| 1,054 | 1 | 239 |
| 下载次数 | 被引频次 | 阅读次数 |
采用广义方差分解法和频谱方差分解法，研究2010年7月1日至2023年12月31日中国绿色债券、绿色股票、传统债券、传统股票和能源间的收益率、波动率两维度下不同频域内的溢出效应及网络结构特征，以此识别中国绿色金融资产的资产特性。实证结果表明，中国绿色债券和绿色股票的“绿色”属性较弱，更多地呈现其作为债券类和股票类的性质。同时，各资产收益率间的溢出效应主要由短期效应决定，呈现出显著的时间衰减性，但在面对公共重大卫生冲击时急剧上升；各资产波动率间的溢出效应主要由长期效应决定，呈现出一定的时间持续性，且在金融危机期和重大公共卫生冲击时均表现出“高频繁溢出值”特征。因此，建议环境友好型投资者关注资产间收益与波动溢出特征，结合投资期限优化绿色资产配置，实现收益与风险平衡；建议监管机构注重重大外部冲击的影响，实施“短期看收益、长期看波动”的差异化监管策略，提高风险预警和监管能力。
Abstract：Using generalized variance decomposition and frequency-domain variance decomposition, this study investigated spillover effects in returns and volatility among China's green bonds, green stocks, conventional bonds, conventional stocks, and energy across different frequency domains from July 1,2010 to December 31,2023.The aim was to identify the asset characteristics of Chinese green financial assets.The empirical findings revealed that Chinese green bonds and green stocks showed relatively weak “green” attributes, reflecting stronger similarities with their respective bond-and stock-type counterparts instead.Short-term effects primarily drove spillover in returns across the assets, displaying notable time decay.However, these effects surged sharply under significant public health shocks.By contrast, long-term effects played a pivotal role in spillover in volatility across the assets, which persisted over time.During financial crises and major public health incidents, the spillover values displayed “high-frequency spillover intensity” features.Therefore, it is recommended that environmentally friendly investors pay close attention to return and volatility spillovers among assets and optimize allocations of green assets in line with investment horizons to balance returns and risks.Regulatory authorities are advised to focus on the impact of major external shocks and implement differentiated supervisory measures of “short-term focus on returns, long-term focus on volatility” to enhance risk warning capabilities and oversight effectiveness.
陈淡泞.中国上市公司绿色债券发行的股价效应[J].山西财经大学学报，2018(S2).
高扬，李春雨.中国绿色债券市场与金融市场间的风险溢出效应研究[J].金融论坛，2021(1).
黄小勇，陈飞羽，查育新.绿色金融与生态产品价值实现——基于全国百强县数据的实证研究[J].江西财经大学学报，2023(6).
李书彤，王辉，叶鹏.国际原油、中国煤炭与绿色能源股票市场间的溢出效应研究[J].运筹与模糊学，2023(6).
李艳丽，孙瑜培，李利军.绿色金融能否促进新质生产力发展[J].金融与经济，2024(12).
马骏.论构建中国绿色金融体系[J].金融论坛，2015(5).
马亚明，胡春阳，刘鑫龙.发型绿色债券与提升企业价值——基于DID模型的中介效应检验[J].金融论坛，2020(9).
秦菽檬，王新宇，罗怡，张乐乐.低碳产业股票市场与绿色债券市场的溢出效应—基于贴标绿色债券出现前后数据的分析[J].武汉金融，2019(12).
荣璟，曾凡银.绿色金融集聚对经济高质量发展影响的实证研究：机制与成效[J].南昌大学学报(人文社会科学版),2024(3).
文书洋，张琳，刘锡良.我们为什么需要绿色金融?—从全球经验事实到基于经济增长框架的理论解释[J].金融研究，2021(12).
杨希雅，石宝峰.绿色债券发行定价的影响因素[J].金融论坛，2020(1).
朱宁，孙曾昊，许艺煊.绿色金融对煤炭产业链韧性的影响研究—基于绿色金融改革创新试验区的准自然实验[J].财经理论与实践，2024(6).
张丽宏，刘敬哲，王浩.绿色溢价是否存在?—来自中国绿色债券市场的证据[J].经济学报，2021(2).
张小茜，王志伟.绿色债券有利于降低企业融资成本吗?—来自政府监管和环境治理的视角[J].金融研究，2023(9).
Ahmad W.,2017.On the Dynamic Dependence and Investment Performance of Crude Oil and Clean Energy Stocks,Research of International Business and Finance,42(12):376-389.
Barunik J.and T.Krehlik,2018.Measuring the Frequency Dynamics of Financial Connectedness and Systemic Risk,Journal of Financial Econometrics,16(2):271-296.
Basher S.A.,A.A.Haug,and P.Sadorsky,2012.Oil Prices,Exchange Rates and Emerging Stock Markets,Energy Economics,34(1):227-240.
Broadstock D.C.and L.T.W.Cheng,2019.Time-varying Relation between Black and Green Bond Price Benchmarks:Macroeconomic Determinants for the First Decade,Finance Research Letter,29(6):17-22.
Clapp C.S.,K.H.Alfsen,A.Torvanger,and H.F.Lund,2015.Influence of Climate Science on Financial Decisions,Nature Climate Change,5(2):84-85.
Cong R.G.,Y.M.Wei,J.L.Jiao,and Y.Fan,2008.Relationships between Oil Price Shocks and Stock Market:an Empirical Analysis form China,Energy Policy,36(9):3544-3553.
Diebold F.X.and K.Yilmaz,2012.Better to Give than to Receive:Predictive Directional Measurement of Volatility Spillovers,International Journal of Forecasting,28(1):57-66.
Diebold F.X.and K.Yilmaz,2014.On the Network Topology of Variance Decompositions:Measuring the Connectedness of Financial Firms,Journal of Econometrics,182(1):119-134.
Ferrer R.,S.J.H.Shahzad,and P.Soriano,2021.Are Green Bonds a Different Asset Class?Evidence from Time-frequency Connectedness Analysis,Journal of Cleaner Production,292(4):125988.
Gianfrate G.and M.Peri,2019.The Green Advantage:Exploring the Convenience of Issuing Green Bonds,Journal of Cleaner Production,219(5):127-135.
He Z.,S.Nagel,and Z.Song,2022.Treasury Inconvenience Yields During the COVID-19 Crisis,Journal of Financial Economics,143(1):57-79.
Liu N.,C.Liu,B.Da,T.Zhang,and F.Guan,2021.Dependence and Risk Spillovers between Green Bonds and Clean Energy Markets,Journal of Cleaner Production,279(10):123595.
Lee C.C.,C.C.Lee,and Y.Y.Li,2021.Oil Price Shocks,Geopolitical Risks,and Green Bond Market Dynamics,The North American Journal of Economics and Finance,55(1):101309.
Nazlioglu S.,R.Gupta,and E.Bouri,2020.Movements in International Bond Markets:the Role of Oil Prices,International Review of Economics & Finance,68(7):47-58.
Pham L.,2016.Is It Risky to Go Green?A Volatility Analysis of the Green Bond Market,Journal of Sustainable Finance & Investment,6(4):263-291.
Reboredo J.C.,A.Ugolini,and F.A.L.Aiube,2020.Network Connectedness of Green Bonds and Asset Classes,Energy Economics,86(2):104629.
Tiwari A.K.,S.Nasreen,S.Ullah,and M.Shahbaz,2021.Analysing Spillover between Returns and Volatility Series of Oil Across Major Stock Markets,International Journal of Finance & Economics,26(2):2458-2490.
Uddin G.S.,M.L.Rahman,A.Hedstrom,and A.Ahmed,2019.Cross-quantilogram-based Correlation and Dependence between Renewable Energy Stock and Other Asset Classes,Energy Economics,80(5):743-759.
Zerbib O.D.,2019.The Effect of Pro-environmental Preferences on Bond Prices:Evidence from Green Bonds,Journal of Banking & Finance,98(1):39-60.
Zhu H.M.,R.Li,and S.Li,2014.Modelling Dynamic Dependence between Crude Oil Prices and Asia Pacific Stock Returns,International Review of Economics and Finance,29(1):208-223.
(1)本文的“绿色属性”,主要是指具有绿色金融的特征。绿色金融指为支持环境改善、应对气候变化和资源节约高效利用,对环保、节能、清洁能源、绿色交通、绿色建筑等领域的项目投融资、项目运营、风险管理等所提供的金融服务(中国人民银行、财政部、发改委、环境保护部、证监会等联合发布的《关于构建绿色金融体系的指导意见》,2016年)。因此,绿色股票、绿色债券、绿色信贷等均具有“绿色属性”。
(2)全球约65%以上的原油定价依赖于Brent原油体系(李书彤等,2023)。
(3)尽管在收益率序列全样本分析中根据AIC准则宜选择VAR(3)模型,波动序列全样本分析则宜采用VAR(2)模型,但是两者对应的动态分析均宜采用VAR(1)模型;同时,根据Ferrer et al.(2021)等建议的SC准则,在文中主要以VAR(1)模型结果进行报告。而且,采用VAR(3)模型对收益率序列进行静态分析的结果与本文基准模型采用VAR(1)结果基本类似(如时间维度下在VAR(3)模型下总溢出指数为32.19%,lv_bond,tr_bond,lv_stock,tr_stock,Brent无资产的FROM值分别为41.60%,35.99%,39.59%,40.14%,3.62%,和表2结果基本类似,限于版面未报告);同理,采用VAR(2)模型对波动序列的静态分析结果也与采用VAR(1)模型下的结果类似(如时间维度下VAR(2)模型的总溢出指数为37.60%,和表3结果类似,限于版面未报告)。
(4)本文也对H=10进行了稳健性检验,结果发现,结果与正文中基准模型的结果也类似,限于论文版幅,正文中未报告。
(5)该结果是否与每个不同期限所包含的时间长度有关呢?为此本文进一步计算了五类资产波动序列间随着时间演化而呈现出来的平均总溢出指数的变化情况,短期一周内(1～5天)的溢出总指数为1.10%,第2周内(5～10天)的溢出总指数为1.24%,第3周内(10～15天)的溢出总指数为0.64%,第4周内(15～21天)的溢出总指数为1.09%,第2个月内(21～42天)的溢出总指数为2.19%,第3个月内(42～63天)的溢出总指数为5.72%……因此,在考虑期限长度因素后,五资产波动率间的溢出效应并没有呈现出随着时间消逝而快速衰减的趋势,反而具有较长的溢出作用持续性。
(6)2016年10月,国务院发布《关于积极稳妥降低企业杠杆率的意见》,旨在防范企业债务风险;11月,国务院办公厅下发《关于印发地方政府性债务风险应急处置预案的通知》,以及经国务院批准财政部印发的《关于印发<地方政府性债务风险分类处置指南>的通知》,进一步规范地方政府融资行为。
(7)采用VAR(3)模型对收益率序列进行稳健性研究,是因为在前文收益率序列的静态(全样本)分析时,尽管SC准则选择VAR(1)模型,但AIC准则认为VAR(3)模型更合适,因此,稳健性研究部分对收益率序列的动态分析采用了VAR(3)模型进行检验。
(8)采用VAR(2)模型对波动序列进行稳健性研究,是因为在波动序列的静态(全样本)分析时,尽管SC准则选择VAR(1)模型,但AIC准则认为VAR(2)模型更合适,因此,稳健性研究部分对波动序列的动态演化分析采用了VAR(2)模型进行检验。
(9)Wind数据库中关于焦煤期货结算价的信息最早是2013年3月22日,因此,我们采用2013年3月25日～2023年12月31日时间段内的焦煤期货结算价(活跃)进行焦煤收益率和波动率的计算。其中,波动率的计算根据数据特征采用了MA(1)-GARCH(1,1)模型得到条件波动率。
(10)之所以采用VAR(2)模型对波动率序列进行稳健性研究,是因为在波动率全样本静态分析时,尽管SC准则选择VAR(1)模型,但AIC准则认为VAR(2)模型更合适,因此,稳健性研究对VAR(2)模型进行了检验。
基本信息:
中图分类号:X196;F832.51
引用信息:
[1]徐少君,张少华.中国绿色金融资产的特性识别与溢出效应研究[J].金融经济学研究,2025,40(04):72-92.
基金信息:
国家社会科学基金项目(19BJL066)
2025-06-11
2025-06-11
2025-06-11