《Energy Economics》：Financial contagion of climate risk: evidence from cross-industry complex networks and machine learning
编辑推荐：
•利用HD-TVP-VAR-DY-BK模型刻画行业间气候风险传染。•文本分析构建气候实体风险与转型风险指数。•棕色行业中气候风险与金融风险的关联更为紧密。•利用机器学习模型预测行业气候风险的传染效应。引言自后工业时代以来，气候变化已从环境问题演变为关键经济问题，引起学术界的广泛关
- •
利用HD-TVP-VAR-DY-BK模型刻画行业间气候风险传染。
- •
文本分析构建气候实体风险与转型风险指数。
- •
棕色行业中气候风险与金融风险的关联更为紧密。
- •
利用机器学习模型预测行业气候风险的传染效应。
引言
自后工业时代以来，气候变化已从环境问题演变为关键经济问题，引起学术界的广泛关注和讨论（Bolton and Marcin, 2021; Dechezleprêtre et al., 2025）。此外，2024年成为首个气温比前工业时代高出1.5°C的日历年，全球主要气候指标均打破历史极值。中国《气候变化蓝皮书（2024）》进一步揭示，极端高温和降水事件的频繁发生、沿海海平面加速上升以及西部冰川加速融化均呈现持续恶化趋势。数据显示，2020年长江和淮河流域的洪水以及2022年长江流域夏、秋、冬连旱分别造成1322亿元和408.5亿元的经济损失1，凸显了气候风险对经济系统的破坏性影响。此外，根据中国人民银行统计，2015年至2023年间社会融资规模持续上升，实体经济与金融业的关联性显著增强，气候风险加速了其在行业间的相互作用和溢出，对金融稳定构成系统性挑战（Huynh and Xia, 2023; Zhang, 2024）。因此，亟需构建多维度的气候风险管理体系，以打破风险的正反馈循环。
首先，实体风险和转型风险可能与单个企业的经营状况相关联。随着企业资产负债表承压，特定风险敞口出现，成为气候风险向金融传染传导的潜在起点。其次，在供应链关联（如上下游供需、贸易信贷和价格传导机制）的驱动下，企业层面的风险可跨企业和行业传播，形成从微观主体到行业层面的风险扩散链条。第三，行业风险可通过资本市场的资产价格渠道与金融体系相互作用，并通过银行间业务关联和金融机构的羊群行为与金融体系脆弱性产生共振。最后，企业股权资产价值的下降与风险定价调整和气候风险敞口扩大同时出现。
为深入探讨气候风险对经济系统的实质性影响，本文基于资产负债表传染理论、供应链网络理论、经典金融与传染理论构建统一的理论框架。该框架建立了风险触发、供应链传导、经济系统放大和系统性风险反馈的闭环，系统阐明了气候风险金融传染的完整链式机制。首先，实体风险和转型风险在源头影响微观企业，侵蚀其资产负债表并形成个体风险敞口，从而触发气候风险金融传染。其次，依托产业链上下游的供需关联、贸易信贷和价格传导机制，个体企业风险沿供应链网络在企业与行业间传播，完成风险从微观企业向行业层面的传导。第三，上市公司层面的行业风险通过资本市场资产价格溢出至金融体系，通过银行间关联和金融机构羊群行为放大风险，加剧金融体系的脆弱性。最后，企业股权资产价值下降所导致的风险定价重构进一步放大了气候风险敞口。基于该框架，本文将通过理论推导和实证检验系统分析气候风险金融传染的内在机制与效应。在此基础上，本文综合运用文本量化、复杂网络、韧性测度和机器学习等方法，系统揭示气候风险跨行业金融传染的规律。
本文将气候风险（实体风险和转型风险）与行业风险承担纳入系统性风险传染框架，探讨气候风险与经济金融体系之间的内在联系。本文做出以下创新贡献：第一，针对现有研究常依赖缺乏特异性和准确性的综合指数的局限性，通过对上市公司年报进行文本分析，基于关键词频率构建实体和转型气候风险指数，并通过网络分析、韧性测度和计量回归验证其有效性。第二，运用复杂网络方法分析气候风险网络的拓扑结构，超越传统时域分析，将风险传染在不同时间尺度上分解，系统刻画风险溢出的多维时频域动态特征。第三，量化各行业的风险韧性和恢复强度，进一步阐明代表性行业面临风险敞口时的差异化特征。第四，利用已验证的气候风险指数，系统描述气候风险与行业金融风险之间的多维关联。此外，采用机器学习技术，整合网络结构和气候风险数据，对总体金融风险溢出进行前瞻性预测。
本文的结构安排如下：第2部分为文献综述；第3部分为理论分析；第4部分概述计量模型设计；第5部分对金融风险行业间传染进行网络分析和韧性检验；第6部分开展金融风险传染机制的计量研究并构建基于机器学习的预警模型；第7部分基于研究结果提出政策建议。
章节摘要
气候变化冲击对金融稳定性的影响
近年来，随着气候风险对经济社会的影响日益增大（Krueger et al., 2020; Tomunen, 2025），越来越多的学者开始研究气候风险对经济和金融体系的影响。其中，Kruttli等（2025）通过将美国国家海洋和大气管理局（NOAA）的飓风数据与国家既有时间序列（NETS）数据库的确定性数据相结合，构建气候风险指数，以探讨极端
理论分析
气候风险的金融传染是一个涉及“微观触发、中观传导、宏观放大和闭环反馈”的复杂多主体、多链条、跨市场过程。没有任何单一理论能够完整涵盖其全部作用链条。因此，本节构建四个气候风险传染理论模型，以阐明气候风险向金融风险转移的范式，即“从微观到
总体框架结构
在前期理论框架和复杂网络描述性事实的基础上，后续实证分析遵循以下逻辑顺序：识别效应、机制与异质性，随后进行风险预警。首先，在第5部分，本文采用高维TVP-VAR-DY-BK复杂网络模型构建行业风险关联指标。这描绘了气候冲击下31个行业间金融风险波动传染的模式，并
数据说明与气候风险指数构建
自2007年中国上市公司实施新企业会计准则以来，本文选取2007年至2023年持续上市的公司（剔除ST、*ST及同期上市的公司）。采用网络爬虫和文本分析技术构建行业气候风险指数。具体步骤如下：（1）从巨潮信息网下载上市公司年报PDF文件，然后将其转换为
实证分析
在前期验证气候风险指数有效性的基础上，本文开展系统的实证分析，以进一步阐明气候风险驱动行业间金融风险波动传导的因果机制。前述分析表明，气候风险对行业间金融风险传导的网络结构产生深远影响。因此，为进一步研究气候风险的传导机制
结论与政策建议
近年来，气候风险对中国国民经济发展的影响日益显著，气候风险引发金融风险的问题已成为学术界的共识。因此，研究气候风险演变为金融风险并传播的现象具有重要意义。本文以2007年至2023年气候风险波动对31个行业间金融风险传播的影响为研究对象，并
CRediT作者贡献声明
龚晓丽：写作——审阅与编辑。 张秀超：写作——初稿。 熊熊：经费获取，正式分析，数据管理，概念化。
致谢
我们感谢国家自然科学基金（项目编号：72271135、72141304、71901130）的资助；本项目还得到复杂管理系统计算与分析实验室（天津大学）的支持；以及2025年山东省本科教学改革研究项目的资助。
龚晓丽|张秀超|熊熊
