绿色因子对A股市场投资决策的影响研究

侯宇恒，杜金泽，曲晓溪

（1.中国社会科学院大学 应用经济学院，北京 102488；2.中国社会科学院大学 经济学院，北京 102488）

一、引言

气候变化是21 世纪人类面临的最大挑战之一，自1750 年工业革命以来，化石燃料的大量使用，提高了生产效率，推动了经济社会发展，但也影响了地球气候和环境，造成全球变暖，并在20 世纪中叶以来进一步加剧。中国气象局气候变化中心发布的《中国气候变化蓝皮书（2021）》显示，我国极端低温事件减少，极端高温事件明显增多；年均降水日数呈显著减少趋势，而极端强降水事件呈增多趋势；沿海海平面也呈现上升趋势[1]。全球变暖和极端事件会影响各类生产要素，并通过多种渠道给经济社会造成损失；气候变化引发相关风险还会通过资产价值重估、资产负债表、抵押品价值变化和市场预期波动等渠道对金融变量产生影响（陈雨露，2020）[2]。有效避免气候变化产生的影响是前所未有的挑战，当前全球已有多个国家做出碳中和承诺，中国于2020年9 月也提出力争于2030 年前实现碳达峰，2060 年前实现碳中和。

随着全球变暖趋势的日益加剧，社会各界对气候变化相关风险认识不断提升，已经意识到加强金融系统风险管理以及合理配置资本进行绿色低碳投资的重要性。相关部门推动金融市场监管改革进程不断加快，为绿色低碳转型融资提供政策支持；金融机构也开始认识到气候变化相关风险会对金融体系造成系统性冲击，绿色债券、绿色信贷等与气候相关的绿色融资工具正快速发展，助力实现“双碳”目标（陆岷峰，2021）[3]；公众对气候变化相关风险以及应对气候变化政策的认知度、接受度和参与度也不断提高（朱松丽等，2020）[4]；与此同时，越来越多的投资者在其投资决策中开始关注环境、气候等相关问题，特别是气候变化引发的相关风险。从偏好来看，社会各界对全球变暖的日益关注会使投资者更偏好低碳公司的资产组合；从预期来看，低碳公司有更好的投资前景，也将受到更多相关政策支持。随着投资者将气候变化相关风险纳入其投资决策中，更有利于增强股票市场对绿色投资因素的灵敏度，促进绿色资源优化配置。

基于此，本文在Fama-French 因子模型的基础上增加绿色因子，主要有以下原因。一方面实证检验当前应对气候变化形势日益严峻的情况下，投资者是否具有绿色投资意识；另一方面通过分析股票收益率变动的相关信息，研究绿色因子对股票资产定价的影响，并试图利用市场效率来反映投资组合中的绿色效应。

通过对A 股市场绿色效应有效性分析，以促进企业开展绿色相关信息披露，充分发挥资本市场的力量来推动经济绿色低碳转型发展。

二、文献综述

随着经济的绿色低碳转型发展，环境、社会和治理信息对投资绩效变得越来越重要（Amel-Zadeh 和Serafeim，2018）[5]，绿色信息披露对市场价值和投资决策有着积极作用（Matsumura等，2014；闫海洲和陈百助，2017）[6-7]。特别是自2015年《巴黎气候变化协定》（以下简称《巴黎协定》）签署以来，最优投资组合中低碳排放公司的权重日益增加（Monasterolo 和De，2020）[8]，投资者已经逐步意识到气候变化相关风险与传统金融风险一样重要，在投资决策中必须考虑气候变化相关风险和应对气候变化的转型机遇，对投资战略有着重要作用（Ilhan 等，2020）[9]。金融资产也已经开始将气候变化相关风险反映到其价格中，已有实证研究发现，全球变暖对投资收益率产生正向风险溢价，且风险溢价随着气温的升高而增加，全球市场的股票价格对气温风险的弹性显著为负，并且随着气温的上升，这种弹性越来越大（Bansal等，2016；Bansal 等，2019）[10-11]。此外，上市公司的股票回报率与公司环境事件也存在着密切关系，上市公司的环境表现与公司估值显著呈正相关关系（Wahba，2008；Aharoni 等，2013）[12-13]；而公司的污染事件会对公司市值造成负面影响（Heflin和Wallace，2017）[14]。

关于气候变化对资产定价模型的应用研究也有较多的尝试，研究方法主要是基于Fama-MacBeth 回归模型和Fama-French因子模型。Fama-MacBeth回归模型主要是在CAPM 模型基础上，将每期截面数据的回归参数均值作为回归的估值，有效排除了残差截面相关性对标准误的影响（Fama 和MacBeth，1973）[15]。Fama-French因子模型主要是从因子分析的角度扩展了Sharpe（1964）[16]和Lintner（1965）[17]的经典CAPM 资产定价模型，在市场因子的基础上，又逐步增加了规模因子和价值因子，形成三因子模型（Fama 和French，1993）[18]，Carhart（1997）[19]在Fama和French（1993）[18]的三因子模型中增加了动量因子，解释股票过去收益率和当前收益率的动态关系。一些文献将这一方法进行扩展，分析潜在的影响因子，Fama 和French（2015）[20]在三因子模型中继续加入盈利因子和投资因子，建立了在资产定价模型中常用的五因子模型。具体的模型构建方法见下文。

在此基础上，近几年有诸多文献开始研究气候变化对资产定价的影响。Hong 等（2019）[21]构建了包含温度、湿度、蒸散和补给率的干旱系数，并通过AR（1）的形式估计干旱系数的时间趋势，采用Fama-MacBeth 回归方法研究全球气温升高对上市食品公司股票价格的影响，研究认为全球变暖趋势加剧了干旱的风险，且处在长期干旱趋势地区的食品公司，其股票回报率相对较低。Engle 等（2020）[22]对气候变化报道的高维数据进行文本分析，构建了气候变化新闻指数以动态对冲气候变化风险，并采用Fama-MacBeth 方法得出气候变化新闻指数在气候变化对冲投资组合中能起到积极的作用。Ramelli 等（2018）[23]利用CAMP 和Fama-French 回归模型，用气候优势（有效监管气候变化引发的成本增加）减去气候弱势（公司气候政策相关争议的严重程度）构建了气候责任因子，研究发现美国前总统特朗普的当选以及其提名普鲁特担任美国环境保护署署长事件都极大降低了人们对美国应对气候变化政策的预期，其预期反映在了股票市场中，提高了部分长期投资于绿色低碳领域企业股票的风险溢价。Gimeno和Gonzalez（2022）[24]将单位碳排放最低的50个企业设为绿色企业，将单位碳排放最高的50 个企业设为污染企业，将绿色企业资产组合的收益率与污染企业资产组合收益率相减得到气候因子，采用Fama-French 因子模型分析得出气候变化因子对股票收益率有显著的影响，投资者已经越来越意识到要将气候变化相关因素纳入投资决策中的重要性。

综上所述，气候变化对金融资产定价的影响受到广泛关注，研究视角也从是否有绿色投资意识到绿色投资意识如何起作用逐步深入。但在资产定价模型中扩展气候相关绿色因子、研究气候变化对资产定价影响的文献还相对较少，在气候变化日益加剧的背景下，中国A 股市场是否也有相似的绿色效应也鲜有研究，气候因子对资产定价作用的研究还在起步和探索阶段。基于此，本文尝试在Fama-French五因子资产定价模型的基础上，增加绿色因子，扩展能更充分解释股票预期回报的因子框架，分析绿色因子对中国A 股市场投资决策的有效性，并从资本市场角度提出推动经济绿色低碳转型的相关政策。

三、模型构建

（一）包含绿色因子的资产定价模型构建

Sharpe（1964）[16]利用Markowitz 的投资组合分析框架，即投资者的效用取决于投资组合的期望收益率和方差，较高的期望收益率一般会伴随着较高的风险，构建了CAPM模型，即：

其中，E(Ri,t)为证券i在t期的期望收益率，E(Rm,t)和σm为整个证券市场组合的期望收益率和标准差，Rf,t为t 期的无风险收益率，cov(Ri,t,Rm,t)为证券i 的收益率与市场整体收益率的协方差。Lintner（1965）[17]基于CAPM 模型对单个证券或组合证券的收益做实证分析，发现实际数据与CAPM 模型一致。除市场风险因素之外，还有许多与企业个体特征相关的变量也可以显著地影响证券价格变化，如小公司股票收益率显著大于大公司股票收益率等现象。因此，在CAPM 模型基础上，Fama 和French（1993）[18]将股票市值和账面市值比纳入CAPM 模型中，提出了三因子资产定价模型，即：

其中，(Rm,t-Rf,t)为市场风险溢价，其主要反映市场的系统性风险；SMBt为市值因子，构造方法为t 期小市值与大市值股票组合的收益率之差，其主要反映规模风险，在相同条件下，小市值股票比大市值股票波动性大、风险高，因此需要更高的收益率来补偿其存在的风险；HMLt为账面市值比因子，构造方法为t 期高账面市值比与低账面市值比股票组合的收益率之差，其主要反映公司个体差异性风险。高账面价值比公司意味着其公司股价相对于公司实际账面价值而言偏低，一般反映为价值型企业。与此相反，低账面价值比公司说明其公司股价相对于公司实际账面价值偏高，一般为成长型企业居多。通常来说，价值型企业收入相对成长型企业而言相对偏低。因此，为了弥补两类企业收入区别，投资者对高账面价值比公司要求更高的风险溢价。若模型（2）中因子参数βi、γs,i和γh,i捕捉到预期回报中的所有变化，则所有投资组合i 的截距项系数αi的值应该为零。

在三因子模型中，资产定价因子中没有考虑盈利能力以及与投资相关因素的回报率，Fama 和French（2015）[20]在三因子模型的基础上又进一步加入盈利因子和投资因子，从而构建了五因子资产定价模型，即：

其中，RMWt为盈利因子，构造方法为t 期具有稳健盈利能力和弱盈利能力的股票组合收益率之差，其主要反映公司的成长性风险，盈利能力较高的行业一般会伴随着更高的风险，因此投资者对盈利能力高的企业有更高的回报率要求；CMAt为投资因子，构造方法为t期投资风格保守与投资风格激进的股票组合收益率之差，投资较低的公司存在较大的成长性风险，因此投资者需要较高的回报率来承担风险。

随着全球变暖趋势日益加剧，以及经济绿色低碳转型发展进程日益加快，投资者也已经逐步将环境因素纳入投资决策中。基于此，本文在Fama-French五因子模型的基础上，进一步增加绿色因子，构建包含环境因素的资产定价模型，即：

其中，GMPt为绿色因子，构造方法为t期非重污染与重污染股票组合收益率之差，主要反映投资者对绿色投资意愿的系统性风险。由于大部分重污染企业为能源、化工以及制造业为主的大型企业，当投资者的绿色投资意识较低时，相较于其他非污染企业有更稳定的市场份额和信贷来源，因此，非污染企业相较于污染企业来说有更高的投资风险，其企业股票投资回报率相较重污染企业应具有更高的风险溢价。随着经济绿色低碳转型发展进程的不断推进，相关部门也不断出台倾向于绿色低碳转型发展的有关政策，不同类型企业的经营成本和收益率水平一方面受相关政策因素的影响，另一方面也受投资者绿色投资意识不断增强的影响，非污染公司与重污染公司股票组合的风险溢价水平可能会发生转变。

（二）模型的因子构建

本文采用Fama 和French（2015）[20]的因子构建方法，其中，反映规模风险的市值因子的构建方法是以股票市值的中位数为分组点，股票市值的前50%为小规模组，用大写字母S 表示，股票市值的后50%为大规模组，用大写字母B表示；反映公司个体风险的账面市值比因子的构建方法是以账面市值比的30%和70%分位数作为分组点，其前30%为低账面市值比L 组，中间40%为中等水平的账面市值比N组，后30%为高账面市值比H组；将市值和账面市值比这两个指标相互交叉，把全部股票划分为SH、SN、SL、BH、BN、BL 六个组合。反映公司的成长性风险的盈利因子的构造方法是以营运利润率的30%和70%分位数作为分组点，前30%设为低盈利水平组，用大写字母W 表示，中间40%为中等盈利水平组，用大写字母N表示，后30%为稳健盈利水平组，用大写字母R 表示，将市值和营运利润率这两个指标相互交叉，把全部股票划分成SR、SN、SW、BR、BN、BW六个组合。同理，将投资的前30%设为投资保守组，用大写字母C 表示，中间40%设为投资中等组，用大写字母N表示，后30%设为投资激进组，用大写字母A表示，将市值和投资这两个指标相互交叉，把全部股票划分成SC、SN、SA、BC、BN、BA 六个组合。将非污染企业设为G 组，污染企业设为P 组，将市值和绿色因素这两个指标相互交叉，把全部股票划分为SG、SP、BG、BP 四个组合。用划分不同组合的收益率之差构建因子，具体构建方法如表1所示。

表1 因子构建方法

（三）描述性统计

本文采用1995年1月至2022年5月中国A 股市场中沪深主板和创业板的月度数据，并删除金融行业股票、*ST 股以及已经退市的股票进行实证分析，相关数据来自中国经济金融研究数据库（CSMAR）。当前，全国碳排放权交易市场覆盖的石化、化工、建材、钢铁、有色、造纸、电力、航空八大重点行业合计约占2020 年度全国碳排放总量的80%，这些行业与2008 年制定的《上市公司环保核查行业分类管理名录》以及证监会《上市公司行业分类指引（2012 年修订）》中的行业分类有较高的覆盖率，其划分的污染行业基本覆盖了高碳排放行业。考虑到目前中国A 股市场绿色相关信息披露制度还不够完善，碳排放数据还不够健全，存在较多的碳排放核算数据不准确以及碳排放相关数据短缺等现象，因此，对于绿色和污染企业的划分本文作了简化处理，并没有计算每个上市公司的碳排放量，而是按照环保部门划分的污染与非污染企业进行划分。在选取的550866个样本数据中，污染企业样本数据占比为27%。

表2 显示了市场风险因子（MKT）、规模因子（SMB）、价值因子（HML）、盈利因子（RMW）、投资因子（CMA）以及绿色因子（GMP）的均值、标准差、最小值、中位数和最大值。

表2 A股市场各因子收益率的描述性统计

表3 为各因子间的相关系数矩阵，从矩阵表中可以看出盈利因子（RMW）与投资因子（CMA）存在较大的负相关性，其相关系数为-0.796，且通过1%的显著性水平，其可能原因是企业盈利会减少企业投资；价值因子（HML）与绿色因子（GMP）存在较大的负相关性，其相关系数为-0.612，且通过1%的显著性水平，其可能原因是相较于重污染企业，非污染企业自身估值相对较低；规模因子（SMB）与盈利因子（RMW）也存在较大的负相关性，其相关系数为-0.520，且通过1%的显著性水平，这与A股市场大市值公司的利润率相对较低相吻合。

表3 解释变量相关系数矩阵

四、实证分析

（一）因子经验检验

在使用Fama-French 因子模型实证分析前，借鉴Fama 和French（2015）[20]的研究方法，计算按照不同维度划分的资产组合的月度超额回报，直观地反映不同因子的解释能力。同时，按照是否为污染企业，以及《巴黎协定》的签署年份2015 年作为时间节点进一步划分资产组合，一方面作为研究结论的稳健性分析，另一方面从统计描述角度检验投资者是否增加了绿色投资意识。

1.分组收益率

将样本股票月度收益率与规模、账面市值比、盈利和投资相对应，其中股票规模从小到大划分为5组（Small、2、3、4、Big），账面市值比、盈利和投资从小到大划分为5 组（Low、2、3、4、High），相互交叉组合为3 组5×5 投资组合，并分别计算每组内股票月度收益率，直观地反映股票收益率与规模、账面市值比、盈利水平和投资水平之间的关系。具体结果如表4所示。

表4 5×5投资组合月度平均收益率（%）

从Size-B/M 组合、Size-OP 组合以及Size-Inv 组合每列数值来看，股票月度收益率随着股票市值变大而减小，即小市值股票比大市值股票的风险高，投资者要求更高的风险溢价。从Size-B/M 组合的每行数值来看，从低账面市值比的投资组合到高账面市值比组合，股票月度平均收益率整体呈现增长趋势，即在A股市场中存在价值效应。从Size-OP组合的每行数值来看，股票的月度平均收益率随着盈利水平的增加而增加，高盈利水平伴随着高风险，则股票收益率也相对较高，A 股市场中存在着盈利效应。从Size-Inv 组合的每行数值来看，整体上股票月度平均收益率随投资水平提升而提升，没有反映出投资效应，具体情况进一步通过实证回归进行分析。

2.考虑绿色因素的分组收益率

从稳健性检验和绿色因子的双重角度考虑，进一步将绿色因子和其他因子从三个维度划分，分G/P-Size-B/M 组、G/P-Size-OP 组和G/P-Size-Inv 组计算月均收益率。整体来看，表5进一步验证了表4的规律，A 股市场中具有明显的规模效应和盈利效应，投资效应仍不明显。

在划分了非污染企业和污染企业之后，价值效应发生变化，随着账面市值比的增加，月度平均收益率呈现先增加后减少的倒“U”形趋势，其原因进一步通过实证回归来分析。具体数值结果如表5 所示。

3.考虑时间效应的分组收益率

从表6 中直观考察绿色因子效应，选取2015 年为时间节点，以G/P-Size-BM 分组的月度收益率均值为例。从表6整体来看，在2015年以前，非污染企业股票的月度收益率均值明显高于污染企业股票的月度收益率均值；而在2015 年之后，污染企业股票的月度收益率均值明显高于非污染企业股票的月度收益率均值。通过数值比较来分析可能原因，发现在2015 年之前，投资者的绿色投资意识相对较低，由于污染企业中能源、化工以及制造业等占比较大，而这些行业在绿色投资意识不强的情况下，投资风险相对较低，即非污染企业投资风险高于污染企业，因此非污染企业股票有更高的收益率；随着经济绿色低碳转型发展进程的不断推进，出台的诸多绿色低碳转型政策也有利于绿色企业发展，而增加了污染企业的排污约束以及排污成本，投资者已经意识到应该在投资过程中考虑绿色因素，污染企业股票面临更高的投资风险，因此具有更高的收益率。

表6 2×5×5投资组合月度平均收益率（%）

（二）Fama-French因子模型回归分析

1.冗余检验

分别用其余五个因子回归解释第六个因子，看各因子回归结果的截距项是否通过显著性检验，考虑到收益率的序列在时序上可能同时存在异方差和自相关问题，本文在回归过程中采用Newey-West调整。

从表7 中可以看出，除市场风险因子（MKT）的判定系数R2较小（为0.019），其余因子的R2值均比较大，处于0.4到0.8之间；绿色因子（GMP）的截距项未通过显著性检验，其余因子的截距项均通过了显著性检验。整体来看，截距项通过显著性检验，用于解释变量的因子不能全部反映被解释变量因子的信息，应将该被解释变量因子保留，绿色因子截距项虽然未通过显著性检验，但其有较大的adj.R2。因此，对绿色因子（GMP）采用Gram-Schmidt 正交化方法，将绿色因子（GMP）对其余5 个因子进行回归后的截距项和残差相加，构造正交化绿色因子（GMPO），正交化后的绿色因子（GMPO）既保留了原有绿色因子在模型中的解释能力，又消除了因子之间的共线性。

表7 因子间回归结果

2.因子模型回归分析

在Fama-French 因子模型基础上，增加正交化绿色因子（GMPO），以Size-B/M 组合划分的25 组样本数据进行回归，并采用Newey-West 调整，具体模型方程为：

从表8 的回归结果可以看出，在有绿色因子的Fama-French 因子模型回归后，在25 组回归分组中，只有6个截距项（Cons）显著不为0，其余19个截距项（Cons）均未通过显著性检验，且回归结果adj.R2值均大于0.9，选取的6 个因子在很大程度上解释了个股的超额收益率。在25 组回归分组中，市场因子（MKT）全部通过显著性检验，规模因子（SMB）仅有2个未通过显著性检验，其余因子通过显著性检验的比例未超过市场因子和规模因子，这说明我国A 股市场有较强的市场和规模效应。价值因子（HML）的系数γh,i在Low、2 两列低账面市值比组中均通过显著性检验，且系数为负；γh,i在4、High 两列高账面市值比组中均通过显著性检验，且系数为正；处于中间水平的账面市值比的股票分组中均未通过显著性检验，充分说明A股市场有鲜明的价值效应，高账面市值比的股票比低账面市值比的股票拥有更高的风险溢价。盈利因子（RMW）、投资因子（CMA）和绿色因子（GMPO）中通过显著性检验的比例少于前3 个因子，其呈现的效应还会受到规模效应和公司个体效应的影响。绿色因子中只有4 个通过显著性检验，且系数符号有正有负，其中高账面价值比的公司绿色因子为负，而相对较低的账面价值比公司绿色因子为正，其中潜在的原因可能与公司类别有关。一般而言，高账面价值比且规模较大的公司为大规模价值型公司，国内这类公司中重污染公司数量比重较大，这意味其面临的绿色转型风险较大，即更容易受到缓解气候问题的政策影响，如碳税、排污限制以及碳排放权交易等。

表8 因子模型回归结果

因此，此类分组回归中更容易捕捉到企业面临的绿色风险，绿色公司由于存在较小绿色转型风险，投资者对其风险补偿要求小于污染企业，使得绿色因子对超额收益率的影响为负。而账面价值比较低的公司则一般为成长型公司，这类公司中重污染企业较少，所以受转型风险影响较小。绿色因子为正，说明绿色因子对超额收益率的贡献为正，这说明在低账面价值比的公司股票中，绿色因子带来的激励效应超过其面临的转型风险，因此，绿色企业股票超额收益率更高。

3.各因子模型比较分析

进一步对因子模型进行比较，采用GRS 和A|αi|检验。GRS 检验所有截距项是否同时为零，GRS 统计量值越小，即说明模型的因子不能解释超额收益率的因素越少，因而模型的解释能力越好。另一指标为25 组回归截距项绝对值，平均值A|αi|，A|αi|值越小，即模型的解释力越高。

从表9 的结果可以看出，3 组5×5 回归中，加入绿色因子后，因子模型回归的GRS 统计量和A|αi|值均为最小，这表明包含有绿色因子的六因子模型的解释力最好，因此，在Fama-French 因子模型中加入绿色因子是合宜的。

表9 GRS和A|αi|检验

五、结论与政策建议

本文通过构建包含绿色因子的Fama-French 因子模型，分析了绿色因子对中国A 股市场资产定价的影响。主要研究结论归纳如下。

第一，引入绿色因子的六因子模型能够更好地解释中国A 股市场股票风险溢价，其呈现的绿色效应还会受到规模效应和公司个体效应的影响。

第二，从经验验证来看，《巴黎协定》的签署传递给股票市场较强的政策信号，在2015年之前，中国A股市场非污染企业投资风险高于污染企业，当投资者绿色投资意识增强后，污染企业投资风险高于非污染企业。

第三，绿色因子对股票超额回报率的作用受回归子样本影响，实证结果显示高账面价值比的公司的绿色效应为负，而低账面价值比的公司的绿色效应为正。这主要因为重污染企业面临的绿色低碳转型风险较大，而绿色企业在面临较小绿色风险的同时，还能享受更多的绿色激励效应。

本文研究的主要局限为企业碳排放相关数据的匮乏。本文构建与气候相关的绿色因子仅仅从企业性质来决定的，由于绿色信息披露还不够充分，不能全面掌握企业气候相关的绿色数据，因此实证分析还是初步尝试和探索，随着气候风险相关信息披露的推进，绿色因子也许会更加显著。

在全球气候变暖日趋加剧的情况下，气候变化因素对金融资产定价的影响也越来越大，进一步考虑金融市场中绿色机制具有较大的现实意义。针对国内绿色金融发展的起步阶段，本文提出以下三点建议。

第一，强化中国股票市场绿色激励效应。进一步完善绿色企业评估标准体系，提高企业绿色信息透明度，提升股票市场中对绿色因子的反应速度，使绿色因子能够更快地反映在股票价格中，以增强投资者的资产定价能力，从而促进绿色资源配置效率。

第二，加强对市场绿色参与者的正确引导。加强对绿色投资理念以及资产定价中绿色因子的宣传和推广。一方面，促进投资者树立正确的绿色投资行为，提升其对绿色资产的合理定价能力，减少投资者对绿色金融资产的投机行为，促进中国绿色金融体系合理健康发展；另一方面，增强企业的绿色生产意识，促进经济可持续发展。

第三，扩大绿色金融产品市场份额，丰富绿色金融产品种类。当前中国绿色金融产品的市场份额还相对较小，产品类型也主要为绿色信贷、绿色债券、绿色保险等，应进一步鼓励金融机构开发更多新型绿色金融产品，丰富绿色金融市场，使投资组合中有更多的绿色金融产品选择。