在投资组合构建中拥抱碳不确定性（英）

在投资组合构建中拥抱碳不确定性 货币与经济司 2026年6月 关键词：碳足迹、主权债务、投资组合优化、风险平价 国际清算银行工作论文由国际清算银行货币与经济部门成员撰写，有时也由其他经济学家撰写，并由该行出版。这些论文涉及当前感兴趣的主题，具有技术性。本出版物中表达的观点是作者的观点，并不一定反映国际清算银行或其成员中央银行的看法。 本出版物可在国际清算银行网站（www.bis.org）上获取。 © 国际清算银行 2026年。版权所有。经注明出处后，可复制或翻译部分摘录。 构建投资组合中的碳不确定性 范多拉·夏尔 * 奥马尔·祖拉伊卡 *,1 国际清算银行 摘要 我们提出了一种整合财务和环境考量的主权债券固定收益投资组合构建框架。我们方法的核心是引入碳回报概念，该概念类似于财务回报，被建模为随机变量以捕捉未来碳排放的固有不确定性。基于各国主权债券的财务和碳回报特征，我们采用一种受分层风险平价（HRP）启发的算法来构建投资组合，以平衡各国对投资组合尾部风险（以预期不足衡量）的贡献，该尾部风险由财务和碳回报决定。聚焦于发达市场主权债券，我们的结果表明，在样本内和样本外，均有可能设计出能够有效将脱碳目标与财务表现相结合的投资组合，同时兼顾不同的投资者偏好。 JEL分类：G11, G28, Q54, Q56关键词：碳足迹、主权债务、投资组合优化、风险平价 1 简介 机构投资者，如储备管理者，越来越认识到将气候风险考量纳入其投资组合的重要性。这反映了机构投资者将可持续性——涵盖环境、社会和治理（ESG）目标——融入投资组合构建的更广泛趋势。2020年，(Fender等人(2020))的研究表明，可持续性是至少三分之一的中央银行的相关目标。2 Fender等人(2022)则反过来强调了公共投资者投资组合中可以如何实践此类考量。在这一更广泛的ESG议程中，与气候相关的风险已成为固定收益投资者最可衡量且政策最相关的维度，这促使我们在下文中聚焦于此。 据推测，将气候因素纳入投资决策是由两个关键因素驱动的。第一个是气候变化带来的风险影响，这要求采取行动。这些风险可能源于物理风险，例如极端天气事件发生频率和严重程度的增加，也可能源于与监管政策、技术进步以及消费者对低碳经济偏好转变相关的转型风险。第二个因素是机构投资者可以通过其投资策略影响气候结果的可能性，例如通过提高对环境有害活动的融资成本（Scatigna等人，2021年；夏和祖拉伊卡，2022年）。3 为此，Swinkels等人（2025年）认为，政府债券投资者可以通过将资本投向拥有强大但资金不足的可持续性政策的政府，来帮助弥补可持续发展目标（SDGs）的融资缺口，并举例说明了投资者如何在发达和新兴市场的投资组合中整合SDG评分。 在实践中，对于具有更长投资周期的投资者而言，这类目标往往纯粹从风险管理角度考虑是合理的。对于其他人来说，在授权允许的情况下，积极影响气候结果也可能与其更广泛的目标相一致（Carstens (2024)）。无论如何，鉴于政府债券在机构投资者投资组合中的核心作用，减少其碳足迹已成为紧迫的实际问题。在为主权证券构建脱碳投资组合时，会浮现两个关键问题：第一个是如何衡量投资组合的碳足迹；第二个是如何融合脱碳的概念。 考虑投资组合的财务表现来计算碳足迹。 现有文献常采用约束优化框架来为主权债券投资组合脱碳。这些框架通常优先考虑投资组合的财务回报——例如最小化相对于基准或指数的跟踪误差——同时通过碳预算将碳足迹因素纳入考量。这些预算会限制投资组合的碳足迹，通常将其衡量为各国碳排放的加权总和，权重对应于各国在投资组合中的配置比例。各国的碳排放量可以以原始数据形式呈现，也可以通过GDP或人口等因子进行标准化，并被称为碳强度。此类配置方法的典型实例包括Cheng等人（2022年）、Le Guenedal和Roncalli（2022年）以及Schwaiger等人（2023年）的研究。 这种方法的一个关键局限性在于将各国的碳足迹视为确定性数值，要么基于历史数据（即最新的碳足迹观测值，假设其代表未来行为），要么基于与特定情景相关的前瞻性数值（例如在碳足迹层面也是确定性的NGFS情景）。这种观点未能考虑到任何预测中固有的不确定性。这类似于基于每种资产（在这种情况下，每种主权债券）的单条未来回报预测路径来进行资产配置练习，除非实际状况与预测完美一致，否则可能导致次优结果。 本文提出了一种将碳足迹考量纳入主权债券配置的新框架，将各国的碳足迹视为随机变量而非确定性变量。该框架的关键创新在于引入了各国主权债券碳回报的概念。碳回报被定义为特定国家的碳排放负变化，与基于债券价格变化的金融回报概念相平行。如同金融回报，碳回报是随机变量，其分布可从历史数据或预测模型中推断。使用随机碳回报代替历史排放水平或确定性预测具有两大关键优势。它避免了单纯偏爱当前低排放者，而是奖励实际减排。它也增强了稳健性，因为研究发现，回报分布在不同排放指标间的差异小于绝对水平。 为构建低碳主权投资组合，我们采用了一种受启发的策略。 4 虽然我们的分析侧重于主权债券组合的脱碳化，但该框架可以轻易扩展到其他资产类别。 由L´opez de Prado（2016）提出的层级风险平价（HRP）算法。该框架平衡了各国主权债券所带来的金融风险和碳风险。与传统的均值-方差优化不同，HRP算法为投资组合构建提供了一种更稳健和多元化的方法。它通过利用资产的金字塔结构有效分配风险，从而避免了角解。此外，HRP对协方差矩阵和相关矩阵中的估计误差具有弹性。通过运用聚类技术和层级权重分配，与均值-方差优化所需的协方差矩阵求逆相比，它对噪声数据不那么敏感。这些特性共同使HRP特别适用于我们的应用。 我们将此方法论应用于发达市场主权债券，并证明，无论是在样本内还是样本外，都有可能设计出能够有效将脱碳目标与财务表现相结合的投资组合。我们对发达经济体主权债券的关注反映了它们在机构投资者主权债券投资组合中的显著份额（例如，世界银行（2025年））。尽管如此，我们的框架同样可以应用于所有国家的主权债券。 本文其余部分的结构安排如下。第二节介绍了碳回报的概念，并描述了用于计算国家层面碳回报的数据。第三节概述了如何利用碳回报对主权债券投资组合进行脱碳，重点介绍了我们受HRP算法启发的框架。第四节呈现了HRP优化的结果，包括样本内和样本外结果。第五节为结论。 碳归零 我们提出了一个名为“碳汇”的新概念，将其定义为碳足迹指标中负百分比变化。负号反映了减少碳足迹的期望，这与投资者寻求正财务回报的方式相呼应。在这种框架下，所有标准指标，如预期回报、波动率、尾部风险指标和相关系数，都可以用于碳汇的计算。这使分析从确定性值转向结果分布，代表着碳足迹目前被纳入投资组合构建目标函数方式的一次重大转变。 我们使用二氧化碳排放量来衡量主权债券发行国的环境足迹。这种方法具有两个正当理由。首先，在发达经济体中，二氧化碳排放量通常占总温室气体（GHG）排放量的约80%。 这使得它们成为这些国家整体碳足迹的可靠指标。事实上，二氧化碳及时准确地反映了一个国家的整体温室气体足迹（Penninga and Zomerdijk (2024)）。其次，其他温室气体的数据更新频率较低，通常存在显著的发布延迟，其中某些类别（例如基于消费的指标）通常无法获得。在整个过程中，我们交替使用“二氧化碳排放”、“碳排放”和“碳足迹”。 2.1 定义与动机 对于给定的碳足迹指标C（例如基于生产的碳排放），t c 定义为：碳回报R t 类似于财务收益，它反映了证券价格中升值或贬值的速度，碳收益代表一个国家碳足迹的减少或增加的速度。负号确保减排被视为积极成果，因为排放增加反映了一种不受欢迎的状态。因此，该指标可以与财务收益类似地解释，其中最大化预期收益是一个理想的目標。 这是一个关键性的贡献，因为一个常被忽视的事实是，一个国家未来的碳足迹存在固有的不确定性，这导致了多种情景的定义（例如，来自NGFS（2022）的二氧化碳转型路径）。在现有文献中，去碳化投资组合的问题通常被表述如下（例如，参见Le Guenedal和Roncalli（2022））： *为*目标投资组合，b=(b1,...,bn)为基准投资组合，Σ为金融收益的协方差矩阵，μ=(μ1,...,μn)为预期金融收益向量，c=(c1,...,cn)收集各资产的碳足迹，c+为投资组合碳足迹的上限。目标是构建一个与基准投资组合b紧密跟踪的投资组合*为*，同时使其碳足迹保持在上限c+以下。 碳足迹指标通常基于历史数据，因此是一种回顾性的方法。为解决这一局限性，Schwaiger等作者 阿尔 (2023) 已引入这些变量的前瞻性版本。然而，这些方法通常对每条路径都依赖单一、确定性的情景，从而有效忽略了碳足迹预测中固有的不确定性。这类似于构建一个忽略资产收益的方差及其相关性的投资组合，这可能导致次优结果。 在构建投资组合时，我们将碳回报视为随机变量，其取值来自一个分布，这类似于金融回报。这明确考虑了碳足迹中的不确定性。 将焦点转向历史排放水平或确定性排放预测所产生的不确定性碳回报，具有两大关键优势。首先，基于碳足迹水平的方法往往导致投资组合转向当前的低排放者，而非拥有更积极、更具前瞻性的转型计划的国家。正如Angelini（2024）所论证的，仅根据排放水平重新分配资本不太可能带来实质性改变。低排放者本已排放量低，而高排放者可能面临更高的融资成本，这可能会阻碍其采用可持续技术。相比之下，基于减排量的资本配置则能激励脱碳。其次，正如我们稍后将展示的，虽然碳排放的绝对水平取决于排放类型，但碳回报的历史分布往往表现出更大的稳定性。这种稳定性确保了使用碳回报构建的投资组合更能抵御碳排放计量变化带来的波动。 碳回报如何用于构建去碳化投资组合？就设计而言，碳回报的定义方式与金融回报类似。因此，通常用于衡量金融回报的关键指标——如预期回报、波动率、预期不足和相关性——也同样适用于碳回报。此外，为优化金融回报空间而设计的框架可以直接应用于碳回报空间。 2.2 碳排放数据 要应用碳汇的概念，选择一个合适的指标来衡量国家层面的碳足迹至关重要。在文献中，一种常见的方法是使用绝对形式的碳排放量，或者通过反映经济规模的指标（如GDP或人口）进行标准化处理。这种标准化指标通常被称为碳强度，它考虑了经济规模，并使得跨国比较更为容易。 由于碳排放的绝对水平与评估气候风险更为直接相关，我们的分析侧重于原始排放数据。这是因为，当计算碳足迹的百分比变化时，原始碳排放的规模效应在很大程度上已被考虑在内。尽管如此，我们的碳回报概念也可应用于碳排放强度。在这种情况下，计算出的碳回报将反映脱碳速率以及GDP和人口的增长率。 在分析一个国家的碳排放时，确定排放类型也同样重要。我们关注基于生产的二氧化碳排放，因为它们涉及较少的推算，并且比基于消费的估计或包含土地利用变化的变体拥有更长、更一致的历史记录。尽管排放的绝对水平因核算方法不同而有所差异，但历史碳回报的分布相对保持一致，这揭示了我们框架的一个附带好处（参见第5表）。有关可用的不同碳排放类型的详细描述，请参见附录A。 为获取上述信息，我们依托全球碳计划（GCP）。GCP追踪全球碳排放与碳清除趋势，被广泛认可为同类最全面的数据库。其涵盖190多个国家，提供基于生产的碳排放历史数据（始于19世纪）以及基于消费的碳排放数据（始于1990年）⁵。我们通过“我们的世界数据”（OWID）（链接）批量获取该数据。有关我们分析所包含国家的基于生产的碳排放时间序列，请参见图B-11。我们的分析聚焦于1982年至2021年的时间序列，为23个发达经济体提供了40年的碳排放数据。这些经济体包括：澳大利亚、奥地利、比利时、加拿大、丹麦、芬兰、法国、德国、希腊、爱尔兰、意大利、日本、荷兰、新西兰、挪威、葡萄牙、新加坡、韩国、西班牙、瑞典、瑞士、英国和美国⁶。 其他广泛使用的碳排放数据来源包括联合国