💰 quantitative finance

Temperature Anomalies and Climate Physical Risk in Portfolio Construction

この論文は、極端な気温変動がセクター収益に与える負の影響を統計的に実証し、時変的な気候リスク指標を導入して Mean-Variance 枠組みを拡張することで、分散を損なわずに物理的気候ショックに耐性のあるポートフォリオを構築する手法を提案し、その実効性をバックテストで検証しています。

原著者： Michele Azzone, Carlo Bechi, Gabriele Sbaiz

公開日 2026-04-14

📖 1 分で読めます☕ さくっと読める

CC0 1.0

原著者： Michele Azzone, Carlo Bechi, Gabriele Sbaiz

原論文は CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) のもとパブリックドメインに提供されています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

1. 問題：お金の箱は「暑さ」に弱すぎる

投資家は通常、株価が上がるか下がるか（リターンとリスク）だけを見て投資先を選びます。しかし、この研究は**「地球の気温が異常に高くなること（熱波や干ばつなど）」が、企業の利益を直接傷つけている**と指摘しています。

発見: 研究者たちは、過去 80 年間の気温データと株価を照らし合わせました。すると、「異常な暑さ」が起きると、多くの業界（化学、食品、自動車など）の株価が下がることが統計的に証明されました。
イメージ: 就像（まるで）「真夏の猛暑で、工場の機械がオーバーヒートして止まったり、農作物が枯れてしまったりする」ようなものです。この「暑さによるダメージ」を無視して投資するのは、**「暑さ対策もせず、真夏の屋外で長時間働くこと」**と同じくらい危険なのです。

2. 既存の地図は古すぎる

これまで、気候リスクを測る指標（国ごとのランキングなど）はありましたが、それは**「静止した地図」**のようなものでした。

昔の地図: 「この国は気候リスクが高い」という固定されたラベルを貼るだけ。
この研究の新しい地図: 気候リスクは**「天候のように刻一刻と変わる」**ものです。今日は安全でも、明日は猛暑になるかもしれません。また、アメリカで暑くなれば、ヨーロッパでも連動して暑くなる（相関関係）こともあります。

この研究は、**「刻々と変化する天気予報」**のような新しい指標を作りました。

3. 2 つの新しい「気象レーダー」

研究者たちは、ポートフォリオ（投資の組み合わせ）のリスクを測るために、2 つの新しいメーター（指標）を発明しました。

① 気候リスク露出（CRE）：「どれくらい暑さにさらされているか？」

例え: 家の屋根がどれくらい太陽にさらされているか、という**「面積」**のようなものです。
仕組み: 投資先が「工場や土地（物理的な資産）」を多く持っているか、そしてその工場が「暑くなりやすい地域」にあるかを計算します。資産が多いほど、暑さのダメージを受けやすいので、リスクが高いと判断します。

② 気候露出の揺らぎ（CEV）：「リスクがバラバラに散らばっているか？」

例え: 傘を 1 本だけ持つか、10 本持って分散するか、という**「傘の広がり」**のようなものです。
仕組み: もしすべての投資先が「同じ地域（例えばアジア）」に集中していたら、その地域で猛暑が起きれば**「全滅」します。しかし、北米、欧州、アジアなど「世界中に傘を分散」**させていれば、ある地域が暑くても他の地域が助かる可能性があります。
このメーターは、**「リスクが偏っていないか（分散できているか）」**を測ります。揺らぎ（ボラティリティ）が大きい＝リスクが偏っている＝危険、というわけです。

4. 解決策：3 つの目標をバランスよく叶える「魔法のレシピ」

従来の投資は「リターン（利益）」と「リスク（株価の乱高下）」の 2 つだけを天秤にかけました。しかし、この研究では**「気候リスク（CEV）」を第 3 の目標**として加えました。

3 つの目標:
1. 利益を最大化する（美味しいケーキをたくさん食べる）。
2. 株価の乱高下を減らす（ケーキが崩れないようにする）。
3. 気候リスクを減らす（暑さでケーキが溶けないようにする）。

これらを同時に満たす最適な組み合わせを見つけるために、**「MOPSO（マルチ目的粒子群最適化）」**という高度なアルゴリズム（AI の一種）を使いました。

イメージ: 料理人が、**「甘さ」「食感」「保存性」**の 3 つを同時に満たす最高のレシピを探すようなものです。AI が何千通りもの組み合わせを試して、「これだ！」というバランスの取れたポートフォリオを見つけ出します。

5. 結果：気候を気にしても、儲けは減らない

最後に、過去のデータを使ってこの新しい戦略をテスト（バックテスト）しました。

結論: 「気候リスクを考慮したポートフォリオ」は、「従来の投資戦略」と比べて、利益を犠牲にすることなく、むしろリスク（特に大きな損失）を減らすことができました。
教訓: 気候変動という「嵐」を無視して投資するのは、**「嵐が来ても傘を持たずに歩く」ようなものです。しかし、この新しい方法を使えば、「傘（気候リスク対策）を持ちながら、それでも目的地（利益）に早く着く」**ことが可能だと証明されました。

まとめ

この論文が伝えたいことはシンプルです。

「気候変動は、もはや『環境問題』ではなく『お金の問題』です。しかし、気候リスクを計算に入れることで、投資の安全性を高めつつ、利益も守れる『賢い投資のレシピ』が見つかるのです。」

まるで、**「天気予報を見ながら、傘を差して、かつ最短ルートで目的地へ向かう」**ような、賢くて強靭な投資のあり方を提案しているのです。

1. 問題定義 (Problem Definition)

背景: 気候関連の災害（熱波、洪水、山火事など）の頻度と強度が増加しており、企業の経済的価値や資産リターンに深刻な影響を及ぼしています。
課題: 従来の気候リスク指標（例：ND-GAIN 指数）は国レベルの静的なスコアに依存しており、時系列変化する極端事象の発生確率や、企業固有の資産集中度、地域間の相関関係を反映できていません。
目的: 物理的気候リスクを定量的に評価し、それを伝統的な平均 - 分散枠組み（Mean-Variance）に統合することで、気候ショックに対してレジリエント（回復力がある）なポートフォリオを構築する手法を開発すること。

2. 手法 (Methodology)

2.1. 温度異常の特定と時系列モデル化

データ: 1940 年 1 月から 2025 年 4 月までの月次平均気温データ（Our World in Data 提供）を使用。対象は北米、南米、欧州、アフリカ、アジア、オセアニアの 6 大陸。
異常検出: 1960-1990 年を基準期間とし、各大陸・各月の標準化された温度偏差（Z スコア）を計算。Z > 2 の場合を「極端な温度異常事象」として二値変数 $B_{k,t}$ で定義。
確率モデル: ロジスティック回帰モデルを用いて、時間変化する異常発生確率 $p_{k,t}$ を推定。気候変動の非定常性を捉えるため、時間トレンドに二次項（加速効果）を含めています。
相関分析: 大陸間の異常事象の同時発生リスクを評価するため、ベルヌーイ変数間のピアソン相関を算出。さらに、ベルヌーイ変数の理論的相関の上下限（Fréchet-Hoeffding 限界）を用いて、モデルの整合性を検証しました。

2.2. 気候物理リスク指標の定義

ポートフォリオの気候リスクを定量化する 2 つの新しい指標を提案しました。これらは企業の「資産集約度（Asset Intensity: 有形資産/売上高）」と地域別の売上構成比を重み付けに組み込んでいます。

気候リスクエクスポージャー (Climate Risk Exposure, CRE):
- ポートフォリオが極端な気候事象に曝露される期待値（平均）。
- 式： $CRE(w, t) = \sum \alpha_k(w) \cdot p_{k,t}$
- 各大陸の異常発生確率と、資産集約度を考慮した気候正規化ウェイト $\alpha_k$ の積の和。
気候エクスポージャー・ボラティリティ (Climate Exposure Volatility, CEV):
- ポートフォリオの気候曝露の分散（不安定性）。地理的多様化の欠如や、地域間相関によるシステミックリスクを捉えます。
- 式： $CEV(w, t) = \sum \alpha_k^2 Var(B_{k,t}) + 2 \sum_{k<j} \alpha_k \alpha_j Cov(B_{k,t}, B_{j,t})$
- 地域間の相関が高い場合、分散リスクが増大することを示唆します。

2.3. 収益への影響検証

各セクターと大陸の組み合わせに対して、CAPM を拡張した回帰分析（ $R_{s,k,t} - R_{f,t} = \alpha + \beta(R_{MKT} - R_f) + \gamma B_{k,t} + \epsilon$ ）を実施。
結果: 多くのセクターで、極端な温度異常（ $B_{k,t}$ ）が株式収益率に対して統計的に有意な負の係数（ $\gamma < 0$ ）を持つことを確認。これは物理的リスクが資産価値を毀損することを示しています。

2.4. 多目的最適化フレームワーク

目的関数: 以下の 3 つの目的を同時に最適化（最小化/最大化）します。
1. 期待収益の最大化（ $-w^\top r$ ）
2. 市場ボラティリティの最小化（ $w^\top \Sigma w$ ）
3. 気候エクスポージャー・ボラティリティの最小化（$CEV(w)$）
アルゴリズム: 多目的粒子群最適化（MOPSO: Multi-Objective Particle Swarm Optimization）を採用。
- 非支配解（パレート最適解）の集合（パレートフロンティア）を探索。
- 制約条件：全資産への投資（ウェイト和=1）、ロングのみ（ウェイト $\ge$ 0）。
- 共分散行列の条件数改善のため Ledoit-Wolf シュリンク推定量を使用。

3. 主要な貢献 (Key Contributions)

動的なリスク指標の提案: 静的な国別指標ではなく、時系列変化する極端事象の確率と、企業固有の資産集約度、地域間相関を統合した「CRE」と「CEV」を初めて導入。
物理的リスクの定量的実証: 温度異常が広範なセクターにおいて、統計的に有意な負のリターン影響を与えることを実証。
多目的最適化への統合: 物理的気候リスクを明示的に考慮したポートフォリオ構築フレームワークを構築し、伝統的な平均 - 分散モデルを拡張。
地理的多様化の重要性の解明: CEV の分析により、単なる資産分散ではなく、気候リスクの相関構造を考慮した「地理的多様化」がリスク低減に不可欠であることを示唆。

4. 結果 (Results)

4.1. バックテスト分析（2020 年 1 月〜2025 年 4 月）

パフォーマンス: 気候リスク指標を組み込んだ戦略（特に 3 目的をバランスよく重み付けした戦略）は、伝統的なベンチマーク（時価総額加重、等ウェイト）と比較して、高い CAGR（年平均成長率）と優れたリスク調整後リターンを示しました。
- 例：3 目的均等重み（1/3, 1/3, 1/3）戦略は CAGR 33.54%、シャープレシオ 1.153 を達成。
リスク特性: 気候リスクを最小化する戦略（Min CEV）は、市場ボラティリティの制御にはやや劣るものの、気候リスク指標（r-CEV, r-CRE）を大幅に低減しました。
トレードオフ: 期待リターンのみを追求する戦略は最大ドローダウンが 69.37% と極端に大きくなり、持続不可能であることが示されました。一方、気候リスクを考慮することで、ドローダウンを抑制しつつリターンを維持できることが確認されました。

4.2. パレートフロンティアの特性

気候リスク（CEV）を考慮することで、ポートフォリオの分散（保有銘柄数）が増加し、過度な集中を防ぐ効果が確認されました。
期待リターンと CEV には正の相関関係があり、気候リスクを低減するにはある程度のリターン犠牲が必要ですが、その犠牲は限定的であることが示されました。

5. 意義 (Significance)

実務への応用: 資産運用家が物理的気候リスクを定量的に管理し、ポートフォリオのレジリエンスを高めるための具体的なツールを提供します。
理論的進展: 気候リスクが「定常的な外生変数」ではなく「時間とともに激化する動的なリスク要因」であることを統計的に証明し、従来のリスク管理モデルの限界を指摘しました。
投資戦略: 気候リスクへの配慮が、リターンを犠牲にするだけでなく、むしろポートフォリオの多様性を高め、長期的なパフォーマンスを向上させる可能性を示唆しています。これは、ESG 投資が単なる制約条件ではなく、リスク管理の重要な一部となり得ることを示すものです。

結論

本論文は、温度異常データと企業データに基づき、物理的気候リスクを動的かつ微視的に評価する新しい指標を開発し、それを多目的最適化アルゴリズムに統合しました。バックテストの結果、気候リスクを考慮したポートフォリオは、市場の混乱期においても堅牢なパフォーマンスを発揮し、気候変動時代における持続可能な投資戦略の有効性を示しました。