气候风险数据血缘与代理数据
作者：Jonas Mohamed Osman Abdelghafour。
气候相关金融风险分析——欧洲央行的专题审查、TCFD建议以及IFRS S2披露要求——要求机构将其风险敞口映射至物理性与转型性气候灾害，并量化由此产生的风险。实践中，大部分难点并不在于建模，而在于数据本身：物理资产的地理位置、行业分类、排放强度和灾害情景，很少能与机构实际掌握的交易对手层面数据完美对齐。要使这项工作站得住脚，关键在于对数据血缘、代理数据与不确定性建立起有纪律的方法。
风险敞口映射是第一道瓶颈
气候风险分析针对的是物理资产层面（不动产、基础设施）或经济活动层面（行业、子行业、地理区域）的风险敞口。而金融系统通常按交易对手方、机构或证券的层级承载风险敞口。在两者之间建立映射关系，首先是一个数据问题，其次才是建模问题。
一份切实可行的风险敞口映射表，应针对每一项风险敞口记录：交易对手方标识符、（如有可得）物理资产或经济活动标识符、行业分类（NACE、GICS或同等分类体系）、可获得的最细粒度地理位置信息、（如相关）排放强度，以及每个字段的数据来源。数据来源字段正是使这项工作可被审计的关键所在。
代理数据层级体系
几乎没有任何机构对每一项风险敞口都拥有实际经过核实的数据。一套代理数据层级体系能够使数据回退方式变得明确且一致。一个典型的层级体系如下：
- 已报告的交易对手方数据（经核实的排放数据、已披露的资产位置）。
- 第三方估计数据（商业数据提供商，如CDP、MSCI、S&P Trucost）。
- 来自国家统计数据或IEA/EDGAR数据集的行业与地理平均值。
- 仅使用行业平均值。
- 组合层面的兜底假设，并附加不确定性上浮系数。
每一项风险敞口都会被标注其所使用的层级体系级别。随后，分析结果既可以包含也可以排除高度依赖代理数据的风险敞口进行报告，让使用者了解结论有多大程度依赖于最不可靠的输入数据。
不确定性量化
气候情景本身（NGFS参考情景、IEA世界能源展望情景）在转型政策路径、技术假设以及灾害向财务影响的转化过程中，都带有相当大的不确定性。在此之上，由代理数据驱动的风险敞口数据又叠加了一层进一步的不确定性，对于单个组合而言，这层不确定性往往比情景不确定性本身还要大。
不确定性应当与点估计一并报告。常见方法包括情景区间、对代理数据层级级别的敏感性分析，以及在数据支持的情况下，对代理数据不确定性进行蒙特卡洛传导分析。一个不附带不确定性区间的单一数字气候损失估计值，会夸大这项实质上存在重大不确定性的工作实际具备的精确程度。
使数据可靠的控制机制
四项控制措施具有格外突出的作用。第一，从源系统到分析输出全程记录数据血缘，以便任何气候指标都能追溯到其所依赖的数据字段。第二，刷新频率与源数据更新频率相匹配，以避免过时的代理数据在不知不觉中长期留存。第三，覆盖率报告，显示各层级体系所占的风险敞口比例，并随时间加以跟踪。第四，由第二道防线职能对映射逻辑和代理数据逻辑进行独立审阅，与精算模型治理与三道防线的原则保持一致。
治理
气候风险指标日益成为风险偏好设定、资本规划和信息披露的重要输入，这提高了对数据质量的要求。董事会及风险委员会的报告，除了呈现主要的风险敞口和损失指标外，还应明确说明覆盖率、代理数据依赖程度及已知局限性。这与欧洲央行监管期望的方向，以及IFRS S2要求披露重大假设和不确定性的规定是一致的。
常见失效模式
有三种模式反复出现。一是代理数据的使用情况未被追踪记录，使分析结果的使用者无法判断这些数字的锚定基础何在。二是不同机构的情景输出被拿来直接比较，仿佛它们具有可比性，而实际上方法论差异才是主导因素。三是气候指标在报告时不附带不确定性区间，从而对一项实质上存在重大不确定性的工作给人以虚假的安心感。
局限性
即便是一套治理完善的气候风险数据基础设施，仍然受制于情景不确定性、灾害向财务损失转化过程中的模型风险，以及实际观察到的气候变化可能偏离所有当前所用情景的可能性。数据控制能够降低噪音，但无法消除背后固有的不确定性。
结语
可信的气候风险分析，既是一门数据工程学科，也是一门建模学科。数据血缘、明确的代理数据层级体系、不确定性报告以及独立审阅，正是让这些分析结果能够被真正用于决策、而非被当作示意性材料的关键所在。相关文章：保险业中的预测建模与ORSA情景设计与董事会应用。
作者：Jonas Mohamed Osman Abdelghafour，精算师及金融风险管理专家。个人背景与联系方式详见关于页面。