氣候轉(zhuǎn)型風(fēng)險宏觀情景壓力測試：方法探索及行業(yè)應(yīng)用*
——基于高碳企業(yè)債券違約概率模型

丁 攀，李 凌，李業(yè)嘉，潘秋蓉，吳 玲

（1.中國（海南）改革發(fā)展研究院，海南 海口 570100；2.中國人民銀行?？谥行闹?，海南 海口 570105；3.中國人民銀行三亞市中心支行，海南 三亞 572000）

一、引言

氣候風(fēng)險已成為本世紀(jì)人類面臨的最主要挑戰(zhàn)。全球各國政府紛紛承諾以不同方式應(yīng)對氣候變化，其中最具里程碑意義的是2015年由195個締約方在第21屆聯(lián)合國氣候變化大會上一致同意通過的《巴黎協(xié)定》，該協(xié)定旨在將本世紀(jì)的全球升溫幅度限制在比工業(yè)化前水平高出2℃以下，并努力將升溫幅度控制在1.5℃以內(nèi)。然而，遏制排放或促進(jìn)向低碳、凈零經(jīng)濟轉(zhuǎn)型的政策可能會給碳密集型行業(yè)帶來重大風(fēng)險，特別是嚴(yán)重依賴不可再生能源或高污染資源的行業(yè)（如化石能源開采等）以及通過供應(yīng)鏈與之緊密相連的行業(yè)（如火電、造紙、化工等），可能面臨著利潤大幅下降和生產(chǎn)成本上升，進(jìn)而導(dǎo)致其資產(chǎn)重新估值并重新評估預(yù)期收益。這類資產(chǎn)的重新定價可能會損害金融機構(gòu)交易對手的信譽，導(dǎo)致其償付能力下降進(jìn)而破壞金融服務(wù)的穩(wěn)定性和金融市場的正常運行，并對實體經(jīng)濟造成結(jié)構(gòu)性沖擊。在經(jīng)濟政策向低碳轉(zhuǎn)型過程中，由于氣候政策變化、技術(shù)革新、市場情緒變化、環(huán)境規(guī)制變更等導(dǎo)致的資產(chǎn)擱淺而引發(fā)的金融風(fēng)險被定義為氣候轉(zhuǎn)型風(fēng)險。

為了更好地評估氣候轉(zhuǎn)型風(fēng)險造成的潛在損失，防范可能導(dǎo)致的系統(tǒng)性金融風(fēng)險，國際組織、貨幣和監(jiān)管當(dāng)局開始呼吁金融機構(gòu)要建立氣候風(fēng)險管理框架，將氣候風(fēng)險因素納入投融資業(yè)務(wù)。全球氣候相關(guān)財務(wù)披露工作小組TCFD（The Task Force on Climate-Related Financial Disclosures）（2017）針對金融業(yè)及易受到氣候變化和低碳經(jīng)濟轉(zhuǎn)型影響的高碳產(chǎn)業(yè)分別制定了信息披露指引，一方面有助于推動市場對氣候相關(guān)風(fēng)險與機遇評估、改善氣候風(fēng)險定價，以便進(jìn)行更完善的資本配置決策，另一方面有助于投資人或利益相關(guān)者更有效地評估風(fēng)險調(diào)整后的潛在收入、償債能力、氣候相關(guān)的暴露程度。央行與監(jiān)管機構(gòu)綠色金融網(wǎng)絡(luò)（Network for Greening the Financial System，以下簡稱NGFS）（2019）認(rèn)為，氣候變化是影響金融體系結(jié)構(gòu)性變化的一個重要來源，建議將氣候相關(guān)風(fēng)險納入金融穩(wěn)定監(jiān)測和微觀監(jiān)管，并促進(jìn)央行和監(jiān)管機構(gòu)就基于各種轉(zhuǎn)型情景的金融風(fēng)險評估開展聯(lián)合工作。為了促進(jìn)各國央行與監(jiān)管機構(gòu)更好地開展氣候風(fēng)險壓力測試，NGFS于2020年6月發(fā)布了《面向央行和監(jiān)管機構(gòu)的氣候情景分析指南》，通過模型提出了有序轉(zhuǎn)型、無序轉(zhuǎn)型、溫室世界三種轉(zhuǎn)型路徑下8個宏觀情景，其中每個情景都包含了GDP、CO2排放量、碳價等宏觀變量的定量預(yù)測。2021年6月，NGFS對原始情景進(jìn)行更新，并將宏觀經(jīng)濟變量的定量預(yù)測細(xì)化至國家層面。在此背景下，全球已有31個NGFS成員單位的中央銀行或政策機構(gòu)開始致力于開發(fā)宏觀情景壓力測試方法，旨在評估氣候風(fēng)險對金融系統(tǒng)和整體經(jīng)濟的影響。

國內(nèi)層面，中國人民銀行組織全國23家主要銀行完成了對火電、鋼鐵、水泥等三大高碳行業(yè)的氣候風(fēng)險敏感性壓力測試，但宏觀情景的壓力測試方法仍在不斷探索與完善。鑒于此，本文通過梳理并借鑒世界主要國家央行或政策機構(gòu)開展的氣候風(fēng)險宏觀情景壓力測試方法，結(jié)合我國碳密集型產(chǎn)業(yè)分布實際以及基于未來氣候政策的一系列假設(shè)，探索研究氣候轉(zhuǎn)型風(fēng)險對碳密集型產(chǎn)業(yè)的傳導(dǎo)渠道，最終測算金融市場的違約概率。本文試圖建立一個前瞻性的分析框架，以評估氣候轉(zhuǎn)型風(fēng)險對我國高碳企業(yè)的財務(wù)影響，即通過該框架將NGFS氣候情景的輸入應(yīng)用于國內(nèi)發(fā)債的非金融高碳企業(yè)，以此評估氣候轉(zhuǎn)型風(fēng)險在未來40年時間范圍內(nèi)可能對高碳企業(yè)信用風(fēng)險產(chǎn)生的影響。

本文可能的主要邊際貢獻(xiàn)在于：一是梳理世界主要國家央行或政策機構(gòu)對氣候風(fēng)險宏觀情景壓力測試的具體做法，總結(jié)各國方法的特點與優(yōu)勢，為豐富氣候轉(zhuǎn)型風(fēng)險量化評估拓寬研究思路。二是選擇了八大高碳行業(yè)之一的火電行業(yè)作為研究對象，基于NGFS情景中未來氣候政策的不同假設(shè)構(gòu)建了對應(yīng)的企業(yè)財報驅(qū)動模型，為宏觀經(jīng)濟指標(biāo)如何映射至行業(yè)層面提供了新的研究方法。三是通過企業(yè)債券信用利差計算市場隱含的火電企業(yè)違約概率，構(gòu)建了基于氣候轉(zhuǎn)型風(fēng)險宏觀情景壓力下的債券市場違約概率模型，有效彌補了氣候轉(zhuǎn)型風(fēng)險對債券市場影響的研究空白。

二、氣候風(fēng)險量化評估的最新研究進(jìn)展

對氣候變化緩解政策實施帶來的轉(zhuǎn)型風(fēng)險量化評估，越來越受到學(xué)術(shù)界與政策制定者的重視，部分國家金融管理部門開始利用壓力測試工具評估氣候風(fēng)險給金融體系帶來的影響。在過去，傳統(tǒng)壓力測試主要集中在短期內(nèi)宏觀經(jīng)濟波動對金融機構(gòu)投資組合或資產(chǎn)負(fù)債表的影響，預(yù)測期限往往在未來5年內(nèi)的情景沖擊（Vermeulen等，2018）。雖然這種短期內(nèi)壓力測試有助于評估金融機構(gòu)對近期可能出現(xiàn)氣候風(fēng)險的抵御能力，卻無法衡量金融體系可持續(xù)應(yīng)對氣候變化相關(guān)風(fēng)險的能力，因此有必要進(jìn)行更長期的情景分析。得益于NGFS對氣候轉(zhuǎn)型情景的更新與不斷完善，基于預(yù)測時間跨度至2050年的宏觀情景分析法被不少國家央行采用（BDF，2020；ECB，2021；BoE，2019；BoC，2022），即通過不同氣候變化政策應(yīng)對的路徑假設(shè)對宏觀經(jīng)濟造成的影響，分析金融體系由此可能造成的損失。

（一）氣候風(fēng)險對宏觀經(jīng)濟的傳導(dǎo)：路徑、方法與應(yīng)用

氣候風(fēng)險對宏觀經(jīng)濟的傳導(dǎo)路徑主要通過不同控溫目標(biāo)情景下設(shè)置相對應(yīng)的碳定價機制，進(jìn)而對宏觀經(jīng)濟產(chǎn)生不同的影響。以2℃的控溫目標(biāo)為例，首先，碳價上升導(dǎo)致化石能源需求下降，進(jìn)而導(dǎo)致產(chǎn)出下降，碳排放量也隨之減少，倒逼能源需求國出臺一系列政策以調(diào)整能源結(jié)構(gòu)以及發(fā)展減碳除碳和碳封存技術(shù)。與此同時，對能源出口國而言，化石能源需求下降必然導(dǎo)致價格下跌，意味著產(chǎn)出下降。其次，碳價上升帶來碳配額拍賣收入的增長，通過稅制調(diào)節(jié)的方式鼓勵企業(yè)參與可再生能源的投資。然后，碳價上升給企業(yè)帶來生產(chǎn)成本壓力，一方面通過提高產(chǎn)品價格轉(zhuǎn)嫁給消費者，導(dǎo)致物價上漲進(jìn)而抑制消費需求，另一方面擠壓生產(chǎn)企業(yè)的利潤，導(dǎo)致投資與產(chǎn)出的下降。

綜合評估模型（Integrated Assessment Models，以下簡稱IAMs模型）框架最早由2018年諾貝爾經(jīng)濟學(xué)獎獲得者諾德豪斯提出（Nordhaus，1982），該模型創(chuàng)造性地將經(jīng)濟學(xué)中的邊際分析法引入氣候變化研究（Nordhaus，1991），并由最初單一的全球整體為研究對象的氣候和經(jīng)濟動態(tài)綜合模型（Dynamic Integrated Model of Climate and the Economy，DICE）演變?yōu)榘绹?、中國等碳排放大國在?nèi)的多區(qū)域氣候和經(jīng)濟綜合模型（Regional Integrated model for Climate and the Economy，RICE）。經(jīng)過多年的不斷擴展與完善，IAMs模型的發(fā)展呈現(xiàn)出多元化特征，并逐漸成為多數(shù)國家金融管理部門研究氣候風(fēng)險的主流工具。IAMs模型主要包含兩大模塊，即用于分析溫室氣體排放量對大氣溫度影響的氣候模塊和用于分析大氣溫度上升對宏觀經(jīng)濟波動及政策制定影響的經(jīng)濟模塊。其優(yōu)勢在于通過構(gòu)建損失函數(shù)如氣溫上升造成GDP的損失和成本函數(shù)如控制溫室氣體排放量的成本，將兩大模塊有機結(jié)合并實現(xiàn)交互作用。法國央行在宏觀情景壓力測試中采用IAMs模型預(yù)測了不同轉(zhuǎn)型情景下歐盟、美國以及世界其他地區(qū)GDP產(chǎn)出、碳價格以及溫室氣體排放量。結(jié)果顯示，在延遲轉(zhuǎn)型情景下碳價格的上升是導(dǎo)致法國GDP下降的主要因素，盡管在2045年以前碳稅收入的再分配吸收了部分GDP損失，但是隨著時間的推移這種再分配效應(yīng)將消耗殆盡（BDF，2020）。加拿大央行運用IAMs模型分析氣候風(fēng)險的結(jié)果表明，如果不采取進(jìn)一步行動減少碳排放，到2100年全球溫度將上升4.1℃，預(yù)計造成損失高達(dá)30萬億美元（BoC和OSFI，2022）。

盡管IAMs模型可以評估氣候風(fēng)險對宏觀經(jīng)濟的傳導(dǎo)效應(yīng)，且對應(yīng)氣候轉(zhuǎn)型情景具有較長的時間跨度，可預(yù)測至2100年，但是缺乏對短期經(jīng)濟波動的關(guān)注，特別是情景中5～10年時間的步長預(yù)測需要進(jìn)行插值計算短期的估計值（UNEP FI，2021），可能無法準(zhǔn)確評估金融資產(chǎn)面臨的損失（BIS，2021）。除此之外，IAMs模型還面臨著商品的現(xiàn)貨價格、利率、股票指數(shù)等其他一些重要宏觀經(jīng)濟變量缺失以及GDP估計值外生或半外生假設(shè)等缺陷（UNEP FI和NIESR，2022）。因此，氣候相關(guān)情景的長期性給評估帶來了極大的不確定性，從而催生了新的建模需求（ECB，2021）。在此背景下，英國、法國、加拿大和荷蘭等諸多國家央行開始采用NiGEM模型，引入生產(chǎn)率沖擊、貿(mào)易價格、匯率等多個宏觀因素對GDP產(chǎn)出估計進(jìn)行校準(zhǔn)，以此作為IAMs模型估計的補充。有別于IAMs模型，NiGEM模型由英國國家經(jīng)濟社會研究所（NIESR）開發(fā)，屬于多國動態(tài)均衡模型，涵蓋了幾乎所有的經(jīng)合組織國家，每個國家均獨立建模，模型中包含了各國國內(nèi)需求、進(jìn)出口、價格、匯率、利率等宏觀變量以及居民家庭、企業(yè)、政府和貨幣當(dāng)局四部門，且在情景中給出了時間跨度為2021—2050年每年的預(yù)測值。隨著2021年NIESR正式加入綠色金融網(wǎng)絡(luò)NGFS，NiGEM模型有效補充了IAMs模型在NGFS情景中的缺陷。

（二）氣候風(fēng)險宏觀情景映射至行業(yè)層級：方法與應(yīng)用

由于氣候風(fēng)險對經(jīng)濟領(lǐng)域各行業(yè)影響不同，細(xì)化其對不同非金融行業(yè)或部門的影響，有助于進(jìn)一步精準(zhǔn)量化對金融體系的潛在風(fēng)險。當(dāng)前各國央行測試的主要做法是，通過構(gòu)建本國的產(chǎn)業(yè)模型，把宏觀經(jīng)濟變量的變動分解至各行業(yè)層級，計算出金融部門相應(yīng)敞口變化，將沖擊進(jìn)一步傳導(dǎo)至金融體系。荷蘭央行在分析轉(zhuǎn)型風(fēng)險對GDP、價格水平、利率、股票指數(shù)等宏觀經(jīng)濟金融變量沖擊的基礎(chǔ)上，構(gòu)建各行業(yè)“轉(zhuǎn)型脆弱性因子”，用該因子與股票指數(shù)的乘積代表各行業(yè)股價受到的影響，最后通過計算金融部門持有相關(guān)行業(yè)的資產(chǎn)衡量可能產(chǎn)生的損失。法國央行在IAMs模型與NiGEM模型的宏觀估計結(jié)果基礎(chǔ)上構(gòu)建了行業(yè)生產(chǎn)網(wǎng)絡(luò)模型，該框架將全球分為包含法國、歐盟其他國家、美國和世界其他國家四大經(jīng)濟區(qū)，使用全球投入產(chǎn)出矩陣進(jìn)行校準(zhǔn)，通過法國央行自身的評級模型將宏觀情景映射至企業(yè)層級，以此預(yù)測未來30年企業(yè)層級的財務(wù)指標(biāo)進(jìn)而計算違約概率與損失。加拿大央行在9大主要行業(yè)科目基礎(chǔ)上細(xì)分了23項子行業(yè)，通過繪制熱圖來反映不同子行業(yè)的財務(wù)科目對氣候變化宏觀情景的敏感性，以此預(yù)測各細(xì)分子行業(yè)的財務(wù)指標(biāo)變動情況并最終測算違約損失。相對于構(gòu)建復(fù)雜的產(chǎn)業(yè)模型來驅(qū)動行業(yè)層級財務(wù)指標(biāo)，歐央行直接采用企業(yè)層級財務(wù)指標(biāo)顆粒數(shù)據(jù)構(gòu)建了面板自回歸模型，將氣候風(fēng)險的宏觀情景直接作為解釋變量對企業(yè)總資產(chǎn)進(jìn)行施壓，通過預(yù)測樣本企業(yè)的債務(wù)杠桿率與利潤率，最終預(yù)測企業(yè)的違約概率。

綜上，世界主要發(fā)達(dá)經(jīng)濟體央行對氣候風(fēng)險宏觀情景壓力測試方法的研究仍處于探索階段，并將測試結(jié)果的時間跨度延長至2050年以期與碳中和目標(biāo)相對應(yīng)①值得一提的是，出于審慎考慮，各國央行官網(wǎng)上發(fā)布的研究成果均備注了僅代表員工個人觀點，不代表本國央行觀點。。國內(nèi)層面，中國人民銀行在2021年第四季度中國貨幣政策執(zhí)行報告中提出要探索開展氣候風(fēng)險宏觀情景壓力測試。目前，國內(nèi)學(xué)術(shù)界對氣候風(fēng)險壓力測試方法論的研究相對較少，主要基于氣候轉(zhuǎn)型風(fēng)險分析對銀行貸款損失的短期影響。如于孝建和詹愛娟（2021）采用莫頓模型和壓力測試方法，通過碳稅沖擊評估商業(yè)銀行的貸款價值損失，發(fā)現(xiàn)國有商業(yè)銀行與股份制商業(yè)銀行之間存在異質(zhì)性。魏雷等（2022）則利用改進(jìn)的總生產(chǎn)函數(shù)、宏觀違約率模型測算了各種不利情景沖擊對國內(nèi)銀行業(yè)的整體影響程度，發(fā)現(xiàn)碳價上升、化石能源資本折舊加速會使商業(yè)銀行不良貸款率從2020年的1.84%最高上升至2023年的6.42%。鑒于此，有必要結(jié)合我國實際，對氣候風(fēng)險宏觀情景壓力測試開展長時間跨度的探索研究，以此評估不同轉(zhuǎn)型路徑下實現(xiàn)碳中和目標(biāo)過程中面臨的金融風(fēng)險沖擊。

三、氣候風(fēng)險宏觀情景壓力測試方法探索與應(yīng)用

（一）測試樣本選擇與數(shù)據(jù)來源說明

鑒于數(shù)據(jù)的可得性，本文選擇國內(nèi)八大高碳行業(yè)之一的火電企業(yè)作為氣候風(fēng)險宏觀情景壓力測試的樣本。選擇火電企業(yè)作為研究對象，主要基于以下兩方面考慮：一是火電企業(yè)為八大高碳行業(yè)里碳排放大戶，其排放因子僅次于水泥，且水泥中大部分碳排放均來自于自備電廠，因此火電企業(yè)在高碳行業(yè)中具有較高的代表性。二是債券市場上火電企業(yè)發(fā)債較多，為研究提供了較為豐富的樣本。同時，研究企業(yè)的債券違約率，能夠克服銀行端層面針對同一企業(yè)不同銀行對其評級模型不同導(dǎo)致的違約概率差異較大的問題，確保了同一種方法計算違約率的一致性，即利用企業(yè)信用利差計算債券違約率。

氣候風(fēng)險壓力測試的難點在于：一是對高碳樣本企業(yè)歷史違約率的估算。盡管目前各大銀行機構(gòu)對貸款客戶企業(yè)的違約率可通過各自的內(nèi)部評級模型估算，但是由于不同銀行機構(gòu)評級模型存在差異導(dǎo)致對同一企業(yè)的評級可能產(chǎn)生不同的違約概率，特別是在同一樣本企業(yè)存在多個銀行機構(gòu)貸款的背景下，對違約概率的測算可能會因為信息不對稱產(chǎn)生較大的差異。鑒于此，本文嘗試從債券市場端入手，通過火電企業(yè)三年期信用債計算信用利差，以此測算企業(yè)的歷史債券違約率。本文通過Wind債券數(shù)據(jù)庫選擇了2021年發(fā)行的三年期國債以及三年期火電行業(yè)信用債的35家樣本企業(yè)。二是將氣候風(fēng)險應(yīng)用于高碳企業(yè)財務(wù)報表未來30年的預(yù)測驅(qū)動進(jìn)而測算違約概率。為實現(xiàn)轉(zhuǎn)型目標(biāo)，相同壓力情景下不同高碳行業(yè)的轉(zhuǎn)型路徑存在著較大差異，特別是不同高碳行業(yè)的減排取決于各種壓力情景下多方面因素，包括碳價格、不同行業(yè)的碳排放強度、化石能源的投入成本以及不同行業(yè)之間除碳技術(shù)的差異?；贜GFS第二階段情景中給出的不同轉(zhuǎn)型路徑下中國火電行業(yè)相關(guān)指標(biāo)預(yù)測值，本文嘗試構(gòu)建針對火電企業(yè)的財報驅(qū)動模型，以此模擬不同轉(zhuǎn)型路徑下火電企業(yè)在未來30年財務(wù)報表的變動情況。本文參照各國央行研究的做法，對樣本企業(yè)的違約率預(yù)測期限為2021—2050年，且以3年為一個跨度周期。

（二）樣本企業(yè)債券違約率估算與宏觀情景預(yù)測模型構(gòu)建

學(xué)術(shù)界對企業(yè)違約概率測算模型主要有以下四類。第一類是穆迪公司和標(biāo)準(zhǔn)普爾公司開發(fā)的針對不同信用級別歷史違約概率的統(tǒng)計模型。但由于我國企業(yè)或銀行的信用評級結(jié)果與這兩家機構(gòu)的評級存在較大差異，因此無法使用其開發(fā)的統(tǒng)計模型。第二類是美國KMV公司根據(jù)期權(quán)定價理論開發(fā)的KMV模型及EDF模型。該模型通過上市企業(yè)資產(chǎn)價值、資產(chǎn)收益波動率、負(fù)債價值及負(fù)債加權(quán)到期時間來計算企業(yè)違約概率，但從中國的實際情況看，非上市企業(yè)才是發(fā)行債券的主力軍，該模型不適用于中國。第三類是瑞士信貸第一波士頓銀行根據(jù)泊松分布開發(fā)的Credit Risk+模型。但由于我國企業(yè)違約記錄數(shù)據(jù)庫尚不完善，該模型難以適用于中國。第四類是利用公司關(guān)鍵財務(wù)指標(biāo)進(jìn)行線性回歸計算回歸值，再通過Logistic分布即Logistic模型或者正態(tài)分布即Probit模型計算公司違約概率。但是，Logistic違約概率模型有兩個弊端：一是其違約臨界點的確定嚴(yán)重受樣本中正常企業(yè)與違約企業(yè)數(shù)量配比比例的影響。若樣本配比比例不同，對同一家企業(yè)未來是否違約的結(jié)果可能截然相反；二是該模型的參數(shù)估計要求事先有一定數(shù)量的違約企業(yè)和正常企業(yè)樣本。在我國企業(yè)違約記錄數(shù)據(jù)庫不健全的背景下，很難使用該模型。

為此，本文借鑒曹勇等（2016）研究企業(yè)違約概率的方法，在無套利的條件下，通過企業(yè)發(fā)行三年期債券的信用利差來計算企業(yè)市場隱含違約概率，并在對其進(jìn)行概率分位點變換后，將其作為Logistic線性回歸的被解釋變量。該方法避免了傳統(tǒng)Logistic違約概率模型受樣本配比比例影響的缺陷，解決了在缺乏企業(yè)違約記錄數(shù)據(jù)情況下Logistic違約概率模型的參數(shù)估計問題。關(guān)于Logistic線性回歸的解釋變量，從企業(yè)的流動性、資本結(jié)構(gòu)、營運能力和規(guī)模四個方面，以權(quán)威研究文獻(xiàn)的高頻指標(biāo)為基礎(chǔ)，結(jié)合企業(yè)年報披露的財務(wù)信息，初次選出企業(yè)違約概率測算的現(xiàn)金比率、流動比率（流動資產(chǎn)/流動負(fù)債）、資產(chǎn)負(fù)債率（負(fù)債/資產(chǎn)）、帶息債務(wù)/全部投入資本、應(yīng)收賬款周轉(zhuǎn)天數(shù)、存貨周轉(zhuǎn)天數(shù)、總資產(chǎn)對數(shù)、總負(fù)債對數(shù)等8個財務(wù)指標(biāo)，然后通過財務(wù)指標(biāo)系數(shù)的顯著性檢驗來刪除對企業(yè)違約概率解釋能力差的財務(wù)指標(biāo)。

1.基于信用利差的企業(yè)違約概率測算方法

首先，計算信用利差。企業(yè)債券的信用利差是指除了信用等級不同，其他所有方面都相同的兩種債券收益率之間的差額，它代表了僅僅用于補償信用風(fēng)險而增加的收益率。通常信用利差的計算是通過企業(yè)債券利率減去同期國債利率。此外，持有企業(yè)債券和持有國債在納稅方面有所區(qū)別，計算信用利差時應(yīng)考慮在內(nèi)。因此，記rn為企業(yè)債券的名義利率，rtax為企業(yè)債券利息征收稅率，re為企業(yè)債券的實際有效利率，則：

記CS為企業(yè)債券的信用利差，rft為同期國債利率，則：

然而，與企業(yè)發(fā)行債券日期相同的國債利率并不一定存在，為此本文借鑒Lange（2010）采用牛頓插值法計算企業(yè)債券發(fā)行日的國債利率，解決了企業(yè)發(fā)行債券時無同期國債發(fā)行的問題。假設(shè)t1和t2時刻有國債發(fā)行，發(fā)行利率分別記rft1和rft2，在t1和t2時刻之間的t時刻有企業(yè)發(fā)行債券，利用牛頓插值法計算t時刻的國債利率：

轉(zhuǎn)換式（4）可得：

對式（5）計算的企業(yè)違約概率進(jìn)行概率分位點變換后，即可作為Logistic線性回歸模型中的被解釋變量，由此解決了缺乏企業(yè)違約記錄數(shù)據(jù)而無法估計Logistic違約概率模型參數(shù)的問題。

2.概率分位點變換后的Logistic線性回歸模型

PDi為第i家企業(yè)根據(jù)式（5）計算得出的企業(yè)違約概率，對PDi進(jìn)行概率分位點變化得到y(tǒng)i，如式（6）所示：

對PDi進(jìn)行概率分位點變化的原因是：變換得到的概率分位點yi與公司財務(wù)指標(biāo)呈現(xiàn)線性回歸關(guān)系，故采用普通最小二乘法OLS估計Logistic線性回歸模型即可。借鑒馬若微和唐春陽（2007），記xij為第i家企業(yè)第j個財務(wù)指標(biāo)數(shù)值，則yi與財務(wù)指標(biāo)xij之間的關(guān)系為：

其中：i=1,2,…,n，n為樣本企業(yè)個數(shù)；j=1,2,…,m，m為財務(wù)指標(biāo)個數(shù)；a和bj為模型參數(shù)；εi為隨機誤差項且服從標(biāo)準(zhǔn)正態(tài)分布；最終解釋變量x的確定是通過多個財務(wù)指標(biāo)進(jìn)行模型（7）回歸后，留下回歸系數(shù)顯著的財務(wù)指標(biāo)。采用普通最小二乘法OLS估計模型（7）中的參數(shù)。確認(rèn)參數(shù)后的回歸模型可作為預(yù)測估計模型，將同行業(yè)未發(fā)行債券企業(yè)或者未來將要發(fā)行債券企業(yè)的財務(wù)指標(biāo)代入預(yù)測估計模型計算出預(yù)測概率分位點，接著對該進(jìn)行概率分位點逆變換得出上述企業(yè)的違約概率，如式（8）所示：

3.變量計算結(jié)果及Logistic線性回歸結(jié)果

表1列出了三年期國債的發(fā)行利率及發(fā)行日期，采用牛頓插值法算出與35家樣本企業(yè)三年期信用債對應(yīng)發(fā)行日期的國債利率rft。表2列出了35家樣本企業(yè)發(fā)行三年期信用債券信息及通過計算得到的信用利差CS、違約概率PD和分位點y。

表1 三年期國債信息

表2 樣本企業(yè)三年期信用債信息及違約概率、分位點

表3 初選財務(wù)指標(biāo)Logistic線性回歸的參數(shù)估計結(jié)果

注：*、**、***分別代表在10%、5%、1%顯著性水平下顯著。下同。

以表2列（10）分位點yi作為Logistic線性回歸模型（7）的被解釋變量，以篩選后的5個財務(wù)指標(biāo)作為解釋變量，通過Stata采用OLS重新估計回歸方程的參數(shù)，回歸結(jié)果列于表4。

表4 確定財務(wù)指標(biāo)Logistic線性回歸模型的參數(shù)估計結(jié)果

由此，可以建立如下Logistic線性計算公式，通過不同氣候風(fēng)險宏觀情景壓力下驅(qū)動樣本企業(yè)對應(yīng)的財報指標(biāo)來預(yù)測未來30年的債券違約概率：

（三）氣候風(fēng)險映射至樣本企業(yè)財報指標(biāo)的方法探索

NGFS第二階段情景中給出了不同轉(zhuǎn)型路徑下中國火電行業(yè)相關(guān)指標(biāo)預(yù)測值，包括不同發(fā)電方式的發(fā)電量增速、電價增速、碳價格、除碳技術(shù)的成本、免費配額比、化石能源價格增速以及新增投資增速。本文擬研究以3年為一個跨度周期的低于2攝氏度情景和2050年凈零情景，具體如下：一是低于2攝氏度（以下簡稱低于2度）情景：從2021年開始采取全球政策行動，旨在到2100年將全球平均變暖限制在2攝氏度以下。二是2050年凈零排放（以下簡稱凈零排放）情景：2021年即開始采取全球政策行動，將全球平均變暖限制在1.5攝氏度內(nèi)。

1.兩種情景的宏觀指標(biāo)預(yù)測

凈零排放是比低于2度更為嚴(yán)格的情景，對環(huán)境保護政策要求更為嚴(yán)格。由圖1a可知，凈零排放情景要求二氧化碳排放污染高的煤炭發(fā)電增速在未來更早時期出現(xiàn)負(fù)數(shù)且下降幅度大，以此保證2050年實現(xiàn)凈零排放；而低于2度情景前期煤炭發(fā)電負(fù)增速下降較為緩和，2035年才出現(xiàn)大幅下降。除了煤炭發(fā)電，本文還考慮其他發(fā)電量占比大的清潔發(fā)電方式：水力、風(fēng)力和其他新能源②其他新能源主要是太陽能，其次是天然氣、核能、生物質(zhì)能等發(fā)電方式。。它們的發(fā)電方式如圖1b-d所示，兩種情景的增速均為正數(shù)，但凈零排放情景增速高位回落，低于2度情景低位回落，2038年后兩種情景增速基本一致。如圖1e-f所示，凈零排放情景的電價和化石能源價格增速波動幅度大于低于2度情景，且呈現(xiàn)先降后升再降的趨勢；低于2度情景的呈現(xiàn)先降后升趨勢。如圖1g所示，對碳排放要求嚴(yán)格的凈零排放情景，碳價格呈指數(shù)增長，與相對低價的二氧化碳捕集、利用與封存技術(shù)（Carbon Capture，Utilization and Storage，以下簡稱CCUS技術(shù)）成本③數(shù)據(jù)來源于生態(tài)環(huán)境部發(fā)布的《中國二氧化碳捕集利用與封存（CCUS）年度報告（2021）》。相比，企業(yè)盡早選擇CCUS技術(shù)更有利于企業(yè)自身經(jīng)濟效益；而對于低于2度情景而言，在2035年后采用CCUS技術(shù)更有利于企業(yè)。如圖1h所示，兩種情景下的新增投資增速在2035年之前差別不大，均呈現(xiàn)上漲再下降的波動，但凈零排放情景在2035—2038年下降波動比較明顯，隨后上漲高于低于2度情景。整體來看，凈零排放情景大部分指標(biāo)預(yù)測值波動較大。

圖1 低于2度和凈零排放的情景比較

2.企業(yè)未來財務(wù)指標(biāo)與Logistic線性回歸模型解釋變量的預(yù)測

根據(jù)NGFS第二階段情景中的指標(biāo)，結(jié)合前面估計的Logistic線性回歸模型結(jié)果，本文擬驅(qū)動未來30年即2023—2050年各樣本企業(yè)的資產(chǎn)負(fù)債表與利潤表中相關(guān)財報指標(biāo)來預(yù)測違約概率。

根據(jù)不同樣本企業(yè)的發(fā)電結(jié)構(gòu)，結(jié)合NGFS給出的預(yù)測情景，本文預(yù)測了對應(yīng)樣本企業(yè)未來30年的營業(yè)收入指標(biāo)。營業(yè)成本方面，本文充分考慮了樣本企業(yè)碳排放成本、化石能源成本以及折舊成本。首先，碳排放成本是企業(yè)排放CO2時需向政府繳納的費用，以此增加企業(yè)該類產(chǎn)品的生產(chǎn)成本，使企業(yè)減少該類產(chǎn)品的產(chǎn)出。該成本取決于企業(yè)CO2排放量及碳價格。企業(yè)CO2排放量并非公開數(shù)據(jù)且不易取得，為估算樣本企業(yè)的排放量，本文借鑒聶普焱（2015）和彭武元（2020）等的方法，采用行業(yè)碳排放總量和行業(yè)總產(chǎn)值的比值來衡量行業(yè)碳排放強度，其通過估算行業(yè)二氧化碳排放數(shù)據(jù)，計算獲得工業(yè)和交通運輸業(yè)的碳排放強度。本文通過手工整理《電力行業(yè)碳達(dá)峰碳中和發(fā)展路徑研究》，取得2018年、2019年和2020年電力行業(yè)碳排放總量，并將每年電力行業(yè)碳排放總量除以當(dāng)年電力行業(yè)GDP從而得出當(dāng)年電力行業(yè)碳排放強度，隨即取3年平均值（18.6噸/萬元）作為電力行業(yè)平均碳強度。生產(chǎn)法是從生產(chǎn)者的角度出發(fā)對GDP進(jìn)行的核算，把一國一年內(nèi)各生產(chǎn)部門生產(chǎn)出的最終產(chǎn)品和勞務(wù)的市場價值進(jìn)行加總即該國GDP。在此，可認(rèn)為企業(yè)生產(chǎn)產(chǎn)品市場價值約等于企業(yè)營業(yè)收入。所以，樣本企業(yè)每年CO2排放量的估算是通過每年營業(yè)收入乘以電力行業(yè)平均碳強度計算得出。為了逐步推動能源轉(zhuǎn)型，本文假設(shè)國家給予一定的免費CO2排放量配額比例，只有超過免費配額的部分才需要付出碳排放成本，隨著時間的推移，免費配額比例逐步減少至完全退出。在低于2度情景下，2035年起碳價格快速上升，造成樣本企業(yè)碳排放成本短時間內(nèi)大幅上升，而2035年起采用CCUS技術(shù)后，樣本企業(yè)碳排放成本可有所下降。考慮到企業(yè)經(jīng)濟效益，樣本企業(yè)碳排放成本2023—2032年采用碳價計算，2035—2050年采用CCUS成本計算。在凈零排放情景下，由于氣候政策的收緊，碳價一直高于CCUS成本，因此樣本企業(yè)從2026年起就采用相對低價的CCUS成本來計算碳排放成本。其次，化石能源成本代表樣本企業(yè)發(fā)電方式所消耗的煤炭能源成本。本文以樣本企業(yè)2020年為基期來測算未來30年化石能源成本，由于企業(yè)發(fā)布的財報中該數(shù)不可得，但可根據(jù)企業(yè)2020年CO2排放量倒推。即在2020年CO2排放量可知的前提下，1噸煤炭燃燒排放2.55噸CO2，倒推出燃燒煤炭的量，再假設(shè)2020年煤炭價格為600元/噸，計算出2020年化石能源成本。第三，折舊成本由上期折舊與本期新增投資兩部分組成，本文假設(shè)樣本企業(yè)的每年新增投資按30年使用壽命進(jìn)行折舊處理。

表5給出了Logistic線性回歸模型中的流動比率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)天數(shù)、總資產(chǎn)對數(shù)和總負(fù)債對數(shù)等五個解釋變量的計算過程。

表5 Logistic線性回歸模型解釋變量計算公式列表

3.兩種情景下的企業(yè)未來財務(wù)指標(biāo)與違約概率

圖2a、2c、2e和2g為使用NGFS低于2度情景指標(biāo)預(yù)測的樣本企業(yè)2023—2050年加權(quán)財務(wù)數(shù)據(jù)，本文通過各樣本企業(yè)資產(chǎn)占比為權(quán)重加權(quán)計算得出。圖2b、2d、2f和2h為使用NGFS凈零排放情景指標(biāo)預(yù)測的財務(wù)數(shù)據(jù)。相比之下，兩種情景下的營業(yè)成本、收入和凈利潤趨勢相近，但凈零排放情景的數(shù)據(jù)后期波動明顯，營業(yè)收入未來30年間均略低，營業(yè)成本2038年前略高隨后略低于低于2度情景，凈利潤2026年后均高于低于2度情景。對比圖2c和2d可發(fā)現(xiàn)，兩種情景下的新增投資差異不大，凈零排放情景的存貨周轉(zhuǎn)天數(shù)后期波動明顯且略高，主要來源于營業(yè)成本的波動及偏低。此外，兩種情景下的折舊成本變化量、能源成本變化量趨勢差異不大，差異較大的是碳排放成本變化量趨勢，主要是因為凈零排放情景的碳價格很高，倒逼企業(yè)盡早選擇相對低價的CCUS技術(shù)，且營業(yè)收入的變化差異影響了企業(yè)CO2排放量從而影響碳排放成本變化量。最后，兩種情景下的總資產(chǎn)對數(shù)差異不大，但凈零排放情景的總負(fù)債對數(shù)2032年后略高導(dǎo)致資產(chǎn)負(fù)債率后期略高，主要是因為凈零排放情景下的低凈利潤無法補充新增投資，只能舉債完成投資。

圖2 樣本企業(yè)2023—2050年加權(quán)財務(wù)數(shù)據(jù)預(yù)測

預(yù)測出來的Logistic線性回歸模型解釋變量流動比率、資產(chǎn)負(fù)債率、應(yīng)收賬款周轉(zhuǎn)天數(shù)、總資產(chǎn)對數(shù)、總負(fù)債對數(shù)時間序列代入式（10）并將Logistic違約概率逆向轉(zhuǎn)化，可得出測試樣本企業(yè)為代表的電力行業(yè)2023—2050年違約概率。從解釋變量來看，影響未來違約概率的最大因素是資產(chǎn)負(fù)債率和應(yīng)收賬款周轉(zhuǎn)天數(shù)：凈零排放情景2032年后相對高的資產(chǎn)負(fù)債率和存貨周轉(zhuǎn)天數(shù)導(dǎo)致違約概率相對高。由圖3亦可看出，2032年后凈零排放情景的違約概率略高于低于2度情景。因此，在政策要求相對嚴(yán)格的凈零排放情景下，電力企業(yè)在未來30年的經(jīng)營狀況會相對差一些，凈利潤及資產(chǎn)負(fù)債率會在2032年后略遜色于低于2度情景，導(dǎo)致其違約概率增加。隨著企業(yè)經(jīng)營和財務(wù)狀況持續(xù)欠佳，2050年違約風(fēng)險劇增，概率約達(dá)到42%。

圖3 兩種情景下的企業(yè)債券違約概率

為研究企業(yè)低碳轉(zhuǎn)型策略中未來清潔發(fā)電方式的增加對其違約概率的影響，本文假設(shè)清潔能源④除煤炭發(fā)電以外的能源發(fā)電方式。發(fā)電增速在兩種情景下于2030年開始有所變化：增速提高20%、40%、60%、80%及100%。因各類能源發(fā)電方式所帶來的營業(yè)收入受其發(fā)電量增速的正向影響，因此清潔能源發(fā)電量增速的提升會增加該類能源營業(yè)收入。由圖4可知，在兩種情景下未來清潔發(fā)電方式的增加對企業(yè)違約概率的影響是一致的：從2035年起⑤因2047年前的違約概率較低，導(dǎo)致圖2、3中2035—2047年間的違約概率隨增速提高而下降的幅度不明顯，每年具體數(shù)值作者備索。圖4、5同理。，隨著清潔能源發(fā)電量增速提高的比例越高（圖中黑線越細(xì)），企業(yè)違約概率越低。

圖4 清潔能源發(fā)電量增速變化對企業(yè)違約概率的影響

為研究CCUS技術(shù)對企業(yè)違約概率的影響，本文假設(shè)CCUS技術(shù)成本在兩種情景下分別下調(diào)20%、40%及60%。由圖5可知，在兩種情景下CCUS技術(shù)對企業(yè)違約概率的影響是一致的：企業(yè)違約概率對CCUS技術(shù)成本很敏感，20%的成本下調(diào)可以使原來2050年高達(dá)42%的違約概率下降至個位數(shù)；此外，在2029年之前，CCUS技術(shù)成本變化的違約概率會略高一些；之后，隨著CCUS技術(shù)成本的下調(diào)比例越大（黑線越細(xì)），企業(yè)違約概率越低。

圖5 CCUS成本變化對違約概率的影響

四、研究結(jié)論與政策啟示

本文基于NGFS第二階段情景不同轉(zhuǎn)型路徑下中國火電行業(yè)的相關(guān)指標(biāo)預(yù)測值，構(gòu)建針對火電企業(yè)的財報驅(qū)動模型，運用壓力測試方法估算火電企業(yè)在低于2度情景和凈零排放情景兩種不同轉(zhuǎn)型路徑下未來30年財務(wù)指標(biāo)變動情況及債券違約概率，得到如下結(jié)論：第一，兩種情景下企業(yè)的營業(yè)成本、收入和凈利潤變化趨勢相近，2026年后凈零排放情景下的企業(yè)凈利潤均低于2度情景。第二，兩種情景下的碳排放成本變化量趨勢存在較大差異，主要因為凈零排放情景的碳價格很高，倒逼企業(yè)盡早選擇相對低價的CCUS技術(shù)。第三，凈零排放情景下的企業(yè)資產(chǎn)負(fù)債率后期略高，主要因為凈零排放情景下凈利潤較低，無法補充新增投資，只能舉債完成投資。第四，凈零排放情景下火電企業(yè)未來30年的經(jīng)營、財務(wù)狀況相對差一些，2032年后的企業(yè)債券違約概率略高于低于2度情景；隨著經(jīng)營和財務(wù)狀況持續(xù)不佳，凈零排放情景下2050年債務(wù)違約風(fēng)險劇增。第五，企業(yè)債務(wù)違約概率對CCUS技術(shù)成本很敏感，如果CCUS技術(shù)進(jìn)一步優(yōu)化并且在企業(yè)應(yīng)用，債券違約風(fēng)險可望大幅降低。

上述研究結(jié)論的政策啟示：

第一，積極推進(jìn)供電結(jié)構(gòu)的戰(zhàn)略性調(diào)整。一是持續(xù)深化火力發(fā)電供給側(cè)結(jié)構(gòu)性改革。在可預(yù)見的中短期內(nèi)，火力發(fā)電仍是我國電力供應(yīng)的主要電源。為保障國家供電安全及生產(chǎn)生活需要，各級地方政府應(yīng)按照電力行業(yè)發(fā)展規(guī)劃推進(jìn)火力發(fā)電有序退出電力供應(yīng)的主體地位，退出安排不盲目搞“一刀切”。金融支持方面，要引導(dǎo)金融機構(gòu)完善轉(zhuǎn)型金融產(chǎn)品和服務(wù)，按照“有保有壓”的政策導(dǎo)向要求支持火電改革，嚴(yán)控資金流向違反能耗雙控要求的火電企業(yè)及項目，同時支持火電企業(yè)開展發(fā)電機組改造、節(jié)能技術(shù)改造及低碳技術(shù)應(yīng)用等項目。二是加快推進(jìn)新能源發(fā)電的布局。財政方面，利用清潔能源發(fā)展基金撬動更多社會資本參與新能源發(fā)電及儲能項目投資，對新能源發(fā)電企業(yè)及用戶給予稅收減免等政策激勵，對技術(shù)仍待發(fā)展、發(fā)電價格及成本優(yōu)勢不突出的新能源發(fā)電項目適當(dāng)給予價格補貼，推進(jìn)新能源發(fā)電合理有序健康發(fā)展。金融支持方面，要用好央行碳減排支持工具等政策，引導(dǎo)政策性開發(fā)性銀行和商業(yè)銀行發(fā)放優(yōu)惠利率貸款、支持新能源發(fā)電項目，同時采取加強綠色金融監(jiān)管與環(huán)境信用評價、鼓勵和督促金融機構(gòu)披露環(huán)境與社會責(zé)任報告等配套措施，確保碳減排金融支持政策見到實效。

第二，加快CCUS技術(shù)的發(fā)展和應(yīng)用。一是強化頂層設(shè)計，從國家戰(zhàn)略層面制定CCUS技術(shù)發(fā)展的長期規(guī)劃，通過明確行業(yè)技術(shù)標(biāo)準(zhǔn)、制定技術(shù)創(chuàng)新及應(yīng)用推廣規(guī)劃、出臺資金扶持計劃等系列措施，充分釋放CCUS技術(shù)創(chuàng)新的潛力。二是加強財政和金融政策引導(dǎo)作用。一方面要加大財政支持力度，通過實施財政獎補措施，如向有示范效應(yīng)的CCUS技術(shù)項目發(fā)放補貼或減免稅收，引導(dǎo)CCUS技術(shù)產(chǎn)業(yè)規(guī)?；⑸虡I(yè)運作成熟化，推動低成本低能耗碳捕集技術(shù)等領(lǐng)域?qū)崿F(xiàn)突破。另一方面要探索運用金融支持手段，鑒于CCUS技術(shù)產(chǎn)業(yè)培育初期投資金額大、研發(fā)周期長，要發(fā)揮政策性金融的引領(lǐng)作用，綜合運用中長期綠色信貸、藍(lán)色債券、低碳基金等政策性金融工具，對CCUS技術(shù)相關(guān)的基礎(chǔ)設(shè)施新建及改造項目、技術(shù)研發(fā)活動加大資金支持力度，打通CCUS技術(shù)產(chǎn)業(yè)化的融資瓶頸，引導(dǎo)商業(yè)性金融后續(xù)進(jìn)入。

第三，完善氣候宏觀情景壓力測試評估機制。一是明確金融機構(gòu)及高碳行業(yè)企業(yè)氣候信息披露規(guī)范，要求金融機構(gòu)及高碳行業(yè)企業(yè)披露與氣候風(fēng)險相關(guān)的定量指標(biāo)及變動情況，構(gòu)建與氣候風(fēng)險相關(guān)的行業(yè)數(shù)據(jù)庫并實現(xiàn)數(shù)據(jù)共享，為開展氣候宏觀情景壓力測試提供數(shù)據(jù)支撐。進(jìn)一步運用數(shù)據(jù)庫，實現(xiàn)氣候宏觀情景壓力測試覆蓋更多高碳行業(yè)，全面評估氣候轉(zhuǎn)型給實體經(jīng)濟層面和金融體系帶來的潛在風(fēng)險。二是依托央行與監(jiān)管機構(gòu)綠色金融網(wǎng)絡(luò)等機制，加強與境外貨幣當(dāng)局、研究機構(gòu)的交流和協(xié)作，掌握國際最前沿的氣候和經(jīng)濟綜合模型，針對我國實際改進(jìn)氣候轉(zhuǎn)型情景及傳導(dǎo)路徑分析，提高氣候宏觀情景壓力測試的應(yīng)用價值和實踐指導(dǎo)效果。