许多行业的经营业绩都容易受到气候变化的严重影响。调查证据表明，美国GDP中超过三万亿美元来自气候敏感行业（Dutton，2002）；其中，能源、建筑、食品加工、零售和运输行业更容易受到极端气候影响。气候衍生金融工具能为上述受到气候影响的行业提供风险补偿。芝加哥商业交易中心（CME）从1999年开始，陆续在不同城市推出与气温相关的金融衍生合同。截止2005年9月，CME交易的气候衍生合同价值达到220亿美元，其中绝大多数合同均以气温为基础交割。美国天气风险管理协会（WRMA）2005年调查结果发现，超过95％的气候衍生合同与温度有关（WMRA调查报告，2006年）。气温衍生合同分为高温合约（Heating Degree Days）和低温合约（Cooling Degree Days）。合同中规定温度观测时间和城市，并指定以城市中某一特定气象站发布的气温数据为交易参考标准，对低于约定温度或高于约定温度的日期进行赔付，这意味着气温数据即使发生微小变化也会引起金融市场巨大的经济利益波动。因此，金融市场引入气温衍生合同后，国家气象局、投资者、媒体和其他关联方均会对气象站的温度数据展开更加严格的审查，对其报告精确度提出更高要求，进而提高了城市气象站气温测量的准确性。

1.数据与样本

作者采用双重差分法，比较气温衍生合同出现前后，引入气温衍生合同交易的城市和未引入城市气温测量准确性的变化。芝加哥商业交易中心1999年首次推出气候衍生金融产品，随后13个月内开始在10个城市交易，2003、2005和2008年陆续在其他14个城市中引入该类气候衍生产品。不同城市开始交易气候衍生产品的时间存在交错性，使文章能够消除其他宏观经济因素和气候因素变化的影响。

在引入气温衍生合同交易的24个城市中，作者选择气温衍生合同约定的气象站作为处理组。同时，将另外25个未引入气温衍生合同交易的城市中，离机场最近的气象站作为对照组。由于数据获取限制，文章选择的样本最早观测年度为2000年，最终选择2000~2011年共588个样本。

文章中所有气温数据均来自一家名为MDA的私人公司，该公司主要负责收集和修正温度数据（包括政府气象站每日报告的气温数据），并向不同行业和芝加哥商业交易中心提供。作者将政府气象站公开的气温数据作为初始温度，将MDA调整后的气温数据作为修正温度，统计每年初始温度与修正温度不相等的错报天数，将其作为气象站预报精确程度的代理变量。同时，作者对错报天数取对数值进行稳健性检验。

2.模型

主要变量名称与含义如下表所示：

在控制气象站个体效应和年度效应的条件下，基准检验结果发现，在引入气温衍生金融合同交易后，气象站数据的误差率下降约10%。结果证明气温衍生金融工具的引入对气象站温度测量的准确性有积极影响，即一旦气温数据与金融市场巨大的经济利益相关，气象站报告的初始气温数据就会更接近调整数据。为了验证气象站温度测量准确性的提高是因为涉及较大经济利益，市场对气温数据增加额外审查所致，文章进一步检验已有结果在经济利益横截面上的变化。与预期结果一致，在高经济利益和高人口密度的分组中，气温衍生合同的引入能够显著降低气象站的测量误差。

气象站改善温度测量误差的途径主要有以下两种，一种是技术途径，通过安装更好设备，例如更加精确的温度计或传感器来获取精确的气温数据；另一种是人工途径，即气象监测站的工作人员付出更多努力，增加更多抽样减少数据误差。两种方式均能提升气象站温度测量的准确性，且无法直接观测到单个途径的影响。作者采用了一个巧妙的方法，首先，区分气温衍生合同交易的“旺季”和“淡季”。气温衍生合同的购买者主要为了对冲极端高温和极端低温对公司业务的影响，交易大多集中在盛夏或寒冬（旺季）。这使得气温较为稳定的4月和10月成为气候衍生合同交易最少的月份（淡季）。然后，作者分别统计气象站4月和10月的错报天数以及其余十个月的错报天数，将其分别作为被解释变量，考察在气温衍生合同交易的“淡季”和“旺季”，气象站测量数据准确性的变化。如果气象站提高温度测量准确性的途径是技术改进，作者将能在所有月份观测到准确性提高。回归结果并未发现气象站测量误差在4月和10月有显著变化，但其余交易活跃的月份有显着降低，说明气象站测量误差的降低来源于交易活跃的月份。这些月份气象站面临着强大的外部市场压力和监督，专业人士对气温数据分析也较多，从而使气象站工作人员投入更多的努力来改善气温测量准确性。

文章发现，气温衍生合同的推出，改善了城市气象站气温测量数据的准确性。气温衍生合同产生以后，气象站的气温数据成为数十亿美元合约交易的参照基准，引发了第三方和其他机构对气温数据越来越多的审查。这些审查机制给气象站带来更多数据测量的压力，进而使其采用更好的措施、付出更多努力来提高数据测量的准确性。与此同时，这篇文章也首次实证检验发现，金融创新能够对不直接受合同受益影响的第三方产生影响。