綠色債券與其他金融市場間的風險溢出研究

DOI： 10.13317/j.cnki.jdskxb.2024.014

［能源轉型與綠色低碳發展］" 特約主持人" 張" 偉，孫華平

摘" 要：基于TVP-VAR頻域溢出模型的風險溢出結果表明：綠色債券與其他金融市場之間的總溢出主要由短期溢出驅動；在不同的時間尺度，綠色債券和傳統債券市場間存在顯著的雙向溢出效應，綠色債券市場與股票市場、能源市場、新能源市場、外匯市場之間的風險溢出均不顯著;在重大事件沖擊下，綠色債券市場與股票市場、能源市場、新能源市場間的風險溢出顯著增加。

關鍵詞：綠色債券；TVP-VAR頻域溢出；金融市場；風險沖擊

基金項目：天津市哲學社會科學規劃課題（TJYY16-018、TJYJ21-009）

作者簡介：張國富，天津科技大學經濟與管理學院教授，經濟學博士，從事金融風險管理研究；齊瀟紅，北京理工大學管理與經濟學院、能源與環境政策研究中心博士研究生，從事能源與氣候經濟研究。

主持人簡介：張偉，中國地質大學二級教授、學科領軍人才，國務院政府特殊津貼專家，經濟學博士，從事綠色金融與“雙碳”經濟研究；孫華平，北京科技大學經濟管理學院教授、博士生導師，經濟學博士，從事產業經濟、經源經濟研究。

文章編號： 1671-6604（2024）02-0044-11

開放科學（資源服務）標識碼（OSID）：

中圖分類號： F832.5

文獻標識碼： A

在“碳達峰碳中和”目標的引領下，中國正有序推動綠色金融體系發展，其中，綠色債券是綠色金融發展的新動力，被視為促進氣候融資的關鍵工具陳國進，郭珺瑩，趙向琴.氣候金融研究進展［J］.經濟學動態，2021（8）：131-145.。中國政府已采取一系列措施來促進綠色債券市場的發展。2021年10月，國務院發布了《2030年前碳達峰行動方案》，明確提出要大力發展綠色債券等金融工具，拓展綠色債券市場的深度和廣度。在政策的積極推動和綠色債券的優勢日益凸顯等多重因素的推動下，中國綠色債券市場迅速發展。截至2022年底，中國已在境內外市場累計發行了4 890億美元的貼標綠色債券，成為全球第二大綠色債券市場氣候債券倡議組織. 2022年中國可持續債券市場報告［EB/OL］.（2023-06-05）［2023-11-15］.https：//www.climatebonds.net/files/reports/cbi_china_sotm_22_cn.pdf.。隨著綠色債券市場的發展逐步成熟，在危機事件頻發、信息傳遞迅速的背景下研究中國綠色債券市場與其他金融市場間的風險溢出效應變得尤為重要。這有助于投資者評估綠色債券作為投資和對沖資產的吸引力，同時也有助于政策制定者了解綠色債券市場應對其他市場沖擊的恢復力，并將其應用于市場監管，從而提高政府氣候政策的有效性FERRER R， SHAHZAD S， SORIANO P. Are green bonds a different asset class？ Evidence from time-frequency connectedness analysis［J］.Journal of cleaner production， 2021（3）：125988.。因此，本文采用基于時變參數向量自回歸（TVP-VAR）的頻域溢出模型構建溢出網絡，從頻域角度分析綠色債券與其他金融市場的動態風險溢出。這為中國綠色債券市場和其他金融市場之間的關聯性提供了新的證據，對我國綠色發展規劃具有重要的現實參考意義。

一、 文獻綜述

隨著綠色債券投資的興起，近年來學術界對綠色債券與其他金融市場的關聯性進行了廣泛研究。綠色債券由于其獨特的“綠色”屬性與傳統債券有所區別，引起了學者們對綠色債券與傳統債券的相關性及相關性模式的決定因素的關注PHAM L. Is it risky to go green？ A volatility analysis of the green bond market［J］.Journal of sustainable finance amp; investment， 2016（4）：263-291.。例如，有學者關注美國、歐洲和中國的綠色債券市場，研究了綠色債券在平衡固定收益投資組合中的作用BROADSTOCK D C， CHATZIANTONIOU I， GABAUER D. Minimum connectedness portfolios and the market for green bonds： advocating socially responsible investment （SRI） activity［EB/OL］.（2020-03-20）［2022-12-15］.https：//ssrn.com/abstract=3793771.；另有學者提出了一個新的模型，用以研究綠色債券和能源商品的相關性，并檢驗了綠色債券相對于傳統債券的表現，研究發現綠色債券的投資績效優于傳統債券的投資績效，但這一優勢隨時間推移而減弱KANAMURA T. Are green bonds environmentally friendly and good performing assets？［J］.Energy economics， 2020（88）：104767.。此外，一些學者擴展了研究范圍，考察了綠色債券市場與傳統債券、股票、能源市場和貨幣市場的關聯性，發現綠色債券與傳統債券、貨幣市場密切相關，但與股票和能源商品市場的關聯性較弱REBOREDO J C. Green bond and financial markets： co-movement， diversification and price spillover effects［J］.Energy economics， 2018（74）：38-50.。在頻域的角度上，一些學者發現綠色債券市場與傳統金融市場之間的溢出主要發生在較短的時間范圍內，且新冠肺炎疫情加劇了綠色債券與傳統金融市場之間的時頻溢出ARIF M， HASAN M， ALAWI S M， et al. COVID-19 and time-frequency connectedness between green and conventional financial markets［J］.Global finance journal， 2021（49）：100650.。

然而，上述文獻主要關注歐洲和美國等綠色債券市場，對中國綠色債券的研究相對較少。當前，學者們主要圍繞中國綠色債券發行的市場反應吳育輝，田亞男，陳韞妍，等.綠色債券發行的溢出效應、作用機理及績效研究［J］.管理世界，2022（6）：176-193.、綠色溢價祁懷錦，劉斯琴.中國債券市場存在綠色溢價嗎［J］.會計研究，2021（11）：131-148.以及綠色債券市場發展的驅動因素朱向東，周心怡，朱晟君，等.中國城市綠色金融及其影響因素——以綠色債券為例［J］.自然資源學報，2021（12）：3247-3260.等方面進行初步討論。有關綠色債券市場與其他金融市場關聯性的實證研究仍然相對有限。有學者采用溢出網絡方法DIEBOLD F X， YILMAZ K. On the network topology of variance decompositions： measuring the connectedness of financial firms［J］.Journal of econometrics， 2014（1）：119-134.分析了中國綠色債券與傳統金融市場的風險溢出GAO Y， LI Y Y， WANG Y J. Risk spillover and network connectedness analysis of Chinas green bond and financial markets： evidence from financial events of 2015—2020［J］.The North American journal of economics and finance， 2021（57）：101386.。本文從頻域角度進行了拓展，結合TVP-VAR溢出模型ANTONAKAKIS N， CHATZIANTONIOU I， GABAUER D. Refined measures of dynamic connec-tedness based on time-varying parameter vector autoregressions［J］.Journal of risk and financial management， 2020（4）：84.和頻域溢出方法BARUNIK J， KREHLIK T. Measuring the frequency dynamics of financial connectedness and systemic risk［J］.Journal of financial econometrics， 2018（16）：271-296.，將中國綠色債券與其他金融市場置于一個統一的框架下進行研究。該研究旨在量化不同時間尺度下多個市場間溢出效應的強度和方向，并通過構建網絡結構來探討系統內各節點的溢出特征。在進行動態分析時，本文采用帶遺忘因子的卡爾曼濾波器來估計時變方差，從而克服了滾動窗口VAR方法的一些局限，能夠以更靈活和穩健的方式捕獲數據結構中可能發生的變化。

綜上，本文的貢獻有以下三點：首先，考慮到不同類型的投資者存在異質性，即金融時間序列具有多尺度特征，市場間的溢出結構在不同投資期可能存在差異。因此通過研究不同時間尺度下綠色債券與傳統債券市場（包括國債、企業債）以及股票市場、外匯市場、能源市場和新能源市場之間的動態風險溢出效應，本文拓寬了分析問題的視角。其次，現有對綠色債券市場的研究方法大多不能在不損失樣本數據的前提下反映頻域上的時變特征關系。為解決這一問題，本文將時變參數VAR溢出和頻域溢出框架結合，實現了動態頻域溢出分析，在方法上進行了實質性的推進。最后，本文深入剖析了中國綠色債券市場與其他金融市場之間的溢出效應，并詳細探討了這些效應的形成機理和動態機制。

二、 模型設定和數據選取

（一） 模型設定

有學者將DY方差分解網絡方法DIEBOLD F X， YILMAZ K. Better to give than to receive： predictive directional measurement of volatility spillovers［J］.International journal of forecasting， 2012（1）：57-66.DIEBOLD F X， YILMAZ K. On the network topology of variance decompositions： measuring the connectedness of financial firms［J］.Journal of econometrics， 2014（1）：119-134.與TVP-VAR框架KOOP G， KOROBILIS D. A new index of financial conditions［J］.European economic review， 2014（71）：101-116.統一起來，克服了滾動窗口VAR方法的缺點，如任意選擇的滾動窗口大小，觀測值損失以及參數對異常值敏感等問題。借鑒前人的研究CHATZIANTONIOU I， GABAUER D， GUPTA R. Integration and risk transmission in the market for crude oil： new evidence from a time-varying parameter frequency connectedness approach［J］. Resources policy， 2023（84）：103729.，本文將TVP-VAR連通性框架和頻域溢出相結合，基于TVP-VAR進行頻域溢出分析。P階TVP-VAR過程可以表示為

yt=φ1tyt-1+φ2tyt-2+…+φptyt-p+εt（1）

其中εt是一個白噪聲向量，均值為零，協方差矩陣為Λt。該模型可以表示為Φ（L）=εt，其中Φ（L）=［IN-φ1tL-…-φptLP］，IN是單位矩陣。若TVP-VAR過程滿足平穩性條件，使用Wold表示定理可以將其表示為TVP-VMA（∞），即yt=φ（L）εt，其中Φ（L）=［φ（L）］-1。TVP-VMA方程的系數φh是計算廣義預測誤差方差分解的關鍵。廣義預測誤差方差分解θijt可以解釋為變量yi受到外部因素沖擊時，yi的h步預測誤差方差中由yj所解釋的比例部分。它反映了變量變化受到其自身或受到系統中其他變量影響的程度，可以表示為如下形式：

θijt（H）=（σt）-1jj∑Hh=0（（φhΛt）ijt）2∑Hh=0（φhΛtφ′h）ii（2）

其中σt表示誤差向量εt的標準差矩陣。由于方差分解表中的行和∑nj=1θijt（H）≠1，θijt（H）可歸一化為θijt（H）=θijt（H）∑nj=1θijt（H），使得行和為1。

為了量化變量之間定向溢出的持續時間，頻域溢出模型擴展了該方法，基于方差分解的譜表示定理將溢出在不同頻率（例如短期，中期和長期）上分解。系數φh的傅立葉變換為φ（e-iω）=∑∞h=0e-iωhφh，其中i=-1。yt在頻率ω上的廣義預測誤差方差分解為

θijt（ω）=（σt）-1jj∑∞h=0（（φt（e-iωh）Λt）ijt）2∑∞h=0（φt（e-iωh）Λtφt（eiωh））ii（3）

θijt（ω）表示在頻率ω上yi的預測誤差方差中由yj所解釋的比例部分。同上，θijt（ω）可進一步歸一化為θijt（ω）=θijt（ω）∑nj=1θijt（ω），頻率帶d=（a，b）上j到i的方向溢出為

θijt（d）=∫baθijt（ω）dω（4）

頻率帶d上變量i到變量j的凈溢出（Nt）i→j（d）=θjit（d）-θijt（d）。總溢出指數為Cdt=100×∑ni，j=1;i≠jθijt（d）n。Cdt只描述了特定頻率d內的溢出。為了得到給定頻率帶對總溢出貢獻的指標，須對內部溢出進行加權。因此，定義頻域總溢出為

Cdt=Cdt·Γ（d）（5）

其中Γ（d）=∑nij=1θijt（d）∑nij=1θijt（∞）=∑nij=1θijt（d）n是譜權重，反應頻段d對VAR系統的貢獻。互斥頻段上的頻域溢出總和等于DY方法定義的總溢出。

由元素θijt（h）構成的N×N階的方差分解矩陣Mijt可以用來表征不同市場間的風險溢出效應：

M=θ11θ12…θ1Nθ21θ22…θ2NθN1θN2…θNN（6）

在方差分解矩陣Mijt中，對角線上的值表示市場i中的沖擊對自己的預測誤差方差的影響，即市場i的未來不確定性有多少歸因于自己。非對角線元素表示預測誤差方差的分解，反映了市場i和市場j之間的風險溢出程度。溢入指數為行（除對角線）的加總，表示市場i來自其他市場的風險溢出。溢出指數為列（除對角線）的加總，表示市場i對其他市場的風險溢出。凈溢出指數為溢出指數和溢入指數的差值，表示市場i的凈溢出。矩陣中所有元素和的平均值表示總溢出指數，即整體風險溢出的水平。

借鑒之前的研究，本文選擇1～5天（一個交易周）表示短期，5天以上代表長期，該劃分代表了不同的投資范圍。根據AIC信息準則選取TVP-VAR模型的最優滯后階數為1，預測步長H設置為向前100天。

（二） 數據選取

本文選取了每個市場中最具有代表性的指數。具體而言，本文采用中債中國綠色債券指數作為中國綠色債券市場財務表現的代表，該指數綜合國際和國內標準，為綠色債券市場的發展提供了全面且有代表性的數據。在其他金融市場方面：（1） 傳統債券市場，該市場在財務上與綠色債券相關，本文選取CSI國債指數、CSI企業債券指數作為國債和企業債的代表；（2） 股票市場、外匯市場，股票和外匯市場的動態都與綠色債券的風險收益狀況有關，本文分別選取上證指數、美元兌人民幣的中間價為代理變量；（3） 能源市場，綠色債券資助的綠色項目的可行性受能源價格變化的影響，本文選取上證能源指數代表能源股票市場；（4） 新能源市場，從綠色債券資金投向上看，國內綠債主要支持的領域是可再生能源，另外由于綠色債券和新能源都對環境有益，投資者可能將兩者視為替代方案，故本文采用中證內地新能源指數作為新能源市場價格的代表，該指數從滬深市場中選取50個業務規模較大、盈利狀況較好的涉及新能源生產、新能源儲能以及新能源汽車等業務的上市公司為指數樣本。

基于數據可用性，本文數據區間為2015年1月5日至2023年9月6日，共計2 112個觀測值。樣本期涵蓋如2015年中國經濟轉型引起的商品價格沖擊、2020年全球新冠肺炎疫情暴發和2022年俄烏沖突等重大事件。所有價格數據來自Wind數據庫。收益率采用一階對數差分rt=100×ln（pt/pt-1）計算，變量收益率的描述性統計見表1。從表1可以觀察到所有市場的回報均值都接近于零。標準差表明，固定收益市場的波動性遠遠小于股票、能源等市場。通過進行ADF檢驗，發現所有變量在1%的顯著水平上均拒絕了零假設，表明變量是平穩的，因此可以進行溢出分析。

三、 實證結果和分析

（一） 靜態溢出網絡分析

下頁表2給出了綠色債券市場對其他金融市場沖擊的響應檢驗結果，下頁表3和下頁表4分別提供了短期、長期頻率下綠色債券和其他金融市場的方向溢出結果。時域溢出是短期、長期頻率溢出的總和。結果表明，時域總溢出為52.99%，其中，短、長期系統總溢出分別為34.20%和18.79%。時域溢出主要由高頻溢出驅動，這意味著市場能夠平穩、快速地處理信息，某一資產的沖擊主要在短期內對系統中其他資產產生影響。相反，低頻溢出表示沖擊傳遞的周期較長，沖擊是持續的。從經濟意義上來說，投資者預期變化所帶來的沖擊是持續存在的，可能在較長時期內影響系統性金融風險的演變。

溢出表結果顯示，在時域下，綠色債券接收來自國債和企業債的風險溢出分別為27.39%和19.86%，同時向國債和企業債傳遞的風險溢出分別為28.76%和31.75%。這表明綠色債券受到企業債、國債的影響最大。這一現象說明，除了投資在綠色項目外，綠色債券的其他特征（發行人、到期日、貨幣和票面利率等方面）與傳統債券市場很相似。值得注意的是，雖然綠色債券和新能源具有相似的環境友好屬性，但兩者本質上是不同的資產類別，其風險和回報特征存在較大差異。在時域下，綠色債券僅向新能源傳遞了0.83%的風險溢出，接受其1.03%的溢出，表明兩者之間的關聯性遠不及綠色債券和傳統債券市場之間的關聯性。此外在不同周期下，綠色債券與股票市場、能源市場、外匯市場之間的溢出均低于3%，可以忽略不計。

上述實證結果表明，在不同的時間尺度下，綠色債券與傳統債券市場之間的風險溢出均高于與股票、能源、新能源和外匯市場之間的風險溢出，這一發現與前人的研究結果相符。前人研究發現，歐盟和美國的綠色債券與國債和企業債市場高度一體化，但綠色債券與高收益企業債、股票和能源資產聯動性較弱REBOREDO J C， UGOLINI A， LUCENA F A. Network connectedness of green bonds and asset classes［J］.Energy economics， 2020（86）：104629.。本文對中國綠色債券市場的研究提供了與歐盟、美國綠債市場一致的證據，表明跨區域差異性小于跨資產差異性。另一方面，通過比較綠色債券、傳統債券與其他市場（股票市場、外匯市場、能源市場、新能源市場）的風險溢出差異，本文發現國債與其他市場的風險溢出大于綠色債券、企業債與其他市場的風險溢出，這可能與國債的規模和市場成熟度有關，導致國債市場對其他市場的影響更為顯著。

為更直觀地反映綠色債券與其他市場間的風險傳遞機制，下頁圖1呈現了在短期和長期頻域下綠色債券與其他金融市場之間的凈溢出網絡。節點的大小反映了凈溢出的強度，即從某一資產到所有其他資產的溢出與反向溢出之間的差異。深色（淺色）節點表示系統中重要的溢出者（溢入者）。箭頭表示了溢出方向，而邊的粗細則表示不同變量之間的溢出強度。從下頁圖1可以看出，不論是在時域還是在不同周期下，綠色債券與國債以及企業債市場之間存在強大的溢出效應。這表明綠色債券收益主要受到國債和企業債市場的影響。此外，綠色債券在不同時間尺度都是凈溢出者，但其大部分溢出傳遞給了企業債和國債，而向股票、能源等市場傳遞風險的能力相對較弱。這也說明中國綠色債券市場目前具備一定的自主性，有一定的風險傳導能力，其他金融市場會受其沖擊的影響，尤其是國債和企業債市場。這一發現與高揚和李春雨研究結果一致，即中國綠色債券市場的對外溢出效應強于其接收到的來自其他市場的溢出效應高揚，李春雨.中國綠色債券市場與金融市場間的風險溢出效應研究［J］.金融論壇，2021（1）：59-69.。

（二） 動態風險溢出分析

靜態溢出指數不能反映由風險事件沖擊而引發的系統波動。因此，本文進一步研究了總溢出指數的時變結構，并在圖2中提供了時域、短期和長期總溢出指數的可視化展示。時域總溢出等于頻域溢出的總和。從圖2可以看出，總體而言，系統的總溢出指數是不穩定的。溢出主要發生在短期（最多五天），這表明沖擊在市場間的傳播速度很快，主要產生了不到一周的短期影響。與短期相比，長期的溢出效應相對較弱，這可能是因為綠色債券與其他金融市場的長期行為主要受其自身基本面的驅動。

總體而言，系統的總溢出指數是不穩定的。總溢出指數在2018年初逐步抬升，并在2019年初呈現波動上升的趨勢。這可能是因為在2018年中美貿易爭端期間，債券市場的大規模違約加劇了金融市場波動。悲觀預期導致金融市場風險厭惡情緒增加，從而加劇了市場間的溢出效應。2019年12月至2020年5月為新冠肺炎疫情暴發時期。隨著疫情范圍的不斷擴大，相關風險也不斷加劇，不同時間周期的總溢出急劇上升并達到高峰。這一時期不確定性的增加導致投資者對沖擊的反應更加一致，從而增加了不同時間頻率下市場間的聯系。研究結果表明重大風險事件加劇了市場間的溢出效應。2020年初，黨中央對新冠肺炎疫情防控工作進行了詳細部署，迅速遏制了新冠肺炎疫情的進一步蔓延和擴散，在2020年4月便減緩了疫情對經濟的沖擊，實現了復蘇和增長鄭挺國，葉仕奇，范馨月.大數據下經濟在險增長測度與風險探源研究［J］.經濟研究，2023（11）：133-152.，綠色債券與其他金融市場間的風險總溢出下降。

最后，本文研究了綠色債券與其他市場之間的雙向溢出效應的時變結構。圖3（a）表示綠色債券接受來自其他市場的方向溢出，圖3（b）表示相反方向的方向溢出。研究發現，綠色債券和國債、企業債市場之間的雙向溢出在所有頻率上都大于與股票市場、能源市場、新能源市場和外匯市場之間的雙向溢出。這表明，由于不同的投資目的和風險偏好，資產屬性本質不同，因此股市匯市等市場對綠色債券市場的風險溢出效應較弱于傳統債券市場。

從時變的角度看，2020年初，綠色債券與股票市場、能源市場、新能源市場在所有頻率上的雙向溢出急劇增加。新冠肺炎疫情大流行時期的風險溢出增加，這一現象與金融傳染和不對稱價格調整假說一致，表明極端負面沖擊會加劇市場間的溢出效應。在新冠肺炎疫情防控時期，綠色債券與其他市場的雙向溢出主要由短期溢出主導。這表明在危機時期，綠色債券在短期內更容易受外部沖擊影響，因此平穩過渡到綠色經濟依賴于整體金融市場的穩定和穩健性。金融穩定將成為決定資本順利轉向綠色投資的重要因素。經驗結果與實際情況相一致，這表明本文計算的風險溢出指數能夠真實地反映綠色債券與其他金融市場間的風險傳遞機制，有助于監管部門全面動態監測風險。

四、 結論與建議

本文基于TVP-VAR的頻域溢出模型，全面分析了綠色債券與其他金融市場在不同頻率下的溢出傳遞機制，主要結論如下：首先，綠色債券與國債、企業債券存在顯著的雙向溢出關系，但與股票市場、能源、外匯市場、新能源市場之間的風險溢出均不顯著。雖然綠色債券在不同時間尺度都是凈溢出者，但溢出的大部分比例傳遞給了企業債和國債，向股票、能源等市場傳遞風險的能力較弱。這也說明我國綠色債券市場已具備一定的自主性，企業債、國債市場會受其沖擊的影響。其次，綠色債券與其他市場間的溢出效應主要在短期傳遞，不確定性事件帶來的沖擊顯著加強了綠色債券市場與股票市場、能源市場、新能源市場間的風險溢出。

本文研究結論從風險溢出角度為促進綠色債券市場發展提供了一些政策啟示：（1） 總體而言，綠色債券市場與其他市場間的信息傳遞有待加強，以有利于宏觀政策的傳導。監管部門應繼續深化金融體制改革，提高金融市場的互聯互通程度，促進跨市交易以優化資源配置。（2） 綠色債券和其他市場之間的溢出受不確定性事件的影響較大，監管部門應考慮將綠色債券市場納入宏觀審慎監管框架，以防范綠色債券市場與其他金融市場間風險溢出的跨市場傳播。在微觀層面，應完善綠色債券信息披露，不斷提高綠色債券市場的透明度。（3） 引導機構投資者制定綠色投資策略，將可持續理念納入投資評估流程。由于綠色債券與其他資產（如股票、外匯）之間的聯系相對較弱，因此綠色債券發行人有能力通過吸引尋求分散傳統資產組合風險的投資者來擴大其投資者基礎。

對投資者來說：（1） 應深入了解綠色轉型的風險，加強風險意識，并將社會責任納入投資決策。綠色債券作為低碳環保項目的融資方式，不易受到環境變化和環保政策的影響，可以幫助投資者規避由此產生的信用風險。（2） 綠色債券的多元化優勢有限，但可以提高包括股票和能源、外匯等資產在內的投資組合的多元化回報，尤其是在較長的投資期限內。（3） 跨市場溢出效應的頻域差異可以為制訂不同投資范圍的投資策略提供幫助。

（責任編輯： 趙文青）

The Risk Spill-over Effects between Chinas Green Bonds and Financial Markets

— A Study Based on the Time-varying Parameter Frequency Connectedness Model

Zhang Guofu1， Qi Xiaohong2，3， Du Ziping1，4

（1. College of Economics and Management， Tianjin University of Science and Technology， Tianjin 300457;

2. School of Management amp; Economics， Beijing Institute of Technology， Beijing 100081;

3. Center for Energy amp; Environmental Policy Research， Beijing Institute of Technology， Beijing 100081;

4. Center for Financial Engineering and Risk Management， Tianjin University of Science and Technology， Tianjin 300457， China）

Abstract： Based on the results of the Time-Varying Parameter Vector Autoregressive （TVP-VAR） frequency connectedness model， the risk spillover effects between green bonds and other financial markets are primarily transmitted in the short term. Significant bidirectional spillover effects between the green bond market and the traditional bond market are observed across different time scales， whereas the risk spillover between the green bond market and the stock market， energy market， new energy market， and foreign exchange market is not statistically significant. Under the impact of major events， there is a notable increase in risk spillover between the green bond market and the stock market， energy market， and new energy market.

Key words： green bond; TVP-VAR frequency connectedness; financial market; risk shock