气候转型风险冲击下我国商业银行气候脆弱性研究——基于压力测试模型的实证分析

■蔡源 崔婕

一、引言

气候变化被广泛视为21世纪最大的挑战之一，将持续对人类社会产生重大影响。世界经济论坛发布的《2022 年全球风险报告》表示，在未来5—10 年内，全球最主要的十大长期风险中，气候相关风险占五席，且“气候行动失败风险”位居榜首。为应对气候挑战，2020年9月我国明确提出“双碳”目标，积极推动经济社会全面绿色转型，为解决全球气候危机贡献中国力量。然而，绿色低碳转型意味着巨大的经济成本，因为减少碳排放而进行的一系列经济社会活动、相关政策法规的实施等，极有可能改变整个金融市场所面临的内外部环境，通过多种渠道影响经济金融系统的运行，诱发一系列金融风险[1]。在金融加速器和抵押品约束机制下，市场信号可能会放大气候风险的严重程度，对单个金融机构的气候冲击极易演变为系统性风险，危及整个金融体系的稳定[2]。正如英国央行前行长Mark Carney所强调的那样，如果气候转型风险①足够严重，可能会导致所谓的气候明斯基时刻②。

在此背景下，《中国金融稳定报告（2021）》指出，未来应重点关注气候变化可能诱发的金融风险，在金融机构的压力测试中要系统性地考虑气候变化因素。此外，由于商业银行仍处于我国金融体系的核心地位，气候风险通过直接冲击实体企业从而间接提高商业银行的气候信贷风险敞口，波及金融市场稳定。因此，本文以我国商业银行为研究对象，基于自下而上的压力测试框架，重点考察如果商业银行在不改变现有的行业贷款模式、积极主动调整资产组合的背景下，在未来不同升温目标场景下气候转型冲击因子导致的商业银行信贷损失变化。本研究不仅能够使商业银行做到事前预防气候不确定性，增强其系统内部稳定性，而且对防控气候变化可能诱发的系统性金融风险、维护金融体系的稳定与安全都具有重要意义。

二、文献综述与理论分析

越来越多的学者和政策制定者研究了低碳转型过程中可能存在的金融风险类型并提出相应的防范举措[3，4]。已有文献指出，转型风险主要通过气候政策、技术创新以及消费者（或投资者）情绪三个方面，对企业、家庭和政府部门形成冲击，造成其成本上升，销售收入减少，借款偿付能力下降，从而导致与其有信贷往来的商业银行信用风险攀升，严重威胁金融体系稳定[5]。具体而言，第一，低碳转型会促使政府出台更多应对气候变化的相关政策。例如：征收碳税、削减企业碳排放等。这些政策的实施不仅会造成碳敏感资产贬值，增加“棕色”企业③的运营成本[6]，而且还会降低该类企业的信用评级，增加其融资成本[7]。此外，如果碳敏感资产被用作贷款抵押品，低碳转型政策的实施同样会导致其价值缩水，造成商业银行信贷损失增加[1]。第二，向低碳经济的过渡会推动绿色低碳技术创新。“棕色”企业如果不能采用更新的低碳技术，可能会削弱其盈利能力。而加大对低碳技术的资金投入同样会增加这类企业的生产成本[2]。第三，向低碳经济转型可能会引发消费者和投资者的情绪变化。由于消费者对未来极端气候事件的预期不断上升，从而更偏向于购买绿色产品，这种消费方式的转变会导致“棕色”企业营销收入下降[2]；投资者以及评级机构在其投资和评级决策中考虑气候因素，也可能导致高碳企业的融资成本增加[8]。

目前，运用理论与实证模型量化气候金融风险已成为金融领域的研究重点。部分学者运用横截面分析以及传统的资产定价模型，从绿色溢价[9，10]和碳溢价[6，11]两个角度测度转型风险，预估风险溢价，量化市场风险。还有少部分学者运用事件研究法，研究转型冲击事件前后资产价值损失大小[12]。由于资产定价模型无法多维度量化气候风险，大量学者运用静态和动态压力测试方法，量化气候转型冲击可能诱发的不同类型金融风险。静态压力测试包括在金融机构上的微观压力测试[13]和在金融网络上的宏观压力测试[14，15]。然而，如果仅基于金融机构的微观数据进行压力测试，不考虑宏观经济金融变化的情况，仍无法全面的探究转型风险对金融系统的冲击影响[16]。因此，为全面分析包括宏观经济在内的转型风险，学者们提出了动态宏观压力测试模型[5，17]。

现阶段，国内少数学者剖析了转型风险对宏观经济[18]以及宏观金融系统内部传染反馈[19]的影响。仅有一篇文献[20]基于压力测试模型，测度了碳税冲击下2019 年气候转型风险导致的18 家商业银行贷款价值损失。

纵观该领域的研究，仍存在以下局限性。首先，从压力场景选取角度看，已有文献或使用早期的2℃场景集[13]，或仅从1.5℃场景集中选择有限数量的场景[21]，或只选择带有主观判断的转型冲击因子作为其压力场景[20，22]，鲜有文献同时选取2℃与1.5℃甚至更为细化的升温目标作为其压力场景。其次，从压力冲击因子选取角度看，已有文献大多只考虑了单一的碳税变动对金融机构的冲击[20]，忽略了能源市场份额变化以及二者结合的双重冲击的影响，无法全面系统地分析转型风险对金融机构的冲击效应。最后，从压力测试模型构建角度看，之前采用的莫顿模型都是通过计算密集的迭代过程来估计资产的价值及其波动性，以测度转型冲击下商业银行的贷款价值损失[22]，而这种计算方法限制了在更大冲击情景集下的重复分析。

与已有文献相比，本文的边际贡献主要体现在以下三个方面：第一，通过构建信用风险模型，反映出转型冲击前后行业的违约距离变化，可更直观地看出受转型风险冲击的行业信贷损失差异；第二，温度压力场景的选择允许对不同的变暖目标（1.5℃和2.0℃）进行更细粒度的比较，更系统地预测未来可能发生的不同升温目标下受转型冲击影响的商业银行气候损失；第三，首次系统考察了七大类气候转型冲击因子对我国商业银行造成的冲击影响，多维度系统分析了行业与商业银行面临的转型风险；第四，采用简化的Merton Naïve 方法，从更多的压力场景与冲击因子集下重复分析商业银行面临的气候信贷损失。

三、数据来源与研究设计

本文运用IAMC1.5℃场景数据库中2020—2060年每隔10 年的碳价和能源市场份额数据，并基于2011—2019 年行业的碳排放量和商业银行的分行业贷款状况，预测未来在不同温度场景与转型冲击因子下行业的增量违约距离，在此基础上推导出我国商业银行在2020—2060 年行业贷款层面的气候信贷损失变化。

（一）数据来源

首先，依据Battiston等[14]和Monasterolo等[13]的研究方法，结合各行业的碳排放量与银行行业贷款数据，参考《国民经济行业分类（2017 版）》，本文最终选取了农林牧渔业，采矿业，制造业，电力、热力、燃气及水生产和供应业，建筑业，交通运输、仓储、邮政业、批发零售业以及住宿餐饮业八大行业。从各行业的具体碳排放情况看，上述行业被称为“气候变化敏感型行业”，即如果发生极端天气事件或者出台相应的气候政策，这些行业受到的气候风险冲击影响相对更大。此外，本文共选取了64家商业银行对八大行业的贷款数据以及年度总贷款。其次，温度压力场景以及转型冲击因子中所需数据均可在IAMC 1.5℃场景数据库④获得。最后，本文对八大行业选取对应的代表性上市公司用于计算各行业的财务指标⑤。基础数据均源于中国统计年鉴、环境统计年鉴以及WIND数据库。

（二）商业银行贷款碳强度

对行业i的碳排放值CFit进行归一化处理，由行业i 在t 时的碳排放总量CFit除以行业i 在t 时的营业总收入REVit而得，归一化后的值称为碳强度CIit。

计算得银行b在t时刻的贷款碳强度PCIbt：

碳强度CIit表示行业i在t时每单位营业收入的二氧化碳排放量。贷款碳强度PCIbt表示银行b在t时对行业i 每单位贷款所包含的二氧化碳排放量，该指标越高，代表银行贷款交易行为产生的二氧化碳排放量越大。其中，Pibt代表银行b在t时对行业i的贷款额，Pbt代表银行b在t时的贷款总额。

（三）商业银行转型风险测度框架

本文提出的用于分析不同类型温度场景以及转型冲击因子下银行信贷损失变化的压力测试框架，主要由以下三个部分构成：

1.温度压力场景设定

本文选取IAMC1.5℃场景数据库[23]中的温度路径作为压力场景，探索未来全球在不同升温目标下的转型冲击因子对商业银行造成的潜在信贷损失，具体场景分类如表1所示。

表1 气候转型场景类型

2.转型冲击因子设定

当前，作为实现“双碳”目标核心政策工具之一的碳交易市场正如火如荼地发展。碳交易市场主要通过价格信号来引导碳减排资源的优化配置，从而降低CO2排放量。因此碳价是碳交易市场的重要调控工具之一，也是我国实现绿色低碳转型的重要手段之一。此外，随着我国“双碳”目标的临近，我国逐渐加大温室气体减排力度。据国家能源局网站数据显示，2021 年我国单位GDP 二氧化碳排放比2005年下降了50%，非化石能源占能源消费比重高达16.6%。因此，未来能源市场的份额变化也是我国实现绿色低碳转型的又一重要手段。鉴于此，本文借鉴Nguyen等[6]的研究，选取碳价冲击、能源市场份额冲击以及二者相结合的双重冲击来考察转型因子对商业银行信贷损失的影响。

（1）碳价格冲击

碳的社会成本衡量了二氧化碳排放造成的经济福利损失。本文采用贴现后的碳价变化代表碳冲击，该值越大代表未来转型场景（S）下的碳价越高，说明征收碳税的气候政策冲击力度更大。碳价冲击值如式（3）所示：

（2）能源市场份额冲击

能源部门市场份额包括化石燃料和可再生能源在全球能源消耗和全球电力生产中的份额。本文采用Monasterolo 等[13]的方法，衡量能源部门k 在转型场景（S）下的市场份额变化。若＞0，说明未来转型场景（S）下，能源部门k的市场份额占比要高于基线场景（B）下的份额，反之亦然。具体计算如式（4）所示：

3.压力测试模型构建

（1）转型冲击前信用风险模型构建

传统莫顿模型需通过迭代过程计算资产的市场价值V及其波动性∂V，而这种计算方法限制了在更大冲击情景集下的重复分析。Bharath 等[24]指出传统莫顿模型更注重其函数形式而不是求解方法，并提出了计算简单却比传统莫顿模型具有更优预测能力的Merton Naïve 方法。该方法改善了传统莫顿模型计算复杂的缺陷，允许在更多压力冲击情景下计算违约距离。因此，本文运用Merton Naïve 模型⑥计算转型冲击前后商业银行的信贷损失变化。

将Merton Naïve 模型结果作为基线值代表转型冲击前商业银行的违约距离NaiveDD。关键指标计算公式如下：

（2）转型冲击后信用风险模型构建

本文通过计算转型冲击前后借款行业的盈利水平变化，来模拟不同升温目标下气候转型冲击因子对我国商业银行信贷损失的影响，采用的预测期是一年（T=1）。首先分别在八大行业中选取具有代表性的上市企业，其次通过计算各企业的财务数据加权汇总用于指代各行业的财务指标，最后计算出转型冲击因子下Merton Naïve 模型所需参数。具体而言，从转型风险冲击到信贷损失发生的转变过程通过以下四个步骤进行建模：

第一步，将转型冲击因子纳入行业盈利水平指标。假设转型冲击因子将改变借款行业的盈利水平，因此采用不受不同资本结构或地方税收影响的息税前利润（EBIT）作为衡量行业盈利水平的指标。

四、实证结果与分析

（一）商业银行气候风险概况

图1为2011—2019年我国商业银行的分行业贷款柱状图。总体来看，国有银行的分行业贷款数额最大，其后依次为股份制银行、城商行与农商银。其中，农商行由于规模小，融资渠道单一，贷款行业细分程度较低，对部分行业甚至无贷款交易。此外，商业银行对采矿业，交通运输、仓储和邮政业，制造业以及电力、燃气及水的生产和供应业这四类碳密集型行业的贷款份额规模较大。且无论是哪种类型的商业银行，采矿业的贷款占比均为最高。综上可以看出，商业银行对碳密集型行业的贷款敞口更大，表明我国商业银行的相关气候风险敞口较大，规模较大的商业银行也更易受到气候转型风险的影响。

图1 商业银行气候风险敞口（2011—2019）

表2为我国商业银行2011—2019年的贷款碳强度数据表。综合来看，除个别数据外，国有银行贷款碳强度值最大。因此在低碳转型过程中，国有银行面临的气候损失可能相对更高。2011—2013 年股份制银行的碳强度值要高于城商行，但自2014 年后，城商行的碳强度值远高于股份制银行。这说明近年来城商行所支持的经济活动产生的碳排放量逐年加大，这可能是后文实证发现城商行气候信贷损失逐年加大的原因之一。此外，农商行由于规模小、业务结构单一，其贷款碳强度值最小。

表2 商业银行贷款碳强度

（二）压力测试结果

本小节分析在不同温度场景以及不同类型转型冲击因子下，我国商业银行的气候脆弱性指数在行业层面的占比，以及推断商业银行的气候信贷损失占总资本（或核心一级资本）的比重。对于每种场景（S或B）—模型M，共获得115080次转型因子冲击集（7 类冲击×411 个场景/模型×40 年），这些冲击最后按温度场景聚合从而求得商业银行气候脆弱性指数均值。考虑到转型冲击因子类型众多，限于篇幅，本小节重点分析了最具代表性也是可能带来冲击强度最大的碳价和能源市场份额双重冲击下的商业银行气候脆弱性指数变化，将其余5 类转型冲击下的分析结果放入附录。

1.商业银行层面的气候脆弱性指数

表3是按冲击因子划分的商业银行整体气候脆弱性指数均值。从整体来看，在7 类转型冲击因子下，我国商业银行的气候脆弱性指数均呈先降后升再降的趋势。由（1）—（4）类可看出，较碳价格冲击，能源市场份额冲击造成的商业银行气候脆弱性程度相对更高。在最严格冲击情景——碳价格和化石燃料+“棕色”电力市场份额双重冲击下，商业银行的气候脆弱性程度最高。

表3 按冲击因子划分的商业银行整体气候脆弱性指数

表4是按冲击因子以及温度场景划分的不同类型商业银行的气候脆弱性指数均值。首先，从温度场景角度看，无论在哪类冲击因子下，较2℃温度路径，1.5℃温度路径下商业银行的气候脆弱性程度更高。由此可看出，如果未来将全球升温目标控制得越严格，商业银行遭受的气候信贷损失越大。具体而言，无论在哪类转型冲击因子下，除Above2°C 温度路径（双重冲击-“棕色”电力冲击）外，其余温度路径下商业银行的气候脆弱性指数均大致呈先升后降趋势，并在2060年左右达到高峰。这与我国2060年“碳中和”的目标相符。此外，较其他银行，除个别数据外，所有温度路径下国有银行的气候风险脆弱性程度最高，但在2060年城商行和股份制银行的气候脆弱性程度显著上升，1.5℃温度路径下这一研究结论越明显。这表明，随着我国“双碳”目标实现进程的加快，在2060年之前，要重点关注2℃温度路径和1.5℃温度路径下国有银行的气候脆弱性程度，而在2060 年后，要重点预防更严格温度路径1.5℃下转型风险冲击对股份制银行和城商行的冲击影响。该研究结论与我国“3060 双碳”目标发展进程相符。

其次，从转型冲击因子类型角度看，本文发现较碳价冲击，能源市场份额冲击所导致的商业银行气候脆弱性指数在量级上较大，但碳价冲击带来的潜在风险要比能源市场份额转变带来的风险大得多。具体表现为，相较于单一冲击，表4中（6）和（7）双重冲击情境下，商业银行的气候脆弱性指数均值整体上相对更高。如基于（6）“棕色”电力双重冲击下，2060 年在最严格温度场景below1.5℃下，国有、股份制、城市、农村商业银行的气候脆弱性指数依次为75.43%、64.12%、68.79%、65.87%，而基于（7）“绿色”电力双重冲击下，商业银行气候脆弱性指数则相对较小，依次为56.17%、52.26%、58.14%、50.56%。这是因为在整个经济活动中，只要行业部门在生产过程中使用能源和排放CO2，就会存在碳负债。碳价是一个广泛的冲击，会影响到所有行业。因此，较能源市场份额冲击，碳价给商业银行造成的潜在气候转型风险更高。此外，无论是单一能源市场份额冲击还是碳价和能源市场份额相结合的双重冲击，“棕色”电力情景下的商业银行气候脆弱性指数均值要比“绿色”电力情景下的值更大。可能的原因在于：近年来我国商业银行对化石燃料等“棕色”企业的贷款额逐渐减少，但对可再生能源等“绿色”发电企业的融资逐年增多。因此，气候转型冲击对“棕色”企业造成的负面影响更突出。

最后，从我国商业银行属性角度看，转型冲击下的气候脆弱性程度异质性明显。由表4可知，在整个样本区间内，转型冲击对国有银行的影响最为显著，但在2060 年，股份制银行和城商行的气候脆弱性达到峰值，甚至在多类冲击下，其损失值要远超国有银行。由此可见，在未来几十年内，股份制银行与城商行存在的潜在气候风险将更大。从银行细化角度看，交通、工商、恒丰等银行的气候脆弱性指数也为其所属银行类型中的较大值。晋商、柳州、东营与稠州这四大城商行均为资源型城市地方银行，对碳密集型企业贷款敞口更大，因此在转型风险冲击下，这些银行的气候脆弱性程度也更高。此外，上海与北京均为我国的超大型城市，城镇化率高达87%以上，城市二氧化碳排放量位于全国前列，因此北京和上海两大农商行的气候脆弱性程度也较高。

2.行业层面的商业银行气候脆弱性指数

图2 分别是在Above2℃、2℃（Higher2℃和Lower2℃）、1.5℃（1.5℃-high-OS+1.5℃-low-OS）与below1.5℃四类温度场景下，我国商业银行在行业层面的气候脆弱性程度占比。

图2 商业银行气候脆弱性行业占比（%）

首先，在所有商业银行类型中，采矿业、制造业以及交通运输、仓储和邮政业这三大行业的气候脆弱性程度较高。这与图1中各类银行贷款比重相似。但值得注意的是，尽管电力、燃气及水的生产和供应业行业的二氧化碳排放量较大，但通过本文计算发现该行业转型冲击前的违约距离较大，故转型冲击后的增量违约距离变化较小，气候脆弱性指数并不突出，但该行业带来的气候风险不应被忽略。其次，“棕色”电力双重冲击下的商业银行行业层面气候脆弱性指数值较“绿色”电力双重冲击下的气候脆弱性指数值更大。最后，从商业银行类型角度看，行业层面的气候脆弱性程度异质性明显。城商行的行业气候脆弱性占比总值最大，股份制银行次之。其中，制造业和交通运输业两类行业的气候损失在国有银行和股份制银行两类商业银行中的占比较高；而对城商行而言，除采矿业、制造业与交通运输业三大碳排放量较高的行业气候损失占比高之外，建筑业与批发零售业两类碳排放量较低的行业的气候脆弱值也十分突出；农商行因其规模小，贷款总额少，因此其气候信贷损失总额最低。综上，各类商业银行除应重点关注传统意义上的高污染行业，也应根据自身的行业贷款比重特征以及行业的碳排放情况来防范转型风险冲击引致的气候信贷损失。

3.不同温度路径下的商业银行气候脆弱性指数

为进一步分析气候转型风险对我国个体商业银行的冲击影响，本小节重点比较了2℃和1.5℃温度路径下我国64家商业银行的贷款碳强度、气候脆弱性以及气候相对损失，如图3 所示。其中，“Above2°C、Higher2°C、Lower2°C”场景归属2℃温度路径；“Below1.5°C、1.5°C-higer-OS、1.5°C-low-OS”场景则归属1.5℃温度路径。

图3 不同温度路径下商业银行的气候脆弱性气泡图

首先，总体来看，无论是碳强度、商业银行气候脆弱性还是相对损失数额，较1.5℃温度路径，2℃温度路径下的64 家商业银行的气候脆弱性指数值相对更大。具体来看，2℃温度路径下，商业银行的气候脆弱性指数值分布相对分散，平安银行、光大银行、恒丰银行与广发银行等股份制银行承担了更大的气候损失；而在1.5℃的温度路径下，商业银行的气候脆弱性指数值分布相对集中，意味着在1.5℃的温度路径下，整体商业银行样本的气候损失程度较高。其中，浙商、承德等城商行的气候脆弱性指数值相对更大。

其次，商业银行的气候脆弱性程度与其碳强度呈强正相关关系。无论是2℃还是1.5℃温度路径下，对碳密集型企业贷款规模大即碳强度更高的商业银行的气候脆弱性指数值更大。例如东营、柳州、浙江稠州、晋商、鞍山等资源型城市地方银行。而对位于主要通过水力、生物能等碳排放量低的发电方式的城市的商业银行而言，由于对“绿色”企业的贷款额度相对更大，贷款碳强度值更低，因此受气候冲击的概率也更低，例如齐鲁、宁波、杭州、天津滨海等银行的气候脆弱性指数值与相对损失值更小。

最后，部分商业银行的贷款碳强度和相对损失小，但其气候脆弱性程度相对较高。例如，2℃温度场景下的中国银行、浦发银行等，以及1.5℃温度场景下的邮储银行、民生银行等。通过本文收集的64家银行的行业贷款数据以及计算结果发现，出现这种结果的原因可能在于，这些银行的行业贷款细化程度高，即与每类行业均有借贷交易，导致受转型冲击的负面影响更高。因此，该类商业银行应进一步优化信贷政策，通过提升对借款行业的信用贷款评级来减缓转型风险对商业银行造成的不利影响。

4.商业银行气候脆弱性指数占总资本（或核心一级资本）比重

资本充足率是保持商业银行稳健发展的重要监管指标。因此，如果转型风险导致的损失被完全吸收到商业银行的资本部分，会造成银行面临流动性危机，甚至导致其破产，进而通过网络传染效应引发一系列连锁反应，影响整个金融市场的稳定。为了解这种损失程度，图4（a）和（b）分别表示转型冲击下四类商业银行的气候脆弱性指数值占总资本（或核心资本价值）的比重（%）。

图4 商业银行气候脆弱性指数占总资本（或核心一级资本）比重（%）

从商业银行类型角度看，无论是在“棕色”还是“绿色”电力双重冲击下，城商行的气候脆弱性指数值占总资本/核心一级资本的比重最高，股份制银行和国有银行依次次之。从温度场景角度看，2℃场景下所有银行气候脆弱性指数占总资本（或核心一级资本）比重最高，below1.5℃、1.5℃、Above2℃场景依次次之。此外，在双重冲击+“棕色”电力冲击下的最严格温度场景below1.5℃下，银行气候脆弱性指数占总资本（或核心一级资本）比重最高可高达15.92%/12.03%（城商行）。这足以表明合理资本充足率在低碳转型过程中对微观金融稳定的重要作用。如果气候转型风险对商业银行造成的信贷损失被完全吸收到银行的核心资本部分，意味着商业银行的气候脆弱性程度会大大提高，严重破坏金融体系的稳定。

五、结论与启示

本文运用自下而上的压力测试方法，预测了2020—2060 年不同升温目标下七大类转型冲击因子对我国商业银行信贷损失的影响。研究发现：第一，较2℃温度路径，1.5℃温度路径中下的商业银行气候脆弱性要高得多。因此如果未来将全球升温目标控制在1.5℃以内的话，我国商业银行等金融机构面临的气候转型风险将更为严峻。第二，较碳价冲击，能源市场份额对商业银行造成的气候信贷损失在量级上更大，但碳价冲击造成的潜在气候信贷损失更大；此外，“棕色”电力冲击下的商业银行气候脆弱性指数值要明显大于“绿色”电力冲击下的值。第三，由于对行业的贷款敞口不同，我国商业银行行业层面的气候脆弱性指数异质性明显。各类商业银行应根据自身的行业贷款比重特征来预防转型冲击导致的气候信贷损失。第四，四类商业银行类型中，随着“双碳”目标的不断推进，股份制银行和城商行的气候脆弱性指数均值要远超国有银行。第五，商业银行的气候脆弱性程度占其总资本（或核心一级资本）的比重较高。

基于上述研究结论，本文得出如下启示：第一，“双碳”目标的实现不能过度追求速度，应评估不同温度路径下不同类型转型冲击因子对商业银行的异质性影响，结合我国经济金融发展实际情况制定气候相关转型政策，切实提高气候政策的有效性。第二，商业银行应拓宽业务范围，不断创新与丰富绿色金融产品，全方位打造绿色银行，并将气候风险全面纳入银行治理系统中，建立完善的气候风险管理体系。第三，金融监管部门应高度重视转型过程中将核心资本充足率控制在合理范围内对微观金融稳定的重要作用，强化商业银行资本风险管理，提高应对气候转型风险的资本充足性水平。

注 释

①气候转型风险，是指社会向可持续发展转型的过程中，气候政策、低碳技术创新、市场情绪等因素变化导致金融机构发生损失的风险。

②气候明斯基时刻，是指全球气候变化诱发的系统性风险集中爆发的时刻。

③“棕色”企业是相对于“绿色”企业而言，是指高污染、高排放的碳密集型企业。

④IAMC 1.5℃场景数据库重点运用如全球气候变化的综合评估模型（GCAM）等专业衡量气候变化模型（M），提供了各个国家在未来不同升温目标场景（S）下2015—2100 年期间每隔10 年的31 组实体-社会-宏观经济变量的预测结果。数据库网址：https：//data.ene.iiasa.ac.at/iamc-1.5c-explorer。

⑤上市公司的选择依据为：在证监会2012版行业分类的基础上，剔除遭受连续亏损的ST 和*ST 企业，以及数据不连续、缺失值较严重的企业，最终选取各行业类型下共1911家上市公司。所选企业几乎涵盖了我国所有上市公司，证明本文的样本企业具有较好的代表性，可以用来反映我国上市企业的总体情况。

⑥该模型将公司债务市值D 估计为债务的账面价值F，即D=F，则公司的市场价值V 等于债务市值D+权益市值E，即V=F+E；权益市值E=流通股股数×期末收盘价+非流通股股数×每股净资产；公司的预期资产收益率μ等于上年的公司股票收益率r；利用历史波动率法来估算权益价值波动率。