这篇文档属于类型b（文献综述类论文），以下是针对中文读者的学术报告：

作者与发表信息
本文由印度理工学院古瓦哈提分校数学与商业学院的Siddhartha P. Chakrabarty和印度科学教育与研究浦那分校的Suryadeepto Nag合作完成，题为《Risk Measures and Portfolio Analysis in the Paradigm of Climate Finance: A Review》，2023年2月发表于期刊 *sn bus econ (2023) 3:69*，聚焦气候金融（climate finance）领域的风险度量与投资组合优化方法。

研究主题与背景

气候变化对金融系统带来新型风险（如资产搁浅、资本成本上升），同时也催生了通过投资策略缓解风险的机会。本文系统综述了32篇关于碳风险（carbon risk）度量模型的文献和9篇基于现代投资组合理论（Modern Portfolio Theory, MPT）的气候风险对冲策略研究，旨在回答两个核心问题：
1. 碳风险如何影响股票收益（是否存在“碳溢价”或“绿色折价”）？
2. 现有投资组合优化方法能否有效对冲气候风险？

主要观点与论据

1. 碳风险与股票收益的关系缺乏共识

文献中关于碳排放与股票收益的关系存在三种结论：
- 正碳溢价（Carbon Premium）：高排放企业因承担转型风险而需提供超额收益补偿（如Oestreich & Tsiakas, 2015；Bolton & Kacperczyk, 2021a）。
- 负溢价（Equity Greenium）：绿色企业因政策支持或投资者偏好表现更优（如Pastor et al., 2022）。
- 无显著关联（如Görgen et al., 2020）。

争议根源：
- 模型差异：Fama-French扩展模型（FFE）与线性风险模型（LRM）的结论不一致（图1显示FFE模型更易检测到负溢价）。
- 地域偏差：多数研究集中于欧美市场，新兴市场数据不足。
- 因果性缺失：现有研究多为相关性分析，缺乏反事实推断（如仅Santi & Moretti, 2021使用倾向得分匹配法）。

2. 碳风险度量模型的两大分类

（1）Fama-French扩展模型（FFE）
通过引入环境因子（如“绿色减碳因子”GMC）扩展传统多因子模型。例如：
- Ravina & Hentati Kaffel (2019) 的六因子模型：
$$r{j,t} - r{f,t} = \alphaj + \beta{j1}(r{m,t}-r{f,t}) + \beta_{j2}SMBt + \beta{j3}HMLt + \beta{j6}GMCt + \epsilon{j,t}$$
其中GMC因子捕捉绿色与高碳企业的收益差异。

（2）线性风险模型（LRM）
直接建立企业排放量与收益的线性关系。例如：
- Bolton & Kacperczyk (2021b) 的回归模型：
$$r_{it} = \alpha_0 + \beta1 \log(EM){i,t} + \beta2 C{i,t-1} + \lambdat + \epsilon{i,t}$$
显示碳排放每增加1%，股票收益显著上升。

局限性：两类模型均未解决长期气候风险的动态定价问题。

3. 投资组合优化方法的进展与不足

现有对冲策略主要基于均值-方差优化和资本资产定价模型（CAPM），但存在以下问题：
- 风险指标单一：多数研究使用碳排放量或强度（如Andersson et al., 2016），仅少数尝试复合指标（如Roncalli et al., 2021的“棕色减绿色因子”BMG）。
- 与市场风险度量脱节：优化模型极少纳入碳溢价等市场驱动因子，仅Acerbi (2022) 引入碳贝塔（Carbon Beta）。
- 实证验证不足：因能源转型尚未完成，策略效果难以检验。

典型案例：
- ** decarbonized portfolio**：通过剔除高碳企业或约束组合碳强度（如Fang et al., 2019设定$ \sum_{i=1}^n w_i c_i \leq C^+ $），但可能牺牲分散化收益。
- ESG整合策略：Pedersen et al. (2021) 提出ESG-adjusted切线组合，平衡收益与可持续性目标。

4. 未来研究方向

• 因果推断：需结合工具变量或自然实验设计。
  
• 长期风险建模：如Nag et al. (2023) 的“单事件框架”（Single-Event Framework）量化转型时间不确定性：
  $$\int_{t0}^\infty f(t) \int{t0}^t p(s) ds dt = \int{t_0}^\infty \Delta(t) f(t) dt$$
  左式为累计碳溢价期望，右式为转型时的价值损失期望。
  
• 数据透明化：企业ESG披露质量影响研究可靠性（如Farag et al., 2022指出机构投资者可能操纵ESG风险）。
  

文献价值与意义

1. 学术价值：首次系统比较碳风险度量模型与对冲策略的匹配性，揭示理论与实践的鸿沟。
   
2. 政策启示：碳溢价的存在性可为政策效果评估提供市场信号（如碳税或交易机制的影响）。
   
3. 行业指导：呼吁开发兼顾短期收益与长期转型风险的投资工具。
   

亮点：
- 提出FFE与LRM模型的分类框架，并分析其结论差异的根源。
- 指出投资组合优化中“碳风险量化”与“市场定价”脱节的核心矛盾。
- 强调全球南方（Global South）数据缺失对研究普适性的影响。

（报告字数：约2000字）