绿色资产定价

绿色资产定价 Ghassane Benmir Ivan Jaccard,Gauthier Vermandel 2024 年 11 月修订 免责声明:本文不应被报告为代表欧洲中央银行的观点（ ECB) 。表达的观点是作者的观点 ， 不一定反映欧洲央行的观点。 Abstract 这篇论文展示了折扣因子的经验基础对其确定碳价格的影响显著。我们使用两种互补的非线性统计方法来评估哪些效用函数和相应的随机折扣因子与美国数据的最佳匹配程度。我们提供了证据表明，习惯形成对于捕捉随机折扣因子中必要的时间变化至关重要，以匹配数据。这种增强的时间变化使碳价格提高了32%，并且使其比标准模型更五倍的顺周期。增强的顺周期性降低了总体风险、风险溢价以及预防性储蓄的需求。 关键字:气候变化 ， 最优政策 ， 随机折现因子 ， 平价溢价之谜。 果冻 ： Q58 ， G12 ， E32 。 非技术性摘要 这篇论文探讨了金融因素，尤其是通过现实的折现率，如何影响碳价的最优水平。社会碳成本（Social Cost of Carbon，SCC）代表了今天排放一吨二氧化碳所造成损害的当前价值。这一指标在政策圈中广泛用于设定碳价格，指导碳税和减排目标的决策。将碳价格与SCC对齐有助于决策者确定最优的减排速率，通过对高碳密集型活动征税来增加其经济成本，从而使其变得不那么具有经济吸引力。 我们的框架将宏观经济金融学与气候科学整合在一起，特别是在如何建模未来碳损害方面。本文引入了Epstein-Zin-Weil偏好和消费习惯形成的概念，以捕捉现实的折现方式。这些偏好使模型能够反映投资者根据其过去的消费水平和对不确定性的态度调整消费的方式，从而影响社会成本中的碳成本。通过将宏观经济金融的最佳机制与气候经济学相结合，我们的框架提供了一个合理的气候变化损害折现值，并在其当前价值中体现这一价值。 我们采用两步统计方法来评估不同的效用模型和随机贴现因子对碳定价的影响。首先，我们应用模拟矩法（Simulated Method of Moments, SMM）来估计模型参数并匹配资产定价矩。在第二步中，我们使用贝叶斯估计技术，基于美国经济和金融数据评估竞争效用函数的最佳拟合。两个估计步骤均采用三阶扰动以捕捉非线性动态，这是为了应对时间变化的风险溢价，这一新颖的方法使贝叶斯方法更适用于宏观金融模型。 我们的研究结果突显了三项主要发现。首先，我们提供了证据表明习惯形成提高了模型与资产定价数据的一致性。其次，模型显示，在随机贴现因子的时间变化中，碳价格比标准模型高出约32%，并且波动性是后者的五倍。第三，这种增加的碳定价周期性不仅通过降低总体风险来稳定经济，还降低了风险溢价和预防性储蓄的需求。 这些结果强调了将现实istic折扣纳入气候政策模型中的重要性。如果不考虑现实istic折扣，碳价格可能会系统性地被低估，并且在经济衰退期间无法适当调整。 1 Introduction 在本文中，我们探讨了实证确定折现率如何影响最优碳定价。其核心在于确定社会成本二氧化碳（Social Cost of Carbon，SCC），这本质上是一个资产定价问题。SCC表示由于今天排放一单位二氧化碳而引起的边际损害的净现值。在这一计算中，关键因素包括效用函数和随机贴现因子（Stochastic Discount Factor，SDF），它们的作用是将碳排放未来经济损害转化为当前价值。1本文认为当前气候模型中使用的折现率往往缺乏实证基础。没有合理的折现率，碳价格可能会系统性地被低估，并且在经济衰退期间无法适当调整。 确定碳的价格仍然是一个有争议的问题。这在威廉·诺德豪斯与尼古拉斯·斯特恩就未来气候变化相关损害的适当折现率的辩论中得到了体现。大多数研究基于确定性的折现因子版本来提出建议（例如，诺德豪斯,1991,2008 2017).然而，折扣因子的随机性质及其与资产价格数据的一致性在定量评估社会成本曲线（SCC）时已被很大程度上忽视。最近现代宏观金融理论的进步为应对气候变化的折现问题提供了有希望的解决方案。 关于气候风险的新兴文献已经将不确定的早期解决方案引入了碳定价 (例如 ，蔡和隆泽克;2019,Bansal 、 Kiku 和 Ochoa 2;019 B,阿内特、布洛克、汉森和洪;2020,Van Den Bremer 和 Van Der Ploeg 2;021,Traeger 2021). 这项研究强调不确定性显著影响风险补偿（SCC），并通过风险偏 好机制影响无风险利率的精算因子（SDF）。然而，这些研究通常最多仅关注无风险利率均值作为主要折现时刻。其他考虑因素，如无风险利率的波动性和风险溢价数据并未被纳入，尽管这些因素对于指导折现过程至关重要。此外，这些研究并未采用正式的统计指标来评估模型在匹配宏观经济金融总量和资产价格方面的准确性和性能。 我们的研究通过匹配关键资产定价数据来实证证明我们选择的贴现因子，从而使其区别于其他研究。借助资产定价理论的最新进展，本文的主要目标是评估金融因素，尤其是通过经济-金融联系，对资产定价的影响。 1气候变化代表了一个重大的市场失灵，因为它反映了市场无法内部化碳排放成本的问题。将碳税设定为社会成本（SCC）等值被认为是最有效的策略，以纠正这一失灵并减少排放。SCC已成为政策设计中至关重要的指标，如美国政府采用每吨51美元的CO2社会成本所示。22020 年的利率。 贴实折现法对碳定价产生影响。为了匹配资产定价时刻，我们为美国经济开发了一个框架，整合了金融的核心要素，,如风险偏好和长期风险 (班萨尔和亚伦;2004,Kung and Schmid 2015) 。捕捉 SDF 的现实波动 (例如 ，科克伦和汉森 1992), 我们还引入了对缓慢变化的内部习惯的具体说明。与现有文献相比，我们的框架强调时间变化在SDF（状态依赖函数）中的重要性，并将其作为最优碳定价的重要决定因素。此外，我们纳入了综合评估模型文献中的气候相关成分（例如）。Golosov, Hassler, Krusell, Tsyvin -,ski 2;014 N,ordhaus 2017) ， 包括碳积累、损害和减排技术。 我们的框架引入了新颖的元素，推动了现有文献的发展。首先，我们的经济体系包含了内生的消费增长率斜率（例如，K,ung 和施密德 2015) 受到气候损害的影响 ， 从而产生长期的限制风险 (Bansal 等人 2;019,凯西 ， 弗里德和吉布森;2024 Nath, Ramey, and,克列诺 2024). 此外，碳的社会成本不仅由生产活动造成的气候损害驱动，还由家 庭的效用函数驱动。我们定义家庭的效用函数依赖于消费和环境质量；由于排放量的积累对消费者造成损害，效用被建模为消费与累积大气排放量之比的函数。2 在这些核心要素之外，我们的方法在先验上对可用于共同实现6%的风险溢价和0.4%的风险免费率的具体效用函数保持中立。传统的大规模金融模型通常依赖于长期风险或消费习惯，通常是孤立地使用其中一种而没有对每种偏好形式进行统计比较。本文认为，在碳定价的目的下选择效用函数是非平凡的，并提出两种互补的统计方法以进行相关分析。3首先 ， 我们使用模拟的矩量法 (SMM) (汉森和辛格尔顿 1982) 以评估模型在匹配与无风险利率和股票溢价相关的关键资产定价时刻方面的性能。这在宏观金融学中是常见的做法（例如，Mehra 和 Prescott;1985 Jer- , mann 1998在 ri th t ， e m 19 ra va B al pa fide in w vo T pr an gre n 是 g a e d ske c o 7 t n y lo t tc o l h e et t r t c u - T h d 3e ， c i h F di e ork a 是 d A d ， paf r e l c f c n e em w r n r m r ti i litn a g t i e r o li i l tw d f u o m a p l ic c fi es e a h m e q ， op o g t o b i m t so rd t q t e i e a m ufl e - o r n m i in ir y t a e n e在 u e a m r s a e2 e s d s i o a y pb c s wo i c te p a s t s u0 v w i st e t n n tu g t d a o t es ect 2 a i n a r h h gt in) r s y r fi e s (3 l tg t a i e t v t d e, r u e uh n b r e u h i s tgp o n a i. a e s n ict m a a a a w s g to a b t h h bh 或 r m n n n n k. ，I p t d h o e c p pi r h n l ns d l m i p c e l n th a o i y ce y c r e t t t ite l iu s i l i h h ec t w. c i m e r a uh t e m e t s e co o i i i e e e r an t n i r p to b h a s a v r c uc n i y u c e c u hsum e t and a f m tuar ed on rey c h r i i ， i t p ip o a w s n h y ie u r a c sa r a e u u d n e ib e d e mi i c t o n o r t t, p iss p s s m i a n d cn i m l i (at h o m ua k b r v a os a - e T n i pu bl n fr w hi h li tsb e d e o g 在 t ioej a e r h y ce o r k d t n oc f d r er i h o nt a c v f s u p n maA t o d o C s n o tn s t c o gt m e n a r a a ao d n s s b sd ac w si d ge D si ta r s e t a s h f. l rf d r t r eE ro h t n F t s ts - il e m c r 是。m o c g s r r c i t sn sI s e n e t s u a t ke u n h u wn i t 或 i o 等 h ti r是 u n t u y ， md c r t e m p h ug n v r e s u o c sti o a p u ic u s r ri ltl g e w m a o e i l- l w r l i o r p i c ie i a r u s i f g t rv ir m i p l o e a i s dt c nl t t a n t s hs o o a h r t s d ao y n m i v u k o go n n i o ri c. m ll fs ， f n e a d i o eu c - n a r iu g m n a c b h be o u ce r l er u np t e fr n nr - 我是我 ， 我是， 我是 ， 我是， 我是c s e n s c u b h nq n rt t s v r t i s ea d e ae t n g e l t o c u ci a i t sA t t e t o d t e a se a f l u b i so n a c p a d h ne rt t o n g t n d r tffi a it s t