气候风险分析：物理风险量化分析案例|气候变化_新浪财经

　　新浪财经ESG评级中心提供包括资讯、报告、培训、咨询等在内的14项ESG服务，助力上市公司传播ESG理念，提升ESG可持续发展表现。点击查看【ESG评级中心服务手册】

气候风险源于气候变化，气候相关财务信息披露工作组（TCFD）及央行与监管机构绿色金融网络（NGFS）关于气候风险的定义，是指极端天气、自然灾害、全球变暖等气候因素及社会向可持续发展转型对经济金融活动带来的不确定性。如何有效了解气候风险对金融机构自身经营的影响和传导机制，并在其各项经营活动及业务中准确识别与评估气候风险，是全球金融体系面临的共同难题1。气候风险包括物理风险和转型风险，会通过各种路径传导至金融机构，从而引发金融机构的金融风险。本文主要集中在物理风险上，围绕物理风险的常用分析方法，并梳理了国内外在该方面的相关案例，旨在帮助我国金融机构更深入认识气候风险对金融行业的影响，掌握金融业实施气候情景分析的基本方法。

概述

根据世界气象组织（WMO）研究显示，在过去的50年里，全球与天气有关的自然灾害数量增加了5倍2。极端天气事件发生频率和严重程度的增加以及气候中的慢性变化已经对企业产生了严重影响，无论是通过企业自身的运营还是供应链，并且随着全球气温继续升高，这些影响只会加剧。例如，如果企业运营位于飓风频发地区，那么如果发生极端天气事件，员工疏散或设备损坏可能会导致业务中断并产生维修费用。国际供应链还将使企业面对当地不同环境中的气候相关实体风险，导致世界上某一地区的业务因另一地区的极端天气事件而中断。

图1 1970年-2024年（数据截至2024年4月）世界范围自然灾害发生的次数3

“气候相关风险是金融风险的重要来源之一”，已成为金融体系的共识4。气候相关风险是造成企业财务损失的潜在因素，对金融机构的稳定性产生直接或间接影响，甚至可能诱发系统性金融风险5。在此背景下，应对气候相关风险自然而然地成为金融风险管理体系中的重要一环。当前，部分前瞻性金融监管机构和主要国际组织已陆续将“气候”因素纳入监管框架中，气候风险情景分析和压力测试也因此被公认为是识别评估气候相关风险的必备工具。

表1 部分国家及其监管部门对气候相关风险的强制性和自愿性披露建议概览

资料来源：根据公开资料整理。

多数国际主流可持续信息披露框架已将气候风险纳入其整体框架中，并要求金融机构/企业进行气候风险量化分析。其中，气候相关财务信息披露工作组（TCFD）推荐主体采用并及时披露如何使用气候情景分析法识别气候相关风险和机遇，但并未作强制性要求；全球报告倡议组织（GRI）行业标准允许主体自行选择；巴塞尔银行监管委员会（BCBS）在《信息披露与气候相关金融风险（征求意见稿）》中对特定银行定性、定量地披露提出要求，并确定强制性披露内容和由国家酌情确定的披露内容，其中便要求披露定性气候风险情景分析；国际可持续发展准则理事会（ISSB）在《国际财务报告可持续披露准则第2号——气候相关披露》中提出了强制披露气候风险量化分析的要求，但允许主体根据自身情况，以定性的描述性分析为起步。

表2 部分主要国际组织对金融机构/企业气候风险情景分析与压力测试的披露

资料来源：根据公开资料整理。

物理风险量化分析的基本原理和方法

2.1

基本分析步骤

2.1.1 确定风险因素

物理风险为气候变化带来的与气候模式逐渐变化相关的风险，具体是指由慢性风险（如温度逐渐升高）以及与天气事件（如热带气旋、风暴、洪水和干旱）增加频率和/或严重程度相关的急性风险6。如果人类不能有效阻止全球气温的持续上升和气候变化的恶化，那么随之发生的更多的极端气候和环境事件引发的对资产价值的影响，相关事件包括海平面上升、洪水、热带风暴、干旱、热浪和森林火灾等，这些自然灾害事件会引发对物理资产的价值破坏和对财务表现的负面影响，进而影响到金融机构的金融风险变化。其中，银行业和保险业是物理风险冲击的直接对象，企业和家庭的经济损失会直接影响银行的不良资产率和保险的赔付额度。

表3 气候风险中有关物理风险的类型及其内容

资料来源：根据公开资料整理。

2.1.2 选择气候情景

根据确定的风险因素后选择不同的情景进行预测。多数情景中的首要假设要么是全球气温目标，如到2100年前将升温幅度控制在比工业化前水平高2°C范围内，要么是温室气体排放路径，这可以映射到温度和其他气候变化中。然而还有一些附加的叙述性假设，可能包括碳定价的逐步发展、辐射强制价值或排放路径、能源需求和结构、生活方式改变等需求驱动因素、资源可及性和相对技术成本。哪些变量作为假设进入模型以及哪些变量在模型中确定下来，这将取决于现有模型及其关注领域。

常见的气候情景分析主要有政府间气候变化专门委员会（IPCC）、央行与监管机构绿色金融网络（NGFS）和国际能源署（IEA）研发的三类方法。政府间气候变化专门委员会（IPCC）在2014年提出系列RCP情景，即代表性浓度路径（Representative Concentration Pathways）。RCP情景主要分为四种，RCP 2.6情景为截至2100年气温上升1.0℃；RCP 4.5情景指截至2100年气温上升1.8℃ ；RCP 6.0情景指截至2100年温度上升2.2℃；RCP 8.5情景指截至2100年时气温上升4℃。央行与监管机构绿色金融网络（NGFS）则设置了有序转型、无序转型、温室世界三类情景。“有序转型”情景指到2100年，气温升幅控制在1.5-2℃，其假设气候政策更早引入，并逐渐变得更加严格；“无序转型”情景是不同国家和部门的政策被延迟或存在分歧的情景，在该情景中存在较高的转型风险；“温室世界”情景假设仅实施当前的政策，但全球的努力不足以阻止严重的全球变暖。国际能源署（IEA）情景旨在评估能源和气候政策发展（如降低可再生能源成本、全球对石油依赖的变化）对未来能源需求、价格以及排放的影响。国际能源署（IEA）的4个主要情景包括：既定政策情景（STEPS）、承诺目标情景（APS）、可持续发展情景（SDS）和2050净零排放情景（NZE2050）。

表4 部分可参考的国际情景设置概览

资料来源：根据公开资料整理。

2.1.3 构建传导路径与评估模型

物理风险的影响分为短期影响和长期影响。其中，短期影响如突发极端天气事件等可能直接导致业务中断和财产损失，从而损害资产价值。尽管这类风险的影响被认为是短暂的，但随着全球变暖的加剧，极端天气事件发生的可能性也将大幅提升；长期影响主要是指来自气温升高和降水的影响，这些长期、慢性的变化可能影响劳动力、资本和农业生产力，需要政府、企业和家庭的大量投资和适应。

图2 物理风险对金融稳定性的影响途径7

评估模型一般分为两个独立模块，巨灾风险模型和金融风险模型。巨灾风险模型主要评估气候风险对公司财务的影响，该模块通过输入各类气候风险因素来评估有这些因素驱动的公司层面的财务影响，并输出经气候风险因素调整后的财务指标。金融风险模型仅对金融机构开展压力测试适用。由巨灾风险模型输出的调整后公司财务指标作为金融风险模型的输入，来评估相应的各类金融风险情况并输出金融风险度量指标（如预期收益、估值变动等）。

2.2

常用方法

2.2.1巨灾风险模型

2.2.1.1 RMS：气候风险模型

Risk Management Solutions（RMS）是一家全球领先的风险建模和解决方案提供商，其气候风险模型广泛应用于保险和再保险行业。RMS 拥有400多个风险模型，帮助企业和组织理解和量化与气候相关的风险。2022年，RMS又发布了四款全新高分辨率（HD）模型，分别是欧洲风暴（Europe Windstorm）模型、北美冬季风暴（North America Winter storm, WT）模型、北美强对流风暴（North America Severe Convective Storm, SCS）模型和恐怖主义（Terrorism）模型。

图3 RMS气候风险模型应用程序的屏幕截图，显示了用于生成当前和未来气候情景分析的设置8

（1）模型原理

RMS的气候风险模型基于概率建模方法，使用先进的科学数据和复杂的算法来模拟和预测未来气候情景下的自然灾害风险。模型结合了气候科学、历史事件记录、地理信息系统（GIS）技术以及特定地区的暴露数据，以评估和管理气候风险9。

（2）应用场景

保险和再保险行业：用于评估和管理与气候相关的保险风险，如飓风、洪水、干旱等。
投资决策：帮助投资者评估气候风险对投资组合的潜在影响。
政策制定：支持政府和监管机构制定应对气候变化的政策和措施。
企业风险管理：企业使用模型来评估其运营和供应链中的气候风险。

（3）模型亮点

高分辨率数据：RMS使用高分辨率的数据，以提供更精确的风险评估。
灵活的时间范围：模型可以调整时间范围，以适应不同的气候情景和风险管理需求。
全面的风险覆盖：涵盖多种气候相关风险，如风暴、洪水、干旱等。
科学数据来源：模型基于最新的气候数据和以往历史数据，确保了结果的科学性和准确性。
综合技术平台：RMS的Intelligent Risk Platform提供了一个统一的风险分析平台，便于集成和分析风险数据。

2.2.1.2 Acclimatise：物理风险热图工具

Acclimatise是一家专业的咨询、通信和数字应用公司，在气候变化适应和风险管理方面提供世界一流的专业知识。其开发的物理风险热图工具（Physical Climate Risk Heatmapping Tool）提供了一种结合自上而下和自下而上的方法，用于评估金融投资组合中的物理风险。Acclimatise利用其在解释物理风险数据方面的丰富经验，提供对气候灾害可能影响客户持有资产的详细分析。

（1）模型原理

物理风险热图工具是一个创新的物理风险量化分析方法，旨在评估金融投资组合中的物理气候风险。物理风险热图工具通过结合气候灾害、行业和资产等模型建模，来评估对关键财务指标的影响。该工具基于分层的方法，首先在投资组合层面提供高级气候风险评估，然后通过深入分析识别出的物理风险。它可为整个投资组合的热图提供了定性风险评分，并在第二阶段“深入分析”中提供定量的财务指标。

图4 物理风险热图工具的基本组成10

（2）应用场景

物理风险热图工具主要为银行和投资者设计，以评估未来情景下的物理风险和机遇。在银行内部，该工具适用于多个部门，如风险管理、授信审批等部门；在投资界，目标用户是资产管理者和投资者。物理风险热图工具具有广泛的适用性，可以为全球范围内大多数行业所使用。此外，它可以应用于大多数资产类别，并支持对一系列急性和慢性气候灾害的分析。

（3）模型亮点

全球覆盖与跨行业应用：提供全球覆盖范围，涵盖所有可能受到物理风险影响的机构/行业。
先进的气候模块：利用最新的气象数据，了解关键气候灾害的潜在变化。
分层方法：通过分层方法，在投资组合层面提供高级气候风险评估，再通过深入分析识别出的物理风险。
定性和定量指标：为投资组合范围的热图提供了定性风险评分，并在第二阶段“深入分析”提供了定量财务指标。
数据丰富：集成了包括急性和慢性物理风险数据、国家经济数据、投入产出数据和国际贸易数据、上市公司数据（包括财务指标、地理和产品细分）和行业数据库。

2.2.1.3 ClimateWise：物理风险框架

物理风险框架是由剑桥可持续发展领导学院（Cambridge Institute for Sustainability Leadership）提出的一个量化物理风险的评估工具。该框架旨在帮助投资者、贷款人和其他金融市场参与者理解和量化气候变化带来的物理风险，并利用保险业的巨灾模型工具和度量标准，提供了一个系统化的方法来评估和管理与气候相关的风险。

（1）模型原理

物理风险框架主要基于以下四个步骤：

步骤一：数据收集。收集有关资产暴露的数据，包括地理位置和资产类别信息（如住宅或非住宅物业）。
步骤二：选择灾难模型。对决定使用哪种自然灾难模型进行分析，这可能涉及选择开源模型或商业模型供应商。
步骤三：选择气候情景。选择要建模的气候情景，并定义这些气候情景如何影响极端天气事件的概率和严重程度。
步骤四：模型执行和结果解释。执行灾难模型并解释相关结果，将预期损失的变化转化为资产价值的潜在变化，并分析和量化在面对气候变化引起物理风险时的适应性措施，以及如何减少损失和资产价值影响。

图5 物理风险热图工具的基本组成图4 物理风险热图工具的基本组成11

（2）应用场景

房地产投资者和贷款人：评估气候变化对其投资组合的潜在物理风险。
保险公司：使用该框架来评估和管理与极端天气事件相关的风险。
政策制定者：了解气候变化如何影响保险业和金融市场，从而制定相应的政策和措施。

（3）模型亮点

综合评估：框架结合了气候模型和灾难模型，提供了一个全面的评估工具，可以量化气候变化带来的物理风险。
灵活性：框架允许用户根据不同的需求和资源选择不同的灾难模型和气候情景。
用户友好：通过四步流程，使得即使是没有高级技术技能的用户也能应用该工具。
风险管理：输出结果可以帮助投资者和贷款人更好地管理风险，如通过调整保险策略或采取预防措施。

2.2.1.4Swiss Re：CatNet

CatNet是瑞士再保险公司开发的一款强大的气候风险评估和管理工具。CatNet可以通过将灾害、损失、风险暴露和保险信息与选定的背景地图和卫星图像相结合来评估风险。作为一个地图工具，CatNet使用有关气候变化、灾难性事件影响、人口密度等地图集和数据集来支持广泛的商业或非商业应用。此外，它还可以提供基于风险暴露情况和位置数据的全面分析，从而达到控制累计风险的目的，CatNet的高级版本还提供了额外的功能，如针对地震、热带气旋和欧洲冬季风暴的瞬时事件足迹分析，以及关于可持续性和气候变化的新数据集。

（1）模型原理

CatNet基于强大的地理信息系统（GIS）和大数据分析技术，结合多种数据源、先进的分析技术以及瑞士再保险公司多年来的风险管理经验，为用户提供了一个直观、用户友好的地理工具。其中，数据源包括不限于1）自然灾害数据：包括地震、海啸、洪水、风暴潮、龙卷风、冰雹、野火、滑坡和暴雨洪水等；2）全球洪水区域：基于瑞士再保险的专有技术，提供50年、100年、250年和500年一遇的全球洪水区域数据；3）生物多样性和生态系统服务（BES）得分：包括空气质量、生物多样性、海岸保护、侵蚀控制、食物供应、栖息地完整性、土壤肥力、木材供应和水质、水安全等10项生态系统服务。

图6 CatNet可基于12种自然灾害建立风险预测的可视化界面

（2）应用场景

CatNet的应用场景非常广泛，可以支持从单一的风险评估到整体投资组合评级的多种业务流程：

财产保险承保：帮助大型工业和特定小型企业或条约的财产保险承保人评估风险。

风险工程师：进行现场调查，评估特定地点的风险。

理赔管理：分析事件的影响，支持理赔决策。

风险管理：评估潜在的风险累积，特别是在城市化和气候变化加剧的情况下。

产品开发：改进保险产品，提高市场透明度。

环境、社会和治理（ESG）考量：提供生物多样性和生态系统服务得分，支持企业在ESG方面的考量。

（3）模型亮点

全球覆盖：提供与全球一致的、高分辨率的自然灾害数据，可以测量和基准化任何地点的风险暴露。

效率和准确性：通过快速处理和分析大量数据，提高了工作效率和准确性。

用户友好：用户界面直观易用，即使是非专业人士也能快速上手。

24小时访问：作为一项云端服务，CatNet可以在全球任何地方、任何时间访问。

API集成：CatNet的API服务允许用户将风险数据集成到自己的系统中，实现个性化的风险管理和决策支持。

2.2.1.5Munich Re：NATHAN

NATHAN是由慕尼黑再保险（Munich Re）开发的一款用于评估特定地点或整个投资组合物理风险的工具。NATHAN是慕尼黑再保险在物理风险评估领域的创新，该工具结合了超过140年的自然风险专业知识和最新的科学数据集，可为客户提供有关特定地点或整个投资组合的自然风险评估服务。NATHAN能够提供对特定地点的自然风险的详细评估，包括地震、火山、海啸、热带气旋、飓风、冰雹、龙卷风、闪电、野火、河流洪水、突发洪水和风暴潮等12种主要风险因素。

（1）模型原理

NATHAN基于当前和历史数据，通过分析特定地点的气候和灾害风险，利用先进的数据分析技术和气候科学，通过概率和严重性分析，量化潜在的损失，并预测未来可能的风险变化。

图6 NATHAN允许用户根据自己的需求选择不同的风险评估模块12

（2）应用场景

保险业：保险公司使用NATHAN来评估和管理其投资组合中的自然风险，可以优化定价策略和资本分配。

银行业：银行业利用NATHAN评估贷款和投资的物理风险，可以确保资产安全。

投资管理：投资者可以使用NATHAN来评估气候变化对投资回报的潜在影响。

企业风险管理：企业使用NATHAN来识别和减轻其运营和供应链中的物理风险。

（3）模型亮点

高精度风险评估：NATHAN提供精细到街道层面的评估，帮助用户准确理解每个地点的具体风险。

全球覆盖：NATHAN覆盖全球范围，提供跨国界的统一风险评估标准。

科学依据：模型基于最新的气候科学和长期的历史数据，确保评估的准确性和可靠性。

用户友好：NATHAN提供直观的用户界面和分析工具，使得非专业人士也能进行风险评估。

2.2.2 金融风险模型

2.2.2.1 MSCI：气候在险值（CVaR）

气候在险值（CVaR）是由MSCI ESG LLC开发的一款具有前瞻性及以回报为基础的估值评估工具。CVar可协助金融机构透过特定证券模型识别在气候变化最坏情境下资产的风险状况，同时协助机构发掘创新的低碳投资机会。同时，针对投资组合的潜在受压市场估值及下行风险提供分析见解，将与气候相关的成本翻译为对潜在估值的影响。该工具涵盖超过10000家公司，分析亦包含其所有关联股票和公司债券的评估。

（1）模型原理

CVaR工具包括以下几个关键组成部分：

政策风险：CVaR通过自上而下和自下而上的方式，计算未来气候政策变化可能带来的潜在风险。
技术机会：评估低碳经济转型过程中可能带来的投资机遇，如增长潜力。
物理风险与机遇：评估由于温室气体排放水平增加而带来的金融风险或机遇。

图8 政策风险方法概述13

（2）应用场景

参与和沟通：客户（如养老基金）使用CVaR度量标准与投资组合公司讨论气候变化对其业务运营的风险。
投资决策：客户（如资产管理者）使用CVaR的技术机会部分来识别市场上可能被忽视的公司。
风险分析：CVaR度量可以跨投资组合进行聚合，以便投资经理了解整个投资组合的气候风险水平。
监控和合规：一些司法管辖区（如法国）已对投资者引入了强制性报告要求。
报告披露：支持客户满足其报告（如TCFD报告）披露要求。

（3）模型亮点

全面性：CVaR工具综合考虑了政策风险、技术机会和物理风险，提供了一个全面的气候风险评估框架。
对齐TCFD建议：紧密结合了TCFD建议中情景分析的要求，有助于金融机构满足TCFD建议的披露要求。
灵活性：软件基础和模块化的建模方法使得CVaR能够快速且灵活地适应机构投资者的需求。
定量分析：所有CVaR度量均为定量的、前瞻性的，便于投资者进行精确的气候风险评估。
应用广泛：目前CVaR已被广泛应用于投资决策、风险管理、监控和合规等多个领域。

2.2.2.2 Carbone 4：气候风险影响筛选（CRIS）

由法国企业Carbone 4开发的气候风险影响筛选（Climate Risk Impact Screening, CRIS）方法专注于评估由气候变化引起的物理风险。CRIS创建于2017年，得到了包括法国开发署（AFD）、法国国家存款和国家彩票集团（Caisse des Dépôts et Consignation）、法国国家投资银行（Bpifrance）等金融机构的支持，旨在帮助资产管理者、贷款人以及政策制定者更好地理解和管理气候相关风险。

图9 使用CRIS暴露数据运营界面14

（1）模型原理

CRIS基于政府间气候变化专门委员会（IPCC）对物理风险的定义，构建了一个覆盖急性和慢性物理风险的评估框架，该方法可以模拟不同的气候情景和未来时间范围。CRIS采用自下而上的方法，对每个资产进行分析，并结合地理暴露分析和主权脆弱性，为金融机构和投资组合提供了基于7种直接气候危害（包括急性风险和慢性风险）进行评估和9种间接气候危害（如水资源短缺、海岸侵蚀、野火等）的物理风险指数，同时考虑了60个行业脆弱性概况和210个主权脆弱性概况。此外，CRIS通过主权风险评级来评估不同金融资产在面对气候变化带来的物理风险时的适应能力。

图10 CRIS综合分析范围15

（2）应用场景

资产管理：CRIS可为资产管理者和贷方更好地报告和管理与气候相关的风险，以更有效地与利益相关者进行沟通。CRIS可以应用于股票、债券（如绿色债券、主权债券等）以及实物性资产（如建筑、厂房设施或者交通设施等）。
保险业：CRIS可用于评估其市场（主权分析）或客户（公司或项目）的风险。
政策制定与规划：CRIS可为政府和政策制定者提供了一个评估工具，以理解其管辖范围内的资产和市场面临的气候风

（3）模型亮点

全球覆盖：CRIS提供了全球范围内的资产和投资组合的气候风险评估，这是其最大的亮点之一。同时，CRIS还能够评估所有主要的物理风险危害，并适用于所有地理区域。
多危害风险筛查：CRIS基于多情景气候预测分析和价值链部门脆弱性评估，提供多危害风险筛查。
数据库丰富：CRIS拥有丰富的数据库，覆盖所有国家和所有行业，并可以提供25km的平均分辨率（其中法国高达8km）。
灵活性和实用性：即使在缺乏最精确数据的情况下CRIS也能运作，并能够轻松适应更新和更高质量的数据。
风险指标的多样性：CRIS可以提供各种输出指标用于报告披露、风险管理等。这些指标包括全球多危害风险评分、行业和全球最佳和最差案例、行业平均值、投资组合暴露于高风险的部分、评分在投资组合中的分布、基准比较等。

2.2.2.3 Climate X：Spectra

由Climate X开发的Spectra是一个先进的气候风险评估模型，旨在量化金融机构面临的气候相关风险。Spectra结合了气候科学的最新研究成果和金融行业的实际需求，同时将气候风险情景和气候灾害转化为投资组合和资产层面的财务损失指标。该模型使用自上而下和自下而上的建模技术，为投资者提供了一个强大的工具，以识别和评估气候风险对其投资组合的潜在影响。

（1）模型原理

Spectra使用先进的技术和广泛的数据来分析气候风险：1）数字孪生技术：Spectra创建了一个地球的数字孪生体，这是一个虚拟模型，反映了现实世界的条件。这使Spectra能够模拟和分析各种气候情景；2）人工智能和物理工具：Spectra利用人工智能和基于物理的模型来处理和解释超过500万亿个数据点。这有助于预测不同气候灾害的可能性和影响；3）气候模型和现实数据：Spectra将最新的气候模型与最新的现实数据相结合。这种组合有助于在细粒度水平上评估风险，城市地区的精度可达10x10m；4）情景分析和压力测试：Spectra进行气候压力测试和情景分析，以模拟各种气候情景下的极端天气事件。这有助于了解未来潜在的风险并做出明智的决策；5）财务影响评估：Spectra将物理风险转化为财务损失指标，使客户能够评估对其资产和投资组合的经济影响；6）特定灾害分析：Spectra评估特定灾害（如沿海洪水、干旱、极端高温、滑坡、风暴和野火）的风险。这种详细的分析有助于识别和减轻潜在威胁。此外，它还能辅助客户计算改造和收购项目的资本支出需求和投资回报，以提高资产的适应性和韧性，这为企业面临的日益增加的气候风险方面迈出的重要一步。

（2）应用场景

资产和投资组合管理：帮助投资者评估和优化其投资组合中的气候风险。
风险管理和合规：满足监管机构对气候风险披露的要求。
产品开发：为金融机构开发新的气候相关金融产品提供支持。
企业战略规划：帮助企业制定应对气候变化的长期战略。

（3）模型亮点

灵活性：模型采用模块化设计，可以根据金融机构的特定需求进行定制。
用户友好：模型提供了直观的用户界面和报告工具，使得非专业人士也能轻松使用。
政策一致性：模型与TCFD建议等国际可持续信息披露框架保持一致，有助于金融机构满足监管要求。

2.2.3小结

大多数提供商的模型/方法侧重于物理风险给运营和资产层面带来的影响，有些方法还补充了对更广泛的价值链进行评估。在运营和资产层面，上述提到的所有模型/方法都关注了物理风险对机构运营和资产的影响；在价值链（上游和下游）方面，Acclimatise和Carbone 4研发的模型/方法均涵盖了企业对价值链内三个影响渠道的风险敞口和敏感性。此外，在“附表1：全球主要物理风险评估提供商”中Mercer研发的TRIP框架通过考察资源（尤其是水资源）获取方式的变化对能源行业和农业的影响，也进行了对供应链敏感性的分析。

大多数提供商的模型/方法侧重于物理风险敞口和敏感性评估，但很少有测量减缓物理风险方面的适应能力。在上述提到的所有模型/方法中，仅ClimateWise研发的物理风险框架考虑了组织/地区在面对气候变化引起的物理风险时的适应能力。Carbone 4则在主权风险评级中使用了类似代理指标来评估各国应对物理风险影响的能力。

表5 金融业关注的自然灾害数据和主要模型概览

资料来源：根据公开资料整理。

案例分析

3.1

银行业

3.1.1 渣打银行（Standard Chartered）：CatNet

确定的风险因素

渣打银行重点研究了极端事件（包括风暴、洪灾和山火）对其房地产公司资产组合的主要影响。渣打银行意识到，如果不研究单项房地产资产的设计和用途，以及它们对慢性气候变化（如降水模式变化）的抵御能力，那么慢性气候变化对房地产资产的影响就很难量化。为此，渣打银行的目标是确定气候变化导致这些极端事件的出现频率上升后，是否会对房地产（作为贷款抵押物）价值构成重大影响，从而影响贷款价值比（LTV），乃至资产组合层面的最低资本要求。

气候情景设置

渣打银行起初研究的是新加坡住宅抵押贷款风险敞口，利用瑞士再保险公司的CatNet来获取按地点划分的极端事件数据。然而，由于CatNet中的新加坡数据有限，为此渣打渣打银行原计划使用新加坡的数据，但由于数据有限，转而使用中国的商业地产数据，并设定了不同气候情景以分析潜在影响。其主要方法是通过利用中央信贷数据库识别了所有位于中国大陆地区的房地产资产，并将数据匿名化后上传到CatNet。

模型评估内容

确定气候变化导致这些极端事件的出现频率上升后，是否会对房地产（作为贷款抵押物）价值构成重大影响，从而影响贷款价值比（LTV），乃至资产组合层面的最低资本要求。

分析结果

渣打银行利用瑞士再保险公司的CatNet模型获取极端事件数据，以评估中国大陆地区约2/3的房地产资产，并尝试通过UNEP GRID全球风险数据平台提供的水灾重现数据集来补充水灾风险评估。

CatNet对位于中国大陆地区约2/3房地产资产的分析表明，项目中评估的预期物理风险可能导致潜在的估值影响。然而，其中很多风险对房地产担保贷款的贷款价值比并没有显著影响，只有1/4左右的贷款价值比恶化程度超过1%，因此被视为“有风险”，其中受影响最大的贷款价值比恶化5%。

通过CatNet无法获得中国的水灾数据。为此渣打银行改用UNEP GRID全球风险数据平台提供的水灾重现数据集，作为可获取公开数据的替代系统，以确定房产层面的水灾风险重现期。结果表明，UNEP GRID显示的重现期并不频繁，且在许多情况下显示没有水灾风险。但渣打银行认为该风险可能被低估，因此后续需要进一步评估以找到其他数据来源。

3.1.2联合圣保罗银行（Intesa Sanpaolo）：气候风险模型

确定的风险因素

联合圣保罗银行使用RMS开发的气候风险模型来量化其抵押贷款组合中的洪水风险（包括暴雨和河流洪水），旨在预测不同情景下投资组合的损失预测，如损失金额、重现期的平均年度损失等。

气候情景设置

联合圣保罗银行采用了RCP 6.0和RCP 8.5两种情景，以2040年为参考年份进行预测。

模型评估内容

该模型评估内容主要包括五个模块：1）随机模块：包含洪水风险的数千个模拟事件；2）灾害模块：确定每个随机事件中洪水的程度和严重性；3）资产暴露模块：提供有关风险区域中资产的信息；4）脆弱性模块：描述资产因洪水事件可能遭受的损害程度；5）财务模块：将洪水造成的损害转化为经济损失，并计算所有受影响资产的总损失。

分析结果

联合圣保罗银行利用气候风险模型中的欧洲内陆洪水高清模型（Europe Inland Flood HD Models）来评估特定区域和特定风险下的洪水风险。

洪水风险对联合圣保罗银行的抵押贷款组合有显著影响，不同情景下的损失变化较大。如在RCP 8.5情景下，某些地区的损失预计超过基准线50%以上。

在不同区域，损失的变化幅度差异较大。如罗马和那不勒斯的损失预计将超过50%，而米兰和都灵的损失预计低于20%。

模型还计算了损失对违约概率（PD）和违约损失率（LGD）的影响，结果显示在RCP 8.5情景下，某些借款人的PD和LGD增幅显著。

3.1.3联合圣保罗银行（Intesa Sanpaolo）：气候风险模型

确定的风险因素

道明银行和彭博合作的Bloomberg MAPS，主要用于评估气候变化（慢性变化和极端天气事件）对银行贷款组合中借款方信贷评级产生的物理风险。Bloomberg MAPS直接从彭博的网络获取输入数据和信息，并将预测气候变化的地理数据与借款方设施的地理位置以及相应的财务和生产数据结合在一起，从而提高效率。

气候情景设置

道明银行从其北美电力和公用事业资产组合中抽取了20个借款方作为样本，在三种气候情景下进行分析：2020年温升2°C和温升4°C、2040年温升2°C，以及2040年温升4°C。

模型评估内容

步骤一：输入数据和信息。输入“实物资产图”与观测到的极端天气事件（包括气旋、洪水、极端高温、水压力和山火）“气候图”数据。
步骤二：对数据和信息进行叠加。结合代表因慢性气候变化的影响而导致年度电力生产能力预期变化的数据集，评估气候变化对电力生产的实体影响。
步骤三：提取并汇总设施信息。计算借款方营业收入和销货成本的预期变化，以进行财务分析和输入信贷评级模型。其中，营业收入和销货成本是信贷评级模型的关键输入信息

图11 Bloomberg MAPS评估方法流程图16

分析结果

Bloomberg MAPS对三种气候情景的评估得出了三个主要观察结果：

1.在所有测试情景下，如果保守地假设借款方没有为减少慢性气候变化和极端事件造成的生产损失而产生任何资本支出，则样本中的大部分借款方的信贷评级都会被下调一级（例如，从AA级下调至AA-级）。

2.在2040年温升4°C的情景下，信贷评级遭下调的借款方数量最多，因为在该情景下电力公司生产力受到的影响最严重。

3.慢性气候变化是导致借款方营业收入减少的主要原因，但极端天气事件对借款方营业收入的影响不大。

3.1.4国民西敏寺银行（NatWest）：物理风险热图工具

确定的风险因素

国民西敏寺银行关注其住宅抵押贷款组合在气候变化背景下的潜在影响，特别是全球洪水风险。

气候情景设置

国民西敏寺银行设置了两种气候情景，即在2100年相对于工业化前全球平均温度上升2°C和4°C（2020年和2040年）。

模型评估内容

国民西敏寺银行对其物理风险的量化分析方法是一个多层次、数据驱动的过程，它结合了地理信息系统（GIS）技术、气候情景分析和金融建模，以评估和预测气候变化对银行贷款组合的潜在影响。

分析结果

国民西敏寺银行与联合国环境规划署金融倡议（UNEP FI）合作，运用Acclimatise开发的物理风险热图工具，对部分住宅抵押贷款组合进行探索性分析。

随着时间的推移，在2040年预设4°C的情景下，LTV从当前的8%增至18%。此外，在更加严峻的情景下，LTV高于80%的物业比例有所增加。
如果采取相应缓释/适应措施减少全球温室气体排放，且将升温限制在2℃以内，LTV变化有可能减少。

图12 不同情景下和时间段下，贷款价值比高于80%和低于80%的房产比例

3.1.5瑞士银行（UBS）：Bloomberg MAPS

确定的风险因素

瑞士银行对其电力公司贷款组合中的借款方面对物理风险的财务脆弱性进行了自下而上的敏感性分析，目的是估算物理风险对该贷款组合的财务影响，相关物理风险主要有热浪、河洪等。

气候情景设置

由于每项资产有大量的气候风险数据点，因此Bloomberg MAPS在借款方层面计算总数非常耗时，且在资产组合层面也不易管理（按照该方法的建议，对一个包含20个借款方的资产组合进行两种情景分析将涉及约100万个数据点）。为此，瑞士银行决定先对一个借款方进行深入研究，其资产主要位于美国南部。此外，瑞士银行还设置了将产能变化等同于营业收入变化，以此为基础来分析违约概率（PD）的变化。

模型评估内容

因此，需要将气候风险数据转换为违约概率（PD）。为此，瑞士银行用Bloomberg MAPS来确定其每项资产的所在地，并了解每项资产的气候相关风险因素。

分析结果

分析结果显示，与基准线相比，在2020年温升2°C和4°C的情景下，慢性气候变化对产能的影响为14.5%；而极端天气事件对产能的影响为0.24%，主要是受到热浪和河洪的影响。

3.2

保险业

3.2.1英杰华（AVIVA）：气候在险值

确定的风险因素

英杰华针对识别出的每种物理风险都编制了风险数据集，其应用Carbon Delta模拟的危害包括高温热浪和极寒、强降水（Precip）和强降雪、沿海洪水（CF）、风暴和热带气旋（TC）。

气候情景设置

英杰华设置了两种气候情景，即在2100年相对于工业化前全球平均温度上升2°C和4°C（2020年和2040年）。

模型评估内容

英杰华开发出气候在险值（CVaR）指标，用以评估集团业务和战略在不同气候情景下的韧性。该指标能够评估在不同政府间气候变化专门委员会（IPCC）情景和综合情景下，未来气候相关风险和机遇的潜在业务影响，同时还能指示集团战略的韧性。同时，英杰华在情景分析中采用了多种模型和数据来源：1）信用、股票和房地产：使用CVaR影响数据；2）主权债务：运用剑桥大学本特利研究所（University of Cambridge’s Bennett Institute for Public Policy）的研究来评估国家受物理风险影响的脆弱性；3）基础设施债务：采用ClimateWise转型风险框架来识别投资组合中的关键风险敞口；4）寿险负债：使用内部数据来评估气候变化对寿险业务死亡率的潜在影响；5）一般保险负债：使用自然灾害模型来评估极端天气事件对保费的影响。

分析结果

根据Carbon Delta的输出结果，英杰华将挑战性（第95个百分位）情景与MSCI全球指数的一般情景进行比较，得出了关于不同危害的预期影响差值。此外，在更具挑战性的物理风险情景中，其总体风险几乎比预期情景翻了一番。然而，这种差异很大程度上取决于英杰华所考虑的自然危害类型。

在不同气候情景下，英杰华的投资组合面临不同的风险水平。特别是，在没有进一步减排措施的4°C情景下，物理风险显著增加，对公司的长期投资回报和保险业务成本产生负面影响。
英杰华的策略在不同情景下均表现出韧性，这得益于其综合的风险管理和适应措施。然而，分析结果也指出了进一步提高韧性的必要性，特别是在极端天气事件变得更加频繁和严重的情况下。
由于分析结果依赖于高质量的数据和模型，英杰华致力于不断改进其数据收集和分析方法，以确保其情景分析的准确性和有效性。

图13 英杰华对于一般情景和挑战性情景下物理风险差别的分析

3.2.2慕尼黑再保险（Munich Re）：NATHAN

确定的风险因素

慕尼黑再保险使用NATHAN为加勒比地区的一个岛国进行飓风灾害风险评估。NATHAN通过分析历史飓风数据、当地建筑规范和地形特征，预测了在不同飓风强度下可能发生的损失。该评估帮助该国政府制定了更有效的飓风应对计划，并与慕尼黑再保险合作设计了一项针对极端天气事件的再保险产品。

气候情景设置

慕尼黑再保险创建多种可能的飓风情景，包括最坏情况和最好的情况，以评估在不同情况下的风险。

模型评估内容

NATHAN基于慕尼黑再保险长期收集的自然风险数据，以及与气候科学相关的最新数据集，对该岛国进行了关于技术承保、投资决策和气候变化的分析。同时，NATHAN对该岛国的主要物理风险飓风提供了风险评分，旨在帮助该国政府快速了解其资产的风险状况，并迅速识别高风险资产。

分析结果

风险地图和风险区域划分：NATHAN生成的风险地图详细展示了飓风可能影响的区域，包括风暴潮、强风和暴雨的风险等级。这些地图不仅划分了高风险和低风险区域，还识别了关键基础设施、人口密集区和经济资产的分布，为政府和企业提供了针对性的风险管理策略。
经济损失预测：NATHAN提供了在不同飓风情景下的经济损失预测，包括住宅、商业建筑、工业设施和农业的损失。这些预测考虑了飓风的强度、频率和路径，以及不同地区的建筑脆弱性。经济损失的量化使得政府和企业能够更好地理解潜在的财政影响，并为灾后恢复和重建规划提供依据。
保险和再保险需求评估：基于MATHAN的评估结果，慕尼黑再保险为该国定制了飓风保险产品，包括财产保险、责任保险和巨灾再保险。这些产品的设计考虑了不同客户的风险承受能力和保险需求，帮助他们通过保险机制分散风险，保障资产安全。
防灾减灾措施建议：NATHAN的评估结果为该国政府提供了防灾减灾的策略建议，包括加强建筑规范、改善基础设施和制定紧急疏散计划。例如，建议在高风险区域加强建筑物的抗风设计，提高道路和排水系统的抗灾能力，以及建立更有效的预警和应急响应系统。

3.2.3中国平安：DRS鹰眼系统

确定的风险因素

中国平安应用自主研发的数字化自然灾害风险识别系统与风险管理平台——DRS鹰眼系统，分析评估了全国境内的9种自然灾害（包括滑坡、洪水、台风、龙卷风、雷击和暴雪等极端天气事件）的发生风险评级和5种最常见农作物的主要自然灾害风险评级，实现全国境内任意地址的自然灾害风险分析、强风降水分析和环境污染风险分析，并与国家气象管理预警系统对接，在灾害来临之前为客户发布灾害预警短信提示、推送应对风险的防灾防损建议。

图14 中国平安产险自然灾害风险平台技术架构图17

气候情景设置

中国平安参考了政府间气候变化专门委员会（IPCC）各项相关计划的更加长期的气候情景模拟，例如：未来二三十年，来捕捉气候相关风险的“灰犀牛”和“复杂”特性。通过设定可能发生的情景，针对重点行业、重点客户、重点标的，乃至全部资产的情景进行气候变化影响研究，并计划将结果应用在风险管理中。

模型评估内容

构建综合一体化平台：建设自然灾害实验室，组建内部自有的自然灾害专业团队，搭建自主可控的自然灾害风险平台。建设保险自然灾害时空数据库，提升对较长时期中平均温度上升、极端天气频发等状况的预测能力，加快将气候变化影响融入传统业务模式进程，提高保险传统定价、风控、核保能力。

丰富数据的原始积累：平安产险积累了关于气象灾害造成损失的数据资料，极端天气事件发生、强度、影响范围等方面的数据资料，在空间颗粒度和预测平稳性上都较为完善。

构造因地制宜的模型和方法：结合我国的地形地貌数据、土地利用数据、水文气象等数据，构造因地制宜的模型和方法，从而制定合适的风险适应措施。

图15 中国平安产险自然灾害实验室所应用的世界领先模型计算18

3.3

资产管理业

3.3.1 贝莱德（BlackRock）：阿拉丁气候分析工具

确定的风险因素

2023年，贝莱德利用“阿拉丁气候分析工具”（Aladdin Climate）对其资产管理规模的估值以及该资产管理规模产生的相关管理费进行分析，并评估气候相关风险对贝莱德运营的潜在影响。贝莱德参照TCFD建议来识别风险，包括市场、声誉、监管等转型风险和物理风险。贝莱德认为，这些风险对其资管业务的影响是间接影响，主要体现在气候因素对资管规模的影响以及由此带来的管理费收入的变动。

气候情景设置

贝莱德选择了两个物理风险情景和两个转型风险情景。其中，物理风险情景包括政府间气候变化专门委员会（IPCC）的RCP 2.5情景（部分气候行动）和RCP 8.5情景（无气候行动）。

模型评估内容

贝莱德选择了两个物理风险情景和两个转型风险情景。其中，物理风险情景包括政府间气候变化专门委员会（IPCC）的RCP 2.5情景（部分气候行动）和RCP 8.5情景（无气候行动）。贝莱德利用阿拉丁气候工具评估（i）通过气候调整安全和投资组合风险指标评估资产层面的气候相关影响，以及（ii）与贝莱德运营相关的房地产物理风险。此外，贝莱德还会根据初步分析结论召开内部研讨，并根据探讨结果修正情景分析的假设参数，更新结论。

分析结果

分析结果显示，长远来看，如果贝莱德低碳转型显著，那么物理风险带来的长期风险潜在程度可能会降低。如果贝莱德没有按时完成低碳转型，一方面，其面临的物理风险将导致资产减值，从而可能导致贝莱德资管资产的估值下降；另一方面，物理风险也很可能占用贝莱德客户的资本，因为他们不得不拿出更多资本以应对物理风险带来的损失。

图16 贝莱德的“阿拉丁气候分析工具”的分析流程19

3.3.2宏利投资管理（Manulife Investment Management）：气候在险值

确定的风险因素

宏利投资管理在CVaR中主要关注物理风险中的高温热浪、沿海洪水、热带气旋等自然灾害在不同地区的股票投资组合中的潜在影响。尽管评估结果可能会影响其资产配置，但宏利投资管理仍运用CVaR分析了不同地区投资组合面临的非线性气候风险，可见宏利投资管理已完全将气候风险评估融入其投资流程中。

气候情景设置

宏利投资管理运用CVaR分析了三种气候情景下气候风险对两个现有投资组合（一个由加拿大股票组成，另一个由亚洲股票组成）中公司的影响。

模型评估内容

宏利投资管理确定了投资组合层面上具有最高潜在负面影响的气候变化中物理风险，以及每个投资组合中最有可能面临这些风险的行业。

分析结果

无论在哪个地理区域，高温热浪都是其投资组合中最大的物理风险。对于这两个投资组合而言，高温热浪是气候变化中最明显的趋势，炎热地区在变得更热的同时，极端高温事件在几乎所有相关地理区域中的发生频率也会升高，而推动这种风险在投资组合层面产生更大影响的关键成本投入是制冷成本的增加。

沿海洪水是抽样投资组合中的第二大物理风险，推动这种风险影响的关键成本投入是资产损坏和业务中断。虽然一家公司有可能通过保险来保护自己免遭财务损失，但未搞清楚其最终财务风险敞口前，该公司的市值可能仍会遭到削减。

两个投资组合共同面临的第三大物理风险是热带气旋（飓风和台风）。这些风暴带来强烈的降水和大风，造成财产破坏和业务中断，并可能加剧沿海洪水产生的影响。

宏利投资管理还依据不同物理风险敞口对亚洲股票和加拿大股票投资组合的行业进行了排名。例如，亚洲股票和加拿大股票投资组合在高温热浪风险敞口排名首位的行业分别是电子设备和食品与主食零售。

表6 宏利投资管理两种投资组合中下列气候危害的总投资组合VaR20

表7 宏利投资管理两种投资组合中气候危害敞口的行业排名21

3.3.3路博迈（Neuberger Berman）：气候在险值

确定的风险因素

路博迈分析了野火和洪水等极端天气事件对于所投公司的影响，不同公司因业务性质和地理位置的不同而面临不同程度的物理风险敞口。

气候情景设置

路博迈根据TCFD建议建立了自上而下的气候情景分析模型，以评估转型风险和物理风险对公司的影响。主要选择了五种基于温度的情景，包括有序转型（到2100年，升温1.5℃-2℃）、无序转型（到2100年，升温1.5℃-2℃）和温室世界（气温胜负高于3℃）的情景。

模型评估内容

路博迈制定了一系列策略来识别和分析气候风险，并采取相应的缓解和适应措施，以确保公司的业务连续性和长期稳健发展。其中，路博迈对自身设施和数据中心进行了物理风险评估，如对纽约总部、香港、伦敦等30多地的办公室持续进行物理风险监测评估，必要时采取缓解或适应措施。路博迈还开发了一些针对极端天气的投资策略，如与保险相关的策略，为财产保险公司提供创新风险管理解决方案，以对抗极端天气等带来的自然灾害。

分析结果

路博迈在股票和固定收益投资组合中的气候风险敞口均面临比基准更低的CVaR。同时，在温升约束越大的情景下，CVaR越小。

图17 路博迈股票和固定收益投资组合的气候风险敞口22

附表1：全球主要物理风险评估提供商

参考资料

向上滑动阅览

[1]孙天奇,苗萌萌.金融业管理和应对气候风险的思考[J].中国金融,2023(16):12-15.

[2] WORLD METEOROLOGICAL ORGANIZATION (WMO). Weather-related disasters increase over past 50 years, causing more damage but fewer deaths. 2021-08-31. Weather-related disasters increase over past 50 years, causing more damage but fewer deaths (wmo.int)

[3] Our world in data. Global reported natural disasters by type. Global reported natural disasters by type, 1970 to 2024 (ourworldindata.org) 检索日期：2024年9月24日

[4] Network for Greening the Financial System (NGFS). The Macroeconomic and Financial Stability Impacts of Climate Change [R]. 2020-06. ngfs_research_priorities_final.pdf

[5] 马骏.金融机构环境风险分析的意义、方法和推广[J]. DOI:10.19409/j.cnki.thf-review.2020.09.003

[6] Network for Greening the Financial System (NGFS). Guide to climate scenario analysis [R]. 2020-06. ngfs_guide_scenario_analysis_final.pdf

[7] etwork for Greening the Financial System (NGFS). Guide for supervisors [R]. 2020-05. ngfs_guide_for_supervisors.pdf

[8] MOODY’S. RMS Expands Climate Change Model Suite to Include U.S Wildfire, U.S. Flood, Japan Typhoon Perils, and Updates North Atlantic Hurricane.2022-03-10. RMS Expands Climate Change Model Suite to Include U.S Wildfire, U.S. Flood, Japan Typhoon Perils, and Updates North Atlantic Hurricane | Moody's RMS

[9] MOODY’S. Insurance Solutions. Climate Change Risk Models, Data & Analytics | Moody's RMS

[10] Network for Greening the Financial System (NGFS). Case Studies of Environmental Risk Analysis Methodologies [R]. 2020-09.

[11] CISL. Physical risk framework: Understanding the impacts of climate change on real estate lending and investment portfolios. 2019. the Cambridge Institute for Sustainability Leadership

[12]Munich Re. Location Risk Intelligence: Master the physical risks caused by natural hazards and climate change [R]. RMP_Location_Risk_Intelligence_Solution_Overview_final_20230905.pdf (munichre.com)

[13] Network for Greening the Financial System (NGFS). Case Studies of Environmental Risk Analysis Methodologies [R]. 2020-09. case_studies_of_environmental_risk_analysis_methodologies.pdf (ngfs.net)

[14] Network for Greening the Financial System (NGFS). Case Studies of Environmental Risk Analysis Methodologies [R]. 2020-09.

[15]Network for Greening the Financial System (NGFS). Case Studies of Environmental Risk Analysis Methodologies [R]. 2020-09. case_studies_of_environmental_risk_analysis_methodologies.pdf (ngfs.net)

[16] Finance UNEP Initiative. NAVIGATING A NEW CLIMATE [R]. 2018-07. NAVIGATING-A-NEW-CLIMATE.pdf (greenfinancelac.org)

[17] 中国平安保险（集团）股份有限公司.2020气候风险管理报告

[18] 中国平安保险（集团）股份有限公司.2020气候风险管理报告

[19] BlackRock. ALADDIN® CLIMATE. Quantify climate risk with Aladdin® Climate | BlackRock

[20] Manulife. Disclosures. Sustainability | ESG Reporting (manulife.com)

[21] Manulife. Disclosures. Sustainability | ESG Reporting (manulife.com)

[22] Neuberger Berman. 2023 Neuberger Berman TCFD REPORT. Reporting & Policies | Neuberger Berman (nb.com)

(绿色金融与ESG国际研究)

（转自：绿色金融与ESG国际研究）

　　新浪财经ESG评级中心简介

　　新浪财经ESG评级中心是业内首个中文ESG专业资讯和评级聚合平台，致力于宣传和推广可持续发展，责任投资，与ESG（环境、社会和公司治理）价值理念，传播ESG的企业实践行动和榜样力量，推动中国ESG事业的发展，促进中国ESG评估标准的建立和企业评级的提升。

　　依托ESG评级中心，新浪财经发布多只ESG创新指数，为关注企业ESG表现的投资者提供更多选择。同时，新浪财经成立中国ESG领导者组织论坛，携手中国ESG领导企业和合作伙伴，通过环境、社会和公司治理理念，推动建立适合中国时代特征的ESG评价标准体系，促进中国资产管理行业ESG投资发展。