气候新闻的测试版本与风险溢价

本研究通过改变气候新闻指数、数据频率、估计窗口长度等12种方法学参数，对美中股市的144种气候贝塔进行估计。结果表明方法学差异导致贝塔显著不同（如苹果公司贝塔范围-2.47至2.31），但校正多重检验后无显著溢价，揭示方法学选择对风险定价结论的重大影响，呼吁标准化方法。

　　

Vaibhav Lalwani

XLRI Xavier管理学院，德里-国家首都地区，印度

摘要

我们研究了基于新闻的贝塔系数所反映的气候风险是否在美国和中国股票的价格中得到了体现。关键在于，我们衡量了这种价格反应对常见方法学变化的敏感性。通过改变气候新闻指数、数据频率（每日对比每月）、估计窗口长度、气候指数转换和控制变量，我们为每只股票估算了144个不同的气候新闻贝塔系数。研究结果表明，贝塔系数的估算存在显著的抽样偏差和方法学差异。基于气候贝塔系数的多空投资组合中，仅有约6%至10%产生了统计学上显著的溢价，无论是正溢价还是负溢价。经过多重检验校正后，这些溢价均不再显著。这些发现表明，方法学选择对气候贝塔系数和气候风险溢价有着重要影响，这凸显了在解读以往研究结果时需要谨慎的态度。

引言

随着气候政策在全球范围内的关注度不断提升，投资者越来越需要方法来量化资产面临的气候风险。由于缺乏大规模的企业环境足迹数据，开发可靠的气候风险衡量指标仍然是一个重大挑战。

为应对这一挑战，越来越多的气候金融研究开始采用“气候贝塔系数”（例如Duan等人，2021年；Huynh和Xia，2021年）作为风险衡量指标。气候贝塔系数与市场贝塔系数类似，是通过估算资产回报对气候风险因素的敏感性来获得的。较高的气候贝塔系数通常表示更大的气候风险暴露度。相关研究通过分析新闻文章的文本内容构建气候风险因素（如Engle等人，2020年；Faccini等人，2023年；Ardia等人，2023年），认为新闻中与气候相关的词汇出现频率越高，风险感知就越强。气候贝塔系数的优势显而易见：它们易于估算且所需数据有限。因此，这种方法因能够捕捉气候风险的动态性和复杂性而受到重视。

然而，尽管气候贝塔系数作为风险衡量指标的受欢迎程度日益增加，但仍存在一些问题亟待解决。首先，与已被深入研究的市场贝塔系数不同，气候贝塔系数的统计特性（包括其横截面和时间序列行为）尚未得到充分理解。例如，表1中提到的所有研究均未探讨所估算的气候贝塔系数是否具有统计学意义。如果估算的贝塔系数标准误差较大，在计算气候风险溢价时可能会出现变量误差（Shanken，1992年）。其次，用于估算气候贝塔系数的各种方法选择可能导致结果存在显著差异。例如，使用每日数据与每月数据，或对气候风险指数进行不同处理（如使用原始值与创新处理），都可能产生不同的估算结果。目前采用气候新闻贝塔系数的研究往往采用特定方法，而未深入探讨其他潜在的变量差异。

表1汇总了使用气候贝塔系数的研究及其估算方法。表格清楚地显示，不同研究之间的气候贝塔系数估算方法存在很大差异。有些研究使用每月数据，而有些使用每日数据；样本窗口大小和气候新闻变量的转换方式也各不相同。研究人员经常采用特定方法而不充分评估这些选择对其结果的影响。因此，目前尚不清楚这些差异是否会导致显著不同的气候贝塔系数估算，进而影响对气候风险定价的结论。

这一讨论提出了一个关键问题：不同的估算方法是否会导致不同的气候贝塔系数估算，从而得出关于气候风险定价的不同结论？目前文献中缺乏对这些选择影响的清晰说明，因此本研究旨在通过评估方法学选择对气候贝塔系数估算的影响来填补这一空白。我们使用不同的气候新闻指数、数据频率、估计窗口长度、气候指数转换和控制变量组合，为美国和中国股票估算了144个不同的气候新闻贝塔系数。分析结果显示，贝塔系数的估算结果因方法选择而存在显著差异。例如，仅通过改变某些方法学选择，苹果公司的平均气候贝塔系数就从所有股票中的最低10%跃升至最高10%。因此，贝塔系数的变化在经济上具有重要意义，足以导致气候风险溢价估算的偏差。

由于资产定价研究通常关注基于贝塔系数的排名而非绝对值，¹我们进一步根据气候贝塔系数将股票分为不同的组别，并测试高气候风险股票是否具有溢价。我们得到了144个气候风险溢价的估算结果，同样发现不同方法学选择下溢价估算存在显著差异。仅有约6%至10%的估算结果具有显著的风险溢价（绝对t统计量大于2），且溢价的符号在不同模型中发生变化。我们的发现表明方法学选择在确定气候风险溢价方面起着重要作用，这可能表明气候风险研究中需要标准化估算程序。总之，我们的研究通过量化当前气候贝塔系数估算实践中的“非标准误差”（Menkveld等人，2024年），为气候金融和方法论不确定性研究做出了贡献。我们还提供了关于气候风险溢价对这些分析决策敏感性的实证证据。

我们的研究在多个方面有所贡献。首先，我们将研究重点从估算气候风险溢价转向诊断潜在的气候贝塔系数的估算不确定性，这是影响后续所有推断的更根本的变量。其次，我们首次进行了大规模的多市场分析，研究了气候新闻贝塔系数的方法学敏感性，涵盖了美国和中国股票。实际上，我们的结果强调了依赖单一方法学进行气候风险评估的风险，这可能导致不稳定的投资信号或政策建议。通过量化气候贝塔系数估算的方法学不确定性，我们为更可靠的气候风险测量提供了框架，从而惠及投资者、监管机构和研究人员。

本文的其余部分安排如下：第2节简要介绍了气候风险溢价和气候新闻贝塔系数的相关文献，以及本文对该领域的研究贡献。第3节阐述了我们的数据和方法论。第4节展示了分析结果，第5节总结了研究结论及对未来研究的启示。

研究动机

气候变化给全球经济和金融市场带来了多方面的风险。这些风险大致可分为物理风险（气候事件造成的损害）和转型风险（与向低碳经济过渡相关），越来越多地被视为资产价格波动和系统性金融不稳定的潜在驱动因素。因此，出现了大量试图理解和量化气候变化对资产价格财务影响的文献（参见Bolton等人的研究）。

数据和方法论

我们的主要目标是评估不同方法学选择对气候贝塔系数估算及其相关气候风险溢价的影响。

我们使用了Nasdaq Data提供的数据服务中的Sharadar Core美国股票组合服务和中国股票价格数据集，涵盖了所有相关股票。该数据库还包括已退市股票，以避免生存偏差。我们的样本时间范围为2005年4月至

结果

在本节的初始部分，我们讨论了气候贝塔系数的统计特性。随后，我们探讨了不同方法学选择对气候贝塔系数和气候风险溢价估算的影响。前一节讨论的方法学应用使我们得到了样本中每只股票的144个贝塔系数估算结果。因此，对于单只股票而言，我们有144个随时间（滚动时间序列）和方法学选择变化的贝塔系数。

结论

我们研究了气候新闻贝塔系数估算及其相关风险溢价对常见方法学选择的敏感性。通过对美国和中国股票的144个不同贝塔系数模型进行生成，并改变气候风险指数、数据频率、估算窗口、指数转换和控制变量，我们发现这些选择的影响不容忽视。

我们的核心发现是，估算出的气候贝塔系数存在显著的抽样偏差和方法学不确定性。

关于写作过程中生成式AI和AI辅助技术的声明

在准备本论文时，作者使用了Deepseek、Grok和Claude AI工具来识别和纠正手稿中的语法、拼写和语言错误。使用这些工具后，作者仔细审查、验证并编辑了所有内容，以确保手稿真实反映了他们的原创工作、分析和解读。作者对发表文章的内容负全责。

致谢

本研究得到了XLRI Xavier管理学院内部研究的资助（资助编号：XLRG2406）。我们感谢两位匿名审稿人和Ilya Kipnis提出的宝贵意见，这些意见极大地改进了本文的质量。