STEP 01 / SAMPLE
先看样本：一个覆盖 44 个国家的资产级面板
2004–2022 年，323 家 for-profit 电力企业，分布在 56 个电力市场、128 个子市场。现有 57,787 个机组，计划新增 7,961 个机组。
16,598企业-子市场-年
65,748电厂层面观测
Journal of Finance · 2026 · 交互式论文解读
当气候模型各执一词，
企业如何投资？
不确定性不会让投资消失，而是把投资推向更柔性的技术。基于 323 家电力企业、7,961 个计划电厂的资产级证据。
01 不确定性改变技术构成
02 柔性 ↑，刚性 ↓
03 有柔性机会时，总量也可能 ↑
0家企业
0个国家
0个子市场
0个气候模型
0种情景
0GW 计划装机
Lin, Schmid & Weisbach (2026), Journal of Finance 81(5), 2985–3034.
向下滚动，约 10 分钟读完
01 研究问题
未来需求看不准，
企业会少建电厂吗？
论文问的不是“不确定性好不好”，而是一个更具体的问题：当企业无法准确预测 25–30 年后的电力需求时，它会改变投资的总量，还是改变投资的技术构成？
场景是放开的批发电力市场：企业不能靠产品质量差异化竞争，却可以选择不同成本结构与柔性的生产技术。一个电厂项目要决定是否投资、投多少容量、投在哪里、用什么技术。
不确定性来自一个不太直观的地方：CMIP 气候模型对同一地点未来温度的预测存在分歧。温度影响取暖与制冷需求，于是“温度预测的分歧”可以转化为“未来电力需求的不确定性”。
论文的核心判断因此不是“投不投”，而是“投什么”。它把因变量拆成三块：柔性投资、刚性投资、总投资；再检验企业在不同不确定性下如何重新排列这三者。
三个可检验的假设
H1 柔性技术投资随不确定性上升；H2 刚性技术投资随不确定性下降；H3 总投资的净效应取决于企业能否获得柔性投资机会。
H1
柔性技术投资 ↑
天然气、石油、生物气、抽水蓄能可以在需求低、价格低时停机，避免运营亏损。
H2
刚性技术投资 ↓
煤、核、风、光、水等不可按需停机的技术，在坏状态下仍要承担固定成本。
H3
净效应 = ？
若企业能转向柔性技术，总投资可能上升；若不能，等待期权可能占上风。
图 Q1-1 · 从模型分歧到投资分叉
点击节点查看变量定义；这不是一条已被完全证实的因果链，而是论文要检验的机制。
提示：点击切换定义；键盘同样可操作。
| 问题 | 论文的回答方式 |
|---|---|
| 不确定性如何度量？ | 同一子市场、同一预测窗口内，109 个 CMIP 模型、338 个情景的异常温度预测标准差。 |
| 投资如何度量？ | 计划新增装机容量 ÷ 现有装机容量，截断在 1；并按技术类型拆分。 |
| 技术柔性如何区分？ | 天然气、石油、生物气、抽水蓄能为柔性；其余为刚性。 |
| 净效应如何识别？ | 按 2004 年天然气管道密度划分地区，检验总投资响应。 |
来源：论文摘要、Section I.C、Figure A1、Table II。表中“柔性/刚性”是论文的技术分类，不是本页的价值判断。
02 为何重要
不确定性可能是换挡器，
而不是刹车。
理论上，不确定性有两种方向相反的力量：利润函数的凸性让企业从波动中受益；不可逆投资的等待期权让企业推迟行动。哪一种占上风，取决于企业能否柔性调整生产。
凸性效应：柔性电厂可以在需求低、价格低时停机，避免运营亏损；这使利润函数对需求冲击更凸。不确定性上升时，企业更愿意投资柔性技术。
等待期权效应：电厂投资高度不可逆、寿命长。不确定性上升时，等待更多信息的期权价值上升，企业可能推迟投资。
Lee and Shin (2000) 指出，柔性投入品份额会影响两种效应的相对强弱。但此前缺少一个能同时观察技术柔性与外生需求不确定性的经验场景。
电力行业因此像一个理想实验室：产品同质、技术差异显著、电厂寿命 25–30 年、温度直接影响需求，而且计划中的电厂项目、地点与技术都可以被观察到。
图 Q2-1 · 理论拔河
拖动“生产柔性”，观察两种力量的相对强弱。
概念示意
0样本企业
0国家
0电力子市场
0现有电厂机组
0现有装机 GW
0计划新增机组
0计划新增 GW
0CMIP 模型
0气候情景
0建模团队
图 Q2-2 · 温度—负荷 U 型关系（预告）
低温时升温减少取暖需求；高温时升温增加制冷需求。
示意重绘
03 难点
难在同时看见“未来的分歧”
和“今天的计划”。
要回答这个问题，研究者需要四个通常不在一起的条件：外生的需求不确定性、资产级的投资数据、技术类型，以及全球可比的电力市场。缺一个，结论就会变弱。
关卡 1如何度量“未来的需求不确定性”？
难点：没有直接的企业预期调查；温度预测本身有模型分歧；不同模型对同一地点的绝对温度水平也可能不同。
论文解法：使用 CMIP3/5/6 的 109 个模型、338 个情景；先计算“异常温度”（预测温度减去该模型 1900–1999 年同月历史模拟均值），去除模型系统性偏差；再对每个未来年月计算跨模型/情景标准差；在 y+5 到 y+30 的 25 年窗口内平均，最后取对数。
仍不完美：模型分歧不等于企业主观不确定性；它可能同时包含模型结构不确定性。关卡 2如何度量“今天的投资”？
难点：多数企业投资数据是年度 capex，看不到具体项目、地点和技术；已完工项目又无法反映“计划阶段”的决策。
论文解法：使用 Platts WEPP（非美国）与 EIA Form 860（美国），覆盖计划中与现有电厂机组，记录技术、容量、地点、所有者/运营者；用“计划新增 MW ÷ 现有 MW”构造投资强度，截断在 1。
仍不完美：计划项目可能取消或延期；计划容量也不等于实际 capex。关卡 3如何识别因果效应？
难点：温度不确定性可能与本地经济、地理、现有需求波动相关；这些因素也可能影响投资。
论文解法：利用 CMIP 阶段变化（CMIP3→5→6）带来的时间序列变异，这些变化主要来自科学进步与算力提升；控制年份、企业、子市场固定效应；加入异常温度分组控制；稳健性中加入企业×年份、市场×年份、企业×市场×年份固定效应；排除高市场势力企业、逐个剔除市场、替换不确定性度量。
仍不完美：不是随机实验；识别依赖“模型更新与本地投资无关”的假设。关卡 4理论符号本身不确定，怎么办？
难点：凸性效应与等待期权效应方向相反；平均处理效应可能接近零，但异质性很重要。
论文解法：按技术柔性拆分因变量（柔性投资、刚性投资、总投资）；按天然气管道密度拆分地区（柔性投资机会多/少）；按市场集中度、企业市场势力拆分；用机制测试验证三个假设：温度→需求、需求→价格、柔性→更凸的利润函数。
仍不完美：无法直接观测利润函数；机制证据是间接的。图 Q3-1 · 从原始数据到回归样本
点击左侧任一数据源，查看覆盖范围与在论文中的用途。
Section II
原始数据
关键度量
U异常温度预测标准差（取对数）
Inv计划新增 MW / 现有 MW
D2004 年天然气管道密度
FCR技术固定成本率
回归样本
16,598企业-子市场-年观测
65,748电厂层面观测
323家企业 · 128个子市场
点击左侧数据源，查看它在论文中的覆盖范围与用途。
E1 · 异常温度
T̃k,sm,t = Tk,sm,t − T̄k,sm,month(t)1900–1999
去除每个模型自身的系统性偏差。历史均值来自同一模型的历史模拟，而不是观测数据。
E2 · 不确定性
Usm,y = log( 1300 ∑j=1300 SDk(T̃k,sm,j) )
j 遍历 y+5 到 y+30 的 300 个未来年月；先对每个年月计算跨模型/情景标准差，再对 300 个月取平均。
E3 · 投资强度
Invi,sm,y = min(1, planned MWi,sm,yexisting MWi,sm,y)
柔性/刚性投资按技术类型分别计算；总投资不是二者简单相加，因为各自都可能被截断在 1。
E4 · 固定成本率
FCRp = FixedCostpFixedCostp + VariableCostp
柔性技术固定成本率平均 32.1%，刚性技术平均 81.4%。这是“柔性有成本”的关键证据。
图 Q3-2 · CMIP 预测窗口时间轴
拖动样本年，查看 25 年预测窗口如何跨越 CMIP 阶段。
当前样本年2010
04 文献缺口
理论给了相反答案，
经验研究缺少“资产层”证据。
既有研究要么在总量/政策不确定性层面，要么只看价格波动；很少能同时观察到“计划中的资产 + 技术选择 + 地点 + 外生需求不确定性”。论文填补的正是这个交叉空白。
理论轨 · 符号之争
经验轨 · 从总量到资产
图 Q4-1 · 缺口矩阵
点击单元格查看对应的代表性文献与局限；“只看本文补齐的格子”会高亮最后一行。
| 研究脉络 | 资产级投资 | 计划项目 | 技术柔性 | 外生需求不确定性 | 全球样本 |
|---|---|---|---|---|---|
| 政策/选举不确定性 | 否 | 否 | 否 | 否 | 部分 |
| 价格波动与钻井/船舶 | 部分 | 部分 | 否 | 部分 | 否 |
| 气候金融与投资者感知 | 否 | 否 | 否 | 否 | 部分 |
| 本文 | 是 | 是 | 是 | 是 | 是 |
传统数据看见的
企业年度 capex
企业年度 capex→一个总数
本文数据看见的
计划机组 + 地点 + 技术 + 容量
计划机组+地点+技术+容量→投资构成
05 证据
一条从气候模型分歧
到电厂技术选择的证据链
323 家企业、128 个子市场、109 个气候模型：不确定性上升时，柔性投资增加、刚性投资减少，而平均总投几乎不变。
STEP 02 / MEASURE
用“模型间分歧”近似“企业面对的需求不确定性”
109 个 CMIP 模型、338 个情景，对同一地点未来温度给出不同预测。先去除每个模型的系统性偏差，再计算跨模型标准差。
109模型
338情景
42建模团队
STEP 03 / WINDOW
每个样本年，对应一个 25 年预测窗口
窗口从 y+5 开始，覆盖约 5 年建设期与 25 年经济寿命。论文利用 CMIP3→5→6 的科学更新作为识别变异。
y+5窗口起点
y+30窗口终点
25年
STEP 04 / TECHNOLOGY
不确定性上升，计划电厂更“柔”、固定成本更低
在电厂层面，计划 × 不确定性的交互项为正：新电厂更可能采用柔性技术；其技术的固定成本率也更低。
+0.16**柔性技术
−0.11**固定成本率
STEP 05 / LEVEL
柔性投资上升，刚性投资下降，平均总投几乎不变
每 1% 的不确定性上升，柔性投资相对均值增加 3.70%，刚性投资减少 2.20%；总投资系数不显著。
+3.70%柔性
−2.20%刚性
≈0总投
STEP 06 / OPPORTUNITY
有柔性机会时，不确定性反而提高总投资
按 2004 年天然气管道密度划分：低/中三分位不显著；高三分位地区，每 1% 不确定性上升带来 5.40% 的总投资增加。
+1.38%中位密度
+3.21%P75
+5.40%高三分位
STEP 01 · SAMPLE
样本结构：现有与计划装机
每 1% 不确定性上升
柔性投资相对均值+3.70%0.18** · t = 2.14
柔性投资相对均值+3.70%0.18** · t = 2.14
每 1% 不确定性上升
刚性投资相对均值−2.20%−0.27* · t = −1.84
刚性投资相对均值−2.20%−0.27* · t = −1.84
平均总投资效应
统计上不显著≈ 0−0.071 · t = −0.43
统计上不显著≈ 0−0.071 · t = −0.43
高管道密度三分位
总投资相对均值+5.40%0.88*** · t = 3.18
总投资相对均值+5.40%0.88*** · t = 3.18
图 Q5-1 · 计划电厂的技术结构
面积按计划容量（GW）或机组数切换；琥珀色为柔性，钢蓝色为刚性。
在计划新增项目中，柔性机组占数量 2,031 / 7,961 ≈ 25.5%，占容量 530 / 1,614 ≈ 32.8%。天然气占柔性计划容量的 89%。
查看 Table I 原始数据（计划电厂）
| 类别 | 技术 | 机组数 | 容量 GW | 平均 MW | 中位 MW |
|---|---|---|---|---|---|
| 柔性 | 天然气 | 1,583 | 473 | 299 | 250 |
| 柔性 | 生物气 | 98 | 2 | 16 | 5 |
| 柔性 | 石油 | 133 | 7 | 51 | 19 |
| 柔性 | 抽水蓄能 | 217 | 49 | 225 | 200 |
| 刚性 | 煤 | 739 | 436 | 589 | 660 |
| 刚性 | 核 | 103 | 115 | 1,117 | 1,200 |
| 刚性 | 废弃物 | 208 | 28 | 136 | 130 |
| 刚性 | 其他非可再生 | 60 | 5 | 76 | 20 |
| 刚性 | 太阳能 | 991 | 60 | 61 | 11 |
| 刚性 | 风 | 2,128 | 268 | 126 | 50 |
| 刚性 | 常规水电 | 1,537 | 163 | 106 | 36 |
| 刚性 | 生物质 | 76 | 5 | 66 | 24 |
| 刚性 | 其他可再生 | 88 | 4 | 44 | 20 |
| 合计 | 7,961 | 1,614 | 207 | 184 |
来源：Lin, Schmid & Weisbach (2026), Table I, p. 2997。数据为计划新增电厂机组。
交互工具 · 1% 不确定性冲击模拟器
基于论文 Table IV 的系数与样本均值；这是估计值的量级复现，不是对未来的预测。
投资类型
柔性投资 · 相对样本均值
+3.70%
每 1% 的不确定性上升，柔性投资相对样本均值增加 3.70%。
系数 0.18 × ΔlnU / 均值 0.049。交互项口径只使用交互项，不含主效应。
图 Q5-2 · 竞争越充分，企业越会把不确定性纳入决策
按市场集中度 HHI 拆分：低/中集中市场显著，高集中市场为正但不显著。
机制 1 · 温度 → 需求
低于 18.3°C，+1°C 使负荷约 −0.5%；高于 18.3°C，+1°C 使负荷约 +2.3%。
机制 2 · 波动 → 价格波动
温度标准差 +1% → 负荷标准差 +0.15%–0.35%；负荷标准差 +1% → 价格标准差 +0.43%。
机制 3 · 柔性技术更能“躲开”坏状态
柔性发电对消费弹性 1.22、对价格弹性 0.42；刚性对消费弹性 0.52、对价格不敏感（−0.032，n.s.）。
成本结构 · 柔性不是免费的
柔性平均固定成本率 32.1%，刚性 81.4%。柔性通常意味着更低的固定成本，但更高的可变成本。
单位：2013 US$/MWh。固定成本包括固定运维与平准化资本成本；可变成本包括可变运维与燃料成本。来源：Table AI。
查看 Table IV / V / VI 关键回归数据
| 表 | 设定 | 系数 | t 值 | 解读 |
|---|---|---|---|---|
| T IV | 柔性投资 · Log(异常温度 SD) | 0.18** | 2.14 | +3.70% 相对均值 |
| T IV | 刚性投资 · Log(异常温度 SD) | −0.27* | −1.84 | −2.20% 相对均值 |
| T IV | 总投资 · Log(异常温度 SD) | −0.071 | −0.43 | 不显著 |
| T IV | 总投资 × 管道密度 | 0.020*** | 2.87 | 柔性机会决定总量 |
| T V | 低管道密度三分位 | −0.078 | −0.30 | 不显著 |
| T V | 中管道密度三分位 | 0.14 | 0.56 | 不显著 |
| T V | 高管道密度三分位 | 0.88*** | 3.18 | +5.40% 相对均值 |
| T VI | HHI < 0.15 | 0.017** | 2.36 | 显著为正 |
| T VI | 0.15 ≤ HHI < 0.25 | 0.036*** | 3.56 | 显著为正 |
| T VI | HHI ≥ 0.25 | 0.0099 | 1.05 | 为正但不显著 |
来源：Table IV, p. 3010；Table V, p. 3012；Table VI, p. 3015。星号为论文报告显著性：*** 1%，** 5%，* 10%。
图 Q5-3 · 稳健性：结论不是某一个设定“跑”出来的
点击任一设定，查看它改变了什么，以及论文的定性结论。
点击上方任一设定查看说明。所有列出的替代设定下，核心交互项保持为正，高三分位结果保持显著。
图 Q5-4 · 局限：边界清晰的论文，而不是万能结论
下面每一条都对应论文承认的边界，或本页读者需要注意的外推风险。
Section V
边界 01行业特定
仅电力行业、放开市场、for-profit 企业。
怎么读：不要把结论直接外推到所有行业。
边界 02度量不是完美测量
模型间分歧 ≠ 企业主观不确定性。
怎么读：这是“plausibly exogenous”的代理，不是完美测量。
边界 03计划 ≠ 实现
计划项目可能取消、延期、变更技术。
怎么读：不要把计划容量等同于最终 capex。
边界 04预测窗口假设
25 年寿命 + 5 年建设期。
怎么读：稳健性对窗口假设敏感度有限，但它仍是一个假设。
边界 05机制是间接的
无法直接观测利润函数。
怎么读：机制证据一致，但不是直接结构估计。
边界 06市场结构
高集中度市场效应弱/不显著。
怎么读：结论更适用于竞争性市场。
边界 07其他需求驱动
GDP、人口、能效、政策等未完全建模。
怎么读：温度不确定性只是需求不确定性的一部分。
边界 08一般均衡
所有企业同时转向柔性技术会改变价格与回报。
怎么读：论文是部分均衡证据，不宜直接做总量福利推断。
06 启发
不确定性不是投资的敌人，
僵化才是。
论文最重要的启示，是把“不确定性—投资”的关系从单一的总量问题，改写成“不确定性—技术选择—总量”的结构问题。企业不是简单地“等待”，而是在购买一种选择权。
论文发现
启发 1 · 看构成，不只看总量
平均总投不变，不代表不确定性没有影响。投资从刚性技术转向柔性技术，本身就是重要的资源配置变化。
- 对研究者：因变量要拆分，不能只看 capex 总量。
- 对投资者：看资产组合的技术结构，而不是只看新增装机。
- 对政策制定者：看投资的质量与可适应性，而不只是数量。
论文发现
启发 2 · 柔性是一种期权，有成本但值得付费
柔性技术通常固定成本低、可变成本高。在确定性世界里，刚性技术可能更高效；在不确定世界里，柔性带来的“可停机、可调整”具有期权价值。
本页推论
启发 3 · 政策应扩大“可选项”，而不仅是消除不确定性
如果政策只试图降低不确定性，可能忽略技术选择的关键作用。扩大柔性投资机会：天然气管网、储能、电网互联、需求响应、灵活合约。
同时注意：天然气是化石能源，柔性并不等于低碳；政策需要区分“短期可调度性”与“长期脱碳目标”。
论文发现
启发 4 · 资产级数据 + 外生不确定性度量，是气候金融研究的新标准
论文的贡献不仅在结论，也在测量：计划项目层面、地点层面、技术层面、模型分歧层面。这为研究航运、航空、房地产、农业、制造业提供了模板。
本页推论
启发 5 · 对个人与组织：用“选择权”对冲不确定性
情景规划：不要只押一个未来；分阶段投资：保留调整空间；组合化技术：在成本效率与柔性之间平衡；监测“模型分歧”：把专家预测的分歧当作决策输入，而不是噪音。
图 Q6-1 · 不确定性与柔性机会的 2×2 矩阵
点击四个象限，查看对应的论文证据或本页推论。
柔性投资机会少
柔性投资机会多
不确定性低
不确定性高
点击任一象限。右下角“高不确定 + 多柔性”是论文最直接支持的组合：高管道密度三分位地区，不确定性每上升 1%，总投资相对均值增加 5.40%。
“Demand uncertainty does not suppress investments, but rather shifts firms’ investments toward more flexible production technologies. If such flexible technologies are available for firms, their overall investment levels may well increase with uncertainty.”— Lin, Schmid, and Weisbach (2026), Conclusion
不确定性不会让所有投资消失；它会让投资寻找出口。真正决定投资是否继续的，不只是未来有多不确定，而是企业手里有没有“可弯折”的选择。
进一步思考
- 其他行业是否也存在类似的“技术柔性”？
- 气候模型分歧能否作为企业感知不确定性的代理？
- 物理风险与转型风险，哪一种对投资构成的影响更大？
- 如果柔性技术本身是高排放的，政策应如何权衡“可调度性”与“脱碳”？
- 计划项目的技术选择，能否预测未来电力系统的实际结构？