李澤廣 黃遠(yuǎn)標(biāo)

收稿日期：?2023.04.11；?修回日期：?2023.05.13

基金項(xiàng)目：??教育部人文社會(huì)科學(xué)規(guī)劃項(xiàng)目 （19YJA790048）

作者簡(jiǎn)介：?李澤廣（1980—），男，山東聊城人，博士，南開大學(xué)金融學(xué)院教授，博士生導(dǎo)師，研究方向：銀行與公司金融；通信作者：黃遠(yuǎn)標(biāo)（1997—），男，福建南平人，南開大學(xué)金融學(xué)院博士研究生，研究方向：銀行與公司金融。

摘?要：基于2004—2013年中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)的數(shù)據(jù)，構(gòu)建獨(dú)特氣候風(fēng)險(xiǎn)指標(biāo)，考察氣候風(fēng)險(xiǎn)沖擊對(duì)企業(yè)信貸融資的影響。結(jié)果顯示：外生氣候風(fēng)險(xiǎn)沖擊會(huì)觸發(fā)“金融加速器”效應(yīng)，顯著抑制企業(yè)信貸融資，尤其對(duì)高度依賴銀行信貸的企業(yè)而言，這種抑制作用更為突出。機(jī)制分析顯示，氣候風(fēng)險(xiǎn)主要通過(guò)降低工業(yè)產(chǎn)出與銷售收入、加速抵押品折舊渠道抑制企業(yè)信貸融資。異質(zhì)性分析顯示，氣候風(fēng)險(xiǎn)的影響存在所有權(quán)和行業(yè)異質(zhì)性，而金融深化有助于緩釋氣候風(fēng)險(xiǎn)的負(fù)面沖擊。鑒于此，決策部門應(yīng)充分關(guān)注氣候風(fēng)險(xiǎn)對(duì)企業(yè)經(jīng)營(yíng)的“金融加速器”效應(yīng)，積極推動(dòng)企業(yè)提升應(yīng)對(duì)氣候風(fēng)險(xiǎn)的能力，優(yōu)化金融結(jié)構(gòu)，為企業(yè)營(yíng)造更有利的融資環(huán)境。

關(guān)鍵詞：氣候風(fēng)險(xiǎn)；信貸可得性；銀行信貸；工業(yè)企業(yè)

中圖分類號(hào)：F832.4???文獻(xiàn)標(biāo)識(shí)碼：?A????文章編號(hào)：1003.7217（2024）03.0002.09

一、引?言

近年來(lái)氣候治理問(wèn)題已經(jīng)成為國(guó)際合作的重要議題，但由于該問(wèn)題本身固有的“公共物品”屬性、“集體行動(dòng)”難題，加之缺乏有力的協(xié)調(diào)機(jī)制，全球氣候治理仍面臨巨大的挑戰(zhàn)。事實(shí)上，氣候風(fēng)險(xiǎn)已給全球可持續(xù)發(fā)展帶來(lái)了嚴(yán)重的損害[1]。據(jù)德國(guó)觀察（Germanwatch）發(fā)布的《全球氣候風(fēng)險(xiǎn)指數(shù)2021》，2000—2019年，全球發(fā)生了超過(guò)1.1萬(wàn)次的極端氣候事件，造成超過(guò)47.5萬(wàn)人死亡和超過(guò)2.56萬(wàn)億美元的經(jīng)濟(jì)損失。相應(yīng)地，如何量化評(píng)估氣候風(fēng)險(xiǎn)對(duì)金融體系的影響，也被視為當(dāng)前最緊迫的經(jīng)濟(jì)政策難題之一[2]。

氣候風(fēng)險(xiǎn)在信貸風(fēng)險(xiǎn)管理和金融穩(wěn)定中的重要性日益凸顯，引起了各方的高度關(guān)注。歐洲央行于2021年7月公布《氣候相關(guān)風(fēng)險(xiǎn)與金融穩(wěn)定報(bào)告》；2021年10月，美國(guó)金融穩(wěn)定監(jiān)督委員會(huì)（FSOC）發(fā)布《氣候相關(guān)金融風(fēng)險(xiǎn)報(bào)告》，強(qiáng)調(diào)氣候變化是金融穩(wěn)定的威脅因素。中國(guó)人民銀行也在《中國(guó)金融穩(wěn)定報(bào)告（2021）》中明確提出要將氣候變化相關(guān)風(fēng)險(xiǎn)納入宏觀審慎政策框架，鼓勵(lì)金融機(jī)構(gòu)對(duì)其進(jìn)行評(píng)估和管理。與此同時(shí)，各類商業(yè)性機(jī)構(gòu)也紛紛將氣候風(fēng)險(xiǎn)納入信貸風(fēng)險(xiǎn)管理框架。如穆迪分析（Moodys Analytics）于2022年5月宣布將氣候風(fēng)險(xiǎn)引入信貸生命周期管理平臺(tái)，定量評(píng)估氣候風(fēng)險(xiǎn)對(duì)客戶信用質(zhì)量的影響。

許多研究聚焦于氣候風(fēng)險(xiǎn)如何潛在地影響宏觀經(jīng)濟(jì)和金融體系的穩(wěn)定性[3，4]。如從資產(chǎn)定價(jià)視角融入氣候風(fēng)險(xiǎn)因子，深入探究其對(duì)微觀企業(yè)的影響機(jī)制的系列文獻(xiàn)頗具啟發(fā)性[5-8]①。然而，整體來(lái)看，氣候風(fēng)險(xiǎn)相關(guān)的學(xué)術(shù)研究仍然滯后于實(shí)踐進(jìn)展。一方面，目前研究多從宏觀角度入手，對(duì)微觀層面氣候風(fēng)險(xiǎn)如何作用于企業(yè)投融資行為的研究相對(duì)不足。另一方面，既有文獻(xiàn)對(duì)氣候沖擊的影響機(jī)制探討往往側(cè)重于定性分析，觀點(diǎn)存在分歧且缺乏充分的經(jīng)驗(yàn)證據(jù)。盡管我國(guó)銀行等金融機(jī)構(gòu)高度關(guān)注碳達(dá)峰、碳中和等氣候議題，但由于氣候風(fēng)險(xiǎn)對(duì)經(jīng)濟(jì)影響的具體路徑尚不明確，技術(shù)操作層面的推進(jìn)仍有待加強(qiáng)。從企業(yè)視角來(lái)看，氣候沖擊對(duì)工業(yè)企業(yè)融資可得性的影響仍缺乏完整分析框架與實(shí)證支持。

為此，參考Wang等[9]的方法，構(gòu)建了獨(dú)特的氣候風(fēng)險(xiǎn)指標(biāo)，從信貸可得性學(xué)說(shuō)（credit availability doctrine）經(jīng)典視角探討氣候風(fēng)險(xiǎn)影響企業(yè)信貸融資的內(nèi)在傳遞機(jī)制和差異化效果。研究表明，氣候風(fēng)險(xiǎn)通過(guò)降低企業(yè)工業(yè)產(chǎn)出、銷售收入以及加速固定資產(chǎn)折舊，導(dǎo)致抵押品估值下降，進(jìn)而對(duì)企業(yè)融資行為產(chǎn)生負(fù)面影響。決策部門應(yīng)充分關(guān)注氣候風(fēng)險(xiǎn)對(duì)企業(yè)融資的“金融加速器”效應(yīng)，幫助企業(yè)提升氣候風(fēng)險(xiǎn)應(yīng)對(duì)能力，并優(yōu)化金融結(jié)構(gòu)，為企業(yè)營(yíng)造有利的融資環(huán)境。

二、理論回顧與研究假設(shè)

（一）氣候風(fēng)險(xiǎn)與企業(yè)信貸融資可得性

氣候風(fēng)險(xiǎn)的精準(zhǔn)定價(jià)在金融領(lǐng)域具有重大實(shí)踐意義，是學(xué)界當(dāng)前的關(guān)注焦點(diǎn)。當(dāng)前眾多機(jī)構(gòu)投資者高度重視的氣候風(fēng)險(xiǎn)正逐漸成為影響企業(yè)融資的關(guān)鍵變量[10]。不少研究證實(shí)股票收益率能吸納氣候風(fēng)險(xiǎn)定價(jià)因子[11-13]。但由于氣候相關(guān)信息的披露不足，市場(chǎng)難以全面把握氣候風(fēng)險(xiǎn)，全球范圍內(nèi)對(duì)氣候風(fēng)險(xiǎn)的定價(jià)普遍偏低。這種定價(jià)偏差進(jìn)一步加劇了市場(chǎng)失靈的問(wèn)題[7]。相形之下，銀行部門作為易受氣候風(fēng)險(xiǎn)沖擊的機(jī)構(gòu)，在應(yīng)對(duì)氣候變化實(shí)踐中扮演著“風(fēng)向標(biāo)”的關(guān)鍵角色。隨著極端氣候事件頻發(fā)，氣候風(fēng)險(xiǎn)信息將日益受到重視，并更多地被納入銀行貸款定價(jià)的考量范疇之中。銀行對(duì)氣候風(fēng)險(xiǎn)的重視會(huì)向企業(yè)客戶傳遞出積極信號(hào)，被指出有助于塑造良好的企業(yè)形象和聲譽(yù)，提升貸款組合的質(zhì)量[14]。此外，部分研究從銀行角度出發(fā)，量化評(píng)估了氣候風(fēng)險(xiǎn)對(duì)信貸融資的影響及伴隨的復(fù)雜經(jīng)濟(jì)效應(yīng)。如氣候風(fēng)險(xiǎn)沖擊會(huì)導(dǎo)致位于風(fēng)險(xiǎn)敞口較大地區(qū)的企業(yè)面臨更高的貸款利率[7]；當(dāng)某國(guó)氣候風(fēng)險(xiǎn)脆弱性較高，抑或氣候風(fēng)險(xiǎn)抵御能力較弱時(shí)，該國(guó)的主權(quán)債務(wù)成本可能會(huì)大幅上升[15]；易受氣候變化沖擊的縣市在發(fā)行市政債券時(shí)，需要支付更高的承銷費(fèi)用和融資成本等[16]。

由此可見，氣候風(fēng)險(xiǎn)沖擊會(huì)對(duì)企業(yè)的融資行為造成多重負(fù)面影響。結(jié)合中國(guó)的情況來(lái)看，銀行信貸是企業(yè)主要的融資方式，融資條件的變化會(huì)直接影響企業(yè)的經(jīng)營(yíng)可持續(xù)性。從機(jī)制上看，極端惡劣天氣會(huì)造成貸款抵押物價(jià)值受損，迫使金融機(jī)構(gòu)重新評(píng)估債務(wù)風(fēng)險(xiǎn)。同時(shí)，更嚴(yán)格的氣候政策和能源效率標(biāo)準(zhǔn)要求可能會(huì)增加銀行面臨的信用風(fēng)險(xiǎn)。一方面，隨著氣候風(fēng)險(xiǎn)事件帶來(lái)的經(jīng)濟(jì)損失不斷增加，銀行部門更有動(dòng)力將氣候風(fēng)險(xiǎn)納入授信評(píng)估流程，從而提高了企業(yè)獲取信貸的門檻；另一方面，金融科技的不斷進(jìn)步為銀行提供了更豐富的信息獲取渠道，使其對(duì)氣候風(fēng)險(xiǎn)的量化評(píng)估與監(jiān)測(cè)變得更為敏銳。在面臨氣候沖擊時(shí)，銀行往往會(huì)前瞻性地采取行動(dòng)，通過(guò)縮減氣候風(fēng)險(xiǎn)敞口較大地區(qū)的信貸份額，來(lái)實(shí)現(xiàn)信貸資產(chǎn)配置的再平衡。綜上分析，提出如下假設(shè)：

H1?氣候風(fēng)險(xiǎn)沖擊會(huì)抑制企業(yè)的信貸融資可得性。

（二）氣候風(fēng)險(xiǎn)影響企業(yè)信貸融資的機(jī)制研究

一些文獻(xiàn)深入探討了氣候沖擊對(duì)企業(yè)經(jīng)營(yíng)管理行為的影響機(jī)制。首先，氣候風(fēng)險(xiǎn)的增加致使企業(yè)面臨的不確定性上升，抑制了企業(yè)全要素生產(chǎn)率的提升，導(dǎo)致潛在產(chǎn)出下降[8，17]。氣候風(fēng)險(xiǎn)可能促使位于氣候惡劣地區(qū)的公司采取更為保守的財(cái)務(wù)策略，如增加現(xiàn)金儲(chǔ)備、發(fā)行長(zhǎng)期債務(wù)和減少現(xiàn)金股息等，以抵御氣候風(fēng)險(xiǎn)的潛在威脅[18]。這表明氣候風(fēng)險(xiǎn)可能抑制企業(yè)的擴(kuò)張行為，導(dǎo)致其采取更為保守的經(jīng)營(yíng)策略?；诳鐕?guó)數(shù)據(jù)的研究也得出類似結(jié)論[19]。氣候風(fēng)險(xiǎn)沖擊使得企業(yè)更傾向于保持較低的杠桿率，減少經(jīng)營(yíng)擴(kuò)張活動(dòng)[20]。研究還發(fā)現(xiàn)，在氣候風(fēng)險(xiǎn)敞口較大的國(guó)家，企業(yè)管理者為減輕氣候風(fēng)險(xiǎn)的負(fù)面影響，有動(dòng)機(jī)進(jìn)行盈余管理，試圖通過(guò)調(diào)整收益來(lái)掩蓋風(fēng)險(xiǎn)[21]。其次，極端氣候風(fēng)險(xiǎn)事件可能破壞企業(yè)的廠房設(shè)備等固定資產(chǎn)，降低潛在勞動(dòng)產(chǎn)出，進(jìn)而影響企業(yè)的生產(chǎn)效率[22]。例如，溫度的季節(jié)性異常波動(dòng)會(huì)對(duì)工業(yè)產(chǎn)出和收益產(chǎn)生不利影響[23，24]。此外，極端天氣可能導(dǎo)致企業(yè)銷售成本和各種費(fèi)用的增加，提高公司的經(jīng)營(yíng)管理成本，降低企業(yè)的營(yíng)業(yè)收入[25]。最后，氣候風(fēng)險(xiǎn)還可能破壞企業(yè)的資本結(jié)構(gòu)，降低盈利能力和流動(dòng)性，提升企業(yè)貸款違約的概率[3]。

由此可見，氣候風(fēng)險(xiǎn)的變化將直接影響企業(yè)的經(jīng)營(yíng)決策和生產(chǎn)效率。首先，在應(yīng)對(duì)氣候風(fēng)險(xiǎn)沖擊時(shí)，企業(yè)往往會(huì)采取更為穩(wěn)健的經(jīng)營(yíng)策略，導(dǎo)致潛在經(jīng)營(yíng)成本增加，弱化創(chuàng)新動(dòng)力，最終表現(xiàn)為產(chǎn)出效率和產(chǎn)值下降。其次，氣候沖擊不僅會(huì)對(duì)企業(yè)的融資行為和生產(chǎn)運(yùn)營(yíng)造成負(fù)面影響，也會(huì)削弱市場(chǎng)需求，降低市場(chǎng)主體的消費(fèi)能力。同時(shí)，極端惡劣天氣還會(huì)通過(guò)破壞企業(yè)銷售渠道和經(jīng)營(yíng)環(huán)境，提高企業(yè)銷售管理成本，致使產(chǎn)品銷售收入下降。當(dāng)企業(yè)工業(yè)產(chǎn)出和銷售能力受到削弱時(shí)，會(huì)被視為經(jīng)營(yíng)狀況惡化的信號(hào)，進(jìn)而導(dǎo)致銀行減少對(duì)企業(yè)的授信額度，從而影響企業(yè)的信貸融資能力。最后，氣候風(fēng)險(xiǎn)沖擊還將加速企業(yè)固定資產(chǎn)折舊，造成企業(yè)抵押物價(jià)值波動(dòng)。當(dāng)面臨上述情形時(shí)，銀行將減少對(duì)企業(yè)的信貸供給，觸發(fā)“金融加速器”機(jī)制?；诖?，提出如下研究假設(shè)：

H2?氣候風(fēng)險(xiǎn)通過(guò)降低企業(yè)工業(yè)產(chǎn)出，抑制企業(yè)信貸融資。

H3?氣候風(fēng)險(xiǎn)通過(guò)降低企業(yè)銷售收入，抑制企業(yè)信貸融資。

H4?氣候風(fēng)險(xiǎn)通過(guò)加速固定資產(chǎn)折舊的抵押物估值渠道，抑制企業(yè)信貸融資。

三、指標(biāo)構(gòu)建與研究設(shè)計(jì)

（一）數(shù)據(jù)來(lái)源

實(shí)證研究應(yīng)用的氣象數(shù)據(jù)來(lái)源于國(guó)家氣象科學(xué)數(shù)據(jù)中心；企業(yè)數(shù)據(jù)來(lái)源于中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)的樣本主體為中小工業(yè)企業(yè)，具有較強(qiáng)的代表性[26]。由于核心指標(biāo)銀行信貸計(jì)算涉及的企業(yè)應(yīng)付賬款在2004年才正式提供，故研究樣本期為2004—2013年。參考既有研究，考慮2010年數(shù)據(jù)質(zhì)量較差以及西藏的企業(yè)樣本較少，在樣本中將其剔除。其余宏觀數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。為提高數(shù)據(jù)精確度，參照既有研究[27]的做法，對(duì)工業(yè)企業(yè)數(shù)據(jù)進(jìn)行常規(guī)處理，剔除連續(xù)樣本小于2年及核心指標(biāo)缺失的樣本，同時(shí)對(duì)所有連續(xù)變量進(jìn)行上下1%的縮尾處理。

（二）指標(biāo)構(gòu)建

現(xiàn)有文獻(xiàn)關(guān)于如何構(gòu)建氣候風(fēng)險(xiǎn)指數(shù)尚未達(dá)成一致。著名的環(huán)境智庫(kù)Germanwatch以氣候事件造成的死亡人數(shù)和GDP損失構(gòu)建了全球氣候風(fēng)險(xiǎn)指數(shù)[21]。然而這些指標(biāo)更加側(cè)重強(qiáng)調(diào)氣候事件造成的經(jīng)濟(jì)損失，未必能真實(shí)反映氣候風(fēng)險(xiǎn)本身的強(qiáng)度。參考現(xiàn)有研究[7，9]的做法，從氣象視角構(gòu)建中國(guó)?。▍^(qū)、市）氣候風(fēng)險(xiǎn)指數(shù)。具體而言，將氣候風(fēng)險(xiǎn)分為高溫、低溫、洪澇、臺(tái)風(fēng)和干旱風(fēng)險(xiǎn)五個(gè)子指標(biāo)，這五類風(fēng)險(xiǎn)是中國(guó)常見的氣候風(fēng)險(xiǎn)，具有較強(qiáng)的代表性。在此基礎(chǔ)上，利用熵值法對(duì)各指標(biāo)賦值并計(jì)算綜合指數(shù)。各類氣候風(fēng)險(xiǎn)子指標(biāo)如下：

1．高溫風(fēng)險(xiǎn)。根據(jù)各氣象站點(diǎn)的日最高溫度（Tmax）、日最低溫度（Tmin）和高溫持續(xù)時(shí)間計(jì)算高溫指數(shù)。首先，將日最高溫度和日最低溫度劃分為四個(gè)等級(jí)：

其中，z為氣象站，m和i用來(lái)標(biāo)識(shí)所對(duì)應(yīng)的月和天，day為每月天數(shù)，DHi和DLi分別代表各站點(diǎn)每月最高溫度大于35 ℃和最低溫度大于25 ℃的天數(shù)。然后將各氣象站按?。▍^(qū)、市）和年份求均值，得出各省（區(qū)、市）各年的高溫指數(shù)。

2．低溫風(fēng)險(xiǎn)。低溫霜凍災(zāi)害反映的是一段持續(xù)時(shí)間內(nèi)的急劇降溫。將5天內(nèi)的平均溫度變動(dòng)值（T－）與其標(biāo)準(zhǔn)差（σ）比較，將異常降溫（ab）劃為四個(gè)等級(jí)：

根據(jù)異常降溫等級(jí)，各氣象站每個(gè)月的低溫指數(shù)（Lowzm）為：

其中，m為每月，i為每個(gè)月的時(shí)間段（一個(gè)月可以分為6個(gè)時(shí)段），T為五天的平均氣溫，指前20年該時(shí)段的平均氣溫。最后將各氣象站按?。▍^(qū)、市）和年份求均值，得到各?。▍^(qū)、市）各年的低溫指數(shù)。

3．洪澇風(fēng)險(xiǎn)。根據(jù)各氣象站每日降水量和降雨持續(xù)時(shí)間，將降雨災(zāi)害劃為四個(gè)等級(jí)：

其中，rain為降雨量，n為降雨持續(xù)天數(shù)。各氣象站每月洪澇指數(shù)（Floodzm）為：

其中，m和i為所對(duì)應(yīng)的月和天，day為每月天數(shù)。將各個(gè)氣象站按省（區(qū)、市）和年份求均值，得到各?。▍^(qū)、市）各年的洪澇指數(shù)。

4．臺(tái)風(fēng)風(fēng)險(xiǎn)?？紤]到臺(tái)風(fēng)災(zāi)害一般伴隨著洪澇災(zāi)害，通過(guò)每個(gè)氣象站的每日降雨量和最大風(fēng)速構(gòu)造臺(tái)風(fēng)指數(shù)。首先將最大風(fēng)速（wind）分為五個(gè)等級(jí)；其次，當(dāng)氣象站的最大風(fēng)速等級(jí)（W）不為0時(shí)，將降雨量分為五個(gè)等級(jí)：

根據(jù)氣象站風(fēng)速因子和降雨因子，計(jì)算各氣象站每日的臺(tái)風(fēng)指數(shù)：

其中，W為風(fēng)速因子，R為降雨因子，i為每日。再將各個(gè)氣象站按?。▍^(qū)、市）和年份求均值，得出各?。▍^(qū)、市）各年的臺(tái)風(fēng)指數(shù)。

5．干旱風(fēng)險(xiǎn)。使用氣象常用的自校準(zhǔn)帕爾默干旱指數(shù)（scPDSI）來(lái)度量地區(qū)干旱程度②。該指數(shù)用于度量地區(qū)實(shí)際水分供應(yīng)持續(xù)地少于當(dāng)?shù)貧夂蜻m宜水分供應(yīng)的盈缺情況。根據(jù)國(guó)家標(biāo)準(zhǔn)《氣象干旱等級(jí)劃分》將干旱等級(jí)劃分為五類。各城市每年的干旱指數(shù)設(shè)定為：

其中，c為城市，t為年份。同理，將各個(gè)城市按?。▍^(qū)、市）求均值，得出各?。▍^(qū)、市）各年干旱指數(shù)。

（三）指標(biāo)選取和模型設(shè)定

1．被解釋變量。由于工業(yè)企業(yè)數(shù)據(jù)并未直接公布企業(yè)的借款數(shù)據(jù)，參考已有研究[26]的做法，使用負(fù)債總額扣除應(yīng)付賬款作為銀行信貸的近似值，在此基礎(chǔ)上除以總資產(chǎn)以反映企業(yè)信貸融資（Loan）。

2．解釋變量。使用基于氣象數(shù)據(jù)構(gòu)建的氣候風(fēng)險(xiǎn)指數(shù)（Cri）作為核心解釋變量。此外，選取如下控制變量：企業(yè)規(guī)模（ln Size），資產(chǎn)規(guī)模取自然對(duì)數(shù)；資產(chǎn)收益率（ROA），利潤(rùn)總額占總資產(chǎn)比值；企業(yè)年齡（ln Age），企業(yè)成立時(shí)間加1取自然對(duì)數(shù)；有形資產(chǎn)占比（Fixed），固定資產(chǎn)占總資產(chǎn)比值。此外，還控制了?。▍^(qū)、市）層面的宏觀經(jīng)濟(jì)變量，具體包括：人均GDP（ln RGDP），人均GDP取自然對(duì)數(shù)；地區(qū)產(chǎn)業(yè)水平（Ins），地區(qū)工業(yè)產(chǎn)值占比；金融機(jī)構(gòu)網(wǎng)點(diǎn)（Instprov），萬(wàn)人金融機(jī)構(gòu)網(wǎng)點(diǎn)擁有數(shù)。

3．模型設(shè)計(jì)。為檢驗(yàn)氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的影響，構(gòu)建計(jì)量模型如下：

其中，Loanijt指的是j省（區(qū)、市）i企業(yè)t年的銀行信貸比率；Crijt為j?。▍^(qū)、市）t年的氣候風(fēng)險(xiǎn)指數(shù)；Xijt和Zjt分別為企業(yè)和?。▍^(qū)、市）層面控制變量；μh、λt和υj分別為行業(yè)、年份和省份固定效應(yīng)；β0為截距項(xiàng)；εijt為隨機(jī)誤差項(xiàng)。

四、實(shí)證分析與結(jié)果

（一）氣候風(fēng)險(xiǎn)與企業(yè)信貸融資

表1列示了氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的影響。列（1）～列（5）為逐步加入控制變量的估計(jì)結(jié)果。結(jié)果顯示，區(qū)域氣候風(fēng)險(xiǎn)顯著地抑制了當(dāng)?shù)仄髽I(yè)的銀行信貸融資。一方面，隨著極端氣候事件的增多，銀行部門可能將氣候風(fēng)險(xiǎn)納入授信評(píng)估流程之中，提高了企業(yè)的信貸獲取門檻。另一方面，氣候沖擊可能導(dǎo)致企業(yè)工業(yè)產(chǎn)出下降、銷售收入縮減和抵押品價(jià)值降低，抑制了企業(yè)的信貸融資能力，支持H1。

（二）銀行信貸依賴度和商業(yè)信用分組檢驗(yàn)

金融體系的“金融加速器”特性使其作為關(guān)鍵渠道能夠傳遞和放大外部沖擊，進(jìn)而對(duì)實(shí)體企業(yè)的運(yùn)營(yíng)產(chǎn)生擾動(dòng)[28]。銀行體系如對(duì)氣候沖擊做出響應(yīng)，往往會(huì)顯著減少信貸供給，信貸融資依賴度高的企業(yè)則會(huì)最先受到影響。下文根據(jù)各年銀行信貸占比高低將樣本企業(yè)分為高、中、低三組。同時(shí)，考慮到銀行信貸和企業(yè)商業(yè)信用之間存在替代效應(yīng)[29]，企業(yè)遭遇氣候風(fēng)險(xiǎn)時(shí)可能會(huì)通過(guò)企業(yè)間的商業(yè)信用融資來(lái)對(duì)沖信貸收縮的不利沖擊。進(jìn)一步地，根據(jù)企業(yè)商業(yè)信用融資水平進(jìn)行分組檢驗(yàn)，并進(jìn)行交互印證以確保結(jié)論的穩(wěn)健性。

表2報(bào)告了不同信貸和商業(yè)信用依賴度水平下氣候風(fēng)險(xiǎn)對(duì)信貸融資的影響。結(jié)果表明，氣候風(fēng)險(xiǎn)對(duì)高信貸依賴企業(yè)的融資抑制作用最為明顯。與之不同，低信貸依賴企業(yè)的銀行信貸受氣候風(fēng)險(xiǎn)的影響并不顯著。進(jìn)一步結(jié)合商業(yè)信用水平來(lái)看，慣常借助商業(yè)信用融資的企業(yè)受氣候沖擊的影響最小。以上結(jié)果說(shuō)明，面對(duì)氣候風(fēng)險(xiǎn)沖擊時(shí)，信貸依賴度低或商業(yè)信用融資高的企業(yè)能較好地隔離氣候沖擊的負(fù)面效應(yīng)。換個(gè)角度看，氣候風(fēng)險(xiǎn)會(huì)顯著影響企業(yè)的外部融資環(huán)境，銀行部門面臨氣候風(fēng)險(xiǎn)這類純外生性的沖擊時(shí)，同樣表現(xiàn)出一定的金融“加速器”效應(yīng)，收緊信貸投放標(biāo)準(zhǔn)，減少信貸供給；商業(yè)信用可以起到企業(yè)融資的“穩(wěn)定器”作用。描述性統(tǒng)計(jì)結(jié)果未做匯報(bào)③。

（三）穩(wěn)健性和內(nèi)生性檢驗(yàn)

1．更換氣候風(fēng)險(xiǎn)口徑?？紤]到氣象災(zāi)害的影響具有空間非均衡分布特征，省級(jí)層面氣候風(fēng)險(xiǎn)指數(shù)可能會(huì)平滑個(gè)體企業(yè)面臨的實(shí)際風(fēng)險(xiǎn)。為此，進(jìn)一步更換解釋變量口徑，采用城市層面氣候風(fēng)險(xiǎn)指數(shù)進(jìn)行穩(wěn)健性檢驗(yàn)。表3列（1）的結(jié)果顯示，城市氣候風(fēng)險(xiǎn)指數(shù)（Cri_City）仍然在1%水平下顯著為負(fù)，證實(shí)結(jié)論的穩(wěn)健性。

2．替換因變量。首先，使用“利息支出/銀行借款”（Credit）反映企業(yè)信貸成本。其次，使用“負(fù)債總額/工業(yè)總產(chǎn)值”（Credit2）反映企業(yè)獲取的融資支持力度。最后，使用SA指數(shù)（SA）反映企業(yè)外部融資約束[30]。表3中列（2）～列（4）的結(jié)果顯示，氣候風(fēng)險(xiǎn)推升了企業(yè)利息成本。與此同時(shí)，氣候風(fēng)險(xiǎn)也減少了企業(yè)獲得的金融支持，加劇了企業(yè)的融資約束。以上結(jié)果都佐證了研究結(jié)論的穩(wěn)健性。

3．固定效應(yīng)模型。為緩解遺漏變量問(wèn)題，還采用固定效應(yīng)模型進(jìn)行估計(jì)。考慮到近年來(lái)各地區(qū)和行業(yè)所面臨的政策環(huán)境發(fā)生了諸多變化，可能影響企業(yè)融資行為。為此，將樣本劃分為東部、中部、西部和東北四個(gè)區(qū)域，在回歸中進(jìn)一步引入行業(yè)和年份、區(qū)域和年份交互項(xiàng)，以更好地控制經(jīng)濟(jì)、文化和政策等的潛在影響。如表3中列（5）和列（6）所示，結(jié)論依然穩(wěn)健。

4．重新構(gòu)造氣候風(fēng)險(xiǎn)指數(shù)。參照Germanwatch全球氣候風(fēng)險(xiǎn)指數(shù)構(gòu)造方法，選取氣候事件受災(zāi)人數(shù)（萬(wàn)人）、萬(wàn)人受災(zāi)人數(shù)（萬(wàn)人）、經(jīng)濟(jì)損失（億元）和經(jīng)濟(jì)損失占比四類反映經(jīng)濟(jì)損失的量化指標(biāo)，利用熵值法重新構(gòu)造地區(qū)氣候風(fēng)險(xiǎn)指數(shù)（Crip）。表3中列（7）報(bào)告了替換氣候風(fēng)險(xiǎn)指標(biāo)的結(jié)果，結(jié)論依然成立。

5．內(nèi)生性問(wèn)題。中國(guó)各地區(qū)企業(yè)受氣候?yàn)?zāi)害影響的概率不盡相同。長(zhǎng)期處于高氣候風(fēng)險(xiǎn)地區(qū)經(jīng)營(yíng)的企業(yè)，氣候?yàn)?zāi)害觀念和處理防范會(huì)與低風(fēng)險(xiǎn)地區(qū)存在較大差異，而這些潛在因素難以量化，容易導(dǎo)致遺漏變量問(wèn)題。為此，借鑒潘越等[31]?的做法，采取各?。▍^(qū)、市）緯度作為氣候風(fēng)險(xiǎn)的工具變量。企業(yè)所在?。▍^(qū)、市）緯度作為客觀物理變量，不直接影響企業(yè)融資，具有外生性。工具變量估計(jì)結(jié)果顯示④，一階段回歸中，緯度對(duì)氣候風(fēng)險(xiǎn)的影響顯著為負(fù)，符合中國(guó)地區(qū)氣候?yàn)?zāi)害分布特征。同時(shí)，工具變量一階段F值均遠(yuǎn)大于10，且通過(guò)了識(shí)別不足檢驗(yàn)，說(shuō)明工具變量較為合理。二階段回歸中，氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的影響仍然顯著為負(fù)，結(jié)論依然穩(wěn)健。

五、影響機(jī)制與拓展分析

（一）影響機(jī)制檢驗(yàn)

1．工業(yè)產(chǎn)出渠道。極端氣象事件的發(fā)生會(huì)增加生產(chǎn)經(jīng)營(yíng)的不確定性，使企業(yè)減產(chǎn)停工，造成工業(yè)產(chǎn)出下降。而企業(yè)工業(yè)產(chǎn)出總值反映出企業(yè)的生產(chǎn)經(jīng)營(yíng)能力，是銀行發(fā)放信貸的重要考量因素。為此，選取“工業(yè)總產(chǎn)值/總資產(chǎn)”（Output）來(lái)衡量企業(yè)當(dāng)年的工業(yè)產(chǎn)出水平。表4中列（1）和列（2）的結(jié)果表明，工業(yè)產(chǎn)出對(duì)企業(yè)信貸的影響顯著為正，而氣候風(fēng)險(xiǎn)對(duì)企業(yè)工業(yè)產(chǎn)出的影響則顯著為負(fù)。Sobel檢驗(yàn)顯示工業(yè)產(chǎn)出中介效應(yīng)在1%水平下顯著。以上結(jié)果說(shuō)明，氣候風(fēng)險(xiǎn)通過(guò)降低企業(yè)工業(yè)產(chǎn)出，抑制企業(yè)信貸融資的機(jī)制顯著存在，H2得證。

2．產(chǎn)品銷售渠道。極端氣象事件除了導(dǎo)致企業(yè)工業(yè)產(chǎn)出下降，還可能會(huì)阻礙企業(yè)的銷售活動(dòng)。企業(yè)的銷售收入不僅反映企業(yè)產(chǎn)品的競(jìng)爭(zhēng)力，還是經(jīng)營(yíng)活動(dòng)的重要績(jī)效指標(biāo)，通常會(huì)被納入銀行授信流程。因此選取“工業(yè)銷售產(chǎn)值/總資產(chǎn)”（Sale）來(lái)表征企業(yè)的產(chǎn)品銷售收入狀況。表4中列（3）和列（4）的結(jié)果顯示，氣候風(fēng)險(xiǎn)對(duì)企業(yè)產(chǎn)品銷售收入的影響顯著為負(fù)，銷售收入對(duì)企業(yè)信貸融資的影響顯著為正。Sobel檢驗(yàn)顯示產(chǎn)品銷售中介效應(yīng)在1%水平下顯著。這說(shuō)明氣候風(fēng)險(xiǎn)通過(guò)降低企業(yè)銷售收入抑制了企業(yè)信貸融資，H3得證。

3．抵押物折舊渠道。極端氣候事件不僅影響企業(yè)的生產(chǎn)經(jīng)營(yíng)，還會(huì)造成生產(chǎn)設(shè)備的損毀與價(jià)值損失。企業(yè)固定資產(chǎn)作為銀行信貸的主要抵押物，其價(jià)值波動(dòng)直接影響企業(yè)的授信額度，選取企業(yè)“固定資產(chǎn)折舊額/固定資產(chǎn)規(guī)?！保―ep）來(lái)反映氣候風(fēng)險(xiǎn)經(jīng)由加快折舊渠道沖擊抵押品估值的“加速器”效應(yīng)。表4中列（5）和列（6）的結(jié)果顯示，氣候風(fēng)險(xiǎn)對(duì)企業(yè)固定資產(chǎn)折舊的影響顯著為負(fù)，固定資產(chǎn)折舊對(duì)企業(yè)信貸融資的影響顯著為負(fù)。Sobel檢驗(yàn)表明固定資產(chǎn)折舊中介效應(yīng)在1%水平下顯著。這說(shuō)明，氣候風(fēng)險(xiǎn)會(huì)通過(guò)“金融加速器”理論的經(jīng)典“抵押品渠道”抑制企業(yè)信貸融資， H4得證。

（二）異質(zhì)性分析

1．行業(yè)異質(zhì)性。各行業(yè)對(duì)氣候風(fēng)險(xiǎn)的敏感度存在差異，按行業(yè)分組檢驗(yàn)有其必要性。從直覺上看，高度依賴特定自然條件和環(huán)境的行業(yè)易受氣候風(fēng)險(xiǎn)影響，傳統(tǒng)能源行業(yè)和制造業(yè)也較易受到影響。圖1顯示，氣候風(fēng)險(xiǎn)對(duì)38個(gè)二級(jí)行業(yè)中的21個(gè)行業(yè)的信貸融資有顯著的影響。如氣候風(fēng)險(xiǎn)對(duì)石油和天然氣開采業(yè)，儀器儀表及文化、辦公用機(jī)械制造業(yè)，印刷和記錄媒介復(fù)制業(yè)等行業(yè)的信貸融資產(chǎn)生了顯著的負(fù)面作用；與之不同，并未對(duì)電力、熱力生產(chǎn)和供應(yīng)業(yè)，燃?xì)馍a(chǎn)和供應(yīng)業(yè)等基礎(chǔ)設(shè)施行業(yè)的信貸融資產(chǎn)生不利影響。

2．股權(quán)異質(zhì)性。根據(jù)股權(quán)類型，將樣本企業(yè)分為國(guó)有控股、集體控股、私人控股和外商控股四類。表5中列（1）～列（4）的結(jié)果顯示，氣候風(fēng)險(xiǎn)對(duì)各類控股企業(yè)的信貸融資均有顯著的負(fù)向影響，對(duì)私人和外商控股企業(yè)而言尤為明顯。組間系數(shù)差異檢驗(yàn)也表明，私人和外商控股企業(yè)與國(guó)有控股企業(yè)的差異具有統(tǒng)計(jì)顯著性。這意味著氣候風(fēng)險(xiǎn)更突出地影響著私人和外商控股企業(yè)的信貸融資，而對(duì)國(guó)有控股企業(yè)的信貸融資影響較弱。

（三）金融發(fā)展的影響

區(qū)域金融發(fā)展理應(yīng)為企業(yè)對(duì)沖和平滑外部沖擊提供更多手段和方式。下文將考察金融發(fā)展對(duì)氣候風(fēng)險(xiǎn)與企業(yè)信貸融資關(guān)系的影響。參考已有研究[32]，使用金融業(yè)市場(chǎng)化指數(shù)表征地區(qū)金融發(fā)展水平（Fin），在模型中加入氣候風(fēng)險(xiǎn)與金融發(fā)展的交互項(xiàng)；并根據(jù)各年金融發(fā)展均值將樣本劃分為金融發(fā)展高和低兩組。表5中列（5）～列（7）的結(jié)果顯示，交互項(xiàng)Cri×Fin的系數(shù)顯著為正；分組回歸中，氣候風(fēng)險(xiǎn)對(duì)金融發(fā)展較低地區(qū)企業(yè)的影響更為明顯。這說(shuō)明金融發(fā)展較高地區(qū)對(duì)于氣候風(fēng)險(xiǎn)帶來(lái)的負(fù)面沖擊的處置和應(yīng)對(duì)更為有效，能夠弱化氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的不利影響。

六、結(jié)論與對(duì)策性思考

近年來(lái)，全球氣候變化日益加劇，局部地區(qū)極端氣候事件頻發(fā)，對(duì)企業(yè)的生產(chǎn)運(yùn)營(yíng)和信貸融資活動(dòng)產(chǎn)生了深遠(yuǎn)影響。利用國(guó)家氣象數(shù)據(jù)構(gòu)建了地區(qū)層面氣候風(fēng)險(xiǎn)指數(shù)，檢驗(yàn)了氣候風(fēng)險(xiǎn)沖擊對(duì)企業(yè)信貸融資的影響機(jī)理。研究發(fā)現(xiàn)：首先，氣候風(fēng)險(xiǎn)整體上顯著地抑制了企業(yè)的信貸融資，特別是對(duì)于信貸融資依賴度較高的企業(yè)而言，面臨典型的“金融加速器”效應(yīng)。其次，氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的影響不僅體現(xiàn)在降低工業(yè)產(chǎn)出和產(chǎn)品銷售收入，還會(huì)通過(guò)加速固定資產(chǎn)折舊的抵押品估值渠道，進(jìn)一步放大其對(duì)企業(yè)信貸融資的負(fù)面影響。最后，從企業(yè)群組的異質(zhì)性來(lái)看，氣候風(fēng)險(xiǎn)的信貸融資抑制效應(yīng)對(duì)私人和外商控股企業(yè)更為明顯，且存在典型的行業(yè)差異。值得注意的是，區(qū)域金融發(fā)展有利于緩解氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的負(fù)向效應(yīng)。

基于上述結(jié)論，提出以下對(duì)策性思考：

第一，決策部門應(yīng)高度重視氣候風(fēng)險(xiǎn)對(duì)企業(yè)經(jīng)營(yíng)活動(dòng)造成的負(fù)面沖擊和“金融加速器”效應(yīng)，積極健全政府應(yīng)對(duì)氣候風(fēng)險(xiǎn)的治理架構(gòu)與融資保障功能。在間接融資模式主導(dǎo)的金融制度背景之下，氣候風(fēng)險(xiǎn)會(huì)經(jīng)由信貸渠道對(duì)大多數(shù)企業(yè)產(chǎn)生廣泛而深刻的影響。為此，決策部門應(yīng)充分重視氣候風(fēng)險(xiǎn)對(duì)企業(yè)生產(chǎn)經(jīng)營(yíng)的影響機(jī)制識(shí)別，完善應(yīng)對(duì)氣候風(fēng)險(xiǎn)的機(jī)制和政策設(shè)計(jì)，確保氣候敏感行業(yè)與企業(yè)能夠公平有效地獲取金融資源支持。

第二，推動(dòng)企業(yè)提升氣候風(fēng)險(xiǎn)應(yīng)對(duì)能力，并逐步建立完善的氣候風(fēng)險(xiǎn)管理體系。具體地，可以通過(guò)激勵(lì)實(shí)體企業(yè)加強(qiáng)信息披露、實(shí)施可持續(xù)發(fā)展戰(zhàn)略、提升技術(shù)創(chuàng)新以提高適應(yīng)能力、運(yùn)用金融保險(xiǎn)手段轉(zhuǎn)移風(fēng)險(xiǎn)等多元舉措穩(wěn)定生產(chǎn)經(jīng)營(yíng)，弱化氣候風(fēng)險(xiǎn)帶來(lái)的沖擊效應(yīng)。

第三，加快金融深化是積極應(yīng)對(duì)氣候變化、推動(dòng)綠色發(fā)展的有益制度安排，能夠有效緩釋氣候風(fēng)險(xiǎn)對(duì)企業(yè)信貸融資的不利沖擊。金融機(jī)構(gòu)應(yīng)通過(guò)強(qiáng)化氣候風(fēng)險(xiǎn)量化評(píng)估、提升氣候風(fēng)險(xiǎn)定價(jià)的精準(zhǔn)性、完善氣候風(fēng)險(xiǎn)管理策略，以及加快金融產(chǎn)品創(chuàng)新提升金融市場(chǎng)的多樣性和包容性，為企業(yè)提供更加穩(wěn)定和有保障的多元化融資環(huán)境。

注釋：

① 氣侯風(fēng)險(xiǎn)可劃分為物理風(fēng)險(xiǎn)、轉(zhuǎn)型風(fēng)險(xiǎn)和責(zé)任風(fēng)險(xiǎn)三類。但關(guān)于責(zé)任風(fēng)險(xiǎn)的定義存在一定爭(zhēng)議，責(zé)任風(fēng)險(xiǎn)可以表現(xiàn)為物理風(fēng)險(xiǎn)和轉(zhuǎn)型風(fēng)險(xiǎn)的具體形式[5]。其中，物理風(fēng)險(xiǎn)指的是氣候事件直接或間接地導(dǎo)致經(jīng)濟(jì)活動(dòng)損失而引發(fā)的風(fēng)險(xiǎn)。例如，極端氣候事件導(dǎo)致農(nóng)業(yè)產(chǎn)量下降、公共基礎(chǔ)設(shè)施失靈或相關(guān)財(cái)產(chǎn)損失等，以及事件后續(xù)持續(xù)發(fā)酵產(chǎn)生的間接損失。而轉(zhuǎn)型風(fēng)險(xiǎn)更多指的是向低碳經(jīng)濟(jì)轉(zhuǎn)型過(guò)程中，氣候政策、技術(shù)和市場(chǎng)情緒等因素變化，導(dǎo)致企業(yè)或者其他經(jīng)濟(jì)主體資產(chǎn)價(jià)格發(fā)生變動(dòng)而引發(fā)的風(fēng)險(xiǎn)[6]。例如，化石燃料等能源公司可能會(huì)受到碳定價(jià)或者碳排放限制的影響。

② 數(shù)據(jù)來(lái)源：https：//crudata.uea.ac.uk/cru/data//drought/。

③ 限于篇幅，描述性統(tǒng)計(jì)結(jié)果未做匯報(bào)，結(jié)果留存?zhèn)渌鳌?/p>

④ 限于篇幅，工具變量估計(jì)結(jié)果未做匯報(bào)，結(jié)果留存?zhèn)渌鳌?/p>

參考文獻(xiàn)：

［1］?陳國(guó)進(jìn)， 郭珺瑩， 趙向琴. 氣候金融研究進(jìn)展＼[J]. 經(jīng)濟(jì)學(xué)動(dòng)態(tài)， 2021（8）： 131-145.

［2］?Battiston S， Martinez.Jaramillo S. Financial networks and stress testing： challenges and new research avenues for systemic risk analysis and financial stability implications＼[J]. Journal of Financial Stability， 2018， 35： 6-16.

［3］?Dafermos Y， Nikolaidi M， Galanis G. Climate change， financial stability and monetary policy＼[J]. Ecological Economics， 2018， 152： 219-234.

［4］?Stroebel J， Wurgler J. What do you think about climate finance？＼[J]. Journal of Financial Economics， 2021， 142（2）： 487-498.

［5］?張帥， 陸利平， 張興敏， 等. 金融系統(tǒng)氣候風(fēng)險(xiǎn)的評(píng)估、定價(jià)與政策應(yīng)對(duì)：基于文獻(xiàn)的評(píng)述＼[J]. 金融評(píng)論， 2022， 14（1）： 99-120.

［6］?中國(guó)人民銀行研究局課題組. 氣候相關(guān)金融風(fēng)險(xiǎn)——基于央行職能的分析＼[R]. 北京：中國(guó)人民銀行工作論文， 2020.

［7］?Javadi S， Masum A. The impact of climate change on the cost of bank loans＼[J]. Journal of Corporate Finance， 2021， 69： 102019.

［8］?劉波，李蕓琪，蔣銀娟. 氣候變化沖擊下的制造業(yè)企業(yè)全要素生產(chǎn)率——機(jī)制分析與實(shí)證檢驗(yàn)＼[J]. 湖南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2023， 37（1）： 78-87.

［9］?Wang Y， Song L， Ye D， et al. Construction and application of a climate risk index for China＼[J]. Journal of Meteorological Research， 2018， 32（6）： 937-949.

［10］Krueger P， Sautner Z， Starks L T. The importance of climate risks for institutional investors＼[J]. The Review of Financial Studies， 2020， 33（3）： 1067-1111.

［11］Hong H， Li F， Xu J. Climate risks and market efficiency＼[J]. Journal of Econometrics， 2019， 208（1）： 265-281.

［12］Kumar A， Xin W， Zhang C. Temperature sensitivity， mispricing， and predictable returns＼[R]. Rochester：SSRN Working Paper， 2023.

［13］Bolton P， Kacperczyk M. Global pricing of carbon.transition risk＼[J]. The Journal of Finance，2023， 78（6）： 3677-3754.

［14］Birindelli G， Bonanno G， DellAtti S， et al. Climate change commitment， credit risk and the countrys environmental performance： empirical evidence from a sample of international banks＼[J]. Business Strategy and the Environment， 2022， 31（4）： 1641-1655.

［15］Beirne J， Renzhi N， Volz U. Feeling the heat： climate risks and the cost of sovereign borrowing＼[J]. International Review of Economics & Finance， 2021， 76： 920-936.

［16］Painter M. An inconvenient cost： the effects of climate change on municipal bonds＼[J]. Journal of Financial Economics， 2020， 135（2）： 468-482.

［17］王遙， 王文蔚. 環(huán)境災(zāi)害沖擊對(duì)銀行違約率的影響效應(yīng)研究：理論與實(shí)證分析＼[J]. 金融研究， 2021（12）： 38-56.

［18］Huang H， Kerstein J， Wang C. The impact of climate risk on firm performance and financing choices： an international comparison＼[J]. Journal of International Business Studies， 2018， 49（5）： 633-656.

［19］ Masum A，Javadi S， Aram M， et al. Climate change and corporate cash holdings： global evidence＼[J]. Financial Management， 2023， 52（2）： 253-295.

［20］Ginglinger E， Moreau Q. Climate risk and capital structure＼[J]. Management Science，2023， 69（12）： 7492-7516.

［21］Ding R， Liu M， Wang T， et al. The impact of climate risk on earnings management： international evidence＼[J]. Journal of Accounting and Public Policy， 2021， 40（2）： 106818.

［22］Jones B F， Olken B A. Climate shocks and exports＼[J]. American Economic Review， 2010， 100（2）： 454-459.

［23］Zhang P， Deschenes O， Meng K， et al. Temperature effects on productivity and factor reallocation： evidence from a half million Chinese manufacturing plants＼[J]. Journal of Environmental Economics and Management， 2018， 88： 1-17.

［24］Addoum J M， Ng D T， Ortiz.Bobea A. Temperature shocks and establishment sales＼[J]. The Review of Financial Studies， 2020， 33（3）： 1331-1366.

［25］Pankratz N， Bauer R， Derwall J. Climate change， firm performance， and investor surprises＼[J]. Management Science， 2023， 69（12）： 7352-7398.

［26］李廣子， 熊德華， 劉力. 中小銀行發(fā)展如何影響中小企業(yè)融資？——兼析產(chǎn)生影響的多重中介效應(yīng)＼[J]. 金融研究， 2016（12）： 78-94.

［27］聶輝華， 江艇， 楊汝岱. 中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)的使用現(xiàn)狀和潛在問(wèn)題＼[J]. 世界經(jīng)濟(jì)， 2012， 35（5）： 142-158.

［28］Kiyotaki N， Moore J. Credit cycles＼[J]. Journal of Political Economy， 1997， 105（2）： 211-248.

［29］Danielson M G， Scott J A. Bank loan availability and trade credit demand＼[J]. Financial Review， 2004， 39（4）： 579-600.

［30］邵俊堯，張平. 放開貸款利率管制對(duì)企業(yè)創(chuàng)新投資的影響研究＼[J]. 財(cái)經(jīng)理論與實(shí)踐，2023， 44（1）： 11-18.

［31］潘越， 翁若宇， 劉思義. 私心的善意：基于臺(tái)風(fēng)中企業(yè)慈善捐贈(zèng)行為的新證據(jù)＼[J]. 中國(guó)工業(yè)經(jīng)濟(jì)， 2017（5）： 133-151.

［32］余明桂， 潘紅波. 政治關(guān)系、制度環(huán)境與民營(yíng)企業(yè)銀行貸款＼[J]. 管理世界， 2008（8）： 9-21.

（責(zé)任編輯：厲亞）