Download r2dii.analysis - download do código-fonte r2dii.analysis

r2dii.análise

Estas ferramentas ajudam-no a avaliar se uma carteira financeira está alinhada com os objetivos climáticos. Eles resumem as principais métricas atribuídas ao portfólio (por exemplo, produção, fatores de emissão) e calculam metas com base em cenários climáticos. Eles implementam em R a última etapa do software livre 'PACTA' (Avaliação de Transição de Capital do Acordo de Paris; https://www.transitionmonitor.com/). As instituições financeiras utilizam o 'PACTA' para estudar como a sua alocação de capital impacta o clima.

Instalação

Instale a versão lançada do r2dii.análise do CRAN com:

install.packages( " r2dii.analysis " )

Ou instale a versão de desenvolvimento de r2dii.análise do GitHub com:

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

Exemplo

Use library() para anexar os pacotes necessários. r2dii.análise não depende dos pacotes r2dii.data e r2dii.match; mas sugerimos que você os instale – com install.packages(c("r2dii.data", "r2dii.match")) – para que você possa reproduzir nossos exemplos.

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

Use r2dii.match::match_name() para identificar correspondências entre sua carteira de empréstimos e os dados de nível de ativo.

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

Adicionar destinos de cenário

Use target_sda() para calcular as metas SDA de emissões de 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

Use target_market_share para calcular as metas do cenário de participação de mercado no nível do portfólio:

 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

Ou no nível da empresa:

 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

Funções utilitárias

As funções target_*() fornecem atalhos para operações comuns. Eles envolvem algumas funções utilitárias que você também pode usar diretamente:

Use join_abcd_scenario() para unir um conjunto de dados correspondente aos dados do cenário relevante e para escolher ativos nas regiões relevantes.

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

Use summarize_weighted_production() com diferentes argumentos de agrupamento para calcular os alvos do cenário:

 # 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

Comece.

Financiamento

Este projeto recebeu financiamento do programa LIFE da União Europeia e da Iniciativa Internacional para o Clima (IKI). O Ministério Federal do Ambiente, da Conservação da Natureza e da Segurança Nuclear (BMU) apoia esta iniciativa com base numa decisão adoptada pelo Bundestag alemão. As opiniões expressas são da exclusiva responsabilidade dos autores e não refletem necessariamente as opiniões dos financiadores. Os financiadores não são responsáveis por qualquer uso que possa ser feito das informações nele contidas.

Expandir