苏黎世大学登FT50顶刊!大语言模型+财报文本挖掘绿色创新新维度!干货满满!

苏黎世大学金融系的 Markus Leippold 教授（瑞士金融学院成员）与 Tingyu Yu 博士（博士后研究员）共同撰写文章《Firm-level Green Innovation Beyond Patents》，该文发表于《Review of Finance》（FT50/ABS4）。研究的核心亮点是 首次将 ClimateBERT 与 GPT-3 两种大语言模型相结合，系统分析财报电话会议 transcripts 文本，构建了企业层面绿色创新的全新度量指标，不仅捕捉了超越专利的绿色创新活动，更开创性地区分了“绿色技术发明”与“绿色技术采用”两个维度，为理解企业应对气候变化的真实努力提供了前所未有的精细视角。

研究简介

该研究利用 ClimateBERT 和 GPT-3 分析财报电话会议 transcripts，提出了一种全新的企业层面绿色创新度量方法。该度量捕捉了超越专利的更广泛创新活动，并区分了“发明”与“采用”两个维度。这两个维度揭示了显著不同的地理与行业分布特征及关键决定因素。从事绿色创新的企业（包括许多来自碳密集型行业的企业）表现出低于同行的预期回报，这很可能是由于它们改善了环境绩效并具备对冲转型风险的能力。这种效应延伸到了非专利性发明和绿色创新的广泛采用层面。

实验方法详解

该研究要回答的核心问题是：除了申请绿色专利，企业还在以哪些方式推动绿色创新？投资者又如何看待这些超越专利的创新努力？

传统的绿色创新研究几乎完全依赖专利数据，但大量有意义的绿色创新活动——比如苹果公司设立创新基金推动供应商转型、公用事业公司大规模部署现有可再生能源技术——并不会直接体现在专利数量上。该研究用大语言模型打开了财报电话会议这个信息宝库，首次系统性地捕捉了这些“隐形”的绿色创新。

研究的第一步是用GPT-3将专利摘要“翻译”成财报电话会议的语言。

研究团队从美国专利商标局收集了3万个绿色专利的标题和摘要，覆盖能源、交通、环境、生产、建筑和适应六大类别。但专利摘要充满了技术术语和密集表述，与财报电话会议中管理层的对话风格完全不同。为了解决这个“语言鸿沟”，研究用GPT-3将每个专利摘要浓缩成一句投资者能读懂的通俗句子。这些经过“翻译”的句子构成了训练数据，用来微调 ClimateBERT——一个专门针对气候相关文本预训练的深度神经网络语言模型。经过微调后的 ClimateBERT 能够自动识别财报电话会议中哪些句子在讨论绿色创新，并将其归入六大类别之一。

研究的第二步是用第二个ClimateBERT区分“发明”与“采用”。

研究从财报电话会议中随机抽取了约2000条已被识别为绿色创新的句子，由作者和GPT-4o人工标注为“发明”或“采用”。“发明”指的是企业创造或开发全新的绿色技术或战略；“采用”则指企业将现有的解决方案整合到运营中，无论这些方案是否由本企业发明。用这些标注数据再次微调 ClimateBERT 后，模型就能自动区分每句绿色创新讨论属于哪个维度。最终，每个企业的绿色创新得分就是该企业在财报电话会议中涉及绿色创新的句子占比。

研究的第三步是揭示绿色创新“发明”与“采用”的截然不同图景。

地理分布上，绿色发明高度集中在加州、马萨诸塞州等拥有顶尖大学和研究机构的少数州，印证了知识溢出效应——创新活动往往集聚在研究枢纽和高技能劳动力市场附近。而绿色采用则分布广泛得多，反映出区域需求、环境法规和公众意识等更广泛因素的影响。行业层面，电气设备和汽车行业在发明方面领先，分别有46%和42%的企业在财报中讨论绿色发明；而碳密集型行业如公用事业（74%）和金属矿业则在采用方面突出，这些行业中有大量企业根本没有绿色专利。例如，煤炭行业39%的观测值讨论了绿色采用，但没有一家拥有绿色专利。

研究的第四步是检验绿色创新的资产定价效应。

研究在行业内按绿色创新得分构建五档投资组合，做多高分组合、做空低分组合。该策略产生了年化-5.4%的显著负收益。这意味着市场给积极投身绿色创新的企业（哪怕是碳密集型企业）提供了更低的资本成本——投资者认为这些企业更能对冲未来气候政策收紧带来的转型风险。这一效应在控制了Fama-French三因子、五因子和Hou-Xue-Zhang q因子后依然稳健。

研究的第五步是揭示机制：绿色创新如何降低预期回报？

研究从两个角度验证了“对冲转型风险”假说。首先，从事绿色创新的企业在随后几年确实实现了更显著的碳减排和更少的气候负面事件，而绿色专利本身并没有这样的效果。其次，事件研究显示：特朗普2016年当选后，绿色创新企业显著跑输同行（市场预期监管放松）；而拜登2020年当选、俄乌战争爆发（凸显能源转型紧迫性）和《通胀削减法案》宣布后，绿色创新企业则显著跑赢。这些发现表明，投资者将绿色创新视为一种“保险” ——当气候政策收紧的风险上升时，积极创新的企业受损更小，因此投资者愿意接受较低的预期回报来持有这类“安全资产”。

论文研究启发

该研究在方法论层面展示了将 ClimateBERT 与 GPT-3 等大语言模型相结合进行金融文本分析的强大潜力，为从非结构化文本中提取精细化经济指标提供了可复制的新范式。在理论层面，“发明”与“采用”的区分揭示了绿色创新经济学的根本异质性——发明集中在少数研发中心，而采用才是碳密集行业减排的真正引擎。-5.4%的年化负收益表明市场已经将绿色创新的“转型风险对冲”价值定价进了资产价格中。后续研究可进一步探索：绿色创新在不同国家、不同气候政策体制下的定价差异；大语言模型能否进一步区分绿色创新的质量和“绿色洗白”；以及绿色创新如何通过供应链等渠道在不同企业间传导。