Climate Volatility and Inward Spillover Exposure: Topology, Sector Heterogeneity, and Persistence

Resumen Técnico: Volatilidad Climática y Exposición al Desbordamiento hacia Adentro

Problema y Brecha de Investigación
Este documento investiga si la incertidumbre relacionada con el clima intensifica sistemáticamente la exposición al desbordamiento hacia adentro (inward spillover exposure): la vulnerabilidad de los nodos financieros ante choques transmitidos desde otras partes de una red interconectada. Mientras que la literatura existente documenta extensamente cómo el riesgo climático afecta los precios de los activos, la volatilidad y el riesgo sistémico total, persiste una brecha crítica respecto a la naturaleza direccional de estos riesgos. Gran parte de la literatura sobre conectividad se centra en la transmisión hacia afuera (quién transmite el estrés) o en los desbordamientos totales, prestando menos atención a la exposición hacia adentro (quién absorbe el estrés). Además, estudios previos suelen tratar el riesgo climático como un correlato uniforme y sistémico, o se centran en los niveles climáticos a largo plazo y la incertidumbre de las políticas, en lugar de la volatilidad climática a corto plazo como motor de inestabilidad.

La pregunta central de investigación es condicional: ¿Bajo qué condiciones de red y de sector la volatilidad climática se vuelve financieramente relevante para la exposición al desbordamiento hacia adentro? El documento postula que el riesgo climático puede no operar a través de un efecto agrupado uniforme, sino mediante interacciones con la topología de la red, la heterogeneidad sectorial y la persistencia de los estados previos de desbordamiento.

Metodología
El estudio utiliza un conjunto de datos de panel mensual de 2011 a 2025, que cubre ocho nodos sectoriales-regionales: Banca, Seguros, Energía y Servicios Públicos (Utilities) tanto en América del Norte como en Europa.

• Fuentes de Datos: Los datos financieros comprenden los precios de cierre ajustados diarios de los ETF (convertidos a series mensuales) de Yahoo Finance. Los datos climáticos consisten en anomalías mensuales de la temperatura global de la NASA GISTEMP. Los controles macrofinancieros incluyen tasas de política monetaria, desempleo, producción industrial, el VIX y los precios del petróleo de la Reserva Federal de San Luis (FRED).
• Variable Dependiente: La medida principal es la exposición al desbordamiento hacia adentro basada en GARCH (SpilloverIN), construida a partir de la descomposición de la varianza del error de pronóstico de vectores autorregresivos (VAR) de series móviles aplicados a los logaritmos de las varianzas condicionales de los retornos sectoriales-regionales. Una medida de desbordamiento de retornos realizados sirve como prueba de robustez.
• Variable Independiente Clave: El regresor climático principal es temp_vol12_z, la volatilidad móvil de 12 meses estandarizada de las anomalías de la temperatura global. Los indicadores alternativos incluyen la sorpresa de temperatura y un índice climático ponderado por entropía.
• Métrica de Red: El estudio construye una variable de condicionamiento, Net_sd_centrality_L1, que representa el rezago de un período de la desviación estándar transversal de los desbordamientos netos direccionales a nivel de nodo. Esto mide la irregularidad de la estructura de la red (es decir, la dispersión entre los transmisores netos y los receptores netos).
• Estrategia Empírica:
  • Base: Modelos de panel de efectos fijos con interceptos específicos por nodo.
  • Tratamiento Climático: La volatilidad climática se modela utilizando un marco de distribución de rezagos ortogonalizados (ODL) (estructura de rezagos Almon) para capturar ajustes dinámicos durante un horizonte de 12 meses mitigando la multicolinealidad.
  • Inferencia: Los errores estándar se calculan mediante el método de Driscoll–Kraay para dar cuenta de la dependencia transversal y la correlación serial.
  • Extensiones: El análisis incluye estimaciones específicas por sector, términos de interacción entre la volatilidad climática y la dispersión de la red, divisiones de régimen (alta vs. baja volatilidad climática), pruebas de placebo (usando desbordamientos hacia afuera), modelos aumentados por persistencia (incluyendo el SpilloverIN rezagado) y un benchmark no lineal de XGBoost.

Resultados Clave

1. Asociación Agrupada Débil: En los modelos agrupados base, el bloque de rezagos distribuidos para la volatilidad climática es solo débilmente significativo. La asociación implícita acumulada es pequeña y positiva, lo que sugiere que la volatilidad climática no es un motor uniforme y autónomo de la exposición al desbordamiento hacia adentro en todos los nodos y periodos.
2. Heterogeneidad Sectorial (H1): Existe una heterogeneidad significativa entre sectores.
   • Banca y Seguros: Muestran asociaciones conjuntas positivas y significativas con la volatilidad climática.
   • Energía: Exhibe una asociación conjunta más débil pero aún significativa (F=2.82, p=0.03) con una asociación implícita acumulada negativa (-0.02). Sin embargo, bajo la inferencia de Driscoll–Kraay, ninguno de los coeficientes climáticos individuales para Energía es estadísticamente significativo, lo que indica que, si bien el bloque sectorial es conjuntamente significativo, la temporalidad y el signo específicos de la asociación climática difieren de los sectores financieros.
3. Condicionamiento por Topología de Red (H2): La asociación entre la volatilidad climática y la exposición al desbordamiento hacia adentro es más fuerte cuando la dispersión de la red es mayor. El término de interacción entre la volatilidad climática rezagada y Net_sd_centrality es positivo y altamente significativo. Esto implica que la incertidumbre climática se traduce en una mayor vulnerabilidad específicamente cuando las posiciones de desbordamiento están distribuidas de manera desigual (es decir, cuando la red está más fragmentada o concentrada).
4. Volatilidad vs. Niveles (H4): El proxy climático basado en volatilidad (temp_vol12_z) demuestra un mayor poder explicativo que los indicadores alternativos (sorpresa de temperatura o índices compuestos), los cuales son mayormente insignificantes en las especificaciones agrupadas.
5. Dependencia de Régimen (H5): La relación depende del estado. La volatilidad climática es positivamente significativa en regímenes de baja volatilidad, pero se vuelve insignificante en regímenes de alta volatilidad, lo que sugiere que su señal es absorbida por el estrés general del mercado durante periodos turbulentos.
6. Dominancia de la Persistencia y la Estructura: Cuando los modelos controlan explícitamente la persistencia (desbordamiento hacia adentro rezagado), la asociación climática directa desaparece en gran medida. El término de desbordamiento hacia adentro rezagado es abrumadoramente dominante (coeficiente ~0.88–0.91), seguido por la dispersión de la red. El análisis de XGBoost confirma este orden, con el desbordamiento rezagado como el principal predictor, seguido por la estructura de la red, mientras que los rezagos climáticos aportan solo un valor predictivo marginal.

Contribuciones Clave

• Cambio hacia la Exposición hacia Adentro: El documento extiende la literatura de conectividad al centrarse en la exposición al desbordamiento hacia adentro como una dimensión distinta de la vulnerabilidad sistémica, en lugar de centrarse únicamente en la transmisión hacia afuera o la conectividad total.
• Mecanismo Condicional: Provee evidencia de que la vulnerabilidad financiera relacionada con el clima es condicional en lugar de uniforme. La relevancia de la volatilidad climática depende de la configuración de la red financiera (topología) y de las sensibilidades sectoriales.
• La Volatilidad como Señal: Argumenta que la volatilidad climática (inestabilidad) es un indicador más informativo para la dinámica de desbordamiento que los niveles climáticos o la incertidumbre de las políticas, particularmente para capturar la revalorización de corto plazo y las revisiones de expectativas.
• La Persistencia como Motor: El estudio destaca que la persistencia de los estados previos de desbordamiento es un determinante más estable de la vulnerabilidad actual que los choques climáticos contemporáneos.

Significancia y Reivindicaciones
El documento sostiene que el riesgo financiero relacionado con el clima no debe interpretarse como una señal de advertencia autónoma. En cambio, su relevancia es condicionada por la red. Los hallazgos sugieren que la volatilidad climática se vuelve financieramente trascendente principalmente cuando interactúa con:

1. Estructuras de red desiguales (alta dispersión en las posiciones de desbordamiento).
2. Canales de exposición sectoriales específicos (ej. calidad de los prestatarios para bancos, suscripción para aseguradoras).
3. Estados de vulnerabilidad preexistentes (persistencia de los desbordamientos hacia adentro).

Para la política y la práctica, el documento argumenta que el monitoreo supervisorio y las pruebas de estrés deben integrar los indicadores climáticos con medidas de conectividad y dispersión de la posición de desbordamiento. Es necesario un enfoque "consciente de la red" para identificar dónde es más probable que la incertidumbre climática se traduzca en vulnerabilidad entrante, en lugar de depender de señales climáticas agregadas y agrupadas. El estudio concluye que el riesgo climático se entiende mejor como un proceso de cómo se distribuye la vulnerabilidad a través de sectores interconectados, en lugar de un choque homogéneo en todo el sistema.