Carbon transition risk, green debt pricing, and environmental governance: Evidence from Chinese high-energy-consuming firms

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Demonstrates a dual-track design combining econometrics and ML to study carbon risk pricing, offering methodological insights for empirical climate finance research.

🏢実務担当者:Shows that carbon intensity and green innovation are priced in debt markets; corporate treasury and ESG teams should monitor these metrics for financing cost optimization.

🏛政策担当者:Provides evidence that green debt pricing can reinforce carbon regulation; useful for designing carbon markets and mandatory disclosure rules.

炭素移行リスクは、高エネルギー消費産業の企業の資金調達条件にますます影響を及ぼしているが、債務側のエビデンスは断片的なままであり、政策推論と予測的モニタリングが混在することが多い。本研究は、2010年から2024年までの中国A株上場の高エネルギー消費産業企業を対象に、炭素関連の移行シグナルがグリーン債務の資金調達スプレッドとどのように関連するかを検証する。被説明変数は、ベーシスポイントで測定されたグリーン債務の資金調達スプレッド（Spread_bps）である。エビデンスの境界を保つため、本研究は二軌道設計を採用する。すなわち、政策タイミングのエビデンスには、パネル固定効果モデル、2015年パリ協定前後のイベントスタディ分析、および2021年の中国全国排出量取引制度前後のセグメント化差の差（DID）デザインを用い、一方、サンプル外予測、アブレーションテスト、Shapley加法説明解釈、および条件付きシナリオシミュレーションには、ランダムフォレスト、極端勾配ブースティング（XGBoost）、およびニューラルネットワークモデルを用いる。計量経済学的結果は、炭素強度の上昇がグリーン債務スプレッドの拡大と関連する一方、炭素価格付けエクスポージャーの強化とグリーン特許産出の増加はスプレッドの縮小と関連することを示している。炭素関連要因に対する価格感応度は、主要な政策マイルストーン後に高まり、グリーンイノベーションは、排出量取引制度導入後の高炭素発行体に対する資金調達圧力を部分的に緩和する。予測結果は、XGBoostが最も優れた性能を示し、炭素変数を除去すると予測精度が低下することを示しており、炭素情報の付加的なモニタリング価値を確認している。これらの知見は、グリーン債務の価格設定が、炭素強度、炭素市場エクスポージャー、および移行能力を、信用アナリスト、発行体、投資家、および政策立案者にとって有用な資金調達シグナルに変換することにより、環境規制を補完できることを示唆している。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Carbon transition risk increasingly affects the financing conditions of firms in high-energy-consuming industries, yet debt-side evidence remains fragmented and often mixes policy inference with predictive monitoring. This study examines how carbon-related transition signals are associated with green debt financing spreads for Chinese A-share listed firms in high-energy-consuming industries during 2010–2024. The dependent variable is the green debt financing spread measured in basis points (Spread_bps). To preserve evidentiary boundaries, the study adopts a dual-track design: panel fixed-effects models, an event-study analysis around the 2015 Paris Agreement, and a segmented difference-in-differences design around China’s national emissions trading system in 2021 are used for policy-timing evidence, while random forest, extreme gradient boosting (XGBoost), and neural network models are used for out-of-sample prediction, ablation tests, Shapley additive explanations interpretation, and conditional scenario simulation. The econometric results show that higher carbon intensity is associated with wider green debt spreads, whereas stronger carbon-pricing exposure and greater green patent output are associated with narrower spreads. Pricing sensitivity to carbon-related factors increases after major policy milestones, and green innovation partly mitigates post-emission-trading-system financing pressure on high-carbon issuers. The predictive results show that XGBoost performs best and that removing carbon variables reduces forecasting accuracy, confirming the incremental monitoring value of carbon information. These findings suggest that green debt pricing can complement environmental regulation by translating carbon intensity, carbon-market exposure, and transition capacity into financing signals useful for credit analysts, issuers, investors, and policymakers.

• crossref https://doi.org/10.36922/ajwep026170117first seen 2026-06-22 05:35:44 · last seen 2026-06-30 05:55:01
• semanticscholar https://article.accscience.com/journal/AJWEP/online_first/ajwep026170117/article_ajwep0261701171_954f40.pdffirst seen 2026-06-26 05:30:33 · last seen 2026-08-11 04:58:15
• openalex https://doi.org/10.36922/ajwep026170117first seen 2026-07-13 04:59:25