Sovereign rating : assessment with parsimonious models and link with climate change

Climate Change is the biggest challenge of the century, and finance has also to become sustainable. However, a bridge should be built between climate science and finance. Moreover, decision makers need a clear and easy interpretable information to know how climate change could be translated in risk. Based on the work from Klusak et al., parsimonious models are built to reconstruct the sovereign rating. The idea is to use few variables in input and a machine learning tool to obtain the sovereign rating in output. Sovereign rating is used since it is one of the clearest and most used parameter by decision makers, portfolio managers etc in finance. Some machine learning tools are explored in this work, with a special focus on interpretable tools. First the model is built using only macroeconomic parameters as Klusak et al., then using only data for which SSP projections are available. This work underlines the weakness from Klusak et al., in particular in their way to make projections for macroeconomic variables and shows that their model is not robust. Besides, this work emphasises an other point of view on sovereign rating, without direct link with debts but with development parameters. This new model emphasises that fighting climate change is not bad for sovereign ratings, leading also to some upgrades compared to today. Clearly, harsher the climate damage function, the better the effects of fighting climate change on the sovereign ratings. Eventually, this work underlines also the weakness and the difficulties of this kind of approach to reconstruct the rating in particular to make projections

Il cambiamento climatico è la più grande sfida del secolo e anche la finanza deve diventare sostenibile. Tuttavia, è necessario creare un ponte tra la scienza del clima e la finanza. Inoltre, i decisori pubblici e privati hanno bisogno di informazioni chiare e facilmente interpretabili per sapere come il cambiamento climatico possa tradursi in rischio. Sulla base del lavoro dell’autore di Klusak et al., sono stati costruiti modelli parsimoniosi per ricostruire il rating sovrano. L’idea è quella di utilizzare poche variabili in ingresso e uno strumento di apprendimento automatico per ottenere il rating sovrano in uscita. Il rating sovrano viene utilizzato in quanto è uno dei parametri più chiari e più utilizzati dai de cisori, dai gestori di portafoglio, ecc. in finanza. In questo lavoro vengono esplorati alcuni strumenti di apprendimento automatico, con particolare attenzione a quelli interpretabili. In primo luogo il modello viene costruito utilizzando solo i parametri macroeconomici come Klusak et al., quindi utilizzando solo i dati per i quali sono disponibili le proiezioni SSP. Questo lavoro sottolinea la debolezza di Klusak et al., in particolare nel loro modo di fare proiezioni per le variabili macroeconomiche e dimostra che il loro modello non è robusto. Inoltre, questo lavoro sottolinea un altro punto di vista sul rating sovrano, senza un legame diretto con il debito ma con i parametri di sviluppo. Questo nuovo modello sottolinea che la lotta al cambiamento climatico non è negativa per i rating sovrani, por tando anche ad alcuni upgrade rispetto ad oggi. Chiaramente, più severa è la funzione di danno climatico, migliori sono gli effetti della lotta al cambiamento climatico sui rating sovrani. Infine, questo lavoro sottolinea anche la debolezza e le difficoltà di questo tipo di approccio per ricostruire il rating, in particolare per fare proiezioni.