企業の気温リスク分析法とリスクヘッジ法ーアンサンブル予報の活用法ー２００５年１１月みずほ第一フィナンシャルテクノロジー（株）山本毅目次１．成長する天候デリバティブ市場２．事業会社のリスクマネジメント手法３．アンサンブル予報を活用した企業のリスクマネジメント４．まとめと今後の課題 1 １．成長する天候デリバティブ市場 2 エネルギー市場から、様々な産業に波及した天候デリバティブ－冷夏・電力需要の減退（エネルギー市場の自由化進展）・農産物の不作、ビール、清涼飲料需要の減退－暖冬・灯油、燃料消費需要の減退－降水量の不足・水力発電量の減少 → 火力発電の燃料費増加・天候によって左右される収益構造のコントロール ○リスクコントロールのための手段リスク Ⅰ．金利変動 Ⅱ．為替変動 Ⅲ．有価証券変動 Ⅳ．商品価格変動 Ⅴ．気温、降水量の変動ツール金利SWAP,CAP,FLOOR等先物予約、通貨OPTION等債券先物、株式OPTION等商品価格SWAP,CAP,FLOOR Weather Option等 3 天候デリバティブ市場の広がり  天候デリバティブ市場の成長 40 2500 30 2000 1500 20 1000 10 500 0 0 1999 2000 2001 元本  契約件数(件) 元本(十億円) 日本の天候デリバティブの成長 2002 2003 契約件数対象商品の広がり (WRMA Asia Pacific Committee Meeting 資料より抜粋) 気温気温、HDD・CDD 雨、風、雪累積型累積型、平均型デイカウント型 4 日本における天候デリバティブ市場１９９８年１２月１９９９年６月｢金融システム改革法案｣施行最初の天候デリバティブ成立気象データの品質は世界最高峰 SYNOP（地上気象観測） AMeDAS（地域気象観測）１５０地点１３００地点 5 日本における天候デリバティブ市場の特徴米国の背景と特徴・ガス・電力等エネルギーの自由化の進展に伴い、気温の変動が価格変動に大きく影響・天候デリバティブ市場は電力・ガス会社間の気温の契約が中心・契約金額も規模が大きい対照的な市場日本の背景と特徴・エネルギーの自由化は一部のみ・多業種、中堅中小企業中心の降水量や気温等・小口化された定型商品の普及 6 天候デリバティブ商品設計の概略 (1) 利用データ、観測地点、対象気象現象の選択・データはAMeDASかSYNOPのどちらを利用するか？・どの観測地点を対象とするか？・対象気象現象は気温、雨、雪、風 etc.のうちどれか？ (2) Indexの選択・累積型Index ・Degree Day型Index(観測気象要素が気温の場合) ・ﾃﾞｲｶｳﾝﾄ型Index (3) 商品性の選択・先物(先渡)かオプションか？ 7 天候デリバティブにおけるペイオフ(オプション取引) 満期時におけるﾍﾟｲｵﾌ(例) 40 ﾍﾟｲｵﾌ(万円) 30 1℃あたりの受払金額をPe r U n i tと呼ぶ。 20 10 0 100 120 140 150 160 180 200 -10 累積気温Index（ ℃) ｽﾄﾗｲｸと最大支払額に達するIndex値の差をﾘﾐｯﾄｽﾄﾗｲｸと呼ぶ。ストライク150℃、リミットストライク30℃、Per Unitは10,000円/℃であるコールオプションを購入したと仮定。購入時に支払ったプレミアムはペイオフに含まず。 8 ２．事業会社のリスクマネジメント手法 9 事業会社のリスクマネジメント手法 (Earnings-at-Riskコンセプトの紹介）天候リスクを抱える企業のリスク構造を分析する際に必要な手法のご紹介をします｡原材料輸入Ａ社原材料の購入に伴う支出 ●原材料価格変動リスク ●為替リスク製品販売に伴う収入 ●商品市況リスク 10 Earnings-at-Risk (EaR)の定義【 Earnings-at-Riskの定義】ある将来期間、例えば、翌年度1年間の期間損益が “最大”でいくら毀損するかを確率的にもとめたものである。例えば、営業計画策定時には、あるシナリオのもとでの翌年度営業利益は× × × 億円と予想されるが、 “最悪”（例えば、1％の確率）で△△億円まで落ち込む可能性があることもあわせて認識することが重要。 EaR計算までのステップ ①収益源（製品売上等）、コスト源（原材料等）をリストアップし、その変動性をもたらす要因を特定 ②各要因の変動をモデル化し、数式により関係を定義 ③要因間の連動性を考慮しながら、収益源、コスト源の将来シナリオを複数作成（モンテカルロシミュレーション） ④実行予定取引、新規取引、予定残高推移等を計画・策定し、将来シナリオへ反映 ⑤各モンテカルロシナリオ毎に期間損益が計算され、多数のシナリオを実行することにより期間損益の分布を作成 ⑥分布の期待値が期待損益、分布の９９パーセンタイル点にあたる期間損益額と期待損益との差がEaR（９９％） 160 150 USD/JPY FX RATE （円）  ステップ③のモンテカルロシミュレーションのイメージ図 140 例えば、ドル・円為替レートが損益変動要因であった場合、為替レートモデルに従って乱数を発生し、将来シナリオを複数発生。（左図） 130 120 110 11 100 ----> Tim e EaR分析アウトプットイメージ気象要因の影響を考慮します｡経常利益の分布損益計算書売上高売上原価販売費・一般管理費営業利益営業外収益受取利息営業外費用支払利息経常利益ｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘｘ需要予測 20% 販売価格モデル等 15% 確率 10% 原材料価格モデル 5% 為替レートモデル等 0% 経常利益（億円） xxxx年期待値＝○○○ ＥａＲ＝△△△ 金利モデル経常利益の分布 12% 10% 8% モンテカルロシミュレーション、あるいはシナリオとその発生確率を特定することにより、各要因の将来における期待値と変動可能性を予測確率 6% 4% 2% 0% 経常利益（億円） xxxx年期待値＝○○○ ＥａＲ＝△△△ 各事業のEaR分析を同時にシミュレーションすることにより、事業間の相関関係を推測することも可能。 12 ３．アンサンブル予報と企業のリスクマネジメント 13 天候変動・異常気象に対する企業のリスクマネジメントリスクマネジメントの基本的な流れ 1. Assess リスクの認識 2. Develop リスクの構造把握と分析 3. Evaluate リスクマネジメント手法の検討 4. Decide 適切なリスクマネジメント手法の選択 5. Plan 計画の実行リスクの保有リスクの軽減リスクの移転・許容範囲の明確化・商品構成の検討・天候デリバティブ等の活用・販売戦略の構築・保険等の活用 14 天候リスクと企業ビジネスとの関連性分析気象庁の発表するアンサンブル数値予報は、確率分布で表現する事が可能である事から、気温の変動をリスクファクターと定義した場合に、確率予報をもとに企業の収益構造を分析する事が可能となる。ｱｻﾝｻﾝﾌﾞﾙ予報例（４）アンサンブル数値予報の実例気象庁提供 5 4 3 1 0 -1 -2 9日 10 日 11 日 12 日 13 日 14 日 15 日 16 日 17 日 18 日 19 日 20 日 21 日 22 日 23 日 24 日 25 日 26 日 27 日 28 日 29 日 7日 8日 5日 6日 3日 4日 -3 1日 2日地域気温指標 2 平均 mem0 mem1 mem2 mem3 mem4 mem5 mem6 mem7 mem8 mem9 mem10 mem11 mem12 mem13 mem14 mem15 mem16 mem17 mem18 mem19 mem20 mem21 mem22 mem23 mem24 mem25 アンサンブル数値予報資料の提供 • 現行 1 か月予報モデルの例 – 提供間隔　毎週 1 回（金曜日） – 提供内容　1 か月予報モデルの予測結果 • 予測期間と時間間隔：　34 日間・1 日間隔 • 格子系（予測データの地図上の配置）：地球全体緯度経度2.5 °毎 • 気象要素　– – – – 地上：　気圧、積算降水量上空（ 850hPa ：約 1500m 上空）　高度、風、気温、相対湿度同　（ 500hPa ：約 5000m 上空）　高度、風、気温このほか上空 200hPa 、 100hPa – （注）上空の高度は地上の気圧に相当、上空の気温から地上の気温傾向を予測することが可能。 • メンバー数：26 メンバー（26通りの予測結果） – 1 回あたりデータ量　約 200MB 日付 15 アンサンブル予報を活用した将来予測:エネルギー会社の事例 ○ 気象要因に影響を受ける部分（例．販売量）について、アンサンブル予報を活用した将来予測を行う。 – 過去のシミュレーション – 過去データによる分析との相違家庭用販売量 0.040 0.1 0.08 0.06 0.04 0.02 0 0.035 家庭用 0.030 ℃ 確率ガス販売量［千m3］ 1.9 1.6 1 1.3 0.7 0.4 500,000 -2 -1 .7 -1 .4 -1 .1 -0 .8 -0 .5 -0 .2 0.1 確率東日本平均気温偏差　1993年6～8月 400,000 0.020 0.015 300,000 0.010 200,000 0.005 100,000 0.000 0 0 ｱﾝｻﾝﾌﾞﾙ 0.025 過去データ 5 10 15 20 25 30 気温［℃］ 16 リスクを減少させる手法の検討（金融商品の活用） ○EaRの結果を踏まえ、気象リスクを減少させるために金融商品（デリバティブ）を活用した場合の効果を分析することが可能となる。 – 気温スワップ – CDD、HDDオプション – etc 経常利益のヘッジ効果経常利益（ヘッジ取引無）経常利益（ヘッジ取引有） 0.030 0.025 0.020 0.015 12 5, 00 0 15 5, 00 0 18 5, 00 0 21 5, 00 0 95 ,0 00 65 ,0 00 35 ,0 00 5, 00 0 0.010 0.005 0.000 -5 5, 00 0 -2 5, 00 0 確率 0.040 0.035 ＥａＲ(（ヘッジ前）ＥａＲ(（ヘッジ後） 17 １）事例紹介：エネルギー会社の事業構造 ○ ガスの製造・供給および販売等を事業内容とするエネルギー会社 ― ガス機器の製作・販売、関連する建設工事、冷温水および蒸気の地域供給、電気供給事業等製品A 製品B 製品C 18 ２）気象要因の定量的分析 ○各部門別気象要素と販売量の関連 ⇒ 気温と販売量の関係式の導出 ②業務用販売量 ― 夏にも増加するのは冷房用 ― 月間販売量の変動は家庭用に比べ小 ― 地域月平均気温13度から14度で、月間販売量は減少から増加へ ― ２次関係式の決定係数0.705 ― 夏においては、業務用の増加と家庭用の減少で相殺され、月間販売量のリスクは中和される。家庭用販売量と平均気温（メーター当たり） 0 .0 6 販売量 0 .0 5 0 .0 4 0 .0 3 0 .0 2 0 .0 1 0 0 5 10 15 気温 20 25 30 業務用販売量（トレンド除去）と月平均気温 1 2 ,0 0 0 1 0 ,0 0 0 販売量 ①家庭用販売量 ― 春夏秋は給湯、冬は暖房 ― 低い温度で販売量増 ― 関係式の決定係数は0.955 8 ,0 0 0 6 ,0 0 0 4 ,0 0 0 2 ,0 0 0 0 0 5 10 15 20 25 30 気温 19 ３）アンサンブル予報を活用した将来予測 ○気象要因に影響を受ける販売量などの企業活動について、アンサンブル予報を活用した将来予測を実施。 ― 2001年11月の時点で、2001年12～翌年２月のアンサンブル予報を使用 ― 気温、販売量、経常利益とも３か月平均値を使用 ― ヒストリカルデータは、過去30年間の対象期間の気温分布アンサンブル予報による 2001年 12月～ 2002年２月の３か月平均気温の確率分布アンサンブル予報による確率分布とヒストリカルな分布（過去30年における当該期間の気温に基づいた確率分布）の比較。アンサンブル予報はやや寒い冬を予想しています。 8% 7 .8 7 .2 6 .6 5 .9 5 .3 4 .7 3 7 ,1 5 0 3 5 ,9 2 5 3 4 ,7 0 0 3 3 ,4 7 5 3 2 ,2 5 0 3 1 ,0 2 5 2 9 ,8 0 0 2 8 ,5 7 5 2 7 ,3 5 0 2 6 ,1 2 5 % % % % % % 2 4 ,9 0 0 家庭用と業務用のガス販売量は、｢２）気象要因の定量的分析｣で求めた関係式を利用しています。確率 10 8 6 4 2 0 2 3 ,6 7 5 ﾋｽﾄﾘｶﾙﾃﾞｰﾀ 2 2 ,4 5 0 ｱﾝｻﾝﾌﾞﾙ予報 2 1 ,2 2 5 家庭用及び業務用ガス販売量の予測分布 (2 0 0 1 / 1 2 - 2 0 0 2 / 2 ) 気温（℃ ） 2 0 ,0 0 0 4 .0 3 .4 2 .8 2 .2 1 .5 0 .9 0 .3 - 0 .4 0% - 1 .0 6% 確 4% 率 2% 販売量（千 m 3）ｱﾝｻﾝﾌﾞﾙ予報ﾋｽﾄﾘｶﾙﾃﾞｰﾀ 20 ４）ＥａＲを用いたリスク評価アンサンブル予報によるシミュレーション結果工業用実績値卸供給 2,395 606 2,559 779 気温[℃] 家庭用販売数量[千 m3] 業務用販売数量[千 m3] 売上総利益[百万円] 経常利益[百万円] 99％ＥａＲ 95％ＥａＲ平均値 5.6 4.9 3.3 16,084 16,888 18,926 8,967 9,263 9,958 2,167 2,267 2,524 379 481 744 経常利益の予測分布(2001/12-2002/2) アンサンブル予報に基づく95％EaR アンサンブル予報に基づく99％EaR 7% 6% 5% 確 4% 率 3% 2% 1% 0% 1,470 1,365 1,260 1,155 1,050 945 840 735 630 ﾋｽﾄﾘｶﾙﾃﾞｰﾀに基づく95％EaR ﾋｽﾄﾘｶﾙﾃﾞｰﾀに基づく99％EaR 420 受取利息受取配当金支払利息社債利息その他経常利益 ★月次平均気温業務用 2,327 531 ヒストリカルデータによるシミュレーション結果＋その他（約 2 割）家庭用 315 営業利益 ★ドル建原料価格×★為替各損益計算書の項目毎に計算式を特定します。 99％ＥａＲ 95％ＥａＲ平均値 4.3 4.0 3.2 17,356 17,912 19,189 9,395 9,604 10,079 売上総利益[百万円] 経常利益[百万円] ガス売上原価＝販売数量×単位原価 210 附帯事業利益気温[℃] 家庭用販売数量[千 m3] 業務用販売数量[千 m3] ＝販売数量×単位売価 105 営業雑利益ガス売上高 0 ガス売上高ガス売上原価ガス売上総利益供給販売費一般管理費ガス事業利益コンスタント 525 ○損益計算書のモデル化とＥａＲの計算利益（百万円）ｱﾝｻﾝﾌﾞﾙ予報ﾋｽﾄﾘｶﾙﾃﾞｰﾀ 21 ５）リスクを減少させる手法の検討（金融商品の活用） ○ アンサンブル予報を活用した将来予測ガス販売量の予測分布（家庭用及び業務用合計、月平均、1993/6-8）アンサンブル予報による 1993年６月～８月の３か月平均気温の確率分布 10% 10% 8% 8% 6% 確率 4% 2% 4% ｱﾝｻﾝﾌﾞﾙ予報 1 4 ,4 7 0 1 4 ,3 6 5 1 4 ,2 6 0 1 4 ,1 5 5 1 4 ,0 5 0 1 3 ,9 4 5 1 3 ,8 4 0 1 3 ,7 3 5 1 3 ,6 3 0 1 3 ,5 2 5 1 3 ,4 2 0 1 3 ,3 1 5 気温（℃ ） 1 3 ,2 1 0 0% 1 3 ,1 0 5 2 5 .8 2 5 .3 2 4 .7 2 4 .2 2 3 .6 2 3 .0 2 2 .5 2 1 .9 2 1 .4 2 0 .8 2 0 .2 1 9 .7 1 9 .1 1 8 .6 2% 1 8 .0 0% 6% 1 3 ,0 0 0 確率販売量（千 m 3）ﾋｽﾄﾘｶﾙﾃﾞｰﾀ ― 1993年夏、アンサンブル予報は 30年ヒストリカルに比べ、冷夏を予測 395 378 360 343 325 308 290 273 255 238 220 203 % % % % % % % % 185 7 6 5 確 4 率 3 2 1 0 168 夏場に気温が上昇した場合家庭用販売量は減少。業務用は主に冷房需要から販売量が増加。結果的に家庭用と業務用とで量的には相互にヘッジが効きます。しかしながら、家庭用の販売単価と業務用単価の違いから、経常利益ベースでは、気温上昇に対するリスクを負うことになります。 150 経常利益の予測分布 (月平均、 1 9 9 3 / 6 - 8 ) 利益（百万円） 22 ６）リスクを減少させる手法の検討（金融商品の活用） ○天候デリバティブの利用 ― 夏季における気温上昇に伴い、経常利益でのリスクを抱えています ― そこで、下表の天候デリバティブの利用を考えます ― 分布の左端の広がりが抑えられていますデリバティブタイプ想定元本月平均気温最大受取額プレミアム "call" or "put" (円／℃) ストライク(℃) (円) (円) 1993/06 Call 51,000,000 20.07 63,000,000 2,300,000 1993/07 Call 50,000,000 23.19 72,000,000 5,250,000 1993/08 Call 28,000,000 25.16 38,000,000 2,000,000 23 ４．まとめ 24 V．まとめ経済産業省【アンサンブル予報が実務で活用されていくための役割や機能】気象庁気象分析気象分析ｺﾝｻﾙ気象情報会社ﾀﾝﾄ事業会社 ☆ 民間気象事業者より顧客ニーズに合った情報提供（基本データとの線引き）、気象データの加工と整備・データの連続性、ＨＤＤ等の予測情報の提供、気象に係るリスク分析サービス短期的活用販売計画人員配置計画金融機関中長期的活用経営・財務戦略投資家ﾘｽｸﾏﾈｼﾞﾒﾝﾄ ☆ 気象庁基本データの作成と運営、民間気象事業者との連携、気象予報士の活用、気象情報についての社会的な啓発 ☆ 金融機関競争力ある商品の提供、リスクの変換や吸収機能の提供、気象とリスク管理の理解に基づく企業に対するリスク管理情報の提供 ☆ 企業リスク分析の実施、気象に係るリスクの保有・コントロール・移転を判断、気象とビジネスを理解する人材の育成生産計画リスク移転市場市場予想金融気象学天候ｱﾅﾘｽﾄ統計学者天候ｽﾄﾗﾃｼﾞｽﾄ気象学者金融工学者気象学者 ☆ 投資家リスクテイカー、企業のリスク管理状況の監視・評価、他の金融資産やビジネスに対するリターンと比較した市場参加 ☆ 新しい参加者天候アナリスト、天候ストラテジスト、金融気象学者：情報の流れ（線の太さは情報の量を表す）金融工学者：リスク移転の流れ参考文献：天候リスクの戦略的経営刈屋武明編著朝倉書店 25 【本件に関するお問い合わせ先】みずほ第一フィナンシャルテクノロジー株式会社金融工学第三部山本毅（TEL：5219-2352）当該資料は、本講演限りのご使用とさせて戴き、直接または間接的に第三者に対して開示なさらないようお願い致します。また、内容の全部或いは一部の加工および再使用は、弊社の事前の承認無しで行わないよう、お願い申し上げます。 Nov.19.2005 Mizuho-DL Financial Technology 26