Прибыль:
- Способность различать физические (острые/хронические) и переходные риски и оценивать учреждение вместе с его цепочкой создания стоимости в различных сценариях потепления.
- Возможность сопоставить расположение объектов с данными о климатических опасностях и определить качественный уровень риска без необходимости сопоставления искусственного интеллекта точной вероятности/суммы.
- Способность честно сообщать о неопределенности климатических сценариев и избегать риска размывания климата.
Изменение климата — это не просто экологическая проблема, это финансовый и операционный риск. Наводнение может привести к остановке завода, налог на выбросы углерода может разрушить бизнес-модель, засуха может разорвать цепочку поставок. Теперь учреждениям приходится измерять эти риски, тестировать их с помощью сценариев и сообщать о них. В этом модуле вы узнаете о двух основных типах климатических рисков, анализе сценариев, роли и ограничениях ИИ в моделировании этого неопределенного будущего.
Сначала кадр. TCFD (Целевая группа по раскрытию финансовой информации, связанной с климатом) представляет собой систему мирового стандарта, которая определяет, как будет раскрываться информация о климатических рисках; Есть четыре столпа: управление, стратегия, управление рисками, показатели-цели. (Рекомендации TCFD в настоящее время в значительной степени перенесены в стандарты ISSB, но их концепции остаются фундаментальными.)
Два типа климатических рисков
Физический риск: риск, возникающий в результате физического воздействия климата. Его подразделяют на два: острый (острый — внезапные явления, такие как наводнения, штормы, волны тепла) и хронический (хронический — медленные, постоянные изменения, такие как повышение уровня моря, повышение средней температуры, засуха).
Риск перехода: риск, возникающий в результате перехода к низкоуглеродной экономике. Примеры: цена/налог на выбросы углерода, изменение регулирования, технологический сдвиг (например, прекращение использования двигателя внутреннего сгорания), изменение потребительских предпочтений, риск «выброшенных активов» (например, устаревания угольной электростанции).
Совет: Физический риск и риск перехода часто движутся в противоположных направлениях. Если мир примет быстрые меры по смягчению последствий, риск перехода увеличится (внезапное законодательство), физический риск уменьшится; Если он будет действовать медленно, произойдет обратное. Вот почему тестируется множество сценариев, а не одно «будущее».
Сценарный анализ: множественное будущее
Будущее климатического риска непредсказуемо, поэтому используется сценарный анализ: проверка того, как сажа повлияет на различные пути потепления (например, 1,5°C, 2°C, 3°C+). Для научных сценариев в качестве эталона используются SSP (общие социально-экономические пути) МГЭИК и энергетические сценарии МЭА. Цель состоит не в том, чтобы «предсказать» будущее, а в том, чтобы проверить устойчивость: «в каком будущем мы сломаемся?»
ИИ здесь; Он эффективен при структурировании предположений сценариев, обработке различных наборов климатических данных, сопоставлении местоположений объектов с картами физических опасностей и составлении сценариев рисков. Но выбор сценария, реализм предположений и стратегическая интерпретация принадлежат эксперту.
Шаг за шагом: оценка климатических рисков
1. Составьте карту активов и цепочки создания стоимости. Где находится какой объект, какой поставщик в каком регионе?
2. Определить подверженность опасностям. Каким физическим опасностям (наводнение, засуха) подвержено каждое место?
3. Перечислите факторы перехода. Цена на углерод, законодательство, технологии, рынок.
4. Выберите сценарии. По крайней мере, один сценарий с низким (1,5–2°C) и одним высоким (3°C+) потеплением.
5. Оцените воздействие количественно. Потенциальное финансовое/операционное воздействие в каждом сценарии (в пределах).
6. Оцените долговечность и сообщите о ней. Слабые стороны, меры адаптации, неопределенность.
три мини-кейса
Случай 1 — Ловушка с одним сценарием. Одна компания сказала ИИ «рассчитать климатический риск», и тот получил числовое значение для одного будущего. Консультант объяснил, что это вводит в заблуждение: в сценарии низкого потепления налог на выбросы углерода (риск перехода) был высоким, а в сценарии сильного потепления наводнения (физический риск) были тяжелыми. Когда эти два сценария были проработаны отдельно, стало ясно, какое будущее уязвимо для компании. Нечетное число давало ложную уверенность.
Случай 2 — Фиктивная возможность. Аналитик спросил YZ у предприятия: «Каков процент риска наводнений в 2050 году?» — спросил он; ИИ дал точный процент. Эксперт отметил, что это число не основано на какой-либо модели, но ИИ выдал число, которое «казалось разумным». Фактическая оценка требовала сопоставления местоположения с картой климатических опасностей и гидрологической моделью. Из отчета исключена возможность фабрикации.
Случай 3. Сопоставление местоположений. Одна группа оценит физический климатический риск 60 объектов. Они попросили ИИ написать рабочий процесс на Python, который сопоставлял координаты объекта с целью открытия наборов данных о климатических опасностях; В кодексе отмечены 9 объектов, подверженных сильному риску наводнений и аномальной жары. Команда сосредоточила внимание на углубленном анализе этих 9 объектов. ИИ сканировал; Эксперт принял окончательное решение о риске.
Слабая подсказка / Сильная подсказка
Слабая подсказка:
Оцените климатический риск моей компании.
Почему он слабый: нет актива, местоположения, сценария, типа риска. ИИ создает общий сценарий или вымышленную «оценку риска».
Мощная подсказка:
Ваша роль: консультант по климатическим рискам. Используя структуру TCFD, оцените как физический (острый/хронический), так и транзитный риск для следующего списка объектов (местоположение, сектор). Используйте два сценария: 1,5°C и 3°C. Даже если это определенно вероятно, это ПОДДЕЛКА; Укажите качественный уровень (низкий/средний/высокий) и добавьте примечание «по каким данным следует проводить количественную оценку». Результатом является таблица типа риска × сценария. Удобства: [список]
Четыре копируемых шаблона
1) Тип риска × матрица сценариев:
Ваша роль: эксперт по климатическим рискам. Оцените следующие физические (острые/хронические) и переходные риски для учреждения в двух сценариях (низкое/высокое потепление). Дайте качественный уровень и краткое обоснование в каждой ячейке. Не делайте точных цифр; указать, какие данные необходимы для количественного определения. Информация об учреждении: [здесь]
2) Сопоставление местоположения и опасности (по коду):
Напишите структуру рабочего процесса Python, которая сопоставляет следующие координаты объекта с открытыми наборами данных о климатических опасностях (например, наводнение, жара). Отметьте объекты с высокой степенью воздействия. Укажите источник данных; не соответствуют баллу, поставьте пометку «должно быть проверено на соответствие набору данных». Удобства: [здесь]
3) Скрининг факторов риска перехода:
Перечислите риски перехода для следующей бизнес-модели: цена на выбросы углерода, регулирование, технологический сдвиг, рынок/потребитель, затонувший актив, репутация. Для каждого укажите воздействие и возможный временной горизонт (короткий/средний/длинный). Соответствие точной суммы. Бизнес-модель: [здесь]
4) Проект мер по обеспечению устойчивости и адаптации:
Предложите возможные меры адаптации/устойчивости к следующим выявленным климатическим рискам. Для каждой меры: какой риск она снижает, при каком сценарии она будет работать, примерный уровень усилий. Не используйте гиперболическую фразу «сводит риск к нулю». Риски: [здесь]
Распространенные ошибки
- Оценка по одному сценарию. Требуется как минимум один сценарий низкого и один сценарий высокого потепления.
- Смешение физического и переходного риска. Оба анализируются отдельно и могут быть в противоположных направлениях.
- Приведение ИИ в соответствие с точной вероятностью/количеством. Количественная оценка требует реальных моделей и данных.
- Обход цепочки создания стоимости. Риск часто лежит на поставщиках и клиентах.
- Скрытие неуверенности. Климатические сценарии по своей сути неопределенны; сообщите об этом.
Внимание: раскрытие информации о климатических рисках влияет на решения инвесторов, а ложное/преувеличенное раскрытие информации является финансовой версией «зеленого отмывания» — «отмывания климата». Недооценка риска или представление его с ложной уверенностью, создаваемой ИИ, влекут за собой юридическую ответственность.
В итоге
Климатический риск; Это требует оценки физических (острых/хронических) и переходных рисков, а также цепочки создания стоимости в нескольких сценариях. ИИ; Это мощный ускоритель для сопоставления географических опасностей, факторного скрининга и составления проектов. Но выбор сценария, количественная оценка на основе реальной модели, честное сообщение о неопределенности и стратегическая интерпретация принадлежат эксперту. Цель — не узнать будущее, а проверить выносливость.
Задача приложения
Перечислите три-четыре объекта учреждения с указанием их местонахождения и укажите их отрасль. 1. создать матрицу с шаблоном, которая сообщит ИИ оценить физические и переходные риски в двух сценариях; Убедитесь, что ИИ не вычисляет точную вероятность, а дает качественный уровень. Затем с помощью шаблона 3 отсканируйте риски перехода вашей бизнес-модели и отметьте три риска с самым коротким горизонтом.
контрольный список
- [ ] Я оценивал физические (острые/хронические) и переходные риски отдельно.
- [ ] Я использовал как минимум один сценарий с низким и один сценарий с высоким нагревом.
- [ ] Я включил в анализ цепочку создания стоимости (поставщик/клиент).
- [ ] Я не подгонял ИИ под точную вероятность/количество; Я указал данные для количественного определения.
- [ ] Я ясно сообщил о неопределенности.
- [ ] Я рискнул испортить описание (точно, ни незначительное, ни фальшивое).