《Energy Economics》：Risk spillovers from climate policy uncertainty to energy markets: Does climate policy stringency matter?
编辑推荐：
在气候政策不确定性(CPU)加剧的背景下，其如何在全球能源市场引发复杂的风险传染网络成为关键议题。为解决此问题，研究人员采用改进的高维时变参数向量自回归(HD-TVP-VAR)模型和双机器学习(DML)方法，系统探究了CPU对多国能源市场的风险溢出效应，并检验了气候政策严格性(CPS)的调节作用。研究结果表明，CPU与能源市场风险高度关联，其溢出效应具有显著的时变性，而严格的国内气候政策能有效缓解外部CPU带来的风险冲击。这一发现为各国在应对外部政策不确定性冲击、制定精准风险管理策略方面提供了重要的实证依据。
在应对全球气候变化挑战的征途上，各国政府不断明确气候承诺。然而，复杂多变的经济形势和频繁的地缘政治冲突，迫使政策制定者必须在政治、经济和社会等多重因素间寻求平衡。这种背景下，气候政策何时会变、如何变，变得难以预测，由此催生出“气候政策不确定性(CPU)”这一新变量。这种不确定性不仅会打击投资者对传统能源部门的预期，也给清洁能源和新能源技术的发展带来挑战，加剧了能源供应链的脆弱性和市场的不确定性。更为关键的是，在经济全球化和能源市场一体化的背景下，这种政策不确定性的负面影响并不会局限于一国之内。当一国（例如i国）的CPU上升时，会通过能源商品实物贸易、跨国投资、金融市场整合等直接和间接渠道，迅速传导至其他国家（例如j国），最终波及全球能源市场，在整个能源体系中引发“风险共振”。那么，一个核心问题浮出水面：面对外部CPU的冲击，一个国家自身的“气候政策严格性(CPS)”究竟是能充当“缓冲垫”减缓风险传染，还是会成为“放大器”加剧市场波动？这成为各国在构建能源风险宏观审慎管理框架时必须回答的问题。
以往的研究虽然关注了CPU与能源市场（如石油、清洁能源等特定市场）的风险关联，但往往局限于单一国家或单一能源属性，难以反映全球化背景下多元能源市场构成的复杂互联网络。在研究方法上，传统的模型在处理同时具有“高维度”（涉及众多国家）和“时变性”（关系动态变化）特征的复杂网络时，常陷入“维度灾难”的困境。此外，现有文献大多忽视了各国自身政策严格性在应对外部不确定性冲击时可能扮演的“调节者”角色。为了填补这些空白，本文的研究团队进行了一项开创性的探索，相关成果发表在能源经济学领域的权威期刊《Energy Economics》上。他们旨在从一个复杂网络的视角，揭示CPU在全球能源市场中的风险溢出效应，并首次实证检验CPS是否以及如何能够缓解这种风险传染。
为了达成研究目标，作者巧妙地组合运用了几个关键技术方法。首先，为刻画CPU风险溢出的动态复杂网络，作者构建了一种改进的高维时变参数向量自回归模型(HD-TVP-VAR)。该方法结合了弹性网络估计算法，有效克服了传统模型在面临高维数据时的“维度灾难”问题，无需依赖滚动时间窗，从而避免了信息损失，实现了对风险网络“高维”与“时变”双重特性的精准捕捉。其次，基于该模型计算出的广义方差分解，可以量化CPU与各国能源市场之间的风险关联度，进而构建动态的风险溢出网络，并计算总关联指数(TCI)以及各国的风险溢出(To)、风险接收(From)和净风险溢出(Net)指标。最后，为了检验CPS的调节作用，研究采用了双机器学习模型(DML)。这种方法允许在控制大量高维协变量的同时，不预设变量间的函数形式，从而有效缓解了遗漏变量偏差和模型设定偏误，可靠地估计出CPS对风险溢出的影响系数。
在数据方面，研究以美国CPU作为全球CPU的代理变量，并选取了全球21个国家（覆盖五大洲）的MSCI能源指数，计算其已实现方差(RV)作为各国能源市场风险的代理。CPS则采用经合组织环境政策严格性指数来度量。研究样本涵盖了2005年5月至2023年11月的高频数据（用于风险溢出分析）以及2005年至2020年的年度面板数据（用于DML分析）。
实证结果分析如下：
1. 描述性统计与平稳性检验
对CPU及各国MSCI能源指数收益序列的描述性统计显示，所有序列的分布均呈现非正态特征。ADF检验则确认了所有序列的对数差分序列是平稳的，为后续建模奠定了基础。
2. CPU对能源市场的风险溢出具有时变性与网络结构性
通过HD-TVP-VAR模型计算的总关联指数(TCI)清晰地显示，CPU与全球能源市场之间的风险关联并非一成不变，而是呈现出强烈的时变特征。在CPU高企的时期（通常与重大政策讨论、地缘政治危机或极端气候事件同期），TCI会急剧攀升，表明全球能源市场系统性风险显著增强，风险共振现象凸显。反之，在CPU相对平稳的时期，市场间的风险传染效应则较弱。这一动态变化证实了前文提出的“风险共振”机制。网络分析进一步揭示，美国、中国、加拿大等主要经济体在风险溢出网络中扮演着“净输出者”的关键角色，而一些欧洲国家则更多地表现为风险的“净接收者”。这种不对称的结构意味着外部CPU的冲击会通过核心国家节点，在网络中不均匀地扩散。
3. 气候政策严格性(CPS)能够缓解CPU的风险溢出效应
这是本研究最核心的发现之一。双机器学习模型的估计结果稳健地表明，CPS的系数显著为负。这意味着，一个国家自身的气候政策越严格，外部CPU冲击对该国能源市场的风险溢出效应就越弱。换言之，严格的国内气候政策扮演了外部风险的“减震器”角色。作者从理论上分析了这种缓解效应的两种可能机制：一方面，严格的政策通过促进能源结构向可再生能源转型，降低了对全球化石燃料市场的依赖，从而从根源上削弱了外部冲击的传导渠道。另一方面，清晰且严格的政策框架向市场传递了稳定的长期信号，有助于锚定投资者预期，抑制因外部不确定性引发的恐慌情绪和羊群行为。
4. 异质性分析
研究还发现，CPS的缓解效应在不同发展水平和能源结构的国家中存在差异。对于可再生能源占比高、能源体系更多元化的发达国家，CPS的缓冲作用更为明显。而对于那些严重依赖传统化石能源、正处于能源转型初期的新兴经济体，短期内过于激进的政策收紧可能会带来较高的转型摩擦成本，反而可能暂时增加市场的脆弱性。这提示政策制定者需要根据本国国情，设计兼具雄心与可执行性的渐进式气候政策路径。
结论与讨论部分对全文进行了总结，并强调了其深远的政策意义。本研究的核心结论是：气候政策不确定性(CPU)是全球能源市场系统性风险的重要来源，其溢出效应具有显著的时变性和复杂的网络结构特征。然而，一国并非只能被动承受外部冲击。实证证据有力地表明，提升本国气候政策的严格性(CPS)是有效应对外部CPU风险传染、增强能源市场韧性的可行策略。这为“以严格、透明的国内政策来应对外部不确定性”这一思路提供了坚实的实证支持。
这项研究的边际贡献是多方面的。在内容上，它突破了以往对单一能源市场或国别的研究局限，首次从全球复杂网络的整体视角，揭示了CPU风险溢出的“共振”现象和动态特征。在方法上，创新的HD-TVP-VAR模型成功刻画了风险网络的“高维”与“时变”属性，为构建更精准的能源市场系统性风险评估与预警机制提供了科学工具。而双机器学习模型的应用，则首次严谨地评估了自身政策严格性在缓解外部风险冲击中的作用，为政策制定者把握气候政策的最佳严格度提供了实证依据。
最终，这项研究传递了一个关键信息：在全球气候治理进程充满不确定性的今天，各国通过制定并执行清晰、严格且可信的国内气候政策，不仅是为了履行减排承诺，更是出于维护本国能源市场稳定、抵御外部冲击的“利己”需要。将气候政策严格性纳入宏观审慎管理框架，是实现能源安全与气候目标协同增效的重要途径。未来的研究可以进一步拓展国家样本，细化不同能源品种间的风险传导路径，并探索除政策严格性之外的其他调节因素（如金融市场发展水平、制度质量等），以绘制出更完备的全球能源风险治理地图。
