Nei giorni scorsi, si è tenuto il webinar ABI Lab SUST(AI)NABLE - Il ruolo dell’AI per lo sviluppo di una banca sostenibile, in cui esperti di settore, banche e aziende hanno condiviso le possibili sinergie fra AI e sostenibilità.
Al webinar è intervenuto Paolo Gambetti, CRIF Data Science Leader, che ha delineato l’esperienza di CRIF sulla misurazione del rischio fisico e climatico, in particolare grazie all’innovativa piattaforma Climate Risk Analytics Suite, nata dalla collaborazione con RED SpA. La suite, vincitrice della seconda edizione del G20 TechSprint, supporta i player finanziari che fanno leva su dati e analytics provenienti da molteplici fonti autoritative e sulla AI per la valutazione, monitoraggio e la segnalazione degli eventi atmosferici estremi e dei rischi fisici collegati. In particolare le banche, su invito delle principali istituzioni europee - quali EBA, ECB nonché la Task Force sulle Climate-Related Financial Disclosures (TCFD) - sono spinte a implementare soluzioni atte a quantificare gli impatti attesi del rischio climatico (ad esempio con il recente esercizio del Pillar III Disclosure). Tuttavia, la pressione regolamentare comporta molteplici sfide per i player finanziari sia per l’individuazione degli indicatori di rischio fisico e di transizione da adottare, sia per la metodologia di raccolta dei dati. Di conseguenza, la misurazione dei rischi climatici non può prescindere dalla creazione di un team multidisciplinare caratterizzato da diverse competenze scientifiche (dai Data Scientist, Machine Learning Engineers fino ad esperti del rischio di credito e della Corporate evaluation).
Rischio fisico e rischio di transizione: come si stimano?
Riguardo la stima del rischio fisico e di transizione si possono adottare le seguenti metodologie: “Per quanto riguarda il rischio fisico, CRIF ha sviluppato una metodologia originale, un approccio bottom-up, con una quantificazione del rischio delle perdite attese dagli eventi catastrofali a livello di singolo sito aziendale. In particolare, le perdite sono valutate considerando tre dimensioni:
- Pericolosità, la probabilità che si verifichi un evento naturale di una data severità;
- Esposizione, il valore monetario degli asset esposti all'azione degli elementi;
- Vulnerabilità, cioè la diversificazione delle stime di danno a seconda del tipo di asset e a seconda del tipo e dell’intensità dell’evento naturale.
La stima del rischio di transizione si basa, invece, su indicatori di GHG emission delle controparti e su modelli econometrici e di machine learning che forniscono stime di impatto in termini di variazione di ricavi e di costi o di aggravio degli investimenti necessari per raggiungere determinati obiettivi di riduzione delle emissioni” - ha aggiunto Gambetti.
Nello specifico, le mappe di rischio utilizzate analizzano la probabilità che un sito della controparte venga colpito da un evento naturale di una certa severità a seconda di diversi scenari di climate-change, dove questi sono determinanti da possibili evoluzioni delle emissioni di gas serra, quindi dai percorsi di transizione. La fotografia che ne emerge presenta una granularità spaziale molto raffinata: da un lato intercetta la posizione precisa a livello di microzona sulla quale potrebbe verificarsi il rischio climatico, dall’altra parte ne dà una vista previsionale, forward-looking, anticipando così eventuali cambiamenti di rischiosità climatica sul territorio.
In conclusione, solamente dopo aver effettuato una valutazione congiunta del rischio fisico e di transizione si può effettuare uno studio approfondito degli impatti di rischio climatico sulla sostenibilità economica-finanziaria dell’impresa.
“Abbiamo sviluppato la soluzione Climate Risk Analytics Suite proprio per supportare i player finanziari a prevenire l’esposizione ai rischi climatici dei loro portafogli corporate” – conclude Gambetti.
Vuoi parlare con i nostri esperti? Contattaci
