ESG-Risiko-Scoring
Identifikation von ESG-Risiken
.png)
Die Aufsichtsbehörden fordern eine adäquate Berücksichtigung von ESG-Risiken im Risikomanagement von Banken. Dabei sollen ESG-Risiken wie jedes andere signifikante Risiko berücksichtigt und in den Prozessen integriert werden. Betroffen davon sind u.a. die Berechnung des IFRS 9 Expected Credit Loss, die Berechnungen der Internal Rating Based Modelle (IRB) und das Pricing im Kreditvergabeprozesse.
Für die Berechnung des individuellen ESG-Risiko-Scorings verwendet Climcycle eine Vielzahl von Datenquellen zu physischen Risiken, Transitionsrisiken, sozialen Risiken und Governance-Risiken. Darüber hinaus erlaubt die Plattform
seinen Benutzer:innen, die zugrundeliegende Methodologie nach den individuell spezifischen Umständen anzupassen.
Input & Output
Alle Daten können als Excel oder via API hochgeladen oder manuell direkt in der Benutzeroberfläche eingetragen werden.
Alle Input-Daten werden berücksichtigt und mit entsprechenden Datenquellen verbunden. Die Ergebnisse sind vollständig transparent und können entweder direkt in der Benutzeroberfläche oder in Excel analysiert werden.
Methodologie
Climcycle kombiniert Input Daten mit externen Datenquellen zur Berechnung der relevanten ESG-Risiken. Dabei werden alle verwendeten Datenquellen anhand verschiedener Kriterien wie Relevanz, Abdeckung und Differenzierung ausgewählt. Climcycle orientiert sich dabei an den Empfehlungen der Aufsichtsbehörden und an Best-Practice-Beispielen.
Flexibilität
Wir bieten größtmögliche Flexibilität bei der Anpassung der Scoring Methodologie. Benutzer:innen selbst können entscheiden welche Daten genutzt, welche Annahmen und Gewichte zur Berechnung verwendet, und wie die finalen Ergebnisse zusammengesetzt werden. So wird ein individuelles Scoring ermöglicht, bei dem die Benutzer:innen eigene Prioritäten bezüglich der betrachteten ESG-Risiken einbringen können.
Abdeckung
Die Kombination verschiedener Datenquellen ermöglicht dem ESG-Risiko-Scoring Modul die Abdeckung aller Länder der Welt sowie aller Industrien (auf NACE Code Level). Die Branchenklassifizierung nach dem NACE Code stellt einerseits eine simple und standardisierte Dateneingabe durch die Finanzinstitute sicher und sorgt andererseits für eine klar differenzierte Abdeckung aller Industrien.
Differenzierung
Um verlässliche Analysen auf Deal Niveau durchzuführen, verwendet Climcycle möglichst differenzierte Daten von Banken sowie externen Datenquellen.
Falls keine Einzeltransaktionsdaten
vorhanden sind, greift Climcycle auf Durchschnittsdaten für Branchen und Regionen zurück. Neue Datenquellen werden regelmäßig hinzugefügt, existierende Quellen werden mindestens jährlich aktualisiert.
Auszeichnung
SAS Hackathon 2021 Award für die EMEA Region (Europa, Mittlerer Osten, Afrika) für die Verwendung künstlicher Intelligenz im ESG-Risiko-Management.
Use Case
Identifizierung und Quantifizierung von ESG-Risiken
Climcycle verwendet einfache Inputparameter, die im Zuge der Kreditvergabe erfasst werden, um im ersten Schritt zunächst mögliche ESG-Risiken zu identifizieren. Diese Analysen dienen dazu, dass möglich vulnerable Portfolio-Cluster erkannt werden, z.B. ein größeres Subportfolio in einem Hochwassergebiet oder einer CO2-intensiven Branche. Im zweiten Schritt werden diese Risiken mittels Schadensfunktionen quantifiziert, d.h. in monetäre Effekte übergeleitet. Diese Ergebnisse dienen insbesondere für die Berücksichtigung in den Kreditkonditionen, im IFRS 9 ECL und perspektivisch auch in den IRB-Modellen.
