商道融绿:资管行业气候情景分析研究_36页_8mb
报告摘要
资管行业气候情景分析研究总结
核心内容
气候变化对实体经济造成的风险(包括物理风险和转型风险)会通过多种路径传导至金融机构,进而影响其财务稳定性。资管行业作为连接资本与实体经济的重要桥梁,需重视气候风险分析,以提升风险管理能力并支持绿色转型。各国央行及监管机构已开始推动气候情景分析在金融领域的应用,TCFD、NGFS等国际组织提出相关框架,指导金融机构进行情景分析和压力测试。
主要观点
- 气候风险的双重性:气候风险包括物理风险(如极端天气事件)和转型风险(如政策变化、技术进步),两者均对金融体系产生深远影响。
- 情景分析的重要性:情景分析是一种前瞻性的工具,能够帮助资管机构评估不同气候情景对资产组合的影响,从而制定更具适应性和韧性的战略。
- 气候情景的分类:气候情景可分为物理情景(关注气候变化的物理影响)和转型情景(关注政策和经济路径),IPCC、IEA、NGFS等机构提供了多种参考情景。
- 气候风险传导机制:气候风险通过宏观经济、行业和企业层面传导至金融风险,如信用风险、市场风险、流动性风险等。
- 情景分析的应用:情景分析不仅用于风险定价、转型路径分析和信息披露,也用于投资组合优化、风险识别和企业治理参与。
- 数据与模型的重要性:高质量的数据和模型是情景分析的基础,需逐步积累和优化,同时建立共享机制以提升行业整体能力。
关键信息
气候情景分类与特征
| 情景来源 | 特征 | 路径 | 升温目标 | 行业覆盖 | 地理区域覆盖 | 时间范围 |
|---|---|---|---|---|---|---|
| IPCC RCP | 专注于实体风险 | 高排放(RCP8.5)、中间(RCP4.5、RCP6.0)、低排放(RCP1.9、RCP2.6) | 1.5℃、2℃ | 工业、建筑、运输、能源、农林业 | 全球 | 2100年(10年间距) |
| IPCC SSP | 专注于社会经济发展 | 高排放(SSP5)、中间(SSP2、SSP3、SSP4)、低排放(SSP1) | 1.5℃、2℃ | 工业、建筑、运输、能源、农林业 | 全球 | 2100年(10年间距) |
| IEA | 专注于能源政策影响 | 高排放(STEPS)、中间(APS)、低排放(SDS、NZE2050) | 1.5℃、2℃、~3℃ | 工业、建筑、运输、能源 | 全球 | 2050(WEO)或2070(ETP) |
| NGFS | 同时考虑物理和转型风险 | 有序(1.5-2℃)、无序(延迟转型、不统一的净零)、热室世界(2.5℃、3℃以上) | 1.5℃、<2℃、2℃、~3℃ | 工业、建筑、运输、能源、农林业 | 11个地区(32个国家) | 2020-2100年(5-10年间距) |
情景分析步骤
- 确定风险因素:识别气候风险对资管机构的影响,如信用风险、市场风险等。
- 分析气候情景:设定基准情景和压力情景,评估不同情景下的气候影响。
- 构建气候风险传导与评估模型:将气候风险变量转化为对宏观经济及个体变量的影响,再映射到财务指标。
- 资产组合分析:从行业、地理区位和时间跨度三个维度评估投资组合的气候风险敞口。
- 开展情景分析和压力测试:分析不同气候情景对资产组合的影响,输出风险敞口、Climate VaR、Carbon VaR、Carbon Beta、隐含温升等指标。
- 影响评估分析:评估气候变化对财务指标的影响,制定风险管理策略。
情景分析结果应用
- 气候风险定价:通过CVaR、Carbon VaR等指标量化气候风险对资产价值的影响。
- 零碳转型路径:分析不同情景下企业碳排放缺口和隐含温升,为低碳转型提供依据。
- 信息披露:情景分析结果可用于披露机构在气候风险方面的治理、风险管理、战略韧性等信息,以满足监管要求和投资者需求。
案例分析
- 贝莱德:采用阿拉丁气候分析工具,分析不同情景下的资产影响,并关注客户行为和政策变化。
- 安盛投资(AXAIM):使用隐含温升模型和CLAIM模型,评估投资组合的潜在温升,推动绿色投资。
- 路博迈:开展气候情景分析,识别高风险资产,并通过主动参与企业治理来管理气候风险。
- GPIF:采用Climate VaR方法,评估日本及海外资产在不同气候情景下的表现。
- 南方基金:结合中国实际情况,开展气候情景分析,并探索适合自身的分析方法和模型。
建议
-
由浅入深,引入情景分析管理气候风险
建议资管机构从定性分析入手,逐步过渡到定量分析,从单一情景开始,逐步增加情景数量和复杂度,最终实现资产组合全覆盖。 -
探索适合自己的情景分析应用方法
情景分析的应用需结合机构自身特征,如驱动因素、投资方法、数据质量等,选择最合适的分析方法和指标。 -
注重数据积累,逐步提升数据质量
数据是情景分析的基础,资管机构应从资产组合的碳排放数据入手,逐步提升数据的颗粒度和质量,同时关注地理位置、资产抗风险能力等非碳排放特征数据。 -
建立数据和方法共享机制,促进行业发展
推动数据和模型共享,可以降低数据生产和使用成本,提高数据可比性,同时加快情景分析方法的推广和应用。
附录
- 图表:包括气候情景分析方法的评估框架、资管机构压力测试架构、风险传导渠道、气候在险价值分析结果等。
- 数据来源:包括IPCC、NGFS、IEA、UNEP FI、TCFD、商道融绿、南方基金等机构的研究成果和数据。
数据来源
- 商道融绿提供了A股上市公司在不同气候情景下的量化分析,如CVaR、隐含温升等。
- 贝莱德、AXAIM、路博迈、GPIF和南方基金等机构展示了气候情景分析的实际应用,包括风险评估、投资策略调整和信息披露。
总结
气候情景分析是资管行业应对气候变化风险的重要工具,能够帮助机构识别和量化气候风险对资产组合的影响。通过情景分析,资管机构可以更好地制定零碳转型路径、优化投资组合、提升风险管理能力,并满足日益严格的气候信息披露要求。因此,建议资管机构加快引入情景分析方法,结合自身特点选择合适的应用方式,并注重数据积累与共享,以推动行业整体向低碳转型。
展开完整摘要
试读结束,高清完整版pdf/doc/ppt,请点下载