绿色金融与技术创新之间的回归与波动性溢出效应：分位数分析

《International Economics》：Return and volatility spillovers between green finance and tech innovation: A quantile analysis

　　摘要：本研究探讨了绿色金融资产——绿色债券、清洁能源以及环境、社会和治理类股票——与若干以创新为驱动的技术领域，包括人工智能、机器人技术、数字平台以及去中心化金融之间的收益和波动率溢出效应。研究采用动态等协方差-广义自回归条件异方差性及分位数关联框架，以此捕捉周期性及危机驱动的动态变化。研究结果表明，在极端市场条件下，各类资产间的关联程度会进一步加剧，且在所有市场环境下，波动率溢出始终大于收益溢出。波动率还具有很强的持续性，尤其是在危机期间及之后，这表明市场敏感度长期存在，风险也呈现出聚集特征。这种关联具有不对称性且依赖于市场状态，在市场下行时达到峰值，而在最需要多元化配置时却会降低多元化效果。绿色债券、清洁能源以及航天产业始终是收益和波动率溢出的净接收方，这说明它们可能具备避险功能，有助于优化投资组合。相反，数字技术和创新驱动行业，如去中心化银行、人工智能和智能工厂，以及标普ESG指数，则通常作为冲击的净传递者，尤其在市场动荡时期更为明显。这些发现凸显了采用对尾部风险和波动率敏感的投资策略的重要性。对于政策制定者而言，监控基于波动率的溢出效应及系统性关键节点对于维护市场稳定至关重要。绿色资产的防御性特征体现了其在社会中的双重价值：既有助于实现环境目标，又能在不确定性加剧时提升金融系统的韧性。

引言：近年来，全球金融生态系统在技术创新与环境可持续性两大力量的推动下发生了深刻变革。这两股力量不仅正在重塑工业战略与投资者的关注重点，也在改变金融市场的资本流动格局与风险分布。处于这一变革核心的是创新管理市场，它涵盖了一系列旨在促进、规范并扩展各行业创新——尤其是技术创新——的体系、平台与实践。2024年，该市场的价值约为23.5亿美元，预计到2033年这一数值将上升至92.2亿美元。与之为伴的是人工智能领域的迅猛发展，作为过去十年中最具影响力的技术革新之一，2024年其市场价值已达2792亿美元，预计到2030年还将增长至1.81万亿美元，复合年均增长率高达35.9%。此外，可持续金融也逐渐成为一股重要力量，它将环境、社会和治理因素纳入投资决策与资本分配之中。2024年全球可持续金融市场的规模已达5.87万亿美元，这充分体现了它在推动低碳、包容性发展方面的日益重要性。

尽管绿色金融与创新技术已成为现代金融体系的支柱，但学术研究仍多将这两个领域视为独立范畴。已有众多研究探讨了科技行业与股票市场（Attarzadeh和Balcilar，2022；Nasreen等人，2020）以及加密货币市场（Umar等人，2021；Assaf等人，2024；El Khoury等人，2023）之间的关联，发现二者之间存在较强联系。然而，关于科技行业与绿色金融市场之间关联的研究则相对不足（Urom，2023；Tiwari等人，2023；Naifar，2025）。实际上，随着数字创新被逐步融入可持续发展议程，比如在气候风险建模中运用人工智能，或在可持续供应链验证中采用区块链技术，这些行业之间的融合程度正不断加深。不过，代表绿色金融与创新驱动技术的市场之间的金融关联性仍缺乏深入研究。因此，本研究要解决的首个重大问题，就是目前缺乏实证研究来分析这两种变革性行业之间的冲击、风险及信息是如何相互传导的。若不能把握这种相互作用，就无法深入了解以可持续性为导向的技术变革如何影响更广泛的金融体系，反之亦然。

第二个研究缺口在于目前仍普遍依赖传统的、基于均值的线性计量经济模型。这类模型假设各种关系保持稳定且呈线性，往往无法体现金融市场中所常见的非线性、不对称以及依赖尾部风险的特性，尤其是在市场动荡或压力较大的时期。市场对于冲击的反应并非一致，极端事件带来的溢出效应可能会异常剧烈，其表现也与正常情况下有很大差异。因此，线性模型会系统性地低估风险传播的规模与复杂性，尤其是在危机或极端波动情境下。所以，采用基于分位数的分析方法，才能更好地把握不同市场状态下的动态变化及溢出行为的差异性。

第三个研究缺口体现在，即便有一些研究探讨跨市场关联，也往往将收益溢出与波动率溢出混为一谈。这种混淆忽视了收益与波动率之间相互作用的不同机制（Tripathi等人，2025）。收益溢出通常反映的是直接传染、市场情绪或信息流动，而波动率溢出则体现的是更深层次的不确定性、风险厌恶以及结构不稳定。要构建有效的风险管理框架，就必须分别理解这两个维度，才能判断市场究竟是在传递机会、风险，还是两者兼有。若忽视这种区别，就可能对系统的脆弱性及多元化潜力做出不完整或具有误导性的评估。Tripathi等人（2025）对现有文献中的一个常见假设提出了质疑，即认为波动率关联性与收益关联性呈现相似的模式。他们指出，多数研究采用了一种简化的分析框架，将波动率分布的尾部与收益分布的尾部相类比。在这种观点下，较低的波动率分位数（例如τ=0.05）被错误地视为严重下行风险和市场危机的标志，而较高的分位数（例如τ=0.95）则被看作过度乐观和上涨动力的体现。但他们认为，这种解读未能体现收益与波动率在统计行为上的本质差异。因此，这种方法上的混淆会导致一些有疑问甚至矛盾的结论，从而扭曲我们对极端市场状况下市场动态的理解。

综合来看，这些研究缺口都表明，亟需一种更为精细的实证分析方法，该方法不仅要考虑绿色金融与创新行业之间的相互关联，还要兼顾不同市场状态下的差异性，并明确区分基于收益与基于波动率的传导机制。本研究正是出于这样一个核心问题而展开：绿色金融与创新技术之间是否存在收益和波动率溢出效应？这些溢出效应在不同市场条件下又会表现出怎样的特点？具体而言，这些行业间的相互依赖关系在收益分布上是否对称，还是在市场压力或乐观情绪加剧时会更加强烈？这些市场是否以同等程度传递冲击，还是其中某个行业会成为风险传播的主要源头？此外，溢出效应的成因——是由收益驱动还是由波动率驱动——又如何帮助我们理解绿色数字金融环境下的系统性风险与系统韧性？

为回答这些问题，本研究量化了绿色金融——具体包括绿色债券、清洁能源资产以及基于ESG标准的股票——与一系列以创新为驱动的技术行业，如智能工厂、航天产业、数字社区、另类金融、去中心化银行、网络安全、机器人技术、人工智能以及自动驾驶汽车——之间的收益与波动率溢出的幅度与方向。研究采用了两步法分析框架：首先，运用Engle和Kelly（2012）提出的动态等协方差-广义自回归条件异方差模型，来估算各类资产之间随时间变化的条件波动率；其次，采用Ando等人（2022）开发的分位数关联分析法，来分析不同资产之间的收益与波动率溢出情况，从而捕捉不同市场条件下的不对称性。研究数据的时间跨度为2018年6月1日至2025年5月23日，涵盖了多个经济动荡与转型阶段。

绿色金融与创新驱动技术行业之间的关联受多种金融理论的影响。首先，传染理论（Forbes和Rigobon，2002）为我们提供了一个分析视角，帮助理解源自某一市场领域——如绿色债券或ESG股票——的冲击是如何迅速扩散到那些以创新为驱动的行业的，尤其是在系统性不确定性或市场危机时期。这类溢出效应往往超出仅从基本面因素所能解释的范围，其原因在于投资者行为之间存在相互关联，各行业面临相同的宏观经济环境，且监管要求也存在重叠。其次，源于行为金融学的预期理论指出，投资者往往具有损失厌恶心理，对同等幅度的负向收益的反应会比正向收益更为强烈（Kahneman和Tversky，1979）。这种决策行为上的不对称性意味着，在市场低迷时期，尤其是市场下跌或危机发生时，绿色行业与科技行业之间的冲击传递可能会更加明显。第三，气候金融中的过渡风险概念，反映了全球向低碳、创新驱动经济转型的过程中所存在的结构性不确定性及估值波动。碳定价、绿色补贴以及数字化转型等相关政策同时影响着这两个行业，使得它们在面对监管变化及长期可持续发展趋势时都面临着类似的脆弱性（Antoniuk和Leirvik，2021）。

创新驱动行业通过技术、金融及信息层面的关联，正在重塑绿色资产，这体现了数字进步与环境可持续性相互融合的结构性变化。这种变化最终会影响清洁能源、绿色债券以及绿色股票领域的资本配置、投资行为及风险状况。其中一个重要机制是提升了清洁与可持续产业的技术效率与可扩展性。智能能源系统、电网去中心化、先进电池技术以及材料工程等方面的创新——许多都源自前沿科技领域——极大地提高了可再生能源基础设施的运营效率。例如，人工智能和基于物联网的能源管理系统能够优化供需关系，减少资源浪费，提升绿色能源的生产效率。与此同时，增材制造、机器人技术以及下一代自动化技术的突破，降低了绿色基础设施项目的资本投入强度和建设周期，使其更易于实施和投资。区块链和去中心化金融等技术则正在改变绿色投资领域中资金筹集、分配及监控的方式。区块链技术能够实现绿色债券及可持续性挂钩贷款资金的透明、可追溯且不可篡改的追踪，从而提升市场的诚信度（Zhang等人，2018）。此外，代币化技术使得人们能够以 fractional ownership的方式持有清洁能源资产，为零售投资者和机构投资者提供了新的参与渠道（Ali等人，2024a，Ali等人，2024b）。这些进步扩大了投资者群体，提升了市场的流动性，使得绿色资产成为现代投资组合中的重要组成部分。

在信息与行为层面，技术创新极大地提升了ESG数据的生成、处理及解读能力。人工智能和基于卫星的分析技术为实时监测环境状况提供了前所未有的便利（Sariyer等人，2024），使投资者能够更精准地评估风险与机遇。这些技术还能强化ESG筛选机制，通过提高透明度与问责制，有效缓解绿色washing的问题（Ren等人，2025）。因此，绿色资产获得了更高的认可度，而创新行业则因能够与可验证的可持续发展目标保持一致而受益，进而吸引更多注重ESG表现的资本流入。

此外，数字战略与绿色战略的协同发展也体现在各种国家及跨国框架之中。例如，欧洲绿色协议和美国通胀削减法案都明确将创新补贴与气候目标挂钩。这样的制度支持促进了跨行业的资本流动——从高速发展的创新行业流向具有气候适应能力的项目——同时也将可持续性理念融入到了产业战略、竞争力及地缘政治影响力的核心之中。然而，我们必须认识到，许多新兴的创新行业本身就面临着更高的不确定性及波动性（Grau-Vera和Rubio，2024）。由于这些行业高度依赖快速的技术发展、监管政策的变动以及投资者情绪，因此更容易出现突然的市场调整和投机泡沫。此外，这些行业往往缺乏成熟的财务历史记录，这使得风险评估和定价工作变得更加困难。在这样的环境中，那些拥有实体基础设施支撑、长期政策支持以及稳定现金流的绿色资产，或许能够充当避险工具，为投资者提供稳定性并降低下行风险（Kuang，2021；Khamis和Aassouli，2023；Aloui等人，2025）。由于这些绿色资产与波动性较高的科技行业相关性较低，投资者可以通过配置它们来对冲与前沿创新相关的特殊风险及系统性风险。这种互动关系形成了一种互补效应：绿色资产不仅能从创新行业带来的技术溢出与资本流入中受益，还能为那些投资于这些行业的投资组合起到稳定作用。

研究结果表明，在金融危机或市场极度繁荣等极端条件下，绿色金融市场与创新驱动金融市场之间的关联程度会显著上升。在这些时期，收益溢出与波动率溢出都会增加，而且波动率溢出始终占据主导地位，这进一步表明，在不确定性面前，市场传染效应要比实际收益带来的影响更为显著。这种关联结构具有对称性且依赖于市场状态，会随着波动率水平（低、中、高）以及市场走势（下跌、中性、上涨）的不同而发生变化。在危机期间，这种关联程度会急剧上升，由于资产价格之间的同步变动加剧，多元化配置带来的好处也会随之减弱。绿色债券、清洁能源以及航天产业往往能有效抵御冲击，体现出较低的系统性敏感度。相反，以数字化和创新为驱动的行业——如去中心化金融、人工智能和智能工厂——以及标普ESG指数则通常会成为冲击的传播者。不过，在特定危机情况下，各行业的角色可能会发生变化，这凸显出金融传染现象的复杂性与动态性。本研究为相关领域做出了多项贡献。首先，它通过共同分析可持续金融与创新驱动型科技行业之间的动态相互关系，填补了这一重要空白。尽管由于在向低碳且数字化程度较高的经济体系转型中的关键作用，这两个领域都日益受到学术界和政策制定者的关注，但以往的研究往往是对它们分别进行探讨。现有关于可持续金融的研究主要聚焦于绿色债券、ESG股票以及可再生能源指数，而针对人工智能、机器人技术、另类金融和智能基础设施等创新驱动型行业的金融动态，则通常是从技术应用或行业特定风险的视角来分析的。通过在一个统一的实证框架下研究可持续金融与创新驱动型科技行业，本研究为资本配置、创新周期以及气候政策冲击如何在这两者之间产生溢出效应提供了新的见解。在当前的政策环境下，绿色转型与数字转型日益通过融资方案、监管要求以及投资者行为相互关联，理解这些联系尤为重要。其次，本研究采用了分位数关联度分析方法，为金融溢出效应的尾部特征分析提供了可能。与传统基于均值或线性的模型不同，分位数框架能够捕捉收益分布中市场关联性的非线性、不对称以及制度依赖性特征。在可持续金融和科技导向型市场环境中，投资者情绪、政策公告以及技术突破常常会导致价格剧烈波动，且收益分布呈现厚尾特征，因此这一方法尤为重要。通过分析低分位数、中等分位数和高分位数处的溢出效应，本研究揭示了在不同市场环境下，尤其是面临下行风险的市场低迷期或投资者情绪高涨的牛市阶段，绿色资产与科技资产之间的相互依赖关系如何变化。这种细致的分析有助于更好地了解系统性风险点，为投资组合管理及监管工作提供更为坚实的基础。第三，本研究的另一个特点在于将溢出动态分解为基于收益和基于波动率的传导机制。虽然许多研究都使用结合了这两种维度的总体关联度指标，但这种汇总方式可能会掩盖市场相互依赖关系中的重要细微差别。通过区分与价格变动相关的收益溢出效应，以及与不确定性及风险感知相关的波动率溢出效应，本研究有助于更深入地理解金融传染效应究竟是由资本流动、市场基本面的变化还是风险认知的转变所驱动的。对于从业者和政策制定者而言，这种区分至关重要。例如，如果波动率溢出增加但收益溢出并未随之上升，这可能表明投资者的不确定性加剧，而非真正的资本重新配置，从而需要采取不同的风险管理或监管措施。第四，本研究的实证范围进一步增强了其贡献价值。研究数据的时间跨度为2018年6月1日至2025年5月23日，涵盖了多个重要的宏观经济、金融以及地缘政治事件，包括全球气候政策力度的加强、技术创新与应用的加速发展、新冠疫情、地缘政治紧张局势引发的能源市场动荡，以及日益严重的通货膨胀和利率波动问题。如此丰富的时间序列数据使得研究能够分析在不同市场环境及危机时期，溢出效应的强度和方向如何发生变化。同时，通过对正常市场状态和动荡市场状态的对比分析，提升了研究结果的稳健性，使其更适用于现实世界的金融决策和政策制定。后续章节的结构如下：第二部分详细介绍研究方法与数据；第三部分阐述研究结果；第四部分对全文进行总结。