一项新研究评估了过去50年洪水对日本GDP的影响。
日本历史上曾多次遭受洪水侵袭，关于这些灾害直接影响的详细数据齐全，包括私人资产和公共基础设施遭受的实物损失。
本研究利用这些信息，计算2020至2100年洪水将如何影响全球GDP，并表明如果现行政府政策保持不变，其影响将显著加大。
量化自然灾害的影响，尤其是与气候变化相关的灾害影响，十分重要。本文使用DSGE模型，评估了过去50年洪水对日本金融中介和GDP的影响。结果表明，洪水会抑制GDP，其程度取决于金融中介活动的反应方式。此外，本文还利用绿色金融体系网络（NGFS）提供的情景，对2020至2100年洪水将如何影响GDP作出了预测。
自然灾害的影响，尤其是与气候变化相关的灾害影响，正日益受到关注（例如Noy 2015）。在一篇新论文（Hashimoto and Sudo 2022）中，我们利用日本的数据，量化洪水如何影响GDP，重点关注金融体系的作用及其影响。日本历史上曾多次遭受洪水侵袭，政府收集了关于洪水直接影响的丰富数据，包括私人资产和公共基础设施遭受的实物损失。图1显示了日本过去50年洪水损失的时间走势。1 过去几年，大规模洪水接连发生，例如2018年7月的西日本暴雨和2019年10月的台风“海贝思”。就后者而言，洪水造成的经济损失总额达2.1万亿日元，为1961年首次发布统计数据以来的最高值，相当于国民收入的0.54%。
图1 日本洪水损失时间序列
利用洪水损失数据，我们通过构建并估计一个DSGE模型，量化了间接效应，即洪水直接影响所引发的次生效应，表现为金融中介活动和/或GDP的变化。DSGE模型是研究商业周期（包括货币政策分析）的标准分析工具；截至撰写本文时，仅有少数应用将其用于研究自然灾害的影响。
图2展示了洪水的直接影响通过三类渠道作用于经济的模型机制。第一类是资本存量折旧。这对应于洪水导致工厂设备无法运行，从而使可用于生产的资本存量总额下降的情形。第二类是全要素生产率下降。洪水破坏公共基础设施（如道路和桥梁）时，企业不得不使用原本在无洪水情况下不会采用的低效路线。因此，即便生产投入量不变，GDP也会下降。第三类渠道是洪水造成企业资产受损，进而削弱私营企业的资产负债表。Bernanke等人（1999）等既有研究强调，企业的资产负债表状况在决定其面临的外部融资溢价方面发挥着重要作用。例如，当作为抵押品的资产因洪水而贬值时，贷款机构可能收紧对借款人的放贷标准。这种收紧可能导致投资下降，从而减少GDP。
图2 洪水冲击的传导机制
第一和第二类渠道直接从供给侧减少GDP。第三类渠道则从需求侧发挥作用。在其他条件不变的情况下，因洪水导致外部融资溢价上升，资产负债表受损的企业会减少向贷款机构的借款，从而减少投资。洪水过后投资不足，GDP的下降会持续存在，进而内生性地损害企业的资产负债表，导致GDP进一步下降。
本研究与日益增多的、量化自然灾害影响的文献相关。例如，Hsiang和Jina（2015）按国家/地区构建了气旋导致的资本存量折旧率，并表明该折旧率与经济的长期增长率呈负相关。Noy（2012）采用合成控制法表明，1995年日本神户地震对当地经济造成了持续的不利影响。本研究还与揭示金融层面的研究相关。Hilbert（2021）利用欧盟企业的数据，展示了自然灾害风险的分布情况，以及这些风险如何转化为金融中介机构面临的风险。Hosono和Miyakawa（2014）认为，神户地震对银行的直接影响减少了企业的投资和出口。von Peter等人（2012）发现，虽然大型自然灾害会对GDP产生大幅且显著的负面间接影响，但成本主要由未投保损失驱动，而充分投保的事件在损失GDP方面并无实质影响。
图3显示了在第0期发生与台风“海贝思”相当的洪水时，资本存量、贷款和GDP的反应。为考察保险机制和金融中介的作用，我们展示了一个假想经济体中各变量的反应，我们将其称为“含保险模型”，在该模型中，洪水在冲击期对企业资产负债表造成的损失由家庭全额承保。
图3 洪水冲击的脉冲响应函数（K、L、Y基准及含保险情形置于同一图中）
在图中，第0期资本存量的下降代表洪水直接影响的规模。第1期及以后的资本存量变化，或整个模拟期间贷款和GDP的变化，代表经济的内生反应，即间接效应。第0期GDP下降约0.1%，随后缓慢恢复至洪水前水平。下降的40季度累计总和约为0.7%。通过两个模型的比较，可以看出需求因素的作用。在企业资产负债表初始受到扰动的情况下，前者经济体的GDP下降幅度大于后者，以40季度累计总和计，相差0.4个百分点。需要注意的是，即使在后一模型中，企业资产负债表的二次效应依然存在。也就是说，由于供给因素导致GDP下降，企业收益减少，其资产负债表遭受内生性损害，从而推高外部融资溢价，进而抑制投资。
越来越多的研究预测，自然灾害的规模未来将不断扩大。如果确实如此，间接效应也可能随之增大。为此，我们借鉴了NGFS构建的河流洪水损害情景，将这些情景输入我们的模型，并计算从现在直至2100年的GDP。我们具体采用了其中两种情景：“现行政策”情景和“2050净零”情景。2
图4显示了根据这些情景构建的2020至2100年洪水走势。在“现行政策”情景下，平均洪水冲击大约从2080年前后开始快速上升。到2100年，其将比21世纪头十年的平均水平高出5.4倍。在“2050净零”情景下，洪水冲击的增幅则限于约1.4倍。
图4 气候变化情景下洪水导致的资本折旧率
图5显示了基准模型和“含保险模型”的GDP预测。到2100年，在“现行政策”情景下，由于洪水导致的资本折旧率快速上升，GDP偏离幅度大多为负，与无洪水情形相比达到-0.18%。相比之下，在“2050净零”情景下，由于洪水的规模和频率有限，两个变量与当前年份基本保持大致相同的水平。通过两个模型的比较，可以看出保险机制和金融中介的作用。在“含保险模型”中，在“现行政策”情景下，2100年GDP的负向偏离被限制在-0.03%。
图5 经济预测（仅Y的基准情形，含保险模型置于单独图中）
结论
我们使用DSGE模型定量评估了洪水对金融中介和GDP的影响。在我们的模型中，洪水通过三条渠道影响GDP：资本存量折旧、公共基础设施破坏导致的生产率下降，以及企业资产负债表受损。我们利用日本1980至2019年的数据对模型进行了估计，结果表明洪水在统计上显著降低了GDP，且金融中介活动在传导过程中发挥着重要作用。
此外，利用NGFS发布的情景，我们计算了2020至2100年洪水将如何影响GDP。结果表明，与当前水平相比，在“现行政策”情景下，洪水导致的GDP下降幅度将显著扩大；不过，若考虑其他替代情景，或纳入保险机制的影响，这些下降幅度可能有所缓解。
参考文献
Bernanke, B S, M Gertler and S Gilchrist (1999)，“The Financial Accelerator in a Quantitative Business Cycle Framework”，Handbook of Macroeconomics 1: 1341-1393。
Hashimoto, R and N Sudo (2022)，“Transmission of Flood Damage to the Real Economy and Financial Intermediation: Simulation Analysis using a DSGE model,”日本银行工作论文系列，第22-E-5号。
Hiebert, P (2021)，"Climate Change Will Unevenly Impact the European Financial System"，VoxEU.org，7月13日。
Hosono, K and D Miyakawa (2014)，"Natural Disasters, Firm Activity, and Damage to Banks"，VoxEU.org，8月13日。
Hsiang, S M, A S Jina (2015)，“Geography, Depreciation, and Growth,”American Economic Review 105(5): 252-256。
Network for Greening the Financial System (2021)，“NGFS Climate Scenarios for Central Banks and Supervisors.”
Noy, I (2012)，"The Enduring Economic Aftermath of Natural Catastrophes"，VoxEU.org，9月5日。
Noy, I (2015)，“A DALY Measure of the Direct Impact of Natural Disasters”，VoxEU.org，3月13日。
Peter, von G, S von Dahlen, S Saxena (2012)，“Unmitigated Disasters? New Evidence on the Macroeconomic Cost of Natural Catastrophes”，BIS工作论文第394号。
