【摘要】文章以2011—2020年沪深A股制造型企业为例，对财务报告提取10种文本语义指标，采用5种机器学习算法构建企业碳减排信用风险预警模型，探究引入文本语义指标后模型的预测效果变化，并识别出影响企业碳减排信用风险的关键指标。研究发现：财务报告文本语义指标蕴含着碳减排信用风险增量信息。引入该指标可显著提升模型预测效果，如AUC、Type2Error评估指标的提升幅度、降低幅度分别在1%-10%、0%-5%；碳减排信用风险预警中整体表现最佳的是RF模型，其次是XGBoost和LightGBM模型，然后是LR模型，最后是SVM模型；影响碳减排信用风险的关键文本语义指标是情感语调。当净语调1、净语调2、创新性、横向相似性、前瞻性指标越大时，模型预测为正常企业的概率越大；当风险性越大时，模型预测为财务困境企业的概率越大。