作者| Matilde Faralli，帝国理工学院
建立气候风险信念模型是一项具有挑战性的工作。它涉及评估自然灾害等物理风险与碳减排政策相关的转型风险之间的相互作用。
在最近的工作中，我研究了极端天气事件如何影响股票分析师的盈利预测。股票分析师是金融信息的主要生产者（Mikhail，2007），必须及时发布预测，所以该研究可以很好地体现气候问题是如何影响金融预期的。在进行研究时，分析师们不仅会使用公开信息，还会结合自己对气候风险的主观判断，即其“气候信念”。
为了弄清天气事件如何影响分析师的气候信念，该研究调查了天气事件与预测变化之间的关系，同时在控制变量中纳入了不影响公司收益的天气事件。如果在此类天气事件之后，分析师改变了预测，那么预测的改变一定是由分析师气候信念的转变所驱动的。
在不影响盈利的天气事件发生后，分析师改变预测的原因可能有两个。一种可能是，分析师通过接触显著的天气事件，对气候变化的未来经济成本有了新的认识。根据这一信息假设，接触极端天气事件会对分析师预测公司气候风险的能力产生积极影响。如果情况属实，接触气候事件将减少分析师的预测误差。
另外，遭遇极端天气事件可能会产生情绪影响，并影响分析师的风险承担行为。根据这一启发式假设，遭遇天气事件会导致高估气候风险，在分析师最初过于乐观的情况下，有可能改善分析师的预测。然而，这种启发式效应难以区分不同公司的气候风险是高是低，因为分析师会平均下调对所有公司的预测。
“气候信念”的驱动因素
为了了解分析师气候信念的驱动因素，该研究建立了一个包含分析师和天气事件特征的综合数据集。研究将突出的天气事件定义为造成至少 100 人受伤、10 人死亡或 10 亿美元经济损失的自然灾害（来源：NOAA风暴事件数据库）。
随后，研究收集了分析师办公地点的信息，并将他们分为两组：(i) 首次遭遇突出天气事件且位于受影响地区100英里范围内的分析师；(ii) 对照组。对照组包括从未接触过气候事件的分析人员（从未处理过）和在特定时期内尚未接触过气候事件但将来会接触到的分析人员（尚未处理过）。为确保事件未影响公司收益，本次研究只考虑了距离事件发生地 100 英里以上的公司。
为了解分析师信念的驱动因素，研究比较了距离天气事件较近和较远的分析师的预测准确性，考察了公司实际盈利与预测盈利之间差额的绝对值（通过事件发生前一段时间的股价计算）。
下图重点关注事件发生前后六个月的时间窗口，并绘制了处理组和对照组之间分析师预测误差的变化（两组的预测误差被重新调整，使其在事件发生前一个月 t=-1 时相等）。从图中可以看出，暴露于天气事件会减少预测误差，提高预测准确性，这种情况会持续到事件发生后的三个月。这种影响在数据上非常明显：在事件发生后的两个月内，受天气事件影响的平均预测误差减少了10个百分点，预测准确率提高了 4%。
图 ：经历极端天气事件前后预测误差的变化
本研究还发现，不同类型的公司和分析师之间也存在差异。我首先比较了物理气候风险水平高和低的公司（数据来源：Trucost），发现对于物理风险高的公司来说，分析师的预测会变得更加准确（例如，经历过飓风后，飓风风险高的公司预测会变得更加准确）。对于经验丰富的分析师来说，高物理风险公司的预测误差减少尤为明显。
综上所述，本研究的结论支持信息假说，因为结果表明风险暴露对提高高风险公司的预测准确性有重要影响。不过，这些结果也表明，并非所有分析师都能从气候事件风险中提取相同的信息。因此，想要改善气候风险评估，还需要更多对缺乏经验的分析师的培训。
更多行动
了解个人和组织如何看待未来与气候相关的物理风险，是评估气候变化影响以及实施减缓和适应政策的关键。企业有必要加强气候风险披露，政策制定者则应强制要求企业全面报告物理风险和转型风险。
本研究结果表明，在加强信息披露的同时，还应制定相关政策，来激励培训和教育计划，以确保分析师正确地将气候相关风险纳入预测。在这些领域采取积极主动的措施，可以提高金融业的气候风险意识和应对能力。
该论文荣获 2023 年PRI学术网络会议最佳博士生论文奖。点击文末“阅读原文”可查看英文原文。
