LONDON – In den letzten Jahren haben Rekordtemperaturen und extreme Wetterereignisse die überwältigenden Konsequenzen der Treibhausgasemissionen auf das globale Klima deutlich gemacht. Zudem steigen die Kosten für solche Ereignisse. So ereigneten sich beispielsweise fünf der schlimmsten Naturkatastrophen in der Geschichte der USA in den Jahren seit 2005, sie verursachten inflationsbereinigt einen wirtschaftlichen Schaden von insgesamt 523 Milliarden Dollar. Und allein im letzten Jahr hat Amerika 22 größere Naturkatastrophen erlebt.
Die Ergebnisse von Klimawandelmodellen in konkrete potenzielle Auswirkungen zu übersetzen und die finanzielle Wesentlichkeit von Klimarisiken einzuschätzen, stellt jedoch sowohl für Unternehmen als auch für Investoren eine Herausforderung dar. Die rasche Verbreitung modellgestützter Klimadaten hat die Besorgnis über unbeabsichtigten Missbrauch im Zusammenhang mit finanziellen Entscheidungen und Offenlegungen sowie über wesentliche Falschaussagen in Finanzberichten und Greenwashing geschürt. Diese Risiken sind besonders problematisch bei langfristigen Kapitalinvestitionen in die öffentliche Infrastruktur, die oft eine Betriebsdauer von mehreren Jahrzehnten haben.
Der Bedarf der Finanzmarktteilnehmer an Klimainformationen variiert sowohl in Bezug auf die Granularität der Bewertung (in Bezug auf bestimmte Vermögenswerte oder Vermögensklassen, Regionen und Sektoren) als auch auf den Zeithorizont. Es ist jedoch schwierig, Maßnahmen zur Abschwächung von Klimarisiken ohne spezifische Daten über die bisherige Performance von Unternehmen zu bewerten. Das beinhaltet, wie Unternehmen von historischen Ereignissen wie Überschwemmungen betroffen waren, sowie den Zeitpunkt und das geografische Ausmaß von Gefahren und deren Auswirkungen und die Effektivität der Anpassung.
Obwohl es keine Einheitslösung gibt, wenn es um die Einpreisung klimabezogener Risiken und Chancen geht, haben einige Prozesse hohe Priorität. Zum Beispiel kann Standardisierung helfen, Fehlanpassungen an den Klimawandel zu vermeiden, indem sie die konsistente Anwendung von Datensätzen und Taxonomien sicherstellt und die Abhängigkeit von Klimamodell-Ergebnissen und Proxies reduziert. Standardisierte, geografisch spezifische Angaben, die für Kreditrisiken relevant sind, würden auch eine vergleichbare Bewertung von klimabedingten Risiken und Chancen - und deren potenziellen Auswirkungen - ermöglichen.
Ein anderer Ansatz - erweiterte Klimarisikoanalysen - beinhaltet die Ergänzung der Klimamodell-Ergebnisse mit unternehmensspezifischen Daten, einschließlich Daten auf Vermögensebene und Finanzinformationen. Eine klare Sicht auf die Vermögenswerte eines Unternehmens macht es viel einfacher, die möglichen finanziellen Auswirkungen der physischen Auswirkungen des Klimawandels zu verstehen. Diese Analyse kann auch den Dialog mit Entscheidungsträgern erleichtern, um deren Perspektive auf die akuten und chronischen Klimarisiken zu verstehen, denen sie ausgesetzt sind, und wie sie diese managen, überwachen und abmildern.
Schließlich ermöglicht die Verwendung mehrerer Klimaszenarien den Entscheidungsträgern, ein breiteres Spektrum möglicher Ergebnisse zu berücksichtigen. Dies hilft ihnen, die organisatorische Widerstandsfähigkeit aufzubauen und Risiken und Chancen zu erkennen, bevor sie entstehen, was wiederum eine produktivere Beratung über die möglicherweise erforderlichen Interventionen ermöglicht.
Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.
Subscribe Now
Obwohl die Analyse von Klimarisiken, der Dialog mit Unternehmen und die Beurteilung durch Experten die Analyse verbessern können, muss die nächste Generation von Klimamodellen detaillierter sein, um die Komplexität der globalen Erwärmung besser zu berücksichtigen. Klimagefahren treten nicht isoliert auf und respektieren keine sektoralen oder geografischen Grenzen. Und das weitere Fortschreiten des Klimawandels kann zu neuen, komplexen Abhängigkeiten und Wechselwirkungen führen, die die Datenlieferanten aufgrund der isolierten Natur der bestehenden Modelle nicht auflösen können.
Nicht-Gleichgewichtsmodelle, die auf komplexeren Beziehungen zwischen Klimavariablen beruhen, könnten eine praktikable Alternative sein. In ähnlicher Weise bieten integrierte Bewertungsmodelle (IAM) das Potenzial, mehrere Modelle zusammenzufassen, um die Wirkungsketten zu verstehen, die ökologische, sozioökonomische und klimatische Systeme miteinander verbinden. IAM können auch die Auswirkungen von THG-Verringerungsbemühungen und Anpassungsmaßnahmen auf das Klimasystem bewerten und im Gegenzug die Effektivität der damit verbundenen Strategien einschätzen.
Aber Nicht-Gleichgewichtsmodelle und IAM sind kein Allheilmittel. Zum Beispiel können IAM nicht den wirtschaftlichen Schaden messen, der durch bestimmte Ereignisse, wie schwere Stürme, verursacht wird, oder die mit der Anpassung verbundenen Kosten berechnen.
Darüber hinaus sind solche Modelle typischerweise auf die Veränderung der globalen Mitteltemperatur kalibriert. Dies schränkt die durch sie zu gewinnenden Erkenntnisse über Veränderungen bei Extremereignissen wie Stürmen und Sturzfluten ein, die für viele Finanzmarktteilnehmer, darunter auch Versicherer, ein großes Problem darstellen. Darüber hinaus sind Modelle wie IAM von Natur aus komplex, produzieren große Datenmengen und sind teuer im Betrieb, was bedeutet, dass viele der Herausforderungen, mit denen die aktuelle Generation von Klimamodellen konfrontiert ist, wahrscheinlich auch für die nächste Generation gelten werden.
Derzeit gibt es keine perfekte Lösung für die Bewertung der finanziellen Auswirkungen des physischen Klimawandels, aber das sollte kein Vorwand für Untätigkeit sein. Verbesserte Klima-Risiko-Analysen können ein klareres Bild davon vermitteln, wie schlimm - oder teuer - die globale Erwärmung für Unternehmen werden könnte. Die Technologie wird sich zwar schnell weiterentwickeln, um Unternehmen bei der Bewertung von Klimarisiken zu unterstützen, aber es wird mehr denn je analytisches Urteilsvermögen benötigt, um Modellergebnisse zu interpretieren und bessere Entscheidungen zu treffen. Schließlich bietet die Vergangenheit in einem sich schnell verändernden Bereich wie der Klimarisikoanalyse nur einen engen, kurzfristigen Blick in die Zukunft.
Ein solcher Ansatz wird auch dazu beitragen, unbeabsichtigte Folgen und den Missbrauch von Klimamodell-Ergebnissen durch Finanzmarktteilnehmer zu verhindern, die zunehmend ihre Exponierung gegenüber Klimarisiken offenlegen müssen. Unternehmen und Investoren können sich dann besser auf eine Reihe möglicher zukünftiger Ergebnisse vorbereiten.
To have unlimited access to our content including in-depth commentaries, book reviews, exclusive interviews, PS OnPoint and PS The Big Picture, please subscribe
Many countries’ recent experiences show that boosting manufacturing employment is like chasing a fast-receding target. Automation and skill-biased technology have made it extremely unlikely that manufacturing can be the labor-absorbing activity it once was, which means that the future of “good jobs” must be created in services.
shows why policies to boost employment in the twenty-first century ultimately must focus on services.
Minxin Pei
doubts China’s government is willing to do what is needed to restore growth, describes the low-tech approaches taken by the country’s vast security apparatus, considers the Chinese social-credit system’s repressive potential, and more.
Log in/Register
Please log in or register to continue. Registration is free and requires only your email address.
LONDON – In den letzten Jahren haben Rekordtemperaturen und extreme Wetterereignisse die überwältigenden Konsequenzen der Treibhausgasemissionen auf das globale Klima deutlich gemacht. Zudem steigen die Kosten für solche Ereignisse. So ereigneten sich beispielsweise fünf der schlimmsten Naturkatastrophen in der Geschichte der USA in den Jahren seit 2005, sie verursachten inflationsbereinigt einen wirtschaftlichen Schaden von insgesamt 523 Milliarden Dollar. Und allein im letzten Jahr hat Amerika 22 größere Naturkatastrophen erlebt.
Die Ergebnisse von Klimawandelmodellen in konkrete potenzielle Auswirkungen zu übersetzen und die finanzielle Wesentlichkeit von Klimarisiken einzuschätzen, stellt jedoch sowohl für Unternehmen als auch für Investoren eine Herausforderung dar. Die rasche Verbreitung modellgestützter Klimadaten hat die Besorgnis über unbeabsichtigten Missbrauch im Zusammenhang mit finanziellen Entscheidungen und Offenlegungen sowie über wesentliche Falschaussagen in Finanzberichten und Greenwashing geschürt. Diese Risiken sind besonders problematisch bei langfristigen Kapitalinvestitionen in die öffentliche Infrastruktur, die oft eine Betriebsdauer von mehreren Jahrzehnten haben.
Der Bedarf der Finanzmarktteilnehmer an Klimainformationen variiert sowohl in Bezug auf die Granularität der Bewertung (in Bezug auf bestimmte Vermögenswerte oder Vermögensklassen, Regionen und Sektoren) als auch auf den Zeithorizont. Es ist jedoch schwierig, Maßnahmen zur Abschwächung von Klimarisiken ohne spezifische Daten über die bisherige Performance von Unternehmen zu bewerten. Das beinhaltet, wie Unternehmen von historischen Ereignissen wie Überschwemmungen betroffen waren, sowie den Zeitpunkt und das geografische Ausmaß von Gefahren und deren Auswirkungen und die Effektivität der Anpassung.
Obwohl es keine Einheitslösung gibt, wenn es um die Einpreisung klimabezogener Risiken und Chancen geht, haben einige Prozesse hohe Priorität. Zum Beispiel kann Standardisierung helfen, Fehlanpassungen an den Klimawandel zu vermeiden, indem sie die konsistente Anwendung von Datensätzen und Taxonomien sicherstellt und die Abhängigkeit von Klimamodell-Ergebnissen und Proxies reduziert. Standardisierte, geografisch spezifische Angaben, die für Kreditrisiken relevant sind, würden auch eine vergleichbare Bewertung von klimabedingten Risiken und Chancen - und deren potenziellen Auswirkungen - ermöglichen.
Ein anderer Ansatz - erweiterte Klimarisikoanalysen - beinhaltet die Ergänzung der Klimamodell-Ergebnisse mit unternehmensspezifischen Daten, einschließlich Daten auf Vermögensebene und Finanzinformationen. Eine klare Sicht auf die Vermögenswerte eines Unternehmens macht es viel einfacher, die möglichen finanziellen Auswirkungen der physischen Auswirkungen des Klimawandels zu verstehen. Diese Analyse kann auch den Dialog mit Entscheidungsträgern erleichtern, um deren Perspektive auf die akuten und chronischen Klimarisiken zu verstehen, denen sie ausgesetzt sind, und wie sie diese managen, überwachen und abmildern.
Schließlich ermöglicht die Verwendung mehrerer Klimaszenarien den Entscheidungsträgern, ein breiteres Spektrum möglicher Ergebnisse zu berücksichtigen. Dies hilft ihnen, die organisatorische Widerstandsfähigkeit aufzubauen und Risiken und Chancen zu erkennen, bevor sie entstehen, was wiederum eine produktivere Beratung über die möglicherweise erforderlichen Interventionen ermöglicht.
Subscribe to PS Digital
Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.
Subscribe Now
Obwohl die Analyse von Klimarisiken, der Dialog mit Unternehmen und die Beurteilung durch Experten die Analyse verbessern können, muss die nächste Generation von Klimamodellen detaillierter sein, um die Komplexität der globalen Erwärmung besser zu berücksichtigen. Klimagefahren treten nicht isoliert auf und respektieren keine sektoralen oder geografischen Grenzen. Und das weitere Fortschreiten des Klimawandels kann zu neuen, komplexen Abhängigkeiten und Wechselwirkungen führen, die die Datenlieferanten aufgrund der isolierten Natur der bestehenden Modelle nicht auflösen können.
Nicht-Gleichgewichtsmodelle, die auf komplexeren Beziehungen zwischen Klimavariablen beruhen, könnten eine praktikable Alternative sein. In ähnlicher Weise bieten integrierte Bewertungsmodelle (IAM) das Potenzial, mehrere Modelle zusammenzufassen, um die Wirkungsketten zu verstehen, die ökologische, sozioökonomische und klimatische Systeme miteinander verbinden. IAM können auch die Auswirkungen von THG-Verringerungsbemühungen und Anpassungsmaßnahmen auf das Klimasystem bewerten und im Gegenzug die Effektivität der damit verbundenen Strategien einschätzen.
Aber Nicht-Gleichgewichtsmodelle und IAM sind kein Allheilmittel. Zum Beispiel können IAM nicht den wirtschaftlichen Schaden messen, der durch bestimmte Ereignisse, wie schwere Stürme, verursacht wird, oder die mit der Anpassung verbundenen Kosten berechnen.
Darüber hinaus sind solche Modelle typischerweise auf die Veränderung der globalen Mitteltemperatur kalibriert. Dies schränkt die durch sie zu gewinnenden Erkenntnisse über Veränderungen bei Extremereignissen wie Stürmen und Sturzfluten ein, die für viele Finanzmarktteilnehmer, darunter auch Versicherer, ein großes Problem darstellen. Darüber hinaus sind Modelle wie IAM von Natur aus komplex, produzieren große Datenmengen und sind teuer im Betrieb, was bedeutet, dass viele der Herausforderungen, mit denen die aktuelle Generation von Klimamodellen konfrontiert ist, wahrscheinlich auch für die nächste Generation gelten werden.
Derzeit gibt es keine perfekte Lösung für die Bewertung der finanziellen Auswirkungen des physischen Klimawandels, aber das sollte kein Vorwand für Untätigkeit sein. Verbesserte Klima-Risiko-Analysen können ein klareres Bild davon vermitteln, wie schlimm - oder teuer - die globale Erwärmung für Unternehmen werden könnte. Die Technologie wird sich zwar schnell weiterentwickeln, um Unternehmen bei der Bewertung von Klimarisiken zu unterstützen, aber es wird mehr denn je analytisches Urteilsvermögen benötigt, um Modellergebnisse zu interpretieren und bessere Entscheidungen zu treffen. Schließlich bietet die Vergangenheit in einem sich schnell verändernden Bereich wie der Klimarisikoanalyse nur einen engen, kurzfristigen Blick in die Zukunft.
Ein solcher Ansatz wird auch dazu beitragen, unbeabsichtigte Folgen und den Missbrauch von Klimamodell-Ergebnissen durch Finanzmarktteilnehmer zu verhindern, die zunehmend ihre Exponierung gegenüber Klimarisiken offenlegen müssen. Unternehmen und Investoren können sich dann besser auf eine Reihe möglicher zukünftiger Ergebnisse vorbereiten.
Aus dem Englischen von Eva Göllner.