Прибуток:
- Здатність розрізняти фізичні (гострі/хронічні) ризики та ризики перехідного періоду та оцінювати інституцію разом із її ланцюжком створення вартості в багатьох сценаріях потепління
- Можливість зіставляти розташування об’єктів із даними про кліматичну небезпеку та виробляти якісний рівень ризику без використання штучного інтелекту.
- Здатність чесно повідомляти про невизначеність кліматичних сценаріїв та уникати ризику зміни клімату
Зміна клімату – це не лише екологічна проблема, це фінансовий та операційний ризик. Повінь може закрити фабрику, податок на викиди вуглецю може зруйнувати бізнес-модель, посуха може розірвати ланцюг постачання. Тепер установи мають вимірювати ці ризики, тестувати їх за допомогою сценаріїв і повідомляти про них. У цьому розділі ви дізнаєтеся про два основних типи кліматичних ризиків, аналіз сценаріїв, роль і обмеження штучного інтелекту в моделюванні цього невизначеного майбутнього.
Перший кадр. TCFD (Task Force on Climate-related Financial Disclosures) — це світовий стандарт, який визначає, як буде розкриватися інформація про кліматичні ризики; Є чотири стовпи: управління, стратегія, управління ризиками, метрики-цілі. (Рекомендації TCFD тепер значною мірою перенесено в стандарти ISSB, але їх концепції залишаються фундаментальними.)
Два види кліматичних ризиків
Фізичний ризик: ризик, що виникає внаслідок фізичного впливу клімату. Його поділяють на два: гострий (гострий — раптові події, такі як повені, шторми, спека) і хронічний (хронічний — повільні, постійні зміни, такі як підвищення рівня моря, підвищення середньої температури, посуха).
Ризик переходу: ризик, що виникає внаслідок переходу до низьковуглецевої економіки. Приклади: ціна/податок на викиди вуглецю, нормативні зміни, технологічний зсув (наприклад, припинення використання двигуна внутрішнього згоряння), зміна споживчих уподобань, ризик «вихідних активів» (наприклад, вугільна електростанція застаріла).
Порада: фізичний ризик і ризик переходу часто рухаються в протилежних напрямках. Якщо світ робить швидке пом’якшення, ризик переходу зростає (раптове законодавство), фізичний ризик зменшується; Якщо він діє повільно, відбувається навпаки. Тому перевіряються кілька сценаріїв, а не одне «майбутнє».
Аналіз сценаріїв: кілька ф'ючерсів
Майбутнє кліматичного ризику є непередбачуваним, тому використовується аналіз сценаріїв: перевірка того, як сажа вплине на різні шляхи потепління (наприклад, 1,5°C, 2°C, 3°C+). Для наукових сценаріїв, SSP МГЕЗК (Спільні соціально-економічні шляхи) та енергетичні сценарії МЕА беруться як посилання. Мета полягає не в тому, щоб «передбачити» майбутнє, а в тому, щоб перевірити стійкість — «в якому майбутньому ми зламаємося?»
ШІ тут; Він потужний у структуруванні припущень щодо сценаріїв, обробці різних наборів кліматичних даних, зіставленні місць розташування об’єктів із картами фізичних небезпек і створенні сценаріїв ризиків. Але вибір сценарію, реалістичність припущень і стратегічна інтерпретація належать експерту.
Крок за кроком: оцінка кліматичного ризику
1. Складіть карту активів і ланцюжка створення вартості. Де який заклад, який постачальник у якому регіоні?
2. Визначте вплив небезпек. До яких фізичних небезпек (повінь, посуха) вразливе кожне місце?
3. Перелічіть перехідні фактори. Ціна вуглецю, законодавство, технології, ринок.
4. Виберіть сценарії. Принаймні один низький (1,5-2°C) і один високий (3°C+) сценарії потепління.
5. Кількісно оцініть вплив. Потенційний фінансовий/операційний вплив у кожному сценарії (в діапазоні).
6. Оцініть і повідомте про довговічність. Слабкі сторони, заходи адаптації, невизначеність.
три міні-чохла
Випадок 1 — Пастка для одного сценарію. Одна компанія сказала штучному інтелекту «розрахувати наш кліматичний ризик», і вона отримала число за одне майбутнє. Консультант пояснив, що це вводить в оману: у сценарії низького потепління податок на вуглець (ризик переходу) був високим, у сценарії високого потепління повені (фізичний ризик) були великими. Коли обидва сценарії розглядалися окремо, стало зрозуміло, перед яким майбутнім компанія вразлива. Непарне число викликало помилкову впевненість.
Випадок 2 — Вигадана можливість. Аналітик запитав YZ у закладу: «Який відсоток ризику повені у 2050 році?» запитав він; ШІ дав точний відсоток. Експерт зазначив, що це число не було засноване на жодній моделі, але штучний інтелект видав число, яке «здавалося розумним». Фактична оцінка вимагала зіставлення місця розташування з картою кліматичних небезпек і гідрологічною моделлю. Зі звіту прибрали можливість фабрикації.
Випадок 3 — Зіставлення місцезнаходження. Одна група оцінила б фізичний кліматичний ризик 60 об’єктів. Вони змусили штучний інтелект написати робочий процес на Python, який узгоджував координати закладу з відкритими наборами даних про небезпеку клімату; У коді відмічено 9 об’єктів із високим ризиком повеней та спеки. Команда зосередилася на глибокому аналізі цих 9 об’єктів. ШІ скановано; Експерт прийняв остаточне рішення щодо ризику.
Слабка підказка / Сильна підказка
Слабка підказка:
Оцініть кліматичний ризик моєї компанії.
Чому він слабкий: відсутній актив, місцезнаходження, сценарій, тип ризику. AI створює загальний сценарій або вигаданий «оцінка ризику».
Потужна підказка:
Ваша роль: радник із кліматичних ризиків. За допомогою структури TCFD оцініть фізичний (гострий/хронічний) і транзитний ризик для наступного переліку об’єктів (розташування, сектор). Використовуйте два сценарії: 1,5°C і 3°C. Навіть якщо це точно ймовірно, це ФЕЙК; Укажіть якісний рівень (низький/середній/високий) і додайте примітку «за допомогою яких даних слід кількісно визначити». Результатом є таблиця тип ризику × сценарій. Послуги: [список]
Чотири шаблони, які можна копіювати
1) Тип ризику × матриця сценарію:
Ваша роль: експерт із кліматичних ризиків. Оцініть наступні фізичні (гострий/хронічний) і перехідні ризики для установи за двома сценаріями (низьке/високе потепління). У кожній клітинці дайте якісний рівень і стисле обґрунтування. Не робіть точних цифр; вкажіть, які дані потрібні для кількісного визначення. Інформація про заклад: [тут]
2) Відповідність місця розташування та небезпеки (за кодом):
Напишіть структуру робочого процесу на Python, яка відображатиме наведені нижче координати об’єкта для відкритих наборів даних про кліматичні небезпеки (наприклад, повінь, хвиля спеки). Прапор об'єктів з високою експозицією. Вкажіть джерело даних; не відповідають оцінці, поставте примітку «потрібно перевірити за набором даних». Зручності: [тут]
3) Скринінг факторів ризику переходу:
Перелічіть ризики переходу для такої бізнес-моделі: ціна на викиди вуглецю, регулювання, зміна технологій, ринок/споживач, безнадійний актив, репутація. Для кожного вкажіть експозицію та можливий часовий горизонт (короткий/середній/довгий). Підбираємо точну суму. Бізнес-модель: [тут]
4) Заходи стійкості та адаптації:
Запропонуйте можливі заходи адаптації/стійкості проти наступних визначених кліматичних ризиків. Для кожного заходу: який ризик він зменшує, у якому сценарії працюватиме, приблизний рівень зусиль. Не використовуйте гіперболічну фразу «зводить ризик до нуля». Ризики: [тут]
Поширені помилки
- Оцінка за єдиним сценарієм. Потрібен принаймні один сценарій низького та один сценарій високого потепління.
- Поєднання фізичного та переходового ризику. Обидва аналізуються окремо і можуть бути в протилежних напрямках.
- Приведення штучного інтелекту до точної ймовірності/кількості. Для кількісного визначення потрібні реальні моделі та дані.
- Обхід ланцюжка створення вартості. Ризик часто лежить на постачальниках і клієнтах.
- Приховування невизначеності. Кліматичні сценарії за своєю суттю невизначені; повідомте про це.
Застереження: розкриття інформації про кліматичні ризики впливає на рішення інвесторів, а неправдиве/перебільшене розкриття інформації є фінансовою версією зеленого вимивання — «відмивання клімату». Недооцінка ризику або представлення його з помилковою впевненістю, створеною ШІ, створює юридичну відповідальність.
Підсумовуючи
Кліматичний ризик; Це вимагає оцінки фізичних (гострих/хронічних) ризиків і ризиків перехідного періоду разом із ланцюжком створення вартості за кількома сценаріями. ШІ; Це потужний прискорювач для зіставлення місця розташування та небезпеки, факторного скринінгу та складання. Але вибір сценарію, кількісна оцінка на основі реальної моделі, чесне звітування про невизначеність і стратегічне тлумачення належать експерту. Мета — не дізнатися майбутнє, а перевірити витривалість.
Аплікаційне завдання
Перелічіть три-чотири об’єкти установи із зазначенням їх розташування та вкажіть галузь. 1. створити матрицю за допомогою шаблону, який повідомляє ШІ оцінювати фізичні ризики та ризики переходу за двома сценаріями; Переконайтеся, що AI не створює точну ймовірність, а надає якісний рівень. Потім за допомогою шаблону 3 скануйте ризики переходу вашої бізнес-моделі та позначте три ризики з найкоротшим горизонтом.
контрольний список
- [ ] Я оцінив фізичні (гострий/хронічний) ризики та ризики переходу окремо.
- [ ] Я використовував принаймні один сценарій низького та один сценарій високого нагрівання.
- [ ] Я включив до аналізу ланцюжок вартості (постачальник/клієнт).
- [ ] Я не змусив штучний інтелект підібрати точну ймовірність/кількість; Я вказав дані для кількісного визначення.
- [ ] Я чітко повідомив про невизначеність.
- [ ] Я взяв на себе ризик погіршення клімату описом (напевно, ні незначним, ні фальшивим).