💰 quantitative finance

Climate Risk Stress Testing in California: A Geospatial Framework for Banking and Climate-Exposed Sectors

이 논문은 산불, 가뭄, 홍수 등 기후 재해와 전환 리스크가 캘리포니아의 금융 및 기후 노출 산업에 미치는 영향을 평가하기 위해 물리적 위험 매핑, 산업별 노출 분석, 시나리오 기반 금융 리스크 평가를 통합한 지리공간적 스트레스 테스트 프레임워크를 제시합니다.

원저자: Satya Narayana Panda, Aishworzo Saha

게시일 2026-04-21

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Satya Narayana Panda, Aishworzo Saha

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

🌍 핵심 아이디어: "날씨 예보가 아닌, '재정' 예보"

기후 변화는 이제 단순히 "비가 많이 오거나 불이 날까?" 하는 환경 문제가 아닙니다. "비가 오면 내 집 담보 가치가 얼마나 떨어질까?", "가뭄이 들면 농장주가 대출을 갚을 수 있을까?" 같은 돈 문제가 된 것입니다.

이 논문은 캘리포니아라는 구체적인 장소를 예로 들며, 은행과 투자자들이 기후 재해를 '지도 (Geospatial)'와 연결해서 생각해야 한다고 말합니다.

🏠 비유 1: 은행은 '우산'을 파는 가게, 기후는 '폭풍우'

은행은 고객에게 돈을 빌려주고 (대출), 그 담보로 집이나 땅을 받습니다.

기존 방식: "이 사람은 성실하니까 돈을 빌려줘." (개인 신용만 봄)
이 논문의 제안: "이 사람은 성실하지만, 살고 있는 동네가 산불 위험 지역이야. 불이 나면 집이 타버리고 담보 가치가 0 이 되는데, 그래도 돈을 빌려줘?"

이 논문은 **"우리가 파는 우산 (대출) 이 폭풍우 (기후 재해) 에 얼마나 견딜 수 있는지"**를 미리 시뮬레이션해보자는 것입니다.

🗺️ 비유 2: 캘리포니아는 거대한 '실험실'

캘리포니아는 기후 변화의 영향을 한눈에 볼 수 있는 완벽한 실험실입니다.

산불: 숲과 도시가 섞인 지역 (주택 담보 위험)
가뭄: 중앙 계곡 (농업 대출 위험)
해안 홍수: 바닷가 (상업용 부동산 위험)
폭염: 도시 (노동 생산성 및 에너지 비용 위험)

이 논문은 **"어떤 지역은 어떤 재해에 약한지"**를 지도 위에 색깔로 표시하고, 그 지역과 관련된 은행의 대출 포트폴리오가 얼마나 위험한지 계산하는 3 단계 프레임워크를 제시합니다.

🛠️ 3 단계 작동 원리 (간단히)

위험 지도 그리기 (Hazard): "여기 산불 위험이 10 점 만점에 9 점이야." (물리적 재해 측정)
연결하기 (Exposure): "그 위험 지역에는 A 은행의 주택 담보 대출이 100 억 원, B 농장의 대출이 50 억 원이 있어." (어떤 자산이 위험에 노출되었는지 찾기)
손실 계산하기 (Stress Test): "만약 산불이 나면, 담보 가치가 30% 떨어지고 대출 못 갚는 사람이 20% 늘어날 거야. 그럼 은행의 자본금이 얼마나 부족해질까?" (예상 손실 계산)

💡 왜 이것이 중요한가요?

은행에게: "우리는 전체적으로는 안전해 보이지만, 특정 지역 (예: 산불 위험 지역) 에 대출이 몰려있어서 실제로는 매우 위험할 수 있습니다."라고 알려줍니다.
투자자에게: "기후 변화가 심해지면, 그 지역의 부동산 가격이나 기업 수익이 어떻게 변할지 미리 알 수 있습니다."
규제 기관에게: "단순히 "우리는 환경을 사랑합니다"라고 말하는 것 (ESG) 이 아니라, 실제로 자본을 얼마나 더 쌓아야 안전한지 계산할 수 있게 해줍니다."

🎯 결론: "지도 없는 항해는 위험하다"

이 논문의 핵심 메시지는 이렇습니다.

"기후 변화는 모든 곳에 똑같이 영향을 주지 않습니다. 어디에 (지리적 위치), 무엇을 (어떤 산업), 얼마나 (노출 정도) 가지고 있는지에 따라 은행의 운명이 달라집니다. 따라서 우리는 기후 리스크를 '지도'와 '숫자'로 정확히 연결해서, 재앙이 오기 전에 미리 대비해야 합니다."

마치 비행기 이륙 전 조종사가 기상 지도를 확인하고 연료와 경로를 재계산하는 것처럼, 은행들도 기후 변화라는 '폭풍우'를 앞두고 자신의 포트폴리오를 다시 점검해야 한다는 것입니다.

논문 기술적 요약

1. 연구 배경 및 문제 제기 (Problem)

기후 리스크의 금융적 전환: 기후 리스크가 단순한 장기 환경 이슈를 넘어 금융 안정성의 핵심 문제로 대두되었습니다. 특히 캘리포니아는 대규모 자본 시장과 산불, 가뭄, 해안 침수, 극심한 폭염 등 집중된 기후 노출을 동시에 보유하고 있어 이상적인 연구 대상입니다.
기존 시스템의 한계: 표준 위험 관리 시스템은 차주, 산업, 거시 경제 요인은 포착하지만, 지리적 (Geospatial) 세부 사항이나 물리적 리스크와 전환 리스크 (Transition Risk) 의 상호작용을 정밀하게 매핑하지 못합니다.
핵심 문제: 기후 충격이 어떻게 지역 경제 활동, 담보 가치, 차주 성과, 그리고 궁극적으로 금융 시스템의 안정성으로 전파되는지를 공간적 차원에서 정량화하는 프레임워크가 부재합니다.

2. 방법론 및 프레임워크 (Methodology)

본 논문은 캘리포니아의 은행 및 기후 노출 부문 (농업, 부동산, 관광 등) 을 대상으로 한 3 단계 계층적 프레임워크를 제안합니다.

1 단계: 물리적 위험 측정 (Hazard Measurement)
- ZIP 코드 또는 카운티 단위 ( $g$ ) 로 산불 강도, 가뭄 심각도, 홍수 확률, 열 스트레스 등 물리적 위험 ( $H_{g,s}$ ) 을 측정합니다.
2 단계: 금융 노출 매핑 (Financial Exposure Mapping)
- 측정된 위험을 대출, 부동산, 기업, 지방 재정 기반의 위치 및 산업 구성과 연결합니다.
- 포트폴리오의 공간적 집중도를 분석하여 산업 수준에서 분산된 것처럼 보여도 지리적으로는 고도로 집중되어 있을 수 있음을 식별합니다.
3 단계: 대차대조표 전파 (Balance-Sheet Transmission)
- 노출을 기대손실 (Expected Loss), 가격 재조정 (Repricing), 자본 압박으로 변환합니다.
- 핵심 수식:
  - 기대손실 (EL): $EL_{i,s} = PD_{i,s} \times LGD_{i,s} \times EAD_{i}$ $E L_{i, s} = P D_{i, s} \times L G D_{i, s} \times E A D_{i}$
    - 여기서 $PD $(부도 확률) 와$ LGD$ (부도 시 손실) 는 물리적 위험과 전환 위험에 따라 변동합니다.
    - $PD_{i,s} = PD^0_i \exp(\beta_1 H_{g,s} + \beta_2 T_{j,s} + \beta_3 U_g - \beta_4 A_i)$
    - ( $T$ : 전환 리스크, $U$ : 지역 경제 취약성, $A$ : 적응 능력)
  - 기후 스트레스 지표 (Climate-VaR): 담보 가치 변동 ( $\Delta V$ ) 과 신용 손실 ($EL$) 을 통합하여 포트폴리오 전체의 자본 부담을 산출합니다.
시나리오 설계:
- 급격한 충격 (Acute shocks) 과 중기적 구조적 변화 (Medium-horizon structural change) 를 결합합니다.
- 주요 시나리오: 질서 있는 전환, 무질서한 전환, 물리적 위험 충격 (산불/홍수/가뭄), 복합 시나리오 (물리적 충격 + 긴축된 금융 조건).

3. 주요 기여 (Key Contributions)

금융 기관 중심의 리스크 채널 정렬: 현금 흐름 저하, 담보 가치 재조정, 운영 중단, 시장 파급 효과 등 금융 기관에 직접적인 영향을 미치는 4 가지 주요 채널을 중심으로 기후 리스크를 체계화했습니다.
공간적 (Geospatial) 접근법 제안: 카운티 및 자산 수준의 위험을 포트폴리오 수준의 기대손실과 가치 평가 결과에 연결하는 구체적인 방법론을 제시했습니다.
실증적 실행 로드맵: 은행 및 관련 부문의 현재 기후 리스크 대비 수준을 벤치마킹하기 위한 설문 조사 도구와 실증 연구 의제를 제시했습니다.

4. 주요 결과 및 예측 (Results & Predictions)

논문의 프레임워크를 통해 도출된 3 가지 검증 가능한 실증적 예측은 다음과 같습니다.

신용 스프레드와 성과: 고위험 지역 (산불, 가뭄, 홍수) 에 위치한 차주는 차주 품질과 지역 경제 조건을 통제한 후에도 더 높은 신용 스프레드와 약한 성과를 보일 것입니다.
담보 할인율: 물리적 위험이 서서히 변하더라도 지역 기후 스트레스로 인해 부동산 시장 유동성이 약화되는 지역에서는 **담보 할인 (Collateral Discounts)**이 더 강하게 발생할 것입니다.
지리적 집중의 위험: 전체 산업 구성은 유사해 보이지만 지리적으로 집중된 노출을 가진 기관은 그렇지 않은 기관에 비해 스트레스 상황에서 비례적으로 훨씬 큰 손실을 입을 것입니다.

5. 의의 및 시사점 (Significance)

실무적 적용: 금융 기관은 ESG 의 거시적 언어를 넘어, 노출 매핑, 대출 심사 민감도, 담보 회복력에 기반한 구체적인 리스크 관리 프로그램이 필요합니다. 캘리포니아 노출 기관은 지역적 집중도를 추적하고 시나리오 의존적 지역 마찰을 스트레스 테스트에 명시적으로 포함해야 합니다.
규제 및 정책: 캘리포니아의 SB 253, SB 261 과 같은 정보 공개 제도는 비교 가능성을 높이는 데 유용하지만, 정보 공개만으로는 부족합니다. 금융 안정성을 위해서는 기후 정보를 자본 계획, 가격 책정, 집중도 관리, 거버넌스 의사결정으로 전환할 수 있는 능력이 필수적입니다.
연구적 의의: 기후 스트레스 테스트가 명시적으로 공간적 (Geospatial), 산업 인식적 (Sector-aware), 대차대조표 지표와 연계된 분석을 수행할 때 훨씬 더 유의미한 통찰을 제공할 수 있음을 강조합니다. 이는 기후 리스크를 신용, 유동성, 시장 리스크와 동등한 수준으로 다루기 위한 필수적인 분석 수준입니다.

결론적으로, 본 논문은 캘리포니아의 기후 리스크를 단순한 환경 문제가 아닌 지리적 구조를 가진 금융 문제로 재정의하며, 이를 해결하기 위한 정량적이고 공간적인 스트레스 테스트 프레임워크를 제시합니다.