Climate aware lending allocation under NGFS scenarios - A Monte Carlo approach
Cet article présente un cadre basé sur la méthode de Monte Carlo qui intègre les scénarios climatiques du NGFS dans un modèle de risque de crédit structurel afin de simuler les probabilités de défaut des débiteurs et d'optimiser l'allocation du portefeuille de prêts, permettant ainsi aux banques de lier les risques de transition climatique et physiques aux résultats du risque de crédit prospectifs et aux tests de résistance.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Les banques s'appuient depuis longtemps sur l'histoire pour prédire l'avenir. Lorsqu'elles décident de l'octroi d'un prêt, elles examinent la manière dont les emprunteurs se sont comportés par le passé, en supposant que les relations économiques resteront relativement stables. Cette approche fonctionne bien en période normale, mais elle peine lorsque le monde change de manières qui n'ont aucun précédent historique. Le changement climatique est l'une de ces forces. Il introduit deux types de dangers distincts pour les emprunteurs : les risques physiques, où les phénomènes météorologiques extrêmes endommagent les actifs et perturbent les opérations, et les risques de transition, où le passage à une économie bas carbone modifie les coûts, les réglementations et la demande du marché. Parce que ces forces sont tournées vers l'avenir et dictées par les politiques plutôt que par les seuls cycles de marché, les outils traditionnels échouent souvent à capturer le risque réel. Les régulateurs demandent désormais aux banques de regarder vers l'avant, de comprendre comment différents chemins vers un avenir plus vert pourraient affecter la sécurité de leurs prêts.
Une chercheuse nommée Marina Palaisti a développé une nouvelle façon de répondre à cette question. Le travail consiste à construire un modèle informatique qui simule la manière dont un grand groupe d'emprunteurs pourrait se comporter au cours des trois à cinq prochaines années selon différents scénarios climatiques. Au lieu de deviner, le modèle utilise des récits spécifiques et structurés sur l'avenir, fournis par le Réseau pour le verdissement du système financier, un groupe mondial de banques centrales et de superviseurs. Ces récits vont d'une transition fluide et ordonnée vers un monde bas carbone, à une situation chaotique où les changements de politique surviennent soudainement et où les dommages physiques causés par les tempêtes augmentent. Le modèle prend ces récits larges et les traduit en effets spécifiques sur les entreprises individuelles, en ajustant la vitesse de leur croissance et la probabilité qu'elles fassent faillite.
Le cœur de l'étude est une simulation de mille entreprises hypothétiques. La chercheuse injecte différents scénarios climatiques dans le modèle pour voir comment chacun modifie la santé financière des entreprises. Dans le modèle, la valeur d'une entreprise est liée à sa capacité à produire des biens et à gérer son utilisation de l'énergie. Lorsqu'un scénario climatique survient, il agit comme un choc sur le moteur de croissance de l'entreprise. Par exemple, un scénario avec de nouvelles taxes carbone strictes pourrait ralentir une usine qui dépend du charbon, tandis qu'un scénire de meilleure technologie pourrait aider une entreprise d'énergie éolienne à croître plus rapidement. Le modèle calcule la probabilité que chaque entreprise tombe en dessous d'un seuil critique et fasse défaut sur son prêt. En exécutant des milliers de ces simulations, la chercheuse peut voir non seulement le risque moyen, mais aussi comment le risque est réparti sur l'ensemble du groupe d'emprunteurs.
Les résultats montrent que le choix du récit climatique importe profondément. Différents scénarios produisent des schémas de risque très différents. Dans un scénario où l'action politique est retardée et où les dommages physiques causés par la météo augmentent, le risque est réparti de manière assez uniforme, avec de nombreuses entreprises confrontées à des défis modérés. Dans un autre scénario, où la transition vers une économie verte se fait par un choc soudain et abrupt, le risque devient plus inégal. Certaines entreprises auparavant sûres font soudainement face à des risques élevés, tandis que d'autres restent stables. L'étude a constaté que le scénario où la transition est ordonnée et coordonnée a en réalité produit le risque moyen le plus élevé pour le portefeuille dans cette simulation spécifique, tandis qu'un scénario de réveil soudain a produit le risque moyen le plus faible. Cela souligne que la sévérité d'un scénario ne dépend pas seulement de la gravité de la météo, mais de la façon dont l'économie réagit aux changements.
En utilisant ces risques calculés, la chercheuse a ensuite posé une question pratique : comment une banque devrait-elle prêter son argent si elle veut maximiser ses rendements tout en restant prudente ? Le modèle sert de guide, montrant quels secteurs semblent les plus attractifs sous chaque récit climatique. Dans le scénario où les catastrophes physiques sont la menace principale, le modèle suggère de prêter davantage aux infrastructures résilientes comme l'énergie éolienne et l'hydroélectricité. Dans le scénario où la transition est soudaine et chaotique, le modèle déplace sa préférence vers les technologies de « transition », telles que le gaz naturel plus propre et les systèmes de capture de carbone, qui pourraient être plus précieuses dans un marché en mutation rapide. Curieusement, même dans les scénarios les plus extrêmes, le modèle ne coupe pas complètement les prêts aux secteurs des combustibles fossiles, mais il réduit drastiquement l'argent allant vers eux par rapport aux alternatives plus propres.
L'étude souligne que ces conclusions sont spécifiques à la simulation et aux hypothèses intégrées dans le modèle. Les résultats dépendent de la manière dont les récits climatiques sont traduits en données au niveau de l'entreprise, et le modèle ne saisit pas encore tous les détails de la manière dont les entreprises individuelles pourraient s'adapter ou comment leurs emplacements spécifiques pourraient les affecter. Cependant, le cadre offre un moyen clair et transparent pour les banques de lier les récits climatiques de haut niveau au risque réel de leurs portefeuilles de prêts. Il montre que le risque climatique n'est pas un chiffre unique, mais un paysage complexe qui change selon le chemin que prend le monde. En utilisant ce type d'analyse prospective, les banques peuvent aller au-delà de la simple observation du passé et commencer à se préparer aux défis spécifiques que différents futurs climatiques pourraient apporter.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.