Assessing the impact of climate-related risks on Canadian real estate investment trusts: insights and implications for investors
Notice bibliographique
Résumé
Purpose We evaluate how physical climate risks influence the operational and financial performance of Canadian real estate investment trusts (REITs). We focus on natural disasters and show how systematic climate risk assessment can strengthen investment and management decisions. Design/methodology/approach Using the multi-hazard exposure (MHE) average index (Duprey et al., 2021), we match a century of disaster data to 1,658 Canadian Forward Sortation Areas (FSAs). Panel regressions link portfolio-level MHE exposure to operating metrics (rental revenue, operating expenses, net operating income (NOI) and adjusted funds from operations (FFO)) and market metrics (abnormal return and beta). Findings MHE exposure reduces rental revenue and is unexpectedly associated with lower operating expenses, suggesting strategic cost management, while market pricing already embeds the risk. Impacts differ by property type: multifamily and self-storage assets are most exposed; hotels and retail assets show relative resilience. Practical implications Investors and regulators should embed forward-looking climate risk metrics in capital allocation, insurance and disclosure. Recent instruments such as OSFI Guideline B-15 and the Canadian Securities Administrators' climate disclosure rule illustrate viable policy levers. Originality/value We unite a granular multi-hazard index with REIT-level financial and operating data, providing the first evidence for Canada and demonstrating how adaptive management strategies can mitigate location-specific climate exposure.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».