论文提出基于Vasicek多变量Firm Value模型扩展的物理气候风险框架 [page::1][page::4]

• 股票资产的价值建模采用几何布朗运动叠加负跳跃，用以反映极端气候事件对资产的突然冲击。

- 物理风险主要源于地理脆弱性与企业资产强度（有形资产比例）两个维度。

• 负跳跃的大小和频率依赖于企业所属的气候聚类，模型引入Lewis(2001)公式实现跳跃扩散期权定价。

ND-GAIN指标与资产强度定义及聚类分析 [page::7][page::8][page::9][page::10]

• 利用ND-GAIN国家脆弱性指数对企业总部所在地气候脆弱性进行聚类，生成低风险与中高风险两大类。

- 企业资产强度按NACE行业划分，分为低、中、高、极端四类。

• 两因素交叉形成八个气候风险群组，用以细分物理风险暴露。

跳跃模型的参数校准及预期损失计算 [page::11][page::12]

| 资产强度\脆弱性 | Low | Medium-High |
|----------------|--------|-------------|
| Low | 0.006 | 0.015 |
| Medium | 0.018 | 0.046 |
| High | 0.042 | 0.107 |
| Extreme | 0.073 | 0.183 |

| \| Low | Medium | High | Extreme |
|-------|--------|--------|---------|
| Low | 1.51% | 3.75% | 6.62% | 11.57% |
| | (1.69%)| (4.42%)| (7.76%) | (13.00%)|
| Medium| 6.72%(5.56%)|9.34%(12.19%)|15.37%(18.57%)|27.17%(29.98%)|

• 校准采用两步法：先用市场数据估计基础FVM参数，再最小化模型预期损失与气候冲击目标的误差拟合Poisson跳跃参数。

- 校准后模型再现各群组的平均预期损失，有效说明跳跃对资产价值的降维影响。

物理气候风险对指数组合VaR的影响及行业差异分析 [page::14][page::15][page::16][page::17]

• 以MSCI全球及ESG相关指数为例，1年内物理风险VaR增量约1%，5年增至3%以上，长期影响更显著。

- 公用事业板块VaR 5年95%置信水平的增量最高达86%，能源和电信行业紧随其后。

• 均值损失与VaR增量分布显示行业内资产强度差异是驱动风险异质性的关键因素。

主要结论和政策启示 [page::18][page::19]

• 物理气候风险明显增加企业资产意外损失的概率，应融入资产管理的风险度量体系中。

- 模型具备较高适应性，并可为监管提供标准化的风险附加值计算思路，辅助资本缓冲设置。

• 地理和资产强度聚类方法有效反映不同区域和行业的风险分层，特别揭示发展中国家与高资产密集行业的高风险暴露。

金融研究报告详尽分析报告

物理气候风险在资产管理中的应用与模型构建

作者：Michele Azzone, Matteo Ghesini, Davide Stocco, Lorenzo Viola
机构：米兰理工大学数学系，巴黎理工学院CREST，Arca Fondi SGR
发布日期：2025年10月15日
报告主题：基于多变量跳跃扩散模型的气候物理风险评估及其对股票组合资产价值的影响分析

---

一、元数据与报告概览

本研究报告题为《Physical Climate Risk in Asset Management》，主要关注气候变化引发的物理风险对股票资产组合的影响。作者团队跨学科结合数学建模与金融风险管理，提出了一种基于Vasicek多变量信用风险模型的扩展方法，该方法通过引入针对极端气候事件导致的负跳跃，刻画企业资产价值的动态变化。报告的核心贡献在于：

• 开发了可应用于全球上市股票并且仅需要公开数据的多变量带跳跃的企业资产价值模型；

- 采用ND-GAIN地理脆弱性指数和公司资产强度数据进行模型校准；

• 通过该模型计算气候风险情况下的预期损失和非预期损失，为资产管理者提供市场风险计量工具的补充信息；

- 建议监管当局考虑根据物理气候风险对资本缓冲要求进行调整。

本报告并未直接给出投资评级或目标价，更多集中于定量风险模型构建与政策建议层面，旨在为金融机构内嵌气候风险管理提供实用框架和工具。[page::0]

---

二、逐节深度解读

2.1 引言（第1页）

物理气候风险由极端天气事件（如洪水、干旱、热浪）及长期气候变迁（海平面上升）产生并越来越被金融机构重视。监管层已要求将此类风险纳入风险管理框架。作者指出，现有文献多聚焦于气候转型风险，较少有针对物理风险的多变量模型。

该文基于Vasicek（1987）模型，结合Merton（1974）企业价值模型，将企业资产看作几何布朗运动，并将股权视为欧式期权。核心创新是引入跳跃过程以模拟极端气候事件导致的资产价值骤减，跳跃频率和强度依赖公司地理暴露和资产强度。校准采用数据普及度较高的ND-GAIN指数结合公司财务数据，模型灵活，兼顾实操性和准确性。

从金融机构角度，模型可生成物理风险加值的VaR指标，促进风险管理实践与监管合规；从政策视角，则支持资本缓冲及风险评估要求的制定。[page::1]

2.2 气候变化影响与风险定义（第2-3页）

基于IPCC最新合成报告介绍了全球变暖现状及激增的极端天气事件，特别指出了发展中国家因治理能力和资源有限，受物理气候风险影响更为显著。气候风险划分为物理风险（短期极端事件与长期变化）和转型风险（向碳中和经济的过渡风险）。本报告聚焦物理风险，通过对资产直接的破坏及运营成本上升影响公司利润、信用品质及股价的传导机制展开。

结合现有文献，作者指出物理风险对市场的影响包括资产减值、风险重定价及市场波动性加剧，是银行与资产管理不可忽视的一部分。[page::2][page::3]

2.3 资产管理中物理气候风险建模（第3-5页）

强调现有文献对转型风险研究较多，针对物理风险的少之又少。Dietz et al.（2016）采用全球GDP模型估算气候VaR，但缺乏细化资产层面区别；Bressan et al.（2024）为墨西哥公司提供细粒度资产级分析，但数据需求高、泛用性受限。

本报告提出的模型介于两者之间——基于公开数据且适用于全球股票组合的跳跃扩散多变量FVM框架。三大贡献：（1）模型设计结构清晰，可集成于风险管理流程；（2）利用ND-GAIN和资产强度刻画跨国家和行业暴露差异；（3）实现组合层面加权VaR计算的技术细节与实操方法。

模型采用Vasicek (1987)多变量框架，股权定价基于Black-Scholes期权定价，且通过Lewis(2001)方法利用特征函数处理带跳跃的资产动态。跳跃为纯负，捕捉极端气候事件对资产价值的冲击，跳跃强度和频率由所属气候簇决定。气候簇通过地理脆弱性和资产强度维度聚类确定。[page::4][page::5]

2.4 模型细节与跳跃过程定义（第5-7页）

• 企业资产价值 $Vj(t)$ 基于几何布朗运动

- 股权价值 $Ej$ 视为欧式看涨期权，行权价是企业债务总额 $Dj$

• 市场风险与个体风险分别由共性布朗运动 $Z(t)$ 和个体布朗运动 $Wj(t)$ 表示，允许相关性

- 气候冲击通过复合泊松过程 $Lk(t)$ 引入，簇内企业共享跳跃强度 $\lambdak$和跳跃幅度 $\thetak$，纯为负值模拟灾害冲击

• 跳跃动态下股权定价采用Lewis半解析方法计算（傅里叶变换），确保对跳跃过程的适应性和计算效率

同时提出的模拟算法是基于Monte Carlo，可模拟不同时间节点下带跳跃和不带跳跃的资产动态，可进一步估计股票回报分布、损失分布及VaR。模拟步长设计为月度，模拟次数为10万次，较高的数值精度保证了统计稳定性。[page::6][page::7]

2.5 数据集介绍与气候簇划分（第7-10页）

数据源为LSEG，涵盖10430家全球上市公司，资产、股价、债务等财务指标均以美元计。气候暴露通过公司总部所在国家的ND-GAIN脆弱性指数刻画，资产强度通过PPE（物业、厂房及设备）与营收比率表示。

• 地理暴露利用层次聚类法得到三个脆弱性簇，最终合并“中高”和“高”簇形成两个簇（低和中高），数量大致均衡；

- 资产强度基于NACE两位数行业聚类，形成四个组，分别为低、中、高及极端强度组，极端强度组涵盖采矿、公用事业等；

• 图表（图1-4）清晰展示了全球脆弱性地理分布（热区集中于赤道附近及全球南方国家），两个脆弱性簇的分布特征和资产强度簇的行业分布差异。

表格定量展示这两个纬度对应簇的样本量、均值与标准差，验证分类的显著性和合理性。[page::8][page::9][page::10]

2.6 气候压力下的预期损失计算与模型校准（第11-13页）

利用Gordon增长模型将预期股权价值与股息增长率、股权回报率连接，进而构造气候冲击参数 $\alphak$ ，定义为簇对应的地理暴露和资产强度的乘积，体现风险叠加效果。由此计算气候冲击对股权价值的比例性削减。

基于市场数据反推非跳跃模型的资产初值及波动率，随后通过最小化带跳跃模型计算的股票价值与压力测试目标价值之间的误差，校准泊松跳跃强度和幅度。最终得到与目标期望损失吻合较好的簇级跳跃参数。

值得注意的是，数据清洗及样本完整性过滤后，实际用于模型校准的样本数为5351家公司。此步骤确保了模型的稳健性和结果的统计显著性。

[page::11][page::12][page::13]

2.7 物理气候风险对投资组合的冲击评估（第13-17页）

通过模拟两种情境——基准（不含物理跳跃）与气候压力（含跳跃）下的资产动态，计算组合损失及分布特征，采用Monte Carlo方法运行10万次模拟。 VaR和预期损失的差值 $\Delta L$ 和 $\Delta VaR$ 体现了气候物理风险带来的额外风险暴露。

• 三大指数（MSCI World、ESG Leaders、Climate Paris Aligned）在资产强度和地理暴露上表现相似，故气候风险影响一致；

- 随着时间延长，$\Delta L$ 和 $\Delta VaR$ 增长明显，表明气候风险对长期投资损失的持续影响；

• 在20年远期，极端分位下的VaR差异减小，主要因权益期权价值趋近于零；

- 板块层面，工具行业公用事业类股票因高资产强度及物理资产固定性遭遇最大风险增量，5年95%VaR加成达86%；

• 通信和能源部门也显示较高风险加成，反映物理基础设施受自然灾害影响显著。

图表（图5-7）直观展现了不同时间窗口和置信水平下的VaR变化、部门风险加成排序、以及关键行业内部资产强度分布。

此外，文中也做了跳跃过程间相关性极端变化的鲁棒性检验，结论是对最终风险评估影响小于2%，增强了模型信度。[page::14][page::15][page::16][page::17]

2.8 结论与政策建议（第18-19页）

总结框架优势：

• 建立基于跳跃扩散的物理气候风险多变量模型，确保金融资产值的风险传导路径清晰；

- 模型融合资产强度和地理脆弱性两个关键因子，形成细分刻画；

• 校准方法简明且利用公开数据，方便监管层及金融机构普适推行；

- 通过计算VaR增量加成，为资本缓冲计提提供量化依据，反映行业风险差异，实证中公用事业风险敞口最高，契合行业资产密集型特点；

• 建议监管当局可基于此框架，制定标准化VaR加成规则，无需机构内部进行复杂模型开发。

报告亦指出现存局限：

• 采用公司总部地理位置替代资产实际分布，可能导致暴露判断偏差，未来有待更精细空间数据支持；

- 跳跃过程基于Lévy假设，独立且平稳，难以完全覆盖气候事件的非平稳性及路径依赖性，后续可考虑引入非平稳跳跃（Additive）或自激励（Hawkes）过程提升模型拟合力。

[page::18][page::19]

---

三、图表深度解读

图1：全球气候脆弱性分布热力图（第8页）

• 描述：展示了ND-GAIN指数中各国脆弱性分数的全球分布。色彩由绿至红逐渐递增，反映风险由低到高。无数据国家为灰色。

- 解读：赤道附近的非洲、中南亚以及部分南美洲国家显示最高物理气候风险，说明这些区域气候灾害发生概率大，社会经济脆弱性高。发达地区（北美、欧洲、澳大利亚）表现为较低风险。

• 结合文本，这为后文地理聚类提供实证基础，区分Global North与Global South的差异。[page::8]

表1 & 图2：地理脆弱性簇统计（第9页）

• 表1展示Low和Mid-High两组公司的数量及脆弱性均值和标准差，均值差异大于两倍标准差，分组充分；

- 图2中概率密度曲线显示低风险组偏集中，暴露中高风险组分布更分散，反映风险异质性；

• 该数据支持后续以两簇进行模型参数差异化设置。[page::9]

图3：地理簇分布世界地图（第10页）

• 显示低风险国家(绿色)主要集中在北半球发达地区，中高风险国家(橙色)与全球南方对应良好；

- 合理映射现实气候风险区域分布，支撑论文地理风险区分。[page::10]

图4 & 表2：资产强度簇分布（第10页）

• 图4展示四个资产强度簇（低、中、高、极端）NACE行业对应资产强度概率分布，有明显层次分明；

- 表2每簇公司数均衡，极端簇资产强度均值最高(0.345)，对应采矿、电力等重资产行业；

• 资产强度为物理风险暴露的关键量化指标，为跳跃强度设置提供依据。[page::10]

表3：气候冲击参数$\alphak$（第11页）

• 展示基于脆弱性和资产强度乘积计算的各簇冲击因子，极端簇最大至0.183，低低组合最低0.006；

- 这一结构设定使得高风险地区高资产强度公司遭受最大资产价值打击，体现风险乘数效应。[page::11]

表4：模型校准拟合损失对比（第12页）

• 列出了对应簇之间通过校准跳跃参数后模型计算的预期损失与理论冲击损失的对比；

- 两组结果基本吻合，证明跳跃模型参数能成功复现预期股权价值跌幅，支持模型合理性。[page::12]

表5：样本数据规模及聚类分布（第13页）

• 汇报数据预处理后各簇剩余可用样本数，以及聚类前后样本量对比；

- 虽丢失一半样本，但各簇仍各有200+样本，保障统计显著性和模型鲁棒。[page::13]

表6：不同MSCI指数在不同时间和置信水平的VaR增量计算（第15页）

• 多个时间点(1,5,10,20年)和置信度(90%,95%,99%)下，$\Delta L$和$\Delta VaR$均逐年增长；

- 各指数数值相近，揭示ESG或气候主题指数未必规避物理气候风险；

• 长期高置信度下$\Delta VaR$不增反降，解释为极限状态下期权价值趋零的数学现象。[page::15]

表7：MSCI指数资产强度与脆弱性簇分布（第15页）

• 清晰展示不同指数在脆弱性和资产强度的组合比例，助力解释各自气候风险暴露程度；

- 较大比例中高资产强度及中高脆弱性对应较高物理风险。[page::15]

图5：MSCI Europe Utilities行业不同时点VaR对比（第16页）

• 蓝色为不含跳跃基线，橙色为含跳跃压力测试情境，显示含跳跃模型VaR显著更高且随时间递增；

- 实际反映行业资产暴露物理风险时间积累影响，尤以公用事业为代表，高暴露集中体现于极端资产强度公司（见图7）。[page::16]

图6：5年95%置信区间VaR风险加成百分比（第17页）

• 不同行业风险加成排序，公用事业最高达86%，通信、能源等次之，信息技术板块最低；

- 体现物理资产浓度与风险敞口紧密相关。[page::17]

图7：MSCI欧洲公用事业指数资产强度分布（第17页）

• 超八成股票隶属于极端资产强度组，支持公用事业板块风险大增结论；

- 落脚点在物理资产不可移动且高度依赖于基础设施使得极易受气候影响。[page::17]

表10（附录B）：跳跃过程相关性鲁棒性检验（第24页）

• 比较独立跳跃和完全相关跳跃情况下$\Delta L$和$\Delta VaR{90%}$指标；

- 两种极端状态差异小于2%，表明模型对跳跃过程相关性假设稳健。[page::24]

表11（附录C）：采用Lewis公式进行股权定价后的风险指标（第26页）

• Lewis公式考虑跳跃带来的影响更为全面，导致$\Delta VaR$指标更为悲观，尤其在短期内差异高达300%；

- 体现了将物理风险显式纳入定价框架的重要性与价值。[page::26]

---

四、估值方法解析

本报告基于企业价值模型（FVM），其中股权视为对业务资产的欧式看涨期权。基础资产价值服从带有共性（市场）和个体风险的几何布朗运动。

• 标准情形下采用Black-Scholes公式计算股权价值；

- 引入跳跃后资产过程为跳跃扩散，期权定价转而采用Lewis(2001)半解析傅里叶变换方法；

• 跳跃幅度和频率由气候暴露簇定，体现极端事件带来的突然大幅资产价值损失；

- 模型参数分两步校准：先基于常规市场数据反推资产价值及波动率，再通过拟合股权价值在气候应力冲击下的变化确定跳跃参数。

这种方法结合了结构化信用风险模型与气候物理风险的特点，既涵盖资产价值突发下跌风险，又保证模型集成于金融机构现有风险管理方法中，具备实操推广价值。[page::5][page::6][page::11][page::12]

---

五、风险因素评估

本研究重点关注物理气候风险对金融资产价值的直接冲击，识别以下风险因素：

• 极端气候事件的发生频率与强度：通过跳跃频率$\lambdak$和幅度$\thetak$量化，直接导致企业资产价值瞬间下跌；

- 地理脆弱性与资产结构异质性：不同地区不同资产强度决定企业气候暴露程度，风险因地制宜；

• 数据及模型假设局限：使用企业总部地理位置代替资产实际分布可能低估复杂暴露；跳跃过程假设独立平稳，忽略非平稳性和路径依赖；

- 长期风险积累：物理气候风险随时间累积，致使长期投资组合风险显著上升。

报告未直接提供风险缓解策略，强调通过模型提供的风险量化指标指导资本缓冲设计和投资组合调整，是风险管理的前置条件。[page::1][page::19]

---

六、批判性视角与细微差别

• 报告模型简洁且实用，但因采用公司总部位置代替实际资产分布，可能在跨国大企业风险评估时产生误差，推荐未来集成更精细的资产地理分布数据；

- 跳跃过程假设Lévy独立与平稳，未考虑气候事件潜在的时间依赖性及多重灾害叠加风险，可能低估极端风险聚集效应；

• ESG领导者指数与普通指数风险几乎无差，说明环境社会治理评级未必涵盖物理气候风险，投资者不应过度依赖ESG屏障；

- 模型对跳跃过程相关性敏感度低，增加分析的稳健性；

• 相关性与尾部风险的非线性影响需在未来深挖，以提高风险资本计提的准确性。

整体而言，报告在简化与精准之间取得合理平衡，但对极端风险的更深层次模拟仍具提升空间。[page::18][page::19][page::24]

---

七、结论性综合

本文提出了一套基于多变量带负跳跃复合泊松过程的企业价值模型，用以度量物理气候风险对全球股票资产组合的影响。模型融合了公司地理气候脆弱性与资产强度两维度，经过严谨校准，能较好地拟合公司股权价值在气候极端事件冲击下的损失。

实证显示，物理气候风险从短期到长期均导致股票组合预期损失和VaR水平持续上升，且行业间风险差异显著，公用事业、通信、能源等资产强度高的部门承受最大气候风险敞口。不同类型指数（包括ESG主题）对气候物理风险反应接近，表明ESG投资并不能充分规避物理气候风险。

模型通过加入VaR加成的方式为资产管理者提供了直观的气候风险估值补充，具备良好的监管应用潜力，能够辅助资本充足率制定和压力测试。其低数据与计算门槛使之成为当前金融业集成气候物理风险测算的有力工具。

图表辅佐阐释了地理与行业风险空间分布、损失估计、风险暴露面与聚类划分，确保分析的全局性与深度。未来研究建议引入资产地理细分数据和更灵活的跳跃过程建模来提升模型预测能力和现实贴合度。

最终，该报告恰如其分地回应了金融机构与监管机构对实用且科学的物理气候风险管理工具的需求，具有重要理论和实践价值。[page::1][page::6][page::8][page::10][page::13][page::15][page::17][page::18][page::19]

---

结语

这份报告详细而系统地构建了连接气候科学和金融风险管理的复杂模型，既具理论深度，也兼顾数据可得性及监管适用性。通过全面剖析，我们获得了对气候物理风险在资产管理中潜在深远影响的理性认识，为后续风险治理和政策制定提供了坚实支撑。

报告