本文目录导读：
- 开源/免费工具 (适合研究、中小机构或有定制需求的机构)
- 商业/专业软件 (适合大型金融机构、保险公司、专业咨询)
- 数据与模型提供商 (核心数据源)
- 如何选择适合您的工具？（选择指南）
- 关键功能对比（功能 vs 复杂度 vs 成本）
- 当前趋势与未来方向
- 总结建议
气候金融风险分析是指识别、量化和管理气候变化带来的物理风险（如极端天气事件）和转型风险（如政策变化、技术颠覆）对金融资产（贷款、债券、股票、衍生品）潜在影响的过程，随着全球监管机构（如央行与监管机构绿色金融网络NGFS、国际证监会组织IOSCO）和投资机构的重视，这类工具正成为主流。
以下是对目前市场上主流的气候金融风险分析工具的梳理,包含开源工具、商业软件以及数据平台三类，并附有选择指南。
开源/免费工具 (适合研究、中小机构或有定制需求的机构)
这些工具通常由学术界、多边组织或中央银行开发，透明度高，但可能需要较强的技术能力（如Python、R语言）。
-
NGFS Scenarios Portal （央行与监管机构绿色金融网络情景门户）
- 类型：情景数据与分析框架
- 特点：由全球主要央行背书的标准化气候情景（有序转型、无序转型、温室世界），提供宏观经济变量、行业影响、碳排放路径等，是压力测试的行业基准。
- 用途：风险情景设定、宏观压力测试。
-
PACTA （巴黎协定资本转型评估，由2° Investing Initiative开发）
- 类型：投资组合对齐与转型风险工具
- 特点：开源方法论，分析投资组合与《巴黎协定》目标的一致性，专注于转型风险，特别是化石燃料、汽车、电力等高碳行业。
- 用途：评估资产组合的气候转型暴露，适用于投资者和银行。
-
CRIS （Climate Risk & Impact Screening，由世界自然基金会（WWF）和Acclimatise开发）
- 类型：物理风险评估（地理信息）
- 特点：基于地图的筛选工具，评估特定地点面临的洪水、热浪、海平面上升、野火等物理风险。
- 用途：识别实体资产的物理风险热点。
-
Python/ R 的金融风险模型库（如
pandas,numpy,scikit-learn结合特定气候数据）- 类型：自定义建模环境
- 特点：利用开源编程语言，结合公开的气候数据集（如CMIP6气候模型输出、NOAA、NASA数据）和金融数据，构建自有的风险模型。
- 用途：高度定制化的风险评估，学术研究，高级分析。
商业/专业软件 (适合大型金融机构、保险公司、专业咨询)
这些工具提供端到端的解决方案,包括数据、模型、报告和监管合规支持。
-
Moody‘s RMS （穆迪RMS）
- 核心能力：物理风险分析的全球领导者。
- 数据：极高的空间分辨率，覆盖洪水、飓风、地震、热浪等，拥有最完善的巨灾模型。
- 应用：保险定价、资产抵押贷款压力测试、投资组合风险暴露分析。
-
S&P Global （标普全球）
- 核心能力：实体风险与转型风险评估。
- 数据：物理风险分析（如气候物理风险分析工具）、绿色债券评估、气候相关财务披露（TCFD）对齐分析，与金融数据和信用评级深度整合。
- 应用：信用风险评估、投资组合分析、监管披露。
-
Oliver Wyman / MSCI
- 核心能力：转型风险分析与情景建模。
- 数据：MSCI的ESG（环境、社会和治理）研究提供深度的碳排放数据、绿色收入百分比、化石燃料储备等。
- 应用：主权债和公司债的转型风险评分、行业层面压力测试。
-
RepRisk
- 核心能力：声誉与监管风险（转型风险的非财务侧面）。
- 数据：通过自然语言处理实时监控全球媒体、监管公告、非政府组织报告，识别与气候相关的负面新闻（如污染、诉讼、违规）。
- 应用：尽职调查、供应链风险、漂绿检测。
-
Cervest （Climate IQ）
- 核心能力：资产级物理风险与韧性分析。
- 特点：专注于为实体资产（如工厂、农场、房地产）提供“气候信用评分”，可自动化为估值和保险决策所用。
数据与模型提供商 (核心数据源)
这类工具不是完整的分析平台,但为上述工具提供基础数据。
- The Climate Corporation （Climate FieldView）：农业气候数据。
- Vaisala：高精度气象数据。
- 气象和数据商业化平台 （如 IBM’s Weather Company， DTN）：实时天气和气候预测数据。
- 政府间气候变化专门委员会（IPCC）数据：气候模型输出、排放情景（RCP,SSP）。
如何选择适合您的工具？（选择指南）
| 您的需求 | 推荐工具类别 | 具体工具举例 |
|---|---|---|
| 监管合规（央行压力测试） | 开源/政策导向 + 数据平台 | NGFS Scenarios Portal， PACTA， S&P Global （信用风险整合） |
| 物理风险（贷款/保险定价） | 商业保险/资产级工具 | Moody‘s RMS， Cervest， RepRisk （诉讼风险补充） |
| 转型风险（投资组合脱碳） | 开源/投资导向 + 评级机构 | PACTA， MSCI ESG Research， S&P Global （绿色收入） |
| 供应链风险审查 | 声誉监控 + 物理热点 | RepRisk， CRIS （WWF） |
| 内部研究与模型开发 | 编程语言 + 学术数据库 | Python + CMIP6 (气候模型输出) + 开源财务模型 （如 QuantLib） |
| 通用披露（TCFD） | 端到端商业平台 | MSCI Climate Value-at-Risk （气候在险价值）， Oliver Wyman （咨询+模型） |
关键功能对比（功能 vs 复杂度 vs 成本）
| 维度 | 开源工具 | 商业软件 | 数据提供商 |
|---|---|---|---|
| 成本 | 低（仅人力和计算资源） | 高（许可费+年费） | 中等（按API调用或订阅） |
| 透明度 | 极高 | 中等（黑箱模型部分） | 结构化数据易访问 |
| 易用性 | 低（需编程） | 中高（图形界面） | 中（需API集成） |
| 维护与更新 | 依赖社区/开发方 | 供应商负责 | 持续实时更新 |
| 最佳适合场景 | 内部验证、学术、定制 | 大型机构部署、合规 | 数据驱动分析 |
当前趋势与未来方向
- AI与机器学习融合：用机器学习预测非线性气候风险（如飓风路径、干旱持续时间）对违约概率（PD，违约概率）和损失率（LGD，违约损失率）的影响。
- 自然语言处理（NLP）：从企业财报、央行会议记录、新闻中提取“气候情绪”，作为转型风险的早期预警指标。
- 实时气候风险评分：从静态年度评估转向动态、实时风险监测（如当资产暴露在即将发生的热浪或洪水时，自动扣减其抵押价值）。
- 反事实分析：比较“有气候变化”与“无气候变化”的世界，量化风险归因与增加值。
总结建议
- 如果您是小型金融机构或研究者：优先尝试PACTA（转型）+ CRIS（物理）+ NGFS Scenarios（宏观情景），成本低且学术认可度高。
- 如果您是大型银行/保险公司：必须投资商业工具以覆盖合规与量化需求，典型组合：Moody‘s RMS （物理） + MSCI/S&P （转型） + RepRisk （声誉），并通过内部团队整合。
- 如果您是分析供应链/房地产：Cervest 或 RepRisk 提供具体的资产级暴露。
建议先进行试用或申请免费演示，并明确您的3个核心问题：
- 分析的是物理风险还是转型风险？
- 需要的空间分辨率是国家级、城市级还是建筑级？
- 主要用于内部风控还是对外披露？
根据您的具体资产类型和监管辖区选择最匹配的工具,将最大限度提升风控价值。
