Climate aware lending allocation under NGFS scenarios - A Monte Carlo approach
本文提出了一种基于蒙特卡洛的框架，该框架将 NGFS 气候情景整合进结构化信用风险模型中，以模拟债务人违约概率并优化贷款组合配置，从而使银行能够将气候转型风险和物理风险与前瞻性信用风险结果及压力测试联系起来。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
长期以来，银行一直依赖历史来预测未来。在决定是否发放贷款时，它们会观察借款人过去的表现，并假设经济关系将保持相对稳定。这种方法在常态化时期运作良好，但在世界发生没有历史先例的变化时，则显得力不从心。气候变化正是这样一种力量。它为借款人引入了两种截然不同的危险：物理风险，即极端天气破坏资产并扰乱运营；以及转型风险，即向低碳经济的转变改变了成本、法规和市场需求。由于这些力量是前瞻性的，且由政策而非仅仅由市场周期驱动，传统的工具往往无法捕捉到真实的风险。监管机构现在要求银行向前看，去理解通往绿色未来的不同路径将如何影响其贷款的安全。
一位名叫玛丽娜·帕莱斯蒂（Marina de Cortanze/Marina Palaisti）的研究人员开发了一种回答这一问题的新方法。这项工作涉及构建一个计算机模型，模拟在一组大型借款人在未来三到五年内，在不同气候情景下的可能行为。该模型并非靠猜测，而是利用了由全球央行和监管机构组成的“气候绿色金融网络”（NGFS）所提供的关于未来的特定、结构化的叙事。这些叙事范围广泛，从向低碳世界平稳、有序的转型，到政策变化突然发生且风暴造成的物理破坏增加的混乱局面。模型将这些宏大的叙事转化为对单个公司的具体影响，调整其增长速度以及失败的可能性。
这项研究的核心是对一千家假设公司进行的模拟。研究人员将不同的气候情景输入模型，以观察每种情景如何改变公司的财务状况。在模型中，一家公司的价值与其生产商品和管理能源使用的能力挂钩。当气候情景发生作用时，它就像是对公司增长引擎的一次冲击。例如，在有严格碳税的新情景下，可能会减缓依赖煤炭的工厂的增速；而在技术进步较好的情景下，则可能帮助风能企业增长得更快。模型计算出每家公司跌破关键阈值并违约的可能性。通过运行数千次此类模拟，研究人员不仅可以看到平均风险，还可以看到风险如何在整个借款群体中分布。
结果表明，所选的气候叙事至关重要。不同的情景会产生截然不同的风险模式。在一种政策行动延迟且天气造成的物理破坏增加的情景下，风险分布较为均匀，许多公司面临着中度的挑战。而在另一种情景下——即向绿色经济的转型发生得突然且剧烈时——风险变得更加不均衡。一些此前安全的型公司突然面临高风险，而另一些则保持稳定。研究发现，在这种特定的模拟中，转型有序且协调的情景实际上产生了组合中最高的平均风险，而一个带有突然“觉醒时刻”的情景产生的平均风险最低。这凸显了情景的严重程度不仅在于天气变得多糟，还在于经济如何对这些变化做出反应。
利用这些计算出的风险，研究人员随后提出了一个实际的问题：如果一家银行想要在保持安全的同时实现回报最大化，应该如何贷出资金？该模型充当了一个指南，展示了在每种气候故事下哪些行业看起来最具吸引力。在物理灾难是主要威胁的情景下，模型建议向具有韧性的基础设施（如风能和水电）提供更多贷款。在转型突然且混乱的情景下，模型将其偏好转向“桥梁”技术，例如更清洁的天然气和碳捕集系统，这些技术在快速变化的市场中可能更具价值。有趣的是，即使在最极端的场景下，模型也没有完全停止对化石燃料行业的贷款，但与更清洁的替代方案相比，它大幅减少了流向这些行业的资金。
该研究强调，这些发现是针对该模拟及其内置假设的。结果取决于如何将气候叙事转化为公司层面的数据，且该模型尚未捕捉到个体公司可能如何进行适应或其特定地理位置如何影响它们的每一个细节。然而，该框架提供了一种清晰、透明的方式，让银行能够将高层级的气候叙事与其实际的贷款账簿风险联系起来。它表明，气候风险不是一个单一的数字，而是一个复杂的景观，其形态取决于世界所走的路径。通过使用这种前瞻性的分析，银行可以超越仅仅回顾过去，开始为不同气候未来可能带来的具体挑战做好准备。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。