■ 唐藝萌 謝霄霄 王甄彥 滕 磊

（成都信息工程大學(xué)統(tǒng)計(jì)學(xué)院 四川成都 610100）

一、問題的提出

氣候變暖是全世界面臨的重要挑戰(zhàn)之一，極端天氣事件的發(fā)生呈現(xiàn)增多增強(qiáng)的趨勢。自然災(zāi)害、海平面上升等氣候變化現(xiàn)象不僅影響生態(tài)環(huán)境，而且對全球經(jīng)濟(jì)增長產(chǎn)生了深遠(yuǎn)影響。政府間氣候變化專門委員會（IPCC）第六次評估報(bào)告表明，氣候變化正在對作物、畜禽、林業(yè)、漁業(yè)和水產(chǎn)養(yǎng)殖業(yè)等涉農(nóng)經(jīng)濟(jì)方面施加壓力和威脅。

在全球氣候危機(jī)日益嚴(yán)峻的背景下，如何實(shí)現(xiàn)效益最大化和達(dá)到避害目的，將氣候變化對金融的不利影響和風(fēng)險(xiǎn)降到最低，充分挖掘經(jīng)濟(jì)轉(zhuǎn)型發(fā)展的潛在機(jī)遇，是世界各國面臨的重大課題。2019年10月，國際貨幣基金組織秋季年會將氣候變化列為重要議題之一，而2019年10月發(fā)布的最新《全球金融穩(wěn)定報(bào)告》也探討了氣候變化與金融穩(wěn)定之間的關(guān)系。《2020年全球風(fēng)險(xiǎn)報(bào)告》中指出,與氣候變化有關(guān)的金融風(fēng)險(xiǎn)是系統(tǒng)性金融風(fēng)險(xiǎn)的主要來源之一,頻繁的極端天氣事件將導(dǎo)致自然資產(chǎn)的損失,并威脅到人類的生命、健康和安全。保險(xiǎn)索賠和商業(yè)信用風(fēng)險(xiǎn)的增加將危及金融市場的穩(wěn)定性,防范系統(tǒng)性金融風(fēng)險(xiǎn)必須深入研究與氣候變化有關(guān)的金融風(fēng)險(xiǎn)。

二、文獻(xiàn)綜述與理論分析

（一）文獻(xiàn)綜述

氣候變化會對各國經(jīng)濟(jì)造成長期影響，對全球金融機(jī)構(gòu)活動造成嚴(yán)重破壞。國內(nèi)外的研究普遍認(rèn)為，氣候變化可能導(dǎo)致極端事件變多，金融風(fēng)險(xiǎn)增加，經(jīng)濟(jì)損失增加。作為研究氣候變化相關(guān)經(jīng)濟(jì)問題的先驅(qū)，諾德豪斯在1977年為研究氣候變化引起的物理變化與實(shí)體經(jīng)濟(jì)之間的相互作用奠定了理論基礎(chǔ)。自此，越來越多的文獻(xiàn)開始關(guān)注氣候變化與經(jīng)濟(jì)金融的關(guān)系。王信（2021）認(rèn)為，與氣候變化有關(guān)的風(fēng)險(xiǎn)分為兩類：物理風(fēng)險(xiǎn)與轉(zhuǎn)型風(fēng)險(xiǎn)。物理風(fēng)險(xiǎn)對金融穩(wěn)定的影響表現(xiàn)為金融機(jī)構(gòu)資產(chǎn)和負(fù)債的惡化、市場流動性的減少和信貸供應(yīng)的緊縮；轉(zhuǎn)型風(fēng)險(xiǎn)對金融穩(wěn)定的影響表現(xiàn)為閑置資產(chǎn)價值的大幅下降和信貸市場的損失?！?019年全球金融穩(wěn)定報(bào)告》從兩個方面總結(jié)了氣候變化所導(dǎo)致的金融風(fēng)險(xiǎn)的機(jī)制：首先，氣候變化會增加氣候風(fēng)險(xiǎn)和與氣候變化相關(guān)的風(fēng)險(xiǎn)暴露，銀行、證券、保險(xiǎn)等金融機(jī)構(gòu)在氣象災(zāi)害的影響下，將受到不同程度的損害。其次，如果氣候變化得不到有效控制，頻繁發(fā)生的氣象災(zāi)害會直接增加金融機(jī)構(gòu)的損失，或者通過降低實(shí)體部門的生產(chǎn)效率進(jìn)而間接提高金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)。

本文以農(nóng)村金融機(jī)構(gòu)為主要研究對象，研究氣候變化和涉農(nóng)信用風(fēng)險(xiǎn)之間的關(guān)系，總結(jié)氣候變化引發(fā)農(nóng)業(yè)信用風(fēng)險(xiǎn)的機(jī)理“氣候變化-影響農(nóng)業(yè)生產(chǎn)-涉農(nóng)信用風(fēng)險(xiǎn)”，構(gòu)建模型進(jìn)行實(shí)證研究，明確氣候變化對涉農(nóng)風(fēng)險(xiǎn)沖擊的方向及程度，并給出相應(yīng)的決策依據(jù)，以期為政府決策提供理論依據(jù)與參考。

（二）理論分析

氣候變化對經(jīng)濟(jì)社會主要構(gòu)成兩種風(fēng)險(xiǎn)：轉(zhuǎn)型風(fēng)險(xiǎn)和物理風(fēng)險(xiǎn)。轉(zhuǎn)型風(fēng)險(xiǎn)是指社會各界應(yīng)對氣候變化所帶來的風(fēng)險(xiǎn)。氣候轉(zhuǎn)型因素可能導(dǎo)致企業(yè)利潤的償付能力和估值的惡化，導(dǎo)致金融機(jī)構(gòu)出現(xiàn)不良貸款或投資損失。轉(zhuǎn)型風(fēng)險(xiǎn)將帶來從短期到長期的影響。物理風(fēng)險(xiǎn)是指極端天氣（干旱；颶風(fēng)；沙塵暴等）以及全球變暖、海平面上升等對實(shí)體經(jīng)濟(jì)所造成的負(fù)面影響。其中，極端天氣的影響是中短期的，全球變暖的影響偏向中長期。這兩種風(fēng)險(xiǎn)均對金融有一定程度的影響。

目前，我國經(jīng)濟(jì)正處于轉(zhuǎn)型升級的關(guān)鍵時期，也是風(fēng)險(xiǎn)防范的重點(diǎn)時期。由于經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型過程中所產(chǎn)生的各種風(fēng)險(xiǎn)，會直接或間接地影響農(nóng)業(yè)生產(chǎn)，而農(nóng)業(yè)生產(chǎn)又是最容易受到各種風(fēng)險(xiǎn)沖擊的領(lǐng)域。這些影響如果不及時處理或者處理不當(dāng)，可能導(dǎo)致經(jīng)濟(jì)關(guān)系、生產(chǎn)要素和相關(guān)政策的變化，從而對農(nóng)業(yè)產(chǎn)生影響。

與政策制定和實(shí)施層面的積極應(yīng)對措施相比，關(guān)于氣候轉(zhuǎn)型風(fēng)險(xiǎn)的傳導(dǎo)機(jī)制的學(xué)術(shù)研究仍然相對較小，尤其對發(fā)展中國家而言?？梢酝ㄟ^測試一些氣候風(fēng)險(xiǎn)事件的經(jīng)濟(jì)效應(yīng)來研究轉(zhuǎn)型風(fēng)險(xiǎn)對經(jīng)濟(jì)體系帶來的效應(yīng)，崔婧（2023）采用雙重差分法驗(yàn)證氣候轉(zhuǎn)型風(fēng)險(xiǎn)通過氣候政策影響金融機(jī)構(gòu)效率，給金融體系的穩(wěn)定帶來的沖擊。而物理風(fēng)險(xiǎn)演變?yōu)檗r(nóng)業(yè)信用風(fēng)險(xiǎn)的主要途徑有兩種：一是氣候變暖引起的極端天氣災(zāi)害將導(dǎo)致農(nóng)業(yè)金融機(jī)構(gòu)貸款的抵押品減值或損失；二是氣候變化將影響農(nóng)業(yè)生產(chǎn)條件，導(dǎo)致貸款項(xiàng)目的收益低于預(yù)期。

涉農(nóng)信用風(fēng)險(xiǎn)指的是金融機(jī)構(gòu)在向農(nóng)村居民、農(nóng)業(yè)企業(yè)、農(nóng)村合作社等農(nóng)業(yè)相關(guān)主體發(fā)放貸款時所面臨的風(fēng)險(xiǎn)。此類風(fēng)險(xiǎn)主要來自于貸款主體的還款能力、經(jīng)營風(fēng)險(xiǎn)、自然災(zāi)害等因素。氣候變化對涉農(nóng)銀行的信用風(fēng)險(xiǎn)影響巨大。農(nóng)業(yè)是受氣候變化影響最敏感的行業(yè)之一，氣候變化給農(nóng)業(yè)帶來了不確定性，氣候變化導(dǎo)致了氣象災(zāi)害的頻繁發(fā)生，改變了農(nóng)業(yè)生產(chǎn)的氣候條件，加劇了氣溫和降雨的分布不均，使農(nóng)業(yè)投入與產(chǎn)出效率大大降低。氣候變化對農(nóng)業(yè)生產(chǎn)造成了巨大波動，即氣候變化影響涉農(nóng)信用風(fēng)險(xiǎn)的機(jī)制可以歸納為“氣候變化—影響農(nóng)業(yè)生產(chǎn)—涉農(nóng)信用風(fēng)險(xiǎn)”。

三、研究設(shè)計(jì)

（一）研究思路

衡量氣候變化的主要指標(biāo)是年均氣溫，圖1列出了中國1961～2020年的平均降水量與平均氣溫變化，氣溫過高會導(dǎo)致干旱，降水過多會導(dǎo)致洪澇。2000年，降水量與氣溫驟降，而后逐漸上升，趨于平緩。氣候變化的三大趨勢與農(nóng)業(yè)生產(chǎn)密切相關(guān)：（1）氣溫暖化，日照時間減少；（2）氣候波動頻率增加，極端天氣事件會頻繁發(fā)生；（3）氣候變化的區(qū)域差異性增強(qiáng)，農(nóng)業(yè)生產(chǎn)能力的區(qū)域差異加大。

圖1 我國1961～2020年的平均降水量與平均氣溫變化

本文基于“國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺—中國地面資料日值數(shù)據(jù)集（V3.0）”的站點(diǎn)觀測數(shù)據(jù)，構(gòu)建了能夠描述氣候波動程度的指標(biāo)，為了使研究結(jié)果更具有目的性和說服力，本文以農(nóng)商行為主要研究對象，城商行為參照研究對象。農(nóng)商行以“惠澤三農(nóng)、融通八方”為使命，傳統(tǒng)信貸和結(jié)算仍然是農(nóng)村金融產(chǎn)品體系的主要業(yè)務(wù)，適合振興農(nóng)村集體經(jīng)濟(jì)的金融創(chuàng)新較少。信貸業(yè)務(wù)是最主要的資產(chǎn)業(yè)務(wù)，面對的最主要風(fēng)險(xiǎn)是信用風(fēng)險(xiǎn)，完美呈現(xiàn)了“氣候變化—影響農(nóng)業(yè)生產(chǎn)—涉農(nóng)信用風(fēng)險(xiǎn)”的傳導(dǎo)路徑。并且，農(nóng)村金融機(jī)構(gòu)分布集中，能夠更為準(zhǔn)確地反映研究目的。城鎮(zhèn)銀行為對照組，進(jìn)行分組回歸，研究氣候變化對涉農(nóng)信用風(fēng)險(xiǎn)的影響是否因不同的地理區(qū)域和不同的業(yè)務(wù)分布而具有異質(zhì)性。

（二）模型設(shè)計(jì)

參考劉波等（2021）學(xué)者的論述，本文設(shè)計(jì)的基準(zhǔn)模型如（1）所示：

另外，我國農(nóng)業(yè)生產(chǎn)受季節(jié)影響較大，所以進(jìn)一步將模型中的年度氣溫波動細(xì)化為季度氣溫波動，如（2）所示：

在氣溫波動的過程中，波動方向和幅度的不同都會對信用風(fēng)險(xiǎn)產(chǎn)生不同的影響。為了識別氣溫波動對信用風(fēng)險(xiǎn)沖擊的異質(zhì)性，采用分位數(shù)回歸的方法對面板數(shù)據(jù)變量的參數(shù)進(jìn)行估計(jì)，其不僅能夠更好地控制個體的異質(zhì)性，而且能夠分析在特定的分位數(shù)處自變量對因變量的邊際效應(yīng)，所以采用分位數(shù)回歸可以使各個變量參數(shù)結(jié)果更加顯著，具有更高的實(shí)際意義。

在中國的銀行體系中，城市商業(yè)銀行和農(nóng)業(yè)商業(yè)銀行都是為地方經(jīng)濟(jì)發(fā)展服務(wù)的商業(yè)銀行，但城市商業(yè)銀行覆蓋面更廣，服務(wù)的行業(yè)更多，農(nóng)村商業(yè)銀行和村鎮(zhèn)銀行在活動范圍和服務(wù)行業(yè)類型上相對單一，因此，有必要對城市商業(yè)銀行和農(nóng)業(yè)商業(yè)銀行進(jìn)行比較研究。在分組回歸的基礎(chǔ)上，通過費(fèi)舍爾系數(shù)檢驗(yàn)方法進(jìn)行組間差異檢驗(yàn)，分析氣溫波動對農(nóng)村金融機(jī)構(gòu)和城市商業(yè)銀行的影響是否存在顯著的差異。

（三）變量選取和數(shù)據(jù)來源

1.被解釋變量。銀行信用風(fēng)險(xiǎn)承擔(dān)的主流衡量變量有不良貸款率、逾期貸款率等。本文采用不良貸款率作為被解釋變量，我國上市銀行相關(guān)財(cái)務(wù)數(shù)據(jù)主要來源于國泰安數(shù)據(jù)庫，部分缺失數(shù)據(jù)通過中國貨幣網(wǎng)外匯交易中心數(shù)據(jù)庫和銀行財(cái)務(wù)報(bào)表進(jìn)行補(bǔ)充，相關(guān)宏觀數(shù)據(jù)來源于國家統(tǒng)計(jì)局。

2.控制變量?？刂谱兞堪ㄈ齻€：（1）農(nóng)村金融機(jī)構(gòu)所在地理單元的年、季度降水量與日照時數(shù)；（2）農(nóng)村金融機(jī)構(gòu)的微觀控制變量；（3）農(nóng)村金融機(jī)構(gòu)所在地理單元的宏觀控制變量。降水量和日照時數(shù)是影響農(nóng)業(yè)發(fā)展的重要指標(biāo)，所以降水量和日照時數(shù)是必不可少的關(guān)鍵控制變量，年降水量與日照時數(shù)同樣源自“國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺—中國地面資料日值數(shù)據(jù)集（V3.0）”的站點(diǎn)觀測數(shù)據(jù)，并采用與年均氣溫相同的處理方法和標(biāo)準(zhǔn)化方式。微觀控制變量具體包括存貸款比例（LDR）、杠桿倍數(shù)（LEV）、撥備覆蓋率（PCR）、總資產(chǎn)報(bào)酬率（ROA）、利息收入占比（IRR）、貸款占比（LA）和資產(chǎn)規(guī)模（lnsize）。因信用風(fēng)險(xiǎn)存在累積和消化的問題，所以將時間趨勢項(xiàng)引入控制變量具有一定的合理性。宏觀控制變量主要是經(jīng)濟(jì)發(fā)展水平和自然環(huán)境狀況，分別用夜間燈光亮度指數(shù)和PM2.5作為衡量指標(biāo)。

以上變量的定義如表1所示，描述性統(tǒng)計(jì)如表2所示。在農(nóng)商行改制過程中，一些財(cái)務(wù)指標(biāo)可能存在異常值，故對包括不良貸款率（NPLR）在內(nèi)的金融數(shù)據(jù)進(jìn)行縮尾處理，分位點(diǎn)為1%和99%。清洗數(shù)據(jù)后，樣本中共有96家農(nóng)村金融機(jī)構(gòu)，共計(jì)672個觀測值。樣本主要覆蓋了中國東北、華北、長江中下游地區(qū)，具有一定的代表性。

表1 變量的定義和取值

表2 描述性統(tǒng)計(jì)

3.解釋變量。年均氣溫波動（Temperature）是刻畫氣候變化的主要指標(biāo)，年均氣溫?cái)?shù)據(jù)來源于“國家氣象科學(xué)數(shù)據(jù)共享服務(wù)平臺—中國地面資料日值數(shù)據(jù)集（V3.0）”。本文主要截取年度和季度的省、市數(shù)據(jù)進(jìn)行分析。由于氣溫的變化取決于地形、緯度、經(jīng)度和溫帶等地理因素，為了使各地理單位之間的橫向溫度變化具有可比性，對氣溫?cái)?shù)據(jù)進(jìn)行無量綱化處理。常見的無量綱化形式是標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化的年平均氣溫滿足了橫向可比性的要求，也映射了溫度波動的程度。

首先按照農(nóng)村金融機(jī)構(gòu)所在的地理單元，分別求其年均氣溫的歷史均值和標(biāo)準(zhǔn)差,W為滯后期窗寬）。其次，計(jì)算年均氣溫的波動程度滯后期的窗寬長度會影響均值和標(biāo)準(zhǔn)差的估計(jì)值，窗寬擬定位5年、10年和15年。由于季節(jié)變化對農(nóng)業(yè)生產(chǎn)具有較強(qiáng)的影響，所以需要計(jì)算季節(jié)氣溫波動以確定季節(jié)氣溫變化對涉農(nóng)信用風(fēng)險(xiǎn)的影響。季節(jié)性平均氣溫的標(biāo)準(zhǔn)化方法同上。對標(biāo)準(zhǔn)化的年均氣溫和季均氣溫進(jìn)行描述性統(tǒng)計(jì)分析，由方差和均值的分布可得：標(biāo)準(zhǔn)化年均氣溫的分布函數(shù)隨著年數(shù)的增加逐漸向右平移，分布更加聚集，一些城市的年氣溫均值與總體均值差距較大。樣本期間，年均氣溫與歷史均值部分相差較大，氣候變暖的趨勢較為明顯。在本次實(shí)證研究中，選擇窗口寬度為15年的標(biāo)準(zhǔn)化年平均溫度作為關(guān)鍵解釋變量，為提高估計(jì)結(jié)果的準(zhǔn)確度，本文也給出了5年和10年的窗口寬度估計(jì)值。

四、實(shí)證結(jié)果分析

（一）基準(zhǔn)模型的估計(jì)

以公式（1）為基礎(chǔ)，對樣本數(shù)據(jù)進(jìn)行Hausman檢驗(yàn)，結(jié)果表明固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)模型，故將基準(zhǔn)模型設(shè)定為個體固定效應(yīng)模型。表3列（2）（4）（6）同時列出了僅將標(biāo)準(zhǔn)化年均氣溫波動、年降水量波動和日照時長波動作為解釋變量的估計(jì)結(jié)果。

表3 基準(zhǔn)模型估計(jì)結(jié)果

由基準(zhǔn)模型的估值可知，在1%的水平上，總資產(chǎn)報(bào)酬率（ROA）、資產(chǎn)規(guī)模（lnsize）和夜間燈光亮度（lnlight）均對不良貸款率（NPLR）存在顯著影響，并且系數(shù)估計(jì)值的顯著性不因滯后窗寬的改變而改變。具體來看，以近15年的年均氣溫為參照，在5%的水平下，當(dāng)平均氣溫高出一個標(biāo)準(zhǔn)差時，不良貸款率將增加0.0414%；當(dāng)窗寬設(shè)定為5年、10年時，不良貸款率將分別增加0.0197%、0.0453%。由此得出，由于氣候變暖，農(nóng)村金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)水平得以顯著提高，并且氣候變化的窗寬越長，信用風(fēng)險(xiǎn)水平對氣候變化越敏感，模型的解釋能力越強(qiáng)，所以將窗寬期設(shè)置為15年較為合理。在控制變量中，隨著夜間燈光亮度（lnlight）的增加，不良貸款率均顯著增加，而隨著總資產(chǎn)報(bào)酬率（ROA）、資產(chǎn)規(guī)模（lnsize）、 lnpm2.5的提升，不良貸款率均顯著降低。

進(jìn)一步將年氣溫波動細(xì)化為季度氣溫波動指標(biāo)，估計(jì)結(jié)果如圖2、圖3所示，從系數(shù)估計(jì)值來看，不良貸款率（NPLR）對秋季的氣溫波動敏感性最強(qiáng)；在不含控制變量的情況下，在1%的置信水平上，秋季氣溫波動對不良貸款率有顯著影響；在含控制變量的情況下，在1%的置信水平上，秋季氣溫波動對不良貸款率的影響最大，以近15年的秋季平均氣溫為基準(zhǔn)，當(dāng)秋季平均氣溫高出一個標(biāo)準(zhǔn)差時，不良貸款率將增加0.0986%。

圖2 不含控制變量標(biāo)準(zhǔn)化季度氣溫系數(shù)估計(jì)值

圖3 含控制變量標(biāo)準(zhǔn)化季度氣溫系數(shù)估計(jì)值

（二）分組回歸模型估計(jì)

農(nóng)村金融機(jī)構(gòu)的業(yè)務(wù)在區(qū)域上集中于其所在地理單元,服務(wù)類型上大多聚焦在“三農(nóng)”行業(yè)。與農(nóng)村金融機(jī)構(gòu)比較,城商行的服務(wù)在區(qū)域上、業(yè)務(wù)上比較分散，商業(yè)活動覆蓋面越廣，當(dāng)?shù)貧夂驗(yàn)?zāi)害所造成的資產(chǎn)損失占總資產(chǎn)的比重就越低。與其他的行業(yè)相比，農(nóng)業(yè)更容易受到氣候變化的影響。農(nóng)村金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)水平會隨著涉農(nóng)業(yè)務(wù)在總業(yè)務(wù)中占比的增加而提升。分散原則是金融風(fēng)險(xiǎn)管理的基本原則之一，因此量化分析商業(yè)活動在地域上和行業(yè)上的分散是否會降低信用風(fēng)險(xiǎn)對氣候變化的敏感度十分有必要。城市商業(yè)銀行也是地方性商業(yè)銀行，所以可以將城市商業(yè)銀行作為農(nóng)商銀行的對照組進(jìn)行研究。

雖然城商行的注冊地是省內(nèi)的某個區(qū)縣單位，但其業(yè)務(wù)主要面向省內(nèi)，有部分商業(yè)銀行的業(yè)務(wù)甚至面向全國，所以氣候變化對其信用風(fēng)險(xiǎn)的影響具有局限性。在分組回歸中，將城市商業(yè)銀行和以農(nóng)商行、村鎮(zhèn)銀行為主體的農(nóng)村金融機(jī)構(gòu)作為對照進(jìn)行分組回歸，并且結(jié)合費(fèi)舍爾系數(shù)差異檢驗(yàn)的方法抽樣1000次，考察兩組之間的系數(shù)是否具有顯著差異性，識別氣候變化對這兩類銀行的信用風(fēng)險(xiǎn)影響是否具有異質(zhì)性。估計(jì)結(jié)果如表4所示。

表4 分組回歸估計(jì)結(jié)果

由以上結(jié)果可知，在近15年年均氣溫波動的基礎(chǔ)上，5%的水平上，年均氣溫波動對涉農(nóng)信用風(fēng)險(xiǎn)具有顯著正向影響，對城商行影響并不顯著。從季均氣溫波動的系數(shù)估計(jì)值可以看出，秋季氣候?qū)Σ涣假J款率具有顯著影響。根據(jù)費(fèi)舍爾組間系數(shù)差異檢驗(yàn)，農(nóng)村金融機(jī)構(gòu)和城商行在1%的水平上，秋季系數(shù)具有顯著差異。據(jù)此可知，氣候波動僅顯著提升了農(nóng)村金融機(jī)構(gòu)的信用風(fēng)險(xiǎn)水平，而城商行信用風(fēng)險(xiǎn)水平對氣候變化并不敏感。

（三）穩(wěn)健性檢驗(yàn)

撥貸比又稱撥貸率，是撥備占總貸款的比率。撥貸比=撥備覆蓋率×不良貸款率。撥貸比（LPR）的提高可以在一定程度上說明銀行抵御壞賬風(fēng)險(xiǎn)的能力。為了證明研究結(jié)論的穩(wěn)健性，本文修改被解釋變量為撥貸比，基準(zhǔn)模型與分組回歸的穩(wěn)健性檢驗(yàn)結(jié)果如表5和表6所示。

表5 基準(zhǔn)模型回歸

表6 分組回歸的穩(wěn)健性檢驗(yàn)

由表6和表7可知，對于農(nóng)村金融機(jī)構(gòu)而言，氣溫波動對撥貸比具有顯著影響。在5%的置信水平上，標(biāo)準(zhǔn)化后的年度氣溫波動對撥貸比存在顯著的正向影響，對城商行的撥貸比則不存在顯著影響。以近15年的年度氣溫波動均值為基準(zhǔn)，當(dāng)年度氣溫波動正向波動1個標(biāo)準(zhǔn)差時，撥貸比將增加0.4130%；從季度來看，秋季降雨對撥貸比具有顯著影響。鑒于此，利用標(biāo)準(zhǔn)化年均氣候波動和季均氣候波動來刻畫氣候波動的程度，可以看出氣溫變化對涉農(nóng)信用風(fēng)險(xiǎn)具有顯著影響，對城市商業(yè)銀行無明顯影響?；谫M(fèi)舍爾系數(shù)差異檢驗(yàn)，在1%、5%和10%的水平上，兩類氣候系數(shù)估計(jì)值在兩組之間均有差異。由此基準(zhǔn)模型和分組回歸模型具有穩(wěn)健性。

表7 秋季氣溫波動對NPLR影響的分位數(shù)回歸結(jié)果

（四）氣候?qū)ι孓r(nóng)信用風(fēng)險(xiǎn)的異質(zhì)性影響

1.基于分位數(shù)回歸的異質(zhì)性分析。在氣溫波動的過程中，波動方向和幅度的不同都會對信用風(fēng)險(xiǎn)產(chǎn)生不同的影響。為了識別氣候變化對信用風(fēng)險(xiǎn)水平的異質(zhì)性影響，分位數(shù)回歸的方法能提高模型估計(jì)的準(zhǔn)確性并避免極端值對估計(jì)結(jié)果的影響，且結(jié)果較為穩(wěn)健。由基準(zhǔn)模型的估計(jì)結(jié)果可知，秋季的氣溫波動對不良貸款率的影響相對于其他季節(jié)更加顯著，以下是對秋季的氣溫波動與不良貸款率的對應(yīng)關(guān)系的著重分析（見表7）主要顯示0.25、0.5、0.75分位點(diǎn)處的回歸結(jié)果。

從圖4可以看出,標(biāo)準(zhǔn)化年均氣溫對不良貸款率具有正向影響，當(dāng)氣溫波動范圍較小時，不良貸款率增長較為緩慢，而當(dāng)氣溫波動范圍逐漸增加，對不良貸款率的提升作用逐漸增強(qiáng)。同時，秋季氣溫波動對不良貸款率也具有正向影響，總體來看，秋季氣溫波動對不良貸款率的影響呈現(xiàn)先升高后降低再升高的變化趨勢，這說明當(dāng)秋季氣溫波動范圍較小時，不良貸款率緩慢增長；而當(dāng)秋季氣溫波動范圍很大時，不良貸款率增長迅速。

圖4 氣溫波動對NPLR增長影響的分位數(shù)回歸趨勢圖

五、結(jié)論及建議

本文以2015～2021年我國96家農(nóng)村金融機(jī)構(gòu)為研究對象，將標(biāo)準(zhǔn)化氣候波動作為核心解釋變量，評估農(nóng)村金融機(jī)構(gòu)所在地氣候變化對涉農(nóng)信用風(fēng)險(xiǎn)的影響，實(shí)證結(jié)論如下：（1）農(nóng)村金融機(jī)構(gòu)所在地理區(qū)域的年均氣溫波動對信用風(fēng)險(xiǎn)水平有顯著的影響。以近15年的年均氣溫為參照，當(dāng)平均氣溫高出一個標(biāo)準(zhǔn)差時，不良貸款率將增加0.0414%，氣溫暖化顯著提高了涉農(nóng)風(fēng)險(xiǎn)水平。（2）將氣溫細(xì)化為四個季節(jié)，秋季氣溫波動對涉農(nóng)信用風(fēng)險(xiǎn)影響顯著，以近15年的秋季平均氣溫為參照，當(dāng)秋季平均氣溫浮動一個標(biāo)準(zhǔn)差時，不良貸款率將增加0.0986%。（3）氣候變化與涉農(nóng)信用風(fēng)險(xiǎn)具有階段性特點(diǎn)，隨著氣溫波動范圍的變大，涉農(nóng)信用風(fēng)險(xiǎn)水平的敏感性逐漸增強(qiáng)。（4）盡管城商行和農(nóng)商行都是立足于服務(wù)地方經(jīng)濟(jì)發(fā)展的商業(yè)銀行，但氣候變化對農(nóng)商銀行的影響更為顯著，對城商銀行的影響不突出。穩(wěn)健性檢驗(yàn)表明，實(shí)證研究結(jié)論具有良好的穩(wěn)健性。

為應(yīng)對氣候變化對涉農(nóng)信用風(fēng)險(xiǎn)的影響，提出如下的建議：

第一，健全評估和管理涉農(nóng)金融氣候風(fēng)險(xiǎn)的機(jī)制體系。由于農(nóng)村金融機(jī)構(gòu)的業(yè)務(wù)在地域上集中于所在縣域地理單元，在類型上主要集中于“三農(nóng)”領(lǐng)域，與其他銀行風(fēng)險(xiǎn)管理存在差異，所以建立完善風(fēng)險(xiǎn)評估和管理體系，有助于提高農(nóng)商行的風(fēng)險(xiǎn)預(yù)防和處理能力。

第二，推進(jìn)氣候變化相關(guān)金融風(fēng)險(xiǎn)評估的披露。加強(qiáng)內(nèi)部宣傳、組織專業(yè)培訓(xùn)、與國際金融機(jī)構(gòu)交流合作，增強(qiáng)農(nóng)商行對氣候變化引發(fā)的涉農(nóng)金融風(fēng)險(xiǎn)的防范意識。探索制定科學(xué)、透明、公正、公開的信息披露機(jī)制，為探究氣候變化帶來的涉農(nóng)金融風(fēng)險(xiǎn)提供計(jì)算支持，以此提高農(nóng)村金融機(jī)構(gòu)防范風(fēng)險(xiǎn)的能力。

第三，鼓勵有條件的地方性商業(yè)銀行適度進(jìn)行跨區(qū)域經(jīng)營。繼續(xù)推進(jìn)金融供給側(cè)改革，優(yōu)化金融機(jī)構(gòu)體系。通過適度跨區(qū)域經(jīng)營，提高地方性商業(yè)銀行在金融體系中的地位。