Supply-Chain Carbon Risk Exposure and Downstream Firms’ Low-Carbon Transition under China's Emissions Trading Scheme

日本語

本論文は、排出量取引制度（ETS）が引き起こすサプライチェーン炭素リスクの伝達を、AIの意思決定支援問題として再構築。時系列サプライヤー・バイヤーグラフ、調達契約における低炭素条項のNLP分析、および因果ベンチマーク付き時系列グラフニューラルネットワーク（T-GNN）を統合したエンドツーエンドパイプラインを提案。翌年の移行予測、代替上流ETSシナリオ下の軌跡、説明可能な属性（特徴量貢献、サプライヤー注意）を出力する。線形・木ベースのベースラインと比較して、T-GNNは精度を向上し、調達再設計、サプライヤー多様化、グリーン投資計画に実用的な説明を提供する。

English

This paper reframes ETS-driven supply-chain carbon risk transmission as an AI decision-support problem. It proposes an end-to-end pipeline integrating a temporal supplier-buyer graph, NLP-based quantification of low-carbon clauses in procurement contracts, and a temporal graph neural network (T-GNN) with causal benchmarking. The system outputs next-year transition predictions, scenario trajectories under alternative upstream ETS coverage, and explainable attributions. Compared with baselines, the T-GNN improves accuracy and provides actionable explanations for procurement redesign, supplier diversification, and green investment planning.

日本のGX文脈において

本論文は中国ETSを題材とするが、サプライチェーンを介した炭素リスク伝達メカニズムは日本企業の中国調達網にも応用可能。日本ではSSBJ対応や有報でのサプライチェーン開示が進む中、AIを用いたリスク検出と説明可能な移行計画立案手法は実務上有用な示唆を与える。

In the global GX context

This paper demonstrates a novel AI pipeline for modeling supply-chain carbon risk under an ETS. While focused on China's scheme, the methodology is transferable to other jurisdictions, including Japan and Europe, where firms face increasing pressure to disclose and manage Scope 3 emissions and transition risk.