论文标题：Corporate Climate Risk: Measurements and Responses
中文标题：企业气候风险：测量与应对
原文来源：Qing Li, Hongyu Shan, Yuehua Tang, Vincent Yao. 2025. “Corporate Climate Risk: Measurements and Responses”. The Review of Financial Studies.
供稿：马雪融
封面图片来源：Pexels
编者按：
文章对财报电话会议记录进行了文本分析，以量化公司层面的气候风险敞口。文章构建了词典，分别衡量物理和过渡气候风险，并确定积极应对气候风险的公司。验证分析表明，文章的措施捕捉了各自气候风险暴露的企业层面变化。近年来，由于投资者对气候相关问题的总体关注不断增加，面临高转型风险的公司，特别是那些没有积极应对的公司的估值出现了折扣。文章记录了企业在面临高气候风险敞口时如何通过投资、绿色创新和就业来应对的差异。
一、引言
气候变化给企业和整个社会带来了严峻的挑战。科学家预测，气候变化将导致慢性和急性气候和天气事件的发生率和严重程度增加，导致前所未有的风险和破坏，将影响企业、金融体系和整体经济（Litterman et al.，2020）。继诺德豪斯（1977）的开创性工作之后，许多经济学家研究了气候变化与经济之间的相互作用（例如，Golosov et al.，2014；诺德豪斯，2019）；然而，气候融资主题，如如何评估、缓解和对冲企业和资产类别之间的气候风险，直到最近才受到有限的关注。推进这一研究议程的一个主要挑战是缺乏跨资产类别的气候风险暴露的可靠措施，特别是股权资产的措施（Hong，李青和徐，2019；Engle et al.，2020；Giglio, Kelly和Stroebel，2021）。
有几个因素导致了上述缺乏企业层面气候风险暴露措施。首先，尽管监管机构和投资者的需求施加了更严格的要求，但企业仍然不愿披露其气候风险敞口。例如，最常见的碳排放数据仅适用于有限数量的传统行业（如制造业和公用事业），而且企业往往忽略了供应链中碳的间接成本（Shapiro，2021）。其次，气候变化是不断演变的，目前尚不清楚气候最终将如何改变和影响企业，从而在政府和企业决策中引入了重大的不确定性（Barnett, Brock, and Hansen，2020）。第三，虽然需要历史排放数据来评估公司过去的商业模式，但在评估公司在向环境可持续经济转型过程中的气候暴露和适应性方面，捕捉前瞻性观点的数据将更有用，这是气候融资研究的一个重要目标（Giglio, Kelly和Stroebel，2021）。
在本文中，文章首次利用美国上市公司的收益电话会议记录数据，对单个公司层面的气候风险敞口进行量化，从而填补了这一空白。出于几个原因，文章在分析中使用了财报电话会议的文本信息。首先，绝大多数美国上市公司与分析师和投资者定期召开收益电话会议，讨论业绩和与业绩相关的因素，而这一点对本研究至关重要，财报电话会议包含详细的讨论，其中包含有关公司面临的气候风险的有价值和有见地的信息，而不仅仅是那些来自公共来源的风险。其次，与其他公司的披露（如监管文件）不同，这些披露是高度照本的，可能缺乏信息和及时性（例如，Brown and Tucker，2011），季度收益记录中包含的内容更为及时，并且可能因季度而异季度，让文章能够更准确地实时测量气候风险。第三，财报电话会议中的讨论本质上是按重要性加权的，因为财报电话会议是一个相对较短的会议，各方只能讨论他们认为是重要因素的内容——这是衡量气候风险对公司重要性的关键特征。最后，财报电话会议还包括对企业如何应对气候风险的讨论，这使文章能够捕捉到企业在解决气候问题方面的主动性——这是文章研究中独特而重要的创新。
二、文献综述
文章通过构建企业层面的气候风险度量来为文献做出贡献。正确测量资产间的气候风险暴露对于任何气候风险及其对基础资产影响的研究都至关重要。越来越多的文献利用物业对物理气候风险因素的暴露来研究气候变化对房地产资产和住房市场的影响，如预计的海平面上升（SLR）、洪水和飓风（例如Bernstein, Gustafson, and Lewis，2019；Baldauf, Garlappi, and Yannelis，2020；Goldsmith-Pinkham et al.，2023；Keys and Mulder，2020；吉利奥等人，2021）。然而，就股权资产而言，已有文献仍然缺乏一套可以系统地衡量企业对气候风险敞口的措施，研究人员必须使用替代措施，例如CO2排放数据或ESG评级（例如，Engle等人，2020），尽管人们担心它们的覆盖范围和可靠性（Stanny，2018；Berg, Koelbel, and Rigobon，2022）。因此，吉利奥、Kelly和Stroebel（2021）在他们的调查中得出结论，“气候风险暴露的测量方法有很大的改进空间，特别是对于股权资产。”文章代表了在开发量化公司气候风险暴露的新方法方面取得的有价值的进展。
更广泛地说，文章从几个方面补充了气候金融文献。首先，文章的测量方法可用于研究资本市场如何为气候风险定价。一些研究考察了股票市场价格风险是否与长期温度变化、干旱、海平面上升或碳排放相关（例如，Hong、李和Xu，2019；Bolton and Kacperczyk，2021；徐、李、邹，2023；Ilhan, Sautner, and Vilkov，2021）。其他证据指向气候风险影响固定收益和房地产市场。与所有这些研究不同的是，文章使用文章新颖的公司层面气候风险度量方法表明，气候风险在股票市场中定价，特别是在近年来投资者总体关注度上升之后。文章还证明，企业的主动性减弱了股票市场对高气候风险的贴现。其次，文章的措施可以帮助投资者实施有效的对冲策略，考虑到气候变化的许多影响将在遥远的未来显现出来，而金融衍生品和保险市场都无法直接对冲这些长期风险，这一点非常重要。Engle等人（2020）提出了一种利用单个股票对其“气候新闻指数”的历史响应来动态对冲气候风险的方法。文章的公司层面的气候风险措施，以及它们的主动成分，也可以被投资者用来根据他们的风险承受能力来评估、构建和对冲投资组合对总气候风险的敞口。
文章的研究与Sautner等人（2023）的一篇同期论文密切相关。虽然这两篇论文都提出了使用财报电话会议数据来衡量企业层面的气候风险，但在方法和所探讨的经济问题的范围上都存在重大差异。不像Sautner等人（2023），他们使用ML算法，文章通过仔细的人类监督和迭代测试手动构建与气候相关的词典。与Loughran and McDonald（2011）和Baker, Bloom, and Davis（2016）的方法一样，文章的方法比ML算法更透明，对初始输入和参数选择的敏感性更低，为文章提供了考虑到气候问题的复杂性。更重要的是，文章在研究中探索的经济问题的范围与其他人的研究有很大的不同。虽然他们主要关注与企业气候变化风险相关的经济因素，但文章探讨了转型风险，特别是企业应对转型风险的主动性，是否在股票市场中定价，以及企业如何应对转型风险。文章的主要贡献之一在于记录了积极态度在股票市场上的定价，以及积极的企业在投资、绿色创新和就业方面对不断上升的转型风险的不同反应。
三、数据来源
（一）财报电话会议
为了衡量公司层面对气候风险的敞口，使用了从汤森路透（Thomson Reuters）的Street Events数据库中获得的涉及所有美国上市公司的财报电话会议记录作为主要数据源。这些记录记录了上市公司管理团队、行业分析师、投资者和媒体之间就公司特定季度的企业战略、经营状况和财务业绩进行的讨论。其他几篇论文也使用了相同的数据，例如，Hassan等人（2019）研究了企业面临的政治风险，Li等人（2021）创造了新的企业文化衡量标准。公司通常会在财报发布后的每个财政季度召开一次电话会议。因此，大部分分析都是在公司季度层面进行的。使用财报电话会议数据的一个重要好处是，由于几乎所有上市公司都可以获得这些数据，可以构建气候风险措施，将所有上市公司置于公平竞争的环境中，而不是只使用ESG分数或其他仅适用于可能受到选择偏差影响的一小部分公司的措施。
在分析中使用了2002年1月至2018年上半年的所有财报电话会议数据，并使用Python从原始XML记录文件中提取了整个电话会议的文本，其中包括管理层的演示文稿和随后的问答环节。文章还从笔录文件中提取了公司标识符（例如，公司名称、股票代码、CUSIP号码）和财报电话会议信息（例如，日期和时间）。
（二）公司层面的财务数据
从Compustat获取公司的财务数据。使用托宾q作为公司市场估值的主要度量来检验股票市场是否已经定价了文章的度量所捕获的气候风险。为了研究企业对气候风险的反应，文章将资本支出、研发和就业作为结果。其他公司级别的属性，如总资产、财产、工厂和设备（PPE）以及账面杠杆率，被用作控制变量。除了就业数据，所有公司层面的属性都是在季度层面上可用的，而就业数据只能在年度层面上可用。有关公司股票的信息来自证券价格研究中心（CRSP）。
使用公司标识符将财报电话会议数据与其他公司层面的数据进行匹配，并应用几个过滤器。首先，由于许多金融公司，尤其是保险公司，向他人出售保险产品以对冲气候或灾害相关的风险，将金融公司（北美行业分类系统或NAICS 52）排除在文章的主要分析之外。其次，排除总部位于美国大陆以外的公司。样本包括4,719家独特的公司和139,959家公司季度观察结果。表1给出了托宾q、资本支出、研发支出、财产、厂房和设备（PPE）、账面杠杆、资产收益率（ROA）、就业和总资产的汇总统计数据。资本支出、研发支出和PPE都是按公司前一季度的总资产比例计算的。
（三）附加文本数据
文章还使用来自公司监管文件的文本信息，特别是10-K和10-Q文件，作为构建气候风险措施的替代数据源。重点关注10-K/10-Q文件中最相关的两个部分：（1）管理层讨论和分析（MD&A）（2）1A项“风险因素”。MD&A部分包括管理层对公司业绩、风险和未来计划的讨论。风险因素（RF）部分提供了有关公司确定的可能影响公司或其股本回报的风险因素的信息。MD&A部分适用于文章的整个样本时期，从2002年到2018年，而RF部分仅适用于法规S-K第105项实施后的2006年。
文章使用公开的公司新闻作为文本数据的另一个来源，可以用它来构建公司的气候风险措施。从RavenPack获得这些数据，它提供了道琼斯通讯社（Dow Jones Newswires）针对特定公司的新闻报道的全面样本。10为了识别特定公司的新闻报道，使用RavenPack的相关性评分；这些分数的范围从0到100，捕捉潜在新闻与特定公司的关联程度。根据RavenPack的建议，通过要求相关性评分为75分或以上来识别给定公司的相关新闻报道。还使用RavenPack提供的事件新奇性评分排除了重复的新闻，以便数据只捕获关于a的新鲜新闻公司。最后，使用相同的过渡风险字典来确定关于给定公司的特定新闻报道是否与过渡风险有关。
（四）其他外部公司数据
为了分析企业层面通过绿色创新对气候风险的响应，从全球企业专利数据集中获取了专利数据。遵循Cohen, Gurun, and Nguyen（2020），将绿色专利分类为包含与环境相关的技术的专利，如减排技术、可再生能源和储能技术。这些专利数据可用于2002年至2017年的美国公司。文章计算了每家公司在给定年份产生的绿色专利数量，并定义了两种衡量方法来捕捉公司绿色创新活动的密集和广泛边际：（1）如果企业在某一年中至少获得了一项绿色专利，则该指标等于1，否则为零；（2）绿色专利与该企业在该年度获得的专利总数的比率。第一项指标适用于所有上市公司，而第二项指标仅适用于在某一年中至少获得一项专利授权的公司。
文章获得了几个外部数据集来验证新的气候风险措施。第一个数据集包含来自空间灾害事件和损失数据库（SHELDUS）的自然灾害数据，该数据已被用于经济学文献（例如，Barrot和Sauvagnat，2016），以检查自然灾害的影响。这些数据记录了县、开始/结束日期、事件名称、造成损害的主要原因（如洪水、飓风）以及估计的经济损失。文章将这些数据与公司总部所在地的样本进行匹配，并将自然灾害作为验证物理风险措施的外部基准。
文章的第二个外部基准包括几个外部ESG指数或评级。这些分数根据新闻报道和/或公司披露的信息（如可持续发展报告和公司网站）、调查和其他利益相关者（如监管机构和行业协会）提供的信息，衡量公司管理ESG风险和机会的程度。和Rigobon，2022；Christensen Serafeim, and Sikochi，2021）。文章从三个来源（MSCI、RepRisk和Refinitiv）获得评级，这些评级包括每月或每年的总体得分以及三个单独得分（环境、社会和治理）。使用MSCI气候变化主题指数（CCI）作为主要的外部基准，这是一个与文章的气候风险暴露措施直接可比的气候变化主题指数。评级机构提供的ESG评级的环境成分侧重于与气候风险纠缠在一起但又不同的环境风险。
文章使用RepRisk或Refinitiv环境评分进行补充验证。文章的第三个外部基准包括来自EPA温室气体报告计划（GHGRP）的CO2排放数据，作为文章转型风险衡量的额外基准。自2009年10月起，GHGRP计划规定，每年排放25,000公吨或更多CO2温室气体的来源必须报告其排放量，并从2010年开始每年在工厂层面公开数据；这些数据包括工厂身份、地理位置、母公司、行业（NAICS）和温室气体排放。继Bartram、Hou和Kim（2021）之后，文章从EPA获得了工厂级排放数据，并根据母公司的名称将其与Compustat的公司级数据进行了匹配。
四、在企业层面测量气候风险
（一）构建气候词典
利用财报电话会议数据中的文本信息来识别风险（例如，Hassan等人，2019，2023，2020），以构建文章的公司层面的气候风险措施。在将文本分析方法应用于气候风险措施的构建时，必须克服几个挑战。
首先，正如Giglio、Kelly和Stroebel（2021）所指出的，在研究气候风险及其对标的资产的影响时，重要的是要注意到气候风险的几类，而且这些不同的风险通常不会同时实现。从广义上讲，与气候相关的风险可以分为两大类：（1）物理风险，与气候事件的物理影响有关，要么是急性的（如干旱、洪水、极端降水和野火），要么是慢性的（如气温上升和生物多样性加速丧失）；（2）过渡风险；这是由于不应对气候变化和改善企业运营方式而导致的，因为社会正在朝着采用可持续实践（即低碳制造）的方向发展。转型风险主要受政策法规以及社会期望和市场压力的影响。鉴于气候风险的多面性，创建一个能够涵盖公司气候风险暴露的所有方面的单一衡量标准是具有挑战性的。相反，文章使用基于字典的方法，分别测量了三种与气候相关的风险：（1）急性物理风险，（2）慢性物理风险，（3）过渡风险。考虑到气候问题的复杂性和多面性，以及产生可复制结果的重要性，文章认为，出于几个原因，字典方法在这种情况下比ML方法是更好的选择。首先，ML方法不像字典方法那样透明，因为许多ML算法的功能是黑盒模型。其次，ML方法对初始输入和参数选择很敏感。第三，ML预测的准确性在很大程度上依赖于构建一个大型的、具有代表性的训练数据集，而在复杂和多方面的气候问题背景下，这些数据集是不容易获得的。
其次，与使用预先存在的训练库（如政治或会计教科书）不同，开发与气候相关的关键字需要相当大的人力投入。一旦将一组众所周知的天气或气候关键字应用于大量的转录本，就会发现两个重要的问题。首先，会出现大量误报案例，其中关键词被用来描述与气候完全无关的问题（例如，“商业气候”、“公共云”、“经济风暴”）。第二个问题是，天气和气候的不规则性通常是用对比关键词的组合来表达的（例如，“温暖的冬天”、“反常的寒冷”、“凉爽的夏天”）。如果依赖一个完全由单格组成的字典，文章就不太可能包含单格，比如“冬天”或“温暖”，从而产生许多假否定。为了解决这些问题，通过手动构建一个由单图和双图（相邻的两个单词组合）组成的混合字典来减少误报和误报。
具体来说，建立在一个前提之上，即没有任何算法比人类更好地理解人类对话的上下文。从以下来源提取的unigrams列表开始文章的字典：（a）联邦紧急事务管理局（FEMA）的灾难声明摘要中的灾难“事件类型”指示，（b）维基百科的恶劣天气现象列表，（c）文章手动添加的额外种子词，即“温度”，“冷”，“不合时宜”等。使用这个列表从整个财报电话会议记录样本中获取包含至少一个单格词的所有双格词。然后，手动筛选每个unigram的前500个相关biggram。如果在与气候相关的对话中明确使用了前500个相关的双元图，那么文章就会在unigram字典中包含相应的双元图。如果没有，将前500个相关的双图包含在双图库中，等待进一步筛选。为了减少假阴性的发生率，用从其他来源提取的与气候相关的二元图来补充二元图库：（a）Engle等人（2020）提到的关于气候问题的白皮书和报告，（b）天气频道发布的新闻文章，以及（c）气象学本科教科书（Ahrens 2008）。最后，文章通过多次迭代对库进行筛选，以消除假阳性并包括假阴性。
在构建词典时，区分了气候风险和其他风险。首先，公司可能会讨论与能源价格变化相关的气候主题，但后者并不完全与气候风险相关。为确保气候风险指标不受能源价格驱动，气候词典不包含任何与能源价格或成本相关的关键词。相反，构建了一个特定于企业的时变能源价格暴露指数，并将其作为控制变量纳入文章的主要分析。此外，企业的环境责任和温室气体排放努力可能是相关的，但不等同。因此，从气候词典中删除了所有关于一般环境风险的关键词（例如，空气污染、环境问题、EPA、二氧化硫）。
最终词典由37个ungrams和1649个biggrams组成：急性物理风险词典包含21个ungrams和350个biggrams；慢性物理风险字典包含16个ungram和977个biggram；而过渡风险字典包含322个重图。大多数字典由双元组组成，反映了文章为实现准确的文本识别和量化所做的刻意努力，因为先前的研究表明，当应用词的双元组而不是单元组时，文本分类精度得到了提高（例如，Tan, Wang, and Lee，2002；Bekkerman and Allan，2004）。
（二）测量气候风险
接下来，使用这些词典构建公司层面的气候风险度量。具体来说，首先将每个财报电话会议记录分解为一元/二元列表。因为当新闻头条报道短期气候或天气事件（例如飓风、野火和暖冬）时，经常会提到急性或慢性物理风险，文章要求它们各自的关键词出现在至少一个风险同义词的附近（±1句），以确保公司确实面临气候风险（类似于Hassan et al.，2019）。简单地提到一个广为人知的天气/气候事件，而不明确地映射到公司的风险概况，可能反映出人们希望引起注意或推卸责任，这对文章的物理气候风险措施没有帮助。文章将这些事件发生的频率除以记录的长度，然后将商乘以104以减少小数的数量。从本质上讲，这些度量捕获了共同讨论急性或慢性天气/气候事件以及公司风险暴露的对话的比例。
过渡风险不同于物理气候风险，因为它与政策法规、技术改进和不断变化的气候模式有关。与物理风险不同，转型风险可能不会在短期内实现，因此不会对企业的业务运营构成直接威胁或带来任何不确定性。因此，文章衡量转型风险敞口仅基于文章转型风险字典中关键词的讨论，不要求这些讨论出现在风险关键字附近。此外，公司对气候风险表现出不同的看法和态度，一些公司比其他公司更积极地讨论和解决转型风险。考虑到这一点，文章制定了一项额外的措施，以捕捉公司在讨论转型风险时的主动性。为了实现这一目标，分析了财报电话会议中出现在讨论过渡风险关键字附近（在±1个句子内）的动词，并手动识别了30个动词的列表，这些动词在讨论气候问题时表明了更积极的态度。使用主动动词，文章分别确定了具有和不具有主动性的过渡风险措施。
运用上述程序，文章构建了三个独立的企业层面气候风险测度：（1）急性物理气候风险，（2）慢性物理气候风险，（3）转型风险。文章将转型风险度量分解为主动和非主动组件。所有这些都可以在公司/季度层面上使用。
五、公司层面气候风险措施的属性
（一）主要关键字
在文章的第一个验证练习中，检查了用于构建气候风险度量的顶级关键字（unigrams或biggram），按提及频率和转录水平的频率权重排序，并报告了表2中的结果。在第1-3列中报告的结果表明，飓风和飓风群是在风险同义词附近最常被提及的急性气候单图。在财报电话会议中，风暴、干旱、洪水和野火等关键词也经常被讨论，在文章样本期的后几年呈上升趋势。第4-6栏报告说，天气是最常被讨论的慢性气候关键词，出现在风险同义词附近。它后面是引用特定天气条件的单词，如温度或雪。这些关键词清楚地证实，文章的测量方法准确地捕捉了急性和慢性气候风险。
与物理气候关键词不同，表明转型风险的关键词在许多关键词中分布更均匀。其中出现频率最高的是能源效率、可再生能源、太阳能、清洁能源和替代能源。除了这些词之外，优越能源、高等能源、新能源、可再生能源和生态系统也被频繁讨论。显然，这些关键词准确地表示了对转型气候风险的讨论。在转型气候风险的情况下，fweight的计算是类似的，但文章不要求关键单元和双元出现在风险同义词附近，这会导致更高的平均频率和fweight。
（二）汇总统计
表1总结了新构建的气候风险测度，其中文章将其限制在第99个百分位数，以限制异常值。在文章样本中的所有4,719家公司中，分别有18.0%、27.2%和61.8%的公司至少有一个季度的急性、慢性和过渡性气候风险指标为正值。当文章将这些措施除以各自的标准差（SDs）时，三个标准化的气候风险措施的平均值分别为0.098,0.159和0.256。两种物理风险测度之间的相关性约为0.100，表明两者之间存在一定的相关性。相比之下，它们与过渡风险度量的相关性分别为0.021和0.033，清楚地表明了物理风险度量和过渡风险度量之间的区别。仅以存在至少具有一个正向过渡风险值的公司为条件，在讨论过渡风险时，23.9%的公司季度被确定为与一些主动关键词相关。
（三）时间序列模式
检查构建的度量的属性，以提供基于时间序列和横截面变化的人脸验证。图1绘制了气候风险测量随时间的平均值。在图A中，急性风险系列在过去17年中飙升了6次。文章确定了导致气候风险增加的电话会议中讨论的相应主题，并标记了每个高峰。例如，2005年发生的峰值反映了卡特里娜飓风的灾难性和长期影响，卡特里娜飓风淹没了新奥尔良地区。相比之下，慢性风险系列在过去二十年中一直保持平稳，仅在2012年至2014年之间出现峰值。在此期间，最常被讨论的关键词是异常天气。
B图绘制了过渡气候风险度量的时间序列，显示从样本期开始到2008年第三季度稳定增长，此后逐渐回落到2005年的水平。近十年来的下降趋势与美国温室气体排放的下降趋势非常吻合。文章在2006年、2008年、2011年和2015年观察到几次局部峰值，所有这些都是由更频繁的能源效率和可再生能源讨论推动的。图C绘制了有和没有主动关键词的平均过渡风险度量，除以相应的SDs。自2008年以来，这两个时间序列的差异越来越大，具有主动响应的公司显示的过渡风险远低于2008年的水平。
（四）行业差异
行业在气候风险暴露方面存在固有差异，因此文章在气候风险度量中检查行业差异。文章在行业假设上回归不同的气候风险度量，同时控制时间和状态固定效应。图2绘制了NAICS两位数假设的系数。参考行业是其他服务（NAICS 81）。
图A显示，在所有行业中，公用事业面临的急性物理气候风险最高，其次是农业、采矿业、运输业和建筑业。这些行业的很大一部分商业活动在户外进行，因此容易受到自然灾害的影响。图B显示了类似的模式，但也有一些例外。虽然公用事业继续表现出较高的慢性物理气候风险（在所有行业中排名第二），但艺术和娱乐行业面临的慢性气候风险最高，农业面临的慢性气候风险第三高。文章观察到的行业变化大多符合行业对急性和慢性气候风险的暴露程度。
图C显示，与物理气候风险测量相比，转型风险的变化幅度更大。与其他行业相比，公用事业和交通运输行业面临的转型风险要高得多，而服务业面临的转型风险要低得多。图D显示了主动转型风险措施中的行业差异。公用事业公司比其他公司在管理团队讨论转型风险主题时使用主动关键词。相比之下，从事采矿、信息和房地产业务的公司在此类场合不太可能使用主动关键词。观察到的模式与更广泛的行业层面对气候监管风险的暴露非常吻合。
（五）公司层面的变化
在表3中，文章报告了最高Climate Riski,t的成绩单摘录。报告显示，加州最大的两家公用事业公司——爱迪生国际公司（Edison International）和太平洋电力公司（PG&E Corporation）——面临的气候风险最高，这两家公司与加州一些最致命的野火有关。与此相关的是，长期风险指标涵盖了对异常天气和天气条件变化的讨论。文字记录表明最高的慢性气候风险来自Suburban Propane Partners，这是一家主要为供暖提供丙烷的公用事业公司。
报告显示，转型气候风险最高的是CDTI先进材料公司，该公司为美国汽车排放控制市场提供解决方案。2011年8月11日，该公司表示，“加州等州将继续通过创新项目，推动卡车运营商尽早采用该技术，以证明他们在道路上减少柴油排放的承诺。”其他表明气候转型风险最高的记录来自新泽西资源公司、Magnetek公司和Lime能源公司，这些公司都提供清洁或可再生能源服务。
六、外部验证
（一）验证物理风险度量
文章首先检查当地自然灾害是否与受影响公司的两项物理气候风险措施的变化相关。根据文献，文章将SHELDUS的自然灾害数据与文章的公司季度样本进行匹配。然后，文章使用以下规范将当地自然灾害事件与公司的物理气候风险措施联系起来：
其中Zc,t−p为公司总部所在县域的自然灾害事件，各列时间p的取值范围为0到3；Xi,t−1表示公司层面属性，如总资产滞后一个季度；ζi,t是指文章用来解释各行业随时间变化的异质性的逐季度固定效应。
表4的A组报告了结果。第1列和第2列的结果表明，第t季度的自然灾害激励高管讨论第t+1季度的物理气候风险。当地自然灾害的存在与随后一个季度的行业内急性气候风险度量显著增加0.085个标准差相关。该效应仅在第t季度具有统计显著性，而在前几个季度则不显著。同样，第3列和第4列表明，上一季度的自然灾害与当前行业内慢性气候风险增加0.036个标准差相关。总体而言，物理气候风险衡量指标捕捉了公司对当地自然灾害敞口的变化，这是物理气候风险的关键驱动因素。
（二）验证转型风险措施
1.与ESG评分的相关性
文章开始用MSCI CCI对转型风险度量进行验证。文章使用MSCI而不是其他ESG数据库有两个原因。首先，它可以说是从业者和学术界最接受的ESG数据供应商之一（例如，Engle等人，2020；Serafeim and Yoon，2023）。作为全球领先的金融指数提供商，MSCI已成功将其ESG评级纳入广泛的投资产品。其次，CCI是气候变化主题评分，与文章的转型气候风险暴露措施关系更为密切。
为了比较这两个指标，文章首先比较这两个指标的覆盖范围。值得注意的是，CCI仅在2013年之后可用，并且在不更新的情况下保持相同的值，而文章基于盈利电话会议的指标从2002年开始可用，并且仅适用于盈利电话会议的季度。从2013年到2018年的每一年，文章的衡量标准平均为952家具有非缺失值的公司和480家具有正值的公司提供了过渡风险的覆盖。在同一时期，MSCI CCI数据集中平均每年约有225家公司没有召开收益电话会议，因此不在文章的样本范围内。
文章将CCI数据与文章的样本进行匹配，得出一个由15,995个公司季度组成的小面板。图3的面板A显示了文章的过渡气候风险度量和CCI之间的散点图，显示了两个序列之间的显著正相关。文章按照类似于公式（1）的规范，通过对CCI回归Climate Riski,t来形式化相关检验。文章在表4的面板B中报告了结果。第1列的结果表明两个系列之间存在正相关，在1%的水平上显著，这表明CCI增加1个标准差与转型气候风险同时增加0.051个标准差相关。在第2列和第3列中，文章使用过渡风险度量的主动和非主动成分作为因变量记录了类似的结果，两个系数在1%水平上都具有统计学显著性。这组结果提供了证据，证明文章的过渡风险度量与同一行业和同一时间内的CCI呈正相关。
总的来说，文章相信文章的转型风险度量与这些ESG评分是高度互补的，还有一些额外的好处。首先，文章的测量方法适用于从2002年开始的一段很长的样本期内的美国上市公司的大样本，而CCI中的ESG分数则是在2002年之后提供的2012。其次，出于同样的原因，文章的测量方法较少受到选择偏差的影响。第三，文章的测量更及时，因此可以更好地用于为实时决策提供信息。
2.过渡风险和CO2强度
在最终验证中，检验转型风险度量与企业碳强度的相关性。最近的研究使用碳强度（按总资产比例计算的碳排放量）来估计企业暴露于气候风险的影响，特别是政策和监管风险（例如，Bolton和Kacperczyk，2021）。文章还研究了与其他公司在面临类似转型风险时的做法相比，那些在财报电话会议中被认定具有前瞻性关键词的公司是否以及如何在现实中管理其排放。
图3的面板B给出了制造业在NAICS六位数水平上的转型风险和直接CO2强度的散点图，数据来自Shapiro（2021）。文章发现两者之间存在强烈的正相关关系，相关系数为0.19，在1%的水平上是显著的，这为文章的过渡风险度量捕获碳强度的变化提供了一些验证。然后，文章通过回归从GHGRP中获得的公司的CO2强度对过渡风险措施进行形式化检验，如下所示：
式中Yi,t+k为企业在第t +k年的CO2强度（k的取值范围为1 ~ 5）；Xi,t−1包括公司滞后一年的总资产。文章在分析中纳入了逐年固定效应，以解释行业间随时间变化的异质性。文章的样本涵盖了762家公司，这两个系列都可用，主要是2010年至2018年在制造业、采矿业、能源和交通运输部门经营的公司。
文章在表4的面板C中报告了结果。在规范（1）中，文章发现，从第t +1年开始，转型风险度量与企业CO2强度之间存在显著的正相关关系，且随时间增加。过渡风险度量的一个标准差增加与t +1年的0.4531个基点（在5%水平上显著）和t +5年的0.6939个基点（在1%水平上显著）的CO2强度增加相关。在规范（2）中，文章将过渡风险度量分为主动成分和非主动成分，文章发现从t +2年开始，非主动成分的系数为正且显著，而不是主动成分，并且差异在10%或更低的水平上显著。对比表明，虽然面临较高转型风险并采取非主动应对措施的企业未来CO2排放量较高，但那些面临较高转型风险但采取主动应对措施的企业未来排放量较高都不是。本质上，文章的转型气候风险措施是对公司未来碳排放的预测。
七、解释气候风险措施
（一）方差分解
首先进行方差分解分析——计算三种气候风险措施中每一种的变化有多少是由企业层面的特征和各种固定效应造成的。在表5的面板A中，文章报告了解释气候风险度量的各种规格的R2值。这些结果表明，时间、地区、行业加在一起，分别只能解释2%、3.4%和12.4%的急性、慢性和过渡风险度量的变化。增加地区、行业和时间之间的相互作用都有助于提高模型的解释力，但程度有限。然而，即使使用最严格的规范，即控制了按地区按时间和按行业按时间的固定效应，该模型也只能解释不到12.5%的任何气候风险度量的变化，而超过87%的变化可归因于公司层面或其他特殊因素。这一结果表明，与恩格尔等人（2020）使用的自然灾害数据或关于长期气候风险的市场新闻不同，文章的三种气候风险措施的大部分变化发生在公司层面。
当文章加入公司和时间固定效应时，该模型分别捕获了三种气候风险度量中9.7%、20.9%和65.7%的变化。进一步增加企业层面的属性以及行业与时间或状态与时间之间的相互作用，在预测两种物理风险度量方面提供了一些额外的能力，但对过渡风险度量却没有作用。这一结果表明，文章的气候风险度量既捕捉到了企业间的差异，也捕捉到了企业内部气候风险暴露的变化。例如，Sempra Texas Holdings的转型风险指标从2006年第一季度的11.10增加到2013年第三季度的184.97。
（二）与公司特征的相关性
表5的面板B给出了气候风险措施与一系列重要公司级别属性相关的回归结果，所有这些属性都滞后了四分之一更好地理解在文章构建的气候风险度量中，哪些类型的企业往往具有更高的价值。控制了行业的时间固定效应，以解释行业间随时间变化的异质性。在所有变量中，第一组与公司对气候风险的实际暴露有关。发现公司的实物资产与气候风险度量之间总体上存在正相关关系：在大多数回归中，PPE和总资产的系数都是正且显著的。结果表明，拥有更多实物资产的企业往往面临更高的气候风险暴露。
第二组衡量公司的财务杠杆。发现它与转型风险呈负相关，但与两项实物风险指标无关，这表明高杠杆公司往往与较低的转型风险敞口相关。这一证据与Ginglinger和Moreau（2023）记录的证据一致，他们发现，即使在控制了已知的决定杠杆的公司特征后，具有较大气候风险的公司的杠杆率也较低。
文章回归中包含的最后一组措施捕获了公司的外部特征，例如覆盖公司和机构所有权的分析师数量。这些指标可能与在财报电话会议中如何讨论气候问题相关。文章发现分析师数量与文章的气候风险指标之间存在负相关关系，其中一项指标具有统计显著性。这表明，当大量分析师报道公司时，公司不太可能在财报电话会议上讨论与气候相关的话题。这可能是因为有了更高的分析师覆盖率，公司可能已经获得了关于气候风险的充足信息，从而减少了在财报电话会议期间讨论的必要性。文章没有发现机构所有权与文章的气候风险措施之间存在显著相关性。
最后，在控制转型风险本身的情况下，文章分析了转型风险度量的主动成分与企业层面属性之间的相关性。文章的研究结果表明，杠杆率低、持有更多实物资产、分析师较少的公司往往更积极地应对不断上升的气候风险。
八、资本市场对气候风险定价吗?
（一）基准结果
金融市场气候风险的定价是气候金融文献中的一个关键问题，最近的研究（Giglio、Kelly和Stroebel，2021；Stroebel和Wurgler，2021）。特别是，与转型风险相关的监管风险被视为未来5-30年的首要气候风险。在本节中，文章的目标是调查转型风险是否在股票中定价市场。为了衡量公司的估值，使用托宾q，即公司的市场价值与其实物资产的重置价值之比。托宾q在文献中被广泛用于这一目的，因为它捕获了有形资本之外的无形资产的价值。当公司拥有更多（更少）有价值的无形资产时，该指标高（低），这使得它非常适合文章分析公司转型风险对其价值的可预测影响。具体来说，文章设计了如下模型：
因变量为第t+k季度（k=1,3,5）的托宾Q值；Transition Riski,t为主要解释变量；Xi,t−1包括公司的资产、资本支出、PPE、账面杠杆、ROA和能源价格敞口，这些都是文章使用财报电话会议数据构建的。还包括逐季度的固定效应，以解释各行业的可观察和不可观察的时变异质性。
在表6的面板A中，给出了基于整个样本的基线结果，其中在每一列中，文章报告了托宾q对各种交货时间k（1,3和5）的回归结果。对于列1-3，文章使用Transition Riski,t作为主要解释变量。Transition Riski,t的所有系数都是负的，在1%的水平上显著。第1列的结果表明，转型风险指标每增加一个标准差，下一季度托宾q的平均降幅约为0.0389（相当于均值下降1.9%）此外，当使用托宾q作为因变量时，系数的大小在较长时间内略有增加（k =3,5），这表明在估计的定价效应中没有逆转。因此，表6的结果表明，转型风险已经在股票市场中定价。
对于第4-6列，将过渡风险度量的主动和非主动组成部分作为主要解释变量。还包括公司层面的行动指数作为额外的控制，它捕获了不面临高转型风险的公司的整体主动性。这一指标的计算方法是，在整个文本中（除那些在气候相关讨论的±1句之内的句子外），主动动词被提及的总频率除以文本长度。有趣的是，虽然非主动转换风险的系数是负的且显著的，但主动度量的系数是不显著的。两者之间的差异系数在1%水平上与零有统计学差异。这一结果表明，股票市场似乎低估了那些没有积极管理转型风险的公司，而不是那些积极应对风险的公司。这一发现也与之前的证据一致，即非主动转型风险测度与较高的CO2排放强度相关，而主动转型风险测度与较高的CO2排放强度无关。
（二）子样本分析：2010年前后
在本节中，文章研究气候风险的定价效应是否存在时间序列变化。正如Giglio、Kelly和Stroebel（2021）所指出的那样，气候风险的定价可能会随着时间的推移发生重大变化，投资者对气候风险的关注增加是一个相对较新的现象。正如几项研究表明的那样，一些全球性事件在塑造社会对气候变化的期望和看法方面发挥着至关重要的作用。例如，Engle等人（2020）报告称，气候新闻报道的强度在2009年12月达到顶峰，当时在哥本哈根举行的联合国气候变化会议宣布了一项美国支持的气候协议，承诺实现某些减排目标。此外，在2010年1月，SEC就现有的SEC披露要求向上市公司发布了第一份指南，以适用于气候变化问题。为了研究气候风险的定价是如何随着时间的推移而演变的，将样本分成2010年之前和之后的观察结果后再次进行分析。
在表6的面板B中，给出了本次分析的结果，其中重点关注托宾的q在t +1作为因变量。根据第1列的结果，Transition Riski,t的系数在早期（≤2009年）接近于零且不显著，但在后期（≥2010年）变为负值且显著，且幅度要大得多，这表明企业的气候风险是由近年来具有显著折扣的资本市场定价的。第1列和第2列结果之间的对比强调了Giglio、Kelly和Stroebel（2021）所推测的投资者关注度不断上升的重要性，以及当时实施的各种与气候相关的举措和法规。在第3列和第4列中，报告了将过渡风险分解为主动和非主动组件时获得的结果。研究发现，在后期，主要驱动转型风险与市场估值负相关关系的是非主动成分。主动转型气候风险测度的系数在前期和后期均不具有统计学显著性。与面板A中报告的证据一致，存在显著的主动与非主动转型风险成分的定价效应差异。
（三）额外分析
文章进行了额外的分析，以评估文章关于气候风险定价效应的结果的稳健性。首先，在文章的过渡风险度量和各种替代度量之间进行了额外分析。这些相互竞争的措施包括：（1）使用SEC备案数据构建的过渡风险措施；（2）使用与公司相关的新闻数据构建的过渡风险度量；（3）外部ESG评分；（4）Sautner等人（2023）的气候暴露措施。此外，文章还对回归规范和战略披露考虑因素进行了敏感性分析。
1.使用SEC备案数据构建的转换风险度量
分别使用10-K/10-Q文件中的管理讨论和分析（MD&A）和风险因素（RF）部分构建第一组替代措施。将相同的气候词典应用于文件数据以构建Transition Risk MDAi,t和Transition Risk RFi,t。在表7的面板A中，文章给出了分析的结果，其中文章在t +1或t +5中对过渡风险度量和每个回归中的两个替代过渡风险度量之一回归托宾q。第1-4列的结果表明，文章的过渡风险度量的系数仍然为负且显著，而替代过渡气候风险度量的系数除第3列外，在统计上与零没有显著差异，其中T的系数Ransition Risk RFi,t小于文章的过渡风险度量的一半。与财报电话会议数据相比，使用风险因素部分的一个主要缺点是它只包含有关风险因素本身的信息，而没有讨论公司如何处理或应对这些风险。在第5-8栏中，文章报告了一项分析的结果，将过渡风险分解为主动和非主动部分。此外，过渡风险度量的折扣主要是由其非主动成分驱动的，在控制了竞争措施之后，在所有列中，非主动成分在1%的水平上也是负的和显著的。
2.使用与公司相关的新闻数据构建的过渡风险度量
第二个可选择的度量是使用与公司相关的新闻数据构建的。Transition Risk Newsi,t是与公司转型气候风险暴露相关的新闻文章数量与与公司相关的所有新闻文章数量之间的比率。通过将相同的过渡风险字典应用于与公司相关的新闻数据来构建这一度量。表7的面板B展示了结构。第1列和第2列的结果表明，过渡风险度量的系数在所有规格的1%水平上仍然是负的和显著的，而Transition Risk Newsi,t的系数不显著，这表明涉及气候问题的公司特定新闻的比例与托宾q之间没有关系。当用其主动和非主动成分代替转型风险度量时，第3列和第4列的结果非常相似。与转型风险相关的显著变化是由不采取主动响应的公司驱动的，而Transition Risk Newsi,t的系数仍然不显著。在第5-8列中，文章重复上述分析，使用50作为Raven Pack中的相关性评分截止值，并发现几乎相同的结果。这组结果表明，过渡风险度量包含了其他公共资源中尚未提供的有价值的信息。
3.MSCI气候变化指数
气候风险的第三个替代指标是MSCI CCI。在表7的面板C中，文章报告了结果。在所有规范中，过渡风险度量及其非主动成分的系数在5%或更低的水平上是负的且显著的，这证实了表6中显示的估计变化在与CCI的分析中是稳健的。CCI测量的系数在1%的水平上也是负的和显著的，这表明气候变化得分较高的公司在股票市场上的定价也有显著的折扣。这两种相互竞争的指标的共存也表明，它们在捕捉企业的气候风险敞口方面是互补的。
4.Sautner等人（2023）的气候风险措施
文章最后的额外分析使用Sautner等人（2023）基于ML方法开发的气候变化暴露措施作为竞争措施。表7的面板D报告了结果。过渡风险度量及其非主动成分的系数在1%水平上为负且显著，而他们的气候暴露度量的系数从零开始在统计上不显著，如第1-4列所示。当关注最近几年（2010年或之后）时，这种模式仍然存在，因为Sautner等人（2023）仅使用最近几年的数据就表明他们的测量与托宾q之间存在很强的相关性。在那里，发现他们的监管气候暴露措施（CCExposureReg）的系数与文章的过渡气候风险措施的系数相比略微显著且量级较小。
（四）控制公司固定效果
文章的基准回归控制了随时间变化的行业固定效应，以及随时间变化的公司级别属性。该规范允许比较在给定时间内同一行业内面临高和低气候风险的公司之间的差异结果，例如托宾q。然而，重要的是要考虑公司内部随时间的变化，以充分了解气候风险对公司结果的影响。为了解决这一问题，检验了另一种规范，在这种规范中，控制了企业和行业按时间固
定的影响，这使文章能够在解决潜在内生性问题的同时，比较企业内部气候风险和企业结果的变化。结果如表8所示。面板A以托宾q的变化为因变量，Transition Riski,t为主要解释变量。分析表明，过渡风险度量的较高增加与未来托宾q的较大降低相关。在第三季度之后（包括t +4、t +5、t +6、…）10%或更低的水平上，这种效应在统计上显著，这表明股票市场逐渐消化了给定公司内部转型风险的变化。
面板B侧重于文章的过渡风险度量的主动和非主动成分的变化，作为主要的解释变量。结果表明，只有具有非主动反应的转型风险变化被显著折价定价，而具有主动反应的转型风险变化的系数为负，但在统计上不显著。这些发现与文章在之前的基准结果一致，表明股票市场对那些不积极管理转型风险的公司贴现，而对那些主动应对风险的公司则不贴现。
总体而言，在控制了公司固定效应之后，文章的结果仍然稳健，并进一步支持了气候风险讨论的变化与托宾q的变化相关的观点。
（五）财报电话会议中的战略披露
与任何其他披露数据一样，财报电话会议期间的讨论也难免受到战略考虑引入的选择偏差的影响。例如，高管们可能会选择谈论公司气候风险敞口的某些方面，而不一定回答分析师提出的某些问题。为了解决有关收益电话会议的选择问题，以两种方式限制样本，使特定的选择问题受到更多约束，并重复定价回归，以查看文章的估计是否保持稳健。在第一个筛选中，文章过滤掉了文章检测到极端语气的财报电话。关于定性披露的文献表明，管理层可以战略性地确定文本披露的语气，以实现某些结果（例如，Lang和Lundholm，2000；Feldman et al.，2010；Arslan-Ayaydin, Boudt, and Thewissen，2016）。在第二个筛选中，文章根据电话会议期间管理层“不回答”的数量排除了排名前四分之一的收益电话会议，使用Gow, Larcker, and Zakolyukina（2021）提出的最新语言分析方法。文章的结果表明，选择问题不是分析的主要关注点。
九、企业对气候风险的反应
在本节中，将调查企业层面的气候风险暴露是否会影响企业的实际商业活动。为此，通过运行方程（2）中规定的回归来估计与高气候风险相关的企业反应的差异，其中因变量包括资本支出、研发支出、绿色专利的比例、和地平线t +k （k > 0）的就业。主要的解释变量是过渡风险及其在t中的主动和非主动成分。控制了公司的总资产以及行业按时间的固定效应。从本质上讲，比较了面临高转型气候风险和低转型气候风险的公司之间的企业反应差异，以及有和没有主动应对转型风险的公司之间的企业反应差异。
（一）投资
理论文献对不确定性下的投资给出了不同的预测。虽然Bernanke（1983），Pindyck（1991），Pindyck和Solimano（1993），Dixit和Pindyck（1994）预测在高度不确定性时期投资会下降，但其他研究，如Oi（1961）、Hartman（1972、1976）、Abel（1983）、Roberts和Weitzman（1981），预测了正相关关系。最终，企业层面的投资如何随气候风险暴露而变化是一个实证问题。
表9给出了使用资本支出按总资产比例作为因变量的分析结果。第1-3列的结果表明Climate Riski,t的系数为正，但不显著，这表明面临高转型风险的公司和面临低转型风险的公司之间的未来投资在统计学上没有显著差异。在第4-6列中，调查了主动应对气候风险的公司和不主动应对气候风险的公司之间的差异。为此，对有和没有主动关键字的企业层面的转型风险结果进行了相同的回归。两个转型风险指标的系数都是正的，但只有主动转型风险的系数在统计上显著（在1%的水平上），这表明主动应对的公司倾向于在转型风险增加后增加资本支出。在t中使用主动关键词的转型风险每增加一个标准差，在t +1中资本支出增加0.046个百分点，资本支出增加约0.06个百分点在t +3和t +5中。这些估计在经济上是有意义的，约占平均投资水平的1.6%-2.3%。在底部一行，文章报告了两个系数之间的差异以及基于f检验的显著性水平，表明当两家公司都面临高气候风险时，主动和非主动公司之间的CapEx差异在t +5的10%水平上显著。
（二）创新
为了达到净零排放或脱碳，企业不可避免地需要创新或改变其经营方式。因此，对于面临高转型风险的企业来说，创新是一种可行且重要的应对措施。考虑了创新的两种衡量标准：一种是研发支出，按资产比例计算；另一种是绿色专利的比例。在表10的面板A中，报告了研发支出的结果。在1-3列中发现Climate Riski,t的负显著系数，表明高转型风险与较低的研发支出相关。转型风险增加一个标准差相关未来研发支出下降0.0565个百分点。同样，在不同的研发支出水平上，系数是相当稳定的。第4-6列的结果表明，转型风险与企业未来研发支出之间的负相关关系仅对不主动应对的企业显著，而对主动应对的企业则不显著。
在表10的面板B中，报告了使用绿色专利措施作为因变量的回归结果。列1-4中的结果基于所有公司，并使用至少拥有一项绿色专利的指标作为因变量在第1列和第2列中，Climate Riski,t的系数为正，但不显著，这表明在转型风险高和低的企业之间，未来的绿色专利没有统计学上的显著差异。对于第3列和第4列，研究了主动应对气候风险的公司和不主动应对气候风险的公司之间的差异。两种转型风险指标的系数都是正的，但只有主动转型风险的系数在统计上显著（在5%的水平上），这表明在面临高转型风险时，主动应对的企业更有可能通过绿色专利进行创新。列5-8中的结果仅基于申请专利的公司，使用绿色专利与公司申请专利总数的比率作为因变量。如第5列和第6列所示，文章在Climate Riski,t上发现了正且显著的系数（在1%的水平上），这表明面临高转型风险的公司与更高的绿色专利比例相关。第7列和第8列的结果表明，两种过渡风险度量的系数都是正的且显著的，但主动过渡风险的系数略高且更显著（在5%或更低的水平上）。
（三）就业情况
企业应对不断上升的气候风险的另一个策略是调整就业（例如，通过关闭工厂、裁员或冻结招聘）。裁员和关闭工厂已被上市公司高管普遍采用，以提高生产率，应对持续风险，并吸引资本市场。表10面板C中报告的结果表明，在接下来的2年里，转型风险与就业水平的对数之间存在负相关且显著的关系（在5%的水平上）。转型风险每增加1个标准差，企业的就业存量就会减少约0.02个百分点。这种负相关关系主要是由不主动应对的公司造成的。对于主动回应的公司，这种关系在统计上不显著。
（四）总结
综上所述，转型风险与研发支出和就业之间存在显著的负相关关系，这主要是由面临高转型风险但不主动应对的企业驱动的。相比之下，在转型风险增加后，积极应对的公司增加了总资本支出投资，并申请了更多的绿色专利。这些发现虽然揭示了面临高转型风险的企业的不同反应，但可能并不表明两者之间存在任何因果关系，因为构建的指标简单地捕捉了财报电话会议期间的转型风险讨论。相反，证据表明，新指标捕获了有关商业状况的新的有价值的信息，并且可以高度预测这些公司结果的变化。
十、结论
文章量化了企业层面气候风险暴露的存在性和重要性。通过对财报电话会议记录数据应用改进的文本分析方法，开发了一套新的公司层面气候风险指标，涵盖了物理风险和转型风险。物理气候风险的大多数变化似乎是可能与公司层面属性无关的特殊因素，而转型风险的大多数变化可以用公司层面的特殊因素来解释。使用外部基准，发现三种风险度量捕获了公司面临的各自类型的气候风险的变化。作为研究的一项独特创新，还衡量了企业在应对气候问题方面的主动性。一个关键发现是，面临较高转型风险的公司，尤其是那些不主动应对的公司，在股票市场上的估值是有折扣的。额外分析表明，文章的措施为研究资本市场如何定价气候风险（特别是转型风险）提供了独特的价值。
以若干企业结果作为因变量，发现面临高转型风险的企业显著减少其研发支出和就业。这种负相关关系主要是由那些没有主动应对不断上升的气候风险的企业驱动的。积极应对这一风险的公司往往会显著增加其总资本支出投资，并提交更多的绿色专利申请。因此，企业对气候问题的态度——无论是否积极主动——在决定企业如何应对不断上升的气候风险方面具有重要意义。
文章的主要发现是，不主动应对转型风险的公司被低估了，这强调了以透明和全面的方式披露气候风险的重要性，以确保投资者能够获得准确的信息，并做出明智的投资决策。文章识别企业层面气候风险暴露和应对变化的能力表明，当此类信息可用时，投资者会发现它是相关的。事实上，监管机构已经开始关注如何最好地向投资者提供这些信息。2021年3月，SEC成立了一个气候和ESG工作组，以确定与气候和ESG相关的不当行为。2022年3月，SEC提出了新规定，要求上市公司在注册报表和年度报告中报告与气候相关的风险和排放数据。
Abstract:
This paper conducts a textual analysis of earnings call transcripts to quantify climate risk exposure at the firm level. We construct dictionaries that measure physical and transition climate risks separately and identify firms that proactively respond to climate risks. Our validation analysis shows that our measures capture firm-level variations in respective climate risk exposure. Firms facing high transition risk, especially those that do not proactively respond, have been valued at a discount in recent years as aggregate investor attention to climate-related issues has been increasing. We document differences in how firms respond through investment, green innovation, and employment when facing high climate risk exposure.
