰值。 * 变化趋势：上市公司碳足迹总量变化与全国排放趋势基本一致，在2013年达到第一个峰值（53亿吨），2015年因股市波动略有下降，之后回升并在2019年达到第二个更高峰值。值得注意的是，上市公司直接排放占全国排放的比重从2010年的11.8%上升至2019年的18.3%，表明上市公司在中国经济排放中的直接影响力在增强。 * 行业贡献：电力行业是上市公司碳足迹的最大来源（2019年占52.9%），其次是重工业（32.0%）。商业与交通、采矿等行业占比较小。这表明，推动电力行业绿色转型和重工业节能降碳，对于降低上市公司整体碳足迹至关重要。
2. 重点上市公司碳足迹分析 * 上游碳足迹Top 10：2019年，上游碳足迹最大的公司主要集中于石油化工和建筑业，如中国石油化工股份有限公司、中国建筑股份有限公司、中国石油天然气股份有限公司。这些公司的生产活动严重依赖上游原材料。研究还发现，这些公司的上游碳足迹总量在2010-2019年间有所增加，但其碳足迹强度（单位营收的排放）呈下降趋势，例如中国建筑从182.9吨/百万元降至117.1吨/百万元。 * 下游碳足迹Top 10：下游碳足迹最大的公司主要是能源公司（如中国石油、中国神华）和金融机构（如中国工商银行）。这是因为能源公司的产品（如石油、煤炭）被下游大量消耗，而金融机构通过贷款和投资支持了各类生产活动，其“融资排放”被计入下游足迹。这凸显了能源清洁利用技术和绿色金融导向的重要性。 * 价值链分布结构：对六个行业代表性公司的分析显示： * 石油（中国石油）：直接排放占其总足迹的19.1%，下游第一层（主要是电力、制造业）排放占比最高。 * 煤炭（中国神华）：直接排放占比高达39.2%，下游排放也高度集中于第一层的电力公司。 * 设备制造（三一重工）：直接排放有限，碳足迹主要集中在上游供应链，且第二、三层供应商的排放贡献也相当可观（第二层占23.4%），说明减排行动需延伸至次级供应商。 * 钢铁（宝山钢铁）：直接排放和上游排放占比均很高。 * 建筑（中国建筑）：碳足迹的95.1%来自上游价值链。 * 金融（中国工商银行）：碳足迹几乎全部集中在下游价值链，尤其是电力行业。 这些结果表明，碳足迹的结构与公司在价值链中的位置（上游度）密切相关。上游企业（如采矿）下游足迹大，下游企业（如建筑）上游足迹大。
3. 资产管理机构融资排放评估结果 * 总量差异显著：2019年，不同资产管理机构的融资排放量差异巨大。国内的中国资产管理公司融资排放最高（3420万吨），而德国的安联集团仅40万吨。这主要源于其在中国股市投资规模的巨大差异。 * 投资结构影响：投资结构对排放强度影响显著。例如，博时基金的投资规模仅比工银瑞信基金大1.2倍，但由于其更倾向于投资化石燃料开采和金属冶炼等高碳行业，其融资排放是后者的两倍，排放强度也高出46.2吨/百万元。 * 趋势与驱动因素：过去十年，大多数资产管理机构的融资排放总量有所增加，尤其是外资机构，因其在中国股市的投资规模快速增长（如先锋领航集团的投资和融资排放增长了二十倍）。然而，从排放强度看，所有机构的融资排放强度均呈下降趋势，且外资机构的下降幅度更为明显。例如，先锋领航的排放强度从386.6吨/百万元降至225.8吨/百万元。 * 原因分析：外资机构更积极地遵循绿色投资原则（如签署“气候行动100+”倡议），在过去十年中显著减少了对化工等高碳行业的投资，并增加了对制造业等相对低碳行业的投资。相比之下，国内资产管理机构的投资流向低碳化的趋势相对较弱。
四、 研究结论与意义
本研究得出结论：中国上市公司的价值链碳足迹巨大且呈增长趋势，其中间接排放远高于直接排放。能源、建筑和金融类公司具有显著的碳足迹，但其结构分布迥异。基于此数据库评估发现，国内外资产管理机构的融资排放差异显著，且外资机构在降低投资组合碳强度方面表现更为积极。
本研究的价值体现在多个层面： * 科学价值：方法学上，通过整合HEM与IO框架，提出了一个能够系统、完整核算企业（尤其是大型企业群体）全价值链碳足迹的自上而下模型，解决了传统方法在核算下游排放和进行多层级追溯时的不足。 * 应用价值： * 对企业：为上市公司（尤其是缺乏供应链数据的企业）提供了核算和披露其范围三排放的补充性工具和基准数据。帮助公司识别其碳足迹热点（在上游还是下游，在哪个层级），从而制定更有针对性的减排策略（如与特定层级的供应商合作、开发清洁技术、调整产品结构）。 * 对投资者与金融机构：提供了评估股权投资气候风险和“融资排放”的关键数据基础。有助于投资者践行责任投资，将资本引导至低碳领域，管理自身投资组合的气候风险。 * 对政策制定者：揭示了上市公司在中国整体碳排放中的关键角色，以及通过价值链协作实现大规模减排的潜力。为设计基于价值链的碳减排政策、绿色金融标准以及企业气候信息披露要求提供了实证依据。
五、 研究亮点
六、 其他有价值内容
研究在讨论部分指出了未来可拓展的方向：1) 将本框架应用于其他国家的上市公司；2) 采用能区分企业异质性的投入产出表（如Analytical AMNE数据库）或混合LCA方法，以提高对单个公司核算的特异性；3) 分析更多因素（如地理位置、所有权性质、市值）对碳足迹结构的影响；4) 评估其他类型投资者（如个人投资者）的融资排放；5) 基于碳足迹数据进一步评估上市公司及其投资者所面临的气候转型风险。这些方向为后续研究提供了清晰的路线图。