基于碳排放调整的投资组合选择：一项反事实分析研究学术报告

一、 研究主体、发表信息及研究背景

本研究由来自摩洛哥穆罕默德六世理工大学非洲商学院（UM6P - Africa Business School）的三位研究人员Mohammed Kharbach、Amine Ben Amar*和Hafid Lalioui共同完成。他们的研究成果以题为《碳调整投资组合选择：一项反事实分析》（”Carbon-adjusted portfolio selection: a counterfactual analysis”）的学术论文形式，发表在《经济学快报》（Economics Letters）期刊2025年的第246卷上。

学术背景与研究动机：本研究属于金融学与环境经济学交叉领域，具体聚焦于可持续金融（Sustainable Finance）和投资组合管理（Portfolio Management）范畴。研究的核心背景是应对全球气候变化挑战，特别是《巴黎协定》确立的温控目标所驱动的全球经济脱碳（Decarbonization）转型。在此背景下，监管机构正探索各种政策工具，以引导资本远离高碳资产，促使资本市场将气候风险（Climate risk）——正如贝莱德（Blackrock）董事长拉里·芬克所言“气候风险即是投资风险”——内部化（Internalize）。碳税（Carbon tax）是其中一项备受讨论但监管者仍显犹豫的潜在工具。然而，股东（投资者）层面的碳税将如何影响投资决策、投资组合结构及其财务表现，尚缺乏清晰的实证依据。因此，本研究旨在通过一个反事实（Counterfactual）分析框架，模拟在监管者对股东投资收益征收碳税的不同严格程度场景下，投资者的行为变化及其投资组合的表现，并将其与传统均值-方差（Mean-variance）投资组合进行比较。研究目标明确为两点：（1）探究投资者在面临与其投资公司的碳足迹（Carbon footprint）成比例的碳税时，可能采取的投资组合配置策略；（2）比较这种碳调整策略与传统均值-方差策略的表现。

二、 研究设计与详细工作流程

本研究遵循一个清晰的定量分析工作流程，主要包括以下几个步骤：

第一步：构建碳调整投资组合（Carbon-adjusted Portfolio, CAP）模型。 研究采用了一个单期（One-period）投资组合模型。投资者期初在M个风险资产中进行选择，并假设每年进行再平衡。研究的核心创新在于修改了传统的均值-方差优化问题，将碳成本内嵌到投资者的决策函数中。具体而言，投资者面临的优化问题被设定为在给定目标收益约束下，最小化投资组合的收益方差。关键在于，模型中对资产收益率和协方差矩阵进行了“碳调整”： * 碳调整收益率：资产的原始收益率向量r被调整为rc = r - αθ。其中，θ是碳成本向量，其分量θi = pc * qc_i / vi，代表第i家公司的单位碳成本。这里，pc是碳价格，qc_i是公司的温室气体排放量（以二氧化碳当量计），vi是公司的市场价值。α是关键的政策参数，代表监管者将碳成本转嫁给投资者收益的程度。 * 碳调整协方差矩阵：σc同样考虑了碳税对资产收益的影响。 * 政策场景设定：研究设定了三种监管严格程度不同的场景，以模拟不同的政策压力： * 宽松监管（α = 0）：不征收碳税，模型退化为传统均值-方差模型（MVP），作为基准对照组。 * 严格监管（α = 1）：碳成本完全（100%）转嫁给投资者收益。 * 严苛监管（α = 10）：转嫁给投资者的碳税是公司碳足迹价值的十倍，这极大地放大了惩罚力度。 模型的约束条件包括投资组合权重非负、权重和为1，以及投资组合的预期收益率必须至少等于一个“朴素”（Equally-weighted）等权重组合的收益率。该优化问题使用非线性广义简约梯度迭代算法求解，得到最优权重φ*c。

第二步：数据收集与处理。 研究的数据集涵盖了2010年1月1日至2023年12月29日期间。 1. 研究对象与样本：研究选取欧洲斯托克50指数（Euro Stoxx 50）的成分股公司作为投资标的。选择这些公司的原因在于欧盟有严格的环境信息披露法规（如企业可持续发展报告指令CSRD和欧盟排放交易体系EU ETS），其温室气体排放数据相对透明可信。样本公司数量随年份略有变化（从2010年的32家逐步增加到2020年及以后的50家），具体构成详见表1。 2. 数据种类与来源：所有数据均来自彭博社（Bloomberg）。 * 财务数据：包括公司股票的日度价格和日度市值（作为公司市场价值vi的代理变量），用于计算日度收益率。 * 环境数据：公司年度范围的温室气体排放量（GHG emissions），涵盖范围1（直接排放）和范围2（间接排放，来自外购能源），单位为公吨二氧化碳当量（CO2e）。范围3（价值链其他间接排放）因数据不完整而未纳入。 * 碳价格数据：采用欧盟碳排放配额（EU Allowance, EUA）的日度现货价格作为碳价格pc的代理变量，因其自2010年起数据可得。 3. 数据处理方法：由于碳排放数据是年度频率，而碳价格和股票数据是日度频率，研究采用了一种计算方法来估算日度碳税成本θi,t。具体公式为：θi,t = [1 + (pc_t * qc_i,y / vi,t)]^(¹⁄₂₅₂) - 1。这一处理旨在将年度碳成本合理地分摊到每个交易日。

第三步：模型求解与结果分析。 对于每个研究年份（2010-2023），在三种不同的α值（0, 1, 10）场景下，分别运行碳调整投资组合优化模型，计算得到最优的投资组合权重配置（结构）。然后，基于这些权重和实际市场数据，计算每个投资组合的绩效指标，主要包括： * 投资组合收益（Rp） * 投资组合波动率（σp） * 夏普比率（Sharpe Ratio, SR）：即单位波动率所获得的超额收益（Reward-to-volatility ratio），是衡量风险调整后收益的关键指标。 此外，研究还计算了在严格（α=1）和严苛（α=10）场景下，投资组合所产生的理论碳税收入（Tax Revenue, TR = φ*ct ⋅ αθ），并分析了α值变化对税收收入的非线性影响。

第四步：敏感性分析。 研究通过观察不同α值下投资组合结构（权重）、夏普比率和税收收入的变化，系统地分析了投资组合结构与绩效对碳税的敏感性。特别关注了在碳价格自2020年中开始上升的趋势下，严苛监管场景（α=10）对绩效影响的加剧效应。

三、 主要研究结果

研究的核心结果通过表2、表3以及图1、图2进行了详细展示，可以归纳为以下几个方面：

1. 碳税对投资组合结构的影响甚微。 对比α=0（MVP）和α=1（CAP）的投资组合权重配置（表2），结果显示，引入碳税并未导致投资组合结构发生显著改变。在许多年份，两者的资产配置权重完全相同或差异极小。即使在严苛监管场景（α=10，表3）下，投资组合结构相较于α=1时也只有轻微调整，并未发生颠覆性的资产轮换。作者提供了两种解释：首先，由于碳成本是通过除以公司市值进行标准化的，计算出的碳税金额相对较小，这从机制上限制了其对配置决策的影响。其次，模型设定了不低于等权重组合收益的目标收益约束，在碳税适中且目标收益要求较高的情况下，投资者为最大化回报，倾向于维持相似的资产配置。

2. 碳税对投资组合绩效的影响具有门槛效应，且与碳价趋势相关。 * 严格监管场景（α=1）：碳调整投资组合（CAP）的夏普比率与传统均值-方差投资组合（MVP）非常相似，在某些年份略低（例如2015, 2022, 2023年），但差异不大（表2）。 * 严苛监管场景（α=10）：碳税对投资组合绩效的影响变得相对明显。特别是在2021、2022和2023年，夏普比率出现了更大幅度的下降（表3）。研究将这一现象与同期碳价格的上涨趋势（图1）联系起来。碳价格上涨放大了碳调整收益率的负向调整（rc = r - αθ），从而对投资组合净收益产生了更大的下行压力。由于投资组合波动率基本保持不变，夏普比率因此下降。这表明，只有当碳税惩罚力度（α值）足够大时，才会对投资者的风险调整后收益产生相对显著的影响。同时，如果高碳排公司的股票能提供高回报，那么即使略微降低其配置权重，也可能导致错过盈利机会，这解释了某些年份CAP夏普比率相对较低的原因。

3. 监管严格程度对碳税收入的影响是非线性的，且逐年波动。 图2展示了严苛监管（α=10）与严格监管（α=1）下的碳税收入之比。结果表明，α值从1增加到10，并不意味着税收收入同比例（10倍）增加。税收收入的增长可能是成比例的、超过比例的，也可能是低于比例的。这揭示了政策参数（α）与最终政策效果（税收）之间存在复杂的非线性关系，税收收入不仅取决于税率（α），还取决于碳价格（pc）、公司排放量（qc_i）以及投资者在优化后形成的投资组合权重（φ*c）之间的动态互动。

四、 研究结论与意义

本研究的核心结论是：在股东层面征收与投资组合碳足迹成比例的碳税，只要税率不是过高，对投资组合结构的影响可以忽略不计，对投资组合绩效（以夏普比率衡量）的影响也相对有限。这一结论具有双重政策含义： 1. 乐观面（支持征税）：这表明对股东征收碳税可以成为监管者和政策制定者一个可行的政策选项。因为至少在理论上，这种税制在不过度惩罚的情况下，似乎不会对股东的经济收益造成重大不利影响。因此，实施此类税收可以部分地服务于经济脱碳目标，而不会显著损害股票市场的吸引力。 2. 谨慎面（质疑效果）：碳调整投资组合与传统投资组合结构的高度相似性也意味着，按照本研究定义和计算的碳税，如果维持在适中水平，可能不足以诱导投资者行为发生重大转变。高碳排公司，特别是那些能提供较高财务回报的公司，可能继续在投资组合中占据主导地位。要实现投资流向的根本性改变，可能需要更激进的政策措施。

五、 研究亮点与特色

1. 新颖的研究视角与反事实框架：研究创造性地构建了一个“反事实分析”场景，模拟了尚未广泛实施的股东级碳税政策，为评估此类政策的潜在影响提供了前瞻性的量化工具。模型直观且易于实施，允许投资者模拟不同监管情景（宽松 vs. 严格）的影响。
2. 精细化的碳成本建模：模型没有简单地将碳排放量作为约束条件，而是将碳成本（θi = pc * qc_i / vi）内化为对资产收益率的调整项。这种以公司市值为标准化分母的处理方法，使碳成本与投资者的投资规模和经济承受能力相关联，更贴近现实。
3. 引入动态政策参数（α）进行敏感性分析：研究没有局限于单一的“征税/不征税”二元对比，而是通过参数α构建了一个从宽松到严苛的监管连续谱，系统地分析了不同政策力度下投资组合结构、绩效和税收收入的变化，结论更具层次感和政策参考价值。
4. 聚焦成熟市场与高质量数据：选择信息披露严格的欧洲斯托克50指数成分股，确保了碳排放数据的可靠性和研究结论在成熟资本市场语境下的有效性。
5. 揭示非线性关系：研究不仅关注平均效应，还通过图2揭示了政策严格度（α）与税收收入之间非线性的、逐年变化的动态关系，这对政策设计的精细化提出了重要启示。

六、 未来研究方向

作者在文末提出了三个有价值的未来研究方向：（1）将分析扩展到探讨碳税直接施加于公司（而非股东）时，投资者的敏感度有何不同；（2）探究监管者是否应考虑采取更激进的方法（无论是对股东还是对公司增加财政压力）以实现投资者行为的实质性改变；（3）研究应征收的碳税最优水平。这些方向将进一步深化对碳定价工具在金融市场中传导机制和有效性的理解。

这项研究为理解碳税在投资组合层面的微观影响提供了严谨的实证证据和富有洞察力的分析框架，对于金融从业者评估气候政策风险，以及政策制定者设计有效的市场导向型脱碳工具，都具有重要的参考价值。