「摘要」中央金融工作会议要求，要优化资金供给结构，把更多金融资源用于促进绿色发展，做好绿色金融大文章。发展绿色金融需要金融部门充分考虑跟环境相关的各类成本和收益，通过市场化的资源配置方式，引导各类资金或资源流向绿色产业。金融机构应当科学评估环境与气候相关的风险与收益，持续优化资产组合。本文以农发行为例，探索在现有的组合优化模型基础上，考虑气候风险对风险成本的影响，并以此优化信贷资产结构。本文提出的“气候变化情景—信用风险变化—资产结构优化”的研究框架，实现了气候风险管理与资产负债管理的有机结合。
「关键词」气候风险 资产组合优化 RAROC
一、银行业气候风险计量及管理思路
近年来，极端天气、自然灾害等物理风险加剧，高碳排放行业转型风险增大，气候风险日益成为金融风险的重要来源。为了更好地评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冲击，国际社会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，监管机构要求金融机构通过开发必要的方法和工具评估气候风险影响。2021年7月，人民银行发布《金融机构环境信息披露指南》（JR/T0227-2021），以行业标准形式要求金融机构通过情景分析或压力测试方法量化环境因素对金融机构自身或其投资标的产生的影响。
压力测试是一种前瞻性分析尾部风险的管理工具，可以量化评估极端但可能发生的不利情景对金融机构整体或资产组合的冲击程度。工商银行是国内较早开展环境因素压力测试的机构，其使用企业层面的样本，先后分析了火电、水泥等高污染、高耗能行业对信贷资产质量的影响，主要思路是：首先建立环境政策对企业成本影响的函数关系，其次根据财务报表的勾稽关系计算出考虑了环境成本后的财务报表，最后通过该行的内部评级模型，得到信用等级和违约概率的变化情况，以及该行业整体的资产质量情况。2021年，人民银行搭建了气候风险压力测试的基本框架，组织全国23家银行，针对火电、钢铁、建材等8个高碳行业，分析碳排放成本上升对企业利润和还款能力的影响，进而评估银行相关资产质量和资本充足率的变化情况。目前银行同业的气候风险压力测试有以下特点：第一，集中分析转型风险，根据自身资产特征，选择特定行业分析。第二，模型设计上碳价格是关键的压力指标，违约概率、资本充足率是主要的承压指标。第三，选择企业层面的微观数据，利用各自的内部评级模型分析环境与气候因素对信用风险的影响。
银行同业压力测试分析结果主要运用于组合限额管理和信贷政策制定，其逻辑是为了实现相关风险偏好目标，高风险行业资产组合应设置一定的限额，确保可以承受极端情况下的剧烈冲击。具体的管理措施有出台重点行业限额管理方案，部分银行实施限额到户的分类管理；将清洁能源、绿色交通、节能环保等绿色产业列为积极或适度进入类行业，严控“两高”行业新建项目融资，提高项目能耗环保标准等。
情景分析是基于一组未来可能出现的满足特定假设和约束条件的状态，评估影响结果的分析方法，可以有效分析中长期、非线性、复杂的系统性影响。情景分析结果有助于企业前瞻性判断未来的机遇与挑战，科学制定战略规划。需要注意的是，压力测试中的压力情景是基于无额外因素干扰的基准情景，估计的不同程度外部冲击导致的压力指标变化情形。情景分析中使用的气候变化情景则是根据气候目标和各国行动，研究机构估算出的一整套包含宏观经济、能源结构、自然灾害等指标的未来情况，与压力情景相比，更加全面、系统、客观。
与金融同业相比，农发行信贷资产具有天然的绿色属性，火电、建材等领域贷款占比不大，面临的减碳压力和转型风险相对较小，但同时农业相关产业面临的物理风险较高。为了全面评估气候风险对信贷资产的影响，强化气候风险管理应用，本文与银行业主要采用“重点行业压力测试—组合限额管理—信贷政策指引”的气候风险计量和应用路径不同，尝试性提出“气候变化情景—信用风险变化—资产结构优化”的应用思路，设计气候情景，厘清传导路径，同时考虑转型风险和物理风险，定量分析将气候风险纳入全面风险管理体系后，风险成本如何发生变化，信贷资产应如何调整优化。
二、研究方案设计本文旨在研究中长期内气候风险对农发行信贷资产信用风险的影响，为更好地统筹发展与安全，信贷资产结构应如何调整优化。本文采用情景分析的方法：首先，设计气候情景反映气候变化将会导致的宏观经济与自然灾害的情况。其次，选择转型和物理风险的关键因子，基于计量模型和微观数据，测算不同行业和不同地区企业的信用风险的变化。最后，利用组合优化模型，选择出各种情景下各阶段最优的资产结构。本文的研究框架见图1。
（一）情景设计
科学设计气候情景是本文研究的起点。气候情景是指在不同的未来发展路径下，气候系统可能的变化和影响。目前央行与监管机构绿色金融网络（NGFS）、联合国政府间气候变化专门委员会（IPCC）、国际能源署（IEA）等全球多个权威机构或组织设计了气候情景。考虑到情景适用行业、指标丰富程度、更新频率等因素，本文选择NGFS的有序转型（NZ2050情景）、无序转型（推迟转型）和温室世界（当前政策情景）为主要气候风险情景。有序转型情景假设气候政策更早实施，并逐渐变得更加严格，物理风险和转型风险都相对较低，在NZ2050情景中将全球气温上升限制在1.5℃，在2050年左右达到全球二氧化碳净零排放。无序转型情景假设前期一些国家推迟实施气候政策，后期为了实现气候目标，采取更为激进的政策，因此无序情景的转型风险更高，在推迟转型情景中，2030年前CO₂年排放量仍会升高，2030年后采取更严格的气候政策，将气候变暖的温度限制在2℃以下。温室世界假设全球的努力不足以阻止严重的全球变暖，会导致严重的物理风险，在当前政策情景中，各国仅实施当前政策，本世纪末气温升幅高于高于3℃。NGFS情景预测的指标十分丰富，物理风险指标涵盖了台风、洪水、干旱、野火、热浪和粮食歉收六种急性物理风险（极端天气）造成的土地面积变化和人口数量变化，转型风险指标包含了能源价格、碳价格、碳捕捉成本、能源结构等。
（二）气候风险计量
气候风险是影响金融市场信用风险的重要因素之一，一方面极端天气或自然灾害造成企业厂房等固定资产损毁、人员伤亡，出现业务中断损失和财产价值损失；另一方面，受低碳转型政策影响，高碳排放企业成本增加，收入降低，资产减值，物理风险和转型风险均会使得企业的违约概率（PD）和违约损失率（LGD）增加，导致金融机构面临的信用风险上升。本文的气候风险计量是基于NGFS的气候情景指标，识别物理风险和转型风险因子，逐一刻画到信用风险的传导路径，分析各风险因子对损失率、企业盈利能力的影响，通过构建计量模型，评估其对信用风险的影响。本研究使用了中央财经大学可持续准则研究中心的相关研究成果，该机构利用上市公司信息披露中报告的自然灾害损失、能源消费数据作为样本，评估物理风险和转型风险对企业影响，基于金融风险模型，估算出气候风险导致的违约率（PD）变化情况。
物理风险反映的是气候变化导致的直接冲击，本文以洪水和台风作为风险因子测算其对各地区信用风险的影响。通过整理我国台风和洪水的受灾数据，计算出物理风险导致的地区损失率，刻画其对地区经济的影响情况。情景受损因子刻画了气候变化导致的灾害程度加剧情况，数据取自NGFS的指标“导致经济损失的相对变化”。最后基于一般均衡行业PD模型和农发行数据，计算出洪水、台风风险受损率导致的农发行各地区PD变化情况。
转型风险与行业的能源强度、碳强度密切相关。本文以碳价格为风险因子测算其对各行业信用风险的影响。NGFS给出了各期各情景的碳价格，碳价的变化会直接影响企业的息税前利润，以此刻画转型风险冲击对企业收入的影响，基于Merton模型测算农发行各行业PD变化情况。
已有研究通常选择不良贷款率、资本充足率为承压指标，本文则选择风险调整资本回报率（Risk Adjusted Return on Capital，RAROC）作为气候风险传导到信用风险后的影响指标。RAROC是评估风险收益平衡能力、业务发展质量和可持续性的重要标尺。根据RAROC的定义可以看出，信用风险增加会通过预期损失增加和经济资本占用增加这两个路径使得RAROC下降。
（三）资产组合优化
信贷资产组合优化配置是银行经营管理的重要内容，实现收益和风险的均衡，提高资本利用效率是组合优化的核心目标。考虑气候风险后，现有信贷业务的风险和收益会发生变化，因此未来信贷资产结构应作相应调整。需要说明的是，这一优化是在假定其它风险因素不变的基础上，追加考虑气候风险影响后的结果。
本文基于组合优化模型，为统筹考虑收益和承担的风险，选择存量和新增信贷资产组合的RAROC最大化作为目标函数，为确保实现全行的信贷规模增长目标，以各个资产加权的增长率等于全行整体的增长率为约束条件。采用蒙特卡罗模拟法随机生成常数α，求解满足约束条件的各类资产的增长率和资产结构，选择使目标函数最大化的组合为模型优化结果。基准模型如下。
目标函数：
约束条件：
目标函数可以分为存量资产组合的RAROC和新增贷款组合的RAROC两部分，其中，Wi是指当前资产结构中的权重，i代表不同的信贷产品、所属行业和地区。由于难以刻画同一类资产规模增长带来的边际收益递减，避免出现RAROC最高的资产“赢者通吃”现象，所以采用以RAROC排序为自变量的幂函数的形式，使得RAROC较大的资产有较高的增长率，RAROC较小的资产会适当压低增长率。其中指数α决定了曲线的形状，当α>1时，高RAROC排序行业或地区的增长率增加更快。
约束条件反映了新的资产组合必须完成全行信贷规模增长目标。信贷规模增长率遵循以下公式：
全行信贷规模增长率G反映了预测的未来的贷款规模。本文参考中国宏观增长的相关研究，明确实现中国式现代化目标所需的中长期经济增速，按照贷款增速适度快于经济增速的思路，估算出各个情景下的预期贷款规模。
调整系数η为贷款规模增速的极差，即行业或地区最大增长率和最小增长率之差，调整系数加最低增长率β表示行业或地区的最大增速，调整系数参考农发行历史贷款余额增幅情况设定。
本研究通过设置气候情景、预测年份、全信贷规模增长率、行业和地区调整系数、指数α取值范围和蒙特卡洛模拟次数，将基期RAROC相关指标和前文计算得到的预期PD变化值作为输入要素代入组合优化模型。在给定全行信贷规模增长率G、调整系数η和指数α的条件下，可以求解出满足约束条件的最低增长率β，由此可以得出各类资产的规模增长率，进而求得未来该资产组合的RAROC值，选择使得预期RAROC最大化的信贷资产结构为优化结果。
三、研究结果及改进方向
本文采用情景分析方法，将不同情景下气候风险导致的违约率变化纳入风险成本考虑范围，计算各业务的RAROC，通过组合优化模型，得出最优资产结构。本文利用前文测算的气候风险分别对地区PD和行业PD的影响，结合农发行各省级机构和各类产品①的RAROC历史数据，分别测算有序转型、无序转型和温室世界共3种情景，2025年、2030年、2035年和2050年共4个时点下农发行产品维度和地区维度的最优信贷资产结构。囿于篇幅原因，优化结果本文不做具体展示。研究发现：
一是考虑气候风险后，风险成本将会增加，转型风险影响要大于物理风险。转型风险对农发行信贷资产影响不容忽视，2030年各信贷业务违约率将会增长8%左右，到2050年将会增长50%，其中棚改类、农村流通体系类、生态环保类业务受到转型风险最大。物理风险对农发行各地区贷款违约率影响较小，但是高风险地区恰好也是农发行的业务大省，如安徽、山东、湖北、黑龙江、江苏、四川和江西等。
二是在风险收益最大化目标下，产品和区域间的协调性存在不足，出现产品间“一品独大”，地区间“鞭打快牛”现象。农村人居类、城乡融合类、生态环保类、水利类贷款，山东、安徽、四川的RAROC较高，是贷款资源配置主要领域。这是由于模型较大程度参考了历史情况，还需要根据未来行业政策、地区经济形势、同业竞争等因素进行调整，确保部分地区可以后来居上，新兴业务实现跨越式发展。
三是以差异化支持政策驱动信贷结构优化的管理体制已基本形成。目前通过调整部分地区或贷款FTP价格、经济资本占用系数，可以有效影响贷款的RAROC指标，形成了出台差异化支持政策、贷款RAROC值增加、绩效考核激励加大，信贷计划增加、业务规模扩大的有效传导。由于RAROC值会显著影响分支机构发展该业务的积极性，有可能会出现部门间政策相互竞争，产品间出现政策套利现象，因此需要统筹考虑各项政策支持力度、政策成本和收益，构建差异化政策体系。
本文是一项聚焦新形势、运用新工具的探索性研究，构建的“气候变化情景—信用风险变化—资产结构优化”分析框架上具有一定开创性。为更好地刻画业务实际，满足政策性金融一般性和特殊性要求，把研究结果充分运用到资产负债管理和业务发展规划之中，下一步研究方案可以做如下改进：
一是强化资本和收益率的约束。尽管政策性银行不追求利润最大化，但为了保证财务可持续，需要确保信贷资产收益率和风险控制在一定水平。因此可以在现有模型中进一步丰富约束条件，如覆盖风险所需的经济资本不超过可供给的经济资本总量，机构、行业和产品占用的经济资本满足集中度风险要求，监管资本满足资本充足率的目标，全行平均RAROC可以实现主管部门或董事会的收益率要求等。
二是细化RAROC相关指标的数据统计。RAROC反映的是实施现行差异化支持政策的结果，其中经济资本战略调整、FTP价格政策性调节等政策工具均会影响RAROC指标，因此在测算资本和收益相关的约束条件时，要进行相应的还原。在测算绩效考评场景中的RAROC时，可以更为灵活地考虑总行分行间贷款利率优惠、预期损失等指标的分担和返还。未来可以探索把企业ESG表现类型设为经济资本调整系数，让RAROC指标更加兼顾环境效益、社会效益，使得模型优化的信贷投向更能突显政策性金融特性。
三是开展模型相关参数的研究论证。开展农发行信贷规模和布局影响因素研究，分析经济形势、宏观调控、区域经济、产业增加值、行业政策等因素的影响，构建计量模型，预测未来全行、地区和特定业务的信贷规模，提升模型假设的科学性和可靠性。
四是持续优化气候风险计量。健全气候风险事件的监测和报告机制，分析风险事件中企业盈利能力、押品价值等指标的变化情况，积累气候风险计量样本。加大客户环境信息的采集力度，加强押品位置信息管理，绘制资产地图，完善气候风险研究的基础条件。不断运用新模型、新数据评估农发行气候风险的风险暴露和影响情况。
四、研究成果转化运用的建议
在息差收窄、贷款需求减弱、资产质量波动加剧的背景下，银行的发展能力和发展质量愈发重要。农发行应当科学把握高质量发展的六大要素，统筹考虑效益和安全，研判未来信贷规模和速度，优化信贷资产结构，持续提升发展质量。本文运用的分析工具和模型，有助于前瞻性、系统性谋划未来业务发展方向和路径。
（一）丰富资产负债管理工具
本文尝试将组合管理工具应用于信贷资源配置，有助于提升信贷计划配置的主动性、前瞻性和科学性。下一步可以探索建立农发行业务组合优化管理机制，采取“理论先行、业研结合”的方式，持续迭代理论模型，逐年模拟资产结构、定期更新中长期展望，使得组合优化的结果更好服务经营计划制定和资产负债管理，助推业务布局和资产结构优化，提升高质量发展质效。
（二）服务经营管理决策
本文采用的RAROC指标和组合优化模型，可以提升经营决策的科学性、协同性和系统性。总行前台部门可以优化差异化政策支持力度，进行各产品之间的横向比较，确保各业务的战略导向与RAROC排序一致，实现激励相容。分支机构可以提升经营资源利用效率逐笔估算贷款的RAROC指标，判断其是否符合自身经营管理需求和绩效考核指标，作为贷款审批的重要参考。
（三）进一步理顺经营资源配置机制
差异化信贷政策、信贷计划配置、经济资本配置均是银行优化资产结构的抓手，参考银行同业“资本要求回报、资本约束风险”的思路，更好统筹业务发展与风险控制，明确以资本管理为枢纽，完善以经济资本回报率（RAROC）为中心的经营管理和考核评价体系，建立通过分配经济资本确定业务发展空间的资本管理模式，强化经济资本限额对业务发展的硬约束，提升银行整体的价值创造能力。
注：
① 农发行的贷款营销产品数量较多，部分产品投向行业特征相似或业务属性相同，个别产品已暂停投放新的贷款，因此本文将其归并为17类，下文提及的农村人居类、城乡融合类业务均涉及多个营销产品。
参考文献
[1] 陈国进,郭珺莹,赵向琴.气候金融研究进展[J].经济学动态,2021(08).
[2] 江苏银行风险管理部课题组.气候风险压力测试模型构建与应用[J]. 金融纵横,2022(06).
[3] 聂广礼,李军彦,袁平.基于RAROC的商业银行信贷资产组合管理[J]. 农村金融研究,2017(01).
[4] 苏州农商银行环境因素压力测试课题组.商业银行环境风险压力测试实践——以苏州农商银行为例[J].金融纵横,2020(10).
[5] 孙天琦,田萌萌.金融业管理和应对气候风险的思考[J].中国金融，2023(16).
[6] 王遥,王文蔚. 环境灾害冲击对银行违约率的影响效应研究：理论与实证分析[J]. 金融研究,2021(12).
[7] 武剑.商业银行经济资本配置——理论模型与案例研究[J]. 国际金融研究,2009(05).
[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[J]. 金融论坛,2016(02).
[9] 中国人民银行研究局课题组.气候相关金融风险——基于央行职能的分析. PBC Working Paper No. 2020.
[10] 中国式现代化课题组.中国式现代化的理论认识、经济前景与战略任务[J]. 经济研究,2022(08).
[11] Battiston S, Mandel A, Monasterolo I, et al. A Climate Stress-Test of the Financial System[J]. Nature Climate Change, 2017, 7(4).
[12] Merton R C. On the Pricing of Corporate Debt: The Risk Structure of Interest Rates[J]. The Journal of Finance, 1974, 29(2).
[13] NGFS, NGFS Climate Scenarios Database Technical Documentation V4.2, 2023.
[14] NGFS, NGFS Climate Scenarios for central banks and supervisors - Phase IV, 2023.
