气候物理风险压力测试方法的应用探索

编辑：时间：2024-08-13

摘要

管理和应对气候风险缺乏历史数据积累，针对的风险期限超长，传统风险计量工具难以发挥作用，因而压力测试是评估气候变化和经济转型冲击的有效手段。本文对实践中出现的气候物理风险压力测试两类方法学进行了比较，将物理风险融入现有气候压力测试方法学，分析气候物理风险压力测试方法的国内外应用现状与发展趋势。

关键词：物理风险压力测试商业银行

中图分类号：F832.2 文献标识码：A

文章编号：1009-1246（2024）01-0037-05

一、背景

开展气候风险压力测试是金融机构积极应对气候变化、主动管理气候风险的有力抓手，也是履行社会责任、助力转型升级的重要内容。气候风险分为转型风险与物理风险。根据央行与监管机构绿色金融网络组织（Central Banks and Supervisors Network for Greening the Financial System，NGFS）给出的定义，物理风险为气候变化带来的与气候模式逐渐变化相关的风险，具体是指由慢性风险（如温度逐渐升高）以及与天气事件（如热带气旋、风暴、洪水和干旱）增加频率和 / 或严重程度相关的急性风险。

我国23家主要银行于2021年已完成第一阶段气候风险压力测试，即以碳排放权价格为主要因素的气候转型风险压力测试，针对火电、钢铁、水泥三个高碳行业，重点对三个行业年排放量在2.6万吨以上二氧化碳当量的企业，考察碳排放成本上升对企业还款能力的影响，以及进一步对参试银行持有的相关信贷资产质量和资本充足水平的影响。

气候物理风险压力测试具有较强空间差异性且涉及风险要素较多，目前处于探索阶段，尚未形成统一测试方案。本文从气候物理风险压力测试在实践中常见的处理思路出发，归纳出目前主流应用的两类方法学，并选取其中一类方法学以某商业银行应用实践为案例进行研究。

二、物理风险气候压力测试两类方法学

一种方法为自上而下与自下而上相结合法，即从气候风险因素空间特征出发，基于气候物理风险的危害（Hazard）、敞口（Exposure）、脆弱度（Vulnerability）三要素预测未来不同压力情景下气候风险空间及强度分布对金融机构不同区域资产造成的减值、现金流出等损失。这类方法的优点是易于理解，缺点是条件较为苛刻，一般基于空间地理信息系统（GIS）执行操作，对数据量及数据颗粒度要求较高。明晟（MSCI）在物理风险量化管理方案中，提出基于危害、敞口、脆弱度将热浪、沿海洪水、河流洪水、寒潮、台风、山火6类极端物理风险分类管理。某银行在2022年环境信息披露报告中，结合资产空间分布特征，以半定量形式分析了水资源短缺、高温热浪、极寒、干旱、洪水、生态环境破坏、海平面上升7类物理风险因素。

另外一种方法为自上而下法，即从传统宏观压力测试方法学出发，通过引入核心气候变量（如气温、降水量），基于计量经济学模型，构建核心气候变量、宏观经济变量与金融机构（如银行）不同行业资产风险变量的关系，量化不同压力情景下气候变化对宏观经济及资产风险变量的影响。这类方法的优点是沿用现有风险量化管理体系，方法学较为成熟，且易于实现；缺点是核心气候变量对宏观经济变量关系的经济学解释力不足，有待进一步挖掘中间变量或构建中间模型传输压力。例如，某银行通过ARIMA预测、蒙特卡罗模拟及Wilson模型，选取GDP、PPI、CPI、M2等宏观变量及降水量、气温等气候变量，以差分、同比、环比等数据处理方式，构建制造业违约概率PD模型，测试轻度、中度、重度情景下制造业信贷资产质量变化。

三、自上而下法气候物理风险压力测试在商业银行中的应用：以某商业银行为例

主要目标

探索物理风险对该行不同行业信贷客户影响，识别物理风险因素，分析压力传导路径，构建压力传导模型，计算分析不同情景下气候风险最终对该行信贷资产质量及资本充足率等风控指标影响。考虑到自上而下法沿用现有风险量化管理体系，方法学成熟且易于实现，因此选用自上而下法执行气候物理风险压力测试。

影响因素

统计数据表明，对该行所在地区影响较大的气候因素中，暴雨及干旱是主要因素，且随着气候变化加剧，气温不断升高并出现干旱，气温对大气圈水循环带来系统性干扰，致使当地暴雨频率及暴雨强度等极端气候灾害事件增加。由于暴雨及干旱数据序列不够长，因此以降水量及平均气温等变量作为表征变量。

压力传导

确定以降水量及平均气温为主要气候变化物理风险因子，构建从物理风险到经济变量再到信贷资产质量变化的压力传导路径。一方面，极端暴雨会引起洪水或洪涝灾害，并引起降水量增加，一定程度上造成农业生产减产、工业生产受损，直接造成地区性经济损失，影响市场主体生产经营活动并导致经营效率下降、偿债能力不足，最终引起银行信贷资产质量下降。另一方面，极端干旱引起农业生产减产、供给下降，农产品价格上升压力传导至工业等领域，引起生产成本上升，对市场主体偿债能力产生冲击，最终导致银行信贷资产质量下降。

确定气候物理风险压力模型

基于信用组合观点（Credit Portfolio View，CPV）模型，构建物理风险气候压力测试模型。选取某行业近不良贷款率数据，收集当地及所在省份的GDP、降水量、平均气温以及全国PPI、M2、Shibor等变量，变换为同比增速、累计值、差分、Logit转换等预处理指标，以自相关函数（ACF）、偏自相关函数（PACF）定阶识别及白噪声检验（Ljung-Box）测试等方法消除序列相关并挖掘变量间关系建模，结合相关假设检验构建CPV面板模型。模型所用数据时间长度为8年，频率为季度。

确定气候物理风险压力情景

采用NGFS六种情景对应的三种气温升高情景，即1.5℃、2℃及3℃情景，分别为轻度压力情景、中度压力情景及重度压力情景。假定该行面向参试行业信贷资产敞口、不良率、各项风控指标及宏观经济因素维持2021年水平不变，新增不良采用100%计提减值，分析气温升高对该行信贷资产质量影响及资本充足率等风控指标影响。

测试结果分析讨论

基于模型经济学解释发现，在气候变化背景下，假设其他因素不变，气温越高则该行参试行业信贷资产质量受冲击程度越大。测试发现，计提减值损失后，该行在轻度、中度、重度压力情景下，参试行业对该行信贷资产产生冲击程度有限。测试结果中，不良率上升，重度压力情景中为1.71%；拨备覆盖率下降，重度压力情景中为117.14%，仍大于100%；资本充足率下降，重度压力情景中为15.10%，满足监管要求且高于监管最低要求5.1个百分点；一级资本充足率下降，重度压力情景中为11.10%，满足监管要求且高于监管最低要求2.6个百分点；资本充足率下降，重度压力情景中为11.10%，满足监管要求且高于监管最低要求3.6个百分点。

优化方向

该项研究从平均气温及降水两个宏观经济变量出发，对气候物理风险压力测试进行探索，相关方法具有一定借鉴意义，但也存在两点不足。第一，使用静态测试方法，假设银行资产负债表相关会计科目余额不变，与实际情况不符；第二，降水量与平均气温变量并不直接与宏观经济变量发生作用，需要研究潜在中间变量或中间模型传输压力，提高模型解释度。

四、结语

本文分析比较了物理风险气候压力测试两类方法学，并以某商业银行为例，详细阐述将自上而下法气候物理风险压力测试融入现有气候压力测试方法学的实践案例。结合案例分析与应用实践，本文得到以下结论。

第一，自上而下法将气候物理风险压力测试融入现有气候压力测试方法学但有待完善。一方面，不管将气候风险变量作为外生变量影响宏观经济变量还是与宏观经济变量一起影响金融机构资产质量，其中间具体逻辑有待完善，应寻找中间变量或构建中间模型传输压力，提高模型解释度。另一方面，NGFS在集合评估模型（Integrated Assessment Model，IAM）中，根据全球变化分析模型（Global Change AnalysisModel，GCAM）、能源供应战略替代模型以及一般环境影响与全球生物圈管理耦合模型（MESSAGEix-GLOBIOM）、投资与区域发展耦合农业生产及环境影响模型（REMIND-MAgPIE），预测未来二氧化碳排放量增加情景下全球气温升高及其与各经济部门作用后呈现的宏观经济变量，为此类方法应用提供了参考借鉴。因此，可使用 SVAR 模型将气候变量与宏观经济变量更好地连接起来。

第二，在具备一定数据基础上，自上而下法将物理风险气候压力测试融入现有气候压力测试方法学，可用于局部区域气候物理风险压力测试。一方面，由于气候变量具有空间差异，可以根据一地（省/市/县）一模型的思路去应用自上而下法；另一方面，构建符合实际情况的气候变化背景下宏观经济预测框架也是潜在解决思路，需积极探索气候风险宏观情景压力测试。

第三，气候物理风险压力测试未来仍以自上而下与自下而上相结合法为主。物理风险气候压力测试需要从气候物理风险危害（Hazard）、敞口（Exposure）、脆弱度（Vulnerability）三要素进行分析管理，不管学界还是业界都在探索这方面应用。由于该类方法保留了保险业金融机构关于巨灾模型计量原理，对不同类型气候物理风险及灾害具有较好科学基础、解释力度，而且模型机理已经过实践检验，因此，未来此类方法或将成为物理风险气候压力测试主流方法。

第四，金融机构应当关注物理风险气候压力测试。作为气候风险重要组成部分之一，物理风险气候压力测试逐渐被国内金融机构了解和掌握。根据欧央行执行的2022 年气候风险压力测试结果，欧央行正在考虑推动将测试结果纳入部分金融机构内部资本充足率评估流程（ICAAP）中，未来或对巴塞尔协议第二支柱产生具体量化影响。同时，欧洲部分金融机构已经将气候风险压力测试纳入ICAAP中，对监管资本进行审慎管理并积极应对气候风险。

参考文献

[1] 孙天琦,苗萌萌.金融业管理和应对气候风险的思考[J]. 中国金融,2023(16):12-15.

[2] 谢岚岚,周富杰,陈珊等.基于SVAR模型的气候变化对金融稳定的影响分析——以中国银行业为例[J].福建金融,2022(12):3-13.

[3] 中国人民银行货币政策分析小组. 中国货币政策执行报告（2021年第四季度）[R]. 北京: 中国人民银行, 2022.

[4] 中国人民银行研究局. 推动绿色金融与转型金融有效衔接[R]. 北京: 中国人民银行, 2023.

[5] IPCC. Climate Change 2022: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. London: Cambridge University Press, 2022.

[6] MSCI. MSCI Real Assets Climate Analysis: A TRANSPARENT APPROACH TO CALCULATING CLIMATE RISK[R]. New York: MSCI, 2022.

[7] NGFS. NGFS Climate Scenarios Database Technical Documentation V3.1[R]. Paris: NGFS, 2022.

[8] NGFS. Physical Climate Risk Assessment: Practical Lessons for the Development of Climate Scenarios with Extreme Weather Events from Emerging Markets and Developing Economies[R]. Paris: NGFS, 2022.

[9] ECB Banking Supervision. 2022 climate risk stress test[R]. Frankfurt: European Central Bank, 2022.

气候物理风险压力测试方法的应用探索

联系我们

产品与服务

关于我们