LONDRES – En los últimos años, los máximos históricos de temperaturas y las condiciones climáticas extremas han resaltado el abrumador impacto de las emisiones de gases de efecto invernadero (GEI) sobre el clima global. Más aún, están aumentando sus costes. Por ejemplo, cinco de los peores desastres naturales de la historia estadounidense han ocurrido desde 2005, causando daños económicos por cerca de $523 mil millones en términos ajustados a la inflación. Y en América se han sufrido 22 desastres naturales solo en el año pasado.
Sin embargo, traducir los resultados de distintos modelos de cambio climático a impactos potenciales específicos y ponderar la materialidad financiera de los riesgos climáticos presenta retos tanto para las empresas como para los inversionistas. La rápida incorporación de los datos climáticos generados por modelos ha alimentado inquietudes acerca del mal uso involuntario en el contexto de la toma de decisiones y declaraciones financieras, así como errores de fondo en informes financieros y prácticas de ecoblanqueo. Estos riesgos son particularmente problemáticos en el caso de las inversiones de largo plazo en infraestructura pública, que a menudo tienen una vida operacional que abarca varias décadas.
La necesidad de información climática varía según los participantes del mercado financiero, tanto en términos de granularidad de evaluación (acerca de recursos o clases de recursos, regiones y sectores específicos) y horizontes temporales. Pero resulta complejo determinar medidas de mitigación a exposiciones climáticas sin datos específicos sobre el desempeño pasado de las entidades, por ejemplo, de qué manera se han visto afectadas las empresas por sucesos pasados como inundaciones, la oportunidad y la escala geográfica de los acontecimientos y su impacto, y su efectividad de adaptación.
Si bien no hay una solución única cuando se trata de poner precio a los riesgos y oportunidades relacionados con el clima, hay algunos procesos que tienen alta prioridad. Por ejemplo, la estandarización puede ayudar a evitar desadaptaciones al cambio climático al asegurar la aplicación consistente de conjuntos y taxonomías de datos, así como a reducir la dependencia de resultados e indicadores de modelos climáticos. Las declaraciones estandarizadas y geográficamente específicas que sean relevantes para evaluar riesgos crediticios además harían posible la comparación de evaluaciones de riesgos y oportunidades relacionadas con el clima y su impacto potencial.
Otro enfoque –el análisis mejorado de riesgo climático- implica la complementación de los resultados de modelos climáticos con datos específicos de la entidad, incluidos datos e información financiera por recursos. Una visión clara de los recursos de una entidad facilita mucho la comprensión del posible impacto financiero de los efectos físicos del cambio climático. Este análisis también puede facilitar el diálogo con quienes toman las decisiones, a fin de entender su perspectiva acerca de los riesgos climáticos agudos y crónicos que enfrentan, y cómo los manejan, monitorean y mitigan.
Por último, el uso de múltiples escenarios de cambio climático permite que quienes toman las decisiones consideren una gama más amplia de resultados posibles. Les ayuda a desarrollar resiliencia organizacional e identificar riesgos y oportunidades antes de que aparezcan, permitiéndoles así una deliberación más productiva sobre las intervenciones que puedan ser necesarias.
At a time when democracy is under threat, there is an urgent need for incisive, informed analysis of the issues and questions driving the news – just what PS has always provided. Subscribe now and save $50 on a new subscription.
Subscribe Now
Aunque el análisis del riesgo climático, el diálogo con las entidades y el juicio experto pueden todos mejorar el análisis, la próxima generación de modelos climáticos tendrá que ser más sofisticada para representar mejor las complejidades del calentamiento global. Las amenazas climáticas no ocurren aisladas ni respetan límites sectoriales o geográficos. Y el avance del cambio climático puede dar origen a nuevas y complejas interdependencias e interacciones que los proveedores de datos no están condiciones de resolver debido a la naturaleza compartimentada de los modelos existentes.
Los modelos de no equilibro, que suponen relaciones más complejas entre variables climáticas, podrían ser una alternativa viable. De manera similar, los modelos de evaluación integrada (MEI) ofrecen el potencial de agrupar varios modelos para poder comprender las cadenas de impacto que unen sistemas ambientales, socioeconómicos y climáticos. Los MEI también pueden evaluar los efectos de las iniciativas de mitigación de los GEI y las medidas de adaptación al sistema climático, lo que a su vez puede medir la eficacia de las estrategias asociadas.
Pero ni los modelos de no equilibro ni los MEI son la panacea. Por ejemplo, los MEI no pueden medir el daño económico causado por ciertos acontecimientos, como las tormentas intensas, ni calcular los costes relacionados con la adaptación.
Más aún, estos modelos suelen calibrarse al cambio en términos de temperaturas promedio globales, lo que limita sus capacidades predictivas sobre los cambios en acontecimientos extremos como tormentas e inundaciones repentinas, una preocupación importante para muchos actores de los mercados financieros, incluidas las aseguradoras. Además, los modelos como los MEI son inherentemente complejos, producen grandes cantidades de resultados y son costosos de ejecutar, lo que significa que es probable que muchos de los retos que enfrentan los modelos climáticos de esta generación sean los mismos a los que tengan que dar respuesta los de la próxima.
Actualmente no existe una solución perfecta para evaluar los efectos financieros del cambio climático físico, pero eso no debe ser un pretexto para la inacción. Un mejor análisis del riesgo climático puede ofrecer una imagen más clara de cuán perjudicial –o costoso- se podría volver el calentamiento global para las empresas. Si bien se seguirá desarrollando tecnología para ayudar a las compañías en sus evaluaciones del riesgo climático, se necesita más que nunca el juicio analítico para interpretar los resultados de los modelos y posibilitar una mejor toma de decisiones. Después de todo, en un campo en veloz cambio como es el análisis del riesgo climático, el pasado ofrece solo una visión estrecha y de corto plazo a lo que podría ser el futuro.
Un enfoque así también ayudaría a evitar las consecuencias indeseadas y el uso erróneo de los resultados de los modelos climáticos por parte de los actores de los mercados financieros que cada vez más deben dar a conocer públicamente sus situaciones de exposición a riesgos climáticos. Las firmas y los inversionistas pueden entonces prepararse mejor para una serie de posibles resultados futuros.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
The Norwegian finance ministry recently revealed just how much the country has benefited from Russia's invasion of Ukraine, estimating its windfall natural-gas revenues for 2022-23 to be around $111 billion. Yet rather than transferring these gains to those on the front line, the government is hoarding them.
argue that the country should give its windfall gains from gas exports to those on the front lines.
LONDRES – En los últimos años, los máximos históricos de temperaturas y las condiciones climáticas extremas han resaltado el abrumador impacto de las emisiones de gases de efecto invernadero (GEI) sobre el clima global. Más aún, están aumentando sus costes. Por ejemplo, cinco de los peores desastres naturales de la historia estadounidense han ocurrido desde 2005, causando daños económicos por cerca de $523 mil millones en términos ajustados a la inflación. Y en América se han sufrido 22 desastres naturales solo en el año pasado.
Sin embargo, traducir los resultados de distintos modelos de cambio climático a impactos potenciales específicos y ponderar la materialidad financiera de los riesgos climáticos presenta retos tanto para las empresas como para los inversionistas. La rápida incorporación de los datos climáticos generados por modelos ha alimentado inquietudes acerca del mal uso involuntario en el contexto de la toma de decisiones y declaraciones financieras, así como errores de fondo en informes financieros y prácticas de ecoblanqueo. Estos riesgos son particularmente problemáticos en el caso de las inversiones de largo plazo en infraestructura pública, que a menudo tienen una vida operacional que abarca varias décadas.
La necesidad de información climática varía según los participantes del mercado financiero, tanto en términos de granularidad de evaluación (acerca de recursos o clases de recursos, regiones y sectores específicos) y horizontes temporales. Pero resulta complejo determinar medidas de mitigación a exposiciones climáticas sin datos específicos sobre el desempeño pasado de las entidades, por ejemplo, de qué manera se han visto afectadas las empresas por sucesos pasados como inundaciones, la oportunidad y la escala geográfica de los acontecimientos y su impacto, y su efectividad de adaptación.
Si bien no hay una solución única cuando se trata de poner precio a los riesgos y oportunidades relacionados con el clima, hay algunos procesos que tienen alta prioridad. Por ejemplo, la estandarización puede ayudar a evitar desadaptaciones al cambio climático al asegurar la aplicación consistente de conjuntos y taxonomías de datos, así como a reducir la dependencia de resultados e indicadores de modelos climáticos. Las declaraciones estandarizadas y geográficamente específicas que sean relevantes para evaluar riesgos crediticios además harían posible la comparación de evaluaciones de riesgos y oportunidades relacionadas con el clima y su impacto potencial.
Otro enfoque –el análisis mejorado de riesgo climático- implica la complementación de los resultados de modelos climáticos con datos específicos de la entidad, incluidos datos e información financiera por recursos. Una visión clara de los recursos de una entidad facilita mucho la comprensión del posible impacto financiero de los efectos físicos del cambio climático. Este análisis también puede facilitar el diálogo con quienes toman las decisiones, a fin de entender su perspectiva acerca de los riesgos climáticos agudos y crónicos que enfrentan, y cómo los manejan, monitorean y mitigan.
Por último, el uso de múltiples escenarios de cambio climático permite que quienes toman las decisiones consideren una gama más amplia de resultados posibles. Les ayuda a desarrollar resiliencia organizacional e identificar riesgos y oportunidades antes de que aparezcan, permitiéndoles así una deliberación más productiva sobre las intervenciones que puedan ser necesarias.
HOLIDAY SALE: PS for less than $0.7 per week
At a time when democracy is under threat, there is an urgent need for incisive, informed analysis of the issues and questions driving the news – just what PS has always provided. Subscribe now and save $50 on a new subscription.
Subscribe Now
Aunque el análisis del riesgo climático, el diálogo con las entidades y el juicio experto pueden todos mejorar el análisis, la próxima generación de modelos climáticos tendrá que ser más sofisticada para representar mejor las complejidades del calentamiento global. Las amenazas climáticas no ocurren aisladas ni respetan límites sectoriales o geográficos. Y el avance del cambio climático puede dar origen a nuevas y complejas interdependencias e interacciones que los proveedores de datos no están condiciones de resolver debido a la naturaleza compartimentada de los modelos existentes.
Los modelos de no equilibro, que suponen relaciones más complejas entre variables climáticas, podrían ser una alternativa viable. De manera similar, los modelos de evaluación integrada (MEI) ofrecen el potencial de agrupar varios modelos para poder comprender las cadenas de impacto que unen sistemas ambientales, socioeconómicos y climáticos. Los MEI también pueden evaluar los efectos de las iniciativas de mitigación de los GEI y las medidas de adaptación al sistema climático, lo que a su vez puede medir la eficacia de las estrategias asociadas.
Pero ni los modelos de no equilibro ni los MEI son la panacea. Por ejemplo, los MEI no pueden medir el daño económico causado por ciertos acontecimientos, como las tormentas intensas, ni calcular los costes relacionados con la adaptación.
Más aún, estos modelos suelen calibrarse al cambio en términos de temperaturas promedio globales, lo que limita sus capacidades predictivas sobre los cambios en acontecimientos extremos como tormentas e inundaciones repentinas, una preocupación importante para muchos actores de los mercados financieros, incluidas las aseguradoras. Además, los modelos como los MEI son inherentemente complejos, producen grandes cantidades de resultados y son costosos de ejecutar, lo que significa que es probable que muchos de los retos que enfrentan los modelos climáticos de esta generación sean los mismos a los que tengan que dar respuesta los de la próxima.
Actualmente no existe una solución perfecta para evaluar los efectos financieros del cambio climático físico, pero eso no debe ser un pretexto para la inacción. Un mejor análisis del riesgo climático puede ofrecer una imagen más clara de cuán perjudicial –o costoso- se podría volver el calentamiento global para las empresas. Si bien se seguirá desarrollando tecnología para ayudar a las compañías en sus evaluaciones del riesgo climático, se necesita más que nunca el juicio analítico para interpretar los resultados de los modelos y posibilitar una mejor toma de decisiones. Después de todo, en un campo en veloz cambio como es el análisis del riesgo climático, el pasado ofrece solo una visión estrecha y de corto plazo a lo que podría ser el futuro.
Un enfoque así también ayudaría a evitar las consecuencias indeseadas y el uso erróneo de los resultados de los modelos climáticos por parte de los actores de los mercados financieros que cada vez más deben dar a conocer públicamente sus situaciones de exposición a riesgos climáticos. Las firmas y los inversionistas pueden entonces prepararse mejor para una serie de posibles resultados futuros.
Traducido del inglés por David Meléndez Tormen