关于全球碳回报研究的学术报告

本文档为发表于《the journal of finance》2025年2月刊（第LXXX卷，第1期）的一项原创性实证研究论文，标题为《carbon returns across the globe》。作者为Shaojun Zhang，所属机构为美国俄亥俄州立大学费舍尔商学院。

一、 学术背景与研究目的

本研究属于气候金融与资产定价的交叉领域。随着全球向净零排放转型，碳转型风险（carbon transition risk）的定价成为学术界和投资界关注的核心议题。理论上，高碳排放的“棕色”企业面临更高的政策、技术和消费者偏好转变风险，因此在均衡状态下应获得更高的预期回报作为风险补偿。然而，实证证据却存在显著分歧：部分研究（如Bolton和Kacperczyk, 2021, 2023）发现存在“碳溢价”（carbon premium），即棕色股票表现优于绿色股票，表明市场已为转型风险定价；而另一些研究（如Pastor等, 2021, 2022）则发现绿色投资表现更佳，符合向“碳感知”均衡过渡的特征。这种矛盾引发了关于碳回报本质的深入辩论：它究竟反映了事前的风险溢价，还是仅仅包含了企业未来业绩的前瞻性信息？

本研究旨在重新审视“碳回报”（即棕色与绿色企业之间的回报差异），并厘清其驱动因素。作者的核心论点是：以往研究中记录的碳溢价，可能并非源于碳转型风险的事前预期风险溢价，而是由于碳排放数据中包含了关于企业未来销售业绩的前瞻性信息，且研究中未充分考虑到碳排放数据的发布存在显著滞后。因此，本研究的目标是：1）评估碳排放数据的实际发布滞后情况；2）在控制数据滞后和前瞻性信息偏差后，重新检验美国和全球范围内的碳回报；3）探究跨国碳回报差异的决定因素，如气候政策、现金流冲击和投资者偏好转变。

二、 详细研究流程

本研究流程严谨，可分为数据准备、信息可观测性分析、实证检验（美国与全球）以及与先前研究的对比分析等主要环节。

1. 数据与方法论 * 数据来源：研究使用的核心数据包括： * 碳排放数据：来自S&P Trucost，提供公司层面的年度范围1（直接排放）和范围2（外购电力产生的间接排放）温室气体排放量（吨二氧化碳当量，tCO2e）。 * 金融市场与会计数据：美国公司数据来自CRSP和Compustat，国际公司数据来自Compustat Global。 * 其他数据：包括天然气价格、原油价格、商品指数（来自圣路易斯联储FRED），以及国家层面的信息（来自世界银行、世界风险调查、气候变化绩效指数等）。 * 核心变量构建： * 碳强度：本研究的主要碳转型风险代理变量，定义为排放量除以销售额（取对数）。作者认为，相较于总排放量，碳强度能更好地进行跨公司比较，且更能反映政策对盈利能力的影响。 * 其他碳指标：作为对比，也构建了排放增长（同比对数增长）和总排放量（对数）指标。 * 控制变量：包括市场贝塔、规模、账面市值比、动量、资产收益率、资产增长率、杠杆率、固定资产、 idiosyncratic volatility、销售增长、每股收益增长以及对能源商品的风险敞口等。 * 样本与处理：最终样本为2009年6月至2021年12月的月度股票回报与年度碳排放数据的交集，确保在分析回报时碳排放数据已被投资者知悉。所有变量在回归分析时均在1%和99%水平上进行缩尾处理。

2. 信息可观测性与数据发布滞后分析（关键创新点） 这是本研究的方法论核心，旨在解决实证挑战。 * 数据发布滞后评估：作者首次系统评估了碳排放数据的实际发布滞后。通过分析Trucost的数据发布日期，发现碳排放数据的发布滞后显著长于典型的会计变量。对于美国和国际样本，碳排放数据在财年结束后的中位发布时间分别为10个月和12个月（而会计变量通常滞后6个月）。图1的直方图清晰展示了这一滞后分布，其右尾较长，意味着部分数据发布延迟更久。这一发现指出，先前许多研究使用的滞后（如1个月、3个月或6个月）可能不足，导致在分析时使用了投资者当时无法获知的信息，从而引入前瞻性偏差。 * 碳排放中的财务信息含量分析：作者论证了碳排放数据与公司销售业绩紧密相关。通过回归分析发现： * 公司销售额可以解释美国公司范围1和范围2排放量变异的50%和71%（全球样本分别为49%和66%），系数统计上接近于1，表明排放量与销售规模近乎线性增长。 * 销售增长可以解释排放增长变异的35%（美国）和18%（全球）。 * 碳强度的大部分变异（加入行业固定效应后，R²在美国高达78%和63%）可由行业属性解释。 这些结果表明，碳排放数据富含关于同期公司业绩（尤其是销售）的信息。因此，若在分析中未能将碳排放数据滞后足够长时间（至少不短于会计变量），其与股票回报的关联可能反映的是共同的公司业绩信息，而非纯粹的碳风险溢价。

3. 美国与全球碳回报实证检验 * 美国基线分析： * 投资组合排序法：每月根据投资者可获得的点-in-time碳强度数据，将股票按三分位数排序形成投资组合（L为绿色，H为棕色），并计算下一月的价值加权回报。 * 主要结果：基于碳强度排序的投资组合显示，棕色（H）组合的回报显著低于绿色（L）组合。Scope 1和Scope 2碳强度的高-低（H-L）组合月均超额回报分别为-0.39%和-0.27%，且统计显著。经过Fama-French六因子模型调整后的阿尔法（alpha）同样显著为负（分别为-0.40%和-0.34%）。图2展示了基于Scope 1碳强度的H-L组合累积回报持续为负，在样本期内损失约50%的初始价值。 * 回归分析：在控制了一系列公司特征和时序固定效应的加权最小二乘回归中，碳强度与未来股票回报呈显著负相关。 * 稳健性检验：结果在以下情况中保持稳健：仅使用公司自行披露的排放数据；使用排放量/市值作为替代指标；使用碳强度年度变化；在不同规模公司分组中检验；以及控制油价、天然气价格和商品指数波动后。 * 全球碳回报分析： * 在每个国家内按碳强度对股票进行三分位排序，然后将所有国家同三分位的股票合并形成全球投资组合。 * 主要结果：全球范围内，基于碳强度的H-L组合回报差异为负但不显著（Scope 1和2的阿尔法分别为-0.06%和-0.03%）。这表明，在全球层面，碳强度与未来回报的负相关关系不如美国市场明显。 * 其他碳指标的检验：研究发现，基于总排放量或排放增长排序的投资组合，在美国和全球均未产生一致且显著的正面“碳溢价”，甚至有时为负。这支持了作者的论点，即碳强度是比总排放量或排放增长更有效的碳转型风险代理变量。

4. 信息可观测性与先前研究结果的再审视 为了解释与Bolton和Kacperczyk (2021, 2023，简称BK) 研究的差异，作者复制了BK的分析方法。 * 复制分析：像BK一样，将股票回报与同期或仅滞后1个月的排放增长/总排放量进行关联（此时会计和排放数据尚未发布）。结果与BK一致：排放增长和总排放量与股票回报呈显著正相关。 * 引入控制变量：当在回归中控制同期的销售或销售增长信息后，排放增长和总排放量与股票回报的正相关关系消失，系数甚至变为负值。通过投资组合双重排序（先按销售增长排序，再在每组内按碳排放指标排序）也得到类似结论：在控制了销售增长后，基于排放增长排序的碳溢价不再显著。 * 结论：BK等研究中发现的“碳溢价”，主要源于棕色企业在排放期间强劲的业绩表现（反映在销售和排放数据中），而非碳转型风险本身的事前风险溢价。一旦控制了前瞻性的销售信息，这种关联便不复存在。

5. 跨国碳回报差异的驱动因素分析 * 现象：发达市场的碳回报（H-L利差）低于新兴市场。 * 探究原因：作者认为跨国碳回报差异可能反映预期风险溢价的差异，也可能反映样本期内未预期的冲击。 * 实证发现： * 气候关注度冲击：使用国家层面的可持续资金流和气候关注度调查来衡量，发现发达国家经历了更强的气候关注度增长，这压低了这些国家的碳回报（投资者偏好转向绿色资产）。 * 现金流冲击：可以解释高达7%的碳回报跨国变异。 * 气候政策：在控制了样本内冲击（如气候关注度转变和现金流冲击）后，碳回报在气候政策更严格的国家往往更高。这符合均衡理论，即更严格的政策带来了更高的政策风险，因此需要更高的风险补偿。 * 综合解释：发达市场较低的碳回报并非因为其碳风险未被定价，而是因为强烈的气候关注度冲击（需求侧）暂时压制了风险溢价的表现。而从供给侧（政策风险）看，政策更严格的国家确实显示出更高的碳回报补偿。

三、 主要研究结果

1. 数据发布滞后：碳排放数据的中位发布滞后（美国10个月，全球12个月）长于标准会计变量（通常6个月）。先前研究使用较短的滞后可能导致前瞻性偏差。
2. 碳排放与销售的强关联：公司销售额能解释碳排放量大部分变异，排放增长与销售增长高度相关。这意味着碳排放数据富含公司同期业绩信息。
3. 修正后的碳回报：在采用点-in-time数据（考虑发布滞后）后，美国市场基于碳强度的棕色-绿色投资组合利差显著为负（月均约-0.3%至-0.4%），全球层面则不显著。而基于总排放量或排放增长的投资组合未能产生一致的显著正回报。
4. 行业效应：碳强度的大部分变异及其与回报的关联可由行业间差异解释。在回归中加入行业固定效应后，碳强度的负系数幅度减小，表明投资者同时关注跨行业和行业内的碳风险，但跨行业差异占主导。
5. 对先前研究的解释：BK等发现的“碳溢价”主要来源于排放数据中包含的关于企业同期业绩的前瞻性信息（尤其是销售信息），而非碳转型风险溢价。在控制同期销售信息后，该溢价消失。
6. 跨国差异的驱动因素：发达市场较低的碳回报主要归因于更强的气候关注度冲击（导致绿色资产需求增加），而非碳风险未被定价。在控制这些冲击后，气候政策更严格的国家显示出更高的碳回报，符合风险补偿逻辑。

四、 研究结论与意义

本研究得出核心结论：先前文献中记录的“碳溢价”主要源于碳排放数据中前瞻性销售信息所导致的计量偏差，而非碳转型风险的事前风险溢价。在恰当考虑数据发布滞后后，美国市场的碳回报在近期样本中实际为负，全球层面则不显著。 这表明，碳转型风险已在全球股价中得到部分反映，但近年来的碳回报模式更符合市场向“碳感知”均衡过渡的特征，即绿色资产表现相对更优。

科学价值与应用价值： * 方法论贡献：首次系统量化了碳排放数据的发布滞后，并明确指出在资产定价研究中忽略此滞后将导致严重的前瞻性偏差，为未来气候金融实证研究提供了重要的方法论基准。 * 文献调和：通过精细的实证设计，调和了关于碳溢价存在与否的 conflicting evidence，指出分歧可能源于对数据时效性和信息含量的不同处理。 * 理论启示：证实了碳转型风险正在被定价，但其表现形式（正溢价或负溢价）受到样本期内未预期冲击（如投资者偏好突变、政策冲击）的显著影响。这支持了动态均衡转型模型（如Pastor等，2021）的预测。 * 投资实践意义：研究结果对资产管理者的净零投资承诺具有参考价值。它表明，简单地基于历史总排放量或排放增长构建投资组合可能无法捕获真正的风险溢价，甚至可能因信息滞后而表现不佳。使用碳强度并确保数据时效性更为关键。同时，研究强调了关注国家间气候政策强度和投资者情绪差异的重要性。

五、 研究亮点

1. 关键方法创新：首次实证评估并强调了碳排放数据发布滞后在气候金融研究中的核心重要性，并提出了使用“点-in-time”数据以避免前瞻性偏差的标准。
2. 深入的机制剖析：不仅验证了“碳溢价”在控制偏差后消失，还深入分析了其根源——碳排放与销售业绩的紧密机械联系，并通过控制销售信息进行了干净利落的验证。
3. 跨国异质性分析：超越简单的全球平均回报，深入探讨了碳回报跨国差异的驱动因素，区分了预期风险溢价（政策风险）和未预期冲击（气候关注度）的不同作用，提供了更丰富的图景。
4. 严谨的对比分析：通过精确复制和拓展先前权威研究的方法，清晰地展示了不同数据处理选择如何导致截然不同的结论，增强了论证的说服力。
5. 聚焦有效的风险代理变量：论证了“碳强度”相较于“总排放量”或“排放增长”作为碳转型风险代理变量的理论优势和实证有效性。

六、 其他有价值内容

研究还指出，超过一半的碳排放数据由数据提供商估算而非公司直接披露，但使用仅包含公司披露数据的子样本进行稳健性检验，主要结论不变。此外，研究附录（Internet Appendix）中还包括了对能源价格风险因子进行额外控制等补充分析，进一步支撑了主要结论的稳健性。作者对审稿人、编辑及众多研讨会参与者的致谢也体现了该研究经过了严格的学术同行评议和广泛的讨论。