宏觀金融網絡中的氣候政策沖擊機制和效應分析

■ 馬正宇，秦放鳴

一、引言

2021年，鄭州特大暴雨、山西特大暴雨等極端天氣事件頻發，氣候變化對人類生存發展的挑戰已愈發嚴峻。我國氣候風險水平趨于上升，極端強降水事件、極端高溫事件呈增多趨勢。為實現《巴黎協定》溫控目標，緩解氣候風險，中國已宣布力爭于2030年、2060年分別實現碳達峰和碳中和。實現該目標需要推動低碳經濟轉型，引導資本由高碳部門流向低碳部門，但碳排放具有外部性，資本的這一流動無法基于市場機制實現，需要政府實施促進低碳經濟轉型的經濟政策，即氣候政策。

我國實現碳達峰、碳中和目標的時間緊、任務重，預期將實施強有力的氣候政策。若僅考慮氣候政策的節能降碳效果，或僅考慮它們對目標部門的直接沖擊，而忽略傳染反饋效應，可能遠遠低估氣候政策的總體影響。本文基于宏觀金融網絡的研究方法，使用國家資產負債表數據構建中國宏觀金融網絡，闡述氣候政策沖擊的產生和傳染反饋機制，確定氣候政策沖擊的主要循環反饋鏈條并計算沖擊放大效應。此外還進一步研究了非金融資產的沖擊緩釋作用及宏觀金融網絡的總體放大效應，對氣候政策的制定和實施具有一定參考意義。

二、文獻綜述

一些文獻對氣候政策沖擊的傳導機制開展了研究。根據 Carney（2015）、G20 綠色金融研究小組（2017）、NGFS（2019）、中國人民銀行研究局課題組（2020）等研究，氣候變化對經濟金融系統帶來兩類風險，即物理風險和轉型風險，氣候政策沖擊屬于轉型風險。轉型風險的核心傳導機制是低碳經濟轉型導致資產價值重估，高碳或“棕色”資產成為“擱淺”資產，進而通過金融部門對這些“擱淺”資產的敞口傳導至金融系統，從而影響金融穩定。這些研究指出，氣候變化沖擊在經濟金融系統間循環反饋的機制至關重要，但現有研究存在不足，應作為后續研究重點。

還有一些文獻對氣候政策沖擊開展了定量評估。IPCC（2014）研究認為將全球變暖控制在2℃以內，將在2030 年使全球總消費降低1%～4%。OECD（2017）認為宏大的氣候政策及結構改革將增加投資，將全球氣溫變暖控制在2℃將產生2.8%的正向GDP 影響。Nordhaus（2017）研究認為至2100 年，氣候變化導致的損害和緩解氣候變化的成本將使全球產出降低4%。Wei et al.（2017）研究發現22項氣候政策能夠使加利福尼亞州的生產總值在2030 年時增長98.5 億比索。根據Vermeulen et al.（2018）的研究成果，破壞性的氣候政策、技術突破或消費者和投資者信心下降，帶來的損失將達銀行、養老基金和保險公司資產的3%、10%和11%。馬駿（2019）認為2017—2030 年能源轉型期間，中國GDP 年均增長率會下降0.5 個百分點。這些研究大多止于“第一步”，即僅研究氣候政策對其目標部門帶來的初次、直接沖擊，這正如NGFS（2019）所指出的，在氣候變化導致金融風險的研究中，多數未考慮多輪循環反饋的影響。

宏觀金融網絡方法為研究氣候政策沖擊的循環反饋提供了思路。Castrén & Racan（2014）認為宏觀金融網絡模型能夠從宏觀層面刻畫經濟中各部門間的金融關聯和風險暴露，可被應用于研究各類沖擊的傳導路徑和大小，為系統性風險研究和相關政策模擬提供了有力工具。茍文君等（2016）將或有索取權分析法（CCA）運用于通過中國資金存、流量表等有關數據構建的宏觀金融網絡，研究了風險在宏觀金融網絡中的傳導。Veronika et al.（2018）認為如果氣候政策以“過晚且突然”的方式實施，那么理性預期假設將失效，價格信號將失真，可能會出現系統性的金融資產誤定價，氣候政策沖擊將沿著資產負債表的連接在宏觀金融網絡中傳播。劉磊等（2019）使用CCA方法和2016年中國國家資產負債表數據，借鑒谷歌網頁排名算法，構建了部門金融風險指數，探討了風險在部門間的傳染。劉磊和張曉晶（2020）基于2016年國家資產負債表數據，構建了違約風險和流動性風險的傳導模型。

上述研究形成了本文的基礎，但也存在一些不足。在理論方面，將進一步探討氣候政策沖擊產生和在宏觀金融網絡中傳染反饋的機制。在實證方面，克服了使用資金流量表或其他數據替代資產負債表數據的不足，使用李揚等（2020）發布的中國國家資產負債數據，構建中國宏觀金融網絡，分別對主要循環反饋鏈條和整個宏觀金融網絡的沖擊放大效應進行測算。本文主要的貢獻在于，提供了一個基于宏觀金融網絡的基礎研究方法，填補了現有文獻在氣候政策沖擊循環反饋機制和效應評估方面的不足，對于改進碳達峰、碳中和目標下有關氣候政策的制定和實施具有參考意義。

三、氣候政策沖擊的產生和傳染反饋機制

（一）氣候政策沖擊的產生機制

目前，氣候變化相關自然科學的發展仍相當有限，對氣候變化趨勢和細節的判斷存在極強的不確定性。這導致氣候政策是否實施、何時實施、實施力度及實施節奏等均存在較強的不確定性，加之理性預期假設往往處于失靈狀態，市場無法對氣候政策可能使資產價格發生的變化作出有效調整，因此可能產生系統性的錯誤定價。一旦氣候政策實施并顯現效果，市場主體將面臨突然的價格調整，氣候政策對經濟金融系統的沖擊由此產生。

其中部分政策首先影響實體經濟中的有關部門，然后傳導至金融部門。例如不當的減排任務可能擾亂企業經營，進而引發金融機構的信用風險；碳稅或碳市場交易制度提升碳排放價格，增加企業成本，導致金融機構信用風險上升；能源和產業綠色低碳轉型將使化石能源成為擱淺資產，并基于投入產出關聯使上下游相關產業資產擱淺，導致企業估值下降和金融市場風險，同時增加債權金融機構的信用風險。另外一些氣候政策直接影響金融部門。例如“綠色量化寬松”和“綠色支持因子”會使持有綠色資產的金融機構資產負債表擴張；在碳市場交易制度下，碳價可能頻繁大幅波動，產生市場風險，影響金融穩定。需要強調的是，氣候政策并非僅帶來負面影響，部分政策能夠促進綠色低碳產業發展，有利于帶動經濟增長和降低金融部門風險。本文對主要氣候政策及其對經濟金融的直接影響進行了歸納，具體見表1。

表1 主要氣候政策及其直接影響

（二）氣候政策沖擊在宏觀金融網絡中的傳染反饋機制

宏觀金融網絡的構建以國家資產負債表數據為基礎。目前我國官方尚未公布國家資產負債表，李揚等（2020）發布的2000—2019 年的中國國家資產負債表填補了這一空白。該套數據將宏觀經濟分為居民、非金融企業、金融、政府和國外5個部門，給出了各部門基于通貨、存款、貸款、未貼現銀行承兌匯票、保險、金融機構往來、準備金、債券、股票及股權、證券投資基金份額、中央銀行貸款、其他、直接投資和國際儲備資產等14類金融工具所持有的金融資產和負債數據。沿用劉磊和張曉晶（2020）的做法，將14類金融工具合并為4 類：第一類為存款，包括通貨、存款、保險、準備金、金融機構往來；第二類為貸款，包括貸款、未貼現銀行承兌匯票、中央銀行貸款、其他；第三類為債券，包括債券及國際儲備資產；第四類為股權，包括股票及股權、證券投資基金份額、直接投資。表2展示了2019年中國各宏觀部門的金融資產和負債數據。

表2 2019年各部門金融資產和負債 （單位：萬億元）

在國家資產負債表中，非金融資產不具有跨部門的關聯性，某部門的非金融資產僅獨立出現在其資產端；而金融資產與負債具有顯著的跨部門關聯性，某部門的金融資產與其他部門的負債相伴相生，正如一枚硬幣的正反面，加總各部門數據后，總金融資產等于總負債。需要注意的是，微觀主體不會擁有自身的金融資產或負債，但在某宏觀部門內部，不同微觀主體間的資產和負債匯總后，通常不會“借貸相抵”（netting out），因此某部門可能持有自身的金融資產或負債。金融資產和負債的跨部門關聯性使各部門的資產負債表相互連接，形成宏觀金融網絡。通過金融工具k 形成的宏觀金融網絡A的矩陣如式（1）所示。

由于宏觀金融網絡的存在，氣候政策對任一部門造成的沖擊，均會傳染至其他部門。不僅如此，網絡中還存在一些閉合鏈條，能夠使沖擊經一系列傳染后，最終反饋至初始部門，并繼續周而復始，初始部門將受到多輪，甚至無限輪次的沖擊。

以基于股權的閉合鏈條為例：假設部門i+1持有部門i 的股權，部門i+2 持有部門i+1 的股權，以此類推，部門i+n 持有部門i+n-1 的股權，而部門i持有部門i+n的股權。如果某項氣候政策的初始沖擊使部門i的資產受損，那么其市值會下降，這使部門i+1 持有的股權價值下降，金融資產縮水，其市值也會下降。同樣的機制使整個鏈條上所有部門的金融資產規模相繼下降，而這一沖擊最終回到部門i，增加其受到的總沖擊，同時第二輪循環啟動。

再以基于債券的閉合鏈條為例：假設市場對債券的定價取決于其面值和根據可得信息計算出的違約率。如果氣候政策沖擊使部門i 的資產減少，根據這一新增信息，市場預期i 部門發行債券的違約率將上升，因此調低其價格，導致部門i+1 持有的債券價值下降，金融資產縮水，而這將引起i+1部門發行債券的違約率上升和價格下調。以此類推，該閉合鏈條上所有部門發行的債券違約率上升，金融資產減少，并且部門i最終承受不止一輪沖擊。

為了定量計算氣候政策沖擊的傳染反饋效應，通過公式對圖1的機制進行表述。從一個僅包含i 和j 兩個部門的簡單情形入手，它們的總金融資產分別為A和A，相互之間持有的金融資產分別為A和A。假設一項氣候政策在時點t對其目標部門i 帶來初始沖擊△A（t），即部門i的資產規模發生△A（t）的變化雖然△A（t）可正可負，但為了便于理解和分析，本文令△A（t）＞0，指資產規模減少的量。，經過第一個環節的傳導，在時點t，部門j受到沖擊：

圖1 氣候政策沖擊在宏觀金融網絡中的傳導流程圖

式（2）隱含了本文的一項基礎假設：當某部門的資產遭受沖擊后，其負債的價值發生等比例的變動。r是恢復率，表示在考慮違約概率、保險覆蓋及其他有關因素的情況下，A遭受沖擊后，其受損部分能夠恢復的比率，r∈[0，1]。w=（A/A）（1-r）是沖擊系數，表示沖擊由部門i向部門j 傳染時強弱變化的程度。w≥0，且w可能大于1，如表2 顯示，非金融企業負債端的貸款和股權兩項均遠大于其總金融資產。如果w＞1，意味著沖擊在這一環節的傳染中被放大。

在時點t，沖擊回到部門i，造成的沖擊為：

當沖擊在這兩個部門間周而復始無限循環反饋時，將沖擊第n次返回部門i稱為部門i受到的第n輪沖擊。部門i受到的總沖擊為所有輪次沖擊的和：

根據式（4），當ww=0時，△A（∞）=△A（t），表示氣候政策僅對部門i 造成△A（t）的初始沖擊，不存在反饋效應。當 ww∈（0，1）時，△A（∞）＞△A（t），部門i受到的總沖擊大于初始沖擊，但有上限。

接下來考慮更為一般的情形，如果氣候政策沖擊從部門i 開始，在長度為n 的閉合鏈條上循環反饋，那么沖擊第1次返回部門i時，沖擊為：

經過無限次的循環反饋，部門i受到的總沖擊為：

部門i 最終受到的總沖擊和初始沖擊之間的放大乘數為：

與對式（4）和式（5）的分析類似，式（8）中ww…w∈[0，1），M是大于等于 1 的有限值，這意味著氣候政策沖擊不會無限放大。

四、宏觀金融網絡傳染反饋氣候政策沖擊的實證評估

（一）宏觀金融網絡矩陣的最大熵估算

實證分析中，需要根據國家資產負債表提供的A和A數據，即矩陣A的行和與列和數據，求出所有的A數據，以計算沖擊系數w，并進一步得到放大乘數M。本文使用在統計學領域得到廣泛應用的最大熵方法計算A。最大熵方法在計算一個隨機事件的概率分布時，滿足全部已知約束，同時對未知信息不作任何假設，此時得出的概率分布最均勻，預測風險最小，信息熵最大。將最大熵原理應用于構建宏觀金融網絡，就是在已知各部門總金融資產和負債的約束條件下，將每個部門的金融資產或負債均勻拆分為所有部門的負債或金融資產，從而得到一個充分分散的網絡。本文根據國家資產負債表數據特征施加更多約束條件，使用RAS 算法求得所有的A，如表3所示。

表3 展示了宏觀部門間的資產負債關聯詳情。數據顯示，宏觀金融網絡中存在4 個“斷點”，即“居民部門→非金融企業”“居民部門→政府部門”“居民部門→國外部門”“國外部門→政府部門”。在這4 個環節上，后者均不持有前者的金融資產，因此沖擊不會由前者向后者傳染。除此4 個“斷點”外，部門間形成了普遍關聯，為傳播沖擊提供了渠道。

表3 中國宏觀金融網絡矩陣 （單位：萬億元）

進一步，求得沖擊系數矩陣W為簡化分析，令r=0（i，j=1，2，3，4，5）。，見表4。結果顯示，絕大多數的w＜100%，表明沖擊傳染至其他部門后有所減弱，特別是在4 個“斷點”處，沖擊降至0。但是在“非金融企業→居民部門”和“非金融企業→金融部門”兩個環節，沖擊分別增強了60.39%和60.99%。從表3數據可以看出，這是因為非金融企業對居民部門和金融部門的負債均大于其持有的金融資產。

表4 沖擊系數矩陣 （單位：%）

（二）主要循環反饋鏈條及其放大乘數

宏觀金融網絡中存在若干較為重要的循環反饋鏈條，政策制定者更為關注這些鏈條的沖擊放大效應。由于氣候政策的主要目標部門是非金融企業和金融部門，本文對始于這兩個部門的部分循環反饋鏈條開展研究。另外，鏈條越長，新增一個環節的邊際影響就越小，因此本文僅對有限長度的鏈條進行分析。

首先是始于金融部門的閉合鏈條。許多研究表明，沖擊在金融部門內部的循環反饋是引發系統性風險的重要機制。通過表4 數據和式（8），得到“金融部門→金融部門”鏈條的放大乘數M=1.14，表示金融部門的內循環使氣候政策初始沖擊增強了14%。沖擊在非金融企業和金融部門間的循環反饋受到廣泛關注，計算得到鏈條“金融部門→非金融企業→金融部門”的放大乘數為1.34。根據表4，金融部門和居民部門間的沖擊系數最大，“金融部門→居民部門→金融部門”鏈條的放大乘數為1.08。類似地，得到“金融部門→政府部門→金融部門”鏈條的放大乘數為1.03（見表5）。

表5 始于金融部門的主要循環反饋鏈條及其放大乘數

其次是始于非金融企業的閉合鏈條。在非金融企業內部，氣候政策導致的資產擱淺可能基于投入產出關聯產生“多米諾骨牌”效應，“非金融企業→非金融企業”鏈條的放大乘數達到1.10。增加金融部門后，“非金融企業→金融部門→非金融企業”鏈條的放大乘數達到1.34。政府部門持有非金融企業的金融資產較少，鏈條“非金融企業→政府部門→非金融企業”的放大乘數僅為1.01。居民部門持有大量的非金融企業的金融資產，但不存在對非金融企業的負債，增加金融部門作為中介后，得到“非金融企業→居民部門→金融部門→非金融企業”鏈條的放大乘數為1.05（見表6）。

表6 始于非金融企業的主要循環反饋鏈條及其放大乘數

經過上述閉合鏈條的循環反饋，初始沖擊均得到不同程度的放大，最高放大了34%。限于篇幅，僅對幾條重要鏈條開展了分析，實際中可根據需要，在鏈條中增減節點或調整順序。

（三）非金融資產的沖擊緩釋作用

上文僅考慮了金融資產和負債，未將非金融資產納入分析。實際上，非金融資產具有沖擊緩釋作用，因為在金融資產不變的情況下，非金融資產越多，總資產就越多，在同一沖擊下，總資產變化的比例就越低。各部門非金融資產數據如表7所示。

表7 2019年各部門非金融資產情況

表8 考慮非金融資產時的沖擊系數矩陣 （單位：%）

表9 考慮非金融資產時的主要循環反饋鏈條放大乘數

（四）宏觀金融網絡的綜合放大效應

在氣候政策研究和實踐中，還需關注兩方面問題：一是除了主要循環反饋鏈條外，宏觀金融網絡中存在無法窮盡的節點和連接組合，均會傳染反饋沖擊，需要進一步測算整個網絡的綜合放大效應是多少；二是在考察政策目標部門受到的影響外，還需了解其他部門會受到何種影響，即政策的外溢效應。為了解決這兩個問題，本文借鑒劉磊和張曉晶（2020）的方法開展研究。

對于宏觀部門i，其完整的資產負債表可用公式表達為：

對部門i，A是金融資產，F是非金融資產，A是負債，NW是資產凈值。國家資產負債表提供了式（9）中所有數據。可將5個宏觀部門納入同一個矩陣：

其中，q是一個5維列向量，每一個元素對應每個部門的總資產。u是一個單位列向量。F和NW 均為5 維列向量，元素分別是每個部門的非金融資產和資產凈值。為了得到宏觀金融網絡的綜合放大效應，對式（10）進行變換。其左半邊可寫為：

其中，Q 是一個對角矩陣，對角線上各元素依次對應q中的元素，Qu=q。M=AQ，其中的元素 M=A/q，因此 M=W，即表8 所示沖擊系數矩陣的轉置。進一步將式（11）調整為：

其中，I為單位矩陣。基于投入產出理論，矩陣M為直接消耗系數矩陣，矩陣B=（I-M）為列昂惕夫逆矩陣，其中的元素B體現了部門j通過所有直接和間接渠道，對部門i的影響，即部門j的總資產受到1單位沖擊后，部門i總資產的變化。根據國家資產負債表數據，結合上文得出的矩陣A和W，計算出B矩陣所有元素的值，見表10。

表10 宏觀金融網絡綜合放大乘數矩陣

需要注意的是，與矩陣W和W有所區別，矩陣B 中的元素是列部門向行部門傳染沖擊時的放大乘數。矩陣B中不再存在“斷點”，任意兩個部門的資產負債表間，即使不存在直接連接，也會通過網絡建立間接連接。在考慮所有可能的循環反饋鏈條后，非金融企業和金融部門受到的總沖擊約為初始沖擊的1.2倍和2.0倍，較表9列示的放大乘數有所增強，特別是金融部門增強顯著，進一步體現了金融部門在宏觀金融網絡中承載和傳播沖擊的核心樞紐作用。

此外，通過矩陣B可以方便地考察氣候政策沖擊的外溢效應。例如當氣候政策對非金融企業造成1 單位影響時，最終共對國內部門造成3.48 個單位影響，包含：對居民部門0.84 個單位影響，對自身1.24 個單位影響，對金融部門1.04個單位影響，對政府部門0.36 個單位影響。這一功能尤為重要，因為氣候政策的直接目標和最終目標可能并非同一部門，例如部分氣候政策的直接目標是影響金融部門的綠色貸款利率，但最終目標是發揮金融的資源配置作用，促進非金融企業的綠色低碳發展。

（五）模擬評估：以煤電產業資產擱淺為例

消耗化石能源以支撐經濟社會發展是人類活動導致氣候變化的首要原因，能源使用端的電氣化和電力生產端的綠色化是低碳經濟轉型的重中之重，也是氣候政策的關鍵著力點。英、法、德等國已計劃于2030年前全面關停煤電廠，我國在能源消費、二氧化碳排放強度和總量“雙控”等政策下，逐步降低煤電占比已成大勢所趨。但目前我國未明確要求關停煤電廠，針對煤電產業的氣候政策仍存在不確定性，這與非理性預期等因素交織，使市場在對煤電產業的資產開展定價時，無法正確納入氣候變化和“碳”因素，從而可能存在系統性的錯誤定價。一旦有明確的氣候政策落地，煤電產業將出現大規模的擱淺資產。

根據王艷華等（2021）、張為榮和袁家海（2021）的測算，在1.5℃、2℃溫升目標下，我國煤電產業擱淺資產最高將達3.98萬億元、3.16萬億元。這些研究僅估算了氣候政策沖擊下煤電產業自身的擱淺資產規模，未對傳染和反饋效應進行評估。實際上，一旦煤電產業出現擱淺資產，會迅速通過投入產出關系和宏觀金融網絡對相關產業和其他部門產生影響：

第一，在非金融企業內部引發多輪資產擱淺。煤電產業資產擱淺后，煤炭開采、煤電裝備制造等上游產業，持有煤電產業金融資產的其他產業的資產價值會隨之降低，在非金融企業內部出現第二輪擱淺資產，并基于同樣機制產生第三輪乃至更多輪次擱淺資產。在煤電產業出現3.98萬億元擱淺資產時，根據表6，“非金融企業→非金融企業”的放大乘數為1.10，因此非金融企業的總資產最終將降低4.38 萬億元。而根據表9，考慮非金融資產的沖擊緩釋作用后，放大乘數約為1.00，氣候政策對煤電產業的沖擊在非金融企業內部未出現明顯放大。

第二，對其他宏觀部門造成沖擊。由表3所示，所有部門都持有非金融企業的金融資產，因此煤電產業資產擱淺將引起所有部門資產價值下降。根據表4，非金融企業對居民部門、金融部門和政府部門的沖擊系數分別為160.39%、160.99%和87.73%，這三個部門將分別受到6.38萬億元、6.41萬億元和3.49萬億元的沖擊。而在考慮非金融資產后，根據表8，沖擊系數變為35.52%、35.65%和19.43%，沖擊相應變為1.41萬億元、1.42萬億元和0.77萬億元。雖然非金融資產吸收了大量沖擊，但其他部門受到的影響仍然非常大。

圖2 氣候政策沖擊下煤電產業資產擱淺傳導流程圖

第三，沖擊在宏觀金融網絡中反饋增強。根據表10，在宏觀金融網絡的作用下，源于非金融企業的沖擊對居民部門、非金融企業、金融部門和政府部門的放大乘數分別為0.839、1.240、1.043和0.356，氣候政策對煤電產業3.98萬億元的初始沖擊，最終分別對各部門造成3.34萬億元、4.94萬億元、4.15 萬億元和1.42 萬億元的沖擊，國內部門共損失13.85萬億元，是初始沖擊的3.48倍。

五、結論和啟示

本文闡述了氣候政策沖擊經濟金融系統并通過宏觀金融網絡傳染反饋的機制，基于國家資產負債表和最大熵方法構建了宏觀金融網絡，計算了主要循環反饋鏈條的放大乘數，考察了非金融資產的沖擊緩釋作用，得出了宏觀金融網絡的綜合放大效應。研究發現，宏觀金融網絡能夠放大氣候政策沖擊。在不考慮非金融資產的情況下，沖擊向下一個環節傳染時，既可能變弱也可能增強，但在無止盡的循環反饋中并不會無限增強。考慮非金融資產的沖擊緩釋作用后，沖擊在任意一個環節的傳染中均不會增強，閉合鏈條的沖擊放大效應減弱。在將整個宏觀金融網絡中所有可能的傳染反饋渠道納入考慮后，國內部門受到的總沖擊為初始沖擊的3.48倍。根據上述結論，本文得到以下啟示：

第一，氣候政策的制定實施不僅要緊密圍繞其節能降碳的核心目標，還必須考慮它們對經濟金融系統的影響。尤其是在現代經濟呈現金融化特征的現實情況下，不能僅考慮氣候政策對其目標部門的直接、初始影響，還必須將宏觀金融網絡的沖擊放大效應納入評估，否則將遠遠低估總體影響。產生正面沖擊時可能造成局部過熱和泡沫積聚，產生負面沖擊時可能引發一系列連鎖效應和惡性循環，在突破一些部門的承載臨界點后，存在引發金融風險甚至系統性風險的隱患。

第二，氣候政策的制定和實施應平穩有序，并做好預期引導。使市場能夠及時、正確、平穩地調整資產價格，使宏觀金融網絡中的各項金融資產和負債具有更為真實的價值基礎，以糾正可能存在的系統性錯誤定價。從而使氣候政策沖擊產生后，金融資產和負債價格不發生大的調整，以達到從根本上防范風險產生、傳染、反饋、放大的目標。此外，無論發展間接融資或直接融資，在實現其金融支持實體經濟目標的同時，也均形成了風險傳導的鏈條。而非金融資產是抵御風險傳播的“防護層”，是經濟金融穩定有效運行的基石。應重視合理提升各部門非金融資產占比，避免脫實向虛，從而增強抵御沖擊傳染的能力。