Linaje de datos y variables proxy en el riesgo climático

Por Jonas Mohamed Osman Abdelghafour.

La analítica del riesgo financiero relacionado con el clima —las revisiones temáticas del BCE, las recomendaciones de la TCFD y las divulgaciones de la NIIF S2— exige a las instituciones cartografiar sus exposiciones frente a peligros climáticos físicos y de transición, y cuantificar el riesgo resultante. En la práctica, la mayor dificultad no está en la modelización sino en los datos: las ubicaciones de los activos físicos, las clasificaciones sectoriales, las intensidades de emisiones y los escenarios de peligro rara vez se alinean limpiamente con los datos a nivel de contraparte que las instituciones realmente poseen. Un enfoque disciplinado del linaje, los proxies y la incertidumbre es lo que hace defendible el ejercicio.

La cartografía de exposiciones es el primer cuello de botella

La analítica del riesgo climático opera sobre exposiciones a nivel de activos físicos (inmuebles, infraestructuras) o de actividades económicas (sector, subsector, geografía). Los sistemas financieros suelen llevar las exposiciones a nivel de contraparte, instalación o valor. Cartografiar entre ambos niveles es un problema de datos antes que un problema de modelización.

Un mapa de exposiciones funcional registra, para cada exposición: el identificador de la contraparte, el identificador del activo físico o de la actividad cuando esté disponible, la clasificación sectorial (NACE, GICS o equivalente), la geografía al nivel más fino disponible, la intensidad de emisiones cuando sea relevante, y la fuente de cada campo. El campo de fuente es lo que hace auditable el ejercicio.

La jerarquía de proxies

Casi ninguna institución tiene datos reales y verificados para todas sus exposiciones. Una jerarquía de proxies hace explícito y consistente el recurso alternativo. Una jerarquía típica es:

1. Datos de contraparte reportados (emisiones verificadas, ubicaciones de activos divulgadas).
2. Datos estimados por terceros (proveedores comerciales como CDP, MSCI, S&P Trucost).
3. Promedios de sector y geografía a partir de estadísticas nacionales o de conjuntos de datos de la IEA/EDGAR.
4. Solo promedio sectorial.
5. Recurso alternativo a nivel de cartera con un incremento por incertidumbre.

Cada exposición se etiqueta con el nivel de la jerarquía que utiliza. La analítica puede entonces reportarse tanto incluyendo como excluyendo las exposiciones muy dependientes de proxies, y los usuarios ven cuánto de la respuesta depende de los datos menos fiables.

Cuantificación de la incertidumbre

Los propios escenarios climáticos (los escenarios de referencia de la NGFS, los casos del IEA WEO) conllevan una incertidumbre sustancial en las trayectorias de política de transición, los supuestos tecnológicos y la traducción de peligros a impacto financiero. Superpuesta a ello, la incertidumbre de los datos de exposición impulsados por proxies añade una banda adicional de incertidumbre que a menudo es mayor que la incertidumbre de escenario para carteras individuales.

La incertidumbre debe reportarse junto a las estimaciones puntuales. Los enfoques habituales incluyen rangos de escenario, sensibilidad al nivel de la jerarquía de proxies y, cuando los datos lo permiten, propagación de la incertidumbre de proxies mediante Monte Carlo. Una estimación de pérdida climática con una sola cifra, sin bandas de incertidumbre, sobreestima la precisión de lo que es en realidad un ejercicio materialmente incierto.

Controles que hacen fiables los datos

Cuatro controles tienen un impacto desproporcionado. Primero, el linaje de datos documentado desde el sistema fuente hasta el resultado analítico, de modo que cualquier métrica climática pueda rastrearse hasta los campos de los que depende. Segundo, una cadencia de actualización vinculada a la frecuencia de actualización de los datos fuente, de modo que los proxies obsoletos no persistan silenciosamente. Tercero, informes de cobertura que muestren qué fracción de las exposiciones usa cada nivel de la jerarquía, seguidos en el tiempo. Cuarto, revisión independiente de la lógica de cartografía y proxy por parte de la función de segunda línea, en línea con la gobernanza de modelos actuariales y las tres líneas de defensa.

Gobernanza

Las métricas de riesgo climático alimentan cada vez más el apetito de riesgo, la planificación de capital y la divulgación. Eso eleva el requisito de calidad de los datos. Los informes al consejo y al comité de riesgos deben incluir, junto a las métricas principales de exposición y pérdida, una declaración explícita de cobertura, dependencia de proxies y limitaciones conocidas. Esto es coherente con la dirección de las expectativas supervisoras del BCE y con el requisito de la NIIF S2 de divulgar supuestos e incertidumbres materiales.

Modos de fallo habituales

Se repiten tres patrones. El uso de proxies no se rastrea, de modo que los usuarios de la analítica no pueden saber en qué se anclan las cifras. Los resultados de escenario se comparan entre instituciones como si fueran comparables, cuando en realidad las diferencias metodológicas dominan. Y las métricas climáticas se reportan sin bandas de incertidumbre, dando una falsa sensación de seguridad sobre un ejercicio genuinamente incierto.

Limitaciones

Incluso una infraestructura de datos de riesgo climático bien controlada sigue sujeta a la incertidumbre de escenario, al riesgo de modelo en la traducción de peligro a pérdida financiera, y a la posibilidad de que el cambio climático observado diverja de todos los escenarios actualmente utilizados. Los controles de datos reducen el ruido; no eliminan la incertidumbre subyacente.

Conclusión

Una analítica del riesgo climático creíble es tanto una disciplina de ingeniería de datos como de modelización. El linaje, una jerarquía de proxies explícita, la comunicación de la incertidumbre y la revisión independiente son lo que permite que los resultados se usen para tomar decisiones en lugar de tratarse como meramente ilustrativos. Notas relacionadas: la modelización predictiva en el seguro y el diseño de escenarios ORSA y su uso por el consejo.

---

Escrito por Jonas Mohamed Osman Abdelghafour, actuario y gestor de riesgos financieros. Los datos de trayectoria y contacto están en la página sobre mí.