碳排放對我國服裝和紡織品行業股票收益的影響研究

一、前言

近年來，隨著經濟發展與環境保護協調統一的需求日益強烈，綠色金融迅速興起。綠色金融植根于可持續發展理念，旨在推動資金流向那些以環境保護為核心價值的項目和企業。中國在全球紡織品生產中占據重要地位，并在碳市場中發揮了重要作用。本文聚焦服裝和紡織品行業，了解碳排放交易與該行業股票收益的相互作用[1]。通過采用Fama-French三因素模型，并增加碳排放交易作為第四個因素，旨在揭示環境因素對金融資產定價的影響。

二、文獻綜述

（一）資產定價模型的發展

資產定價理論主要探討金融資產價值的確定問題。Fama-French三因素模型通過引入額外的維度（即規模和賬面市值比），全面地解釋了股票投資的風險和收益。三因素模型是由尤金·法瑪和肯尼斯·弗倫奇于1993年提出，在傳統資本資產定價模型（CAPM）的基礎上增加了兩個額外因素，即規模效應和賬面市值比效應。雖然CAPM通過市場beta來衡量市場風險，但Fama-French模型認為，較小的公司（通常以市值衡量）和賬面市值比較高的公司通常會平均超出市場表現。因此，結合這三個因素，該模型提供了對股票收益來源的更細致的理解，更有力地解釋了投資組合收益的變化。該模型同樣適用于我國股票市場，因此本文將以Fama-French三因素模型為基礎分析工具。

（二）綠色金融、碳中和和金融領域的碳交易

綠色金融融合了環境科學和金融戰略，作為可持續發展理念的重要組成部分，旨在支持并促進全球經濟向更加低碳、環境適應能力強的方向轉型[2]。Castro等人（2021）努力闡明公司的環境承諾與其股票估值之間的相關性，認為注重環境可持續性的公司，其股票價格往往容易上漲。Pedersen、Fitzgibbons和Pomorski（2021）提出了“ESG分數”，作為評估公司在環境、社會和治理維度上的能力的指標。此外，Bouri、Iqbal和Klein（2022）深入探討了氣候政策不確定性對綠色與棕色能源股票相對表現的影響，其中政策不確定性指數通過使用文本數據與情感分析相結合的方法構建。可見，碳交易日益受到學者的關注，本文將其視為Fama-French三因素模型的另一個因素。

（三）服裝與紡織工業、纖維與碳排放

隨著消費者對紡織品的需求不斷增長，碳排放和廢棄物的產生也相3A3I23ASHLRb2M4JVUi4QyATuhBo2qrrxiUZXa17woQ=應增加（Y.Wang 2010）。在服裝與紡織行業中，棉花作為主要纖維對環境產生了重大影響。研究指出，纖維生產過程中的溫室氣體排放量估計為2.5kgCO2/kg纖維（Muthu2015）。紡織品和服裝在發達地區的個人二次碳足跡中約占4%（Jain 2017）。此外，Haseeb等人（2020）指出，全球碳排放中，紡織行業約占5%。具體而言，每排放19.8噸碳到大氣中，就有1噸來自紡織行業。鑒于人們對環境可持續性的認識不斷提高，解決服裝和紡織行業中的廢棄物，尤其是與碳排放和纖維殘留物的問題至關重要[3]。

綜上所述，本文旨在考察碳交易對我國服裝和紡織行業股票收益的潛在影響，此分析對于理解環境規制與經濟指標的相互作用至關重要。

（四）ESG與DCC-GARCH模型

近年來，環境、社會和治理（ESG）標準已成為評估投資可持續性和道德影響的關鍵基準。本文主要探討碳排放交易是否對我國服裝和紡織行業的股票收益產生影響之外，也關注環境、社會和治理（ESG）與碳排放交易之間的潛在關系。ESG和碳排放交易之間錯綜復雜的動態關系需要復雜的計量經濟學模型揭示，該研究采用DCC-GARCH-t-copula模型確定各自的套期保值比率以及最優投資組合分配。此外，從投資策略的角度看，長期持倉碳排放期貨，同時空頭持倉可再生能源股票可以提供最大的套期保值利益。

三、數據與方法

（一）數據

本文選取我國服裝和紡織行業61家上市公司的股票收盤價，與包裝、石化、化工、水泥、鋼鐵、有色金屬、電力和航空等八大高碳行業相關40只股票的數據，其中還包含了一個由其他行業隨機選擇的80只股票組成的對照組。碳排放定價采用我國主要碳排放市場（具體為北京、上海、廣東和深圳）的交易價格作為代理變量。股票收益率和碳排放價格均來自萬得數據庫。三因子模型構建所需數據來自中國股票市場與會計研究（CSMAR）數據庫。我國自2013年試行碳排放交易，因此本文采用月度數據，時間跨度為2013年7月至2023年7月。

（二）模型

1.三因子模型與碳排放因子

本文采用Fama-French三因子資產定價模型（Fama和French，1993）。為了解釋投資組合的超額收益，Fama和French的三因子模型納入了市場超額收益和與規模、賬面市值比相關的多個因素。

（1）

此公式中，為所選股票的月度收益，而為無風險利率。MKT為市場因子，表示股市的超額月度收益。SMB是規模因子，代表小盤股和大盤股之間月度收益的差異。HML為價值因子，捕捉具有高賬面市值比公司的股票與低賬面市值比公司的股票之間的收益差異。

為了評估碳排放對服裝和紡織公司股票收益的影響，運用碳交易價格作為碳排放強度的指標。由于我國有四個主要碳排放交易平臺，每個平臺的碳排放價格都不同，因此采用算術平均值來衡量碳交易的整體價格。這個因素稱為碳排放因子（CEF），并將其代入公式中。

（2）

所有自變量相對于因變量滯后一個月，以緩解潛在的因果關系和內生性問題。代表碳排放因子，為四個碳排放交易平臺的月度對數價格的平均值。Controlk、i、t-1指初始公式中提到的三個變量，即市場因子、規模因子和價值因子。固定效應能夠確保估計結果不會因公司之間的固有差異而混淆。在公式中設置了兩種類型的固定效應，即趨勢固定效應和年度固定效應。趨勢固定效應確保實證結果不受市場特定波動和趨勢的影響，年度固定效應控制所有觀測值在特定年份可能共享的任何未觀察到的影響，確保發現不會因特定年份的特定事件而產生偏差。

2.動態條件相關DCC-GARCH模型

R.Engle在2002年引入DCC-GARCH模型，旨在估計多元GARCH模型中的時變條件相關性。該模型將方差和相關性的估算區分開，方法可概述如下。

單變量GARCH模型用于方差，對于每個單獨的資產i，GARCH（1，1）模型為：

（3）

其中為時間t處資產i的收益，為沖擊或創新， 為均值為零且方差為單位的白噪聲過程，為條件方差。

3.統計結果

（1）四個因素的相關性（日度）

如表1、圖2所示，MKT和SMB之間的最小相關性表明，與大公司相比，整體市場表現與較小公司的相對表現之間缺乏明顯關聯。同樣，MKT和HML之間的弱相關性表明，更廣泛的市場表現并不一定與高賬面市值比和低賬面市值比股票之間的表現動態相一致。MKT和CEF之間的減弱相關性突顯出整體股票市場表現與碳排放交易中價格的自然對數并沒有明顯的線性關系[4]。

顯而易見，SMB與HML之間微弱的相關性表明，較小公司與較大公司相比的相對表現與高低賬面市值比股票之間的表現差異并沒有顯著相關。SMB與CEF之間的低相關性表明，較小公司相對于較大公司的表現與碳交易所對數價格之間缺乏明顯的線性關系。HML與CEF之間的關系呈現弱相關性，表明高賬面市值比股票相對于低賬面市值比股票與碳排放交易中價格的自然對數并沒有顯著的線性關系。

綜上所述，這四個因素之間的相互關系是微妙的，可能意味著它們各自代表了不同的經濟風險和機會，或受到不同驅動機制的影響。具體而言，當碳排放交易中的對數價格與三個股市因素并列時，推動碳價格的動力可能與我國股市的主要驅動力不同[5]。

（2）四個因素的相關性（月度）

如表1、2所示，MKT、SMB、HML和CEF的結構之間具有高度一致性。在兩個矩陣中，對角線上的值始終為1，表示一個因素與自身之間明確的正相關性。從方向上看，兩個矩陣都明確強調了MKT和CEF之間顯著的負相關性，同樣，SMB和HML在各表中都表現出負相關性。深入研究數值細節，兩個矩陣之間出現了微妙的差異。仔細觀察第二個矩陣，可以發現SMB與其他因素（尤其是HML）的聯系更加突出。雖然第二個矩陣中MKT和CEF之間的負相關性有所緩解，但它們之間壓倒性的反比關系仍然沒有減弱。

（3）描述性分析

表3顯示了2436個數據點的每日綜合觀察結果，這四個因素之間沒有缺失數據。表4列了四個因素每月的基本統計描述。這兩個表格的內容相似，主要描述四個因素的基本統計信息。盡管在正值范圍內，MKT、SMB和HML的平均值接近于零[6]，表明市場、小型股和價值股可能存在長期的積極超額收益。CEF（以碳排放價格的常用對數表示）的平均值為1.9707，暗示了碳排放的平均對數價格相對較高。此外，MKT的標準偏差最為明顯，為0.0155，表明市場收益波動性較大。SMB和HML顯示出類似的波動性，標準偏差分別為0.0079和0.0077。CEF也表現出顯著的波動性，標準偏差為1.3044。

從我國股票市場來看，MKT、SMB和HML似乎與股票收益的固有風險和收益有著內在的聯系。CEF作為一個與環境相關的因素，在資產定價中的作用可能會越來越突出，尤其是在對環境、社會和治理（ESG）投資的重視不斷增長的情況下?？偟膩碚f，這種表格深入探索了我國股票市場四個顯著因素的關鍵統計屬性，其中CEF作為一個新興因素，其根源在于碳排放，突顯了環境對股票收益的可能影響。

四、結語

本文揭示了我國碳排放市場與股票收益之間錯綜復雜的相互作用。文中的實證分析強調了碳排放交易市場在促進綠色發展方面的有效性。由于對碳排放的需求減少和供應增加，碳交易價格明顯下降表明我國在促進工業和能源結構轉變方面的積極努力，企業積極采用綠色技術進一步擴大了這種趨勢。爭論的焦點在于高排放公司股票收益中所謂的碳價上漲，雖然一些學者認為這些公司可能因為未來碳價的飆升而獲得更高的收益，但實證結果與這一觀點相反，發現碳交易價格的上漲對高排放公司的股票收益產生了負面影響。這些發現表明，碳交易價格的影響，尤其是對運營成本和投資者情緒的影響，超過了任何潛在的碳風險溢價好處。然而，值得注意的是，這些結論并非普遍適用于所有工業領域，可以從本文對照組的比較分析中得到證實。

綜上所述，通過綠色金融范式審視我國碳排放交易市場具有積極影響，這種基于市場驅動的機制能夠有效推動企業減少碳排放。然而，碳市場的優化與不斷改進和基礎設施的持續發展密不可分，這兩方面值得引起關注。碳排放交易框架中的市場化程度直接影響碳市場的效率[7]。雖然市場模式本身具有創造平衡碳價指標的能力，但各種試點計劃成熟度的異質性和區域交易政策的影響需要審慎的政策干預。碳市場的政策制定和功能部署依賴強大的法律基礎。相對于國際同行，我國碳交易機構需要在法律領域得到加強，市場的法律結構和運作機制的共生性質不容小覷。隨著我國將碳市場進一步融入全球體系，不僅為經濟發展創造了條件，也為擴大地緣政治紅利鋪平了道路。總之，雖然道路充滿希望，但未來仍需持續地改進、適應和合作。

引用

[1]Piero G A.Dynamic Conditional Correlation：On Properties and Estimation[J].Journal of Business & Economic Statistics，2013，31（03）：282-299.

[2] Elie B，Najaf I，Tony K.Climate policy uncertainty and the price dynamics of green and brown energy stocks[J].Finance Research Letters，2022，47（PB）：102740.

[3]Elbannan M.The Capital Asset Pricing Model：An Overview of the Theory[J].International Journal of Economics and Finance，2015，7（01）：216.

[4]Lorenzo C，F.R E ，Kevin S.Asymmetric Dynamics in the Correlations of Global Equity and Bond Returns[J].Journal of Financial Econometrics，2006，4（04）：537-572.

[5]Paula C，Cristina G，T. M T， et al.The impact of environmental performance on stock prices in the green and innovative context[J].Journal of Cleaner Production，2021（320）：128868.

[6]Dutta A.Impact of carbon emission trading on the European Union biodiesel feedstock market[J].Biomass and Bioenergy，2019：105328.

[7]Robert G.Eccles，Ioannis Ioannou，GeorgeSerafeim.The Impact of Corporate Sustainability on Organizational Processes and Performance[J].Management Science，2014，60（11）：2835-2857.

作者單位：西交利物浦大學數學與物理學院金融與精算數學系

責任編輯：王穎振