作者:鲁政委, 方琦, 钱立华

随着全球气候与环境风险的日益显现,金融机构面临的气候与环境风险也在日益提升,亟需建立相应的风险管理机制,其中,对气候与环境风险进行量化评估是进行风险管理的关键一环。由于气候与环境风险具有不同于传统金融风险的独特特征,具有前瞻性的情景分析与压力测试成为了评估气候与环境风险的主要工具。
 
本文以央行和监管机构绿色金融网络(NGFS)于2020年9月发布的《金融机构环境风险分析综述》和《金融机构环境风险分析案例集》两份重量级报告为主要基础,对商业银行开展气候与环境风险情景分析与压力测试的主要原理与流程进行梳理,以期对商业银行进行相关实践提供借鉴。
 
虽然受制于科学理论、模型、数据等方面的局限性,金融机构在进行情景分析和压力测试时,即使在相同的假设前提下,如果选择了不同的模型、参数、数据来源,也可能会得到迥然不同的量化测试结果。但正如诺德豪斯所说,考虑到气候变化这个赌注实在太大,我们等不起,因此,秉持“干中学”(learging by doing)的思路,金融机构积极探索开展气候化环境风险情景分析和压力测试,应该能够促进相关风险建模方法的不断优化、相关数据质量的不断提升,使其能够真正为金融机构业务的长期可持续发展提供前瞻性、实质性的指导。
 

当前,全球大部分金融机构与金融监管者已达成共识的是:气候与环境风险是金融风险的一个重要来源。随着全球气候与环境风险的日益显现,金融机构面临的气候与环境风险也在日益提升。在我国,特别是2030年前碳达峰和2060年前碳中和的目标提出后,金融机构面临的气候转型风险将显著提升,因此,金融机构亟需建立相应的风险管理机制,其中,对气候环境风险进行量化评估则是风险管理的关键一环。

 

由于气候与环境风险具有不同于传统金融风险的独特特征,具有前瞻性的情景分析与压力测试则成为了评估气候与环境风险的主要工具,然而基于气候与环境风险的系统性与复杂性,相关的理论研究与实践仍处于探索与发展阶段,我国仅有极少数商业银行开展了气候与环境风险压力测试实践,大部分金融机构对相关方法仍然缺乏认识。

 

2020年9月,央行和监管机构绿色金融网络(NGFS)发布了《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)两份重量级报告,对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进行了全面及详细的描述。本文将以这两份报告为主要基础,对商业银行开展气候与环境风险情景分析与压力测试的主要原理与流程进行梳理,以期对商业银行进行相关实践提供借鉴。

 

一、气候与环境风险评估的重要性

 

“气候与环境风险是金融风险的一个来源”的观点已成为全球大多数金融机构与金融监管者的共识。2019年4月16-18日,中央银行与监管机构绿色金融网络(NGFS)在法国巴黎召开第二次全体会议和工作组会议,并在会后发布了首份综合报告。报告认为,气候变化已经成为金融风险的来源,极端天气事件、自然灾害、未能调整和减缓气候变化等自然环境风险及转型风险,是导致企业财务损失的潜在因素,会造成市场波动加剧和金融部门不稳定。气候变化所导致的经济和金融体系结构性改变,也是金融风险的重要来源之一,所造成的环境风险与金融风险两者相互作用、相互影响,对经济增长和金融稳定产生“长期性、结构性、全局性”的影响,可能将触发系统性金融危机。

 

银行等金融机构面临的气候与环境风险日益提升。金融机构面临的气候与环境风险可以分为物理风险、转型风险和责任风险三类,其中以转型风险和物理风险为主,特别是随着我国碳中和目标的提出,转型风险对金融机构产生的影响将显著提升。转型风险是指快速低碳转型可能带来的不确定性所导致的金融风险,包括政策变化、技术突破或限制、以及市场偏好和社会规范的转变等。转型风险更多体现在金融机构的资产方面。如果金融机构向业务模式不符合低碳排放经济学的公司提供贷款,那么他们可能会蒙受损失。如由于政策行动、技术变革以及消费者和投资者对应对气候变化政策的支持,大量化石能源燃料储备面临搁浅风险,化石燃料公司可能会面临收益下降、业务中断、融资成本上升的局面。物理风险即气候变化相关的灾害与人类和自然系统的脆弱性相互作用而产生的风险,它们代表了由于与气候变化相关的极端天气事件(如风暴、洪水和热浪)日益频繁和严重所造成的经济损失,以及气候模式长期变化(如海洋酸化、海平面上升等)所造成的影响。对于金融机构而言,物理风险通过直接和间接两种方式显现:直接方式是通过遭受气候冲击的企业、家庭和国家的风险敞口,间接方式是通过气候变化对广泛的经济活动的影响和金融系统内部的反馈效应。风险敞口表现为贷款组合违约风险上升或资产贬值。

 

评估气候与环境风险是金融机构管理相关风险的关键一环,情景分析与压力测试则是评估气候与环境风险主要工具。随着金融机构面临的气候与环境风险日益提升,金融机构需要建立相应的风险管理机制。通常风险管理包括风险识别、风险敞口、风险评估、降低风险四个步骤,其中,风险评估即量化风险带来财务损失的概率和程度,是企业后续决定采取何种措施降低相关风险的重要依据。因此,对气候环境风险进行量化评估是进行相关风险管理的关键一环,如果缺乏对气候与环境风险的认识和定价,可能会导致向暴露于这些风险中的公司提供融资的金融机构遭受重大财务损失。然而,由于气候与环境风险具有不同于传统金融风险的独特特征,传统的风险评估模型不再适用,而具有前瞻性的情景分析与压力测试则成为了评估气候与环境风险的主要工具。

 

二、气候与环境风险评估的重要工具:情景分析与压力测试 

 

1、为什么采用情景分析与压力测试方法?

 

(1)什么是情景分析与压力测试?

 

情景分析是在给定一组假设和约束条件下,通过考虑各种可能的未来状态(情景)来评估一系列假设结果的成熟方法。情景分析适合对那些中长期、或者影响时间不确定,并且复杂难以评估的风险进行分析,运用情景分析法可以帮助企业制定能够更灵活、稳健地应对各种可能发生的未来状况的战略计划,它是一种前瞻性的分析工具(TCFD,2020)。

 

压力测试同样是一种前瞻性的分析工具。根据国际清算银行全球金融系统委员会(CGFS,2005)的定义:“压力测试是一种用于评估一个特定事件或一组财务变量的变动对企业造成的潜在影响的风险管理工具。”压力测试是一种前瞻性的尾部风险分析工具,可以量化评估极端情况或重大突发事件下的影响,是VaR风险计量方法的必要补充,因为传统的VaR风险评估方法是基于历史数据估测在既定的置信水平下可能遭受的最大损失,无法反映极端情况下的影响(见图表1)。

 

压力测试作为一种极端风险度量工具,能够评估单个金融机构或整个金融体系的脆弱性,在全球金融监管框架中占据重要地位。在我国,原银监会在2007年发布了《商业银行压力测试指引》并于2014年进行了修订,要求我国商业银行定期开展压力测试,以分析假定的、极端但可能发生的不利情景对银行整体或资产组合的冲击程度,进而评估其对银行资产质量、盈利能力、资本水平和流动性的负面影响。

情景分析与压力测试的结合在进行前瞻性风险分析中获得了广泛的应用。压力测试方法通常分为两类:敏感性分析和情景分析。敏感性分析旨在测量单个重要风险因子或少数几项关系密切的因子在假设变动情况下的影响,情景分析则旨在测量多个风险因子同时发生变化以及某些极端不利事件发生所产生的影响。情景分析法充分考虑了冲击的来源(或压力事件)及其对金融风险因子的影响,以及多个风险因子的内在关联性,而敏感性分析法则不需要考虑冲击的来源,直接分析单个或少数金融风险因子的变化会造成的影响,并未考虑到各风险因子的关联性。此外,相较于情景分析法,敏感性分析法的测试时间范围通常较短,往往是瞬时的。

 

(2)为什么采用情景分析与压力测试方法?

 

气候和环境相关风险具有区别于传统金融风险的独特特点,这意味着需要以不同的方式来评估和管理。根据TCFD(2020)的归纳,气候相关风险的特点包括以下几个方面:

 

  • 长期存在并会产生长期的影响。 一些与气候相关的风险长期存在并在较长的时间范围内持续发挥影响,这些期限通常超出了传统商业规划和投资周期的时间范围。这些风险和相关影响可能是由气候相关风险因素(如大气中的温室气体浓度)在数十年间持续对相关的物理或过渡风险产生各类影响的结果。
 
  • 前所未有并具有不确定性。气候变化的许多影响都是史无前例的,同时气候变化是一个动态的和不确定的现象,可能采取的缓解措施也很复杂,有许多未知因素,如关键技术和适应战略的开发和部署以及不断变化的市场和消费者行为。
 
  • 变化非线性并具有不可逆性。 随着时间的推移,与气候相关的风险可能以不同的规模显现,影响的严重程度和范围也会越来越大。气候系统可能会出现阈值和临界点,导致大规模、长期、突然和不可逆转的变化。
 
  • 会产生复杂的系统性的影响。与气候变化相关的风险在社会经济和金融体系中相互关联。这种相互关联的风险通常具有连锁效应和系统效应,需要从多维角度来评估对公司的短期、中期和长期影响。
 
气候与环境风险的独特性与情景分析和压力测试方法的适用情境十分吻合。 基于以上特点,传统的风险管理方法在管理气候与环境相关风险时不再适用:首先,传统风险管理VaR法是基于历史数据来进行模拟的,并且假设风险冲击属于正态分布。而对于气候与环境相关风险,如前所述大部分风险在历史上几乎还未出现;其次,与气候、环境相关的风险通常符合厚尾分布并且集中在VaR方法所不考虑的1%置信水平;最后,气候与环境相关风险具有较大的不确定性,并且涉及复杂的动态和连锁反应(Bolton et al,2020),传统的风险分析方法难以评估。而情景分析与压力测试方法则恰好可以解决这些障碍,正如上一节介绍的,情分分析法适合评估那些中长期、或者影响时间不确定,并且复杂难以评估的风险进行分析,而压力测试则是尾部风险分析工具,可以量化评估极端情况或重大突发事件下的影响。
 
2、如何进行气候与环境风险情景分析与压力测试?
 
(1)气候与环境风险的传导机制
 
金融机构进行气候与环境风险情景分析与压力测试的核心是构建气候和环境风险传导模型,以评估气候与环境风险如何传导至金融机构。 在大多数情况下,与气候和环境相关的风险都是现有风险的驱动因素(TCFD, 2020),因此,金融机构对气候和环境风险的评估首先可以将其映射到现有的金融风险类别中(如信用风险、市场风险、流动性风险、操作风险等),然后再基于现有的风险评估模型进行评估。而这其中需要解决的关键问题就在于,气候与环境风险如何转化到现有的金融风险类型中。NGFS(2020)指出金融机构缺乏对气候与环境风险的管理的一个主要原因,就是对气候与环境风险和金融风险之间传导机制的认知有限。
 
虽然金融机构可能直接暴露于某些气候化环境相关风险之中,如某些金融机构的总部大楼可能设在有海平面上升风险的沿海地区,但更多的情况下气候与环境相关风险是间接地通过金融机构的客户或投资标的传导而来。基于此,NGFS(2020)描绘了环境和气候相关风险通过宏观经济、微观企业和家庭间接传导至信用风险、市场风险等各类金融风险的途径(见图表2)。具体来看,环境和气候相关的转型风险一方面会通过影响企业的经营情况和家庭的财富情况,从而给他们的债权人和投资人带来金融风险,另一方面还会通过投资、生产率和相对价格等渠道影响更广泛的宏观经济,尤其是在转型导致了大量资产搁浅的情况下,这也将进一步影响各类金融风险。物理风险的影响可以分为两种,一种是短期影响,如突发的极端天气事件等,这些事件可能直接导致业务中断和财产损失,从而增加保险公司的承保风险、损害资产价值,尽管这类风险的影响被认为是短暂的,但随着全球变暖的加剧,这些事件发生的可能性也将大大提升。另一种是长期影响,特别是来自气温升高、海平面上升和降水的影响,这些长期的变化可能影响劳动力、资本和农业生产力,需要企业、家庭和政府的大量投资和适应。(NGFS,2020)

 
(2)气候与环境风险的传导与评估模型
 
基于气候与环境风险向金融风险的间接传导机制,可以构建具体的气候与环境风险传导与评估模型。 以间接传导机制为基础的评估模型的构建可分为两个模块(如图表3所示):第一个模块是气候与环境-经济模型,评估气候与环境风险对公司(金融机构的客户或投资标的)的财务影响,该模块通过输入各类气候与环境风险因素来评估由这些因素驱动的公司层面的财务影响,并输出经气候与环境风险因素调整后的公司财务指标;第二个模块是金融风险模型,由上一模块输出的调整后的公司财务指标作为金融风险模型的输入,来评估相应的各类金融风险情况并输出金融风险度量指标,该模块一般采用金融机构传统的金融风险评估模型。

总结现有的金融机构气候与环境风险模型构建理论与实践情况发现,绝大多数模型的构建都基本遵循以上原则,不同之处则在于所采用的具体的气候与环境-经济模型和金融风险模型有所不同,相应地所选取的风险因素指标、企业财务指标以及金融风险度量指标也有所不同。
 
1)气候与环境-经济模型
 
气候与环境-经济模型评估气候与环境风险对公司(金融机构的客户或投资标的)的财务影响,是整个气候与环境风险评估模型中最核心的部分。根据上一节中描述的传导机制(图表2),气候与环境风险因素可以通过多条路径对公司财务状况产生影响,同时这些路径之间也是相互关联的,是一个复杂的风险传导系统。在实践中,根据实际的评估目标与使用场景,气候与环境-经济模型可以是基于单个或少数几个风险因素和影响路径而构建的传导模型,也可以是包括多个风险因素和影响路径的综合传导模型。
 
气候与环境-经济模型根据气候与环境风险的类别可以分为物理风险模型和转型风险模型。在物理风险模型中, 气候或环境突发事件一方面可能直接造成企业的财产损失,这可以直接反映到企业的财务报表中,另一方面也可能造成业务中断或经济活动减少从而导致企业的生产和需求放缓,这将间接地对企业的收入、成本、利润等财务指标造成影响。物理风险模型的构建通常以巨灾模型为基础,随着气候风险的上升,一些新的模型开始将气候变化情景整合进巨灾模型。一般来说,以巨灾模型为基础的物理风险模型可以分为以下几个模块(以RMS公司 [1] 的巨灾模型为例):
 
  • 随机事件模块:定义危险现象。巨灾建模的第一阶段从生成巨灾随机事件集开始,随机事件集是场景事件的数据库,每个事件由特定的强度或大小、位置或路径以及发生的概率或事件率来定义。基于现实参数和历史数据,模拟数千个可能的事件场景,以概率模型化一段时间内可能发生的事情。
 
  • 危险度模块:评估危险程度。巨灾模型的危险度模块评估了处于危险中的地理区域的物理危险水平。以某飓风模型为例,该模块计算了风暴周围的风力强度,同时考虑了该地区的地形和建筑环境的影响。
 
  • 脆弱性模块:量化风险对风险暴露资产的物理影响。脆弱性模块量化风险暴露资产在风险中的预期损失金额。脆弱性模块因风险资产所处地理区域、以及风险资产对损害的敏感性而不同。以财产为例,财产可能容易受到地震、地面震动或飓风的破坏。定义这种敏感性的参数包括该物业的建筑材料、占用类型、建造年份和高度等。损害被量化为平均损害比率,这是平均预期损失与建筑物重置价值的比率。该模块还包括对预期损害的不确定性的关键估计(即标准差)。随机事件、危险和脆弱性模块共同构成了传统概率风险分析的内容。
 
  • 财务模块:从不同的财务角度衡量货币损失。这个模块将物理损害转化为总金钱损失。(NGFS,2020)
 
转型风险模型 通常量化转型过程中的转型政策(如环保政策或能源转型政策)和技术变化(如新能源技术、碳捕获技术等)对高碳行业或高污染行业公司的收入和成本造成的影响。在构建转型模型时通常可以考虑两种情景(Wyman, 2019):
 
一是基于温度的情景,这些情景通常描述平稳有序地向低碳经济转型与过渡,并具有长远眼光。同时它们也可以描述一种无序的转型与过渡,即为了兑现气候承诺而在较晚的时间启动严格的政策。基于温度的情景是分析世界可能如何发展以及这些路径对全球平均气温和气候变化产生的相应影响的综合和整体的情景。
 
二是基于事件的情景,这些场景通常用于说明向低碳经济的突然或无序转型与过渡的各个方面,与基于温度的场景相比,它们的前景是短期的。基于事件的场景关注一个触发事件的潜在影响,例如政府政策的突然变化或颠覆性能源技术的引入。除了气候风险外,其他类型环境风险的情景分析通常也可采用基于事件的情景,如环境污染标准政策的变化等。
 
目前,整个金融业正越来越多地着眼于长期的、有序的、以温度为基础的情景。基于温度的情景假设由一些底层模型作为支撑,这些模型一般以《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,评估基于实现控制全球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(NDCs)的气候情景下社会经济系统的变化,这些变化以一些量化指标(如能源价格、能源需求、碳价、土地利用等)的形式作为底层模型的输出。目前已有众多学者与机构构建了基于温度的情景假设下的底层模型,大致可以分为以下三类:
 
一是特定行业模型: 探索特定的经济部门如何在气候情景下根据不断变化的政策、技术和市场条件进行演变。目前使用较为广泛的为国际能源署(IEA)开发的能源系统模型(重点关注气候情景下能源和运输系统的变化),以及国际应用系统分析研究所(IIASA)开发的土地使用模型(重点关注气候情景下农业和林业的变化)。
 
二是宏观经济模型: 这些通常是可计算一般均衡(CGE)模型,涵盖各种宏观经济变量,包括经济资源(如资本和劳动力)、行业组成和国际贸易。该类模型研究经济中某一部分的变化如何影响整个系统。目前已有的实践案例包括Vivid Economics和E3ME开发的评估转型风险的宏观经济模型。
 
三是综合评估模型(IAMs): IAMs模型考虑影响整个地球系统的社会经济因素如何影响人类福利。这些评估都是以现有的最佳科学和政策制定为基础,如政府间气候变化专门委员会(IPCC)的评估。目前已有由IIASA、波茨坦气候研究所(PIK)和联合全球变化研究所(JGCRI)等使用IAMs模型开发了气候场景。
 
因此,金融机构在构建转型风险模型时可以直接使用现有的基于温度的气候情景基础模型,然后利用这些模型输出的社会经济变量来评估对各行业(特别是高碳行业)企业财务状况关键驱动因素(如产量、单位成本、资本支出等)的影响,然后基于这些驱动因素的变化可以估计后续金融风险模型所需要的一系列经调整后的企业财务指标(见图表4)。

 
2)金融风险模型
 
金融风险模型基本采用金融机构传统的金融风险评估模型,主要依据不同的金融机构的类型或风险暴露资产的类型、以及不同的金融风险类型而有所不同,但在同类型的金融机构之中基本一致。
 
商业银行机构在实践中通常是评估气候与环境风险对其贷款业务信用风险的影响, 因此金融风险模型通常选择传统的贷款相关的信用风险模型,前述气候与环境-经济模型输出的调整后贷款企业财务指标作为信用风险模型的输入,首先评估这些财务指标的变化对信用风险模型解释变量(风险因子)的影响,再通过传统信用风险模型生成最终的信用风险度量指标,常用的度量指标包括违约率(PD)、违约损失率(LGD)、信用评级等。针对商业银行的证券和投资业务的气候与环境风险评估模型与资产管理机构一致。
 
资产管理机构在实践中通常是评估气候与环境风险对其投资组合中股票、债券、房地产和基础设施等资产估值的影响, 金融风险模型的选择通常以传统的估值模型或风险价值模型(VaR)为主。前述气候与环境-经济模型输出的调整后投资企业或投资组合财务指标作为估值模型的输入,首先评估这些财务指标的变化对估值模型的直接决定因素(通常是未来股息或现金流的现值)的影响,再通过传统估值模型生成并输出资产管理机构资产或投资组合估值的变化,或输出风险价值度量指标(VaR)。
 
保险机构 的业务分为承保业务和投资业务两大类。针对承保业务,保险机构主要评估由于物理风险而增加的负债风险,大部分保险机构(特别是财产险、意外险和再保险公司)通常使用巨灾模型来估计潜在的损失和溢价,首先通过巨灾模型量化被保险资产的物理风险,即被保险人资产在风险中的预期损失金额,然后依据保险精算模型来估算总保险损失。针对投资业务,保险机构的模型与前述资产管理机构一致。(NGFS,2020)
 
3)气候与环境风险的传导与评估模型案例
 
本节以清华大学开发的评估气候物理风险对商业银行房地产贷款业务信用风险影响的模型为案例,介绍在实践中一个整体的气候与环境风险的传导与评估模型的构建过程,该案例来自NGFS发布的《环境风险分析方法案例集》。
 
清华大学开发了一个气候物理风险评估框架,供银行分析各种气候情景下物理风险影响所产生的信贷风险。这一框架可用于各种各样的灾害,包括台风、洪水、热浪、干旱等,也可用于各种部门,特别是易受自然灾害影响的部门,例如住房、农业、能源和运输部门等。该框架由两个主要部分组成:灾害损失模型和一组财务模型(见图表5)。灾害损失模型是用来估计由于灾害事件直接引起的财产价值损失或由于自然灾害造成的业务中断造成的经济损失,然后由灾害损失模型输出的损失值将作为金融模型的输入值,以调整它们对实体(公司、银行或,地方政府)财务报表指标的估计,例如资产、负债、收入、成本和利润/损失。然后使用这些调整后的变量来估计各种财务比率,如贷款与价值比率、股本回报率、资产/负债比率和利息覆盖率。

其中,灾难损失模型以苏黎世联邦理工学院开发的CLIMADA模型为基础,主要由四个模块组成:
 
  • 气候恶化模块,处理全球变暖对其他自然灾害强度和频率的加剧影响。具体地说,它将灾害的强度和发生概率的增量变化与大气中碳浓度增加引起的温度上升联系起来。
 
  • 危险度模块,在气候恶化模块的基础上,基于IPCC定义的气候情景预测未来的危险度。
 
  • 资产暴露模块,描述受自然灾害事件影响的资产/财产的地理位置和价值分布。这些资产/财产是根据特定地点的纬度、经度和高度及其相应的货币价值定义的。
 
  • 敏感性模块,建立了资产价值损失与危险度之间的相关性。
 
财务模型 选择预期损失(EL)模型,该模型被银行广泛用于评估潜在的信贷风险。通常根据巴塞尔协议III框架下的内部评级法(IRB),EL可以计算为三个风险度量组成部分的乘积,即违约概率(PD)、违约敞口(EAD)和给定违约损失(LGD),在本案例中假设未来敞口(EAD)保持不变,因此只需评估自然灾害对PD和LGD的影响,资产的预期损失率可表示为PD与LGD的乘积。其中,家庭收入和贷款价值比率(LTV)分别被认为是抵押贷款PD和LGD的关键决定因素,而根据灾难损失模型的输出数据可以估算出调整后的家庭收入和贷款价值比率(LTV)。
 
(3)气候环境风险情景分析与压力测试的步骤
 
以商业银行为例,根据原银监会发布的《商业银行压力测试指引》(银监发[2014]49号),商业银行传统压力测试步骤主要包括:定义测试目标,确定风险因素,设计压力情景,收集测试数据,设定假设条件,确定测试方法,进行压力测试,分析测试结果,确定潜在风险和脆弱环节,汇报测试结果,采取改进措施等。气候环境风险情景分析与压力测试流程与传统压力测试基本一致,可以归纳为以下五步:
 
第一步,确定气候和环境风险情景分析与压力测试的目标与风险因素。 商业银行首先需要基于对未来气候与环境风险的预期,以及自身业务的风险暴露情况确定本次压力测试的对象、目标与风险因素。包括测试的业务类型,如信贷业务或投资业务;测试的业务范围,如针对单个行业业务进行测试或者对多个行业或整个业务进行测试;测试的最终目标,如测试气候与环境风险对该业务的信用风险影响或是资产估值的影响;气候和环境风险因素,如物理风险因素或转型风险因素或是综合考虑多种风险因素。
 
第二步,设置压力情景与压力指标。 根据第一步确定的气候和环境风险因素设置压力情景和压力指标。通常假设情景设置会包括一个基准情景和若干个不同程度的压力情景,基准情景是指无额外因素干扰的对照参考情景,压力情景则反映在不同程度的外部冲击下的变化,假设情景的设计应从前瞻性视角出发,即使是最大程度的压力情景也应反映极端但可能发生的情况。在设置压力情景时,需要确定相应的压力指标作为后续风险量化传导模型的输入。例如,若风险因素选择基于温度的气候变化转型风险,则可以基于《巴黎协定》下为全球2度或1.5度温升的和国家自主减排目标(NDCs)下的碳排放路径变化作为压力情景的假设基础,压力指标可以设置为全球气温升幅、二氧化碳减排量等。若风险因素选择由低碳转型政策或环保政策变化导致的转型风险,则可以基于对未来政策制定节奏的预期设置假设情景,压力指标可以设置为相应的政策指标,如能源结构、环保标准等。
 
第三步,构建气候与环境风险传导模型。 根据第一步确定的测试业务类型和目标,以及第二步设置的压力情景与压力指标,采用前述气候与环境风险的传导与评估模型的构建原理,构建本次测试的风险传导模型。首先是根据压力情景与压力指标构建气候和环境-经济模型,具体实践中可以参考已被广泛应用的其他学者与机构开发的模型,模型中具体参数可以基于机构自身的情况进行差异化设置。其次是构建金融风险模型,根据本次测试目标与对应的金融风险类型选择具体的金融风险模型与承压指标,即最终输出的风险度量指标(如违约率、违约损失、估值变动等)。
 
第四步,实施压力测试。 收集相应的测试数据,基于第三步构建的风险传导模型实施压力测试,并输出压力测试结果。
 
第五步,结果分析与应对措施。 基于第四步输出的压力测试结果,分析本次测试的气候与环境风险因素对银行的业务的影响,并给出相应的应对措施。
 
三、气候与环境风险情景分析和压力测试实践案例 [2]
 
1、工商银行火电、水泥行业环境压力测试案例
 
工商银行在我国率先开展了火电和水泥行业的环境压力测试,以评估环境政策变化对银行信贷风险的影响。
 
情景设置: 工商银行设置的情景包括一系列新的环境政策和标准,这些政策和标准预计将在未来几年被采用,并将对银行在污染行业的企业客户产生财务影响。压力场景设置在三个水平上,即重压力、中压力和轻压力。对于火电行业,这三种情景都是根据预计环保部门可能采取的更严格的排放标准和更高的排放税来设定的,这些新标准将使火电发电机的排放费用增加四倍、三倍和两倍。在水泥工业方面,根据预期的有关污染控制、共同处理和污染物排放的新政策和标准,确定了各种压力情况。鉴于中国工商银行的大多数水泥客户都是该行业的中上游企业,这些新政策带来的单位/成本增加是在咨询行业专家后确定的。
 
建立环境政策向信贷风险传导的模型。 工商银行构建的传导模型原理为:首先分析环保政策变化对企业财务状况的主要影响,然后根据财务报表的勾稽关系推算出压力情景下企业新的财务报表,再利用工商银行内部已有的客户评级模型得到压力情景下企业信用等级和违约率的变化,进而推算出相关行业在压力情景下不良率的增长(见图表6)。

依据该模型原理,工商银行分别对火电行业和水泥行业构建了具体的环保政策变动压力传导模型,分别见图表7和图表8.

以压力传导模型为基础,工商银行对两个行业进行压力测试的具体流程分为以下四个步骤:
 
  • 步骤1:建立火电、水泥行业环境政策/立场变化对企业成本影响的成本函数C=f(环保标准)。以火电行业为例,根据压力情景下每千瓦时成本的增加来计算主要运行成本的增加;
 
  • 步骤2:根据不同情景下单位成本增加的情况,估算资产负债表和损益表的影响。研究得出了对损益表收入、销售商品成本和利润的影响,以及由此产生的对资产负债表中的权益、资产和负债的影响,以及对现金流的影响。
 
  • 步骤3:根据银行现有的PD(违约概率)模型,结合信用评分和评级方法,估计上述财务指标的变化对客户PD的影响,并将PD的变化转化为对客户信用评分和信用评级的影响。
 
  • 步骤4:汇总各企业信用等级的变化,构建其所在行业信用等级的迁移矩阵,同时根据违约率预不良率的关系,在此基础上进一步分析相关行业贷款质量的变动状况。
 
压力测试的结果: 环境压力测试结果表明,无论是火电行业还是水泥行业,更严格的环境标准都将给企业带来成本压力,尤其是中小企业,并对其信用风险产生影响。在目前AA及以上评级的火电企业中,81%的企业在重压力情景下评级会被下调,75%的企业在中压力情景下评级会被下调,68%的企业在轻压力情景下评级会被下调。对水泥行业来说,在重、中、轻压力情景下,目前评级在AA及以上的企业的信用评级被下调的比例可能分别达到81%、62%和48%。
 
2、清华大学煤电企业气候转型风险情景分析案例 [3]
 
清华大学绿色金融发展研究中心开发了一个气候转型风险分析模型,并针对煤电行业进行了实践分析,以评估煤电行业在应对气候变化为导向的经济转型过程中贷款违约率的变化程度。该模型衡量了未来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)。关键转型因素(如需求减少、可再生能源技术发展、碳价格上涨和融资成本增加)对火电公司信用风险的影响。
 
该气候转型风险分析模型框架包括5个步骤:
 
第一步是设置气候情景。情景设置一般会包括一个基准情景和若干个转型情景。本案例的基准情形为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。
 
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。

基于该模型框架,清华大学对国内几家大型煤电发电企业进行气候转型风险情景分析实践,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。
 
该案例基于国际能源署(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。该案例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。
 
然后该案例以所选取的发电企业 [4] 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。
 
模型结果: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。

 
四、结束语 
 
一方面,目前大部分商业银行等金融机构对气候与环境风险管理的主要工具仍然缺乏认识;但另外一方面,这些压力测试模型在实际应用中仍然存在诸多障碍。
 
根据NGFS(2020)的总结,这些障碍包括缺乏对气候与环境风险及其相关性的认识,环境和气候因素及相关损失数据不足,气候与环境风险评估方法开发能力有限,评估方法及数据质量存在局限性等。
 
此外,气候和环境相关风险对整个社会和经济系统的影响是十分复杂的,在对未来进行情景假设以及气候风险传导建模的过程中,以当下的认知可能仍然难以完全刻画出这种系统性的变化,未来技术革新的可能也难以预测。受制于这些局限性,金融机构在进行情景分析和压力测试时,即使在相同的假设前提下,如果选择了不同的模型、参数、数据来源,也可能会得到迥然不同的量化测试结果。
 
即便如此,正如因对气候经济学的贡献而获得诺贝尔经济学奖的诺德豪斯(W. Nordhaus)(2019)在《气候赌场》一书中所解释的:
 
模型是更为复杂现实的一种简化,是一种可以帮助我们理解复杂问题的工具;对于气候“深层次问题的回答基本是不可知的”,如同去猜“赌场中滚动的骰子一样”,但是,人们仍然需要面对这些巨大的不确定性做出反应,因为赌注实在太高,以至于“等到正确的答案(出现再行动)是一个危险的过程”。如同大雾行车,提早减速,随着时间的推移而分散投资,应该会远比大难已然降临才采取行动,代价更为低廉。
 
因此,秉持“干中学”(learging by doing)的思路,金融机构积极探索开展气候化环境风险情景分析和压力测试,应该能够促进相关风险建模方法的不断优化、相关数据质量的不断提升,使其能够真正为金融机构业务的长期可持续发展提供前瞻性、实质性的指导。
 
参考文献
 
[1]Bolton, P., M. Despres, L.A. Pereira da Silva, F. Samama and R. Svartzman. The Green swan: Central banking and financial stability in the age of climate change. Bank for International Settlements. 2020.
 
[2]CGFS. Stress testing at major financial institutions: survey results and practice. BIS: Committee on the global financial system.2005.
 
[3]NGFS. Case Studies of Environmental Risk Analysis Methodologies. 2020
 
[4]NGFS. Overview of Environmental Risk Analysis by Financial Institutions. 2020
 
[5]TCFD, Guidance on Risk Management Integration and Disclosure. 2020. 
 
[6]Wyman, O., Climate Change: Managing a New Financial Risk. 2019.
 
[7]诺德豪斯,《气候赌场》,中国出版集团,2019年版。
 
[8]中国工商银行环境因素压力测试课题组,环境因素对商业银行信用风险的影响——基于中国工商银行的压力测试研究与应用,金融论坛,2016年2月。
 
[9]马骏,孙天印,气候转型风险和物理风险的分析方法和应用——以煤电和按揭贷款为例,清华金融评论,2020年9月。
 
(完)
 
注:
[1] 注:RMS(Risk Management Solutions)公司是世界著名的巨灾风险分析和风险管理服务公司。
[2] 该案例来自:中国工商银行环境因素压力测试课题组,环境因素对商业银行信用风险的影响——基于中国工商银行的压力测试研究与应用,金融论坛,2016年2月
[3] 该案例来自:马骏,孙天印,气候转型风险和物理风险的分析方法和应用——以煤电和按揭贷款为例,清华金融评论,2020年9月。
[4] 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%。







🔝特别提示

本报告内容仅对宏观经济进行分析,不包含对证券及证券相关产品的投资评级或估值分析,不属于证券报告,也不构成对投资人的建议。


长按上方二维码关注我们







继续阅读
阅读原文