我来介绍一下气候风险分析面临的难点和挑战，以期为后续 研究提供一定思考方向。
1.1. 相比于传统的金融风险来源，气候风险具 有不同的影响特性
第一，气候变化影响的呈现需经历很长的时间 尺度，因此气候风险容易被市场低估。气候变化产 生的影响（例如海平面上升），时间跨度通常为几十年甚至上百年。从转型的角度来看，各国碳中和 目标均设定在 2050 年以后，减缓气候变化相关政 策的时间跨度也都在 20、30 年以上。而大部分金 融资产（例如贷款和债券）的期限在十年以下，考 虑风险时也主要关注短期因素，因此多数金融机构 和投资者对于气候风险并不敏感。
第二，气候灾害事件的影响较少呈独立性，更 易形成复合型风险（compound risk）。此前绝大 多数研究将干旱、洪水、台风等气候灾害事件作为 单个风险因素考虑，然而事实上，不同的物理风险 事件之间常常具有相关性或因果性，例如森林火灾 等生物质燃烧事件（biomass fires）破坏植被并导 致土壤流失，大大增加洪水或暴雨引发山体滑坡的 风险③。物理风险也可能催生自我强化的反馈机制， 例如，高温引发森林火灾，而火灾可能会进一步促 发更高的温度和更严重的火灾（ECB，2022）。气 候风险事件的自我强化以及不同类型风险事件的复 合有可能导致气候变化风险不断加剧，甚至覆盖多 个行业地区，最终达到难以进行风险分散的规模。
第三，物理风险和转型风险并非相互独立，而 是相互影响。在短期内，两种风险均可能是上升的， 因为频率越来越高的气候灾害事件促使政策制定者 出台更多减缓气候变化的措施，导致转型风险随之 升高。长期而言，物理风险和转型风险存在此消彼 长的关系，如果气候政策效果显著、气候转型进展 迅速，物理风险受到扼制，但转型风险上升；如果 气候政策迟迟未有进展，即转型风险较低但物理风 险持续上升。也不排除一种可能，若私人部门主动 积极适应气候变化且努力缓解气候变化，转型风险 和物理风险可能在长期都有所下降（Acharya 等， 2023）。
第四，气候风险有向地区和行业集中的特征， 并可能通过反馈机制和违约相关性放大风险的影响。 例如，物理风险容易以地理位置为界，影响在某个 地区有资产或业务的企业；若受影响的企业发生违 约行为，上下游供应链相关企业都有可能因资金链 断裂或生产活动停止而违约。又例如，若政策降低 市场对某类高碳产品的需求，该产业相关的企业群， 尤其是小微企业，容易发生群体性违约。
1.2. 气候金融相关数据基础薄弱
首先，缺乏能具体描述气候风险影响的数据。 物理风险方面，一是许多地区缺乏足够的气温和气 候灾害事件的历史数据，或频率很低或数据不连续， 难以用于统计学分析。二是过去的经验难以有效预 测未来，因为气温上升带来的影响是非线性的，在 某个临界点可能带来突变，火灾、水灾以及海平面 上升的风险都可能急剧上升。转型风险方面，能源 需求的偏好、技术进步等重要数据都难以获得或难 以预测。
其次，缺乏能度量气候风险敞口的数据。例如， 银行量化其物理风险的敞口，需要掌握持有资产（主 要是信贷、债券等）相关企业及其生产链上各个节 点（例如总部、工厂、仓储等）的地理位置信息， 以及所对应地理位置历史气候灾害事件的数据和信 息。由于生产链可能横跨不同的国家地区，每个节 点面临的气候风险也截然不同。而且不只是借款企 业，银行还需要该借款企业的供应商的生产、存储 以及下游分销渠道的相关信息。同样，如果银行持 有房地产抵押的金融资产，则需要掌握其底层房产 的地理信息以及该地区面临的气候风险。又例如， 衡量银行的转型风险敞口，则需要了解各企业对碳 排放和能源价格的敏感度，包括企业碳排放的数据、 企业减排的能力、企业的生产能力与碳排放、能源 需求的价格弹性的关系等（BCBS，2021a）。
由于气候风险的特征以及存在数据缺口的原因， 监管当局和金融机构难以使用传统的银行压力测试方法评估气候风险对金融机构以及金融稳定的影响。 与传统银行压力测试相比，气候风险压力测试至少 需要在气候情景设计和模拟金融机构行为这两个关 键环节做出改进，这也是目前气候压力测试面临的 主要难点。
气候情景设计是开展气候风险压力测试（情景 分析）的第一步（图 3），情景的科学性和可用性 很大程度上决定了分析结果的意义和价值。然而如 何设置“气候情景”，也是气候压力测试的一大难点。
首先，由于气候风险的特征以及相关数据缺口 较大，气候情景的设计面临很大不确定性。
一方面各方对物理风险的复合型特征以及物理 风险和转型风险之间的关系认知有限，另一方面转 型政策的实施路径和效果也有很大不确定性，根据 现有数据难以有效地刻画两种风险的特征。若低估 了复合型风险的可能性，则基于此设计的气候情景 也容易低估气候风险对经济的冲击力度和持续性。 同时，气候风险分析需要考虑物理风险和转型风险 相互影响的不同情景。当两种风险相关性极高、往 往一起出现时，设置情景时应考虑其联合分布；若 转型风险和物理风险之间的相关性为中等，则在设 置气候情景时，应考虑对这两种风险进行尾部相关 性分析（Acharya 等，2023）。由于缺乏能具体描 述气候风险驱动因素的数据，例如气候灾害事件的 种类、频率和强度、以及转型情景中的技术组合、 减碳路径、政策时间、行业结构、能源价格等关键 数据，气候风险冲击对宏观经济和金融稳定的影响 的模拟结果存在很大不确定性。
其次，国际现有的气候情景设计工具难以在各 国广泛应用。
由于涉及气候科学、各国的气候政策路径、经 济金融等多方面因素，国际现有的气候情景设计工 具在各国应用难度很大，因此目前国际机构在主导 相关的研究工作，目标是为各国监管当局和金融机 构的气候压力测试提供可比较的参考。其中，联合 国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）提出的情景 主要用于评估全球气候变化的可能性和影响，考虑 了物理风险和低碳转型路径，主要用于学术研究； 国际能源署（International Energy Association， IEA）提出的情景基于能源系统模型建立，仅考虑 转型路径，用于能源政策制定。而 NGFS 主要关注 气候相关融风险分析领域，将物理风险和转型路径 对宏观经济的影响都纳入其中。
NGFS 主要划分了有序转型、无序转型和温室 世界三类大情景，具体细分为六种小情景。目前主 要国家央行都或多或少借鉴 NGFS 的气候情景设 置。但应用 NGFS 情景仍面临诸多挑战，需要根据 各国具体情况进行调整。
各国应用 NGFS 情景主要面临三方面挑战： 第一，NGFS的“碳价”在各国表现为不同的政策措施和经济影响。“碳价”是NGFS情景中的气候政策工具， 以碳价的走势分析对宏观经济、行业和金融的影响。NGFS 定义的“碳价”是边际减碳成本，综合反映减碳 相关的政策强度，不能简单地等同于一国的碳税水平或碳市场交易价格。而且，我国的减碳成本大多数来自碳 交易市场或碳税以外的隐性碳成本，而不同类型的政策会通过不同的渠道影响企业成本和决策，对经济产生不 同的影响。
第二，模型应用的不确定性较大。NGFS 采用多个宏观模型进行分析，但各个模型的结果差异较大，模 型不确定性较强。例如，根据 GCAM、MESSAGE 和 REMIND 三种 IAM 模型得到的碳价走势有明显差异。 而碳价作为最重要的转型力度衡量指标，不确定性过大将影响模拟结果的可信度。
第三，NGFS 情景与各国适配度差异较大。在 实际操作中，各国央行在应用 NGFS 情景时往往需 要搭配其他模型和数据，必要时还得根据自身需求 建立内部情景，这对各国央行的研究能力提出了较 高要求。首先，NGFS 情景的宏观经济路径在各央 行实践中的必要性和适用性不一。例如意大利银行 仅针对企业和家庭财务所受碳税价格的影响，认为 没有必要估算宏观经济的影响；澳大利亚监管审慎 局、加拿大央行和英格兰央行等监管机构采用了其 他宏观经济模型获得气候情景下宏观经济的部分关 键变量。其次，NGFS 情景与各国实际情况不完全 适配，兼顾本国分析需求的情况下要与全球性情景 保持一致，确实面临较大技术挑战。例如德国央行 和哥伦比亚央行认为很难理解 NGFS 情景中的假设 含义，更难将其变量对应到国内模型中（NGFS， 2021）；英格兰央行认为 NGFS 情景中的能源结 构预测不符合英国的预期，于是调整了情景中核能 市场份额的预测④。
在已建立气候情景的基础上，气候风险分析（压 力测试）在后端的风险建模与量化步骤中也面临气 候风险认知不足和数据缺口这两方面挑战。两者互 相制约，认知不足导致数据收集工作开展缓慢、质 量不一；数据基础的薄弱进一步提高了全面理解气 候风险的门槛。
如前文所述，与其它传统金融风险来源相比， 气候风险的特征使得其更容易产生系统性的影响， 但评估气候风险影响的难度更大。在传统风险评估 模型中纳入这些气候因素时，需要根据气候风险的 特征调整模型的设计。
首先，由于气候风险的长期性，模拟金融机构（银 行）的行为更加重要、但也更加困难。传统的银行 压力测试通常以季度为频率，考虑未来 1-3 年的压 力情景。银行基于现有的资产负债表进行气候压力 测试，较少考虑（或不考虑）银行资产负债表或管 理行为的结构性变化。这种基于“静态”的资产负 债表的方法对于短期限的压力测试是合适的，但并 不适用于评估 30 年以后的情况。因为在长期，银行 会根据政策的动向和宏观经济情况调整资产负债表， 采取风险控制和缓释措施降低资产的风险暴露，以 减少自身的经济损失。例如，银行不向高碳行业新 增贷款、要求更高的抵押品和重定利率等。然而，“动 态”的资产负债表的缺点也显而易见。模拟银行（或 其它金融机构）的行为本身就是压力测试中的难点， 尤其是涉及很长的时间跨度，误差可能性极大。在 长期限的框架下，模拟多方（包括企业、银行的交 易对手方等）的行为及其相互影响则更加重要、但 同时也更加困难，尤其是在气候数据存在较大缺口 的情况下。压力测试对于银行而言已经是成本较高 的工作，“动态”资产负债表的假设更大幅增加了 气候风险分析工作的负担。 其次，各方对气候风险的计量存在很大误差， 且由于数据缺陷导致难以有效估计或校准气候风险 影响的关键参数，降低了压力测试结果的可信度。 首先，相较于历史的气候变化，未来的均温更高， 因此边际温度上升造成物理风险的可能性更大，采 用历史数据则很可能低估气候风险的影响；
其次， 由于气候风险在金融市场定价远未充分，使用资产 价格的历史数据也更可能低估气候风险的影响。除 了数据不足以外，已收集的数据可比性也不高，例如， ECB 在参加其气候压力测试项目的银行中进行碳排 放数据的交叉验证，发现对于同一个对手方主体， 不同银行测算的范围一碳排放相关性达到 0.97，但 范围三碳排放仅有 0.57（ECB，2022）。
