图：上海金司南金融研究院院长张俊杰

张俊杰表示，ESG正在从理念驱动走向价值驱动，关键在于将“可持续语言”转化为“定价语言”，使相关信息真正服务于金融机构的风险识别和投资决策。

气候变化与商业银行的信用风险、流动性风险、市场风险和运营风险相互交织。其中，极端温度、降水等物理风险，以及碳定价等转型风险，都可能影响农户和企业的生产经营，进而通过收入和偿债能力变化，传导至银行信贷资产。

农村金融机构的气候脆弱性尤为突出。其客户和资产集中于农业生产与农村地区，对气候冲击的暴露程度较高。同时，农村金融机构承担普惠金融和服务农村发展的责任，叠加市场竞争等因素，风险调整空间相对有限。围绕这些问题，GF60研究团队构建了涵盖风险情景、企业影响识别、信贷风险评估和气候风险管理的分析框架，为银行风险管理提供依据。

张俊杰结合两项研究案例，介绍了气候风险如何影响银行的信贷决策。在物理风险研究中，团队利用农村金融机构提供的逐笔信贷数据，将每笔贷款与其存续期内受到的气象冲击进行匹配。“银行最关注的风险指标是违约概率。”张俊杰表示，核心工作就是将气象冲击转化为银行可以使用的违约概率指标，从而更加准确地识别和预测气候风险。

研究发现，极端气象事件对农户生产类信贷质量具有显著影响，极端高温和低温都可能导致违约率上升。面对气象冲击，农村金融机构往往采取下调贷款利率的方式，减轻农户偿债压力并降低违约风险。他指出，银行需要在利息收入下降与违约损失减少之间进行权衡，寻找成本与收益的平衡点。尤其在净息差持续收窄的背景下，金融机构不可能无限依靠降息承担气候风险，因此还需要探索财政补贴、风险补偿及多方分担机制，为农村金融机构应对气候风险提供支持。

在转型风险研究中，考虑到不同企业受碳定价影响的程度不同，而中小企业的碳排放数据又较难获取，团队从增值税发票中提取能源使用信息，估算企业部分碳排放，并利用交易关系构建供应链网络。

案例结果发现，能源强度可以反映企业在同行业中的生产效率，能源使用的波动性可以反映合同稳定性和经营连续性，能源信息的覆盖程度则有助于判断企业经营活动的真实性。研究结果表明，加入供应链网络特征和转型风险指标后，模型对信贷违约的预测能力得到改善，尤其提升了对短期违约风险的识别能力，也有助于银行在风险与收益之间优化授信策略。

张俊杰认为，气候风险评估不仅是响应“双碳”目标和发展绿色金融的需要，更关系到金融机构自身的资产安全与风险定价。借款人所在地区及其供应链位置不同，所面临的气候风险也不同，过于粗放的定价可能无法准确反映风险差异。气候与ESG信息还可帮助银行识别企业经营质量，并与财务信息交叉验证，提高授信判断的可靠性。

张俊杰同时指出，当前气候风险量化仍面临不少挑战，包括金融数据与碳排放、农业生产、气象及自然灾害等数据难以匹配，违约事件样本较少，以及相关信息的可得性、可比性仍然不足。未来，需要进一步完善跨部门数据基础和风险评估工具，推动气候变化因素纳入商业银行贷前、贷中、贷后的全面风险管理体系，让气候与ESG信息真正服务于银行授信决策、资产安全和精准定价。