Asset pricing with climate risks and heterogeneous beliefs

Thalhammer, Marco Simon; Lontzek, Thomas Siegmund; Wilms, Ole

doi:HT030396649

Asset pricing with climate risks and heterogeneous beliefs

Thalhammer, Marco Simon^RWTH*

2023

Verantwortlichkeitsangabevorgelegt von Marco Simon Thalhammer

ImpressumAachen : RWTH Aachen University 2023

Umfang1 Online-Ressource : Illustrationen, Diagramme

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2023

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak08

Hauptberichter/Gutachter
Lontzek, Thomas Siegmund (Thesis advisor)^RWTH* ; Wilms, Ole (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2023-10-20

Online
DOI: 10.18154/RWTH-2023-10094
URL: https://publications.rwth-aachen.de/record/972304/files/972304.pdf

Einrichtungen

Lehrstuhl für Computational Economics (811110)

Inhaltliche Beschreibung (Schlagwörter)
asse pricing (frei) ; climate risks (frei) ; disagreement (frei) ; heterogeneous agents (frei) ; sustainable finance (frei)

Thematische Einordnung (Klassifikation)
DDC: 330

Kurzfassung
Diese Arbeit analysiert die Bewertung von Klimarisiken auf Finanzmärkten. Es wird gezeigt, dass die Modellierung von Klima-Kipppunkten, unterschiedlicher Erwartungen von Investoren bezüglich Klimarisiken sowie die Verwendung einer Nutzenfunktion, die langfristige Risiken einpreist, entscheidend für das Verständnis der Auswirkungen des Klimawandels auf Vermögenspreise sind. Das vorgestellte Modell kann mehrere Erkenntnisse aus der empirischen Climate-Finance Literatur erklären: (i) Nachrichten über den Klimawandel können an den Finanzmärkten abgesichert werden, (ii) der Anteil grüner Investoren hat in der vergangenen Dekade erheblich zugenommen, (iii) Investoren verlangen eine positive, wenn auch geringe, „Carbon Premium“ für das Halten "brauner" Aktien und (iv) im Zeitraum von 2011 bis 2021 haben „grüne“ Aktien bessere Renditen erzielt als „braune“ Aktien. Darüber hinaus liefert das Modell eine Erklärung, warum die Bereitschaft für Investitionen zur Bekämpfung des Klimawandels in der Vergangenheit niedrig war. Das Modell sagt jedoch einen starken, nichtlinearen Anstieg des marginalen Nutzens von Investitionen zur Reduzierung von Treibhausgasen sowie der „Carbon Premium“ voraus, wenn die globalen Temperaturen weiter ansteigen.In dieser Dissertation wird zudem ein numerisches Lösungsverfahren auf Basis von Projektionsmethoden und mithilfe von Gauss-Hermite-Quadraturen vorgestellt. Dieses eignet sich zum Lösen sogenannter Long-Run Risk Modelle mit Katastrophen und heterogenen Agenten, für die eine analytische Berechnung nicht möglich ist. Es wird ein Ansatz zur effektiven Behandlung von Unstetigkeiten vorgestellt, wie sie im Bereich des Kipppunktes vorkommt. Das vorgeschlagene Verfahren liefert eine ausreichende Genauigkeit für die Lösung der Gleichgewichtsbedingungen und kann auch zur numerischen Lösung von Modellen mit mehreren Zustandsvariablen und Agenten verwendet werden.

This thesis analyzes how climate risks are priced on financial markets. We show that climate tipping thresholds, disagreement about climate risks, and preferences that price in long-run risks are crucial to an understanding of the impact of climate change on asset prices. Our model simultaneously explains several findings that have been established in the empirical literature on climate finance: (i) news about climate change can be hedged in financial markets, (ii) the share of green investors has significantly increased over the past decade, (iii) investors require a positive, although small, climate risk premium for holding “brown” assets, and (iv) “green” stocks outperformed “brown” stocks in the period 2011–2021. The model can also explain why investments in mitigating climate change have been small in the past. Finally, the model predicts a strong, non-linear increase in the marginal gain from carbon-reducing investments as well as in the carbon premium if global temperatures continue to rise.This thesis also presents an adapted numerical solution approach based on projection methods and Gauss-Hermite quadrature to solve long-run risk asset-pricing models with disasters and heterogeneous agents, where closed-form solutions are unavailable. We demonstrate an effective approach for handling nonlinearities, such as a tipping threshold. The proposed approach demonstrates sufficient accuracy in solving the equilibrium conditions, making it computationally efficient even for models involving multiple states and agents.

OpenAccess:
PDF
(additional files)