riskthinking.AI

Platform analitik yang mengukur risiko fisik dan transisi dengan climate digital twin

Hubungi untuk harga CA
Kunjungi Situs ↗

riskthinking.AI adalah perusahaan risiko iklim asal Kanada yang mengubah skenario iklim menjadi angka finansial yang dipahami perusahaan. Intinya adalah climate digital twin bernama CDTexpress, yang dipakai untuk menyimulasikan dampak iklim masa depan yang tak pasti terhadap aset fisik.

Fitur dan Skenario Penggunaan

CDTexpress membangun model digital twin dari iklim masa depan, yang dapat diintegrasikan dengan sistem enterprise risk management (ERM) di perbankan, asuransi, dan manajemen aset; sementara aplikasi VELO mengubah hasil model menjadi skor risiko tingkat aset yang dapat ditindaklanjuti. Platform ini menangani sekaligus risiko fisik (dampak langsung bencana terhadap aset) dan risiko transisi (perubahan nilai akibat pergeseran kebijakan dan pasar).

Cocok untuk lembaga keuangan, divisi keberlanjutan perusahaan tercatat, dan pelaku manajemen aset yang perlu melakukan pengungkapan keuangan terkait iklim. Perusahaan tercatat di Indonesia belakangan diminta mengungkapkan informasi keuangan terkait iklim, dan alat kuantitatif semacam ini persis menjawab kebutuhan laporan tersebut.

Fitur Utama

  • Model climate digital twin CDTexpress
  • Integrasi dengan sistem enterprise risk management
  • Aplikasi VELO: skor risiko tingkat aset
  • Analisis paralel risiko fisik dan risiko transisi
  • Keluaran probabilistik multi-skenario

Penggunaan Umum

  • Bank menilai eksposur iklim pada portofolio kredit
  • Perusahaan tercatat menyiapkan pengungkapan keuangan terkait iklim
  • Pelaku manajemen aset melakukan stress test iklim pada portofolio investasi
  • Perusahaan menilai risiko iklim jangka panjang untuk pemilihan lokasi pabrik

Fitur Utama

  • Model climate digital twin CDTexpress
  • Integrasi dengan sistem enterprise risk management
  • Aplikasi VELO: skor risiko tingkat aset
  • Analisis paralel risiko fisik dan risiko transisi
  • Keluaran probabilistik multi-skenario

Kelebihan

  • Mencakup sekaligus risiko fisik dan transisi, sehingga laporan pengungkapan lebih lengkap
  • Keluarannya probabilistik alih-alih skenario tunggal, lebih sesuai dengan ketidakpastian nyata
  • Dapat diintegrasikan dengan sistem ERM yang sudah ada

Kekurangan

  • Asumsi modelnya rumit, pengguna perlu pemahaman lintas bidang iklim dan finansial
  • Tingkat kalibrasi lokal untuk data kawasan Asia perlu dipastikan secara khusus

Contoh Penggunaan

  • Bank menilai eksposur iklim pada portofolio kredit
  • Perusahaan tercatat menyiapkan pengungkapan keuangan terkait iklim
  • Pelaku manajemen aset melakukan stress test iklim pada portofolio investasi
  • Perusahaan menilai risiko iklim jangka panjang untuk pemilihan lokasi pabrik

Catatan Editor

Kelemahan paling umum laporan pengungkapan iklim adalah "penuh deskripsi kualitatif tanpa satu angka pun". Untuk keluar dari jebakan ini, suatu bentuk model kuantitatif tak bisa dihindari; bedanya hanya membangun sendiri atau membeli yang sudah jadi.

FAQ

Apa bedanya dengan alat pemeringkatan ESG pada umumnya?

Skor ESG umumnya berupa penilaian kualitatif atau pemeringkatan relatif terhadap perusahaan, sedangkan riskthinking.AI melakukan simulasi risiko kuantitatif yang keluarannya berupa "perkiraan kerugian aset ini dalam skenario iklim tertentu". Keduanya punya kegunaan berbeda.

Apakah berguna untuk pengungkapan keuangan iklim di Indonesia?

Bisa dipakai sebagai salah satu alat analisis kuantitatif. Tuntutan otoritas terhadap pengungkapan keuangan terkait iklim makin meningkat, dan simulasi skenario semacam ini bisa memberi dasar kuantitatif, tetapi tetap perlu diinterpretasikan dan ditulis oleh tim yang memahami regulasi setempat.

Alat AI Terkait

繁體中文版 →