氣候風險沖擊與信貸融資收縮的“加速器”效應

收稿日期："2023.04.11；"修回日期："2023.05.13

基金項目：""教育部人文社會科學規劃項目 （19YJA790048）

作者簡介："李澤廣（1980—），男，山東聊城人，博士，南開大學金融學院教授，博士生導師，研究方向：銀行與公司金融；通信作者：黃遠標（1997—），男，福建南平人，南開大學金融學院博士研究生，研究方向：銀行與公司金融。

摘"要：基于2004—2013年中國工業企業數據庫的數據，構建獨特氣候風險指標，考察氣候風險沖擊對企業信貸融資的影響。結果顯示：外生氣候風險沖擊會觸發“金融加速器”效應，顯著抑制企業信貸融資，尤其對高度依賴銀行信貸的企業而言，這種抑制作用更為突出。機制分析顯示，氣候風險主要通過降低工業產出與銷售收入、加速抵押品折舊渠道抑制企業信貸融資。異質性分析顯示，氣候風險的影響存在所有權和行業異質性，而金融深化有助于緩釋氣候風險的負面沖擊。鑒于此，決策部門應充分關注氣候風險對企業經營的“金融加速器”效應，積極推動企業提升應對氣候風險的能力，優化金融結構，為企業營造更有利的融資環境。

關鍵詞：氣候風險；信貸可得性；銀行信貸；工業企業

中圖分類號：F832.4"""文獻標識碼："A""""文章編號：1003.7217（2024）03.0002.09

一、引"言

近年來氣候治理問題已經成為國際合作的重要議題，但由于該問題本身固有的“公共物品”屬性、“集體行動”難題，加之缺乏有力的協調機制，全球氣候治理仍面臨巨大的挑戰。事實上，氣候風險已給全球可持續發展帶來了嚴重的損害[1]。據德國觀察（Germanwatch）發布的《全球氣候風險指數2021》，2000—2019年，全球發生了超過1.1萬次的極端氣候事件，造成超過47.5萬人死亡和超過2.56萬億美元的經濟損失。相應地，如何量化評估氣候風險對金融體系的影響，也被視為當前最緊迫的經濟政策難題之一[2]。

氣候風險在信貸風險管理和金融穩定中的重要性日益凸顯，引起了各方的高度關注。歐洲央行于2021年7月公布《氣候相關風險與金融穩定報告》；2021年10月，美國金融穩定監督委員會（FSOC）發布《氣候相關金融風險報告》，強調氣候變化是金融穩定的威脅因素。中國人民銀行也在《中國金融穩定報告（2021）》中明確提出要將氣候變化相關風險納入宏觀審慎政策框架，鼓勵金融機構對其進行評估和管理。與此同時，各類商業性機構也紛紛將氣候風險納入信貸風險管理框架。如穆迪分析（Moody’s Analytics）于2022年5月宣布將氣候風險引入信貸生命周期管理平臺，定量評估氣候風險對客戶信用質量的影響。

許多研究聚焦于氣候風險如何潛在地影響宏觀經濟和金融體系的穩定性[3，4]。如從資產定價視角融入氣候風險因子，深入探究其對微觀企業的影響機制的系列文獻頗具啟發性[5-8]①。然而，整體來看，氣候風險相關的學術研究仍然滯后于實踐進展。一方面，目前研究多從宏觀角度入手，對微觀層面氣候風險如何作用于企業投融資行為的研究相對不足。另一方面，既有文獻對氣候沖擊的影響機制探討往往側重于定性分析，觀點存在分歧且缺乏充分的經驗證據。盡管我國銀行等金融機構高度關注碳達峰、碳中和等氣候議題，但由于氣候風險對經濟影響的具體路徑尚不明確，技術操作層面的推進仍有待加強。從企業視角來看，氣候沖擊對工業企業融資可得性的影響仍缺乏完整分析框架與實證支持。

為此，參考Wang等[9]的方法，構建了獨特的氣候風險指標，從信貸可得性學說（credit availability doctrine）經典視角探討氣候風險影響企業信貸融資的內在傳遞機制和差異化效果。研究表明，氣候風險通過降低企業工業產出、銷售收入以及加速固定資產折舊，導致抵押品估值下降，進而對企業融資行為產生負面影響。決策部門應充分關注氣候風險對企業融資的“金融加速器”效應，幫助企業提升氣候風險應對能力，并優化金融結構，為企業營造有利的融資環境。

二、理論回顧與研究假設

（一）氣候風險與企業信貸融資可得性

氣候風險的精準定價在金融領域具有重大實踐意義，是學界當前的關注焦點。當前眾多機構投資者高度重視的氣候風險正逐漸成為影響企業融資的關鍵變量[10]。不少研究證實股票收益率能吸納氣候風險定價因子[11-13]。但由于氣候相關信息的披露不足，市場難以全面把握氣候風險，全球范圍內對氣候風險的定價普遍偏低。這種定價偏差進一步加劇了市場失靈的問題[7]。相形之下，銀行部門作為易受氣候風險沖擊的機構，在應對氣候變化實踐中扮演著“風向標”的關鍵角色。隨著極端氣候事件頻發，氣候風險信息將日益受到重視，并更多地被納入銀行貸款定價的考量范疇之中。銀行對氣候風險的重視會向企業客戶傳遞出積極信號，被指出有助于塑造良好的企業形象和聲譽，提升貸款組合的質量[14]。此外，部分研究從銀行角度出發，量化評估了氣候風險對信貸融資的影響及伴隨的復雜經濟效應。如氣候風險沖擊會導致位于風險敞口較大地區的企業面臨更高的貸款利率[7]；當某國氣候風險脆弱性較高，抑或氣候風險抵御能力較弱時，該國的主權債務成本可能會大幅上升[15]；易受氣候變化沖擊的縣市在發行市政債券時，需要支付更高的承銷費用和融資成本等[16]。

由此可見，氣候風險沖擊會對企業的融資行為造成多重負面影響。結合中國的情況來看，銀行信貸是企業主要的融資方式，融資條件的變化會直接影響企業的經營可持續性。從機制上看，極端惡劣天氣會造成貸款抵押物價值受損，迫使金融機構重新評估債務風險。同時，更嚴格的氣候政策和能源效率標準要求可能會增加銀行面臨的信用風險。一方面，隨著氣候風險事件帶來的經濟損失不斷增加，銀行部門更有動力將氣候風險納入授信評估流程，從而提高了企業獲取信貸的門檻；另一方面，金融科技的不斷進步為銀行提供了更豐富的信息獲取渠道，使其對氣候風險的量化評估與監測變得更為敏銳。在面臨氣候沖擊時，銀行往往會前瞻性地采取行動，通過縮減氣候風險敞口較大地區的信貸份額，來實現信貸資產配置的再平衡。綜上分析，提出如下假設：

H1"氣候風險沖擊會抑制企業的信貸融資可得性。

（二）氣候風險影響企業信貸融資的機制研究

一些文獻深入探討了氣候沖擊對企業經營管理行為的影響機制。首先，氣候風險的增加致使企業面臨的不確定性上升，抑制了企業全要素生產率的提升，導致潛在產出下降[8，17]。氣候風險可能促使位于氣候惡劣地區的公司采取更為保守的財務策略，如增加現金儲備、發行長期債務和減少現金股息等，以抵御氣候風險的潛在威脅[18]。這表明氣候風險可能抑制企業的擴張行為，導致其采取更為保守的經營策略。基于跨國數據的研究也得出類似結論[19]。氣候風險沖擊使得企業更傾向于保持較低的杠桿率，減少經營擴張活動[20]。研究還發現，在氣候風險敞口較大的國家，企業管理者為減輕氣候風險的負面影響，有動機進行盈余管理，試圖通過調整收益來掩蓋風險[21]。其次，極端氣候風險事件可能破壞企業的廠房設備等固定資產，降低潛在勞動產出，進而影響企業的生產效率[22]。例如，溫度的季節性異常波動會對工業產出和收益產生不利影響[23，24]。此外，極端天氣可能導致企業銷售成本和各種費用的增加，提高公司的經營管理成本，降低企業的營業收入[25]。最后，氣候風險還可能破壞企業的資本結構，降低盈利能力和流動性，提升企業貸款違約的概率[3]。

由此可見，氣候風險的變化將直接影響企業的經營決策和生產效率。首先，在應對氣候風險沖擊時，企業往往會采取更為穩健的經營策略，導致潛在經營成本增加，弱化創新動力，最終表現為產出效率和產值下降。其次，氣候沖擊不僅會對企業的融資行為和生產運營造成負面影響，也會削弱市場需求，降低市場主體的消費能力。同時，極端惡劣天氣還會通過破壞企業銷售渠道和經營環境，提高企業銷售管理成本，致使產品銷售收入下降。當企業工業產出和銷售能力受到削弱時，會被視為經營狀況惡化的信號，進而導致銀行減少對企業的授信額度，從而影響企業的信貸融資能力。最后，氣候風險沖擊還將加速企業固定資產折舊，造成企業抵押物價值波動。當面臨上述情形時，銀行將減少對企業的信貸供給，觸發“金融加速器”機制。基于此，提出如下研究假設：

H2"氣候風險通過降低企業工業產出，抑制企業信貸融資。

H3"氣候風險通過降低企業銷售收入，抑制企業信貸融資。

H4"氣候風險通過加速固定資產折舊的抵押物估值渠道，抑制企業信貸融資。

三、指標構建與研究設計

（一）數據來源

實證研究應用的氣象數據來源于國家氣象科學數據中心；企業數據來源于中國工業企業數據庫，該數據庫的樣本主體為中小工業企業，具有較強的代表性[26]。由于核心指標銀行信貸計算涉及的企業應付賬款在2004年才正式提供，故研究樣本期為2004—2013年。參考既有研究，考慮2010年數據質量較差以及西藏的企業樣本較少，在樣本中將其剔除。其余宏觀數據來源于《中國統計年鑒》。為提高數據精確度，參照既有研究[27]的做法，對工業企業數據進行常規處理，剔除連續樣本小于2年及核心指標缺失的樣本，同時對所有連續變量進行上下1%的縮尾處理。

（二）指標構建

現有文獻關于如何構建氣候風險指數尚未達成一致。著名的環境智庫Germanwatch以氣候事件造成的死亡人數和GDP損失構建了全球氣候風險指數[21]。然而這些指標更加側重強調氣候事件造成的經濟損失，未必能真實反映氣候風險本身的強度。參考現有研究[7，9]的做法，從氣象視角構建中國省（區、市）氣候風險指數。具體而言，將氣候風險分為高溫、低溫、洪澇、臺風和干旱風險五個子指標，這五類風險是中國常見的氣候風險，具有較強的代表性。在此基礎上，利用熵值法對各指標賦值并計算綜合指數。各類氣候風險子指標如下：

1．高溫風險。根據各氣象站點的日最高溫度（Tmax）、日最低溫度（Tmin）和高溫持續時間計算高溫指數。首先，將日最高溫度和日最低溫度劃分為四個等級：

其中，z為氣象站，m和i用來標識所對應的月和天，day為每月天數，DHi和DLi分別代表各站點每月最高溫度大于35 ℃和最低溫度大于25 ℃的天數。然后將各氣象站按省（區、市）和年份求均值，得出各省（區、市）各年的高溫指數。

2．低溫風險。低溫霜凍災害反映的是一段持續時間內的急劇降溫。將5天內的平均溫度變動值（T－）與其標準差（σ）比較，將異常降溫（ab）劃為四個等級：

根據異常降溫等級，各氣象站每個月的低溫指數（Lowzm）為：

其中，m為每月，i為每個月的時間段（一個月可以分為6個時段），T為五天的平均氣溫，指前20年該時段的平均氣溫。最后將各氣象站按省（區、市）和年份求均值，得到各省（區、市）各年的低溫指數。

3．洪澇風險。根據各氣象站每日降水量和降雨持續時間，將降雨災害劃為四個等級：

其中，rain為降雨量，n為降雨持續天數。各氣象站每月洪澇指數（Floodzm）為：

其中，m和i為所對應的月和天，day為每月天數。將各個氣象站按省（區、市）和年份求均值，得到各省（區、市）各年的洪澇指數。

4．臺風風險。考慮到臺風災害一般伴隨著洪澇災害，通過每個氣象站的每日降雨量和最大風速構造臺風指數。首先將最大風速（wind）分為五個等級；其次，當氣象站的最大風速等級（W）不為0時，將降雨量分為五個等級：

根據氣象站風速因子和降雨因子，計算各氣象站每日的臺風指數：

其中，W為風速因子，R為降雨因子，i為每日。再將各個氣象站按省（區、市）和年份求均值，得出各省（區、市）各年的臺風指數。

5．干旱風險。使用氣象常用的自校準帕爾默干旱指數（scPDSI）來度量地區干旱程度②。該指數用于度量地區實際水分供應持續地少于當地氣候適宜水分供應的盈缺情況。根據國家標準《氣象干旱等級劃分》將干旱等級劃分為五類。各城市每年的干旱指數設定為：

其中，c為城市，t為年份。同理，將各個城市按省（區、市）求均值，得出各省（區、市）各年干旱指數。

（三）指標選取和模型設定

1．被解釋變量。由于工業企業數據并未直接公布企業的借款數據，參考已有研究[26]的做法，使用負債總額扣除應付賬款作為銀行信貸的近似值，在此基礎上除以總資產以反映企業信貸融資（Loan）。

2．解釋變量。使用基于氣象數據構建的氣候風險指數（Cri）作為核心解釋變量。此外，選取如下控制變量：企業規模（ln Size），資產規模取自然對數；資產收益率（ROA），利潤總額占總資產比值；企業年齡（ln Age），企業成立時間加1取自然對數；有形資產占比（Fixed），固定資產占總資產比值。此外，還控制了省（區、市）層面的宏觀經濟變量，具體包括：人均GDP（ln RGDP），人均GDP取自然對數；地區產業水平（Ins），地區工業產值占比；金融機構網點（Instprov），萬人金融機構網點擁有數。

3．模型設計。為檢驗氣候風險對企業信貸融資的影響，構建計量模型如下：

其中，Loanijt指的是j省（區、市）i企業t年的銀行信貸比率；Crijt為j省（區、市）t年的氣候風險指數；Xijt和Zjt分別為企業和省（區、市）層面控制變量；μh、λt和υj分別為行業、年份和省份固定效應；β0為截距項；εijt為隨機誤差項。

四、實證分析與結果

（一）氣候風險與企業信貸融資

表1列示了氣候風險對企業信貸融資的影響。列（1）～列（5）為逐步加入控制變量的估計結果。結果顯示，區域氣候風險顯著地抑制了當地企業的銀行信貸融資。一方面，隨著極端氣候事件的增多，銀行部門可能將氣候風險納入授信評估流程之中，提高了企業的信貸獲取門檻。另一方面，氣候沖擊可能導致企業工業產出下降、銷售收入縮減和抵押品價值降低，抑制了企業的信貸融資能力，支持H1。

（二）銀行信貸依賴度和商業信用分組檢驗

金融體系的“金融加速器”特性使其作為關鍵渠道能夠傳遞和放大外部沖擊，進而對實體企業的運營產生擾動[28]。銀行體系如對氣候沖擊做出響應，往往會顯著減少信貸供給，信貸融資依賴度高的企業則會最先受到影響。下文根據各年銀行信貸占比高低將樣本企業分為高、中、低三組。同時，考慮到銀行信貸和企業商業信用之間存在替代效應[29]，企業遭遇氣候風險時可能會通過企業間的商業信用融資來對沖信貸收縮的不利沖擊。進一步地，根據企業商業信用融資水平進行分組檢驗，并進行交互印證以確保結論的穩健性。

表2報告了不同信貸和商業信用依賴度水平下氣候風險對信貸融資的影響。結果表明，氣候風險對高信貸依賴企業的融資抑制作用最為明顯。與之不同，低信貸依賴企業的銀行信貸受氣候風險的影響并不顯著。進一步結合商業信用水平來看，慣常借助商業信用融資的企業受氣候沖擊的影響最小。以上結果說明，面對氣候風險沖擊時，信貸依賴度低或商業信用融資高的企業能較好地隔離氣候沖擊的負面效應。換個角度看，氣候風險會顯著影響企業的外部融資環境，銀行部門面臨氣候風險這類純外生性的沖擊時，同樣表現出一定的金融“加速器”效應，收緊信貸投放標準，減少信貸供給；商業信用可以起到企業融資的“穩定器”作用。描述性統計結果未做匯報③。

（三）穩健性和內生性檢驗

1．更換氣候風險口徑。考慮到氣象災害的影響具有空間非均衡分布特征，省級層面氣候風險指數可能會平滑個體企業面臨的實際風險。為此，進一步更換解釋變量口徑，采用城市層面氣候風險指數進行穩健性檢驗。表3列（1）的結果顯示，城市氣候風險指數（Cri_City）仍然在1%水平下顯著為負，證實結論的穩健性。

2．替換因變量。首先，使用“利息支出/銀行借款”（Credit）反映企業信貸成本。其次，使用“負債總額/工業總產值”（Credit2）反映企業獲取的融資支持力度。最后，使用SA指數（SA）反映企業外部融資約束[30]。表3中列（2）～列（4）的結果顯示，氣候風險推升了企業利息成本。與此同時，氣候風險也減少了企業獲得的金融支持，加劇了企業的融資約束。以上結果都佐證了研究結論的穩健性。

3．固定效應模型。為緩解遺漏變量問題，還采用固定效應模型進行估計。考慮到近年來各地區和行業所面臨的政策環境發生了諸多變化，可能影響企業融資行為。為此，將樣本劃分為東部、中部、西部和東北四個區域，在回歸中進一步引入行業和年份、區域和年份交互項，以更好地控制經濟、文化和政策等的潛在影響。如表3中列（5）和列（6）所示，結論依然穩健。

4．重新構造氣候風險指數。參照Germanwatch全球氣候風險指數構造方法，選取氣候事件受災人數（萬人）、萬人受災人數（萬人）、經濟損失（億元）和經濟損失占比四類反映經濟損失的量化指標，利用熵值法重新構造地區氣候風險指數（Crip）。表3中列（7）報告了替換氣候風險指標的結果，結論依然成立。

5．內生性問題。中國各地區企業受氣候災害影響的概率不盡相同。長期處于高氣候風險地區經營的企業，氣候災害觀念和處理防范會與低風險地區存在較大差異，而這些潛在因素難以量化，容易導致遺漏變量問題。為此，借鑒潘越等[31]"的做法，采取各省（區、市）緯度作為氣候風險的工具變量。企業所在省（區、市）緯度作為客觀物理變量，不直接影響企業融資，具有外生性。工具變量估計結果顯示④，一階段回歸中，緯度對氣候風險的影響顯著為負，符合中國地區氣候災害分布特征。同時，工具變量一階段F值均遠大于10，且通過了識別不足檢驗，說明工具變量較為合理。二階段回歸中，氣候風險對企業信貸融資的影響仍然顯著為負，結論依然穩健。

五、影響機制與拓展分析

（一）影響機制檢驗

1．工業產出渠道。極端氣象事件的發生會增加生產經營的不確定性，使企業減產停工，造成工業產出下降。而企業工業產出總值反映出企業的生產經營能力，是銀行發放信貸的重要考量因素。為此，選取“工業總產值/總資產”（Output）來衡量企業當年的工業產出水平。表4中列（1）和列（2）的結果表明，工業產出對企業信貸的影響顯著為正，而氣候風險對企業工業產出的影響則顯著為負。Sobel檢驗顯示工業產出中介效應在1%水平下顯著。以上結果說明，氣候風險通過降低企業工業產出，抑制企業信貸融資的機制顯著存在，H2得證。

2．產品銷售渠道。極端氣象事件除了導致企業工業產出下降，還可能會阻礙企業的銷售活動。企業的銷售收入不僅反映企業產品的競爭力，還是經營活動的重要績效指標，通常會被納入銀行授信流程。因此選取“工業銷售產值/總資產”（Sale）來表征企業的產品銷售收入狀況。表4中列（3）和列（4）的結果顯示，氣候風險對企業產品銷售收入的影響顯著為負，銷售收入對企業信貸融資的影響顯著為正。Sobel檢驗顯示產品銷售中介效應在1%水平下顯著。這說明氣候風險通過降低企業銷售收入抑制了企業信貸融資，H3得證。

3．抵押物折舊渠道。極端氣候事件不僅影響企業的生產經營，還會造成生產設備的損毀與價值損失。企業固定資產作為銀行信貸的主要抵押物，其價值波動直接影響企業的授信額度，選取企業“固定資產折舊額/固定資產規模”（Dep）來反映氣候風險經由加快折舊渠道沖擊抵押品估值的“加速器”效應。表4中列（5）和列（6）的結果顯示，氣候風險對企業固定資產折舊的影響顯著為負，固定資產折舊對企業信貸融資的影響顯著為負。Sobel檢驗表明固定資產折舊中介效應在1%水平下顯著。這說明，氣候風險會通過“金融加速器”理論的經典“抵押品渠道”抑制企業信貸融資， H4得證。

（二）異質性分析

1．行業異質性。各行業對氣候風險的敏感度存在差異，按行業分組檢驗有其必要性。從直覺上看，高度依賴特定自然條件和環境的行業易受氣候風險影響，傳統能源行業和制造業也較易受到影響。圖1顯示，氣候風險對38個二級行業中的21個行業的信貸融資有顯著的影響。如氣候風險對石油和天然氣開采業，儀器儀表及文化、辦公用機械制造業，印刷和記錄媒介復制業等行業的信貸融資產生了顯著的負面作用；與之不同，并未對電力、熱力生產和供應業，燃氣生產和供應業等基礎設施行業的信貸融資產生不利影響。

2．股權異質性。根據股權類型，將樣本企業分為國有控股、集體控股、私人控股和外商控股四類。表5中列（1）～列（4）的結果顯示，氣候風險對各類控股企業的信貸融資均有顯著的負向影響，對私人和外商控股企業而言尤為明顯。組間系數差異檢驗也表明，私人和外商控股企業與國有控股企業的差異具有統計顯著性。這意味著氣候風險更突出地影響著私人和外商控股企業的信貸融資，而對國有控股企業的信貸融資影響較弱。

（三）金融發展的影響

區域金融發展理應為企業對沖和平滑外部沖擊提供更多手段和方式。下文將考察金融發展對氣候風險與企業信貸融資關系的影響。參考已有研究[32]，使用金融業市場化指數表征地區金融發展水平（Fin），在模型中加入氣候風險與金融發展的交互項；并根據各年金融發展均值將樣本劃分為金融發展高和低兩組。表5中列（5）～列（7）的結果顯示，交互項Cri×Fin的系數顯著為正；分組回歸中，氣候風險對金融發展較低地區企業的影響更為明顯。這說明金融發展較高地區對于氣候風險帶來的負面沖擊的處置和應對更為有效，能夠弱化氣候風險對企業信貸融資的不利影響。

六、結論與對策性思考

近年來，全球氣候變化日益加劇，局部地區極端氣候事件頻發，對企業的生產運營和信貸融資活動產生了深遠影響。利用國家氣象數據構建了地區層面氣候風險指數，檢驗了氣候風險沖擊對企業信貸融資的影響機理。研究發現：首先，氣候風險整體上顯著地抑制了企業的信貸融資，特別是對于信貸融資依賴度較高的企業而言，面臨典型的“金融加速器”效應。其次，氣候風險對企業信貸融資的影響不僅體現在降低工業產出和產品銷售收入，還會通過加速固定資產折舊的抵押品估值渠道，進一步放大其對企業信貸融資的負面影響。最后，從企業群組的異質性來看，氣候風險的信貸融資抑制效應對私人和外商控股企業更為明顯，且存在典型的行業差異。值得注意的是，區域金融發展有利于緩解氣候風險對企業信貸融資的負向效應。

基于上述結論，提出以下對策性思考：

第一，決策部門應高度重視氣候風險對企業經營活動造成的負面沖擊和“金融加速器”效應，積極健全政府應對氣候風險的治理架構與融資保障功能。在間接融資模式主導的金融制度背景之下，氣候風險會經由信貸渠道對大多數企業產生廣泛而深刻的影響。為此，決策部門應充分重視氣候風險對企業生產經營的影響機制識別，完善應對氣候風險的機制和政策設計，確保氣候敏感行業與企業能夠公平有效地獲取金融資源支持。

第二，推動企業提升氣候風險應對能力，并逐步建立完善的氣候風險管理體系。具體地，可以通過激勵實體企業加強信息披露、實施可持續發展戰略、提升技術創新以提高適應能力、運用金融保險手段轉移風險等多元舉措穩定生產經營，弱化氣候風險帶來的沖擊效應。

第三，加快金融深化是積極應對氣候變化、推動綠色發展的有益制度安排，能夠有效緩釋氣候風險對企業信貸融資的不利沖擊。金融機構應通過強化氣候風險量化評估、提升氣候風險定價的精準性、完善氣候風險管理策略，以及加快金融產品創新提升金融市場的多樣性和包容性，為企業提供更加穩定和有保障的多元化融資環境。

注釋：

① 氣侯風險可劃分為物理風險、轉型風險和責任風險三類。但關于責任風險的定義存在一定爭議，責任風險可以表現為物理風險和轉型風險的具體形式[5]。其中，物理風險指的是氣候事件直接或間接地導致經濟活動損失而引發的風險。例如，極端氣候事件導致農業產量下降、公共基礎設施失靈或相關財產損失等，以及事件后續持續發酵產生的間接損失。而轉型風險更多指的是向低碳經濟轉型過程中，氣候政策、技術和市場情緒等因素變化，導致企業或者其他經濟主體資產價格發生變動而引發的風險[6]。例如，化石燃料等能源公司可能會受到碳定價或者碳排放限制的影響。

② 數據來源：https：//crudata.uea.ac.uk/cru/data//drought/。

③ 限于篇幅，描述性統計結果未做匯報，結果留存備索。

④ 限于篇幅，工具變量估計結果未做匯報，結果留存備索。

參考文獻：

［1］"陳國進， 郭珺瑩， 趙向琴. 氣候金融研究進展＼[J]. 經濟學動態， 2021（8）： 131-145.

［2］"Battiston S， Martinez.Jaramillo S. Financial networks and stress testing： challenges and new research avenues for systemic risk analysis and financial stability implications＼[J]. Journal of Financial Stability， 2018， 35： 6-16.

［3］"Dafermos Y， Nikolaidi M， Galanis G. Climate change， financial stability and monetary policy＼[J]. Ecological Economics， 2018， 152： 219-234.

［4］"Stroebel J， Wurgler J. What do you think about climate finance？＼[J]. Journal of Financial Economics， 2021， 142（2）： 487-498.

［5］"張帥， 陸利平， 張興敏， 等. 金融系統氣候風險的評估、定價與政策應對：基于文獻的評述＼[J]. 金融評論， 2022， 14（1）： 99-120.

［6］"中國人民銀行研究局課題組. 氣候相關金融風險——基于央行職能的分析＼[R]. 北京：中國人民銀行工作論文， 2020.

［7］"Javadi S， Masum A. The impact of climate change on the cost of bank loans＼[J]. Journal of Corporate Finance， 2021， 69： 102019.

［8］"劉波，李蕓琪，蔣銀娟. 氣候變化沖擊下的制造業企業全要素生產率——機制分析與實證檢驗＼[J]. 湖南大學學報（社會科學版），2023， 37（1）： 78-87.

［9］"Wang Y， Song L， Ye D， et al. Construction and application of a climate risk index for China＼[J]. Journal of Meteorological Research， 2018， 32（6）： 937-949.

［10］Krueger P， Sautner Z， Starks L T. The importance of climate risks for institutional investors＼[J]. The Review of Financial Studies， 2020， 33（3）： 1067-1111.

［11］Hong H， Li F， Xu J. Climate risks and market efficiency＼[J]. Journal of Econometrics， 2019， 208（1）： 265-281.

［12］Kumar A， Xin W， Zhang C. Temperature sensitivity， mispricing， and predictable returns＼[R]. Rochester：SSRN Working Paper， 2023.

［13］Bolton P， Kacperczyk M. Global pricing of carbon.transition risk＼[J]. The Journal of Finance，2023， 78（6）： 3677-3754.

［14］Birindelli G， Bonanno G， Dell’Atti S， et al. Climate change commitment， credit risk and the country’s environmental performance： empirical evidence from a sample of international banks＼[J]. Business Strategy and the Environment， 2022， 31（4）： 1641-1655.

［15］Beirne J， Renzhi N， Volz U. Feeling the heat： climate risks and the cost of sovereign borrowing＼[J]. International Review of Economics amp; Finance， 2021， 76： 920-936.

［16］Painter M. An inconvenient cost： the effects of climate change on municipal bonds＼[J]. Journal of Financial Economics， 2020， 135（2）： 468-482.

［17］王遙， 王文蔚. 環境災害沖擊對銀行違約率的影響效應研究：理論與實證分析＼[J]. 金融研究， 2021（12）： 38-56.

［18］Huang H， Kerstein J， Wang C. The impact of climate risk on firm performance and financing choices： an international comparison＼[J]. Journal of International Business Studies， 2018， 49（5）： 633-656.

［19］ Masum A，Javadi S， Aram M， et al. Climate change and corporate cash holdings： global evidence＼[J]. Financial Management， 2023， 52（2）： 253-295.

［20］Ginglinger E， Moreau Q. Climate risk and capital structure＼[J]. Management Science，2023， 69（12）： 7492-7516.

［21］Ding R， Liu M， Wang T， et al. The impact of climate risk on earnings management： international evidence＼[J]. Journal of Accounting and Public Policy， 2021， 40（2）： 106818.

［22］Jones B F， Olken B A. Climate shocks and exports＼[J]. American Economic Review， 2010， 100（2）： 454-459.

［23］Zhang P， Deschenes O， Meng K， et al. Temperature effects on productivity and factor reallocation： evidence from a half million Chinese manufacturing plants＼[J]. Journal of Environmental Economics and Management， 2018， 88： 1-17.

［24］Addoum J M， Ng D T， Ortiz.Bobea A. Temperature shocks and establishment sales＼[J]. The Review of Financial Studies， 2020， 33（3）： 1331-1366.

［25］Pankratz N， Bauer R， Derwall J. Climate change， firm performance， and investor surprises＼[J]. Management Science， 2023， 69（12）： 7352-7398.

［26］李廣子， 熊德華， 劉力. 中小銀行發展如何影響中小企業融資？——兼析產生影響的多重中介效應＼[J]. 金融研究， 2016（12）： 78-94.

［27］聶輝華， 江艇， 楊汝岱. 中國工業企業數據庫的使用現狀和潛在問題＼[J]. 世界經濟， 2012， 35（5）： 142-158.

［28］Kiyotaki N， Moore J. Credit cycles＼[J]. Journal of Political Economy， 1997， 105（2）： 211-248.

［29］Danielson M G， Scott J A. Bank loan availability and trade credit demand＼[J]. Financial Review， 2004， 39（4）： 579-600.

［30］邵俊堯，張平. 放開貸款利率管制對企業創新投資的影響研究＼[J]. 財經理論與實踐，2023， 44（1）： 11-18.

［31］潘越， 翁若宇， 劉思義. 私心的善意：基于臺風中企業慈善捐贈行為的新證據＼[J]. 中國工業經濟， 2017（5）： 133-151.

［32］余明桂， 潘紅波. 政治關系、制度環境與民營企業銀行貸款＼[J]. 管理世界， 2008（8）： 9-21.

（責任編輯：厲亞）