Understanding the Systemic Implications of Climate Transition Risk: Applying a Framework Using Canadian Financial System Data
Notice bibliographique
Résumé
Our study aims to gain insight on financial stability and climate transition risk. We develop a methodological framework that captures the direct effects of a stressful climate transition shock as well as the indirect—or systemic—implications of these direct effects. We apply this framework using data from the Canadian financial system. To capture the direct effects, we leverage the climate transition scenarios and financial risk assessment methods developed for the Bank of Canada and the Office of the Superintendent of Financial Institutions climate scenario analysis pilot project. We examine the direct effects—in the form of credit, market and liquidity risks—of the climate transition shock on financial system entities within the scope of our study. Specifically, we look at the public and private assets and derivatives portfolios of deposit-taking institutions, life insurance companies, pension funds and investment funds. To assess the indirect effects from the potential spread of the climate transition shock across an interconnected financial system, we extend an agent-based model to explore shock transmission channels such as cross-holding positions, business similarities, common exposures and fire sales. This model considers behavioural assumptions and rules, allowing us to understand the interconnectedness of the financial system. This work strengthens our understanding of how distinct entities within the financial system could be impacted by and respond to climate transition risks and opportunities, and of the potential channels through which those risks and opportunities may spread. More generally, this work contributes to building standardized systemic risk assessment and monitoring tools.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».