《Sustainable Futures》：A Multi-factor Climate Risk Index (CRI) for fossil fuels and ESG investments: A jar full of CRI-kets
编辑推荐：
本文针对气候风险度量工具单一、难以全面捕捉其多维复杂性的研究缺口，提出了一种创新的多因子气候风险指数（CRI）。该研究整合了自然观测、新闻情绪与政策不确定性三类指标，采用主成分分析（PCA）、t-SNE降维与偏最小二乘回归（PLSR）等多阶段建模方法，构建了能够综合反映物理风险、转型风险与市场关注风险的“超CRI”（super-CRI）。验证表明，该指数在预测ESG与化石燃料资产风险溢价方面优于单因子指标，为金融资产的气候风险定价与管理提供了更有效的工具。
气候变化已成为当今人类面临的重大挑战之一，其影响深远，不仅威胁生态系统与自然资源，更与全球经济金融市场的稳定息息相关。据世界经济论坛《2024年全球风险报告》显示，环境风险已占据全球十大感知风险的半壁江山。然而，一个核心难题横亘在研究者与决策者面前：我们缺乏一个足够强大、全面的工具来准确衡量气候风险。现有的气候风险指标大多“各自为政”，有的只盯着飓风、干旱等物理现象，有的只关注媒体报道的舆情热度，还有的只聚焦于政策变动带来的不确定性。这就像试图通过只听一只蟋蟀的叫声来判断整个草丛的动静，信号微弱且容易误判。气候风险本身是一个缓慢发生、空间范围广、影响全球的“温水煮青蛙”式现象，仅监测其单一侧面，难以评估整体风险 magnitude 并及时发出警报。这种度量工具的缺失，严重制约了对气候风险经济与金融影响的实证评估，也阻碍了投资者、监管机构与政策制定者进行有效的风险管理、资产定价和战略规划。
为此，来自马德里康普顿斯大学（Universidad Complutense de Madrid）的研究人员F. Díaz-Rodríguez和M.D. Robles在《Sustainable Futures》上发表论文，提出并构建了一种全新的多因子气候风险指数（Climate Risk Index, CRI），旨在填补这一研究空白。这项研究并非简单地将现有指标相加，而是采用了一种“元指数”（meta-index）的集成思路，将来自自然（如ENSO相关指数）、新闻（如MCCI及其分主题指数）与不确定性（如CPU、OPU）三大维度的15个初始指标，通过一套创新的多阶段建模流程进行融合，最终得到一个能同时捕捉物理风险、转型风险与市场注意力风险的综合性风险信号。研究人员形象地将其比喻为“一罐蟋蟀”（a jar full of crickets），单个蟋蟀（单因子指数）的叫声可能被忽略，但一整罐蟋蟀齐鸣则能产生更强、更清晰的警报信号。他们构建的CRI不仅在方法论上实现了突破，而且经实证检验，能够作为ESG（环境、社会和治理）投资与化石燃料投资风险溢价的有效预测因子，性能优于传统的单因子指数。
为构建这一多因子CRI，研究人员主要应用了以下几项关键技术方法：首先，利用主成分分析（PCA） 对分组的及全部的源指数进行降维与特征提取，以消除冗余并识别出核心的气候风险成分（如新闻趋势、自然周期）。其次，采用t-分布随机邻域嵌入（t-SNE） 对PCA提取的成分进行非线性降维与合成，以捕捉可能被线性方法忽略的复杂关系。接着，运用偏最小二乘回归（PLSR），结合特定的市场响应变量（如S&P500 ESG指数、化石燃料指数），构建了针对性的“专用CRI”（CRI ad hoc）。最后，引入了多集成时间尺度（METS 3.0） 这一元组合技术，对不同的CRI构建方案或直接对源指数进行组合，生成了更为稳健的“超CRI”（super-CRI）。研究所用的气候与市场数据均为公开可获取的月度时间序列，覆盖了2003年1月至2023年12月（共252个月度观测值），以确保分析的时效性与代表性。
研究结果
5.1. 多成分CRI：气候风险成分方法
研究人员首先对新闻、自然和不确定性三类指数分别进行PCA。分析发现：
- •
新闻指数：其第一主成分（解释83%方差）是所有新闻主题共享的气候风险成分，呈现明显的上升趋势，反映了公众对气候变化关注的持续增长。
- •
自然指数：聚焦于厄尔尼诺-南方涛动（ENSO）现象，其主成分清晰地呈现了与该现象相关的长周期波动，体现了物理气候风险的循环特征。
- •
不确定性指数：PCA提取了共同的不确定性成分，该成分在近年来呈上升趋势，暗示了与气候相关的系统性风险或全球性不确定性在增加。
通过聚合这些识别出的核心成分，研究构建了首个多成分CRI（15CRI3+），它包含了气候风险的长期趋势、周期性波动及剩余不确定性。
随后，研究人员将所有10个筛选后的源指数放在一起进行PCA，并聚合前四个主成分（累计解释91%方差）构建了另一个CRI（10CRI4）。为了进一步合成并考虑非线性关系，他们又使用t-SNE对这四个PCA成分进行降维，合成为一个二维的CRI（10,4CRI2），该指数在区分高风险与低风险期方面表现出更清晰的分离效果。
5.2. 专用CRI：气候风险成分-市场响应方法
为了使CRI更能反映市场定价，研究引入了偏最小二乘回归（PLSR）。以S&P500 ESG指数和S&P500石油、天然气及消费燃料指数作为响应变量，构建了专用的CRI。结果显示，针对ESG指数的专用CRI拟合度较好，而针对化石燃料指数的专用CRI拟合度相对较低，这反映了传统能源行业价格受气候以外因素影响更大。然而，通过构建ESG溢价（市场基准与ESG指数之差）的专用CRI，可以更好地剥离市场整体趋势，捕捉纯ESG因素带来的风险溢价变化。
5.3. 超CRI：元组合方法
鉴于气候风险本身的不可观测性，任何单一的CRI构建方法都可能存在偏差。为此，研究采用了METS 3.0（多集成时间尺度）元组合技术。该技术最初用于组合原子钟时间估计，后被改进用于趋势预测。本研究将其应用于CRI的构建，一方面对前述多种CRI构建方案（如PCA分组、PCA合并、t-SNE合成等）的结果进行组合，生成了一个集成式的“超CRI”；另一方面，也直接对10个源指数进行METS组合，生成另一个“超CRI”。这种方法旨在综合不同方法的优势，得到一个更稳健、更可靠的气候风险总体测度。
研究结论与意义
本研究成功地构建了一套新颖的多因子气候风险指数（CRI）体系。该研究的主要贡献在于方法论上的创新：它打破了现有气候风险指标“各自为政”的局面，首次将自然观测、新闻媒体情绪和政策不确定性这三条关键的风险传导渠道——即物理风险、注意力与情绪风险、转型风险——整合进一个统一的、可计算的指数框架中。通过PCA、t-SNE、PLSR和METS 3.0等一系列机器学习与信号处理技术的组合运用，研究不仅实现了对多维气候风险信息的提取与降维，还构建了通用型、市场专用型以及元组合型等多种CRI变体，以满足不同场景的应用需求。
实证验证表明，本研究提出的多因子CRI并非统计上的“数字游戏”，而是包含了被金融市场定价的真实风险因素。这些指数在预测对气候变化高度敏感的ESG资产和化石燃料资产的风险溢价方面，表现优于传统的单因子指数。这意味着，投资者可以利用此类综合指数更好地评估“绿色”与“棕色”资产所面临的气候风险，从而进行更精准的资产定价、投资组合管理和风险对冲。对于中央银行和金融市场监管机构而言，该指数提供了一个监测系统性气候风险、评估政策影响、维护金融市场稳定的有力工具。对于企业而言，则有助于其在商业估值、财务规划和风险管理中纳入更全面的气候风险考量。
总之，这项研究为理解和量化金融资产中的气候风险迈出了重要一步。其提出的“CRI-kets”（即一整套CRI构建方案）框架，就像提供了一罐能齐声高鸣的“蟋蟀”，为应对日益复杂的气候挑战发出了更响亮、更清晰的预警信号，对推动可持续金融发展和经济社会的绿色转型具有重要的理论和实践意义。
