Phạm Hữu Hà

Học viện Hàng không Việt Nam

Email: haph@vaa.edu.vn

Tóm tắt

Nghiên cứu sử dụng mô hình Altman’s Z-score để phân tích tác động của 2 chỉ số rủi ro carbon (phát thải trên doanh thu và phát thải trên tổng tài sản) đến xác suất phá sản. Kết quả cho thấy rủi ro khí hậu có tác động tiêu cực đến sức khỏe tài chính doanh nghiệp. Trên cơ sở đó, khẳng định mô hình Carbon - Z-score có thể được sử dụng làm công cụ cảnh báo sớm rủi ro tài chính, hỗ trợ thiết kế chính sách tín dụng xanh và nâng cao quản trị rủi ro ở doanh nghiệp.

Từ khóa: Altman’s Z-score, chuyển đổi xanh, phát thải carbon, rủi ro phá sản doanh nghiệp

Summary

The study uses the Altman’s Z-score model to analyze the impact of two carbon risk indicators (CarbonSales and CarbonAssets) on the probability of bankruptcy. The results show that climate risks have a negative impact on corporate financial health. On that basis, it is affirmed that the Carbon–Z-score model can be used as an early warning tool for financial risks, supporting the design of green credit policies and improving risk management in enterprises.

Keywords: Altman’s Z-score, green transition, carbon emissions, climate financial risk, corporate bankruptcy risk

GIỚI THIỆU

Khi các nền kinh tế hướng đến trung hòa carbon, doanh nghiệp phải đối mặt với rủi ro chuyển đổi - một dạng rủi ro phát sinh từ những thay đổi đột ngột trong chính sách - công nghệ và hành vi thị trường liên quan đến giảm phát thải khí nhà kính. Trong bối cảnh đó, phát thải carbon không chỉ là chỉ số môi trường, mà còn là một yếu tố có thể làm suy yếu khả năng thanh khoản và gia tăng rủi ro phá sản doanh nghiệp. Tại Việt Nam, các nghiên cứu chủ yếu tập trung vào công bố môi trường - xã hội - quản trị (ESG) hoặc mối liên hệ tổng thể giữa yếu tố môi trường và hiệu quả tài chính, trong khi việc vận dụng các mô hình định lượng như Z-score trong tài chính khí hậu còn hiếm gặp, dù Việt Nam đã cam kết phát thải ròng bằng 0 vào năm 2050.

Các nghiên cứu gần đây nhấn mạnh rằng rủi ro phá sản là một hệ quả tài chính có thể định lượng khi doanh nghiệp chịu áp lực từ chính sách khí hậu. Wang và cộng sự (2022) định nghĩa rủi ro carbon là hệ quả tài chính phát sinh từ việc doanh nghiệp thích ứng với môi trường pháp lý và thị trường carbon thấp. Ding và cộng sự (2023) với dữ liệu tại Trung Quốc, cho thấy doanh nghiệp có phát thải carbon cao thường có giá trị Z-score thấp hơn, đồng nghĩa với rủi ro tài chính cao hơn. Nguyen và cộng sự (2023) đã chứng minh mô hình Z-score có thể phản ánh gián tiếp tác động của rủi ro carbon qua các kênh như chi phí tín dụng tăng hoặc doanh thu suy giảm. Trên cơ sở đó, nghiên cứu này đặt ra 2 mục tiêu chính: (1) Kiểm định mối quan hệ giữa phát thải carbon và rủi ro phá sản doanh nghiệp thông qua mô hình Z-score; và (2) Đánh giá mức độ nhạy cảm của rủi ro tài chính đối với hai chỉ số carbon định lượng là CarbonSales (phát thải trên doanh thu) và CarbonAssets (phát thải trên tổng tài sản).

TỔNG QUAN VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Tổng quan nghiên cứu

Rủi ro carbon được hiểu là những bất định tài chính phát sinh từ việc doanh nghiệp thích ứng với kỳ vọng ngày càng khắt khe về quy định, công nghệ và thị trường liên quan đến khí nhà kính. Rủi ro carbon đã được xác định là yếu tố góp phần làm gia tăng xác suất vỡ nợ trong bối cảnh chuyển đổi xanh (Wang và cộng sự, 2022).

Mô hình Z-score (Altman, 1968) là công cụ định lượng phổ biến nhằm dự báo nguy cơ phá sản, kết hợp giữa khả năng sinh lời, thanh khoản, đòn bẩy tài chính và giá trị thị trường. Alshahrani và cộng sự (2023) với dữ liệu từ các quốc gia G20, phân tích vai trò trung gian của công bố khí hậu tăng tính minh bạch chỉ số phát thải cho các doanh nghiệp sẽ ít chịu tác động tiêu cực đến Z-score. Những phát hiện này phù hợp với nghiên cứu của Kabir và cộng sự (2021), khi cho rằng doanh nghiệp phát thải cao phải chịu chi phí vốn lớn hơn và gặp nhiều rào cản tiếp cận nguồn tài trợ giá rẻ.

Tiếp cận khác xem phát thải carbon như một tín hiệu rủi ro phá sản. Capasso và cộng sự (2020) xác định mối liên hệ giữa cường độ phát thải và khả năng vỡ nợ, lập luận rằng các ngành phát thải cao đối mặt với chi phí tuân thủ lớn, doanh thu suy giảm và định giá thấp hơn, tất cả làm giảm lợi nhuận và EBIT, là thành phần cốt lõi trong Z-score. Wang và cộng sự (2022) đưa ra bằng chứng rằng rủi ro carbon ảnh hưởng đến cả chi phí vốn chủ sở hữu lẫn chi phí nợ vay. Doanh nghiệp phát thải cao thường phải chịu “phí bù rủi ro carbon” khiến chi phí tài chính tăng và Z-score suy giảm (Jung và cộng sự, 2018) trong bối cảnh Úc, khi các doanh nghiệp không công bố minh bạch dữ liệu phát thải qua Dự án công bố carbon (Carbon Disclosure Project, CDP) phải chịu chi phí vay cao hơn rõ rệt.

Nhiều nghiên cứu cảnh báo về sự không đồng nhất trong đo lường rủi ro carbon. Trinks và cộng sự (2022) chỉ ra rằng việc sử dụng các chỉ số khác nhau như phát thải tuyệt đối, phát thải trên doanh thu hoặc trên tổng tài sản có thể dẫn đến kết quả khác nhau. Ngoài ra, tác động tài chính của phát thải còn phụ thuộc vào thể chế, mức độ minh bạch và chính sách định giá carbon quốc gia (Ehlers và cộng sự, 2022).

Tại Việt Nam, Nguyen và cộng sự (2023) cho thấy doanh nghiệp tại các thị trường mới nổi có phát thải cao dễ bị tổn thương hơn khi chính sách khí hậu trở nên chặt chẽ. Các nghiên cứu về mối liên hệ giữa phát thải carbon và Z-score hầu như chưa được thực hiện, dù đã cam kết đạt phát thải ròng bằng 0 vào năm 2050. Điều này cho thấy nhu cầu cấp thiết trong việc đánh giá mức độ nhạy cảm tài chính của doanh nghiệp Việt Nam thông qua các mô hình định lượng như Altman’s Z-score.

Phương pháp nghiên cứu

Dữ liệu nghiên cứu

Nghiên cứu này sử dụng bộ dữ liệu bảng gồm 1.993 doanh nghiệp niêm yết tại Việt Nam trong giai đoạn 2012-2023, với tổng số 15.146 quan sát theo năm. Thông tin tài chính được thu thập từ nền tảng dữ liệu FiinPro-X, trong khi dữ liệu phát thải CO₂ ở cấp độ doanh nghiệp được tính toán dựa trên dữ liệu từ Tổng điều tra kinh tế hằng năm do Tổng cục Thống kê (nay là Cục Thống kê, Bộ Tài chính) thực hiện. Quá trình tiền xử lý dữ liệu đảm bảo loại bỏ các giá trị thiếu, nhiễu và ngoại lệ. Tất cả các mô hình hồi quy được ước lượng bằng phần mềm Stata phiên bản 18.

Đo lường rủi ro phá sản

Biến phụ thuộc trong nghiên cứu này là rủi ro phá sản doanh nghiệp, được đo lường bằng mô hình Altman’s Z-score (Altman, 1968). Giá trị Z-score càng thấp cho thấy mức độ khó khăn tài chính càng cao và xác suất phá sản càng lớn. Công thức cụ thể như sau:

Z-score = 0.012X₁ + 0.014X₂ + 0.033X₃ + 0.006X₄ + 0.999X₅ (1)

Trong đó: X₁ là tỷ lệ vốn lưu động trên tổng tài sản (WC/TA); X₂ là tỷ lệ lợi nhuận giữ lại trên tổng tài sản (RE/TA); X₃ là tỷ lệ lợi nhuận trước lãi vay và thuế trên tổng tài sản (EBIT/TA); X₄ là tỷ lệ giá trị thị trường của vốn chủ sở hữu trên tổng nợ phải trả (MVE/TL); X₅ là tỷ lệ doanh thu trên tổng tài sản (Sales/TA).

Đo lường rủi ro carbon

Biến giải thích chính trong nghiên cứu này được đo lường thông qua 2 chỉ số đại diện: CarbonSales được định nghĩa là tỷ lệ giữa lượng phát thải CO₂ và doanh thu thuần; CarbonAssets là tỷ lệ giữa lượng phát thải CO₂ và tổng tài sản. Các chỉ số này tuân theo khung phương pháp luận do Feng và cộng sự (2024) và Wang và cộng sự (2022) đề xuất, nhằm phản ánh mức độ tiếp xúc cũng như khả năng thích ứng của doanh nghiệp trước rủi ro biến đổi khí hậu. Lượng phát thải CO₂ được ước tính dựa trên hướng dẫn của Ủy ban Liên chính phủ về Biến đổi Khí hậu (IPCC, 2006) và được hiệu chỉnh theo hệ số phát thải cụ thể cho từng loại năng lượng do Bộ Tài nguyên và Môi trường (2022) nay là Bộ Nông nghiệp và Môi trường ban hành.

Nghiên cứu giới hạn phạm vi đo lường phát thải trong 2 phạm vi chính: Scope 1 (phát thải trực tiếp) và Scope 2 (phát thải gián tiếp từ tiêu thụ điện năng), đây là 2 loại phát thải được báo cáo phổ biến nhất.

Các biến kiểm soát

Các biến kiểm soát nhằm giảm thiểu sai lệch do thiếu biến, đảm bảo giải thích toàn diện hơn về rủi ro tài chính của doanh nghiệp, gồm: FirmSize (quy mô doanh nghiệp), Tangibility (tài sản cố định hữu hình), CashFlow (dòng tiền thuần từ hoạt động kinh doanh) và Leverage (đòn bẩy tài chính).

Mô hình nghiên cứu

Nghiên cứu này sử dụng mô hình hồi quy tuyến tính với hiệu ứng cố định đa chiều (multi-way fixed effects) để ước lượng mối quan hệ giữa phát thải carbon và rủi ro phá sản doanh nghiệp. Cụ thể, mô hình đồng thời kiểm soát cho hiệu ứng cố định theo ngành và theo năm, đồng thời điều chỉnh sai số chuẩn cụm theo doanh nghiệp nhằm xử lý hiện tượng phương sai sai số không đồng nhất (heteroskedasticity) và tự tương quan chuỗi theo thời gian. Chiến lược ước lượng này đặc biệt phù hợp với dữ liệu bảng nhiều chiều, giúp giảm thiểu sai lệch do các yếu tố không quan sát được nhưng bất biến theo thời gian ở cấp ngành hoặc theo giai đoạn. Phương pháp này kế thừa các nghiên cứu thực nghiệm gần đây như Nguyen và cộng sự (2023), Wang và cộng sự (2022) nhấn mạnh khả năng dự báo của các chỉ số liên quan đến carbon trong việc đánh giá rủi ro tài chính trong bối cảnh chuyển đổi toàn cầu hướng tới trung hòa carbon và tài chính bền vững.

Mô hình hồi quy được xác định như sau:

Corporate Bankruptcy_i,t = βCarbon Risk_i,t + γX_i,t + δ_j×δ_t + ε, (2)

Trong đó: CorporateBankruptcy_i,t đại diện cho rủi ro phá sản doanh nghiệp, được đo lường bằng chỉ số Altman’s Z-score; CarbonRisk_i,t biểu thị rủi ro carbon của doanh nghiệp, được đo bằng tỷ lệ phát thải CO₂ trên doanh thu thuần (CarbonSales) hoặc trên tổng tài sản (CarbonAssets). X_i,t là các biến kiểm soát phản ánh đặc điểm tài chính của doanh nghiệp gồm: FirmSize (quy mô doanh nghiệp), Tangibility (tài sản cố định hữu hình), CashFlow (dòng tiền thuần từ hoạt động kinh doanh), Leverage (đòn bẩy tài chính), δ_j hiệu ứng ngành, δ_t hiệu ứng năm, ε là sai số ngẫu nghiên.

KẾT QUẢ NGHIÊN CỨU

Thống kê mô tả

Tại Bảng 1, biến phụ thuộc Z-score có giá trị trung bình 3,511 với độ lệch chuẩn lớn (18,309), phản ánh sự khác biệt đáng kể về rủi ro phá sản giữa các doanh nghiệp. Hai biến rủi ro carbon là CarbonSales và CarbonAssets có giá trị trung bình gần bằng 0 và độ lệch chuẩn thấp, cho thấy mức phát thải ổn định trong mẫu. FirmSize (log doanh thu) dao động mạnh, từ -6,749 đến 13,046, thể hiện sự chênh lệch lớn về quy mô doanh nghiệp. Profitability và CashFlow có giá trị trung bình dương, nhưng giá trị nhỏ nhất âm sâu, hàm ý sự hiện diện của doanh nghiệp gặp khó khăn về hiệu quả và thanh khoản. Đáng chú ý, biến Leverage có trung bình 0,599 nhưng đạt tối đa trên 104, cho thấy một số doanh nghiệp có mức đòn bẩy tài chính cao.

Bảng 1: Thống kê mô tả

Nguồn: Kết quả xử lý dữ liệu của tác giả

Ma trận tương quan Pearson giữa các biến trong mô hình, dựa trên tổng số 15.146 quan sát, kết quả hầu hết các hệ số tương quan đều thấp hơn ngưỡng 0,85, cho thấy tập dữ liệu không gặp vấn đề nghiêm trọng về đa cộng tuyến.

Kết quả hồi quy

Bảng 2 trình bày kết quả hồi quy từ Mô hình (2), với Z-score của Altman là biến phụ thuộc. Kết quả cho thấy mối quan hệ âm và có ý nghĩa thống kê giữa phát thải carbon và rủi ro phá sản doanh nghiệp. Cả hai chỉ số CarbonSales và CarbonAssets đều có hệ số âm, có ý nghĩa thống kê ở mức 1% trong tất cả các cấu trúc mô hình, bất kể hiệu ứng cố định được áp dụng. Cụ thể, hệ số của CarbonSales dao động từ -4,981 đến -2,262; trong khi CarbonAssets từ -3,213 đến -2,778, cho thấy doanh nghiệp có cường độ phát thải cao có xu hướng có Z-score thấp hơn, tức là xác suất phá sản cao hơn. Những phát hiện này phù hợp với lý thuyết rủi ro khí hậu, cho rằng doanh nghiệp phát thải cao phải đối mặt với chi phí tuân thủ lớn, giám sát pháp lý nghiêm ngặt hơn, tổn hại uy tín và khả năng bị loại khỏi danh mục đầu tư ESG (TCFD, 2017).

Bảng 2: Kết quả hồi quy tác động phát thải carbon lên rủi ro phá sản

Sai số chuẩn được ghi trong ngoặc đơn. Mức ý nghĩa: ^* p < 0.10, ^** p < 0.05, ^*** p < 0.01

Nguồn: Kết quả xử lý dữ liệu của tác giả

Kết quả các biến kiểm soát phù hợp với lý thuyết tài chính doanh nghiệp, cụ thể: FirmSize có hệ số âm, có ý nghĩa ở mức 5%, hàm ý rằng doanh nghiệp lớn hơn có thể chịu áp lực chi phí cố định và rủi ro vận hành cao hơn. Ngược lại, CashFlow có hệ số dương, có ý nghĩa cao (p < 0,01), xác nhận rằng dòng tiền hoạt động mạnh giúp giảm rủi ro tài chính, đặc biệt trong điều kiện môi trường biến động (Jung và cộng sự, 2018). Leverage và Tangibility đều có hệ số âm có ý nghĩa, cho thấy đòn bẩy cao và tỷ lệ tài sản hữu hình thấp làm suy giảm Z-score, đồng nghĩa với rủi ro phá sản gia tăng. Mặc dù giá trị R² điều chỉnh dao động tương đối thấp từ 0,003 đến 0,121, phổ biến trong các doanh nghiệp có đặc điểm phân tán và không đồng nhất. Tuy vậy, dấu và ý nghĩa thống kê của các biến vẫn nhất quán trên các mô hình, củng cố độ tin cậy của kết quả, đặc biệt khi sai số chuẩn được cụm hóa theo doanh nghiệp nhằm kiểm soát sai lệch trong nhóm.

THẢO LUẬN VÀ HÀM Ý CHÍNH SÁCH

Thảo luận học thuật

Nghiên cứu này xác nhận mối quan hệ âm có ý nghĩa thống kê giữa phát thải carbon và chỉ số Z-score của Altman, cho thấy rằng mức phát thải cao hơn có liên quan đến xác suất phá sản doanh nghiệp cao hơn. Kết quả này phù hợp với khung lý thuyết về rủi ro biến đổi khí hậu, trong đó các doanh nghiệp phải đối mặt với chi phí tuân thủ, rủi ro pháp lý và tổn hại uy tín nếu không đáp ứng các tiêu chuẩn phát triển bền vững. Việc ứng dụng mô hình Z-score trong bối cảnh khí hậu không chỉ chứng minh năng lực dự báo của mô hình này mà còn nâng cao giá trị thông tin của các mô hình dự báo phá sản truyền thống khi được mở rộng để tích hợp yếu tố môi trường.

Phát hiện này nhất quán với các nghiên cứu gần đây như Alshahrani và cộng sự (2023), Ding và cộng sự (2023) và Nguyen và cộng sự (2023), cho thấy có thể định lượng rủi ro khí hậu và có khả năng gây tác động hệ thống đến sức khỏe tài chính của doanh nghiệp. Việc chuyển hóa các yếu tố môi trường trước đây chủ yếu mang tính định tính thành biến giải thích trong các mô hình tài chính mở ra tiềm năng lớn cho nghiên cứu liên ngành và xây dựng các khung phân tích tài chính - khí hậu hiện đại.

Hàm ý chính sách và ý nghĩa thực tiễn

Từ góc độ chính sách, phát hiện rằng phát thải carbon có ảnh hưởng tiêu cực đến Z-score cho thấy rủi ro môi trường cần được tích hợp vào các hệ thống giám sát tài chính vĩ mô. Các cơ quan quản lý có thể sử dụng mô hình tích hợp Carbon, Z-score như một công cụ cảnh báo sớm đối với các ngành phát thải cao hoặc doanh nghiệp có tình trạng tài chính yếu.

Đối với các tổ chức tín dụng, phát thải carbon nên được xem là một biến bổ sung trong hệ thống đánh giá rủi ro tín dụng doanh nghiệp. Việc đưa yếu tố này vào các mô hình chấm điểm tín dụng xanh có thể nâng cao độ chính xác, giảm thiểu rủi ro nợ xấu và thúc đẩy phân bổ vốn hiệu quả hơn trong nền kinh tế phát thải thấp. Các công cụ tài chính bền vững như trái phiếu xanh cũng có thể sử dụng tiêu chí này để xác định tổ chức phát hành đủ điều kiện và xây dựng cơ chế khuyến khích phù hợp.

Đối với doanh nghiệp, sự suy giảm đáng kể của Z-score liên quan đến phát thải carbon cao nên được coi là tín hiệu cảnh báo trực tiếp trong chiến lược quản trị tài chính và môi trường. Doanh nghiệp cần chủ động đo lường, kiểm soát và công bố phát thải như một phần trong chiến lược quản lý rủi ro tổng thể. Đồng thời, cần tăng cường khả năng chống chịu dòng tiền, tái cấu trúc đòn bẩy tài chính và nâng cao năng lực thích ứng với yêu cầu chuyển đổi xanh.

Đối với nhà đầu tư, việc tích hợp Z-score với dữ liệu carbon có thể trở thành công cụ sàng lọc rủi ro kép hữu hiệu phản ánh cả khía cạnh tài chính và môi trường qua đó nâng cao hiệu quả phân bổ vốn, đặc biệt trong các chiến lược đầu tư ESG và danh mục tín dụng có trách nhiệm.

Các kết quả được phát hiện của nghiên cứu này không chỉ cung cấp bằng chứng thực nghiệm về tác động định lượng của rủi ro khí hậu đến sức khỏe tài chính doanh nghiệp mà còn đặt nền tảng cho các ứng dụng đa chiều trong quản trị rủi ro, giám sát tín dụng và xây dựng chính sách tài chính khí hậu.

KẾT LUẬN

Nghiên cứu này đã khảo sát mối quan hệ giữa phát thải carbon và rủi ro phá sản doanh nghiệp thông qua mô hình Altman’s Z-score, dựa trên dữ liệu bảng của các doanh nghiệp niêm yết tại Việt Nam trong giai đoạn 2012-2023. Kết quả thực nghiệm cho thấy mối tương quan âm có ý nghĩa thống kê giữa phát thải carbon và chỉ số Z-score, hàm ý rằng các doanh nghiệp có mức phát thải cao có xác suất phá sản cao hơn đáng kể. Phát hiện này đóng góp vào việc mở rộng khả năng cung cấp thông tin của mô hình Z-score khi tích hợp yếu tố môi trường vào phân tích tài chính truyền thống, đồng thời làm rõ vai trò định lượng của rủi ro khí hậu trong khung giám sát tín dụng doanh nghiệp và ổn định tài chính.

Về mặt lý thuyết, nghiên cứu bổ sung bằng chứng cho thấy các biến môi trường, chẳng hạn như phát thải CO₂, có thể được định lượng và tích hợp vào mô hình dự báo rủi ro tài chính với độ tin cậy cao. Về mặt thực tiễn, mô hình tích hợp Carbon - Z-score cho thấy tiềm năng trở thành công cụ cảnh báo sớm hữu hiệu đối với cơ quan quản lý, hỗ trợ xây dựng chính sách tín dụng xanh và giúp doanh nghiệp điều chỉnh chiến lược tài chính phù hợp với mục tiêu phát triển bền vững.

Tuy nhiên, nghiên cứu cũng tồn tại một số hạn chế, chủ yếu do phạm vi dữ liệu giới hạn trong một quốc gia và sự không đồng đều về mức độ sẵn có của dữ liệu phát thải giữa các ngành. Các nghiên cứu tương lai có thể khắc phục bằng cách mở rộng sang bối cảnh so sánh đa quốc gia, kết hợp thêm các chỉ số công bố ESG hoặc chỉ số thích ứng khí hậu nhằm tăng cường độ bao phủ và khả năng dự báo của mô hình.

Tài liệu tham khảo:

1. Alshahrani, F., Eulaiwi, B., Duong, L., & Taylor, G. (2023). Climate change performance and financial distress, Business Strategy and the Environment, 32(6), 3249-3271. https://doi.org/10.1002/bse.3298

2. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy, The journal of finance, 23(4), 589-609.

3. Bộ Tài nguyên và Môi trường (2022). Công bố danh mục hệ số phát thải phục vụ kiểm kê khí nhà kính, https://stnmt.thuathienhue.gov.vn/UploadFiles/TinTuc/2022/11/1/cong_bo_he_so_phat_thai_phuc_vu_kkknk.pdf

4. Capasso, G., Gianfrate, G., & Spinelli, M. (2020). Climate change and credit risk, Journal of Cleaner Production, 266, 121634.

5. Ding, X., Li, J., Song, T., Ding, C., & Tan, W. (2023). Does carbon emission of firms aggravate the risk of financial distress? Evidence from China, Finance Research Letters, 56, 104034. https://doi.org/10.1016/j.frl.2023.104034

6. Ehlers, T., Packer, F., & de Greiff, K. (2022). The pricing of carbon risk in syndicated loans: Which risks are priced and why?, Journal of Banking & Finance, 136, 106180. https://doi.org/10.1016/j.jbankfin.2021.106180

7. Feng, F., Han, L., Jin, J., & Li, Y. (2024). Climate Change Exposure and Bankruptcy Risk, British Journal of Management, 35(4), 1843–1866. https://doi.org/10.1111/1467-8551.12792

8. IPCC. (2006). Stationary combustion, https://www.ipcc-nggip.iges.or.jp/public/2006gl/pdf/2_Volume2/V2_2_Ch2_Stationary_Combustion.pdf

9. Jung, J., Herbohn, K., & Clarkson, P. (2018). Carbon Risk, Carbon Risk Awareness and the Cost of Debt Financing, Journal of Business Ethics, 150(4), 1151-1171. https://doi.org/10.1007/s10551-016-3207-6

10. Kabir, M. N., Rahman, S., Rahman, M. A., & Anwar, M. (2021). Carbon emissions and default risk: International evidence from firm-level data, Economic Modelling, 103, 105617. https://doi.org/10.1016/j.econmod.2021.105617

11. Nguyen, Q., Diaz-Rainey, I., & Kuruppuarachchi, D. (2023). In search of climate distress risk, International Review of Financial Analysis, 85, 102444. https://doi.org/10.1016/j.irfa.2022.102444

12. TCFD. (2017). Recommendations of the Task Force on Climate - related Financial Disclosures, https://assets.bbhub.io/company/sites/60/2021/10/FINAL-2017-TCFD-Report.pdf

13. Trinks, A., Ibikunle, G., Mulder, M., & Scholtens, B. (2022). Carbon Intensity and the Cost of Equity Capital, The Energy Journal, 43(2), 181-214. https://doi.org/10.5547/01956574.43.2.atri

14. Wang, Y., Wu, Z., & Zhang, G. (2022). Firms and climate change: A review of carbon risk in corporate finance, Carbon Neutrality, 1(1), 6. https://doi.org/10.1007/s43979-022-00005-9

15. Zhou, Z. (2018). Carbon risk, cost of debt financing and the moderation effect of media attention: Evidence from Chinese companies operating in high‐carbon industries - Zhou - 2018 - Business Strategy and the Environment - Wiley Online Library, https://onlinelibrary.wiley.com/doi/10.1002/bse.2056