Climate aware lending allocation under NGFS scenarios - A Monte Carlo approach
Dit artikel presenteert een op Monte Carlo gebaseerd raamwerk dat NGFS-klimaatscenario's integreert in een structureel kredietrisicomodel om de faillissementskansen van debiteuren te simuleren en de toewijzing van leningenportefeuilles te optimaliseren, waardoor banken in staat worden gesteld om klimaattransitie- en fysieke risico's te koppelen aan toekomstgerichte kredietrisiceresultaten en stresstests.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Banken vertrouwen al lange tijd op het verleden om de toekomst te voorspellen. Bij het beslissen wie een lening krijgt, kijken ze naar hoe leners in het verleden hebben gepresteerd, uitgaande van de aanname dat economische relaties relatief stabiel blijven. Deze aanpak werkt goed in normale tijden, maar heeft moeite wanneer de wereld verandert op manieren die geen historisch precedent hebben. Klimaatverandering is een dergelijke kracht. Het introduceert twee verschillende soorten gevaar voor leners: fysieke risico's, waarbij extreem weer activa beschadigt en de bedrijfsvoering verstoort, en transitierisico's, waarbij de verschuiving naar een koolstofarme economie de kosten, regelgeving en de marktvraag verandert. Omdat deze krachten toekomstgericht zijn en worden gedreven door beleid in plaats van alleen door marktcycli, schieten traditionele instrumenten er vaak naast als het gaat om het vastleggen van het werkelijke risico. Toezichthouders vragen banken nu om vooruit te kijken, om te begrijpen hoe verschillende paden naar een groenere toekomst de veiligheid van hun leningen kunnen beïnvloeden.
Een onderzoeker genaamd Marina Palaisti heeft een nieuwe manier ontwikkeld om deze vraag te beantwoorden. Het werk houdt in dat er een computermodel wordt gebouwd dat simuleert hoe een grote groep leners zich de komende drie tot vijf jaar zou kunnen gedragen onder verschillende klimaatscenario's. In plaats van te gokken, gebruikt het model specifieke, gestructureerde verhalen over de toekomst die worden verstrekt door het Network for Greening the Financial System, een wereldwijde groep centrale banken en toezichthouders. Deze verhalen variëren van een geleidelijke, ordelijke transitie naar een koolstofarme wereld tot een chaotische situatie waarin beleidswijzigingen plotseling plaatsvinden en fysieke schade door stormen toeneemt. Het model vertaalt deze brede verhalen naar specifieke effecten op individuele bedrijven, door aan te passen hoe snel zij groeien en hoe groot de kans is dat zij failliet gaan.
De kern van de studie is een simulatie van duizend hypothetische bedrijven. De onderzoeker voert verschillende klimaatscenario's in het model in om te zien hoe elk scenario de financiële gezondheid van de bedrijven verandert. In het model is de waarde van een bedrijf gekoppeld aan zijn vermogen om goederen te produceren en zijn energieverbruik te beheren. Wanneer een klimaatscenario toeslaat, werkt dit als een schok voor de groeimotor van het bedrijf. Bijvoorbeeld, een scenario met strikte nieuwe koolstofbelastingen kan een fabriek die afhankelijk is van steenkool vertragen, terwijl een scenario met betere technologie een windenergiebedrijf juist sneller kan laten groeien. Het model berekent de waarschijnlijkheid dat elk bedrijf onder een kritieke drempel valt en de lening niet meer kan terugbetalen. Door duizenden van deze simulaties uit te voeren, kan de onderzoeker niet alleen het gemiddelde risico zien, maar ook hoe het risico is verdeeld over de gehele groep leners.
De resultaten laten zien dat de keuze van het klimaatverhaal diepgaand van belang is. Verschillende scenario's produceren zeer uiteenlopende patronen van risico. In een scenario waarin beleidsmaatregelen worden uitgesteld en fysieke schade door het weer toeneemt, is het risico enigszins gelijkmatig verspreid, waarbij veel bedrijven te maken krijgen met matige uitdagingen. In een ander scenario, waarbij de transitie naar een groene economie een plotselinge, abrupte schok is, wordt het risico ongelijkmatiger. Sommige bedrijven die voorheen veilig waren, worden plotseling geconfronteerd met hoge risico's, terwijl anderen stabiel blijven. De studie vond dat het scenario waarin de transitie ordelijk en gecoördineerd verloopt, in deze specifieke simulatie juist het hoogste gemiddelde risico voor de portefeuille opleverde, terwijl een scenario met een plotselinge waarschuwing het laagste gemiddelde risico opleverde. Dit benadrukt dat de ernst van een scenario niet alleen bepaalt hoe erg het weer wordt, maar ook hoe de economie op de veranderingen reageert.
Met behulp van deze berekende risico's stelde de onderzoeker vervolgens een praktische vraag: hoe moet een bank haar geld uitlenen als ze de rendementen wil maximaliseren en tegelijkert vol staat? Het model fungeert als een gids en laat zien welke sectoren het meest aantrekkelijk lijken onder elk klimaatverhaal. In het scenario waarin natuurrampen de belangrijkste dreiging vormen, suggereert het model om meer te lenen aan veerkrachtige infrastructuur zoals windenergie en waterkracht. In het scenario waarin de transitie plotseling en chaotisch is, verschuift de voorkeur naar "brugtechnologieën", zoals schonere aardgas en koolstofafvangsystemen, die in een snel veranderende markt waardevoller kunnen zijn. Interessant genoeg, zelfs in de meest extreme scenario's, stopt het model niet volledig met het verstrekken van leningen aan de fossiele brandstofsector, maar vermindert het de hoeveelheid geld die naar hen gaat drastisch vergeleken met schonere alternatieven.
De studie benadrukt dat deze bevindingen specifiek zijn voor de simulatie en de aannames die in het model zijn ingebouwd. De resultaten hangen af van hoe de klimaatverhalen worden vertaald naar gegevens op bedrijfsniveau, en het model legt nog niet elk detail vast over hoe individuele bedrijven zich zouden kunnen aanpassen of hoe hun specifieke locatie hen zou kunnen beïnvloeden. Echter, het kader biedt een duidelijke, transparante manier voor banken om hoogwaardige klimaatnarratieven te koppelen aan het werkelijke risico van hun leningenportefeuilles. Het laat zien dat klimaatrisico niet één enkel getal is, maar een complex landschap dat verandert afhankelijk van het pad dat de wereld bewandelt. Door gebruik te maken van dit soort toekomstgerichte analyses, kunnen banken verder kijken dan alleen het verleden en beginnen met de voorbereiding op de specifieke uitdagingen die verschillende klimaattoekomsten met zich mee kunnen brengen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.