绿金论文 | 碳排放交易能否提升企业碳风险溢价

来源：市场资讯

（来源：江苏省绿色金融高端智库）

摘要

碳排放交易（CET）能否提高企业碳风险溢价（CRP），对于中国的碳减排和企业发展至关重要。本文从违约风险和股价信息效率两个层面，理论分析了碳排放交易影响企业碳风险溢价的内在机理。然后，基于2010—2022年837家重污染上市企业的数据，采用双重机器学习（DML）模型实证分析了碳排放交易对企业碳风险溢价的影响。研究结果表明，碳排放权交易总体上提升了企业碳风险溢价。大量的稳健性检验支持了这一结论的可靠性。机制分析表明，碳排放交易可以通过违约风险机制和股价流动性机制影响企业碳风险溢价，其中违约风险机制的正向效应大于股价信息效率机制的负向效应。讨论与分析表明，尽管碳排放交易可以通过提高减排成本和融资成本增加违约风险，但也可以通过降低信息不对称程度和提高投资者关注度来提升股价信息效率。因此，企业在参与碳排放交易后，应更加关注违约风险和股价信息，以更好地管理碳风险溢价。

研究背景

改革开放以来，中国经济实现快速繁荣，但企业环保记录薄弱、环境监管不足导致二氧化碳等温室气体排放量居高不下，加剧了气候变化。为应对这一问题，中国作为负责任大国出台一系列环保政策，2011年发布《关于开展碳排放权交易试点工作的通知》，2013年启动北京、上海、重庆等省市及广东、深圳、湖北等省份的碳排放交易试点，采用“总量+交易”机制调节企业碳排放需求，截至2023年已建成全球规模领先的碳排放交易体系。

碳排放交易的实施给企业带来新挑战，尤其是依赖化石能源的企业面临更大减排和违约风险，投资者对企业能源效率和减排情况的关注度也随之提升，进而影响企业资本市场收益。在此背景下，重点排放企业参与碳排放交易后能否获得更高超额收益（即碳风险溢价），其内在影响机制又是如何，成为亟待探究的关键问题，这对中国碳减排推进和企业发展均具有重要意义。

研究贡献

第一，当前学术文献大多考察碳排放交易对企业财务的影响，很少关注其对企业碳风险溢价的影响。本文不仅拓宽了碳排放交易影响研究的范围，还深入研究了企业碳风险溢价。

第二，本文利用上市企业微观数据，从违约风险机制和股价信息效率机制理论出发，分析了碳排放交易影响企业碳风险溢价的作用机制，并进行了实证检验。

第三，本文采用了双重机器学习方法。值得注意的是，在分析中使用DML模型提高了结果的精准度，增强了研究结论的稳健性。

研究结果

1.基准回归结果分析

本文同时控制企业和年份效应。将样本分为5组，采用DML模型进行随机森林回归。表6中第1列和第2列分别显示控制变量一次项和二次项的回归结果。

观测到与企业碳风险溢价之间的相关关系具有统计显著性，证明碳排放交易显著提高企业企业碳风险溢价。此外，作为补充验证，本文采用双重差分（DID）模型。第3列回归结果同样表明碳排放交易显著提高企业企业碳风险溢价。企业碳风险溢价受宏观经济环境、行业政策、企业异质性特征等多层因素影响，这些因素之间存在复杂交互作用。DID方法依赖线性可加性和无复杂交互效应的假设，难以捕捉这种复杂关系，可能导致严重的遗漏变量偏差。相比之下，DML利用机器学习算法自动处理非线性和交互关系，同时交叉拟合程序有助于防止过拟合，从而得到更稳健、更可信的估计。表6中DID和DML结论方向一致，但DML估计值更小。DID可能因未充分控制某些非线性混杂因素而高估处理效应。

结合本文的影响机制，这一发现还表明碳排放交易影响企业碳风险溢价的正向效应大于负向效应，从而整体提高企业企业碳风险溢价。这可能意味着重点排放企业参与碳排放交易后，受节能技改约束和减排压力影响，面临技术投资和减排成本压力，违约风险上升。结果是企业和投资者将要求更高的风险补偿，提高企业碳风险溢价。

2.稳健性检验

（1）替换回归方法检验

由于控制变量数量较多，本文采用的DML模型使用随机森林回归。作为稳健性检验，本文还考虑梯度提升树作为替代方法。表7展示了结果，表明即使使用梯度提升树模型，结果仍具有统计显著性。这凸显了研究结论的稳健性。

（2）倾向得分处理（PSM)

由于对照组和处理组之间可能存在系统性差异，本节选择PSM-DID模型进行稳健性检验。本文通过Logit模型核匹配后采用双重差分模型进行回归分析，得到表7所示结果。结果显著为正，进一步验证了本文结论。

（3）改变样本分割比例检验

为缓解DML模型中潜在的偏差，本文将样本分割比例从之前的K=5调整为K=3和K=9，然后进行回归分析。表7显示，即使改变样本分割比例，回归结果仍显著为正。这一调整进一步增强了结果的稳健性。

（4）政策唯一性检验

考虑到2007年实施的排污权交易试点政策对企业生产和资本市场表现存在一定影响。为确保稳健性，本节剔除湖北、天津、浙江、江苏、河北、河南、重庆、内蒙古、湖南、山西等11个省份数据，进行回归分析。结果显示样本处理后仍在1%水平显著，再次证实研究结论。

3.异质性分析

（1）企业规模异质性

在企业规模方面，不同规模企业的风险承受能力不同。随着企业规模扩大，企业面临的风险也可能上升。为此，本文采用总资产规模的自然对数衡量企业规模，以50分位数值为分界线。表8显示，碳排放交易显著提高大规模企业的碳风险溢价，对小规模企业无显著影响。可能原因在于，大规模企业由于排放规模大，更有可能被强制纳入碳排放交易监管框架，需要直接承担高额履约成本，包括购买碳排放配额和投资减排技术。这些额外成本将直接侵蚀企业利润，增加现金流不确定性，被市场视为更高的经营和财务风险，最终推高其企业碳风险溢价。

（2）企业产权属性异质性

在企业产权属性方面，国有企业和民营企业在政治职能和监管水平上存在差异。因此，二者的风险抵御能力也可能不同，导致不同属性企业的企业碳风险溢价存在差异。为探究这一点，本文将样本分为国有企业和民营企业，分别赋值1和0，然后对子样本进行回归。显然，碳排放交易在5%水平上显著提高国有企业企业碳风险溢价，对民营企业影响不显著。这可能是因为在中国经济体系中，国有企业承担超越纯粹盈利目标的政策责任。在应对碳排放交易时，其减排灵活性显著低于民营企业。更重要的是，国有企业受到政府和各类投资者的高度关注，需要投入大量资金管理碳排放问题。这种结构性约束导致国有企业长期经营成本上升，财务风险加剧，最终推高其企业碳风险溢价。

（3）企业高科技属性异质性

在企业科技属性方面，是否为高科技企业影响税收、融资、贷款、人才引进、政府资助等多个方面。高科技企业往往更容易获得金融支持。为深入探究这一方面，本文按行业划分样本，然后进行回归分析。表8表明，碳排放交易在5%水平上提高高科技企业企业碳风险溢价，对非高科技企业影响不显著。这可能是因为碳排放交易通过设定区域排放上限和分配配额建立“总量控制与交易”机制。在这一框架下，高科技企业碳排放需求可能超过初始配额，需要以高额且不确定的成本购买额外配额。因此，投资者对这些企业要求更高的企业碳风险溢价，高于非高科技企业。

4.机制分析

本文将分析碳排放交易对企业企业碳风险溢价的作用机制，剖析违约风险机制和股价信息效率机制的作用效果。

首先，本文选择用预期违约概率（EDP）进行中介检验，采用中介效应模型进行回归。表9中可见，碳排放交易显著提高企业违约风险，并通过违约风险显著提高企业企业碳风险溢价。

其次，本文选择股价信息效率（SIE）进行中介检验，采用中介效应模型进行回归。表9表明，碳排放交易显著提高股价信息效率，并通过股价信息效率显著降低企业企业碳风险溢价。

为比较违约风险和股价信息效率对碳风险溢价的影响程度，本文采用Bootstrap法进行并行双重中介效应检验。可根据置信区间是否包含0判断中介效应的显著性。通过Bootstrap（重复1000次），得到偏差校正Bootstrap95%置信水平下EDP—SIE间接效应的95%置信区间为从0.0197867到0.1403795。由于该区间不包含0，表明违约风险机制的中介效应显著高于股价信息效率机制，进一步证实本文结论。

研究结论

1.研究结论

本文分析并检验了碳排放交易对企业企业碳风险溢价的影响及机制。研究发现，碳排放交易总体上能够显著提高企业碳风险溢价，具体机制表现为：一方面通过减排成本和融资成本提高违约风险，另一方面通过缓解信息不对称和提高投资者关注度提升股价信息效率。同时，违约风险机制对企业企业碳风险溢价的正向效应大于股价信息效率机制的负向效应。异质性分析表明，碳排放交易对企业碳风险溢价的提升效应在不同类型企业中存在差异，在大规模、国有和高科技企业中更为显著。

2.政策建议

第一，针对碳排放交易给企业带来的成本问题，从外部来看，可对成本压力较大的企业推出金融支持，增强企业减排动力，进而提高生产率。从内部来看，加强企业内部碳减排管理与监督，可降低企业违约风险，增强企业经营稳定性。鉴于小微企业风险抵御能力较弱，应出台额外的定向支持政策，为其提供更长的减排过渡期。通过政策激励，帮助这些企业降低合规成本，保障各类企业公平竞争和可持续发展。

第二，从违约风险角度，企业需要加强内部成本管理，规划碳成本与收益，合理进行绿色技术研发项目投资，加强对这些项目的合理评估，避免盲目投资和过度投资，稳定企业偿债能力。同时，政府可对重点企业绿色投资给予一定资金支持和技术引进，缓解企业压力。

第三，从股价信息效率角度，应加强碳排放交易信息披露审核，减少企业隐瞒和错报行为，提高企业披露质量。鉴于高科技企业技术迭代快、供应链复杂，要求这些企业详细披露研发全生命周期碳足迹，并公开披露上下游供应链碳排放核算方法。此外，完善企业ESG评级体系以及ESG信息披露的审核与监管至关重要，提升企业ESG管理能力，缓解企业与投资者之间的信息不对称，进一步增强投资者信心。

参考文献：Zhonghua Cheng1,Leyan Jiang2.Can carbon emissions trading increase corporate carbon risk premium[J].Journal of Cleaner Production,2026,Vol.560:148322.