核心要點
許多投資者認為ESG友好型投資組合會自動犧牲報酬率,或者相反,認為氣候風險已經完全被定價。證據表明這兩種觀點都不正確。Bolton和Kacperczyk(2021)記錄了約每年1-2%的碳溢價:碳排放量較高的企業獲得更高的股票報酬率,這與投資者要求轉型風險曝露補償一致。然而這一溢價與深層的測量問題共存。Berg, Koelbel, Rigobon(2022)表明,不同供應商的ESG評級差異極大,將其用作氣候風險代理指標並不可靠。與此同時,Hsu, Li, Tsou(2023)發現了由環境監管風險驅動的獨立污染溢價。實務挑戰在於區分轉型風險、物理風險和監管風險,三者對投資組合構建的影響各不相同。
碳溢價:轉型風險的補償
氣候金融的核心問題是投資者是否要求碳密集型企業提供更高的報酬率。如果碳排放透過潛在的監管、碳稅或擱淺資產創造金融風險,那麼理性投資者應該要求承擔該風險的補償。Bolton和Kacperczyk(2021)系統性地驗證了這一假設。
Bolton-Kacperczyk 框架
利用CDP(原碳資訊揭露專案)的綜合排放資料與美國股票報酬率進行匹配,Bolton和Kacperczyk檢驗了在控制標準風險因子後,碳排放是否預測橫斷面股票報酬率。他們將排放分解為三個類別:範圍一(自有營運的直接排放)、範圍二(購買能源的間接排放)和範圍三(整個價值鏈中的所有其他間接排放)。
核心發現引人注目。總碳排放量較高的企業取得顯著更高的股票報酬率,效應集中在範圍一(直接)排放中。碳溢價約為每年1-2%,在控制Fama-French五因子模型、產業固定效應和大量公司層面特徵後仍然穩健。
範圍一驅動溢價的原因
溢價集中在範圍一排放中在經濟學上是直覺性的。直接排放對監管機構最為可見,也是碳定價機制最可能的目標。燃煤電廠面臨的排放法規導致的擱淺資產風險,與擁有間接範圍三供應鏈排放的軟體公司截然不同。市場似乎正確地反映了這種差異:溢價補償的是最顯著和可衡量的氣候轉型風險形式。
溢價隨時間增長
Bolton和Kacperczyk記錄了碳溢價在樣本期間內不斷強化,這與投資者對氣候轉型風險認識的提高一致。隨著氣候政策從理論可能性轉向具體實施(EU排放交易體系、國家碳稅、巴黎協定框架),市場越來越多地將碳密集型商業模式面臨的監管顛覆風險納入定價。
這種時間模式將碳溢價與虛假相關性區分開來。如果溢價反映的是與氣候無關的遺漏風險因子,那麼隨著氣候政策變得更加突出,溢價就沒有理由增加。
物理風險與轉型風險
Giglio, Kelly, Stroebel(2021)區分了氣候變遷影響資產價格的兩個渠道。
轉型風險源於向低碳經濟轉型所需的政策和技術變革。碳稅、排放法規、消費者偏好變化以及化石燃料行業的技術顛覆都會產生轉型風險。這是Bolton和Kacperczyk主要衡量的風險。
物理風險源於氣候變遷的直接後果:海平面上升、極端天氣事件、水資源短缺和生態系統破壞。物理風險在更長的時間跨度上運作,透過對物質資本的損害、供應鏈中斷和農業生產力變化來影響資產價值。
這一區分對投資組合構建很重要,因為兩種風險具有不同的地理、產業和時間特徵。集中在佛羅里達海岸的不動產投資組合所面臨的物理風險與歐洲公用事業公司所面臨的轉型風險幾乎沒有重疊。避險一種風險並不能避險另一種。
Giglio, Kelly和Stroebel指出,物理風險特別難以定價,因為涉及的時間跨度(數十年到數百年)超過了典型的投資期限,而且氣候結果的機率分布涉及深層不確定性而非可量化的風險。這創造了物理風險被系統性低估的可能性,對長期投資者而言具有令人擔憂的含義。
污染溢價:監管風險的實際運作
Hsu, Li, Tsou(2023)識別了一個相關但不同的溢價。以EPA有毒物質排放清單衡量的毒性排放較高的企業取得更高的股票報酬率,這種污染溢價集中在位於環境法規更嚴格的州的企業中。
機制:監管曝露
Hsu-Li-Tsou的發現表明,污染溢價是由監管風險而非對環境影響的廣泛社會關注所驅動的。位於嚴格監管州的企業面臨更高的合規成本、更大的訴訟風險以及更高的因監管執法導致營運中斷的可能性。投資者要求對這些具體的金融風險給予補償。
污染溢價在兩個重要方面不同於Bolton-Kacperczyk的碳溢價。首先,它由有毒排放(化學品、重金屬)而非溫室氣體排放驅動。其次,它受地方監管環境而非全球氣候政策調節。這一區分很重要,因為它意味著環境風險溢價不是單一的;不同類型的環境曝露創造不同類型的金融風險。
監管渠道創造可預測性
Hsu, Li和Tsou表明,環境法規的變化預測污染溢價的變化。當州收緊環境標準時,該州企業的污染溢價增加。這種監管可預測性為能夠預判環境政策方向的投資者提供了潛在優勢。
ESG評級:測量問題
任何構建氣候風險意識投資組合的嘗試都面臨根本性的測量挑戰。Berg, Koelbel, Rigobon(2022)記錄了六家主要供應商(MSCI、Sustainalytics、Moody's、S&P Global、Refinitiv和KLD)的ESG評級顯示的配對相關性低至0.38至0.71。相比之下,Moody's和S&P的信用評等約99%的時間保持一致。
不一致的來源
Berg, Koelbel和Rigobon將不一致分解為三個組成部分。範圍差異源於不同的評等機構在評估中納入不同的ESG類別。測量差異源於機構使用不同的指標來衡量相同的概念。權重差異反映了對共同類別賦予的不同權重。
測量差異是不一致的主要來源,佔總評等利差的一半以上。這意味著即使評等機構看的是相同的ESG維度,它們對企業在該維度上的表現也會得出不同的結論。
對氣候風險的影響
測量問題在氣候風險方面尤為嚴峻,因為碳排放(最客觀和可量化的環境指標)僅佔ESG總分的很小比例。使用ESG評分作為氣候風險代理的投資者所依賴的信號,被與氣候曝露幾乎無關的治理品質、勞動實務和其他維度的主觀評估嚴重污染。
這解釋了為什麼基於ESG評分的簡單做多綠色/做空棕色策略產生不穩定的報酬率。信噪比太低,無法產生一致的超額報酬率,而供應商之間的不一致意味著同一策略的不同實施可能產生矛盾的結果。
NGFS情境框架
由央行和金融監管機構組成的央行與監管機構綠色金融網路(NGFS)開發了一套標準化的氣候情境,越來越多地用於金融壓力測試和長期風險評估。
NGFS情境涵蓋三條大的路徑。有序轉型情境假設氣候政策早期引入並逐步加強,允許向低碳經濟平穩過渡。無序轉型情境假設政策行動延遲後突然收緊,造成急劇的調整成本。溫室世界情境假設有限或沒有政策行動,導致未緩解的氣候變遷帶來嚴重的物理風險。
每條路徑對資產價格產生不同的影響。有序轉型有利於能夠逐步適應的企業,不利於擁有僵化碳密集型商業模式的企業。無序轉型為碳密集型企業(透過突然的政策衝擊)和清潔能源企業(透過需求波動率)都創造了尾部風險。溫室世界情境主要影響曝露於物理風險的資產,包括脆弱地區的不動產、農業和基礎設施。
金融機構越來越被要求使用NGFS情境進行氣候壓力測試。ECB在2022年完成了首次全經濟氣候壓力測試,英格蘭銀行和美國聯準會也進行了各自的測試。這些監管壓力測試正在將氣候情境轉化為具體的資本要求,創造了氣候風險影響資產估值的新渠道。
構建碳避險投資組合
研究文獻為希望系統性管理碳曝露的投資者指出了幾種實務方法。
碳因子:多空構建
按照Bolton和Kacperczyk的邏輯,碳因子可以構建為多空投資組合:做多碳排放高的股票(取得碳溢價)並做空碳排放低的股票。該因子的行為類似於資產定價中的其他系統性風險因子;平均而言取得正溢價,但引入與氣候政策發展相關的波動率。
希望取得碳溢價的投資者將傾斜向高排放股票,接受轉型風險。希望避險碳風險的投資者將採取相反的部位,接受較低的預期報酬率以換取對監管衝擊的保護。
碳強度與絕對排放量
投資組合構建需要在絕對排放量(CO2總噸數)和碳強度(每單位營收或市值的排放量)之間做出選擇。Bolton和Kacperczyk發現兩種衡量標準都能預測報酬率,但碳強度因其規模中性而對投資組合構建更為有用。絕對排放量高但每美元營收碳強度低的大公司,可能比絕對排放量低但強度高的小公司面臨更少的轉型風險。
避險的挑戰
Engle, Giglio, Kelly, Lee, Stroebel(2020)開發了利用氣候新聞文本分析來避險氣候變遷風險的方法。他們從媒體報導中構建氣候新聞指數,並建立避險該指數創新的投資組合。他們的方法說明了一個關鍵挑戰:由於氣候風險在數十年間展開,傳統的短期避險工具不適合氣候曝露。包括直接投資於氣候韌性資產和策略性產業配置在內的長期方法,在管理投資組合氣候風險方面可能比基於衍生品的避險更為有效。
尚未解決的問題
若干重要問題仍然懸而未決。首先,隨著氣候風險被更廣泛地認識和定價,碳溢價是否會持續?風險因子定價的邏輯表明,只要基礎風險是真實的,答案就是肯定的。但如果碳密集型產業萎縮且轉型風險被完全定價,溢價可能減少或逆轉。
其次,投資者應如何權衡物理風險與轉型風險?當前定價似乎遠比物理風險更多地反映了轉型風險,這可能為擁有足夠長投資期限的投資者創造長期錯誤定價機會。
第三,ESG評級能否改革以提供可靠的氣候信號?Berg-Koelbel-Rigobon的發現表明,當前的ESG評等基礎設施作為氣候風險衡量工具並不合適。直接排放資料結合前瞻性情境分析,可能為氣候意識投資提供更可靠的基礎。
這些論文的證據共同表明,氣候風險是真實的、已被定價的、且重要性在增長,但用於測量和管理它的工具仍然不完善。理解轉型風險、物理風險和監管風險之間區別的投資者,以及依靠直接排放資料而非綜合ESG評分的投資者,在氣候變遷定價仍處於早期階段的金融體系中處於更有利的位置。
本分析由 Quant Decoded Research 經 QD Research Engine AI-Synthesised — Quant Decoded 的自動化研究平台 — 綜合分析,並經編輯團隊審核確保準確性。 了解我們的方法論.
參考文獻
-
Berg, F., Koelbel, J. F., & Rigobon, R. (2022). "Aggregate Confusion: The Divergence of ESG Ratings." Review of Finance, 26(6), 1315-1344. https://doi.org/10.1093/rof/rfac033
-
Bolton, P., & Kacperczyk, M. (2021). "Do Investors Care about Carbon Risk?" Journal of Financial Economics, 142(2), 517-549. https://doi.org/10.1016/j.jfineco.2021.05.008
-
Engle, R. F., Giglio, S., Kelly, B., Lee, H., & Stroebel, J. (2020). "Hedging Climate Change News." Review of Financial Studies, 33(3), 1184-1216. https://doi.org/10.1093/rfs/hhz072
-
Giglio, S., Kelly, B., & Stroebel, J. (2021). "Climate Finance." Annual Review of Financial Economics, 13, 15-36. https://doi.org/10.1146/annurev-financial-073020-020523
-
Hsu, P.-H., Li, K., & Tsou, C.-Y. (2023). "The Pollution Premium." Journal of Finance, 78(3), 1343-1392. https://doi.org/10.1093/rfs/hhac066
-
NGFS (Network for Greening the Financial System). (2023). "NGFS Climate Scenarios for Central Banks and Supervisors." https://www.ngfs.net/ngfs-scenarios-portal