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

Sintesi Tecnica: Volatilità Climatica ed Esposizione allo Spillover Inward

Problema e Lacuna della Ricerca
Questo articolo indaga se l'incertezza legata al clima intensifichi sistematicamente l'esposizione allo spillover inward — ovvero la vulnerabilità dei nodi finanziari agli shock trasmessi da altre parti di una rete interconnessa. Mentre la letteratura esistente documenta ampiamente come il rischio climatico influenzi i prezzi delle attività, la volatilità e il rischio sistemico totale, rimane una lacuna critica riguardante la natura direzionale di tali rischi. Gran parte della letteratura sulla connettività si concentra sulla trasmissione outward (chi trasmette lo stress) o sugli spillover totali, prestando meno attenzione all'esposizione inward (chi assorbe lo stress). Inoltre, studi precedenti spesso trattano il rischio climatico come un correlato uniforme a livello di sistema o si concentrano sui livelli climatici di lungo periodo e sull'incertezza politica, piuttosto che sulla volatilità climatica di breve periodo come driver di instabilità.

La domanda centrale di ricerca è condizionale: sotto quali specifiche condizioni di rete e di settore la volatilità climatica diventa finanziariamente rilevante per l'esposizione allo spillover inward? L'articolo ipotizza che il rischio climatico possa non operare attraverso un effetto aggregato uniforme, ma piuttosto attraverso interazioni con la topologia della rete, l'eterogeneità settoriale e la persistenza degli stati di spillover precedenti.

Metodologia
Lo studio utilizza un dataset panel mensile dal 2011 al 2025, che copre otto nodi per regione e settore: Banking, Insurance, Energy e Utilities, sia in Nord America che in Europa.

• Fonti dei Dati: I dati finanziari comprendono i prezzi di chiusura giornalieri aggiustati degli ETF (convertiti in serie mensili) da Yahoo Finance. I dati climatici consistono nelle anomalie mensili della temperatura globale da NASA GISTEMP. I controlli macro-finanziari includono tassi di politica monetaria, disoccupazione, produzione industriale, VIX e prezzi del petrolio da Federal Reserve Bank of St. Louis (FRED).
• Variabile Dipendente: La misura primaria è l'esposizione allo spillover inward basata su GARCH (SpilloverIN), costruita tramite decomposizioni della varianza dell'errore di previsione (FEVD) di modelli VAR a finestra mobile applicate alle log-varianze condizionali dei rendimenti settoriali-regionali. Una misura di spillover dei rendimenti realizzati serve come test di robustezza.
• Variabile Indipendente Chiave: Il principale regressore climatico è temp_vol12_z, la volatilità standardizzata a 12 mesi della temperatura globale. Indicatori alternativi includono la sorpresa termica e un indice climatico pesato sull'entropia.
• Metrica di Rete: Lo studio costruisce una variabile di condizionamento, Net_sd_centrality_L1, che rappresenta il ritardo di un periodo della deviazione standard trasversale dello spillover direzionale netto a livello di nodo. Questa misura l'irregolarità della struttura della rete (ovvero, la dispersione tra trasmettitori netti e ricevitori netti).
• Strategia Empirica:
  • Baseline: Modelli panel a effetti fissi con intercette specifiche per nodo.
  • Trattamento Climatico: La volatilità climatica è modellata utilizzando un framework di ritardo distribuito ortogonalizzato (ODL) (struttura di lag Almon) per catturare gli aggiustamenti dinamici su un orizzonte di 12 mesi mitigando al contempo la multicollinearità.
  • Inferenza: Gli errori standard sono calcolati con il metodo Driscoll–Kraay per tenere conto della dipendenza trasversale e della correlazione seriale.
  • Estensioni: L'analisi include stime specifiche per settore, termini di interazione tra la volatilità climatica e la dispersione della rete, split di regime (alta vs bassa volatilità climatica), test placebo (utilizzando gli spillover outward), modelli aumentati dalla persistenza (includendo lo SpilloverIN ritardato) e un benchmark non lineare XGBoost.

Risultati Chiave

1. Debole Associazione Aggregata: Nei modelli pooled di base, il blocco a ritardo distribuito per la volatilità climatica è solo debolmente significativo. L'associazione cumulativa implicata è piccola e positiva, suggerendo che la volatilità climatica non è un driver uniforme e autonomo dell'esposizione allo spillover inward in tutti i nodi e i periodi.
2. Eterogeneità Settoriale (H1): Esiste una significativa eterogeneità tra i settori.
   • Banking e Insurance: Mostrano associazioni congiunte positive e significative con la volatilità climatica.
   • Energy: Presenta un test congiunto più debole ma ancora significativo (F=2.82, p=0.03) con una associazione cumulativa implicata negativa (-0.02). Tuttavia, sotto l'inferenza Driscoll–Kraay, nessuno dei singoli coefficienti climatici per l'energia è statisticamente significativo, indicando che, sebbene il blocco settoriale sia congiuntamente significativo, la tempistica specifica e il segno dell'associazione climatica differiscono dai settori finanziari.
3. Condizionamento della Topologia di Rete (H2): L'associazione tra volatilità climatica ed esposizione allo spillover inward è più forte quando la dispersione della rete è maggiore. Il termine di interazione tra la volatilità climatica ritardata e Net_sd_centrality è positivo e altamente significativo. Ciò implica che l'incertezza climatica si traduce in una maggiore vulnerabilità specificamente quando le posizioni di spillover sono distribuite in modo diseguale (ovvero, quando la rete è più frammentata o concentrata).
4. Volatilità vs Livelli (H4): Il proxy climatico basato sulla volatilità (temp_vol12_z) dimostra un potere esplicativo maggiore rispetto ad altri indicatori (sorpresa termica o indici compositi), che sono ampiamente insignificanti nelle specifiche pooled.
5. Dipendenza dal Regime (H5): La relazione è dipendente dallo stato. La volatilità climatica è positivamente significativa nei regimi di bassa volatilità, ma diventa insignificante nei regimi di alta volatilità, suggerendo che il suo segnale viene assorbito dallo stress di mercato più ampio durante i periodi di turbolenza.
6. Dominanza di Persistenza e Struttura: Quando i modelli controllano esplicitamente per la persistenza (esposizione allo spillover inward ritardata), l'associazione climatica diretta svanisce quasi del tutto. Il termine di spillover ritardato è schiacciantemente dominante (coefficiente ~0.88–0.91), seguito dalla dispersione della rete. L'analisi XGBoost conferma questo ordine, con lo spillover ritardato come principale predittore, seguito dalla struttura della rete, mentre i lag climatici aggiungono solo un valore predittivo marginale.

Contributi Chiave

• Passaggio all'Esposizione Inward: L'articolo estende la letteratura sulla connettività concentrandosi sull'esposizione allo spillover inward come dimensione distinta della vulnerabilità sistemica, piuttosto che focalizzarsi esclusivamente sulla trasmissione outward o sulla connettività totale.
• Meccanismo Condizionale: Fornisce prove che la vulnerabilità finanziaria legata al clima è condizionale piuttosto che uniforme. La rilevanza della volatilità climatica dipende dalla configurazione della rete finanziaria (topologia) e dalle sensibilità specifiche del settore.
• La Volatilità come Segnale: Si argomenta che la volatilità climatica (instabilità) è un indicatore più informativo per le dinamiche di spillover rispetto ai livelli climatici o all'incertezza politica, specialmente nel catturare il riprezzamento a breve termine e le revisioni delle aspettative.
• La Persistenza come Driver: Lo studio evidenzia che la persistenza degli stati di spillover precedenti è un determinante più stabile della vulnerabilità attuale rispetto agli shock climatici contemporanei.

Significatività e Rivendicazioni
L'articolo sostiene che il rischio finanziario legato al clima non debba essere interpretato come un segnale di allerta stand-alone. Al contrario, la sua rilevanza è condizionata dalla rete. Le conclusioni suggeriscono che la volatilità climatica diventa finanziariamente consequente principalmente quando interagisce con:

1. Strutture di rete diseguali (elevata dispersione nelle posizioni di spillover).
2. Canali di esposizione specifici per settore (ad esempio, la qualità del credito per le banche, la sottoscrizione per le assicurazioni).
3. Stati di vulnerabilità preesistenti (persistenza degli spillover inward).

Per la politica e la pratica, l'articolo sostiene che il monitoraggio della vigilanza e i test di stress dovrebbero integrare gli indicatori climatici con misure di connettività e dispersione della posizione di spillover. È necessario un approccio "consapevole della rete" per identificare dove l'incertezza climatica è più probabile che si traduca in vulnerabilità in entrata, piuttosto che affidarsi ad aggregati di segnali climatici pooled. Lo studio conclude che il rischio climatico è meglio compreso come un processo di come la vulnerabilità viene distribuita attraverso i settori interconnessi, piuttosto che come uno shock omogeneo a livello di sistema.