PHYSICAL RISK: PRIME ANALISI DI SCENARIO DI TIPO BOTTOM-UP PER UN’AZIENDA DEL SETTORE

In questo paragrafo verrà mostrata l’applicazione del framework bottom-up per il rischio fisico applicata ad un’azienda del settore utility: l’obiettivo dell’esercizio è esemplificare il calcolo della variazione della default probability in risposta a diversi scenari di cambiamento climatico. Le ipotesi di lavoro sono:

• supporremo che gli unici effetti del rischio fisico avvengano dal punto di vista della capacità produttiva e dei costi di approvvigionamento. Valuteremo inoltre l’incidenza sugli asset solo dal punto di vista della PD (cioè non in relazione a un affidamento specifico), ciò implica, tra l’altro, di considerare interamente coperte da assicurazione gli effetti di eventi estremi sugli impianti;

• la versione dello Z score di Altman utilizzato per la stima della PD è il Double Prime score 𝑍 = 3,05 + 6,56𝑋₁+ 3,26𝑋2+ 6,72𝑋3+ 1,05𝑋4, come descritta in158;

• la PD viene ricavata mediante una funzione logit 𝑃𝐷 = 1/(1 + exp(−3 + 2.5𝑍)), in modo da essere coerente con il rating Standard&Poor del name (si utilizzano, essendo il calcolo a mero scopo dimostrativo, valori approssimati dedotti dalle tabelle in159_);

• i dati di bilancio dell’azienda “campione” utilizzati per l’esercizio sono desunti esclusivamente da fonti pubbliche (in particolare i siti internet della società, [X+3], e si riferiscono all’anno 2018);

• la simulazione viene condotta in due ipotesi di riscaldamento globale all’anno 2100, pari a +2° e +4° C, così da catturare la maggior parte dei pathway dei quattro scenari delineati dalle triplette RCP/SSP/SPA. Alla scala temporale 2020 i path vengono riuniti in un unico scenario;

• la scala spaziale dell’analisi viene limitata all’Italia;

• gli elementi di expert judgement utilizzati si limiteranno alla valutazione del downtime degli impianti e dell’aumento di cost of goods in risposta a singoli eventi catastrofali.

La metodologia ricalca quella già proposta e ampiamente descritta nella specifica sezione.

158_{Distressed Firm and Bankruptcy prediction in an international context: a review and empirical analysis of Altman’s Z-Score Model ; Edward}

I. Altman, New York University ; Małgorzata Iwanicz-Drozdowska, Warsaw School of Economics ; Erkki K. Laitinen, University of Vaasa ; Arto Suvas, University of Vaasa

Position Paper n. 20 | RISCHIO CLIMATICO: LA METODOLOGIA ₁₆₀

3.14.1 Valutazione del rischio incrementale

Negli scenari a +2° e a +4° si ricorre a diverse fonti per determinare gli shock produttivi nelle diverse ipotesi di global warming e orizzonti temporali160 _applicandoli

ad un mix di produzione esemplificativo del settore utility:

Annual

revenue Produzione Delta produzione e revenue

2020 2040 +2° 2040 +4° 73.134 51% termoelettrica -11% -4103 -10% -3730 -13% -4849 26% idroelettrica -11% -2092 -5% -951 -7% -1331 23% altro 0% 0% 0%

Per quanto riguarda il rischio fisico incrementale abbiamo pertanto un impatto, in termini di variazione delle revenue nei diversi scenari pari a:

2020 2040 +2° 2040 +4°

-6.194 mln eur -4.681 mln eur -6.180 mln eur

Dal punto di vista del modello di Altman, la variazione di revenue si scarica direttamente sull’EBIT.

3.14.2 Valutazione del rischio catastrofale I fattori di rischio d’evento considerati rilevanti sono:

• inondazione;

160 _Fonti:

• Van Vliet, M.T.H., L.P.H. van Beek, S. Eisner, M. Flörke, Y. Wada, and M.F.P. Bierkens, 2016: Multi-model assessment of global hydropower and cooling water discharge potential under climate change. Glob. Environ. Change, 40, 156-170, doi:10.1016/j.gloenvcha.2016.07.007. • Sathaye, J., L. Dale, P. Larsen, G. Fitts, K. Koy, S. Lewis, and A. Lucena. 2012. Estimating risk to California energy infrastructure from projected

climate change. Report No. CEC-500-2012-057. Sacramento: California Energy Commission.

• Chernet HH, Alfredsen, K. Killingtveit (2013) The impacts of climate change on a Norwegian high-head hydropower system. Journal of Water Climate Change 4:17-37

• Hamududu, Byman & Killingtveit, Ånund. (2012). Assessing Climate Change Impacts on Global Hydropower. Energies. 5. 305-322. 10.3390/en5020305.

• Matthew Bartos et al 2016 Environ. Res. Lett. 11 114008, Impacts of rising air temperatures on electric transmission ampacity and peak electricity load in the United States

Position Paper n. 20 | RISCHIO CLIMATICO: LA METODOLOGIA ₁₆₁

• incendi;

• ondate di calore.

Altri fattori considerabili (quali ad esempio siccità, mareggiate, windstorms, ecc.) vengono esclusi dall’analisi per semplicità, mentre in un’analisi completa dovrebbero essere considerati rilevanti.

Gli aumenti di probabilità per questo tipo di evento sono disponibili in letteratura161 162 163_{, per l’Italia vengono utilizzati i dati tabulati per la Francia, in assenza di fonti}

più precise: 2020 2040 +2° 2040 +4° Inondazione 0,20% 0,20% 0,20% Incendi 0% 16,70% 16,70% Ondate di calore 0,50% 1% 1,30%

Per ogni evento si suppone (elemento di expert judgement) una perdita della capacità produttiva pari a:

Produzione Inondazione Incendio Ondata di calore

Termica -1,5% -3% -3%

Idroelettrica -2% -3% -2%

161 _{Christensen, J. H. et al., Climate phenomena and their relevance for future regional climate change. In Climate Change 2013 the Physical}

Science Basis: Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (Vol. 9781107057999, pp. 1217-1308). Cambridge University Press (2013)

162 _{M. A. Moritz, T. J. Moody, M. A. Krawchuk, M. Hughes, A. Hall, 2010, Spatial variation in extreme winds predicts large wildfire locations in}

chaparral ecosystems, GEOPHYSICAL RESEARCH LETTERS, VOL. 37, L04801, doi:10.1029/2009GL041735

163 _{KNMI Climate Exporer. Ulteriori riferimenti che sono utili ad approfondimenti su dettagli degli argomenti trattati nel capitolo 3 sono:}

• Kebede et al. Applying the global RCP–SSP–SPA scenario framework at sub-national scale: A multi-scale and participatory scenario approach • Blumberg G., “Assessing the potential impact of heat waves in cities: implications for hazard preparation and planning”, 4th _{international}

Conference on Building Resilience, Salford Quays, UK, in Procedia Economics and Finance 18 (2014) 727-735.

• Palmer, T.N., Raisanen J., “Quantifying the risk of extreme seasonal precipitation events in changing climate”, Nature, Jan 2002, 415(6871):512- 4

• Zanini, Hofer, Faleschini, Pellegrino “is tornado risk adequately perceived in Italy?” Design in Civil and Environmental ngineering, Nov 2017 • Giacosa, Mazzoleni, Teodori, Veneziani. Insolvency prediction in companies: an empirical study in italy

Position Paper n. 20 | RISCHIO CLIMATICO: LA METODOLOGIA ₁₆₂

Si determinano di conseguenza gli effetti del rischio catastrofale:

Scenario 2020 2040 +2° 2040 +4°

Produzione

Termica -0,0180% -0,5340% -0,5430%

Idroelettrica -0,0140% -0,5250% -0,5310%

Delta revenue (mln. Euro)

Termica -6,7 -199,2 -202,5

Idroelettrica -2,7 -99,8 -101,0

Delta revenue (mln. Euro)

Rischio fis.cat. -9,4 -299,0 -303,5

Delta COGs

Rischio fis.cat. 1,4 44,9 45,5

Delta EBIT

Rischio fis.cat. -10,8 -343,9 -349,0

La variazione del “cost of goods” è assunta pari al 15% del delta revenue corrispondente (expert judgement).

3.14.3 Valutazione della PD

Le figure di bilancio dell’azienda “campione” per il 2018, utili alla valutazione dello Z score, sono riassunte nella seguente tabella (dati in milioni di euro):

Attivo corrente Passivo corrente Utili/perdite cumulati EBIT Patrimonio netto Totale attivo Totale indebitamento 35.887 40.348 19.853 8.201 47.852 165.424 110.672164

Lo Z score conseguente è calcolato come segue:

𝐗𝟏 = 𝐰𝐜/𝐭𝐚 𝐗𝟐= 𝐫𝐞/𝐭𝐚 𝐗𝟑= 𝐞𝐛𝐢𝐭/𝐭𝐚 𝐗𝟒= 𝐞𝐪/𝐭𝐝 𝐙 𝐏𝐃

-2,70% 12,00% 4,96% 43,24% 4,05 0,080%

Position Paper n. 20 | RISCHIO CLIMATICO: LA METODOLOGIA ₁₆₃

Le variazioni considerate nel caso in esame insistono direttamente sull’Ebit, calcoliamo quindi, nel nostro caso, la reazione della PD rispetto alla variazione del rapporto Ebit/Total Assets:

𝑑 𝑃𝐷

𝑑 𝑋₃ = −0,01345

Abbiamo pertanto, nei diversi scenari, il seguente aumento della PD del name:

2020 2040 +2° 2040 +4°

Rischio fisico

(effetto su ebit) -6.205 -5.024 -6.529

Variazione 𝑿_{𝟑 -3,75% -3,04% -3,95%}

Variazione 𝑷𝑫 _{+5,0bps +4,1bps +5,3bps}

I tre scenari mostrano aumenti di PD coerenti, che, nella scala di Standard&Poors sono paragonabili per ordine di grandezza al derating di un notch.

Position Paper n. 20 | SURVEY SISTEMA BANCARIO ITALIANO ₁₆₄