迭代逆向情景逻辑：金融气候风险评估中的模型风险管理新路径

随着气候变化影响日益显著，金融机构、投资者和监管机构越来越重视金融气候风险的评估。然而，全球变化科学在金融领域的应用面临一大障碍：来自全球变化情景和模型的信息，往往难以满足金融用户的实际需求。例如，情景模型在空间和时间维度上，常常与金融决策存在错位。

针对这一问题，全球变化科学领域的大量研究聚焦于推进模型本身的发展，并着力传达模型的局限性。然而，本文认为上述努力还远远不够，原因在于这些努力并未充分考虑到：金融气候风险评估必然受制于金融机构的模型风险管理流程。这一流程的核心目标，是降低因模型实施错误、对模型适用性理解不完整或模型使用不当而导致决策质量低下的风险。

本文指出，现有模型风险管理体系在应对气候风险方面存在明显不足，并就此提出了改进路径，主要涵盖以下三个方面。

一、全球变化情景与模型的常见问题——数据可用性有限、深度不确定性以及复杂模型的联接难题——给现有模型风险管理实践带来了严峻挑战，使其难以有效应对因模型适用性理解不完整所引发的风险。

二、围绕全球变化情景应用的宏观讨论，尚未跟上模型风险管理领域的发展趋势。全球变化情景通常将全球变化信息正向输入风险模型，而金融行业日益推崇的"反向压力测试"方法，则是利用风险模型反向推导出可能导致预设不利结果（如资不抵债）的合理情景。两者之间存在明显的理念落差。

三、将现有反向压力测试方法直接应用于气候风险，并不能有效化解由全球变化情景引入的模型风险。全球变化情景通常需要将多个复杂模型相互联接，由此产生的模型风险难以通过传统方法加以妥善处理。

为此，本文提出"迭代逆向情景逻辑"方法。该方法将情景发现与周期性专家判断相结合，在模型内部及模型之间定期检验情景的合理性。本文认为，这一方法有望更好地隔离各个模型的独立风险，从而在深度不确定性条件下，最大限度地降低多个难以验证的模型串联所带来的整体模型风险。

本文由兰德公司的Michael D. Gerst、Clifford Rossi、Robert Brammer、Timothy Canty、Flannery Dolan、Robert Lempert及Elena Rovenskaya共同撰写，已由施普林格·自然出版集团出版，全文共22页。

Q&A

Q1：迭代逆向情景逻辑是什么方法？它如何解决气候风险模型问题？

A：迭代逆向情景逻辑是一种将情景发现与周期性专家判断相结合的方法，用于在模型内部及模型之间定期检验情景合理性。它能够更好地隔离各模型的独立风险，在深度不确定性条件下，降低多个复杂模型串联所带来的整体模型风险，从而弥补传统模型风险管理在气候风险评估方面的不足。

Q2：金融气候风险评估中，全球变化模型存在哪些主要问题？

A：主要问题包括三方面：一是数据可用性有限；二是深度不确定性难以量化；三是复杂模型之间的联接存在技术挑战。这些问题导致现有模型风险管理实践难以有效评估模型适用性，增加了金融决策出错的风险。

Q3：金融行业的反向压力测试与全球变化情景应用有何差异？

A：反向压力测试是金融行业常用方法，通过风险模型反向推导出可能导致资不抵债等不利结果的合理情景。而全球变化情景通常是将信息正向输入风险模型。两者逻辑方向相反，且围绕全球变化情景的讨论尚未跟上模型风险管理的发展趋势，直接套用反向压力测试方法也无法有效处理气候情景引入的模型风险。