r2dii.analysis Unduh - r2dii.analysis Unduh kode sumber

r2dii.analisis

Alat-alat ini membantu Anda menilai apakah portofolio keuangan sejalan dengan tujuan iklim. Mereka merangkum metrik-metrik utama yang dikaitkan dengan portofolio (misalnya produksi, faktor emisi), dan menghitung target berdasarkan skenario iklim. Mereka menerapkan di R langkah terakhir perangkat lunak gratis 'PACTA' (Penilaian Transisi Modal Perjanjian Paris; https://www.transitionmonitor.com/). Lembaga keuangan menggunakan 'PACTA' untuk mempelajari dampak alokasi modal mereka terhadap iklim.

Instalasi

Instal versi r2dii.analisis yang dirilis dari CRAN dengan:

install.packages( " r2dii.analysis " )

Atau instal versi pengembangan r2dii.analisis dari GitHub dengan:

 # install.packages("pak")
pak :: pak( " RMI-PACTA/r2dii.analysis " )

Contoh

Gunakan library() untuk melampirkan paket yang Anda butuhkan. r2dii.analisis tidak bergantung pada paket r2dii.data dan r2dii.match; namun kami menyarankan Anda menginstalnya – dengan install.packages(c("r2dii.data", "r2dii.match")) – sehingga Anda dapat mereproduksi contoh kami.

library( r2dii.data )
library( r2dii.match )
library( r2dii.analysis )

Gunakan r2dii.match::match_name() untuk mengidentifikasi kecocokan antara buku pinjaman Anda dan data tingkat aset.

 matched <- match_name( loanbook_demo , abcd_demo ) % > %
  prioritize()

Tambahkan Target Skenario

Gunakan target_sda() untuk menghitung target SDA emisi CO2.

 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

Gunakan target_market_share untuk menghitung target skenario pangsa pasar di tingkat portofolio:

 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

Atau di tingkat perusahaan:

 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

Fungsi Utilitas

Fungsi target_*() menyediakan pintasan untuk operasi umum. Mereka menggabungkan beberapa fungsi utilitas yang juga dapat Anda gunakan secara langsung:

Gunakan join_abcd_scenario() untuk menggabungkan kumpulan data yang cocok dengan data skenario yang relevan, dan untuk memilih aset di wilayah yang relevan.

 loanbook_joined_to_abcd_scenario <- matched % > %
  join_abcd_scenario(
    abcd = abcd_demo ,
    scenario = scenario_demo_2020 ,
    region_isos = region_isos_demo
  )

Gunakan summarize_weighted_production() dengan argumen pengelompokan yang berbeda untuk menghitung target skenario:

 # 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 

# company level
loanbook_joined_to_abcd_scenario % > %
  summarize_weighted_production( scenario , tmsr , smsp , region , name_abcd )
# > # A tibble: 13,023 × 10
# >    sector_abcd technology  year scenario  tmsr  smsp region name_abcd           
# >                                         
# >  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

Mulailah.

Pendanaan

Proyek ini telah mendapat pendanaan dari program LIFE Uni Eropa dan Inisiatif Iklim Internasional (IKI). Kementerian Federal untuk Lingkungan Hidup, Konservasi Alam dan Keamanan Nuklir (BMU) mendukung inisiatif ini berdasarkan keputusan yang diambil oleh Bundestag Jerman. Pandangan yang dikemukakan adalah tanggung jawab penulis dan tidak mencerminkan pandangan pemberi dana. Penyandang dana tidak bertanggung jawab atas segala penggunaan informasi yang terkandung di dalamnya.

Memperluas