Klimatické scénáře NGFS v řízení rizik bank: Kompletní implementační průvodce od modelů po reporting

Proč právě scénáře NGFS a co to pro banky znamená

Risk manažer banky spočítá, že při rychlém, neuspořádaném přechodu na nízkouhlíkovou ekonomiku by úvěrové portfolio v energetice potřebovalo o desítky procent víc kapitálu, než banka drží dnes. Otázka nezní, jestli se to stane – NGFS scénáře jsou navržené právě proto, aby banka podobné situace uměla otestovat dřív, než nastanou, a mohla se na ně připravit postupně, ne v panice.

NGFS (Network for Greening the Financial System, síť centrálních bank a dohledových orgánů pro zelenější finanční systém) poskytuje globálně uznávané klimatické scénáře, které centrální banky a dohledové orgány – včetně ČNB – stále častěji vyžadují při hodnocení odolnosti finančních institucí vůči klimatickým rizikům. Scénáře kombinují makroekonomické projekce, energetické a emisní cesty a agregovaná data o fyzických i přechodových rizicích. Zjednodušeně: popisují různé „budoucnosti" – jak rychle a jak chaoticky svět přejde na nízkouhlíkovou ekonomiku – a banka si podle nich přepočítává, jak by na tom byla její úvěrová kniha. Pro banky tak scénáře představují referenční rámec pro tři klíčové oblasti:

Kapitálové plánování – kvantifikace dopadů na kapitálovou přiměřenost a ziskovost v dlouhém horizontu (20–30 let).
Úvěrové rozhodování – ocenění úvěrových portfolií v návaznosti na „green“ vs. „brown“ expozice.
Regulatorní reporting a stres-testy – splnění požadavků ECB, EBA a národní supervize (klimatický stress-test ECB 2022).

V praxi to znamená, že každá banka musí převést komplexní NGFS scénáře do vlastního interního modelu a propojit je s detailními daty o expozicích, zástavách a průběžných přechodových i fyzických rizicích.

Co všechno implementace scénářů NGFS obnáší

Na základě zkušeností z projektů v pěti největších bankovních skupinách v ČR můžeme proces rozdělit do čtyř pilířů:

Strategické ukotvení – schválení metodiky na úrovni představenstva; propojení s ESRS strategií banky.
Datová architektura – sjednocení zdrojů dat (úvěrové systémy, CRM, externí climate data) a nastavení ESG datové architektury.
Modelování a validace – výběr a kalibrace rizikových modelů (PD/LGD, tržní riziko, RWA) na základě tří referenčních scénářů NGFS: Orderly, Disorderly, Hot House World.
Reporting a governance – zapracování výsledků do interního posouzení kapitálové a likviditní přiměřenosti (ICAAP/ILAAP) a zveřejnění klíčových metrik v souladu s EBA Pillar 3 a CSRD.

Krok 1 – Praktické příklady z českých bank

Případ velké univerzální banky: rozsáhlý implementační projekt propojující desítky interních i externích datových zdrojů. Klíčem bylo sladit emisní faktory klientů s klasifikací NGFS a integrovat výsledky do stávajícího modulu pro výpočet očekávaných úvěrových ztrát podle IFRS 9. Typickým výstupem takového projektu je zjištění, že kapitálový požadavek v nepříznivém scénáři (Disorderly) roste nejvíc právě u sektorů s vysokou uhlíkovou náročností, což vede k doporučení upravit sektorové úvěrové limity.

Případ středně velké banky s korporátním portfoliem: rychlejší pilotní top-down stres-test v řádu týdnů, postavený na proxy metodě – sektorových emisních koeficientech a makro datech NGFS. I při takto zjednodušeném přístupu se běžně odhalí citelný nárůst očekávaných úvěrových ztrát (Expected Credit Loss) v energeticky náročných segmentech – dost na to, aby si toho všimlo vedení banky a zařadilo klimatické riziko mezi standardní vstupy do úvěrového rozhodování.

Krok 2 – Detailní požadavky a zdroje

Regulace a standardy

Pro banky působící v Česku jsou relevantní tyto normy:

Delegated Act k CSRD – požaduje reporting klimatických metrik v rámci ESRS E1 a ESRS 2 Obecná zveřejnění.
EBA Guidelines 2022 k ESG rizikům – doporučují začlenit scénáře NGFS do SREP (Supervisory Review and Evaluation Process, každoroční hodnocení banky ze strany dohledu).
ECB Climate Stress Test 2022 – povinná účast pro systémově významné banky; vychází z NGFS scénářů.

Datové požadavky

Základem je granulární datová matice, tedy tabulka dat na úrovni jednotlivých klientů, ne agregovaných sektorů. Kombinuje čtyři typy vstupů: expozici (EAD, tedy očekávanou hodnotu úvěru v okamžiku selhání) a kolaterál na úrovni protistran; sektorové klasifikace (NACE rev 2) a lokaci aktiv (GPS nebo ZIP kód), která je nutná pro mapy fyzického rizika – třeba povodní nebo sucha; emisní profily klientů, ať už přímo měřené, nebo alespoň odhadnuté; a makroekonomické cesty, které NGFS poskytuje jako projekce HDP, inflace, ceny uhlíku a energetického mixu pro pět regionů EU.

Modely a metodiky

V praxi se používají tři úrovně sofistikovanosti, které se liší náročností na data i peníze:

Úroveň	Popis	Typické náklady	Časové rozmezí
Proxy mapping	Sektorové emisní faktory × NGFS makro cesty	1–2 mil. Kč (externí data + interní analytici)	3–4 měsíce
Statistický model	Regresní modely PD/LGD (pravděpodobnost selhání a ztráta při selhání) kalibrované na makro proměnné	5–8 mil. Kč (+ SW licence)	6–9 měsíců
Integrované bottom-up	Cash-flow projekce každé expozice, diskontování, tržní riziko	15 mil. Kč +	12–18 měsíců

Výběr závisí na proporcionalitě: menší a střední banky si obvykle vystačí s proxy metodou, zatímco systémově významné instituce musí mířit k bottom-up řešení, protože ho po nich fakticky vyžaduje míra detailu, kterou od nich čeká dohled.

Krok 3 – Podrobný návod krok za krokem

1 | Kick-off a stakeholder mapping

Začněte workshopem board risk-komise a definujte sponzora projektu (CRO/CEO). Ujistěte se, že tým pokrývá riziko, finance, IT, ESG a interní audit.

2 | Gap analýza a volba scénářů

Porovnejte stávající ICAAP modely s aktuálním Phase V NGFS setem dlouhodobých scénářů (listopad 2024), případně s navazujícími krátkodobými scénáři NGFS (květen 2025) pro horizont 2025–2030. Rozhodněte, které scénáře budete používat (obvykle dlouhodobé Orderly, Disorderly, Hot House World doplněné krátkodobým scénářem pro okamžitá rizika). Výstupem je „Model Scope Document“.

3 | Datová integrace

Základem je Data Lake ESG – doporučujeme následující checklist:

Inventarizace zdrojových systémů (úvěry, kolaterál, CRM, risk).
Doplnění externích datasetů: NGFS macro (.xlsx), hazard maps (Copernicus), emisní faktory (GHG Protocol).
ETL pipeline v open-source nástroji (např. Apache Airflow) s ověřením data lineage.

Výsledek: jednotný datový model o ~150 atributech/klienta.

4 | Model PD/LGD v klimatickém scénáři

V praxi se osvědčilo rozšířit stávající IFRS 9 model o proměnnou „carbon-price shock“ a „sector transition score“. Pro physical risk přidáme hazard intensity. Model validujte Gini indexem > 60 % a back-testingem vůči historickým dopadům povodní 2013.

5 | Integrovaný stres-test a kapitálový dopad

Scénáře NGFS obsahují cestu nominálního HDP i ceny uhlíku. Ty se propíší do makro proměnných modelu IRB a market-risk VaR. Simulujte 30 let dopředu s ročním krokem a diskontovanými CF. Výsledky:

Δ RWA podle scénáře
Výkyvy zisku (NII, trading income)
Potřeba kapitálu vs. interní risk appetite

6 | Governance a interní audit

Zapojte interní audit už při design review: ověří proces sběru dat, design modelu a funkčnost kontrol v souladu s GRC politikou banky. Doporučuji integrovat testovací kroky do ročního plánu interního auditu (viz také ESRS G1 – governance).

7 | Regulatorní a veřejný reporting

Veřejné Pillar 3 zveřejnění musí obsahovat:

Metodiku scénářů (odkaz na NGFS verzi).
Agregované výsledky (Δ CET1 ratio).
Sensitivitu portfolia vůči sektoru a geografii.

ESG reporting dovnitř skupiny musí být kompatibilní s XBRL taxonomy ESRS a pokrýt E1-6 metriky (emise scope 1-3, financované emise, physical risk score).

Nejčastější chyby a jak se jim vyhnout

Podcenění datové kvality – bez správných GPS lokací kolaterálu podhodnotíte fyzická rizika.
Použití globálního scénáře bez lokální kalibrace – česká ekonomika má odlišnou uhlíkovou stopu na HDP než EU průměr.
Nedostatečné vysvětlení výsledků – KPI bez narrative zůstávají pro board „black box“.

Rozpočet a harmonogram

Mid-size banka (aktiva 250 mld. Kč):

PoC (proxy model) – 3 měsíce, 2 mil. Kč.
Full bottom-up implementace – 12 měsíců, 18 mil. Kč (interní IT 40 %, licencovaná SW platforma 35 %, externí experti 25 %).

Návratnost investice leží především v nižším kapitálovém buffru díky lepší alokaci expozic a v posílení vztahů s institucionálními investory.

Závěr

Implementace klimatických scénářů NGFS už není „nice-to-have", ale regulatorní nutnost – a zároveň příležitost pro banky strategicky řídit expozici vůči nízkouhlíkovému přechodu dřív, než ji za ně vynutí trh nebo dohled. Klíčem k úspěchu je integrovaný přístup: kvalitní data, robustní modely, transparentní governance a smysluplná komunikace výsledků směrem k boardu, který za jednotlivými procenty musí vidět srozumitelný příběh, ne jen tabulku.

Pokud u vás implementace teprve začíná, neinvestujte hned do plnohodnotného bottom-up modelu. Začněte proxy metodou na jednom rizikovém sektoru s vysokou koncentrací expozic – u většiny bank to bude energetika nebo těžký průmysl – a během tří až čtyř měsíců uvidíte, jak citlivé je vaše portfolio na jednotlivé scénáře. Teprve tenhle pilot vám dá argumenty, kolik investovat do sofistikovanějšího modelu a kde přesně v portfoliu.

Další doporučené zdroje

Přečtěte si také