氣候變化沖擊下的涉農(nóng)信用風險

■ 唐藝萌 謝霄霄 王甄彥 滕 磊

（成都信息工程大學統(tǒng)計學院 四川成都 610100）

一、問題的提出

氣候變暖是全世界面臨的重要挑戰(zhàn)之一，極端天氣事件的發(fā)生呈現(xiàn)增多增強的趨勢。自然災(zāi)害、海平面上升等氣候變化現(xiàn)象不僅影響生態(tài)環(huán)境，而且對全球經(jīng)濟增長產(chǎn)生了深遠影響。政府間氣候變化專門委員會（IPCC）第六次評估報告表明，氣候變化正在對作物、畜禽、林業(yè)、漁業(yè)和水產(chǎn)養(yǎng)殖業(yè)等涉農(nóng)經(jīng)濟方面施加壓力和威脅。

在全球氣候危機日益嚴峻的背景下，如何實現(xiàn)效益最大化和達到避害目的，將氣候變化對金融的不利影響和風險降到最低，充分挖掘經(jīng)濟轉(zhuǎn)型發(fā)展的潛在機遇，是世界各國面臨的重大課題。2019年10月，國際貨幣基金組織秋季年會將氣候變化列為重要議題之一，而2019年10月發(fā)布的最新《全球金融穩(wěn)定報告》也探討了氣候變化與金融穩(wěn)定之間的關(guān)系。《2020年全球風險報告》中指出,與氣候變化有關(guān)的金融風險是系統(tǒng)性金融風險的主要來源之一,頻繁的極端天氣事件將導致自然資產(chǎn)的損失,并威脅到人類的生命、健康和安全。保險索賠和商業(yè)信用風險的增加將危及金融市場的穩(wěn)定性,防范系統(tǒng)性金融風險必須深入研究與氣候變化有關(guān)的金融風險。

二、文獻綜述與理論分析

（一）文獻綜述

氣候變化會對各國經(jīng)濟造成長期影響，對全球金融機構(gòu)活動造成嚴重破壞。國內(nèi)外的研究普遍認為，氣候變化可能導致極端事件變多，金融風險增加，經(jīng)濟損失增加。作為研究氣候變化相關(guān)經(jīng)濟問題的先驅(qū)，諾德豪斯在1977年為研究氣候變化引起的物理變化與實體經(jīng)濟之間的相互作用奠定了理論基礎(chǔ)。自此，越來越多的文獻開始關(guān)注氣候變化與經(jīng)濟金融的關(guān)系。王信（2021）認為，與氣候變化有關(guān)的風險分為兩類：物理風險與轉(zhuǎn)型風險。物理風險對金融穩(wěn)定的影響表現(xiàn)為金融機構(gòu)資產(chǎn)和負債的惡化、市場流動性的減少和信貸供應(yīng)的緊縮；轉(zhuǎn)型風險對金融穩(wěn)定的影響表現(xiàn)為閑置資產(chǎn)價值的大幅下降和信貸市場的損失?！?019年全球金融穩(wěn)定報告》從兩個方面總結(jié)了氣候變化所導致的金融風險的機制：首先，氣候變化會增加氣候風險和與氣候變化相關(guān)的風險暴露，銀行、證券、保險等金融機構(gòu)在氣象災(zāi)害的影響下，將受到不同程度的損害。其次，如果氣候變化得不到有效控制，頻繁發(fā)生的氣象災(zāi)害會直接增加金融機構(gòu)的損失，或者通過降低實體部門的生產(chǎn)效率進而間接提高金融機構(gòu)的信用風險。

本文以農(nóng)村金融機構(gòu)為主要研究對象，研究氣候變化和涉農(nóng)信用風險之間的關(guān)系，總結(jié)氣候變化引發(fā)農(nóng)業(yè)信用風險的機理“氣候變化-影響農(nóng)業(yè)生產(chǎn)-涉農(nóng)信用風險”，構(gòu)建模型進行實證研究，明確氣候變化對涉農(nóng)風險沖擊的方向及程度，并給出相應(yīng)的決策依據(jù)，以期為政府決策提供理論依據(jù)與參考。

（二）理論分析

氣候變化對經(jīng)濟社會主要構(gòu)成兩種風險：轉(zhuǎn)型風險和物理風險。轉(zhuǎn)型風險是指社會各界應(yīng)對氣候變化所帶來的風險。氣候轉(zhuǎn)型因素可能導致企業(yè)利潤的償付能力和估值的惡化，導致金融機構(gòu)出現(xiàn)不良貸款或投資損失。轉(zhuǎn)型風險將帶來從短期到長期的影響。物理風險是指極端天氣（干旱；颶風；沙塵暴等）以及全球變暖、海平面上升等對實體經(jīng)濟所造成的負面影響。其中，極端天氣的影響是中短期的，全球變暖的影響偏向中長期。這兩種風險均對金融有一定程度的影響。

目前，我國經(jīng)濟正處于轉(zhuǎn)型升級的關(guān)鍵時期，也是風險防范的重點時期。由于經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型過程中所產(chǎn)生的各種風險，會直接或間接地影響農(nóng)業(yè)生產(chǎn)，而農(nóng)業(yè)生產(chǎn)又是最容易受到各種風險沖擊的領(lǐng)域。這些影響如果不及時處理或者處理不當，可能導致經(jīng)濟關(guān)系、生產(chǎn)要素和相關(guān)政策的變化，從而對農(nóng)業(yè)產(chǎn)生影響。

與政策制定和實施層面的積極應(yīng)對措施相比，關(guān)于氣候轉(zhuǎn)型風險的傳導機制的學術(shù)研究仍然相對較小，尤其對發(fā)展中國家而言?？梢酝ㄟ^測試一些氣候風險事件的經(jīng)濟效應(yīng)來研究轉(zhuǎn)型風險對經(jīng)濟體系帶來的效應(yīng)，崔婧（2023）采用雙重差分法驗證氣候轉(zhuǎn)型風險通過氣候政策影響金融機構(gòu)效率，給金融體系的穩(wěn)定帶來的沖擊。而物理風險演變?yōu)檗r(nóng)業(yè)信用風險的主要途徑有兩種：一是氣候變暖引起的極端天氣災(zāi)害將導致農(nóng)業(yè)金融機構(gòu)貸款的抵押品減值或損失；二是氣候變化將影響農(nóng)業(yè)生產(chǎn)條件，導致貸款項目的收益低于預期。

涉農(nóng)信用風險指的是金融機構(gòu)在向農(nóng)村居民、農(nóng)業(yè)企業(yè)、農(nóng)村合作社等農(nóng)業(yè)相關(guān)主體發(fā)放貸款時所面臨的風險。此類風險主要來自于貸款主體的還款能力、經(jīng)營風險、自然災(zāi)害等因素。氣候變化對涉農(nóng)銀行的信用風險影響巨大。農(nóng)業(yè)是受氣候變化影響最敏感的行業(yè)之一，氣候變化給農(nóng)業(yè)帶來了不確定性，氣候變化導致了氣象災(zāi)害的頻繁發(fā)生，改變了農(nóng)業(yè)生產(chǎn)的氣候條件，加劇了氣溫和降雨的分布不均，使農(nóng)業(yè)投入與產(chǎn)出效率大大降低。氣候變化對農(nóng)業(yè)生產(chǎn)造成了巨大波動，即氣候變化影響涉農(nóng)信用風險的機制可以歸納為“氣候變化—影響農(nóng)業(yè)生產(chǎn)—涉農(nóng)信用風險”。

三、研究設(shè)計

（一）研究思路

衡量氣候變化的主要指標是年均氣溫，圖1列出了中國1961～2020年的平均降水量與平均氣溫變化，氣溫過高會導致干旱，降水過多會導致洪澇。2000年，降水量與氣溫驟降，而后逐漸上升，趨于平緩。氣候變化的三大趨勢與農(nóng)業(yè)生產(chǎn)密切相關(guān)：（1）氣溫暖化，日照時間減少；（2）氣候波動頻率增加，極端天氣事件會頻繁發(fā)生；（3）氣候變化的區(qū)域差異性增強，農(nóng)業(yè)生產(chǎn)能力的區(qū)域差異加大。

圖1 我國1961～2020年的平均降水量與平均氣溫變化

本文基于“國家氣象科學數(shù)據(jù)共享服務(wù)平臺—中國地面資料日值數(shù)據(jù)集（V3.0）”的站點觀測數(shù)據(jù)，構(gòu)建了能夠描述氣候波動程度的指標，為了使研究結(jié)果更具有目的性和說服力，本文以農(nóng)商行為主要研究對象，城商行為參照研究對象。農(nóng)商行以“惠澤三農(nóng)、融通八方”為使命，傳統(tǒng)信貸和結(jié)算仍然是農(nóng)村金融產(chǎn)品體系的主要業(yè)務(wù)，適合振興農(nóng)村集體經(jīng)濟的金融創(chuàng)新較少。信貸業(yè)務(wù)是最主要的資產(chǎn)業(yè)務(wù)，面對的最主要風險是信用風險，完美呈現(xiàn)了“氣候變化—影響農(nóng)業(yè)生產(chǎn)—涉農(nóng)信用風險”的傳導路徑。并且，農(nóng)村金融機構(gòu)分布集中，能夠更為準確地反映研究目的。城鎮(zhèn)銀行為對照組，進行分組回歸，研究氣候變化對涉農(nóng)信用風險的影響是否因不同的地理區(qū)域和不同的業(yè)務(wù)分布而具有異質(zhì)性。

（二）模型設(shè)計

參考劉波等（2021）學者的論述，本文設(shè)計的基準模型如（1）所示：

另外，我國農(nóng)業(yè)生產(chǎn)受季節(jié)影響較大，所以進一步將模型中的年度氣溫波動細化為季度氣溫波動，如（2）所示：

在氣溫波動的過程中，波動方向和幅度的不同都會對信用風險產(chǎn)生不同的影響。為了識別氣溫波動對信用風險沖擊的異質(zhì)性，采用分位數(shù)回歸的方法對面板數(shù)據(jù)變量的參數(shù)進行估計，其不僅能夠更好地控制個體的異質(zhì)性，而且能夠分析在特定的分位數(shù)處自變量對因變量的邊際效應(yīng)，所以采用分位數(shù)回歸可以使各個變量參數(shù)結(jié)果更加顯著，具有更高的實際意義。

在中國的銀行體系中，城市商業(yè)銀行和農(nóng)業(yè)商業(yè)銀行都是為地方經(jīng)濟發(fā)展服務(wù)的商業(yè)銀行，但城市商業(yè)銀行覆蓋面更廣，服務(wù)的行業(yè)更多，農(nóng)村商業(yè)銀行和村鎮(zhèn)銀行在活動范圍和服務(wù)行業(yè)類型上相對單一，因此，有必要對城市商業(yè)銀行和農(nóng)業(yè)商業(yè)銀行進行比較研究。在分組回歸的基礎(chǔ)上，通過費舍爾系數(shù)檢驗方法進行組間差異檢驗，分析氣溫波動對農(nóng)村金融機構(gòu)和城市商業(yè)銀行的影響是否存在顯著的差異。

（三）變量選取和數(shù)據(jù)來源

1.被解釋變量。銀行信用風險承擔的主流衡量變量有不良貸款率、逾期貸款率等。本文采用不良貸款率作為被解釋變量，我國上市銀行相關(guān)財務(wù)數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫，部分缺失數(shù)據(jù)通過中國貨幣網(wǎng)外匯交易中心數(shù)據(jù)庫和銀行財務(wù)報表進行補充，相關(guān)宏觀數(shù)據(jù)來源于國家統(tǒng)計局。

2.控制變量?？刂谱兞堪ㄈ齻€：（1）農(nóng)村金融機構(gòu)所在地理單元的年、季度降水量與日照時數(shù)；（2）農(nóng)村金融機構(gòu)的微觀控制變量；（3）農(nóng)村金融機構(gòu)所在地理單元的宏觀控制變量。降水量和日照時數(shù)是影響農(nóng)業(yè)發(fā)展的重要指標，所以降水量和日照時數(shù)是必不可少的關(guān)鍵控制變量，年降水量與日照時數(shù)同樣源自“國家氣象科學數(shù)據(jù)共享服務(wù)平臺—中國地面資料日值數(shù)據(jù)集（V3.0）”的站點觀測數(shù)據(jù)，并采用與年均氣溫相同的處理方法和標準化方式。微觀控制變量具體包括存貸款比例（LDR）、杠桿倍數(shù)（LEV）、撥備覆蓋率（PCR）、總資產(chǎn)報酬率（ROA）、利息收入占比（IRR）、貸款占比（LA）和資產(chǎn)規(guī)模（lnsize）。因信用風險存在累積和消化的問題，所以將時間趨勢項引入控制變量具有一定的合理性。宏觀控制變量主要是經(jīng)濟發(fā)展水平和自然環(huán)境狀況，分別用夜間燈光亮度指數(shù)和PM2.5作為衡量指標。

以上變量的定義如表1所示，描述性統(tǒng)計如表2所示。在農(nóng)商行改制過程中，一些財務(wù)指標可能存在異常值，故對包括不良貸款率（NPLR）在內(nèi)的金融數(shù)據(jù)進行縮尾處理，分位點為1%和99%。清洗數(shù)據(jù)后，樣本中共有96家農(nóng)村金融機構(gòu)，共計672個觀測值。樣本主要覆蓋了中國東北、華北、長江中下游地區(qū)，具有一定的代表性。

表1 變量的定義和取值

表2 描述性統(tǒng)計

3.解釋變量。年均氣溫波動（Temperature）是刻畫氣候變化的主要指標，年均氣溫數(shù)據(jù)來源于“國家氣象科學數(shù)據(jù)共享服務(wù)平臺—中國地面資料日值數(shù)據(jù)集（V3.0）”。本文主要截取年度和季度的省、市數(shù)據(jù)進行分析。由于氣溫的變化取決于地形、緯度、經(jīng)度和溫帶等地理因素，為了使各地理單位之間的橫向溫度變化具有可比性，對氣溫數(shù)據(jù)進行無量綱化處理。常見的無量綱化形式是標準化，標準化的年平均氣溫滿足了橫向可比性的要求，也映射了溫度波動的程度。

首先按照農(nóng)村金融機構(gòu)所在的地理單元，分別求其年均氣溫的歷史均值和標準差,W為滯后期窗寬）。其次，計算年均氣溫的波動程度滯后期的窗寬長度會影響均值和標準差的估計值，窗寬擬定位5年、10年和15年。由于季節(jié)變化對農(nóng)業(yè)生產(chǎn)具有較強的影響，所以需要計算季節(jié)氣溫波動以確定季節(jié)氣溫變化對涉農(nóng)信用風險的影響。季節(jié)性平均氣溫的標準化方法同上。對標準化的年均氣溫和季均氣溫進行描述性統(tǒng)計分析，由方差和均值的分布可得：標準化年均氣溫的分布函數(shù)隨著年數(shù)的增加逐漸向右平移，分布更加聚集，一些城市的年氣溫均值與總體均值差距較大。樣本期間，年均氣溫與歷史均值部分相差較大，氣候變暖的趨勢較為明顯。在本次實證研究中，選擇窗口寬度為15年的標準化年平均溫度作為關(guān)鍵解釋變量，為提高估計結(jié)果的準確度，本文也給出了5年和10年的窗口寬度估計值。

四、實證結(jié)果分析

（一）基準模型的估計

以公式（1）為基礎(chǔ)，對樣本數(shù)據(jù)進行Hausman檢驗，結(jié)果表明固定效應(yīng)模型優(yōu)于隨機效應(yīng)模型，故將基準模型設(shè)定為個體固定效應(yīng)模型。表3列（2）（4）（6）同時列出了僅將標準化年均氣溫波動、年降水量波動和日照時長波動作為解釋變量的估計結(jié)果。

表3 基準模型估計結(jié)果

由基準模型的估值可知，在1%的水平上，總資產(chǎn)報酬率（ROA）、資產(chǎn)規(guī)模（lnsize）和夜間燈光亮度（lnlight）均對不良貸款率（NPLR）存在顯著影響，并且系數(shù)估計值的顯著性不因滯后窗寬的改變而改變。具體來看，以近15年的年均氣溫為參照，在5%的水平下，當平均氣溫高出一個標準差時，不良貸款率將增加0.0414%；當窗寬設(shè)定為5年、10年時，不良貸款率將分別增加0.0197%、0.0453%。由此得出，由于氣候變暖，農(nóng)村金融機構(gòu)的信用風險水平得以顯著提高，并且氣候變化的窗寬越長，信用風險水平對氣候變化越敏感，模型的解釋能力越強，所以將窗寬期設(shè)置為15年較為合理。在控制變量中，隨著夜間燈光亮度（lnlight）的增加，不良貸款率均顯著增加，而隨著總資產(chǎn)報酬率（ROA）、資產(chǎn)規(guī)模（lnsize）、 lnpm2.5的提升，不良貸款率均顯著降低。

進一步將年氣溫波動細化為季度氣溫波動指標，估計結(jié)果如圖2、圖3所示，從系數(shù)估計值來看，不良貸款率（NPLR）對秋季的氣溫波動敏感性最強；在不含控制變量的情況下，在1%的置信水平上，秋季氣溫波動對不良貸款率有顯著影響；在含控制變量的情況下，在1%的置信水平上，秋季氣溫波動對不良貸款率的影響最大，以近15年的秋季平均氣溫為基準，當秋季平均氣溫高出一個標準差時，不良貸款率將增加0.0986%。

圖2 不含控制變量標準化季度氣溫系數(shù)估計值

圖3 含控制變量標準化季度氣溫系數(shù)估計值

（二）分組回歸模型估計

農(nóng)村金融機構(gòu)的業(yè)務(wù)在區(qū)域上集中于其所在地理單元,服務(wù)類型上大多聚焦在“三農(nóng)”行業(yè)。與農(nóng)村金融機構(gòu)比較,城商行的服務(wù)在區(qū)域上、業(yè)務(wù)上比較分散，商業(yè)活動覆蓋面越廣，當?shù)貧夂驗?zāi)害所造成的資產(chǎn)損失占總資產(chǎn)的比重就越低。與其他的行業(yè)相比，農(nóng)業(yè)更容易受到氣候變化的影響。農(nóng)村金融機構(gòu)的信用風險水平會隨著涉農(nóng)業(yè)務(wù)在總業(yè)務(wù)中占比的增加而提升。分散原則是金融風險管理的基本原則之一，因此量化分析商業(yè)活動在地域上和行業(yè)上的分散是否會降低信用風險對氣候變化的敏感度十分有必要。城市商業(yè)銀行也是地方性商業(yè)銀行，所以可以將城市商業(yè)銀行作為農(nóng)商銀行的對照組進行研究。

雖然城商行的注冊地是省內(nèi)的某個區(qū)縣單位，但其業(yè)務(wù)主要面向省內(nèi)，有部分商業(yè)銀行的業(yè)務(wù)甚至面向全國，所以氣候變化對其信用風險的影響具有局限性。在分組回歸中，將城市商業(yè)銀行和以農(nóng)商行、村鎮(zhèn)銀行為主體的農(nóng)村金融機構(gòu)作為對照進行分組回歸，并且結(jié)合費舍爾系數(shù)差異檢驗的方法抽樣1000次，考察兩組之間的系數(shù)是否具有顯著差異性，識別氣候變化對這兩類銀行的信用風險影響是否具有異質(zhì)性。估計結(jié)果如表4所示。

表4 分組回歸估計結(jié)果

由以上結(jié)果可知，在近15年年均氣溫波動的基礎(chǔ)上，5%的水平上，年均氣溫波動對涉農(nóng)信用風險具有顯著正向影響，對城商行影響并不顯著。從季均氣溫波動的系數(shù)估計值可以看出，秋季氣候?qū)Σ涣假J款率具有顯著影響。根據(jù)費舍爾組間系數(shù)差異檢驗，農(nóng)村金融機構(gòu)和城商行在1%的水平上，秋季系數(shù)具有顯著差異。據(jù)此可知，氣候波動僅顯著提升了農(nóng)村金融機構(gòu)的信用風險水平，而城商行信用風險水平對氣候變化并不敏感。

（三）穩(wěn)健性檢驗

撥貸比又稱撥貸率，是撥備占總貸款的比率。撥貸比=撥備覆蓋率×不良貸款率。撥貸比（LPR）的提高可以在一定程度上說明銀行抵御壞賬風險的能力。為了證明研究結(jié)論的穩(wěn)健性，本文修改被解釋變量為撥貸比，基準模型與分組回歸的穩(wěn)健性檢驗結(jié)果如表5和表6所示。

表5 基準模型回歸

表6 分組回歸的穩(wěn)健性檢驗

由表6和表7可知，對于農(nóng)村金融機構(gòu)而言，氣溫波動對撥貸比具有顯著影響。在5%的置信水平上，標準化后的年度氣溫波動對撥貸比存在顯著的正向影響，對城商行的撥貸比則不存在顯著影響。以近15年的年度氣溫波動均值為基準，當年度氣溫波動正向波動1個標準差時，撥貸比將增加0.4130%；從季度來看，秋季降雨對撥貸比具有顯著影響。鑒于此，利用標準化年均氣候波動和季均氣候波動來刻畫氣候波動的程度，可以看出氣溫變化對涉農(nóng)信用風險具有顯著影響，對城市商業(yè)銀行無明顯影響?；谫M舍爾系數(shù)差異檢驗，在1%、5%和10%的水平上，兩類氣候系數(shù)估計值在兩組之間均有差異。由此基準模型和分組回歸模型具有穩(wěn)健性。

表7 秋季氣溫波動對NPLR影響的分位數(shù)回歸結(jié)果

（四）氣候?qū)ι孓r(nóng)信用風險的異質(zhì)性影響

1.基于分位數(shù)回歸的異質(zhì)性分析。在氣溫波動的過程中，波動方向和幅度的不同都會對信用風險產(chǎn)生不同的影響。為了識別氣候變化對信用風險水平的異質(zhì)性影響，分位數(shù)回歸的方法能提高模型估計的準確性并避免極端值對估計結(jié)果的影響，且結(jié)果較為穩(wěn)健。由基準模型的估計結(jié)果可知，秋季的氣溫波動對不良貸款率的影響相對于其他季節(jié)更加顯著，以下是對秋季的氣溫波動與不良貸款率的對應(yīng)關(guān)系的著重分析（見表7）主要顯示0.25、0.5、0.75分位點處的回歸結(jié)果。

從圖4可以看出,標準化年均氣溫對不良貸款率具有正向影響，當氣溫波動范圍較小時，不良貸款率增長較為緩慢，而當氣溫波動范圍逐漸增加，對不良貸款率的提升作用逐漸增強。同時，秋季氣溫波動對不良貸款率也具有正向影響，總體來看，秋季氣溫波動對不良貸款率的影響呈現(xiàn)先升高后降低再升高的變化趨勢，這說明當秋季氣溫波動范圍較小時，不良貸款率緩慢增長；而當秋季氣溫波動范圍很大時，不良貸款率增長迅速。

圖4 氣溫波動對NPLR增長影響的分位數(shù)回歸趨勢圖

五、結(jié)論及建議

本文以2015～2021年我國96家農(nóng)村金融機構(gòu)為研究對象，將標準化氣候波動作為核心解釋變量，評估農(nóng)村金融機構(gòu)所在地氣候變化對涉農(nóng)信用風險的影響，實證結(jié)論如下：（1）農(nóng)村金融機構(gòu)所在地理區(qū)域的年均氣溫波動對信用風險水平有顯著的影響。以近15年的年均氣溫為參照，當平均氣溫高出一個標準差時，不良貸款率將增加0.0414%，氣溫暖化顯著提高了涉農(nóng)風險水平。（2）將氣溫細化為四個季節(jié)，秋季氣溫波動對涉農(nóng)信用風險影響顯著，以近15年的秋季平均氣溫為參照，當秋季平均氣溫浮動一個標準差時，不良貸款率將增加0.0986%。（3）氣候變化與涉農(nóng)信用風險具有階段性特點，隨著氣溫波動范圍的變大，涉農(nóng)信用風險水平的敏感性逐漸增強。（4）盡管城商行和農(nóng)商行都是立足于服務(wù)地方經(jīng)濟發(fā)展的商業(yè)銀行，但氣候變化對農(nóng)商銀行的影響更為顯著，對城商銀行的影響不突出。穩(wěn)健性檢驗表明，實證研究結(jié)論具有良好的穩(wěn)健性。

為應(yīng)對氣候變化對涉農(nóng)信用風險的影響，提出如下的建議：

第一，健全評估和管理涉農(nóng)金融氣候風險的機制體系。由于農(nóng)村金融機構(gòu)的業(yè)務(wù)在地域上集中于所在縣域地理單元，在類型上主要集中于“三農(nóng)”領(lǐng)域，與其他銀行風險管理存在差異，所以建立完善風險評估和管理體系，有助于提高農(nóng)商行的風險預防和處理能力。

第二，推進氣候變化相關(guān)金融風險評估的披露。加強內(nèi)部宣傳、組織專業(yè)培訓、與國際金融機構(gòu)交流合作，增強農(nóng)商行對氣候變化引發(fā)的涉農(nóng)金融風險的防范意識。探索制定科學、透明、公正、公開的信息披露機制，為探究氣候變化帶來的涉農(nóng)金融風險提供計算支持，以此提高農(nóng)村金融機構(gòu)防范風險的能力。

第三，鼓勵有條件的地方性商業(yè)銀行適度進行跨區(qū)域經(jīng)營。繼續(xù)推進金融供給側(cè)改革，優(yōu)化金融機構(gòu)體系。通過適度跨區(qū)域經(jīng)營，提高地方性商業(yè)銀行在金融體系中的地位。