环境保护税与重污染企业绿色并购——基于双重变换模型的实证分析

《环境保护税法》的颁布实施推动了中国绿色税收制度的改革,对重污染企业绿色发展至关重要。本文采用2011—2022年重污染行业A股上市公司数据,基于双重变换模型(CIC)研究了环境保护税对重污染企业绿色并购的影响及其作用机制。研究发现:环境保护税有效促进了重污染企业绿色并购,且主要通过促进企业内部主动提升ESG表现及在外部提高合法性要求两种方式影响重污染企业绿色并购。进一步分析发现,环境保护税对不同类型的绿色并购具有不同的效应,对垂直绿色并购的促进作用更为显著;同时,环境保护税对小规模、风险承担水平高及处在成长期和成熟期的重污染企业绿色并购的促进作用更为突出。本文的研究揭示了环境保护税与重污染企业绿色并购的关系,是对企业环保投资、绿色转型研究的深入,为进一步完善中国《环境保护税法》提供重要经验证据。

“一带一路”倡议对我国OFDI企业产能利用率影响研究——基于双重变换模型的实证分析

在有效控制其他产能利用率影响因素的条件下,采用2009—2018年制造业A股上市公司数据,基于双重变换模型研究了“一带一路”倡议的实施对中国OFDI企业产能利用率的影响及其作用机制。结果显示:“一带一路”倡议的实施显著提升了沿线国家投资企业的产能利用率,且这种提升作用主要是通过扩大企业市场规模和缓解企业融资约束等机制实现的。进一步拓展分析结果表明,“一带一路”倡议对中国OFDI企业产能利用率的提升作用主要集中于非新兴优势产业相关企业、国有企业、投资“一带一路”沿线非中国邻国的企业和投资中高收入东道国的企业。以上结论从微观企业视角为“一带一路”倡议下政府如何化解产能过剩这一“顽疾”提供了理论启示。

基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测

分布式屋顶光伏地理位置分散,受地理环境遮挡和多种气象因素影响,导致光伏出力特性存在差异,给变电站级分布式屋顶光伏日前功率预测造成挑战。针对上述问题,提出了一种基于双重注意力变换模型的分布式屋顶光伏变电站级日前功率预测方法。首先,基于动态时间规整算法计算分布式光伏用户出力特性间的相似度,并基于凝聚层次聚类法将其划分成若干类;然后,利用自主注意力网络学习各时间步间的时序关联特性,通道卷积注意力机制学习多特征变量间的相关性,构建日前功率预测模型;最后,将每一类日前预测结果相加,实现变电站级日前功率预测。算例结果表明所提方法在多种天气状况下,较Transformer、长短期记忆神经网络和时序卷积网络,预测精度显著提升。