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

Technische Samenvatting: Klimaatvolatiliteit en Blootstelling aan Inwaartse Spillover

Probleem en Onderzoeksgat
Dit artikel onderzoekt of klimaatgerelateerde onzekerheid systematisch de inwaartse spillover-blootstelling intensiveert—de kwetsbaarheid van financiële knooppunten voor schokken die worden overgedragen vanuit andere delen van een onderling verbonden netwerk. Terwijl de bestaande literatuur uitgebreid documenteert hoe klimaatrisico de activaprijzen, volatiliteit en totale systemische risico's beïnvloedt, blijft er een kritiek gat bestaan met betrekking tot de directionele aard van deze risico's. Veel van de literatuur over verbondenheid richt zich op uittredende transmissie (wie draagt stress over) of totale spillovers, en besteedt minder aandacht aan inwaartse blootstelling (wie absorbeert stress). Bovendien behandelen eerdere studies klimaatrisico vaak als een uniforme, systeembrede correlatie of richten zij zich op langetermijnklimaatniveaus en beleidsonzekerheid, in plaats van op kortetermijnklimaat-volatiliteit als een drijfveer van instabiliteit.

De centrale onderzoeksvraag is conditioneel: Onder welke specifieke netwerk- en sectorcondities wordt klimaatvolatiliteit financieel relevant voor inwaartse spillover-blootstelling? Het artikel stelt dat klimaatrisico mogelijk niet werkt via een uniform gepoold effect, maar eerder via interacties met de netwerktopologie, sectorale heterogeniteit en het voortbestaan van eerdere spillover-toestanden.

Methodologie
De studie maakt gebruik van een maandelijkse paneeldataset van 2011 tot 2025, die acht sector-regio-knooppunten beslaat: Bankwezen, Verzekeringen, Energie en Nutsbedrijven in zowel Noord-Amerika als Europa.

• Databronnen: De financiële data bestaan uit dagelijkse gecorrigeerde slotkoersen van ETF's (omgezet naar maandelijkheden) van Yahoo Finance. De klimaatdata bestaan uit maandelijkse wereldwijde temperatuurafwijkingen van NASA GISTEMP. Macro-financiële controles zijn beleidsrentes, werkloosheid, industriële productie, de VIX en olieprijzen van de Federal Reserve Bank of St. Louis (FRED).
• Afhankelijke Variabele: De primaire maatstaf is GARCH-gebaseerde inwaartse spillover-blootstelling (SpilloverIN), geconstrueerd uit rollende Vector Autoregressieve (VAR) foutvariantie-decompositie (FEVD) toegepast op de logaritmische conditionele varianties van de maandelijkse rendementen van de sectoren. Een gerealiseerde-rendementspillovermaat dient als robuustheidscontrole.
• Belangrijkste Onafhankelijke Variabele: De primaire klimaatregressor is temp_vol12_z, de gestandaardiseerde 12-maands rollende volatiliteit van de wereldwijde temperatuurafwijkingen. Alternatieve indicatoren zijn temperatuurverrassing (temperature surprise) en een entropie-gewogen klimaatindex.
• Netwerkmetriek: De studie construeert een conditionele variabele, Net_sd_centrality_L1, die de één-periode lag van de dwarsdoorsnede-standaarddeviatie van de knooppunct-niveau netto directionele spillovers vertegenwoordigt. Dit meet de ongelijkmatigheid van de netwerkstructuur (d.w.z. de dispersie tussen netto zenders en netto ontvangers).
• Empirische Strategie:
  • Baseline: Fixed-effects panelmodellen met knooppuntspecifieke intercepten.
  • Klimaatbehandeling: Klimaatvolatiliteit wordt gemodelleerd met behulp van een orthogonalized distributed-lag (ODL) framework (Almon lag structuur) om dynamische aanpassingen over een horizon van 12 maanden te vangen en multicollineariteit te mitigeren.
  • Inferentie: Standaardfouten worden berekend met de Driscoll–Kraay methode om rekening te houden met dwarsdoorsneden-afhankelijkheid en seriële correlatie.
  • Extensies: De analyse omvat sectorspecifieke schattingen, interactietermen tussen klimaatvolatiliteit en netwerkdispersie, regime-splits (hoge vs. lage klimaatvolatiliteit), placebo-testen (gebruikmakend van uittredende spillovers), persistentie-versterkte modellen (inclusclusief gelagde SpilloverIN) en een niet-lineaire XGBoost benchmark.

Belangrijkste Resultaten

1. Zwak Gepoolde Associatie: In de baseline gepoolde modellen is de distributed-lag blok voor klimaatvolatiliteit slechts zwak significant. De cumulatieve geïmpliceerde associatie is klein en positief, wat suggereert dat klimaatvolatiliteit geen uniforme, op zichzelf staande drijver is van inwaartse spillover-blootstelling over alle knooppunten en perioden.
2. Sectorale Heterogeniteit (H1): Er bestaat significante heterogeniteit tussen sectoren.
   • Bankwezen en Verzekeringen: Vertonen positieve en significante gezamenlijke associaties met klimaatvolatiliteit.
   • Energie: Vertoont een zwakkere maar nog steeds significante gezamenlijke test (F=2.82, p=0.03) met een negatieve cumulatieve geïmpliceerde associatie (-0.02). Echter, onder Driscoll–Kraay inferentie zijn geen van de individuele klimaatcoëfficiënten voor Energie statistisch significant, wat aangeeft dat hoewel de sectorale blok gezamenlijk significant is, de specifieke timing en het teken van de klimaatassociatie verschillen van de financiële sectoren.
3. Netwerktopologie Conditionering (H2): De associatie tussen klimaatvolatiliteit en inwaartse spillover-blootstelling is sterker wanneer de netwerkdispersie hoger is. De interactieterm tussen de gelagde klimaatvolatiliteit en Net_sd_centrality is positief en zeer significant. Dit impliceert dat klimaatonzekerheid zich vertaalt in grotere kwetsbaarheid specifiek wanneer spillover-posities ongelijk verdeeld zijn (d.w.z. wanneer het netwerk meer gefragmenteerd of geconcentreerd is).
4. Volatiliteit vs. Niveaus (H4): De volatiliteitsgebaseerde klimaatproxy (temp_vol12_z) vertoont een sterkere verklarende kracht dan alternatieve indicatoren (temperatuurverrassing of samengestelde indices), die grotendeels insignificant zijn in gepoolde specificaties.
5. Regime-afhankelijkheid (H5): De relatie is staat-afhankelijk. Klimaatvolatiliteit is positief significant in scenario's met lage volatiliteit, maar wordt insignificant in scenario's met hoge volatiliteit, wat suggereert dat het signaal wordt geabsorbeerd door bredere marktdruk tijdens turbulente perioden.
6. Dominantie van Persistentie en Structuur: Wanneer modellen expliciet controleren voor persistentie (gelagde inwaartse spillover-blootstelling), verdwijnt de directe klimaatassociatie grotendeels. De gelagde inwaartse spillover-term is overweldigend dominant (coëfficiënt ~0.88–0.91), gevolgd door netwerkdispersie. De XGBoost-analyse bevestigt deze ordening, waarbij gelagde spillover de primaire voorspeller is, gevolgd door de netwerkstructuur, terwijl klimaatlags slechts marginale voorspellende waarde toevoegen.

Belangrijkste Bijdragen

• Verschuiving naar Inwaartse Blootstelling: Het artikel breidt de literatuur over verbondenheid uit door te focussen op inwaartse spillover-blootstelling als een afzonderlijke dimensie van systemische kwetsbaarheid, in plaats van enkel op uittredende transmissie of totale verbondenheid.
• Conditioneel Mechanisme: Het levert bewijs dat klimaatgerelateerde financiële kwetsbaarheid conditioneel is in plaats van uniform. De relevantie van klimaatvolatiliteit hangt af van de configuratie van het financiële netwerk (topologie) en sectorale gevoeligheden.
• Volatiliteit als Signaal: Het betoogt dat klimaatvolatiliteit (instabiliteit) een informatiever indicator is voor spillover-dynamiek dan klimaatniveaus of beleidsonzekerheid, met name bij het vastleggen van kortetermijnherwaarderingen en verwachtingswijzigingen.
• Persistentie als Drijver: De studie benadrukt dat de persistentie van eerdere spillover-toestanden een stabielere determinant is van de huidige kwetsbaarheid dan gelijktijdige klimaatshocks.

Betekenis en Claims
Het artikel claimt dat klimaatgerelateerd financieel risico niet moet worden geïnterpreteerd als een op zichzelf staand waarschuwingssignaal. In plaats daarvan is de relevantie ervan netwerk-geconditioneerd. De bevindingen suggeren dat klimaatvolatiliteit financieel consequent wordt, primair wanneer het interageert met:

1. Ongelijke netwerkstructuren (hoge dispersie in spillover-posities).
2. Sector-specifieke blootstellingskanalen (bijv. kredietkwaliteit voor banken, underwriting voor verzekeraars).
3. Pre-existente toestanden van kwetsbaarheid (persistentie van inwaartse spillovers).

Voor beleid en praktijk stelt het artikel dat toezichtelijke monitoring en stresstests klimaatindicatoren moeten integreren met maten van verbondenheid en de dispersie van spillover-posities. Een "netwerkbewuste" aanpak is noodzakelijk om te identificeren waar klimaatonzekerheid het meest waarschijnlijk zal vertalen in inkomende kwetsbaarheid, in plaats van te vertroukken op geaggregeerde, gepoolde klimaatsignalen. De studie concludeert dat klimaatrisico het beste begrepen kan worden als een proces van hoe kwetsbaarheid over onderling verbonden sectoren wordt verdeeld, in plaats van een homogene systeembrede schok.