气候风险和情景分析：TCFD、实体风险和转型风险 — 环境管理和气候中的人工智能

收益：

气候变化不仅仅是一个环境问题，也是一个财务和运营风险。洪水可以关闭工厂，碳税可以破坏商业模式，干旱可以切断供应链。机构现在必须衡量这些风险，用场景进行测试并报告。在本单元中，您将了解气候风险的两种主要类型、情景分析、人工智能在模拟这个不确定的未来中的作用和局限性。

先画框。 TCFD（气候相关财务披露工作组）是一个世界标准框架，定义了如何披露气候风险；有四个支柱：治理、战略、风险管理、指标目标。（TCFD 建议现已大部分转移到 ISSB 标准，但其概念仍然是基本的。）

物理风险：由于气候的物理影响而产生的风险。它分为两种：急性（急性——突发事件，如洪水、风暴、热浪）和慢性（慢性——缓慢、永久性的变化，如海平面上升、平均气温升高、干旱）。

转型风险：向低碳经济转型所产生的风险。例如：碳价格/税收、监管变化、技术转变（例如内燃机的终结）、消费者偏好的变化、“搁浅资产”的风险（例如燃煤电厂变得过时）。

提示：物理风险和转型风险通常朝相反的方向发展。如果世界做出快速缓解，转型风险就会增加（突然立法），实体风险就会减少；如果他行动缓慢，就会发生相反的情况。这就是为什么要测试多个场景，而不是单个“未来”。

气候风险的未来是不可预测的，这就是为什么要使用情景分析：测试烟尘在不同变暖路径（例如 1.5°C、2°C、3°C+）下受到的影响。对于科学情景，参考了IPCC的SSP（共享社会经济路径）和IEA的能源情景。目标不是“预测”未来，而是测试韧性——“我们会突破哪个未来？”

人工智能就在这里；它在构建情景假设、处理不同的气候数据集、将设施位置与物理灾害地图相匹配以及起草风险脚本方面功能强大。但情景选择、假设现实主义和战略解释属于专家。

1. 绘制资产和价值链图。哪个工厂在哪里，哪个供应商在哪个地区？

2. 确定是否接触危险。每个地点容易遭受哪些自然灾害（洪水、干旱）？

3. 列出过渡因素。碳价格、立法、技术、市场。

4. 选择场景。至少一种低温（1.5-2°C）和一种高温（3°C+）变暖情景。

5. 量化影响。每种情况下的潜在财务/运营影响（范围内）。

6. 评估并报告耐久性。弱点、适应措施、不确定性。

案例 1 — 单一场景陷阱。一家公司告诉人工智能“计算我们的气候风险”，它得到了一个未来的数字。该顾问解释说，这是一种误导：在低变暖情景下，碳税（转型风险）很重，在高变暖情景下，洪水（物理风险）很重。当这两种情况分开运行时，公司容易受到哪种未来的影响就变得很清楚了。奇数给出了错误的信心。

案例 2——虚构的可能性。一位分析师询问 YZ 设施“2050 年洪水风险百分比是多少？”他问道； AI给出了准确的百分比。该专家指出，这个数字并非基于任何模型，但人工智能产生的数字“似乎合理”。实际评估需要将位置与气候灾害地图和水文模型相匹配。报告中已排除捏造的可能性。

案例 3 — 位置匹配。一组将评估 60 个设施的物理气候风险。他们让人工智能编写一个 Python 工作流程，将设施坐标与开放的气候灾害数据集相匹配；该规范标记了 9 个高度暴露于洪水和热浪风险的设施。团队重点对这 9 个设施进行了深入分析。 AI扫描；专家做出了最终的风险决策。

弱提示：

评估我公司的气候风险。

为什么弱：没有资产、地点、场景、风险类型。人工智能会生成通用脚本或虚构的“风险评分”。

强力提示：

您的角色：气候风险顾问。利用 TCFD 框架，评估以下设施列表（位置、部门）的物理（急性/慢性）和运输风险。使用两种情况：1.5°C 和 3°C。即使它绝对有可能，它也是假的；给出定性水平（低/中/高）并添加注释“应使用哪些数据进行量化”。结果就是风险类型×情景表。设施：[列表]

1）风险类型×场景矩阵：

您的角色：气候风险专家。评估机构在两种情况（低/高变暖）下的以下物理（急性/慢性）和转型风险。在每个单元格中给出定性水平和简短的理由。不要给出确切的数字；指定量化中需要哪些数据。机构信息：[此处]

2）位置-危险匹配（通过代码）：

编写一个 Python 工作流程框架，将以下设施坐标映射到开放的气候灾害数据集（例如洪水、热浪）。标记曝光率高的设施。指定数据源；不符合分数，请注明“必须根据数据集进行验证”。设施：[这里]

3）转型风险因素筛查：

列出以下商业模式的转型风险：碳价格、监管、技术转变、市场/消费者、沉没资产、声誉。对于每一个，指定暴露和可能的时间范围（短/中/长）。拟合准确的数量。商业模式：[这里]

4) 起草恢复力和适应措施：

针对以下已确定的气候风险提出可能的适应/抵御措施。对于每项措施：它减少了哪些风险，在哪种情况下有效，粗略的努力程度。不要使用双曲线短语“将风险归零”。风险：[此处]

注意：气候风险披露会影响投资者的决策，虚假/夸大的披露是金融版的“绿色清洗”——“气候清洗”。低估风险或以人工智能产生的错误确定性呈现风险都会产生法律责任。

气候风险；它需要评估多种情况下的物理（急性/慢性）风险和转型风险以及价值链。人工智能;它是位置危险匹配、因素筛选和起草的强大加速器。但场景选择、基于真实模型的量化、对不确定性的诚实报告以及战略解释属于专家。目的不是预知未来，而是考验耐力。

列出一个机构的三到四个设施及其位置并注明其行业。 1.使用模板创建一个矩阵，告诉AI评估两种场景下的物理风险和过渡风险；验证人工智能不是在编造精确的概率，而是给出定性水平。然后，使用模板 3 扫描您的业务模型的转型风险，并标记期限最短的三个风险。