Происхождение климатических данных и прокси-показатели

Автор: Jonas Mohamed Osman Abdelghafour.

Аналитика финансовых рисков, связанных с климатом, — тематические обзоры ЕЦБ, рекомендации TCFD и раскрытия по IFRS S2 — требует от институтов сопоставлять свою подверженность риску с физическими климатическими опасностями и рисками перехода и количественно оценивать возникающий риск. На практике основная сложность заключается не в моделировании, а в данных: местоположения физических активов, отраслевые классификации, интенсивность выбросов и сценарии опасностей редко чётко согласуются с данными на уровне контрагента, которыми институты реально располагают. Именно дисциплинированный подход к происхождению данных, прокси-показателям и неопределённости делает это упражнение защитимым.

Сопоставление подверженности — первое узкое место

Аналитика климатического риска оперирует подверженностью на уровне физических активов (недвижимость, инфраструктура) или экономической деятельности (отрасль, подотрасль, география). Финансовые системы, как правило, ведут подверженность на уровне контрагента, объекта или ценной бумаги. Сопоставление между этими двумя уровнями — прежде всего проблема данных, а уже потом проблема моделирования.

Работоспособная карта подверженности фиксирует по каждой позиции: идентификатор контрагента, идентификатор физического актива или деятельности там, где он доступен, отраслевую классификацию (NACE, GICS или эквивалент), географию на самом детальном доступном уровне, интенсивность выбросов там, где это уместно, и источник каждого поля. Именно поле источника делает упражнение проверяемым.

Иерархия прокси-показателей

Практически ни один институт не располагает фактическими, проверенными данными по каждой позиции подверженности. Иерархия прокси делает резервный вариант явным и последовательным. Типичная иерархия выглядит так:

1. Отчётные данные контрагента (проверенные выбросы, раскрытые местоположения активов).
2. Оценочные данные третьих сторон (коммерческие поставщики, такие как CDP, MSCI, S&P Trucost).
3. Средние значения по отрасли и географии на основе национальной статистики или наборов данных МЭА/EDGAR.
4. Только среднеотраслевое значение.
5. Резервный вариант на уровне всего портфеля с надбавкой за неопределённость.

Каждая позиция подверженности помечается уровнем иерархии, к которому она относится. После этого аналитику можно представлять как с учётом позиций, сильно зависящих от прокси, так и без них, и пользователи видят, насколько ответ зависит от наименее надёжных исходных данных.

Количественная оценка неопределённости

Сами по себе климатические сценарии (референсные сценарии NGFS, кейсы IEA WEO) несут значительную неопределённость в путях переходной политики, технологических допущениях и переводе опасностей в финансовое воздействие. Поверх этого данные о подверженности, основанные на прокси, добавляют ещё один пласт неопределённости, который для отдельных портфелей часто оказывается больше, чем неопределённость сценария.

Неопределённость следует отражать вместе с точечными оценками. Распространённые подходы включают диапазоны по сценариям, чувствительность к уровню иерархии прокси и — там, где данные это позволяют — распространение неопределённости прокси методом Монте-Карло. Единственное число оценки климатического убытка без полос неопределённости завышает точность того, что на самом деле является упражнением с существенной неопределённостью.

Контроли, обеспечивающие надёжность данных

Четыре контроля оказывают непропорционально большое влияние. Первый — происхождение данных, документированное от исходной системы до аналитического результата, чтобы любой климатический показатель можно было проследить до полей, от которых он зависит. Второй — частота обновления, привязанная к частоте обновления исходных данных, чтобы устаревшие прокси незаметно не сохранялись. Третий — отчётность об охвате, показывающая, какая доля позиций подверженности использует каждый уровень иерархии, отслеживаемая во времени. Четвёртый — независимая проверка логики сопоставления и прокси второй линией защиты, в соответствии с материалом управление актуарными моделями и три линии защиты.

Управление

Показатели климатического риска всё активнее используются в аппетите к риску, планировании капитала и раскрытии информации. Это повышает требование к качеству данных. Отчётность перед советом директоров и риск-комитетом должна включать, наряду с ключевыми показателями подверженности и убытков, явное заявление об охвате, зависимости от прокси и известных ограничениях. Это согласуется с направлением надзорных ожиданий ЕЦБ и с требованием IFRS S2 раскрывать существенные допущения и неопределённости.

Типичные ошибки

Повторяются три модели поведения. Использование прокси не отслеживается, поэтому пользователи аналитики не могут понять, на чём основаны цифры. Результаты по сценариям сравниваются между институтами так, будто они сопоставимы, тогда как методологические различия доминируют. И климатические показатели представляются без полос неопределённости, что создаёт ложное ощущение уверенности в отношении действительно неопределённого упражнения.

Ограничения

Даже хорошо контролируемая инфраструктура климатических данных остаётся подверженной неопределённости сценариев, модельному риску при переводе опасностей в финансовые убытки и возможности того, что наблюдаемое изменение климата разойдётся со всеми используемыми в настоящее время сценариями. Контроли данных снижают шум; они не устраняют лежащую в основе неопределённость.

Заключение

Убедительная аналитика климатического риска — это в той же мере дисциплина инженерии данных, что и моделирования. Происхождение данных, явная иерархия прокси, отчётность о неопределённости и независимая проверка — вот что позволяет использовать результаты для принятия решений, а не воспринимать их как иллюстративные. Смежные материалы: предиктивное моделирование в страховании и проектирование сценариев ORSA и их использование советом директоров.

---

Автор: Jonas Mohamed Osman Abdelghafour, актуарий и специалист по управлению финансовыми рисками. Биография и контакты — на странице «О себе».