理解碳排放定价：来自股市的新证据（英）2025
NO.11612025年8月 理解碳排放定价：来自股票市场的新证据 马特奥·克罗西尼尼|艾米利奥·奥斯佩拉|马修·普里茨克 理解碳排放定价：来自股票市场的新证据 马特奥·克罗斯亚尼，埃米利奥·奥桑贝拉和马修·普里斯特克 纽约联邦储备银行员工报告,编号11612025年8月https://doi.org/10.59576/sr.1161 摘要 碳排放是否在股票市场定价？文献存在分歧，不同的方法产生了相互矛盾的结果。我们建立了一个简化的模型，表明如果碳排放被定价，股票收益取决于预期的碳排放量以及碳排放创新与股价-股息比率之积。基于这一见解，我们推导并检验了新的预测。我们发现碳排放被股票市场定价，但定价的规模对包含少数“超级排放者”（主要从事电力发电）高度敏感。我们的理论见解还有助于调和文献中看似不同的结果。 JEL分类：D62，G11，G12，Q54关✃词：碳排放，股票收益 ，资本成本，ESG 克罗西加尼美联储纽约银行（邮箱：matteo.crosignani@ny.frb.org）。奥斯兰贝拉：美联储理事会（邮箱 ：emilio.osambela@frb.gov）。普里茨克：波士顿联邦储备银行（邮箱：matthew.pritsker@bos.frb.org） 。作者感谢JitendraAswani、KentD.Daniel（评论人）、AlexEdmans、ZhiguoHe、MarcinKacperczyk 、StevePischke、TuomasTomunen（评论人）、JohnWald、张少君，以及MIT、2024年NBER夏✆研究所（EFEL）、2024年米兰IRMC会议和“美国气候相关金融稳定风险识别与度量”金融稳定气候委员会会议的研讨和会议参与者，感谢他们提出的宝贵评论和建议。莉莉·戈登提供了出色的研究支持。他们还感谢EricaBucchieri、AlexanderEchikson、NataliaFischl-Lanzoni和ElieSinger提供的研究支持。 本文介绍初步研究结果，仅提供给经济学家和其他感兴趣的读者，目的是激发讨论和征集意见。本文中表达的观点是作者的观点，不一定反映联邦储备委员会、波士顿联邦储备银行、纽约联邦储备银行或联邦储备系统的立场。任何错误或遗漏均由作者负责。 要查看作者的披露声明，请访问https://www.newyorkfed.org/research/staff_reports/sr1161.html。 1引言 碳排放在资产市场是否定价至关重要，不仅在于理解金融市场是否激励向碳化程度较低的经济转型 ，还在于评估气候相关敞口可能如何影响资产估值、资本配置和货币政策传导——这对美联储系统来说是关✃问题。如果碳排放转型风险被纳入资产市场定价，或者反对排放的投资者减少对污染企业的投资，碳排放企业可能会面临更高的资本成本。令人惊讶的是，关于污染企业是否被迫在股票市场融资时支付溢价，至今仍无共识——不同的实证方法产生了不同的结果。 在本文中，我们构建了一个风格化的模型，并推导出新的预测结果，然后使用美国股票市场的数据进行检验。我们证实了，企业排放强度（定义为CO排放量除以收入）是一个具有正价格特征的因素。我们的分析 2 也表明文献中使用的几种回归模型在设定上存在错误，阻碍了寻找排放强度定价证据的能力，从而解释了现有结果的分歧。最后，我们展示了定价的大小取决于“超级排放者”——主要是指发电行业的公司在估计中是否被包括在内。 我们的实证分析基于一个理论见解，我们在一个直观模型中进行了说明。我们建立在对这一特征事实的提炼上，即企业的排放强度非常具有持续性和随机游走。在为简化起见，假设排放强度是唯一的价格特征的情况下，我们接着使用对数线性股票收益分解。坎贝尔和施勒尔(1988)和坎贝尔(1991)来表明预期股票收益是由(i)排放强度和(ii)公司长期平均价格-股息比率与其排放强度惊喜的乘积驱动的——这些捕捉了公司实际股票的敏感性 返回他们未来所需股票回报的永久性变化： 标准回归z ri,t-rf,t 过量|库[存z回]报 =γei,t− z]|[ 1 标准回归残差 ]|[ —γ× PDi×ei,t−ei,t−1 |[z] , | ] 市盈率 排放强度[z 意外 其中e是公司i在时间t的排放强度。i,t 我们使用这个定价公式来推导出五个新的可检验的预测。首先，对超额股票收益进行回归滞后的排放强度产生无偏和一致的估计。其次，对过剩股票收益的类似回归同时代的排放强度受测量误差影响（解释变量应该是）预期排放强度)和遗漏变量(回归变量与回归残差中的排放强度意外相关)偏差。第三，当期回归中的遗漏变量偏差在价格-股息比率较高的公司中更为明显，因为它们的股 价(和回报)对未来所需股票回报变化的敏感性更高。第四，如果将长期价格-股息比率与排放强度意外之积驱动的残差纳入回归，则当期回归中的遗漏变量偏差消失。第五，如果将残差项和滞后(而不是当期)的排放强度都纳入回归，则遗漏变量偏差和测量误差消失，并且回归中的特定符号限制应得到满足。 我们通过结合来自标普Truecost的排放数据以及来自CRSP和Compustat的股票和公司信息来检验这五个预测。我们的实证结果分为五个部分。首先，我们通过估计我们首选的滞后规范来证明排放强度在股票市场中被定价：我们在年度频率上对股票收益进行回归，回归变量包括滞后的排放强度以及一系列滞后层面的公司控制变量。 1 我们样本最初 1 我们的发现是排放强度被定价，可能源于反对投资污染公司的投资者的投资组合选择，或是需要为转型风险进行补偿的投资者。当然，还有第三种可能性是排放强度与公司现金流相关，而现金流又可能与现金流风险溢价相关联。由于文献已经表明(i)排放强度与公司现金流不相关(阿斯瓦尼等人, 排除了在“电力生产、输送和分配”领域运营的公司，以避免将这些少数超级排放者与其他公司放在同一个回归模型中。支持排放强度被定价的证据对行业固定效应的纳入、控制变量的选择以及仅使用基于公司报告（而不是数据供应商估计）的排放强度的观测值具有很强的稳健性。然而，这个回归对超级排放者的纳入高度敏感。具体而言，我们表明，随着我们从样本中逐步排除超级排放者，排放强度的估计系数的大小和显著性会显著增加。 其次，我们的数据通过表明对股票收益的一个特定规范（的）估计支持了第二项预测同时代的排放强度产生小的统计不显著的系数——与小的统计不显著的估计一致博尔顿和卡佩茨基(2021）和往往负面的估计阿斯瓦尼等 (2024根据我们的模型，这些系数与一种衰减偏差一致，这种偏差由于测量误差导致排放强度的系数趋于零，并且与一种遗漏变量偏差一致，这种偏差导致排放强度的系数朝负方向移动。 然后我们证明我们的第三预测在数据中也得到了验证。具体来说，在同期回归中，排放强度系数的向下偏差在具有高股价-股息比的企业子样本中尤其严重，因为这些股票对要求的回报率发生永久性变化特别敏感。 第三，我们展示了支持最后两个预测的证据。具体来说，我们将理论上推导的遗漏变量包含在同期和滞后回归中，从而在前者中修正遗漏变量偏差，并在后者中同时修正遗漏变量偏差和测量误差。我们的估计支持理论预测，因为随着我们逐步修正偏差，排放强度的估计系数增加。估计结果还证实了我们模型预测的符号限制。 2024)和盈利惊诧(阿提尔甘等,2023),(ii)那些绿色公司在气候变化关注度意外增加时表现优于棕色公司(帕斯特等人,2021),并且(iii)气候变化关注的高意外变化会增加无现金流量棕色公司的贴现率(阿迪亚等,2023). 第四，我们表明我们的结果是由气候协定后时期驱动的，并且对于大型企业来说不太明显。第一个结果支持这样一种解释，即我们的估计是由与排放强度相关的定价因素驱动的。第二个结果有助于将我们的发现与没有定价结果的内容协调一致。张(2025):回归测试权重由公司规模加权 。张(2025)，对我们发现定价证据最强的观测结果不予重视。 第五，我们证明排放强度的定价是负数对于超级排放源，与我们的样本其他部分形成鲜明对比 。虽然对超级排放源的详细分析超出了本文的范围，但我们的结果与(i)排放强度是超级排放源中“绿色度”的嘈杂衡量指标（我们提供了支持证据）以及(ii)线性模型不适合捕捉这些企业的碳定价一致。 我们的框架有助于将文献中冲突的结果追溯到具体的建模选择上。一旦回归正确设定，证据表明排放强度是一个被定价的特征。具体来说，我们的结果有助于调和排放强度影响机构投资者需求的发现(佩德森等人,2021)以足以定价的金额（波尔顿和卡佩尔茨基,2021),但似乎没有被定价 (波尔顿和卡佩尔茨基,2021,2023;阿斯瓦尼等,2024).我们还表明，所有基于回归每月过量库存回报年度排放强度（据我们所知，所有使用年度排放强度数据的研究）如果投资者通过 年份了解排放强度，但排放强度仅按年度报告，则存在测量误差和遗漏变量偏差。我们证明，使用年度回报数据进行的估计可以减少这些偏差。 相关文献。我们的论文与关于气候风险和ESG投资的资产定价文献相关——特别是与该文献中研究企业排放是否在股票市场定价的那一部分相关。在该文献中，我们的论文与那些将股票收益回归于碳排放指标、同时控制其他已知可解释股票收益因素的论文密切相关。这些因素包括博尔顿和卡佩茨基(2021),博尔顿和卡佩茨基(2023),刘威和米萨拉(2023),加维等人 (2018),张(2025),佩德森等(2021),和阿斯瓦尼等(2024). 论文时间数据排放变量关系 波(2尔02顿1和卡佩尔茨基)同期的2005–2017年排放水平正面波(2尔02顿3和卡佩尔茨基滞后2005-2018排放水平正常 刘(2易02和3米萨拉滞后2009–2024排放强度正 加(2维01等8滞后2011–2015年排放强度负张(2025滞后2009-2021排放强度负 佩(2德02森1等人滞后2009–2019排放强度负 阿(2斯02瓦4尼等人)同期的2005–2019年排放强度无 表1：基于排放变量对股票收益进行回归的研究。该表格比较了在多个维度上对股票收益进行回归分析的研究论文：时间（当期与滞后）、数据样本、排放变量（排放量与排放强度）以及排放变量对股票收益的影响（正向或负向）。尽管在这些研究论文中对最相关的控制变量存在一些普遍共识，但控制变量的具体设置也略有不同。 所示表1而所有这些论文都对股票收益对排放指标和几个控制变量的回归进行了检验，但它们使用不同的时间（当期与滞后排放指标）、数据样本和排放变量（排放与排放强度）进行了回归检验 。 2 这些差异导致在排放变量对股票收益是正面还是负面影响方面出现不同的结果。例如，博尔顿和卡佩茨基(2021), 波尔顿和卡佩尔茨基(2023),和刘威和米萨拉(2023发现排放较高的公司获得较高的股票回报，而加维等人(2018),张(2025),和佩德森等(2021)发现排放量较高的公司实现了较低的股票回报。与此同时， 阿斯瓦尼等人(2024)发现排放对股票收益没有影响。 3 我们的工作也与那些使用不同方法（例如，将企业按排放量排序形成投资组合）或替代排放测量方法（例如MSCIESG评级、对气候新闻的敏感度）来探究排放对股票回报影响的论文相关。 2 虽然一些论文在其分析中考虑了多种排放指标，但在本表中，“排放变量”指的是相应论文主要结果所使用的变量。 3 使用面板回归分析，博尔顿和卡佩茨基(2021)和博尔顿和卡佩茨基(2023发现高排放企业面临比低排放企业更高的资本成本，而排放强度似乎不影响资本成本。阿斯瓦尼等(2024)和张(2025)认为，排放被定价的证据可能是(i)经济活动被定价的结果（企业生产越多，排放就越多），以及(ii)受到低质量排放数据使用的影响——因为碳排放通常由数据供应商估计而不是由企业报告。反过来，刘威和米萨拉(2023）强调了构建公司价值加权投资组合时的重要差异，如张(2025),与那些按可持续
