XiaoMi-AI文件搜索系统
World File Search Systemngfs
2024 年气候风险状况报告
AI 人工智能 API 应用程序编程接口 ASA 广告标准局 AR6 第六次评估报告 CCKP 气候变化知识门户 CMA 竞争与市场管理局 COP28 第二十八届联合国气候变化大会 CSRD 企业可持续发展报告指令 CVaR 气候风险价值 EBA 欧洲银行管理局 ECB 欧洲中央银行 EFRAG 欧洲财务报告咨询小组 ENCORE 探索自然资本机会、风险和暴露 ESG 环境、社会和治理 ESRS 欧洲可持续发展报告准则 EU 欧盟 FCA 金融行为监管局 FTC 联邦贸易委员会 GEMs 一般均衡模型 GFANZ 格拉斯哥净零金融联盟 GHG 温室气体 GRI 全球报告倡议 G-SRAT 全球系统性风险评估工具 IFRS 国际财务报告准则 IFRS S1 IFRS S1 可持续发展相关财务信息披露的一般要求 IFRS S2 IFRS S2 气候相关披露 IMF 国际货币基金组织 IPCC政府间气候变化专门委员会 ISSB 国际可持续发展标准委员会 KPI 关键绩效指标 LLM 大型语言模型 劳埃德银行 劳埃德银行集团 MiFID 金融工具市场指令 ML 机器学习 NAB 澳大利亚国民银行 NGFS 绿色金融体系网络 NGO 非政府组织 NLP 自然语言处理 NZDPU 净零数据 公共事业 OECD 经济合作与发展组织
气候风险压力测试2.0
2025年2月28日，首席执行官所有授权机构亲爱的爵士/女士，气候风险压力测试2.0我正在写信，分享由香港货币当局（HKMA）进行的第二轮范围内的第二轮气候风险压力测试（CRST 2.0）的结果。46授权的机构（AIS）占银行业总贷款的90％以上参加了练习，并在两种互补的场景集中评估了他们的气候风险暴露：（i）短期情景的同时气候相关的震惊和经济相关的同时经济相关的经济下降和（ii）的三个长期场景不同。练习的结果表明，在各种情况下，香港银行业继续证明对与气候相关的严重冲击具有强大的韧性。具体来说，参与AIS的压力资本比率将远高于所有情况的整个评估范围内的国际最低要求的8％。在各种情况下，参与AIS的总资本比率预计将下降1.4％至3.1个百分点，其中包含气候风险和经济低迷的双重冲击。总资本比率超过20％，香港银行业的位置很好，可以应对冲击。结果还表明，从长远来看，有序的过渡将对银行业相对有利。HKMA承认，许多参与AIS的人加强了他们的压力测试能力，以评估气候风险的影响。这项工作已经出现了许多良好的行业实践，包括数据收集和处理的方法，评估方法以及模型治理。在评估过程中，一些AI还充分利用了人工智能等技术。1三个长期情景是从中央银行网络和绿色金融体系（NGFS）的主管中采用的。
气候弹性对话
AAE = Actuarial Association of Europe AFPCNT = Association Française pour la Prevention des Catastrophes Naturelles et Technologiques AFM = Autoriteit Financiële Markten AI = Artificial Intelligence AZN = Insurance Supervision Agency of Slovenia CAGR = Compound Annual Growth Rate CCA = Climate Change Adaptation CCR = Caisse Central de Reassurance CCRIF = Caribbean Catastrophe Risk Insurance Facility CEMS = Copernicus Emergency Management Service CRC = Climate Resilience Certificate CRESTA = Catastrophe Risk Evaluation and Standardising Target Accumulations DRR = Disaster Risk Reduction DSB = Norwegian Directorate for Civil Protection EC = European Commission ECB = European Central Bank EDO = European Drought Observatory EEA = European Environment Agency EFAS = European Flood Awareness System EFFIS = European Forest Fire Information System EIOPA = European Insurance and Occupational Pensions Authority EM-DAT = Emergency Events Database ERCC = Emergency Response Coordination Centre ESS = European Statistical System EU = European Union GEM = Global Earthquake Model GHG = Greenhouse Gasses GIS = Geographic Information System GRA = Global Risk Alliance GRI = Global Resilience Index GRMA = Global Risk Modelling Alliance IAIS = International Association of Insurance Supervisors IPCC = International Panel on Climate Change JRC = Joint Research Centre KB = Norwegian Knowledge Bank KTM = Key措施的类型ML =机器学习NATCAT =自然灾难NGFS =用于绿色金融系统NLP =自然语言处理螺母的网络=统计的领土单位命名
绿色中央银行：从经验中学习
尽管确定人类活动的温室气体排放量增加正在触发气候变化，并且温度升高将对国家的经济和金融体系产生相应的影响，但由于因果因素的复杂，系统性和相互联系的性质，这些影响如何表现出的确切途径仍然不确定。衡量气候风险的主要困难之一是，历史数据并未揭示未来，评估未来风险的可预测性仍然很弱。气候风险涉及复杂的动态，这些动力学通过短期，中和长期的不同方面相互作用。1要解决这些风险，许多监管机构已将气候风险情景分析作为评估未来长期风险的选择。在2022年金融稳定委员会（FSB）对53个机构进行的一项调查中，来自36个司法管辖区目前正在进行，或计划进行气候分析练习。调查揭示了机构在气候场景分析的第一阶段中面临的重大挑战，其中许多人面临着几个常见的障碍。例如，气候模型的丰富度使得哪种模型最重要。此外，气候建模非常技术性，难以穿透非专家。由于缺乏将气候情景转化为宏观财务分析的明确方法学框架，这使这变得更加复杂。绿色金融体系（NGFS）的网络一直在努力通过为决策者创建共同的情景途径来应对这些挑战。尽管进步正在稳步发展分析方法，但在国家范围内实施这种练习仍然是一项艰巨的任务，尤其是对于国家一级数据仍然是基本数据的国家而言。满足发展中国家的需求，NDC合作伙伴关系在COP26发起了对绿色中央银行（GCB）倡议的准备就绪。GCB旨在为中央银行和财务主管配备知识，机构能力和系统，以采用预防措施