中东和北非地区的银行是否对碳暴露进行定价？

《Business Strategy and the Environment》：Do Banks in the Middle East and North Africa Region Price Carbon Exposure?

　　

本研究考察了碳暴露是否被纳入中东和北非（MENA）地区企业的借贷成本中。利用2016年至2023年间771个公司-年度观测值的非金融上市公司面板数据，研究人员采用综合实证框架，结合双向固定效应估计、工具变量回归、广义矩估计（GMM）、分位数回归和机器学习技术，分析了碳强度与企业债务成本之间的关系。基准固定效应结果表明，碳强度对债务成本没有统计上显著的影响。这一发现在替代碳指标和行业-年度规格下保持稳健。治理质量部分调节了排放暴露与借贷成本之间的关系，特别是对于范围3排放。系统GMM估计证实了借贷成本通过显著的滞后因变量系数而具有持续性，而碳强度仍然不显著。机器学习结果揭示了显著的非线性预测关系。随机森林实现了最强的样本外表现，其次是XGBoost，而人工神经网络（ANN）表现明显较弱。Shapley加法解释（SHAP）分析进一步确定了杠杆率和碳强度是借贷成本最具影响力的预测因子之一。总体而言，研究结果表明，气候转型风险尚未系统性地被纳入MENA债务市场的定价中，制度结构和治理质量影响了环境暴露如何影响融资条件。

**论文解读：中东和北非（MENA）地区银行是否对碳暴露进行定价？**

**研究背景与问题**

气候变化已成为当代经济体长期风险的关键来源。在金融领域，气候风险通常分为物理风险（与极端天气事件频率和严重性增加相关）和转型风险（与脱碳驱动的监管变化、创新和需求变化相关）。企业碳暴露，通常以温室气体（GHG）排放强度衡量，成为转型风险的关键指标。大量文献记录了气候风险与股票和公司债券市场价格之间的显著联系，但主要集中在拥有发达市场、可信气候监管和强监管框架的发达国家。然而，在银行主导的金融体系中，关系型贷款、主权影响和监管环境的变化可能改变气候风险向借贷成本的传导渠道，而关于气候转型风险如何影响债务融资的研究相对较少。中东和北非（MENA）地区为研究气候风险定价提供了一个有趣的制度背景。该地区许多国家具有碳氢化合物依赖、能源密集型产业和国有企业特征，碳密集型企业在经济活动中具有系统性重要地位。同时，金融体系以银行主导，关系型贷款、所有权集中和政府高度参与战略性产业融资。与市场主导的系统不同，银行主导系统中气候风险的传导可能通过非价格手段（如监控强度、抵押要求、期限结构和贷款分配）发生。此外，尽管气候披露和审慎气候监管标准在欧洲等发达经济体取得了显著进展，但MENA地区的气候治理和碳定价工具差异显著。在此背景下，本研究旨在分析气候转型风险向企业借贷成本的传导如何依赖于制度结构，而非简单测试碳暴露是否在债务市场中定价。具体研究问题包括：具有更高碳强度的企业是否支付更高的借贷成本；这种关联是由企业间横截面持续差异还是由时变的企业内效应驱动；银行中心金融体系的制度特征是否调节了气候风险向贷款成本的传导。

**研究方法与关键技术**

研究采用多方法实证框架，基于2016年至2023年间771个公司-年度观测值的非金融上市公司面板数据，数据来源包括Refinitiv ESG、Bloomberg和Compustat。主要关键技术方法包括：1）双向固定效应（TWFE）回归模型，纳入企业固定效应和年份固定效应，以控制不可观测的企业时不变特征和共同冲击；2）Mundlak（1978）分解方法，将碳强度分解为企业特定长期均值和时变偏差，以区分横截面持续差异与短期企业内波动；3）工具变量（IV）回归，采用留一法行业-年份平均碳强度作为工具变量，使用固定效应两阶段最小二乘法（FE-2SLS）处理内生性；4）动态系统广义矩估计（System GMM），由Arellano和Bond（1991）及Blundell和Bond（1998）提出，用于考虑借贷成本持续性和潜在内生性；5）分位数回归，评估碳暴露与借贷成本关系在不同条件分布上的异质性；6）机器学习方法，包括随机森林、XGBoost和人工神经网络（ANN），并使用Shapley加法解释（SHAP）分析变量重要性，以捕捉非线性预测关系。

**研究结果**

**4.1 描述性统计**：样本中债务成本均值为6.82%，碳强度指标存在显著离散性，表明大多数企业碳暴露较低，但部分企业碳强度极高。控制变量处于合理范围，MENA地区企业表现出适度财务异质性。

**4.2 相关性与多重共线性诊断**：Pearson相关矩阵显示变量间相关性低至中等，多重共线性不严重。债务成本与碳强度呈负相关，但相关性较低。方差膨胀因子（VIF）检验结果均低于临界值，支持所有解释变量纳入回归分析。

**4.3 诊断与规格检验**：Hausman检验拒绝随机效应模型，支持固定效应模型。Breusch-Pagan Lagrange乘数（LM）检验确认存在显著面板效应。F检验显示显著的企业特定效应。Breusch-Pagan检验表明存在异方差性，Breusch-Godfrey/Wooldridge检验显示一阶自相关，因此研究中采用稳健标准误。

**4.4 基准固定效应结果**：基准回归中，碳强度与债务成本无显著关联（β=-0.0060，p>0.10）。在行业-年份固定效应规格下，碳强度系数仍不显著（β=0.0004，p>0.10）。控制变量中，杠杆率和利息覆盖率与债务成本呈显著负相关。治理质量仅对范围3排放强度与债务成本的关系具有显著正向调节作用（β=0.053，p<0.05），表明治理质量在间接价值链排放评估中可能发挥更大作用。

**4.5 工具变量分析**：第一阶段回归中，行业工具变量不显著（β=0.115，p>0.10），第一阶段F统计量（4.995）低于10，表明工具变量较弱。第二阶段拟合碳强度系数仍不显著（β=0.098，p>0.10）。Wu-Hausman检验（p=0.426）未拒绝碳强度外生性假设，表明内生性问题对基准结果不构成严重威胁。

**4.6 动态系统GMM估计**：滞后因变量系数显著为正（β=0.445，p<0.01），表明借贷成本具有持续性。碳强度系数仍为负且不显著（β=-0.0078，p>0.10），确认了基准结果。控制变量中，杠杆率、利息覆盖率与债务成本显著负相关，企业规模和股票波动率与债务成本显著正相关。Sargan检验拒绝工具变量有效性的零假设，因此GMM结果应作为补充稳健性证据。

**4.7 分位数回归**：碳强度与债务成本的关系在所有分位数上均为负，但在低分位数（10th和25th）不显著，从中位数（50th）开始变得显著且更强（50th: β=-0.007, p<0.01; 75th: β=-0.014, p<0.01; 90th: β=-0.014, p<0.05）。控制变量在不同分位数上表现出不同关联，如治理质量在较高分位数上与债务成本负相关更显著。

**4.8 机器学习探索**：随机森林在样本外表现最佳（R2=0.4153），XGBoost次之（R2=0.3647），ANN表现最弱（R2=0.0637）。SHAP分析显示，杠杆率是所有模型中最具影响力的预测因子，碳强度在树模型中也成为重要预测因子，表明碳暴露在非线性预测结构中具有信息价值。

**讨论与结论**

**讨论**：实证结果表明，MENA地区上市公司碳强度与债务成本之间不存在系统性关联。这一发现与发达市场的证据形成对比，但并非表明气候风险无关紧要，而是强调气候风险定价依赖于制度环境。关系型银行体系下，银行可能通过非价格合同条款（如监控、抵押、贷款分配）管理环境风险，而非直接调整利率。此外，碳氢化合物密集型产业在MENA地区具有战略重要性，可能获得政府隐性担保，降低贷款人对环境暴露的担忧。治理质量部分调节了环境暴露对融资成本的影响，特别是范围3排放，表明贷款人关注企业管理环境风险的能力。分位数回归揭示异质性关系，高借贷成本企业中碳强度与成本呈负相关，可能与这些企业的战略重要性或行业特征有关。机器学习结果揭示非线性预测结构，与面板回归的线性零结果形成补充，表明碳暴露通过与其他因素的复杂交互影响债务成本。

**结论**：本研究分析了MENA地区碳暴露是否系统性地嵌入企业借贷成本中。基于2016-2023年771个公司-年度观测值，采用多方法实证框架，发现碳强度对债务成本不具有统计上显著的正向影响。这一结果在替代碳指标、行业-年份固定效应和动态规格下保持稳健。尽管机器学习模型检测到非线性关系，但面板估计中未出现稳定的线性定价效应。研究结果表明，气候转型风险尚未系统性地嵌入MENA债务市场的可观测贷款利差中。然而，缺乏定价效应不应被解释为气候相关金融风险在经济上不重要，而是表明气候风险向债务定价的传导具有制度依赖性。在MENA地区普遍存在的银行主导和关系型贷款环境中，贷款人可能通过非价格合同条款管理环境暴露，并因主权支持预期和对碳密集型产业战略重要性的考量而低估碳暴露的重要性。研究还显示，治理质量部分调节了碳暴露对贷款人融资决策的影响。分位数回归和机器学习结果进一步表明，气候相关金融动态具有异质性和非线性。从理论角度看，本研究为气候金融文献提供了来自新兴银行主导金融体系的实证证据，表明发达国家市场主导型金融体系的发现并不总是可推广。从政策角度看，研究结果表明，在碳暴露被纳入该地区决策过程之前，可能需要改进气候披露标准、提高监管可信度并将气候因素纳入审慎监管。