近年来，关于气候变化会引发更多金融风险的讨论引起了全球金融界的极大关注，多国监管部门纷纷出台相关指引，鼓励乃至要求金融机构开展环境风险分析。本文通过构建气候转型风险和物理风险模型，分别就气候转型因素对我国煤电企业违约率的影响和未来台风对我国沿海地区房贷违约率的影响进行了分析。
以央行与监管机构绿色金融网络于2019年4月发布的报告（NGFS 2019）为标志，“气候风险会导致金融风险”的观点已经成为全球金融监管机构的共识。多国监管部门纷纷出台相关指引，鼓励乃至要求金融机构开展环境风险分析。我们预计，未来几年内，大量银行、保险和资产管理机构将开展环境和气候风险分析，以量化环境与气候因素导致的金融风险。本文简要介绍清华大学绿色金融发展研究中心开发的两套气候风险分析模型的具体应用案例，来解释气候风险的类别、传导机制和可能对金融机构带来的风险。其中，气候转型风险模型显示了在“两度”气候情景下，未来10年内我国煤电贷款的违约概率可能出现大幅上升的趋势；物理风险模型则分析了由于气候因素导致台风强度和频率的上升，以及其对我国沿海地区按揭贷款违约率的影响。
背景
近年来，关于气候变化会引发更多金融风险的讨论引起了全球金融界的极大关注。“气候相关风险是金融风险的来源之一”的观点已经成为全球金融界的共识。气候相关风险可以分为两类：一类是气候转型风险，包括：一是政府为应对气候变化而出台更加严格的减排政策，例如引入碳排放交易机制、提高碳税或采取更有约束性的限制性政策；二是清洁技术的发展对可被替代的技术和产业造成的冲击，例如太阳能、风能和电动汽车生产成本的下降会削弱煤电和传统燃油汽车的市场竞争力。另一类是气候物理风险，包括气候变化导致的海平面上升和各种极端气候事件，例如台风、洪水、干旱、极端高温天气和森林火灾等。与历史规律相比，由于气候变化，这些极端气候事件发生的频率和强度会变得更高并更具破坏性。
在应对气候变化的经济转型过程中，政府采取的应对措施可能会对一些企业（尤其是能源、交通、制造和建筑行业的企业）产生重大影响。这些企业所受的影响最终会传导给与之有资金往来的金融机构。同理，如果气候变化导致的自然灾害越来越频繁，破坏力越来越大，位于气候灾害集中地区的企业的资产和运营就会受到影响，进而增加与之关联的金融机构的风险。根据英国智库Economist Intelligence Unit （EIU）、英格兰央行以及贝莱德（BlackRock）等机构的估算，在不同情景下，气候物理风险所导致的经济和金融损失可能高达数千亿、数万亿乃至数十万亿美元（EIU 2015, PRA Bank of England 2015, BlackRock 2019）。
为了更好地预估由于气候因素导致的潜在损失，防范和化解其对金融稳定的影响，近年来，国际社会开始呼吁金融机构在进行投资决策时应该把气候因素导致的相关风险纳入考虑范围。在这个领域，二十国集团（G20）绿色金融研究小组（G20 GFSG 2017）、央行和监管机构绿色金融网络（NGFS）和气候相关财务信息披露工作组（TCFD）是最有影响力的组织。特别是在近期，NGFS发布了一系列与气候风险相关的报告。2019年4月，NGFS发布了第一份综合报告《A Call for Action-Climate Change as a Source of Financial Risk》，明确指出了气候变化已经成为金融风险的重要来源。2020年5月，NGFS发布了《面向监管者的将气候和环境相关风险纳入审慎监管的指南》（Guide for Supervisors – Integrating Climate-Related and Environmental Risks Into Prudential Supervision），号召监管机构将气候和环境相关风险纳入审慎监管的考量，并提供了一些具体的做法和建议。2020年6月，NGFS发布了《面向央行和监管机构的气候情景分析指南》（Guide to Climate Scenario Analysis for Central Banks and Supervisors），为央行和监管机构提供了较详细的气候风险情景分析的方法学参考。2020年9月，NGFS即将发布《金融机构环境风险分析综述》（Overview of Environmental Risk Analysis by Financial Institutions）和《金融机构环境风险分析案例集》（Case Studies of Environmental Risk Analysis Methodologies）两份重量级的报告，展示全球金融业在环境风险分析领域方法学开发和应用方面的最新进展。
下面首先简要回顾气候风险分析研究的国际进展后，再以清华大学绿色金融发展研究中心开发的两套模型为例，来说明如何将这些方法用来分析银行所面临的气候转型风险和物理风险，包括如何量化气候因素对银行信用风险的影响。
气候风险分析的方法学研究进展
要有效地管理气候相关风险，第一步就是要识别和量化气候风险对重要金融风险指标造成的影响，包括对贷款和债券违约率，以及企业、不动产和股票估值的影响。国际上，气候风险分析方面的研究虽然比国内发展得早一些，但目前也处于比较早期的阶段。以下将简单介绍国际上关于转型风险和物理风险的分析方法的文献。
气候转型风险分析方面，瑞士苏黎世大学学者巴蒂斯通（Battiston）等人对欧洲主要商业银行面临的气候转型风险进行了压力测试。他们首先分析了这些金融机构对化石能源生产和高碳产业的风险敞口，进而评估了在不同气候情景下这些高风险资产的减值和银行信贷违约率的变化。他们得出的结论是，如果同时考虑这些银行对高能耗和高碳行业的直接和间接的风险敞口，欧洲最大的20家上市银行将面临8%～33%不等的减值风险。
联合国环境规划署金融倡议组织（UNEP FI）联合奥纬咨询公司（Oliver Wyman）开发了一种转型风险分析模型，被16家国际银行尝试用来分析它们面临的转型风险。部分银行分析的结果显示，到2040年在2度情景下，这些银行给公用事业贷款的违约率可能比基准情景（假设没有应对气候变化的措施）高2.3到2.4倍。英国剑桥大学也开发了一套分析模型，用来评估转型因素影响下的资产减值。他们对德国燃气管道基础设施的分析得出，在2度情景下，燃气管道公司的估值可能比基准情况下低70%。
欧洲机构2度投资倡议（2Ⅱ）假设了一种突发的、延后的低碳转型发展情景，区别于一般转型风险分析所用的平滑转型情景。基于这种突发延后转型情景，他们的分析结果显示，高碳行业发行的债券违约率可能会上升4到5倍。
物理风险方面，UNEP FI联合英国气候风险研究机构Acclimatise开发了一套关于极端气候事件对金融影响的分析框架，并邀请全球16家银行做试点，分析了这些机构分布在农业、能源和房地产行业的资产在不同气候情景下面临的气候灾害风险（物理风险）。总体来说，这些风险分析都属于比较早期的探索和尝试。部分银行针对气候变化导致农业减产和农业贷款违约率的影响的研究表明，在2040年全球气温处于上升4摄氏度的情景下，农业贷款的违约概率可能比基准情景高50%。
总体来看，气候风险分析研究在全球来说还处于发展过程中。相对来说，对转型风险分析的文献比对物理风险分析的文献更多。转型风险分析的基本思路是：首先，估算不同气候情景下转型因素对标的企业的运营成本和营业收入的影响，包括市场需求减少、碳价上升等转型因素；其次，将这些企业的财务变化转化成金融机构关心的风险指标的变化，比如企业估值的变化和贷款违约率的变化等。但在现有文献中的转型风险分析大多没有考虑另外两个对标的企业（特别是高排放企业）有影响的风险因素：一是技术进步带来的新能源（包括太阳能和风能等）发电成本大幅下降对煤电价格造成的冲击；二是由于企业违约率的上升和棕色资产风险权重可能的调整，高碳行业需要承担更高的融资成本。我们相信，这两大因素（新能源发电成本下降导致的价格竞争和高碳行业融资成本的上升）会显著影响金融风险的指标。如果不考虑这些风险因素，气候转型风险分析的结果就很有可能低估相应的风险。下文展示的我们对煤电企业面临的转型风险分析，除了考虑了碳价上升和市场需求下降等传统的气候风险因素外，还考虑了新能源成本下降和高碳行业融资成本上升这两大新的风险因素。
气候风险分析方法和应用
气候转型风险分析方法和应用案例
本文作者开发的气候转型分析模型的一个应用案例试图回答如下问题，即煤电行业在应对气候变化为导向的经济转型过程中，其贷款违约率会上升到什么水平？本文的模型考虑了未来10年中可能发生的五大转型因素，包括：对煤电需求的下降（降低营业收入）；由于新能源成本下降，煤电价格被迫下降（降低营业收入）；碳价上升，使得煤电企业用更高的价格购买配额（提高成本）；由于煤电企业财务状况恶化，评级下降，融资成本上升（提高成本）；金融监管部门可能会提高棕色资产的风险权重，从而提高融资成本（提高成本）。
![]()
如图1所示，气候转型风险模型包括5个模块（步骤）。第一步是设置气候情景。气候情景的设置是风险分析的前提，金融机构在不同气候情景下面临的风险大小的差异，正是气候风险的体现。情景设置一般会包括一个基准情景和若干个转型情景。基准情景是指无额外因素干扰的对照参考情景。对于煤电案例而言，在该情景下，假设煤电需求不会下降、不会引入碳交易和碳税机制、新能源发电成本的下降不会影响煤电的售价以及煤电项目的融资成本不会上升。换句话说，不考虑气候相关的能源转型，煤电企业会按照现有既定的趋势发展。转型情景一般以《巴黎协定》为导向，以全球或各个国家设定的减排目标为基准，假设实现控制全球2度或1.5度温升的碳排放路径目标或是国家自主减排目标（Nationally Determined Contributions，简称NDCs）的气候情景。第二步是评估行业和宏观经济影响。这一步基于上述气候情景，利用宏观经济计量模型或综合评价模型来评估在基准和转型情景下行业特别是高碳行业和宏观经济指标的发展变化。第三步是分析对微观企业的财务影响。这一步把行业和宏观经济层面的影响转化为微观企业受到的影响。具体而言，这些影响体现在财务报表上的各种财务指标的变化上。第四步是评估金融机构的风险。标的企业的财务指标发生变化之后会影响其金融风险的指标，包括贷款违约率和估值等，进而影响与其有金融业务往来的金融机构的风险。第五步是分析系统性金融风险的影响。单个金融机构风险指标的变化会传导转化成系统性监管指标的变化，这些监管指标包括银行业的核心资本充足率（CET1-ratio）、保险行业的偿付能力充足率（Solvency ratio）和养老金的备付金比率（Coverage ratio）等，是监管机构衡量金融子行业以及金融业整体稳健程度的重要参考。
就具体参数设置而言，本文基于国际能源署（IEA）满足2度温升情景碳排放目标的预测结果，得到未来我国煤电需求下降和碳价上升的假设数据。根据IEA的预测，2030年的碳价与现在相比，会上升10倍，而煤电的需求要比当前下降接近一半。新能源发电成本的预测来自彭博新能源。根据该预测，2030年我国太阳能和风电的综合发电成本要比届时煤电发电成本低一半左右。此外，监管部门或金融机构自身有可能提高棕色资产的风险权重，从而提高高碳排放企业（如煤电企业）融资的成本。以上这些因素都会导致煤电企业财务状况恶化，企业的贷款违约率升高。本文把以上因素导致的上一年企业贷款违约率的变化作为企业下一年融资成本的决定因素之一，从而在模型中实现从违约率的变化向融资成本变化的传导。
我们构建的转型风险模型的基本思路是：未来市场需求下降会导致煤电企业营业额减少；新能源价格竞争会导致煤电企业被迫降价和收入减少；碳价上涨和融资成本升高会增加企业的成本。企业营业收入的下降以及成本的增加会导致企业重要财务指标（例如负债比率、利息保障率和资产收益率）的恶化。作为常见违约率模型的解释性变量，这些财务指标一旦恶化就会导致违约率上升。
本文选用了国内几个大型发电企业作为研究对象。这些企业的煤电发电营业收入占各自总收入的比重都在65%以上，平均占比为76%。我们以这些企业过去几年的财务报表作为基础数据，在考虑了上述可能发生的未来冲击和影响因素之后，预测企业未来10年的财务指标；再把这些受到影响的财务指标输入违约率模型，最终得出受到转型因素影响下的违约率结果。通过对比受冲击情景和基准情景（假设企业未来不受转型因素影响，业务发展一切照常）违约率的差异，可以得出冲击因素对煤电企业贷款违约率的影响。
本研究得到以下结论：第一，在《巴黎协定》的2度情景所要求的能源转型轨迹下，由于需求下降、新能源发电成本持续下降带来的价格竞争加剧、融资成本上升会使中国主要煤电企业的年度违约概率（以下简称违约概率）从2020年的不到3%上升到2030年的24%左右；第二，若仅考虑新能源价格竞争和融资成本因素，中国主要煤电企业的违约概率将从2020年的不到3%上升到2030年的13%左右；第三，若仅考虑碳价上升和融资成本因素，中国主要煤电企业的违约概率将从2020年的不到3%上升到2030年的12%左右；第四，若仅考虑市场需求下降和融资成本因素，中国主要煤电企业的违约概率将从2020年的不到3%上升到2030年的9%左右，如图2所示。
![]()
除了转型风险，我们也对典型的物理风险进行了建模分析。本文展示的物理风险分析案例研究试图回答以下问题：在不同气候变化情景下，受加剧效应（包括强度和频率的变化）影响的台风对我国沿海地区房贷违约率会产生多大影响。
物理风险分析框架包括两大部分。第一部分是巨灾风险模型，又称作灾害损失估算模型。灾害损失估算模型得出的结果可以是实物性资产（如建筑、厂房设施或者交通设施）受到破坏而产生的直接经济损失，也可以是因灾害而停工减产导致的间接经济损失。这一部分包含四个模块，分别是气候变化加剧效应模块、历史灾害模块、资产暴露模块和脆弱性分析模块。气候变化加剧效应模块描述在不同气候情景下，气候变化对各种灾害的加剧程度，包括灾害发生的强度和频率。历史灾害模块记录和描述特定灾害按照历史规律（不考虑气候变化因素的影响）发生的概率和强度。结合气候变化加剧效应模块，这两部分将生成气候变化情景下未来可能发生的灾害情景。资产敞口模块描述所研究的资产在灾害影响地区的地理分布，用来与灾害的地理分布作空间上的对应。脆弱性模块描述灾害强度和资产损失之间的对应关系，例如某个等级的台风会导致房屋某种程度的损坏以及经济损失。
物理风险分析框架的第二部分是金融风险模型。根据所要研究的问题，金融模型可以是银行贷款的违约率模型，也可以是支持投资决策的企业估值模型或者是保险精算模型。将上述灾害损失估算模型的产出输入金融风险模型，得出的结果包括调整后的违约率（以及预期损失率）、企业估值（股价）和保险定价或保险准备金要求。
气候灾害的种类有很多，常见的有洪水、台风、干旱、热浪和森林火灾等。本文以台风为例，以我国沿海地区的住宅房产作为研究对象，来估算未来加剧的台风对房产按揭贷款违约率的影响。我们的灾害损失模型估算的内容包括台风造成实物房产物理性破坏而导致的经济损失，也包括灾害对居民收入造成的影响。这两个指标是按揭贷款违约率模型的重要解释性变量，因此这两个指标也是链接物理风险分析框架两个部分的纽带。
我们所做的物理风险分析的总体思路是：用灾害损失估算模型预测在未来气候变化情景下，台风灾害加剧对房产价值和居民收入造成的减损，然后用违约率模型来计算房产价值减损、居民收入下降等因素导致的按揭违约率上升的幅度。如图3所示，黑色实线部分是基准情景下的按揭贷款违约率，本文假设这个数值未来保持不变。实线是极端加剧效应情景下的违约率。虚线代表中度和轻度的气候变化加剧效应下的灾害情景。此外，我们把三种气候加剧效应与气候变化的两种发展路径相结合得出六种组合的情景，再基于这六种情景分别进行分析。从结果来看，在极端情景下（考虑IPCC RCP8.5排放路径以及气候变化的极端加剧效应）（棕色线），到2050年房贷违约率相比基准情景可能上升2.5倍；即使在中度情景下（考虑IPCC RCP8.5排放路径，气候变化的中度加剧效应；或考虑IPCC RCP6.0排放路径，气候变化的极端加剧效应）（蓝色实线和绿色虚线），违约率也会比基准情景高一倍以上。
![]()
需要说明的是，本文测算的时间跨度只有30年（2020年至2050年），这对气候的物理演化来说是一个很短的时间段，气候变化的负面影响在2050年显现得还比较有限，其更大的影响会在未来100年内逐步显现。
本文通过构建气候转型风险和物理风险模型，分别就气候转型因素对我国煤电企业违约率的影响和未来台风对我国沿海地区房贷违约率的影响进行了分析。结果显示，在各种气候转型因素的影响下，我国煤电企业的年度违约概率可能会从2020年的3%左右上升到2030年的9%～24%。在影响煤电企业违约率的各个转型因素中，新能源价格竞争因素对煤电企业未来的影响可能最大，将可能使违约率升高近1000个基点；其次是碳价上涨和需求减少因素，这些因素可能会导致违约概率分别升高900和600个基点。这些结论对金融机构和煤电企业都应该有很大的警示作用。为了防范金融风险，金融机构应该尽早采取行动，减少在高碳行业特别是煤电行业的资产配置，同时加大对绿色资产比如新能源产业的资产配置来对冲高碳资产面临的转型风险。能源电力企业应该加快开展业务结构转型，降低煤电业务占比，加大清洁发电的业务比例。如果不实施积极的绿色转型，一些气候风险敞口较高的金融机构和电力企业很可能在10年或更短的时间内陷入财务危机，所持有的资产也可能会变为搁浅资产。
本文展示的转型风险分析案例是煤电行业，但我们的转型风险分析模型的适用性不仅限于此。我们的模型对于石油化工、钢铁、水泥等高碳行业都可以开展类似的分析；同时，分析的金融风险指标也不限于银行贷款的违约率，也可以是股权投资机构感兴趣的估值变化以及监管机构关注的金融风险指标等。在方法学领域，我们将开发更多的转型情景，在模型里尝试纳入宏观-微观互动机制以及企业应对气候变化采取的应对策略，以便更全面、准确地分析转型因素可能引发的金融风险。
物理风险分析方面，本文综合运用了巨灾风险模型和金融风险模型，开发了气候物理风险分析模型。其中，巨灾风险模型以保险业传统巨灾风险模型为基础，加入了气候变化加剧效应。利用这套模型，本文分析了未来30年内，台风频率和强度加剧后对房产价值和居民收入的影响变化，以及这些变化对我国沿海地区住房按揭贷款违约率的影响。结果显示，在比较极端的情况下，未来30年内台风的加剧会将住房按揭贷款违约率从当前水平（历史规律下的台风破坏影响已被纳入）提高2.5倍。
从方法学上来看，除台风和居民房产之外，本文的物理风险模型还可以用来进行洪水、干旱和热浪等其他气候灾害对商业建筑、工厂、能源基础设施、供应链等不同类型资产的风险分析。所分析的金融风险的类别也不只限于贷款违约风险，还可以包括气候灾害对企业和投资组合估值的影响。值得一提的是，本案例中估算的物理风险仅是到2050年为止气候变化对住房按揭贷款违约率的影响。实际上，气候变化的更大影响将在更长的时间内显现出来，一些国际机构估计气候变化导致的经济损失可达数万亿乃至数十万亿美元。从巨大的预期影响来看，阻止气候进一步恶化至关重要。几十年之后我们将承受多大的气候风险，取决于现在采取多少积极的减排行动。除了实体经济的低碳转型之外，金融机构也应该提高责任意识，通过减少高碳投资和增加绿色投资来帮助缓解气候变化，增强实体经济和金融体系的气候韧性。
本文刊发于《清华金融评论》2020年9月刊，2020年9月5日出刊，编辑：秦婷
