Climate aware lending allocation under NGFS scenarios - A Monte Carlo approach
यह शोध पत्र एक मोंटे कार्लो-आधारित ढांचे को प्रस्तुत करता है जो डिफ़ॉल्ट संभावनाओं को सिम्युलेट करने और ऋण पोर्टफोलियो आवंटन को अनुकूलित करने के लिए एक स्ट्रक्चरल क्रेडिट रिस्क मॉडल में NGFS जलवायु परिदृश्यों को एकीकृत करता है, जिससे इस प्रकार बैंक जलवायु संक्रमण और भौतिक जोखिमों को भविष्योन्मुखी क्रेडिट जोखिम परिणामों और स्ट्रेस टेस्टिंग से जोड़ने में सक्षम होते हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
बैंक लंबे समय से भविष्य की भविष्यवाणी करने के लिए इतिहास पर भरोसा करते आए हैं। यह तय करते समय कि किसे ऋण दिया जाए, वे देखते हैं कि उधारकर्ताओं ने अतीत में कैसा प्रदर्शन किया है, यह मानते हुए कि आर्थिक संबंध अपेक्षाकृत स्थिर रहेंगे। यह दृष्टिकोण सामान्य समय में अच्छी तरह काम करता है, लेकिन जब दुनिया उन तरीकों से बदलती है जिनका कोई ऐतिहासिक पूर्ववृत्त नहीं होता, तो इसे संघर्ष करना पड़ता है। जलवायु परिवर्तन ऐसा ही एक बल है। यह उधारकर्ताओं के लिए दो अलग-अलग प्रकार के खतरे पैदा करता है: भौतिक जोखिम, जहाँ चरम मौसम संपत्तियों को नुकसान पहुँचाता है और परिचालन में बाधा डालता है, और ट्रांज़िशन (परिवर्तन) जोखिम, जहाँ कम-कार्बन अर्थव्यवस्था की ओर बदलाव लागत, नियमों और बाजार की मांग को बदल देता है। क्योंकि ये बल भविष्योन्मुखी हैं और केवल बाजार चक्रों के बजाय नीति द्वारा संचालित होते हैं, पारंपरिक उपकरण वास्तविक जोखिम को पकड़ने में अक्सर विफल रहते हैं। नियामक अब बैंकों से आगे देखने के लिए कह रहे हैं, ताकि वे यह समझ सकें कि एक हरित भविष्य की ओर विभिन्न पथ उनके ऋणों की सुरक्षा को कैसे प्रभावित कर सकते हैं।
मरीना पालेस्टी नामक एक शोधकर्ता ने इस प्रश्न का उत्तर देने का एक नया तरीका विकसित किया है। इस कार्य में एक कंप्यूटर मॉडल बनाना शामिल है जो अगले तीन से पांच वर्षों में विभिन्न जलवायु परिदृश्यों के तहत उधारकर्ताओं के एक बड़े समूह के व्यवहार का अनुकरण (सिमुलेट) करता है। अनुमान लगाने के बजाय, मॉडल 'नेटवर्क फॉर ग्रीनिंग द फाइनेंशियल सिस्टम' द्वारा प्रदान की गई भविष्य के बारे में विशिष्ट, संरचित कहानियों का उपयोग करता है, जो केंद्रीय बैंकों और पर्यवेक्षकों का एक वैश्विक समूह है। ये कहानियाँ कम-कार्बन दुनिया की ओर एक सुचारू, व्यवस्थित संक्रमण से लेकर, एक ऐसी अराजक स्थिति तक फैली हुई हैं जहाँ नीतिगत परिवर्तन अचानक होते हैं और तूफानों से भौतिक क्षति बढ़ती है। मॉडल इन व्यापक कहानियों को विशिष्ट कंपनियों के प्रभावों में अनुवादित करता है, जिससे यह समायोजित होता है कि वे कितनी तेजी से बढ़ती हैं या उनके विफल होने की कितनी संभावना है।
अध्ययन का मुख्य हिस्सा एक हजार काल्पनिक कंपनियों का सिमुलेशन है। शोधकर्ता मॉडल में विभिन्न जलवायु परिदृश्यों को फीड करता है ताकि यह देखा जा सके कि प्रत्येक परिदृश्य कंपनियों के वित्तीय स्वास्थ्य को कैसे बदलता है। मॉडल में, एक कंपनी का मूल्य वस्तुओं के उत्पादन और अपने ऊर्जा उपयोग के प्रबंधन की क्षमता से जुड़ा होता है। जब कोई जलवायु परिदृश्य आता है, तो यह कंपनी के विकास इंजन पर एक झटके (शॉक) की तरह कार्य करता है। उदाहरण के लिए, सख्त नए कार्बन टैक्स वाला परिदृश्य उस कारखाने की गति को धीमा कर सकता है जो कोयले पर निर्भर है, जबकि बेहतर तकनीक वाला परिदृश्य पवन ऊर्जा फर्म को तेजी से बढ़ने में मदद कर सकता है। मॉडल गणना करता है कि प्रत्येक कंपनी के एक महत्वपूर्ण सीमा से नीचे गिरने और अपने ऋण पर चूक (डिफ़ॉल्ट) करने की कितनी संभावना है। इन हजारों सिमुलेशन को चलाकर, शोधकर्ता न केवल औसत जोखिम देख सकता है, बल्कि पूरे उधारकर्ताओं के समूह में जोखिम कैसे वितरित है, यह भी देख सकता है।
परिणाम दर्शाते हैं कि जलवायु की कहानी का चुनाव गहराई से मायने रखता है। विभिन्न परिदृश्य जोखिम के बहुत अलग पैटर्न उत्पन्न करते हैं। एक परिदृश्य में, जहाँ नीतिगत कार्रवाई में देरी होती है और मौसम से भौतिक क्षति बढ़ती है, जोखिम काफी समान रूप से फैला हुआ है, जिसमें कई कंपनियां मध्यम चुनौतियों का सामना करती हैं। दूसरे परिदृश्य में, जहाँ हरित अर्थव्यवस्था की ओर संक्रमण एक अचानक, आकस्मिक झटके के रूप में होता है, जोखिम अधिक असमान हो जाता है। कुछ कंपनियां जो पहले सुरक्षित थीं, अचानक उच्च जोखिमों का सामना करती हैं, जबकि अन्य स्थिर रहती हैं। अध्ययन में पाया गया कि वह परिदृश्य जहाँ संक्रमण व्यवस्थित और समन्वित है, वास्तव में इस विशिष्ट सिमुलेशन में पोर्टफोलियो के लिए उच्चतम औसत जोखिम उत्पन्न करता है, जबकि एक अचानक चेतावनी (वेक-अप कॉल) वाले परिदृश्य ने सबसे कम औसत जोखिम उत्पन्न किया। यह इस बात पर प्रकाश डालता है कि परिदृश्य की गंभीरता केवल इस पर निर्भर नहीं है कि मौसम कितना खराब होता है, बल्कि इस पर है कि अर्थव्यवस्था परिवर्तनों के प्रति कैसे प्रतिक्रिया करती है।
इन गणना किए गए जोखिमों का उपयोग करते हुए, शोधकर्ता ने एक व्यावहारिक प्रश्न पूछा: यदि कोई बैंक सुरक्षित रहते हुए अपने रिटर्न को अधिकतम करना चाहता है तो उसे अपना पैसा कैसे उधार देना चाहिए? मॉडल एक मार्गदर्शक के रूप में कार्य करता है, यह दिखाता है कि प्रत्येक जलवायु कहानी के तहत कौन से क्षेत्र सबसे आकर्षक दिखते हैं। उस परिदृश्य में जहाँ भौतिक आपदाएं मुख्य खतरा हैं, मॉडल पवन शक्ति और जलविद्युत जैसी लचीली बुनियादी संरचनाओं को अधिक ऋण देने का सुझाव देता है। उस परिदृश्य में जहाँ संक्रमण अचानक और अराजक है, मॉडल अपनी प्राथमिकता "ब्रिज" प्रौद्योगिकियों की ओर स्थानांतरित कर देता है, जैसे कि स्वच्छ प्राकृतिक गैस और कार्बन कैप्चर सिस्टम, जो तेजी से बदलते बाजार में अधिक मूल्यवान हो सकते हैं। दिलचस्प बात यह है कि सबसे चरम परिदृश्यों में भी, मॉडल जीवाश्म ईंधन क्षेत्रों को ऋण देना पूरी तरह से बंद नहीं करता है, लेकिन वह स्वच्छ विकल्पों की तुलना में उनमें जाने वाले धन की मात्रा को काफी कम कर देता है।
अध्ययन इस बात पर जोर देता है कि ये निष्कर्ष इस सिमुलेशन और इसमें शामिल धारणाओं के विशिष्ट हैं। परिणाम इस बात पर निर्भर करते हैं कि जलवायु कहानियों को कंपनी-स्तरीय डेटा में कैसे अनुवादित किया जाता है, और मॉडल अभी तक इस विवरण को नहीं पकड़ पाता है कि व्यक्तिगत कंपनियां कैसे अनुकूलन कर सकती हैं या उनके विशिष्ट स्थान उन्हें कैसे प्रभावित कर सकते हैं। हालाँकि, यह ढांचा बैंकों के लिए उच्च-स्तरीय जलवायु आख्यानों को उनके ऋण पुस्तकों के वास्तविक जोखिम से जोड़ने का एक स्पष्ट, पारदर्शी तरीका प्रदान करता है। यह दिखाता है कि जलवायु जोखिम एक एकल संख्या नहीं है बल्कि एक जटिल परिदृश्य है जो इस बात पर बदलता है कि दुनिया किस पथ पर चलती है। इस प्रकार के भविष्योन्मुखी विश्लेषण का उपयोग करके, बैंक केवल अतीत को देखने से आगे बढ़ सकते हैं और विभिन्न जलवायु भविष्यों द्वारा लाई जाने वाली विशिष्ट चुनौतियों के लिए तैयारी शुरू कर सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।