r2dii.analysis
r2dii.analysis 0.4.0
Estas herramientas le ayudan a evaluar si una cartera financiera se alinea con los objetivos climáticos. Resume métricas clave atribuidas a la cartera (por ejemplo, producción, factores de emisión) y calcula objetivos basados en escenarios climáticos. Implementan en R el último paso del software libre 'PACTA' (Paris Agreement Capital Transition Assessment; https://www.transitionmonitor.com/). Las instituciones financieras utilizan 'PACTA' para estudiar cómo su asignación de capital impacta el clima.
Instale la versión publicada de r2dii.analysis desde CRAN con:
install.packages( " r2dii.analysis " )O instale la versión de desarrollo de r2dii.analysis desde GitHub con:
# install.packages("pak")
pak :: pak( " RMI-PACTA/r2dii.analysis " )library() para adjuntar los paquetes que necesita. r2dii.analysis no depende de los paquetes r2dii.data y r2dii.match; pero le sugerimos que los instale – con install.packages(c("r2dii.data", "r2dii.match")) – para que pueda reproducir nuestros ejemplos. library( r2dii.data )
library( r2dii.match )
library( r2dii.analysis )r2dii.match::match_name() para identificar coincidencias entre su cartera de préstamos y los datos a nivel de activos. matched <- match_name( loanbook_demo , abcd_demo ) % > %
prioritize()target_sda() para calcular los objetivos de emisiones de CO2 de la SDA. matched % > %
target_sda(
abcd = abcd_demo ,
co2_intensity_scenario = co2_intensity_scenario_demo ,
region_isos = region_isos_demo
)
# > Warning: Removing rows in abcd where `emission_factor` is NA
# > # A tibble: 220 × 6
# > sector year region scenario_source emission_factor_metric
# >
# > 1 cement 2020 advanced economies demo_2020 projected
# > 2 cement 2020 developing asia demo_2020 projected
# > 3 cement 2020 global demo_2020 projected
# > 4 cement 2021 advanced economies demo_2020 projected
# > 5 cement 2021 developing asia demo_2020 projected
# > 6 cement 2021 global demo_2020 projected
# > 7 cement 2022 advanced economies demo_2020 projected
# > 8 cement 2022 developing asia demo_2020 projected
# > 9 cement 2022 global demo_2020 projected
# > 10 cement 2023 advanced economies demo_2020 projected
# > # ℹ 210 more rows
# > # ℹ 1 more variable: emission_factor_value target_market_share para calcular los objetivos del escenario de participación de mercado a nivel de cartera: matched % > %
target_market_share(
abcd = abcd_demo ,
scenario = scenario_demo_2020 ,
region_isos = region_isos_demo
)
# > # A tibble: 1,076 × 10
# > sector technology year region scenario_source metric production
# >
# > 1 automotive electric 2020 global demo_2020 projected 145649.
# > 2 automotive electric 2020 global demo_2020 target_cps 145649.
# > 3 automotive electric 2020 global demo_2020 target_sds 145649.
# > 4 automotive electric 2020 global demo_2020 target_sps 145649.
# > 5 automotive electric 2021 global demo_2020 projected 147480.
# > 6 automotive electric 2021 global demo_2020 target_cps 146915.
# > 7 automotive electric 2021 global demo_2020 target_sds 153332.
# > 8 automotive electric 2021 global demo_2020 target_sps 147258.
# > 9 automotive electric 2022 global demo_2020 projected 149310.
# > 10 automotive electric 2022 global demo_2020 target_cps 148155.
# > # ℹ 1,066 more rows
# > # ℹ 3 more variables: technology_share , scope ,
# > # percentage_of_initial_production_by_scope matched % > %
target_market_share(
abcd = abcd_demo ,
scenario = scenario_demo_2020 ,
region_isos = region_isos_demo ,
by_company = TRUE
)
# > Warning: You've supplied `by_company = TRUE` and `weight_production = TRUE`.
# > This will result in company-level results, weighted by the portfolio
# > loan size, which is rarely useful. Did you mean to set one of these
# > arguments to `FALSE`?
# > # A tibble: 14,505 × 11
# > sector technology year region scenario_source name_abcd metric production
# >
# > 1 automoti… electric 2020 global demo_2020 Bernardi… proje… 17951.
# > 2 automoti… electric 2020 global demo_2020 Bernardi… targe… 17951.
# > 3 automoti… electric 2020 global demo_2020 Bernardi… targe… 17951.
# > 4 automoti… electric 2020 global demo_2020 Bernardi… targe… 17951.
# > 5 automoti… electric 2020 global demo_2020 Christia… proje… 11471.
# > 6 automoti… electric 2020 global demo_2020 Christia… targe… 11471.
# > 7 automoti… electric 2020 global demo_2020 Christia… targe… 11471.
# > 8 automoti… electric 2020 global demo_2020 Christia… targe… 11471.
# > 9 automoti… electric 2020 global demo_2020 Donati, … proje… 5611.
# > 10 automoti… electric 2020 global demo_2020 Donati, … targe… 5611.
# > # ℹ 14,495 more rows
# > # ℹ 3 more variables: technology_share , scope ,
# > # percentage_of_initial_production_by_scope Las funciones target_*() proporcionan atajos para operaciones comunes. Incluyen algunas funciones de utilidad que también puedes usar directamente:
join_abcd_scenario() para unir un conjunto de datos coincidentes con los datos del escenario relevante y para seleccionar activos en las regiones relevantes. loanbook_joined_to_abcd_scenario <- matched % > %
join_abcd_scenario(
abcd = abcd_demo ,
scenario = scenario_demo_2020 ,
region_isos = region_isos_demo
)summarize_weighted_production() con diferentes argumentos de agrupación para calcular los objetivos del escenario: # portfolio level
loanbook_joined_to_abcd_scenario % > %
summarize_weighted_production( scenario , tmsr , smsp , region )
# > # A tibble: 756 × 9
# > sector_abcd technology year scenario tmsr smsp region
# >
# > 1 automotive electric 2020 cps 1 0 global
# > 2 automotive electric 2020 sds 1 0 global
# > 3 automotive electric 2020 sps 1 0 global
# > 4 automotive electric 2021 cps 1.12 0.00108 global
# > 5 automotive electric 2021 sds 1.16 0.00653 global
# > 6 automotive electric 2021 sps 1.14 0.00137 global
# > 7 automotive electric 2022 cps 1.24 0.00213 global
# > 8 automotive electric 2022 sds 1.32 0.0131 global
# > 9 automotive electric 2022 sps 1.29 0.00273 global
# > 10 automotive electric 2023 cps 1.35 0.00316 global
# > # ℹ 746 more rows
# > # ℹ 2 more variables: weighted_production ,
# > # weighted_technology_share
# > 1 automotive electric 2020 cps 1 0 global Bernardi, Bernardi …
# > 2 automotive electric 2020 cps 1 0 global Christiansen PLC
# > 3 automotive electric 2020 cps 1 0 global Donati, Donati e Do…
# > 4 automotive electric 2020 cps 1 0 global DuBuque-DuBuque
# > 5 automotive electric 2020 cps 1 0 global Ferrari-Ferrari SPA
# > 6 automotive electric 2020 cps 1 0 global Ferry and Sons
# > 7 automotive electric 2020 cps 1 0 global Goyette-Goyette
# > 8 automotive electric 2020 cps 1 0 global Guerra, Guerra e Gu…
# > 9 automotive electric 2020 cps 1 0 global Gutkowski, Gutkowsk…
# > 10 automotive electric 2020 cps 1 0 global Hilpert, Hilpert an…
# > # ℹ 13,013 more rows
# > # ℹ 2 more variables: weighted_production ,
# > # weighted_technology_share Comience.
Este proyecto ha recibido financiación del programa LIFE de la Unión Europea y de la Iniciativa Internacional sobre el Clima (IKI). El Ministerio Federal de Medio Ambiente, Conservación de la Naturaleza y Seguridad Nuclear (BMU) apoya esta iniciativa basándose en una decisión adoptada por el Bundestag alemán. Las opiniones expresadas son responsabilidad exclusiva de los autores y no reflejan necesariamente las opiniones de los financiadores. Los financiadores no son responsables del uso que pueda hacerse de la información que contiene.
