• 研究采用时间变参数向量自回归模型（TVP-VAR）结合冲击响应函数（IRF）测量中国金融市场弹性，构建“弹性强度”和“恢复时长”两大指标，指标高代表弹性更好 [page::2][page::3].

• 样本涵盖2008-2023年，数据包括货币市场多期限SHIBOR、沪深300指数、债券市场指数、9类主要外汇及7类大宗商品指数，VIX指数作为全球金融风险冲击代理，CPU指数代表气候政策不确定性；数据均通过差分处理确保平稳 [page::6][page::7].
• VIX对中国各子市场的冲击呈现差异：货币、外汇、大宗商品市场短期负面冲击明显，股债市场短期负、中长期正向影响，体现市场的“解偶效应”；12个月后IRF值趋近零 [page::8].

• 弹性强度与恢复时间指标相关度高（总市场达0.74以上），且经历4个显著下跌期：2008年全球金融危机、2015年股灾、2018年中美贸易摩擦及2020年新冠疫情，反映重大事件对弹性的深刻影响 [page::11].

• 通过静态及动态净连通度分析，中国各子市场间弹性表现高度关联，总连通度强（强度指标达86.76%，持续时长达70.38%）。股市为强烈“净溢出者”，外汇则为“净承受者”，不同市场表现出不同的风险传递角色 [page::12][page::13][page::14].

| 市场 | 强度净连通度（%） | 持续时长净连通度（%） |
|--------|------------------|-------------------|
| 货币 | 净溢出 | 净溢出 |
| 股票 | 净溢出 | 净承受 |
| 债券 | 净溢出 | 净溢出 |
| 外汇 | 净承受 | 净承受 |
| 大宗商品 | 净承受转净溢出 | 净承受 |

• 量化气候政策不确定性（CPU）对金融弹性的影响机制：CPU负向影响弹性强度和恢复时长，通过提升投资者情绪指数(ISI)、增加商业银行不良贷款率(NPL)，以及压缩资本与金融账户余额(C&F)，引发市场波动和信贷风险，进而削弱金融市场弹性。

| 变量 | 弹性强度影响 | 恢复时长影响 | 投资者情绪ISI | 资本与金融账户余额C&F | 非盈利贷款率NPL |
|-------|--------------|--------------|---------------|-----------------------|----------------|
| CPU | -0.2084 | -0.0810 | 0.4172 | -0.2489 | 0.1034 |

(代表10%显著性，*代表1%显著性) [page::14][page::15]

• 通过TVP-VAR-DY模型的净成对连通度（NPDC）显示，CPU与中国金融市场弹性的溢出效应显著，特别是在重大气候政策事件（如2008年首次白皮书发布、2017年特朗普宣布退出巴黎协定、2020年双碳目标提出）后，弹性表现的连通度存在明显波动，[page::16].

• 研究发现中国金融市场对气候政策变化反应日益温和，体现了“低碳转型”政策被社会和市场认可，双碳目标的提出未引发金融市场剧烈波动，呈现出较强共识，彰显政策的稳定实施对金融市场弹性的重要保障 [page::17][page::18].
• 政策建议包括加强股债大宗市场与货币外汇市场之间的弹性联动监管，促进宏观经济政策协调，强化跨部门信息共享，完善气候风险管理体系，供其他国家借鉴如何平衡气候政策与金融市场发展需求 [page::18].

一、元数据与概览

1.1 报告信息

• 标题：《气候政策不确定性对金融市场韧性的影响：中国的实证》

- 作者：Si-Yao Wei，Wei-Xing Zhou

• 机构：华东理工大学商学院、经济物理研究中心及数学学院，上海，中国

- 发布时间：2025年3月11日

• 主题：聚焦中国金融市场的韧性，研究气候政策不确定性（CPU）对其影响

1.2 报告核心论点与目标

该报告针对金融市场中的“韧性”进行系统测度，重点考察中国金融市场及其子市场（货币、股票、债券、外汇、大宗商品）在各类冲击下的抵御与恢复能力，同时创新性地将气候政策不确定性（CPU）纳入分析框架，考察其对金融市场韧性的影响机理。作者利用时间变参数向量自回归模型（TVP-VAR）和其扩展模型，测算冲击强度与恢复时长两类指标，结合网络联结分析，揭示子市场韧性的相互影响及气候政策不确定性的传导路径。报告发现CPU通过投资者情绪、商业银行不良贷款率和资本金融账户余额等渠道，显著影响中国金融市场韧性，并强调中国在气候政策与金融市场发展兼顾方面的经验具有示范意义。

二、逐节深度解读

2.1 引言（部分第0页至1页）

核心内容：

• 金融危机后，金融系统脆弱性加剧，传统金融稳定研究更多关注危机预防和冲击最小化，但面对高度全球化的金融体系，仅维持稳定已不足以应对系统风险。

- “金融韧性”概念源自生态学，侧重系统对冲击的吸收与复原能力，更适合评估危机中的适应性与恢复性。

• 国内已有对宏观经济、区域经济韧性的研究，但金融韧性研究尤其针对中国金融市场及其子市场的外部影响不足。

- 气候变化作为新兴系统性风险已被各国金融监管机构关注，然而关于中国气候政策不确定性与金融市场韧性关联的实证研究稀缺。

• 本文创新性结合TVP-VAR模型测算冲击反应，构建了中国金融市场及子市场韧性指标，探索CPU的影响及机制。

推理依据：

• 引用生态学中韧性的定义，类比金融系统的承压和恢复。

- 强调中国金融市场复杂多样，且受多方面冲击影响，需扩展韧性研究视角。

• 聚焦气候政策变化对金融市场运行带来的不确定性风险。

2.2 方法论（第2至5页）

2.2.1 金融市场韧性度量

• 韧性包括“可靠性”和“恢复力”两方面，用冲击后的脉冲响应函数（IRF）进行描述。

- 图1说明：市场状态受冲击后，状态变化面积$\Delta S$大小反映冲击强度，恢复时间反映恢复力。

• 通过以下两个指标测量：

- 强度（Intensity）：IRF最大值与实际值之差的平均比例，衡量市场抵御冲击的能力。
- 持续时间（Duration）：加权平均脉冲响应时间，反映市场恢复所需时间，响应中央时刻更早者韧性更好。

• 两指标统一尺度且方向一致，方便统计比较。

2.2.2 TVP-VAR模型

• 传统VAR模型假定参数不变，难以捕捉经济环境动态变化。

- TVP-VAR实现参数随时间演变，允许结构非线性和波动率变动，增强模型拟合灵活性。

• 定义参数过程符合多元正态分布，利用贝叶斯方法估计时变矩阵。

- 利用逐点单位冲击计算时间序列冲击反应值，为韧性指标计算提供基础数据。

2.2.3 动态联结分析：TVP-VAR-DY模型

• 利用广义方差分解（GFEVD）测量子市场间的冲击传导路径。

- 根据模型参数动态变化，计算不同时间窗口的总联结度（TCI）、输入输出和净连通度（NET）等指标，揭示市场间影响和风险扩散机制。

2.3 实证分析（第6至14页）

2.3.1 数据描述

• 数据涵盖2008年1月-2023年12月，频率统一为月度。

- 五大子市场指标：货币市场（多期限SHIBOR）、股票市场（CSI 300指数）、债券市场（中债净值指数）、外汇市场（多种货币兑人民币汇率）、大宗商品（七类指数）。

• 冲击变量采用芝加哥期权交易所波动率指数（VIX）。

- CPU指标采用马永瑞等人2023年构造的气候政策不确定性指数，以新闻大数据为基础。

• 所有数据经对数差分处理，确保时间序列平稳。

- 描述性统计表明，货币市场短期利率、CPU指数、VIX等显示较强波动性，满足模型假设。

2.3.2 韧性测量结果

• 采用TVP-VAR模型模拟VIX冲击下子市场脉冲响应（见图2），不同市场的冲击反应特征不同：

- 货币、外汇、大宗商品市场冲击大多为负向；
- 股票、债券市场为短期负向、长期正向波动，体现市场预期和资金配置效应。

• 通过主成分分析合成总体市场指标，根据前述韧性公式计算得到所有市场的强度和持续时间韧性指标（见图4）。

- 两指标相关性较强（总市场0.74以上），显示冲击强度与恢复难度关联紧密。

• 时序上，韧性指标出现四个显著下跌周期，分别对应：

1. 2008年全球金融危机；
2. 2015年中国股市崩盘；
3. 2018年中美贸易摩擦；
4. 2020年新冠疫情。

• 分市场表现：

- 债市韧性受2008年“四万亿”经济刺激影响明显波动；
- 2015年股灾期间股市韧性降低幅度最大但恢复较快，总市场响应滞后；
- 贸易摩擦沉重冲击货币、外汇及大宗商品市场；
- 新冠疫情导致整体市场韧性历史新低，外汇市场波动异常。

2.3.3 多市场韧性联结分析

• 静态联结度水平高，强度指标总联结度达86.76%，持续时间指标70.38%，总体显示市场间高度互联，风险易传递共振（见表3）。

- 不同指标及子市场的净联结度不一致，且强度指标的联结先于持续时间指标反应，表明冲击波先传递影响强度，后影响恢复速度。

• 强度指标中，股票市场净联结度最高（向外溢出9.07%），说明其韧性变化对其他市场影响大，但疫情后主要作为风险接受者表现为净输入；

- 外汇市场负净联结度明显，主要接受其他市场风险溢出，与人民币国际化增加汇率敏感度直接相关；

• 大宗商品市场由2017年起由净风险接受转向净风险输出，受政策调控和供需结构性改革影响明显。

- 持续时间指标中，货币和债券市场表现为唯一明显的净溢出方，反映恢复时长对其他市场韧性的驱动作用，债市恢复速度尤为关键。

2.3.4 气候政策不确定性对韧性的影响机制及实证

• 设计了基于投资者情绪指数（ISI）、资本与金融账户余额（C&F）、商业银行不良贷款率（NPL）的中介效应模型（表4），考察CPU通过三条途径影响金融市场韧性：

- 投资者情绪渠道：CPU提高不确定性，引发投资者“模糊厌恶”，放大投资情绪波动和市场波动，降低韧性；
- 资本流动渠道：CPU导致国际资本调整，缩减资本账户余额，加剧汇率及大宗商品价格波动，冲击市场稳定；
- 信贷风险渠道：CPU拖累高碳行业利润，商业银行贷款风险上升，不良贷款率增加，引发资本充足率下滑，助推市场震荡。

• 回归结果显示CPU对韧性强度和持续时间均呈显著负向影响，且对中介变量影响均达统计显著水平，验证假设。

- 利用TVP-VAR-DY模型度量CPU对市场韧性的动态净双向联结指数（NPDC）（见图6），发现主要气候事件节点（如2008年白皮书、2009年联合国峰会、2017年特朗普退出巴黎协定、2020年“双碳”目标提出）均引发NPDC明显变化，显示CPU对中国市场韧性有实质冲击。

• 该周期内，随着中国深化气候政策推进，市场对相关政策的适应趋于稳定，韧性影响波动减小，反映中国社会共识及政策执行力对冲击影响的缓解作用。

三、图表深度解读

3.1 图1（第3页）

• 描述：示意金融市场脉冲响应函数IRF在冲击前后运动轨迹及韧性相关面积。

- 解析：$\Delta S$面积代表冲击强度，面积越大冲击越强；恢复时间$t2 - t1$越长恢复越慢；两者共同衡量韧性。

• 价值：为度量韧性的强度和持续时间提供直观、数学基础。

3.2 图2（第8页）

• 描述：各子市场对VIX冲击的时间变脉冲响应函数3D图。

- 解析：
- 货币、外汇、大宗变化响应多为负，表明冲击瞬时导致指标下行；
- 股票、债券市场短期下跌后长期呈现上升趋势，反映资金配置和市场预期调整；
- 整体冲击响应逐年减弱，有“脱钩效应”出现；
- 所有响应在12个月内逐步归零，确认韧性测度时间窗口合理。

• 结论：各市场韧性表现异质，模式反映其在金融冲击中的不同角色。

3.3 图4（第11页）

• 描述：2008-2023年间中国五大子市场及总市场的强度与持续时间韧性指标时序曲线，及二者的相关系数。

- 解析：
- 两指标高度相关（0.54-0.92之间），一致反映韧性波动；
- 多次出现明显下滑对应重要金融、经济危机节点；
- 股票市场波动剧烈且恢复较快，债券市场波动显著，表现出各子市场独特韧性特征；
- 总市场韧性变化受各子市场综合影响。

• 意义：量化并形象化揭示韧性随危机波动规律及子市场之间差异。

3.4 图5（第14页）

• 描述：五个子市场的动态净联结指数（强度、持续时间）时间序列，反映市场间风险溢出和传播变化。

- 解析：
- 货币市场联结度波动较大，2011后持续走强；
- 股票市场波动明显，危机前多为净输出，疫情后净输入；
- 债券市场表现出较明显净溢出特征，逻辑与资金流动联系紧密；
- 外汇市场长期为净接受风险方，显示脆弱性；
- 大宗市场从风险接受转为输出，反映政策及经济结构调整影响。

• 价值：揭示子市场韧性内在传播结构，指导风险管理。

3.5 图6（第16页）

• 描述：CPU指标对中国金融市场韧性强度和持续时间的净配对联结指数（NPDC），带主要气候政策事件标注。

- 解析：
- 主要政策发布和国际气候事件点对应NPDC显著拐点，显示CPU对韧性影响非持续性、冲击式；
- 2008年起CPU影响显著，并随“双碳”目标及政策完善，市场反应趋于稳定；
- 事件对强度指标影响更为明显，持续时间指标影响持续时间较长。

• 意义：从动态视角定量描绘气候政策不确定性对金融韧性的实时冲击和演变过程。

3.6 表1（第7页）

• 统计描述中国金融市场子指标、VIX与CPU的均值、标准差、偏度、峰度及单位根检验。

- 发现：
- 高频率短期货币利率及CPU、VIX波动显著，满足研究中的波动性分析需求；
- 所有序列平稳，支持VAR模型应用。

3.7 表2（第9页）

• TVP-VAR模型参数统计汇总，包括平均值、标准差、置信区间及诊断指标。

- 显示模型参数估计稳定，Markov链收敛良好，MCMC采样有效，保证模型估计可靠。

3.8 表3（第13页）

• 五大子市场韧性强度与持续时间的静态联结矩阵。

- 解读：
- 各市场自身影响最大（对角线高于70%）呈高度自相关；
- 息息相关的子市场间溢出效应显著，强度指标联结度较持续时间丰富；
- 外汇市场受外部影响较大，表现为风险接受角色。

3.9 表4（第15页）

• CPU对韧性指标及中介变量的回归结果。

- 主要结果：
- CPU对韧性强度和持续时间均呈显著负向作用；
- CPU显著提升投资者情绪指数和银行不良贷款率，降低资本账户余额；
- 三条机制通道均具有统计学意义，验证模型假设。

四、估值分析

本研究属于宏观系统风险与韧性度量研究，没有传统“估值”方法部分。其核心财务计量工具为TVP-VAR、脉冲响应函数与联结分析，侧重动态风险和政策不确定性的影响测度。

五、风险因素评估

• 研究刻画了外部冲击（如全球金融危机、贸易摩擦、疫情）和政策不确定性（特别是气候政策）对金融市场韧性的风险传导。

- 识别风险包括：
- 气候政策不确定性导致的投资者情绪异常；
- 资本账户余额异常及资金流动不稳定；
- 商业银行不良贷款率上升引发信用风险。

• 研究间接揭示，中国金融市场韧性受多重交织风险影响，需关注跨市场联结风险以及政策环境变化。

- 报告呼吁加强多部门协作，加强跨市场信息共享和监管联动，缓释风险传递效应。

六、批判性视角与细微差别

• 模型设定合理且严谨，采用最新动态计量技术捕捉时变特征，避免传统固定参数VAR的局限。

- 韧性指标设计兼顾强度与持续时间，体现冲击吸收和恢复两重机制，理论基础扎实。

• 研究局限性：

- 样本期间虽然覆盖多个重要危机，但未来更多极端气候事件可能对市场影响不同，本报告未明确考虑非线性极端情形。
- 投资者情绪、资本流动和不良贷款虽作为中介变量，但模型空间内其他潜变量（如监管政策、宏观经济变量）考虑较少，可能遗漏部分重要传导机制。
- CPU指数依赖文本计量，存在内容覆盖和情感分析不足可能，影响解释力。

• 矛盾与细节：

- 韧性强度与持续时间指标高度相关，但联结分析显示两者传导时间滞后且方式不同，提示韧性测度的多维复杂性。
- 大宗商品市场的角色转变（风险接受转为风险输出）展示了政策与市场互动的动态调整，值得进一步深入解读。

• 总体报告稳健，结论具备较强学术与政策应用价值。

七、结论性综合

本报告围绕中国金融市场韧性，构建了基于TVP-VAR脉冲响应的两类核心韧性指标——冲击强度与恢复持续时间，全面衡量市场抵御和恢复能力。基于2008-2023年期间多市场数据及VIX指数作为冲击变量，揭示了中国金融市场韧性的动态演变及其与重大危机的对应关系：包括2008年全球金融危机、2015年股灾、2018年中美贸易摩擦和2020年新冠疫情。特别发现债券市场韧性受政策刺激影响显著，股市韧性波动剧烈但恢复较快，外汇和大宗商品市场在贸易摩擦和地缘风险中表现出较高脆弱性。

通过TVP-VAR-DY模型对金融子市场韧性间的动态联结研究，发现市场间风险传播呈现先影响冲击强度后传导恢复时间的时序特征。股票、债券市场对其他市场韧性影响力最大，外汇市场主要承担风险传导的接受方角色。同时，大宗商品市场受供需和政策调整双重影响，风险输出地位逐渐明显。

报告进一步利用CPU指数考察气候政策不确定性对中国金融市场韧性影响，创新揭示CPU通过投资者情绪波动、资本账户余额波动及商业银行不良贷款率上升三路径显著降低市场韧性，导致抵抗能力弱化和恢复期拉长。动态联结分析显示，CPU对市场韧性的冲击在重要气候事件时显著增强，且随着中国“双碳”战略推进，市场对气候政策的适应能力逐渐提升，韧性影响趋于温和。这反映了中国在气候政策与金融稳定之间达成的有效平衡，具有国际借鉴意义。

最后，作者建议监管层应关注股票、债券、大宗商品市场对货币、外汇市场的韧性联结，强化宏观经济政策协调与跨部门合作，推动信息共享和风险联动监管。同时，强调中国气候政策的稳定执行对全球金融市场应对气候风险具有示范作用。

---

参考图表（markdown格式）

• 图1—金融市场冲击脉冲响应路径示意图

• 图2—中国五大子市场对VIX冲击的脉冲响应函数

• 图4—中国金融市场韧性指标（强度与持续时间）的演变

• 图5—中国五大子市场韧性净联结指数动态变化

• 图6—CPU对中国金融市场韧性的净配对联结指数（NPDC）动态

---

文中引用页码标注

本文分析中所有结论均基于报告页码标注：

• 引言至方法论：[page::0],[page::1],[page::2],[page::3],[page::4],[page::5]

- 数据与实证分析：[page::6],[page::7],[page::8],[page::9],[page::10],[page::11],[page::12],[page::13],[page::14]

• 气候政策影响分析：[page::14],[page::15],[page::16],[page::17]

- 结论与建议：[page::17],[page::18],[page::19]

---

综上，本报告在学术与政策层面为理解中国金融市场韧性构建了科学评价框架，补充了气候风险研究空白，具备高度创新性和实践指导价值。

报告